クレジット公平性:共有リソースプールにおけるオンライン公平性
TL;DRエージェント間でリソースを共有する際、従来の「各ラウンドでの効用最小化(Max-Min)」手法は、エージェント間のリソース配分に大きな格差を生む可能性がある。本論文では、初期にリソースを貸したエージェントが後に回収できることを保証する「クレジット・フェアネス」という概念を導入し、これとパレート効率性を両立させる新たなメカニズムを提案する。
AI研究の要点を整理。最新の論文記事をカテゴリやタグで探索できます。
運営: Cognitive Research Labs(CRL) / crl.co.jp
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
Cog AI Archive
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
TL;DRエージェント間でリソースを共有する際、従来の「各ラウンドでの効用最小化(Max-Min)」手法は、エージェント間のリソース配分に大きな格差を生む可能性がある。本論文では、初期にリソースを貸したエージェントが後に回収できることを保証する「クレジット・フェアネス」という概念を導入し、これとパレート効率性を両立させる新たなメカニズムを提案する。
Pricing