Я построил собственный фреймворк глубокого обучения на чистом Rust только для симуляции удачи гачи в Arknights: Endfield (Talos-XII).

Автор разработал Talos-XII, проект, первоначально задуманный для симуляции гача-вытягиваний в Arknights: Endfield. Этот проект превратился в высокооптимизированную систему с пользовательским движком глубокого обучения, полностью написанным на Rust. Основная цель - использовать алгоритмы обучения с подкреплением, в частности PPO и DQN, для обнаружения оптимальных стратегий вытягивания гача для игроков с ограниченным бюджетом. Движок избегает Python, используя чистый Rust и оснащен пользовательской системой автоматического дифференцирования в обратном режиме. Производительность повышается за счет Rayon для параллельных тензорных операций и написанных вручную SIMD-ядер для критических путей. Модель включает в себя сеть глубоких убеждений для моделирования шума окружающей среды и архитектуру Transformer для агента. Оптимизация черпает вдохновение из статьи DeepSeek mHC, представляя интересную задачу реализации. Talos-XII симулирует миллионы вытягиваний, чтобы определить вероятность получения определенных персонажей с бесплатными ресурсами. Проект, по сути, "Оптимизатор Нейронной Удачи", направлен на то, чтобы направить игроков на оптимальное сохранение ресурсов. В настоящее время Talos-XII - это только интерфейс командной строки, графический пользовательский интерфейс еще не разработан. Репозиторий проекта и соответствующая справочная статья предоставлены для тех, кто заинтересован. Автор особо отмечает статью команды DeepSeek mHC за ее значительное влияние на дизайн оптимизатора.