合成ゲームでゼロ和自己対戦を拡大
原題 GameSmith: Scaling Zero-Sum Self-Play with Synthesised Games
二人零和ゲームでLLMを後学習すると検証可能な報酬が得られ、一般的な推論力にも転移することが知られている。GameSmithは合成したゲームを使い、この自己対戦を大規模にする。要旨は途中までで、成果の詳細は不明。
論点
ゲーム自己対戦で本当に汎用推論は育つのか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
検証可能な報酬が無限に作れる。人手データに頼らず推論力が伸びる道だ。反対側の視点
ゲームが上手くなるだけだ。転移は限定的で、汎用推論と呼ぶのは盛りすぎだ。
みんなのコメント 件
コメントを書く