Qwen-AgentWorld（85 upvotes）が言語ベースの世界モデルで汎用エージェントを強化し、NatureBenchが科学的発見能力を評価。MobileForge・MemGUI-AgentがモバイルGUIエージェントを、Metisが記憶表現を進めた。アライメント側ではRLによる有益行動の汎化や創発的ミスアライメントの予防・検出が並んだ。
注目論文
Qwen-AgentWorld: Language World Models for General Agents
著者: Yuxin Zuo, Zikai Xiao, Li Sheng et al.
世界モデルは現在の観測と行動から環境のダイナミクスを予測し、推論と計画の中核的な認知機構として働く。本研究は、言語モデルに基づく世界モデリングが汎用エージェントの能力をどこまで押し広げられるかを探究する（85 upvotes）。
新規性: 専用の環境シミュレータではなく言語モデル自体を世界モデルとして用い、汎用エージェントの推論・計画能力を強化する点に焦点を当てている。本日の論文群の中で最も注目を集めた。
手法: 言語モデルベースの世界モデルを構築し、現在の観測と行動から将来状態を予測させる。この予測を推論・計画に組み込むことで、汎用エージェントの行動決定の質を高める。
NatureBench: Can Coding Agents Match the Published SOTA of Nature-Family Papers?
著者: Yuru Wang, Lejun Cheng, Yuxin Zuo et al.
査読済みのNature系論文から抽出した90タスクからなる分野横断ベンチマーク（47 upvotes）。AIコーディングエージェントが単なる再現を超えて、実際の科学的問題に対する発見へと到達できるかを評価することを目的とする。
新規性: 自動パイプラインNatureGym上に構築され、再現性ではなく「発見」に踏み込めるかを測る点が新しい。Nature系という高難度の実問題を題材に、エージェントの科学研究能力を厳密に問う。
手法: Nature系論文90件から発見志向のタスクを蒸留し、エージェントが論文公表のSOTAに匹敵できるかを評価する。自動化されたパイプラインでタスク生成と評価を一貫して行う。
MobileForge: Annotation-Free Adaptation for Mobile GUI Agents with Hierarchical Feedback-Guided Policy Optimization
著者: Guangyi Liu, Pengxiang Zhao, Gao Wu et al.
MLLMベースのモバイルGUIエージェントを、注釈なしで実際の対象アプリへ適応させるフレームワーク（34 upvotes）。モバイルアプリは数が多く頻繁に更新されるため、人手によるタスク・デモ・報酬ラベルで網羅することが困難でコストが高かった。
新規性: 人手の注釈やデモに依存せず、階層的なフィードバック誘導の方策最適化でエージェントを適応させる点が新しい。実アプリへの適応コストという実用上のボトルネックに正面から取り組む。
手法: 階層的なフィードバックを報酬源として方策を最適化し、注釈なしで対象アプリへの適応を実現する。人手ラベルを必要とせず、頻繁に更新されるアプリ群への展開を効率化する。
MemGUI-Agent: An End-to-End Long-Horizon Mobile GUI Agent with Proactive Context Management
著者: Guangyi Liu, Gao Wu, Congxiao Liu et al.
能動的なコンテキスト管理により、長期タスクで信頼性の高いモバイルGUIエージェントを実現する研究（33 upvotes）。MLLMベースのGUIエージェントは短期タスクでは進歩したが、多数のステップやアプリ遷移をまたいで中間事実を保持する長期タスクでは依然として不安定だった。
新規性: 長期タスクの失敗原因をReAct型プロンプティングが各ステップの情報を受動的に蓄積する点に帰し、能動的なコンテキスト管理で解決を図る点が新しい。
手法: ステップごとの情報を受動的に積み上げるのではなく、タスクに関連する中間事実を能動的に管理・保持する。アプリ遷移を越えた長期タスクでの一貫性を高める。
AOHP: An Open-Source OS-Level Agent Harness for Personalized, Efficient and Secure Interaction
著者: Shanhui Zhao, Jiacheng Liu, Guohong Liu et al.
個人化・効率・安全を両立する、OSレベルのオープンソースなエージェントハーネス基盤（25 upvotes）。AIエージェントは自律的にツールを呼び、情報を抽出し、メモリを管理してアプリやデータソースをまたぐタスクを遂行するが、既存のエンドユーザOSはアプリ中心のワークフロー向けに設計されており、こうしたエージェント運用への支援が乏しかった。
新規性: アプリ中心に設計された既存OSの限界を踏まえ、OSレベルでエージェントの個人化・効率・安全な相互作用を支える基盤をオープンソースで提示した点が貢献である。
手法: OSレベルでエージェントのツール呼び出し・情報抽出・メモリ管理を支えるハーネスを構築し、個人化・効率・セキュリティを同時に確保する。アプリ横断のタスク遂行を前提とした設計を採る。
OpenThoughts-Agent: Data Recipes for Agentic Models
著者: Negin Raoof, Richard Zhuang, Marianna Nezhurina et al.
汎用的に有能なエージェントを育てるための訓練データのキュレーション手法を公開した研究（23 upvotes）。エージェント型言語モデルはAIの応用範囲を劇的に広げる一方、広く有能なエージェント向けのデータをどう整えるかは公にはほとんど知られていなかった。
新規性: SWE-Smith・SERA・Nemotron-Terminalといった既存の取り組みが単一ベンチマークを対象にしがちだった点を超え、広範な能力を持つエージェント向けのデータレシピを公開した点が新しい。
手法: 多様なタスクをまたいで汎用的なエージェント能力を引き出す訓練データのキュレーション手法を体系化し、レシピとして共有する。単一ベンチマーク偏重を避け、広く有能なエージェントの育成を狙う。
Reinforcement Learning Towards Broadly and Persistently Beneficial Models
著者: Akshay V. Jagadeesh, Rahul K. Arora, Khaled Saab et al.
有益な行動への強化学習（RL）が、学習分布を越えて広く持続的にアライメントを汎化させられるかを検証した研究。真実性・公平性・リスク認識・是正可能性といった有益な特性を測定・訓練するための現実的な状況のデータセットを構築する。
新規性: 健康分野に限定した有益行動RLの介入が、健康以外のアライメント評価にも広く波及し、報酬ハッキング・欺瞞・一般的なミスアライメントを低減することを示した「分布外への汎化」が核心である。計算量を揃えたベースラインに対し、80%超のOODベンチマークで性能を改善した。
手法: 健康・科学・教育など多様な領域にわたる現実的状況のデータセットでRLを行い、50以上の独立したアライメント・有益行動ベンチマークで評価する。さらに敵対的プロンプトや有害なファインチューニングに対する耐性（持続性）も測定する。
Self-Recognition Finetuning can Prevent and Reverse Emergent Misalignment
著者: Arush Tagade, Shaoheng Zhou, Jiaxin Wen et al.
自己生成テキストの認識（SGTR）ファインチューニングを、創発的ミスアライメント（EM）に対するキャラクター標的型の介入として研究した論文。EMは整合した「人格」の不安定化として作動するという観点に立つ。
新規性: EMをミスアライメントな人格の採用ではなく、整合したキャラクターの破壊として捉え直した点が新しい。SGTRファインチューニングが予防・逆転の双方で有効であり、特に予防では個別指標を悪化させずにミスアライメントを一貫して低減することを示した。
手法: GPT-4.1・Qwen2.5-32B-Instruct・Seed-OSS-36B-Instructの3モデルと複数のEMデータセットで二段階ファインチューニング実験を行い、SGTRを良性ファインチューニングのベースラインと比較する。アイデンティティを担うシステムプロンプトの除去がEMの効果を弱めることなども示し、EMがモデルのデフォルトキャラクターと関係することを裏づける。
Metis: Bridging Text and Code Memory for Self-Evolving Agents
著者: Zijie Dai, Siuhin He, Hui Li et al.
テキスト記憶とコード記憶を統合した階層的二重表現メモリで、自己進化エージェントを実現するシステム。自己進化エージェントは過去の実行から経験を蒸留し将来のタスクで再利用するが、経験をテキストとして文脈に注入するか、コードとして呼び出し可能なツールにするかの選択は設計時に決められがちで、トレードオフが十分理解されていなかった。
新規性: 同一の経験集合に対してテキスト記憶とコード記憶を切り分けて比較した初の制御実験を行い、両者が構築コスト・実行効率・転移性で相補的なトレードオフを持つことを示した点が貢献である。
手法: テキスト経験を実行計画・環境事実・落とし穴に整理し、繰り返し再利用される計画のみを検証済みの呼び出し可能ツールへと結晶化する。AppWorldでReActに対しタスク精度を最大20.6%向上させつつ、実行コストを最大22.8%削減した。
Probing the Misaligned Thinking Process of Language Models
著者: Kaiwen Zhou, Constantin Venhoff, Jonathan Michala et al.
ミスアライメントを細粒度の認知プロセス（ミスアライメント指標）に分解し、モデルの内部活性から線形プローブで検出する研究。戦略的欺瞞・サンドバッギング・自己保存といったミスアライメント行動を、高リスク環境で確実に検出することを狙う。
新規性: ミスアライメントを18の指標からなる分類体系へと分解し、メタプラン誘導の自動パイプラインで多ターンの訓練会話を生成して検出する点が新しい。出力ではなく内部表現から兆候を捉える。
手法: 5つのミスアライメント行動にわたり、線形プローブが分布外ベンチマークで強力なLLMジャッジに匹敵するAUROC 0.935を達成しつつ、良性トラフィックでの偽陽性率を低く保つ。自動的な行動誘発・既存ベンチマーク・良性会話を組み合わせて汎化を厳密に評価する。
分野別の動向
エージェントの世界モデル・計画
本日はエージェントの予測・計画能力が研究の前面に立った。Qwen-AgentWorld（85 upvotes）は言語モデルそのものを世界モデルとして用い、観測と行動から将来状態を予測させて汎用エージェントの推論・計画を強化した。前回のランタイム状態統合（OpenRath）や計画評価（PlanBench-XL）の流れを受け、本日は「環境ダイナミクスを内在的に予測する」方向へと一歩進んでいる。
GUIエージェントの適応・長期実行
MobileForge（34 upvotes）は階層的フィードバック誘導の方策最適化で、注釈なしにモバイルGUIエージェントを実アプリへ適応させ、MemGUI-Agent（33 upvotes）は能動的なコンテキスト管理で長期タスクの不安定さを解消した。いずれもMLLMベースのGUIエージェントが直面する「実環境への適応コスト」と「長期タスクでの状態保持」という実用課題を、人手ラベル削減とコンテキスト管理の側から攻めている。
エージェントの記憶・基盤・データ
Metis（arXiv）はテキスト記憶とコード記憶の相補性を制御実験で明らかにし、二重表現メモリで自己進化エージェントの精度とコストを同時に改善した。AOHP（25 upvotes）はOSレベルでエージェントの個人化・効率・安全を支えるハーネスを、OpenThoughts-Agent（23 upvotes）は広く有能なエージェント向けの訓練データレシピを公開した。記憶表現・実行基盤・訓練データという、エージェントを支える三層で具体的な整備が進んでいる。
アライメント・安全性
アライメント側では、内部メカニズムに踏み込む研究が目立った。Reinforcement Learning Towards Broadly and Persistently Beneficial Models（arXiv）は有益行動へのRLが学習分布外の80%超のベンチマークへ汎化し、敵対的プロンプトや有害ファインチューニングへの耐性も高めることを示した。Self-Recognition Finetuning（arXiv）は創発的ミスアライメントを整合キャラクターの破壊として捉え直し、自己生成テキスト認識FTで予防・逆転を達成。Probing the Misaligned Thinking Process（arXiv）は18指標の線形プローブで内部活性からミスアライメントをAUROC 0.935で検出した。行動の事後評価から、内部表現と訓練過程への介入へと安全性研究の重心が移っている。
科学的発見の評価
NatureBench（47 upvotes）はNature系論文90タスクを蒸留し、コーディングエージェントが再現を超えて科学的発見に到達できるかを評価する分野横断ベンチマークを提示した。エージェント評価がソフトウェアタスクから実際の科学研究へと領域を広げ、より高難度の実問題で能力を測る動きが見られる。