タイムライン検索

2025年12月11日

本記事は、2025年夏季インターンシッププログラムで勤務された秋葉凌羽さんによる寄稿です。 はじめに 東京科学大学生命理工学院学士課程3年の秋葉凌羽と申します。PFN の2025年夏インターンシッププログラムに参加し、実 […] 投稿 エージェントワークフローを用いた生物学実験のプロトコルエラー検出 は Preferred Networks Tech Blog に最初に表示されました。

Preferred Networks

2026年5月15日

DatabricksがOfficeQA Proベンチマークで最先端の成績を達成したGPT-5.5をエンタープライズエージェントワークフローに活用しています。

OpenAI

2026年5月16日

Gemini 3.5は複雑なエージェントワークフロー実行を支援するために設計されている。

Google DeepMind

2026年5月28日

オープンソースのHermesプロジェクトの上に構築されたVertuの新しいフォルダブルは、AIエージェントワークフロー、エンタープライズ統合、および超プレミアムラグジュアリー機能を組み合わせています。

TechCrunch AI

2026年6月8日

大規模言語モデル(LLM)に信頼性の高い多段階ワークフロー実行能力を備えさせることはAIの中心的課題となっている。LLMのエージェント機能の最近の進歩にもかかわらず、ほとんどのエージェントシステムはワークフロー実行軌跡の仕様化、検証、デバッグのための形式的手法を欠いている。この課題は数学における長年の問題を反映しており、自然言語の曖昧性が形式言語開発の動機となっている。この範例に触発されて、我々は依存型形式言語Lean4を用いてエージェント動作をモデリング・検証する最初のフレームワークLean4Agentを提案する。Lean4Agentはエージェントワークフローの意味的一貫性を形式的にモデリング・検証し、実行時失敗の局所化を可能にする拡張可能なLean4ライブラリFormalAgentLibを立ち上げる。FormalAgentLibに基づいて、さらにLeanEvolveを開発し、ワークフローを改善してその能力を強化する。

arXiv cs.AI

2026年7月1日

High-Level Synthesis（HLS）は、コンセプトからシリコンへの高速なパスを提供しますが、現実世界のソフトウェアを合成可能なHLSコードに変換することは、制限された言語サポートとソフトウェアとハードウェアのプログラミングプラクティスのギャップにより、依然として困難です。既存の自動化およびLLMベースのリファクタリングアプローチは、この問題に部分的に対処していますが、柔軟性に欠け、スケーリングに苦労し、高い計算コストがかかることがよくあります。本稿では、ソフトウェアをHLS互換プログラムにリファクタリングするためのLLMベースのマルチエージェントワークフローであるAgRefactorを紹介します。AgRefactorは、タスク間で事実的および戦略的な知識を蓄積および取得する自己進化型メモリシステムを組み込んでおり、未知のプログラムに対する堅牢性と効率性を向上させます。コストを削減し、スケーラビリティを向上させるために、自動リファクタリングツールを統合しており、エージェントはLLM駆動のリライトと効率的なツールベースの変換のバランスをとることができます。

arXiv cs.AI

2026年7月8日

大規模言語モデルの最近の進歩により、エンドツーエンドでの原稿自動生成が可能になったが、既存システムには3つの重大な欠陥がある。（i）生成された主張が検証可能な文献に決定論的に裏付けられていない、（ii）実験結果が実行されるのではなく、しばしば捏造される、（iii）AI生成原稿が実世界での出版に必要な質と厳密性を満たしているかを評価するための標準化された多次元フレームワークが存在しない。我々は、3つの統合されたイノベーションを通じて、この評価ギャップに直接対処するマルチエージェントフレームワーク「Prompt-to-Paper」を発表する。第一に、セクション認識型の関連性スコアリングとスノーボール引用拡張を備えた決定論的な検索拡張生成パイプラインにより、60～100報の検証可能な論文コーパスに各主張を裏付ける。第二に、自律的なコーディングエージェントが実際の計算生物学実験を実行し、合成出力を実際の数値結果に置き換える。第三に、出版された論文からの参照統計の近似値でベンチマークされ、明示的な幻覚ペナルティで拡張された8次元の自動品質スコアラーが、標準化された再現性のある品質評価を提供する。

arXiv cs.AI

2026年7月16日

Cars24は、OpenAI搭載の音声・チャットエージェントを活用し、月間100万分以上の会話を処理し、失われたリードの12%を回復し、社内のチームにエージェントワークフローをもたらしています。

OpenAI

2026年7月21日

Amazon QuickとNVIDIA NeMo Agent Toolkitを活用することで、ビジネスユーザーが専門的なエージェントワークフローを容易に構築できるようになりました。この連携は、特にサプライチェーンリスク管理の分野で具体的な効果を発揮しています。 具体的には、NVIDIA NeMo Agent Toolkitを用いて構築されたサプライチェーンリスク管理の例では、Amazon Quickがユーザーフレンドリーなインターフェースを提供します。これにより、ビジネスユーザーは複雑な専門知識なしに、リスク状況の把握から具体的なリスク軽減策の推奨まで、一連のプロセスをAmazon Quickのダッシュボード上で完結させることが可能になります。この機能は、担当者が迅速かつ的確な意思決定を行う上で、強力な支援となることが期待されます。 (AWS Machine Learning Blog)

AWS Machine Learning Blog