勝俣｜内科医 × 42Tokyo @casegenlab - Twitter Profile

締め切りの朝、子どもに自転車でMacBookを開いたまま持っていてもらったテザリングで回線をつないだまま、子どもを送った送り届けたその場で、Submitした反省の多い、農場コンペの話 8月末、農場コンペに取り組み始めた最初は公開データをもとに、BCからPPOに挑んだ基盤のモデルが弱すぎて、まるでうまくいかない 1〜2週間試行錯誤しても、レーティングは600位を行き来するばかりだったそのうち、公開モデルがいくつも出てきた自分で試行錯誤するより乗り換えたほうが、早く強くなる気づけば、強化学習を学ぶという目標は薄れていた毎日公開モデルを乗り換えては、ClaudeCodeに細かい修正を頼む日々ほとんどClaudeCodeによる強化学習であるそれでも、いいときは全体で200位につけて、いい気分でいた相手の手数が決まっている中で、小麦の値段を釣り上げ、相手の動物の餌やりを破綻させる市場に作物が吸い込まれて値が上がる時機を読み、作物を空売買するアービトラージやりようはいくらでもあって、面白い時間だった終了5日ほど前から、レートが上がらなくなった新しい公開モデルが出なくなり、強化学習勢らしい人たちが、どんどん上へ抜けていく ClaudeCodeに聞いても「閉じています」と言われる参加者が多いぶん、銅までは届きそうだ銀は、到底望めないと思ったきっかけは、2日ほどで銀帯まで登ったという、ほかの参加者の投稿だった公開モデルの多くは、棋譜テープのつなぎ合わせだ自分でも組み合わせを試していたから、棋譜をつなげば新しいモデルを作れることは分かっていた 2日で強化学習を回せるとは思えない相手の出方を読んで変えるには、組み合わせが多すぎるいちばん読みやすい「3日ごとのショップ抽選」だけに絞ったのだろうだらだら下がるレートに賭けるのはやめた全部をテープつなぎに切り替える締め切り8時間前、深夜1時 3日ごとにつないでいる上位の何人かの棋譜を、片っ端から落とした Kaggle公式の棋譜ビューワーから、1試合0.5MBほどのアーカイブをすぐ作る拡張機能を、たまたま作ってあったラッキーだった 30棋譜ほど集めてプレーさせると、これまでの公開モデルに手元で9割勝てたかっこ悪いけど勝負だからね MacBookとAWSで最終確認をしているうちに、朝になった 384棋譜を集めて統合し、AWSのCPUスポットインスタンスで4000回ほど戦わせて、バグがないのを確かめた最終投稿は朝9時そこから先は、冒頭のとおり BIOHUBには、納得のいく改善点と、次につながりそうな反省が残った農場コンペは、あまりにうまくいかなかったたぶん銀くらいだろう BIOHUBに続いて2つ目の銀まだ学ぶことは多い反省の多いコンペだった

0

15

0

1

1K