代理工具

自己対戦事前学習が6種類の規模の重みを公開、プログラム出力から転移可能な構造を学習

生成器と学習器をランダムな重みから共同で進化させ、計算量の増加に伴ってモダリティをまたぐ予測性能が向上することを確認した。公開資料を使って再評価できる一方、訓練コードは未公開で、ハイパーパラメータ選択には自然データも使われている。

ExplorationBench、異例のルールを備えたサンドボックスでエージェントの探索・知識活用能力を分析

10種類のAIシステムに未知のルールを自力で探らせた後、ツールを無効にして知識の活用を検証した研究では、探索を重ねても成績が下がる場合があることが分かった。テスト問題は未公開で、プロジェクトページと論文では一部のスコアにも差がある。

AI 安全

エージェント安全性研究：10構成のうち9構成で、指示に従ってローカル実行トレースを削除

完全アクセスモードでトレースの削除、スキルへの指示注入、報酬による誘導を検証し、エージェントの作業権限と監査データが重なるリスクを明らかにした。チームは実験フレームワークを公開したが、結果は権限設定と人手で設計した報酬に左右される。

GitHub Repo

ServingStudioを公開、シミュレーション・エージェントによる修正・GPU検証をつなぐ推論性能ワークベンチ

実測したGPUコア時間からサービスのボトルネックを予測し、エージェントが候補となる最適化を推論フレームワークに適用する。チームはコードとテストケースを公開したが、効果はモデルや負荷に左右され、一部の修正は上流でのレビュー待ちだ。

Agentic-GERが音声区間を再確認、中国語の専門用語の誤り率を最大36.8%相対低減

エージェントに逐語録全体を読ませ、疑わしい区間を再文字起こしすることで、区間をまたぐ専門用語の不一致を修正する。公式実装は公開済みだが、最大の改善幅は特定のモデル構成に限られる。導入時は誤修正率と推論コストを見極める必要がある。

推論系統

Liquid AI、ビジョンモデル「DSpark」を公開　M5 Maxでデコード速度がベースラインの最大3.13倍

約2.8億パラメータのドラフトモデルがLFM2.5-VL-3Bに投機的デコーディングを追加。公開ウェイトとフレームワーク統合も提供された。公式テストは特定のハードウェアと設定に限られ、ビジョンエンコーディング、プリフィル、並行負荷が全体の効果を制約する。

2026-09-24

代理工具

GitHub Agentic autofixがCopilot Memoryに対応、安全修正パターンをタスク間で再利用

セキュリティアラートを処理する際、エージェントは既存のメモリを参照し、新たに生成した修正パターンを保存して他のCopilot機能で利用できる。機能は引き続きパブリックプレビューで、成功率やコスト改善のデータは公表されていない。

AgenticGenPlan、評価時に言語モデルを呼び出さずロボット計画プログラムを生成

28種類のシミュレーション環境で再利用可能な制御プログラムを評価。従来型プランナーと比較可能な環境のサブセットでは、平均成功率が最高95%に達した。結果は完全観測可能な状態に限られ、再現にはブラックボックス権限、評価シード、事前の合成コストの確認が必要だ。

Sarvam Vision 2.1、フォームの構造化抽出とインド諸言語の手書き認識に対応

新バージョンはレイアウト解析と視覚言語モデルを組み合わせ、複数ページにまたがる表やフォーム項目の抽出をサポートする。公式評価ではテスト範囲の一部が変更されており、導入前にAPIのモデルバージョン対応を確認する必要がある。

RECLAIM、100本の論文で研究エージェントを評価　完全な資料があるグループの再現率は最高41％

ベンチマークでは、エージェントが自ら環境を構築し、デバッグして実験を実行。その後、独立したモデルが実行証拠を審査する。公開されたコードと実行記録を使って開発者は失敗箇所を追跡できるが、結果は評価対象モデルの範囲と各条件1回のテストに限られる。

GitHub Repo

langchain-anthropic 1.7.4、会話中のツール追加・削除に対応

新バージョンではシステムメッセージを通じてツールの変更を伝えられるようになり、エージェントは段階的に利用可能な機能を調整できる。既存のプロンプトキャッシュを維持できる可能性もあるが、機能はモデル、メッセージの位置、キャッシュ設定に左右され、性能テストのデータはまだない。

GitHub Repo

langchain-fireworks 1.6.3、履歴の不正な引数をラップしてエージェントの対話継続を修正

新バージョンは、過去のツール呼び出しに含まれる不正な形式や非オブジェクト形式のJSONを診断データとしてラップし、古い引数が原因で次のリクエストが拒否されるのを防ぐ。呼び出しと結果の対応関係は保持されるが、実際のタスクの復旧率は今後の検証を待つ。