🎮 コードエージェントが強いのは「実行して検証できる」から。同じ発想をゲーム開発に持ち込み、世界モデルの学習を加速させる研究です。 タイトル: Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models URL: 🧩 概要 動画やCLIPスコアのような曖昧なプロキシ指標では報酬がゲーム化されやすいという「検証可能性のボトルネック」を指摘し、ゲームエンジンの衝突判定・物理演算・navmeshチェックを報酬源として活用する手法を提案しています。 ❗ 解決する課題 空間生成モデル（動画・3D・世界モデル）は信頼できる報酬信号を欠いており、スケーリングしても真の能力向上につながらない「不可検証性の代償」を抱えています。 🛠 方法論と提案手法 エンジン由来の密な構造的報酬と人間の採否判断を組み合わせるRLHEV、Propose→Render→Verify→Repair→Reviewの反復ループを回すAWoMoエージェント、開発トレースを統一構造化するUWDPプロトコルを提案しています。 📊 実験結果 UnitySceneBenchで曖昧プロキシ比+0.098、クロスエンジン汎化はUnity→Godotで0.15→0.35に向上。さらにD4RL Gym-MuJoCoで+48.43%、R2Rナビゲーションで+0.79%の性能向上も確認されています。 #世界モデル# #強化学習#

「残高を確認して」と頼んだだけなのに、エージェントが取引履歴やカード情報まで取得していませんか。そんな「頼んでいないのに取りすぎる」問題を初めて体系的に測った研究です。 タイトル: OverAct: Measuring and Mitigating Proactive Over-Authorization in LLM Tool-Calling Agents URL: 銀行・医療・Eコマースなど8ドメイン720エピソードのベンチマークOverActで、LLMエージェントの「能動的な権限超過」を測定した研究です。注目ポイントを3つ紹介します。 🚨 全モデルが許可範囲を有意に超過 Qwen・DeepSeek・GLM・Kimiなど7モデルすべてで、必要最小限を超えたツール呼び出しが発生。スコープ膨張比（SIR）はモデルによって1.18〜2.39に達しました。 ❓ 依頼の曖昧さが過剰取得の最大の予測因子 依頼が精密であればほぼ完全に準拠する一方、曖昧な依頼では2.7倍のスコープ超過が起きました。明確な指示そのものが、最も効果的な予防線になるということです。 🛡️ フィルタリングで43%のプライバシー侵害を削減 提案手法SelfAuditは、ツール呼び出しの正当化理由を生成した上で不当な呼び出しを除去することで、オラクル知識なしにプライバシー侵害を43%削減しました。理由を述べるだけでは逆効果で、明示的な除去が本質的に重要でした。 人間の評価でも、過剰な呼び出しの71.2%が「望んでいなかった」と判定されており、この問題が実感レベルでも無視できないことが分かります。 #AIエージェント# #プライバシー#

子供の頃使っていたシャンプーは、ボトル容器じゃなくてねじ蓋の瓶（クリームとかワックスが入ってるようなやつ）で、手にとって泡立てて使ってた記憶があるのだけど、メーカー名も商品名も思い出せない。 一緒に、洗面器に少し入れてお湯で溶いて使うリンスもあった気がする（曖昧）

【速報】瀬戸環奈(瀨戶環奈)是你女友的妹妹！然後她自己送上門來！ 是「彼女の妹」的企劃啊，瀬戸環奈在這支最新的作品飾演的是你女友的妹妹，在完全主観的視角下，她偷偷來到你住的地方，洗完澡後很放鬆地倒在沙發上，氣氛逐漸曖昧⋯ #瀬戸環奈# #瀨戶環奈#

#シュリクラ　# 2回目の通し稽古が終わりました！ まだまだ反省するところ山盛りですが、残り少ない稽古で頑張るよ〰️🤙🏽 写真は先月から引き続きのおふたり 🦀と🦐を表現したポーズですね、おそらく（記憶曖昧）