マルチエージェントLLMによるインターネット規模の構造化抽出、エージェントスキルの形式的表現、長期シミュレーション環境構築など、LLMエージェントの実用基盤を支える研究が集中した一日。離散拡散言語モデルやMoE推論高速化など基盤技術の進展も注目に値する。
注目論文
Web2BigTable: A Bi-Level Multi-Agent LLM System for Internet-Scale Information Search and Extraction
著者: Yuxuan Huang, Yihang Chen, Zhiyuan He et al.
エージェント型ウェブ検索は、単一対象への深い推論と多数エンティティ・異種ソースにわたる構造化集約という二つの相反する要求に直面している。本研究はスキーマ整合的な出力を広範なカバレッジで生成する二層マルチエージェントLLMシステムを提案した（25 upvotes）。
新規性: 深度優先（単一対象への推論）と幅優先（多エンティティの網羅的収集）を二層構造で同時に解決する点が独自である。既存のエージェント型検索が一方にしか対応できなかった問題を、階層的なエージェント協調で克服した。
手法: 上位エージェントがスキーマ定義とエンティティ分割を担当し、下位エージェント群が各エンティティについて異種ウェブソースから情報を検索・抽出する。クロスエンティティ整合性チェックにより、大規模テーブル形式での構造化出力を実現する。
Synthetic Computers at Scale for Long-Horizon Productivity Simulation
著者: Tao Ge, Baolin Peng, Hao Cheng et al.
現実的な長期生産性タスクはユーザー固有のコンピュータ環境に強く依存するが、そのようなシナリオの合成データ生成は困難であった。本研究はディレクトリ構造やコンテンツリッチな成果物を含む合成コンピュータ環境を大規模に生成する手法を提案した（15 upvotes）。
新規性: 長期的な生産性シミュレーションにおいて、ユーザー固有のコンテキスト（ファイル構造、ドキュメント内容等）を含む合成環境を自動生成する点が画期的である。エージェント評価・訓練データのスケーラビリティ問題に直接対処した。
手法: ディレクトリ構造とコンテンツリッチな成果物を含む合成コンピュータ環境を体系的に生成し、長期にわたる生産性ワークフローのシミュレーションを可能にする。生成環境の多様性と現実性を両立させる設計により、大規模なエージェント訓練データの構築を実現する。
From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills
著者: Qiliang Liang, Hansi Wang, Zhong Liang et al.
LLMエージェントは再利用可能なスキルに依存する度合いを増しているが、現行システムではスキルがテキスト記述（SKILL.md等）に留まり、制御フロー・制約・ツール呼び出しの構造が暗黙的である。本研究はスキルの構造的表現を提案した（10 upvotes）。
新規性: エージェントスキルをテキストから構造化された形式的表現（スケジューリング・構造・論理の三層）に変換する枠組みを確立した点が重要である。暗黙的なスキル記述の曖昧さを排除し、エージェントの実行信頼性を向上させる。
手法: 指示文・制御フロー・制約条件・ツール呼び出しを含むスキルパッケージを、スケジューリング（実行順序）・構造（依存関係）・論理（制約条件）の三層からなる形式的表現に変換。テキスト記述では失われがちなマクロ構造を明示的にモデル化する。
Stable-GFlowNet: Toward Diverse and Robust LLM Red-Teaming via Contrastive Trajectory Balance
著者: Minchan Kwon, Sunghyun Baek, Minseo Kim et al.
LLMレッドチーミングでは効果的かつ多様な攻撃を発見することが重要だが、両立は困難である。生成フローネットワーク（GFN）は分布マッチングに基づく探索で有望だが、訓練の不安定性と報酬ハッキングの問題がある。本研究は対照的軌跡バランスによる安定化手法を提案した（9 upvotes）。
新規性: GFNの軌跡バランス目的関数に対照学習を導入し、モード崩壊と報酬ハッキングを同時に抑制する点が独自である。多様性と攻撃有効性のトレードオフを改善し、より堅牢なレッドチーミングを実現した。
手法: 対照的軌跡バランス目的関数を設計し、成功した攻撃軌跡間の多様性を明示的に促進しつつ、報酬分布への忠実なマッチングを維持する。これにより、GFNベースのレッドチーミングにおける訓練安定性と生成多様性を大幅に改善した。
Consistent Diffusion Language Models
著者: Hasan Amin, Yuan Gao, Yaser Souri et al.
拡散言語モデル（DLM）は並列生成を可能にする有望な代替手段だが、高品質サンプルの生成に多数の精製ステップを要する。連続空間での一貫性訓練は確率フローODEに沿って実現されるが、離散拡散には対応するODEが存在しない。本研究は離散拡散に対する一貫性学習フレームワークCDLMを提案した。
新規性: 離散拡散における確率的後方ブリッジを連続空間のODE軌跡の代替として活用し、パス不変性に基づく一貫性訓練を離散空間で初めて実現した。マスク拡散・連続一貫性モデル・段階的蒸留を単一目的関数の解析的極限として統一する理論的貢献も重要である。
手法: 多パス離散一貫性（MPDC）原理を導入し、確率的ブリッジ群にわたる期待値としてのパス不変性をデノイザーに学習させる。教師不要の単一段階訓練フレームワークとして、マスク拡散と均一拡散の両方に適用可能であり、少ステップ生成領域で既存手法を大幅に上回る。
EVICT: Adaptive Verification for MoE Speculative Decoding
著者: Lehan Pan, Ziyang Tao, Ruoyu Pang et al.
木構造投機的デコーディングは並列検証により自己回帰生成を高速化するが、疎なMoEモデルでは分岐ごとに異なるエキスパートが活性化され、検証コストが増大する。本研究は訓練不要・ハイパーパラメータ不要・ロスレスな適応的検証手法EVICTを提案した。
新規性: MoEモデル特有の問題（ドラフト木の成長に伴うエキスパート活性化の増大）に着目し、コスト効果の高い接頭辞のみを検証に送るという実用的なアプローチを確立した。訓練不要かつ出力品質を損なわない点が実装上の大きな利点である。
手法: ドラフターの細粒度シグナルから候補の利得を推定し、オフラインプロファイルされた検証コストと組み合わせてドラフト木を検証前に切り詰める。SGLangフレームワークとの高い互換性を持ち、自己回帰デコーディングに対して最大2.35倍、EAGLE-3に対して平均1.21倍の高速化を達成した。
FAMA: Failure-Aware Meta-Agentic Framework for Open-Source LLMs in Interactive Tool Use Environments
著者: Amir Saeidi, Venkatesh Mishra, Souradeep Mukhopadhyay et al.
LLMが自律エージェントの意思決定コアとして展開される場面が増えているが、対話型ベンチマークではツール呼び出しの失敗、コンテキスト逸脱、回復不能なエラー連鎖により頻繁に失敗する。本研究は失敗認識型メタエージェントフレームワークFAMAを提案した（8 upvotes）。
新規性: エージェントの失敗パターンを明示的にモデル化し、失敗からの回復メカニズムをフレームワークレベルで組み込んだ点が重要である。オープンソースLLMでも実用的なエージェント性能を達成できることを示した。
手法: 対話型ツール使用環境における典型的な失敗モード（ツール呼び出しエラー、コンテキスト喪失等）を分類し、各失敗タイプに応じた回復戦略をメタエージェントが選択・実行する。失敗検出と適応的回復の二段構成により、エンドツーエンドのタスク完遂率を向上させた。
The Last Human-Written Paper: Agent-Native Research Artifacts
著者: Jiachen Liu, Jiaxin Pei, Jintao Huang et al.
科学論文は分岐的・反復的な研究プロセスを線形の物語に圧縮しており、失敗した実験や棄却された仮説といった情報の大部分が失われる。本研究はこの「ストーリーテリング税」の問題を提起し、エージェントネイティブな研究成果物を提案した（13 upvotes）。
新規性: 研究プロセスの線形化による情報損失を「ストーリーテリング税」として定式化し、AIエージェントが直接消費・生成できる非線形な研究成果物の概念を提唱した点が独自である。科学出版の形式そのものに対する根本的な問い直しである。
手法: 失敗した実験、棄却された仮説、分岐する探索経路を含む完全な研究プロセスを構造化して保存する成果物形式を設計。AIエージェントがこれらの成果物を直接解釈・活用できることで、研究の再現性と知識継承の効率を向上させる。
分野別の動向
エージェント基盤・ツール利用
本日最も厚みのある領域である。Web2BigTable（25 upvotes）がインターネット規模の構造化抽出を二層エージェントで実現し、From Skill Text to Skill Structure（10 upvotes）がエージェントスキルの形式的表現を提案した。FAMA（8 upvotes）は失敗認識型の回復メカニズムを導入し、Synthetic Computers at Scale（15 upvotes）は長期シミュレーション環境を構築している。エージェントの「できること」を広げる研究から、「確実にできるようにする」基盤整備へと焦点が移行している。
LLM基盤技術・推論効率化
Consistent Diffusion Language Models（CDLM）が離散拡散言語モデルの一貫性訓練を初めて実現し、少ステップ生成で大幅な品質向上を達成した。EVICT はMoEモデルの投機的デコーディングを訓練不要で高速化する実用的手法を提示している。離散生成モデルの理論的基盤強化と、MoEアーキテクチャの推論効率化が並行して進展している。
安全性・アライメント
Stable-GFlowNet（9 upvotes）がGFNベースのレッドチーミングの安定性と多様性を改善した。arXivではSafety Drift After Fine-Tuningがファインチューニング後の安全性劣化を100モデルで実証的に分析し、FlashRTが長文脈LLMへのプロンプトインジェクション攻撃の効率的なレッドチーミング手法を提案している。安全性評価の体系化と効率化が継続的な課題となっている。
研究プロセス・メタサイエンス
The Last Human-Written Paper（13 upvotes）が科学論文の線形形式に対する根本的な問題提起を行い、エージェントネイティブな研究成果物を提案した。研究プロセスそのものをAIエージェントが支援・変革するという方向性が、前日のIntern-Atlasに続いて注目を集めている。