Struct DpoLearnModel 

pub struct DpoLearnModel<F>
where
    F: Fn(&Episode) -> Option<(String, String)> + Send + Sync,
{ /* private fields */ }

汎用 DPO LearnModel

group_id でグループ化された Episode を比較し、DPO 学習用データを生成する。

設計思想

DPO 学習では「同じ条件で複数回実行した結果を比較」する。

• group_id: 同じ条件での実行グループ（Eval -n 5 で 5 回実行など）
• 成功 Episode と失敗 Episode をペアにして比較

使用方法

// Eval で group_id 付きの Episode を収集
let episodes: Vec<Episode> = ...;

// DPO ペアを生成
let dpo_learn = DpoLearnModel::new();
let pairs = dpo_learn.build_pairs(&episodes);

// TrainingData に変換
let training_data: Vec<TrainingData> = pairs
    .iter()
    .filter_map(|pair| dpo_learn.convert_pair(pair).ok())
    .collect();

Implementations

impl<F> DpoLearnModel<F>

where F: Fn(&Episode) -> Option<(String, String)> + Send + Sync,

pub fn new(extractor: F) -> Self

新しい DpoLearnModel を作成

pub fn with_system_prompt(self, prompt: impl Into<String>) -> Self

システムプロンプトを設定

pub fn with_config(self, config: DpoConfig) -> Self

設定を適用

pub fn with_min_quality_gap(self, gap: f64) -> Self

最小品質差を設定

pub fn with_max_pairs(self, max: usize) -> Self

最大ペア数を設定

pub fn build_pairs(&self, episodes: &[Episode]) -> Vec<DpoPair>

group_id でグループ化された Episode から DPO ペアを生成

pub fn convert_pair(&self, pair: &DpoPair) -> Result<TrainingData, LearnError>

DPO ペアを TrainingData に変換

pub fn convert_pairs(&self, pairs: &[DpoPair]) -> Vec<TrainingData>

複数のペアを一括変換

Trait Implementations

impl<F> LearnModel for DpoLearnModel<F>

where F: Fn(&Episode) -> Option<(String, String)> + Send + Sync,

LearnModel trait の実装（Record ベースの Episode 構築用）

DPO は通常、既存の Episode を比較するため、build_episodes は空を返す。 実際の DPO ペア生成は build_pairs メソッドを使用。

fn name(&self) -> &str

名前

fn objective(&self) -> &str

目的を表す説明

fn build_episodes(&self, _records: &[Record]) -> Vec<Episode>

Record のストリームから Episode を構築

fn evaluate(&self, _context: &EpisodeContext) -> Outcome

Records から Success/Failure を判定

fn convert(&self, _episode: &Episode) -> Result<TrainingData, LearnError>

Episode を TrainingData に変換

fn convert_batch(&self, episodes: &[Episode]) -> Vec<TrainingData>

複数 Episode を一括変換（デフォルト実装）

fn build_episodes_from_actions(&self, actions: &[ActionEvent]) -> Vec<Episode>

便利メソッド: ActionEvent[] から直接変換