LLMの自己学習を自律的に強化、AutoMasterを提案
Guoxin Chen氏らは2026年11月19日(現地時間)に公開された論文で、大規模言語モデル(LLM)の訓練後学習を自律的に強化するシステム「AutoMaster」を発表した。タスクの成功のみでは望ましい行動が指定されないという課題に対し、Skill-FT (Skill-Guided Fine-Tuning)という手法を導入。自然言語スキルを用いて望ましくない習慣を抑制し、効果的な行動を引き出すことで、モデルをより優れた教師にすることを目的とする。