Pitwall: Faithful Natural-Language Race-Strategy Briefings from a Calibrated Real-Time Monte Carlo Engine

技術要約：Pitwall – 忠実な自然言語によるレース戦略ブリーフィング

問題提起
ライブスポーツの解説、特にF1においては、グラウンデッド生成（根拠に基づいた生成）の極めて困難な事例を提示している。システムは、実在する特定の選手に関する記述を生成しなければならないが、そのグラウンディング状態（ポジション、ギャップ、タイヤコンパウンド、トラック状況）は数秒ごとに変化する。標準的なデータ・トゥ・テキスト（data-to-text）タスクとは異なり、生成時には参照テキストが存在しない。また、幻覚（ハルシネーション）のコストは極めて高い。特定のドライバーに関する自信に満ちた誤った記述は、沈黙よりも大きなダメージを与える。さらに、チームは独自のシミュレーション・ツールを活用しているが、これらのシステムには公開されたキャリブレーション（校正）が存在せず、学術文献においても、ライブ戦略ブリーフィングに求められるリアルタイムかつ確率的に校正された意思決定に特化した設定については、まだ議論が進んでいない。核心となる課題は、ライブタイミング・データを取り込み、校正された確率を用いてレース結果をシミュレートし、たとえ状態が疎（sparse）であっても、事実を捏造することなく、これらの知見を自然言語へと口頭化するシステムを構築することである。

手法
Pitwallは、データパイプライン、モンテカルロ・エンジン、意思決定レイヤー、言語レイヤーの4つのステージで構成されるエンドツーエンドのプロダクション・システムである。

1. データパイプラインと状態再構築：
   システムは、公式のF1 SignalRライブタイミング・ストリームを1秒間隔で取り込む。システムは、歴史的データ（信頼性の問題により2022年を除く、2018年から2026年の157レース）で使用されているスキーマと同一の形式で、標準的な確率論的レース状態を逐次的に再構築する。これにより、ライブエンジンとバックテスト・エンジンが同一のコードパスを実行することを保証する。

2. ベクトル化されたモンテカルロ・エンジン：
   コアとなるシミュレーターは、ベクトル化された配列演算（NumPy）を用いて、$N=2,000$のレース継続シナリオを同時に進行させる。主要コンポーネントは以下の通りである：

• ラップタイムとデグラデーション (H5): タイヤの摩耗を線形スロープとしてモデル化し、オプションとしてサーキット固有の「クリフ（性能低下）」ノットを含める。決定的なのは、燃料消費やトラック進化による混同を排除するために適合されたスロープを分解し、摩耗を物理的に妥当な範囲内にクランプすることである。
• オーバーテイク (H7): 131,000件のバトルに適合させたロジスティック・カーネルを用い、ペース差とタイヤの経年変化に基づいてパス（追い越し）確率を予測する。しかし、実験の結果、これは個別のパス予測を改善する一方で、フィールドレベルの結末の校正（calibration）を悪化させることが示された。
• セーフティカー／バーチャルセーフティカー (H13): 異なるペース倍率とピットロス・ディスカウントを持つ、確率的な展開をシミュレートする。
• ライバル・ポリシー (H1): ライバルがペース最適かつオープンループな戦略をとることを想定する。リアクティブなコンポーネント（H17）により、中立化局面においてライバルがピットストップを前倒しすることを許可する。
• アンダーカット・ウィンドウ (H14): 共通乱数（CRN）を用いて、カウンターファクチュアル（今ボックスに入る、＋1周、＋2周、ステイアウト）を評価し、サンプリング・ノイズから戦略効果を分離して、戦略効果を孤立させる。
• コンパウンドベースの正規化 (H9): レースフェーズによる混同によって生じる「速いタイヤ」という誤った推奨を防ぐため、適合されたタイヤペースを標準的な順序（ソフト $\le$ ミディアム $\le$ ハード）に投影する。

3. デュアルパス・プリンシプル（二重経路の原則）：
   中心的な手法論的貢献は、オラクル・パス（校正された結果確率用）と意思決定パス（推奨事項用）の分離である。各コンポーネントは独立してゲート制御される：

• オラクル・パスは、保持されたデータに対してブライヤー・スコアを最小化する構成を使用する（例：H9正規化を除外すると、意思決定の忠実度は向上したが、校正性は低下した）。
• 意思決定パスは、たとえ校正性を悪化させたとしても、意思決定の忠実度を最大化する構成（例：H9および実現可能性のキャップを含む）を使用する。
• すべてのコンポーネントは「パリティ・ゲーテッド（等価性ゲート付き）」であり、保持された指標が改善を証明するまで、現行エンジンとビット単位で一致するデフォルト設定と共に提供される。

4. 検証器によるゲート制御された言語レイヤー：
   忠実性を確保するため、システムは型定義されたクレーム・スキーマ（10種類：ポジション、ギャップ、タイヤなど）を採用している。

• 検証（Verification）: 生成されたすべての文章はクレームに分解され、ライブ状態のスナップショットに対して検証される。
• 忠実性ゲート付きファインチューニング: ファインチューニング用のコーパス（3,045ターゲット）は、検証器自体によってフィルタリングされる。すべてのクレームが状態によって裏付けられているモデル生成ターゲットのみが採用され（採用率81.9%）、それ以外は証明可能な忠実なテンプレートへとフォールバックされる。これにより、ジェネレーターが根拠のないデータに基づいて学習されることを防ぐ。
• ベースモデルの選択: 4つのベースモデル（1B–7B）にわたる実験により、疎なコンテキスト下での忠実性は、モデルの規模ではなく、ベースモデルの指示遵守能力（instruction adherence）に依存することが明らかになった。Phi-4-miniモデルが選択された理由は、疎なデータに対して情報を捏造せずに控える（abstain）性質があるためであり、より大きなモデル（7B）はレジスタを埋めるためにエンティティを捏造した。

主な貢献

1. 検証済みで校正されたリアルタイム・エンジン: 126レース（2018–2024）で校正され、2025–2026シーズンで検証されたベクトル化シミュレーター。ブライヤー・スコア0.0745、およびトップ3内への入賞予測精度90.3%を達成した。
2. 学習されたオーバーテイク・カーネルと誠実なアブレーション: パス予測を改善するロジスティックモデルであるが、それがフィールドレベルの校正を悪化させることを明示的に示しており、タスクレベルの正確性が必ずしもシステムレベルの校正を保証しないことを実証した。
3. CRNを用いたカウンターファクチュアルとしてのアンダーカット・ウィンドウ: 戦略的意思決定のための分散制御された確率デルタを提供するために、共通乱数（CRN）を用いたピットストップ・タイミングの形式的な扱い。
4. コンパウンドベースの正規化と校正／意思決定の分離: 異常なライブ・コールを修正する原理的な投影手法。これに加え、この修正を校正性を維持するために意思決定パスに隔離する必要があるという知見。
5. 検証器によるゲート制御された言語レイヤー: 生成されるすべての文章、ファインチューニングのターゲット、およびベースモデルの選択自体において、忠実性がアーキテクチャ上の特性として強制されるシステム。
6. エンドツーエンドのライブ展開: 2026年のオーストリアおよびイギリスGPでの運用成功。ライブ・データの取り込み、シミュレーション、および検証済みの三ヶ国語解説を、汎用クラウド・インフラ上で実現した。

結果

• 校正: システムは、保持された2025–2026シーズンにおいて、0.0745の結合ブライヤー・スコアを達成した。勝者は、シミュレーション上の最頻値として64.5%のレースで特定され、90.3%のレースでトップ3に入った。
• 意思決定の忠実度: 実現可能性のキャップを設けた意思決定パスにより、実行不可能なストリント（走行区間）の推奨が90.5%（制約なし）から0.0%に減少し、実行された最頻プランとのストップ回数の合致が59.5%から69.0%に向上した。
• ライブ・パフォーマンス: 2026年イギリスGPにおいて、システムはチェッカーフラッグの10周前に、勝率97.7–99.5%で最終的な勝者を捉えた。結果が判明する前にディスクに記録されたタイムスタンプ付きの確率トレースは、リアルタイムでレースのダイナミクスを追跡できる能力を裏付けている。
• 忠実性: 指示遵守のために選択されたPhi-4-miniアダプターは、疎なコンテキストにおいてドライバーやギャップを捏造することなく成功したが、より豊かなモデルは失敗した。システムは、学習中に生成ターゲットの18.1%をテンプレートへのフォールバックとしてフィルタリングし、根拠のないデータが学習されないことを保証した。

意義と主張
本論文は、Pitwallが、公式のライブタイミングを取り込み、校正された確率的状態を維持し、検証済みの自然言語によるブリーフィングをリアルタイムで生成する、初めて公開されたエンドツーエンドのシステムであると主張している。その主要な意義は、**「美徳（virtues）はトレードオフの関係にあり、個別にゲート制御されなければならない」**という方法論的な議論にある。著者らは以下を実証している：

• 校正に最適な構成は、必ずしも意思決定に最適な構成ではない。
• 生成ターゲットの豊かさは鮮やかさを買うが、グラウンディング状態が疎になると幻覚へと崩壊し得る。
• ベースモデルの選択（指示遵守）は、パラメータの規模とは無関係に、忠実性を担保するための重要なゲートである。

システムは、忠実性を単なる志向ではなく、構造的な制約として扱っている。各コンポーネントを、それぞれが改善する特定のパス（Oracle vs. Decision）へとルーティングし、検証器を用いて、学習データと推論出力の両方をゲート制御している。本論文は、これらの知見を他のスポーツにおける意思決定支援システムのテンプレートとして位置づけ、信頼性を維持するために、負の結果（例：リアリズムを向上させるが校正性を悪化させるコンポーネント）を報告することの重要性を強調している。この展開は、校正、検証、およびデュアルパス・ルーティングが厳格に強制されていれば、チーム級の意思決定支援が公開データと汎用インフラから構築可能であることを裏付けている。