SQLの試行とエラー修正を実行環境内で学ぶHarnessSQL、小型モデルの正答率を改善
- 最終SQLだけでなく、表の探索・試行・エラー修正・提出までを同じ実行環境で学習する。
- 79データベースの検証済み2,512軌跡で追加学習し、実行結果を報酬とする強化学習を続ける。
- Spider 2.0-SQLiteで8Bモデルは15.5％から45.2％、14Bは22.2％から54.8％へ改善した。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
話し始める時刻と助言の長さを同時に学ぶEgoVoice、作業前に音声案内を届ける
- 一人称映像と音声から、沈黙を続けるか音声で助言するかを毎秒判断する。
- HoloAssistの人間指導者の発話を再合成し、作業との時間対応を保った学習データを構築した。
- 170セッションで発話開始のF1が基盤モデルの0.113からDPO版の0.324へ改善したが、内容類似度はSFT版が高い。
一本の人の実演から動きではなく関係を抽出、Dex-One2Manyが未知配置の多指操作を学習
- 手が物を持つ、物が容器に入るなどの段階関係を実演から取り出し、動きの軌跡は固定しない。
- 関係を満たす多様な開始状態と段階別報酬で、シミュレーションの強化学習を案内する。
- 実演にない配置で実機成功率60〜85%を報告し、比較方式は15%以下だった。
変更の実現・旧状態の除去・内容保持を別々に検査、画像編集器が自分の成功例で学習
- ラベルのない画像から編集候補を作り、編集器の内部特徴で採用できる例を選ぶ。
- 一つの高得点で他の失敗を埋め合わせず、必要な検査を全て通った候補だけを学習する。
- Qwen-Image-EditのImgEdit評点は4.36から4.60、対象抽出は3.41から4.26へ上がった。
失敗しうる行動も生成して学習、DreamTrueがロボット世界モデルの成功の思い込みを抑制
- 画像上のロボット軌道と録画のずれを幾何的に補正し、行動条件を合わせる。
- 記録した軌道を変更した反実仮想動画へ、人の欠陥判定を学んだ報酬モデルで追加学習する。
- AgiBotで人が判定した相互作用欠陥率が48.12%から6.25%へ下がったと報告した。
同じ全身動作でも対象で許可を変えるCSF、生成軌道を場面に応じた代替へ修正
- 自然言語の規則と安全・危険の参照軌道を使い、動作生成器を再学習せず補正する。
- 四生成器の2,688クリップで、危険事象率を最大90%削減し、無害動作の88〜100%を保持した。
- 実機では人が途中で視野へ入った場面も試し、未実行の参照動作を切り替えた。
AIが解ける作業時間の10倍伸長は同じ難度差ではない、METR指標を統計的に再検討
- 人の所要時間とAIの課題難度の関係を直線に固定せず、曲線で推定し直す。
- 228課題と26のAIの分析で、2〜30分付近の時間差はAI難度の差が小さいと示した。
- 50%成功の時間だけでなく、成功確率の曲線と時間から難度への変換図を併読するよう提案する。
ロボットが学べる難しさの状態を重点抽出、SGSが大規模強化学習の経験を配分
- 現在の成功率が中程度の初期状態を優先し、簡単すぎる・難しすぎる練習を減らす。
- 約100万並列環境で、ナット組み立ての成功率70%を報告し、一様抽出の6%を上回った。
- 画像方策を実機へ移したが、ナット組み立ては18/48成功で、シミュレーションとの差が残る。
3万時間の一人称動画でも物体の変化は難しい、世界モデルの手と対象を分けて評価
- 300〜3万時間の学習で、手の動きと操作対象の変化の忠実度を別々に測った。
- 骨格を視覚条件として与えると少量データでも手を描けるが、対象物の変化には大きな差が残る。
- 動く対象へ雑音と学習重みを配る方式が改善を示したものの、物体側の不足は解消しない。
エージェントの試験境界を実行中も確認、公開事例からPASACが継続的な管理を提案
- 公開された三社のエージェント評価事例を比較し、モデル以外の実行環境も管理対象にする。
- 権限範囲の機械的な表現、独立した通信制限、実行間の監視、停止と再承認を組み合わせる。
- 枠組みは検証可能な仮説として提案され、対策の効果を実験で確定した報告ではない。
静止3D空間に繰り返す動きを付与、OuroWorldが視点間の生成ずれを吸収
- 動く場所の手動指定なしに、静的な3DGSシーンから自由視点のループ映像を作る。
- 周期的な変形と視点ごとのずれを分け、生成した複数視点動画の不整合を処理する。
- 39シーンと30人の比較で、比較条件ごとに70.8〜99.0%の選好を得たと報告した。
生成した手順動画を見て次の動作を選ぶWorldGuide、計画と映像実行を同じ例で学習
- 初期画像と目標から動作を選び、生成結果を見て次の動作や終了を決める。
- 約5.9万動画の段階注釈を作り、計画側と動画生成側を共通の実演で学習する。
- 目標のみを与えるVideo-CraftBenchで成功率47.69%を報告したが、計画成功と映像上の完了には差が残る。