LLMエージェントのメモリをデータ管理システムとして捉え直すサーベイが大きな注目を集め、文脈管理・プロセス報酬・KVキャッシュ圧縮といった基盤研究が続く。一方で被写体駆動動画や実世界画像生成など、生成の制御性を高める研究も厚い。
注目論文
Are We Ready For An Agent-Native Memory System?
著者: Wei Zhou, Xuanhe Zhou, Shaokun Han et al.
LLMエージェント向けのメモリが、単純な検索拡張から、永続的な情報保存・検索・更新・統合・動的なライフサイクル管理までを担うデータ管理システムへと急速に進化していると論じるサーベイ（104 upvotes）。本日もっとも注目を集めた論文。
新規性: エージェントのメモリを場当たり的な機構の寄せ集めではなく、エージェント実行全体を貫く一貫した「データ管理システム」として体系的に捉え直し、エージェントネイティブなメモリシステムの要件を整理した点が貢献である。
手法: 保存・検索・更新・統合・ライフサイクル統治という観点からメモリ機構を分類・俯瞰し、現状の到達点と、真にエージェントネイティブなメモリシステムが備えるべき要素や未解決課題を明らかにする。
DanceOPD: On-Policy Generative Field Distillation
著者: Wei Zhou, Xiongwei Zhu, Zelin Xu et al.
text-to-image（T2I）・局所編集・全体編集を単一モデルで統一しようとすると、これらの能力がしばしば衝突する（編集がT2I性能を劣化させる等）課題に取り組む研究（64 upvotes）。
新規性: 統一画像生成モデルにおける能力間の競合を、オンポリシーな生成場蒸留（generative field distillation）によって解消し、多様な生成能力を自然に整合させた点が新しい。
手法: T2Iと局所/全体編集という相反しがちな能力を、オンポリシー蒸留で単一モデルに統合し、能力の衝突を抑えながら一つのモデルが多様な生成・編集タスクを担えるようにする。
DomainShuttle: Freeform Open Domain Subject-driven Text-to-video Generation
著者: Nan Chen, Yiyang Cai, Rongchang Xie et al.
オープンドメインの被写体駆動 text-to-video（S2V）生成に取り組む研究（62 upvotes）。S2Vには参照被写体の特徴を可能な限り保持する in-domain と、本質的特徴を保ちつつ変形する cross-domain の二つのシナリオがある。
新規性: in-domain と cross-domain の双方で、被写体特徴の保持と本質的特徴の維持を両立させる自由形式の被写体駆動動画生成を実現した点が貢献である。
手法: 参照被写体の特徴保持を要求する in-domain と、被写体の本質を保ちながらの変換を扱う cross-domain を統一的に扱える枠組みを構築し、オープンドメインでの被写体駆動動画生成を可能にする。
ShutterMuse: Capture-Time Photography Guidance with MLLMs
著者: Jiayu Li, Yixiao Fang, Tianyu Hu et al.
実世界の写真撮影では、カメラの構図と被写体のポーズの双方について撮影時のガイダンスが必要だが、既存の美的クロップ・ベンチマークは事後のクロップ予測の評価に偏り、被写体側の推奨を見落としていた（44 upvotes）。
新規性: マルチモーダル大規模言語モデル（MLLM）の撮影時ガイダンス能力に着目し、事後クロップ偏重だった既存評価の限界を補い、構図と被写体ポーズの両面で撮影前のガイダンスを提供する点が貢献である。
手法: MLLMを用いて、カメラフレーミングと被写体ポーズの双方について撮影時にガイダンスを与え、ポストホックなクロップ予測では捉えられなかった capture-time の支援能力を評価・実現する。
In-Context World Modeling for Robotic Control
著者: Siyin Wang, Junhao Shi, Senyu Fei et al.
Vision-Language-Action（VLA）モデルは、カメラ視点や機体形状の変化といった新規セットアップへの汎化に失敗しやすい（42 upvotes）。現在の観測と言語指示のみを条件とし、背後のシステム構成を変数として無視していることが原因だと指摘する。
新規性: システム構成を明示的な変数として扱うインコンテキスト世界モデルを導入し、視点や機体形状の変化に対するVLAの汎化を改善した点が新しい。
手法: 現在観測と言語指示だけでなく、機体やカメラ構成といったシステム設定をインコンテキストに取り込んで世界モデルを構築し、未知の視点・形状下でもロバストなロボット制御を可能にする。
Qwen-Image-Agent: Bridging the Context Gap in Real-World Image Generation
著者: Zekai Zhang, Jiahao Li, Jie Zhang et al.
text-to-image（T2I）モデルは大きく進歩したが、過小指定・暗黙的・最新知識に依存する実世界のリクエストには苦戦する（40 upvotes）。ユーザーの文脈と十分な生成に必要な情報との間のミスマッチを「Context Gap」と定義する。
新規性: 実世界要求とT2I生成の間に存在する Context Gap を明確に定式化し、これをエージェント的な処理で埋めるアプローチを提示した点が貢献である。
手法: 過小指定・暗黙的・最新知識依存といった実世界要求を、エージェントが補完・解釈して十分に指定された生成条件へ変換することで、ユーザー文脈と生成に必要な情報の隔たりを橋渡しする。
Information-Aware KV Cache Compression for Long Reasoning
著者: Jushi Kai, Zhuiri Xiao, Alexandra Birch et al.
LLMの推論能力が急速に向上した結果、prefilling・decoding 双方でKVキャッシュが肥大化する問題に取り組む研究（9 upvotes）。既存のKVキャッシュ圧縮はトークン重要度の推定を主に注意重みに依存していた。
新規性: 注意重みへの依存を脱し、情報量ベースでトークン重要度を推定するKVキャッシュ圧縮を提案した点が新しい。注意が必ずしも捉えきれない重要度を、情報量の観点から評価する。
手法: 長い推論で増大するKVキャッシュに対し、注意重みではなく各トークンが持つ情報量に基づいて重要度を見積もり、重要なトークンを優先的に残す形でキャッシュを圧縮する。
Plans Don’t Persist: Why Context Management Is Load Bearing for LLM Agents
著者: Aman Mehta, Anupam Datta
長期エージェントは、有限の文脈窓を越えてタスクを継続するために、古いトークンを圧縮・要約・退避する文脈管理に依存している。だがそれが安全なのは、捨てられた情報がもはや不要か、すでに内在化されている場合に限られると論じる。
新規性: 計画情報こそが文脈管理のストレスケースであると位置づけた点が貢献である。計画は早期に書かれて長く参照されるため、文脈圧縮で失われると致命的になり、計画保持が長期エージェントの律速要因になると指摘する。
手法: 文脈の圧縮・要約・退避が「いつ安全で、いつ危険か」を計画情報を軸に分析し、早期に立てた計画が後段で必要とされ続ける構造を示すことで、文脈管理を長期エージェントの設計上の中核（load-bearing）として捉え直す。
Discretizing Reward Models
著者: Vijay Viswanathan, Shiqi Wang, Devamanyu Hazarika et al.
広く使われているにもかかわらず、強化学習における報酬モデルの役割は十分に理解されていないと指摘する研究（7 upvotes）。報酬モデルは検証器や人手判定なしに応答品質を自動推定できる魅力を持つ一方、二値の「検証可能報酬」とは性質が異なる。
新規性: 報酬モデルが学習を形作る役割を問い直し、連続的なスコアを離散化することで、二値の検証可能報酬との差を埋めるという視点を提示した点が貢献である。
手法: 報酬モデルの出力を離散化し、検証可能報酬が持つ性質と報酬モデルが持つ性質の間のギャップを橋渡しすることで、強化学習における報酬信号の振る舞いを分析・改善する。
Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents
著者: Changdae Oh, Wendi Li, Seongheon Park et al.
プロセス報酬モデルはLLMの段階的（ステップレベル）な評価を可能にするが、エージェント設定での構築は極めて難しい（7 upvotes）。長期的な相互作用、不可逆な行動、確率的な環境フィードバックにより、人手アノテーションもモンテカルロ推定も大規模には実行不能になる。
新規性: 構築困難なプロセス報酬を、事後学習から得られる「進捗アドバンテージ（progress advantage）」として捉え、追加コストの少ない形で取り出せることを示した点が新しい。
手法: 長期・不可逆・確率的というエージェント設定の困難さを回避し、事後学習の過程に現れる進捗の優位性を信号として活用することで、ステップレベルの評価をアノテーションやモンテカルロ推定に頼らず実現する。
分野別の動向
エージェントの記憶・文脈・報酬
本日はエージェントの「内部状態の管理」に関する研究が前面に立った。最大の注目を集めた Are We Ready For An Agent-Native Memory System?（104 upvotes）は、エージェントのメモリを保存・検索・更新・統合・ライフサイクル統治まで担うデータ管理システムとして捉え直す。Plans Don’t Persist は文脈圧縮が計画情報を失う危険を分析し計画保持を律速要因に据え、Information-Aware KV Cache Compression（9 upvotes）は長期推論で肥大するKVキャッシュを情報量ベースで圧縮する。記憶・文脈窓・キャッシュという、長期に動くエージェントの状態保持が共通の論点として並んだ。
プロセス報酬とエージェント学習
報酬設計の側からエージェント学習を支える研究も続く。Neglected Free Lunch from Post-training（7 upvotes）は、構築困難なプロセス報酬を事後学習の進捗アドバンテージとして取り出し、Discretizing Reward Models（7 upvotes）は報酬モデルの役割を問い直して離散化により検証可能報酬との差を埋める。前回の「報酬・検証・監督という学習信号の質」への関心を引き継ぎ、ステップレベルの報酬をいかに低コストかつ理解可能に得るかへ議論が深まっている。
生成の制御性とマルチモーダル
生成モデルを「より思い通りに制御する」方向の研究も厚い。DanceOPD（64 upvotes）はT2Iと局所/全体編集の能力衝突をオンポリシー生成場蒸留で解消し、DomainShuttle（62 upvotes）は in-domain/cross-domain 双方で被写体特徴を保つ動画生成を実現する。Qwen-Image-Agent（40 upvotes）は実世界要求と生成の Context Gap をエージェントで埋め、ShutterMuse（44 upvotes）はMLLMで撮影時の構図・ポーズガイダンスを提供する。さらに In-Context World Modeling for Robotic Control（42 upvotes）は世界モデルをロボット制御の汎化に応用しており、統一・制御性・実世界適応という観点で生成研究が成熟しつつある。