MindWatcher: よりスマートなマルチモーダルツール統合推論

この論文は、複雑な意思決定タスク向けに設計された新しいツール統合推論（TIR）エージェントであるMindWatcherを紹介しています。インターリーブ思考、マルチモーダル連鎖思考推論、および自律的なツール呼び出しを通じて差別化を図っています。新しいベンチマーク（MWE-Bench）の開発と、効率的なトレーニングインフラストラクチャへの焦点も重要な貢献です。この論文の重要性は、AIエージェントが外部ツールやマルチモーダルデータとより効果的に対話できるようにすることで、現実世界の課題解決におけるAIエージェントの能力を向上させる可能性にあります。

• •インターリーブ思考とマルチモーダルCoT推論を備えたTIRエージェント、MindWatcherを紹介。
• •自律的なツール呼び出しと調整を採用。
• •評価用の新しいベンチマーク（MWE-Bench）を特徴とする。
• •ツール呼び出しにおいて、より大規模なモデルよりも優れたパフォーマンスを実証。
• •エージェントトレーニングに関する洞察（遺伝的継承現象など）を強調。