記事一覧

GPT-4oで保険、銀行、小売りなどで人間への売り込みを実験　最大35%の確率で購買決定に成功

「AIが自動的に優れたAIエージェントを設計する」新分野の提唱　数学エージェントが読解でも好成績

人間を討論で言い負かすディベート上手なLLMの実装方法

LLMにおける現状のリスクと対策に関するまとめ

LLMのサイバーセキュリティタスク性能評価フレームワーク「Cybench」

民事裁判をLLMで模倣　シミュレートを経てLLMの法律能力が強化される

LLMから「LLMエージェント」へ　ソフトウェアエンジニアリングにおける今後の展開

Sakana AIが科学研究自動化フレームワーク『The AI Scientist』開発

LLMベースの万能エンジニアを構築する『OpenHands（旧OpenDevin）』プラットフォーム

Appleが「LLMエージェントの評価」に特化したベンチマーク『MMAU』を開発　5領域5能力で測る