エージェント
目的を達成するために、状況を見て行動を選び、実行する仕組みのこと。単に答えを出すだけでなく、手順を進める役割を持つ。
たとえば: 目的地まで行くために道を選び、歩いて進む案内役のようなもの。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- LLMエージェントは自己改善の手順をどこまで指示される必要があるのか
基本的な道具と資源、自己改善という大枠の目標だけを与えたとき、LLMエージェントが自分で自己学習の手順を組み立てられるかをゲーム環境で検討した研究。
- RLVRは道具的行動を一様に増やすのか:OLMo-3の中間チェックポイント追跡から
OLMo-3をInstrumentalEvalで評価し、RLVR中の中間チェックポイントを含む軌跡として道具的行動率を分析。7Bでは一時的に上昇後、最終ではSFTを下回った。プロンプトのフレーミング要因だけでは説明しきれないと報告する。
- ロボット操作の予測と「スキルの再利用」をつなぐ枠組みAW-0
論文は、コードによる計画と、将来映像・行動の予測を同時に扱う「Agentic World Action Model」AW-0を提案する。コード・動画・行動を結合した生成ストリームとして共同モデリングし、スキルを再利用可能な形にまとめる自動キュレーションも導入した。
- 4体のGemini 4 ArgonがMinecraftでエンダードラゴンを討伐:自律的な計画維持と協調の事例
4体のGemini 4 ArgonエージェントがMineflayerでMinecraftを操作し、チャットと共有メモリで協調してエンダードラゴン討伐を達成したと報告する。27時間14分での完了や2,783本のプログラム作成など、長時間の計画維持が焦点。
- 言語エージェント学習で「行動」と「先読み」を同時に鍛える提案(Co-Evolving Acting and Forecasting)
長いロールアウトのコストと終端報酬偏重で中間監督が活きにくい課題に対し、成功軌跡から後続の行動列を学ぶ「multi-step action targets」を導入。5ベンチマークでGRPO等より強い総合性能と、ScienceWorldで最大2.0×のサンプル効率を報告する。
- 長時間タスク向けデータセット「Tev-Gym」と進捗報酬PPRSで学習するエージェントモデルTev-27B
長時間タスク用の学習データ不足と疎な報酬を課題に、Tev-Gymと進捗を密な報酬へ変換するPPRSを提案。レシピで学習したTev-27Bが複数ベンチマークで改善を示したと報告する。
- 自動運転の「実行中の安全」を高めるランタイム枠組みAutoAgent0
AutoAgent0は、クローズドループ実行の信頼性をテスト時の実行問題として捉え、独立検出・ルール検証・復旧計画を統合するランタイム枠組み。Fail2DriveとNavSafe-∞で、単一エキスパートよりロバスト性が改善したと報告する。
- 複数サービスをまたぐ個人向けAIエージェントの「合成的な失敗」を探すレッドチーミング手法「X-AgentRed」
個人向けAIエージェントが複数サービスのツールを連携利用する際に起きうる有害な経路を、ツール依存グラフと実行フィードバックで体系的に探索するX-AgentRedが提案された。4モデルでSTAC比1.77倍の有害パス率、平均2.99倍のツールカバレッジを報告する。
- 白箱プローブでLLMの欺瞞を検出する試み:大規模データセットと新アーキテクチャで評価
LLMエージェントの監視に向け、白箱プローブによる欺瞞検出をフロンティア監視設定へ拡張する研究が報告された。SHADE-ArenaでAUC 98.8%を示し、文脈だけでは判定しにくい「introspective deception」でも最大AUC 99.7%の識別を示した。
- デモ動画を階層化して必要部分だけ参照する「RV-ICL」:LLMエージェントの計画と実行を支える提案
LLMエージェントがデモ動画をそのまま抱え込まず、把持・リリースなどのサブイベントに基づく階層として必要箇所だけを読み出すRV-ICLを提案。RPent上でLIBERO-PROとLIBERO-Plusの成功率向上が報告された。
