10月 29 2026 0 LLMエージェントが白箱攻撃アルゴリズムを自律発見するClaudini 投稿者: 亜美と智也のAI論文解説 編集部 Claudiniは、Claude CodeやCodexなどのLLMエージェントを、30以上の既存攻撃実装と固定計算予算の評価スクリプトに接続し、白箱ジェイルブレイク／プロンプトインジェクション用の攻撃アルゴリズムを自律反復で改良する。
10月 29 2026 0 LLMの複数事実リスト回答を評価するLISTQAベンチマーク 投稿者: 亜美と智也のAI論文解説 編集部 LISTQAは、3〜10要素のリストで答える事実知識検索を測る人手検証済み9,045問のベンチマーク。単純リストと複合リストを含み、最適な要素対応付けとLLM判定で正解・幻覚・形式を評価する。
10月 29 2026 0 自然言語仕様から実行可能なソフトウェア工学ベンチマークを自動構築するBenchMeUp 投稿者: 亜美と智也のAI論文解説 編集部 BenchMeUpは、研究者が書いた自然言語のベンチマーク仕様から、LLMエージェントを使って実行可能なソフトウェア工学ベンチマークを自動構築する手法です。
10月 29 2026 0 ThinkWorld：人間とロボットの動画で世界想像を行動推論に使うVLA 投稿者: 亜美と智也のAI論文解説 編集部 ThinkWorldは、人間動画とロボット動画から共通の離散モーション列（Chain-of-Dynamics）を学び、その列が想像する未来と観測未来の一致を報酬に強化学習するVLA枠組みです。
10月 28 2026 0 GPUカーネル最適化でAIエージェントチームを自己再編する手法 投稿者: 亜美と智也のAI論文解説 編集部 EVOLVING AGENT TEAMSは、中央のスーパーバイザが停滞原因を診断し、役割・協調・知識管理を再設計しながら、永続ファイルシステムで経験を引き継ぐマルチエージェント枠組みです。
10月 28 2026 0 Rustcのバグ切り分けをLLMの階層的文書化と実行証拠で支援するHIDE 投稿者: 亜美と智也のAI論文解説 編集部 HIDEは、rustcのソースをfile→module→crateの順にLLMで文書化し、Issue説明・失敗プログラム・コンパイラログ・クエリトレースを証拠に、crate→module→fileの順で疑わしいファイルを絞り込む。
10月 28 2026 0 ツール利用AIの性能を合成環境データ構成から予測するスケーリング則 投稿者: 亜美と智也のAI論文解説 編集部 SynthAPIは、ツール・タスク・DB状態の多様性を制御して実行可能な合成ツール利用環境を作り、そのデータ構成から下流性能を予測するスケーリング則を導出します。データ予算が増えるほど、タスク数追加よりツールやDB状態の多様性・複雑さの拡大が効くと報告しています。
10月 28 2026 0 ロボット操作AIをEBenchで比較、ポリシー連携で成功率向上 投稿者: 亜美と智也のAI論文解説 編集部 GPT-6-Astraを核とするロボット操作エージェントをEBenchで、直接制御と学習済みVLA/WAMポリシーを呼ぶ構成の2通りで評価した報告。直接制御は短期タスクや汎化で競争力がある一方、長期・卓上・高精度接触に弱い。
10月 28 2026 0 LLM研究レポートの過剰な断定を定量化するSMOOTHSCORE 投稿者: 亜美と智也のAI論文解説 編集部 深掘りリサーチAIは、引用付きの長文レポートで、証拠が混在・限定的でも断定的な結論を出しがちです。論文は結論クレームごとに支持・反対の証拠を集め、観点別に整理して1〜5点で「平滑化」を測るSMOOTHSCOREを提案しています。7システム・4データセットで広く見られたと報告されています。
10月 28 2026 0 GitHub Actionsの次ステップをActionとScriptに分ける補完手法 投稿者: 亜美と智也のAI論文解説 編集部 GitHub Actionsの次ステップ補完で、ActionとScriptを同じ生成問題として扱う従来の曖昧さを減らすのがFLOWSTEPです。まずRoBERTaで種別を判定し、Actionは対照学習付きRoBERTaで選択、ScriptはLLMで生成します。