AlphaDiana発表、検証可能な推論タスクにおけるエージェント測定システム
アルファダイアナ (AlphaDiana) は2026年10月15日(現地時間)、検証可能な推論タスクにおけるエージェントの測定システムを発表した。このシステムは、推論モデルとそれを組織するハーネスの性能を理解するために設計され、実行条件と結果、挙動、リソース使用の関連付けを可能にする。データセット、エージェント、環境、および評価器のためのモジュラーインターフェースが特徴である。
Tag
#Agents
9 件の関連記事
【速報】Vercel、エージェント向け永続ストレージVercel Drivesの一般提供を開始
Vercelは2026年10月15日(現地時間)、エージェント向け永続ストレージサービス「Vercel Drives」の一般提供を開始した。Vercel Drivesは、エージェントのファイルを実行環境から独立させることで、異なるツールやランタイムを持つ新しい環境に移行しても、同じファイルで作業を継続できるようにする。本サービスはVercel Sandbox向けに提供される。
LLMエージェントの自己改善促進、新フレームワーク「ClawLoop」発表
arXivは2026年10月9日(現地時間)、ハンシ・ヤン (Hansi Yang) 氏らによる新たな研究論文を公開した。この論文は、大規模言語モデル (LLMs) ベースのエージェントが、外部の教師モデルに依存することなく自己改善を可能にするフレームワーク「クローループ (ClawLoop)」を提案している。従来のLLMエージェントが抱えていた教師モデルへの高い依存性や、持続的な自己改善能力の不足といった主要な課題への解決策を提供するものとして注目される。
AIエージェントのスコープ遵守評価する新ベンチマーク「ScopeBench」
arXiv cs.AIは2026年9月22日(現地時間)、シェーン・コールドウェル (Shane Caldwell) 氏らの研究者グループが、人工知能エージェントが目標達成のプレッシャー下でエンゲージメント境界を維持できるかを評価する新ベンチマーク「ScopeBench」に関する論文を発表したと報じた。ウェブアプリケーションやネットワーク侵入テストにおいて、スコープ外の単一行動が顧客のエンゲージメント境界を侵害するリスクが高まる現状に対応し、エージェントのスコープ遵守能力に焦点を当てている。
Google Cloud、Gemini Enterpriseを発表
Google Cloudは9月(現地時間)、大規模なAIエージェントの開発、運用、管理を一元的に行うためのプラットフォーム「Gemini Enterprise」を発表した。これは、企業が特定タスクの細かな指示ではなく、ビジネス成果そのものをAIエージェントに委任することを可能にするもので、エージェント時代の包括的なエンドツーエンドシステムとして位置づけられる。企業の事業運営効率化とAI活用促進を目的としている。
Alibaba、AIエージェント向けQwenプラットフォーム開放
Alibabaは8月10日(現地時間)、自社の人工知能 (AI) モデル「Qwen」を基盤とする「チエンウェン・オープン・プラットフォーム (Qianwen Open Platform)」を外部開発者向けに開放したと発表した。この開放により、サードパーティはスマートフォン、パーソナルコンピューター、スマートグラスなど多様なデバイス向けにカスタムAIエージェントを構築できるようになり、Qwenを中心とした広範なAIエージェントエコシステムの構築が加速される。
HyperTool、LLMエージェントのツール呼び出しを改善
Yaxin Du氏らの研究チームは6月11日(現地時間)、ツール拡張型大規模言語モデル (LLM) エージェントが抱える課題を解決する新たなツールインターフェース「HyperTool (ハイパーツール)」を導入したと、arXiv cs.CLで公開された論文で明らかにした。従来のステップ単位のツール呼び出しで生じる実行粒度の不一致を解消し、コンテキスト消費の削減とマルチステップツール使用の精度向上を目指す。
【速報】Cursor、ブラウザ版「Design Mode」の機能改善を発表
Cursorは2026年6月4日(現地時間)、ブラウザ版「Design Mode」の機能改善を発表した。この更新により、ユーザーインターフェース (UI) の更新をAIエージェントが支援するDesign Modeに、複数の要素を同時に選択するマルチセレクト機能と音声入力機能が追加された。これにより、開発者はより直感的にデザイン変更を指示することが可能となる。
Cursor、新PRレビュー体験と並列ビルド機能を導入
Cursorは2026年5月6日(現地時間)、新しいPRレビュー体験、並列エージェントによる計画の高速実行、および一般的なワークフロー向けのクイックアクションピルを導入するリリースを発表した。このリリースにより、PRの作成からマージまでを一つの場所で完結させ、タスクを並列処理することで計画の実行速度を向上させる。