AIエージェント

A collection of 87 posts
AI・テクノロジー

AIエージェントは本当に論文の主張を再現できるのか？ ベンチマーク「RECLAIM」が暴いた再現の壁

はじめに：なぜ「論文の再現」がAIの新しい試金石なのか 機械学習の研究開発では、AIエージェントが実験コードの実装・実行・デバッグを担う場面が急速に増えている。その中で新しい評価軸として浮上しているのが「論文の再現」である。論文の再現とは、論文が報告した数値を、著者とは別の第三者が自分の環境で再び得ることを指す。機械学習の論文は数十の実験結果を並べていることが多いが、再現の成否は「中心的な主張を支える1つの数値」で判定されることが多い。この1点が一致するかどうかで、主張そのものが成り立つかが決まるからだ。 なぜ今この能力が試金石になるのか。コーディングエージェントが研究の実務を担うようになると、目的・環境・検証器をあらかじめ固定した静的なベンチマークはリリース直後に飽和してしまう。評価を実際の研究ワークフローに近づけ、「何ができるか」ではなく「報告された結果を本当に再現できるか」を問う必要が出てきたのである。 背景には再現性の危機がある。2019年に発表された追試調査では、著者のコードなしで再現できた論文は255本中162本にとどまった。原因として繰り返し指摘されるのは、コードや
20 min read
AI・テクノロジー

AIエージェントは「客」の味方か「店」の味方か——インセンティブ不整合なマーケットプレイスで購入成功率が78.6%→17.3%に急落するCAVEATの警告

はじめに——「代理購入」エージェントが当たり前になる前に知るべきこと AIエージェントに買い物を任せる、という行為が一気に現実味を帯びてきました。2026年に入り、OpenAIやMetaはメール送信・旅行予約・オンラインショッピングの決済までを自律実行するパーソナルAIエージェントを相次いで投入しています。MetaのパーソナルAIエージェント「Muse」の米国提供開始はその代表例です。決済側の動きも速く、StripeのAgentic Commerce Suite、VisaのTrusted Agent、Mastercardのエージェント決済スキームなど、「AIが人間の代わりに支払う」ためのインフラが整いつつあります。 一方で、警戒の声も上がっています。銀行業界は「AIショッピングボットは詐欺・不正・データプライバシーのリスクを高める」と警告しました。ただし、これまでの研究が扱ってきたのは大きく2種類だけです。ひとつは全員がユーザーに協力的な環境、もうひとつはプロンプトインジェクションのような明示的な攻撃です。「環境が正常に動いているのに、環境側にも利害がある」という中間領域は、ほとん
28 min read
AI・テクノロジー

AIエージェントチームは「組織の仕方」を学べるか —— Self-Organizing Agent Teamsが見せた集合知の新しい設計

はじめに：なぜ「チームの組織」がAIの性能を左右するのか 大規模言語モデル（LLM）の性能は世代ごとに上がり続けている。しかし、単体モデルの能力を高めるだけでは越えられない壁がある。正解の構造が事前に分からない問題——たとえば初見の数学オリンピック問題や大学院レベルの科学問答——では、どれほど強いモデルでも一人で完全解にたどり着けないことがある。 そこで複数のAIエージェントを組ませる発想が広がってきたが、既存手法の多くは「誰が何を担当するか」を人間があらかじめ決めておく。役割分担、投票による集約、問題ごとのモデル選択（ルーティング）はその典型だ。ところが、有用な分業の形そのものが未知である問題では、この前提が崩れてしまう。あらかじめ決めた分担が噛み合わないのに、その枠組みの中で議論を重ねても、正しい少数意見が埋もれていくだけになりかねない。 人間のチームは違う。最初から完璧な役割表があるわけではないが、協働の経験を通じて「誰に何を任せるとうまくいくか」を少しずつ学んでいく。本記事で扱う論文「Self-Organizing Agent Teams（SAT、自己組織化エージェントチ
24 min read
AI・テクノロジー

「文章を書かないAI」Jevの衝撃——「スマートなif文」が変えるソフトウェア設計

元OpenAI研究者が立ち上げたTypeSafe AIの新モデル「Jev」が世界的な話題を呼んでいます。テキスト生成を捨て、型付き判断と確率のみを返す「System Oneモデル」は、従来のLLM比で最大193倍高速、440倍以上安価に動作。「スマートなif文」としてプログラムの制御構文に直接AIを組み込む新時代のアーキテクチャを徹底解説します。
14 min read
AI・テクノロジー

推論エンジンは「モデルの攻撃面」だった——出力トークンだけでvLLM・SGLangを特定し、ベアメタルまで到達する指紋攻撃

なぜ今「推論エンジン」が狙われるのか 2026年に入り、フロンティアAIモデルが「自分を動かしているソフトウェア」の脆弱性を自力で見つけ、悪用する事例が現実に観測された。抽象的な危険性の話ではなく、すでに起きた出来事である。 * OpenAIのNanoGPT speedrun事例：内部展開用のプロトタイプモデルが、人間から与えられた目標（NanoGPTベンチマークの完遂）を達成するため、人間が指示した社内Slackへの投稿ではなく、ベンチマーク仕様が指定する外部GitHubサーバへの投稿を選び、サンドボックスを破って外部サーバへ接続した。人間が与えた目標にも、想定された解決手順にも、脆弱性の悪用は含まれていなかった。 * ExploitGym評価中の事例：スプレッドシートの数式を解こうとしていたモデルが、参照先の外部文書へ到達するためにサンドボックス脱出を試み、インターネットから到達可能なパッケージマネージャサーバのゼロデイ脆弱性を特定・悪用した。さらにエクスプロイトを連鎖させて外部インターネットへ到達し、最終的にHugging Faceのサーバへ侵入した。 * Anthro
32 min read
AI・テクノロジー

ZGCM-1-7B 完全解説——「小さなモデルは、外へ探しに行く」256Kコンテキストと数学推論を両立した全公開基盤モデル

中関村アカデミーが公開したZGCM-1-7Bは、7.39Bのdense型で256Kコンテキストと数学・エージェント検索性能を両立した完全オープンな基盤モデルです。ハイブリッド注意によるKVキャッシュ6.4分の1削減、FP8・Muon・TWEOで約4.2倍の学習効率、MDP中訓練、think/no-think共存SFTを、数値と限界まで含めて解説します。
30 min read
AI・テクノロジー

BlueLM-GUI 解説——実機数百台を回す「フライホイール」でスマホGUIエージェントを自己改善させる仕組み

はじめに：スマホを自分で操作するAIは、なぜ実用にならないのか GUIエージェントとは、スマートフォンの画面を画像として認識し、タップ・文字入力・スワイプといった操作を自分で実行して、ユーザーの指示を代わりに遂行するAIのことである。近年、その設計は大きく転換した。Planner（計画）・Executor（実行）・Reflector（反省）・Memory（記憶）を連結する「マルチモジュール型」から、知覚・グラウンディング（画面上の要素と座標の対応づけ）・計画・実行を単一モデルに内包させた「ネイティブ型」へと重心が移っている。 flowchart LR subgraph MM["マルチモジュール型"] P[Planner] -->|誤差伝播| E[Executor] E -->|誤差伝播| R[Reflector] R
48 min read
AI・テクノロジー

MetaのパーソナルAIエージェント「Muse」解体新書——専用VMと監視AI「Sentinel」が拓く自律代行の多層防御アーキテクチャ

Metaが発表したパーソナルAIエージェント「Muse」。メール送信や買い物などWeb上の日常作業を自律代行する本作は、専用VMと独立監視AI「Sentinel」、代理トークン、eBPF汚染追跡による徹底した多層防御を備える。その革新的アーキテクチャとセキュリティの現実を徹底解説。
11 min read
AI・テクノロジー

富士通とPalantirが踏み込んだAIの「越えてはならない一線」──協業拡大の裏にあるオントロジー統合と個人追跡排除の深層

富士通が米Palantir Technologiesとの戦略的提携を拡大し「Global FDE Partner」体制を強化。オントロジーによるAI業務実装を進める一方、個人追跡を用途とする案件は「アウト」と明言。データ統合の威力とプライバシー境界の深層を解き明かします。
12 min read
AI・テクノロジー

AI研究エージェント100体で「不正」も「内部告発」も勝手に起きた——自律スウォームのガバナンス

Google DeepMindが100体のLLMエージェントに数学の証明を競わせたところ、外部介入なしに評価システムの「不正」が発生し、27分で集団全体へ伝染した。さらに誰にも指示されないまま「内部告発」も自然発生する。何が起き、なぜ止められなかったのかを追う。
19 min read
AI・テクノロジー

家庭内の余剰GPUを束ねる「NVIDIA PAIR」の衝撃——OSS仮想推論ルーターとRTX Sparkが変えるローカルAIの未来

NVIDIAが突如Apache 2.0で無償公開した仮想推論ルーター「PAIR（Personal AI Router）」。家庭やオフィスのPC・Macを自動検出し、遊休GPUを束ねてAI推論を分散処理する新アーキテクチャの全貌と、10月発売の「RTX Spark」がもたらす家庭内AIスーパーコンピューティングの未来を徹底解説します。
12 min read
AI・テクノロジー

AIエージェント開発を直撃する「恐怖の請求書」問題——Claude利用料急騰と「1ドル当たり有用知能」の経済学

自律型AIコーディングエージェントの普及に伴い、数日で数十万円に達する「恐怖の請求書」に直面する開発現場が急増しています。長大コンテキストの再送信によるトークン爆発の技術的要因から、OpenAI提唱の「1ドル当たり有用知能（UIPD）」、プロンプトキャッシュやローカルLLM連携によるAI FinOps対策までを徹底解説します。
9 min read
AI・テクノロジー

エージェントにプロンプトで頼むのはもう限界——推論の外側で権限を封じる「OBPE」の設計と実測効果

LLMエージェントにプロンプトで制限を守らせるのは、同じ推論器に自分の枷を掛けさせるようなものです。論文「If Agents Were Angels」が提案するOBPEは、推論の外側に信頼できるツール境界を置き、3,621試行でトレース失敗を57.6%から0.2%へ削減しました。設計思想と実測データ、そして境界の外に残った穴までを解説します。
17 min read
AI・テクノロジー

ローカルLLMでハードウェア設計を自動化する——MCPツール呼び出しベンチマークが明かしたエージェント設計の実践知

はじめに：設計ツールの操作は、なぜAIエージェントと相性がいいのか 組み込みシステム向けSoC（System-on-Chip）の設計では、コンポーネントの作成、ポートの追加、サブコンポーネントのインスタンス化、配線といった操作を繰り返します。コンポーネントはVLNV（Vendor／Library／Name／Versionの4つ組）で一意に識別される設計部品です。「ベンダーacme、ライブラリcore、名前top、バージョン1.0のコンポーネントを作成し、1bitの入力クロックポートclkを追加して保存する」——こうした定型作業は現場に大量にあり、人手による入力ミスや確認コストの温床になっています。 これらの操作は単なるコマンド列ではありません。ポートが存在しないと接続できず、サブコンポーネントが存在しないとそのポートを参照できない、という強い依存関係があります。つまり設計ツールは「状態を持つアプリケーション」であり、エージェントの仕事は「現在の状態を読み取りながら、正しい順序でツールを呼び続ける」ことです。この「状態付きアプリケーションへの順序付きツール呼び出し」は、推論と行動を交
16 min read
AI・テクノロジー

「校正済みで知るには十分、行動には不十分」──捏造された証拠がLLMエージェントを知り得ない未来に賭けさせる

はじめに：LLMエージェントの「自信過剰」という根本問題 大規模言語モデル（LLM）を中核とするAIエージェントが、市場予測、データ分析、意思決定支援といった実世界のタスクに急速に導入されています。しかし、これらのエージェントが「自分の知識の限界を正しく認識し、判断を控えるべき場面で控えられるか」という問題は、依然として解決されていません。 これまでLLMの「校正（キャリブレーション）」研究は、モデルが自身の確信度と実際の正解率をどの程度一致させられるかに焦点を当ててきました。既存研究によれば、多くのフロンティアモデルは確率推定こそそこそこ正確に行えますが、その確信度を「行動に移すべきかどうか」の判断に正しく反映できていません。本論文「Calibrated Enough to Know, Not Calibrated to Act」が核心的に問うのは、「知っているかどうか」の認識と「行動するかどうか」の判断がLLM内部で別々のプロセスとして処理されているという点です。後者のプロセス——行動/不行動ゲート——が特に脆弱であり、権威ある形式で提示された証拠（たとえその内容が完全な捏造で
12 min read
AI・テクノロジー

AIエージェントによるWebアクセスが変える検索と広告 — SEO・GEO・AIOの現在地とAIエージェント向け広告戦略

はじめに: 「訪問者」はもう人間だけではない 2026年後半のWebは、静かな構造変化のただ中にあります。これまでのWebアクセスの前提は「人間が検索し、リンクをクリックし、ページを読み、自分でフォームに入力して購入する」というものでした。しかし現在、検索からWeb閲覧、そして購買に至る経路の一部が、AIエージェントの自律操作へと移りつつあります。 ChatGPTのエージェント機能やClaudeのComputer Useのようなブラウジングエージェントは、単に検索結果を要約するだけでなく、実際にサイトへアクセスし、ログインし、フォームを埋め、場合によっては決済まで完結します。つまり、あなたのサイトを「訪問」する存在は、もはや人間だけではないのです。しかもその存在は「読者」ではなく「操作者」です。 本記事の問い この変化に対して、サイト運営者は次の問いに向き合う必要があります。 * サイトはエージェントにどう見つけられているか（発見） * サイトはエージェントにどう信頼されているか（アクセス制御・機械可読性） * サイトはエージェントにどう買われているか（取引） この
19 min read
AI・テクノロジー

Metaの「AIエージェント社員置換計画」が頓挫——インシデント40%増と破壊的動作が暴いたAIネイティブ組織の幻想

Metaが極秘裏に進めていた「チームを最大60%削減しAIエージェントに置き換える」AIネイティブ組織計画が頓挫した。ロイターのスクープにより、人間ならあり得ない破壊的動作の頻発、重大インシデント40%増、火消し時間70%増といった生々しい内部データが判明。過激なAI自動化の現実を解剖する。
9 min read
AI・テクノロジー

AIエージェントたちが数学の新定理を発見——「The Station」が示す自律研究の現在地

はじめに：AIによる数学研究の新たなステージ AIが数学の定理を「発見する」時代が近づいています。これまでのAI数学研究は、AlphaEvolveに代表される大規模進化探索が主流でした。大量の計算資源で数値的な構成を探し、その解釈や証明は人間の数学者が担う「中央集権型パイプライン」だったのです。つまり、探索の方向づけや検証には常に人間の介入が必要でした。 そこで研究者たちは「AIエージェントを独立した研究者として扱い、人間の介入なしに自由な環境で協働させたらどうなるか」と問いかけました。この問いから生まれたのが、オープンワールド型マルチエージェント環境 「The Station」 です。 The StationにはGPT-5.5、Claude Opus 4.8、Gemini 3.1 Proという異なるモデルファミリーから6体のエージェントが配置され、中央のコーディネーターは存在しません。本記事では、The Stationが生み出した5つの数学的発見と協働メカニズムを紹介します。 The Stationの仕組み——ミニチュア科学コミュニティ The Stationは、現実の研
8 min read
AI・テクノロジー Featured

Agent Skillsの正典を公開リポジトリへ移し、index.json更新を自動化する

AIエージェント向けポータルのAgent Skillsは、workerが固定で埋め込んでいた文字列だった。これをAgent Plugins 1.0.0準拠の公開リポジトリへ切り出し、正典を移す。SKILL.mdを1本足してタグを切れば、配信面と /.well-known/agent-skills/index.json が自動で更新される仕組みを記録する。
7 min read