Apple Machine Learning公式発表·2026年8月26日 09:00·約1分

Apple ML、ツール呼び出し能力の蒸留を最適化する「PROOF-Gen」を発表

#LLM #ツール呼び出し #モデル蒸留 #Apple Machine Learning #最適化

整理・翻訳:ainew.jp 編集システムAIによる自動処理作り方と限界

本文の状態

日本語全文あり

詳細モードで約1分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

Apple Machine Learning

30秒でわかる

現在のツール呼び出し機能の蒸留は教師モデル生成の軌道データをフィルタリングする「生成・フィルタ」方式を採用しているが、これでは失敗事例から信号を得られず、同じ困難なシナリオが常に残存する。

記事の3ポイント

既存の蒸留パイプラインの構造的欠陥
現在のツール呼び出し機能の蒸留は教師モデル生成の軌道データをフィルタリングする「生成・フィルタ」方式を採用しているが、これでは失敗事例から信号を得られず、同じ困難なシナリオが常に残存する。
高頻度の失敗とニアミス問題
τ 2-bench における教師モデルの試行で57%が失敗しており、そのうち3分の2はツール呼び出し自体は正しいものの実行結果が元に戻されるような「ニアミス」である。
最適化データへの転換の必要性
毎日または毎週の実行サイクルで最前線の教師モデルコストを支払い続ける現状に対し、単なるフィルタリングではなくデータを最適化するアプローチが求められている。

なぜ重要か・誰に関係するか

この発表が重要なのは、ツール呼び出し機能を持つ実用化されたAIエージェントの開発において、従来の「失敗を捨てて成功のみを採用する」というアプローチが根本的なボトルネックとなっていることを明確に示したからだ。開発者や企業のAI導入担当者は、単なるデータ量の増加ではなく、失敗事例から学習できるようなデータ生成・フィルタリングの新しいメカニズムへの転換を検討すべきである。