#paper page 2/3

AI要約 AIエージェントが人間の規範をリアルタイムで把握し、計画に反映させる手法を提案した研究論文。

EN arXiv:2605.27622v1 Announce Type: new Abstract: To safely interact with humans, AI agents must both know our norms and consider them during planning. However, such norm-guided planning has been less e

AI要約 LLMエージェントの本番運用向けランタイム評価フレームワーク「RAMP」を提案。既存ベンチマークの限界を指摘し、実環境での継続的アセスメントを可能にする。

EN arXiv:2605.27492v1 Announce Type: new Abstract: LLM agents are rapidly evolving from coding assistants into autonomous software engineering systems. However, existing evaluation methodologies remain l

AI要約 LLMを用いたWebアクセシビリティ問題の自動検出・修正を実証評価し、精度とコストのトレードオフを分析した研究論文。

EN arXiv:2605.27716v1 Announce Type: new Abstract: Ensuring web accessibility at scale remains challenging because rule-based tools provide limited coverage while manual remediation is costly and error-p

AI要約 LLMエージェントがAPI呼び出しやファイル操作を安全に行うための検証機構を組み込んだツールチェーン「Tool Forge」を提案する研究論文。

EN arXiv:2605.28000v1 Announce Type: new Abstract: Large language model agents are increasingly expected to perform operational work: calling APIs, manipulating files, assembling workflows, and acting in

AI要約 LLMとModel Context Protocol（MCP）の普及を背景に、APIとのインタラクションを効率化する差分再生成手法DeltaMCPを提案した研究論文。

EN arXiv:2605.28148v1 Announce Type: new Abstract: The rapid development of LLMs coupled with the introduction of Model Context Protocol (MCP) has revolutionized how intelligent agents interact with APIs

AI要約 コード生成だけでなく実際にプレイ可能なゲームを作るため、GUIエージェントを活用した継続的ゲーム生成手法を提案する研究。

EN arXiv:2605.28258v1 Announce Type: new Abstract: Generating a game is not the same as making one that can be played. Despite advances in code generation, existing approaches treat game generation as on

AI要約 外部教師なしでLLM自身がラベルなしプロンプトから合成データを生成・自己検証し、さらに性能を向上させる蒸留手法を提案した研究。

EN arXiv:2605.26132v1 Announce Type: new Abstract: Can post-trained large language models (LLMs) further improve themselves using only unlabeled prompts, without external teachers or feedback from tools?

AI要約 LLMの事前学習データ露出問題を包括的に調査。メンバーシップ推定攻撃、データ汚染、セキュリティリスクを体系的に整理したサーベイ論文。

EN arXiv:2605.26133v1 Announce Type: new Abstract: Large Language Models (LLMs) have become the predominant paradigm in NLP, advancing both research and industry. As model sizes and pretraining data grow

AI要約 自動プロンプトエンジニアリングにコード生成を組み合わせ、オプティマイザ自体をエージェント的に改善するSPEARフレームワークを提案。

EN arXiv:2605.26275v1 Announce Type: new Abstract: Automatic prompt engineering (APE) rewrites prompts to improve downstream task performance, but existing APE loops treat the optimizer itself as a fixed

AI要約 大規模言語モデルの自己生成応答に対してクロスリンガルな対照的選好学習を適用し、多言語性能を向上させる手法CroCoを提案。

EN arXiv:2605.26293v1 Announce Type: new Abstract: Prior work establishes that controlled contrastiveness between self-generated responses from large language models, set via reward scores, improves down

AI要約 放射線腫瘍学向けにLLMを活用した臨床要約・治験マッチングシステム「The Daily Dose」の設計と初期臨床評価を報告。

EN arXiv:2605.26346v1 Announce Type: new Abstract: Objective: To describe the design and early clinical evaluation of The Daily Dose (TDD), an LLM-driven, automated clinical summarization and clinical-tr

AI要約 言語エージェントの反復的な検索行動をクレジットシグナルとして活用し、推論能力を強化するRICE-POを提案した研究論文。

EN arXiv:2605.26352v1 Announce Type: new Abstract: Retrieval is increasingly moving from one-shot matching toward interactive reasoning, where language agents iteratively inspect evidence, reformulate qu

AI要約 In-context learningを暗黙的勾配降下と結びつけ、RAGの文脈選択を最適化フレームワークとして再定式化した研究。

EN arXiv:2605.26356v1 Announce Type: new Abstract: In-context learning has recently been linked to implicit gradient descent in linear self-attention models, suggesting that context can induce a forward-

AI要約 グラフや表などの構造化知識を線形化してLLMに入力する際にハルシネーションが生じるメカニズムを機械的に分析した研究論文。

EN arXiv:2605.26362v1 Announce Type: new Abstract: In many reasoning tasks, large language models (LLMs) rely on structured external knowledge, such as graphs and tables, which is typically linearized in

AI要約 LLMが示す均質な文化的偏りを、世界価値観調査(WVS)を基準として潜在空間の操作で修正する手法を提案した研究。

EN arXiv:2605.26365v1 Announce Type: new Abstract: Large Language Models (LLMs) often exhibit homogenized cultural perspectives. While the World Values Survey (WVS) provides a gold standard for mapping h

AI要約 LLMが意思決定に使われる中、自閉症者への差別的言語検出にアノテーターの属性・立場を心理測定的に重み付けする手法を提案した研究。

EN arXiv:2605.26397v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly used in decision-making tasks where they can amplify or suppress perspectives, raising concerns in high-st

AI要約 LLMを活用し、学習状況に応じたタイムリーな適応フィードバックを生成する教育支援手法を提案した研究論文。

EN arXiv:2605.26405v1 Announce Type: new Abstract: Educational interventions are effective tools for enhancing student learning. While Large Language Models (LLMs) allow for generating adaptive feedback

AI要約 大規模言語モデルが自身の内部状態を検出・報告できるかを批判的に検証した論文。先行研究の主張に異議を唱える。

EN A critical examination of whether LLMs can genuinely detect and report their own internal states, challenging prior studies that claimed they can.

AI要約 長期稼働AIエージェントの永続的メモリをデータベース視点から再考し、設計原則を論じたarXiv論文。

EN An arXiv paper rethinking the data foundations of long-term AI agent memory, examining whether database concepts apply to persistent agent memory systems.

AI要約 物理環境で動作するMLLMベースの具身化エージェントに長期ユーザー履歴を活用したパーソナライズ機能を組み込む研究。

EN A research paper proposing personalization methods for MLLM-based embodied agents that adapt to individual users over extended interaction histories in physical environments.

AI要約 長期稼働するAIエージェントは初期化直後のモデルと同様に評価されがちだが、本論文はその問題を「エージェント老化」として体系化し対策を提案する。

EN This paper argues that long-lived deployed AI agents degrade over time yet are still evaluated as if freshly initialized, and proposes a framework for agent lifespan engineering.

AI要約 科学的ワークフローへの自律型エージェントAI導入に向けた2つの新フレームワークを提案。ローカル／リモートのハイブリッド構成を活用。

EN This paper introduces two novel frameworks for autonomous agentic AI in scientific workflows, leveraging a hybrid Local Body, Remote architecture to support research automation.

AI要約 AIエージェント向けベンチマーク生成時に生じるアーティファクトドリフトを軽減する手法「Anchor」を提案した研究論文。

EN Anchor is a proposed method to reduce artifact drift when generating benchmarks for AI agents tackling long-horizon enterprise tasks.

AI要約 LLMにおける「心の理論」を明示的な信念モデリングで評価する新ベンチマーク「OmniToM」を提案した研究論文。

EN OmniToM is a new benchmark for evaluating Theory of Mind in LLMs, moving beyond end-to-end tasks by requiring explicit belief modeling across knowledge, intentions, and emotions.

AI要約 職業AIエージェントを経済的価値だけでなく人間の意志との整合性で評価する新ベンチマーク「JobBench」を提案。

EN JobBench is a new benchmark for occupational AI agents that goes beyond economic replacement metrics to evaluate alignment with human will and intent.

AI要約 LLMが生成する実験手順知識の不確実性を管理し、教育用仮想実験室をよりスケーラブルかつ適応的にする手法を提案した研究論文。

EN A research paper proposing methods to manage uncertainty in LLM-generated procedural knowledge, aiming to make educational virtual laboratories more scalable and adaptive.

AI要約 自律研究エージェントの検証可能性の失敗を指摘し、証拠の連鎖（Chain-of-Evidence）で信頼性を高める新フレームワークを提案。

EN ScientistOne proposes a Chain-of-Evidence framework to address verifiability failures in autonomous research agents, pushing toward human-level scientific reliability.

AI要約 大規模マルチモーダルモデル（LMM）の知覚・推論能力が、創造的な物理的タスクへ汎化できるかを検討した研究論文。

EN A research paper examining whether perception and reasoning capabilities of large multimodal models generalize to creative physical intelligence tasks.

AI要約 LLMエージェントがビジュアル仕様からWebアプリを生成する能力を評価するベンチマーク「VISTA」を提案。

EN VISTA is a new benchmark for evaluating LLM-based agents on end-to-end web-app generation from visual specifications.

AI要約 多数のツール定義を持つAgentic RAGシステムで、ツールスキーマの圧縮によりコンテキスト制約問題を解決する手法を提案。

EN A new approach compresses tool schemas in agentic RAG systems to resolve the resource conflict between tool definitions and available context budget in LLMs.