汎化
学習で見た条件と少し違う状況でも、うまく対応できる性質。新しい環境や組み合わせに対しても成り立つかを表す。
たとえば: いつもの台所で覚えた手順が、別の家の台所でも通用すること。
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
- 医用画像セグメンテーションで、基盤モデル適応とスクラッチ学習を外部データで比べる
自然画像で事前学習したDINOv2を医用画像へ適応する方法を幅広く比較し、外部施設データでは一貫して汎化が良いことを示す。分布内ではタスク特化モデルも競争力があり、適応に必要な規模やベンチマークの重複問題も指摘した。
- 合成環境の「構成」がツール使用エージェントの汎化を左右する、というスケーリング則
LLMのツール使用エージェント訓練で、合成環境データの規模だけでなく構成(ツール・タスク・データベース多様性、複雑性)が汎化に効くことを調べ、予測可能なスケーリング則を導いた研究。
- 安全性を「基盤能力」として学ばせる中間段階:Safety Mid-Trainingの提案
LLMの安全性が後続学習で劣化したり、汎用能力とトレードオフになったりする問題に対し、事前学習と事後学習の間に「safety mid-training」を挟む枠組みを提案。Qwen3の複数モデルでASRを相対的に72%〜81%低減し、汎用能力も改善したと報告する。
- 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。
- LLMエージェントの「目標からの逸脱」を実行中に監督するステアリング手法
LLMエージェントが実行中に目標から逸脱する「goal drift」へ対処するため、実行コンテキストを観測して介入するsteering agentを提案。介入判断と介入生成をfast/slowの2経路に分け、強化学習で共同学習する。
- 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。
