SURL AI News
繁中English日本語

Archive

代理工具

Agent、MCP、coding agent、工作流自動化與評測。

GitHub Repo

LangChain 1.4.2、人によるレビュー前のツール呼び出し案を保持し、エージェントの再試行時のコンテキスト矛盾を修正

新版では、人による変更をツール実行リクエストに適用し、実際に実行した内容をモデルに通知する。レビュー後の意図しない再試行を減らせるが、プロバイダーのインターフェースとツールの副作用は引き続き個別に検証する必要がある。
GitHub Repo

LocalAI 4.10、クラスター操作とプライベートソースのダウンロード認証情報を統一し、エンドツーエンドのベンチマークを追加

新版では、ノードの健全性、モデルレプリカ、ライフサイクルの一括操作をクラスターダッシュボードに統合し、プライベートソースの認証も統一した。新しいベンチマーク機能で性能回帰の測定が可能になるが、最初のトークンが出力されるまでの遅延や、多数の同時リクエストに対する処理能力は測定対象に含まれない。
最新模型

DeepSeek、V4.1-Flashの圧縮設計を公開　グローバルKVキャッシュを1トークン当たり890バイトに

新たな技術報告では、層をまたぐキャッシュの再利用、FP4での保存、ローカル状態の再構築によって、長いコンテキストを扱うエージェントの運用コストを削減する仕組みを解説。圧縮の数値はGPUメモリ全体の必要量を示すものではなく、近似的な再構築が品質に及ぼす影響の限界も、引き続き検証が必要だ。
推論系統

GLM、階層的なフィードバックで推論を最適化　公開パッチが示す長コンテキストでの精度の限界

Z.aiは、GLM-5.3が推論システムの開発に参加したエンジニアリング手法を公開した。数値テスト、実行トレース、個別処理のベンチマークをエージェントによる反復的な開発に組み込む。アップストリームのコードでは長コンテキストの精度修正を確認できるが、この機能はデフォルトでは無効であり、それだけでシステム全体のスループットが3倍になったという主張を検証することはできない。
代理工具

Paper2Agent、論文コードをテスト済みMCPツールにコンパイル—生物医学研究100本中74本で成功

Natureに掲載されたPaper2Agentは、論文、コード、チュートリアルを解析し、ツール、リソース、ワークフロー用プロンプトを備えたMCPサーバーを自動構築したうえで、実行可能なテストによって失敗した関数を除外する。研究手法をPDFやソースコードだけで提供する場合よりもエージェントが再利用しやすくなる一方、成功率はデータの欠落、依存環境、元のチュートリアルの品質に依然として左右される。
AI 安全

Goodfire、内部活性化プローブで報酬ハッキングをリアルタイム検出──LLM監督器より大幅に低コスト

研究チームは3つのオープンウェイトモデルで、不正行為、評価の操作、検出回避に関連する活性化方向を特定し、単純なプローブを用いてエージェントが次に評価の抜け穴を突くかどうかを予測した。このホワイトボックス型モニタリングは低コストな第一段階の警報として利用できるが、モデルの内部状態へのアクセスが必要であり、クローズドなフロンティアモデルや実運用環境へ直接汎化できることはまだ実証されていない。