代理工具
GitHub、エージェントを活用してCopilotランタイムを83万行のRustに書き換え、クライアントごとのNode.jsコストを排除
Copilotの共有エージェントランタイムがTypeScript／Node.jsからネイティブRustへ移行し、C ABIを介して6言語のSDKに直接組み込めるようになった。GitHubの負荷テストではセッションスループットが毎秒120件に向上したが、この数値はモデル推論とネットワーク遅延を除外した社内テストに基づく。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
最新模型
LimiX‑2、共同メカニズムのモデリングで表形式データを処理――単一の4億パラメータモデルで3種類のタスクに対応
LimiX‑2は条件付きラベルの推定にとどまらず、合成因果データから特徴量とターゲットの同時構造を学習する。チームは重みと推論コードを公開したが、モデルの利用は非商用に限定され、優位性を示す数値も主に著者らが実施した表形式データ向けベンチマークに基づく。
代理工具
Foundry Toolkit 1.6.13、ACR以外のプライベートイメージレジストリに対応し、Windows MLランタイムを変更
新版のVS Codeツールでは、接続設定済みのプライベートコンテナレジストリからマネージドエージェントをデプロイできるようになったほか、AMD NPU向けFara 7BとAionの量子化adapterも追加された。Windows MLは`windowsml` 2.3へ更新され、既存プロジェクトではexecution providersと依存パッケージの確認が必要となる。
代理工具
254件の提出結果を精査、SWE-bench Verifiedの上位順位は統計的に区別困難に
新たな研究がSWE-benchの4分割について問題ごとの結果を分析したところ、Verified上位30件では、隣接するシステムのどの組み合わせも対応のある有意差検定を通過しなかった。モデルとエージェントscaffoldの相互作用による差も首位間の間隔を上回るほど大きく、エンジニアリング部門の調達では小数点以下の差を安定した順位とみなすべきではない。
AI 基礎設施
FlashVector、性能最適化エージェントの対象をGPUカーネルから推薦モデルのサービススタック全体へ拡大
Unityチームが発表したFlashVectorは、GPUカーネル、計算グラフ、Tritonサーバー、特徴量サービスを横断して性能ボトルネックを探索する。実運用環境のテストではスループットが最大2倍に向上したが、コード、変更履歴、完全なコストデータはまだ公開されていない。
代理工具
Dream‑RSI、エージェントの探索履歴をリプレイシミュレーターに変換し、探索戦略をオフラインで書き換え
Googleなどの研究チームは、モデルの重みを更新する代わりに、固定されたコーディングエージェントの探索スケジュールを繰り返し書き換える手法を開発した。アルゴリズム、数学、GPUカーネルに関する8つのタスクでは探索コストの削減が示されたが、リプレイで評価できるのは過去に実際に探索された分岐に限られる。
代理工具
ScienceBuddy、エージェントのHarnessとモデルを交互に改変し、研究でのインタラクションを継続的な訓練データへ
ScienceBuddyは、研究者の要求、フィードバック、実行ログをタスクと評価ルールに変換し、エージェントプログラムとモデルを交互に最適化する。チームは簡略化した実験フレームワークを公開したが、ホスト型ワークスペースの完全なコードと、長期的な自己改善を示す証拠はまだ公開されていない。
ModAR 先預測軌跡、語意與深度再決定動作，降低世界—行動模型對 RGB 的依賴
CMU 的 ModAR 以共享擴散 Transformer 依序去噪多種未來表徵，再生成機器人動作。小規模實驗顯示，結構化表徵比額外預測 RGB 更有用，但程式碼尚未公開，真實世界證據也只有三項雙臂任務。
推論系統
MLPerf Inference 6.1、エンドツーエンドRAGとエッジエージェントのテストを追加――ベンチマークは推論パイプライン全体を評価対象に
MLCommonsは単一モデルのみの測定から脱却し、検索、リランキング、生成、複数ターンのエージェント処理をInference 6.1に組み込んだ。新版ではAPIベースのclient/server harnessも導入され、データセンター向け評価が本番サービスに近いEndpointsスイートへ移行する方向性を示している。
代理工具
IBM、単一の軌跡からエージェントの不安定なステップを特定——ALTK‑Evolveが診断結果を再利用可能なガイドラインに変換
IBM ResearchはALTK‑EvolveにConsistency Analyzerを追加し、制御された再サンプリングによって、同じエージェントを複数回実行した際に変動しやすい意思決定を特定する。AppWorldでの実験では、GPT‑4.1エージェントの5回すべての成功率が53%から69%に向上したが、エビデンスは依然として単一のエージェントアーキテクチャとシミュレーション環境に限られている。
開發者平台
OpenAI、Custom GPTをPluginへ移行へ—Custom Actionは自動変換されず
OpenAIは、Custom GPTをSkillとAppを含むPluginに置き換える計画だ。影響を受けるEnterpriseワークスペースでは、旧GPTの実行が12月11日に終了する予定。組み込みの移行機能が処理するのは一部の設定のみで、Custom Actionはサポート対象のconnectorまたはカスタムMCP server向けに書き換える必要がある。
代理工具
RSIAgent、モデルの重みを凍結し、自律探索によって再利用可能な環境メモリを構築
RSIAgentでは、curriculum、actor、verifierの各エージェントがまずツールを幅広く探索し、その後、失敗の境界を詳しく検証して、結果を「アクション—条件—結果」のメモリとして保存する。OSWorld 2.0の部分スコアは71.97から78.98に上昇したが、この比較には異なる予算や選別後の再試行が混在しているため、モデル能力がGPT-6を上回ったと直接みなすことはできない。