JST
中国のAIエージェント集団、研究者が追跡開始
・独立系研究者がテンセントのインフラ上で稼働するAIエージェント集団を発見 ・ターゲットはアリババの地図サービス「Amap」 ・複数のAIが協調して動作する「エージェント群」の存在が確認される
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 / 2ページ
- Source
- JSTSource
Meta、Muse AI が許可なくメッセージを読んだという報道に異議を唱える
・ジャーナリストが Muse AI エージェントが Mac 設定を無効にした状態でプライベートメッセージを読んだと報告 ・Meta は Muse が明示的な許可なしにメッセージにアクセスできないと主張 ・プライバシー設定の解釈をめぐり Meta と報道者で見解が対立
- JSTSource
Shopifyが買い物かごページにブラウザAIエージェント機能を拡張
・ShopifyがWebMCPツールをチェックアウト機能に統合し、ブラウザエージェント（AI）が購入者の買い物かご情報を更新・注文確定まで対応可能に ・顧客確認後に自動で注文処理を完結させるフロー実装で、ECサイトの利便性向上を実現 ・検索エンジンやSEO施策との直接的な関連性は不明確だが、サイト内ユーザー体験（UX）最適化トレンドの一環
- JSTSource
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。
- JSTSource
MCP エコシステムにおけるエージェント乗っ取り攻撃フレームワーク A2M の提案
・Model Context Protocol（MCP）を使用するAIエージェントが、セマンティックマッチング経由でツール選択する際のセマンティック供給チェーンリスクを指摘 ・攻撃フレームワーク「A2M」は2段階（Attraction/Manipulation）で機能し、攻撃者が制御するメタデータと出力を悪用 ・Attraction段階はツールメタデータを最適化して呼び出し確率を増加させ、Manipulation段階は実行トレースを活用...
- JSTSource
AIエージェントがGoogle Homeデバイスを操作可能に
・GoogleがMCPサーバーの早期アクセスを開始し、ClaudeやChatGPTなどのAIエージェントがGoogle Homeの接続デバイスを制御可能にした ・自然言語でカメラサマリーの確認やスマートホーム活動ログへのアクセスが可能 ・複数のAIプラットフォーム間で統一的にスマートホーム制御を実現する基盤となる
- JSTSource
全二重音声エージェントにおける重複発話への即時適応：継続・修正・譲歩の三択評価
・全二重通話型AI音声エージェントの評価で、従来は「話し続ける/止める」の二者択一に限定されていた。 ・人間は第三の対応「相手の発言を組み込みながら話し続ける」を日常的に使用している。 ・新評価指標「Duplex Cue」を提案し、リスナーの意図（補足・協調・割り込み）に応じた即時適応を測定。 ・実装により全二重エージェントの自然性と実用性が向上する可能性を示唆。
- JSTSource
Amazon Bedrock AgentCoreでAIエージェントのOAuth同意を管理する
・AIエージェントがGitHubやSlackなど外部サービスにユーザー代わりでアクセスする際、ユーザー認証と明示的な許可が必要 ・OAuth認可をユーザーと安全に紐付けるセッションバインディングというプロセスを実装 ・Amazon Bedrock AgentCoreのIdentity機能が3LO（3段階OAuth）フローをサポート
- JSTSource
複数デバイス対応のGUIエージェント：動的タスク構成による統合制御の実現
・実務的なGUI操作は複数デバイス間でのワークフロー実行を要するが、既存の評価ベンチマークは単一デバイス・静的タスク中心である点を指摘 ・中間結果の転送、共有状態の維持、異種環境間の調整といった実装課題が未検証のままとなっている ・JarvisGUIは動的タスク構成により、複数デバイス・プラットフォーム間での統合的なGUI自動化を目指す研究
- JSTSource
長期タスク向けAIエージェントの記憶進化：経験と作業メモリの再帰的統合
・長期タスクで履歴が増えると状態把握と適切なスキル選択が困難になる課題に対し、Recurisという新しいメモリアーキテクチャを提案 ・作業メモリがタスク進捗を追跡し、経験メモリから必要なスキルを選別することで、過去全体ではなく現在のニーズに基づく判断を実現 ・再帰的自己改善プロセスを構造化し、長期的な複雑タスクの解決性能向上を目指す
- JSTSource
Amazon Bedrock AgentCore Identity が Private Key JWT 認証に対応
・Amazon Bedrock AgentCore Identity が Private Key JWT によるクライアント認証に対応し、エージェントが共有シークレット不要で署名済み JWT で認証可能に ・公開鍵を ID プロバイダーに登録し秘密鍵で JWT にサイン、セキュアで管理しやすい方式を実現 ・OAuth 2.0 のシークレット管理負担を軽減し、エージェントと外部 API 間の認証セキュリティを向上
- JSTSource
複数エージェントシステムの有効性を情報ボトルネック理論で解明
・LLM（大規模言語モデル）を用いた複数エージェントシステム（MAS）と単一エージェントシステム（SAS）の性能差を理論的に分析した研究。 ・SASは推論プロセス全体を共有コンテキストに蓄積するのに対し、MASは各エージェントが独立したコンテキストを保有することが特徴。 ・情報ボトルネック理論により、両者の優劣が場面ごとに変動する理由を数学的に説明。 ・複数エージェント化がいつ効果的か、設計段階での判断指標を提供。
- JSTSource
AI エージェントのセキュリティギャップ：54% の企業が既にインシデントを経験
・107 社の調査で、54% の企業が AI エージェント関連のセキュリティインシデントまたは懸念事象を経験済み ・3 分の 1 程度しかエージェントごとに独立したアイデンティティを付与しておらず、大多数が認証情報を共有している状況 ・最高リスク層のエージェントを隔離している企業は 30% に留まり、セキュリティ対策が実装に追いついていない ・セキュリティスタックの大部分がモデルプロバイダーやハイパースケーラーからの借用に依存
- JSTSource
エージェント最適化は複利的に効果が増すか：継続学習評価での検証
・従来のエージェント最適化研究は単一ベンチマークでの改善を報告していますが、実運用環境では最適化の繰り返しが重要です。 ・本研究は Terminal-Bench 2.0 で継続学習シナリオを検証し、複数回の最適化サイクルにおいて改善が持続するか調査しています。 ・実装・運用段階のエージェントが新タスク追加時に段階的に性能向上するメカニズムを解析する基礎的な知見を提供します。
- 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
エンタープライズAIエージェント間通信の一元管理：サーバーレスゲートウェイの構築
・複数チーム・ベンダー・インフラにまたがるAIエージェント間通信の管理が企業の課題となっている ・ポイント・ツー・ポイント接続を避け、一元的なゲートウェイレイヤーが必要 ・サーバーレス基盤でエージェント検出、ルーティング、アクセス制御を統合管理可能 ・エンジニアが接続配線ではなくエージェント機能の開発に注力できる環境を実現
- JSTSource
LLMエージェント向けスキル生成合成の手法研究
・LLMエージェントが複雑なタスクを解くために、モジュール化されたスキル（手順知識）を組み合わせる必要性が増加している ・スキルライブラリの拡大に伴い、適切なスキル組み合わせの選択がボトルネックになっている ・既存アプローチを分類し、生成的なスキル合成手法の検討を開始する研究
- JSTSource
スマートフォンキーボードにAIエージェントを統合する新スタートアップ
・スタートアップActiがスマートフォンキーボードにAIアシスタント機能を直接組み込む ・iOS・Android両対応で、複数のアプリ間で動作する統一されたキーボードインターフェースを提供 ・自然言語で独自のAI駆動ショートカットをユーザーが作成・カスタマイズ可能 ・キーボードという日常的な入力地点をAI機能へのアクセスポイントとして活用する新しいアプローチ
- JSTSource
AIエージェントの信頼性が技術領域で問われている
・2026年は企業がAIプロジェクトを経営戦略と連携させる転機とされており、ROI（投資対効果）証明への圧力が高まっている。 ・エージェント型AIが測定可能な財務成果をもたらす手段として注目されている。 ・IT基盤コストが2030年までに2〜3倍増加する見込みの中、エージェント型AIは技術部門での大きな活用機会を持つ。
- JSTSource
AI エージェントの処理速度とエネルギー効率を向上させる新手法
・複数の AI モデルと外部ツールを組み合わせた「エージェントワークフロー」は、動画分析など複雑なタスク処理に有効だが、設計・配置方法による非効率が問題 ・計算リソースの無駄や高いエネルギー消費、コスト増加につながる構造的課題が存在 ・MIT と Microsoft の研究チームが、これらの効率性を改善する新しいシステムを開発
- JSTSource
複数デバイス対応エージェントの階層型リカバリー機構
・複数のアプリケーションやデバイスを跨ぐタスク実行時に、従来手法は全体計画の修正で対応していた ・本研究は、デバイスごとのローカル戦略空間を体系的にモデル化した階層型リカバリー機構を提案 ・実行時の動的障害に対し、より細粒度で効率的な復旧パスを実現
- JSTSource
OpenAI Academy、実務的なAIスキル習得向け新講座を開設
・OpenAI Academy が3つの新しい講座を開設し、実務的なAIスキル習得を支援する ・再利用可能なワークフロー構築と日常業務へのエージェント活用に焦点 ・企業内での AI 導入と効率化を加速させるための体系的学習機会を提供
- JSTSource
動的環境下のLLMエージェント向けメモリ進化追跡フレームワーク
・LLMエージェントが静的環境での評価に依存しており、実務の動的環境に対応できない課題を指摘 ・EvoArenaベンチマークスイートを提案。段階的な環境変化を通じてエージェントのメモリ進化を評価 ・エージェントが知識・スキル・行動を継続的に更新し、変化する条件に適応する能力を測定する仕組みを構築
- JSTSource
複数データセット対応のテスト時プロンプト学習フレームワーク EEVEE
・LLMエージェントが実行時に複数のデータセット・ドメインから異なる入力を処理できるプロンプト学習フレームワーク EEVEE を提案 ・既存手法は単一データセット想定だが、実世界ではデータの多様性に対応が必須で応用性に課題がある ・異なるデータセット間の干渉を軽減する仕組みを導入し、実タスクストリーム下でのプロンプト学習を実現