4役割のGAN的共進化で小型LLMの探索を鍛える — umigame_GAN の実験基盤

小型LLMの試行錯誤を強化するため、出題者・回答者・2人の採点者を競わせる共進化の実験基盤を作りました。Qwen3-4B への LoRA を Mac ローカルで回し、題材に依存しないループ、R-Zero型とEDA型の報酬、条件をそろえた比較設計を、実装の抜粋と実測値で整理します。 [続きを読む]