Motleyチームは、Claude SDKとオープンソースのセマンティックレイヤーSLayerを組み合わせ、BIRD-INTERACTベンチマークで75.3%の合格率を達成し、公式最高の36.33%を大幅に上回りました。最大の改善はエージェントハーネス（Claude SDK）によるもので、SLayerはさらなる微増をもたらしました。ベンチマークの多くのゴールドアンサーに誤りがあることが判明し、チームが構築したアノテーションエージェントにより、修正後の合格率はさらに向上しました。

この記事では、AWS FinanceチームがAmazon QuickのチャットエージェントとFlowを活用して、シナリオモデリングと週次ビジネスレビューという2つの時間のかかるワークフローを自動化し、分析時間を時間単位から分単位に短縮し、戦略的な業務に集中できるようにした方法を紹介します。

Google Researchが米国10都市で実施した大規模な実世界研究により、ナビゲーションアプリを使ってごく一部のトリップ（2％未満）をわずかに迂回させることで、交通渋滞と排出量を測定可能なほど削減できることが示されました。Nature Citiesに掲載されたこの研究では、対象区間の走行速度が中央値で約2％向上し、都市あたり年間数千トンのCO2e削減が可能であることがわかりました。

LLMIntelは、GenAIモデルの使用コスト、エンドポイントの健全性、最適化の機会を監視するデモダッシュボードです。モデルのステータス、コスト分析、使用傾向、リスク支出、タグ別内訳などのビューを提供し、モデル廃止やコスト急騰の前に対処できるようにします。

本記事は、長いコンテキスト問題に対処するための真のブレークスルーは、より大きなコンテキストウィンドウではなく、マルチエージェントオーケストレーションであると主張しています。INT21のSwarmOSプラットフォームは、タスクを協調する小さなエージェントに分解することで、効果的なコンテキストスケーリングを実証しています。

新しい手法Antidoomは、最終トークン嗜好最適化（FTPO）を用いて言語モデルの繰り返しループ（ドゥームループ）を正確に特定し排除し、複数のモデルでほぼ完全なループ除去と評価スコアの向上を達成しました。

本記事では、AIの進歩がどのように自律ロボットを職場や家庭で活用できるようにするかを探り、災害地でのナビゲーションや障害物操作、破滅的忘却や計算依存などの課題に取り組む研究者ディパム・パテルの研究を紹介する。

Simon Willison氏がGPT-5.5を使用して構築した実験的なWebコンポーネント。GitHubのコードURLをraw.githubusercontent.comのURLに変換し、指定された行範囲をフェッチして表示します。行番号は表示されますが、シンタックスハイライトはありません。

同じ3つの分析問題、3つのツール、8つの次元を、実際の実行時間と実際のエージェントプロンプトで測定しました。

AnthropicはClaude Coworkをウェブとモバイルに拡大し、120万セッションの分析結果から90％以上がソフトウェア開発以外（主に業務プロセスとコンテンツ作成）に使用されていることを発表しました。Coworkは「仕事のための仕事」に焦点を当て、管理業務を自動化します。新バージョンはクラウド実行、スケジュールタスク、モバイル通知をサポートし、Maxプラン加入者がベータ版を利用可能です。

AnthropicはClaude Coworkをクラウドに移行し、デバイスがオフラインでもタスクが継続、デバイス間の切り替えが可能に。Maxプラン加入者は今すぐベータ版を利用可能で、数週間内に他のプランにも展開予定。ChatとCoworkは統一インターフェースを共有し、スケジュールタスクは自動的にクラウドで実行される。

コーディングエージェントがエージェントを出荷するためのCLIツール。

研究者らは、完全にAIによって駆動されていると思われるランサムウェアキャンペーン「JadePuffer」を記録しました。これは、AIエージェントが攻撃チェーン全体を実行した最初の既知の事例です。LLMが偵察、認証情報の窃取、ランサムウェアの展開を自律的に行い、わずか31秒でエラーを修正します。防御側はAIセキュリティソリューションの導入が急務です。

Miora はAIを活用したクリエイティブプラットフォームで、編集可能なキャンバスとエージェントメモリを提供し、創造性を拡大します。

DoodleMemeは、生成AIを使わずに子どもの落書きをアニメーション化するツールです。従来のキャラクターリギングとモーションリターゲティング技術を採用し、無料・ログイン不要でモバイルとデスクトップに対応しています。

本記事では、エンタープライズAIプロジェクトの80%以上が失敗する理由を探り、断片化されたデータと統一されたコンテキストの欠如が主要な障壁であると指摘する。ArangoとIBMの専門家による洞察は、説明可能で信頼できるエージェントAIシステムを構築するための4つの重要な領域を浮き彫りにしている。

sqlite-utils 4.0 が正式にリリースされました。これはSQLiteデータベースを操作するPython CLIツールおよびライブラリです。今回のアップデートではデータベーススキーマのマイグレーション機能が導入され、データベース構造の管理と進化が容易になりました。このツールはSimon Willisonによって開発されており、リリース候補版4.0rc2は主にAIモデルClaude Fableによって生成されたことも注目に値します（コストは約149.25ドル）。

本記事は、意図の観点からAI安全性リスクを4つのカテゴリーに分類する：善意の人間と信頼性の低いシステム、悪意の人間とAI戦争マシン、善意のAIと曖昧なユースケース、悪意のAIとアライメント問題。各リスクの特徴、事例、緩和策を議論し、技術・制度・政策の必要性を強調する。

Atrophy は、AI の支援なしで小さなコーディング演習を定期的に解かせ、自動採点し、チェスのレーティングのようにスキル評価を維持し、時間経過に伴う変化をグラフ化するコマンドラインツールです。5つのスキル（構文想起、デバッグ、コード読解、API記憶、分解）をカバーし、Python と JavaScript に対応、難易度を適応させ、無支援とAI支援のパフォーマンスを比較するチャートを提供します。

SOCBenchは、最先端の推論LLMをSOCエージェントとしてraw NetFlowデータで評価するオープンベンチマークです。マルチターンエージェントループ、ペルソナスコープのツール、複数のプロバイダアダプタ、スコアリングレンズを提供します。リポジトリはローカルファーストで、ラップトップ、3つのAPIキー、サンプルパーケットだけで再現可能です。現在アルファ版ですが、エンドツーエンドのパイプラインが完全に動作します。

TraceGen は単一バイナリの分散トレース生成ツールで、現実的でトポロジ豊富な OTLP トレースと相関ログを生成します。最大 28 のサービスと 40 のシナリオフロー（AI エージェントパターンを含む）を持つ E コマースプラットフォームをシミュレート。インフラ不要で実行ファイル 1 つで動作。可観測性プラットフォームのテストや分散システム可視化のデモに最適で、従来の APM と LLM 可観測性を統合します。

LangChainがエージェントのトレースをマイニングして障害を発見し、フロンティアLLMよりも安価な評価モデルを微調整し、評価でパフォーマンスを向上させる方法。

NVIDIA Veraは、エージェントAI時代のために設計された新しいタイプのCPUで、大規模な最大シングルスレッド性能を重視しています。自社開発のOlympusコアを搭載し、従来のGraceと比較してIPCが50%向上し、最大1.2TB/sのメモリ帯域幅を備えています。エージェントワークロードでは、x86と比較して1.8倍の持続的なコアあたり性能を実現し、実際のテストでは1.5～1.9倍の速度向上を示しました。Veraはツール呼び出しからデータ処理までを統合し、AIファクトリーのGPU活用を最大化します。

シュナイダーエレクトリックはLangSmithを活用して、AI製品の可観測性、評価、展開を大規模に改善するエンタープライズLLMOps基盤を構築しました。350人の専門家からなるAIハブは60以上のエージェントを展開。可観測性（セルフホスト型LangSmith、製品ごとに1つのワークスペース）、評価（オフライン/オンライン評価と成熟度フレームワーク）、展開（製品ごとに独立したランタイム）の3本柱を紹介。内部AIアシスタントOne Jo、CSMコパイロット、文書処理エージェントの事例で大幅な効率向上を示しています。

物理学教授であり、NSF AI Institute for Artificial Intelligence and Fundamental Interactionsの初代所長がLNSを率い、素粒子物理学の研究を続ける。

BloomiroはSaaSチーム向けのSEOおよびAI検索可視性プラットフォームで、ランキング、AIでの言及、引用、競合、可視性を向上させるタスクを追跡し、CursorやClaude Codeなどの開発ツールとMCP連携します。

本記事は、APIがAI分野で果たす重要な役割を探り、音声でコンピュータを操作する実験を通じて、APIが複雑な研究をシンプルなインターフェースに変える方法を示し、ツールコーリングとシステム統合の重要性を強調しています。

この動きは、同半導体メーカーが自動運転技術に初めて参入することを示している。

Insilico Medicineは、AIが発見した特発性肺線維症（IPF）治療薬レントセルチブ（rentosertib）を第III相臨床試験に進めている。第IIa相試験では、60mg投与群で努力性肺活量が平均98.4mL増加したのに対し、プラセボ群では20.3mL減少した。2023年2月にFDAから希少疾病用医薬品指定を受けた。

本記事では、PDFページを高解像度画像にレンダリングし、Google DeepMindのGemma 4ビジョン言語モデルを使用してローカルで文書解析する方法を紹介します。スキャンPDFとデジタルPDFの違いを排除し、OCRやレイアウトパーサーを不要にし、柔軟なビジュアルトークン予算と完全なコード例を提供します。