XNews

コード修補対抗とAUI(エージェントネイティブUI)研究

コード修補対抗とAUI(エージェントネイティブUI)研究

学術と工学の研究は、対抗訓練を利用してパッチの堅牢性を向上させ、エージェントのインターフェースを最適化する研究の進展を示しています。

Key insights

InfCodeは対抗型マルチエージェントを用いてコードパッチの堅牢性を向上させる

InfCodeフレームワークは、テスト生成器とパッチ生成器を対抗する両者として設定し、挑戦的なテストを継続的に生成することでパッチを強化し、回帰を減少させ、カバレッジを向上させます。SWE-bench Verified上でSOTA(79.4%)に達したことが報告されており、対抗的な反復が通常のテストではカバーしきれないエッジケース(14211)を発見できることを示しています。

AUIはエージェントを評価者としてGUIを改善し、タスクの解決可能性とナビゲーション成功率を向上させる

AUIプロジェクトは、AUI-Gym(52のアプリケーション、1560のタスク)とCoder-CUA協力フレームワークを構築しました。CoderはGUIを生成し、CUAは解決不可能なタスクとナビゲーション記録を実行しフィードバックします。CUA Dashboardを使用してナビゲーション軌跡を単一の画像フィードバックに圧縮し、反復改善後に成功率が著しく向上し、エージェントがシンプルで機能指向のインターフェースを好むことが証明されました(13721)。

訓練後の継続的学習問題はモデルの長期能力向上の研究方向

関連論文は、ChatGPTやGeminiなどのモデルが訓練後に継続的に学習できない問題を指摘し、解決策の考え方を提案しています。訓練後の継続的な更新と学習を支援するメカニズムが必要であり、長期的な能力を向上させることが強調されています(13379)。

Source posts