TRLとOpenEnvを用いたJavaScriptによる水彩画生成モデルの再現試行

Hugging Faceのブログに掲載された記事によると、開発者はこのプロジェクトをTRLとOpenEnvを用いて再現を試みています。リファレンスとなるデータセット、強化学習（RL）用の環境、学習スクリプト、および学習済みモデルのすべてがオープンに公開されています。

一連のパイプラインは、Hugging Face上でエンドツーエンドで実行可能です。環境とスコアラーモデルを準備し、特定のコマンドを実行することで、Qwen/Qwen3.5-35B-A3Bなどのモデルを用いた学習が行えます。

このモデルは、約150行のJavaScriptコードを書き出すことで画像を生成します。モデルの出力はコードであるため、各筆致の決定プロセスが可視化されているのが特徴です。また、ライブラリのメソッドを10種類に制限することで、特定の画風を実現しています。