Zeyi Sun Yuhang Cao Jianze Liang Qiushi Sun Ziyu Liu Zhixiong Zhang et al

要約

グラフィカルユーザーインターフェース（GUI）用の自律エージェントは、長時間スパンの計画と正確な実行が求められる科学計算など、専門的分野において大きな課題に直面している。従来のアプローチは、一般的なエージェントは計画能力に優れるが実行性能が低く、専門的なエージェントは逆に計画能力が弱いというトレードオフに悩まされている。最近の構成的フレームワークは、計画者（planner）と実行者（actor）を組み合わせることでこのギャップを埋めようとしているが、これらは通常静的かつ学習不可能な構造を採用しており、経験からの適応が困難である。特に科学分野では高品質なデータが極めて限られているため、この制約は重大な問題である。本研究では、この課題を克服するため、学習可能な新しい構成的フレームワーク「CODA」を提案する。CODAは、一般化された計画者（Cerebrum）と専門的な実行者（Cerebellum）を統合し、独自の二段階パイプラインによって訓練される。第一段階「特化（Specialization）」では、各科学的アプリケーションごとに独立して、少量のタスク軌道から出発して、分離型GRPOアプローチを用いてエキスパート計画者を訓練する。第二段階「一般化（Generalization）」では、各特化エキスパートが生成した成功した軌道を統合し、一貫したデータセットを構築。このデータセットを用いて最終的な計画者を教師あり微調整（supervised fine-tuning）する。これにより、CODAは強固な実行能力と複数領域への一般化能力を両立する。ScienceBoardベンチマークの4つの挑戦的アプリケーション上で評価した結果、CODAはベースラインを大きく上回り、オープンソースモデルにおける新たな最良性能（SOTA）を達成した。