JST
UniClawBench：実世界タスクで主体的に動作するエージェントの評価ベンチマーク
・大規模言語モデル（LLM）と多モーダルLLMの発展により、実環境で日常のツールを操作する主体的エージェント（Proactive Agent）が登場。 ・既存ベンチマークはサンドボックス環境・単一ターン評価に限定されており、複雑な実世界タスク評価に対応不足。 ・UniClawBenchはこの課題に対応し、複数のモデル能力を分離した新しい評価タスク分類を提案。
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3 / 3ページ
- Source
- JSTSource
AI エージェント企業が自社製品で 1 億ドルの資金調達に成功
・エンタープライズ向け AI エージェントを開発するスタートアップ Lyzr が、自社製品を活用して 1 億ドルの資金調達ラウンドを実行 ・AI エージェントが営業・交渉プロセスを主導し、製品の実効性を実証 ・自動化による営業効率化とビジネスプロセス自動化の可能性を示唆
- JSTSource
MCP ツール設計の実践的なアプローチとトレードオフ
・Model Context Protocol（MCP）ツールの性能低下は、プロトコル自体ではなくツール設計に原因があることが多い ・既存 API をそのまま公開して AI エージェント任せにする手法は単純なユースケースでは機能するが、実装では不十分な場合が多い ・AI エージェントや生成 AI コーディングツールと連携させるには、ツール設計の工夫が必要
- 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
今のエージェンティックAIとは何か、そして企業は何を期待すべきか
・自動実行型のAIエージェント導入が急速に拡大。2025年11月の調査では35%の企業が既に導入、44%が導入予定。 ・エージェンティックAIは複雑なタスクを自律的に実行する能力が特徴。定義と実装方法について企業での認識が多様。 ・技術的可能性と実務上の課題のギャップが存在。企業はビジネス価値の明確化と導入リスク管理が重要。
- JSTSource
GUI自動操作エージェントの自律学習と経験活用による タスク計画精度向上
・Webサイト自動操作エージェントの課題である「複雑なタスク分解」と「サイト間の汎化」に対し、自律探索と過去経験の再利用により改善する PEEU 手法を提案。 ・オープンソースの小規模マルチモーダル言語モデル（MLLM）でも、高コスト商用モデルに近い性能を実現しながらプライバシーと コスト効率を両立可能。 ・実験段階だが、Webスクレイピングや RPA 処理の自動化に応用される見込み。
- JSTSource
Amazon Bedrock AgentCoreにウェブ検索機能が追加、リアルタイム情報への対応が可能に
・Amazon Bedrock AgentCoreにウェブ検索機能が実装され、AIエージェントがリアルタイム情報にアクセス可能になった ・学習時点での固定知識という従来の制限を超え、最新のニュースや株価、リリース情報などへの回答対応が実現 ・エンタープライズ向けAIエージェント構築において、情報鮮度が重要な用途（営業支援、カスタマーサポート等）の実装が現実的に
- JSTSource
AI エージェントとは何か：初心者向けガイド
・AI エージェントはチャットボットと異なり、目標を複数のステップに分解し、判断・ツール利用・実行を自動で行える ・人間による介入を最小限に抑えながら、一連のタスクを自律的に遂行する特性を持つ ・単なる質問応答ではなく、目標達成に向けた段階的なアクション実行が可能
- JSTSource
TokenPilot：LLMエージェント向けキャッシュ効率的コンテキスト管理
・LLMエージェントの長時間セッション運用時に、コンテキスト累積による推論コスト増加が課題となっている。 ・既存のテキスト圧縮・動的メモリ削除手法は、テキスト変更によってキャッシュ無効化とプリフィックス不一致を引き起こす。 ・TokenPilotは、テキスト削減とプロンプトキャッシュ連続性のトレードオフを解決する、二段階粒度のコンテキスト管理手法を提案する。
- JSTSource
文脈認識の強化学習によるエージェント型・マルチモーダルLLMの性能向上
・LLMが長い文脈や複雑な情報から重要な証拠を見落とす課題に対し、文脈認識型強化学習(ContextRL)を提案 ・最終答だけでなく、推論過程を監督する間接的な補助目的関数により、長期推論とマルチモーダル性能を同時に向上 ・ツール実行ログや画像内の細部といった、散在する重要情報の検出精度を改善する手法
- JSTSource
KVEraser：LLMのキャッシュ制御による局所的文脈削除の効率化
・長文生成時のLLM（大規模言語モデル）において、一度処理された情報の影響を後から削除する手法を提案。 ・KVキャッシュの局所編集が後続トークン全体に波及する課題を解決し、全トークン再計算を回避。 ・古い検索結果、不正確なツール出力、撤回された指示、有害なプロンプト注入など、後発的に検出される不要情報を効率的に除外。
- JSTSource
軽量な役割演技モデル実現に向けた「ペルソナ剪定」手法
・言語モデルの役割演技性能を保ちながら、計算コストを削減するペルソナ剪定（Persona-Pruner）を提案 ・複数NPC が同時に相互作用するような実用的なシステムでの過大な計算負荷が課題 ・汎用モデルを単一のペルソナに専用化することの必要性に疑問を提示し、効率化の余地を検討
- JSTSource
Agents-K1：エージェント向け知識統合の新アプローチ
・現在のLLMベース研究エージェントは、論文をアブストラクトや引用のみに削減し、科学的推論に必要な主要な概念や根拠を見落としている ・Agents-K1は、生ドキュメントをエージェント処理可能な形式に変換する知識統合パイプラインを提案 ・論文中の実体、主張、証拠、仕組み、手法の系統性を抽出し、より深い科学的推論を実現