RAG 與資訊檢索
Q2D-Web、1億9,000万件の文書でエージェント型RAGを検証——補助クエリが検索の弱点に
Perplexityが提案したQ2D-Webは、実際の対話から派生した約7万件の機械生成クエリを用い、第一段階の検索器がWeb規模のコーパスから根拠を取得できるかを評価する。実験では、ニューラル検索器は総じて、エージェントが自ら生成した補助クエリを苦手とすることが示された。また、コーパスを縮小しても順位は維持される一方、絶対スコアは押し上げられる。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
RAG 與資訊檢索
最新模型
NeoHorse-1、エージェントの実行軌跡をモデル訓練へフィードバック。ただし「再帰的自己改善」は依然として単一ラウンドのプロトタイプ
NeoHorse-1はルーターを通じて、異なるモデルがエージェントタスクを完遂した際の軌跡を収集し、カリキュラム型SFTとオンライン蒸留によって4B・9Bモデルを訓練する。公式の総合スコアは同規模のQwen3.5ベースラインを上回ったが、複数ラウンドの自己更新で継続的な改善を実現できることや、データ分布のシフトを回避できることはまだ証明されていない。
Applied AI research
EastAsiaClimateExtremes、東アジアの熱波・豪雨・海洋熱波を週次AIラベルとして整理
APEC Climate Centerは、ECMWFの季節内再予報と整合させた東アジアの極端気候データセットを公開した。グリッドラベル、イベント強度、解析プログラムを収録し、AIの予測対象を構築する際の前処理コストを削減する一方、1.5度グリッド、再解析データのバイアス、不明確なライセンス状況が直接導入の制約となる。
代理工具
GitHub、Copilotのエンタープライズ向けサンドボックスをJetBrainsに導入――中央ポリシーで認証情報とネットワーク送信を制限可能に
GitHub CopilotのJetBrainsプラグインで、企業が一元管理するサンドボックスポリシーを適用し、ファイル、ネットワーク、開発ツール、macOS Keychainへのアクセスを制御できるようになった。新機能はエージェントのガバナンスをIDE内へ拡張するものだが、現時点ではパブリックプレビューであり、エージェントサーバーとエージェントのネットワーク送信がすべて同一の境界に含まれるわけではない。
AI 安全
Meta Muse、隔離実行ユニット、認証情報プロキシ、Sentinelでエージェントのあらゆる外部副作用を制御
MetaのパーソナルエージェントMuseは、ユーザーごとの専用VM内で動作する。メインエージェントは実際の認証情報を参照できず、独自にネットワーク出口を確保することもできない。このアーキテクチャはprompt injectionを完全には排除できないものと想定しているが、より強力なConfidential VMと外部から検証可能な監査は、まだ正式に提供されていない。
推論系統
Cohere、デコード処理全体を単一のCUDA megakernelに統合、H100のエンドツーエンドスループットを25～41％向上
Cohereは、North Mini Code専用の推論エンジンをオープンソース化した。演算子ごとの起動とGPU全体の同期を常駐型megakernelに置き換え、公式テストでは単一H100のエンドツーエンド・デコードスループットがvLLMを上回った。ただし現時点では、対応するモデル、ハードウェア、バッチサイズが限定されている。
代理工具
Agno 3.0.7／3.0.8、エージェント知識をバージョン管理されたページとして公開し、セッション所有権の不備を修正
Agnoは、アトミックな公開と固定バージョンでの読み取りに対応する page knowledge、および入出力を制限した公開用のAgent、Team、Workflow、MCPサービスのサーフェスを追加した。その数時間後に公開された3.0.8では、ページ全体の読み取りとSQLiteのバッチ書き込みにおける所有権チェックも追加された。アップグレード時には、HNSWの検索セマンティクス変更への対応も必要となる。
AI 安全
ToolHive 0.47、MCPサプライチェーン検証とSPIFFEワークロードIDをデプロイ層に統合
ToolHive 0.47.0では、固定されたCosign公開鍵を使用してエージェントのスキルとプラグインを検証できるようになり、SPIFFEの信頼設定がKubernetes CRDとして公開された。新バージョンではOIDC Discovery、OAuth権限、コールバック経由のデータ漏えい境界も厳格化されたが、多くの仕組みでは依然としてデプロイ担当者がトラストルートを設定する必要がある。
代理工具
Docker Sandboxes 0.42、エージェントのワークスペースをクラウドへ移行し、ホスト側の副作用を明示的に計画
Docker Sandboxes 0.42.0では、同じ`sbx` CLIでローカルとクラウドのエージェントサンドボックスを管理でき、ファイル転送、SSH、公開HTTPSサービス、独立したネットワークポリシーをサポートする。新バージョンでは`sbxenv.yaml`の変更プレビューと確認フローも強化された一方、ポートのデフォルト値や環境ファイルのセマンティクスに互換性を損なう変更が含まれる。
AI 安全
OpenAI Agents SDK 0.22.1、ガードレールをツールおよび MCP 呼び出し境界へ移行
Python Agents SDK では、関数ツールおよびローカル MCP サーバーに入出力ガードレールを適用し、ブロック時にモデルへ渡す代替メッセージをカスタマイズできるようになった。新版ではローカルサンドボックスが継承するホスト環境変数も削減されたが、保護範囲には依然としてホステッドツールや組み込み実行ツールは含まれていない。
AI 科研／形式驗證
OpenAI、Navier–Stokes方程式の特異性証明とLean証明書を公開――数学界による検証は始まったばかり
OpenAIは、未公開でGPT‑6 Astraを上回る能力を持つマルチエージェントシステムが、滑らかな外力の下で三次元Navier–Stokes方程式の解が有限時間内に滑らかさを失うことを示す証明を構築したと主張している。チームはLean 4による形式化コードも同時に公開したが、形式検証は、ミレニアム懸賞問題の解決が数学界に受け入れられたことを意味しない。
代理工具
26種類のテスト指示はコーディングエージェントを安定して改善できず、テストを増やしても正解率は上がらない
Zstandardの実装実験で、TDD、ファジング、プロパティベーステスト、形式検証など26種類の条件を比較したところ、指示を追加しないデフォルト群を安定して上回る手法はなかった。エージェントは高リスク領域を正しく特定することが多い一方、無効な入力を生成したり、無関係な性質を証明したり、誤った結果をテストに正解として書き込んだりしていた。