reinforcement-learning タグの記事一覧

自己改善エージェントを多腕バンディットで解く ― Huxley-Gödel Machine を読む

自己改善コーディングエージェント Huxley-Gödel Machine を読み解く。ベンチマーク性能と自己改善能力のズレを、ツリー探索の多腕バンディット定式化と CMP 指標でどう解消するかを、インタラクティブな可視化とともに解説する。