arXiv、LLMエージェントで自己適応型物理AIの論文公開
arXivは2026年9月11日(現地時間)、Varun Kaushik、Yayun Tan、Xiaofan Yuの3氏が、大規模言語モデル (LLM) エージェントを用いた自己適応型物理AIに関する研究論文を公開した。本研究は、人間による介入なしに長期間の物理タスクを自律的に管理し、環境変化に柔軟に適応するゼロショットLLMエージェントの実現可能性を探るもので、物理世界における汎用AIの基礎を築くことが期待される。
Tag
#RL
8 件の関連記事
OpenAI、AIモデル開発ペース調整と安全対策強化を計画
OpenAIは2026年8月18日(現地時間)、AIモデル開発のペースを一時的に調整し、監視、アライメント、封じ込め対策に関する安全策を強化する計画を明らかにした。これは、同社の次期モデル「Astra」が、同社の「Preparedness Framework」における「Critical cybersecurity capability threshold」に達する可能性があるという予備的証拠を受けた措置である。
LLM強化学習、単一層学習で全パラメータ同等効果か
arXiv cs.LGは7月1日(現地時間)、研究論文「Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training」を発表した。この論文は、大規模言語モデル（LLM）の強化学習（RL）後学習において、Transformerモデルの単一の層のみを学習させることで、モデル全体の全パラメータを学習するのと同等か、それを上回る性能向上が得られる可能性を指摘している。既存のRLアプローチの前提に疑問を呈し、層ごとの学習効果を分析した点が特徴だ。
新強化学習「ContextRL」、LLMの長文・マルチモーダル推論を強化
研究論文「Context-Aware RL for Agentic and Multimodal LLMs」は6月15日(現地時間)、大規模言語モデル（LLM）の長文や複雑な文脈における情報特定、およびマルチモーダル推論の性能向上を目的とした新しい強化学習手法「ContextRL」を提案した。この手法は、モデルにクエリと回答、高い類似性を持つ二つのコンテキストを与え、クエリと回答を支持するコンテキストを選択できた場合に報酬を付与する。これにより、きめ細やかなグラウンディングを促すとしている。
AI能力向上はデータ量に依存、サンプル効率停滞をDwarkesh Podcastが分析
Dwarkesh Podcastは6月8日(現地時間)、人工知能 (AI) の能力向上が、より多くの高品質なデータと、そのデータを開発するための計算資源のスケーリングに主に依存していると報じた。同記事は、AIの知能を特定の領域で流暢かつ適切に機能するために必要なデータ量である「サンプル効率」で定義し、このサンプル効率の点では過去数年間で大きな進展が見られない可能性を指摘している。むしろ、データ分布の劇的な拡大と改善が主な進歩の原動力であると分析した。
【速報】Hugging Face、エージェント型強化学習向けOpenEnvをさらにオープン化
Hugging Face Blogは2026年6月7日(現地時間)、エージェント型強化学習（RL）のためのツール「OpenEnv」が、よりオープンなプロジェクトとして運営されることを発表しました。OpenEnvは今後、Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、およびHugging Faceを含む委員会によって調整されます。
MobileGym、GUIエージェント研究向けシミュレーションプラットフォームを発表
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。
LLM向け戦略的軌道抽象化フレームワーク「StraTA」登場
arXivは2026年5月7日(現地時間)、Xiangyuan Xue氏らの研究チームが、大規模言語モデル（LLM）をインタラクティブエージェントとして最適化する新フレームワーク「Strategic Trajectory Abstraction (StraTA)」を発表したと報じた。StraTAは、エージェント型強化学習に軌道レベルの戦略を導入することで、既存手法が抱える長期的意思決定における探索とクレジット割り当ての課題解決を目指す。ALFWorld、WebShop、SciWorldでの実験では、サンプル効率と最終性能の向上を示した。