[1B5-OS-41c] 世界モデルと知能

[1B5-OS-41c-01] Web Agent におけるメタプロンプト駆動のエキスパート統合

〇山口 慧¹、松長 侑南²、池田 貴康³、鈴木 雅大⁴、松尾 豊⁴ (1. 早稲田大学、2. 渋谷教育学園幕張高等学校、3. 東京都立産業技術大学院大学、4. 東京大学大学院工学系研究科)

キーワード：Webエージェント、大規模言語モデル、メタプロンプト

急速に進化するWebエージェントの分野において，本研究は広範な事前学習を必要としないタスク達成の新しいアプローチを探求する．既存のエージェントが抱える課題として画像認識を伴うタスク自動化があげられる．しかしながら画像認識性能と事前学習を要しないアプローチは現状，相性が悪いと考えられ，本研究では画像認識を行わずにLLMに対してメタプロンプトを用いて複数のエキスパート手法を戦略的に統合し，より高度な環境の分析を実現することで性能改善を図ることとする．評価については，まずMiniWoB++について評価を行う．また，既存のエージェントと本アプローチを比較し，タスクの成功率を評価する．本研究の成果は，タスク完遂率向上のためのLLMを利用したメタプロンプトの統合可能性について洞察を提供し，既存のエージェントが依存する広範なデータ収集や学習の必要性を低減する可能性を示唆する．