NVIDIAとAlibaba Cloud、エージェントフレームワークとホワイトペーパーを公開

NVIDIAは、公開エージェントスキルを8,000の強化学習トレーニングタスクにコンパイルするパイプライン「Skill2Env」を公開し、Terminal-BenchにおいてQwen3.8-27Bのスコアを4.7ポイント向上させた。Alibaba Cloudは、1,906社の調査に基づき、アーキテクチャ、ガバナンス、最適化を網羅したエンタープライズエージェントのホワイトペーパーをオープンソース化した。
Key insights
Skill2Env:公開スキルを強化学習環境にコンパイル
NVIDIAのSkill2Envは、3,400の公開エージェントスキルを、プログラムテストと行動ルーブリックを備えた8,000のターミナルタスクに変換する。わずか300ステップの強化学習で、Qwen3.8-27BはTerminal-Bench 2.1で4.7ポイント向上した。このパイプラインは、計画、多様化、生成、検証の各段階から構成され、API呼び出しに9万ドル以上のコストがかかる。データセットは13のドメインをカバーし、ソフトウェアエンジニアリングは22.5%のみである。
Skill2Env研究からの主要な発見
小規模な強化学習はクロスドメイン転移を示す:2,400タスクでの300ステップにより、S2EBenchのpass@1が4.3、Terminal-Benchが4.7向上した。ルーブリック調整型強化学習は、ベンチマークでは純粋な結果ベースの強化学習に劣るものの、ソーススキルとの行動の整合性が向上した。より強力な教師モデル(GLM-5.3)からの蒸留は、小規模モデルの性能を低下させ、ツール呼び出しのループを引き起こした。
Alibaba Cloudのエンタープライズエージェントホワイトペーパー
Alibaba Cloudは、エンタープライズエージェント開発に関する包括的なホワイトペーパーをオープンソース化し、アーキテクチャ、構築、運用、ガバナンス、最適化を網羅している。4段階の成熟度モデル、監査可能性のためのContext Manifest、Agentic OSの概念を導入している。1,906社を対象とした調査では、46%がエージェントを開発したが、本番稼働しているのは18%のみであり、評価システムを導入している企業は成功率が2倍であることが判明した。
Agentic OSとガバナンスの課題
ホワイトペーパーは、複数のフレームワークやテナントにわたって複数のエージェントを管理するための共有システム層としてAgentic OSを提案している。自律性はモデルの能力ではなく、取り消し可能性と証明可能性によって制限されると強調している。主要なガバナンス要素には、デジタルバッジ、トークン交換、予算リースが含まれる。同ペーパーには、吉利汽車、Tastien、MiniMax、Bilibiliのケーススタディが含まれている。