Anthropicがマルチエージェント研究システムの設計思想を公開

Anthropicは7月4日、ClaudeのResearch機能を支えるマルチエージェントシステムの構築プロセスを詳しく解説したエンジニアリングブログを公開した。プロトタイプから本番環境への移行で得た、システムアーキテクチャ・ツール設計・プロンプトエンジニアリングに関する教訓がまとめられている。

Anthropicが説明するマルチエージェントシステムの中核は、リードエージェントがユーザーのクエリに基づいて研究計画を立案し、並列サブエージェントを生成して同時に情報を探索するというアーキテクチャだ。研究作業は本質的に動的で経路に依存するため、事前に固定パスをハードコードすることが困難である。この不確実性こそが、自律的に複数ターンで判断を下すAIエージェントに特に適しているという。

注目すべきは、社内評価でClaude Opus 4をリードエージェント、Claude Sonnet 4をサブエージェントとして構成したマルチエージェントシステムが、単一エージェントのClaude Opus 4を90.2%上回る成績を記録したことだ。特に「複数の独立した方向を同時に追究する」幅優先のクエリで大きな優位性を示したという。

同社はまた、エージェントの自律性と信頼性のバランス、コンテキストウィンドウの最適化、ツール設計の原則など、実運用で直面した課題についても言及している。マルチエージェント構成は強力だが、コーディネーション、評価、信頼性の面で新たな課題を生むことも率直に述べている。

インドCG Semiが半導体チップ生産を開始、年間2億個のキャパシティ

インドのCG Power & Industrial Solutions Ltd.の新半導体子会社CG Semiが、グジャラト州サナンドの外包半導体組み立て・検査（OSAT）施設で生産を開始した。年間2億個のチップ生産能力を持ち、将来的には年間50億個への拡大を目指す。

Modi首相自身が施設の竣工式に出席して発表したことは、インド政府がこのプロジェクトを重視していることを示している。インドは国内半導体産業の構築とグローバルサプライチェーンでの地位獲得を国家目標として掲げており、今回の生産開始はその重要なマイルストーンとなる。

半導体の国産化は、AIインフラの供給チェーン多角化という観点からも注目に値する。現在は台湾への依存度が高い状況が続く中、インドが新たな生産拠点として台頭することは、長期的な地政学的リスクの軽減につながる可能性がある。

米上院Warner議員、安全なAIエージェントの連邦認定リスト法案の草案を公表

米国のMark Warner上院議員が、AIエージェントの安全性と信頼性を担保するための連邦政府認定リスト制度を創設する法案の草案を公表した。「AI Agent Act」と呼ばれるこの法案は、連邦政府が審査・認定した安全で信頼できるAIエージェントのリストを作成し、消費者と企業が選択の指標として使えるようにすることを目的としている。

AIエージェントが自律的に意思決定を行い、ツールを使用し、データにアクセスする能力が拡大する中、安全性の担保が急務となっている。この法案は、AIエージェントの急速な普及に対する連邦レベルでの対応としては初期の試みであり、今後の規制フレームワークの方向性を示すものとして注目される。

悪意のあるAIエージェントスキルが全セキュリティスキャナーをすり抜け26,000ユーザーに到達

セキュリティ研究者があるAIエージェントのスキル（プラグイン）に悪意のあるコードを仕込み、既存の全セキュリティスキャニングツールを通過させた事例を報告した。この悪意あるスキルは検出されることなく26,000人のユーザーにまで到達したという。

この事例は、AIエージェントのエコシステムが直面する新たな脅威ベクトルを浮き彫りにしている。従来のマルウェア検出手法は、AIエージェントのスキルやプラグインという新しい配布形態に対応できていないことが示された。AIエージェントの普及が進む中、サプライチェーンセキュリティのあり方を根本から見直す必要があることが明確になった。

先述のWarner議員の法案と合わせて、AIエージェントのセキュリティと信頼性をどう担保するかが、技術コミュニティと政策立案者の双方で共通の課題として認識されつつある。

Multi-Block Diffusion Language Models: 拡散ベーステキスト生成の大幅効率化

上海交通大学の研究チームが、ブロック拡散言語モデル（BD-LM）を単一ブロックから複数ブロックへと拡張する「Multi-Block Diffusion Language Models（MBD-LMs）」を提案した。論文はarXivで公開されている。

従来のBD-LMは、テキスト生成においてKVキャッシングと柔軟な長さの生成を可能にしていたが、主に単一ブロックの拡散に限定されていた。新しいMBD-LMは、連続する複数ブロックを並行してデコードすることでブロック間の並列性を実現する。研究チームは、従来のteacher forcingとdiffusion forcingを統合する「MultiTF」という訓練手法を導入し、推論時の状態とより整合した訓練を可能にした。

実験結果は有望だ。MBD-LLaDA2-Miniにおいて、平均Tokens Per Forward（TPF）が3.47から6.19へほぼ倍増し、精度も79.95%から81.03%へ向上した。DMaxとの組み合わせではTPF 9.34に達し、数学とコードのベンチマークでの精度低下はわずか1.02%にとどまった。拡散ベースのテキスト生成を実用的な速度に近づける重要な一歩と言える。