カテゴリ
AIエージェントの記事一覧
7件の記事があります。
LLMCompilerとは？エージェントのツール呼び出しを並列化して高速化する技術
LLMCompilerは、LLMエージェントの関数呼び出しをDAGとして計画し、依存関係を保ちながら並列実行する技術です。仕組み、実験結果、実務での使い道を日本語で解説します。
参照論文：An LLM Compiler for Parallel Function Calling
ToolRerankとは？大量ツール時代のAIエージェントでAPI選択を賢くする再ランキング技術
ToolRerankは、AIエージェントのツール選択で起きやすい取りこぼしや偏りを減らすために、見たことのあるツールと未知のツールを分けて扱い、単一ツール型と複数ツール型のクエリで再ランキング戦略を切り替える手法です。仕組み、実験結果、実務での活かし方を日本語で解説します。
参照論文：ToolRerank: Adaptive and Hierarchy-Aware Reranking for Tool Retrieval
Tree of Thoughtsとは？LLMに探索・分岐・自己評価を持ち込む推論技術
Tree of Thoughtsは、LLMの推論を1本の連続生成ではなく、複数の思考候補を探索しながら進める技術です。仕組み、実験結果、AIエージェントや複雑タスクへの使い道を日本語で解説します。
参照論文：Tree of Thoughts: Deliberate Problem Solving with Large Language Models
GraphReaderとは？長文をグラフ化して小さなコンテキストでも読めるAIエージェント技術
GraphReaderは、長い文書をそのままLLMに流し込む代わりに、文書をグラフ構造へ変換し、エージェントが必要なノードだけを探索しながら答えを組み立てる技術です。長文QA、RAG、社内検索への使い道まで日本語で解説します。
参照論文：GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models
Reflexionとは？失敗の言語化メモでAIエージェントを改善するVerbal Reinforcement Learning
Reflexionは、AIエージェントが失敗理由を自然言語で振り返り、メモとして次回試行に持ち越す技術です。仕組み、実験結果、エージェント開発での使い道を日本語で解説します。
参照論文：Reflexion: Language Agents with Verbal Reinforcement Learning
ReActとは？推論と行動を交互に回してLLMエージェントを安定化する技術
ReActは、LLMに考える過程と外部アクションを交互に出させることで、検索・ツール利用・逐次タスク実行を安定させる技術です。エージェント設計の基本として、仕組みと使い道を技術的に整理します。
参照論文：ReAct: Synergizing Reasoning and Acting in Language Models
Toolformerとは？LLMが自分でAPIを呼び出す自己教師ありツール利用学習の仕組み
Toolformerは、少数のAPI使用例だけを手がかりに、LLMがいつツールを呼ぶべきか、何を渡すべきか、返り値をどう使うべきかを自己教師ありで学ぶ技術です。エージェントや業務自動化にどう効くのかを技術的に整理します。
参照論文：Toolformer: Language Models Can Teach Themselves to Use Tools