JST
Agensh：中央調整なしで1,024エージェントまで拡張可能なマルチエージェントシステム
・複雑なタスクを複数エージェントが並行実行することで遅延を削減するマルチエージェントシステムの研究。 ・既存フレームワークは中央オーケストレーターのボトルネックにより拡張性が制限される課題を指摘。 ・Agenshは中央調整者なしで自己組織化し、1,024エージェントまでスケーリング可能な新フレームワークを提案。 ・分散型アーキテクチャにより、タスク割り当てと並行実行の効率化を実現。
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る1 / 1ページ
- Source
- JSTSource
学習データへの計算的プロパガンダ攻撃：大規模言語モデルの安全性リスク
・大規模言語モデル（LLM）の学習データに悪質な情報を混入させる「ポイズニング攻撃」が、既存研究の想定を超えて実行可能であることを実証。 ・Wikipediaなど単一ソースではなく、実際の学習データのような大規模で多様なデータセットでも攻撃が成立することを確認。 ・データ品質チェック（キュレーション）パイプラインとの相互作用を考慮した新たな攻撃リスクを指摘。 ・LLMに隠蔽された有害な動作が組み込まれ、検出・修復が困難になる可能性を警告...
- JSTSource
AI導入を成功させるIT基盤構築：スケール時代の必須要素
・AI機能の急速な進化とエージェントシステム（自律型AI）への移行に伴い、企業は使用事例を拡大中だが、投資判断の不確実性が増している ・IT責任者は信頼性と統合性を備えたAIアーキテクチャの基礎要素に立ち返る必要があり、これが大規模導入の成功を左右する ・MIT研究は、組織がAI展開と管理を確実に行うための構造的枠組み整備の重要性を指摘
- JSTSource
自動運転車の脆弱性情報を構造化するオープンソースLLMの評価
・接続型・自動運転車（CAV）のセンサーや制御ユニット、通信システムなどに存在する脆弱性が、平文テキストのCVEデータベースに記録されている現状を指摘。 ・セキュリティ実務者が必要とする「影響範囲資産の構造化情報」を、オープンウェイトLLMで自動生成する可能性を検討。 ・自動運転車領域での脆弱性管理効率化に向けた、LLM活用の実現性を評価する研究。
- JSTSource
GitHub プロジェクトによる AI コード生成エージェントの初期採用動向
・GitHub 上の 2,361 個の人気リポジトリから 25,264 件の AI エージェント生成プルリクエストを分析 ・AI エージェントがコード生成と PR 自動提出を行う新しい開発形態の実態を調査 ・プロジェクト単位での AI ツール導入パターンと管理方法の差異を明らかに ・従来の個別 PR 評価ではなく、組織レベルでの採用戦略の重要性を示唆
- JSTSource
AI エージェントによる IoT 脆弱性の自動探索・検証技術
・IoT デバイスは限定的なハードウェア・古いファームウェア・不適切な初期設定により脆弱性が多発している課題を指摘 ・大規模言語モデル（LLM）ベースのAIエージェントをペネトレーションテストに適用し、IoT固有の脆弱性検証を自動化する研究 ・複数エージェントの協調動作により、手作業では対応困難なIoTシステムの包括的なセキュリティテストを実現する提案
- JSTSource
データベースロック解除：ハイパフォーマンス・ストレージリーダーの自動生成による直接読み込み
・分析ワークロードがデータベースドライバ経由でしか読み込めない非効率性に着目した研究 ・Jailbreak：ストレージファイルを直接読み込み、メモリ内に列形式バッファを構成する仕組み ・エージェント技術により、異なるDBMSのストレージ形式に自動対応、クエリ層のオーバーヘッドを削減 ・大規模データ分析の処理速度向上が期待される一方、DB管理方針との調整が課題
- JSTSource
持続状態の AI 制御における分散攻撃
・AI コード生成エージェントがセッション間でコードベースを保持する際、複数のプルリクエストに攻撃ペイロードを分散させる新たな脅威が生じる。 ・プロンプトインジェクションや不正調整されたエージェントが、検出を回避しやすいタイミングで悪意あるコードを統合する可能性がある。 ・研究論文は「Iterative VibeCoding」という実験フレームワークを導入し、自律的で信頼性に課題のある AI の安全な配置を研究している。
- JSTSource
動画理解を推論として再構成──能動的知覚による全モード対応エージェント
・動画の全フレームを均一に処理する従来手法は計算コストが動画長に比例して増大する課題を指摘。 ・OmniAgent という新しいエージェントが、POMDP（部分観測マルコフ決定過程）に基づく反復的な「観察→思考→選択」サイクルで動画理解を実現。 ・能動的知覚により、クエリの難度に応じた効率的なフレーム選択が可能になり、計算コストを削減。 ・複数モダリティ（映像・音声・テキスト等）を統合処理できる汎用エージェント設計。