人は数字を一つずつ見る
solve.md に書いた人の解き方はこうです。盤を読んで数字を一つ選びます。その数字がすでにある行・列・ボックスを消すと、場所が一つだけ残るボックスや列ができます。そのマスは100%答えです。埋めたら、また盤を読みます。
そこで、VLM にさせる仕事を二つに絞りました。
- 盤の読み取り: 81マスの数字をそのまま読みます。
- 数字を一つ決め、その数字を置けないマスをすべて書き出します。
どのマスが正解かは尋ねません。置けないマスを消して残った場所が一つだけかどうかは、コードが数えます。

学習前の 8B
モデルは Qwen3-VL-8B-Instruct に替えました。LoRA なしで20問を解かせてみると、座標は100%当てましたが、81マスすべてを正しく読めた盤は20%(マス単位で83%)でした。数字1を置けないマスはマス単位で91%当てましたが、漏れなく当てた盤は一つもありませんでした。
段階的な学習
二つの仕事を別々に学習させました。サイクルごとにテストを行い、間違えた問題を加えて学習し直します。
- 盤の読み取り: 2B は17.5%から4サイクルで100%、8B は25.2%から2サイクルで100%になりました。
- 数字1を置けないマス: 2B は9サイクルで69.5%まで上がり、8B は15サイクルで97.6%まで上がりました。マス単位では99.98%です。
2回目の記事と違って、学習するほど上がりました。正解の根拠が盤の中にある仕事だからです。

この段階の実際のコード
VLM に渡すプロンプトです。数字を一つ決めて、置けないマスだけを書かせます。
vlm_prompt.py
def build_digit_illegal_prompt(
board: list[list[int]],
given_mask: list[list[bool]],
digit: int,
*,
retry_hints: list[str] | None = None,
) -> str:
"""digit 의 비합법수(둘 수 없는 모든 칸) 나열."""
board_txt = board_to_text(board, given_mask)
placed = sum(1 for r in range(9) for c in range(9) if board[r][c] == digit)
prompt = (
"You are solving Sudoku like a human (solve.md digit tracking).\n"
f"{_COORD_HEADER}"
f"{_HUMAN_RULES}"
"The board has been read. Now track ONE digit on the number pad.\n"
f"TARGET DIGIT: {digit} (already placed {placed} times on the board).\n\n"
f"Task: list EVERY cell where digit {digit} CANNOT be placed.\n"
"A cell is ILLEGAL for this digit if:\n"
f"- it is filled with a digit other than {digit}, OR\n"
f"- it is EMPTY but its row, column, or 3×3 box already contains {digit}.\n"
f"Do NOT list cells that already contain {digit} — those are legal placements.\n"
"You MUST include ALL illegal cells. Do not omit any.\n"
"Use compact JSON (no spaces) to fit all cells.\n\n"
f"Text grid:\n{board_txt}\n\n"
f'Return ONLY JSON: {{"digit":{digit},"illegal":[[row,col],...]}}\n'
f'Example: {{"digit":{digit},"illegal":[[0,3],[1,5],[2,8]]}}\n'
)
return _append_retry_hints(prompt, retry_hints)学習の正解を作る関数です。行・列・ボックスにその数字がすでにあるかどうかだけで決まります。
vlm_board.py
def illegal_cells_for_digit(
board: list[list[int]], digit: int
) -> list[tuple[int, int]]:
"""digit 을 둘 수 없는 모든 칸 (이미 digit 인 칸은 제외)."""
from sudoku_human_solver import cell_candidates
out: list[tuple[int, int]] = []
for row in range(9):
for col in range(9):
v = board[row][col]
if v == digit:
continue
if v != 0:
out.append((row, col))
continue
if digit not in cell_candidates(board, row, col):
out.append((row, col))
return out次の記事は「4. 学習前と学習後の解き方の比較」です。
COMMENTS · CHAPTER 03
人の解き方をルールに移す コメント 0
まだコメントはありません。気になった点や補足があれば残してください。
コメントを登録するには、Googleで始めてニックネームとメールアドレスを登録してください。
Googleで始める