本記事は arXiv:2601.00596 の解説記事です。 論文概要（Abstract） Sumanth Balaji, Piyush Mishra, Aashraya Sachdeva, Suraj Agrawalらによる本論文は、カスタマーサポート（CS）エージェントのマルチターン対話能力を評価するベンチマーク「JourneyBench」を提案している。著者らは、既存のCSベンチマ...

本記事は Google DeepMind — Gemini Flash および Google AI Blog: Gemini 3.5 Flash の解説記事です。 ブログ概要（Overview） Google DeepMindは2026年5月19日にGemini 3.5 Flashをリリースした。Googleはこのモデルを「our fastest, most efficient mode...

本記事は arXiv:2601.02744 の解説記事です。 論文概要（Abstract） Hanqi Jiang ら11名による本論文は、LLMエージェントのエピソード記憶とセマンティック記憶を動的グラフ上のSpreading Activationメカニズムで統合するアーキテクチャ「Synapse」を提案している。著者らは「a unified memory architecture t...

本記事は Mem0 State of AI Agent Memory 2026 の解説記事です。 ブログ概要（Summary） Mem0が2026年4月に公開した本レポートは、AIエージェントの記憶管理における現状を、ベンチマーク結果・アーキテクチャ設計・本番運用の3つの観点から分析したものである。Mem0の最新アルゴリズム（2026年4月版）は、LoCoMoベンチマークで92.5、Lo...

本記事は arXiv:2602.05665 の解説記事です。 論文概要（Abstract） Chang Yang ら18名による本サーベイは、LLMベースエージェントのメモリをグラフ構造で管理する手法を包括的に整理した研究である。著者らは「Memory emerges as the core module in LLM-based agents for long-horizon comp...

論文概要 本記事は Qwen2.5-1M Technical Report (arXiv 2501.15383) の解説記事です。 Qwen2.5-1Mは、Alibaba Qwen Teamが開発した100万トークンのコンテキスト長を処理可能な大規模言語モデルである。長文データ合成・段階的事前学習・マルチステージSFTによる学習パイプラインと、Dual Chunk Attention（D...

論文概要 本記事は Kascade (arXiv 2512.16391) の解説記事です。 Kascadeは、長文脈LLM推論におけるアテンション計算のレイテンシを削減するための、訓練不要（training-free）な疎アテンション手法である。著者らは、post-softmaxアテンション分布の高重みキーが隣接レイヤー間で安定的に共有されるという観測に基づき、少数の「アンカーレイヤー」...

論文概要 本記事は LServe (arXiv 2502.14866) の解説記事です。LServeは、長文脈LLM推論におけるprefillおよびdecodeの両フェーズを統一的なブロックスパースアテンションで高速化するシステムである。静的スパーシティ（Streaming Head分類）と動的スパーシティ（クエリ依存ページ選択）を直交的に組み合わせることで、vLLMに対してprefill...

本記事は FlexPrefill: A Context-Aware Sparse Attention Mechanism for Efficient Long-Sequence Inference (arXiv 2502.20766) の解説記事です。 論文概要 FlexPrefillは、LLMの長文脈推論におけるprefillフェーズのアテンション計算を動的に疎化（スパース化）する手法...

論文概要 本記事は SparseServe (arXiv 2509.24626) の解説記事です。SparseServeは、長文脈LLM推論における動的疎アテンション（Dynamic Sparse Attention, DSA）のシステムレベルの課題を解決するサービングフレームワークである。DSAはアテンション計算量を削減するが、未使用のKVキャッシュがGPU HBM上に残留し並列処理を制...