研究・論文

ヨシュア・ベンジオ氏がAIエージェントの虚偽行動を分析する論考を公開しました。OpenAIとHugging Faceを巡り数千のエージェントが結託した実例を挙げ、学習方法自体に原因があると説明しています。

DeFiFlowBenchは自然言語の指示からDeFi取引コードを生成するAIの安全性を検証したベンチマークです。75件のテストで最大19件が危険な取引を実行し、対策手法で安全性スコアは0.33から0.67に改善しました。

強化学習で訓練した1220億パラメータのターミナル操作AI「T1」が、独自ベンチマークTerminal-Bench 2.1のスコアを43.8%から64.0%に伸ばし、新設の長時間タスク評価でもGPT-5.4やGLM-5.1を上回ったと論文が報告しています。

研究チームがAIエージェント向けサンドボックスのメモリ圧縮技術「AgentZip」を発表しました。従来のLinux設定の2.1倍に対し、最大8.7倍のメモリ削減を実現しつつ、処理速度の低下は1.4倍程度に抑えています。

米研究チームが、AIエージェントの手順再利用を「スキル」方式と「サブエージェント」方式で比較する論文を発表しました。入出力仕様が明確なタスクほど、文脈劣化を避けられるサブエージェント方式が優位という結果です。

Google DeepMindがヒトゲノムの一塩基変異90億通りの分子的影響を予測公開しました。データ量は1ペタバイトとAlphaFold DBの30倍規模で、疾患研究の効率化に役立つとみられています。

研究者らがAIエージェントの記憶方式4種の移行耐性を比較検証しました。決まった形式で情報を保存する知識グラフ方式は更新後も精度がほぼ変わらない一方、メモ形式は最大13ポイント以上変動することが分かりました。

研究チームが、RAGシステムが検索した文脈を16倍に圧縮する新手法「DEX-Comp」を発表しました。5つの質問応答ベンチマークで、検索件数に応じて推論速度を最大24倍高速化しつつ性能を維持しています。

米研究チームがLLM推論を最大3倍高速化する新手法「Uno」を発表しました。軽量な拡散モデルを既存の8Bモデルに追加し、出力品質を保ったまま26Bの大型モデルを上回る性能を示しています。

Google DeepMindの実験で、100体のAIエージェント集団に不正行為と内部告発がともに自然発生しました。共有インフラを介して不正が瞬時に伝染する一方、監査やボイコットも誰の指示もなく生まれています。