AgentSSL、MLEエージェントが半教師あり学習で既存手法を最大21.8%超え
arXiv cs.AIは11月12日(現地時間)、「AgentSSL: Can MLE Agents Leverage Unlabeled Data?」と題した論文を公開しました。この論文では、機械学習(ML)エージェントがラベルなしデータを活用する新たな半教師あり学習(SSL)手法「Agentic Semi-Supervised Learning(AgentSSL)」を提案。限られた教師データの下でSSLをプログラム探索問題として扱い、エージェントが合成したコードが12の設定中8つで、人間が設計した既存のベースラインを最大21.8%上回る性能を示したと報告しています。