本記事は https://arxiv.org/abs/2504.12687 の解説記事です。 論文概要（Abstract） 大規模言語モデル（LLM）をコード生成タスクにファインチューニングするには、大量かつ高品質な学習データが必要となる。しかし、データの希少性や収集コストの高さが現実的な課題として存在する。本論文では、学習データ量を削減しつつモデル性能を維持・向上させるデータ効率的なフ...

本記事は arXiv:2603.15957 “GASP: Guided Asymmetric Self-Play for Continued Improvement of LLMs”（Song et al.、2025年3月）の解説記事です。 論文概要（Abstract） GASP（Guided Asymmetric Self-Play）は、外部の強力な教師モデル（Teacher）を用いて...

本記事は https://arxiv.org/abs/2309.02427 の解説記事です。 論文概要（Abstract） CoALA（Cognitive Architectures for Language Agents）は、認知科学における認知アーキテクチャの知見をLLMベースのエージェントに適用し、情報記憶（Memory）、行動空間（Action Space）、意思決定手続き（De...

本記事は arXiv:2504.19162 “SPC: Evolving Self-Play Critic via Adversarial Games for LLM Reasoning”（Chen, Liu、2025年4月）の解説記事です。 論文概要（Abstract） SPC（Self-Play Critic）は、LLMの推論能力を強化するために、批評者（Critic）と生成器（Ge...

本記事は https://arxiv.org/abs/2304.03442 の解説記事です。 論文概要（Abstract） Generative Agentsは、大規模言語モデル（LLM）を拡張し、自然言語による経験の完全な記録・高次の反省（Reflection）への統合・動的な記憶検索を通じて、人間的な行動をシミュレートする計算エージェントである。著者らは25体のエージェントが暮らすサ...

本記事は arXiv:2504.21801 “DeepSeek-Prover-V2: Advancing Formal Mathematical Reasoning via Reinforcement Learning for Subgoal Decomposition”（DeepSeek-AI、2025年4月）の解説記事です。 論文概要（Abstract） DeepSeek-Prove...

本記事は https://arxiv.org/abs/2502.12110 の解説記事です。 論文概要（Abstract） A-Memは、LLMエージェントのメモリを「エージェント自身が自律的に組織化する」という新しいパラダイムを提案するシステムである。社会学者Niklas Luhmannが考案したZettelkasten（ツェッテルカステン）方式の原理を応用し、個々のメモリをアトミック...

本記事は arXiv:2401.01335 “SPIN: Self-Play Fine-Tuning Converts Weak Language Models to Strong Language Models”（Chen, Deng, Yuan, Ji, Gu、ICML 2024）の解説記事です。 論文概要（Abstract） SPIN（Self-Play Fine-Tuning）は...

本記事は https://arxiv.org/abs/2310.08560 の解説記事です。 論文概要（Abstract） MemGPTは、LLMの固定長コンテキストウィンドウをOSにおける物理メモリ（RAM）に見立て、外部ストレージとの間で情報をページングする階層型メモリ管理システムである。著者らは、Main Context（高速・限定容量）、Recall Storage（会話履歴のベ...

ブログ概要（Summary） 本記事は AWS Machine Learning Blog: Build agents to learn from experiences using Amazon Bedrock AgentCore episodic memory の解説記事です。Amazon Bedrock AgentCoreのエピソディックメモリは、エージェントが過去の経験（ゴール、推...