arxiv arXiv cs.CL · 1時間前 · research

Mint-Agentが金融ネイティブなエージェント型基盤モデルを導入

翻訳元 English → 日本語

研究者らが、信頼性の高い実行と長期の調査能力を組み合わせるために設計された金融ネイティブなエージェント型モデルファミリーであるMint-Agentを発表した。本システムは3つの柱に基づいて構築されている：専門タスク用のデータエンジン、監査可能な証拠トレイルのためのMintHarness環境、そしてSFT、OPD、RLVRを組み合わせたトレーニングレシピ。

2つの主力モデルがリリースされた：Mint-Cu (9B) と Mint-Ag (27B)。
Mint-AgはRFC-Benchで98.33%を達成し、GPT-5.6-SolやClaude-Opus-4.8を上回った。
Mint-CuはFinSearchComp T2で69.86%に達し、Agents-A1-35BやNex-N2-miniを上回った。
Mint-AgはFinanceAgentBench v1.1およびv2でそれぞれ76.00%と60.49%のスコアを獲得した。

これらの結果は、ドメイン専門知識、長期実行、監査可能な証拠を共同でエンジニアリングすることで、信頼性の高い金融インテリジェンスへの道筋を示す。

重要度 2/3 差別化要素を備えた新しい評価ハーネス arXiv cs.CL DeepSeek AI agents Research paper

原文を読む

関連記事

arxiv arXiv cs.LG · 4日前 · 26 回表示

Faraday 27B が論文再現タスクにおいて Claude Opus 4.8 および GPT-5.5 を上回る

研究者らは、信頼性の高い科学知識の必要性に対応するため、論文再現のためのスケーラブルなタスク空間である Replica を開発しました。彼らは、この環境を活用するために、コーディングエージェントをツールとして使用する 27B パラメータの「AI Scientist」エージェントである Faraday のファインチューニングを行いました。

arxiv arXiv cs.AI · 4日前 · 20 回表示

Faraday 27B が論文再現タスクで Claude Opus 4.8 および GPT-5.5 を上回る

研究者らは、論文再現のためのスケーラブルなタスク空間である Replica を開発し、人間の評価と整合する低ノイズ報酬信号を提供するための自動生成されたルーブリックベースのジャッジを導入しました。

arxiv arXiv cs.CL · 44日前 · 10 回表示

AutoMemはLLMの認知スキルとしてのメモリ学習を自動化する

研究者らは、AutoMemを発表した。これは大規模言語モデルにおけるメモリ管理を静的な構成要素ではなく、訓練可能なスキルとして扱うフレームワークである。このシステムはファイルシステム操作を第一級のメモリアクションへと昇格させ、モデルが知識のエンコーディング、取得、整理の方法を自律的に決定できるようにする。

arxiv arXiv cs.CL · 49日前 · 13 回表示

パラメータのスケールアップではなくホライゾンの拡張：35Bエージェントでトリリオン・パラメータ級のパフォーマンスを実現

研究者らは、エージェントのホライズンをスケールアップすることで、パラメータ数ではなくパフォーマンスをトリリオン・パラメータモデルに匹敵するものとする35B Mixture-of-Expertsモデル「Agents-A1」を発表した。このアプローチは、長期ホライズンの軌道（trajectories）の延長と、特殊なトレーニングインフラストラクチャを通じて多様なエージェント能力を統合することに重点を置いている。

arxiv Moonshot AI (arXiv) · 259日前 · 2 回表示

DeepSeek-V3.2がSparse Attentionとエージェント型合成を導入し、GPT-5を凌駕

DeepSeekは、高い計算効率と高度な推論能力を組み合わせるオープンな大規模言語モデルであるDeepSeek-V3.2をリリースしました。今回のリリースでは、以下の3つの主要な技術的進歩が強調されています：新しいスパースアテンションメカニズム、スケーラブルな強化学習フレームワーク、およびエージェント型トレーニングデータの合成パイプライン。