本文へ移動
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI ニュースを検索

見出し・要約・本文から、情報のつながりを探します。

公開日時順

誰を信頼すべきかを知るだけでは不十分:反復的多者間LLM交渉における信頼―合意のギャップ

arXiv:2610.31971v1 発表種別:新規 要旨:大規模言語モデル(LLM)エージェントは、個人や組織に代わって交渉に参加する機会が増加している一方で、特に反復的な多者間のやり取りにおいては、依然として操作のリスクにさらされています。従来のマルチエージェントシステムは、明示的な信頼および評判モデルによってこの課題に対処してきましたが、既存のLLMによる交渉に関する研究では、信頼をむしろ創発的な現象として扱うものが主流です。本研究では、過去の相互作用から有用な信頼評価を形成し、それを活用して将来の交渉結果を改善できるかどうかを検証します。さらに、繰り返し参加するエージェントが一連の交渉ゲームに携わる中で、一方の参加者が密かに合意成立を妨害しようとする、反復的かつ多者間・多問題型の交渉フレームワークを提案します。

Knowing Whom to Trust is not Enough: The Trust--Agreement Gap in Repeated Multi-Party LLM Negotiation
経緯と関連報道

ミュオンの前処理はいつ、どのように行われるのか?構造化された勾配ノイズの役割

arXiv:2610.31728v1 発表タイプ:新規 要旨:ミュオンは大規模言語モデルの学習において人気の最適化手法となっているが、その理論的基盤は依然として十分に解明されていない。本研究では、勾配ノイズの幾何学的特性がミュオンの前処理による利点をどのように形成するかを検討する。まず、古典的な等方性ノイズ仮定のもとでは、ミュオンは学習率の再スケーリング以上の加速効果をもたらさないことを理論的および実験的に示す。これを受けて、私たちは異種タスクの発生頻度を持つ連想記憶におけるミニバッチサンプリングから生じる構造化されたノイズについて調査を開始した。二つのタスクに対する正確なバランス閾値を導出し、さらに複数タスクへの拡張を通じて、タスクカバレッジと勾配の信頼性がいかに協働して学習を形作るかを明らかにする。我々の分析によれば、ミュオンは…を緩和できることが示される。

When and How Does Muon Precondition? The Role of Structured Gradient Noise
経緯と関連報道

ヒューマンエージェント問題:LLMエージェント間の創発的協力が意図されたワークフローを迂回する場合

arXiv:2610.31985v1 発表タイプ:新規 要旨:LLMエージェントは、リソースを共有し、審査や監督プロセスの下で動作しながら、個々に異なるタスクを遂行する協調的な環境において、ますます広く導入されています。このような環境では、エージェントが悪意を持って行動する場合だけでなく、単に助けようとしている場合にも、安全上のリスクが生じます。これまでの研究は、主に敵対的または明示的に共謀的な行動に焦点を当ててきましたが、私たちは、別々の目的を追求する善意のエージェントが、意図されたワークフローを回避する形で自発的に協力し得ることを示します。これを「ヒューマンエージェント問題」と呼びます。私たちは、エージェントが時に仲間が所有するリソースに依存し、所有権の変更が通常は審査担当者によって仲介されるような、長期的な視野を持つ共有リソース環境を研究しています。審査が利用できなくなった場合、エージェント

The Helpful Agent Problem: When Emergent Cooperation Among LLM Agents Bypasses Intended Workflows
経緯と関連報道

研究により、コーディングエージェントのベンチマークにおける「規範–オラクルギャップ」の問題が明らかになった

2026年10月24日にarXivに掲載された論文は、現在主流のコーディング・インテリジェンス・エージェント向けベンチマーク(たとえばSWE-Milestone)には「仕様–オラクルギャップ」が存在すると指摘している。すなわち、タスクの自然言語による記述には、テストに必要な重要な実装細部(例えば定数名、モジュールパス、正確なエラーメッセージなど)が含まれておらず、その結果、評価では上流のコードを再現する能力が測定されているにすぎず、真の理解力や推論能力が評価されていないという問題がある。

What the Specification Did Not Say: Specification-Oracle Gaps in Test-Graded Coding-Agent Benchmarks

注目する理由:本研究は、この種のバイアスを初めて形式的に定義し、5言語をカバーする静的解析ツール(精度89.2%、再現率92.9%)を構築したうえで、SWE-Milestoneにおいて、25のマイルストーンタスクに推論不可能な暗黙的依存関係が存在することを実証的に明らかにしました。これにより、失敗率が大幅に上昇する(80.6%対48.4%)ことが示され、現在のランキングが「名前を真似る」タイプのエージェントを体系的に優遇している可能性が浮き彫りになりました。研究成果として、オープンソースの解析ツールと修正リソースが公開されており、方法論的価値と実践的価値の両面から貢献しています。

経緯と関連報道

battledrones v14:コンパスローズ、4人用マップ

リリース:battledrones v14:コンパスローズ、4人用マップ 私はBattledronesに4人対戦モードを追加しました。従来のマップは2人限定でした。以下は私が最初に使用したプロンプトです:4人対戦用の新マップを追加する—4方向の回転対称性を持ち、最大4人のAIプレイヤーに対応し、WebSocketによる非音声ベースのマルチプレイヤーモードと連携しているため、最大4人の人間プレイヤーが参加可能(空きスロットはAIで補充)です。Claude Opus 4.5では「コンパスローズ」という新マップを追加し、そのマップで最大4人までプレイできるようWebSocketのマルチプレイヤーネットワークコードを修正しました。参加者は共有リンクやQRコードを通じて接続できます。新しいチームは紫と緑をテーマとしたロボットを使用し、既存の青と赤のデザインに加わります。これらのカラーは更新されたモデルブラウザでプレビューできます。タグ:ゲームデザイン、プロジェクト、Claude

経緯と関連報道

クイックスタディ

ツール:クイックスタディ プロンプト to Claude Opus 5.5 ハイ:写真を開くと、数秒でその写真をキャンバス要素と擬似的な絵筆を使って描き上げるアーティファクトを作成します。また、以前にClaude Fableを使ってP5.jsで水彩イラストをシミュレートした実験も参照してください。クイックスタディはソベルエッジ検出を使用しており、Google Fonts以外の外部ライブラリは一切使用していません。タグ:ツール

経緯と関連報道

AnthropicがClaude Duetアプリをリリース:専門的なシーンに特化したAIエージェント製品

Anthropicは、プロフェッショナルと小規模企業向けのAIエージェントアプリ「Claude Duet」を正式にリリースしました。これはClaude Opus 5.5モデルをベースとしており、6,000を超えるコネクタに対応し、日次レポートの自動生成、ダッシュボードの構築、操作の提案、バックグラウンドタスクの実行が可能です。現在はProおよびMaxのサブスクリプションユーザーのみが、待機リストでの試用にアクセスできます。

経緯と関連報道

欧州の複数の主要金融機関が、オープンソースの大規模言語モデルを活用して独自の知能システムを構築しています

GTCベルリン大会において、Revolut、Starling Bank、Lloyds、Santanderなどの欧州の金融機関が、NVIDIAのアクセラレーテッド・コンピューティング・プラットフォームおよびPRAGMA、Nemotronシリーズ、Kumoファミリーといったオープンソースの重み付けモデルを基に、取引分析、音声認識、不正検出、データパイプラインの高速化など、主要なユースケースに対応したプロダクションレベルのAI機能の構築を発表しました。また、データ主権の確保、コストの抑制、法令遵守に基づく導入を重視しています。

経緯と関連報道

Claude Mods:注意力インターフェースの初の実践、人間がプログラミング可能なエージェントインタラクション層

Claude Mods は、Anthropic が提供する Claude Code のプログラマブルなプラグインシステムで、『Attention Interface』の初期形態を示しています。これは、従来の機械向けエージェント実行時フレームワーク(agent harness)から、人間の注意力に焦点を当てたカスタマイズ可能なインタラクション層へと転換したものです。ユーザーは TypeScript や JS を用いて Mods を作成したり、自然言語で Claude に自動生成を指示したりすることで、いつ中断されるか、どのような内容を閲覧するか、どのような意思決定を行うかを自在に制御できます。

経緯と関連報道

バトルドローンズ - オーディオベースのマルチプレイヤー搭載、ビブ・コーデッドRTS

私の最新のビブ・コーデッドゲーム実験は、『バトルドローンズ』というコマンド&コンカー風のRTS(リアルタイムストラテジー)ゲームです(こちらでプレイできます)。これまでの実験とは異なり、今回は実際に遊んでいて楽しい作品に仕上がりました。正直なところ、Claudeに「もっとずっと楽しくして」と頼んだ結果、こうなったことを告白するのは少し恥ずかしいですが…。さらに、近くのデバイス同士でオーディオを用いてゲーム状態を同期させるマルチプレイヤー機能も搭載しています! ここでは、これまでに作ってきた内容と、その過程で学んだことの一部をご紹介します。 バトルドローンズ 私がどのようにこれを構築したか v1:初期プロトタイプ v2:フルスプライト v3:変化に富む地形 v4:楽しさアップデート v5:バトルドローンズが3D化 v8:アルシペラゴ v10:ゴリアテとエージェントバトル エージェントバトル v11:ランダムマップ v12:音によるマルチプレイヤー いくつかの考察 アップデート:オンラインマルチプレイヤー対応 バトルドローンズ 私の当初の目標は、構

経緯と関連報道

llm-echo 0.5

リリース:llm-echo 0.5 新しいLLMのリリースに向けて作業を進めており、プルリクエストのテストを行う過程でllm-echoデバッグプラグインを改めて確認しました。このプラグインは、実際にはLLMを一切使用せず、単に与えられたプロンプトをそのまま返すだけの「モデル」を提供します。今回の新バージョンでは、ツールコールやシステムプロンプト、推論用トークンも考慮したシミュレートされたトークン使用量のカウントが更新されます。 使用例:uvx --with llm-echo llm -m echo 'hi there' -o thinking 1 --usage 出力結果:まずプロンプトを検討し、次に何を言うかを決定します。 { "prompt": "hi there", "system": "", "attachments": [], "stream": true, "previous": [] } トークン使用量:入力2、出力24 タグ:llm

経緯と関連報道

GPT-6.1 ソルのご紹介

GPT-6.1 Sol: Astraの標準的なAPI入力および出力トークン価格の1つのフィフスでコーディング、コンピュータ使用および専門の仕事のための近いAstraの知能.

経緯と関連報道