GitHub Repo
Headlong、Bashの無限ループで常時稼働エージェントを実装――質問がなくても自ら思考・実行
Laude InstituteとMITは、1万行未満のBashで構成されたHeadlongを公開した。メッセージを新たなセッションではなく、継続的な思考軌跡に対する非同期の観察として扱う。長期記憶や自発的行動の研究に利用できる一方、tokenコスト、権限の分離、ユーザー間のデータ境界が常在的なリスクとなる。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
GitHub Repo
代理工具
Agent Lightning 1.0.1、エージェント最適化プロセスをSkillとしてパッケージ化し、試行ごとのコスト、レイテンシー、正確率の測定を要求
Microsoftは、Claude Code、Codex、GitHub Copilotで利用できるAgent Lightning Skillを追加した。これにより、コーディングエージェントは固定benchmark上で、編集可能な別のエージェントを改良できる。これは予算制約下での実験ルール一式であり、対象エージェントに対して強化学習を自動実行するものではない。
推論系統
Ray 2.58、KV-cache／token-aware routingを完成。ただし新ルーターは依然alpha
Ray Serve LLMは、プロンプトのトークン化、キャッシュヒットの推定、レプリカ選択をingressに集約し、tokenを推論エンジンへ直接渡すようになった。この設計により、prefillとトークン化の重複を削減できる一方、公式から新バージョンの性能データは公表されておらず、コントロールプレーンにも追加の同期コストが生じる。
AI 安全
Anthropic、ファインチューニング型「嘘発見器」を検証：ドメイン内AUROCは0.95に上昇するも、嘘の種類が変わると約0.70に低下
研究チームは8つのオープンモデルファミリーを用いて、プレッシャーのかかる状況のデータ約20万件を生成し、LoRAでモデルを訓練して、自身が嘘をついているかを判定させた。検出器が主に学習したのは迎合や能力の否認といった表面的なパターンで、未知のタイプに対してはプロンプト方式のベースラインをわずかに上回るにとどまった。
最新模型
ReWorld、姿勢インデックス付きランドマークバンクでKV予算を固定し、インタラクティブ世界モデルが遠くまで移動しても元の景観へ帰還可能に
ReWorldは、短期的な動作制御と長期的なシーン記憶に異なる注意範囲を割り当て、固定容量のランドマークバンクに履歴を保存する。著者らは704×1280のリアルタイムストリーミングと64秒間の帰還軌跡を実演したが、現時点で公開されているのは論文とデモページのみで、重みやコードは未公開だ。
GitHub Repo
Prime Agent、永続型RLM harnessをオープンソース化――エージェントの記憶、サブエージェント、実行環境を対話の外部に保持
Prime Agentは、常駐型IPython、daemonセッション、バージョン管理可能なContinual Harnessにより、長時間稼働するコーディングエージェントを支援する。作者らによれば、ARC-AGI-3 RHAEのBest@1は30%から95.5%へ向上した。ただし、このスコアはモデルとharnessを組み合わせたシステム全体の結果であり、基盤モデル単体の能力比較には使えない。
代理工具
SWE-bench Science、科学ソフトウェア修復課題119問を公開—最良エージェントの完全合格率も5割未満
新ベンチマークは、コードがコンパイルできるかだけでなく、非公開の科学テストを用いて単位、数値的不変条件、ファイルのセマンティクス、モジュール間のデータフローを検証する。Claude CodeとOpus 5の組み合わせによる全体のpass@1は47.90%。実験では、ドメイン知識の追加によってエージェントが誤った方向に固執する場合もあることが示された。
代理工具
DeepSeek Harness rc.2のnpmタグ分裂：メインプログラムは最新版、しかしプラグイン開発では0.0.xを取得する可能性
DeepSeek Harnessのメインパッケージでは`latest`がすでに0.1.1-rc.2を指している一方、複数の基盤パッケージでは依然として初期バージョンが最新版として指定されている。プラグインAPIを直接インストールすると、peer dependencyの競合が発生したり、バージョンが食い違った依存関係ツリーが警告なしに構築されたりする可能性がある。
代理工具
GitHub Agentic WorkflowsがPRのリアルタイムsteerに対応、ただし公式週報が案内するv0.87.4には未収録
新機能により、実行中のエージェントがPRコメントを読み取り、`steer`指示に従って作業を修正できるようになった。同時に、明示的な読み取り権限も必要となる。しかし公式週報は、それより前に作成されたv0.87.4での試用を推奨しており、このタグに固定したデプロイでは実際には機能を利用できない。
AI 基礎設施
NVIDIA Groq 3 LPXが量産開始：静的スケジューリングにより100Kコンテキストで毎秒3,431出力tokenを実現
Groq 3 LPXは、256基のLP30、128GBのSRAM、コンパイラによって事前スケジューリングされたチップ間転送を統合した低レイテンシdecodeシステムだ。第三者テストでは、長いコンテキストにおいて既存の公開endpointを上回る速度を示したが、コスト、並行処理時のthroughput、本番サービスでの性能はまだ公開されていない。
代理工具
Rails、オープンソースの評価フレームワーク「lemans」を公開：ファイル復元、ネットワーク遮断、完全な軌跡でエージェントの不正余地を低減
Rails Foundationは、Agents on Railsリーダーボードで使用するRuby製評価フレームワーク「lemans」を公開した。DaytonaとローカルDockerサンドボックスに対応し、検証プログラムを隔離して再生可能な証拠を保存するとともに、採点前に保護対象ファイルを復元する。
代理工具
Slack Code、コーディングエージェントを一時的なコラボレーションチャンネルに移行。ただし初期統合と権限境界にはなお制約
Slack Codeは、エージェントとの対話、計画、コード差分、行単位のコメント、リアルタイムHTMLプレビューをプロジェクト専用チャンネルに集約する。Slackのチャンネルガバナンスと監査機能を継承する一方、リポジトリ権限や実際のデプロイによる副作用は、引き続き各エージェント統合によって制御される。