本記事は、主に一週間のうちに公開された論文（プレプリントを多く含む）のうち、AIDBリサーチが注目に値すると判断したものを掲載しています。基準としては「新規性」「優位性」といった査読フレームワークを踏襲する他、「実経済や産業へのインパクト」という独自の評価項目を据えています。
コーディングエージェントの実態と評価
ここから限定コンテンツ
| 日本語タイトル | 英文タイトル |
|---|---|
| 深層SWE：オリジナルの長期エンジニアリングタスクにおけるコーディングエージェントの測定 | DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks |
| ソフトウェアエンジニアリング向けエージェントの信頼性と開発者との整合性を評価する | Reliable and Developer-Aligned Evaluation of Agents for Software Engineering |
| AIエージェントは何を変えるのか？パフォーマンス改善プルリクエストにおける変異パターンの経験的分類 | What Do AI Agents Actually Change? An Empirical Taxonomy of Mutation Patterns in Performance-Improving Pull Requests |
| GitHub上のAIエージェントのプルリクエスト：頻度、構造、マージコンフリクト率 | AI Agent Pull Requests on GitHub: Frequency, Structure, and Merge Conflict Rates |
AI時代のコードレビュー
| 日本語タイトル | 英文タイトル |
|---|---|
| AI時代のコードレビューに関する3100の意見：実践者の議論から因果理論を構築する | 3100 Opinions on Code Review in an AI World: Building Causal Theory from Practitioner Discourse |
| エージェント型コードレビューは役立つか？CodeRabbitレビューに対する開発者のフィードバックを実地で分析 | Is Agentic Code Review Helpful? Mining Developers’ Feedback to CodeRabbit Reviews in the Wild |
LLM生成コードのテスト・修正・脆弱性分析
| 日本語タイトル | 英文タイトル |
|---|---|
| 仕様の具体化がLLMコードのテスト効果を向上させる | Specification Grounding Drives Test Effectiveness for LLM Code |
| 3は魔法の数字か？LLMベースの修理ループの実証的評価 | Is Three the Magic Number? An Empirical Evaluation of LLM-Based Repair Loops |
| AIエージェントにとって良いバグレポートとは何か？ | What Makes a Good Bug Report for an AI Agent? |
| ソフトウェア脆弱性分類のための高度なトピックモデリング技術 | Advanced Topic Modeling Techniques for Categorizing Software Vulnerabilities |
エージェントハーネスとオーケストレーション設計
| 日本語タイトル | 英文タイトル |
|---|---|
| テスト時ハーネス進化 | TTHE: Test-Time Harness Evolution |
| ハーネス効果：オーケストレーション設計がエンタープライズエージェントAIのトークン経済をどう設定するか | The Harness Effect: How Orchestration Design Sets the Token Economics of Enterprise Agentic AI |
| Auto: AGIコンパイラ | Auto: The AGI Compiler |
| マルチステップLLMエージェントにおけるハーネス誘発的な信念の乖離の測定 | Measuring Harness-Induced Belief Divergence in Multi-Step LLM Agents |
ツール作成とスキル獲得・自己進化
| 日本語タイトル | 英文タイトル |
|---|---|
| 低レイテンシシステムにおけるツール作成と自己進化型LLMエージェント | Tool-Making and Self-Evolving LLM Agents in Low-Latency Systems |
| 自律AIエージェントのための大規模ソース根拠付きスキルライブラリSkillCenter | SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents |
| 2タイムスケールメタスキル進化によるLLMエージェントの再帰的自己改善MetaSkill-Evolve | MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution |
| AIエージェントに自然言語ツールを提供することの驚くべき有効性：14モデルにおけるNLTパフォーマンスを検証する再現研究 | The Remarkable Effectiveness of Providing AI Agents with Natural Language Tools: A Replication Study Validating NLT Performance Across 14 Models |
エージェントのベンチマークと失敗分析
| 日本語タイトル | 英文タイトル |
|---|---|
| 大規模言語モデルエージェントの非理想化された実世界環境でのベンチマーキング：AgentGym2 | AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments |
| リーダーボードを超えて：大規模言語モデルエージェントにおけるツール利用、計画、推論の失敗の統合 | Beyond the Leaderboard: A Synthesis of Tool-Use, Planning, and Reasoning Failures in Large Language Model Agents |
エージェント設計の新アプローチ
| 日本語タイトル | 英文タイトル |
|---|---|
| ソフトウェアエンジニアリングプロセス記録からAIエージェントを生成するためのプロセス・マイニングの活用 | Using Process Mining to Generate AI Agents from Software Engineering Process Records |
| 自律制御のための生物学的モチーフ | Biological Motifs for Agentic Control |
マルチエージェントの社会性と集団行動
| 日本語タイトル | 英文タイトル |
|---|---|
| 感情を持つエージェント？マルチエージェントソフトウェアチームにおける個性と感情 | Agents with Feelings? Personality and Emotion in Multi-Agent Software Teams |
| LLMエージェントのソーシャルネットワーク | Social Networks of LLM Agents |
暮らし・ビジネスへのエージェント応用
| 日本語タイトル | 英文タイトル |
|---|---|
| 戦略的購買エージェント | Strategic Buying Agents |
| エージェント型家庭エネルギー管理のためのLLM | LLMs for Agentic Home Energy Management |
| エージェントによるビジネスプロセス実行のための組織的記憶 | Organizational Memory for Agentic Business Process Execution |
RAGとLLMの回答戦略
| 日本語タイトル | 英文タイトル |
|---|---|
| PolyUQuest: 異種グラフ上の検証可能な構造認識型Web RAG | PolyUQuest: Verifiable Structure-Aware Web RAG over Heterogeneous Graphs |
| LLMの2つの不回答軸：回答の正しさ、質問の回答可能性 | Two Axes of LLM Abstention: Answer Correctness and Question Answerability |
| 応答を待たずに返信する：先読み思考による応答性と熟考性の両立 | Don’t Wait to Reply: Towards Responsive yet Thoughtful Dialogue through Proactive Thinking |
LLMの内部表現と性格・価値観
| 日本語タイトル | 英文タイトル |
|---|---|
| ペルソナ・カートグラフィー：重み空間における言語モデルの性格特性のマッピング | Persona Cartography: Charting Language Model Personality Traits in Weight Space |
| どれくらい残っているか？ LLMは残りの出力長を線形にエンコードする | How Much is Left? LLMs Linearly Encode Their Remaining Output Length |
| プロトタイプネットワークにおける理論非依存の適応的メトリックアラインメントのための大規模言語モデルとしてのジャッジ（性格認識） | Large-Language-Models-as-a-Judge in Theory-Agnostic Adaptive Metric-Alignment for Prototypical Networks in Personality Recognition |
| ユーザーの身元が非推論型大規模言語モデルの道徳的悪さの評価に影響する条件 | User identity conditions moral wrongness ratings in non-reasoning large language models |
LLMによるニューラルネットワーク設計
| 日本語タイトル | 英文タイトル |
|---|---|
| エージェント型ニューラルアーキテクチャ探索 | Agentic Neural Architecture Search |
| LEMUR 2: AIのためのニューラルネットワーク多様性の解放 | LEMUR 2: Unlocking Neural Network Diversity for AI |
| LLM駆動型ニューラルネットワーク生成：同系統アーキテクチャ誘導による転移と適応の分離 | LLM-Driven Neural Network Generation with Same-Family Architecture Guidance: Disentangling Transfer and Adaptation |
人間とAIの共創・創作支援
| 日本語タイトル | 英文タイトル |
|---|---|
| 二人交互使用テスト：人間AI・人間同士の協創のための制御されたテストベッド | Two-player Alternate Uses Test: A Controlled Testbed for Interactive Human-AI and Human-Human Co-Creation |
| 摩擦から生まれる創造性：構造設計を探求する人間とAIのインタラクション | Creativity from Friction: Human-AI Interaction for Exploratory Structural Design |
| 物語世界モデル：長編小説のための物語論に基づくライターメモリ | Narrative World Model: Narratology-Grounded Writer Memory for Long-Form Fiction |
人間とAIの協調と学習支援
| 日本語タイトル | 英文タイトル |
|---|---|
| 社会規範の学習は動的な人間とAIの協調における適合性を向上させる | Learning social norms enhances compatibility in dynamic human-AI coordination |
| 設定可能な人間の参加下でのLLMベース人間エージェントシステムの評価ベンチマークHAS-Bench | HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation |
| 人間中心の反射型アーキテクチャによる人間とAIの協調的意思決定 | Human-Centric Reflective Architecture for Human-AI Collaborative Decision-Making |
| ハイブリッドグループにおける集合的認知：ネットワーク科学による統合的考察 | Collective Cognition in Hybrid Groups: A Network Science Synthesis |
| プロンプトエンジニアリング学習のためのエージェント型チューター「プロンプトコーチ」の実証評価 | Prompt Coach: An Empirical Evaluation of an Agentic Tutor for Learning Prompt Engineering in Software Development |
医療・メンタルヘルスとLLM
| 日本語タイトル | 英文タイトル |
|---|---|
| 臨床ニーズとAI能力の整合性：医療推論のためのLLMに関するサーベイ | Aligning Clinical Needs and AI Capabilities: A Survey on LLMs for Medical Reasoning |
| うつ病の症状と187,000件以上のChatGPT履歴における人間関係のパターン | Depression Symptoms and Relational Patterns in 187k ChatGPT Histories |
非接触・ウェアラブル生体計測
| 日本語タイトル | 英文タイトル |
|---|---|
| 汎用カメラとAIエージェントによる画像処理を用いた非接触・リアルタイム心拍数測定 | Non-contact, Real-time, Heart-rate Measurement using Image Processing with Commodity Cameras and AI Agents |
| ウェアラブル生体信号からの非侵襲的血糖値推定 | Non-invasive Blood Glucose Estimation from Wearable Physiological Signals |
センサー・映像からの行動理解
| 日本語タイトル | 英文タイトル |
|---|---|
| 3D認識LLMによる一人称視点の人間行動予測 | Ego-Human Motion Prediction with 3D-Aware LLM |
| STELLA：オンデバイス人間活動認識のための効率的なセンサー-LLM翻訳 | STELLA: Efficient Sensor-to-LLM Translation for On-Device Human Activity Recognition |
| K9-Bench：犬中心の動画でマルチモーダルLLMを評価する | K9-Bench: Evaluating Multimodal LLMs on Canine-Centric Videos |
科学的発見とアイデア生成
| 日本語タイトル | 英文タイトル |
|---|---|
| アイデアにはゲノムがある：科学的系統推論と系統に基づくアイデア生成のベンチマーク | Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation |
| SwarmResearch：オープンエンドな発見のためのコーディングエージェントのオーケストレーション | SwarmResearch: Orchestrating Coding Agents for Open-Ended Discovery |
知能測定の未来
| 日本語タイトル | 英文タイトル |
|---|---|
| 人間のスケールを超える知能の測定 | Measuring Intelligence Beyond Human Scale |
