登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 エージェントAI
エージェントAI コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
エージェントAI を含む検索結果
AIエージェントはまだ「ほぼ使われていない」――Uberの4件とFalの160億ドルが示す、AI社会の足元|Soichi Noguchi @Astro_Soichi #AI# #AIエージェント# #AI推論# #生成AI# #AIネイティブ#
もっと見る
AIエージェントに分析を任せても、「大事な判断は自分が下している」と思っていませんか?🤔 専門家は、結果を左右する分かれ目の判断で、実はエージェントに寄っていくのかもしれません。Anthropicは50人のプロの分析者でこれを確かめました。架空の農業協同組合のプログラムを評価する課題で、生産性の測り方、比較手法、対象範囲、重み付けの4つの判断が開いており、エージェントの支持する案をコイン投げで密かに割り当てました。 結果は、分析者の86%がエージェントの傾向に一致しました(影響がなければ約50%)。事前に自分の好みがあった人でも、エージェントが反対すると60%が意見を変えています。さらに77%が事後の説明でエージェントの論拠を繰り返す一方、エージェントの功績としたのは15%だけでした。経験の長さも、従いやすさをほとんど説明しませんでした。 🧭 注意点として、この実験ではエージェントの好みをあえて強く出しています。それでも、専門家が選択肢を比べる過程で見解を固めるなら、片側を上手に示すエージェントはその前に見解を形づくりえます。筆者らは、各選択肢の最強の論拠を示す設計や、先に本人の見解を尋ねる設計を挙げています。 How AI Agents Shape Experts' Judgment Calls #AIエージェント# #AIセーフティ#
もっと見る
営業AIエージェント「Aitane」、10月1日よりβ版を提供開始
AIキャリアエージェント「Aile(エール)」、LINE公式アカウントを刷新 転職相談から求人案内・応募管理までひと...
AI転職エージェント「Aile」、キャラ相談とAI求人相談を1つのスマホアプリに統合
マーケティングの意思決定AIエージェント「AI-CMO」構築・定着支援サービスを提供開始。企業での構築から現場定着...
🔬 最上位のAIエージェントでも、科学計算コードの修復タスクは約1/3が1時間以内に解けないという結果が出ました。 タイトル: ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments URL: 🧩 概要 AItonomy・Qwen・PhAI-Labsが、天体物理・海洋モデリングなど27の科学コードベースを、AIエージェントが学習できる実行可能な環境へ変換するインフラ「ScienceIDE」を構築しました。64環境・2,812タスクを整備しています。 ⚙️ 解決する課題 科学コードには数十年分の専門知識が詰まっていますが、断片化したツールチェーンや文書化されていない数値慣習のせいで、信頼できる学習経験に変換するのが困難でした。 🛠 方法論と提案手法 数値許容誤差や保存量を比較する「科学的チェック」でタスクの正当性を検証し、修復・実装など7分類のタスクを生成。強化学習では予算切り捨てへの不当なペナルティを防ぐ「切り捨てマスキング」という工夫も導入しています。 📊 実験結果 1時間予算でのエージェント比較ではFable 5.1が67.1%で最高、Astraが63.1%。ScienceIDEの経験で学習したPhAI-IDEモデルは科学コード修復タスクで最大+33.33ポイント、強化学習ではLAPSタスクの報酬が2.4倍に向上しました。 #AIエージェント# #AI4Science#
もっと見る
Sky株式会社が自動レビューAIエージェント「AI Labot」を軸にしたプロセス革新で10倍以上の生産性を実現
【速報】 Claude Codeでエージェント(AIの作業役)を自作してる人、これ先に読んで😳 Anthropic公式が「AIの利用料を13分の1にする手順書」を無料で公開してました。 ・先に"合格ライン"を決める(品質を下げない前提を作る) ・同じ前置きを毎回送り直さない(1回分の料金で使い回す) ・資料は最初に全部渡さず、必要になった時だけ取りに行かせる ・返事の形を先に指定して、長くなる出力そのものを短くする いちばん効いたのは2つ目で、これだけで1件あたりの料金がほぼ半分になってます👇
もっと見る
エージェントに正しい権限を渡していても、「その行動をやるべきか」は別の問題です🛡️ Securing AI Agents: Lessons From Real-World Deployment Uberが、自社のAIエージェントを守る多層防御の枠組み「Uber Secure AI」の設計と得られた教訓を公開しました。認可は「誰が行動できるか」に答えますが、エージェントには「この行動は要求に合っているか」を確かめる層も必要だという考え方です。 注目ポイントは3つです。 📜 振る舞いの契約を登録する AI Registryに、各エージェントのペルソナ、許可されたインテント、制約、リスク階層を記録します。Argusがコードやプロンプトから実際の能力を導出し、宣言との差を検査します。 ⚡ 小さなモデルで実行時に判定する AI Guardが提案された行動を評価し、実行前に判定を強制します。経路上に置くため、リモートの汎用LLMではなく、ローカルの小さな専用モデルを並列に動かします。 🎯 一番効いたのは、インテントと制約の限定 エージェントを明示的なインテントと制約に絞ると、操作された指示で動く余地が大きく減りました。代わりに柔軟性は下がります。開発者が回避しないよう、導入の簡単さも制御の一部と位置づけています。 ガードレールはリスクを下げるが排除はしない、と率直に書かれている点も参考になります。定量的な結果は示されていません。 #AIエージェント# #AIセキュリティ#
もっと見る