AlphaEvolveのラムゼー数突破 — AI研究パートナーの時代
Google DeepMindのAlphaEvolveが最大20年間維持のラムゼー数下界5件を同時更新。AIが研究パートナーへと進化する潮流をCTO/EM視点で整理します。
タグ
ai-research
3件の記事
Tool-R0: ゼロデータでツール使用AIエージェントを訓練するSelf-Play RLフレームワーク
arXiv最新論文Tool-R0は、学習データなしにSelf-Play強化学習だけでLLMのツール呼び出し能力を92.5%向上させます。Generator-Solver共進化構造とEM視点の実務示唆を分析します。
MIT TLT: 推論LLM訓練の速度を2倍に加速させる適応型ドラフター
MITが発表したTLT技術は、遊休GPUを活用して推論LLMのRL訓練を70～210%加速します。適応型ドラフターとロールアウトエンジンの仕組みを解析します。