Eulerwa Inc.はモデル学習からハードウェア加速、自律エージェントまで——AI開発のすべての段階をCLIとオープンソースで公開します。
学習のEulerForge、モデル設計のEulerStack、データのEulerWeave、実行のEulerAgent、ハードウェアのEulerNPU、ロボット学習のEulerAtlas。
HuggingFace モデルに LoRA を注入し、Dense モデルを Mixture LoRA · MoE Expert LoRA 構造として訓練できる、研究志向の LLM ファインチューニングフレームワークです。よく知られた Dense SFT のワークフローに、Dense → MoE 変換とフェーズスケジューリングを重ねる形で設計しました。ルーティング・専門家特化・MoE 安定性を、限られた GPU 予算でも再現可能に研究できます。YAML プリセット一枚で SFT → DPO/ORPO → RM → PPO までをつなげます。
EulerForge は「Dense → MoE」という研究フローを標準化された形で提供します。実験は接着コードではなく設定で記述できるように設計されています。
mixture_lora / moe_expert_lora を一行で有効化| 注入戦略 | Dense LoRA · Mixture LoRA · MoE Expert LoRA · Native MoE Expert LoRA |
|---|---|
| 訓練タイプ | SFT · DPO · ORPO · RM · PPO |
| 対応バックボーン | Qwen2/3 · Llama 2/3 · Gemma 3 · Gemma 4 (dense+MoE) · Mixtral |
| 量子化訓練 | nf4 / int4 / int8 (bitsandbytes) |
| 付加機能 | HF Export · Optuna Grid/Bayes 探索 · 統合ベンチマーク · 5 言語 CLI |
24 本の KO/EN チュートリアル + 完全な CLI リファレンスを同梱
EulerStack は LLM のためのアーキテクチャ記述言語（Architecture Description Language）です。構造・学習・サービングが絡み合った PyTorch モデルファイルから「アーキテクチャ」という軸だけを切り出し、そのための宣言的言語で記述します —— 半導体業界が schematics+C を Verilog/VHDL に置き換えたのと同じ抽象化の方向です。1 枚の YAML スペックが 5 層パイプライン（DSL → Schema → IR → Compiler → CLI）を通って HuggingFace PreTrainedModel（config.json + model.safetensors）となり、EulerForge がそのまま学習に使えます。
v1 「産業順序原則」に従って 検証済み産業標準 → 最近のハイブリッド／MoE → v1 実験プリミティブの順に整理されています。llm_ 24 種（5 スケール × 4–5 バリアント、MLA を含む）+ arch_ 33 種（beginner 2 · intermediate 3 · advanced 5 · expert 23、そのうち *_mini 9 種）。MLA、MoD、Titans、Dual-Stream など Phase B プリミティブを arch スケールで実験できます。
| ミキサー | Attention · Mamba · RetNet · Hyena |
|---|---|
| FFN | MLP · Gated MLP (SwiGLU) · MoE (top-k ルーティング) |
| スキルレベル走読 | beginner(GPT-2/Llama) · intermediate(Mistral/Gemma2/Qwen) · advanced(Jamba/Samba/RetNet) · expert(MoE × ミキサー × depth/receptive-field 3D 設計空間) |
| コンパイルターゲット | HuggingFace モデルディレクトリ または JSON ランタイム設定 |
スキーマ構造検証 → クロスフィールド互換性 → リアリズムヒューリスティックの 3 段階検証で、設計エラーをコンパイル前に捕捉します。すべての CLI メッセージは 5 言語（ko/en/zh/ja/es）で提供されます。v0.1.5 では μP スケーリング・分化補助目的・tissue 組織宣言を後方互換のスペック拡張として追加しました（既存の YAML は無修正で動作）。
研究者と開発者がローカル環境でデータを精製・分析するために設計されています。
単一GPUからクラスター規模へスケーリングするためのビジネスクリティカルな機能。
8 段階ステートマシン（RUN_CREATED → CONTEXT → PLAN → PROPOSE → APPROVE → EXECUTE → RESULT → FINALIZED）、Pattern/Graph オーケストレータ、RAG パイプライン、長期記憶（SQLite）、MCP 統合、プラグインシステム、30 以上の CLI コマンド、65 個のフィクスチャを備えたローカルファースト（Local-first）のエージェントフレームワークです。検証を LLM ではなくコードで実行する決定論的ゲートノード（kind: shell）の上に、自ら書き・テストし・修正する自己修復型コーディングエージェント（code.dev_loop.v2）を提供します。
エージェントのすべての行動は 8 段階ステートマシンを経て、人間の承認（HITL）後に実行されます。Pattern Orchestrator（YAML ベースの 12 個の正規パターン + LLM・判定・決定論的 shell ゲートノード）と Graph Orchestrator（LangGraph 並列実行）で複雑なワークフローを制御します。境界内の自動承認（node.auto_approve）とシンボルゲート（symbol_check）で fix→test ループを自律実行します。
制御性とセキュリティを犠牲にせず、自律的機能を求める開発者のために構築されました。
オペレータグラフ（spec.yaml）を 138 個のオペレータ（17 グループ）で構成し、検証およびコンパイル（.npuart）を経て、ホスト CPU リファレンス、機能 NPU シミュレータ、Zynq-7000（XC7Z020）・Zynq UltraScale+（ZU3EG/ZU9EG）FPGA 上で実行する NPU 推論合成スタックです。INT4/INT8 量子化、10 種の dtype、4 個のバックエンド、15 個の CLI サブコマンドを提供します。ヒューマノイドブレイン SoC（Project 3）がシミュレーションされるデモを製品ページでご確認ください。
詳細を見る138 個のオペレータ（17 グループ、A–Q）、10 種の dtype をサポートし、spec.yaml から .npuart アーティファクトへコンパイルします。
| オペレータ | 138 個（Core Math, Activation, Normalization, Conv/Vision, Sequence/Attention, Efficient Attention(Flash/Sliding/GQA), MoE/Sparse, Recurrent, Graph, Multimodal, Vision Encoder, Diffusion, Speculative Decoding, Quantization, Mamba/SSM, Cache Compress, Autonomy） |
|---|---|
| DType | fp32, int32, fp16, bf16, int8, uint8, int16, int4, fp8_e4m3, fp8_e5m2 —— INT4 重み量子化に対応 |
| ターゲット | Zynq-7000 (XC7Z020) · Zynq UltraScale+ (ZU3EG, ZU9EG) FPGA |
validate, compile, run, sim, profile, explain, quantize, migrate-spec, generate, board smoke, calibrate, benchmark, replay, compress-cache など 15 個のサブコマンド。バックエンド: cpu_ref · npu_sim · zynq_ps · zynq_pl_stub。
模倣学習（IL）と FastTD3 強化学習（RL）を組み合わせた RL→IL パイプライン上で動作する、プラグインベースの CLI ロボット行動学習フレームワークです。最初に公開する 2 つのフラッグシップドメインは 自動車（EulerDrive — BEV 自動運転、CARLA 検証）と ヒューマノイド（EulerWalk — RL→IL loco-manipulation）であり、両ドメインとも事前学習モデルを同梱しているため学習なしですぐに実行できます。統一スキーマは自動車・ドローン・ヒューマノイド・ロボット犬・モバイルマニピュレーション・物流・農業・造船など 8 ドメインを網羅するよう設計されており、ドメインはプラグインとして継続的に拡張されます。
詳細を見るドメイン別固定次元 obs/action スキーマで全モジュールが一貫して通信します。
| クラシック (01–04) | 自動車 4/2 · ドローン 6/3 · ヒューマノイド 33/14 (loco-manip) · ロボット犬 12/8 |
|---|---|
| 産業 (05–08) | モバイルマニピュレーション 18/8 · 物流 AGV 14/4 · 農業ロボット 16/6 · 造船所 20/9 |
| ポリシーモデル | BC-MLP, BC-RNN, BC-CNN, ACT, Diffusion Policy + SOTA(BEVFuser, TemporalTransformer, WholeBodyACT) + RL Actor |
| レベル | L0 Toy · L1 Intermediate · L2 Advanced（実バックエンド: CARLA/MuJoCo/HumanoidBench） |
train-rl、data collect/generate-demos、sim rollout --render/--save-video を追加。Domain Plugin アーキテクチャとエッジデプロイまで支援します。
専門技術書籍とオープンソースエコシステムにアクセスしてください。
量子コンピューティングとAIアーキテクチャに関する詳細な研究書籍。
データ処理とモデルオーケストレーションのためのコミュニティツール。
技術は人間のために存在する
私たちは人工知能の軍事的自動化に反対します。技術は命を奪うためではなく守るために使われるべきであり、いかなる技術的成果も人間の安全に優先することはできません。
人工知能は人間の尊厳を高め、民主的価値を強化する道具であるべきです。私たちは、個人の自由を抑圧したり民主的原則を損なういかなるAIの利用にも反対します。
Eulerwaが公開するすべてのソフトウェア、モデル、サービスは、上記の原則に反する目的で使用することはできません。私たちは技術の使われ方に対する責任を真摯に受け止めます。