2026ConferenceACL 2026
ツール利用型多言語エージェントの信頼性評価
Taro Yamada, Alice Smith, Kenji Sato
LLMAgentsMultilingual
多言語環境でツールを利用するLLMエージェントの誤動作要因を分析し、評価ベンチマークを提案した。
言語AI研究者
大規模言語モデルの評価・安全性・多言語展開を中心に、理論と実装の橋渡しに取り組んでいます。
〇〇大学大学院 情報学研究科
Taro Yamada, Alice Smith, Kenji Sato
多言語環境でツールを利用するLLMエージェントの誤動作要因を分析し、評価ベンチマークを提案した。
Mika Tanaka, Taro Yamada, Robert Lee
外部知識への根拠接続を明示的に学習することで、事実誤りの生成を抑制した。
Taro Yamada, Emi Kobayashi
人手フィードバックと制約付きデコーディングを組み合わせた安全応答最適化を提案した。