Module learn_model 

LearnModel - 学習の統合モデル

設計思想

LearnModel は「何を学習するか」を統合的に定義する。

• 何を目的とするか (objective)
• 何を Episode として切り出すか (build_episodes)
• 何を Success/Failure とするか (evaluate)
• どう TrainingData に変換するか (convert)

Learn の価値

Core（Swarm本体）は性能制約で 3-gram までしか取れない。 しかし Learn は非同期/オフラインなので、5-gram や 10-gram など 自由に分析できる。これが Learn モジュールの価値。

モジュール構造

learn_model/
├── mod.rs              # LearnModel trait 定義
├── dpo.rs              # 汎用 DPO 基盤 (DpoLearnModel<F>)
├── dependency_graph.rs # DependencyGraph 推論の学習
├── worker_task.rs      # Worker の Task 完了パターン学習
├── worker_decision.rs  # Worker の意思決定シーケンス学習
└── error.rs            # エラー型

実装一覧

実装	目的	グルーピング
DpoLearnModel	汎用 DPO 学習	group_id
DependencyGraphLearnModel	DependencyGraph 推論	-
WorkerTaskLearn	Task 完了パターン	task_id
WorkerDecisionSequenceLearn	意思決定シーケンス	worker_id

DPO (Direct Preference Optimization)

DPO は成功/失敗 Episode のペアから学習する手法。 group_id でグルーピングし、カスタム extractor で prompt/response を抽出。

DependencyGraphLearnModel::extractor() を使って DPO を行う例:

let dpo = DpoLearnModel::new(
    DependencyGraphLearnModel::default_system_prompt(),
    DependencyGraphLearnModel::extractor(),
);
let pairs = dpo.build_pairs(&episodes);

Record による抽象化

ActionEvent と LlmDebugEvent を Record enum で統一的に扱う。 LearnModel は Record のストリームから Episode を構築する。

ActionEvent ──┐
              ├──▶ Vec<Record> ──▶ LearnModel.build_episodes()
LlmDebugEvent ┘                         ↓
                                   Vec<Episode>
                                        ↓
                                   LearnModel.convert()
                                        ↓
                                   TrainingData

Modules

system_events

システムイベント定数

Structs

DependencyGraphLearnModel

DependencyGraph 推論の学習モデル

DpoConfig

DPO LearnModel の設定

DpoLearnModel

汎用 DPO LearnModel

DpoPair

DPO 学習用の比較ペア

WorkerDecisionSequenceLearn

Worker Decision 学習モデル（シーケンスベース）

WorkerTaskLearn

Worker タスク完了ベースの LearnModel

Enums

LearnError

LearnModel のエラー型

Traits

LearnModel

学習の統合モデル