AIエージェント

MaxKernel は、大規模言語モデルにコンパイラからのフィードバックとハードウェアプロファイリングを組み合わせ、TPU カーネルの開発と最適化を支援する。人間協調、自律最適化、グラフベース探索の3方式を備える。

Iris-miniとIris-proは、ウェブのリンク構造から多段検索タスクを作り、教師あり微調整とオンライン強化学習を交互に実施する検索エージェントです。長い推論で証拠を整理するコンテキスト管理も、評価の重要な要素として扱われています。

Terminal-Universeは、ターミナル型コードエージェントの軌跡から実行可能なワークスペースを復元し、追加の検証可能なタスクを作る手法です。単一のデモを、元タスクの再現、複数リポジトリの作業、そして多段階の対話に利用できる環境へ変換します。

ターミナルエージェントの性能が上がると、ゼロから生成した課題は簡単になり、学習信号を十分に与えられなくなる。新しい手法は、環境の難易度を世代ごとに引き上げ、長期的な強化学習を支える。

Editable Visual Designは、視覚言語モデル、画像生成モデル、Coding Agentを組み合わせ、生成後も編集できる視覚成果物を作る手法を提案する。完成画像を一枚のビットマップとして出力するのではなく、生成資産とHTML/CSSを組み合わせて構造化する点が特徴だ。

新しい研究は、自律型LLMの追加学習で過去の成功例をそのまま再利用する危険に注目し、適用条件を確認するBCITを提案した。

Google は個人向けエージェントの Gemini Spark を Google フォトと連携させ、自然言語で写真の編集やアルバム整理を行えるようにする。まずは米国の英語ユーザー向け Gemini AI Pro と Ultra が対象となる。

OOMOL Labは、AI Agent向けのワークフロー自動化プラットフォーム「Open Flow」をオープンソース化した。可視化Workbench、CLI、自前で運用できるランタイムを備え、Agentによるノード作成やフロー実行を支援する。

DisCoは、機械学習リポジトリに分散する実践知を、再利用可能で検証済みのスキルへ蒸留します。1,000件のリポジトリから5,000件以上のスキルを集めたライブラリも紹介されています。

HarnessDevは、エージェントの最終回答だけでなく、その性能を左右する実行基盤を評価するベンチマークです。生成された基盤はコード、検索、研究では人手設計のシステムに及ばない一方、文章作成と機械学習実験では競争力を示しました。

Metaは、コーディングなどのエージェント用途を想定したMuse Sparkで「コントリビューター」料金を導入した。プロンプトとモデル出力の共有に同意すれば、平均約95％の割引を受けられる。

UI-Venus-2は、実用的なGUI自動化を妨げる環境の狭さ、脆弱なタスク設計、結果検証の不確実性に取り組む基盤システムです。モバイル、ウェブ、デスクトップを統一的な推論・行動ループで扱い、重要な操作には安全機構を組み込みます。

Uberは、ソフトウェア開発全体にAIエージェントを広げながら、支出の急増を抑えた仕組みを公開した。鍵はモデルの安さではなく、実行経路全体の最適化にある。

CASTは、タスクの成否という疎な結果を、個々の行動を検証するための批評情報へ変換する。長期的で状態を持つツール利用タスクにおいて、実行前のリスク確認を学習させることを狙う。

データサイエンス自動化の成否は、基盤モデルだけでなくタスク定義や実行状態、成果物の制約、評価方法にも左右されます。DS-Lightingは、暗黙になりがちなエージェントのハーネスを4層に分解して扱います。

LLMエージェントはプロンプトやツール、実行ハーネスを自ら変更できますが、その変更が後の状態で取り消せるとは限りません。EvoUndoは、状態の正確な特定と復元言語の表現力が、検証可能な復元性にどう影響するかを調べます。

StarHarnessは、モデルの重みを固定したまま、特定の企業環境に適したエージェントのharnessを探索するフレームワークだ。プロンプトだけでなく、ツール、スキル、サブエージェント、実行ループまで最適化の対象にする。

コード生成の高速化だけでは、企業の開発期間は短縮されない。小紅書のMuseは、文脈の共有、Agentの編成、実行時の制御によって、企画から本番投入までをつなごうとしている。

Metaは、AIエージェントに日常業務の大部分を担わせる「AIネイティブ」組織を検討していた。しかし実際には、コードのノイズや事故、残ったエンジニアの負担が増え、構想は現実の壁に直面した。

Ciscoは社内AIを、文脈を保持し、複数の業務システムを呼び出し、監督下でタスクを進める個人エージェントへ発展させようとしている。MyAgentの意義は導入人数だけでなく、エージェントを企業業務の新しい入口にしようとしている点にある。

DART-SDは、ツール呼び出しの実行経路を単一の直線ではなく、分岐して収束する「ダイヤモンド型」の状態構造として捉える。失敗した地点以降だけを蒸留することで、正しかった推論の前半を保護する。