このノートについて
自動生成されたAIトレンドフィード。★★★項目で永続化したいものは AI Trends MOC 経由で Atlas に昇格する。
2026-05-24 AIトレンド
今日のサマリー
今日は 「harness」という単語が arXiv のタイトルに直接出てくる日だった。Adapting the Interface, Not the Model、Harnesses for Inference-Time Alignment、Toward AI VIS Co-Scientists ... Agent Harness の3本が同日に並び、プロファイル中核の「Agent = Model + Harness」定式化が研究コミュニティの語彙として定着しつつあることを示している。共通モチーフは「モデルの重みを触らず、モデルと環境の境界（interface/harness）側を作り込んで失敗を直す」という逆方向アプローチ。The Log is the Agent（イベントログを真実の源にしてグラフを射影する）と Ratchet（スキル authoring ではなく lifecycle 管理がボトルネック）も、外部記憶・skill運用の設計論として直撃した。ニュース面では Anthropic の Project Glasswing 続報が支配的で、AIによる脆弱性発見が「見つける」から「検証・開示・パッチ」のスループット問題へ移ったと明言している。Reddit は環境から 403 ブロックで全滅。
★★★ 注目
インターフェースを適応させよ、モデルではなく：決定論的LLMエージェントのためのランタイム・ハーネス適応
- 原題: Adapting the Interface, Not the Model: Runtime Harness Adaptation for Deterministic LLM Agents
- ソース: arxiv
- シグナル: cs.AI new (2026-05-23)
- 要点: LLMエージェントの失敗の多くは、モデルそのものではなく観測・ツール実行・フィードバック解釈・軌道制御を媒介する「ランタイム・ハーネス」とのインターフェース不整合に起因するという主張。提案手法 Life-Harness は、訓練軌道から「繰り返し起きる対話失敗」を抽出し、それを環境横断で再利用可能な「介入（intervention）」へ変換する。モデル重みも評価環境も一切変えずに、frozen LLM の性能を改善する。決定論的・ルール支配的なドメインで特に効く。
- なぜ刺さるか: コア領域「Environment Engineering（API/codebaseをAI-legibleに再設計する逆方向アプローチ）」と「ハーネス失敗パターン」のド真ん中。weight更新ではなく interface 側を直すという発想は、プロンプト/ツール定義/フィードバック形式の設計こそがエージェント性能を決めるという自分の仮説の追試になっている。
ログこそがエージェントである：監査可能・フォーク可能なエージェントシステムのためのイベントソース型リアクティブグラフ
- 原題: The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems
- ソース: arxiv
- シグナル: cs.AI new (2026-05-23)
- 要点: 既存エージェント基盤は「会話ループが先、ツール、ルール、最後に観測用のロギングが後付け」という構造で、状態は検索可能な「メモリ」として持つ。提案する ActiveGraph はこれを反転させ、append-only のイベントログを真実の源とし、作業グラフはそのログの決定論的な射影（projection）にする。振る舞い（関数・クラス・LLMルーチン・型付きエッジに紐づくロジック）はグラフ変化に反応してイベントを発火する。コンポーネント間に命令はなく、調整は共有グラフ経由のみ。
- なぜ刺さるか: コア領域「外部記憶（git/file system）」「context forking」に直撃。ログを真実の源にすることで監査可能性とフォーク（分岐探索）が無料で手に入るという設計判断は、structured note-taking / compaction の議論とも地続き。「メモリを後付けする」現行ハーネスへの明確なアンチテーゼ。
実行軌道上の推論時アラインメントのためのハーネス
- 原題: Harnesses for Inference-Time Alignment over Execution Trajectories
- ソース: arxiv
- シグナル: cs.LG cross (2026-05-23)
- 要点: ハーネス工学を「推論時の軌道アラインメント」というレンズで定式化。ハーネスを2つの機構に分解する ―― タスクを下位ゴールに構造化する task decomposition と、実行中の局所的な行動分布を変形する guided execution。重要な知見は「より精緻なハーネスが一様に良いわけではない」こと：分解やガイドを増やすと実行が改善することもあれば、最終的なタスク成功率を下げることもある。
- なぜ刺さるか: コア領域「ハーネス工学全般」「guides/sensors 分類」に直撃。「ハーネスを盛れば盛るほど良いわけではない」という反直観的結果は、subagent パイプラインを過剰に分割すると劣化する自分の経験則を理論で裏付ける。decomposition と guidance を別軸で測る枠組みは設計の言語として使える。
Ratchet：自己進化するLLMエージェントのための最小ハイジーン・レシピ
- 原題: Ratchet: A Minimal Hygiene Recipe for Self-Evolving LLM Agents
- ソース: arxiv
- シグナル: cs.AI new (2026-05-23)
- 要点: Voyager 系の「自己進化スキルライブラリ」は frozen LLM が重み更新なしに再利用知識を貯められるが、最近の評価では LLMが書いたスキルはノースキル比 +0.0pp、人間がキュレートしたスキルは +16.2pp ―― つまりボトルネックはスキルの authoring ではなく lifecycle 管理にある。Ratchet は単一エージェントのループで、frozen LLM が自分の自然言語スキルを書き・検索し・キュレートし・引退させる。4機構（成果駆動の引退、bounded active-cap、メタスキル authoring ガイダンス、パターン正規化）を統合。
- なぜ刺さるか: コア領域「Skill 設計」「長期タスクエージェント設計」に直撃。「書けるが捨てられない」がスキル運用の本質的問題だという指摘は、自分の Claude Code skill 群の運用（古い skill の引退・active-cap）にそのまま適用できる。authoring best practices の次は lifecycle best practices だという示唆。
Project Glasswing：最初の続報
- 原題: Project Glasswing: An Initial Update
- ソース: anthropic（HN 521 points で同時にトップ）
- シグナル: points=521, comments=305
- 要点: 先月ローンチした Glasswing（重要ソフトウェアをAIが悪用される前に守る取り組み）について、約50のパートナーと Claude Mythos Preview を使い、世界で最も systemically important なソフトウェア群から 1万件超の high/critical 脆弱性を発見したと報告。ポイントは「進捗の制約が変わった」こと ―― かつては脆弱性をどれだけ速く見つけられるかが律速だったが、今は検証・開示・パッチをどれだけ速く回せるかが律速になった。90日開示慣行との緊張、Mythos級モデルの今後のリリース方針にも言及。
- なぜ刺さるか: コア領域「新モデルリリース（Anthropic）」と「LLM評価・解釈可能性」の交差。発見がスループット問題に変わったという構図は、まさに harness/環境側のボトルネックの話で、今日の arXiv の harness 群と同じ「モデルは十分強い、周辺の運用が律速」というメタテーゼを共有している。
★★ 関連
- Skill Weaving：モジュラーなスキルパックによる効率的LLM改善 — 汎用モデルの能力を軽量な domain-specific delta（skillpack）に分割し、固定メモリ予算下で特化させる。SkillZip で推論可能形式に圧縮。Ratchet が自然言語スキルなのに対しこちらは重みデルタ系のスキルで、「skill」の語が両極で使われているのが対照的。(arxiv, cs.AI new)
- LLM時代のプランニング：信頼性と効率のために作る — 単発プラン生成→LLM+限定探索のハイブリッドの限界を踏まえ、解構築時にLLMで「検証可能な記号ソルバを生成」する方向へ。bounded deterministic workflow の系譜。(arxiv, cs.AI new)
- AI VIS共同科学者へ：複雑なデータ可視化タスクを解く汎用エージェント・ハーネス — データと高レベル記述だけから可視化分析アプリを自律設計する end-to-end ハーネス。長期ホライズンタスクの autonomous 実行という co-scientist 像の一歩。(arxiv, cs.AI new)
- ArborKV：木構造LLM推論をスケールさせる構造認識型KVキャッシュ管理 — Tree-of-Thoughts のフロンティア軌道が KV キャッシュを爆発させる問題に対し、探索ダイナミクス（近傍デコードは active branch に依存）を利用して KV を管理。context/memory のハード側最適化。(arxiv, cs.LG new)
- OOD アラインメント失敗の監視器をベンチマークし改善する — 安全失敗の多くは OOD（想定外のプロンプト/応答パターン）で起きる。MOOD ベンチを導入し、自前で訓練した監視器＋7つのテストセットで監視パイプラインが OOD 失敗を検出できるかを系統的に検証。(arxiv, cs.AI new)
- IdleSpec：投機的プランニングでLLMエージェントのアイドル時間を活用 — ツール呼び出しの観測待ちで生じるアイドル時間を、計算予算と観測不確実性を考慮した投機的計算で埋めてエージェント性能を上げる。エージェント効率化の一手。(arxiv, cs.AI new)
- AIシカンシー（おべっか）とは何か：断片化した概念の分類と専門家サーベイ — sycophancy の語が「ユーザの虚偽への同意」「過剰称賛」「訂正回避」など別物に乱用されている問題。70論文をレビューしてタクソノミー化。評価結果の比較不能・緩和策の非転移という実害を指摘。(arxiv, cs.AI new)
★ 雑学
- FTC、Cox Media Group ら3社に「アクティブ・リスニング」AIマーケティングの欺瞞で計約100万ドルの和解を要求 — 「端末のマイクを盗み聞きしてターゲティング広告を出すAI」を謳った欺瞞的マーケティングへの執行。AI誇大広告に対する規制側の実例。(simon-willison)
メタ情報
- 候補総数: 約95（HN 14 / Simon 5 / arXiv ~75 / Anthropic 新規8中ウィンドウ内1 / Reddit 0）
- 採択: ★★★ 5 / ★★ 7 / ★ 1
- 失敗ソース: reddit（old.reddit / www.reddit ともに 403 Blocked、環境からのネットワークレベル遮断）
- 除外理由の傾向: HN は政治・ハードウェア（80386 microcode, SpaceX, green card 等）が大半で AI 該当はほぼ Glasswing のみ。Simon は鳥観察・
- 要素・DRAM価格など非AI/周辺が多く、Datasette Agent サブリリース（0.1a 系）は前日採択済みのため除外。arXiv は医療・推薦・無線通信系を screen で落とした。
⬆ AI Trends へ戻る