論文概要（Abstract） 本記事は Dynamic Model Routing and Cascading for Efficient LLM Inference: A Survey の解説記事です。 本サーベイ論文は、LLM推論時に複数モデルから動的にモデルを選択する「ルーティング」と「カスケード」のアプローチを体系的に整理したものです。著者らは、クエリ難易度推定、人間の嗜好データ...

本記事は ToolPRM: Fine-Grained Inference Scaling of Structured Outputs for Function Calling（Lin et al., 2025年10月、ACL 2026 採択）の解説記事です。 論文概要（Abstract） 推論時スケーリング（test-time compute scaling）は数学的推論タスクで成功を収...

本記事は VIGIL: Defending LLM Agents Against Tool Stream Injection via Verify-Before-Commit（Lin et al., 2026年1月）の解説記事です。 論文概要（Abstract） LLMエージェントのツール呼び出しにおいて、ツール定義（docstring）やランタイムフィードバック（tool_result...

本記事は XGrammar-2: Efficient Dynamic Structured Generation Engine for Agentic LLMs（Li et al., 2026年1月、ACM CAIS 26）の解説記事です。 論文概要（Abstract） 現代のLLMエージェントはツール呼び出し（Function Calling）において動的な構造化生成を必要とする。出力...

本記事は JSONSchemaBench: A Rigorous Benchmark of Structured Outputs for Language Models（Geng et al., 2025年1月）の解説記事です。 論文概要（Abstract） LLMからの構造化出力生成において、JSON Schemaに基づく制約付きデコーディング（Constrained Decoding...

本記事は To Call or Not to Call: A Framework to Assess and Optimize LLM Tool Calling（Wu et al., 2026年5月）の解説記事です。 論文概要（Abstract） LLMエージェントにおけるツール呼び出し（Function Calling）は常に有益とは限らない。冗長な呼び出しや性能を低下させる呼び出しが...

論文概要（Abstract） 本記事は arXiv:2309.17288「AutoAgents: A Framework for Automatic Agent Generation」（IJCAI 2024採択）の解説記事です。 著者ら（Guangyao Chen, Siwei Dong, Yu Shu, Ge Zhang, Jaward Sesay, Börje F. Karlsson...

論文概要（Abstract） 本記事は arXiv:2402.01680「LLM-based Multi-Agent Systems: Progress and Challenges」 の解説記事です。 著者ら（Taicheng Guo, Xiuying Chen, Yaqi Wang, Ruidi Chang, Shichao Pei, Nitesh V. Chawla, Olaf W...

論文概要（Abstract） 本記事は arXiv:2505.19591「Multi-Agent Collaboration via Evolving Orchestration」（NeurIPS 2025採択）の解説記事です。 著者らは、マルチエージェントLLMシステムにおけるエージェント間の協調を中央集権型オーケストレーター（「Puppeteer」）が動的に制御する新たなパラダイムを...

ブログ概要（Summary） 本記事は AWS Database Blog「Build durable AI agents with LangGraph and Amazon DynamoDB」（2026年1月13日公開、著者: Lee Hannigan）の解説記事です。 LangGraphのステートマシンモデルでは、チェックポインターがグラフの各ステップでState（状態）をスナップシ...