本文へスキップ

AlphaMaze

迷路の解法をテキストの推論作業に変える

公式サイトを見る

alphamaze とは

当モデルは視覚推論向けのデコーダ型言語モデルと説明され、迷路の課題をテキストに変えて段階的な推論に使う。

できること

  • 起点と終点を含む迷路の記述を書く
  • 用意されたトークン方式で構造を変換する
  • モデルが段階的に出す経路を読む

注意点

  • SFT と RL が学習の手順に挙がる
  • 出力は厳格な形式か緩やかな形式かを選ぶ
  • 報酬関数が判断の過程に関わる

長所と短所

✓ 良い点

  • 視覚課題をテキストの推論として扱える
  • 報酬関数が判断の過程を整える

! 注意したい点

  • 起点と終点、構造の記述は利用者が用意
  • モデル入力の前にトークン変換が要る

よくある質問

何が土台?

資料では 15 億パラメータの Qwen モデルが土台と説明。

学習方法は?

資料は監督付き微調整と強化学習を挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法