一緒に進める研究

コラボレーション

論文や投稿の下に私たちがコメントを残したのがきっかけのものもあれば、届いたメッセージから始まったものもあります。どれもテーマも、思わぬ展開も違います。

イラスト:日差しの入るアトリエに4つの作業台。2つのメーターが付いたグラフィックカード、嵐の島の横に並ぶ判断カード、ショウジョウバエが止まる光る点のガラスケース、アプリのブロックの列。どれも光る糸で、グラフの描かれた一冊の開いたノートにつながっている。

30秒でわかる

三人の、それぞれ違う問いです。みなさん自分で何かをつくっていて、私たちはその中の一つの問いに、オープンに一緒に取り組んでいます。

Anagha Langheさんは、モデルを軽くしたバージョン(FP8)だと答えの質が落ちるのかを調べました。120問のうち、正解から不正解に変わったのは1問だけでした。

Mark Goodbodyさんは、自分の推論フレームワークでChatGPTとClaudeの判断が変わるのかを試しました。これらの実行では、主要な区別はフレームワークがあってもなくても現れたので、効果はまだ確認できていません。モデルは「言えること」と「やるべきこと」を、もともと自分で分けて考えているようです。

Mohan Bheemadoluさんは、エージェントのメモリをごく短いコードに詰め込んでいます。私たちは一緒に、そうするとAI二つが同じ間違った答えで一致しやすくなるのかを試しています。

YouTubeで見る

ストーリー

三人のアドバイザーが、同じ2年前の地図をもとに小学校を推す。うち一人の手元には、今日の点検で「段差のない入口が閉鎖されている」という情報がある。2つのAIは、Markのフレームワークがあってもなくても、この三つを一つの情報源として数えました。

AIモデルは、主張と行動をすでに切り分けているか?

共同: Mark Goodbody · システムエンジニア、英国 · Mechanical Ethics と TRACE の著者

ストーリーを読む →

エージェントのメモリに事実がなかったとき、GPTとClaudeはそれでも33回、同じ答えを出し、そのうち15回は間違いでした。MohanのFlyHashは、記憶ごとにごく少数のアクティブビットだけをオンにします。より圧縮されたコードは、この共有された間違いを増やすのでしょうか。

エージェントのメモリを疎なコードに圧縮すると、二つのAIは同じ間違った答えで一致するのか?

共同: Mohan Bheemadolu · AIエージェント開発者 · FlyHash for LLM agent memory の共著者

ストーリーを読む →

コラボレーションの進め方

  1. あなたが問いやシステム、データを持ち込みます。自分で動かしているモデルでも、エージェントのメモリでも、ケース集でも、試してみたい論文でも構いません。
  2. 結果を見る前に、何を走らせるか、何をもって答えとみなすかを決めておきます。
  3. それぞれが自分の分を走らせます。公開できるものはすべて公開します。コード、プロンプト、生の答え、数字です。
  4. ストーリーは、ここにあるようなページに、平易な言葉で、あなたの名前とリンクつきで載せます。作業が進むにつれて、ページも育っていきます。

コラボレーションを提案する

取り組んでいること、知りたいこと、コードや論文の場所を、数行で教えてください。すべて目を通し、私たち自身がお返事します。

polyhelper.ai@gmail.com