ainews24-ops

多段階のタスクで報酬を分解する手法、エージェントの学習効率を測る話

多段階のタスクで報酬を分解する手法、エージェントの学習効率を測る話

2026/9/25  

RLDS が ScienceWorld で正答率が 11.5 ポイント向上。

思考を悪い方向に誘導する対話例で推論モデルを崩す攻撃を示し、同じ例に触れさせて安全性を鍛える手法を提案

思考を悪い方向に誘導する対話例で推論モデルを崩す攻撃を示し、同じ例に触れさせて安全性を鍛える手法を提案

2026/9/25  

ARCFが、推論モデルの安全性と有用性を両立して向上させた

分子設計の LLM エージェントを評価する MolDesignBench、実務に近い複雑な設計課題の評価

分子設計の LLM エージェントを評価する MolDesignBench、実務に近い複雑な設計課題の評価

2026/9/25  

MolDesignBench が公開。最良のモデルでも成功率は約 43%。

スポンサーリンク

抽象推論の多面的な習得を測る PotARCin、5次元でモデルを比較

抽象推論の多面的な習得を測る PotARCin、5次元でモデルを比較

2026/9/25  

PotARCin が、抽象推論の習得を5つの次元で測る。標準評価と最大52ポイントの差が確認された。

自分の操作から学ぶ画面操作エージェント、多手順の操作へ自己蒸留を広げ成功率で先行手法を上回る

自分の操作から学ぶ画面操作エージェント、多手順の操作へ自己蒸留を広げ成功率で先行手法を上回る

2026/9/25  

GUI-SD-v2 が、評価した最先端手法の成功率を Pass@1、Pass@3 で上回った。

Qwen3-8B をベースに状態と行動を関連付ける対比学習で訓練した Contrastive-LM、アクション予測の手法

Qwen3-8B をベースに状態と行動を関連付ける対比学習で訓練した Contrastive-LM、アクション予測の手法

2026/9/25  

Contrastive-LMの重みがApache 2.0で公開。Qwen3-8Bの上に小さなヘッドを追加するだけで訓練可能。

スポンサーリンク

Ling-3.0-flash-VL を llama.cpp でローカル推論する GGUF 版の選び方

Ling-3.0-flash-VL を llama.cpp でローカル推論する GGUF 版の選び方

2026/9/25  

Ling-3.0-flash-VL の llama.cpp 用 GGUF が公開。Q4_K_M は 78.66GB。

長期タスクの AI が行動前に出すメモリ信号 PaMER、コンテキスト消費を減らす話

長期タスクの AI が行動前に出すメモリ信号 PaMER、コンテキスト消費を減らす話

2026/9/25  

PaMER が長期タスクのコンテキスト消費を大幅に減らしつつ、タスク性能を維持した

Flaxの内部実装を整理しHiPrimの処理を改善する変更

Flaxの内部実装を整理しHiPrimの処理を改善する変更

2026/9/25  

Flax 0.12.10 がリリース。HiPrimitive の内部実装を整理した

スポンサーリンク

ポリシー実行をスキル化しガバナンスを検証するPaS、Gemma4で評価した話

ポリシー実行をスキル化しガバナンスを検証するPaS、Gemma4で評価した話

2026/9/25  

PaS が Gemma4 で 53.8% の正確さを出した。