Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIA（米カリフォルニア州サンタクララ）は、大規模言語モデル（LLM）やAIエージェント向けの強化学習（RL）の実践ガイドを公開した。企業が独自業務向けAIを高精度化するための手法として、RLの活用方法や学習環境を体系的に整理した内容という。

ガイドでは、検索拡張生成（RAG）や教師ありファインチューニング（SFT）、直接選好最適化（DPO）との使い分けを示し、検証可能な報酬を用いるRLVRとGRPOを中心とした学習フローを紹介。業務環境で評価可能なタスクを段階的に改善する手法を推奨するとした。

また、Nemotron、NeMo RL、NeMo Gym、NeMo Data Designerなどのツール群を活用し、データ生成から環境構築、学習、評価までを一貫して実施できる仕組みを提供。企業向けエージェントの継続的な性能改善を支援する考えを示した。

NVIDIAは、長時間にわたるエージェント処理では、本番環境で発生した失敗事例を評価データや学習環境へ反映させる改善サイクルが重要と説明。AIエージェントの継続的な最適化を実現する開発基盤としてNeMo関連製品の活用を呼び掛けた。