TOPIC TIMELINE
タイムライン検索
特定トピックに関する記事を時系列で並べて「いつ・何が起きたか」を俯瞰します。
2026年5月12日
Co-Scientist：研究を加速させるマルチエージェントAIパートナーGeminiで構築された協調的AIパートナー「Co-Scientist」を紹介。研究者が科学的なブレークスルーを加速させるのを支援する。
Google DeepMind
2026年5月27日
Strands Agents、NVIDIA NIM、Amazon Bedrock AgentCoreを使用した高性能生成AIシステムの構築このポストでは、統合アーキテクチャを使用して、並列推論、コンテキスト永続性、追跡可能な実行パスを実証するマルチエージェントキャンペーンレビュー システムの構築方法を学ぶことができます。
AWS Machine Learning Blog
2026年5月27日
Amazon Bedrock AgentCoreを使用したAWS上の高度にスケーラブルなサーバーレスLangGraphマルチエージェントシステムの構築このポストでは、LangGraphエージェントをオーケストレーターとして統合し、Amazon Bedrock AgentCore Memoryと連携させて、AWS上に高度にスケーラブルでサーバーレスなマルチエージェント生成AI システムを構築するソリューションを提供しています。
AWS Machine Learning Blog
2026年5月29日
StoryMI: 操作可能なマルチエージェント治療対話生成大規模言語モデル(LLM)は流暢な対話を生成できますが、先行研究は状況的な根拠付け、動的戦略制御、および動機面接(MI)の臨床基準に合致した評価が不足しています。我々はStoryMIを導入しました。これは制御可能なMI対話生成のための複数LLMエージェントフレームワークです。
arXiv cs.CL
2026年5月29日
微分可能な信念ベースの対戦相手形成人間の協調は、戦略的行動を通じて他者の信念に影響を与える能力に依存している。マルチエージェント強化学習では、対戦相手形成がこの影響を複製しようとしているが、既存の方法は通常、対戦相手のパラメータ、ポリシー、または価値空間内で動作している。
arXiv cs.AI
2026年5月29日
エージェンティックAI、ネストされた学習、セマンティックキャッシングによるAI持続性を通じたハルシネーション軽減ハルシネーションは本番LLMシステムにおける主要な信頼性の障壁であり、特にマルチエージェントパイプラインでは根拠のない主張が段階を通じて伝播する可能性があります。本論文は、HOPE着想のネストされた学習アーキテクチャとコンティニュアムメモリシステム(CMS)を応用しています。
arXiv cs.AI
2026年6月1日
状態拡張とコンセンサスを用いた分離可能ダイナミクスの拡張可能な制約付きマルチエージェント強化学習状態拡張ポリシー学習と双対変数の分散コンセンサスを組み合わせた制約付きマルチエージェント強化学習の分散アプローチを提示する。本手法は、エージェントが分離可能なダイナミクスを持つシステムを対象とし、グローバルリソース制約を満たすために調整する必要がある。
arXiv cs.LG
2026年6月1日
HADT: 自律型地球観測衛星クラスター向けの異種マルチエージェント差分トランスフォーマー本論文は、光学およびSAR衛星を含む地球観測ミッションを実施する異種衛星クラスターにおける自律的なリソース管理の問題に対処し、自動運用モードでは衛星に知的能力を備える。
arXiv cs.AI
2026年6月1日
マルチエージェントLLM較正のための反事実グラフマルチエージェントLLMシステムはしばしば合意を証拠として扱い、パネル内の多くのエージェントが同じ答えを出した場合、その答えはより信頼性が高いと想定される。本研究は、エージェント間の通信後にこの仮定が失敗する可能性があることを示す。通信は相関した失敗と偽の合意を引き起こす可能性がある。
arXiv cs.CL
2026年6月2日
思慮深い選別：マルチエージェント知識ベースのためのプロトコルAIエージェントが孤立したツールから共有知識エコシステムの協力的参加者へと移行する中、集団的知識の選別ガバナンスが重要な課題となっています。人間のプラットフォームガバナンスメカニズムは直接適用できません。エージェントの無ステート性は抑止力ベースの制裁を損なうため。
arXiv cs.AI
2026年6月2日
MindGames Arena 一般化トラック：遅延段階ごと報酬帰属を用いたIn2AIソリューションマルチエージェント戦略的相互作用のための言語モデルエージェントの訓練には、中核的な困難が存在します。任意のアクションの質は、実現しなかった将来のイベント、ゲーム規則に違反する動き、または他のプレイヤーの決定に依存する可能性があります。標準的な強化学習はこれを想定していません。
arXiv cs.AI
2026年6月4日
🚀 Antigravity 2.0 初心者向け10の鉄則 — Googleのマルチエージェント基盤を使いこなすはじめに Google I/O 2026で一番の衝撃は、新モデルではなく Antigravity 2.0 でした。AI搭載IDEだった1.0から、マルチエージェント・オーケストレーション基盤へと完全に生まれ変わったのです。 内部テストの数字は圧倒的です： 93体のエ...
Qiita 人気記事
2026年6月8日
CAF-Gen：議論構造を充実させるためのマルチエージェントシステム自然言語テキストから複雑な推論を形式化することは、計算言語学における中心的な課題である。現在の議論マイニング技術は基本的な主張と前提を識別するが、前提のタイプ、証明基準、議論スキームなどの特徴を組み込むカーネアデス議論枠組み（CAF）といった高度なスキーマが必要とする豊かな構造情報を捉えるのに苦労している。本研究は、浅い議論構造をCAF準拠の議論モデルに充実させるために設計された自動マルチエージェントフレームワークCAF-Genを導入することでこの制限に対処している。反復的なクリエイター・レビュアーパイプラインを採用することで、クリエイターエージェントの出力は批評的エージェントによって検証され、構造的整合性が確保される。このマルチエージェント協働は、単一パス生成モデルに典型的な構造的不安定性を軽減するために重要である。実験結果は、反復的なフィードバックループが結果データの品質を向上させ、元のアノテーションとの強い一致を達成しながら、構造的により豊かなモデルを生成することを示している。
arXiv cs.CL
2026年6月10日
マルチエージェントAIの安全性研究への投資Google DeepMindとパートナー企業が、マルチエージェントAIの安全性研究のために1000万ドルの資金提供を呼びかけています。
Google DeepMind
2026年6月11日
NightFeats @ MMU-RAGent NeurIPS 2025: テキスト間生成タスク向けコンテキスト最適化マルチエージェントRAGシステムarXiv:2606.11199v1 新規発表。 本稿では、NeurIPS 2025のMMU-RAGentコンペティションに提出され、テキスト間生成タスク部門でベストダイナミック評価を受賞した、構造化マルチエージェント検索拡張生成（RAG）システム「NightFeats」を紹介します。ベンチマーク最大化を目標とするのではなく、本研究は知識合成を検索、キュレーション、構成の3つの連携フェーズに分解する原則的なパイプラインを提案します。各フェーズは、明示的な中間表現とハンドオフ契約によって管理されます。エージェンティックコンテキストエンジニアリング（ACE）に着想を得て、本システムは、時間的意味的再ランキング、有界矛盾解消、引用保存構成をコアアーキテクチャプリミティブとして導入しています。
arXiv cs.CL