Reasoning & RL
Учим модели рассуждать и действовать: синтетические датасеты для reasoning и собственные реализации алгоритмов обучения с подкреплением (GRPO, multiturn, tool calling).
Reinforcement Learning · reasoning · LLM
Учим машины
действовать и рассуждать
researchim — независимая исследовательская группа с фокусом на обучении с подкреплением (RL). Мы учим модели принимать решения, рассуждать и действовать — и превращаем это в открытые инструменты.
0
открытых проектов
RL
+ reasoning
LLM
+ tool calling
Open
source first
// о нас
Чем мы занимаемся
researchim — это исследования и открытые инструменты вокруг всего стека современного ИИ: от обучения моделей рассуждать и действовать до симуляторов физического мира, локальных агентов и прикладных проектов в индустрии.
Обучение моделей
Строим удобную визуальную студию, чтобы каждый мог тренировать свои модели дома — от pretrain и SFT до GRPO — в едином интерфейсе.
Локальные агенты
Полностью локальные кодинг- и research-агенты на базе Qwen: приватность, deep research и автоматизация без облака.
Симуляторы мира
Пишем симуляторы физического мира — нефтяной пласт, квантовый компьютер, атомный реактор — как среды для экспериментов с LLM и RL.
Прикладной ИИ
Переносим методы ИИ в реальные индустрии: оптимизация добычи нефти с помощью LLM и распознавание документов через тюнинг VLM-моделей.
Знания и быстрый старт
Собираем базу знаний по ИИ и его применению в отраслях, а также туторы и инструкции для быстрого входа в область.
// подход
Как мы работаем
01
Исследуем
Читаем свежие статьи, воспроизводим результаты и проверяем гипотезы на практике.
02
Экспериментируем
Строим минимальные, но рабочие прототипы алгоритмов RL и reasoning для LLM.
03
Открываем код
Публикуем понятные open-source библиотеки, чтобы результатами могли пользоваться все.
04
Делимся
Обсуждаем идеи и находки в сообществе — учимся вместе.
// reinforcement learning
RL-песочница
Мы — про обучение с подкреплением, так что вот живой пример прямо в браузере. Настоящий табличный Q-learning в гридворлде: агент методом проб и ошибок учится доходить до награды +1 и обходить штрафы −1. Обучите его — или пройдите поле сами.
Агент
Награда +1
Штраф −1
Функция ценности + политика
0эпизод
0.00reward / эпизод
—лучший reward
1.00ε — исследование
Нажмите «Обучить агента» — и смотрите, как растёт награда, а по клеткам проявляется выученная политика. Или играйте сами: стрелки / WASD.
// open source
Проекты
Открытые проекты, которые мы разрабатываем и поддерживаем — от обучения моделей и агентов до симуляторов и прикладного ИИ.
models-at-home
Визуальная студия, чтобы удобно обучать модели прямо у себя дома — единая точка входа как для новичков, так и для тех, кто уже тренирует модели разных размеров. Сейчас: LLM (pretrain / SFT / GRPO), в планах — DL-модели по многим направлениям.
GitHub репозиторий →re-grpo
Собственная имплементация GRPO на базе проекта tiny-grpo: добавлены примеры с использованием инструментов и multiturn GRPO. В планах — навести порядок и завести улучшения из статьи Dr. GRPO.
GitHub репозиторий →re-rl
Генерация синтетических датасетов для reasoning: логические и математические задачки для обучения моделей рассуждать. Направление с огромным пространством для развития.
GitHub репозиторий →one-click-coding-agent
Полностью локальный кодинговый агент на базе моделей Qwen — помощник-программист, который работает целиком на вашей машине, без облака.
GitHub репозиторий →one-click-research-agent
Полностью локальный research-агент на базе Qwen с поддержкой deep research — ищет, читает и анализирует источники прямо на вашей машине.
GitHub репозиторий →oil-simulator-py
Полноценный симулятор нефтедобычи. Уже есть моделирование пласта, нагнетательные (закачка воды) и добывающие скважины. Дальше — связность между скважинами и остальная инфраструктура.
GitHub репозиторий →quantum-computing-sim-py
Симулятор квантовых вычислений с возможностью подключения LLM и RL — среда для экспериментов над квантовыми алгоритмами и обучением агентов.
GitHub репозиторий →atomic-sim
Симулятор атомного реактора — среда для моделирования процессов и экспериментов, в том числе как площадка для ИИ-агентов.
GitHub репозиторий →re-oil-production-llm
LLM в добыче нефти: моделирование скважин и обучение моделей на данных. Сейчас активно прорабатывается генерация данных для сбора датасетов. В перспективе проект перерастёт в НефтьГПТ.
GitHub репозиторий →re-synthetic-docs
Генерация синтетических документов для тюнинга VLM-моделей под задачи распознавания документов.
GitHub репозиторий →state-of-ai
База знаний об ИИ по отраслям: где и как применяется искусственный интеллект, большие вводные и учебные материалы по разделам ИИ и ML (в том числе ресёчи).
GitHub репозиторий →fast-start-ai
Материалы для быстрого старта в ИИ: туторы, инструкции по развёртыванию инструментов и практические гайды для тех, кто только входит в область.
GitHub репозиторий →
// сообщество
Присоединяйтесь к researchim
Обсуждаем ИИ, RL и LLM, делимся статьями, экспериментами и кодом. Открыты для всех, кому интересно исследовать интеллект.