カンファレンス論文解説: AvaTaR - LLMエージェントのツール使用最適化 論文概要 AvaTaR: Optimizing LLM Agents for Tool Usage via Contrastive Reasoning (NeurIPS 2024) は、Stanford University と Amazon によるLLMエージェントのツール使用能力を 対比推論 で最適化す...

論文解説: Infini-attention - 無限長コンテキストを実現する圧縮メモリ機構 論文概要 Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention (arXiv:2404.07143, 2024年4月) は、Google DeepMindによる 無限長コンテキ...

概要 FAISS（Facebook AI Similarity Search）は、Meta AI FAIR（Facebook AI Research）が開発した高効率ベクトル類似検索ライブラリです。arXiv論文2401.08281で詳細が公開され、1.5兆ベクトル（144次元）のインデックス作成や10億規模のGPU高速検索を実現しています。 本記事では、FAISSの中核技術であるHNS...

Anthropic研究解説: プロンプトインジェクション防御の最前線 ブログ概要 Anthropicの公式研究ブログ “Mitigating the risk of prompt injections in browser use” (2025年) は、ブラウザ操作エージェントに対する プロンプトインジェクション攻撃 の防御手法を詳述しています。本記事は、Claude Opus 4.5で...

概要 Google Researchが提案するSpeculative RAGは、従来のRAG（Retrieval-Augmented Generation）システムの推論遅延と精度の両方を大幅に改善する新しいアーキテクチャです。本手法は、小規模な専門特化モデル（Specialist Drafter）と大規模な汎用モデル（Generalist Verifier）を組み合わせたドラフト・検証パ...

1. 論文概要 Ahmed E. Hassan（Queen’s University）、Gustavo A. Oliva（Amazon）らによる本論文（arXiv:2410.06107, 2024年10月公開）は、大規模言語モデル（LLM）時代の新しいソフトウェア工学パラダイム「SE 3.0」を提唱しています。 SE 3.0の定義: Intent-centric（意図中心）、conver...

論文概要 タイトル: Retrieval-Augmented Generation: A Comprehensive Survey of Architectures, Enhancements, and Robustness Frontiers 公開日: 2025年6月（arXiv:2506.00054） 本論文は、RAGシステムの設計空間を体系的に分類し、アーキテクチャパターン、強化...

論文概要 タイトル: A Comprehensive Survey of Retrieval-Augmented Generation (RAG): Evolution, Current Landscape and Future Directions 著者: Shailja Gupta, Rajesh Ranjan, Surya Narayan Singh 公開日: 2024年10月3...

論文概要 タイトル: Large Language Models as Optimizers 著者: Chengrun Yang, Xuezhi Wang, Yifeng Lu, Hanxiao Liu, Quoc V. Le, Denny Zhou, Xinyun Chen (Google DeepMind) 発表: ICLR 2024 arXiv ID: 2309.03409 提出日:...

論文解説: AgentBench - LLMエージェント評価の決定版ベンチマーク 論文概要 AgentBench: Evaluating LLMs as Agents (arXiv:2308.10848, 2023年8月) は、Large Language Model (LLM) をエージェントとして評価するための包括的なベンチマークフレームワークです。従来のLLM評価が自然言語処理タス...