ActiveSaddler、エージェントハーネスを最適化しながらシナリオを適応させる
DAIR.AI は、Microsoft と共同研究者らによる論文 ActiveSaddler を紹介している。これは、エージェントハーネスの最適化に使うシナリオを変えるものだ。同じ最適化器で、固定シナリオ順と比べてテスト Pass@1 が GAIA2 では 4.4 ポイント、Terminal-Bench 2.0 では 7.5 ポイント向上する。
#microsoft
すべてのAIニュースを見るサティヤ・ナデラ氏、AutopilotのAIチーフ・オブ・スタッフは消費者にも届くべきと述べる
アレックス・ヒース氏とのインタビューで、サティヤ・ナデラ氏は、Microsoft AutopilotのAIチーフ・オブ・スタッフが消費者の私生活にも役立つべきだと述べ、1億人超の消費者向け契約者を挙げた。このエージェントは、強化されたOpenClawを基盤に構築され、独自のコンピューター、ワークスペース、メモリを持つと説明されている。
Microsoft AutopilotのプレビューがOpenClaw上で最初の顧客に展開
Omar Shahineは、常時稼働するパーソナルエージェントであるMicrosoft AutopilotのプレビューがMicrosoftの最初の顧客に届き始めており、OpenClaw上に構築されていると述べた。Peter Steinbergerは、大規模展開に向けてコードベースを準備するMicrosoftとの作業が3月から続いていると述べた。
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。
Taste-Benchで最高のモデルは、より良い方向を59.7%の割合で選ぶ
Microsoftらの論文によると、長期のエンジニアリングと研究タスクで、開いている方向のうちより良いものを選ぶTaste-Benchの設問に、最高のモデルは59.7%正解した。後から現れる証拠で決まる分岐ははるかに難しく、推論予算を増やしても精度は上がらない。教師の結果判断を蒸留すると、未使用のSWE-bench Proでの成功率は向上した。