宝探しに近いかもしれないね。これは製薬業界で、投資家や企業が新しい薬の種、つまり『ドラッグ・アセット』を世界中から探し出すためのAIエージェントについての研究だよ。

それがそう簡単じゃないんだ。実は新薬の情報って、アメリカ以外の地域のニュースや、現地の言語でしか公開されていないことが多いんだよ。例えば、特許出願の約48%は中国からだったりするしね。

その通り。一つの有望な薬を見逃すだけで、何十億ドルもの損失になることもある。でも、今のAIは情報の要約は得意だけど、世界中のサイトを隅々まで調べて『全部見つける』っていう網羅性が足りないんだ。

そうだよ。このエージェントは『ツリーベース』、つまり樹形図のように探索を進める仕組みなんだ。情報を探す過程で、まだ調べていない枝分かれしたルートを見つけたら、そこに計算リソースを割り当てて深掘りしていくんだよ。

例えは悪くないね。さらに、複数のAIが協力する『マルチエージェントシステム』を使っていて、現地の言葉でニュースを読み取る担当や、情報の正しさを検証する担当に分かれているんだ。これで嘘の情報、いわゆるハルシネーションも防いでいる。

実験結果は圧倒的だよ。F1スコアっていう、情報の正確さと網羅性をバランスよく評価する指標があるんだけど、Bioptic Agentは79.7%を記録したんだ。Claude 4.6が56.2%、GPT-5.2 Proが46.6%だから、その差は歴然だね。

完全にゼロにはならないけど、専門家が何週間もかけていた作業を劇的に短縮できるはずだよ。ただ、課題もある。まだ計算コストが高いし、非常に複雑な特許情報の解釈なんかは、さらなる進化が必要だね。

そうだね。この『網羅的に探す』という技術は、製薬以外にも市場調査や競合分析なんかにも応用できる可能性がある。AIが単なる物知りから、プロの調査員に進化していく重要な一歩だと思うよ。

それはただの落とし物だろ。AIを使う前に、まずは自分の足元を網羅的に探しなよ。

ああ、それはAIエージェントを強化学習で鍛えるための新しい手法についての論文だよ。亜美さん、AIエージェントが何かはわかる？

正解。でも、そういう「道具を使うAI」を育てるのはすごく難しいんだ。例えば「旅行の計画を立てて」って頼んだとき、何が『正解』か決めるのが難しいだろ？

そうなんだ。これまでの強化学習は「答えが合っているか」という明確な報酬に頼りすぎていた。でも、現実の複雑なやり取りにはそんな明確な報酬がない。それがこの論文が解決しようとしている課題だよ。

そこで「チェックリスト報酬」の出番だ。AIの行動を「ユーザーの質問に答えたか？」「適切なツールを選んだか？」みたいに、細かい「はい／いいえ」の項目に分解するんだよ。

鋭いね。この論文の面白いところは「評価基準は細かく、でも報酬を与えるタイミングは控えめに」という戦略をとっている点だ。一歩ごとに報酬を出すとノイズが混じりやすいから、ターンの区切りなどでまとめて評価するんだよ。

そこも工夫されている。本物のツールを全部用意するのは無理だから、LLMにツールのふりをさせる「シミュレーション環境」を作ったんだ。これで、実際には存在しないツールでも学習に使えるようになった。

まあ、そんな感じだね。実験結果では、このCM2を使ったモデルは、普通に学習させたモデル（SFT）よりも、ベンチマークテストで10ポイント以上もスコアが上がったんだ。

かなりすごいよ。特に、何度もやり取りが必要な複雑なタスクで強みを発揮している。8Bっていう比較的コンパクトなサイズのモデルでも、もっと大きなモデルに匹敵する性能を出せているんだ。

専門的な知識が必要な仕事の自動化や、もっと自然な会話ができる秘書AIが作れるようになるはずだ。特定の環境に依存しないから、応用範囲はすごく広いよ。

課題としては、シミュレーション環境自体に間違いが含まれていると、AIが変な癖を学習してしまう可能性があることかな。あとは、チェックリストを作るLLM自体の性能にも左右される。

そうだね。だから今後は、より正確なシミュレーションや、自動で高品質なチェックリストを作る研究が進むと思うよ。

亜美さんの場合は、まず「いいえ」を減らすところから始めないと、いつまで経っても学習が進まないよ。

ああ、これはJavaScriptエンジンのバグを効率よく見つけるための研究だよ。AIエージェントを使って、テスト結果の『ノイズ』を自動で仕分けするんだ。

いや、そういう意味じゃない。JavaScriptエンジンってV8とかSpiderMonkeyとか色々あるだろ？それらに同じコードを実行させて結果を比べる『差分ファジング』っていう手法があるんだ。結果が違えばバグの可能性があるんだけど……。

正解。仕様書で『ここは各エンジンが自由に決めていいよ』って書かれている部分があると、結果が違ってもバグじゃない。これが『ノイズ』だ。今までは人間が手作業でこれを見分けていたから、すごく時間がかかっていたんだよ。

そこがこの論文の面白いところでね。一つのAIに全部任せるんじゃなくて、3つの専門家エージェントに役割分担させているんだ。まず『Finder』が問題のコードを特定して、『Checker』が仕様書を調べて正解を確認する。

3人目は『Critic（批評家）』だ。こいつが重要で、前の二人が出した結論が本当に正しいか、実際にターミナルでコードを実行して確かめるんだ。これでAI特有の嘘、つまりハルシネーションを防いでいるんだよ。

いや、まだ課題はあるよ。仕様が複雑すぎるとAIでも判断を迷うことがあるし、評価用のデータを作るためにK-means法っていうクラスタリング技術を使って効率化してはいるけど、最終的な確認にはまだ人間の知恵が必要な場面もあるんだ。

その通り。著者たちも、JavaScript以外のシステムに応用するのが次のステップだって言っているよ。テストの自動化がもっと進めば、ソフトウェアの信頼性は格段に上がるだろうね。

ああ、ML-Master 2.0の論文だね。SFじゃなくて、AIが数日とか数週間かかるような長い研究タスクをどうやってやり遂げるかっていう、すごく真面目な研究だよ。

疲れるっていうか、今のAIは「記憶」の限界があるんだ。長い作業をすると、細かい実行ログとかエラーに埋もれちゃって、最初に何をしようとしてたか忘れちゃうんだよ。これを「文脈の飽和」って呼んでいる。

……まあ、似たようなものかな。この論文では、その問題を解決するために「階層的認知キャッシュ（HCC）」っていう仕組みを提案しているんだ。

簡単に言うと、情報を3つのレベルに分けて整理するんだ。L1は「その場の経験」、L2は「まとまった知識」、L3は「他の仕事でも使える知恵」って感じだね。コンピュータのメモリとハードディスクの関係に近いかな。

その通り。試行錯誤した生の結果はL1に置いておいて、そこから得られた戦略的な反省をL2に昇格させる。さらに、タスクが変わっても役立つ普遍的なコツをL3として蓄積するんだ。これを「コンテキスト移行」と呼んでいるよ。

そうだね。特に難しい課題での伸びがすごくて、長期的な試行錯誤が必要な場面でこの「認知の蓄積」が効いていることが証明されたんだ。これは将来、AIが自律的に新しい科学的発見をする「エージェント科学」の大きな一歩になるはずだよ。

もちろん課題はあるよ。今はまだAI開発（MLE）に特化しているし、情報の「昇格」や「破棄」のルールをもっと洗練させる必要がある。物理的な実験装置を動かすような、もっと複雑な科学分野への応用もこれからの研究課題だね。

それはただの食いしん坊の記録だろ。L3に蓄積されるのは「食べ過ぎ注意」っていう知恵だけになりそうだな。

いや、お宝じゃなくてAIの効率化の話だよ。最近のAIエージェントって、ネットで調べ物をしたりツールを使ったりして、何度もやり取りを繰り返すだろ？そうすると会話がどんどん長くなって、お金もかかるし返事も遅くなるんだ。それを解決するのが『プロンプトキャッシュ』っていう技術だよ。

仕組みは似てるね。AIが一度計算した内容を保存しておいて、次の質問の時に使い回すんだ。そうすれば、同じことを何度も計算しなくて済むだろ？この論文では、OpenAIやGoogleの最新モデルを使って、どうすれば一番賢くキャッシュを使えるか実験してるんだよ。

それがそうでもないんだ。何でもかんでもキャッシュしようとすると、逆に遅くなることもある。ツールを使った結果みたいに毎回変わる内容をキャッシュに含めると、それを保存する処理自体がオーバーヘッドになっちゃうんだよ。これを論文では『キャッシュを壊す』って表現してるんだね。

論文では3つの戦略を試してる。全部保存する『フルコンテキスト』、AIへの指示書である『システムプロンプト』だけ保存する形、そして『ツールの結果だけ除外』する形だ。結果として、システムプロンプトだけを固定してキャッシュするのが、一番安定して効果が出たらしいよ。

驚くよ。コストは最大で80%も安くなって、返事が始まるまでの時間も30%くらい短くなるんだ。GPT-5.2みたいな最新モデルでもしっかり効果が出てる。

例えが主婦っぽいけど、その通りだね。これからはAIをただ使うだけじゃなくて、キャッシュが効きやすいようにプロンプトを組み立てる『コンテキスト・エンジニアリング』が重要になるってこの論文は示唆しているんだ。

プロバイダーごとにキャッシュが消えるまでの時間や、キャッシュが有効になる最小の文字数が違うんだ。だから、どのAIを使うかによって戦略を変えないといけないのが難しいところだね。今後はもっと自動で最適化してくれる技術が必要になるだろうな。

……それはただの『残り物』だろ。早く冷蔵庫に入れなよ。