高蟻 (@goonew) header
高蟻 (@goonew) profile picture

文字列アルゴリズム・データ構造を作ったりしていた.CS-IKNだった.

Joined September 2009
Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)Photo by 高蟻 (@goonew)
高蟻 retweeted
My #Kaggriculture approach: entity Transformer behavior cloning (2D RoPE, Muon) on Kaggle's daily top-episode data, trained in 3 stages: 1) pretrain on all top games; 2) fine-tune on the latest day; 3) specialize on the newest versions of the ladder's strongest team.
4
5
1
52
3,576
高蟻 retweeted
PPOでの介入はポケカコンペでやってたノウハウを活かせたのでとても良かった データ作る際に強制力を持たせる+その動作をすることに報酬を設けるとその方向にモデルが学習していく
1
1
25
1,306
(shigeさんとか被りますが、) 農業のソリューションとしては、模倣学習->PPOで、伸び悩んできたら、棋譜分析を回し、弱点発見→方策に、"4区画買う"、"トマト買う"、"メロン買う"などの介入→PPOでグッと伸ばせました。PPOだけでは見つからない筋をモデルに示すの大事だったかなと思ってます。
4
59
1,636
農業コンペ取り組み - 上位の公開ログから模倣学習 - 模倣学習したモデルをPPO - 報酬は勝敗のみ(勝ち+1, 引分0, 負け-1) - 学習は約3.6億STEP(対戦数だと12.7万局) - 後処理 - 最終日に余っているものは売り切る - 倉庫溢れが起きないように溢れる前に売り切る - 最後メロンを育てる
2
8
3
142
23,041
高蟻 retweeted
農業コンペお疲れ様でした! 上位陣の対戦ログをチームID付きで模倣学習→資金が枯渇しないものをPPO 目的地・タスクを出力にして最短経路移動し、完了したら次の目的地・タスクを設定する、というアプローチで上手く学習できました 最後まで伸び続けてましたが上位のスピードには追いつけませんでした
2
29
1,049
Replying to @KawattaTaido
自分も同じ感覚で、prize圏は間違いなくそうだと思います。金圏内なら工夫すればワンチャン少リソースでもという感じですかね。
1
1
7
552
kaggricultureお疲れ様でした 諸々の特徴量から各農夫のfrom, to, toのでやる1アクションをmajkelのリプレイから模倣学習して、それをベースにいくつかの公開notebookを相手にPPOしました PPOの対戦相手に対しては勝率85%出たが全く汎化していなくて何も分からずにゃんこ
農業、ここ1週間ぐらい完全に理解した気になっていて計算機と仲良くしていたんですが、ここにきて何もわかっていなかったことがわかり、にゃんこですにゃんこ
2
36
2,372
最終提出前は賞金圏だったけど5~10組くらいはLB滝登り中だった. 解法としては、BCしてからPPOした (20Mパラメータ 3億ステップ 5090*1で1日). ユニットの行動はタスクを指定する形式(経路はxの移動優先の貪欲)にした. 経路焼きなましやreward shapingによる教師なし学習とかも実験したけどうまくいかず
2
3
71
3,257
Kaggriculture、自分視点は計算資源ゲーだった。 最後の方はでかいモデルにすればするほど、学習量増やせば増やすほど強くなった。 Orbit Warsも同じっぽかったししばらくこんな感じなのかな。
3
2
36
2,882
主著論文 "Distributionally Robust Algorithmic Recourse for Tree Ensembles" が #NeurIPS2026 に採択されました✌️✌️ アルゴリズム的償還(≒反実仮想説明)において,将来のモデル変動に対してロバストなアクションを求める効率良い最適化アルゴリズムを提案しました.共著者の皆様に感謝です!!
2
1
48
2,754
CLeaR 2027 welcomes submissions on causal learning and reasoning! Karthika and I are serving as Program Chairs, and we’d love to see your work. Submission deadline: November 16, 2026 (AoE) cclear.cc/2027
5
12
1,666
第二ラウンド進出したぜ!優勝するぞ!!!
PTCGABC(ポケカコンペ), Strategy部門の評価も終わりました!みなさんありがとうございました〜! また第二ラウンドや、PlayGroundでお会いしましょう! kaggle.com/competitions/poke…
1
3
63
5,482
高蟻 retweeted
第2ラウンド進出!!第2ラウンドはYouTubeで配信されます。引き続き対戦よろしくお願いします!!
PTCGABC(ポケカコンペ), Strategy部門の評価も終わりました!みなさんありがとうございました〜! また第二ラウンドや、PlayGroundでお会いしましょう! kaggle.com/competitions/poke…
1
2
37
3,458
PTCGABC(ポケカコンペ), Strategy部門の評価も終わりました!みなさんありがとうございました〜! また第二ラウンドや、PlayGroundでお会いしましょう! kaggle.com/competitions/poke…
14
6
64
24,152
やったあああああーーーー 2次ラウンド優勝するぞ!
PTCGABC(ポケカコンペ), Strategy部門の評価も終わりました!みなさんありがとうございました〜! また第二ラウンドや、PlayGroundでお会いしましょう! kaggle.com/competitions/poke…
3
4
52
6,352
高蟻 retweeted
市原さんの論文がTACLに採択されました! MO-GRPO: Mitigating Reward Hacking of Group Relative Policy Optimization on Multi-Objective Problems GRPOで複数の報酬関数を最適化する際に既存のlossだとスケールの小さい報酬関数が無視されてしまう問題を解決します。 doi.org/10.1162/TACL.a.782
5
55
5,622
PTCG ABC(ポケカコンペ)ですが、第二ラウンドに向けたカードリストの公開とkaggleでのPlayGroundのアナウンスをしました!! kaggle.com/competitions/poke…
19
12
98
25,288
James Cox & Henry Chaoのチームのもうひとつすごい点。あの60枚のリスト、紙環境だとそこまで強くない。AI環境だから戦えるリスト。そこまで分かってあのリストを出している
1
1
15
1,026
『位相的データ解析から構造発見へ:パーシステントホモロジーを中心に』の著者見本が届きました!せっかくなので写真を撮ってもらいました。もうすぐ書店に並ぶと思うのでよろしくお願いします。
2
40
5
196
28,818
本日、法政大学 理工学部 応用情報工学科に専任講師として着任いたしました。どうぞよろしくお願いいたします。
1
4
49