LLMエージェント
大規模言語モデルを中核にして、文章理解や指示の分解などを行いながら作業を進めるAIエージェントのこと。言語を介するタスクに強い。
たとえば: 文章を読み解きながら段取りを組んで動く、言葉に強い助手みたいなもの。
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
- 仮説の「棄却」で止まらないために:競合する説明を明示するContrastive Discovery
LLMによる科学探索で「h対¬h」の点検だけに頼ると、否定後にどの代替説明が有力か分かりにくい。競合説明セットで信念の再配分を評価するContrastive Discoveryは、同じ証拠・予算でより多くの質問を解決できる可能性を示した。
- LLM社会エージェントの「文脈の足し方」とロバスト性を点検する枠組み
LLMを社会シミュレーションのエージェントに使う際、意味を保つプロンプト差分で行動が変わる問題に向け、文脈を統制的に拡充する方法と「選択的ロバスト性」による評価基準を提案する。
- 改変された物理法則の世界で、LLMは自由探索から「隠れた法則」を見つけられるか
改変物理のシミュレーション世界を自動生成する枠組みLongChangを提案し、LLMがヒントなしで異常に気づき実験する能力を評価した。12モデル中GPT-6-Astraのみ発見率16.7%で、他は0%だった。
- ツール応答の「重要情報の抜け」による不安全行動を測る:EpiSEM-Benchの提案
ツール使用型LLMエージェントが安全判断に必要な事実を欠いたとき、禁止行為を実行しうる問題に対し、実行可能ベンチマークEpiSEM-Benchを提案。300の対応タスクペアと監査ツールで、不安全実行・安全境界・証拠回復を評価する。
- 粒界の構造と変形を調べるエージェント型AI枠組み「GBClaw」の提案
一般粒界の構造・変形の機構解明に向け、LLMを組み込んだエージェント型AI枠組みGBClawが提案された。動的リプランニングで系統的シミュレーションと機構解析を接続し、ニッケルの粒界14件で欠陥構造と変形モード、すべり抵抗の差異を調べたという。
- LLMエージェントで研究結果の再現と頑健性分析を支援する試み(SEERを用いたケーススタディ)
SEERを用いた既刊研究を対象に、LLMエージェントで主張の再現と分析選択の影響検証を自動化できるかを検討。20本からなるベンチマークSEER-Reproを提示し、2,190件の主張で77.4%の再現を報告する。完全再現できた所見のうち9.5%で重要になり得る分析選択を特定し、専門家レビューへ回す枠組みを示した。
