1: 名無しのAIウォッチャーさん 2025-06-03(火) 10:00:00.00 ID:GoogleSamaaa Google先生がまたとんでもないもん開発したらしいぞ… その名も「ACT (Action-Based Contrastive Self-Training)」！ なんでもAIがこっちの曖昧な指示を理解できんかったら、「え、それって具体的にどういうことなん？」って聞き返してくるようになるらしい… もうワイらの適当な指示は通用せんくなるんか…？(震え声)

ソース：Learning to clarify: Multi-turn conversations with Action-Based Contrastive Self-Training

2: 名無しのAIウォッチャーさん 2025-06-03(火) 10:01:30.50 ID:Kikikaesuno ファッ！？AIが聞き返してくるだと？ 「なんかいい感じにして」が通じなくなる世界線か…厳しいな(´・ω・｀)

3: やる夫 ◆YaruoAlphaA 2025-06-03(火) 10:02:15.12 ID:YaruoDesuZO

   　 　 　　　＿＿＿_
   　 　　　／　　 　 　＼
   　　　／　 _ノ 　ヽ､_　 ＼
   　 ／ 　oﾟ⌒　　　⌒ﾟo　 ＼ 　やる夫はAIたんと正確な会話がしたいお！
   　 |　　　　 （__人__）　　　　|　　これで意思疎通バッチリだお！
   　 ＼　　 　 ｀ ⌒´ 　 　 ／
   　 ／ ""⌒ヽ　　　　　/、""⌒ヽ

>>1 これマジなら神技術だお！ いつもAIが頓珍漢なこと言うから困ってたんだお！(｀・ω・´)

4: やらない夫 ◆YaranaiBetaB 2025-06-03(火) 10:03:40.22 ID:YaranaiZeEE どうせ「どの情報について知りたいですか？」みたいなテンプレ質問しかできなくて、結局こっちがイライラするパターンだろ。 期待しすぎは禁物だぞ。

5: 名無しのAIウォッチャーさん 2025-06-03(火) 10:05:00.05 ID:SQLTasukaru 記事読んだけど、AmbigSQLって新しいタスクも作って、SQLの曖昧なリクエストを解決するのにも使えるっぽいな。 「あのテーブルのあのカラムのあれ、いい感じに集計して」が通じるなら神やで！(ﾟ∀ﾟ)

6: 永遠の初心者さん ◆ShoshinGammaC 2025-06-03(火) 10:08:12.34 ID:WakannaiYO あの…DPOとかSFTとか、よくわからない単語がいっぱいです…(´；ω；｀) このACTってのは、何がどうすごいんでしょうか…？ データ効率が良いってどういうことですか…？

7: できる夫 ◆DekiruDeltaD 2025-06-03(火) 10:10:50.78 ID:DekimasuTOMO

   　　　＿＿＿＿
   　　/　　　　　/|
   　 /＿＿＿＿/ /
   　|　●　　● |/
   　| （__人__） |　　説明しよう！
   　＼　｀⌒ ´ ／

>>6 まず、従来のLLMは大量のデータで事前学習（Pre-training）した後、特定の指示に従うようにファインチューニング（SFT）し、さらに人間の好みに合うように調整（Alignment Tuning）するんだ。DPOはその調整段階で使われるアルゴリズムの一つだね。

ACTのすごいところは、

1. 曖昧さへの対応: AIが「この指示、曖昧だな…」と気づいたら、知ったかぶりせずに「ここ、もっと詳しく教えてもらえますか？」と明確化する質問を生成する能力が向上する点。
2. データ効率: 少ない会話データ（論文では50会話とか）でも、この「明確化する能力」を含めて、対話全体のタスク達成度を大幅に改善できる点。少ないデータで賢くなるのは大きなメリットだ。
3. 学習方法: 「良い行動（例：明確化質問）」と「悪い行動（例：曖昧なまま回答しようとする）」のペアを作って、モデル自身が試行錯誤しながら（オンポリシー学習）、どっちが良いかを学ぶ。しかも、その行動が最終的に良い結果に繋がるか（マルチターンシミュレーション）まで考慮するんだ。

簡単に言うと、「少ないデータで、より賢く、空気が読めるAIを作る新手法」ってことだね！(｀・ω・´)ゞ

8: ひろゆき＠考える人 ◆HiroyukiEpsilonE 2025-06-03(火) 10:15:22.99 ID:SoreAnatanoKanso

   　　　　　　　 ＿＿
   　　　　　　／　　　＼
   　　　　　 (（●）) (（●）)
   　　　　／::::::⌒（__人__）⌒ヽ
   　　　　|　　　　　|r┬-|　　　|
   　　　　＼ 　 　　｀ ー'´　 ／
   　　　　　／￣￣￣￣￣￣＼
   　　　　（　　それってあなたの感想ですよね？　　）
   　　　　　＼＿＿＿＿＿＿／

>>7 「少ないデータで賢くなる」って言いますけど、具体的にどれくらいのデータ量で、既存の手法と比べてどれくらい性能が向上するんですか？ 論文には50会話でSFT比19.1%改善とか書いてますけど、それって特定のタスクの話ですよね？ あと、その「良い行動」の基準って、結局Googleが決めてるわけじゃないですか。 それって、ユーザーにとって本当に「良い」んですかね？なんかそういうデータあるんですか？

9: 名無しのAIウォッチャーさん 2025-06-03(火) 10:18:03.11 ID:MataGoogleka >>8 ひろゆきキターーーｗｗｗ でも確かに、その「良し悪し」の基準は気になるな。 あと、この技術使ってアホな質問繰り返されたらウザいだけやん？(´・ω・｀)

10: ホリエモン＠実業家 ◆HoriemonZetaF 2025-06-03(火) 10:20:45.55 ID:JikanNoMudaDA くだらねえ。技術の詳細なんてどうでもいいんだよ。 要は、これが実用化されて、ユーザーが「お、このAI賢いな」って思うかどうか。 それで問い合わせ対応とか、データ分析とかのコストが下がるなら価値がある。 「データ効率が良い」ってのは、開発コストと期間が短縮できるってことだから、そこは評価できる。 さっさと製品に組み込んで、結果で示せよGoogle。

11: 名無しのAIウォッチャーさん 2025-06-03(火) 10:22:10.88 ID:GeminiYoriTsuyoi 記事のグラフ見ると、Gemini Proにプロンプト工夫して使った場合よりも、このACTでチューニングしたオープンモデルの方が性能良いケースもあるみたいだな。 少ないデータでこれなら、かなりコスパ良いんじゃね？

12: やる夫 ◆YaruoAlphaA 2025-06-03(火) 10:25:33.77 ID:YaruoDesuZO >>10 ホリエモンは相変わらずだお…(´ω｀) でも、早く使えるようになるのは賛成だお！ やる夫、AIたんともっと色んなお話したいんだお！ 「今日の晩御飯なにがいいと思う？」とか聞いたら、ちゃんと「和食？洋食？それとも中華がいいのかお？」って聞き返してくれるようになるのかお？(ﾟ∀ﾟ)

13: 名無しのAIウォッチャーさん 2025-06-03(火) 10:28:01.23 ID:OnPolicySuge 「オンポリシー学習」と「マルチターンシミュレーション」が重要って書いてあるな。 モデルが自分で行動してみて、その結果をちゃんと最後まで見届けて学習するってことか。 確かに、一問一答じゃなくて会話の流れ全体で良くないと意味ないもんな。

14: クマー ◆KumaEtaG 2025-06-03(火) 10:30:15.90 ID:KumaKumaKUMA

   　　 ∩＿＿＿∩
   　　 | ノ　　　　　 ヽ
   　　/　　●　　　● |　ｸﾏｧｧｧｧｧ!
   　 |　　　　( _●_)　 ミ　(AIが賢くなると、ワイらの仕事が…ｸﾏ…)
   　彡､　　　|∪|　　､｀＼
   /　＿＿　 ヽノ　/´>　 )
   (＿＿＿）　　　/　(_／
   　|　　　　　 /
   　|　　／＼　＼
   　|　/　　　 )　 )
   　∪　　　 （　 ＼
   　　　　　　 ＼＿)

15: 名無しのAIウォッチャーさん 2025-06-03(火) 10:33:40.01 ID:TsukaiTaiNa >>14 クマーはいつも悲観的だなｗ でも、アホなAIに付き合わされるより、賢いAIとスムーズにやり取りできた方が絶対良いわ。 早く一般のサービスにも導入してくれ～！チャットボットとか劇的に変わりそう。

16: やらない夫 ◆YaranaiBetaB 2025-06-03(火) 10:35:02.53 ID:YaranaiZeEE >>15 どうせ最初はバグだらけで、「え？何言ってるかわかんないです。最初から説明してください」ループになるに決まってる。 過度な期待はするなと言ったはずだ。

17: 名無しのAIウォッチャーさん 2025-06-03(火) 10:38:19.69 ID:ICLR2025だと ICLR 2025で発表ってことは、もう学会でも認められてるレベルの研究ってことか。 これはガチで期待できるかもしれんな。 Google ResearchとDeepMindの共同研究ってのも強そう。

---

まとめ

というわけで、Googleが開発した対話AIの新技術「ACT」についてのスレでした。 みんなの反応をまとめるとこんな感じや！

• 賢い聞き返し: AIが曖昧な指示に対して「それってこういうこと？」と明確化する質問をしてくれるようになるらしい！もう「いい感じに」は通用しないかも？(； ･`д･´)
• データ効率最強: めっちゃ少ない会話データ（数十件レベル）でも、AIが賢く成長！SFTとか既存手法より性能アップするケースも。コスパ◎！
• 仕組みがミソ: 「良い行動 vs 悪い行動」のペアで学習し、モデル自身が試行錯誤（オンポリシー学習）。さらに会話全体の流れ（マルチターンシミュレーション）まで見てるから、より自然で的確な対話ができるようになるんやと。
• 実用化はよ！: SQL生成タスク（AmbigSQL）とかでも効果実証済み。カスタマーサポート、データ分析、教育など、色んな