本記事は LongCodeBench: Evaluating Coding LLMs at 1M Context Windows (arXiv:2505.07897) の解説記事です。 論文概要（Abstract） LongCodeBenchは、コーディングLLMの長文コンテキスト能力を体系的に評価するためのベンチマークである。著者らは、実世界のGitHubリポジトリから収集した108リ...

本記事は arXiv:2502.12561 の解説記事です。 論文概要（Abstract） マルチエージェントワークフロー（MAW）はLLMの複雑タスク性能を向上させる手法として広く採用されているが、MAWが単一エージェントワークフロー（SAW）をいつ・なぜ上回るかの理論的基盤は欠如していた。Yang, Wei, Liang（2025）は、情報理論における「集中度（concentrati...

論文概要（Abstract） 本記事は arXiv:2306.05685 の解説記事です。 Zheng らは、LLMの出力品質を人間評価に代わってLLM自身が評価する「LLM-as-a-Judge」手法を提案し、その信頼性を体系的に検証した。80問のマルチターンベンチマーク MT-Bench と、30,000件以上の人間投票を集めたクラウドソーシングプラットフォーム Chatbot Ar...

ブログ概要（Summary） LangChainの公式ブログでは、非構造化テキストからLLMを用いて知識グラフ（KG）を自動構築し、ベクトル検索＋キーワード検索＋グラフトラバーサルの3系統ハイブリッド検索でRAG精度を向上させる実装パターンが紹介されている。Neo4jをバックエンドとし、LLMGraphTransformerによるエンティティ・関係抽出からNeo4jVectorによるベクト...

論文概要（Abstract） 本記事は arXiv:2407.01203 Agentless の解説記事です。 Agentlessは、複雑なエージェントアーキテクチャ（長いアクショントラジェクトリ、意思決定ループ、多数のツール使用）を排除し、局所化（localization）→修正（repair）の2段階のみでGitHub issueを自動解決するアプローチである。著者らは、SWE-be...

ブログ概要（Summary） 本記事は NVIDIA Developer Blog: Improve AI Code Generation Using NVIDIA NeMo Agent Toolkit の解説記事です。 NVIDIAのNeMo Agent Toolkit（AgentIQ）は、テスト駆動のコーディングエージェントをLangGraphベースで構築するためのフレームワークであ...

ブログ概要（Summary） NVIDIAのテックブログでは、PyG（PyTorch Geometric）のG-Retrieverアーキテクチャを用いたGraphRAG実装を紹介している。GNN（Graph Attention Network）をLLMのファインチューニングに統合し、グラフ構造を考慮した検索・生成パイプラインを構築する手法が解説されている。Neo4jをバックエンドとしたベク...

論文概要（Abstract） 本記事は arXiv:2407.13168 の解説記事です。 本論文は、LLMを構成要素として含むアルゴリズム（LLMベースアルゴリズム）の成功率を理論的に分析した研究である。著者らは、複数のLLM呼び出しを連鎖させるアルゴリズムにおいて、自己修正（self-correction）、アンサンブル、外部検証ツールの有効性を形式的に定式化し、以下の洞察を導出して...

論文概要（Abstract） 本論文は、LLMをエージェントとして機能させ、知識グラフ（KG）上を反復的にビームサーチでトラバーサルするフレームワーク「Think-on-Graph (ToG)」を提案している。著者らは、各ステップでLLMが「次に探索すべき関係」を選択し、証拠を段階的に収集してから最終回答を生成する「探索→推論」の反復ループにより、従来のKGQA手法を上回る精度を達成したと...

論文概要（Abstract） 本記事は arXiv:2501.07098 Agent-R の解説記事です。 Agent-Rは、外部フィードバック（環境報酬やCriticモデル等）を必要とせずに、LLMエージェントの自己反省（self-reflection）能力を反復的自己訓練で獲得させるフレームワークである。著者らはモンテカルロ木探索（MCTS）を活用して「最初に誤った行動をとった時点」...