■ 概要 LLMの後学習（Post-Training）に特化したエンタープライズグレードの強化学習フレームワーク ■ 特徴・用途 MXFP8/NVFP4など最新GPU（Blackwell）のネイティブ低精度対応で推論・学習効率を最適化し、On-policy distillationやモデル最新化（day-0対応）を実装。SGLangと連携してスケーラブルな大規模後学習パイプラインを提供する。v0.1（2026年8月）でプロダクション品質に達し、実運用での報告が増加中。 ■ 結論 フロンティアモデルの実用的な適応・最適化を大規模かつ低コストで実行したい組織にとって、RL後学習の標準基盤候補となる競争力を持つ