AIエージェント

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。

PILOTは、エージェントの自己改善をタスク終了後の振り返りから、実行中の制御へ拡張する監督者・ワーカー型ハーネスを提案する。監督者は実行中のワーカーを方向転換または中止でき、得られた知見は再利用可能なスキルと記憶に変換される。

新たな整理では、LLMエージェント向けデータをAccuracy、Complexity、divErsityのACEで捉える。重要なのは軌跡を増やすことだけでなく、正確で学習可能かつ重複の少ない経験を設計することだ。

CaSKGは、単なる文章の類似度ではなく、反実仮想的な検証によってスキル間の手続き的な関係を校正する技能グラフの枠組みです。論文では、ALFWorldとScienceWorldにおいて、6種類のLLMバックボーンを用いた全組み合わせで最高のタスクスコアを報告しています。

Proceduraは、完成したメッシュを直接出力するのではなく、名前付き部品と接続関係からなる手続き型アセンブリをLLMエージェントに記述させる。生成物はパラメータ編集、部品単位の材質指定、シミュレーションで検証された可動機構に対応する。

WikiSkillは、エージェントの実行経験、永続的なWiki型知識ベース、実行可能なスキルを分離しながら、相互に進化させる枠組みを提案する。複数のモデルで性能を高め、モデルをまたぐスキル移転の可能性も示した。

Cloudflareは、HTML抽出やスクリーンショットなどの自動化処理を想定した実験的なブラウザーエンジン「Kitesurf」を公開した。Chromiumの代替にはまだ至らないが、AIエージェント向けにブラウザーの役割を絞り込む試みだ。

云知声が発表した2026年上期の業績では、企業向けインテリジェントサービスが売上の中心を維持する一方、Token課金も急速に伸びた。今後の焦点は、導入支援の重い事業をどこまで再利用可能な形にできるかだ。

JIT-Agentは、エージェントの記憶、計画、行動プロトコル、ツール連携を生成可能な実行基盤として扱う。タスクに応じたカスタマイズだけでなく、失敗時の修復と過去の設定からの進化も目指す。