BATON:ロボットの長い作業を段階ごとに探索する研究
BATONは作業を段階ごとに探索し、その解決方法と段階間の状態を記憶して長い作業を組み立てます。論文はモデルのパラメーターを更新せず、RoboMemArenaで既存手法との成功率比較を報告しています。
Archive 記事を横断検索
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る1 / 1ページ
BATONは作業を段階ごとに探索し、その解決方法と段階間の状態を記憶して長い作業を組み立てます。論文はモデルのパラメーターを更新せず、RoboMemArenaで既存手法との成功率比較を報告しています。
・GitHub 上の 2,361 個の人気リポジトリから 25,264 件の AI エージェント生成プルリクエストを分析 ・AI エージェントがコード生成と PR 自動提出を行う新しい開発形態の実態を調査 ・プロジェクト単位での AI ツール導入パターンと管理方法の差異を明らかに ・従来の個別 PR 評価ではなく、組織レベルでの採用戦略の重要性を示唆
論文は、見積もり・実行・必要時の拡大からなるE3を提案しています。121件の編集を扱う能力制御されたシミュレーターでは、最強の比較手法と同じ成功率で費用を85%、トークンを91%削減したと報告しました。別の実モデルを使う検証もありますが、シミュレーターの削減率を実サービスの効果として扱うことはできません。
VEXAIoTは検出と攻撃実行のエージェントを組み合わせ、IoTGoatとMetasploitableの10シナリオで評価されました。論文は260回の実行全体で攻撃成功率95.0%を報告しています。この数値は評価条件における成功率であり、すべての脆弱性を発見できることや実務の検査コスト削減を示すものではありません。
Jailbreakは、データベースの保存形式に対応する読み取りコードを生成し、ファイルから列形式の分析データを作る手法です。論文はPostgreSQLとMySQLのスナップショットを対象に、TPC-Hの結果を既存のドライバ経由と比較し、条件付きで最大27倍の高速化を報告しています。すべてのDBや業務で同じ効果が出ることは示していません。
HORIZONは、ハードウェア設計をリポジトリ単位のコード進化として扱うエージェント基盤です。ドメイン知識、実行可能な評価器、受理条件などをまとめた設定を基に、隔離された作業領域で設計コードを変更・評価します。論文では複数のベンチマークを完了したと報告する一方、管理された課題は実際の半導体設計全体の代わりにはならないとしています。
SHERLOCは推論モデルとリポジトリ操作ツールを組み合わせ、追加学習や複数エージェントの連携を必要とせず、障害箇所と診断情報を提示します。論文はSWE-Bench Verifiedで修復エージェントの解決率が平均5.95ポイント上昇し、全体のトークンが23.1%減少したと報告しています。追加学習が不要であることから、既存製品に軽微な実装だけで導入できるとは判断できません。
・複数の目標と異なる観測・役割を持つエージェント間の協調意思決定を扱うマルチエージェント強化学習の研究。 ・提案手法「PCMA」はエージェント固有の嗜好を学習し、複数目標間のトレードオフを補完的に調整。 ・衝突する目標とエージェント間の役割差を同時に最適化する理論的枠組みを提示。 ・ロボット制御や複数チーム運用など実務的応用の基礎となる可能性。