論文の概要: H2LooP Telecom Model v1: From Telecom Comprehension to Autonomous Issue and PR Resolution
- arxiv url: http://arxiv.org/abs/2609.22241v1
- Date: Fri, 04 Sep 2026 13:27:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.801057
- Title: H2LooP Telecom Model v1: From Telecom Comprehension to Autonomous Issue and PR Resolution
- Title（参考訳）: H2LooP Telecom Model v1:Telecomの理解から自律的問題とPR解決へ
- Abstract要約: 通信業界向けに微調整されたドメイン特化大型言語モデルであるH2LooP Telecom Model v1を紹介する。
H2LooP TelecomはGSMA Open Telecom Liteベンチマークとプロプライエタリなテレコムコード生成ベンチマークで強力な結果を得る。
- 参考スコア（独自算出の注目度）: 12.398594139609207
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present H2LooP Telecom Model v1, a domain-specialized large language models fine-tuned for the telecommunications industry. We release two domain-adapted model variants serving complementary use cases: a comprehension-focused variant for telecom domain question answering and reasoning, and an agentic variant for autonomous telecom code generation, pull request resolution, and code commits on production repositories. H2LooP Telecom achieves strong results on the GSMA Open Telecom Lite (OT-Lite) benchmark and a proprietary telecom code generation benchmark, outperforming frontier closed-source models such as GPT-5 and Claude Opus on independent leaderboard evaluation, while preserving general-purpose capabilities. The Comprehension variant achieves 81.8% weighted average on OT-Lite Pass@3, and, independently, ranks 5th overall on the official community-run Open Telco AI Leaderboard* at only 31B parameters-ahead of frontier closed-source systems including Claude Opus 4.6, GPT-5, Gemini 3 Flash, Grok-4-fast, and Kimi K2.5. Our agentic variant obtains a relative improvement of +8.8% in AST Similarity and +20.0% in Location IoU over the base model on telecom code generation, while maintaining identical MMLU (74.0%) and BFCL v3 multi-turn function calling (79.0%) performance, indicating zero catastrophic forgetting. Domain specialization on curated telecom corpora, spanning 3GPP standards, O-RAN specifications, network telemetry, and real repository commits, yields substantial improvements over general-purpose models of equivalent scale, approaches frontier closed-source models on domain-specific evaluation, and is independently corroborated by our official leaderboard standing.
- Abstract（参考訳）: 通信業界向けに微調整されたドメイン特化大型言語モデルであるH2LooP Telecom Model v1を紹介する。
本稿では,テレコムドメイン問合せと推論のための包括型と,自律的テレコムコード生成のためのエージェント型と,プル要求の解決,実運用リポジトリにおけるコードコミットの2つのドメイン適応型モデルを,補完的なユースケースとしてリリースする。
H2LooP Telecom は GSMA Open Telecom Lite (OT-Lite) ベンチマークとプロプライエタリなテレコムコード生成ベンチマークにおいて、独立したリーダーボード評価において GPT-5 や Claude Opus などのフロンティアクローズソースモデルよりも優れ、汎用性を保っている。
Comprehensionの変種はOT-Lite Pass@3で81.8%の重み付き平均に達し、独立して、公式コミュニティが運営するOpen Telco AI Leaderboard*では、Claude Opus 4.6、GPT-5、Gemini 3 Flash、Grok-4-fast、Kimi K2.5など、フロンティアクローズソースシステムのわずか31Bのパラメータで、総合5位にランクインしている。
我々のエージェント型は,通信コード生成のベースモデルよりもAST類似度+8.8%,位置IoU+20.0%の相対的な改善を実現し,MMLU(74.0%)とBFCL v3マルチターン関数呼び出し79.0%)の性能を維持した。
3GPP規格、O-RAN仕様、ネットワークテレメトリ、実際のリポジトリコミットにまたがる、キュレートされた通信コーパスのドメイン専門化は、等価スケールの汎用モデルよりも大幅に改善され、ドメイン固有の評価においてフロンティアのクローズソースモデルに近づき、我々の公式なリーダーボードによって独立に調整されている。
関連論文リスト
- TelecomGPT-R1: Unified Post-Training for Reasoning Across Heterogeneous Telecom Tasks [37.68336126968934]
TelecomGPT-R1は、オープンソースの統合テレコム推論モデルである。
強化学習のためのコールドスタート障壁を克服するために、テレコムの知識と根拠に基づく推論パターンを取り入れている。
我々は、TelecomGPT-R1モデルと再現可能なトレーニングレシピをリリースし、さらなるコミュニティ開発を支援した。
論文 参考訳（メタデータ） (2026-09-21T19:48:02Z) - Modality-Decoupled Federated Learning for Privacy-Preserving Embodied Intelligence in 6G [90.42669277637026]
第6世代(6G)無線ネットワークは、大規模なインボディードインテリジェンスのための重要な基盤を提供すると期待されている。
本稿では、6Gネットワークにおけるプライバシー保護型インテリジェンスのためのモダリティ分離FLフレームワークであるFedMVLAを提案する。
論文 参考訳（メタデータ） (2026-09-09T01:36:44Z) - From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix [55.08143827481755]
200以上の内部アプリケーションから1つのモデルにトラフィックを集約します。
我々は、各軸ごとに別々のGRPOエキスパートを訓練し、2段階のSLERPを介してそれらをマージする。
このモデルは、プラットフォームトラフィックの50%、月1億6600万リクエストをサービスコストのごく一部で吸収する。
論文 参考訳（メタデータ） (2026-09-01T17:39:26Z) - OTel: Building Domain-Specialized Telecom LLM Foundations for Intelligent Networks [6.416771667530296]
オープンなテレコムAIリソースであるOpen Telcoについて紹介する。
2026年5月3日時点で、リリースされたモデルは1600万回以上ダウンロードされており、プロジェクトは世界中で157件以上のメディア報道を受けている。
論文 参考訳（メタデータ） (2026-08-15T22:42:34Z) - HyDRA: Hybrid Dynamic Routing Architecture for Heterogeneous LLM Pools [2.0320563270126493]
我々は,クエリ毎の細粒度,多次元能力要件を予測するフレームワークHyDRAを提案する。
ショートフォールマッチングアルゴリズムは、予測された要求を満たす機能を持つ最も安価なモデルを選択する。
このフレームワークは、GitHub CopilotのVS Code Chat自動モードのすべてのユーザにデプロイされる。
論文 参考訳（メタデータ） (2026-05-16T18:19:30Z) - Orchard: An Open-Source Agentic Modeling Framework [124.68499958175111]
スケーラブルなエージェントモデリングのためのオープンソースのフレームワークOrchardを紹介します。
Orchard Envは、サンドボックスライフサイクル管理のための再利用可能なプリミティブを提供する軽量環境サービスである。
Orchard Envの上に、3つのエージェントモデリングレシピを構築します。
論文 参考訳（メタデータ） (2026-05-14T16:35:12Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Goedel-Prover-V2: Scaling Formal Theorem Proving with Scaffolded Data Synthesis and Self-Correction [95.91743732150233]
一連のオープンソースの言語モデルであるGoedel-Prover-V2は、自動定理の新たな最先端を証明した。
我々は、より複雑な定理をマスターするためにモデルを訓練することの困難さを増す合成タスクを生成する。
Goedel-Prover-V2-32Bは、標準モードのpass@32でMiniF2Fの88.1%、自己補正モードの90.4%を達成する。
論文 参考訳（メタデータ） (2025-08-05T16:28:22Z) - T-VEC: A Telecom-Specific Vectorization Model with Enhanced Semantic Understanding via Deep Triplet Loss Fine-Tuning [0.0]
本稿では,Gte-Qwen2-1.5B-インストラクトバックボーンを微調整したドメイン適応埋め込みモデルであるT-VECについて述べる。
T-VECはMPNet, BGE, Jina, E5を超越し, テレコム固有の検索において, 優れたドメイン基盤とセマンティック精度を示す。
我々はT-VECとそのトークン化ツールをリリースし、テレコムドメイン内で意味的に忠実なNLPアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-04-23T07:10:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。