ReAct(Reasoning and Acting)の概要とその実装例について
ReAct(Reasoning and Acting)の概要
ReActは"プロンプトエンジニアリングの概要とその利用について"で述べているプロンプトエンジニアリングの手法の一つであり、"LangChainにおけるA...
強化学習
大規模言語モデルのファインチューニングとRLHF(Reinforcement Learning from Human Feedback)
イントロダクション
大規模言語モデルのファインチューニングとは、事前に大規模なデータセットで訓練されたモデルに対して、追加の学習を行うもので、汎用性の高いモデルを特定のタスクやドメインに適用することを可能にし、精度や...
A3C (Asynchronous Advantage Actor-Critic)の概要とアルゴリズム及び実装例について
A3C (Asynchronous Advantage Actor-Critic)の概要
A3C（Asynchronous Advantage Actor-Critic）は、深層強化学習のアルゴリズムの一種で、非同...
Proximal Policy Optimization (PPO)の概要とアルゴリズム及び実装例について
Proximal Policy Optimization (PPO)の概要
Proximal Policy Optimization（PPO）は、強化学習のアルゴリズムの一種であり、ポリシー最適化法の一つであり、"...
Soft Actor-Critic (SAC) の概要とアルゴリズム及び実装例
Soft Actor-Critic (SAC) の概要
Soft Actor-Critic（SAC）は、強化学習（Reinforcement Learning）のアルゴリズムの一種で、主に連続行動空間を持つ問題に対...
Deep Q-Network (DQN)の概要とアルゴリズムおよび実装例について
Deep Q-Network (DQN)の概要
Deep Q-Network（DQN）は、ディープラーニングとQ-Learningを組み合わせた手法で、Q関数をニューラルネットワークで近似することによって、高次元の...
ボードゲームとAI “アルファ碁はなぜ人間に勝てたのか” 読書メモ
イントロダクション
AlphaGo（アルファ碁）は、Google DeepMindによって開発されたコンピュータ囲碁プログラムで、2015年10月に、人間のプロ囲碁棋士を互先（ハンディキャップなし）で破った初のコン...
Dueling DQNの概要とアルゴリズム及び実装例について
Dueling DQNの概要
Dueling DQN（Dueling Deep Q-Network）は、強化学習においてQ学習をベースとしたアルゴリズムであり、価値ベースの強化学習アルゴリズムの一種となる。Duel...
Prioritized Experience Replayの概要とアルゴリズム及び実装例について
Prioritized Experience Replayの概要
Prioritized Experience Replay（PER）は、"Deep Q-Network (DQN)の概要とアルゴリズムおよび実装例に...
C51 (Categorical DQN)の概要とアルゴリズム及び実装例について
C51 (Categorical DQN)の概要
C51、またはCategorical DQN、は深層強化学習のアルゴリズムであり、価値関数を連続的な確率分布としてモデル化する手法となる。C51は、通常のDQN（D...