Graph Memoryがエージェント記憶を静的検索から動的再構成へ転換し55 upvotes、APPOが手続き的クレジット割り当てで63 upvotes、OmniDirectorがクロスペアデータ不要のマルチショットカメラクローンで91 upvotesと突出。DeepMind共著のAGI→ASI展望論文も注目を集め、エージェント基盤技術と長期ビジョンの両面で活発な一日となった。
注目論文
OmniDirector: General Multi-Shot Camera Cloning without Cross-Paired Data
著者: Jiwen Liu, Shujuan Li, Zhixue Fang et al.
参照動画からカメラモーションをクローンし、クロスペアデータなしでマルチショット動画生成を実現した研究（91 upvotes）。
新規性: 既存手法はパラメトリック表現の直接利用（マルチショット生成に不向き）かクロスペアデータの合成（データスケーラビリティとドメインギャップの問題）のいずれかに依存していた。OmniDirectorはクロスペアデータを一切必要とせず、任意の参照動画からカメラモーションを抽出してマルチショット生成に適用できる汎用的なフレームワークを提示する。
手法: 参照動画のカメラモーションを構造的に分解し、各ショットのカメラ運動パターンを独立に学習・転写する。クロスペアデータの代わりに、動画内のカメラ運動の自己教師あり学習を活用し、ショット間の遷移を含むマルチショット生成を実現する。
APPO: Agentic Procedural Policy Optimization
著者: Xucong Wang, Ziyu Ma, Yong Wang et al.
マルチターンツール使用エージェントにおける手続き的クレジット割り当てを改善する強化学習手法を提案した研究（63 upvotes）。
新規性: 既存のエージェント向けRL手法はツール呼び出し境界や固定ワークフローといった粗いヒューリスティック単位でクレジットを割り当てるため、複雑なマルチターンタスクでの微細な行動改善が困難だった。APPOは手続きレベルでの精密なクレジット割り当てを実現し、エージェントのマルチターンツール使用能力を大幅に向上させる。
手法: ツール呼び出しの各手続きステップに対して、最終的な報酬からの貢献度を推定する手続き的ポリシー最適化を導入する。粗いクレジット割り当ての限界を超え、個々の意思決定ステップの質を直接改善するRLアルゴリズムを設計している。
Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents
著者: Shuo Ji, Yibo Li, Bryan Hooi
LLMエージェントの記憶をグラフ構造で動的に再構成し、静的なretrieve-then-reasonパラダイムを超える記憶機構を提案した研究（55 upvotes）。
新規性: 現在のメモリ拡張エージェントは静的なretrieve-then-reasonパイプラインに依存しており、中間的な証拠の発見に基づいてメモリアクセスを動的に適応させることができない。本研究は「記憶は検索されるものではなく再構成されるもの」という認知科学的知見をLLMエージェントに導入し、グラフ構造による動的な記憶再構成を実現する。
手法: 長い対話履歴をグラフ構造として符号化し、クエリに応じてグラフ上の探索を動的に行いながら関連する記憶を再構成する。中間結果に基づいて探索方向を適応的に変更できるため、静的な検索では到達できない関連情報を発見できる。
From Chatbot to Digital Colleague: The Paradigm Shift Toward Persistent Autonomous AI
著者: Yongheng Zhang, Ziang Liu, Jiaxuan Zhu et al.
LLMが会話的生成器から推論・行動・記憶・自己改善を統合した永続的自律AIシステムへと変容するパラダイムシフトを体系化したサーベイ（42 upvotes）。
新規性: LLMの進化を「チャットボットからデジタル同僚へ」という枠組みで概念化し、会話的な回答提供から持続的な自律的タスク遂行への転換を包括的に論じる。推論、行動、記憶、自己改善という4つの軸でこの転換を構造化し、今後の研究方向を示す。
手法: 既存のLLMエージェント研究を体系的にレビューし、永続的自律AIの実現に必要な能力要素を4軸で分類・整理する。各軸における現状の達成度と残された課題を分析し、統合的なデジタル同僚の実現に向けたロードマップを提示する。
Orchestra-o1: Omnimodal Agent Orchestration
著者: Fan Zhang, Vireo Zhang, Shengju Qian et al.
テキスト・画像・音声・動画を横断するマルチエージェント協調フレームワークを提案し、DA-GRPOで8Bモデルがオープンソース最高性能を達成した研究（37 upvotes）。
新規性: 既存のオーケストレーションフレームワークは限られたモダリティにしか対応できず、テキスト・画像・音声・動画が混在する複雑なタスクへの汎化が困難だった。Orchestra-o1はモダリティを横断した統一的なタスク分解・サブエージェント特化・並列実行を可能にする初のオムニモーダルオーケストレーションを実現する。
手法: モダリティを考慮したタスク分解、オンラインでのサブエージェント特化、並列サブタスク実行を統合した統一オーケストレーション機構を導入する。さらにdecision-aligned GRPO（DA-GRPO）という効率的なエージェント向けRLでOrchestra-o1-8Bを訓練し、OmniGAIAベンチマークで2位を10.3%上回る精度を達成した。
HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry
著者: Tingyang Chen, Shuo Lu, Kang Zhao et al.
プロンプト・ツール・メモリ・制御フローを構成要素として自動最適化するエージェントハーネス基盤を提案した研究（33 upvotes）。
新規性: AIエージェントの性能はランタイムハーネス（プロンプト、ツール、メモリ、制御フロー）に決定的に依存するが、現在のハーネスは手作りで静的であり、新しいモデルやタスクごとに個別のスキャフォールディングが必要になる。HarnessXはハーネスの構成・適応・進化を自動化するファウンドリーを構築し、この問題を解消する。
手法: ハーネスの各構成要素（プロンプト、ツール、メモリ、制御フロー）をモジュール化し、タスクやモデルに応じて自動的に構成・最適化するフレームワークを設計する。モデルやタスクの変化に対してハーネスを適応的に進化させる機構を備え、手動チューニングの必要性を排除する。
Rethinking RAG in Long Videos: What to Retrieve and How to Use It?
著者: Yuho Lee, Jisu Shin, Nicole Hee-Yeon Kim et al.
長時間エゴセントリック動画に対する検索拡張生成の課題を整理し、複数モダリティ・時間粒度での検索手法とベンチマークを提案した研究（32 upvotes）。
新規性: VideoRAGの進展は2つのギャップにより制限されている。既存ベンチマークは動画なしでもクエリに回答可能であり、また既存手法は何をどの粒度で検索すべきかの体系的な分析を欠いている。本研究は動画が不可欠なベンチマークを構築し、検索対象と利用方法の両面からVideoRAGを再考する。
手法: 動画なしでは回答不可能なクエリを保証するベンチマーク設計を行い、テキスト・視覚・音声の各モダリティおよび異なる時間粒度（フレーム・クリップ・シーン）での検索戦略を体系的に比較・分析する。
From AGI to ASI
著者: Tim Genewein, Matija Franklin, Alexander Lerchner et al. (DeepMind)
AGIからASI（人工超知能）への移行に関する影響と課題を体系的に論じたDeepMind共著の展望論文（23 upvotes）。
新規性: 人間レベルのAGI構築が多くの主要AI組織にとって具体的な次の10年の目標となった今、その先にあるASIへの移行が社会に及ぼす深遠な影響を体系的に検討する必要がある。DeepMindの研究者らがAGI達成後の道筋と課題を包括的に論じた点で注目される。
手法: AGIの定義と達成条件を整理した上で、ASIへのスケーリング経路、安全性・アライメントの課題、社会的影響、ガバナンスの枠組みを多角的に分析する。技術的可能性だけでなく、倫理的・社会的な側面を含めた統合的な展望を提示する。
Smaller Models are Natural Explorers for Policy-Level Diversity in GRPO
著者: Yiming Ren, Yiran Xu, Zicheng Lin et al.
GRPOにおけるロールアウト多様性をトークンレベルではなくポリシーレベルで確保し、小型モデルが自然な探索者となることを発見した研究（19 upvotes）。
新規性: GRPOは多様なロールアウトに依存するが、既存の多様性向上戦略はトークンレベルのランダム性注入に留まっており、ステップごとのノイズが非一貫的な推論を引き起こす可能性がある。本研究は多様性の新たな次元としてポリシーレベルの多様性を提案し、小型モデルがこの役割に自然に適していることを示す。
手法: 異なるサイズのモデルをロールアウト生成に用い、小型モデルが大型モデルとは異なる解法パスを自然に探索することを実証する。トークンレベルの温度調整とは質的に異なる、一貫した代替推論経路を提供することで、GRPOの学習効率を向上させる。
SuperThoughts: Reasoning Tokens in Superposition
著者: Zheyang Xiong, Shivam Garg, Max Yu et al.
連続するCoTトークン対を単一の潜在表現に圧縮し、推論スループットを2倍にしつつ精度を維持する手法を提案した研究。
新規性: 長いChain-of-Thought推論はLLMの問題解決能力を向上させるが、逐次的なトークン生成により計算コストが高い。既存の連続潜在空間での推論手法は訓練の安定性に問題があり、長期的タスクへのスケーリングが困難だった。SuperThoughtsは離散トークンの教師信号を保持しながら潜在圧縮を実現する実用的なアプローチを提示する。
手法: 連続する2つのCoTトークンを1つの潜在表現に圧縮し、軽量なMulti-Token Prediction（MTP）モジュールで1ステップあたり2トークンをデコードする。訓練時は離散トークンの教師信号を維持し、推論時には不確実性に基づく適応メカニズムで標準デコーディングへのフォールバックを行い、20-30%のCoT長削減と1-2ポイント程度の精度低下で推論効率を大幅に改善する。
分野別の動向
エージェント基盤技術
本日最も厚みのあるテーマはLLMエージェントの基盤技術である。Graph Memory（55 upvotes）の「記憶は検索ではなく再構成」という提案は、RAGベースのエージェント記憶の根本的な限界に切り込む。APPO（63 upvotes）は手続き的クレジット割り当てという精緻なRL最適化でエージェントのツール使用を改善し、HarnessX（33 upvotes）はハーネス自体の自動最適化という一段上のメタレベルの問題に取り組んでいる。前日のEvoArenaがエージェントの記憶進化を「評価」する枠組みを提供したのに対し、本日のGraph Memoryは記憶機構そのものの「設計原理」を提示しており、評価と設計の両輪が同時に進行している構図が見える。Orchestra-o1（37 upvotes）のオムニモーダルオーケストレーションは、エージェント協調をテキスト以外のモダリティに拡張する方向性を示した。
LLM推論効率化・最適化
SuperThoughtsの潜在トークン圧縮とSmaller Models as Explorers（19 upvotes）のポリシーレベル多様性は、推論コスト削減の異なるアプローチを提示している。前者はCoTトークン数の直接削減、後者はGRPOのロールアウト品質向上による学習効率改善である。前日のMiniMax Sparse Attentionがアテンション計算の二次コスト解消に取り組んだのに続き、推論パイプラインの各段階で効率化研究が進行している。
AI展望・サーベイ
From AGI to ASI（23 upvotes）とFrom Chatbot to Digital Colleague（42 upvotes）という2本の展望論文が同日に登場した点は注目に値する。前者はAGI後のASIへのスケーリングという長期的視座、後者はLLMの現在の変容を「チャットボットからデジタル同僚へ」と概念化する中期的視座を提供している。DeepMindからのASI展望論文の公開は、フロンティアラボがAGI達成を現実的な近未来として捉え始めていることの表れだろう。
動画生成・マルチモーダル検索
OmniDirector（91 upvotes）はupvote数で本日最高を記録しており、クロスペアデータ不要のマルチショットカメラクローンという実用性の高い課題設定がコミュニティの関心を集めた。Rethinking RAG in Long Videos（32 upvotes）は動画理解におけるRAGの体系的再考を行い、前日のRobust-U1が視覚的劣化への堅牢性を扱ったのとは異なる軸で、長時間動画からの情報検索という実用課題に焦点を当てている。