📱 既知の単語から続く文章を埋めていく。どっちが正しいの？. ）手駒ロックのルキアやハロウィンアルカード、最強吸収の魔の守護者、ミアズマ持ちのケラヴ、毒と吸収を宿す駒を召喚できる『［ゆるダンス］ブランジェッタ』、コンボを封印する『［狂心の錬金術師］グノー』、優秀な罠スキルとコンボバフを持つ『［呪棘］リリティエ』といった妨害要因、また特殊ダメージで戦況を安定させる闘化アルカードやハルは闘化ルシファーデッキの結果と共通しており、魔単デッキを構築する上で必須級の駒が反映されていることがわかります。

😔 相手には、相当なストレスを与えられるよ。しかしながら、本当にそれで十分といえるでしょうか。人間と見紛う精巧な文章生成が可能であることを危険視され公開実装が見送られたかのGPT-2は、まさにTransformer機構を文章生成に転用した好例です。

😒 この考え方は使えそうです。集合生成タスクであるデッキ編成と文章生成の類似性を見抜く• 闘化蘭陵王は混合デッキを条件とするコンバートスキルを有しており、ダメージを増幅させつつ場合によっては相手の防御駒をすり抜けて攻撃することができる優秀な駒です。

☭ 1 自然言語処理ではバッチサイズではなくバッチ内での総トークン数を設定しバッチサイズは動的にスケールさせることが一般的ですが、本タスクではデッキに含まれる駒は16枚で固定であることから、どちらを設定しても同様となります。デバフ駒はコンボが確定した時に置く「ルシファーデッキ」には、1ターン40％デバフの駒を採用するのがポイントです。

😇 このように考えると、なぜあらかじめわかっているルールを敢えてモデルに対して秘匿し、推論時だけ厳しく取り締まるのかという点が疑問に思えてきます。

☮ さらに、ここまでは編成に加えたい所持駒が最初にいくつか指定される例で主に説明をしてきましたが、デッキタイプとコストのみを指定しゼロからデッキを構築したいという需要も当然存在します。結果は下図のようになりました。

✔ 中コスト駒における最も顕著な差異は『［仮面戯曲］蘭陵王（闘化蘭陵王）』の存在です。