代理工具
Cursor Projects、常駐型の調整エージェントで数カ月にわたる開発を管理、イベントに応じて数千のサブエージェントを起動可能
Cursorは、coding agentの作業単位を単発の対話から、複数のPRにまたがり数カ月間継続できるProjectへと拡張した。調整エージェントは共有ファイルを保持し、クラウドおよびローカルのエージェントにタスクを割り当て、Slack、スケジュール、PRイベントに応じて作業を自動的に開始する。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
AI 安全
GitHub、AI Scan管理APIを公開。ただしAIによる脆弱性検出でマージをブロックすることは依然不可
GitHubは、セキュリティチームがPR向けのAI脆弱性スキャンをプログラムから一括展開できるよう、組織およびリポジトリ単位のREST APIを追加した。このスキャンは、CodeQLがカバーしていない言語やフレームワークを補完できるが、現時点で結果はあくまで推奨事項であり、AI creditsを消費するうえ、マージ条件としてrulesetに組み込むこともできない。
最新模型
Sakana Fugu、コストと能力で路線を分岐——マルチモデル・オーケストレーションを単一の互換 API で提供
Sakana AI は Fugu Max と Fugu Ultra v2 を発表し、マルチモデル・オーケストレーションをそれぞれ低コスト重視と高能力重視の2路線に最適化した。いずれも OpenAI 互換インターフェースを踏襲するが、公式ベンチマークには自社テストと各ベンダー公表値が混在しており、実際のワークロードにおけるコスト優位性を証明するには、なお不十分だ。
AI 安全
Anthropic、攻撃者がエージェントでマルウェアを継続的に書き換え、1人で数十の標的を並行処理している実態を明らかに
Anthropicの新たな脅威レポートによると、複数種類の攻撃者がClaudeを単なるコーディング支援ツールから、スケジュール実行と永続的な記憶を備えた攻撃オーケストレーション層へと進化させている。一部のワークフローでは、マルウェアが検知されると自動的に修正、再ビルド、再デプロイされる一方、標的の選定や窃取物の確認は依然として主に人間が担っている。
AI for Science
ARCHEは計算結果に基づき化学エージェントに機構仮説を反復的に淘汰させるが、公開版では論文を完全には再現できない
ARCHEは文献検索、競合仮説、電子構造計算、内省的レビューを再開可能な閉ループに統合し、65種類のアクションと3件のケースデータを公開した。ただし、保存データと論文中の数値にはすでに相違があり、専用モデルの重み、訓練データ、一部の化学的証拠もコードとともには公開されていない。
代理工具
Meta、推薦システム研究エージェントによるサーバー間での数日間にわたるGPU実験の引き継ぎを実現、運用上の修復回数を1ラウンド当たり0.5回に削減
Auto-RecSysは、研究アイデア、分散トレーニング、障害復旧、結果分析を、セッションをまたいで継続できる二重ループとして統合する。31ラウンドの社内実験では、運用上の修復回数が1ラウンド当たり4.0回から0.5回に減少したが、エージェントが提案するモデル変更によって推薦品質を安定して改善できることは、まだ実証されていない。
AI 安全
LiteLLMの実測で公開ゲートウェイの9.6%がデフォルトキーを受け入れ、MCPの脆弱性により任意のtokenが有効なセッションに
Wizが公開されている3,074件のLiteLLMインスタンスをスキャンしたところ、294件が`sk-1234`を受け入れるか、認証をまったく要求しておらず、そのうち191件は認証自体が設定されていなかった。新たに公開された実環境での測定結果は、旧バージョンのMCP認証バイパス、Pythonを実行可能なguardrail、クラウドメタデータへのアクセスを連鎖させ、レイヤーをまたぐ攻撃経路を構築できることを示している。
最新模型
Azure Speech LLM 2607が音声認識を自動更新、フレーズリストで2,000超のエンティティを提示可能に
Microsoftはマネージド型LLM Speechを更新し、混合言語、固有名詞、数字の認識を強化したほか、一部の条件では2605版と比べてレイテンシを最大3分の1に短縮したとしています。新版は既存のFast APIとリアルタイムAPIを引き続き使用する一方、サーバー側で自動デプロイされるため、既存の音声エージェントでも独自に回帰テストとバージョン監視を整備する必要があります。
推論系統
エージェントワークフローで準備済みターンの投入を遅延、混雑時のP95完了時間を最大71.4%短縮
新たな研究は「ターンの準備完了」と「推論エンジンへの投入」を分離し、CVaRによるテールリスクと動的ワークロード予算に基づいて投入順序を決定する。SWE-benchの軌跡リプレイではP95を最大3.5倍高速化したが、結果は固定されたエージェント軌跡、単一の到着乱数シード、A100／vLLM環境に限られる。
AI 安全
RAG-Safety-Bench、検索品質の変動要因を切り分け、安全微調整が回答を含む文書に耐えられるとは限らないことを示す
新たなベンチマークは検索内容を固定し、4つの条件でRAGが5つのオープンモデルによる有害な質問への応答行動をどう変えるかを測定した。回答を含む文書は、すべてのモデルで正確だが危険な内容を生成しやすくし、安全性判定器間の一致度も中程度にとどまった。
具身 AI 與機器人
Show-Harness、離散的な意味行動で異なるロボットを制御、10タスクで成功率89％を達成
Show-Harnessは、汎用VLMに方向移動、把持、解放などのシンボルを出力させ、各ロボットのインタープリターがそれを制約付きの運動に変換する。10種類の実機タスクにおいて、Geminiのゼロショットとファインチューニング後のQwen 2Bは、それぞれ89％と86％を達成したが、評価は依然として卓上でのピック＆プレースが中心だ。
最新模型
Xiaomi-CocktailASR-1、声紋プロンプトで混合音声から対象話者を特定 AliMeeting遠距離収音の文字誤り率を20.63%に低減
Xiaomiは、1～4秒の参照音声と混合録音を同一の音声エンコーダーに入力し、事前に音声分離を行わないエンドツーエンドの対象話者ASRを提案した。対象話者が不在の場合には空文字列を出力できる一方、学習は非公開データに大きく依存しており、初版の報告では検証可能な重みやコードもまだ提供されていない。