次回の更新記事：【論文著者監修・コメント】AIエージェントへの人間…（公開予定日：2026年07月27日）

記事一覧

並行世界における検索エージェントの評価：未知の情報を探求する

2026.03.06

FireBench：企業およびAPI駆動型LLMアプリケーションにおける指示追従能力の評価

2026.03.06

生き残るためには手段を選ばず？：LLMが示す生存圧力下での危険な行動の探求

2026.03.06

HumanLM：状態整合によるユーザーシミュレーションは応答模倣を凌駕する

2026.03.06

CodeTaste：LLMは人間レベルのコードリファクタリングを生成できるか？

2026.03.06

エージェントスキルをエコシステム規模で組織化、連携、評価するAgentSkillOS

2026.03.06

ERIベンチマーク：エンジニアリング推論と指示能力を測る大規模データセット

2026.03.06

LLMの認知能力を神経心理学的に評価：新たなベンチマーク「NeuroCognition」

2026.03.06

考えすぎは禁物：再帰的言語モデルの再現と考察

2026.03.06

マルチモーダルLLMによるゲーム実況のリアルタイム生成：ポーズを考慮したデコーディング

2026.03.06

OCRはもう不要？大規模実データセットでMLLM時代の文書情報抽出を再考

2026.03.06

Eval4Sim：ペルソナシミュレーションのための評価フレームワーク

2026.03.06

MOSAIC：マルチエージェント強化学習、LLM、VLM、および人間の意思決定者を統合的に評価・比較する統一プラットフォーム

2026.03.06

個人版チューリングテスト：LLMによる個人シミュレーションの可能性と限界

2026.03.06

大規模言語モデルにおける構造的ハルシネーション：知識構造と引用の完全性に関するネットワークベースの評価

2026.03.06

MOSAIC：大規模言語モデルの倫理、社会、個人の側面を解き明かす

2026.03.06

AIシステムの安全を守る：自然言語リクエストのポリシー遵守評価

2026.03.06

コード空間理論：コードAIエージェントはソフトウェアアーキテクチャを理解できるか？

2026.03.06

スキルクラフト：LLMエージェントはツールを巧みに使えるようになるか？

2026.03.06

知識偏重のAI：LLMと意図された影響とのずれを測定

2026.03.06

Copyright © Parks, Inc. All rights reserved.