ノート
長めのエッセイと短い覚え書き。研究の思考過程、方法論、ときどき過程の振り返り。
-
環境が歪めば、エージェントも歪む
公開されている RL の訓練記録を三つ調べ、エージェントが歪んでいく跡をたどりました。
-
環境を訓練できるものにする
モデルは訓練できるものになりましたが、環境はその取引を受け取っていません。しかも今日、環境は一つのまとまりですらない。それを変えるために何が要るかを問題の積み重ねとして描き、積み上がれば天井が動く理由を述べます。
-
なぜ測定が最初なのか
三つの分野がそれぞれの言葉で同じ壁にぶつかりました。体制依存性が測定を訓練の内部へと強い、撤回テストが何を貢献と呼べるかを決めます。