NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

THE NEWS DESK

AIニュース

公式発表や本人の発言をもとに、
AI企業や研究者の動きを伝えます。

すべてのニュース

1件新しい順

  1. プロダクトAnt International出典 2件

    Verify by Doing、実行と検証のハーネスを1つのタスク内で共進化させる手法を公開──重みを固定したままAutomationBenchで22.3%→37.0%

    Ant Internationalと浙江大学のYitong Lin氏ら8名は2026年11月11日、エージェントの実行手順(Actor)と検証手順(Evaluator)を1つのタスク内で同時に改善する手法「Verify by Doing(VbD)」をarXivに公開した。モデルの重みは固定したまま、Evaluatorがツールで成果物と環境の状態を検査し、その所見から改善案を作って新旧を比較して採用する。外部の正解(ベンチマークスコアや参照ラベル)を進化に使わない条件下で、DeepSeek-V4-Flash-0731を固定して3ラウンド×各2実行×3回の平均で、AutomationBench 600件の合格率はベース22.3%から37.0%に上がり、最強の比較手法を3.3ポイント上回った。τ³ Banking 97件では35.1%→49.5%、GDPval 133件のルーブリック品質は70.8%→82.4%。査読前で、コードの公開は確認できていない。