本文へスキップ

Motif

LLM の選好から NetHack のエージェントを育てる

公式サイトを見る

Motif とは

Motif は PyTorch を土台にし LLM の選好から報酬関数を学び NetHack でエージェントを訓練するプロジェクトと説明されている。

できること

  • LLM の選好から注釈付きの対を作る
  • 選好を報酬関数に変える
  • 強化学習でエージェントを訓練する

長所と短所

✓ 良い点

  • 資料は振る舞いが人間の直感に合うと説明
  • 強化学習で得たエージェントを訓練する

! 注意したい点

  • 挙がるゲーム環境は NetHack
  • 報酬関数は集めた LLM の選好に依存

よくある質問

土台の枠組みは?

資料は PyTorch を土台にしたプロジェクトと説明。

報酬はどう作る?

資料は交差エントロピーで選好を報酬関数に変える。

最終評価日: 2026-11-15

その他 AIオフィスアシスタント ツール

すべて見る →

評価方法