Anthropicは最新モデル「Claude Opus 4.7」を発表した。前バージョンからコーディング、推論、エージェント的タスクの性能が向上し、フラッグシップモデルとして提供される。
Our latest model, Claude Opus 4.7, is now generally available. Opus 4.7 is a notable improvement on Opus 4.6 in advanced software engineering, with particular gains on the most difficult tasks. Users
過去日のカウントは保持ポリシー（per-source cap / half-life）により縮む場合があります。直近 1〜2 日の活動量の目安としてご覧ください。 Past-day counts may shrink over time due to retention (per-source cap / half-life). Use this chart as a rough gauge of the last 1-2 days.
| Date | Count |
|---|---|
| 2026-05-10 | 7 |
| 2026-05-11 | 38 |
| 2026-05-12 | 48 |
| 2026-05-13 | 84 |
| 2026-05-14 | 321 |
| 2026-05-15 | 442 |
| 2026-05-16 | 54 |
AI要約 Anthropicは最新モデル「Claude Opus 4.7」を発表した。前バージョンからコーディング、推論、エージェント的タスクの性能が向上し、フラッグシップモデルとして提供される。
EN Our latest model, Claude Opus 4.7, is now generally available. Opus 4.7 is a notable improvement on Opus 4.6 in advanced software engineering, with particular gains on the most difficult tasks. Users
AI要約 AnthropicがClaudeおよび新組織「Anthropic Labs」のブランドアイデンティティを刷新した。AIとの対話体験をより人間的で温かみのあるものにするビジュアル言語を採用し、ロゴやタイポグラフィ、配色を一新している。
EN Today, we’re launching Claude Design, a new Anthropic Labs product that lets you collaborate with Claude to create polished visual work like designs, prototypes, slides, one-pagers, and more. Claude D
AI要約 D-VLAは視覚言語行動(VLA)モデルの強化学習を効率化する分散非同期フレームワーク。ロールアウト収集と学習を分離し高い並列性を実現することで、ロボット制御等の大規模VLA学習のスループットと安定性を向上させると見られる。
EN arXiv:2605.13276v2 Announce Type: replace Abstract: The rapid evolution of Embodied AI has enabled Vision-Language-Action (VLA) models to excel in multimodal perception and task execution. However, ap
og AI要約 このエントリは arxiv-cs-ai から収集した research 領域の最新アップデートです。原題:「NeuroState-Bench: A Human-Calibrated Benchmark for Commitment Integrity in LLM Agent Profiles」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.01847v3 Announce Type: replace Abstract: Outcome-only evaluation under-specifies whether an evaluated agent profile preserves the commitments required to solve a multi-turn task coherently.
og AI要約 本論文は、製薬業界で長年使われてきたSASベースのレガシー臨床報告システムを、既存の検証済み資産を破壊せずにAI駆動のファーマコインフォマティクス基盤へ橋渡しする方法論的枠組みを提案する。SASコードを温存しつつ現代的なAI/MLパイプラインと連携させるラッパー設計のケーススタディが示される。
EN arXiv:2605.13905v1 Announce Type: cross Abstract: Drug development and pharmacovigilance are frequently bottlenecked by legacy clinical reporting pipelines. These monolithic systems encode regulatory-
og AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「LLM-Based Robustness Testing of Microservice Applications: An Empirical Study」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14202v1 Announce Type: cross Abstract: Malformed, missing, or boundary-value inputs in microservice APIs can cascade across dependent services, threatening reliability. Robustness testing s
og AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「Correctness-Aware Repository Filtering Under Maximum Effective Context Window Constraints」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14362v1 Announce Type: cross Abstract: Context window efficiency is a practical constraint in large language model (LLM)-based developer tools. Paulsen [12] shows that all tested models deg
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「In-IDE Toolkit for Developers of AI-Based Features」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14612v1 Announce Type: cross Abstract: AI-enabled features built on LLMs and agentic workflows are difficult to test, debug, and reproduce, especially for product-focused software engineers
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「Towards In-Depth Root Cause Localization for Microservices with Multi-Agent Recursion-of-Thought」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14866v1 Announce Type: cross Abstract: As modern microservice systems grow increasingly complex due to dynamic interactions and evolving runtime environments, they experience failures with
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「Viverra: Text-to-Code with Guarantees」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14972v1 Announce Type: cross Abstract: A fundamental limitation of Text-to-Code is that no guarantee can be obtained about the correctness of the generated code. Therefore, to ensure its co
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.13850v1 Announce Type: new Abstract: Existing frameworks for LLM-based agent architectures describe systems from a single perspective: industry guides (Anthropic, Google, LangChain) focus o
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「The Impact of Generative AI on Collaborative Open-Source Software Development: Evidence from GitHub Copilot」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2410.02091v3 Announce Type: replace-cross Abstract: Generative artificial intelligence (AI) facilitates content production and enhances ideation capabilities, which can significantly influence d
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「From Ranking to Reasoning: Explainable Web API Recommendation via Semantic Reasoning」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2511.05820v2 Announce Type: replace-cross Abstract: The rapid growth of Web APIs has made automated Web API recommendation essential for efficient mashup development. However, existing approache
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「CRANE: Constrained Reasoning Injection for Code Agents via Nullspace Editing」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14084v1 Announce Type: cross Abstract: Code agents must both reason over long-horizon repository state and obey strict tool-use protocols. In paired Instruct/Thinking checkpoints, these cap
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「SWE-Chain: Benchmarking Coding Agents on Chained Release-Level Package Upgrades」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14415v1 Announce Type: cross Abstract: Coding agents powered by large language models are increasingly expected to perform realistic software maintenance tasks beyond isolated issue resolut
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「When Retrieval Hurts Code Completion: A Diagnostic Study of Stale Repository Context」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14478v1 Announce Type: cross Abstract: Context: Retrieval-augmented code generation relies on cross-file repository context, but retrieved snippets may come from obsolete project states. Ob
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「Web Agents Should Adopt the Plan-Then-Execute Paradigm」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14290v1 Announce Type: cross Abstract: ReAct has become the default architecture across LLM agents, and many existing web agents follow this paradigm. We argue that it is the wrong default
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「Vibe Code Bench: Evaluating AI Models on End-to-End Web Application Development」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2603.04601v3 Announce Type: replace-cross Abstract: Code generation has emerged as one of AI's highest-impact use cases, yet existing benchmarks measure isolated tasks rather than the complete "
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「Procedural Refinement by LLM-driven Algorithmic Debugging for ARC-AGI-2」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2603.20334v3 Announce Type: replace-cross Abstract: In high-complexity abstract reasoning, a system must infer a latent rule from a few examples or structured observations and apply it to unseen
AI要約 このエントリは arxiv-cs-se から収集した research 領域の最新アップデートです。原題:「(How) Do Large Language Models Understand High-Level Message Sequence Charts?」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.13773v2 Announce Type: replace-cross Abstract: Large Language Models (LLMs) are being employed widely to automate tasks across the software development life-cycle. It is, however, unclear w
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「HodgeCover: Higher-Order Topological Coverage Drives Compression of Sparse Mixture-of-Experts」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.13997v1 Announce Type: cross Abstract: Sparse Mixture-of-Experts (MoE) layers route tokens through a handful of experts, and learning-free compression of these layers reduces inference cost
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「PreFT: Prefill-only finetuning for efficient inference」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14217v1 Announce Type: cross Abstract: Large language models can now be personalised efficiently at scale using parameter efficient finetuning methods (PEFTs), but serving user-specific PEF
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Diagnosing Training Inference Mismatch in LLM Reinforcement Learning」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14220v1 Announce Type: cross Abstract: Modern LLM RL systems separate rollout generation from policy optimization. These two stages are expected to produce token probabilities that match ex
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Active Learners as Efficient PRP Rerankers」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14236v1 Announce Type: cross Abstract: Pairwise Ranking Prompting (PRP) elicits pairwise preference judgments from an LLM, which are then aggregated into a ranking, usually via classical so
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Does RAG Know When Retrieval Is Wrong? Diagnosing Context Compliance under Knowledge Conflict」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14473v1 Announce Type: cross Abstract: The Context-Compliance Regime in Retrieval-Augmented Generation (RAG) occurs when retrieved context dominates the final answer even when it conflicts
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Dimension-Level Intent Fidelity Evaluation for Large Language Models: Evidence from Structured Prompt Ablation」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14517v1 Announce Type: cross Abstract: Holistic evaluation scores capture overall output quality but do not distinguish whether a model reproduced the structural form of a user's request fr
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「AI-assisted cultural heritage dissemination: Comparing NMT and glossary-augmented LLM translation in rock art documents」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14679v1 Announce Type: cross Abstract: Cultural heritage institutions increasingly disseminate research and interpretive materials globally, but multilingual dissemination is constrained by
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Mechanical Enforcement for LLM Governance:Evidence of Governance-Task Decoupling in Financial Decision Systems」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14744v1 Announce Type: cross Abstract: Large language models in regulated financial workflows are governed by natural-language policies that the same model interprets, creating a principal-
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Video2GUI: Synthesizing Large-Scale Interaction Trajectories for Generalized GUI Agent Pretraining」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14747v1 Announce Type: cross Abstract: Recent advances in multimodal large language models have driven growing interest in graphical user interface (GUI) agents, yet their generalization re
AI要約 このエントリは arxiv-cs-cl から収集した research 領域の最新アップデートです。原題:「Non-linear Interventions on Large Language Models」。AI による日本語要約は次回以降の Worker run で生成されます。
EN arXiv:2605.14749v1 Announce Type: cross Abstract: Intervention is one of the most representative and widely used methods for understanding the internal representations of large language models (LLMs).