高速な適応のためにはエピソード記憶を使った成功/失敗の活用が重要なのではないかと思われます。Animal-AIのような画像入力環境では、画像のトークンも多くなりますし、1エピソードのステップ数も多いので、系列長が大きくなっても推論速度が落ちないことが…

要約 リスクリターンが異なる2択のようなアリーナを準備し、ゼロショットVLM（Qwen3.8-27B）のプロンプトや反省をいろいろ変えて性能を調べました。 目指していたのは「一度ハイリスク選択肢に挑戦して失敗し、それを受けてローリスク側に選択を変える」とい…

概要 Successor Representationとは、TD誤差のような形式で構築される次以降の状態分布（あるいはその期待値）を指します。神経科学的にも海馬の場所細胞が似た形式になっているかもしれないという説や、報酬の変化に対して柔軟に対応できる人間の振る舞いに…