#エージェント40件

DIASENTINEL: ガイドラインに基づく糖尿病リスクスクリーニングのための監査可能なマルチエージェントシステム

電子カルテから糖尿病リスクをスクリーニングし、ガイドラインに基づいたレポートを生成する、監査可能なマルチエージェントシステム「DIASENTINEL」を提案。LLMの幻覚や不正確な情報を抑制し、信頼性の高い臨床意思決定支援を目指す。

SUN: 言語根拠制御から学習、実世界へのポリシーのための永続プログラム

長期マニピュレーションタスクにおいて、制御と学習を統合する新しいプロトコル「SUN (Semantically UNified Programs)」を提案。タスクの意味論を保持し、制御と学習の間のギャップを埋めることで、より高度なロボット制御を実現する。

Agentic Autoresearchによるセルエッジ電力制御: 研究者の役割を根本的に再定義する

セルエッジ電力制御のためのエージェントによる自己研究手法を提案します。機械学習アルゴリズムの設計プロセス全体を自律的なAIエージェントに委ねることで、研究者の役割を根本的に再定義します。エージェントは、トレーニングスクリプトを編集し、実験を実行し、結果を評価して、変更を維持または破棄します。

BrowserForge: 並列ブラウザサンドボックスによるWebエピソードのスケーリング

Webエージェントの学習に必要な大規模な高品質インタラクション軌道を生成するため、並列ブラウザサンドボックスを用いたBrowserForgeを開発。多様なWebサイトからのデータ収集をスケールさせ、エージェントの学習効率を向上させる。

AI4AI-Bench：再帰的自己改善のためのアルゴリズム設計におけるLLMエージェントのベンチマーク

再帰的自己改善（RSI）のためのLLMエージェントのベンチマーク「AI4AI-Bench」を提案。RSIはAIシステムがAIシステムを生成するプロセス自体を改善できるかという問題であり、その鍵はエージェントが訓練アルゴリズムを設計できるかにある。本ベンチマークはこの能力に特化して評価する。

StagedWorkspace: ナレッジワークエージェントのためのバージョン管理ワークスペース

AIエージェントがコードリポジトリや文書などの永続的なデジタル成果物を扱う知識作業において、検索ビュー、編集ファイル、レビュー変更、提出成果物間のバージョンの不一致問題を指摘。ワークスペース状態契約として定式化し、各ビューをワークスペース状態のバージョンに明示的に結びつける。

Vero：AIエージェントは形式的に検証されたソフトウェアリポジトリを構築できるか？

Veroは、AIエージェントが形式的に検証されたソフトウェアリポジトリを構築できるかを検証する。実装と仕様の機械チェック済み証明の両方を生成する検証済みコード生成に焦点を当て、信頼性の高いAI生成ソフトウェアへの道筋を提供する。

OmniScientist：全モーダル・全規律AI科学者

OmniScientistは、仮説生成から原稿作成まで、研究ワークフロー全体を自動化できるAI科学者である。テキスト、コード、ラベルだけでなく、空間的、時間的、チャネル横断的、手続き的関係などの科学的に決定的な証拠にもアクセスできる。

ブラスト半径

エージェントコーディングにおけるコストとトークン消費の問題に対し、Blast Radiusを提案。プロンプトの到達範囲を予測するメモリ管理レイヤーにより、不要なコンテキストの削除と再利用を可能にする。

相互作用は、単独では存在しない動的なAIの振る舞いを生成する

AIエージェント同士の相互作用が、単独では見られない動的な振る舞いを創発することを発見。特に、指示を無視するボスAIが、従属AIを通常ではありえない状態へ遷移させる現象を報告する。

ツール呼び出しの苦い教訓

LLMがツールを利用する能力は、エージェントとしての行動範囲を広げる。特にコード実行能力を持つモデルでは、プログラム可能なツール呼び出し（PTC）により、JSON形式の固定的な呼び出しよりも、スクリプトによる柔軟な連携が可能になる。本研究では、PTCと従来のJSON形式のツール呼び出しを、実環境のタスク条件下で比較評価する。

Argus：長期間推論のための汎用エージェントランタイム

Argusは、長期間にわたる推論を可能にするエージェント実行環境です。持続的な実行と必要に応じた方針転換を支援し、プロジェクトの状態を管理します。

AIエージェントはオープンエンドなAI研究を実施できるか？2つのケーススタディからの初期証拠

AIエージェントがオープンエンドなAI研究を自動化できるかについての初期証拠を提示。狭いタスクではなく、AI研究開発の自動化に向けた進捗を測定する新しい方法論を提案。

UniMem：境界に依存しないタスクストリームのための相補的なエピソード記憶とパラメータ記憶

この論文は、LLMエージェントが境界に依存しないタスクストリーム全体で経験を蓄積し、タスク固有の実行戦略を再利用できるようにするための、「UniMem」という補完的なエピソード・パラメトリックメモリシステムを提案しています。UniMemは、新しい証拠を迅速に吸収する外部記憶と、学習後に安定し効率的な実行を可能にするパラメータ記憶の長所を組み合わせ、安定性と可塑性のジレンマを解決します。

CausalForge：因果推論における自動リサーチのための形式的に裏付けられた自己改善型エージェンティックフレームワーク

因果推論分野における自動研究のための形式的基盤を持つエージェントフレームワーク「CausalForge」を提案。LLMレビューアーの信頼性問題を解決し、自律的な研究プロセスを目指す。

Agents in the Wild：研究と展開が出会う場所

LLMベースのエージェントシステムが研究段階から実運用へ移行する現状と、それに伴う頑健性、安全性、信頼性といった新たな課題について論じるチュートリアル。

PalmClaw：モバイルフォン向けネイティブオンデバイスエージェントフレームワーク

モバイルデバイス上で動作するネイティブオンデバイスエージェントフレームワーク「PalmClaw」を提案。LLMエージェントのタスク実行能力をモバイル環境で実現し、デバイスのアクセシビリティ、データ、センサー、アプリケーションを活用する新たなエージェント利用形態を目指す。

データベースロックインの打破：データベースバイパスのためのエージェントによる高性能ストレージリーダーの再生成

データベースロックインを打破するため、分析ワークロードにおいてJDBC/ODBCドライバをバイパスするJailbreakを提案。ストレージファイルを直接読み込み、データを行列バッファとしてマテリアライズすることで、高パフォーマンスなストレージリーダーをエージェント的に再生成する。

Cortex: 長期操作のための双方向アライメントされた身体性エージェントフレームワーク

Cortexは、長期間操作タスクに特化した双方向アライメントされた the Embodied Agent Framework。高レベル計画と低レベル実行のギャップを埋め、実行可能で管理しやすい計画インターフェースにより、より高度なロボット操作を実現する。

QVal: 長期ホライズンLLMエージェントのための高密度教師信号を安価に評価

長期間にわたるLLMエージェントの行動評価において、中間ステップの良し悪しを評価する「QVal」という手法を提案しています。従来の疎な報酬信号の問題を解決し、より効果的な学習を可能にします。

パラメータではなくホライズンをスケーリング: 35Bエージェントで兆パラメータ級のパフォーマンスを達成

パラメータ数を増やさずに性能を向上させる「Agents-A1」を提案。35BのMoEエージェントモデルで、エージェントのホライゾン（軌跡長・能力）をスケーリングし、1兆パラメータ級の性能を達成する。

LLMエージェント計画のための自己進化型ワールドモデル

LLMエージェントの長期計画能力を向上させる「WorldEvolver」を提案。モデルパラメータを固定したまま、運用時にワールドモデルのコンテキストを自己進化させる。

Googleの論文アシスタントツールによる科学レビューの自動化に向けて

AIによる科学研究の加速に伴い、査読プロセスもAIで加速する必要がある。Googleの「Paper Assistant Tool」のような、科学論文のレビューを自動化するツールの開発を目指す。

エージェント型ハードウェア設計をリポジトリレベルのコード進化として

ハードウェア設計をリポジトリレベルのコード進化として捉え、自己進化するエージェントフレームワーク「HORIZON」を開発。Git操作を利用して設計を進化させる。

OpenThoughts-Agent: エージェント型モデルのためのデータレシピ

汎用エージェントモデルの学習データキュレーション手法を研究。OpenThoughts-Agentは、多様なエージェントタスクに汎用化できるモデルを学習するための、完全にオープンなデータキュレーションパイプラインを提供する。

Data Intelligence Agents: 自律的なコーディングエージェントによるエンタープライズデータの解釈、モデリング、クエリ

「Data Intelligence Agents」は、データ解釈、スキーマ作成、クエリ生成エージェントにより、エンタープライズデータの発見、構造化、クエリのプロセスを自動化・効率化する。

チューリング報酬を用いたユーザーシミュレータの学習

対話型AIアシスタントの訓練やパーソナライゼーション評価のため、チューリングテストに基づいた強化学習アプローチ「Turing-RL」を提案し、ユーザーシミュレータモデルを学習する。

EurekAgent: 自律的な科学的発見にはエージェント環境エンジニアリングがすべて必要

自律的な科学的発見におけるボトルネックを、エージェントワークフローの処方からエージェント環境の設計へとシフトさせる「EurekAgent」を提案。環境、リソース、制約、インターフェースの設計が発見能力を決定づける。

EEVEE: 自己改善エージェントのための実世界でのテスト時プロンプト学習に向けて

LLMエージェントのための初のマルチデータセットテスト時プロンプト学習フレームワーク「EEVEE」を提案。現実世界の多様なタスクストリームに対応し、実用性を向上させる。

AIエージェントは知識労働をどのように変革するか：自律性、効率性、範囲

AIエージェントが知識労働をどのように変革するかを、Perplexityのプロダクションデータを用いて分析。対話型アシスタントから自律エージェントへの移行が、タスク実行の自動化、効率化、範囲拡大に寄与する実証的証拠を提示。

マルチエージェント推論におけるストリーミング通信

マルチエージェント推論システム「StreamMA」を提案。各推論ステップを生成後すぐに下流エージェントにストリーミングし、レイテンシを削減。パイプライン化により、推論の有効性も向上。

ステートフルオンライン監視が分散エージェント攻撃を捕捉

Stateful Online Monitoringは、分散されたエージェント攻撃を検知する手法を提案。攻撃者がタスクを分散させることで個々のトランスクリプトを無害に見せかける手法に対し、複数アカウントを横断して集計的に監視することで、従来の見逃しやすかった攻撃を捉える。

MUSE-Autoskill: スキル作成、メモリ、管理、評価による自己進化エージェント

LLMエージェントがスキルを自律的に作成・改善するフレームワーク「MUSE-Autoskill」を提案。スキルのライフサイクル管理により、エージェントの長期的な能力向上と再利用性・信頼性の向上を目指す。

モデルスケーリングからシステムスケーリングへ: Agentic AIにおけるハーネスのスケーリング

エージェントAIの次のボトルネックはモデルスケーリングではなくシステムスケーリングであると指摘。ファウンデーションモデルの周りのアーキテクチャを設計・評価・最適化することの重要性を強調。

[483] MOSS: Autonomous Agent Systemsにおけるソースレベルのリライトを通じた自己進化

MOSSは、自律エージェントがソースコードレベルで自己進化する新しいシステムです。ユーザーインタラクションから学習し、エージェントのコア部分を書き換えることで、永続的な失敗の修正と継続的な改善を可能にします。

韓国公開APIを対象とした多段階ツール呼び出し：ベンチマークとデータ合成レシピ

KOPA-Benchは、韓国の公開APIを対象としたマルチステップツール利用ベンチマークである。オンプレミスで動作するLLMエージェントが、複数のツール呼び出しを連鎖させる能力を評価し、EDGEというデータ合成手法を用いて、オープンソースモデルの性能向上を目指す。

Webエージェントのための識別型ワールドモデル

Webエージェントは、候補アクションをサンプリングし、結果のWeb状態を予測し、ランク付けモデルやPRMでランク付けする世界モデルを使用する。しかし、この目的は、正確にランク付けするために候補間で予測状態が識別可能である必要がある下流ランク付けモデルと一致しない。