ソフトウェアをインストールせずにGUIエージェントを教える — AutoGUIWorldを読み解く
ソフトウェアを実際に動かさず、画像生成モデルでGUIエージェントの学習データを合成した。この疑似データで、本物のコンピュータ操作・科学タスクの性能を引き上げた研究。
コードで動くロボットエージェント：トークン65%削減、成功率14%向上
ロボットエージェントがツールを一つずつ呼び出す代わりに、Pythonコードで行動をまとめて実行したところ、同じ呼び出し予算のもとで成功率は63.1%→71.7%に上がり、トークンは65%減った。
AIエージェントの作業枠組み(ハーネス)を自ら進化させるMILO
モデルを取り巻く実行枠組みである「ハーネス」を人の代わりに自動で探し出し、その探索戦略そのものまで一緒に進化させるフレームワーク。3つのベンチマークで既存の最高設計を上回った。
GraphForge: 実務特化型AIエージェントを「本物のファイル」で訓練する方法
実際の業務ファイルから課題と採点基準を同時に抽出する「証拠グラフ」方式。2,169件の学習トラジェクトリで、Qwenモデルの3つの業務ベンチマークのスコアをいずれも引き上げた。
コーチが練習メニューを組み替えるように、エージェントの「学ぶ題材」も一緒に進化させる
エージェントを改善するとき、「何で学ぶか」を最初の順番に縛りつけておくと損をする。直し方だけでなく練習メニューまで一緒に進化させれば、同じ予算でもっと良くなる。
試していない道も採点する: Dream-RSI
Dream-RSIは過去の探索記録を巻き戻し、試していない戦略までその記録の上で再び走らせ、低コストで採点する。
エキスパート統合の落とし穴:「誰が教えるか」より「どれだけ強く」が重要だった(DN-MOPD)
数学・コーディング・指示追従のエキスパートモデルを一つに統合するマルチ教師蒸留で、フィードバックの「強さ」をドメインごとに正規化すると性能が向上したという Qwen3.5 実験の分析。
相互作用で空間を学ぶVLM、Spatial-Interactor徹底解説
静止画像ではなく「観察→行動→観察」という相互作用の軌跡を使い、視覚言語モデルの空間推論を3段階のカリキュラムで学習させたSpatial-Interactor論文の解説。
エージェントの「目利き」を測る: The Tasteful Agent 論文を徹底解説
長期タスクのなかでエージェントが下す分岐点の選択能力を「目利き(taste)」と定義し、それを自動ベンチマーク(Taste-Bench)で測定・学習させた研究を、分かりやすく解き明かす。
先鋭化税:強化学習の事後学習がAIエージェントから奪うもの
強化学習の事後学習は一発の正答率を高める一方で、何度も試せば解ける課題の範囲はむしろ狭めることがあります。本論文はこれを「先鋭化税」として測り、難易度別に温度を変えるPTGSで削減します。
WorldCrafter: カメラで呼び出す3D記憶で、一貫性のあるビデオ世界モデルをつくる
視点(カメラ)が過去の観測をどう圧縮するかを決める「暗黙的な3D記憶」によって、分単位のシーン探索でも一貫性とカメラ制御の精度を高めたビデオ世界モデル WorldCrafter を、わかりやすく解説します。
リアルタイム全二重AI、Realtime-Venus:聞いて見て仕事を任せる対話システム
9Bモデルの二つの変種(音声・映像のOmni、音声専用のAudio)のうち、セッションごとに一つで実時間の全二重対話とバックグラウンド作業の委任を処理するRealtime-Venusを、アブストラクトに基づいて深掘りする。