AIエージェント

Ai2 は海事向け AI Agent「Shippy」の構築経験を公開した。重要なのは大規模モデルそのものより、ツール、権限、サンドボックス、評価をどう設計するかだ。

新しい論文は、固定ベンチマークでの一回限りの改善だけでは Agent 最適化を評価できないと指摘する。新タスクを導入した継続学習設定では、手法間の差が大きく現れた。

arXivの論文は、AIエージェントが購買判断を実行する時代に向けて、DVM-HALLモデルとNHAS指標を提案している。人間の好みだけでなく、信頼、委任、実行リスク、検証可能性をブランド選択の要素として扱う点が特徴だ。

arXiv 論文が提案する Experience Memory Graph は、失敗からの回復を反省プロンプトではなくグラフ照合として定式化する。テスト時の反復試行を避け、関連する修正経験を一度の実行に使う点が特徴だ。

SPyCEは、視覚推論の軌跡を再利用可能なスキルとして蒸留し、方策とスキルライブラリを訓練中に同時に改善する枠組みだ。報酬だけに還元する強化学習や、静的な記憶検索に頼る手法との差別化を狙う。

arXiv の新論文は、AIエージェント向け権限システムの提案 21 件を調査し、5 つの商用エージェントとも比較している。焦点は、製品一律の安全設定ではなく、ユーザーごとの権限管理をどう実現するかにある。