要約：
- 人間は小さな例から学んだことを大きな文脈に適用し、新しい情報と古い情報を組み合わせて素早く活用できる。
- 最近の研究では、ビジュアル言語モデル（VLM）と大規模言語モデル（LLM）を活用して、軌跡や経験から高水準の洞察を抽出することに焦点が当てられている。
- カーネギーメロン大学とGoogle DeepMindによる新しい研究では、In-Context Abstraction Learning（ICAL）と呼ばれる新しいアプローチによってVLMのトレーニングが行われている。
- ICALは、VLMが異なる状況から抽象化を構築し、新しいタスクでより良いパフォーマンスを発揮するのを支援する。
- ICALは、特定の認知的抽象化をアドレスし、成功または失敗のデモに応じて、トラジェクトリを最適化し、関連する言語と視覚的抽象化を生成する。
- ICALは、ビジュアルWebタスク、対話型トレーニング、およびビデオアクション予測のベンチマークでICAL-taught抽象化の効果を示し、新しい最先端のパフォーマンスを達成している。
感想：
研究では、ICALという新しいトレーニングアプローチがVLMのパフォーマンスを向上させ、異なる状況での学習と適応を促進することが示されています。特に、成功または失敗のデモに応じて抽象化を行うアプローチが、従来の手法を凌駕する結果を示しています。このアプローチは、様々なタスクにおいて知識を効果的に転送し、学習能力を高める可能性を秘めていると感じました。