RESEARCH FRONTIER

最先端研究

人工知能と AI Agent のプレプリント、会議論文、研究報告を毎日選定。収録版の日付で整理し、各項目に原文の公開日と研究の限界を残しています。

更新日 2026-10-17

研究 6 件
会議論文

MemCode：離散表現による Agent の長期記憶

対話を独立した記憶単位に変換し、意味コードブックの関連とベクトル検索を併用。著者は二つの記憶ベンチマークで精度と構築効率の改善を報告する。評価範囲は限定的で、NeurIPS 2026 採択は著者の記載による。

Li et al. · arXiv:2610.19472v1NeurIPS 2026公開日収録日
会議論文

Agent 安全性評価：ベンチマークの近道への感度

グループ別留出と対比較により、ラベルの予測可能性とガード判断の変化を分離。一部の形式的手掛かりが誤検知に影響するが、モデル間で一貫しない。著者は NeurIPS 2026 の TAE・AIWILD ワークショップ採択と記載。

Demirkiran & Ernstberger · arXiv:2610.22243v1NeurIPS 2026 workshops: TAE / AIWILD公開日収録日
論文・プレプリント

Librarian Agents：将来の質問に備えた文書整理

構築 Agent が文書を階層ファイルと参照リンクに整理し、後段の回答精度を報酬として学習する。著者は二つのベンチマークで改善を報告。事前構築コストの償却には反復質問が必要で、結果はプレプリント段階。

Singh et al. · arXiv:2610.22273v1公開日収録日
論文・プレプリント

OS-Helix：GUI 操作とコード実行を統合

検証可能なデスクトップ課題と、操作ステップを均衡化する強化学習で Agent を訓練。著者は OSWorld-Verified の成功率改善と Windows への転移を報告。任意の作業での信頼性を保証する結果ではなく、プレプリント段階。

Yang et al. · arXiv:2610.22234v1公開日収録日

研究 5 件
研究報告

Claude と自動評価器で量子回路を最適化

自然言語の仕様からコードを生成し、正しさと資源量を評価して八つの回路課題を反復改善した。一部の性質は形式検証も行ったが、結果はアルゴリズムの資源見積もりであり、実用量子機の実証ではない。

Anthropic Research公開日

研究 5 件
論文・プレプリント

Athanor：AI Agent による自律的な事後学習研究

実 GPU 上で自律的に事後学習を行うシステムのプレプリント。固定評価、ジョブ管理、研究記録を備える。結果は対象モデルと実験条件に限定され、汎用的な自律研究能力を示すものではない。

Zhou et al. · arXiv:2610.21055v1公開日
論文・プレプリント

Agent の承認を実際の実行内容に結び付ける

十種類の実行環境を調査し、正規化した操作を表示して署名済みの保存済み呼び出しだけを実行する仕組みを提案。内容のすり替えは抑制したが、承認要求の大量送信や既に許可された操作には限界がある。

arXiv · 2610.21063v1公開日
論文・プレプリント

RAG の安全性には検索グラフ構造も影響する

二百万件の Wikipedia 文書からなる HNSW 索引で、グラフの接続が汚染文書の取得を促す仕組みを分析した。検索と生成の両段階を評価しており、結果は使用した索引、探索予算、防御設定に依存する。

arXiv · 2610.21464v1公開日
会議論文

LinguaGuardBench：ユーザーの言語で安全判定は変わるか

1,220ステップのツール呼び出し・観測・正解ラベルを固定し、指示だけを翻訳して十九種類の守衛モデルを比較した。低資源言語で判定変化が増えるモデルがあったが、実環境の攻撃成功率を測ったものではない。 著者は NeurIPS 2026 AIWILD ワークショップ採択と記載しており、本会議の採択ではない。

arXiv · 2610.22244v1NeurIPS 2026 · AIWILD Workshop公開日
論文・プレプリント

MCP-FSD：ツールの宣言とファイル権限の隔たり

九つの登録元にある21,097サービスを調べ、ツール契約の分析と対になる動的実行で範囲外アクセスを検査した。所定のサンドボックスで150件を確認したが、実際の侵害率を示す数字ではない。

arXiv · 2610.22301v1公開日

研究 5 件
論文・プレプリント

複数開発者の協働で Agent を拡張する

独立した開発者の専門 Agent を組み合わせ、分業の誘因もモデル化する研究。統合システムは GAIA で正解率70%を報告した。初期的な結果であり、評価条件と開発予算の範囲に限られる。

arXiv · 2610.20518v1公開日
論文・プレプリント

CIPR：ツールのインターフェース変更に強い Agent

同じ課題を意味的に等価な二つのインターフェースで学習し、行動分布の一貫性を制約する。教師あり学習と強化学習で頑健性の改善を報告したが、検証は実験で扱った名称・表記の変更に限られる。

arXiv · 2610.20576v1公開日
論文・プレプリント

忘却は研究 Agent の探索停滞を解消できるか

過去の試行に引きずられる問題に対し、最良の候補だけを残して会話と探索履歴を定期的に初期化する。プログラミング、カーネル最適化、モデル学習の四課題で改善したが、科学研究全般での有効性は未確認。

arXiv · 2610.20563v1公開日

研究 6 件
論文・プレプリント

FEP：異種イベントログを横断する次イベント予測

文脈内の非パラメトリックなイベント予測を注意演算で表し、埋め込みと時間の正規化で異なるログへ対応する。696データセットで事前学習し、未知の50データセットでパラメータ更新なしに評価するが、性能は対象タスクで異なる。

arXiv · 2610.17503v1公開日
論文・プレプリント

YUBI-Real2Sim：ロボット評価のための再構成品質検証

二つの魚眼視点、3D Gaussian再構成、物理シミュレーションを統合し、9組中8組で実機の方策順位を再現する。穴や浮遊アーティファクトへの感度も調べるが、画質スコアだけで使える一般的な場面受入基準は未確立。

arXiv · 2610.17521v1公開日
論文・プレプリント

Box-WAM：物体ボックス軌跡で未来状態を圧縮

未来映像全体の代わりに、重要物体の向き付きバウンディングボックス軌跡を予測し、動作と物体運動を学習する。操作タスクで計算削減と動作予測改善を報告するが、ボックスが落とす細部の影響は幅広い環境での検証が必要。

arXiv · 2610.17526v1公開日
論文・プレプリント

TacitVLA：推論テキストを待たずに動作するVLA

推論の教師信号を残しつつ、動作側は同じ呼び出しで生成した推論文を参照せず、記憶も動作中に生成できる。操作・運転の4ベンチマークで遅延と性能を比較するが、実運転の安全性を認証する結果ではない。

arXiv · 2610.17540v1公開日
論文・プレプリント

事実の変化に対応するエージェント記憶の認証

多段推論を記憶に置き換えた際の陳腐化を分析し、失敗の尤度比による監視と変化時の認証再開を提案する。5モデルの事実変更QAと検証可能なコード課題で比較するが、安全性の境界は検証済み結果などの情報条件に依存する。

arXiv · 2610.17544v1公開日

研究 5 件
論文・プレプリント

層ごとの量子化誤差補償が有効になる条件

線形ネットワークと丸め誤差の特定仮定下で平均二乗誤差の改善を導き、活性化関数や有限コードブックでは比較が崩れる例を示す。2種類の8Bモデルでも、校正データの損失低下が未知テキストの改善を保証しなかった。

arXiv · 2610.16020v1公開日
論文・プレプリント

ECHO：エラーの責任に応じたエージェント学習

固定した判定モデルで新たな誤り、引き継がれた結果、修正を区別し、共通の結果を重複評価せず、自作の誤りを直す報酬も制限する。4B・8Bモデルの6課題で改善を報告するが、責任判断は判定器の品質に依存する。

arXiv · 2610.16027v1公開日
論文・プレプリント

エージェント評価の採点器不具合を監査

状態の不変条件と既知回答による監査で、採点前に環境状態を書き換える不具合を特定。4,320回の再生補正で成功率は94.3%から65.5%へ低下した。別ベンチマークでは基準終状態を再構成できず、手法を直接適用できなかった。

arXiv · 2610.16067v1公開日
論文・プレプリント

Dream2Discern：潜在表現の難例で実行時監査を学習

保存済み軌跡の前半部分から、判定の難しい潜在変種を作り、元のラベルで実行結果監査器を訓練する。新規実行なしでAFTraj-2KとStepShieldの加重精度90%以上を報告するが、検証は記録済みベンチマークに限られる。

arXiv · 2610.16071v1公開日

研究 5 件
論文・プレプリント

MoMaTune：数値レコード向けの二段階学習

ラベルなしの数値レコードを学習し、必要に応じて同一レコードの部分ビューを対応付けた後、目的変数の予測を微調整する。8つの公開データセットで改善を報告するが、一般的な数学推論能力を示す結果ではない。

arXiv · 2610.15235v1公開日
論文・プレプリント

Sequent-Prover：ソルバーで検証できる推論を学習

SMT-LIBを生成してZ3を呼び出し、形式化を修正するエージェントを訓練する。選別した軌跡による蒸留と選好学習で37ベンチマークの精度向上と呼び出し削減を報告。ただし、求解成功と原問題への意味的忠実性は区別して評価する。

arXiv · 2610.15258v1公開日
論文・プレプリント

RECAP：過去の文脈を使った低ビット推論の校正

長い履歴プレフィックスと交代する短い再構成区間を使い、注意出力への影響に応じてキャッシュ誤差を校正する。複数の低ビット推論設定で改善を示すが、任意の長文脈で推論が忠実に保たれる保証はない。

arXiv · 2610.15259v1公開日
論文・プレプリント

LeHami：シンプレクティック力学による世界モデル

JEPAの自由な予測器を、行動条件付きハミルトン流とシンプレクティック積分に置き換え、潜在相空間の体積を保存する。視覚的な振り子環境で長期速度予測を改善したが、複雑な現実世界への適用は未検証。

arXiv · 2610.15267v1公開日
論文・プレプリント

Co-DSL：再利用可能な空間概念を共同設計

ユーザーの説明とフィードバックから再利用可能な空間操作を作り、言語モデルが概念グラフを組み立て、ソルバーが制約を満たす配置を探す。5領域で評価されているが、利用できる概念と制約表現に適用範囲が依存する。

arXiv · 2610.15290v1公開日

研究 5 件
会議論文

移植可能なスキルによるエージェント型検索

自然言語スキル、軽量ツール、文書ナビゲーション層で顧客対応手順を生成する事例研究。整理済み文書と人手確認を前提に高い一致度を報告する一方、約90秒の処理は既存助手より遅く、他の運用環境への一般化は未検証。 著者は EMNLP 2026 Industry Track 採択と記載している。

arXiv · 2610.14428v1EMNLP 2026 · Industry Track公開日
論文・プレプリント

SceneForesee：映像内の物体変化を評価

観測場面と未来場面で物体IDを共有するデータセットを構築し、EvoSeeで軌跡とイベントを共同予測する。著者はSceneForeseeとDyn-Benchで改善を報告しているが、任意の現実場面を正確に予測できると示したものではない。

arXiv · 2610.14439v1公開日
論文・プレプリント

TETPO：有効サンプル数に応じた学習補正

TETPOはプロンプト群ごとの有効サンプル数を基準に重要度重みを弱め、古い方策の軌跡による更新の偏りを抑える。重みのばらつきに関する境界と数学推論実験を示すが、理論の適用範囲は橋渡し分布などの仮定に依存する。

arXiv · 2610.14440v1公開日
論文・プレプリント

KV4-RL：非同期ロールアウトのキャッシュ量子化

INT4のKVキャッシュに、注意の集中箇所と直近文脈を守るINT8処理を組み合わせる。Qwen3の強化学習実験で反復全体の高速化とBF16に近い精度を報告しているが、他モデルや別の訓練設定での効果は未確認。

arXiv · 2610.14448v1公開日
論文・プレプリント

実行可能な契約でエージェント評価の同一性を確認

タスクを定める事実、許される編集、完了条件を実行可能な契約で明示する。保存済み14,336件の再採点で、埋め込み類似度がタスク自体を変える編集を許す問題を確認。評価の妥当性を扱う研究であり、一般的な安全保証ではない。

arXiv · 2610.14477v1公開日

研究 5 件
会議論文

誤解を招く図表がWeb Agentの操作に与える影響

MisVisAgentBenchは280課題を通常の図表と誤導的な図表で比較する。13種のAgentの平均成功率が34ポイント超低下したが、これは特定の実行可能な課題集合での結果で、すべてのサイトに一般化できない。 著者は EMNLP 2026 採択と記載している。

arXiv · 2610.12823v1EMNLP 2026公開日
論文・プレプリント

TreeHCA：回顧的探索で多段Agentの学習を改善

参照回答の尤度変化で途中の手順を再訪し、推論やツール操作を分岐させ、結果をターン単位の優位性に配る。7つの質問応答ベンチマークと3つのQwenモデルで改善を報告するが、自由な課題全般の信頼性は未確認。

arXiv · 2610.12828v1公開日
論文・プレプリント

CToM：利用者の反応を予測して回答を修正

回答の草案、利用者の反応予測、内部修正を行い、予測学習とGRPOを組み合わせる。数学・コード・文章の協働課題で改善を報告するが、課題設定内の結果であり、人間同様の心理理解を示すものではない。

arXiv · 2610.12872v1公開日
論文・プレプリント

T-Mem：複数人の長期対話を時間的証拠で整理

時間的な近接性から見落とした発言を補い、証拠の森で状態変化と支持関係を整理する。2つの長期複数人記憶ベンチマークで改善を報告するが、実際の継続対話での長期安定性は今後の検証が必要。

arXiv · 2610.12874v1公開日

研究 5 件
論文・プレプリント

字幕なしの動画で言語モデルを中間学習

Qwen3-1.7Bに連続視覚トークンを予測させ、同じ画像・文章の指示微調整を適用する。画像と動画の成績向上と文章性能の維持を報告するが、このモデルと設定での結果であり一般的な拡張則ではない。

arXiv · 2610.11019v1公開日
論文・プレプリント

Intent Graph：探索的分析の道筋を可視化

DAG-EDAは意図グラフで問題を分解し、知識グラフで概念とデータ変数を結ぶ。分岐比較や後戻りを支援するが、論文は使用例と研究設計の提示で、完了したユーザー実験の改善証拠はない。

arXiv · 2610.11025v1公開日
論文・プレプリント

NOMOS：文章の方針を検証可能なツールゲートへ

4段階のコンパイラーで文章の方針を決定的なゲートにし、ツールのスキーマとの整合性を静的検査する。顧客対応などで違反減少を報告するが、方針の網羅性や結び付けに依存し、全有害行為を防ぐ保証はない。

arXiv · 2610.11030v1公開日
論文・プレプリント

OpenProblemBench：理論科学の未解決問題を評価

数学と理論物理の82問に背景や既存成果を付け、4モデルが正解例なしで提出内容を独立評価する。報告された解決率はモデルによる判定であり、未解決問題が独立に証明されたことを意味しない。

arXiv · 2610.11118v1公開日

研究 5 件
論文・プレプリント

自己改善ループで評価ノイズが成果を過大化

小さな評価集合を繰り返し使って指示を選ぶと、Qwenの実験で改善が過大に見積もられた。独立した保留集合と不確実性の報告を勧めるが、検証した採用ルールに普遍的な解決策は見られない。

arXiv · 2610.09239v1公開日
論文・プレプリント

回答確率を使わずBest-of-N方策を評価

スコア順位の確率から方策価値を推定し、不確実性を考慮してサンプリング予算を選ぶ。検証は合成実験とGSM8Kが中心で、理論保証は仮定に依存し、実運用で誤答がなくなる保証ではない。

arXiv · 2610.09250v1公開日
論文・プレプリント

LeCuration：小さな世界モデルでデータを整理

潜在世界モデルと拡散デコーダーで異常検知、クラスタリング、動作と状態の整合性を調べる。CS:GO映像による定性的な概念実証であり、整理精度の定量指標や下流学習の改善はまだ報告されていない。

arXiv · 2610.09285v1公開日
論文・プレプリント

SearchWorld：空間記憶と想像で無人機を探索

俯瞰の探索記憶と障害物、タスク価値を世界モデルで結び、想像した軌跡で方策を改善する。UAV-ONで成功率23.8%、未知場面で19.9%。失敗も多く、実都市での信頼性を証明したものではない。

arXiv · 2610.09335v1公開日

研究 5 件
論文・プレプリント

SkillFormer：音声スキル別アダプターの組み合わせ

音高や話者認識を低ランクアダプターに分け、質問に応じたルーターで統合する。著者らは3モデル・3ベンチマークで平均精度が2.5〜4.1ポイント向上したと報告。効果はこの評価範囲に限られる。

arXiv · 2610.07533v1公開日
会議論文

エージェントの交流でモデルと人格の影響を分離

異なる基盤モデルを使う社会ネットワークのシミュレーションで、人格設定とモデル由来の影響を比較する。実験では交流量にモデルの影響が強かったが、人間の社会行動への直接的な結論ではない。 著者は COLM 2026 関連の社会シミュレーション・ワークショップでの Spotlight 発表と記載している。

arXiv · 2610.07535v1COLM 2026 · Social Simulation with LLMs Workshop公開日
論文・プレプリント

JEPAで制御に必要な不安定モードを保持

予測誤差が小さくても制御に重要な状態が失われる問題に、動作再構成の目的関数を追加する。理論は線形系が対象で、非線形の検証はCartPoleなどに限られ、汎用的な安定性保証ではない。

arXiv · 2610.07540v1公開日
論文・プレプリント

GRADE：小型モデルの微調整で勾配を選別

動的な訓練例選択と更新ごとのゲートで、LoRA内の勾配競合や上書きを抑える。著者らは3種類の基盤モデルと7つの指示データセットで改善を報告するが、任意の構成への有効性は未確認。

arXiv · 2610.07553v1公開日

ホーム・ニュース・最先端研究などでページに移動、または記事を検索します。

↑↓ 選択　↵ 開く　Esc 閉じる