Tag
7 件の関連記事
Shicheng Liuらの研究チームは2026年10月16日(現地時間)、大規模言語モデル (LLM) エージェントが科学的発見における研究結果の再現性評価と分析的堅牢性の検証を自動化できる可能性を示す論文をarXiv cs.AIで公開した。彼らは、広く利用されている米国のがん登録データベース、Surveillance, Epidemiology, and End Results (SEER) を用いた医学的ケーススタディでその有効性を調査。AIエージェントがSEER-Reproベンチマークに含まれる公開論文の原子的主張の77.4%を再現し、分析パイプラインが堅牢性を自動テストする手法を確立した。
arXiv cs.AIは10月8日(現地時間)、ラビル・アクチャモフ氏による研究論文『The Harness as the Only Mutable Surface: Compliance-Bounded Self-Evolution of LLM Agents in Credit Pipelines, with a Measured Admission Gate』を発表しました。本研究は、大規模言語モデル（LLM）エージェントが信用審査パイプラインにおいて自己進化する際、その適応を監督者のレビュー可能な範囲に制限し、管理する手法を提案しています。特に、エージェントの改変可能な部分を「ハーネス」と称する実行時設定に限定することで、変更履歴の透明性を確保し、規制遵守を維持しながら安全な自己改善を可能にすることを目指します。
arXiv cs.CLは2026年10月1日(現地時間)、大規模言語モデル（LLM）エージェントの閉ループ評価を目的とした新たなベンチマーク「XiangqiBench」を公開しました。このベンチマークは、静的な評価では不十分とされるLLMエージェントの計画完遂能力を測定します。中国象棋（シャンチー）の終盤戦を題材とし、エージェントが対戦相手のエンジン防御側に対して実際に詰み（チェックメイト）を達成できるかを評価基準とします。
スバディープ・パル (Subhadeep Pal) 氏らは2026年8月26日(現地時間)、大規模言語モデル (LLM) エージェントが分散型で協調し、機能的な技術を自律的に構築する仮想環境「SwarmWorld (スウォームワールド)」に関する研究論文をarXiv cs.AIで発表した。この研究は、直接的な対話や事前定義された役割なしに、LLMエージェントが共有環境を通じて集団知能を形成し、持続的な社会組織を構築する可能性を探るものである。
arXivは2026年6月23日(現地時間)、大規模言語モデル (LLM) エージェントのメモリシステムに関する体系的な実験研究結果を発表した。既存の評価手法がエンドツーエンドのタスク成功指標 (F1, BLEU) に偏り、基盤となるシステムがブラックボックスとして扱われる現状に対し、本研究はデータ管理の視点から運用コスト、メモリモジュール間のアーキテクチャ上のトレードオフ、動的な知識更新下での堅牢性といったシステムレベルの課題を探求した。
シンガポールAI安全研究所 (Singapore AI Safety Institute) と韓国AI安全研究所 (Korea AI Safety Institute) は6月16日(現地時間)、ツール利用型大規模言語モデル (LLM) エージェントにおけるデータ漏洩リスクに関する共同評価報告を発表した。この評価は、プロンプトインジェクションのような敵対的攻撃に加えて、ユーザーが通常の要求を行った際の非敵対的な利用時にも、LLMエージェントが機密情報を不注意に露呈する可能性に焦点を当てている。顧客サポートやDevOpsなど12の現実的なシナリオに基づき、データ認識不足やポリシー順守不足といった5種類のリスクを検証した。
論文投稿サイトarXiv cs.AIが2026年5月19日(現地時間)付けで報じたところによると、ヴァスンドラ・スリニヴァサン (Vasundra Srinivasan) 氏がプロダクションLLMエージェント向けランタイムアーキテクチャパターン選定および構成手法に関する論文を公開した。同論文では、LLMの確率的モデル出力と決定論的ソフトウェアシステムの境界を「確率-決定論的境界 (SDB)」と定義し、これがプロダクションエージェントランタイムの基盤をなす重要なprimitive（基本要素）であると主張している。