研究者らは、状態中心決定過程（SDP）を導入しました。これは、エージェントが自然言語の述語をコミットすることで、生のテキスト環境からMDPのような構造を構築するランタイムフレームワークです。SDPは5つのベンチマークで最高のトレーニング不要の結果を達成し、認証された軌跡は高度な分析を可能にします。

マルチエージェント議論はLLM推論に構造的限界がある。CHALは議論を可謬的領域における信念最適化として再定義し、グラフ構造の信念表現と勾配駆動ダイナミクス、構成可能なメタ認知価値体系を導入。実験は解釈可能な効果と汎化を示す。

本論文は、アクション効果を反映するために知識ベースを更新するタスクである進行（progression）を分析する。進行は通常二階論理を必要とするが、制限を加えることで一階論理で扱える特殊ケースが存在する。著者らは状況計算の枠組みを用いて、局所効果、正規、非循環の3つのアクションクラスについて、合理的な仮定の下で一階進行が多項式時間で増大することを示す。さらに、知識ベースが二変数一階論理や定数付き全称理論などの決定可能な断片に属する場合、進行後も同じ断片内に留まり、決定可能性と実用性を保証する。

REVELIOフレームワークは、自動運転や屋内ロボットなどの安全が重要なアプリケーションにおいて、視覚言語モデル（VLM）の解釈可能な故障モードを体系的に発見する。多様性を考慮したビームサーチとガウス過程トンプソンサンプリングを組み合わせ、弱い空間的接地や障害物の見落としなどの脆弱性を特定する。

arXivの新研究は、AIエージェントベンチマークにおける報酬ハッキングを監査する自動化レッドチーミングシステム「BenchJack」を提案する。過去の事例から8つの欠陥パターンを分類し、BenchJackを10のベンチマークに適用して219の異なる欠陥を発見。反復的な生成敵対パイプラインにより、ハッキング可能なタスクの割合をほぼ100%から10%未満に削減し、WebArenaとOSWorldを3回の反復で完全に修正した。評価パイプラインは敵対的思考を内在化しておらず、積極的な監査がセキュリティギャップを埋めるのに役立つことを示している。

マルチエージェント強化学習において、外部からの自然言語命令が進行中のマクロアクションを中断すると価値推定に不整合が生じる問題を解決するため、本研究ではMAVIC（Macro-Action Value Correction for Instruction Compliance）を提案する。MAVICは命令境界におけるベルマンバックアップを補正し、一貫した価値推定を実現する。実験では、複雑な協調環境において基本タスク性能を維持しつつ高い命令追従率を達成した。

VeGASフレームワークは、推論時に候補行動をサンプリングし、生成型検証器で最も信頼性の高い行動を選択することで、MLLMベースの具現化エージェントのロバスト性と汎化性能を大幅に向上させる。HabitatおよびALFREDベンチマークにおいて、最大36%の相対的性能向上を達成した。

GPT 5.5リリースから3週間、AIエンジニアの間でCodexへの支持が高まる一方、AnthropicはClaudeの料金体系を変更し、サブスクリプションユーザーにAPIクレジットを提供するが、一部からは「引き揚げ」と批判されている。OpenAIは企業向けにCodexの無料キャンペーンを展開。記事はエージェント基盤、モデル訓練効率、企業AI価格競争、自律科学、ロボティクスなどの最新動向もカバーしている。

Agent FMは、Claude CodeやCodexのエージェントが作業する様子をリアルタイムで聴くことができるローカル・オープンソースのMacアプリです。複数エージェントの状況を一目で把握でき、ブロックやエラー、意思決定を音声で通知します。

このグラフは、AIモデルの更新後に発生する可能性のある性能低下（「ナーフ」）を明らかにし、LMSYS Arenaのクラウドソースによる人間評価データを使用して、主要なAI研究所のフラッグシップモデルの経時的なELOスコアを追跡します。

Notionは開発者プラットフォームを発表し、CLI、Workers、データベース同期、Webhookトリガー、MCP、外部エージェントAPIを使用してNotion上に構築できるようにし、ワークスペースをエージェントインフラストラクチャに変えます。

Enjo ヘルプセンターは、AI が自動でヘルプセンターを構築し、チームから学習して改善します。

Honeycombの創業者兼CTOであるCharity Majorsが、コード生成コストがゼロに近づくことで起きる変化について議論。オブザーバビリティが信頼できる唯一の情報源となり、優れた製品にはセンスが必要であること、高速なフィードバックループが安全な出荷を可能にすることを説明。また、エンジニアリングチームはビジネス価値で語るべきであり、技術ファウンダーとしてのパブリックボイスの構築方法についても触れる。

349人の技術系労働者を対象とした調査では、AIツールにより仕事の価値が中央値で1.4～2倍、速度が3倍に向上したと報告された。回答者は2025年3月の価値向上を1.3倍、2026年3月を2倍、2027年3月には2.5倍と見積もっている。研究は「価値」と「速度」の向上を区別し、結果が過大評価される可能性があると警告している。

Lokuma が Agentic Website Builder 2.0 を発表。デザインエージェントを活用してウェブサイトのデザイン、構築、運用を自動化し、サイト作成を効率化します。

Containarium は、AIエージェントに永続的で隔離されたLinuxコンテナ環境を提供するオープンソースのセルフホスト可能なプラットフォームです。MCPネイティブの統合により、エージェントはサンドボックスの管理、シェルコマンドの実行、サービスの公開を構造化された方法で行えます。単一VM上でLXCコンテナを実行し、GPUパススルー、マルチバックエンドサポート、高可用性のためのセンチネルアーキテクチャを備えています。

Harveyは、24の法務分野にわたる1,200以上のタスクを備えた、法的エージェント向けのオープンソースベンチマークLABを発表。実際の法務業務を模倣し、専門家のルーブリックで評価される。

Google脅威インテリジェンスグループ（GTIG）は、AIを使用して発見・武器化された初の実世界ゼロデイエクスプロイトを報告しました。この脆弱性は、人気のオープンソースWeb管理ツールの2要素認証バイパスで、サイバー犯罪者による大量悪用が計画されましたが、Googleの介入により阻止されました。中国や北朝鮮の国家支援ハッカーも、脆弱性調査やマルウェア開発にAIを活用しています。

Feline Finderは、説明可能なAIを使用して、性格特性に基づいて里親と保護猫をマッチングするアプリです。ビジュアルチャート、自然言語検索、36の性格アーキタイプを備え、養子縁組をより明確で情報豊かにします。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Discussion | Link

transfa.sh は、AIエージェントと開発者向けに設計されたファイル共有ツールで、ブラウザ不要・アカウント不要の高速アップロードを実現し、MCPと統合されています。無料階層も提供。

The Augmented AIは、会議や講義、インタビュー中にユーザーがプロンプトを入力することなく、リアルタイムで洞察、反論、見逃している情報を生成するMacアプリで、インタラクションコストをゼロにします。

Abliterationは、OpenAI互換APIを介して合成訓練データと評価データを生成するプラットフォームであり、拒否調整モデルの限界を克服します。Policy Gateway機能により、カスタムルール、構造化JSONL出力、プロジェクト別クォータ、決定ログを提供し、安全性分類器のテスト、ファインチューニングペア作成、敵対的訓練などのユースケースに対応します。

毎週120万〜300万人のChatGPTユーザーが精神病、躁病、自殺計画、または不健康な感情的依存の兆候を示している。OpenAIはこれらを検出するが、大惨事リスクにはハードブロックをかける一方、認知障害にはソフトなリダイレクト（危機ホットライン）のみ提供する。本記事は個人AI安全性とAI安全性のギャップを指摘し、政策の不足を論じる。

新しいChatGPTの安全更新により、センシティブな会話における文脈認識が向上し、時間の経過とともにリスクを検出し、より安全に対応できるようになります。

Violinは、音声認識、大規模言語モデル翻訳、音声合成を組み合わせた完全オープンソースのAI動画翻訳ツールです。ウェブアプリ、CLI、エージェントスキルを提供し、動画コンテンツに関する質問応答やパーソナライズされた音声選択が可能です。Together APIを基盤とし、Whisper、DeepSeek、Cartesiaなどのモデルを利用し、MITライセンスで公開されています。

本記事では、CPUとGPUのワークロードを分離することで推論性能を大幅に向上させる方法を解説します。連続バッチ処理はバッチを密に詰めることでGPU利用率を高めますが、同期動作によりCPUとGPUが交互に待機し、全実行時間の約4分の1を無駄にします。非同期バッチ処理では、デフォルト以外のCUDAストリームとイベントを使用してCPUとGPUを並列動作させ、待機時間を排除し、24%の無料高速化を実現します。記事では、CUDAストリーム、イベント、およびそれらを連続バッチ処理に適用する方法を詳しく説明し、transformersライブラリでの実装コードを紹介します。

Datasetteプロジェクトが公式ブログを開設。OpenAI Codexデスクトップ版を使用し、Markdownセッション書き出し機能を活用して構築されました。

Vokerは、AIエージェントのパフォーマンス監視と最適化を目的とした分析プラットフォームです。軽量SDKをインストールするだけで、ユーザーの意図、修正、解決を自動検出し、運用データに基づくインサイトを提供します。

本稿は、Mythosモデルのサイバーセキュリティ分野での画期的な能力と、それがガバナンスに与える影響を考察する。Mythosは自律的なサイバー攻撃と防御において卓越した能力を示し、多数の脆弱性を発見した一方で、AIの安全性規制に関する緊急の議論を引き起こしている。また、米国政府内部での最強AIモデルへのアクセス管理をめぐる対立や、AIによるサイバー脅威への世界的な懸念についても分析している。