PISA-E、プロンプトとコストに応じたLLMアンサンブルを実現
PISAとPISA-Eは、すべての入力に単一モデルを割り当てる従来型のLLMルーティングを拡張します。プロンプトごとの能力推定を使い、呼び出すモデルとアンサンブルの規模を推論時に選択します。
続きを読むClaude API 中継局のガイド、検出の仕組み、LLM API の実測ノウハウ
全 2275 件の記事
RSS 購読PISAとPISA-Eは、すべての入力に単一モデルを割り当てる従来型のLLMルーティングを拡張します。プロンプトごとの能力推定を使い、呼び出すモデルとアンサンブルの規模を推論時に選択します。
続きを読むAIエージェントは、必要な証拠が一部だけでも、ログや文書全体をコンテキストに取り込むことがあります。SparseReadは、意図の追跡と段階的な内容開示によって、モデルを変更せずに読解コストを抑えます。
続きを読むSteerDistillは、全精度の教師モデルが量子化エージェントの失敗した応答を導き直し、環境からのフィードバックで修正を検証する手法です。検証済みの修正を学生モデルへ蒸留することで、推論時には教師や追加プロンプトなしで動作します。
続きを読む外部記憶はLLMエージェントの経験学習を支える一方、誤った教訓や場違いな適用によって、記憶がない場合なら解ける課題まで失敗させることがあります。WikiTraceは教訓を元の実行軌跡と診断結果に結び付け、行動前の検証を可能にします。
続きを読むEmbodied First Examは、視覚運動ポリシーだけでなく、コーディングエージェントが自ら制御方法を選び、ロボットを動かせるかを評価するベンチマークです。456のコアタスクでは、8エージェント中の最高成績でも標準設定の成功率は34%でした。
続きを読む金融レポートが整って見えても、ユーザーが求めていない戦略や検証不能なデータ、未来の情報を使ったバックテストが含まれている可能性があります。FINCOSMOSは、こうした見えにくい失敗を隠さずに測定する評価手法です。
続きを読む新たな研究は、事前学習済みLLMの重みを0.05%未満ゼロ化するだけで、複数の後学習設定において全量ファインチューニングに匹敵する性能を得られると報告しました。更新データを大幅に小さくし、既存能力の忘却も抑えられる点が特徴です。
続きを読むテキスト・動画生成モデルを「世界シミュレーター」として評価するには、映像が物理常識に従っているかを検証する必要があります。PhyRubricは、キャプション専用の評価基準、項目別判定、タイムスタンプ付き証拠によって、従来の主観的な総合点を診断的な評価へ置き換えます。
続きを読むBioAgent-DF の研究は、同じ結論を返す科学エージェントでも、読んだり引用したりする証拠が異なり得ることを示した。さらに、静かな GPU 数値故障が、異常を検出されないまま薬物スクリーニングの判断を変える可能性も明らかにした。
続きを読む拡散言語モデルのテスト時スケーリングに向け、単時点の確信度だけでなく、除去過程でトークン予測が何度変化したかを利用する手法が提案された。簡単な問題には高速サンプラーを使い、難しい問題に追加計算と探索的なリマスキングを割り当てる。
続きを読むMicius-Flashは、半導体や科学工学の作業を想定した27Bのオープンなマルチモーダルモデルです。256KトークンのコンテキストとEDA、KiCad、実行環境を利用するHarnessにより、設計から検証までの反復的なワークフローを目指します。
続きを読むSableは、整数量子化されたTransformerが、指定されたプロンプトから指定されたトークン列を生成したことを証明する仕組みです。検証者は、実際に推論を行ったGPUを再実行せずに結果を確認できます。
続きを読む基盤モデルで動くロボットでは、危険は指示を受けた瞬間だけでなく、計画や実行の途中にも発生します。RoboRiskはそのリスクを閉ループで評価し、LEASHは複数の安全ゲートで行動を再確認します。
続きを読むEVAThinkは、利用できる映像証拠が十分かどうかに応じて、動画視覚言語モデルが直接回答と明示的推論を選べるようにする手法です。67万ではなく6700件の厳選サンプルで学習し、32フレームと64フレームの条件で改善を報告しています。
続きを読むユナイテッド航空は、個人向けAIアシスタントが同社の航空券を利用者に代わって購入することを現時点では認めない方針です。個人情報、意図しない購入、航空業界特有の確認義務が主な理由です。
続きを読むGoogleが、モデルルーティングやポリシーチェック、コンテンツ評価向けのGemini Decisions APIを発表した。1つのマルチモーダル入力に対し、最大1000件の質問を一度に判定できる。
続きを読むGoogle DeepMindのAlphaGenome 2は、単一細胞データとヒト遺伝学を結び付け、DNA変異が特定の細胞種や病態でどのように作用するかを予測する。新しい単一細胞データにも再学習なしで対応できる。
続きを読むRoboScriptは、凍結したモデルにシミュレーション内で操作タスクを反復練習させ、得られたフィードバックを重みではなくコンテキストへ保存する「World In-Context Learning」を提案します。RoboTwin 2.0の50タスクで、各タスク1回のデモンストレーションにより83.4%の平均成功率を報告しました。
続きを読むProTEUSは、配列・進化・構造情報を統合し、変異の機能的影響を予測しながら実験結果で次の設計を更新する。論文では、2つの閉ループ設計実験で野生型の10倍を超える活性を持つ変異体が得られたと報告している。
続きを読むEarthRecordは、整理済みの画像ではなく、複数センサーによる数十年分の衛星記録を使い、マルチモーダルエージェントが実際の土地変化を分析できるかを評価する。多くの処理工程はこなせる一方、画素情報を現実の変化へ結び付ける段階には課題が残った。
続きを読む新たな研究は、強化学習エージェントが実行条件に反する近道を選ぶ状況を、検証可能な「報酬・文脈の衝突」として構成しました。実行履歴に基づく単純なフィードバックで、能力を保ちながら遵守行動を改善できる可能性も示しています。
続きを読む