> ## Documentation Index > Fetch the complete documentation index at: https://wb-21fd5541-wbdocs-1882.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Serverless RL > 強化学習を使ってモデルをより効率的にポストトレーニングする方法を学びます 現在パブリックプレビュー中の Serverless RL は、開発者が LLM をポストトレーニングして新しい振る舞いを学習させ、マルチターンのエージェントタスクの実行における信頼性向上、速度向上、コスト削減を実現できるよう支援します。W\&B は、環境設定の自由度を保ちながら、トレーニング用インフラストラクチャー ([CoreWeave 上](https://docs.coreweave.com/docs/platform)) をプロビジョニングします。Serverless RL を使うと、数十台の GPU まで弾力的に自動スケールするマネージドトレーニングクラスターをすぐに利用できます。RL ワークフローを推論フェーズとトレーニングフェーズに分け、それらを複数のジョブにまたがって多重化することで、Serverless RL は GPU 使用率を高め、トレーニング時間とコストを削減します。 Serverless RL は、次のようなタスクに最適です。 * 音声エージェント * ディープリサーチアシスタント * オンプレミスモデル * コンテンツマーケティング分析エージェント Serverless RL は、エージェントの特定タスク向けにモデルを特化させるため、低ランクアダプター (LoRA) をトレーニングします。これにより、元のモデルの能力を実運用での経験によって拡張できます。トレーニングした LoRA は自動的に W\&B アカウント内に Artifacts として保存され、バックアップ用にローカルまたはサードパーティにも保存できます。Serverless RL でトレーニングしたモデルは、W\&B Inference 上でも自動的にホストされます。 開始するには、ART の[クイックスタート](https://art.openpipe.ai/getting-started/quick-start)または [Google Colab ノートブック](https://colab.research.google.com/github/openpipe/art-notebooks/blob/main/examples/2048/2048.ipynb) を参照してください。
## なぜ Serverless RL なのか？
強化学習 (RL) は強力なトレーニング手法の総称であり、自前で所有または直接レンタルした GPU を使う場合を含め、さまざまなトレーニング構成で使用できます。Serverless RL には、RL のポストトレーニングにおいて次のような利点があります。 * **トレーニングコストの削減**: 共有インフラストラクチャーを多くのユーザーで多重利用し、ジョブごとのセットアップを省略し、トレーニングしていない間の GPU コストを 0 まで抑えることで、Serverless RL はトレーニングコストを大幅に削減します。 * **トレーニング時間の短縮**: 推論リクエストを複数の GPU に分散し、必要なときにすぐトレーニング用インフラストラクチャーをプロビジョニングすることで、Serverless RL はトレーニングジョブを高速化し、より素早い反復を可能にします。 * **自動デプロイ**: Serverless RL は、トレーニングしたすべての checkpoint を自動的にデプロイするため、ホスティング用インフラストラクチャーを手動で設定する必要がありません。トレーニング済みモデルには、ローカル、ステージング、本番環境ですぐにアクセスしてテストできます。
## Serverless RL での W\&B サービスの使用方法
Serverless RL は、動作にあたって以下の W\&B コンポーネントを組み合わせて使用します。 * [Inference](/ja/inference): モデルを実行するため * [Models](/ja/models): LoRA アダプターのトレーニング中にパフォーマンスメトリクスをトラッキングするため * [Artifacts](/ja/models/artifacts): LoRA アダプターを保存し、バージョン管理するため * [Weave (オプション) ](/ja/weave): トレーニングループの各 step でモデルがどのように応答するかを把握するため Serverless RL は現在パブリックプレビュー中です。プレビュー期間中は、Inference の使用分と Artifacts の保存分に対してのみ課金されます。W\&B は、プレビュー期間中のアダプターのトレーニングについては課金しません。