最新の記事
Probe-and-Refine Tuning of Repository Guidance for Coding Agents
AGENTS.mdのようなリポジトリガイダンスを、書いて終わりではなく、失敗プローブで穴を見つけて改善する運用資産として扱う論文。
Ctx2Skill
長い文脈や複雑なルールから、あとで再利用できる自然言語スキルを作れるかを扱う論文。課題生成、回答、採点、更新を回してスキル化を試す。
Multi-Agent Transactive Memory
LLMエージェントが実行中に生んだ行動軌跡を、別のエージェントが検索して再利用できる共有記憶として扱う論文。
Externalizing Research Synthesis and Validation in AI Scientists through a Research Harness
AI科学者の研究過程をモデル内部に閉じず、証拠、アイデア、実験、修復、主張監査を外部成果物として残す論文。
A Framework for Evaluating Agentic Skills at Scale
エージェントスキルやSKILL.mdのような手順書が、本当に行動と成果を変えているかを測る評価フレームワーク。代表タスク、隠し評価基準、スキルあり/なし比較で効き方を見る。
AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases
企業ナレッジベースの上で、LLMが検索、閲覧、要約を使い分けるエージェント型RAGの論文。固定検索だけでは届かない質問に、どこまで自律探索を足すべきかを見る。
TokenPilot: Cache-Efficient Context Management for LLM Agents
長期LLMエージェントの文脈管理を、削るだけでなく、プロンプトキャッシュが効く入力配置として安定させる論文。
HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry
エージェントの性能をモデル単体ではなく、プロンプト、ツール、記憶、制御からなるハーネスの設計・適応・進化問題として扱う論文。
Agents-K1: Towards Agent-native Knowledge Orchestration
研究エージェントに渡す知識を、論文リストや要約ではなく、主張・証拠・手法のつながりとして構築する論文。調査の出典、系譜、根拠をエージェントが辿れる形にする。
Recursive Agent Harnesses
長大なコーパスを扱う時に、サブエージェントを再帰的に呼び出すハーネス設計を扱う論文。裸のモデル呼び出しではなく、実行基盤ごと分割する。
EvoArena: Tracking Memory Evolution for Robust LLM Agents in Dynamic Environments
変化し続ける端末、ソフトウェア、好みに対して、LLMエージェントの記憶が現在状態へ追従できるかを測る論文。静的ベンチマークでは見えない記憶の劣化を見る。
TAHOE: Text-to-SQL with Automated Hint Optimization from Experience
Text-to-SQLの失敗経験を構造化されたヒント集に変換し、実行時に関連ヒントを検索してSQL生成を改善するシステム。