코드만 쓰고 신경망에 도전! 대규모 모델을 직접 제어하는 규칙 기반 접근이 하드코어 산업에 진입했습니다. 14달러로 전략 전체를 실행하세요.

따르면 Pulse Beating 모니터링에 따르면 OpenAI 후 훈련 핵심 멤버 인 옹가이가「순수히 대형 모델로 코드를 작성하여 Atari 게임을 클리어 할 수 있다는 것을 입증했습니다.」, 연구원 폴 가르니에는이 방법론을 보다 현란한 유체 역학 제어로 옮겼습니다.

그는 어떤 신경 네트워크도 교육시키지 않았습니다. Codex 5.5만이 프로그래머 역할을 하도록 만들어, 유체 시뮬레이션 비디오를 감상하며 Python 스크립트를 반복해서 수정했습니다. 이 수동적으로 만든 제어 규칙에 따라, AI는 10개 이상의 물리학 테스트에서, 최고 수준의 강화 학습(DRL) 베이스라인을 과반수 이상 요소에서 이겼습니다.

차량과 파이프 래프를 진정시키는 작업은 이전에는 그냥 하드웨어를 이용하여 쿨하게 모델을 이해하지 못하게 하려 했지만, Codex는 이 몰래 똄는 과제를 회피했습니다. 그가 작성한 규칙은 굉장히 명료합니다, 예를 들어, "지배적 커브가 너무 심할 때, 전력 분출을 지연한다"입니다. 몇 십 줄에 간단한 물리학 상식이 담긴 코드가, 신경망의 무작위한 무식한 시행착오를 직접 대체합니다.

블랙 박스를 코드로 교체함으로써, 신경망으로 인한 결박과 즉각적인 붕괴를 제거했습니다. 이전에는 하드웨어를 약간 변경하면 (예를 들어, 노즐 제어를 5개에서 10개로 변경하면), 이전 모델은 즉시 부서질 뿐만 아니라, 재교육을 위해 돈을 더 지불해야 했습니다. 이제는 코드에서 상수를 조정하기만 하면 시스템이 즉각 신기기를 적용할 수 있습니다.

테스트 시간이 강제로 4배로 연장 될 때, 경험 영역을 벗어나는 전통적인 DRL 모델은 전적으로 붕괴합니다; 그러나 대형 모델로 작성된 코드는 물리학적 논리를 직접 따르기 때문에 계속해서 안정적으로 운영됩니다. 이 전체 제어 전략을 실행하는 데 대형 모델은 2125만 토큰을 소비했으며, 총 비용은 14달러 미만입니다.