Archive
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
代理工具
ReTreeは、探索エージェントの要約、証拠の出典、改訂履歴を依存関係ツリーとして保存する。新しい情報が従来の前提を覆すと、システムは誤りが持ち込まれたノードまで戻り、影響を受けた分岐を削除する。4つの探索ベンチマークでは、各ステップのコンテキストを短縮しながら回答を改善した一方、ハードプルーニングによって、実際には矛盾の影響を受けない情報まで失われる可能性がある。
代理工具
SKILLERは小規模モデルの重みを更新せず、強力なモデルが実行トレースと検証器のフィードバックに基づいてテキスト形式のスキルを反復的に修正する。Qwen3.5‑9BはSWE‑Skills‑Benchで、3回の実行における平均スコアをスキルなしの26.2%から82.8%へ向上させた。ただし、スキル生成は依然としてGPT‑5.4と成功例の参照トレースに依存する。
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。
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。
AI 基礎設施
MISA-Tは、プレフィックスヒットだけで推論ノードを選択するのではなく、ワークロードごとにKVキャッシュを同時占有できるsession数も制限する。著者らはStep3.7とQwen3.6-35B-A3Bで、rolloutスループットが43.6%から53.3%向上したと報告しているが、実装はまだ公開されていない。
最新模型
UniF-MoEは、共有エキスパート、FFNの幅、活性化するエキスパート数を個別に決定するのではなく、各tokenが最初に共有チャネルを選択し、その後、残りの需要に応じてルーティング確率を累積する。著者らによるDeiTおよびBERTの実験では、精度とMoEの推論コストが改善されたが、生成型大規模言語モデルや分散expert parallelismではまだ検証されていない。
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。
最新模型
ReRoundはキャリブレーション用コーパスを使用せず、モデル自身の重みから条件付き拡散モデルを学習し、量子化区間の中点付近にある重みを切り上げるか切り下げるかを再判定する。デプロイ時は既存の低ビット形式を維持し、追加の推論オーバーヘッドも発生しないが、モデルごとに数時間の専用再構成コストが事前に必要となる。
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。