学習の現場。データセット構築、合成データ、事前学習と事後学習、計算資源と学習コスト。
Hugging Face HubにRL Environments用のフィルターが追加された。rl-environment タグを付けたデータセットリポジトリが一覧に表示され、Harbor、Verifiers、OpenEnv、NeMo Gym の4フレームワークのタグも登録されている。新しいリポジトリ種別やレジストリ、サインアップは不要である。
選定理由：既存のデータセットリポジトリにタグを付けるだけで複数フレームワークから共通利用できる設計が示されており、環境公開の手順を具体的に把握できる。
Hugging Faceのブログが、Surya Narreddiの水彩画生成の手法をTRLとOpenEnvで再現し、データセット、RL環境、学習スクリプト、学習済みモデルをすべて公開した。Qwen/Qwen3.5-35B-A3Bにp5.brush用のJavaScriptを書かせ、審査モデルと美的評価モデルの報酬で学習させている。3種類の報酬配分はいずれも報酬が上昇した。
選定理由：報酬設計から失敗した実験、コストまでが具体的な数字で整理されており、好みを報酬にするRLを自分で再現する際の判断材料になる。
Google Researchは、表形式データの分類と回帰をゼロショットで行う基盤モデルTabFMを発表した。文脈内学習により、モデル学習やハイパーパラメータ調整、特徴量エンジニアリングなしで1回の順伝播で予測できる。Hugging FaceとGitHubで公開され、Google Cloud BigQueryでも利用できる。
選定理由：表形式データの予測を文脈内学習として扱う設計と、合成データのみで事前学習した点が整理されており、従来の木系手法との違いを把握しやすい。