🟡 🤖 モデル 2026年4月13日 · 1 分で読めます
ArXiv PRA：4Bモデルが医療ベンチマークで80.8%を達成——小規模モデルの新SOTA
Process Reward Agentsにより、小規模の凍結モデル（0.5B〜8B）が一切の訓練なしで医療推論を大幅に改善できる——Qwen3-4BがMedQAで80.8%の新たなstate-of-the-artを達成。
2026年4月13日月曜日
4 件 — 🔴 1 重大 , 🟡 2 重要 , 🟢 1 注目
🤖 モデル (2)
🤝 エージェント (2)
🔴 🤝 エージェント 2026年4月13日 · 2 分で読めます
ArXiv HiL-Bench：いつ助けを求めるべきか分かるフロンティアモデルは一つもない
新しいベンチマークがAIエージェントの判断力における普遍的な欠陥を明らかにした——仕様が不完全な場合、いかなるフロンティアモデルもフルパフォーマンスのごくわずかしか達成できない。研究者たちは、このスキルが強化学習で訓練可能であることを示した。
🟢 🤝 エージェント 2026年4月13日 · 2 分で読めます
ArXiv SAGE：27のLLMをテスト——モデルは意図を理解するが正しく実行しない
カスタマーサービス向けの新ベンチマークが2つの現象を明らかにした：'Execution Gap'（モデルは意図を正しく分類するが正しいアクションを実行しない）と'Empathy Resilience'（モデルは論理的エラーを犯しながら礼儀正しさを維持する）。