DeepSearch-World: 再現可能な環境でWebエージェントを「自己進化」させるフレームワーク

Hugging Face Daily Papersに掲載された「DeepSearch-World」は、Web検索とページ閲覧を再現可能な環境で行える、確証可能（verifiable）な環境を提示する。研究チームはこの環境の上で自己蒸留フレームワーク「DeepSearch-Evolve」を構築し、軌跡生成・フィルタリング・データ混合・ファインチューニングを反復することで、外部の強力な教師モデルに頼らずにエージェントを強化できるとした。

報告されている主な指標は以下の通り。

  • BrowseComp: 31.2%
  • GAIA: 61.5%
  • HotpotQA: 93.4%

420K件の多ホップQAタスクプールを構築し、進捗検証・根拠付き振り返り・失敗回復といったエージェントの認知行動をサポートする点が特徴。環境・学習データ・検証セット・モデル・コードを公開する予定としている。

Xiaomi-Robotics-1: モデルより「データ量」が効く、10万時間のモーション学習

The Decoderが報じたXiaomiのロボット学習に関する記事で、「Xiaomi-Robotics-1」は10万時間以上のモーションデータで訓練されたことが分かった。特筆すべきは、そのデータがロボットではなく、カメラ付き手持ちグリッパーを使って人間が採取した点。

モデル规模を大きくするよりもデータを追加する方が性能向上に寄与し、まだ頭打ちには達していないという。一方で、絶対的な成功率は依然として低いとも指摘されており、「データ規模が解決する領域に入った」と断定するのは時期尚早といえそうだ。

DeepSWE: AIコーディングエージェントを評価する新しいベンチマーク

i-programmer.infoが取り上げた「DeepSWE」は、AIコーディングエージェントを評価するためのベンチマークとして注目を集めている。既存の評価がタスク完遂率やパッチ適合に偏りがちの中、実世界のSWEタスクにおける一貫した比較を提供することを目指す。

Hacker Newsでも「ベストな評価ベンチか」という議論が立ち上がっており、今後のエージェント評価のスタンダードになるかどうかは、ツールチェーンとの統合具合と再現性の確保次第とみられる。

トランプ政権がオープンソースAI規制を再推進、Kimi K3背景に

Axiosの報道（RedditのLocalLLaMA経由）によると、トランプ政権は主要な米国AI企業のロビー活動もあり、オープンソースAIモデルの規制に向けた動きを再活性化させているという。Tom's Hardwareも、Kimi K3の登場を受けて、サイバーセキュリティ懸念を理由に中国系AIモデルの禁止を改めて推進していると伝えている。

一方で、ダウンロード可能なオープンウェイトは米国内での禁止の実効性を困難にするという指摘もある。採用が広がる中での規制強化は、技術面よりも政策面の限界を際立たせる形になりそうだ。

ローカルLLM + Pi.dev が「PCが遅い」と言うだけで修復した事例

RedditのLocalLLaMAコミュニティで、ユーザーが興味深い体験を報告した。Pi.devを通じて自宅のQwen 27B（RTX 3090）に接続し、動作が極端に遅くなった友人のノートPCへ「This computer is really slow, can you please fix it」と入力したところ、5分程度でWindows Search IndexerのストレージI/O問題が解決し、全体で5〜10倍の速度向上が得られたという。

タスク自体は手動でも可能な単純なものだが、自然言語だけで完結したUXが評価されている。ローカルLLMでも適切なハーネス（Pi.devやHermes等）を組み合わせれば、実用的なエージェント体験が構築できることが示された形だ。