cv usk(@cv_usk):初めて触るソフトウェアの前で、人はまず「あちこち試して、何が起きるか覚える」ところから始めます🧭 エージェントは、これまで新しい環境に出会うと、データを集め直して再学習する必要がありました。コストが高く、社内ツールのような非公開で変わり続ける環境には使いにくい方法です。そこで RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments は、学習をしない道を選びます。探索を決めるカリキュラム、実行して記憶を育てるアクター、結果を判定する検証の3役が、環境の中で行動と結果の因果関係を見つけ、メモリに蓄えます。まず広く試し、次に難しい境界条件を深く掘り、最後にメモリを凍結してテストに臨みます。 OSWorld 2.0では部分スコアが71.97から78.98、二値の正解率が37.80から42.68に上がりました。ゲーム開発のベンチマークでも、総合品質が52.77から61.28になっています。一方で、受け入れた誤りが永続的なルールになる失敗や、テスト時のコストの高さも著者自身が認めています。パラメータを更新せず、探索で得た記憶だけで性能を引き上げる方向性は、実運用でも試す価値がありそうです。 https://t.co/9k46g84zdr #AIエージェント #自己改善

2026.11.12 02:53

初めて触るソフトウェアの前で、人はまず「あちこち試して、何が起きるか覚える」ところから始めます🧭 エージェントは、これまで新しい環境に出会うと、データを集め直して再学習する必要がありました。コストが高く、社内ツールのような非公開で変わり続ける環境には使いにくい方法です。そこで RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments は、学習をしない道を選びます。探索を決めるカリキュラム、実行して記憶を育てるアクター、結果を判定する検証の3役が、環境の中で行動と結果の因果関係を見つけ、メモリに蓄えます。まず広く試し、次に難しい境界条件を深く掘り、最後にメモリを凍結してテストに臨みます。 OSWorld 2.0では部分スコアが71.97から78.98、二値の正解率が37.80から42.68に上がりました。ゲーム開発のベンチマークでも、総合品質が52.77から61.28になっています。一方で、受け入れた誤りが永続的なルールになる失敗や、テスト時のコストの高さも著者自身が認めています。パラメータを更新せず、探索で得た記憶だけで性能を引き上げる方向性は、実運用でも試す価値がありそうです。 #AIエージェント# #自己改善#