ブログ概要（Summary） 本記事は Mem0 Blog: State of AI Agent Memory 2026 の解説記事である。Mem0のエンジニアリングチームが2026年4月8日に公開した本レポートは、AIエージェントメモリが「理論的課題から本番エンジニアリングの規律」へと進化したことを宣言し、10種類のメモリアーキテクチャの定量比較、13のエージェントフレームワーク統合、1...

論文概要（Abstract） 本記事は arXiv:2512.13564 Memory in the Age of AI Agents の解説記事である。Yuyang Huを筆頭著者とする47名の研究者が共同執筆した本サーベイは、基盤モデルベースのエージェントにおけるメモリシステムを包括的に検討している。著者らは「メモリは基盤モデルベースエージェントのコア機能として出現し、今後もそうあり続...

論文概要（Abstract） 本記事は arXiv:2503.16416 Survey on Evaluation of LLM-based Agents の解説記事である。Hebrew University of Jerusalem、IBM Research、Yale Universityの共同研究チームが、LLMエージェント評価手法の初の包括的サーベイを提示している。著者らは70以上の...

論文概要（Abstract） 本記事は arxiv:2603.07670 Memory for Autonomous LLM Agents: Mechanisms, Evaluation, and Emerging Frontiers の解説記事である。著者 Pengfei Du は、2022年から2026年初頭までのLLMエージェントメモリ研究を包括的にサーベイし、エージェントメモリを ...

ブログ概要（Summary） 本記事は AWS Machine Learning Blog: Build reliable AI agents with Amazon Bedrock AgentCore Evaluations の解説記事である。AgentCore Evaluationsは2026年3月31日にGA（一般提供）となったエージェント品質評価サービスであり、LLM-as-a-J...

本記事は On Agent Frameworks and Agent Observability（LangChain Blog, 2026年2月12日公開） の解説記事です。 ブログ概要（Summary） LangChainの共同創設者Harrison Chaseが「In the Loop」シリーズとして執筆した記事で、エージェントフレームワークの進化を3世代に分類し、オブザーバビリティ...

本記事は DebugBench: Evaluating Debugging Capability of Large Language Models（arXiv:2404.14619） の解説記事です。 論文概要（Abstract） DebugBenchは、LLMのコードデバッグ能力を体系的に評価するベンチマークである。4つのプログラミング言語（C++, Java, Python, Jav...

本記事は MINT: Evaluating LLMs in Multi-turn Interaction with Tools and Language Feedback（arXiv:2401.15077） の解説記事です。 論文概要（Abstract） MINTは、LLMがツール使用とフィードバックループを含むマルチターンインタラクションにおいてどの程度の能力を発揮するかを定量的に評価...

本記事は AgentMonitor: A Plug-and-Play Framework for Real-Time Evaluation, Modification, and Replanning of LLM Agents（arXiv:2405.14744） の解説記事です。 論文概要（Abstract） AgentMonitorは、LLMベースのマルチエージェントシステムに対して、...

本記事は Demystifying evals for AI agents（Anthropic Engineering Blog, 2026年1月9日公開） の解説記事です。 ブログ概要（Summary） Anthropicのエンジニアリングチーム（Mikaela Grace, Jeremy Hadfield, Rodrigo Olivares, Jiri De Jonghe）が、AIエ...