マイクロソフト研究者、AIモデルとエージェントは長期タスクに対応できないと指摘

マイクロソフトの研究者による新たな研究で、大規模言語モデル（LLM）はマルチステップのワークフローで重大なエラーを引き起こし、最先端モデルでも20回の委譲操作で平均25%の文書内容を失うことが判明しました。DELEGATE-52ベンチマーク（52領域）では、Pythonプログラミングのみが「準備完了」基準に達しました。エージェント用ツールはむしろ性能を悪化させました。