最新の記事
論文まとめ2026-07-16
Harness Handbook: Making Evolving Agent Harnesses Readable, Navigable, and Editable
エージェントの変更依頼が語る「挙動」と、リポジトリ内に分散した実装をどう結びつければ、探索量を減らしながら変更漏れを防げるのか。
#論文まとめ#エージェントハーネス読了 8分
論文まとめ2026-07-15
Rethinking the Evaluation of Harness Evolution for Agents
ハーネス進化の点数上昇は、本当に再利用できる設計改善なのか、それとも同じ課題で試行回数を増やした効果なのか。
#論文まとめ#エージェントハーネス読了 8分
論文まとめ2026-07-14
Always-On Agents: A Survey of Persistent Memory, State, and Governance in LLM Agents
長く動くAIエージェントの記憶を、便利な検索機能ではなく、権限・削除・監査・復旧まで含む永続状態としてどう管理するか。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-07-13
Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading
長い作業を最後の合否だけで採点すると、エージェントがどこまで進み、どこで止まったかを見失わないか。
#論文まとめ#エージェントハーネス読了 8分
論文まとめ2026-07-12
Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
長い作業で忘れた情報を、ただ検索するのではなく「いま必要な瞬間」にだけ思い出させるには、記憶をどう設計すればよいのか。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-07-11
SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use
最終テストに通っただけの実行と、スキルを正しく選び、手順どおり使えた実行をどう見分けるのか。
#論文まとめ#エージェントスキル読了 8分
論文まとめ2026-07-11
TTHE: Test-Time Harness Evolution
モデルを再学習せず、実行ログだけからエージェントの制御プログラムを評価中に改善できるのか。
#論文まとめ#AIエージェント読了 8分
AI2026-07-10
GPT-5.6とFable 5のプロンプトガイド比較
GPT-5.6とClaude Fable 5の公式プロンプトガイドを読み比べ、GPT-5.5からの変化も踏まえて、モデルごとに何を任せ、何を明示すべきかを整理する。
#AIエージェント#プロンプト設計読了 8分
論文まとめ2026-07-10
What Makes a Good Bug Report for an AI Agent?
人間にとって読みやすいバグ報告と、AI修正エージェントが正しく直せるバグ報告は同じなのか。
#論文まとめ#コーディングエージェント読了 8分
論文まとめ2026-07-08
AutoHarness: Improving LLM Agents by Automatically Synthesizing a Code Harness
LLMエージェントの違法行動を、モデル自身が合成したコードハーネスで抑える研究を読む。
#論文まとめ#エージェントハーネス読了 8分
論文まとめ2026-07-08
CoEvoSkills: Self-Evolving Agent Skills via Co-Evolutionary Verification
エージェント用スキルは人間が書く説明書なのか、それともエージェント自身が検証しながら育てる操作知なのかを読む。
#論文まとめ#エージェントスキル読了 8分
論文まとめ2026-07-08
How much do language models memorize?
LLMは訓練データをどれくらい覚えられるのかを、抽出できるかではなく「何ビット短く圧縮できるか」で測る論文を読む。
#論文まとめ#エージェント記憶読了 8分