Tag
6 件の関連記事
タイヨン・ツイ (Taoyong Cui) 氏らの研究チームは10月9日(現地時間)、予測型ワールドモデルを活用した再帰的自己改善 (RSI) フレームワーク「RSI-Anything」を発表した。同日、論文がarXiv cs.CLで公開された。RSI-Anythingは外部フィードバックのコストや、ポリシー進化によるワールドモデル予測の信頼性低下といった課題に対処する。多様な計算科学および科学ドメインでの大幅な性能向上が確認されている。
arXivは9月29日(現地時間)、論文「DIBench: Benchmarking Decision Integrity of GUI-based Mobile Agents Under Deceptive Injections」を発表し、GUIベースのモバイルエージェントにおける新たな安全性評価ベンチマーク「DIBench」を提案した。既存手法が見過ごしてきた「in-task goal deviation risk」の測定を目指す。
科学論文公開サイト「arXiv cs.AI」は2026年5月28日(現地時間)、複数のインターフェースを横断して動作するオープンソースのマルチモーダルエージェントハーネス「Syll」を発表した。Syllは、API、シェル、ウェブインターフェース、デスクトップGUIといった多様なコンピューター環境でのパーソナルAIエージェント運用を可能にする。既存の自動化システムが単一インターフェースに特化し、ユーザーの教育や監査性が限られているという課題に対し、より柔軟な解決策を提示する狙いがある。
ヴィクター・ミューリン (Victor Muryn) 氏らの研究チームは6月4日(現地時間)、macOS環境でコンピュータ使用エージェント (Computer-use agents: CUAs) を評価するための新しいベンチマーク「MacArena」を導入したと発表した。同日付けで学術論文プレプリントサーバarXiv cs.LGに報じられた。既存のmacOS向けベンチマークが対応アプリケーションやタスク範囲が限定的であり、Apple Siliconとの互換性がないといった課題を解決し、より包括的な評価基準を提示する。
Dingbang Wu氏らは2026年5月25日(現地時間)、ブラウザホスト型の新しいシミュレーションプラットフォーム「MobileGym（モバイルジム）」を発表した。これは学術論文公開サイトarXiv cs.AIで報じられた。このプラットフォームは、日常的なモバイル利用に焦点を当て、プロプライエタリなバックエンドを複製することなく、インタラクションの忠実性を追求する。構造化されたJSON状態に基づき、検証可能な結果シグナルとスケーラブルなオンライン強化学習 (RL) を実現する。
arXiv cs.AIは2026年5月12日(現地時間)、コンピュータ利用エージェント (CUA) の操作最適化技術「ToolCUA」を発表した。ToolCUAは、グラフィカルユーザーインターフェース (GUI) 操作とAPIベースのファイル操作などの高レベルツール呼び出しが混在する環境において、最適な実行パスを学習するエンドツーエンドのエージェントである。従来のCUAがGUIとツールの連携で直面していた課題を解決し、OSWorld-MCPにおいてベースライン比で約66%改善の46.85%精度を達成。同規模モデル間で新たな最先端を示し、多様なデジタルタスク自動化への応用可能性を高める。