Tag
5 件の関連記事
arXiv cs.AIは2026年10月7日(現地時間)、論文「Speaking the Navigator's Language: Trajectory-Grounded Instruction Translation for Frozen Aerial VLN Agents」で、視覚言語ナビゲーション (Vision-and-Language Navigation、VLN) エージェントが直面する指示ギャップを解消する新手法「TGIT (Trajectory-Grounded Instruction Translator)」を発表した。ユーザーからの簡潔な指示と、エージェントの訓練に用いられる詳細なコマンドとの乖離が課題とされており、既存のOpenFlyナビゲーターではこの乖離により成功率が31.03%から11.33%に低下する。TGITは、ナビゲーターを固定したまま簡素化された入力指示をエージェントが実行可能なコマンドに変換し、成功率の大幅な向上を実現する。
arXiv cs.AIは9月25日(現地時間)、パーサ・ホセイニ (Parsa Hosseini) らが発表した研究論文で、推論モデルの生成トークン数を最大25%削減しつつ、Gemma、Qwen、Nemotron、GPT-OSSといったモデルで同等の精度を維持する新たな手法を提案したと報じた。この手法は自己教師ありの信頼性訓練を利用し、推論効率の大幅な改善を実現する。
arXiv cs.AIは2026年6月8日(現地時間)、リシャブ・サバルワル氏らの研究チームが、深層研究エージェント（DRAs）の多段階評価に関する論文を公開した。既存の評価手法が単一出力のみに焦点を当て、フィードバックによるエージェントの改善能力を軽視している現状を指摘。本研究では、自己反省とプロセスレベルフィードバックという二つの設定下でDRAsの性能を詳細に評価し、多段階での確実な改善が依然として達成できていない現状を明らかにした。
Xiaona Zhou氏らは5月28日(現地時間)、研究論文投稿サイトarXiv cs.AIを通じて、時系列データにおける異常検出に特化したVision-Language Model (VLM)「VisAnomReasoner」を開発したと発表した。パラメータ効率を追求したこの新型モデルは、従来のVLMが時系列データの異常パターン検出で抱えていた課題に対応。VisAnomBenchおよびTSB-AD-Uベンチマークにおいて、既存のベースラインモデルを大幅に上回る性能を実証したとしている。
Yijun Lu氏らの研究チームは2026年5月6日(現地時間)、長期にわたる探索エージェント向けに、新しい文脈オーケストレーション手法「コンテキスト・リアクト（Context-ReAct）」と、それに基づくエージェント「ロングシーカー（LongSeeker）」を発表した。この手法は、エージェントが推論、ツール使用、情報観察を行う際に、急速に増加する作業文脈を適応的に管理することを目的としている。計算コストの増加や誤情報生成のリスクを低減し、探索エージェントの効率と信頼性向上を目指す。