長い作業でLLMはどこで崩れるかを分解
原題 Context Injection and Long-Horizon Reliability: Separating Duplicate Recognition, Local Processing, and Counter Tracking
LLMの長時間タスクの失敗は通常、最終成功率や持続長で測られる。本研究は400ステップの台帳タスクで、重複認識・局所処理・カウンタ追跡の3要素をステップごとに採点した。
論点
エージェントの長時間信頼性は未解決のままか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
数百ステップで崩れるなら、自律エージェントに仕事を任せるのは時期尚早だ。反対側の視点
失敗要因が分解できたなら改善は時間の問題。ツールと記憶で補えば実用に足りる。
みんなのコメント 件
コメントを書く