本記事は arXiv:2504.21801 “DeepSeek-Prover-V2: Advancing Formal Mathematical Reasoning via Reinforcement Learning for Subgoal Decomposition”（DeepSeek-AI、2025年4月）の解説記事です。 論文概要（Abstract） DeepSeek-Prove...

本記事は https://arxiv.org/abs/2502.12110 の解説記事です。 論文概要（Abstract） A-Memは、LLMエージェントのメモリを「エージェント自身が自律的に組織化する」という新しいパラダイムを提案するシステムである。社会学者Niklas Luhmannが考案したZettelkasten（ツェッテルカステン）方式の原理を応用し、個々のメモリをアトミック...

本記事は arXiv:2401.01335 “SPIN: Self-Play Fine-Tuning Converts Weak Language Models to Strong Language Models”（Chen, Deng, Yuan, Ji, Gu、ICML 2024）の解説記事です。 論文概要（Abstract） SPIN（Self-Play Fine-Tuning）は...

本記事は https://arxiv.org/abs/2310.08560 の解説記事です。 論文概要（Abstract） MemGPTは、LLMの固定長コンテキストウィンドウをOSにおける物理メモリ（RAM）に見立て、外部ストレージとの間で情報をページングする階層型メモリ管理システムである。著者らは、Main Context（高速・限定容量）、Recall Storage（会話履歴のベ...

ブログ概要（Summary） 本記事は AWS Machine Learning Blog: Build agents to learn from experiences using Amazon Bedrock AgentCore episodic memory の解説記事です。Amazon Bedrock AgentCoreのエピソディックメモリは、エージェントが過去の経験（ゴール、推...

本記事は arXiv:2502.00212 “STP: Self-play LLM Theorem Provers with Iterative Conjecturing and Proving”（Dong, Liu, He, Poesia, Zelikman, Zhang, Han, Finn, Liang, Selsam、ICML 2025）の解説記事です。 論文概要（Abstract...

本記事は Google Research Blog: Towards a Science of Scaling Agent Systems: When and Why Agent Systems Work（2026年1月28日公開）の解説記事です。 ブログ概要（Summary） Google ResearchのKim & Liu（2026）は、「エージェントを増やせば性能が上がる...

ブログ概要 本記事は Google DeepMind公式: Gemini 3.1 Pro の解説記事である。Google DeepMindは2026年2月19日にGemini 3.1 Proを公開した。Gemini 3.1 Proは、Transformer系Mixture-of-Experts（MoE）アーキテクチャに基づく推論特化型モデルであり、従来の2段階（low/high）に加えて中...

ブログ概要 本記事は、Anthropic Alignment Scienceチームが2025年4月3日に公開した研究ブログ記事 Reasoning models don’t always say what they think の解説記事である。この研究では、推論モデル（Claude 3.7 SonnetおよびDeepSeek R1）のChain-of-Thought（CoT）が、モデルの...

本記事は arXiv:2503.06806 の解説記事です。 論文概要（Abstract） RouterBenchは、LLMルーティング戦略を公平に比較評価するためのベンチマークフレームワークである。LLMルーティングとは、入力クエリに応じて複数の候補モデル（高性能・高コストの大型モデルと低コストの小型モデル）から最適なモデルを選択するタスクを指す。著者らは、ルールベース・学習ベース分類...