Got @jamm3rd ’s autograph✨ Eve’s here supervising at SHIFT UP~ Wanna sneak a peek into his secret office? 🤫💼 : : 金亨泰先生のサイン、GETしちゃった！✨ イヴになってSHIFT UPに視察へ〜 先生の秘密オフィス、気にならない？🤫💼

LLMの検索エージェントは、「いつ検索するか」を何で学べばよいのでしょうか 🔎 Search When Needed, Proceed When Reliable: Metacognitive Reliability Supervision for Efficient Agentic Search ❓ 最終回答の正誤を報酬にすると、何が問題ですか？ 💡 偶然の正解、無駄な検索を含む正解、有用な検索のあとの誤答があり、各検索判断が適切だったかを直接は示せません。その結果、信頼できない状態のまま進む検索不足や、すでに信頼できるのに検索する検索過多が起こります。 ❓ この論文は何を報酬にしていますか？ 💡 各ステップでモデルが出す中間の結論について、「どれだけ信頼できそうか」を推定して使います。トークンの平均負の対数尤度を不確実性とし、事前に集めたデータで不確実性から正答率への対応を作って、信頼度に変換します。 ❓ 検索する判断と、しない判断は、どう評価しますか？ 💡 ・検索しない場合は、今の信頼度が較正用の基準より高ければ報酬、低ければ罰です ・検索する場合は、検索結果を足したときの信頼度から、足さないときの信頼度を引いた差で評価します この平均をプロセス報酬としてGRPOに加えます。プローブは学習時だけで、推論時の追加コストはありません。 ❓ 効果はどれくらいですか？ 💡 Qwen2.5-7Bの7つのQAで平均CEM 69.3となり、最強のベースラインHiPRAGの67.2を上回りました。1問あたりの検索回数は1.64回で、HiPRAGより6.8%少なくなります。ただしマルチホップでは検索が約6.6%増え、学習は1ステップ約14.6%遅くなります。 #AgenticRAG# #ReinforcementLearning#

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#

1時間以上のインタラクティブ世界を、単一GPUで生成し続けられる——そんな世界モデルが登場しました。 Alaya-EVOKE: From Linear-Scaling Supervision to Endless World 動画世界モデルの核心技術を3つに絞り込み、徹底的に深掘りします。 🗺 注目ポイント1：外部幾何学メモリによるO(1)コンテキスト 従来の世界モデルは生成が長くなるほどトランスフォーマーの文脈長が爆発し、実質的に数分が限界でした。EVOKEは生成フレームから単眼深度推定を行い、カメラポーズでインデックスした「ワールドステートバンク」に3D点群として外部保存します。次チャンク生成時はバンクから必要な幾何学情報を検索してデノイザーに注入するため、セッションが65分を超えても各コールの入力サイズは1.5秒（9フレーム）のまま一定です。「セッション長は再帰コールの回数のみを増やし、各コールのコンテキスト長は一切増やさない」という設計が鍵です。 🎓 注目ポイント2：監督ホライゾンと勾配ホライゾンの分離 長期的な一貫性には長いホライゾンで監督する必要がありますが、バックプロパゲーションのメモリが問題でした。EVOKEは14B Wan2.2教師モデルを設計し、「教師は完全軌跡を評価するが、学生の勾配計算はチャンクごとに切り離す」という手法で解決します。制御実験では、長ホライゾン教師（30秒監督）の学生は輝度が101%で安定、短ホライゾン教師の学生は74%に下落（Wilcoxon p=0.016）。長い教師監督が長期一貫性の「要」であることが統計的に証明されました。 ⚡ 注目ポイント3：CFGなし3ステップ推論でVBench-2.0首位 CFG（Classifier-Free Guidance）を一切使わず、粗→細の潜在ピラミッドで3回のデノイジングのみ。それでもVBench-2.0でスコア66.77（10システム中1位）を達成し、多ステップシステムと同等品質を実現。1チャンク（1.5秒）の生成時間はH200 1枚で2.11秒です。 「持続的状態とデノイザーコンテキストのデカップリング」という発想の転換が、時間軸で破綻しない世界モデルへの道を開きました。 #世界モデル# #動画生成AI#

·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 　 👗FRUITS ZIPPER 新衣装👗 　 👑プリンセスルック衣装👑 ·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 🩵真中まな @manafy_fz0422 Costume supervision：HIROSUMI SAITO 🎧FRUITS ZIPPERを聴く #KAWAIILAB# #FRUITSZIPPER# #ふるっぱー# #フルーツジッパー#

·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 　 👗FRUITS ZIPPER 新衣装👗 　 👑プリンセスルック衣装👑 ·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 💛早瀬ノエル @noel_fz1229 Costume supervision：HIROSUMI SAITO 🎧FRUITS ZIPPERを聴く #KAWAIILAB# #FRUITSZIPPER# #ふるっぱー# #フルーツジッパー#

·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 　 👗FRUITS ZIPPER 新衣装👗 　 👑プリンセスルック衣装👑 ·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 🧡鎮西寿々歌 @suzuka_fz1124 Costume supervision：HIROSUMI SAITO 🎧FRUITS ZIPPERを聴く #KAWAIILAB# #FRUITSZIPPER# #ふるっぱー# #フルーツジッパー#

·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 　 👗FRUITS ZIPPER 新衣装👗 　 👑プリンセスルック衣装👑 ·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 🩷松本かれん @karen_fz0328 Costume supervision：HIROSUMI SAITO 🎧FRUITS ZIPPERを聴く #KAWAIILAB# #FRUITSZIPPER# #ふるっぱー# #フルーツジッパー#

·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 　 👗FRUITS ZIPPER 新衣装👗 　 👑プリンセスルック衣装👑 ·.⟡ ┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 💚櫻井優衣 @yui_fz0221 Costume supervision：HIROSUMI SAITO 🎧FRUITS ZIPPERを聴く #KAWAIILAB# #FRUITSZIPPER# #ふるっぱー# #フルーツジッパー#

·.⟡┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 　👗FRUITS ZIPPER 新衣装👗 　 👑プリンセスルック衣装👑 ·.⟡┈┈┈┈ ✧ ┈┈┈ ✧ ┈┈┈┈⟡.· 💜仲川瑠夏 @luna_fz0703 Costume supervision：HIROSUMI SAITO 🎧FRUITS ZIPPERを聴く #KAWAIILAB# #FRUITSZIPPER# #ふるっぱー# #フルーツジッパー#