Decision Modelの課題と強化学習｜はち

ツイート

1. はじめに 最近、TypeSafeのJevをはじめとするDecision Modelをよく見かけるようになりました。文章を生成せず、選択肢ごとの確率を1回の計算で返すモデルです。LLMよりかなり速く安く呼べるということで、例えば以下のようなマリオのデモなどが公開されています。 Jevがマリオの1-1をクリアするデモ（jev-marioのREADMEより） デモの動画を見ると、モデルがジャンプのタイミングを1つずつ判断してゴールまで進んでいるように見えます。一方で、実際に入力を読んでみると、機械的に選べてしま…