ゲノムはネットワークが学んだことを残すべきか？ 勾配と進化を組み合わせる三つの方法
学習した重みを捨てるか、継承するか、経験を一つの学習器に集めるか。三つのハイブリッド方式を同じ基準で比べます。
「プラットフォーマー」タグのラボノート
「プラットフォーマー」についてのラボノートです。
レベルを読む学習：幸運なジャンプを方策勾配に置き換える
失敗したチャンピオンを起点に、方策が幸運な経路を再生せず、未見のSkyline Runレベルを読めるか試します。
決定論的なゲームはネットワークに屋上の走り方を教えられるか？
決定論的なエンジンをブラウザ上の人工知能ラボに変えると、訓練前の環境変化まで計測で見えてきました。
トレーナーを教える：報酬を手調整せず進化させる
報酬を手調整から解放する。自動強化学習は訓練設定を自動探索し、集団ベース訓練は最良の実行をコピーして設定を揺さぶる。
計測が正したジャンプ：直感を実測で修正する
実測は、紙上のジャンプ、ダッシュ不要の隙間、教訓を消す復帰ルートをどう正したのか。
プラットフォーマーを作る前に：学んだことと、残したこと
Skyline Runを作る前に学んだこと、ゲームができてから残したこと、そしてゲームを作ったAIエージェントが間違えたことの記録です。