年の真ん中で弱気すぎたのです。もっと進むには強化学習以上の改善が必要だと思っていましたが、それは間違いでした。Claudeのコードをおもちゃの環境以外で試す機会はありませんでしたが、Codexが良くなり試してみると、確実に軌道に乗り切っていることがわかりました