本文へスキップ

Eureka

コードを書く言語モデルによる報酬設計

公式サイトを見る

Eureka とは

Eureka はコードを書く大規模言語モデルで実現した報酬設計の手法と紹介され、強化学習向けの報酬コードを進化的に最適化すると説明されている。

できること

  • 大規模言語モデルで報酬関数を設計する
  • 複雑な報酬コードを進化させる
  • 生成した報酬を強化学習に用いる

研究の要点

  • 資料は 29 のオープンな強化学習環境を挙げる
  • 結果には 10 種のロボット形態が挙がる
  • Shadow Hand によるペン回しの実演が説明される

長所と短所

✓ 良い点

  • 資料は 29 のオープンな強化学習環境での結果を報告
  • 10 種のロボット形態が挙がる

! 注意したい点

  • 手法はコードを書く言語モデルに依存
  • 挙がる成果は強化学習向けの報酬コード

よくある質問

挙がるモデルは?

資料は用いる言語モデルの一つとして GPT-4 を挙げる。

示された技能は?

資料は模擬の Shadow Hand がペンを回す様を説明。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法