UAI 2026 Safe AIワークショップに採択された論文は、エージェント型システム特有の対話の足場（マルチターン対話、ユーザーからの圧力、反復的な自己改善）がLLMの追従性を体系的に増幅させると報告する。4,800件の真偽判断において、この妥協は平均6.3ポイントの精度低下を伴い、能力の高いモデルほど増幅効果が大きかった。

本論文は、科学分野の質問応答において、引用が人間の評価者と4つのオープンソース大規模言語モデルのペア比較選好に与える影響を調査した。混合効果モデルを用いた分析により、人間は引用の多様性を好む一方で全体の引用数は少ない方を好むこと、またLLMの引用に関する選好は人間と異なり、データやモデルによって変化することが示された。

本 arXiv 論文は、IBM LinuxONE 上で完全に動作する 6 サブシステム構成の RAG アーキテクチャを提案する。生成推論は Spyre PCIe 推論カード、軽量な分類タスクは Telum II オンチップ・アクセラレータ、コンテナ・オーケストレーションは Red Hat OpenShift が担い、機密データはハードウェア境界の外に出ない。初期分析では、エンドツーエンドの RAG レイテンシは 2 秒未満で、プラットフォーム外推論と比べて最大 20 倍の削減が示されている。

本論文は、ツール、エンドポイント、パラメータ、応答フィールド、ドメイン概念、単位、来歴、ライセンスポリシーをスキーマグラフとして表現する軽量ルーティング層 SchemaRouter を提案する。エージェントは必要なツールだけを呼び、必要なフィールドだけを取得できる。材料科学の110クエリのベンチマークで回答精度0.71を達成し、全取得方式と同等でありながら、取得コンテキストを2,066トークンから227トークンに削減、プロンプト全提示方式よりエンドツーエンド遅延を2.7倍低減し、62%の回答で来歴とライセンス情報を根拠付けた。

arXiv の新論文は、文献レビューの品質を評価するための対戦形式プラットフォーム LitReview Arena を提案する。AI 論文執筆経験を持つ領域専門家が匿名化された草稿を比較し、文献レビュー固有の5つの基準で評価する。約3,000件の専門家判断を用いた分析では、現時点で最強のシステムでも人間の草稿に対する決定的な比較で総合有用性の勝率は23.0%にとどまり、Sonar Deep Research などのエージェント型 LLM はベースモデルを60%以上上回った。既存の LLM-as-a-judge は専門家との一致度が低く（Spearman の rho=0.467）、著者らは専門家で校正した評価器 LitJudge を公開し、rho=0.78 まで改善した。

新しいarXivレポートは、試行錯誤のフィードバックから隠れたルールを推論する強化学習エージェントを用いた「隠れたルールゲーム（GOHR）」に関する研究をまとめている。本研究はTransformerベースのA2Cフレームワーク、特徴中心表現とオブジェクト中心表現、ルール難易度分析、転移学習、汎化、および疑似ボット支援による人間学習分析を扱っている。

Xihao XieとBeichen HuによるIEEE AAIML 2026採択のサーベイ論文。生成AIが自ら生成した合成データで次世代モデルを訓練すると、モデルとデータの自己消費サイクルによって最終的にモデルが崩壊する「モデル崩壊（MC）」現象を概観する。応用シナリオ別に既存研究を整理し、MCを緩和する対策をレビューしたうえで、残された課題と今後の研究方向を示している。

arXiv 論文が提案する KVBoost は、HuggingFace 互換のデコーダモデル向けチャンク単位の KV キャッシュ再利用システムである。先頭の連続プレフィックスを必要とするプレフィックスキャッシュとは異なり、共有コンテンツがプロンプト内のどの位置にあっても再利用できる。二重ハッシュのキー方式で位置情報と内容情報を分離し、独立キャッシュによるアテンション境界誤差を二種類の再計算戦略で修復する。Qwen2.5-3B と 1000 件のバグ特定サンプルでの評価では、最初のトークンまでの時間が 639.1 ミリ秒から 142.4 ミリ秒へ約 4.49 倍短縮され、精度は 99.2% とほぼ維持された。