ADK でマルチアームド・バンディットに挑戦！〜 LLM は強化学習の夢を見るか？

DRANK

これは、ADK Advent Calendar 2025 の 12/3(Wed) の記事です。 qiita.com マルチアームド・バンディットとは？ 強化学習の "Hello, World!" として知られているもので、次のような問題設定です。 目の前に N 台のスロットマシンがあります。 どれか 1 台を選んで、そのマシンのアームを引くと、ランダムな実数値の報酬が得られます。 マシンから得られる報酬には、マシン毎に個別の期待値（平均値）が設定されていますが、その値がいくらかはわかりません。 あなたは、「どれか 1 台を選んで、そのマシンのアームを引く」という作業を M 回実行します。総報酬…