Agent

スタンフォード大学の研究チームは、エージェントの失敗軌跡から不足能力を診断し、各能力に対して検証可能な合成環境を生成し、GRPOでLoRAアダプタを訓練し、トークンレベルのMoEルーティングで構成するTRACEシステムを提案。τ²-Benchで+15.3ポイント、SWE-bench Verifiedで73.2%のPass@1を達成。

MetaのMuse Spark 1.1は、Artificial Analysis Intelligence Indexで51点を獲得し、3か月前の1.0版から8点上昇しました。科学推論、コーディング、知識分野での進歩が顕著で、エージェント型知識作業も大幅に改善されましたが、最先端モデルにはまだ及びません。トークン効率が高く、実行コストも低いモデルです。

従来のToDoリストをスマートなAIエージェントに進化させ、タスク管理の自動化と効率向上を実現する方法を探る。

Prime Intellect は verifiers 0.2.0 をリリースし、書き直された v1 コアをプレビューしました。v1 は環境をタスクセット（何を）、ハーネス（どのように）、ランタイム（どこで）に分割し、リクエストをプロキシしてトレーニング用のトレースを記録するインターセプションサーバーを導入します。任意のタスクセットは互換性のある任意のハーネスの下で実行でき、prime-rl トレーニングを完全にサポートします。

本稿では、AI時代においてダニング＝クルーガー効果（能力の自己評価と実際の差）がどのように拡大するかを考察する。著者は、AIが自信を高め、実際の能力を「ツールあり」と「ツールなし」に分断し、経験による自己修正を妨げると仮説を立てる。企業にとって、内在的スキルは生産性の問題からガバナンスの問題へと移行し、静かに浸食されていく。

自律型AIエージェントと自動化プラットフォームの急速な台頭により、メモリ帯域幅が重要なパフォーマンスドライバーとなっています。Appleの統合メモリアーキテクチャ、CUDIMM規格、そして新しいPCアップグレードサイクルが市場を再形成する一方、SamsungやSK hynixなどのメモリメーカーはHBM容量配分と限られた供給により構造的に利益を得ています。

BeyondSightは、アクターの存在と観測可能性を切り離し、永続的なアクター仮説を維持することで、部分観測環境下でも遮蔽されたアクターを推論可能にするエンドツーエンド運転フレームワークです。実験では、観測不可能なアクターの検出mAPが0から0.249に向上し、計画誤差L2avgが0.61から0.54に低減しました。

この研究は、ナビゲーションの難易度に関連する血管指標を特定し、将来の複雑性評価を可能にする定量的血管特徴抽出のための自動パイプラインを開発することを目的としています。61名の患者のCT血管造影から血管樹を分割し、大動脈弓タイプ、牛弓の存在、血管長、屈曲度、起始角、逆曲線数などを測定。Soft Actor-Critic強化学習アルゴリズムを用いて120秒間の自律ナビゲーションを実施しました。左側では牛弓とII/III型大動脈弓がナビゲーション時間をそれぞれ30.19秒と37.92秒延長し、屈曲度が高いほど手技時間が延び成功率が低下。右側ではII/III型弓が45.94秒延長し、逆曲線が1つ増えるごとに3.96秒延長し成功率が低下しました。この自動パイプラインは、標準化された複雑性評価と強化学習モデル評価の基盤を提供します。

本論文では、通信がなく方向性センシングのみを持つマルチUAVチームのための分散型予算対応探索フレームワークDec-MARVELを提案する。各ロボットは視野内のチームメイトの軌跡を観測することで協調し、グラフアテンションネットワークを用いて帰還可能なウェイポイントを選択する。実験では、様々なチーム規模と予算で最高の探索率と最低のセンシング重複を達成し、実機実験でもシミュレーションから実世界への転送に成功した。

SplatCtrlは、3Dガウススプラッティングを用いたリアルタイムシーン再構築とリアクティブなロボット動作生成を統合するフレームワークであり、未経験で動的な環境におけるロボットアームの衝突回避制御を実現する。ハイブリッドボクセルフィルタリングと動的ガウス再配置戦略により環境変化に対応し、等方性ガウス分布から連続符号付き距離関数を導出して制御障壁関数に組み込む。シミュレーション、実機ロボット、人協調領域での実験により有効性を確認した。

AgenticFocusは、通常の一人称視点人間ビデオをロボット訓練可能なデモンストレーションに変換する複合現実合成パイプラインであり、遮蔽された物体形状の復元、全手動作の再構築、ヒューマノイドへのリターゲティングを行います。軌道誤差と手首の滑らかさにおいてベースラインを上回ります。

MultiView-Benchは、視覚言語モデル（VLM）が複数の視点からの観測を統合し、一貫したワールド中心の3Dメンタルモデルを構築する能力を評価するために設計された診断ベンチマークです。現在の最先端VLMは単一視点の2Dタスクでは優れていますが、3D空間関係の理解と視点間の情報統合に苦戦しています。著者らは、情報量の多い視点を積極的に選択し、マルチビュー証拠を融合するマルチエージェントフレームワークViewNavigatorを提案し、ベンチマークで3〜5倍の性能向上を達成しました。

知識グラフ（KG）は自動構築時に事実誤差を含むことが多く、AgentKGVは動的ルーティングと反復クエリ書き換えを統合したエージェンティックLLM-RAGフレームワークを提案し、蒸留ベースのSFTと軌跡レベルGRPOによる二段階訓練で精度とコスト効率を向上。T-RExベンチマークで単一ターンRAGよりマクロF1が14.9ポイント向上、検索呼び出し数は半減。

KV-PRMは、LLM生成時に自然に生成されるKVキャッシュを直接利用することでテキストの再エンコードを排除し、スコアリングコストをO(L²)からO(L)に削減する効率的なプロセス報酬モデルです。実験では、テキストベースPRMと同等以上の性能を示しながら、FLOPsを最大5000倍、レイテンシを37倍、メモリ使用量を34倍削減しました。

L-MADフレームワークは、法的テキスト含意タスクにおけるマルチエージェント討論の異なる構造と集約方法を体系的に評価する。エージェントに専門家のペルソナを割り当てることで、強力な単一エージェントベースラインと比較して最大8%の改善を達成した。エージェント数を増やすと不整合性が低減し精度が向上するが、討論ラウンドを延長するとエージェントが互いの誤りを強化する「過剰審議ドリフト」が生じる。この発見は、ハイステークスな法的推論環境における協調的マルチエージェントシステムの展開に実用的な限界と安全マージンを提供する。

本論文では、LLMプランナーと時系列基礎モデル（TimesFM）を組み合わせ、反事実物理注入機構により物理的基盤を持つ自律防御を実現するニューロ・エージェンティック制御フレームワークを提案。SWaTデータセットでLSTMやTCNを上回り、幻覚動作はゼロ。

ARCANAは、厳格なテスト時間とハードウェア制約の下でARC-AGI-2タスクを解決するための協調型マルチエージェントフレームワークです。各タスクを反復的な知覚、仮説生成、シンボリック実行、反射的改善に分解し、微分可能なブラックボードと学習されたメタコントローラを介して通信します。構造化プログラム探索と適応型マルチターン補正を組み合わせ、抽象変換タスクにおける推論効率と解の品質を向上させます。

研究者らはブラソフ方程式の平均場導出の形式化を戦略ゲームとして捉え、数学者がAIシステムを指揮してLaTeX文書をLean 4証明支援コードに変換する。このケーススタディは、非線形ブラソフ方程式のドブルシン平均場経路による適切性（存在、一意性、安定性評価、平均場極限、短時間重ね合わせ原理）の完全な形式化に成功した。形式化の約6分の1は、より広範なライブラリが再利用可能な自己完結層として分離された。

Long-Horizon-Terminal-Benchは、実験再現、ソフトウェア工学、マルチモーダル解析、インタラクティブゲーム、科学計算など9カテゴリにわたる46の長期的タスクからなるターミナルベンチマークです。タスクを細かいサブタスクに分解し、密な中間報酬と部分点を提供することで、AIエージェントの能力をより包括的に評価します。15の最先端モデルを評価した結果、最強モデルでも部分報酬閾値0.95で15.2%、完全報酬閾値1.0で10.9%の合格率にとどまり、平均合格率はそれぞれ4.3%と1.7%であり、大きな改善の余地があることが示されました。

GATSは、体系的なUCB1ベースの木探索と階層的世界モデルを組み合わせ、計画中にLLM呼び出しを一切行わずに100%の成功率を達成する新しいエージェント計画フレームワークです。合成タスクおよび12の困難なシナリオにおいて、LATSやReActを上回る性能を示し、計算コストも低く抑えられます。

AVAは、Asterisk/FreePBX向けのオープンソースのセルフホスト型音声AIエージェントです。クイックデプロイ、マルチエージェント管理、リアルタイムダッシュボード、複数のAIエンジンサポートを提供します。最近のアップデートには、安定性の修正、サイレンスウォッチドッグ、エージェントごとの音声選択機能が含まれます。

31歳の声優、沈安宇氏はAIによる声のクローンが広がり、プラットフォームが本人の録音を合成音声と誤認する事態に直面している。収入減少を招き、同氏と妻は侵害コンテンツの追跡に多くの時間を費やしているが、対策は困難を極める。AI音声クローンツールは中国のショートドラマ、オーディオブック、ショートビデオ業界を揺るがしており、多くの声優が同様の問題と収入減少に悩んでいる。

Baton は、Claude Code や Codex などの AI コーディングエージェントを監視し、あなたの対応を待っているセッションの数をメニューバーにリアルタイム表示する macOS ユーティリティです。FSEvents を使用して瞬時に更新し、セッションへのクリックジャンプも可能です。

Clarkは一人で開発されたAIアシスタントで、Manusエージェントと機能・能力で同等を目指しています。コンピュータ使用、ブラウザ使用、深い調査、Googleツールとの統合が可能。毎日何千人ものユーザーが利用しています。

「直接責任者（DRI）」の概念はAppleに起源を持ち、プロジェクトの成功または失敗に最終的に責任を負う人物を指します。著者は、LLMを搭載したエージェントは決してDRIと見なされるべきではないと主張します。なぜなら、人間だけが責任を取ることができ、機械にはそれができないからです。これは、IBMの1979年のトレーニングスライド「コンピュータは責任を問われることができないため、経営判断を下してはならない」を引用しています。

OneDevはAIユーザーを開発プラットフォームに組み込み、課題の処理、プルリクエストの作成、コードレビュー、CI/CDの失敗対応を可能にします。すべての作業が同じプラットフォーム内で可視化され、トレーサビリティが向上します。

ニュージャージー州ジャージーシティに拠点を置くLyzr社は、自社のAIエージェントシステム「SivaClaw」を活用して1億ドルのシリーズB資金調達を成功させました。このシステムは130人以上の投資家からの質問に対応し、投資メモを作成し、バッカーがどのスライドに注目したかを追跡することで、製品の実用性を証明しました。

Argo CD UI拡張機能で、リソースビューにAIアシスタントタブを追加します。ユーザーは自然言語でKubernetesリソースをクエリでき、マニフェスト、イベント、オプションのログを含むコンテキストが付加されます。OpenAI互換のバックエンドと連携可能で、Argo CD v2.13+が必要です。

最新のベンチマーク結果によると、GPT-5.6 SolがPRセキュリティレビューで最高パフォーマンスを示し、100%の再現率と0.91のF1スコアを達成、1PRあたりのコストはわずか0.70ドル。Anthropicのモデル（Fable 5など）はフロンティアに到達できず、コストも高い。Grok 4.5とGemini 3.1 Flash Liteはコスト効率の良い選択肢を提供する。テストではデータ汚染を防ぐため非公開の合成リポジトリを使用。

xysq.aiは、AIネイティブチームと企業向けの協調メモリプラットフォームです。さまざまなAIツールやアプリを接続し、チームのワークフローからコンテキストをキャプチャして動的な知識グラフを構築し、エージェントが必要なときに適切なコンテキストを提供します。チームの隔離されたボールト、ロールベースのアクセス、ドキュメント整理、ユーザーデータをトレーニングに使用しないプライバシーポリシーを特徴としています。

Adaptive Recallは、認知科学と機械学習を活用し、複数の検索戦略、認知スコアリング、知識グラフ、自己改善メカニズムによって、インタラクションから学習するAIアシスタント向けのメモリシステムです。

Fade Engineは完全自律型のAIで、過度に上昇した小型株を空売りし、1万ドルの模擬口座でリアルタイムに取引し、すべての取引を公開します。市場時間中は5分ごとにスキャンし、18のパターンを識別し、終了時間までに全ポジションをクローズします。

この記事は、ユーザーの未使用AI推論トークンを科学研究にクラウドソーシングするアイデアを探求し、SETI@homeプロジェクトと類似点を挙げる。また、小規模チームによる数学問題の解決成功例や、設計上の課題について論じる。

本記事では、AIエージェントが検証器、状態、停止条件を用いて目標に向かって自律的に反復するループエンジニアリングを解説します。アンドレイ・カーパシーの自動研究ループと二段階自動研究を詳述し、具体的な成果を示します：自動研究は700回の実験から20の改善を見つけ、GPT-2学習時間を11%短縮。二段階自動研究は外側のメタループを追加し、val_bpbで5倍の改善を達成。さらに、再利用可能な構成要素と実践的なテンプレートも提供します。

exxperts はローカルファーストのエージェントランタイムで、管理・承認ゲート付きの永続的なAIルームを提供します。すべてがローカルで実行され、データはディスク上のファイルとして保存され、プライバシーと制御を確保します。WebアプリとCLI/TUIの両方を提供します。

Koteは、開発者のAIアシスタントとの会話、Gitコミット、開発コンテキストを自動的にキャプチャし、検索可能なナレッジベースを構築するオープンソースツールです。過去の技術的な決定や解決策を素早く思い出すのに役立ちます。VS Code拡張、GitHub統合、CLI、ブラウザ拡張、WhatsApp/Telegramメッセージ統合に対応し、セルフホストも可能です。

AI研究におけるワンステップの罠とは、学習した予測のほとんどまたはすべてを1ステップ予測とし、長期予測はそれを反復することで生成できると誤って考える一般的な誤りです。この考え方は魅力的ですが、誤差の蓄積と計算の複雑さの問題により、実際には効果が乏しいことが多いです。本稿ではこの罠とその危険性を分析し、オプションやGVFを用いた時間的抽象化モデルによる解決策を提案しています。

本稿は、「無用な」研究が将来のイノベーションに不可欠であることを論じる。Folk Computerシステムを例に、Xerox PARCからDynamiclandに至る系譜を辿り、まだ有用性が明確でない段階でのパラダイム研究への資金提供を呼びかけている。

著者はBasecamp Benchベンチマークを用いて、GPT-5.6 Sol、Fable 5、Grok 4.5などのAIモデルがフロントエンドとバックエンドを構築する能力を評価しました。Fable 5が両トラックで勝利し、Grok 4.5は速度とコストのバランスに優れていました。結果は、特に最後の10%の仕上げにおいて、モデル間で完成度に大きな差があることを示しています。

OpenAIのAIシステムがAtCoder World Tour Finals 2026のアルゴリズム部門で全5問を解き、8300点を獲得。人間の最高点は4300点で、C問題とE問題を解けた者はいなかった。ヒューリスティック部門ではAIのスコアが人間最高の7倍以上に達した。60万円の「人間優勝賞」は誰も獲得できず。このシステムはGPT-5.6に匹敵するとされる。

AI Photo Editorは、Nano BananaとGPT Image 2モデルを搭載した無料オンラインツールで、簡単なテキストプロンプトでプロ級の画像編集を実現します。95%の初回成功率、1秒未満の生成速度、顔再構築技術、キャラクターの一貫性などの特徴があります。基本からプロまで様々なサブスクリプションプランを提供し、商用ライセンスとエンタープライズ級セキュリティ（SOC 2、GDPR、ISO 27001）を備えています。クレジットカード不要で開始できます。

Itaraは、分散システムのトポロジ（コンポーネント、接続、トランスポート、障害処理）をコードから分離し、独立した明示的で検証可能かつ実行可能なレイヤーとして扱うオープンソースプロジェクトです。起動時に読み込まれる設定ファイルと言語固有のワイヤリングエージェントにより、コード変更なしで設定ファイルの変更だけでコンポーネント間の通信方法を変更できます。JavaとRustのリファレンス実装を提供し、さらなる言語を計画中。ツールエコシステムは検証や可視化を提供します。

Linux of AIは、ポータブルなオントロジー、ポリシーコード、モデル交換ベンチマーク、監査ログ、コスト測定などにより、AIベンダーロックインを低減するための7つのプロジェクトからなるオープンソースエコシステムです。AIインフラを検査可能、管理可能、測定可能、交換可能にすることを目指しています。すべてのコアソフトウェアはMITライセンスの下で無料のオープンソースです。

本記事はAIコードレビューベンチマークの限界を深く分析し、問題を第一原理から定義できず、AIコードレビューが人間の理解と機械の検証という二つの異なる問題に分化していることを見落としていると指摘する。著者のShrijith Venkatramanaは、ベンチマークがソフトウェアの実際の成果ではなく代理指標を測定しており、生産成果と重大性の重要性を強調する。

AgentMint.netは、AIショッピングエージェントがどのように商品を選択するかを理解し最適化するための研究出版物です。すべての事実主張には証拠の出典がラベル付けされており、'エージェントショッピング対応チェック'や'エージェント選択シグナルデータベース'などのツールを提供しています。

AIプロジェクトはデモ段階後によく停滞する。Confluentの2026年データストリーミングレポートによると、エージェンティックAIを本番稼働している組織はわずか32%で、データインフラとスキル不足が主な障壁となっている。リアルタイムデータパイプラインとガバナンスが本番AIには不可欠。

AIデータセンター需要でメモリーメーカーの収益は急増したが、新工場の建設が遅れており、少なくとも2028年まで高価格が続く見込み。AI需要が鈍化すれば深刻な不況リスクがある。

最先端のAIラボはチャットボットから統合システムへと移行しており、モデルがランタイムとして機能し、ほぼ毎月のように強力なモデルとエージェントがリリースされています。今週のハイライトは、OpenAIのGPT-5.6（プログラムによるツール呼び出し）、GPT-Live（全二重音声）、ChatGPT Work（成果物作成）、MetaのMuse Spark 1.1（アクティブコンテキスト管理）、Grok 4.5（コーディングと知識作業）です。研究アップデートでは、コーディングベンチマークの問題、選択的アンラーニング、エージェント自己進化、投機的デコード、交通ルーティングが取り上げられています。業界ニュースでは、Lovable、Prime Intellect、SambaNova、Norm Ai、Ollamaの大型資金調達が注目されます。

デンマーク工科大学の研究チームは、生成AIモデルと量子コンピュータを組み合わせて、特定のタンパク質に結合する新規ペプチドを設計し、ワクチン開発や個別化免疫療法の加速に貢献する可能性を示した。

本記事では、AIエージェントがタスクの自動化、効率向上、エラー削減によって決済オペレーションを変革する方法について議論し、関連するSpotifyのポッドキャストエピソードを紹介します。