Tag
5 件の関連記事
Apple ML Research (アップル エムエル リサーチ) は7月(現地時間)、大規模言語モデル (LLM) の関数呼び出しにおける不確実性定量化 (UQ) メソッドの評価に関する研究論文を発表しました。LLMによる関数呼び出しは実世界タスクの自律的解決に不可欠ですが、誤った呼び出しは不可逆な結果につながる恐れがあります。このため、LLMがタスクを正しく解決すると確信している度合いを、関数実行前に考慮することが重要です。同研究は、LLM関数呼び出しにおけるUQメソッド評価としては初の試みであり、MLエンジニア向けに実践的な示唆を提供するとみられます。
arXiv cs.CLは2026年7月9日(現地時間)、自然言語処理(NLP)におけるステレオタイプ軽減の前処理ベース手法が、意図しない副作用を引き起こす可能性を指摘する研究論文を発表しました。この研究によると、特定のグループに対するステレオタイプが減少する一方で、他のデモグラフィックにおいてステレオタイプまたは反ステレオタイプが増加する予期せぬ変化が確認されました。これらの副作用は、関連性のないデモグラフィックカテゴリ間でも発生しうると報告されています。
arXiv cs.CLは6月25日(現地時間)、GUIエージェントのタスク計画能力を強化する新手法「プランニング・エクスペリエンス・エクスプロレーション・アンド・ユーティリゼーション (PEEU)」に関する論文を公開した。本手法は、自律的な環境探索と後方経験の活用を通じ、小規模マルチモーダル大規模言語モデル (MLLM) の計画能力とウェブサイト横断的汎化の限界に対処する。実験では、PEEUを適用した7Bモデルが30.6%の精度を達成し、大規模なQwen2.5-VL-32Bモデルを上回る性能を示した。
arXiv cs.CL (Computer Science - Computation and Language)は6月3日(現地時間)、「When Retrieval Doesn't Help: A Large-Scale Study of Biomedical RAG」と題する論文を公開した。この研究は、医療分野の質問応答システムにおける検索拡張生成（RAG）の有効性を再検証するもので、これまで有望視されてきたRAGが、大規模な医療QAモデルにおいて限定的かつ一貫性のない改善しか提供しない可能性を指摘している。基盤モデル自体の選択が、検索器や検索コーパスよりもRAGの性能に大きな影響を与えることも明らかになった。
米Appleは2026年5月(現地時間)、機械学習研究部門のウェブサイトで、ツール呼び出しエージェントの性能向上に関する研究論文「Reinforced Agent: Inference-Time Feedback for Tool-Calling Agents」を発表した。この研究は、大規模言語モデル (LLM) を利用するエージェントにおける従来の事後評価の限界を克服するため、推論時の実行ループ内で評価を行う専門のレビュアーエージェントを導入する手法を提案している。