GPT-4の回答向上など重要論文5本を解説（生成AIウィークリー）

GPT-4の回答を向上させる「プロンプト26の原則」、220以上の生成タスクが実行可能なマルチモーダルモデル「Unified-IO 2」など重要論文5本を解説（生成AIウィークリー）
など共有いたします。

1週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。2024年初っ端の第27回目は、「礼儀は不要」「モデルに質問させる」「良い解答には報酬」など、大規模言語モデルの返答が向上する「プロンプト26の原則」をはじめとする5つの論文をお届けします。

複数の自律AIエージェントが過去の経験を共有して未知のタスクを処理するモデル「Experiential Co-Learning」

この研究は、大規模言語モデル（LLM）に基づく自律エージェントの進化に焦点を当てており、これらのエージェントが単独で、または人間の介入なしでさまざまなタスクを処理する能力を持つことを示しています。ただし、これまでのエージェントは過去の経験を活用してタスクを効果的に解決することに一定の制限があるという問題がありました。 この問題を解決するために、研究者らは「Experiential Co-Learning」という新しいフレームワークを提案しています。このフレームワークでは、複数のエージェント（指導者とアシスタントの役割を持つ）が協力して、過去のタスクから得た経験や知識を活用し、未知のタスクに対応します。これにより、エージェントは過去の経験を共有し、相互に推論を行いながら、より効果的にタスクに取り組むことが可能になります。 この研究では、ソフトウェア開発を具体的な適用例として取り上げ、エージェントが自然言語とプログラミング言語のスキルを組み合わせて複雑なタスクに対応する方法を詳しく説明しています。また、複数のエージェントが協力することで、ソフトウェア開発の効率が向上し、人間の介入が減少することも示されています。 他の既存のモデル（GPT-Engineer、MetaGPT、ChatDev）と比較して、このモデルは独立性、ソフトウェアの完全性、実行可能性、および整合性において高いパフォーマンスを示しました。これは、エージェントが過去の経験を活用してより効率的に未知のタスクを処理できることを示しています。

画像から動く3Dシーンを生成する新モデル「DreamGaussian4D」

近年、4D（3次元の空間に時間の次元を加えた）コンテンツの生成技術が大きく進歩していますが、従来の方法では最適化に時間がかかりすぎる、動きのコントロールが難しい、詳細度が低いという問題がありました。 この研究では、入力画像を基にして動的な3Dシーンを生成するための4D生成フレームワーク「DreamGaussian4D」を紹介しています。DreamGaussian4Dは、最適化時間を数時間から数分に短縮し、生成される動きのコントロールを向上させ、高品質なアニメーションメッシュを効率的に生成することができます。 DreamGaussian4Dは、3つの段階から成り立っています。初期段階の静的生成では、入力画像から3Dガウス分布を作成するために、元のDreamGaussianを改良したバージョンを使用します。このプロセスでは、画像を基にして、3D空間における物体や形状をガウス分布を使って表現します。これにより、静的な3Dモデルが生成されます。 第2段階の動的生成では、入力画像から生成した駆動ビデオを利用して、静的な3Dガウス分布に時間依存の変形フィールドを最適化します。これにより、静的モデルに動きや変化を加え、動的な4Dコンテンツを作成します。ここでの動的とは、時間の経過とともに変化することを意味しています。 最終段階では、4Dガウス分布をアニメーションメッシュシーケンスに変換し、ビデオからビデオへのパイプラインを適用して、テクスチャマップを一貫して洗練します。この段階で、生成された4Dコンテンツはさらに高品質なアニメーションメッシュに変換され、テクスチャの質も向上します。

GPT-4の回答を向上させる「プロンプト26の原則」、220以上の生成タスクが実行可能なマルチモーダルモデル「Unified-IO 2」など重要論文5本を解説（生成AIウィークリー）（テクノエッジ） - Yahoo!ニュース