強化学習で効率的な増分要約、新手法MaxIMが下流タスク有用性で優位に
ジファン・ジョン（Jihwan Jeong）氏ら5名の研究者らは2026年11月9日(現地時間)、強化学習（RL）を用いた増分要約に関する論文「MaxIM: Maximally Informative Incremental Summarization via Reinforcement Learning」を発表した。この研究は、AIシステムが無限の相互作用履歴を限られたメモリで維持する課題に対処するため、情報理論に基づいた報酬形成問題として増分要約を定式化するフレームワーク「マキシム (MaxIM)」を導入している。