GEN-1.5、単一デモから成功率59%を達成

Generalist AIのGEN-1.5は、ロボット工学における長年の課題に対処している。ロボットが新しいタスクを実行する前に膨大なデータ収集とラベリングが必要という問題だ。大規模言語モデルが再学習なしに新しいプロンプトに適応できるメカニズムと同じ文脈内学習を活用することで、同社はこのパターン認識を言語から物理的操作へと拡張したと主張している。再学習が不要な未見タスクに対する59%のベースライン成功率は意味がある。わずかな微調整（5分のインタラクションデータで10ステップ）での83%への跳ね上がりは、モデルがタスク構造に関する汎化可能なパターンを内部化していることを示唆している。

8ヶ月以上の事前学習中に、明示的な学習信号なしに多段階の連鎖、シミュレーション実環境転移、人間の手の動き模倣が創発したことは、モデルが自力で有用な抽象化を発見したことを示す。これは狭いタスクカテゴリーでのみ文脈内学習を実証した従来研究と異なる。しかし、範囲は依然として限定的だ。示されたタスクは単純で短く、検証はすべて社内で行われている。確立されたロボット学習ベースラインに対する独立的ベンチマークなしには、報告されたゲインが真の能力向上を反映しているのか、それともタスク特有の調整なのかは不明確である。