韓国 · モデルと研究

メタ、80億パラメータのモデルでクロード・オーパス4.5に匹敵する性能を達成

米メタAIとイリノイ大学アーバナ・シャンペーン校の研究者が、新しい強化学習手法「エボハーネス-RL(EvoHarness-RL)」でオープンモデルQwen3-8Bを訓練した。複数ステップの連続タスクを評価するベンチマークALFWorldで96.9%の成功率を達成し、クロード・オーパス4.5の96.4%を上回った。基本のReAct方式からは49ポイントの向上となる。