AIエージェント

PANINI-DRは複雑な調査を相互に関連する下位問題へ分解し、発見、依存関係、根拠を共有セマンティック・ワークスペースに保存します。計画、永続的な状態管理、主張単位の検証が、深層リサーチの信頼性を高めることを示しました。

デスクトップソフトウェアの進化が言語モデルエージェントの性能に与える影響を調べ、エージェント向けインターフェースを自動合成する ANIS が提案された。ツールの設計を見直すことで、成功率を高めながらオンラインのトークン消費を大幅に削減できる可能性が示された。

ClawLoopは、サンドボックス内でファイルシステムやシェルを操作するエージェント向けに、タスク生成、学習、能力診断を循環させるフレームワークです。外部の教師モデルと一度きりの訓練への依存を減らすことを目指します。

Alibabaの研究チームは、探索や実装、検証、フィードバックに基づく改善を含む長期タスクを自動生成するTerminalHorizonを提案した。生成されたデータはQwen3.5-27Bの微調整に利用され、TerminalHorizon-27Bが作られた。

Work2Skillは、人間のデスクトップ操作を単なる行動列として扱わず、ワークフローの規則や手順の依存関係、完了条件を抽出する枠組みです。

SoftwareGymは、実行可能なGUIアプリケーションを自動生成し、実際の操作で検証するパイプラインです。生成環境から集めた軌跡を使うことで、コンピュータ操作エージェントの未知のベンチマークでの性能向上を示しました。

CASEは、あらかじめ選ばれた資料に答えるだけの医療AIを、診療記録と複数時点のMRIから必要な証拠を自律的に集めるエージェントへと拡張する。コンパクトな視覚言語モデル向けの環境、ベンチマーク、エージェント型学習を一体化した研究だ。

スタンフォード大学の研究チームは、研究状態を会話履歴から切り離し、呼び出しごとに役割別の文脈を再構成するSLAを提案した。

MetaのMuseとOpenAIのDotsは、プライバシー保護をAIエージェント競争の重要な差別化要因にしている。しかし、隔離環境や利用者向けの制御機能だけでは、安全性を証明できない。

AnthropicはClaude Managed Agentsの動的ワークフローを公開テストに移行した。主エージェントが計画を作り、複数のエージェントが段階ごとに処理し、最後に結果を統合する仕組みだ。

SAPの研究チームは、LLMエージェントがポリシー適用型APIを通じてシミュレーション上の企業環境を操作し、データベーススキーマを参照せずにデータを生成するSTSを提案しました。

AgentGartenは、シミュレーターやゲームエンジンと共有ニューラルレンダラーを組み合わせ、状態とルールが持続し、視覚的にも現実に近いインタラクティブ環境を実現する。各ラウンドの経験はプレイブックとして次のエージェントに引き継がれる。

長時間動作するAIエージェントの全ログを、人間が一つずつ確認するのは現実的ではありません。新しい研究は、分散した実行証拠を行動グラフに整理し、確認すべき重要な判断を見つけるEBGを提案しました。

WebFoveaはWebRetriever Challenge 2026で2位となり、視覚ベースのウェブエージェントではモデルの推論力だけでなく、ブラウザとの接続部分が重要だと示しました。同じモデルを使いながら、ハーネスの改善で隠れた評価セットのスコアを31.0から57.0へ高めています。

GUI-HARVESTはモデルの重みを更新せず、GUIモデルを囲む実行ハーネスを進化させる手法です。スクリーンショットと操作履歴、反復実行の結果から失敗パターンを特定し、検証済みのコード変更へ変換します。

新たな研究は、ユーザーが許可した他サービスの履歴を使って、プラットフォームの推薦順位を個人エージェントが調整する仕組みを定式化した。MediateRecベンチマークとPAMOにより、介入すべき場面と任せるべき場面を検証する。

MiniCorpは、社内で協調する複数のエージェントと変化する市場を接続するオフィスシミュレーターだ。現実には集めにくい長期的な企業データや、別の意思決定を試した反実仮想データの生成を目指している。

Webエージェントは第三者が書いたページを読まなければなりませんが、そのページにはタスクを乗っ取る指示も埋め込めます。AdvSim2Realは、凍結したWeb世界モデル内でタスク、攻撃者、エージェントを共進化させます。

エージェントが正しい最終状態に到達しても、その行動が事前に確立された証拠に基づいていたとは限りません。SafeActBench は、失敗が実行前の調査や、依存関係を伴う複数ステップの処理で起きやすいことを示しました。

ASCENTは、単一の実行軌跡をそのまま模倣するのではなく、検証済みの経験を自己蒸留するオンライン学習手法を提案する。ALFWorldとWebShopで成功率を高め、1エピソード当たりのターン数も削減した。

プロアクティブな LLM エージェントは、ユーザーが依頼する前に計算資源を使って支援を準備する。新たな研究は、タスク能力、時間配分、信頼を 3T 原則として整理し、長期的な影響を評価する Proactivity-Gym を提案した。