OpenAIからの新しい研究論文は、人工知能エージェントが仕事の性質を根本的にどのように変えているかを示しています。この研究は、これらのエージェントが以前よりも長く、より複雑なタスクを実行する能力に焦点を当てています。この技術的進歩は、幅広い職業役割全体で生産性を拡大したと評価されています。調査結果は、自動化を通じて労働の組織化と実行方法に大きな変化が生じることを示唆しています。AIエージェントが複雑なワークフローを処理することで、ユーザーはより高い効率を達成できるようになっています。論文は、自律型システムが現代の雇用にもたらす影響が増大していることの証拠となっています。
OpenAIの研究、AIエージェントが仕事を変革していることを示す
DisCoがGitHubリポジトリを5,000以上のAI研究スキルに凝縮
研究者らは、DisCoを発表しました。これは機械学習研究における運用知識のギャップを埋めるために設計された、スキル駆動型の自律エージェントです。このシステムは、コードリポジトリから専門知識を抽出し、再利用可能で検証済みのスキルへと凝縮します。その手法は、一般的なエコシステムに対するタスク非依存の凝縮と、特定のニーズに対するタスク指向の生成という2つの補完的な形式で行われます。
DisCoがGitHubリポジトリをAI4AIのスキルに蒸留し、研究エージェントのパフォーマンスを向上
著者らは、外部ソースからドメイン固有のノウハウを蒸留することで、運用知識のギャップを埋めることを目的とした、スキル駆動の研究エージェントであるDisCoを発表する。このシステムは、広範な汎用性を実現するためのタスク非依存の蒸留と、特定のニーズに対応するためのタスク指向の蒸留という2つの補完的な形式を通じて、広く使用されている機械学習リポジトリを再利用可能で検証済みのスキルに凝縮する。
オープンエンド最適化によりGPT-5.5が自身の改善プロセスを構築
本記事では、Open-Ended Optimization (OEO) というフレームワークを紹介しています。これは、事前定義された最適化パイプラインに依存するのではなく、最先端のモデルオプティマイザーがオンラインで自身の改善プロセスを動的に構築できるようにするものです。著者たちは、8つのベンチマーク・ターゲット・モデルの設定において14回の直接比較を通じて、OEOを2つの段階的アプローチであるSkillOptおよびGEPAと比較しました。
Astraモデルが数学および理論計算機科学の10の未解決問題を解決
OpenAIの内部モデルAstraは、数学および理論計算機科学にわたる10の長年の未解決問題に対する解答を生成し、その論証はLeanで形式化された。これらの結果は高次元幾何学、符号理論、群論、量子複雑性にまたがり、少なくとも10年間進展が見られなかった問いに対処している。
APExは適応型ディープリサーチのためにエージェントの手順経験を蒸留する
研究者らは、対話履歴をインスタンスレベルの軌道メモリとカテゴリレベルの手順スキルに整理し、ディープリサーチエージェントを改善するための階層的経験利用フレームワークであるAPExを提案している。