Google ResearchはWikiSkillを発表しました。これはAIエージェントの恒常的な知識ベースを備えたフレームワークです。エージェントは、過去の失敗と成功の情報を蓄積し、毎回新しい実行を“蓄積された経験なしに始める”代わりに活用します。
The Decoderの説明によれば、エージェントはこれらの記録を用いて時間とともに動作を改善します。WikiSkillによる恩恵は大規模モデルでより大きく、小規模モデルでもWikiSkillなしの大規模モデルと比較され得るとされています。
このアイデアの実践的価値は、タスクを一度だけ実行するのではなく、実行間での経験の移転にあります。ただし出典は独立した再語としてメタデータ付きで提示されているため、テスト、測定、WikiSkillの制約についての詳細は材料には含まれていません。
編集部コメント
なぜ重要か
おそらく、起動間で経験を転移し、小規模モデルをより効果的に動作させるシステムへの関心が高まると見られます。次に観察されるべきサインは、テストと測定の説明とともに初期結果が現れることです。著しく不確定なのは、主張された効果が要約に示された条件外でどれだけ維持されるかです。