本記事は Agent-as-a-Judge: Evaluate Agents with Agents の解説記事です。 Mingchen Zhuge らが提案した本論文は、ICML 2025 に採択されている。LLM-as-a-Judge の限界を体系的に分析し、ツール使用・マルチステップ推論・メモリを備えた評価エージェントによる新しい評価パラダイム「Agent-as-a-Judge」を提...

ブログ概要（Summary） 本記事は Anthropic Engineering Blog: “Building a C compiler with a team of parallel Claudes”（2026年2月5日公開）の解説記事です。 Anthropicの研究者Nicholas Carliniは、16並列のClaude Opus 4.6エージェントを使い、Linuxカーネル...

本記事は arXiv:2601.10825 “Reasoning Models Generate Societies of Thought”（Wu, Kotek, Potts, Goodman, 2025年1月）の解説記事です。 論文概要（Abstract） 著者らは、RLHF（人間のフィードバックによる強化学習）やGRPO（報酬ベース強化学習）で訓練された大規模言語モデル（LLM）の推...

本記事は AgentTool: Evaluating Tool Selection in Multi-Agent Workflows の解説記事です。 論文概要（Abstract） AgentToolは、LLMベースのエージェントがマルチエージェントワークフローにおいてツールを正しく選択できるかどうかを評価するためのベンチマークである。Coding、Math、Reasoning、Writ...

本記事は A Reinforcement Learning Environment for Automatic Code Optimization in the MLIR Compiler (arXiv:2409.11068) の解説記事です。 論文概要（Abstract） 著者らはMLIR RLと名付けた強化学習環境を提案しています。この環境はMLIRコンパイラのLinalg Dial...

本記事は RouteLLM: Learning to Route LLMs with Preference Data（Ong et al., ICLR 2025）の解説記事です。 論文概要（Abstract） RouteLLMは、推論時にクエリごとに強いLLM（例: GPT-4）と弱いLLM（例: Mixtral-8x7B）を動的に切り替えるルーターモデルのフレームワークである。著者らは...

本記事は Hardware Acceleration of LLMs: A comprehensive survey and comparison の解説記事です。 論文概要（Abstract） 本サーベイは、LLM推論のハードウェア高速化に関する包括的な調査と比較を提供する。著者らはGPU、FPGA、ASIC、In-Memory Processing（PIM）の4つのハードウェアプラッ...

本記事は arXiv:2408.08435 “Automated Design of Agentic Systems”（Hu et al., 2024）の解説記事です。 論文概要（Abstract） Hu, Lu, Clune（University of British Columbia, 2024年8月）は、エージェントシステムの設計そのものを自動化する新しい研究問題「ADAS（Aut...

本記事は AWS and Cerebras Collaboration Aims to Set a New Standard for AI Inference Speed and Performance in the Cloud の解説記事です。 ブログ概要（Summary） 2026年3月13日、AWSとCerebrasは、クラウドにおけるAI推論の速度とパフォーマンスの新たな標準を目...

本記事は AIDE: Machine Learning Engineer Agent （Weco AI, 2025）の解説記事です。 論文概要（Abstract） Weco AIのAIDE（AI Development Environment）は、MLエンジニアリングタスクをコード空間におけるツリー探索問題としてフレーミングし、LLMエージェントが反復的にソリューションコードを生成・改善...