最新の記事
AI2026-07-06
System Card: Claude Fable 5 & Claude Mythos 5
Claude Fable 5 と Mythos 5 の公式 System Card を、性能表ではなく「強いモデルをどう公開するか」の設計図として読む。
#AIエージェント#システムカード読了 8分
AI2026-07-06
Claude Fable 5 のプロンプト設計は、細かく縛るより境界と検証を置く
Claude Fable 5 / Mythos 5 向け公式プロンプトガイドを、長時間動くAIエージェントの設計メモとして読む。
#AIエージェント#プロンプト設計読了 8分
論文まとめ2026-07-05
SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History
エージェントのスキル更新を、最終版だけでなく採用・却下・評価証拠の履歴として残すと何が変わるのか。
#論文まとめ#エージェントスキル読了 8分
論文まとめ2026-07-04
AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
長期AIエージェントの記憶を、全部の履歴ではなく意思決定ごとの型付き契約として見ると何が変わるのか。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-07-04
Learning Personalized Agents from Human Feedback
個人向けAIエージェントは、静的なプロフィールではなく、確認と修正で更新されるメモリループとして育てるべきなのでは、という論文。
#論文まとめ#AIエージェント読了 8分
論文まとめ2026-07-03
From Signals to Structure: How Memory Architecture Drives Language Emergence in LLM Agents
LLMエージェント同士が共有言語を作る時、信号の容量よりも履歴をどう記憶するかが効くという論文。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-07-02
AutoMem: Automated Learning of Memory as a Cognitive Skill
AIエージェントの記憶を、固定の保存機構ではなく学習できる認知スキルとして見ると何が変わるのか。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-07-01
SWE-INTERACT: Reimagining SWE Benchmarks as User-Driven Long-Horizon Coding Sessions
コーディングエージェントを、一発でパッチを出せるかではなく、ユーザーと要件を発見しながら長い開発セッションを進められるかで評価する論文。
#論文まとめ#コーディングエージェント読了 8分
論文まとめ2026-06-29
Skills for the future software profession: beyond agentic AI!
コーディングエージェント時代に、ソフトウェアエンジニアへ求められる技能がどう変わるのかを考える論文。
#論文まとめ#コーディングエージェント読了 8分
論文まとめ2026-06-29
To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair
コーディングエージェントにテスト実行をいつ許すべきかを、成功率とコストの両面から考える論文。
#論文まとめ#コーディングエージェント読了 8分
論文まとめ2026-06-26
Are We Ready For An Agent-Native Memory System?
AIエージェントの記憶を、RAG部品ではなく保存・抽出・検索・保守を持つデータ管理システムとしてどう評価するか。
#論文まとめ#エージェント記憶読了 8分
AI2026-06-26
LLM・AIエージェント論文でよく見るベンチマークの読み方
MMLU、GPQA、SWE-bench、Terminal-Bench、LongMemEval、SkillEvolBenchなど、LLM・AIエージェント論文でよく見る評価ベンチマークを目的別に整理する。
#AI#LLM読了 8分