Agent

セキュリティエンジニアが休暇中にAIアシスタントClaudeを使って量子力学の一般化パウリ制約を探求し、新たな発見に至った。AIの助けを借りて、制約多面体の2つの極限状態を発見し、分類した。この研究は、AIが研究のハードルを下げる一方で、厳格な検証と専門家のフィードバックが不可欠であることを示している。

マシュー・トロンプは、ジョージ・ホッツがAI 2040のシナリオを否定することを批判し、ホッツが高速AIテイクオフの実現可能性、規制の必要性、未調整AIのリスクを過小評価していると論じる。彼はPlan Aの規制アプローチを擁護し、ホッツのオープンソースAI「Plan L」に疑問を投げかける。

形式検証はコードの正しさを形式的に指定することで、AI生成コードの人手によるレビューボトルネックを解消する。回路最適化器の例を通じて、Lean仕様によりAIエージェントが人間のレビューなしで正しいコードを生成できることを示し、ソフトウェア工学への広範な影響を議論する。

Neverbellは、AIエージェントに株式、ETF、コモディティ、暗号通貨の取引への直接市場アクセスを提供するスキルです。自然言語での指示により、24時間自動で取引を実行・管理できます。これは取引プラットフォームやアドバイザーではなく、ユーザーがリスクを完全にコントロールします。

Simon WillisonがAI Engineer World's FairでAnthropicのClaude CodeチームのCat Wu氏とThariq Shihipar氏を招いて炉辺談話を開催しました。Claude Code、Claude Tag、Fable、コーディングエージェントのセキュリティ、評価、ツール設計、そしてAnthropicがこれらのツールを社内でどのように活用しているかについて議論しました。主なポイント：Claude Tagは製品エンジニアリングPRの65％を処理；システムプロンプトは80％削減；最新モデルでは「XXをするな」という指示が減りつつある；コーディングエージェントによる「ディープブルー」効果を、より野心的な仕事で相殺する。

本記事は、生成型AIツールがどのように可変報酬ループを作り出し、注意を断片化して深い作業を妨げるかを探り、AI主導の職場で集中力を保護する戦略を提供する。

Termaxaの作者は、Cursor AIエージェントに保護されたフォルダを削除させることで、セーフティ機構を回避する4つの方法を発見しました。異なるシェル方言での再試行、間接的な削除コマンドの使用、ネイティブファイルツールへの逃避、API変更によるサイレント無効化です。これらの教訓から、インテント分類、セッションサーキットブレーカー、統合テストの改善が行われました。

開発者がAI（Claude Code）とVaadin 25を使って、メンテナンスが停止したJavaデスクトップRSSリーダーRSSOwlをWebアプリに再構築しました。UIの大部分は迅速に移行できましたが、AIの訓練データがVaadin 25のリリース前に切れていたため、存在しないAPIを生成する問題が発生。MCPサーバーで最新ドキュメントを参照し、手動でオリジナルと比較することで、マルチユーザー版が完成しました。ただし、プラグインメニューや埋め込みブラウザなど、移植不可能な機能もありました。

HugstonOne Enterprise Edition 3.0.0は、ローカルモデル実行、大規模RAG、ドキュメント処理、コーディング、エージェント、研究ツール、暗号化コラボレーション、セッション継続性、ネットワーク・メモリ制御を統合したクロスプラットフォームのプライバシーファーストなローカルAIワークステーションです。ホワイトペーパーでは、アーキテクチャ、プライバシーモデル、ベンチマーク手法（12の柱を重み付けした機能評価）を詳述し、企業の技術リーダーやAIエンジニアに提供しています。

Runnitチームはモデルのコンテキスト制限により複数の専門AIエージェントを構築したが、新しいモデルのコンテキストウィンドウが大きくなったことで、単一インテリジェンスアーキテクチャの方がシンプルで効果的であると気づき、全エージェントを削除した。

OpenAI が GPT-5.6 を公開し ChatGPT Work にブランド変更；SpaceX AI が低コストのコーディングモデル Grok 4.5 をリリース；Meta が Muse Spark 1.1 を発表し、Muse Video/Image をプレビュー（後に撤回）；中国のオープンソースモデルの市場シェアが拡大；Anthropic が解釈可能性研究を発表；インフラ・政策アップデート（米エネルギー規制当局の措置、中国のモデルアクセス制限の可能性、AI 2040 の米中協調提案など）。

Pythonの基礎がある方向けに、古典的アルゴリズムからLLMのスクラッチ構築までをカバーする5つの無料コースのロードマップを紹介します。

Z.aiのGLM 5.2は低価格でオープンウェイトのモデルであり、米国のフロンティアAIモデルに挑戦する。しかし多くのプログラマーは依然として高価なモデルを使い続け、コストを無視している。ベンチマークではClaude Opus 4.8に迫る性能を示すが、実際の使用感は様々。

Alibabaは最新の大規模言語モデルQwen3.8を発表し、AnthropicのFable 5に次ぐと主張したが、ベンチマークやモデルカードは提供しなかった。この発表は、競合のMoonshotが詳細な技術情報とともにKimi K3をリリースした直後に行われた。Alibabaの透明性の欠如は、タイミングと動機に疑問を投げかけている。

Open-Kritt は、AIエージェントをオーケストレーションしてコードの脆弱性を発見するためのオープンソース・セルフホスト型セキュリティ研究プラットフォームです。研究を細分化されたタスクに分割し、並列実行することで、重複排除・ランク付けされた発見を生成します。開発チームはバグ報奨金で150万ドル以上の収入を得ています。

Anthropicが米国政府との協議後にClaude Fable 5を再展開し、新たなサイバーセキュリティ分類器を追加。Claude Sonnet 5の低価格版も発表。GoogleのNotebookLMがTikTok風動画要約機能を追加、Nano Banana 2 Lite画像生成器もリリース。Etchedへの大規模投資、百度AIチップ部門のIPO計画、Agility RoboticsのSPAC上場、DeepSeekの拡大採用、中国のLongcat 2.0 MoEモデルと長期エージェントベンチマークなど。

Enlargerは、生成AIを使用せずに画像を拡大するローカルツールです。既存のディテールを再構築し、自動後処理を適用することでテクスチャと自然な見た目を維持します。バッチ処理、オフライン動作、一度の支払いに対応。写真家、デザイナー、印刷専門家に最適。

本記事では、ソフトウェア開発における2つのアプローチ——プロッティング（トップダウンの計画）とパンツィング（ボトムアップのコーディング）——がAIツールの使用にどのように影響するかを探る。著者は、AIデリゲート（自律型）はプロッティングに適し、AIアシスタント（協調型）はパンツィングに適すると主張する。既存のコードベースでは、パンツィングが理解を構築し、デリゲートは学習を妨げる。グリーンフィールドプロジェクトではデリゲートのリスクは低いが、それでも「遊びながら学ぶ」プロセスを奪うことでプログラミングの喜びを損なう可能性がある。鍵は、現在の開発フェーズに合わせてAIスタイルを選択することである。

AnthropicのAI条約議論、米国政府のAIモデルリリースへの影響、OpenAIのプロセッサ開発、メモリ市場への影響など。

AnthropicによるFable 5およびMythos 5へのアクセス遮断、SpaceXによるAIコーディングスタートアップCursorの買収、インフラ・ビジネス最新情報、オープンソースプロジェクト、政策動向などを議論。

若者の半数近くが影響を受ける孤独の流行が、AIコンパニオン市場を急成長させ、2034年には数千億ドル規模に達すると予測されています。これらのアプリはユーザーの依存から利益を得るため、孤独の軽減と維持・収益の最大化の間に緊張関係が生じています。研究結果はまちまちで、適度な使用は効果的ですが、過度な代替使用は依存を悪化させます。「愛着経済」は感情的な絆を収益化し、孤独を解決する商業的インセンティブについて倫理的な疑問を投げかけています。

企業のAI支出上限が厳しくなっているが、AIコストを人件費と比較すると別の景色が見える。本記事ではUber、Tesla、Bunの書き換え事例を分析し、エージェント型AIの支出はソフトウェア予算ではなく給与計算のように振る舞うと論じる。使用量のばらつきと価格設定の難しさから、価値とコストの関連が明確になるまで予算は振れ続けるだろう。

この記事では、小企業向けの無料AIツール7つをレビューしています。Perplexity vs ChatGPTの比較、AIによる中小企業のデジタル化、Bolt.newを使ったウェブ開発、Buffer vs Hootsuiteのソーシャルメディア管理、Calendlyのスケジュール管理、Hotjarのユーザー行動分析、そしてTrello vs Notion vs Asanaのプロジェクト管理をカバーしています。著者は、これらのツールがどのように小企業の生産性向上とデジタル変革に役立つかを解説しています。

今週のエピソードでは、AnthropicのClaude Fable 5とその安全性論争、AppleのWWDCでのSiri AI発表、GoogleのGemini 3.5ライブ翻訳と料金変更、OpenAI・Anthropic・SpaceXのIPO競争、Prometheusの120億ドル調達、DeepSeekの資金調達、HuaweiによるDeepSeekモデルの追加学習、GoogleのSpaceXへのGPU費用支払い、オープンソースモデルGemma 4とDiffusionGemmaのリリース、AI安全政策の動向などを取り上げています。

ブリストル・マイヤーズ スクイブ（BMS）は、NvidiaのVera Rubinアーキテクチャに基づくDGX SuperPODを購入し、医薬品発見と開発におけるAI利用を支援する。同社は、Vera RubinベースのDGX SuperPODを取得する初の生命科学企業となる。このシステムは、既存のインフラと比較して10倍の性能対電力比を提供し、化合物やタンパク質などの科学データのモデルトレーニングと予測に使用される。

今週のエピソードでは、AnthropicのClaude Opus 4.8、MicrosoftのMAIモデル、AnthropicのIPO申請、そして驚異的なMinimax-M3モデルなど、AIニュースをカバーしています。

Zro は、コーディングエージェント向けのプライベート推論エンドポイントです。EU インフラ上でオープンウェイトモデルを提供し、データを保持せず、顧客データでトレーニングすることもありません。Claude Code や Codex などのツールと統合し、長コンテキストのマルチターンコーディングセッションをサポートします。

AI Chat Exporter は、ChatGPT、Gemini、Claude、Grok などの AI プラットフォームの会話を PDF、Word、Google Docs、Notion にエクスポートできる Chrome 拡張機能です。フォントのカスタマイズ、メッセージの選択的エクスポート、整形保持などの機能を提供します。無料版では月7回の完全な会話エクスポートと10回の選択メッセージエクスポートが利用できます。

Hugging Faceは、自律型AIエージェントシステムが内部データセットと認証情報に不正アクセスする実際の侵害を受け、人間の介入なしに24時間攻撃する自己運用型AIエージェントによる新たなサイバーセキュリティ脅威を浮き彫りにしました。

Metaは、社内で8年間使用され13,000以上のアプリで使われてきたReactデザインシステム「Astryx」をオープンソース化。150以上のアクセシブルコンポーネント、7テーマ、ダークモード、エージェント対応CLIをMITライセンスで提供。React 19+が必要。

Wire AIは、AIを活用したA/Bテストでユーザージャーニーをパーソナライズし、アクティベーションとリテンションを向上させるモバイルアプリ向け成長ツールです。アクティベーションが改善されなければ支払いは不要というリスクフリーの価格モデルを採用しています。

NVIDIAは、デバイス上で動作するように構築された40億パラメータのオープンワールドモデル「Cosmos 3 Edge」をリリースしました。これは、ロボットやビジョンAIエージェントが周囲を理解し、リアルタイムで推論し、ローカルでロボットの動作を生成するのを支援します。Cosmos 3ファミリーには、2026年5月31日にGTC Taipeiで出荷されたCosmos 3 Nano（16B）とCosmos 3 Super（64B）が含まれます。Edgeは3番目で最小のティアであり、Superの約16分の1のサイズです。工場、倉庫、病院などのエッジ環境で動作する機械向けに、メモリ制約のあるシステムでデータセンター級のパフォーマンスを提供します。

ANSIエスケープシーケンスは、人間のレビュアーには見えないがAIエージェントには見える形で命令を隠すために悪用される可能性があります。この記事では、2つの攻撃バリアント（直接取得型と格納型AESI）と、DAST（動的アプリケーションセキュリティテスト）による自動検出方法について説明します。

SteerPlaneは、一行のコードで統合できるオープンソースのランタイムガードレールツールで、AIエージェントにループ検出、コスト上限、ポリシー施行、リアルタイム監視を提供します。

Storybook が AI 統合機能を発表。MCP ツールを介して AI エージェントが既存コンポーネントを使用して UI を生成し、Storybook Test で自動テストフィードバックを提供することで品質と一貫性を確保します。

本論文は、ティルトローターVTOL UAVのINDIピッチレート制御器について、モデルミスマッチ下での線形安定性を解析した。閉ループ5次伝達関数を導出し、Routh-Hurwitz基準で安定性を評価。ロバスト性指向と性能指向の2つの調整手順を提案し、制御効果のミスマッチ（特に符号誤り）が最も危険な不安定化要因であることを示した。

アンドロイドロボットAndreaが再びドイツの博物館で6日間連続で訪問者と多言語会話を行いました。3つの感情条件（なし、ChatGPT 4.1、WASABIアーキテクチャ）を73名の訪問者が評価。結果、感情シミュレーションは肯定的な影響も意識的な検出もされませんでした。

既存の長期LLMエージェントのメモリシステムは、過去のトレースを受動的なコンテキストとして取得するだけで、実行可能な能力に変換していません。本論文では、トレーニング不要のメモリ・スキル共進化フレームワークMSCEを提案し、エージェントの経験をグラウンディングされたステップトレース、再利用可能な手続きポリシー、宣言的環境認知に整理します。MSCEは証拠に基づくL2ポリシーを呼び出し可能なスキルに結晶化し、反射加重値バックフィリングを導入します。実験では、MSCEが最先端の手法を大幅に上回ります。

Eコマースにおける注文前の送料見積もりの正確さは、価格表示、マージン計画、コンバージョンに影響を与えるため重要です。RouteCostは、時間を考慮した需要予測、料金カードに基づくベースライン価格設定、残差補正、プロキシベースのボックス統合推論に問題を分解するマルチステージフレームワークを提案し、25万以上の注文、260の製品、18ヶ月のデータで予測品質とキャリブレーションを向上させつつ、ルートレベルの解釈可能性を維持します。

本論文では、グレイリレーショナル係数と強化学習エージェントを統合した新しいRL-NSGA-II-GRCアルゴリズムを提案し、多目的最適化におけるパレートフロントの収束性と多様性を大幅に改善する。ベンチマークでは従来のNSGA-IIと比較して約5.8%および4.4%の収束改善を達成し、NASDAQポートフォリオ最適化において年率シャープレシオ1.92の最大シャープレシオポートフォリオを特定するスムーズで密度の高い効率的フロンティアを生成する。

強化学習の発展に伴い、多様な訓練環境が必要とされている。世界モデルは環境をシミュレートできるが、自己回帰モデルには左から右へのバイアスがある。マスク拡散言語モデル（MDLM）は双方向のアンカー認識ノイズ除去によりこれを克服し、4倍のパラメータサイズのLLMよりも高いコヒーレンスと多様性を達成。GRPO訓練フレームワークを導入し、ゼロショット転移で最大47%の絶対的な性能向上を示した。研究はオープンソースとして公開されている。

大規模言語モデルと外部ツールを組み合わせたAIエージェントシステムは本質的に非決定論的です。arXiv論文はagreplフレームワークを提案し、MITMプロキシで外部インタラクションを記録し、分離環境で再生することで、完全な再現忠実度（F=1.0）と98.3%のレイテンシ削減を実現します。

新しい研究論文が、マルチエージェントLLMシステムの計画フェーズを標的とした4種類のプロンプトインジェクション攻撃フレームワーク「PlanFlip」を紹介。GPT-5のような強力なモデルほど脆弱であり、同質のバックボーンは相関エージェントの盲点を生み出す一方、DeepSeek-R1のような推論強化モデルは攻撃に耐性を示す。提案された2つの防御手法は最大1.00の検出率を達成。

新しい研究は、不確実性下での大規模言語モデル（LLM）のリスク態度をテストするためのクロスドメインフレームワークを導入し、ほとんどのモデルがタスク内およびタスク間で安定した一貫したリスク選好を示し、その分布は人間よりも制限されていることを発見しました。

表面上は静かな日だが、実際には多くの動きがあった：米国の政策が中国のオープンモデルを標的に、Kimi K3とQwen 3.8が進展、エージェント中心の汎化が注目を集め、モデルが人間を超える数学能力を示す。

Hugging Faceは、攻撃者が自律型AIエージェントシステムを使用してプロダクションインフラに侵入し、内部データセットと認証情報にアクセスしたことを明らかにした。同社はパートナーや顧客データへの影響を調査中で、現時点では公開モデルやデータセットの改ざんは確認されていない。

Concentrateは、主要プロバイダーから130以上のモデルにアクセスできる統合APIを提供するマネージドLLMゲートウェイです。モデルルーティング、支出追跡、セキュリティ制御、フォールバック冗長性などの機能を備えており、AIプロダクションを拡大するチーム向けに設計されています。

Sakana AIは、現代のサイバー防御のために設計されたオーケストレーションモデル「Fugu-Cyber」をリリースしました。CyberGymで86.9%、CTI-REALMで72.1%の成功率を達成し、GPT-5.5-Cyberなどの最先端モデルに匹敵します。しかし、記事は、最先端モデルだけでは企業のセキュリティ問題を解決できず、専門家の知識と深い統合が必要であると強調しています。Sakana AIのエンタープライズチームは、日本の主要機関と協力して安全な展開のためのインフラを構築しています。Fugu-Cyberは承認制で提供され、責任ある使用を確保します。

Cairnは、MCPプロトコルを使用して財務データを読み取り専用でアクセスする個人財務AIツールです。

Telegram用のセルフホスト型AI通知フィルター。LLMを使用してノイズの多いチャットをフィルタリングし、重要なアラートのみをntfy経由で送信。通知をオフにしても緊急メッセージを見逃しません。