cv usk(@cv_usk):TL;DR: シミュレータの「忠実さ」と動画生成の「写実性」を両立させる仮想世界フレームワークAgentGartenが、隠れんぼのツール使用戦略を、従来の強化学習が数百万エピソード要したところをわずか数ラウンドで習得させました。タイトル: AgentGarten: Code Worlds for Evolving Agents URL: https://t.co/FTsgm8CNCD ポイント 🎮 シーンプログラム（状態・ルール）とニューラルレンダラー（視覚）を構造化条件（深度・法線マップ）で結合し、状態とビジュアルを分離 🔬 新手法「Adversarial Forcing」が、標準手法では微分不可能だった履歴プリフィルを、ブロック単位SDPAによる厳密なビット一致リプレイで微分可能に ⚡ 単一H100で480×832解像度・36.5fpsのリアルタイムレンダリングを達成 🤖 「プレイブック」機構により、エージェントはラウンドごとの振り返りを次ラウンドへ引き継ぎ、勾配更新なしで知識を蓄積 🏃 隠れんぼでのシェルター構築戦略を、自己対戦RLの約2,500万エピソードに対しラウンド4で、ランプ使用を約1億エピソードに対しラウンド10で習得 📈 牧羊・採石場ローダーなど他の環境でも、わずか4ラウンドで明確な性能向上を確認状態と見た目の生成を切り分けるというアーキテクチャの発想が、学習効率の桁違いの改善につながっている点に説得力を感じます。 #ワールドモデル #エージェント学習

2026.10.11 06:48

TL;DR: シミュレータの「忠実さ」と動画生成の「写実性」を両立させる仮想世界フレームワークAgentGartenが、隠れんぼのツール使用戦略を、従来の強化学習が数百万エピソード要したところをわずか数ラウンドで習得させました。タイトル: AgentGarten: Code Worlds for Evolving Agents URL: ポイント 🎮 シーンプログラム（状態・ルール）とニューラルレンダラー（視覚）を構造化条件（深度・法線マップ）で結合し、状態とビジュアルを分離 🔬 新手法「Adversarial Forcing」が、標準手法では微分不可能だった履歴プリフィルを、ブロック単位SDPAによる厳密なビット一致リプレイで微分可能に ⚡ 単一H100で480×832解像度・36.5fpsのリアルタイムレンダリングを達成 🤖 「プレイブック」機構により、エージェントはラウンドごとの振り返りを次ラウンドへ引き継ぎ、勾配更新なしで知識を蓄積 🏃 隠れんぼでのシェルター構築戦略を、自己対戦RLの約2,500万エピソードに対しラウンド4で、ランプ使用を約1億エピソードに対しラウンド10で習得 📈 牧羊・採石場ローダーなど他の環境でも、わずか4ラウンドで明確な性能向上を確認状態と見た目の生成を切り分けるというアーキテクチャの発想が、学習効率の桁違いの改善につながっている点に説得力を感じます。 #ワールドモデル# #エージェント学習#

显示更多