#llm-agents15 total

AI要約PsyAgentBenchは、5つの古典的心理実験を、効果名の明示有無、教科書版と語彙や場面を変えた反実仮想版、ペルソナ条件で比較する。学習データの影響と反応の模倣を切り分け、LLMの心理的偏りを慎重に評価できる。

AI SUMMARYPsyAgentBench reruns five psychology paradigms across named or blind, canonical or counterfactual, and persona conditions, helping separate pattern imitation from bias.

AI要約AIエージェントのオーケストレータではLLM自身がタスク分解・検証・判断を担うため、相関した誤りがそのまま通過してしまうリスクを指摘し、決定論的な検証レイヤーの必要性を論じている。

AI SUMMARYThe article argues that having LLMs both decompose and verify tasks in multi-agent orchestration is akin to sampling from the same distribution twice, allowing correlated errors to slip through undetected, and calls for deterministic validation layers.

AI要約LLMエージェントが自身のトレースを改竄できない仕組みを、OpenTelemetry CollectorとUnixパーミッションのみで実現し、AIの可観測性における信頼性の盲点を解消した。

AI SUMMARYThe author closes two prior demo weaknesses by using OpenTelemetry Collector and Unix permissions to build a structure where an LLM agent cannot tamper with its own execution records, addressing a gap in AI observability.

AI要約本論文は、個人用LLMエージェントをユーザーの状況や時間的変化を考慮して評価する新たなフレームワークを提案し、既存ベンチマークでは捉えられなかった現実的な評価軸を提供する。

AI SUMMARYThis paper proposes a framework for evaluating personal LLM agents conditioned on individual user contexts and temporal interventions, addressing gaps in existing benchmarks that overlook real-world variability.

AI要約Amazon Bedrock AgentCoreの最適化機能を活用し、エラーを返さずに誤った結果を出すエージェントの「サイレント障害」を検出・診断する手法を解説。信頼性の高いAIエージェント運用に役立つ。

AI SUMMARYThis article explains how to use Amazon Bedrock AgentCore's optimization capabilities to detect silent agent failures—cases where an agent produces incorrect results without throwing errors—helping teams build more reliable and observable AI agent systems.

AI要約過去の実行履歴をメモリとして活用する投機的デコード手法を提案し、LLMエージェントの推論を無損失で大幅に高速化することを実現した。繰り返しタスクが多いエージェント環境での実用的な高速化に貢献する。

AI SUMMARYThis paper proposes a speculative decoding method that leverages past execution history as memory to accelerate LLM agents without any output quality loss, offering practical speedups in repetitive agentic workflows.

AI要約RouteRecは、複数の推薦エージェントをどう選択・集約するかを厳密に評価するベンチマークを提案し、エージェント間のルーティング戦略の有効性を体系的に測定できる点で重要。

AI SUMMARYRouteRec introduces a rigorous benchmark for evaluating how recommender agents are selected and aggregated, enabling systematic measurement of routing strategies across multiple agents.

AI要約検索APIが同程度の精度を示しても、返却される証拠の質や多様性に大きな差があり、ツール利用エージェントの意思決定に偏りをもたらすことを明らかにした研究。

AI SUMMARYThis paper shows that search APIs with similar accuracy can differ substantially in evidence quality and diversity, introducing hidden biases into tool-using agents' decisions.

AI要約コーディングエージェントのテストハーネスを自動的に最適化することで、大型モデルに依存せず小型モデルでも高い性能を実現し、運用コストを約90%削減できることを示した研究。

AI SUMMARYThis paper shows that automatically adapting test harnesses for coding agents allows smaller, cheaper models to match large-model performance, cutting agent operational costs by roughly 90%.

AI要約企業向けLLMエージェントの動作を検証・監査可能にする「ハーネスエンジニアリング」手法を提案し、プロンプト設計を形式的な契約として扱うことで信頼性とガバナンスを高める。

AI SUMMARYThis paper proposes harness engineering, a framework that treats LLM agent prompts as formal contracts to enable auditability and governance in enterprise deployments, improving reliability and accountability.

AI要約LLMエージェントが自らツールを作成・改良しながら低遅延環境で動作する手法を提案し、エージェントの自律的な能力拡張と応答速度の両立を実現した研究。

AI SUMMARYThis paper proposes a framework where LLM agents autonomously create and refine tools while operating under low-latency constraints, enabling self-improvement without sacrificing response speed.

AI要約GitHubが社内向けに構築したCopilot搭載データ分析エージェント「Qubot」の事例を解説。社員が自然言語でデータを問い合わせできる仕組みと、構築過程で得た設計や運用上の知見を共有している。

AI SUMMARYGitHub shares how it built Qubot, an internal Copilot-powered analytics agent that lets employees query company data in plain language, detailing its architecture and the lessons learned.

AI要約AIリサーチエージェントが機密情報をモザイク的に漏洩させるリスク「MosaicLeaks」を検証した研究で、ローカルLLMを用いたエージェント設計における情報セキュリティの重要性を示している。

AI SUMMARYThis research introduces MosaicLeaks, a study examining how AI research agents can inadvertently leak sensitive information through aggregated outputs, highlighting critical security considerations for agent design using open models.

AI要約AIエージェント開発で混同されがちな「ハーネス」「スキャフォールド」などの用語を整理し、正確な共通語彙を確立することの重要性を解説した記事。

AI SUMMARYHuggingFace clarifies commonly confused AI agent terminology such as 'harness' and 'scaffold', providing a shared vocabulary that helps developers communicate more precisely when building agent systems.

AI要約Mcp2cliは任意のAPIを単一CLIとして扱えるようにし、ネイティブMCP比でトークン消費を96〜99%削減する。必要時のみヘルプを参照する設計で、LLMエージェントのコンテキスト負荷を抑え、API連携を効率化できる。

AI SUMMARYMcp2cli exposes any API through one CLI while using 96–99% fewer tokens than native MCP. On-demand help reduces tool-definition overhead for LLM agents with limited context.