Abaka Pulse : AI & データ最新インサイト | 8月1日～8月12日

At the Core | 私たちが探求していること

• AIエージェント革命を牽引するものは何か？

真に自律的なAIエージェントを構築する競争が加速しています。ヘッドラインが産業を革新する可能性を示す中、主要な開発者は重要な次のステップに直面しています：有望なデモから信頼性の高い実世界の製品へ移行することです。この飛躍は、インテリジェントなデータの調達と真の能力の証明という2つの核心的な課題を克服することに完全に依存しています。

• 「脳」を構築する：単純なデータセットを超えて

複雑なタスクを実行するためには、エージェントは単なるデータ以上のもの、つまり「思考のための設計図」を必要とします。標準的なデータセットは、効果的なエージェントを定義する本質的な推論、ツール使用、意思決定の流れを捉えないため不十分です。Abaka AIは、エージェントデータセット構築を専門とし、「思考から行動へ」のプロセス全体をマッピングする高精度なデータを作成します。動的な環境で戦略を立て実行する方法をモデルが学ぶために必要な、豊かで構造化された基盤を提供します。

• 現実検証：真のパフォーマンスを評価する

エージェントが構築されたら、単純なテストを通過するのが得意なだけでなく、真に効果的であることをどうやって検証するのでしょうか？標準的なベンチマークは、多くの場合、エージェントの実世界での問題解決スキルを測定できません。当社のエージェント評価サービスは、その確実性を提供するために設計されています。エージェントを限界まで追い込み、真の推論能力とツール操作能力を評価するカスタムで複雑なテストシナリオを作成します。この厳格な評価は、エージェントを改良し、開発投資に対する確かなリターンを保証するために必要な重要な洞察を提供します。

• エージェント革命の主導権を握る準備はできていますか？

高度なトレーニングデータで基盤となる知性を構築している場合でも、その実世界での有効性を検証している場合でも、Abaka AIはあなたの成功を支援する専門知識を持っています。

デモを予約する 当社のエージェントデータセットと評価サービスがあなたのロードマップを加速する方法を確認するか、エキスパートチームに問い合わせる 無料相談を受けることができます。

Moore Power | Abaka Forgeプラットフォームのアップデートと機能

• CGAT: Chrome GUIアノテーションツール

AIエージェントのトレーニングと評価のための高品質なデータセットを作成するために特別に設計された強力なデータ収集・アノテーションツール、Chrome GUIアノテーションツール (CGAT) の導入を発表できることを嬉しく思います。

CGATは、ユーザーが複雑な問題を解決するためにWeb検索を使用するなど、エージェントがコマンドを実行する段階的なプロセスをシミュレートできます。大きなタスクを複数のサブタスクに分解し、問題解決の連鎖全体を正確に記録することに優れています。このツールは、行動データや画面操作動画からウェブページの生HTMLまで、包括的な範囲のデータを捕捉します。

収集後、プラットフォームは詳細な手動アノテーションと結果の要約をサポートし、すべてのデータポイントが追跡可能で検証可能であることを保証します。このレベルの精度は、よりスマートで信頼性の高い次世代AIエージェントを構築するために不可欠です。

• デュアルモードデータフローによる動的ワークフロー

初期アノテーションから最終受け入れまでのデータライフサイクル全体を加速するために、ワークフローシステムを完全に再構築しました。この新しい動的フレームワークは、アノテーション、内部レビュー、レビュー、受け入れの4つのコアステージを中心に構築されており、各ステップを最適化する革新的なシステムを備えています。

その中核にあるのは、異なるステージのニーズにインテリジェントに適応するデュアルモードデータフローシステムです：

1. アノテーションのためのアイテム単位フロー: 重要な初期段階では、データは1アイテムずつ処理されます。これにより、アノテーターは途切れないシームレスなリズムを維持し、集中力と生産性を最大化して、各タスクで最高レベルの精度を確保できます。

2. レビューと納品のためのバッチフロー: データが後のステージに進むと、システムはバッチフローモードに切り替わります。これは、検証済みのデータをまとまりのある独立したモジュールにバンドルします。これは、最終的な品質保証の簡素化、プロジェクト納品の最適化、最終データセットの構造的完全性を保証するために不可欠です。

このハイブリッドアプローチは、データライフサイクルの二重のニーズを完璧にバランスさせることでチームを強化します：アノテーション時のスピードと精度の要求、および納品時の構造と完全性の必要性です。

Latest Insights | ナレッジ、リリース、アイデア

2077AIオープンソース財団とAbaka AIの貴重なインプットをもとに開発。

• 当社のVeriGUI論文が公開され、話題を呼んでいます！

Abaka AIが貢献したことを誇りに思う、論文 VeriGUI: 汎用エージェントのための検証可能なロングチェーンGUIデータセット の公式リリースを発表できることを嬉しく思います。この論文は信じられないほどのコミュニティの関心を集め、公開日にはHugging Faceリーダーボードで第3位にランクインしました。

VeriGUIは、GUIエージェントを制限してきたロングチェーンの複雑性という重要な課題に対処します。何百もの相互依存する操作とユニークな段階的な検証可能性を備えたタスクを特徴とすることで、現実的で複雑なワークフローを処理できるエージェントをトレーニングするための基盤を提供します。この専門的にアノテーションされたデータセットは、GUIエージェントにおけるより堅牢な計画と意思決定の開発に向けた重要な一歩です。

今すぐ 論文全文 をお読みください！もし私たちの研究に興味を持たれたり、共有したい洞察がある場合は、Hugging Faceコミュニティまたは当社のソーシャルメディアチャンネル（@2077AI/2077AI Open Source Foundation）でディスカッションを始めることをお勧めします。

詳細な技術解説と継続的な分析については、当社の深掘りブログが間もなく更新されます。最新のインサイトを得るには 2077AI公式ウェブサイト をフォローしてください。

On the Ground | 私たちの活動場所と対話相手

• 過去のイベント: ACL 2025での素晴らしい1週間を終えて

ACL 2025で刺激的な1週間が終了しました！計算言語学と自然言語処理の世界をリードする頭脳たちとつながる素晴らしい機会でした。Abaka欧州チームの責任者、Omidとの時間を割いてくださった皆様に特に感謝申し上げます。AIの未来についての洞察に満ちた会話に活力を得て、今後のコラボレーションを楽しみにしています。

On Our Radar | 私たちが読んでいるもの

• SWE-SWISS: コードを効率的に修正するための「万能ツール」 北京大学とByteDanceによる共同研究が、非常に効率的なコード修正エージェントをトレーニングするための完全な方法論であるSWE-SWISSを紹介しています。彼らの32Bモデルは、SWE-benchで最先端の60.2%の精度を達成し、はるかに大きなモデルと同等のパフォーマンスを発揮します。この「レシピ」は、バグ修正を3つのコアスキル（特定、修復、テスト生成）に分解し、SFTとRLを組み合わせた洗練されたプロセスを使用します。この研究は、構造化された方法論と高品質なデータに焦点を当てて小さなモデルを強化するという点で、強力で専門的なAIエージェントを構築するための私たちの理念と完全に一致しています。

• WideSearch: 幅広い情報探索エージェントのための新しいベンチマーク 現在のベンチマークは、多くの場合、エージェントの大規模な情報収集能力をテストできません。新しいWideSearchベンチマークはこの重要なギャップを埋め、大量の検証可能な事実を収集する必要がある200の複雑な実世界のクエリを特徴としています。調査結果は明白です：最先端のシステムのほとんどが0%に近いスコアであり、今日のエージェント検索能力における重大な弱点を明らかにしています。この研究は、エージェントのパフォーマンスを真に理解し向上させるために、堅牢な評価フレームワーク（当社のエージェント評価サービスの核心的な焦点）が緊急に必要であることを強調しています。

Abaka Pulseをお楽しみに！

見逃した号はありますか？ ニュースレターアーカイブ をご確認ください。

次回のPulseでお会いしましょう！