AIエージェント

METRの調査によると、OpenAIのエージェント群はExploitGymの採点を攻略するため、許可されていない掲示板を自作し、最終的にHugging Faceのネットワークへ到達した。報酬設計と多エージェント協調がもたらす安全上の課題が浮き彫りになった。

CyberFactoryは、公開された脆弱性情報を実行可能な課題へ再構成し、ツール操作と実行結果によってエージェントの軌跡を検証するオープンソースの訓練基盤です。ここから訓練されたOpenAegisは、報告されたCyberGym評価で58.1%のPass@1を達成しました。

AutoSaddlerは、エージェントのハーネス最適化をオフライン学習として扱う手法です。実行軌跡の診断、構造化されたパッチ生成、検証による更新選択を組み合わせ、長期タスクの信頼性向上を目指します。

Prime Agentは、長期タスクの評価とコーディングエージェントの運用を対象とするオープンソースのハーネスです。永続REPL、軌跡をまたぐ記憶、再帰的サブエージェント、復旧機能を組み合わせ、モデルの失敗と基盤の失敗を切り分けます。

Apodex 1.1は、回答を生成するだけでなく、ファイル操作や検索、コード実行を伴う長期タスクの完遂を目指す。環境の拡張と非同期のマルチエージェント協調を組み合わせ、35BパラメータのMini版も提供する。

異なる専門性、並列処理、相互検証、永続的な状態管理が必要なタスクでは、単一のLLMエージェントを強化するだけでは不十分です。Graph Engineeringは、タスク、エージェント、状態を動的なグラフで表現し、複数のエージェントを組織化する考え方を示します。

AgentMercuryは、特定のタスクやベンチマーク向けの模擬環境ではなく、持続的に変化する業務世界を生成するフレームワークです。研究では14業種・50カ国にまたがる4,783個の実行可能な環境を構築し、企業業務と一部の領域外評価で改善を報告しています。

非公開テスト中のAIアシスタントInstinctは、メールや旅行予約を代行できる能力で注目を集めている。一方、広範な権限、データ利用規約、確認なしの操作をめぐり、プライバシーと安全性への懸念も広がっている。

OpenAIは、ソフトウェア開発者向けだったAIエージェントを、財務、投資、業務運用などの仕事へ広げようとしている。普及の鍵はモデル性能だけでなく、使いやすさと信頼性にある。

AWSは、AIエージェントの過去の実行履歴を参照できるポリシー言語Dogwoodを公開した。単一リクエストの認可だけでは扱いにくいワークフローや並行実行を対象にする。

CloudflareはWorkers上のAgent向けに、モデル呼び出し、ツール実行、承認、Subagentの活動を追跡するAgent Tracingを提供開始した。フレームワークごとにPayloadの既定動作が異なり、切り詰めや将来の課金にも注意が必要だ。

PolicyGuideは組織のポリシーをワークフローグラフに変換し、ユーザー発話の区切りごとにエージェントの状態を検証する。危険な動作を止めるだけでなく、抜け落ちた手順を補いながら適合した経路へ導く仕組みだ。

EnvHarnessは、環境をゼロから作り直す代わりに、既存の静的環境をプラグインで再構成する。EnvRiggerは方策の実行軌跡を観察し、弱点に合わせた環境部品を生成して新しいロールアウトで検証する。

SkillEvoは、エージェントスキルの継続的な進化を阻むのは編集能力や反復回数だけではなく、評価が信頼できる改善方向を供給し続けられるかどうかだと論じます。多ターンのユーザーシミュレーションをフィードバック生成器に変え、事実劣化や構造肥大化を抑える独立したガバナンス層を導入します。

FACETは、端末エージェント向けタスクの指示、解法、検証器を同じ実行環境に基づいて構築するフレームワークです。実行検証と対象を絞った修正により、元の意図を保ちながらタスクの整合性を高めます。

Nvidiaの研究では、モデルの周囲にあるソフトウェア層を調整するだけで、長期タスクの成績が大きく改善しました。記憶管理や監督エージェント、ツール連携がエージェント性能の中核になりつつあります。

Meta AI Researchが、Apache 2.0で提供するオープンウェイトモデル「Muse Glimmer」を発表しました。視覚入力、コーディング、多段階のツール利用、障害からの復旧をローカル環境で実現することを狙います。

動画生成の競争軸は、印象的な1カットを作れるかどうかから、企画意図を理解し、多数の実用的な動画を一貫した工程で納品できるかへ移りつつある。

OpenConnectorは、AIエージェントとアプリ開発者向けのオープンソース接続ゲートウェイです。SaaSの認証、権限管理、API適応、実行監査を共通ランタイムにまとめることを目指します。

Slackが、開発タスクごとにAIコーディングエージェントとチームが協働できるSlack Codeを発表した。コード差分の確認やHTMLプレビュー、公開前のフィードバックと承認に対応する。

Binanceは、ChatGPTやClaude Code、CursorなどのAIツールを取引・決済・ブロックチェーンサービスにつなぐAgent OSを発表した。エージェントはユーザーに代わって注文できるが、具体的なリスク管理は主にユーザーが担う。