Archive
Agent、MCP、coding agent、工作流自動化與評測。
最新模型
MetaはMuse Glimmer 30Bのウェイト、ビジョンエンコーダー、DFlashドラフトモデルを公開した。17GB版では、24GBのVRAM内でテキスト、画像、投機的デコーディングを同時に実行できる。公式測定ではRTX 5090上で平均233.4 token/sを記録したが、安全性評価とデプロイの詳細から、依然として外部の保護策と新しいruntimeが必要であることが分かる。
AI 輔助科學研究
研究チームは、推論モデル、コーディングエージェント、ファイルベースのメモリを用いて約240回の研究セッションを実施し、最終的に `K_G ≥ 6π/11` を提案、著者らが検証した。システムは強力な局所的証明能力を示した一方、探索がボトルネックに陥ったことを自ら認識できず、研究方針や成果の取捨選択には約40回の人間による指示が引き続き必要だった。
代理工具
ChemWorldは、型付き操作、互換性コンパイラ、非公開の化学法則により、研究者が同一の公開インターフェースを維持したまま、世界を規定する単一のルールだけを置き換えられるようにする。オープンソース版は52種類の生成組み合わせと8本の完全なワークフローに合格したが、検証対象はソフトウェアの実行セマンティクスであり、現実の化学的正確性ではない。
代理工具
EvoMemは、成功したプログラム変異から出典記録付きの戦略カードを抽出し、後続タスクでは最大3枚を検索してLLMを誘導する。9種類のテストで目的指標が平均6.40%向上した一方、結果のばらつきは大きく、実験対象も依然として小規模な研究用ワークロードに限られている。
代理工具
Agentic Configuration Managementは、エージェント、プロンプト、モデル、ツール、ワークフローを、個別にバージョン管理できる構成項目として正規化する。リファレンス実装はLangGraph、CrewAI、OpenAI Agents SDKをサポートするが、現時点の検証は小規模な合成ケースと著者独自のoracleに集中している。
代理工具
Microsoftの研究チームが41言語、238万回のrolloutを比較したところ、同一タスクでも言語を変えると、貪欲復号を用いた場合でさえエージェントは異なるツール経路を選ぶことが分かった。非英語タスクは英語への事前翻訳に大きく依存しているが、今回のツールは記号化された呼び出しにすぎず、実際のAPIで発生するエラーや副作用はまだ考慮されていない。
代理工具
研究者らは、GPT‑5‑miniと2時間の予算を固定した条件下で、デバッグアドバイザーに探索ブランチ間で実行環境の制約を共有させ、AIDEの90回の実行すべてで有効な提出を生成させた。この結果は、エージェントの外側の仕組みには依然として回収可能な計算資源が大量に残されていることを示すが、実験対象は9件の表形式予測コンペティションに限られる。
代理工具
研究者らは、ローカルモデルにPythonのリファクタリング前後のdiffのみを読み取らせ、Ropeによる217件の変換から、挙動を変化させる欠陥13種類を特定した。メンテナーはうち12件を欠陥として受理したが、モデルの適合率は0.67にとどまり、テストや静的解析を代替できる水準には達していない。
AI 安全
REDAgentBenchは、ワークスペース、メール、ブラウザ、銀行、外部ファイルの各サンドボックスで1,661件の攻撃ケースを実行し、被害の発生をエージェントの回答だけで判定する手法を改めた。同一の実行結果をサービスのレシートと最終状態で再評価すると、6モデルすべてで攻撃成功率が軌跡のみの評価より7.73～11.72ポイント高くなった。
代理工具
1,867件の公開リポジトリを対象とした研究で、CLAUDE.mdなどのエージェント指示ファイルにはルールが追加され続ける一方、古いルールは次第に削除されにくくなることが判明した。対照実験では、各ルールを追加した理由をモデルが読める形で残すことで、余分な指示の99.3％を除去できたが、大規模な実環境のコードベースではまだ前向きに検証されていない。
AI 軟體與企業管理
内部テスト中だったOneDriveの写真エクスペリエンスが誤って広範囲に有効化され、一部の管理対象Windows 11 PCにも入口が表示された。当初は同期アプリを残したまま個別に削除できなかった。Microsoftは管理者向けのサインインポリシーと個別アンインストール機能をMicrosoft 365 Roadmapに追加したが、いずれの修正もまだ提供予定の段階にある。
最新模型
第8回LSVOSのMeViSv2-Audio優勝報告では、音声文字起こし、視覚的ローカライゼーション、セグメンテーション、対象の存在判定を多段階のパイプラインに分割し、候補マスク間の一致度に基づいて軌跡を選択する。システムの最終スコアは0.769589だったが、公式公開リーダーボードは依然として発表待ちと表示されており、コードや完全なアブレーションデータも公開されていない。