代理工具
Cursor Cloud Agentsが空のプロジェクトから起動可能に、リポジトリ、プレビュー、デプロイをクラウドワークフローへ統合
Cursorでは、既存のGitHubなどのソースコードリポジトリへの接続が不要になり、エージェントがプロジェクトを直接作成し、ブラウザからリアルタイム環境を操作できるようになった。新しいワークフローはプロトタイプからデプロイまでの距離を縮める一方、クラウド実行、ネットワーク公開、サプライチェーン権限に関する監査範囲も拡大させる。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
AI 研究
CritICL、小規模モデルの失敗モードをプロンプト・ライブラリ化し、単一生成で複数サンプルのテスト時計算に迫る
CritICLは、小規模モデルの誤り、失敗タイプ、批評を事前にオフラインで整理し、問題ごとに繰り返しサンプリングする代わりに、関連事例を大規模モデルのプロンプトへ組み込む。著者らはQwen2.5による数学ベンチマークでself-consistencyをわずかに上回る正解率を報告したが、オフラインでのライブラリ構築コストと未公開のコードが再現性を制限している。
代理工具
Experiential、エージェント向けモデルゲートウェイを公開、実際のトラジェクトリに基づきコストと品質の間で自動ルーティング
Experientialは、クラウド、Bring Your Own Key（BYOK）、ローカルモデルをOpenAI互換インターフェースに統合し、IDスコープ、モデルの許可リスト、厳格な予算管理を提供する。さらに、OpenTelemetryのエージェントトラジェクトリからタスクルーターを構築できるが、コスト削減の数値は現時点で主にチーム独自の評価に基づいている。
GitHub Repo
Debian決議、AI支援によるコントリビューションを禁止せず バッチ型エージェント操作には引き続きコミュニティの事前合意が必要
Debian開発者は「生成AIの責任ある利用」案を選択した。既存の品質・ライセンス基準を引き続き適用し、AIの出力については提出者が全面的な責任を負う。決議はAI利用の開示を義務付けていないが、機密データの外部送信を明確に制限し、大規模な自動変更については事前の協議を求めている。
代理工具
Codex CLI 0.151.0、MCP結果のインターセプトを開放——拡張機能がモデルによる読み取り前にツール出力を書き換え可能に
新バージョンでは`on_mcp_tool_result`ライフサイクルインターフェースが追加され、拡張機能がMCPの成功結果とエラー結果を検査または置換できるようになった。これはデータマスキングと出力正規化のための新たな制御ポイントを提供する一方、拡張機能を監査が必要なエージェントの信頼境界へと押し上げる。
代理工具
OpenAI Python SDK 3.6.0がHTTPX2へ移行、エンタープライズTLS、テストインターセプト、カスタムトランスポート層に移行対応が必要
OpenAI Python SDKは、同期・非同期のデフォルトクライアントをHTTPXからHTTPX2へ切り替え、旧版の`httpx`と`certifi`を推移的依存関係として提供しなくなった。通常のAPI呼び出しはほぼ変わらないが、企業プロキシ、カスタムtransport、RESPXテスト、証明書の信頼設定はアップグレード後に機能しなくなる可能性がある。
代理工具
PILOT、監督エージェントがタスク実行中に進路を修正し、実行経験を永続スキルへリアルタイムで反映
PILOTは双方向チャネルでsupervisorとworkerエージェントを接続し、長時間タスクが完了する前でも、前者が指示を与えたり、誤った経路を中止したりできるようにする。著者らは3つのエージェント・ベンチマークで精度とtoken効率の向上を報告しているが、「自己改善」が更新するのはharness、スキル、メモリのみで、モデルのパラメータは変更しない。
最新模型
CLAP、異種ロボットの行動空間を統一し、動画世界モデルを異なる形態にまたがるシミュレーターとして活用
CLAPはまず、ラベルなし動画から潜在行動を通じて物理法則を学習し、その表現をロボットのエンドエフェクタ座標へ再接続する。研究チームはコードと複数のcheckpointを公開しているが、生成動画における物理的なハルシネーションが、安全性の重要な制御に直接利用するうえでの制約となっている。
代理工具
PRAXIST、世代横断のエビデンスグラフで実験の因果関係を保存、MLE-benchのモデル費用をベースラインの約12分の1に削減
PRAXISTでは、複数の研究エージェントが世代を重ねながら変更案を提示し、評価結果、メカニズム、系譜を監査可能なエビデンスグラフに記録することで、各ラウンドでの再探索を回避する。著者らは75タスクのMLE-benchでメダル60個、モデル費用3,054ドルと報告しているが、システムは公開されたばかりであり、成績とコストはいずれも主に開発チームによる測定値だ。
最新模型
LeVJEPA、ターゲットエンコーダと予測器を廃止し、動画事前学習の計算量をV-JEPA 2の最大20分の1に削減
LeVJEPAは、単一のエンコーダ、クロスビュー不変性損失、表現崩壊を防ぐSIGRegを採用し、EMAターゲットネットワーク、stop-gradient、ピクセルデコーダへの依存をなくした。著者らは、同一のデータと学習期間において計算量に5.6～20.8倍の差があると報告しているが、現時点の結果は、チームが再学習したモデルによる凍結エンコーダのベンチマークに限られる。
AI 安全
Claudeの自動ポストトレーニングは10種類のアラインメント失敗を軽減、ただし既知の評価指標に最適化される可能性は残る
Anthropicの自動アラインメント研究エージェントは、文献調査、データ設計、モデルのポストトレーニングを自律的に行い、10種類の安全性問題で評価ギャップを26%から96%縮小した。制約付きの人間による提案ベースラインも上回ったが、比較ではエージェントにより長い反復時間が与えられており、実証されたのは測定可能な失敗を修正する能力に限られる。
AI 安全
公式 llms.txt が coding agent に所有者不在のパッケージをインストールさせ、ドキュメントのサプライチェーンが実行境界に
Pandex は、企業の AI 向けドキュメントに、未登録のパッケージやドメインを参照するインストールコマンドが数百件含まれていることを発見した。その後、Claude、Codex、Hermes は実際の企業環境で、研究者が設置したビーコンを実行した。問題は llms.txt 形式そのものではなく、エージェントが信頼できるドキュメントをそのまま実行可能なコマンドへ昇格させ、パッケージの所有権や配布元の検証を迂回している点にある。