RSS VentureBeat
フォロー
新しいAIトレーニング方法により、わずか78個の例で強力なソフトウェアエージェントを作成可能に
新しい研究では、より少ないデータでもより知的なAIエージェントを開発できることを示すフレームワーク「LIMI」が紹介されています。研究者たちは、自律型AIシステムを開発する上で重要なのは、大量のデータセットではなく、質の高いエージェント的なデモンストレーションであると発見しました。LIMIのアプローチは、AIの問題解決における戦略的に選択された例を厳選することに焦点を当てています。実験では、慎重に選択されたわずか78個のデモンストレーションでトレーニングされたモデルが、数千個の例でトレーニングされたモデルを大幅に上回るパフォーマンスを示しました。この発見は、データ収集が困難で高価なエンタープライズアプリケーションにとって非常に重要です。エージェンシーは、問題を発見し、仮説を立て、解決策を実行できるAIシステムとして定義されます。現在のLLMトレーニングでは、データ量が多いほどエージェンシーの知能が高まるという前提が多く、複雑なパイプラインとリソースの要求につながっています。LIMIの方法では、クエリと、それらを解決するためのAIアクションの詳細な軌跡を収集します。データセットは、現実世界のシナリオと、人間の専門家によって検証された合成クエリを使用して構築されました。軌跡は、エラーや改善を含む、問題解決プロセス全体を捉えました。LIMIでトレーニングされたモデルは、エージェンシー、ツールの使用、コーディングのベンチマークで優れたスコアを達成しました。この研究は、エージェンシーの習得は、単なるデータのスケーリングではなく、その中核原則を理解することであると示唆しています。このフレームワークは、企業向けの専門AIエージェントを開発するための持続可能な道を提供します。
