Search Results A

タイムシリーズ分析：PythonにおけるARIMAモデル

ARIMAモデルは時系列予測のための人気のあるツールであり、Pythonで`statsmodels`ライブラリを使用して実装することができます

Machine learning

「MetaGPTと出会ってください：GPTをエンジニア、建築家、マネージャに変えるオープンソースAIフレームワーク」

大規模言語モデル（LLM）ベースのマルチエージェントシステムは、人間の操作を模倣し、改善するための非常に優れた機会を持っています。しかし、最近の研究によって示されるように、現行のシステムは現実世界の応用に存在する複雑さにおいてより正確である必要がある場合があります。これらのシステムは、口頭やツールベースのやり取りを通じて建設的な協力を促進するための支援が主に必要であり、これにより、連続した非生産的なフィードバックループを減らし、実りのある協力的な相互作用を促進することが困難になります。多様なプロセスが効果的になるためには、よく構造化された標準化された作業手順（SOP）が必要です。実世界の実践に対する徹底的な認識と統合が重要です。これらの一般的な制約を解決し、これらの知見を取り入れることで、LLMベースのマルチエージェントシステムの設計と構造を改善し、その効果と応用を向上させることが重要です。また、広範な共同プラクティスを通じて、人々はさまざまな分野で一般的に認識されているSOPを作成してきました。これらのSOPは、効果的な作業の分解と調整を容易にするために不可欠です。たとえば、ソフトウェアエンジニアリングにおけるウォーターフォールプロセスは、要件分析、システム設計、コーディング、テスト、成果物のための論理的なステップを確立します。この合意形成ワークフローの助けを借りて、いくつかのエンジニアが生産的に協力することができます。また、人間の仕事には、それぞれの職務に適した専門的な知識があります。ソフトウェアエンジニアはプログラミングスキルを使ってコードを作成し、プロダクトマネージャーは市場調査を行って顧客の要求を特定します。協力は通常の出力から逸脱し、組織化されなくなります。たとえば、プロダクトマネージャーは、ユーザーの要望、市場のトレンド、競合する製品に関する徹底的な競争調査を実施し、開発を推進するために製品要件文書（PRD）を作成する必要があります。これらの分析には、明確で標準化された形式と優先順位付けられた目標が必要です。これらの規範的なアーティファクトは、異なる役割からの関連する貢献を要する複雑な多様なプロジェクトの進展には欠かせません。これらは共同理解を具体化します。したがって、関連する役割に基づいた行動の仕様を使用してSOPをコーディングします。第三に、情報の交換を容易にするために、エージェントは標準化されたアクションの出力を作成します。MetaGPTは、人間の専門家が交換するアーティファクトを形式化することで、相互依存するジョブ間の調整を合理化します。エージェントは、活動とツールやリソースの共有に対する洞察を提供する共有環境によって接続されます。エージェント間のすべての通信は、この環境に含まれています。また、すべての協力記録が保存されるグローバルメモリプールも提供され、エージェントは必要なデータに対して購読または検索することができます。エージェントは、このメモリプールから以前のメッセージを取得してより多くの文脈を把握することができます。対話を通じて情報を受動的に吸収するのではなく、このアーキテクチャはエージェントが積極的に関連する情報を観察し、引き出すことができるようにします。この設定は、チームワークを奨励する実際の職場に見られるシステムを模倣しています。彼らは、小規模なゲームの制作からより複雑な大規模なシステムまでを包括する、共同ソフトウェア開発のワークフローや関連するコード実装実験を表示して、そのアーキテクチャの効果を示しています。MetaGPTは、GPT-3.5やAutoGPT、AgentVerseなどのオープンソースフレームワークよりもはるかに多くのソフトウェアの複雑さを管理します。さらに、MetaGPTは、自動的なエンドツーエンドのプロセス全体で要件書類、設計アーティファクト、フローチャート、およびインターフェース仕様を生成します。これらの中間の標準化された出力は、最終的なコードの実行の成功率を大幅に向上させます。自動生成されたドキュメンテーションのおかげで、人間の開発者は迅速に学習し、自分の専門知識を向上させて要件、設計、およびコードをさらに改善することができます。また、より洗練された人間-AIの相互作用が可能になります。結論として、彼らはさまざまなソフトウェアプロジェクトについての包括的な研究によってMetaGPTの妥当性を検証しています。 MetaGPTの役割ベースの専門家エージェント協働パラダイムによって可能になる可能性は、量的なコード生成のベンチマークとプロセス全体の出力の質的評価を通じて示されています。要するに、彼らは主に以下のような貢献をしました： • 役割定義、タスクの分解、プロセスの標準化などを含む、新しいメタプログラミングメカニズムを設計しました。 • 彼らは、人間のSOPをLLMエージェントにエンコードし、複雑な問題解決の能力を根本的に拡張するためのLLMベースのマルチエージェント協調フレームワークであるMetaGPTを提案しています。 • AutoGPT、AgentVerse、LangChain、およびMetaGPTを使用して、CRUD2コード、基本的なデータ分析ジョブ、およびPythonゲームの開発について広範なテストを行っています。このようにして、MetaGPTはSOPを利用して複雑なソフトウェアを作成することができます。全体の結果は、MetaGPTがコードの品質と予測されるプロセスとの適合性の点で、競合他社を大幅に上回っていることを示しています。

「開発者向けのAIツール15個（2023年8月）」

Otter AI 人工知能を使用して、Otter.AIはユーザーにリアルタイムの会議のメモの音声文字起こしを提供し、共有可能で検索可能、アクセス可能、安全なものにします。音声を録音し、メモを書き、スライドを自動的にキャプチャし、要約を生成する会議アシスタントを手に入れましょう。 Notion AI Notionワークスペース内で、AIアシスタントNotionは、創造性、改訂、要約など、さまざまな文章関連のタスクをサポートすることができます。メール、求人募集、ブログ投稿など、さまざまな文章作成タスクのスピードと品質を向上させます。Notion AIは、ブログやリストからブレインストーミングセッションや創作活動まで、さまざまな文章タスクを自動化するために使用できるAIシステムです。NotionのAI生成コンテンツは、ドラッグアンドドロップのテキストエディタを使用して簡単に再編成および変換できます。 Gretel.ai Gretel AIは、実際のデータを模倣しながらユーザーのプライバシーを保護する合成データの作成プラットフォームです。Gretel.aiのAPIを使用すると、プログラマーは匿名化された暗号化された合成データを簡単に作成できます。これにより、プライバシーを保護しながらイノベーションを促進できます。このプラットフォームには、AIモデルを迅速かつ簡単にトレーニングし、ユースケースを検証し、必要に応じてデータを生成するために必要なすべての機能が備わっています。技術的および非技術的なユーザー向けのサンプルノートブックや使いやすいオンラインアプリケーションにより、開発者は合成データを探索できます。Gretel AIを使用して、必要なすべてのプライバシー要件を満たしながら、合成データを利用できるようになります。 Pieces for Developers Pieces for Developersは、AIを活用したスニペットマネージャーです。開発プロセス全体でコードを保存、作成、充実させ、再利用し、配布することができます。デスクトップソフトウェアと既存の開発ツールとの統合スイートにより、ウェブブラウザでの調査、チームとの作業、統合開発環境（IDE）でのコードの記述時に効率を向上させることができます。1つの強力な中央ツールで、特定のリポジトリに合わせたコードを生成したり、スクリーンショットからコードを抽出したり、コードにインラインコメントを自動的に追加したりすることができます。無料リソースを活用して、コーディングの時間と労力を節約しましょう。 LangChain LangChainフレームワークは、ソフトウェアアプリケーションでの大規模な言語モデルの扱いを簡素化するために作成されました。さまざまなコンポーネントに対するモジュラーな抽象化と実装を提供することで、言語モデルの扱いを簡素化します。また、LangChainのユースケース固有のチェーンを使用することで、ドキュメント分析、チャットボット、コード分析などのニッチな用途のアプリを開発者は迅速に作成および調整することができます。つまり、LangChainは、プログラマーに効率的に言語モデルを活用し、先進的なソフトウェアを作成するためのツールを提供します。 YOU You.comは、ユーザーのプライバシーを保護し、個別の検索体験を提供するAIパワードの検索エンジンです。多くの便利なAIパワードの機能と機能を備えたアプリケーションの統合スイートです。YOUwriteを使用して、人工知能を活用してブログ記事、メール、ソーシャルメディアの更新を作成できます。YOUを使用して、美しいAI生成の写真を発見し、作成できます。コードモードAIチャットでは、開発中にコードを書いてアシスタンスを受けることができます。スタディモードチャットを使用して、ウェブ上の資料にアクセスし、学習や新しい能力の獲得を行うことができます。自分自身を知りましょう。 AgentGPT AgentGPTは、ユーザーが作成した自律型AIエージェントの開発と配布を容易にするWebベースのシステムです。ユーザーが名前と目標を指定した後、エージェントは目標を達成するために言語モデルのカスケードを使用して反復的に行動を実行し、結果を評価し、新しい割り当てを作成します。AgentGPTは、さまざまな目標を達成するための個別化されたAIエージェントを構築するための強力なツールを開発者に提供します。 Jam…

スタビリティAIの危機 – CEOの論争の中で主要メンバーが辞任！

ロンドンを拠点とするスタートアップ企業であるStability AI Ltd. はかつて画期的なStable Diffusion AIモデルでテック界を驚かせました。しかし、最近の出来事が同社の成功物語に陰りを投げかけました。幹部の離職やCEOの信頼性に関する懸念が、野心的なイノベーションによって推進される業界に不確実性の波紋を広げています。この記事では、Stability AIの波乱に満ちた道のりを探求します。AIの競争の海を航行する中で、同社が直面する課題を明らかにしていきましょう。また読む：AI急増：Stability AIのCEOが2年以内にインドの開発者の失業を予測伸び盛り：初期の成功 Stability AIは、Stable Diffusion AIモデルによる成功を収め、その成功の波に乗りました。このAIモデルは、テキストのプロンプトから驚くほどリアルな画像を作成するもので、同社を畏敬の念と賞賛の的に押し上げました。1億ドル以上の資金調達と、テック巨人からのトップクラスのプロフェッショナルからなるチームを擁して、Stability AIの未来は壮大なものと思われました。また読む：潜在的拡散モデルの力：画像作成の革命オープンソースのアプローチ：両刃の剣 Stability AIを他の企業と差別化させた魅力的な特徴の一つは、オープンソースソフトウェアへの取り組みです。この戦略は、Amazon、Google、Adobeなどのテック巨人からの優れたエンジニアや科学者を引き寄せました。しかし、AIスタートアップが次々と興る中、Stability AIは野心的な計画を実現するために時間と競争とのレースを強いられました。競争は激しく、同社のペースはAIのフレンジーに追いつく必要がありました。また読む：Metaが有望なプロジェクトをすべてオープンソース化 | 理由を知る弾けるバブル：ハイプサイクルが停滞…

「StableCodeの公開：AIによるコーディングの新たな地平線」

この記事では、開発効率とアクセシビリティを向上させるためにStability AIが開発した革新的なAI製品であるStableCodeについて探求しますその独自の機能、基盤技術、そして開発者コミュニティへの潜在的な影響について詳しく解説します

Artificial Intelligence

カスタム指示でChatGPTを自分のニーズに合わせて調整する

最近、OpenAIはChatGPTの最大限の活用をするためにカスタムインストラクションを導入しました

Artificial Intelligence

「GPTBotの公開：OpenAIがウェブのクロールに踏み出す大胆な一手」

デジタル革新の渦中で、OpenAIはGPTBotというウェブクローラーをリリースすることで注目を浴びています。この取り組みはAIのトレーニングデータを強化することを目的としていますが、同時に倫理的な議論や同意に関する疑問も巻き起こしています。GPTBotとオンラインの領域に与える波紋について探求してみましょう。また、次も読んでみてください：ChatGPTのプラグインとウェブブラウジングの有用性は？論争を巻き起こす：OpenAIのGPTBotが公開される許可なくウェブスクレイピングすることについての議論や懸念が渦巻く中、OpenAIはGPTBotというデジタルエクスプローラーを公開しました。このイニシアチブは、公開されているデータを収集することでAIモデルのトレーニングを強化することを目指しています。OpenAIは透明性と責任あるアプローチを約束していますが、それには倫理的なジレンマも付きまといます。また、次も読んでみてください：すべてのオンライン投稿は今やAIのもの、Googleが発表 GPTBotの目的：責任を持ってAIモデルをトレーニングする OpenAIはGPTBotの目的を文書化しています。このボットはウェブコンテンツを選別し、有料コンテンツを除外します。また、個人を特定できる情報（PII）やポリシーに違反するコンテンツも避けます。OpenAIはGPTBotの役割がAIシステムの正確さと能力の向上に貢献することで、よりスマートな未来を実現すると主張しています。また、次も読んでみてください：TensorFlowを使用して責任あるAIを構築する方法？慎重な手順：GPTBotのアクセスの有効化と無効化ウェブサイトのオーナーはGPTBotとのやり取りを自ら制御します。OpenAIのウェブクローラーはデータを収集するために活用できますが、ウェブサイトのオーナーは自分のサイトのrobot.txtファイルにGPTBotのアクセスを制限することもできます。このユニークなアプローチにより、ウェブサイトのオーナーはコンテンツに対してより多くの制御を持つことができます。また、次も読んでみてください：生成AIツールを使用する際のプライバシー保護の6つのステップ倫理的なジレンマ：HackerNewsの議論 GPTBotの登場により、ウェブクローリングの倫理的な影響が中心になって議論が活発化しています。批評家たちは、OpenAIのアプローチが適切なモデレーションと透明性を欠いており、適切な帰属表示なしに派生作品を作り出していると指摘しています。OpenAIがモデルの構築に利用したウェブサイトについての沈黙は、この論争に拍車をかけています。また、次も読んでみてください：ChatGPTは自らを規制するための法律を制定商標の手がかりとAGIの野望：OpenAIの戦略の一端 OpenAIのAI分野での動きは無作為ではなさそうです。同社が「GPT-5」という商標を申請したことから、より高度なGPT-4の開発を示唆しており、人工汎用知能（AGI）の領域に近づいている可能性があります。報道によると、AGIがOpenAIの究極の目標であり、GPTBotはその野心的な取り組みのために必要なトレーニングデータを収集する上で重要な役割を果たしています。クラシファイアの解明：AIテキスト検出の再考 OpenAIは最近、GPTモデルによって生成されたテキストを検出するためのAIクラシファイアを中止しました。この変更は、OpenAIの戦略や将来の方向性についての疑問を呼び起こします。また、次も読んでみてください：OpenAIのAI検出ツールはAI生成コンテンツの74％を検出できず私たちの意見 OpenAIのGPTBotウェブクローラーの公開は、AIの開発に新たな方向性を打ち立てたかもしれませんが、それに伴って倫理的な火花が散りました。ウェブスクレイピングやコンテンツの利用に関する議論が進展する中で、OpenAIがこれらの懸念にどのように対応するかはまだ見ていく必要があります。GPTBotの旅は困難に満ちていますが、そのAIの領域への影響は大きく、データアクセス、透明性、同意の枠組みを再構築する可能性があります。

腫瘍の起源の解読：MITとDana-Farber研究者が機械学習を活用して遺伝子配列を分析する方法

MITとDana-Farber Cancer Instituteの画期的な共同研究により、機械学習の力ががん治療における困難な課題に取り組むために活用されました。一部のがん患者にとって、悪性腫瘍の発生源は謎のままであり、適切な治療法の選択を複雑化させています。機械学習によって開発されたコンピュータモデルを活用した新しいアプローチは、このパズルを解読し、より効果的な個別化療法の道を切り拓くことを約束しています。従来のがん治療戦略では、がんの発生源に合わせた特定の薬剤を使用することで、精密医薬品が非常に効果的です。しかし、がんが体内に広がっている約3〜5％のケースでは、病気の発生源を特定することが困難になります。これらのケースは、「原発部位不明のがん（CUP）」として分類され、長い間がん専門医を困惑させ、影響を受ける患者に対する正確な治療オプションの不足を招いてきました。 MITとDana-Farberの研究者が考案した革新的なアイデアが登場しました。このチームは、がんに関与することがよく知られている約400の遺伝子の遺伝子配列を細心の注意を払って分析し、頑健なコンピュータモデルを構築しました。この機械学習によって駆動されるモデルは、遺伝子配列を巧みに調べ、腫瘍の発生源を正確に予測しました。彼らの研究結果は驚異的な成功率を示しました。モデルは高い信頼性を持って腫瘍の約40％を正しく分類し、予測されたがんの発生源に基づいた個別化治療の可能性を開くものです。チームは、モデルが治療判断に与える重要な貢献を強調しました。CUP患者の個別化療法を的確に導くことで、モデルはがんの発生源について苦悩する患者に希望をもたらします。チームは、モデルを開発するために、22種類の異なるがんの診断を受けた約3万人の患者からの遺伝子配列データセットを利用しました。このトレーニングフェーズにより、機械学習モデルであるOncoNPCは、未知の腫瘍に対して約80％の正確性でがんの発生源を予測することができました。高い信頼性の予測では、正確性は約95％にまで高まりました。研究者たちは、900個のCUP患者の腫瘍データセットを分析して、モデルを試しました。驚くべきことに、モデルは自信を持ってこれらの腫瘍の40％の発生源を予測し、がん治療の個別化における重要な進展を示しました。モデルの予測は、生殖系変異解析との比較によってさらに裏付けられました。幸いなことに、モデルの予測は生殖系変異に基づいて最も強く予測されるがんのタイプと密接に一致しました。予測の正確性に加えて、モデルの臨床的な影響力も明らかでした。CUP患者の生存時間は、モデルの予後と相関があり、予後が悪いがんが予測された患者は、生存時間が短くなりました。特筆すべきことは、モデルの予測に基づいた治療を受けた患者は、異なるがんの治療を受けた患者よりも良い結果を示しました。もっとも有望な点は、モデルが既知のがんの種類がわかっていれば、既存の標的治療の恩恵を受けることができた患者の追加の15％（2.2倍の増加）を特定したことです。このブレイクスルーにより、既に手に入れている治療法の潜在能力を最大限に活用することが可能になるでしょう。今後、研究者たちは病理学や放射線学の画像など、さまざまなデータモダリティを組み込むことで、モデルを強化することを目指しています。腫瘍解析の多面的な包括は、予測の向上だけでなく、治療選択を導く可能性があり、個別化されたがん治療の新たな時代を切り開くことになるでしょう。技術と医学の連携が強まるにつれて、がんの発生源に対する闘いの中で患者はより希望に満ちた未来を手にすることでしょう。

「AIがキーストロークを聞く：新たなデータセキュリティの脅威」

ロンドン大学、ダラム大学、サリー大学の研究者によって開発された画期的なAIシステムは、データセキュリティの懸念を新たなレベルに引き上げました。この先端技術のアルゴリズムは、オーディオ録音だけを基にキーボードの入力内容を解読することができます。この記事では、このAIイノベーションの仕組み、潜在的なリスク、およびこの新たなデータセキュリティの脅威から自身を保護する方法について詳しく説明します。また読む: OpenAIリーダーがAIのリスクについて書き、ガバナンスの方法を提案 AIキーボード盗聴のブレイクスルー研究者たちは、人工知能の力を借りて、オーディオ録音を通じてキーストロークに耳を傾けることに成功しました。MacBook Proのキーボードでテストされた彼らのAIモデルは、93-95%の正確性を達成しました。つまり、アルゴリズムは音の解析によって正確にどのキーが押されているかを検出することができます。アコースティックサイドチャネル攻撃の台頭この研究は、電話やノートパソコンなどの普段使っているデバイスにマイクが普及していることを強調しています。これまでは無害と考えられていたこれらのマイクは、今や音響サイドチャネル攻撃の標的にされる可能性があります。以前のオーディオベースのキーストローク検出の試みが存在したにもかかわらず、このAI駆動のアプローチは、ハードウェアベースの方法さえも上回る高精度を実現しています。また読む: FraudGPT：AIパワードのサイバー犯罪ツールの急増オーディオアルゴリズムの動作方法研究者たちはまず、MacBook Proのキーボードの各キーを25回押した音を録音しました。そして、これらの音声サンプルをスペクトログラムに変換しました。スペクトログラムは、時間の経過に伴う音の周波数変化を視覚的に表現したものです。AIモデルは、これらのスペクトログラム内のさまざまなキーストロークに関連する独自のパターンを認識するためにトレーニングを受けました。 AIによるキーストローク予測の解放数千のオーディオセグメントでAIモデルをトレーニングした後、それは各キーストロークの独特な音響特性を見分けるのに熟練しました。新しいオーディオ録音に適用すると、AIは正確にキーストロークを予測することができました。アルゴリズムは、MacBook Proのキーボードでトレーニングされた場合において、テストで93-95%の正確性を達成しました。データセキュリティの懸念と保護策このAIの進歩は素晴らしい知見を提供しますが、重大なセキュリティリスクも引き起こします。攻撃者はパスワードやメッセージなどの機密情報を傍受する可能性があります。この脅威に対する保護策には、タイピングスタイルの変更、スピーカーで音を鳴らす、タッチスクリーンキーボードの使用、またはキーボードの音響を変更してAIモデルを無効化するなどの戦略が必要です。また読む: 4つのテック巨人 – OpenAI、Google、Microsoft、Anthropicが安全なAIのために結集私たちの意見オーディオ録音に基づいてコンピュータがキーストロークを解読するAIのブレイクスルーは驚くべきものであり、懸念されるものです。これは、データセキュリティの脅威の絶え間ない進化と、AIが新たな情報の解明にどれだけの力を持っているかを示しています。技術の進歩に伴い、データプライバシーを保護するためには新たな脆弱性に対抗する革新的な戦略が必要です。AIの可能性を受け入れる一方で、私たちは耳をそばだてる者から私たちの機密情報を守るための防御手段を強化することにも取り組まなければなりません。

AIは人間過ぎるようになったのでしょうか？Google AIの研究者は、LLMsがツールのドキュメントだけでMLモデルやAPIを利用できるようになったことを発見しました！

人工知能が地球を支配しようとする現代において、大規模な言語モデルは人間の脳により近づいています。Googleの研究者たちは、大規模な言語モデルが各ツールのドキュメンテーションを提供するだけで事前のトレーニングなしに未知のツールをゼロショットで使用できることを証明しました。この解決策全体を、4歳のオードリーに自転車の乗り方を教えることに例えることができます。最初に、彼女に自転車の乗り方を教え、学ぶのを手伝いました（デモンストレーション）。トレーニングホイールを使って乗る方法と、トレーニングホイールを使わずに乗る方法を彼女に示しました。つまり、さまざまなシナリオを彼女に見せました。この解決策は、彼女が本（ドキュメント）で自転車の乗り方を読み、自転車のさまざまな機能について学び、私たちの助けなしで乗ることができるようになった部分に対応しており、それを非常に印象的に行っています。彼女はスキッドすることができ、トレーニングホイールを使ったり使わずに乗ることができます。ここにオードリーが成長した様子が見えますね？デモンストレーション（デモ）は、少数の例を使用して言語モデルにツールの使用方法を教えます。存在するすべてのツールプランをカバーするためには、多くの例が必要かもしれません。ドキュメンテーション（ドキュメント）は、ツールの機能を説明することで言語モデルにツールの使用方法を教えます。ドキュメントとデモをプロンプトに含める/除外する組み合わせ、およびデモの数を変えて、モデルの結果とパフォーマンスを分析しました。さまざまなツールセットを使用して、複数のモダリティにまたがる6つのタスクで実験が行われました。使用されたLLMプランナーはChatGPT（gpt-3.5-turbo）で、6つのタスクは以下の通りです：ScienceQAにおけるマルチモーダルな質問応答、TabMWTabMWP（数学推論データセット）における表形式の数学推論、NLVRv2におけるマルチモーダルな推論、新たに収集されたデータセットにおける未知のAPIの使用、自然言語による画像編集、およびビデオトラッキング。彼らは、各データセットでツールのドキュメンテーションを使用した場合と使用しなかった場合のモデルのパフォーマンスを、異なる数のデモンストレーション（デモ）で評価しました。調査結果は、ツールのドキュメント化によってデモンストレーションの必要性が低下することを示しています。ツールのドキュメントがある場合、モデルはデモンストレーションの数が削減されても安定したパフォーマンスを維持するようですが、ツールのドキュメントがない場合、モデルのパフォーマンスは使用されるデモンストレーションの数に非常に敏感であることが示されました。品質の比較を通じて、ドキュメントに頼ることは、大規模な言語モデルが多数の利用可能なツールを備えるためのスケーラブルな解決策を提供することがわかりました。さらに、ツールのドキュメントだけでLLMは最新のビジョンモデルを理解し、新しいデモを必要とせずに画像編集やビデオトラッキングのタスクで印象的な結果を達成することができます。研究者は、結果が非常に印象的で別のブレークスルーを示唆しているものの、ドキュメントの長さが600ワードを超えると性能が低下することを発見しました。結果として、この論文はLLMがドキュメンテーションを通じてツールを学ぶだけでなく、追加のデモンストレーションなしで「Grounded SAM」と「Track Anything」などの人気プロジェクトの結果を再現することを示し、ツールのドキュメントを通じた自動的な知識の発見の可能性を示唆しています。これにより、LLMにおけるツールの使用の視点において新たな方向性がもたらされ、モデルの推論能力を明らかにすることを目指しています。

Learn more about Search Results A - Page 305