Up 学習 ＝ 経験値を上げる 作成: 2026-03-02
更新: 2026-03-04

    NAS のコントローラは，以下のようなループで学習する：
    　　コントローラ：
    　　　　　テンプレートの穴変数に値を代入
    　　　　　（アーキテクチャを設計）
    　　ユーザ：
    　　　　　アーキテクチャを訓練 (構築)
    　　　　　検証データで性能を測る（評価）
    　　　　　性能を報酬としてコントローラに返す
    　　コントローラ：
    　　　　　報酬をもとに，穴変数に代入する値を導出
    　　　　　(｢学習する｣)

    コントローラは，これの構築において「設計の仕方」を訓練されている。
    しかし，｢設計の良し悪し」はわからない。
    実際，｢設計の良し悪し」は，モデルを構築してそれを試してわかること。
    ユーザは，その結果を ｢評価｣ し，コントローラに ｢報酬｣ として伝える。


    コントローラは，評価と探索が組である。
    評価が駆動する探索の中身は，
    　　自己史整合的なアーキテクチャの作成

    選択 (穴の埋め方) は，自己史によっている。
    コントローラ は，
    　　いま伝えられた報酬
    　　過去の設計の履歴
    に整合するように，次の設計を決める。


    「自己史整合的なアーキテクチャの作成」は，「経験値」である。
    コントローラの「学習」は，｢経験値を上げる｣ 。