VCBench：ベンチャーキャピタルにおけるLLMのベンチマーク
ベンチャーキャピタル分野で創業者の成功を予測する初のLLM向けベンチマーク「VCBench」が発表されました。
AI&Tech、もう追いかけなくていい。
30秒で読めるニュースダイジェスト
最新ニュース
7585件
在庫管理におけるAIエージェント：人間・LLM・ORの補完性
在庫管理において、人間、LLM、数理最適化（OR）アルゴリズムが連携することで、単独よりも高いパフォーマ…
HiMAC：長期的LLMエージェントのための階層的マクロ・ミクロ学習
LLMエージェントが長期的タスクで計画と実行を分離する新しい階層的学習フレームワーク「HiMAC」が開発さ…
PhySe-RPO：物理学と意味論に基づく相対的方策最適化による拡散モデルを用いた手術煙除去
手術中の煙で視界が悪くなる問題を、拡散モデルと強化学習で解決する新手法が開発されました。
信頼できるAIエージェントのための金融リスク管理：信頼の定量化
AIエージェントの失敗によるユーザー損害を補償する「Agentic Risk Standard (ARS)」が提案されました。
ソフトトーナメント均衡：LLMエージェント評価の新フレームワーク
LLMなどの汎用AIエージェントの非推移的な相互作用を評価する新しいフレームワークが発表されました。
HiL-Bench：AIエージェントはいつ助けを求めるべきかを知っているか？
AIエージェントが自律的に行動すべきか、助けを求めるべきかを判断する能力を測る新しいベンチマーク「HiL…
HWE-Bench: 実世界のハードウェアバグ修正タスクにおけるLLMエージェントのベンチマーク
LLMエージェントが実際のハードウェアバグを修正する能力を評価する大規模ベンチマーク「HWE-Bench」が発…
Poly-EPO：探索的推論モデルの学習
言語モデルが多様な推論戦略を探索し、より正確な応答を生成する新しい学習フレームワーク「Poly-EPO」が…
構造的ガバナンスの機械化された基盤：統制された知能のための機械検証済み証明
AIシステムのガバナンス理論に関する5つの主要な結果と、それらをCoqで機械検証した研究が発表されました。
2つの境界線：行動AIガバナンスが構造的に失敗する理由
AIシステムが実行する行動に対するガバナンスが、構造的な欠陥により機能不全に陥る問題を指摘する論文が…
GUI操作の自己学習：オンポリシー自己蒸留によるGUIグラウンディング
GUI操作を自然言語から視覚座標へマッピングする新しい自己蒸留フレームワークが開発されました。