LLM自己進化評価の新指標「ASPIRE」登場 曖昧な目標から学習促す
arXiv cs.CLは8月31日(現地時間)、大規模言語モデル（LLM）が曖昧な目標から自己進化する能力を評価する新たなベンチマーク「ASPIRE」を導入する論文を公開した。従来のベンチマークが明確なタスクと評価指標を事前に設定するのに対し、ASPIREは自然言語による能力目標のみをエージェントに提示する点が特徴だ。エージェントは自律的に学習データ、更新方法、評価タイミングなどを決定する必要があり、モデルの重みとエージェントハーネスの両方の進化を単一環境でサポートする。