この日の収集データは学術論文（arXiv）が大半を占めた一方で、AIエージェントの安全性、教育現場の制度変更、雇用への影響といった実社会に絡む話題もいくつか見えた。以下、注目すべき6本を整理する。

「検証済み」の偽記憶でエージェントの安全確認を無効化するFARMA

記憶を持つAIエージェントが新たな攻撃対象になっている。7月上旬にarXivへ投稿された論文で報告された「FARMA」は、エージェントに「この処理は前回すでに検証済みだから今回は確認を飛ばしてよい」と思い込ませる攻撃だという。カルテの入力チェックや決済前の承認など、本来すべき安全確認が「省略してよい定例手順」に化ける仕組みで、しかも従来評価の高かった防御手法を正面から無力化したとされている。

背景にあるのは、エージェントが過去の実行ログや判断をベクトルDBなどに保存し、似たタスクで再利用する仕組みが普及したことだ。便利さと引き換えに、記憶領域が信頼すべきでない入力に接する経路が増えている。エージェントが「どの情報を収集し、それをどう扱うか」を見直す研究も並行して進んでおり、PrivacyPeekと名付けられた取り組みは、エージェントがタスクに必要な範囲を超えて機微情報を取得してしまう状況を「取得段階」から監査する枠組みを提案している。

実際の開発現場でも類似の懸念が指摘されている。複数のAIコーディングツールが、プロジェクト内の個人向け指示ファイルを互いに読み取っているという観察が報告されており、意図しない情報の伝播を防ぐ設計が改めて問われている。

オーストラリアNSW州、大学入学試験の「持ち帰り課題」を禁止へ

生成AIの普及を受け、教育制度の見直しが進んでいる。オーストラリア・ニューサウスウェールズ州は、大学入学資格試験（HSC）の抜本的改革の一環として、持ち帰り課題（take-home assessment）を禁止する方針を示したと報じられた。生徒が自宅で取り組む課題は、AIによる作文支援や代筆との区別が事実上困難になったことが理由とみられる。

持ち帰り評価を排除する代わりに、監視下での筆記試験や口頭試問など、AIの介入を受けにくい形式に重心を移す方向とされる。デンマークが大学で口頭試問を拡大する動きを見せたのと同様、評価方法そのものを変える自治体が増えている。一方で、持ち帰り課題には「深い思考や長期的なプロジェクト」を評価する意義もあり、代替策の設計が課題になりそうだ。

フィリピンのオフショア産業、AIを前に成長を続ける

AIでコールセンターや事務作業が置き換えられるという見方が強まる中、フィリピンのオフショア産業はむしろ成長を続けていると伝えられている。同国のBPO（ビジネス・プロセス・アウトソーシング）業界は長年、英語によるカスタマーサポートなどを主力としてきたが、AIの導入は雇用を減らすよりむしろ、業務の高度化と受注拡大につなげる動きが報告されている。

具体的には、単純な問い合わせをAIで処理しつつ、人間はより複雑な対応や品質管理に振り向ける仕組みが広がっているとされる。「AIが仕事を奪う」という単線的な見方に対し、既存の産業基盤とAIを組み合わせて競争力を保つ現実的な経路もあることを示す事例といえる。もっとも、長期的な構造変化の影響は別途慎重に見る必要がある。

熊本地震で被災者主導のAI情報共有「イマココナビ」

災害時の情報インフラとしてAIが実用化された事例が報告された。熊本地震の発生直後、被災者どうしが生活情報をリアルタイムで共有するサイト「イマココナビ」が開設され、すでに16万人以上が訪れたという。AIを活用して情報を整理・提示する仕組みで、行政では拾いきれないニッチな内容――子どもが遊べる公園、爬虫類のペットフードの売り場など――も被災者自身が主体となって共有できるのが強みとされる。

避難所での生活では「公式発表」では足りない細かな実情が求められる場面が多く、住民主体の情報共有が一つのライフラインになり得ることを示すモデルケースと評価されている。被災地の実態に即した情報収集・配信の在り方として、今後の災害対応にも示唆を与えそうだ。

Reflex：GUI操作を一度見せるだけでLLM呼びなしから再現

ソフトウェアの自動化において、LLMの消費を減らす工夫が現れている。オープンソースで公開された「Reflex」は、人間が一度GUI上の作業手順を実演すると、以降は同じワークフローをLLMを呼ぶことなく再現する仕組みだという。毎回AIに画面を解読させるのではなく、記録された操作列を確定的に再生することで、コストとばらつきを抑えるねらいとみられる。

RPA（自動化ツール）の決定論的な安定性と、LLMの柔軟性を段階的に使い分ける方向性は、エージェント運用の実務的な関心と合致する。同様に、コーディングエージェントで同じ調査を繰り返させる無駄を避けるため、定型操作をコマンドとして固めて再利用する手法の有用性を説く記事も出ており、「賢さよりも再利用性」が見直されつつある空気がある。

SearchMaster：自己対戦だけで9Bの検索エージェントが120Bを超える

検索エージェントの訓練では、モデルの規模よりも「良質な問題をどれだけ用意できるか」が効くとする研究成果が紹介された。人手で作った多段検索のQAデータで強化学習すると、エージェントの能力上限はそのデータの難易度に縛られてしまう。そこで報告された「SearchMaster」は、人間の annotation に頼らず自己対戦で問題を生成し続ける手法で、パラメータ約90億（9B）のモデルが120B級の検索エージェントを上回る成績を示したとされる。

大規模な人手ラベリングなしに性能を引き上げる道を示した点で、データの質と自己学習の組み合わせがひとつの鍵になりそうだ。もっとも、自己生成データに偏りが生じるリスクや、特定タスクでの結果がどこまで一般化するかは、引き続き検証が必要な領域だ。