最新の記事
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
論文まとめ2026-06-25
Self-Compacting Language Model Agents
長いAIエージェント作業の文脈圧縮を、固定の長さではなく、作業単位が閉じたかで判断する論文。
#論文まとめ#エージェントハーネス読了 8分
論文まとめ2026-06-23
Managing Procedural Memory in LLM Agents: Control, Adaptation, and Evaluation
AIエージェントの経験を、同じ場面だけでなく別タスクや別モデルにも移せる手続き記憶として測る論文。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-06-21
Probe-and-Refine Tuning of Repository Guidance for Coding Agents
AGENTS.mdのようなリポジトリガイダンスを、書いて終わりではなく、失敗プローブで穴を見つけて改善する運用資産として扱う論文。
#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2026-06-19
Ctx2Skill
長い文脈や複雑なルールから、あとで再利用できる自然言語スキルを作れるかを扱う論文。課題生成、回答、採点、更新を回してスキル化を試す。
#論文まとめ#エージェントスキル読了 8分
論文まとめ2026-06-19
Multi-Agent Transactive Memory
LLMエージェントが実行中に生んだ行動軌跡を、別のエージェントが検索して再利用できる共有記憶として扱う論文。
#論文まとめ#エージェント記憶読了 8分
論文まとめ2026-06-18
Externalizing Research Synthesis and Validation in AI Scientists through a Research Harness
AI科学者の研究過程をモデル内部に閉じず、証拠、アイデア、実験、修復、主張監査を外部成果物として残す論文。
#論文まとめ#調査エージェント読了 8分
論文まとめ2026-06-17
A Framework for Evaluating Agentic Skills at Scale
エージェントスキルやSKILL.mdのような手順書が、本当に行動と成果を変えているかを測る評価フレームワーク。代表タスク、隠し評価基準、スキルあり/なし比較で効き方を見る。
#論文まとめ#エージェントスキル読了 8分