Claw-Eval：自律エージェントの信頼できる評価に向けて
自律エージェントの評価における既存の課題を解決するため、人間が検証した300のタスクを含む新しい評価ス…
研究
2745件
大規模な問題削減：計算困難な問題のAIエージェントによる統合
AIエージェントを活用し、NP困難な最適化問題間の変換ルールを大規模に自動生成する手法が開発されました。
Autogenesis：自己進化するエージェントプロトコル
LLMベースのエージェントシステムが自己進化し、複雑なタスクを効率的に解決する新プロトコル「Autogenesi…
静的なスナップショットを超えて：エージェント型言語モデルのための実証的評価フレームワーク
エージェント型LLMの評価における既存の課題を解決する新しい評価フレームワーク「Grounded Continuous Ev…
MedMNISTにおけるPNWモデルの100%精度達成ベンチマーク
PNWモデルがMedMNISTの18の生体医用データセットで100%の分類精度を達成しました。
教師なし視覚トレースからリフトされた行動モデルを学習
AIが行動モデルを、行動の観察なしに視覚情報のみから学習する新しいフレームワークが提案されました。
FutureWorld: 実世界の結果報酬を用いた予測エージェント向けライブ強化学習環境
実世界の出来事を予測するAIエージェントの性能を向上させるための新しい強化学習環境「FutureWorld」が発…
WaferSAGE：合成データ生成とルーブリック誘導型強化学習によるLLMを活用したウェーハ欠陥分析
半導体製造におけるウェーハ欠陥の視覚的質問応答を、小規模な視覚言語モデルで実現するフレームワークが…
AEM：マルチターンエージェント強化学習のための適応的エントロピー変調
LLMエージェントの強化学習において、報酬が少ない環境でも効率的に学習できる新手法「AEM」が開発されま…
エージェントAIのオーケストレーションはベイズ一貫性を持つべきである
エージェントAIシステムにおいて、LLMとツールを連携させる制御層にベイズの原理を適用すべきだと提唱され…
強化学習LLM進化的探索によるザランキェヴィッチ数の新たな限界
LLMを用いた進化的探索により、ザランキェヴィッチ数の正確な値3つと、41個の下限が新たに発見されました。
GR-Ben：プロセス報酬モデルの汎用推論評価ベンチマーク
プロセス報酬モデル（PRM）の推論エラー検出能力を評価する新しいベンチマーク「GR-Ben」が発表されました…