AI要約ユーザー入力に基づきポケモンの名前と説明文を生成する「Pokérator」を開発する研究。バイグラム言語モデルで名前を、ConceptNetの回答を埋め込んだテンプレートとGPT-2言語モデルのファインチューニングで説明文を生成する。

AI要約ポケモン対戦を事例に、LLMベースのエージェントの性能向上を目指すLong/Short-Term Knowledge Augmented Generationを提案する。Porimonは過去状態と類似タスクの経験要約を活用する仕組みを導入し、正確なダメージ計算を外部APIで補完する。15,000戦の大規模な評価でハイパーパラメータ最適化を実施し、既存手法を上回る結果を示すが、長期的効果の寄与は不確定とする。これらは対戦タスクにおけるLLMの戦略的意思決定支援の一歩となる。

AI要約ポケモンの概念的特徴を対象に、ClaudeとGeminiによる最小反直観性の自動符号化を人手の判定と比較し、少数の人手データを用いたleave-one-out方式のfew-shot校正で特異度を改善する研究である。校正した処理を第2世代以降のポケモンへ適用し、独立した人気順位と組み合わせて、反直観性と人気の逆U字関係を検証する。

AI要約ポケモンを題材としたマルチエージェント会議システムの設計と実装経緯を解説するである。Claude Artifactsを用いたノーコード/低コードのワークフローとデータ構造の可視化を紹介するである。