長ホライズン
結果が出るまでに多くの手順や長い時間が必要なタイプの作業を指す。途中の行動が最終結果にどう効くかが見えにくくなりやすい。
たとえば: 完成まで工程が多い長編小説の執筆のように、途中で成果が測りにくい作業。
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
- Sage-A1.5は「長期実行」と「科学探索」をつなぐとするエージェントモデル
Sage-A1.5はA1を基盤にした35BのMixture-of-Expertsエージェントモデルで、長期の問題解決を「能力合成」で進めると述べる。委任と並列協調、進捗・証拠・内省による検証、探索的研究への拡張を柱に、複雑タスクや学際的応用で能力を示したとしている。
- 長期の機械学習エンジニアリングを自律最適化するためのポストトレーニング手法とエージェントモデル「MLExpert」
長い実験手順の中から有効な学習信号を取り出すポストトレーニング手法を提案し、35BのMoEエージェントモデルMLExpertに適用した。MLE-Bench Liteで平均メダル率を37.9%から72.7%へ改善したと報告する。
- Mem4Act:長期ロボット操作に向けた固定サイズの潜在メモリ学習
Mem4Actは、長期のロボットマニピュレーションで必要な過去情報を、固定サイズの潜在メモリとして学習する枠組み。履歴の時間集約と、意味・知覚を補う監督、二段階学習で方策のメモリ利用を促すという設計を組み合わせる。
- 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。
