Metaは、既存モデルの専門特化版(specialized models)を、Muse Wonderを使って訓練し、MuseとMeta AIを使う人々に展開しています。数週間前には、Muse Wonderシリーズを発表しました。Muse Wonderシリーズは、同社においてこれまでに最も高性能なモデルであり、個人および業務のエージェント型タスクで最先端の性能を示すとされています。Muse Wonderは、仕事や日常生活における複雑なタスクに対してフロンティア級の能力を持つように設計されています。また、Muse Wonderを使ってMuseとMeta AIの基盤モデルも改善しており、その能力の一部をより多くの人に提供しています。
Metaは、Muse WonderにおいてActive MemoryとActive Focusを導入しました。この両方の機能は、MuseとMeta AIの専門特化モデルにも取り入れています。Active Memoryは、MuseとMeta AIが重要なことを覚え、以前の情報が関連性を持つ場面を認識できるようにする機能で、過去の会話を土台にしやすくします。MetaはActive Memoryを実現するため、MuseとMeta AIのモデルを、情報が一時的なものか恒久的なものかを見分け、時間をまたいで推論し、今も関連する情報と古くなった情報を区別するように訓練しました。例えば、Museの改良モデルでは、ユーザーの目標達成に必要な重要情報を忘れることが2.4分の1に減りました。Active Memoryの評価では、重要な文脈を正しく使えたタスクの割合が、現行のMuseモデルで90%、従来のMuseモデルで76%です。
| Active Memory Eval: Active Memory Eval | ||
|---|---|---|
| シリーズ | Measurement | Value |
| Current Muse Model | Model | Current Muse Model |
| Current Muse Model | Tasks Correctly Using Critical Context | 90% |
| Previous Muse Model | Model | Previous Muse Model |
| Previous Muse Model | Tasks Correctly Using Critical Context | 76% |
元記事の表を転載しています(見出しは日本語にしています。値は原文のままです)。出典: 元記事
Personal Superintelligence Indexにおける指数スコア(Index Score)は、現行のMuseモデルが47%で、従来のMuseモデルは38%です。また、Museでは、モデルが予期せぬ問題が起きる日常的なタスクの完了において67%の改善を示しました。
Museには、予期せぬ課題に直面しても目標に向けて作業を続けられるようにするActive Focusという機能があります。Metaはモデルを現実世界を反映した様々なボトルネックで訓練しており、ユーザーに代わってより粘り強く試す、回復する、あるいは代替手段を見つけることができるようにしています。
Metaは、Muse Wonderの性能を活用するように、専門特化モデルを開発しました。この専門特化モデルは、Museにとって特に重要な振る舞いにおいてMuse Wonderの性能を利用します。例えば、目標を自律的に押し進めるタイミングと、ユーザーとリアルタイムで協働するタイミングを見極める優れたマルチタスカーになるよう学習しています。また、タスク実行中の方向修正(steers)や補足説明に対しても、混乱せずにより適応できます。
Meta AIでは、Muse Wonderを使った専門特化モデルによるMuseと同じ改善によって、より良い思考（thinking）のパートナー・協働者になります。Meta AIは、複雑な問題を明確なステップに分解し、より鋭い追加質問をし、会話の途中で方向が変わってもついていくことができます。専門特化モデルをMuseとMeta AIに加えることで、より多くの人に、さらに高性能な超知能へのアクセスを提供することを目指しています。