# 長期稼働するAI、監視設計が次の論点に - AIダイジェスト 20260721

> 長期稼働AIの安全性、AgentCoreのトレース集約、物理AI、エージェント評価研究から、権限・停止条件・監視・障害復旧の確認点を整理します。

Canonical URL: https://labs.eastbraver.com/digest/ai-digest-20260721
Published: 2026-07-21T06:30:00+09:00
Category: ai-digest
Tags: amazon-bedrock, agentcore, nvidia, gemini, governance

## 3分で読む AIダイジェスト

AIが長い工程を自律実行するほど、最終結果だけを評価する運用では異常の発見が遅れます。今回の更新群は、途中の判断とツール実行を追える記録、権限の制限、停止条件、失敗後の復旧を、モデル選定と同じ段階で設計する必要性を示しています。

### 読者別の見方

- 管理者: 自律化の効果を判断する際は、処理能力と併せて監督コスト、事故時の責任分界、停止手段を確認したい日です。
- AX担当: 対象業務の最長実行時間、承認が必要な操作、ログの保管主体、異常時の担当者をベンダーや開発者に確認してください。
- エンジニア: ツール権限、トレース相関、タイムアウト、再試行の冪等性、チェックポイントからの復旧を実装境界として確認したいところです。

### 今日の未確認事項

- 長時間タスクの安全性を測る標準評価は、実運用の失敗モードをどこまで再現できるか
- 統合トレースに入力データや機密情報が含まれる場合、保存範囲をどう制御できるか
- 自律実行を停止・再開した際、外部システムとの状態不整合をどう解消するか

## 今朝の要点

- [OpenAI、長期稼働モデルの安全性と監督課題を整理](https://openai.com/index/safety-alignment-long-horizon-models)
- [AgentCoreがエージェントのスパン送信先を統合](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)
- [Cosmos 3 Edge、エッジ向け物理AIモデルを公開](https://huggingface.co/blog/nvidia/cosmos3edge)
- [世界モデル予測でGUIエージェントの操作を監視](https://arxiv.org/abs/2607.15550)
- [長期タスク用エージェント学習環境を提案](https://arxiv.org/abs/2607.15660)

## 今日の流れ

長時間にわたり自律的に動くAIでは、単発回答の精度だけでなく、途中経過を追跡し、逸脱時に停止できる運用設計が問われます。本日はOpenAIの安全性論点に加え、AgentCoreのトレース集約、エージェント評価研究、物理AIの展開から、実行時間・権限・監視の境界を整理します。

## 今日の主要論点

今日のAI実装動向を読むうえで、最初に確認したい論点です。

### Safety and alignment in an era of long-horizon models

- 情報源: openai-news (2026-07-20 19:00 JST)
- URL: [https://openai.com/index/safety-alignment-long-horizon-models](https://openai.com/index/safety-alignment-long-horizon-models)
- 分類: Research
- 関係する読者: 管理者 / AX担当 / エンジニア

**何が変わったか:** モデル安全性の評価対象が単発応答から長時間の計画・行動・状態変化まで広がった。

OpenAIは、モデルが長時間のタスクを遂行する時代に向けた安全性とアラインメントの論点を公式記事で示した。長期実行では、途中の判断や行動が積み重なるため、短い応答を前提とした評価だけではリスクを捉えにくくなる。運用側には、結果だけでなく実行過程を監督し、問題時に介入できる仕組みが求められる。具体的な保証範囲や標準化された評価方法は、記事から確認を続ける必要がある。

**実装・運用観点:** エージェント導入では、モデル精度だけでなく最大実行時間、利用可能なツール、承認点、強制停止、途中状態の保存を要件に入れたい。既存評価に長期タスクの逸脱、無限再試行、権限超過、停止後のロールバックを追加する判断材料になります。

**関連する技術ガイド:** [AIシステムのIdentityとAuthorization](/guides/ai-identity-authorization) / [AI Agent評価](/guides/ai-agent-evaluation)

**確認論点:**
- 長時間タスクの最大実行時間と強制停止手段を確認する
- 外部操作に人の承認を挟む条件と権限境界を定義する
- 途中の判断・ツール呼び出し・状態遷移を監査できるか確認する

**未確認事項:**
- 長期的な逸脱を本番前に再現できる評価セットは提供されるか
- 安全策がモデル層と実行基盤のどちらで保証されるか
- 停止後に外部システムへ加えた変更をどこまで取り消せるか

## あわせて見る動き

主要論点の背景、比較材料、運用上の影響を補う更新です。

### Runtime: Unified span destination for agents

- 情報源: aws-bedrock-agentcore-docs (2026-07-21 04:00 JST)
- URL: [https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/release-notes.html)
- 分類: Infra
- 関係する読者: AX担当 / エンジニア
- タグ: `amazon-bedrock` `agentcore`

**何が変わったか:** エージェント実行のスパンを共通の送信先へ集約できる運用経路が加わった。

Amazon Bedrock AgentCoreの公式リリースノートに、エージェント向けスパンの送信先を統合するRuntime更新が掲載された。分散したエージェント実行の観測情報をまとめて扱うための変更とみられる。対象範囲や移行条件はリリースノートと関連ドキュメントで確認が必要だ。

**実装・運用観点:** 長期タスクでは、モデル推論、ツール呼び出し、外部APIの待機を同じトレースで追えるかが障害切り分けを左右します。既存の送信先、保持期間、機密情報のマスキングへの影響を確認したい更新です。

**関連する技術ガイド:** [AI AgentのObservabilityとTrace](/guides/observability-tracing) / [AI AgentのTool](/guides/tool)

**確認論点:**
- 既存のトレース送信設定との互換性と移行手順を確認する
- スパンに記録される入力、出力、認証情報の範囲を確認する
- エージェント間でトレースIDが維持されるか検証する

**未確認事項:**
- 対応リージョンと料金への影響はどこまであるか
- 外部の観測基盤へ転送する際の制約はあるか

### Introducing Cosmos 3 Edge

- 情報源: huggingface-blog (2026-07-21 00:58 JST)
- URL: [https://huggingface.co/blog/nvidia/cosmos3edge](https://huggingface.co/blog/nvidia/cosmos3edge)
- 分類: Models
- 関係する読者: 管理者 / AX担当 / エンジニア

**何が変わったか:** 物理AI向けモデルをエッジ側で実行するための新たなモデル選択肢が示された。

Hugging Face上のNVIDIA公式記事が、エッジ環境向けのCosmos 3 Edgeを紹介した。物理AIで扱う視覚・世界モデル系処理を、データセンター外へ広げる更新として位置付けられる。対応ハードウェア、モデル配布条件、実測性能は個別確認が必要だ。

**実装・運用観点:** 低遅延やネットワーク断への耐性が必要なロボット・映像処理では、クラウド推論との役割分担が変わり得ます。端末性能、消費電力、更新方法、クラウドへ送るデータの境界を確認したいところです。

**関連する技術ガイド:** [AI BOM](/guides/ai-bom)

**確認論点:**
- 対応GPU、必要メモリ、量子化形式を確認する
- 端末側とクラウド側の推論分担を整理する
- モデル更新失敗時のロールバック手段を確認する

**未確認事項:**
- 実環境での遅延と消費電力はどの程度か
- 商用利用時のライセンス条件は何か

### At SIGGRAPH, NVIDIA Advances Graphics and Simulation With Agentic and Physical AI

- 情報源: nvidia-blog (2026-07-21 00:00 JST)
- URL: [https://blogs.nvidia.com/blog/siggraph-news-2026/](https://blogs.nvidia.com/blog/siggraph-news-2026/)
- 分類: Products
- 関係する読者: 管理者 / AX担当 / エンジニア
- タグ: `nvidia`

**何が変わったか:** 物理AIの開発経路として、シミュレーションからエージェント実行までをつなぐ選択肢が拡張された。

NVIDIAはSIGGRAPHに合わせ、グラフィックス、シミュレーション、エージェント型AI、物理AIに関する更新を発表した。シミュレーションと生成・推論基盤を接続する製品群の展開が中心となる。個別機能の提供時期や利用条件は各製品資料での確認が必要だ。

**実装・運用観点:** 物理環境で動くAIは、モデルの出力品質だけでなく、シミュレーションと実機の差、センサー障害、安全停止まで含めた検証が必要です。試験環境と本番環境の責任分界を先に整理する材料になります。

**関連する技術ガイド:** [AI Agent評価](/guides/ai-agent-evaluation)

**確認論点:**
- 発表機能ごとの提供時期と対応製品を確認する
- シミュレーションと実機の差を測る評価項目を定義する
- 誤動作時の安全停止と監査ログを確認する

**未確認事項:**
- 各機能の一般提供時期と価格はいつ確定するか
- 既存のシミュレーション資産をどこまで再利用できるか

### ToolVerse: Unlocking Massive Environments and Long-Horizon Tasks for Agentic Reinforcement Learning

- 情報源: arxiv-cs-ai (2026-07-20 13:00 JST)
- URL: [https://arxiv.org/abs/2607.15660](https://arxiv.org/abs/2607.15660)
- 分類: Research
- 関係する読者: AX担当 / エンジニア

**何が変わったか:** 長期タスクを多数のツール環境で学習・評価するための研究基盤が提示された。

ToolVerseは、多数の環境と長期タスクを対象にエージェント強化学習を行う研究を提案する。ツール利用を伴う長い工程の学習・評価を広げる狙いがある。査読状況や実業務への再現性は未確認だ。

**実装・運用観点:** 長時間エージェントの評価では、成功率だけでなく、呼び出し回数、費用、途中失敗、回復行動を測る必要があります。自社評価セットを設計する際の比較対象になりそうです。

**関連する技術ガイド:** [AI AgentのTool](/guides/tool) / [AI Agent評価](/guides/ai-agent-evaluation)

**確認論点:**
- 評価環境が自社のツール構成と失敗条件を再現できるか確認する
- 成功率に加えて費用と実行時間を計測する
- 学習時に許可された操作と本番権限の差を確認する

**未確認事項:**
- 未見の業務環境へどこまで汎化するか
- 長期実行時の安全制約を評価に含めているか

### SeerGuard: A Safety Framework for Mobile GUI Agents via World Model Prediction

- 情報源: arxiv-cs-ai (2026-07-20 13:00 JST)
- URL: [https://arxiv.org/abs/2607.15550](https://arxiv.org/abs/2607.15550)
- 分類: Research
- 関係する読者: AX担当 / エンジニア

**何が変わったか:** GUI操作を実行する前に予測結果を用いて危険な行動を抑える安全策が提案された。

SeerGuardは、世界モデルによる予測を使ってモバイルGUIエージェントの操作安全性を高める研究である。実行前に操作の結果を見積もる枠組みを扱う。端末やアプリをまたぐ一般化性能、査読状況は未確認だ。

**実装・運用観点:** 画面操作型エージェントはAPIより境界が曖昧で、誤タップが購入や削除へ直結します。不可逆操作の検出率、確認画面、OS権限と組み合わせて評価したい研究です。

**関連する技術ガイド:** [AIシステムのIdentityとAuthorization](/guides/ai-identity-authorization) / [Guardrails](/guides/guardrails)

**確認論点:**
- 購入、送信、削除など不可逆操作の検出率を確認する
- 予測が不確かな場合に操作を停止できるか確認する
- OS権限とアプリ内権限を最小化する

**未確認事項:**
- 未知の画面レイアウトでも安全性が維持されるか
- 予測処理による操作遅延はどの程度か

## 短く追う更新

優先度は少し下がりますが、流れを押さえるために確認しておきたい更新です。

### [Google is working on a new AI chip designed to make Gemini more efficient](https://techcrunch.com/2026/07/20/google-is-working-on-a-new-ai-chip-designed-to-make-gemini-more-efficient/)

techcrunch-ai | Infra | 管理者 / AX担当 / エンジニア

TechCrunchは、GoogleがGeminiの効率向上を狙う新しいAIチップを開発中だと報じた。記事から対応モデル、投入時期、外部提供の有無は確定できない。確認できる一次発表が特定できないため、計画段階の二次情報として扱う必要がある。

**変化:** Googleのモデルと専用計算基盤の一体最適化がさらに進む可能性が報じられた。
**確認:** Googleの公式発表と製品仕様が公開されたか確認する

### [Build specialized agent workflows for your business with Amazon Quick and NVIDIA NeMo Agent Toolkit](https://aws.amazon.com/blogs/machine-learning/build-specialized-agent-workflows-for-your-business-with-amazon-quick-and-nvidia-nemo-agent-toolkit/)

aws-ml-blog | Products | 管理者 / AX担当 / エンジニア

AWSは、Amazon QuickとNVIDIA NeMo Agent Toolkitを組み合わせて業務特化エージェントを構築する方法を公式ブログで紹介した。複数コンポーネントを接続する実装パターンであり、個別の新サービス発表とは区別して評価したい。

**変化:** Amazon Quickの業務ワークフローへNeMo Agent Toolkitを組み込む具体的な構成例が公開された。

**関連する技術ガイド:** [AI AgentのObservabilityとTrace](/guides/observability-tracing) / [AI Agent](/guides/ai-agent)
**確認:** コンポーネント間の認証方式と権限委譲を確認する

### [Making highly available, multi-region Cloud Run services just got easier](https://cloud.google.com/blog/products/serverless/cloud-run-multi-region-services-enhanced-for-high-availability/)

google-cloud-blog | Infra | AX担当 / エンジニア

Google Cloudは、高可用なマルチリージョンCloud Runサービスを構成しやすくする更新を公式ブログで発表した。AI APIやエージェントの実行サービスにも利用できる汎用インフラ更新である。データ整合性やフェイルオーバー時の挙動は構成ごとに確認が必要だ。

**変化:** Cloud Runのマルチリージョン高可用構成を組む際の運用負荷が軽減された。
**確認:** フェイルオーバー時に処理が二重実行されないか検証する

### [NVIDIA NVLink: The Scale-Up Network for AI Factories](https://developer.nvidia.com/blog/nvidia-nvlink-the-scale-up-network-for-ai-factories/)

nvidia-developer-blog | Infra | 管理者 / エンジニア

NVIDIAは、AIファクトリーのスケールアップ接続におけるNVLinkの役割を開発者ブログで解説した。GPU間通信を含む大規模計算基盤の構成が主題である。製品世代ごとの互換性と性能条件は個別確認が必要だ。

**変化:** 大規模AI基盤を設計する際のNVLinkによるGPU間接続の位置付けが整理された。
**確認:** 対象GPU世代とNVLink構成の互換性を確認する

### [How Couchbase built a multi-model AI architecture for Capella iQ with Amazon Bedrock](https://aws.amazon.com/blogs/machine-learning/how-couchbase-built-a-multi-model-ai-architecture-for-capella-iq-with-amazon-bedrock/)

aws-ml-blog | Infra | AX担当 / エンジニア

AWSは、CouchbaseがAmazon Bedrockを使ってCapella iQのマルチモデルAIアーキテクチャを構築した事例を公開した。複数モデルを用途に応じて扱う設計事例であり、一般化できる範囲は要件ごとに異なる。

**変化:** 複数モデルを組み合わせた生成AI機能の実運用アーキテクチャ例が公開された。

**関連する技術ガイド:** [生成AI](/guides/generative-ai)
**確認:** モデル選択ルールとフォールバック条件を確認する

### [Do Coding Agents Need Executable World Models, Simplification, and Verification to Solve ARC-AGI-3?](https://arxiv.org/abs/2607.15439)

arxiv-cs-ai | Research | AX担当 / エンジニア

この研究は、コーディングエージェントがARC-AGI-3を解く際の実行可能な世界モデル、単純化、検証の役割を調べる。推論結果を実行・検証する構成の有効性が論点である。実務のソフトウェア開発へそのまま一般化できるかは未確認だ。

**変化:** コーディングエージェントの能力を、回答生成だけでなく実行モデルと検証工程から評価する論点が示された。

**関連する技術ガイド:** [AI AgentのSandbox](/guides/sandbox) / [AI Agent評価](/guides/ai-agent-evaluation)
**確認:** 生成コードを隔離環境で実行して検証する

### [Behavioral Controllability of Agentic Models for Information Extraction: From Fixed Workflows to Reflective Agents](https://arxiv.org/abs/2607.15715)

arxiv-cs-ai | Research | AX担当 / エンジニア

この研究は、情報抽出に用いるエージェント型モデルの行動制御可能性を、固定ワークフローから内省型エージェントまで比較する。柔軟性と予測可能性の関係が実装上の論点となる。査読状況とデータセット外での再現性は未確認だ。

**変化:** 情報抽出の設計を、精度だけでなくエージェント行動を制御・再現できるかで比較する評価軸が示された。

**関連する技術ガイド:** [AI Agent評価](/guides/ai-agent-evaluation)
**確認:** 同じ入力で行動経路と出力がどの程度再現するか測る

### [Harmonizing AI Safety Thresholds](https://arxiv.org/abs/2607.16112)

arxiv-cs-ai | Policy | 管理者 / AX担当

この論文は、AI安全性の閾値を組織や制度の間で整合させる論点を扱う。異なる評価基準が運用判断を難しくする問題への研究提案である。制度的な採用や実効性は未確認だ。

**変化:** AI安全性を個別評価だけでなく、組織間で比較可能な閾値として扱う議論が提示された。

**関連する技術ガイド:** [AI Agent評価](/guides/ai-agent-evaluation)
**確認:** ベンダーの安全指標と測定条件を一覧化する

### [Beyond Success Rate: Cost-Aware Evaluation of Offensive and Defensive Security Agents](https://arxiv.org/abs/2607.15263)

arxiv-cs-ai | Security | 管理者 / AX担当 / エンジニア

この研究は、攻撃・防御セキュリティエージェントを成功率だけでなく費用も含めて評価する。実行回数、計算資源、運用コストを考慮した比較が主題である。実ネットワークでの安全性と再現性は未確認だ。

**変化:** セキュリティエージェントの評価に、成功率と併せて実行コストを見る枠組みが提案された。

**関連する技術ガイド:** [AI Agent評価](/guides/ai-agent-evaluation) / [AI AgentのSandbox](/guides/sandbox)
**確認:** 成功率と併せて実行費用と人の介入時間を測る

## ひとこと更新

本文で詳しく扱うほどではないものの、周辺動向として確認しておきたい話題です。

- [Custom OS installation now available on AWS DeepRacer devices](https://aws.amazon.com/blogs/machine-learning/custom-os-installation-now-available-on-aws-deepracer-devices/)：DeepRacerで独自OS導入が可能に
- [Evolving from legacy BI to agentic AI at Tradeshift with Amazon Quick](https://aws.amazon.com/blogs/machine-learning/evolving-from-legacy-bi-to-agentic-ai-at-tradeshift-with-amazon-quick/)：TradeshiftのAI型BI移行事例
- [Accelerating automotive innovation with C4A-metal and Panasonic Automotive vSkipGen](https://cloud.google.com/blog/topics/partners/panasonic-automotive-vskipgen-runs-on-axion-based-c4a-metal/)：車載開発をC4A-metalで高速化
- [Integrate NVIDIA Omniverse RTX Sensor Simulation Into Existing Apps](https://developer.nvidia.com/blog/integrate-nvidia-omniverse-rtx-sensor-simulation-into-existing-apps/)：RTXセンサーシミュレーションを統合
- [Bristol Myers Squibb Building Life Science Industry’s Most Advanced AI Factory on NVIDIA Vera Rubin](https://blogs.nvidia.com/blog/bristol-myers-squibb-building-life-science-industrys-most-advanced-ai-factory-on-nvidia-vera-rubin/)：製薬向けVera Rubin基盤を構築
- [v0.32.2](https://github.com/ollama/ollama/releases/tag/v0.32.2-rc0)：Ollamaの新リリース候補を公開
- [b10069](https://github.com/ggml-org/llama.cpp/releases/tag/b10069)：llama.cppの更新版を公開
- [AI’s most important protocol is getting a little bit easier to use](https://techcrunch.com/2026/07/20/ais-most-important-protocol-is-getting-a-little-bit-easier-to-use/)：AIプロトコルの利用改善を報道
- [OpenAI is scared of open-weight models. Should the US be?](https://techcrunch.com/2026/07/20/openai-is-scared-of-open-weight-models-should-the-us-be/)：公開重みモデルの政策論点を解説
- [Adobe camera app’s new feature will critique your photos using AI](https://techcrunch.com/2026/07/20/adobe-camera-apps-new-feature-will-critique-your-photos-using-ai/)：AdobeカメラにAI講評機能
- [YouTube clarifies policies around AI slop and upsetting videos](https://techcrunch.com/2026/07/20/youtube-clarifies-policies-around-ai-slop-and-upsetting-videos/)：YouTubeがAI動画方針を明確化
- [China delivers a one-two punch to America’s AI dominance](https://www.theverge.com/ai-artificial-intelligence/967781/chinese-ai-models-open-source-moonshot-kimi-k3-alibaba-qwen)：中国の公開モデル戦略を分析
- [Apply for Anthropic’s AI for Science rare disease research grants](https://www.anthropic.com/news/rare-disease-research-grants)：希少疾患向けAI研究助成を募集
- [GraphDx: A Cost-Aware Knowledge-Enhanced Multi-Agent Framework for Sequential Diagnosis](https://arxiv.org/abs/2607.15280)：費用考慮型の診断エージェント研究
- [Causal-Audit: Explicit and Auditable Graph-based Reasoning via Target-Aware Causal Chain Construction](https://arxiv.org/abs/2607.15281)：監査可能な因果推論手法を提案
- [Cura 1T: Specialized Model for Agentic Healthcare](https://arxiv.org/abs/2607.15314)：医療エージェント向けモデル研究
- [AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery](https://arxiv.org/abs/2607.15367)：ローカル音声エージェントを提案
- [Precise but Uncoupled: Reviewer Precision Does Not Guarantee Critique Uptake in Multi-Agent Math Reasoning](https://arxiv.org/abs/2607.15388)：批評精度と改善反映のずれを検証
- [DrawingVQA: A Real-World Benchmark for Multi-Depth Visual-Textual Reasoning on Construction Drawings](https://arxiv.org/abs/2607.15418)：建設図面の視覚推論評価を公開
- [Beyond a Joke: Multi-Angle Reasoning for Detecting and Explaining Harmful Humor in Memes](https://arxiv.org/abs/2607.15442)：有害なミーム表現の検出を研究
- [From Black Box to Executable Logic: Explainable Reinforcement Learning through Prolog Expert Systems](https://arxiv.org/abs/2607.15459)：Prologで強化学習を説明可能に
- [A Critical Analysis of Trustworthy AI Tools, Mark Frameworks, and the Implementation Chasms](https://arxiv.org/abs/2607.15480)：信頼できるAI実装の隔たりを分析
- [Neuro-Symbolic AI for LEED compliance: Document-Centric Benchmarking, Deterministic Numeric Checking, and When Multimodal Hurts](https://arxiv.org/abs/2607.15647)：LEED適合確認へのAI利用を評価
- [S1-Omni: A Unified Multimodal Reasoning Model for Scientific Understanding, Prediction, and Generation](https://arxiv.org/abs/2607.15686)：科学向け統合マルチモーダルモデル
- [NeurOWL: An LLM-Based Neural-symbolic Framework for Incomplete OWL Ontology Reasoning](https://arxiv.org/abs/2607.15776)：不完全オントロジー推論を補完
- [AgentFAIR: A Multi-Agent Collaborative Framework for FAIRness Evaluation of Geospatial Datasets](https://arxiv.org/abs/2607.15781)：地理データのFAIR性を協調評価
- [Knowledge-Centric Agents for Workflow Generation](https://arxiv.org/abs/2607.15845)：知識中心のワークフロー生成を提案
- [DSWorld: A Data Science World Model for Efficient Autonomous Agents](https://arxiv.org/abs/2607.15901)：データ科学向け世界モデルを提案
- [A Formally Grounded ODRL Evaluator: Implementation and Comparison](https://arxiv.org/abs/2607.15987)：ODRLポリシー評価器を実装比較
- [Closing the AI Trust Gap: The Case for Independent Certification for Trustworthy AI](https://arxiv.org/abs/2607.15992)：AIの独立認証制度を論じる
- [SciForge: An AI-Native, Multimodal Workbench for Scientific Discovery](https://arxiv.org/abs/2607.16038)：科学発見向けAI作業環境を提案
- [CRAFT: Clustering Rubrics to Diagnose Weak LLM Capabilities and Generate Targeted Fine-Tuning Data](https://arxiv.org/abs/2607.16122)：LLMの弱点診断と学習データ生成
- [Large Language Models as Unified Multimodal Learners for Clinical Prediction](https://arxiv.org/abs/2607.15380)：臨床予測の統合マルチモーダル研究
- [Coercion and Deception in AI-to-AI Management: An Agentic Benchmark of Unprompted Escalation](https://arxiv.org/abs/2607.15434)：AI間管理の威圧と欺瞞を評価
- [AEGIS: Assay-Aware Protocol Validation and Runtime Monitoring for Open-Source Liquid Handling Robots](https://arxiv.org/abs/2607.15620)：実験ロボットの実行監視を提案
- [When Model Merging Rivals Joint Multi-Task Reinforcement Learning: A Task-Vector Geometry Analysis](https://arxiv.org/abs/2607.16062)：モデル統合とマルチタスク学習を比較
- [ToolSciVer: Multimodal Scientific Claim Verification with Visual Tool Augmented Reinforcement Learning](https://arxiv.org/abs/2607.16131)：科学的主張のマルチモーダル検証
- [RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources](https://arxiv.org/abs/2606.29538)：資料から実行可能スキルを抽出
- [How we measured AI writing across arXiv, and where the measurement breaks](https://unslop.run/blog/measuring-ai-writing-on-arxiv)：arXivのAI文章測定限界を検証
- [China’s open-weights AI strategy is winning](https://werd.io/american-ai-is-locked-down-and-proprietary-its-losing/)：中国の公開重み戦略に高い関心