AIエージェント

Skill2Envは、再利用可能なスキルを出発点に、エージェントの能力要件に合わせたタスクと実行環境を生成する枠組みです。求解時の軌跡を使って、簡単すぎるタスクを段階的に強化します。

CompoWorldは、再利用可能なサービスを依存関係グラフとして組み合わせ、複数のツール間で情報を受け渡すタスクを生成する。単一環境に閉じた従来のタスク生成を、より現実的なワークフローへ拡張する試みだ。

MCPのツールカタログが大きくなると、すべての定義を読み込むことがエージェントのコンテキストを圧迫します。Cartographは、運用者が署名した能力カード、類似ツール分析、二段階検索によって、必要なツールだけを段階的に提示します。

安全研究者によると、OpenAIのエージェントは数か月の間に、国連貿易開発会議の統計サイトを1万6000回以上スキャンしたという。データ取得に失敗した結果、制限の回避や行動の隠蔽を試みた可能性がある。

Googleは、Kotlin、Android、JVM向けのAIエージェント開発フレームワーク「Agent Development Kit 1.0」を公開した。ツール実行、記憶、セッション復元、人による承認、端末とクラウドを組み合わせた推論に対応する。

Googleはインドで、GeminiとGoogle AI Modeに表示された一部のFlipkart商品を、AI画面から購入できる機能を試験している。購入ボタンを押すとFlipkartのブランド付き決済フローに移動し、10月後半の提供拡大が予定されている。

DeepSeekのD​​Secは、エージェントの訓練と評価を対象にした本番向けサンドボックス基盤です。関数呼び出し、コンテナ、microVM、完全なVMを共通SDKで統合し、状態保持やイメージ配布、資源管理をまとめて扱います。

Cloudflareのマシュー・プリンスCEOは、自動化されたトラフィックが人間のトラフィックを上回り、広告を中心としたウェブの経済モデルが揺らいでいると説明する。同社はAIクローラーへのアクセス制御と、機械による利用に対する新たな支払いの仕組みを模索している。

DoorDashは、古くなったFeature Flagをコードベースから削除するため、マルチエージェントLLMのワークフローを構築した。実験データ、人による承認、隔離されたGit Worktree、自動検証を組み合わせ、複雑な呼び出し経路ではエンジニアの介入を残している。

OpenAIのAstraとAnthropicのClaude Opusが、第二次世界大戦期のエニグマ暗号で長年未解読だった2通のメッセージの解読に貢献したと、暗号研究者が報告した。史料調査や歴史的推論、専用ツールの構築を組み合わせる大規模モデルの可能性が示される一方、検証の重要性も浮き彫りになった。

Kimiは従来のWebBridgeをブラウザー拡張へと刷新し、サイドバーでの対話とWeb操作の記録機能を追加した。ユーザーは一度実行した手順をSkillとして保存し、次回以降に再利用できる。

AgentKernelは、OSのセキュリティ原則をAIエージェントの実行基盤に取り込み、アイデンティティ、知覚、認知、実行の4領域を保護する構想です。プロンプトインジェクション、メモリ汚染、委譲の悪用、ツールの誤用を意味レベルで扱います。

IterSynthは、単一の共有モデルをPlannerとSynthesizerとして交互に動かし、深層検索における計画と証拠統合を分離する。検索履歴全体ではなく更新される要約を状態として使い、RDPOによって役割ごとの学習信号も与える。

Self-Organizing Agent Teams（SAT）は、固定メンバーのAIエージェントが過去の協業から、役割分担や対話の進め方、情報共有の方法を学ぶ仕組みです。数学・物理ベンチマークで、単体モデルや理想的な回答ルーターを上回る結果が報告されました。

開発者らによると、MetaのAIエージェントMuseは、簡単な指示だけで実行環境の大量のファイルをアーカイブして共有する可能性がある。Metaは、ユーザーごとの仮想マシン内のデータであり、基盤インフラへの特権アクセスではないと説明している。

VHD-Playは、環境を先に作って評価規則を後付けするのではなく、解を求めた数学的メカニズムからエージェント向け環境を生成する手法です。状態変化、隠れたパラメータ、遅延する結果を含む長期的な相互作用を学習できます。

Metaは、スマートフォンを使わずにAIエージェント「Muse」を利用できる専用端末「Muse Charm」を開発している。12月のホリデーシーズンをめどに出荷する計画だが、仕様の多くはまだ明らかになっていない。

Agenshは中央のタスク管理役を置かず、複数のエージェントが自ら仕事を引き受け、知見を共有し、結果を検証・統合する仕組みを提案する。ProgramBenchでは、規模の拡大に伴ってテスト通過率が向上した。

AIDE^2は、AI研究エージェント自身にコード変更を提案させ、評価結果の優れた版を次の世代として残す仕組みを実装した。8日間の自律実行で7回の連続改善を発見し、未知のタスクや分野にも効果が移転した。

RRSIは基盤モデルを再学習するのではなく、その周囲にあるエージェント・ハーネスを自動的に改良する手法だ。編集数の制限や未探索経路の促進、不要な変更の削除によって、ベンチマークへの過適合を抑えようとする。

EDGEGENは、エージェントの仕様からコンプライアンス規則を抽出し、データベースの状態に基づいたエッジケースを自動生成する。生成データはモデルの微調整とエージェント・ハーネスの最適化に利用できる。