テンセントの「Hunyuan（混元）」がオープンソース化したUniRL：大規模言語モデルと拡散モデルを同一の強化学習フレームワークに統合

テンセントのHunyuanチームは、業界初となる、大規模言語モデル（LLM）と拡散モデルを同一の強化学習の事後学習（後学習）フレームワークに組み込む統一ソリューションとしてUniRLをオープンソース化したことを発表しました。UniRLはモデルのアーキテクチャと学習アルゴリズムを分離し、テキスト、ビジョン・ランゲージ、画像、動画生成モデルが共通の統一学習ループを利用できるようにします。拡散モデルおよびフローマッチング（流れ整合）モデルに対しては、Hunyuanチームが同時にFlow-DPPOアルゴリズムを提供しています。これまで、大規模言語モデルと拡散モデルのRL学習プロセスやアルゴリズムは相互に互換性がありませんでしたが、UniRLがその空白を埋めました。

重要な理由：UniRLのオープンソース化により、多モーダルAIのためのRL基盤インフラを共有でき、複数のモデル学習パイプラインの開発・保守コストを大幅に削減できます。

#腾讯 #AI #开源 #大模型 #Web3