我用纯 Rust 构建了一个自定义 Deep Learning 框架，只为模拟 Arknights：Endfield 抽卡运气（Talos-XII）

Source: Dev.to

介绍

我构建了 Talos‑XII，一个纯 Rust 编写的自定义深度学习框架，用来模拟 Arknights: Endfield 的抽卡。项目最初只是一个简单的抽卡模拟工具，但很快演变成了一个完整的强化学习（RL）引擎。

技术实现（面向 Rust 开发者）

没有 Python

• 核心引擎全部使用 Rust 编写。
• 我实现了一个自定义的逆向模式自动求导系统，模拟了 PyTorch 的 API，却没有额外的臃肿。

性能

• 并行张量运算使用 Rayon 处理。
• 手写的 SIMD 内核（x86 使用 AVX2，ARM 使用 NEON）加速关键路径。

模型架构

• 用 Deep Belief Network (DBN) 来模拟环境噪声。
• RL 代理使用 Transformer 作为后端。

优化

• 融入了 DeepSeek mHC（Manifold‑Constrained Hyper‑Connections） 论文中的思想来设计优化器。
• 为了好玩，我把该优化器移植到了 Rust。

目的

该系统在仅使用免费资源的情况下（即 “Neural Luck Optimiser”），模拟数百万次抽卡，以精确估算获得 UP 角色的概率。

使用方式

• 目前仅提供 CLI，尚未提供图形界面。

仓库

• 源代码：

参考文献

• DeepSeek mHC 论文：（特别感谢 DeepSeek 团队提供的参考）。