Tag
53 件の関連記事
Appleは2026年8月(現地時間)、マルチモーダル大規模言語モデル（MLLM）におけるアラインメントに関する包括的な研究を発表した。大規模言語モデル（LLM）の性能向上に不可欠な選好アラインメントについて、MLLMでの影響はこれまで十分に探求されてこなかった。本研究は、MLLMが画像理解タスクで直面するハルシネーション（誤った情報の生成）などの課題に対し、モデルの応答を画像情報により正確に一致させることを目的とする。特に、追加のアノテーションや外部モデルを必要としない新しいマルチモーダル選好データ作成手法「Bias-Driven Hallucination Sampling (BDHS)」を導入し、エッジデバイスでのMLLM実用化への道を拓く可能性を示唆している。
Appleは7月30日(現地時間)、機械学習研究部門を通じて、次元削減手法であるユーマップ (UMAP) が内部で構築するk-nearest-neighbor (kNN) グラフの新たな活用法に関する研究論文を発表しました。kNNグラフとは、各データ点とその最も近い「k」個の隣接点との関係を示すネットワーク構造であり、UMAPの低次元埋め込みでは失われがちな高次元データの詳細な関係性を保持しています。本研究は、この内部のkNNグラフに標準的なグラフアルゴリズムを適用することで、高次元データからの意味抽出を大幅に強化し、データサイエンティストや機械学習実務者がデータセットの深い構造を理解するための強力な手段を提供することを示唆しています。
Appleは2026年7月29日(現地時間)、iOS 26.6およびiPadOS 26.6を公開した。今回のアップデートでは87件の脆弱性が修正され、そのうちSafariのセキュリティホールは、Anthropicの研究者らが自社開発のAIモデルClaudeを用いて発見したことが明らかになった。Appleは、このAIモデルの名前を異例にもセキュリティ謝辞に明記している。
Appleは2026年7月27日(現地時間)、Siri Expressive Voicesにおける記憶効率の高いオーディオ合成アーキテクチャを発表した。この技術は、Appleのオンデバイス基盤モデルであるAFM 3 Core Advancedを基盤とし、Apple Matrix Coprocessor (AMX) の限られた計算資源とメモリ予算内で高忠実度オーディオを生成するデトクナイザーを採用している。
Apple ML Researchは2026年7月23日(現地時間)、大規模言語モデル (LLM) の長時間にわたる推論の不安定性を解決する新手法「Lookahead-Enhanced Atomic Decomposition (LEAD)」を発表した。高レベルの戦略が与えられても不安定さが残るLLMの課題に対し、分解が安定性に不可欠である一方で、極端な分解が「no-recovery bottleneck (回復不能なボトルネック)」を生み出すことを指摘。LEADはこの問題に対処するため、短期的な将来検証と重複するロールアウト集約を統合する。
Apple は2026年7月(現地時間)、テキストから動画を生成する処理速度を向上させる学習不要の新たな手法「CalibAtt」を発表しました。この技術は、既存の拡散モデルが抱える時空間アテンションのボトルネックを解消し、動画生成の品質とテキストとの整合性を維持しながら、最大1.58倍の高速化を実現します。これにより、高品質な動画生成における実行時間の遅さという課題の解決に貢献すると見られます。
Apple ML Researchは2026年7月20日(現地時間)、API呼び出し型大規模言語モデル (LLM) エージェントの訓練に用いる合成データの生成に関する新たな手法を発表した。この手法は、従来のデータ収集に伴う、実行環境やバックエンドデータベースの実装というボトルネックを解消するもので、スケーラビリティの向上に寄与するとされる。
Appleは2026年7月20日(現地時間)、タイムスタンプを考慮した長尺動画要約の評価用ベンチマーク「LVSum」を発表した。マルチモーダル大規模言語モデル（MLLM）における長尺動画要約の課題に対処するために開発されたもので、13の多様なドメインにわたる72本の動画と、各動画に最大10個の人間が生成した要約で構成される。本ベンチマークは、現在のMLLMが持つ時間的整合性やクロスモーダル一貫性における体系的な弱点を明らかにし、今後のモデル開発の方向性を示唆するものと見られる。
Appleは2026年7月(現地時間)、機械学習モデルから特定の学習データ点を削除する「アンラーニング」手法に関する新たな研究成果を「Apple ML Research」で発表した。この研究は、モデルの学習に与える影響が小さいデータ点（low influence points）を特定し効率的に処理することで、アンラーニングに必要な計算コストを最大50%削減できる可能性を示す。データプライバシーへの懸念が高まる中、訓練済みモデルの修正能力向上に寄与する発見となる。
Apple ML Researchは2026年7月15日(現地時間)、大規模言語モデル (LLM) のコード生成能力を向上させる「Simple Self-Distillation (SSD)」と呼ぶ手法を発表した。この手法は、検証器や教師モデル、強化学習を使用せず、モデル自身の出力のみを用いて改善を図る。Qwen3-30B-Instructモデルにおいて、LiveCodeBench v6でのpass@1スコアを42.4%から55.3%に向上させる効果が確認された。
Appleは2026年7月(現地時間)、機械学習研究論文を公開し、Apple TV検索向けの新たなパーソナライゼーションシステムを発表した。このシステムは、ユーザーが文字入力するたびに検索意図が未特定な状態でも高品質なランキングを提供することを目指す。テキストベースの多言語エンコーダーとIDベースの協調埋め込みモデルを組み合わせ、セマンティック信号と協調信号を統合する。
Apple ML Researchは7月16日(現地時間)、「Doubly Sub-linear Interactive Proofs of Proximity (dsIPPs)」と題する研究論文を発表した。dsIPPsは、巨大な入力データの特性を近似的に証明するシステムであり、証明の生成コストは入力の一部を読み取る劣線形である。検証はさらに高速で、参照する入力データ量も少ない。この技術は、証明者が入力全体にアクセスせずに大規模データの特性に関する主張を効率的に証明・検証することを可能にし、データ検証やMLパイプライン監査の効率化に貢献する可能性が指摘されている。
Appleは7月15日(現地時間)、機械学習研究において、検索拡張生成 (RAG) を強化する新しい統一フレームワーク「CLaRa (Continuous Latent Reasoning)」を発表した。CLaRaは、大規模言語モデル (LLM) が抱える長いコンテキストの問題や、検索と生成の最適化における不整合の解消を目指し、埋め込みベースの圧縮と共有連続空間での共同最適化を実行する。
Apple ML Researchは7月15日(現地時間)、画像生成向けの新しいフレームワーク「FAE (Feature Auto-Encoder)」を発表した。FAEは、事前に学習済みの視覚表現を、わずか1つのアテンション層を用いて画像生成に適した低次元の潜在空間へ適応させる技術である。これにより、元の情報の再構築に必要なデータを保持しつつ、効率的かつ高品質な画像生成を可能にする。
Appleは2026年7月13日(現地時間)、能動的エージェントの研究開発を促進する評価フレームワーク「Proactive Agent Research Environment (Pare)」を発表した。このフレームワークは、ユーザーのニーズを予測し自律的にタスクを実行する能動的エージェントの評価を目的としており、従来のシミュレーションの課題を解決する。
ストラテチェリー (Stratechery) は7月13日(現地時間)、Appleが人工知能 (AI) 企業OpenAIに対し、営業秘密窃取の疑いで訴訟を提起したと報じた。同記事は、この訴訟が一従業員の関与を指摘するものであるものの、その背景にはAppleが抱えるより根深い課題が存在すると分析。今回の提訴を「八つ当たり (lashing out)」のようにも感じられると指摘し、企業のイノベーション力と知的財産管理のあり方に警鐘を鳴らしている。
Appleは7月11日(現地時間)、OpenAIに対し、営業秘密窃盗の訴訟を提起した。同社は、400名を超える元Apple従業員がOpenAIに移籍したことを挙げ、これを通常の転職ではなく、機密技術を抽出するための組織的な引き抜き活動であると訴えている。この訴訟は、Appleのシリコンエンジニアリング、オンデバイスAI、およびハードウェア設計チームからの大規模な人材流出を背景としている。
Appleは2026年7月(現地時間)、自律交渉エージェントにおける行動プライバシー漏洩を形式化し、推論攻撃を緩和する研究論文を発表した。この研究は、保険や調達などの高リスク環境で利用されるエージェントが直面する、交渉動態から私的制約が推論される脅威に対応。差分プライバシー、合意達成、高交渉ユーティリティを同時に保証する適応型確率的交渉ポリシーを設計した内容だ。
Apple ML Researchは2026年7月(現地時間)、一人称視点（egocentric）ビデオ理解モデルにおける時間的認識を促進する新アルゴリズム「Temporal Global Policy Optimization (TGPO)」を発表した。マルチモーダル大規模言語モデル（MLLMs）が視覚理解で優れた性能を示す一方、時間的推論の不足が課題とされており、TGPOはこの課題に対処する。これはAR/VRデバイスにおける次世代AIアシスタントの基盤技術となる可能性を秘める。
Apple ML Researchは7月9日(現地時間)、言語モデルの長文コンテキスト処理における課題解決を目指す新フレームワーク「Self-Reflective Program Search for Long Context (SRLM)」を発表した。このフレームワークは、不確実性認識型の自己内省をプログラミングベースのコンテキストインタラクションに統合することで、長文コンテキストにおけるモデル性能向上を図る。
Appleは2026年7月(現地時間)、機械学習研究ブログ「Apple ML Research」にて、推論モデルのトレーニング手法である「on-policy distillation」に関する新たな診断フレームワークを発表した。このフレームワークは、per-tokenの監督シグナルを用いるon-policy distillationが、どのような条件下で有効か、またどのような条件下で有害になるかを詳細に分析する。従来のトレーニング実行では困難だったトークンレベルの動態分析を、トレーニング不要でper token、per question、per teacherの解像度で可能にするという。
Stratechery（ストラテチェリー）は2026年7月7日(現地時間)、「A Script for Mark Zuckerberg」と題する記事を公開しました。同記事は、Meta（メタ）のマーク・ザッカーバーグ氏が次期決算説明会で語るべき内容を仮想スクリプトとして提案。AIへの大規模投資に対する疑問に答える形で、自身の過去の学びや過ちを振り返り、同社の将来像について説明しています。
Apple ML Research は2026年7月7日(現地時間)、大規模言語モデル（LLM）のマルチドメインファインチューニングを効率化する新たな手法「DynaMiCS（ダイナミクス）」を発表した。本手法は、特定のターゲットドメインで性能を向上させつつ、一般知識、指示追従、安全性評価といった制約付きドメインでの性能を維持することを目的としている。これにより、既存手法では難しかった多角的な能力の維持を可能にし、モデル開発の安定化に貢献すると考えられる。
Apple ML Researchは2026年7月(現地時間)、生成型ユーザーインターフェース (UI) の評価に特化した新しいフレームワーク「フローイーバル (FlowEval)」を発表しました。本フレームワークは、大規模言語モデル (LLM) やコーディングエージェントによって開発されたUIが持つ視覚的およびインタラクションデザインの習熟度を、実際のユーザーのインタラクションフローに基づき客観的に評価することを目指します。これにより、従来の評価手法が抱えていた課題の解決が期待されます。
Appleは7月7日(現地時間)、ビジョン言語モデル (VLM) 向けの推論フレームワーク「LensVLM」を発表した。本フレームワークは、レンダリングされたテキストの視覚表現を圧縮しながらも、関連するコンテキストを選択的に拡張することで、テキスト認識の精度を維持する。これにより、高い圧縮率を維持しつつ、VLMの効率的な運用を可能にする新たなアプローチが提示された。
深圳に拠点を置くスマートグラスメーカーのイーブン・リアリティーズ (Even Realities) は2026年7月6日(現地時間)、プレシリーズBラウンドで1億5,000万ドルを調達したと発表した。この資金調達により、同社の評価額は10億ドルに達した。今回のラウンドは、美団 (Meituan) と既存投資家のテンセント (Tencent) が主導した。同社は、プライバシー保護を重視し、カメラ非搭載のAI統合型スマートグラスを展開している。
Appleは2026年7月5日(現地時間)、機械学習研究ブログ「Apple ML Research」において、自動音声認識（ASR）のエラー修正に関する研究論文を発表した。同研究は、従来の言語モデルが抱える課題に対し、コンパクトなseq2seqモデルを用いたアプローチを提示している。このモデルは、実音声および合成音声から生成されたASRエラーで訓練されており、低遅延で高精度な修正を実現する。
Apple ML Researchは2026年7月6日(現地時間)、連続拡散 (CD) 型音声言語モデル (SLMs) のスケーリング特性に関する研究結果を発表しました。本研究は、従来の離散自己回帰 (AR) 型SLMsが抱える計算およびデータ要件の課題に対応し、CD SLMの実行可能性を検証。言語的品質を定量化する新たな評価指標として音素イェンセン・シャノン・ダイバージェンス (pJSD) を導入し、CD SLMが検証ロスとpJSDにおいてスケーリング則を示すことを明らかにしました。効率的な高品質音声生成モデル開発への道筋を示すものと見られています。
Apple ML Researchは2026年7月5日(現地時間)、データアノテーションにおける人間の安全性ポリシーを解釈可能にする「Annotator Policy Models (APMs)」を導入したと発表した。APMsはアノテーターのラベリング行動のみから内部的な安全性ポリシーを学習し、アノテーションの不一致が運用上の問題、ポリシーの曖昧さ、または価値観の多様性のいずれに起因するかを識別する。このモデルにより、アノテーターの推論プロセスを可視化し、安全性ポリシーの設計を支援すると見られる。
Appleは2026年7月(現地時間)、機械学習の重要なサブルーチンである最大内積探索（Maximum inner product search, MIPS）を効率化する「amortized MIPS」手法を発表した。この回帰ベースのアプローチは、ニューラルネットワークの訓練を通じてMIPSの解を直接予測することで、既知の分布から引き出されるクエリに対するMIPSの繰り返し実行コストを償却することを目指す。
Apple ML Researchは2026年7月(現地時間)、動画の高次元ピクセルデータを粗密な可変長トークンシーケンスにマッピングする新しいトークン化手法「VideoFlexTok (ビデオフレックストーク)」を発表した。この技術は、従来の3Dグリッドトークン化が抱える高い学習複雑性を克服し、効率的な下流モデリングを可能にすることで、特に長尺動画の処理における計算コスト削減に貢献する。
Appleは2026年7月(現地時間)、強化学習 (RL) ファインチューニングを用いたビジョン言語モデル (VLMs) の堅牢性とChain-of-Thought (CoT) の一貫性に関する研究論文を発表した。同研究は、RLファインチューニングが推論集約型タスクにおける大規模言語モデル (LLMs) の強化に重要である一方、視覚的根拠の弱さやテキスト情報への過度な依存といった脆弱性が残ることを示唆している。特に、誤解を招くキャプションや不正確なChain-of-Thoughtトレースが、堅牢性と信頼性を著しく低下させると指摘した。
Stratechery (ストラテチェリー) は6月26日(現地時間)、週刊コンテンツ「This Week in Stratechery 2026.26: Summer Vibes」を公開した。同号では、人工知能 (AI) 時代の分析の重要性や技術の可能性を深く掘り下げた。特に、Apple (アップル) のAI機能「Apple Intelligence製品 (通称Siri AI)」が、Digital Markets Act (デジタル市場法、DMA) を巡る欧州規制当局との係争を理由に、欧州では導入されない状況が詳報された。Ben Thompson (ベン・トンプソン) 氏によるAI技術の将来に関する考察も特集されている。
AI画像生成で知られるミッドジャーニー (Midjourney) は2026年6月17日(現地時間)、全身を60秒でスキャンする医療機器「Midjourney Scanner」の開発を発表した。同社は今後、この機器を設置した「Midjourney Spa」をサンフランシスコ (San Francisco) で来年にも開設する計画を示している。画像生成AIとは異なる分野への参入は、同社の事業戦略の多角化を示すものとなる。
Waymoは2026年6月13日(現地時間)、Appleがかつて自動運転車開発に利用していたアリゾナ州ウィットマンの広大な試験場を2億2,000万ドルで買収したと発表した。この施設は5,500エーカーの敷地を持ち、Apple Carプログラムの中止後、同社が売却を進めていた。買収額は、Appleが約10年にわたるプロジェクト「Project Titan」に投じたとされる100億ドルと比較すると一部に過ぎない。売却元はAppleに関連すると見られるRoute 14 Investment Partners LLC。
6月9日(現地時間)、NVIDIAは、AppleのPrivate Cloud Compute (PCC) がAppleデータセンターからGoogle Cloudへサービス提供範囲を拡大するにあたり、NVIDIA GPUとConfidential Computingが機密推論に採用されることを発表した。このPCC拡張は、Appleの年次WWDC開発者会議で明らかにされ、次世代のApple Intelligence機能の基盤となる。
Stratecheryが2026年6月9日(現地時間)に報じたところによると、Microsoftは先週開催されたBuild開発者会議で、クラウド上のエージェントとデバイスのエコシステムを掲げる「Project Solara」のビジョンを発表した。同社はデバイスをクラウドと相互作用する「ポータル」とするシンクライアントモデルを提示。一方AppleはWWDCキーノートで「Siri AI」の進化を実演し、消費者市場に特化したパーソナルコンテキスト重視のアプローチを明確にした。Appleは、2024年発表のApple Intelligenceと新Siriの初期バージョンで指摘された課題に対し、機能向上を実演で示した。
Appleは2026年6月8日(現地時間)、年次開発者会議「WWDC 2026」で、SiriのAI機能再構築、iOS 27およびApple Intelligenceの広範なアップデートを発表した。SiriはGoogle Geminiモデルを基盤に再設計され、高機能な会話能力と視覚インテリジェンスを備え、スタンドアロンアプリとして提供される。この発表では、ティム・クック (Tim Cook) 最高経営責任者 (CEO) が9月1日付でジョン・ターナス (John Ternus) ハードウェアエンジニアリング担当シニアバイスプレジデントに職務を引き継ぐ人事も明らかになった。
Apple (アップル) は2026年6月8日(現地時間)、世界開発者会議「WWDC (Worldwide Developers Conference) 2026」において、音声アシスタントSiri (シリ) を「Siri AI (シリ エーアイ)」として大幅に刷新したことを発表した。このアップデートにより、Siriは会話の深さ、システム全体への統合、およびプラットフォームをまたぐデザインの変更を含む新たな機能群を備える。同社は新しいアシスタントを「a profoundly more capable assistant」と表現している。
Appleは2026年6月8日(現地時間)に開催されるWWDC26の初日、Apple Parkでのスペシャルイベントに関する詳細を明らかにした。開発者を対象とした本イベントの参加応募はすでに締め切られている。選考はランダムなプロセスで行われた。
Appleは2026年6月8日(現地時間)開催の年次開発者会議WWDC 2026で、Siriの大規模AIアップグレード、Apple Intelligenceの更新、iOS 27の新機能などを発表すると見られる。会議は同日午前10時(PT)に開幕し、ライブストリームも予定。特にSiriは、より自然な会話と文脈理解、複数ステップのタスク処理、アプリ連携が可能になると期待されており、GoogleのGemini技術活用や、ChatGPT、Claude、Geminiと競合するスタンドアロンアプリの登場も予測されている。
Appleは2026年6月8日(現地時間)、年次開発者会議Worldwide Developers Conference (WWDC) 2026の基調講演で、音声アシスタントSiriをGoogleのGemini AIを基盤として全面刷新すると発表した。iOS 27、iPadOS 27、およびmacOS 27では、ユーザーがClaudeやChatGPTなどのサードパーティAIサービスを、Apple Intelligence機能のデフォルトプロバイダとして設定できるようになる。
独立系分析メディア「ストラテチェリー」は6月8日(現地時間)、GoogleとSpaceX間のコンピュート取引、ブロードコムの決算発表、およびAppleのAI戦略に関する記事を公開しました。同記事は、これらテクノロジー業界の主要な動きが市場に与える影響と、それぞれの企業の戦略的な側面について考察しています。
Appleは2026年6月8日(現地時間)、年次開発者会議WWDC 2026の基調講演でSiriの全面的な再設計を発表した。新たなSiriはGoogleのGemini AIモデルを基盤とし、チャットモードや個人コンテキスト機能が導入される。iOS 27のExtensions機能により、Claudeなどサードパーティ製AIをデフォルトアシスタントとして選択することも可能になる。AI分野での遅れが指摘されてきた同社にとって、今回の発表は転換点と位置付けられており、投資家はiPhone買い替えサイクルへの影響を注視している。
Appleは2026年6月7日(現地時間)、Worldwide Developers Conference (WWDC26) において、次世代のApple IntelligenceとSiri AIを発表した。iOS、iPadOS、macOS、watchOS、visionOS、tvOSを含む各プラットフォームにわたるソフトウェアの改善も公開された。
Apple は2026年6月8日(現地時間)、年次開発者会議「WWDC 2026」の基調講演において、iOS 27 Extensionsフレームワークの導入を発表した。これにより、同社の生成AI機能群「Apple Intelligence」の中核をなす、音声アシスタントのシリ (Siri) やWriting Tools、Image Playgroundといった機能に、サードパーティのAIプロバイダーが連携可能となる。利用者は設定を通じて、Claude、チャットGPTChatGPT、グーグル ジェミニ (Google Gemini)、またはグロック (Grok) をデフォルトのAIとして選択できるようになる。
Appleは2026年6月8日(現地時間)、WWDC 2026において、Siriの大幅な刷新と、iOS 27、iPadOS 27、macOS 27、tvOS 27、watchOS 27、visionOS 27といった各オペレーティングシステムの大規模なアップデートを発表した。Bloombergなどの複数の媒体が報じるところによると、刷新されたSiriはGoogleのGeminiモデルをクラウド機能に活用し、Apple独自のオンデバイスモデルと組み合わせるハイブリッドアプローチを採用する。
Anthropicは2026年5月28日(現地時間)、フラッグシップAIモデルのアップグレード版「Claude Opus 4.8」を発表した。同社はOpus 4.8がコードの欠陥を見過ごす可能性を約4分の1に減らし、より高い信頼性を持つと説明している。また、より高い知能を持つ次世代モデル「Mythos-class models」についても数週間以内に全顧客向けに提供開始する計画を明らかにした。Mythos-class modelsは、すでに「Project Glasswing」を通じて10,000件以上のソフトウェア脆弱性を発見しているという。
Lenny's Newsletter (レニーズニュースレター) が2026年5月17日(現地時間)付けで報じたところによると、元OpenAI (オープンAI)、Meta (メタ)、Apple (アップル) に所属したケイリン・カリノウスキー氏のインタビューが公開された。同氏はAIハードウェアブームの始まり、サプライチェーンの脆弱性、消費者向けVRの失敗、人型ロボットの現状など多岐にわたるテーマについて詳細な見解を披露した。特にVR向けに開発された技術が現代戦の基盤となった経緯や、来たるメモリ価格ショックへの警鐘も鳴らし、注目を集めている。
Appleは2026年5月(現地時間)、セマンティックに豊かな視覚表現を学習する新手法「Text-Conditional JEPA (TC-JEPA)」を発表した。この手法は、画像キャプションを用いて、既存のImage-based Joint-Embedding Predictive Architecture (I-JEPA) が持つマスク領域予測における視覚的不確実性を低減する。具体的には、細粒度テキストコンディショナーが入力トークンに対しスパースなクロスアテンションを計算し、予測パッチ特徴をテキストの関数として変調、予測可能にする。
Apple Machine Learning Researchは2026年5月(現地時間)、知覚品質と実行速度の双方を最適化する実用的な学習型画像コーデックに関する包括的な研究成果を発表した。この研究では、主要なモデリング選択肢を詳細に検討し、新たなコーデックを構築。従来のコーデックだけでなく、既存の学習型コーデックと比較しても、大幅な圧縮性能の向上と高速な処理能力を実現している。特に、iPhone 17 Pro Maxにおいては12メガピクセル画像のエンコードを230ミリ秒、デコードを150ミリ秒で完了できる性能を示しており、モバイルデバイスにおける高画質コンテンツの処理に新たな可能性を開くものと期待される。
Apple Machine Learning Researchは2026年5月(現地時間)、Transformer言語モデルのKey-Values (KV) キャッシュのメモリ要件を削減する新手法「Stochastic KV Routing (ストキャスティック KV ルーティング)」を発表した。この研究は、オートレグレッシブ生成におけるKVキャッシュの大きなメモリフットプリントとサービングコストへの対処を目指す。従来のKVキャッシュ削減手法が時間軸での最適化に焦点を当てていたのに対し、本手法は深さの次元での最適化を提案する点で特徴を持つ。これにより、メモリ効率の向上と計算コストの削減が期待される。
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。