Tag
4 件の関連記事
チェンジェ・チウ (Chenjie Qiu) 氏らは2026年10月29日(現地時間)、オンライン学術誌arXivで、自己進化型AIエージェントの学習能力を評価する新たなベンチマーク「CLR-Bench」に関する研究論文を公開した。このベンチマークは、エージェントが「明示されていない隠れたルール」をフィードバックから学習できるかを検証する。従来の評価方法では、エージェントは修正点を例外リストに追加する傾向があり、本質的なルール学習が評価しづらかった課題に対応する。
arXiv (アーカイヴ) は2026年10月27日(現地時間)、ザック・ユー氏らが発表した研究論文において、大規模言語モデル (LLMs) を用いたエージェントの自己改善学習を強化する新たなフレームワーク「GEPA-Curator」を発表した。このフレームワークは、プロンプト最適化に利用するエージェントの経験を厳選することで性能を最大21.2%向上させ、既存手法が直面していた有用でない学習シグナルによる性能低下の問題解決を目指す。
アレン・インスティテュート・フォー・AI (Allen Institute for AI)は2026年10月13日(現地時間)、高解像度出力AI気候エミュレーターシステムの最新版「HiRO-ACEv2」を発表した。同システムは極端な気象イベントを高い精度で再現し、高解像度グローバル大気モデルX-SHiELDの約300分の1のコストで全球3kmの気候データを生成する。
IBM Researchは2026年8月11日(現地時間)、AIエージェントが過去の軌跡から学習するシステム「エーエルティーケー・エボルブ (ALTK-Evolve)」を発表した。このシステムは、既存の「エーシーイー (ACE)」と比較して、エージェントの推論時におけるトークン消費量を大幅に削減しながら、同等またはそれ以上のタスク達成率を達成したとしている。両システムはエージェントの経験を圧縮しない点で共通する一方、モデルへの情報の提供方法で差異がある。