Just-in-Time Memoryは新しいタスク到着時にエージェントの生の軌跡を整理する

DAIR.AI14時間43分前

DAIR.AIは、エージェントメモリに関するSalesforce AI Researchの論文Just-in-Time Memoryを紹介している。実行が終わるたびに要約するのではなく、生の軌跡を保存し、次のタスクが到着したときに何を抽出するかを決める。

キュレーターは、検索された軌跡と新しいタスクを合わせて読み、そのタスク向けの短いメモリペイロードを書く。ペイロードは直ちに使われるため、同じタスクが成功したかどうかに基づいてキュレーターを訓練できる。DAIR.AIは、訓練していないキュレーターでも、タスク終了時に書かれたメモリに並ぶか、それを上回ると述べている。

ALFWorld、WebShop、tau2-benchで、DAIR.AIはJust-in-Time Memoryが最も強いベースラインを成功率で16.2、16.3、3.9ポイント上回ると述べている。Just-in-Time Memoryの論文はDAIR.AIがリンクしている。

#just-in-time-memory #salesforce-ai-research #エージェントメモリ #llmエージェント

SkillLift論文、エージェントスキル進化のトークンコスト40～70%削減を報告

DAIR.AIは、フルロールアウトですべての改訂を採点する代わりに、学習したルーブリックを訓練してエージェントのスキルプロンプト候補をランク付けするSkillLift論文を取り上げた。SkillsBenchおよびWildClawBenchでSkillOptとCoEvoSkillsを上回り、40～70%少ないトークン数で目標性能に達したと報告している。

QwenチームがネイティブマルチモーダルのQwen3.8-Omni-Flashを発表

Qwen3.8-Omni-Flashは、テキスト、音声、動画にわたる長期的なエージェントタスク向けに学習され、Qwen3.8-NextのスパースMixture-of-Experts設計と100万トークンのコンテキストウィンドウを用いる。オープンソースの2つのフレームワーク、Qwen-MM-PluginsとQwen-Live-Harnessが、マルチモーダルおよびリアルタイムのエージェント対応を追加する。

Microsoftの論文、CASDのプロンプト最適化で平均16.6ポイント向上を報告

CASDは、既製のコーディングエージェントにエージェントログ一式を分析させ、知見を1つのプロンプト内のルールとして記述させる。環境へのアクセスも検証データも不要だ。DAIR.AIによると、1回の実行は報告されたベンチマークでGEPAとSkillOptを上回り、最適化済みプロンプト1件あたりの費用は約1.60ドルだった。

JEVのカスケードは料金の約57%でGPT-6の精度の99%を維持

Jev-as-a-Judgeの論文は、TypeSafe AIのJEVが確信を持って出した判定を採用し、残りをGPT-6 Astraへエスカレーションすると、510件のホールドアウト選好ペアでGPT-6の精度の99%を、GPT-6の料金の約57%で維持したと報告している。著者らは、エスカレーションの閾値はすべてのフォールバックモデルへそのまま移せず、自らのデータで設定すべきだとしている。

最もきれいな公開ターミナルエージェント向けRLコレクションでも、Salesforce AI Researchの監査を通過したのは35.8%

Salesforce AI Researchは、そのコレクションのクリーン率を35.8%、ほか2件を10.1%と3.3%とした。報酬の誤りは両方向で見つかった。著者らによると、欠陥のある環境を除外するRIVERは、TMaxの環境の30%未満しか使わずに、Terminal-Bench-LiteでのRLの向上幅を106%、Terminal-Bench v2.1で30%増やした。