概要
高速な判断を特徴とするSystem-1モデルを用いてアクションゲームの攻略を検証したが、モデル単体での突破は困難であり、コード補助による性能向上も推論遅延によって相殺されることが示された。
詳細内容
Jev（TypeSafe AI）互換の軽量モデル「kev-4b」と「laya-ml」を使用し、高難易度アクションゲーム『人生オワタの大冒険2』の自動攻略を検証した技術レポート。MacおよびGoogle Cloud（Vertex AI）での推論レイテンシを詳細に測定しており、laya-mlで15ms、kev-4bで200ms程度の応答を確認したが、画像認識処理（55ms）を含めたトータルの遅延がゲーム性に与える影響が浮き彫りになった。モデル単体では600回の試行で一度も最初の穴を越えられず、コードによる「着地予測」や「SAFE/DEATH判定」を補助的に提供しても、推論待ちによる操作遅延がルールの優位性を奪う結果となった。結論として、コードで解決可能な物理演算やタイミング制御をモデルに任せるのは非効率であり、System-1モデルの活用は「規則化が難しく、かつ数百msの遅延が許容される領域」に留めるべきだと結論づけている。