AI ニュースを検索

WikiOriginQAのリリース：ウィキペディアの多言語版の作成時期に基づいて自動的に構築された、文化的偏見を評価する質問応答データセット

研究チームは2026年10月24日、arXivに論文（番号2610.30677v1）を公開し、全自動で構築された質問応答データセットWikiOriginQAを紹介しました。このデータセットは、各言語版ウィキペディアの作成日付を用いて知識の起源を客観的に表すもので、文化的バイアス評価の拡張性向上を目的としています。

注目する理由：本研究は、人手によるラベル付けを必要とせず、言語を跨いで文化知識の由来データを大規模に生成できる手法を提案し、実験により大規模言語モデルが英語圏の文化に関連する課題において体系的な性能優位性を示すことを確認した。これにより、文化的バイアスの定量的分析に新たなツールが提供された。

マイクロソフトとHugging FaceがThinkingBoxフレームワークをオープンソース化：データベースの最終状態を確定的な報酬信号として用い、エージェントの強化学習後訓練を推進

マイクロソフトとHugging Faceは共同でオープンソースフレームワーク「ThinkingBox」を発表しました。このフレームワークは、LLMエージェントが実行した後の実際のデータベースの最終状態と期待される状態を比較し、0/1の二値報酬を生成することで強化学習による微調整に用いられます。また、それに伴うベンチマーク「ThinkingBox-Bench」には507の実際のバックエンドタスクが含まれており、いずれのタスクも学習に使用されていません。Qwen3.8-27Bは50ステップのGRPOによる微調整を経た結果、ホールドアウトテストセットにおいてpass@1が9.08ポイント向上し、Observed 20/20は約3倍に増加しました。ただし、一部の領域ではpass@20が低下しており、これは広範さと安定性のトレードオフを反映しています。