定式化
問題を、何を入力として何を出力するか、何を満たせば成功か、といった形でルールや枠組みに落とし込むこと。曖昧さを減らして扱いやすくする。
たとえば: やりたいことを、計算できるように「問題文と採点基準」に書き直す作業。
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
- 討論(Debate)を「学習問題」として捉え直す:オンライン学習としての定式化と判定誤りの影響
本稿は、AI同士の討論を人間が裁くDebateをゲーム解析だけでなく訓練に内在する学習問題として捉え、オンライン学習として定式化する第一歩を示す。判定者へのアクセスがある場合に最良策が敵対的Debateと異なる例、協調版プロトコルの学習可能性、判定誤りが学習へ与える影響を論じる。
- マルチエージェントAIの「仕事の段取り力」を測るベンチマークWorkflowArena
LLMが複数の作業者役エージェントを率いる際の「実行可能なワークフロー設計・調整能力」をworkflow orchestrationとして定義し、145タスクからなるWorkflowArenaで評価する枠組みを提示する。成果物の品質と委任のしかたを併せて測る点が特徴。
- AIの判断を必要最小限だけ監査する「選択的監査」:未監査の誤り率を閾値以下に抑える枠組み
AIの提案と信頼度スコアをオンライン監視し、専門家監査の頻度を抑えつつ未監査のAI誤り割合を閾値以下に保つ問題を定式化。仮定なしで誤り制御を保証するアルゴリズム族と、敵対的/i.i.d.双方で最良監査率に漸近する手法を述べる。
- 複雑な条件を分解して点数化する「視覚検証器」を提案:OmniVerifier-C1
OmniVerifier-C1は、複雑な要求やルールを要素分解し各要素を連続スコアで評価する視覚検証器を提案する。解釈可能な出力で汎化を狙い、学習にDecoupled RLを用いる。
- 家庭向けロボットの「好み」を測るベンチマークLIBERO-PeRM
LIBERO-PeRMは、ロボット操作における「タスク達成」と「嗜好満足」を分けて評価するためのベンチマーク。観測可能な嗜好を分類し、嗜好あり/なしのペアデモと312タスクを提供する。実験ではゼロショットの個人化が難しく、SFTで嗜好が学習可能になると報告する。
