Coral Protocolは、GAIAベンチマークでMicrosoftが支援するMagnetic-UIを34%上回るパフォーマンスを達成した。

この投稿の内容:

• Coral Protocol は、GAIA ベンチマークで Microsoft が支援する Magnetic-UI を 34% 上回りました。.
• このプロトコルは、インテリジェンスの垂直方向の拡張ではなく水平方向の拡張に重点を置いており、AI モデル開発の現在の傾向に挑戦しています。. 
• Coral プロトコルは、検証済みの他の小型モデル システムの中で最高の GAIA スコアを達成しました。.

マルチエージェントAIシステムであるCoral Protocolは、GAIAベンチマークにおいて、MicrosoftのMagnetic UIを34%上回るパフォーマンスを達成しました。このプロトコルアプローチは、垂直方向のスケーリングではなく水平方向のスケーリングに重点を置いており、現在のAIモデルのトレンドに新たな挑戦を投げかけています。Coralは、検証済みの小規模モデルシステムの中で最高スコアを獲得しました。. 

Coral Protocolによって設定された現在のベンチマークスコアは、 論文 、インテリジェントにオーケストレーションされた小規模モデルが、効率性を損なうことなく大規模システムを凌駕する可能性を秘めているというNvidiaの見解を裏付けています。Coral Protocolは、世界中の集中型エージェントの階層的な統合を重視しました。安全かつ並列なマルチエージェント協調を可能にすることで、さまざまな言語モデルのパフォーマンスを向上させました。これらのモデルは、推論、計画、および問題解決能力が向上しています。  

CoralのCTOはエージェント開発者にエージェントを「Coralize」するよう促している

CoralのCTOであるCaelum Forder氏は、今回のマイルストーン達成は水平スケーリングがもはや理論的なものではなく現実的であることを証明していると述べ、Coralがそれを効果的に推進していることを誇りに思うと述べました。さらに、エージェントのインターネットは既に現実のものとなっており、エージェント開発者にはエージェントを「Coral化」するよう促しました。また、アプリケーション開発者には、Coralのインフラストラクチャを活用して効率的に開発を行い、コストを削減するよう呼びかけました。. 

エージェント開発者は、複雑なタスクを管理し、エージェントAI開発における競争に勝つために、モデルの規模の拡大に重点を置いてきました。Coralの新しいアプローチは、より小規模なオーケストレーションモデルで大規模システムの能力に匹敵、あるいはそれを上回ることを可能にする、新たな道筋を示唆しています。. 

GAIAベンチマークは、高度なAIモデルを評価し、人間の介入、調査、分析スキルが必要となる可能性のある現実世界のタスクを実行する能力を評価します。このベンチマークには、問題解決フロントエンドおよび一般的な支援ユースケースにおけるAIエージェントの能力をテストするために設計された450の複雑な質問が含まれています。. 

テストで使用されたCoral GAIAエージェントシステムは、Coealのオープンプロトコル上に構築され、CAMELのOWLに着想を得ています。タスクを実行するために専用のエージェントを使用します。システムは、検索計画、画像および動画の分析、批評、Webブラウジング、回答生成を実行できます。エージェントはCoralサーバーのMCP通信ツールを介して通信します。.

グラフベースのアーキテクチャがAIエージェントシステムに画期的な進歩をもたらす

グラフベースアーキテクチャは、CoralプロトコルがGAIAベンチマークで成功を収めたことを受けて注目を集めています。このアーキテクチャにより、開発者はより小規模なモデルで動作する堅牢で軽量なAIエージェントを開発できます。グラフベースアーキテクチャ上に構築されたシステムは、エージェント間の相互接続性tron強化し、より広範なエコシステムとの互換性を高めます。. 

CoralのCTOであるCaelum Forder氏は、小規模なモデルでも従来の限界を超えてスケ​​ールし、既存のモデルを上回る性能を発揮できることを証明したと付け加えた。Forder氏は、同社がエージェントAIの未来において中心的な役割を果たせることに自信を示した。. 

グラフベースのAIは、さまざまな用途で活用されている。MITのマルクス・ビューラーは、 用い て、生物組織とベートーヴェンの交響曲第9番といった無関係な領域間の相関関係を明らかにする新しい手法を開発した。このAIシステムは、自然界と芸術作品の構成における深い繋がりを示唆する、共通の複雑性パターンを発見した。 

ビューラーのモデルは、腹筋tracからヒントを得た生体材料など、現実世界のイノベーションも提案し、グラフベースの AI が創造的なブレークスルーを促進できることを証明しました。.