論文概要（Abstract） 本記事は Benchmarking Agentic Workflow Generation（WorFBench）の解説記事です。 WorFBenchは、LLMエージェントが複雑なタスクを実行可能なワークフロー（有向非巡回グラフ: DAG）に分解する能力を体系的に評価するベンチマークである。著者らは、既存の評価フレームワークがシナリオの多様性やワークフロー構造...

論文概要（Abstract） 本記事は MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework の解説記事です。 MetaGPTは、人間のソフトウェア開発組織で用いられる標準作業手順書（SOP: Standard Operating Procedures）をLLMエージェントの協調プロトコルとしてコード化する...

論文概要（Abstract） 本記事は ReAct: Synergizing Reasoning and Acting in Language Models の解説記事です。 ReActは、大規模言語モデル（LLM）に推論トレース（Thought）とタスク固有の行動（Action）を交互に生成させるフレームワークである。従来のChain-of-Thought（CoT）が推論のみを行い、行...

ブログ概要（Summary） 本記事は Testing Agent Skills Systematically with Evals の解説記事です。 OpenAI開発者ブログ「Testing Agent Skills Systematically with Evals」は、AIエージェントが備える個々の スキル（skill） を体系的にテストするためのフレームワークを提示している。従来...

ブログ概要（Summary） 本記事は Building LangGraph: Designing an Agent Runtime from First Principles の解説記事です。 この記事は Zenn記事: LangGraph v1.1ステートマシンのドメインモデリングとテスト駆動設計 の深掘りです。 LangGraphは、LLMエージェントを本番環境で運用するためのフ...

本記事は Long Context vs. RAG for LLMs: An Evaluation and Revisits の解説記事です。 論文概要（Abstract） 長文脈LLM（LC-LLM）とRAG（Retrieval-Augmented Generation）のどちらが知識集約型タスクに適しているかを、制御された実験で体系的に比較した研究である。著者らは8つのLLMと4つの...

本記事は Context Engineering for AI Agents: Lessons from Building Manus の解説記事です。 ブログ概要（Summary） ManusチームのYichao ‘Peak’ Ji氏が、AIエージェントフレームワークを4度再構築する過程で得たContext Engineeringの実践的教訓を共有したエンジニアリングブログ記事である。...

本記事は Benchmarking Multi-Agent LLM Architectures for Financial Document Processing の解説記事です。 論文概要（Abstract） 金融文書処理（10-Kファイリング、決算発表トランスクリプト、財務テーブル等）における複数のマルチエージェントLLMアーキテクチャを体系的にベンチマークした研究である。著者らは逐...

本記事は Context Length Alone Hurts LLM Performance Despite Perfect Retrieval の解説記事です。 論文概要（Abstract） LLMの質問応答タスクにおけるコンテキスト長の影響を、検索品質を制御した実験で調査した研究である。著者らは必要な情報を直接コンテキストに挿入し（完全な検索を保証）、コンテキスト長の影響を検索品質...

本記事は LLMLingua: Compressing Prompts for Accelerated Inference of Large Language Models の解説記事です。 論文概要（Abstract） LLMLinguaは、小型言語モデル（LLaMA-7B等）を圧縮器として使用し、大型LLM（GPT-4等）に送信するプロンプトを最大20倍圧縮する手法である。著者らは、...