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 自己改善
自己改善 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
自己改善 を含む検索結果
自己改善するマルチモーダルモデルは、「いつ新しい問題に入れ替えるか」を学習ログだけで決められる🔄 A-RSI: Adaptive Task Refresh for Zero-Data Multimodal Self-Improvement 📌 概要 人手のラベルなしでVLMを自己改善させるとき、学習タスクのプールを適切なタイミングで更新する手法A-RSIを提案しています。 ⚠️ 解決する課題 ・多くの手法は「次に何を作るか」に注目し、「いつ入れ替えるか」を扱いません ・多数決などでラベルを作ると、モデル自身の誤りが学習目標になります 🧩 手法 ・ベースモデルがパラメータ付きのタスクジェネレータを書き、画像・質問・参照答えをプログラムで生成します ・GRPOで学習し、報酬は正答を最優先にします ・報酬にばらつきが残るプロンプト数が減るか精度が上がると、プール全体を未使用タスクに入れ替えます 📊 結果 ・Qwen3-VL-8Bの11ベンチマーク平均が57.77から61.05に上がりました。新規タスクは800件です ・毎ウィンドウ更新の60.64は3,200件で、4倍のタスクを使っています ・MiMo-VL-7Bでも59.08から60.71になりました 🔭 意義 検証スコアを使わずに更新時期を決められる点が実用的です。一方、各比較は1回の学習のみです。 #自己改善# #マルチモーダルAI#
もっと見る
自己改善AIの仕組みって、分解するとけっこう地味な部品でできてる。 ・自分の挙動やコードを書き換える手段 ・変更が良くなったか測るベンチ ・良い版だけ残す選択ループ ・暴走を止めるサンドボックス ・人間のレビュー 「勝手に賢くなる」より、評価と選択の積み重ねに近い。
もっと見る
【AIが自己改善「超知能」に危機感】
長期記憶や自己改善には専用のハーネスが必要、という前提はもう古いのかもしれません。 タイトル: Harness as a Language: A Minimalist Agent Framework With Maximal Expressivity URL: ❓ JAZとは何ですか? `invoke`というたった1つの基本要素だけで動くLLMエージェントフレームワークです。LLMが再帰的なinvoke呼び出しを含む実行可能コードを書き、実行環境内の変数としてすべてが見える、という最小構成になっています。 ❓ なぜこれが長期記憶の代わりになるのですか? JAZはREPLの対話履歴を`__history__`という変数としてコード実行環境に公開します。エージェントはこれをプログラム的に参照し、サブエージェントに委任するときも参照渡しできるため、専用の記憶ストアを使わずに記憶・再想起を実現できます。 ❓ 専用ハーネスより性能が出るのですか? 長期タスクのStuLifeベンチマークでは、専用メモリシステムLettaを遠距離再想起で8ポイント上回りながらコストは半分以下でした。AppWorldでの継続的改善タスクでも、専用ハーネスACEを上回る性能をより低コストで達成しています。 ❓ この研究の意義は何ですか? 高度な能力には複雑なハーネスが必要という前提に疑問を投げかけ、表現力の高い最小限のループの中でモデル自体を強くする方向を示唆しています。 #AIエージェント# #LLM#
もっと見る
反省させたりルールを抽出させたり、凝った自己改善の仕組みを積めば積むほどエージェントは賢くなる。本当にそうでしょうか。 タイトル: Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments? URL: 直感に反するルールを持つ20種のテキストゲームで、LLMエージェントが「本当にインタラクションから学習できているか」を測るベンチマークです。事前学習の知識では太刀打ちできない新規ルールを使っているのがポイントです。注目ポイントを3つ紹介します。 🧠 生の履歴が凝った処理手法を上回る 反省やルール抽出、ワークフロー誘導といった洗練された自己改善手法は、不完全なルールを生み出して後の探索を狭めてしまいます。生のインタラクション履歴をそのまま使う方が、あらゆる指標で優れた結果を出しました。 🛠️ 専用ハーネスが汎用ハーネスを大きく上回る 同じバックボーンモデルでも、専用に訓練されたハーネス(Claude CodeやCodex)は汎用のOpenCodeを全指標で上回りました。モデルとハーネスの相性が学習効果を左右します。 👤 人間はまだエージェントより上 最も優れた人間プレイヤーのピーク性能(84.3)は、最良のエージェント構成(81.8)をわずかに上回りました。人間は挫折後の回復率も33%対22%で優位で、より多様な戦略を試す傾向がありました。 洗練された記憶の仕組みを積むより、証拠をそのまま残しておく方が強いという指摘が印象的です。 #AIエージェント# #ベンチマーク#
もっと見る
TL;DR: エージェントが自分を改善する際、毎回ベンチマークで評価し直すのは高コストです。過去の自己改善の記録だけを頼りに、報酬なしで改善を進める手法SelfSearchが、コストを半分以下に抑えつつ性能も向上させました。 タイトル: SelfSearch: Reward-Free Search for Self-Improving Agents URL: ポイント 🧠 エージェントが過去の自己修正試行の「エピソード記録」(推論の軌跡・ツール利用・成功/失敗)を読み取り、ダウンストリーム評価なしで自身を改善 🔀 「能力」重視と「適応」重視の2方向に並行してエージェントを進化させ、発見を共有しながら別々に深化 📊 Terminal-Bench 2.1でGPTが43.8%→55.1%、DeepSeekが65.2%→73.0%に向上 💰 探索コストは評価ガイド型ベースライン比49.0〜53.2%削減。DeepSeek V4 Flashではわずか4.03ドルの探索コストでTerminal-Bench 2.1の82.0%を達成し最高性能ベースラインに匹敵 ⚡ SWE-bench Multilingualでは成功率+5.0ポイントと同時に実行コストを38.5%削減 🔁 GPTで進化させたエージェントをDeepSeekへそのまま転用しても性能向上が確認され、モデル間の転移性も良好 評価コストという足かせを外して自己改善サイクルを回せるようにした設計は、実運用への応用価値が高いと感じます。 #AIエージェント# #自己改善#
もっと見る
まじで歴史に残る下落だと思う🐹 AIエージェントが流行し、AIが成長して再帰的自己改善まで進んだこの1年間の上昇が全部消えたわけですから。 市場は適当なのか、市場が完璧だからなのか...
もっと見る
人間の専門家でも評価が追いつかないほど賢くなったAI、その先の「自己改善」はどう続ける?その壁を破る新手法が登場しました。 タイトル: Recursive Self-Improvement through Multi-Agent Self-Supervision URL: 1つのAIが自分の出力を自分で採点する「同種ループ」には限界があります。この研究が提案するMASS(Multi-Agent Self-Supervision)は、複数のモデルコピーを協調させて進化的にワークフローを最適化し、その軌跡で自分自身を再学習することで、再帰的な自己改善を実現します。 🧬 進化するワークフロー タスクごとにオーケストレーター役とサブエージェント役の構成(役割・指示・出力契約・実行順序)を進化的探索で改善します。自己評価だけを頼りに、より良い協調パターンを見つけ出していく仕組みです。 📈 トークン効率と性能の両立 Qwen3.6-27Bを使った2サイクルの改善で、オープンエンドな4つのベンチマークでトークンあたり1.2〜1.6倍の性能向上を達成。マルチエージェントの軌跡で学習した生徒モデルは、シングルエージェントで1.4倍多いトークンを使った生徒モデルよりも高い性能を示しました。 🔁 内在化によるセルフブートストラップ 推論時にワークフローの指示を与えなくても、コードの受け渡しなど協調的な振る舞いが自然と再現されるようになります(出現率が1/110から83/110へ急増)。改善されたモデル自身が、次のサイクルではより優れた最適化者・評価者として機能し、継続的な能力向上のループが回り始めます。 複雑な推論を人間が採点できない時代に、AI同士の協調がAI自身を鍛える仕組みは今後ますます重要になりそうです。 #AIエージェント# #自己改善#
もっと見る
「AI競争の停止を求め、アンソロピック研究者が辞職」同僚も「人類絶滅リスク」に言及→自己改善型「超知能」の制御不能を警告、開発を急ぐ企業を「無責任」と批判 開発を進める側の研究者自身が、競争の危険性を訴えた点が重いです。
もっと見る
🧬 エージェントが自分自身を「安全に」進化させるには、プロトコルそのものを作り直す必要がある——MCPやA2Aに足りないピースを埋める自己進化プロトコルが登場しました。 タイトル: Autogenesis: A Self-Evolving Agent Protocol URL: 🧬 概要 Autogenesis Protocol(AGP)は、LLMエージェントが実行中に自分のプロンプト・ツール・方策などを動的に改善できるようにする自己進化プロトコルです。中心思想は「何が進化するか」と「どう進化するか」を分離することです。 ❓ 解決する課題 既存プロトコル(Anthropic MCP、Google A2A)は接続や呼び出しは標準化しますが、進化に不可欠な要素が欠けています。 ・リソースがエージェントのコードと密結合している ・進化ステップのバージョン管理やロールバックが無い ・場当たり的な修正で、厳密な制御ループを成す標準オペレータが無い 💡 方法論と提案手法 AGPは2層構造です。 ・RSPL:プロンプト・エージェント・ツール・環境・メモリの5種を、状態・ライフサイクル・バージョン管理されたインターフェースを持つ「登録リソース」として扱う ・SEPL:進化を型付きの合成可能オペレータで形式化し、すべての変更をRSPL経由でバージョン管理・可逆にする この上に構築したAGSは、Agent Bus上でサブエージェントを並行実行し、失敗の兆候があればReflect→Select→Improve→Evaluate→Commitのループで自己改善します。 🎯 ユースケース 長期計画や多様なツール利用を要するエージェント開発に有効です。改善の系譜が残りロールバックできるため、壊れやすいグルーコードを避けつつ安全に自己進化を運用できます。 📊 実験結果 ・科学・数学:弱いモデルほど効果大。gpt-4oはAIME25で+100%、gpt-4.1はAIME24で+71.38%。一方で飽和した強モデルは天井効果で伸び小 ・GAIA:Test 79.07%→89.04%(+12.61%)。難易度Lv3で+33.34%と難問ほど効果大 ・コード生成:C++は合格79→99、TLEエラー9→0、実行効率+46.4%。プロンプトと出力の同時進化が最良でした #AIエージェント# #自己進化#
もっと見る