JST
Amazon Nova 2 Sonicで医療予約自動化エージェントを構築
・米国のヘルスケアにおける無断キャンセル率は診療科目により5～30%で、年間150億ドルの収益機会損失が発生 ・Amazon Nova 2 Sonicを活用して医療予約管理を自動化するエージェント構築の実装方法を提示 ・手動での患者への連絡業務を削減し、予約確認と関連業務を効率化できる実装パターンを紹介
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
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4 / 4ページ
- Source
- JSTSource
コード修復エージェント向け構造化診断定位フレームワーク SHERLOC
・LLM エージェントがコード修復タスク時に予算の約半分をバグ箇所の特定に費やす課題に対応 ・従来の定位フレームワークは単純なファイル検索に留まり、修復に必要な診断文脈を提供していない ・SHERLOC は仮説駆動型の推論と構造化探索を組み合わせた訓練不要のフレームワークを提案
- JSTSource
Amazon Bedrock AgentCoreにウェブ検索機能が追加、リアルタイム情報への対応が可能に
・Amazon Bedrock AgentCoreにウェブ検索機能が実装され、AIエージェントがリアルタイム情報にアクセス可能になった ・学習時点での固定知識という従来の制限を超え、最新のニュースや株価、リリース情報などへの回答対応が実現 ・エンタープライズ向けAIエージェント構築において、情報鮮度が重要な用途（営業支援、カスタマーサポート等）の実装が現実的に
- JSTSource
AI エージェントとは何か：初心者向けガイド
・AI エージェントはチャットボットと異なり、目標を複数のステップに分解し、判断・ツール利用・実行を自動で行える ・人間による介入を最小限に抑えながら、一連のタスクを自律的に遂行する特性を持つ ・単なる質問応答ではなく、目標達成に向けた段階的なアクション実行が可能
- JSTSource
LedgerAgent：方針準拠のツール呼び出し型エージェント向け構造化状態管理
・カスタマーサービス分野のAIエージェントが、ポリシー（業務ルール）を守りながら複数ターンの対話でツール（外部システム）を呼び出す際、タスク状態を明示的に管理する手法を提案。 ・従来型エージェントでは状態がプロンプト内に散在し、エージェント自身が関連情報を再構築していた課題を、Ledger（台帳）構造で解決。 ・顧客情報、制約条件、ポリシー違反チェックなどを体系的に整理し、エラーや方針違反を削減。
- JSTSource
動画理解を推論として再構成──能動的知覚による全モード対応エージェント
・動画の全フレームを均一に処理する従来手法は計算コストが動画長に比例して増大する課題を指摘。 ・OmniAgent という新しいエージェントが、POMDP（部分観測マルコフ決定過程）に基づく反復的な「観察→思考→選択」サイクルで動画理解を実現。 ・能動的知覚により、クエリの難度に応じた効率的なフレーム選択が可能になり、計算コストを削減。 ・複数モダリティ（映像・音声・テキスト等）を統合処理できる汎用エージェント設計。
- JSTSource
EvolveNav：ゼロショット物体探索における自己進化メモリと事前反省機構
・ゼロショット物体探索（訓練なしで目的物を探すロボットナビゲーション）において、従来の基盤モデルは静的な知識に依存し適応性に欠けていた。 ・EvolveNavは、テスト時に継続的に改善する自己進化フレームワークを提案し、エージェントの行動ルールをメモリに蓄積して学習。 ・事前反省メカニズムにより、試行錯誤のコストを削減しながら、環境適応性と探索効率を向上。
- JSTSource
TokenPilot：LLMエージェント向けキャッシュ効率的コンテキスト管理
・LLMエージェントの長時間セッション運用時に、コンテキスト累積による推論コスト増加が課題となっている。 ・既存のテキスト圧縮・動的メモリ削除手法は、テキスト変更によってキャッシュ無効化とプリフィックス不一致を引き起こす。 ・TokenPilotは、テキスト削減とプロンプトキャッシュ連続性のトレードオフを解決する、二段階粒度のコンテキスト管理手法を提案する。
- JSTSource
LLMエージェントのメタ分析能力を評価する新ベンチマーク「MetaSyn」
・Nature Portfolio掲載の442件の専門家キュレーション済みメタ分析データセット「MetaSyn」を開発 ・文献検索・研究選定・統計集計を含む系統的レビュー全体パイプラインの検証を可能に ・LLMエージェントの科学的推論能力を体系的に評価するベンチマーク基盤を提供 ・既存ベンチマークに欠落していた各段階の正解データを整備
- JSTSource
文脈認識の強化学習によるエージェント型・マルチモーダルLLMの性能向上
・LLMが長い文脈や複雑な情報から重要な証拠を見落とす課題に対し、文脈認識型強化学習(ContextRL)を提案 ・最終答だけでなく、推論過程を監督する間接的な補助目的関数により、長期推論とマルチモーダル性能を同時に向上 ・ツール実行ログや画像内の細部といった、散在する重要情報の検出精度を改善する手法
- JSTSource
KVEraser：LLMのキャッシュ制御による局所的文脈削除の効率化
・長文生成時のLLM（大規模言語モデル）において、一度処理された情報の影響を後から削除する手法を提案。 ・KVキャッシュの局所編集が後続トークン全体に波及する課題を解決し、全トークン再計算を回避。 ・古い検索結果、不正確なツール出力、撤回された指示、有害なプロンプト注入など、後発的に検出される不要情報を効率的に除外。
- JSTSource
Salesforce、AI顧客対応プラットフォーム Fin を36億ドルで買収
・Salesforce が AI カスタマーサービス企業 Fin を 36 億ドルで買収。Fin の技術・チームを既存プラットフォーム Agentforce に統合する方針。 ・Agentforce はエンタープライズ向けの AI エージェント構築プラットフォーム。業務自動化タスク対応の強化が狙い。 ・Salesforce のカスタマーサービス領域での AI 機能拡張戦略の一環として位置付けられている。
- JSTSource
軽量な役割演技モデル実現に向けた「ペルソナ剪定」手法
・言語モデルの役割演技性能を保ちながら、計算コストを削減するペルソナ剪定（Persona-Pruner）を提案 ・複数NPC が同時に相互作用するような実用的なシステムでの過大な計算負荷が課題 ・汎用モデルを単一のペルソナに専用化することの必要性に疑問を提示し、効率化の余地を検討
- JSTSource
複数目標を持つマルチエージェント強化学習における協調的嗜好学習
・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。
- JSTSource
Agents-K1：エージェント向け知識統合の新アプローチ
・現在のLLMベース研究エージェントは、論文をアブストラクトや引用のみに削減し、科学的推論に必要な主要な概念や根拠を見落としている ・Agents-K1は、生ドキュメントをエージェント処理可能な形式に変換する知識統合パイプラインを提案 ・論文中の実体、主張、証拠、仕組み、手法の系統性を抽出し、より深い科学的推論を実現
- JSTSource
具体化プランナーにおけるテスト時計算の最適配置戦略
・ビジョン言語モデル（VLM）がロボットなどの具体化エージェントの高次プランナーとして使用される際、テスト時の計算量拡大が性能向上に必ずしも繋がらない課題を指摘。 ・計算量増加によって遅延・トークン使用量・FLOPsが増加する一方で、下流のタスク成功率向上は不均等で限定的であることを実証。 ・効率的な運用のため、計算リソースの配置タイミングと場所を選別する必要性を提案。