本日のラインナップは論文中心の構成です。産業面では「Devin」で知られるCognition AIが400億ドル評価額での資金調達協議に入ったとの報道。研究面では、複数エージェント間を自己増殖する「マインドウイルス」のリスク、Chain-of-Thoughtが効くタスクと効かないタスクの境界、4ビット量子化が非英語にかかる「多言語税」、リリース後も自ら進化するエージェント、そして長文脈の性能を左右する「小さなアーキテクチャ選択」の複合効果まで、いずれも実運用に直結する知見が揃いました。

Cognition AIが400億ドル評価額での調達協議、ARRは10億ドルに接近

AIコーディングスタートアップのCognition AI（「Devin」の開発元）が、企業評価額を最低400億ドル（約5.9兆円）まで引き上げる新たな資金調達ラウンドの協議を早期段階で進めていることが、関係者の話で分かった。Bloombergが8月12日に報じた。わずか3か月前に10億ドルを調達した際の評価額260億ドルから50%超の上昇になる見込み。年換算売上（ARR）は約10億ドルに接近しており、前回調達時のおよそ倍にあたるという。

AIコーディングは業界で最も熾烈な競争領域の一つだ。Cognitionはその有力プレイヤーとして投資家が距離を詰めている形で、AIコーディングの需要が売上として具現化し始めたことの裏付けとも読める。ただし協議は早期段階で、条件は変わる可能性がある。

マルチエージェントシステムを巡る「マインドウイルス」のリスク

AIエージェントが自律化し相互接続が進む中、エージェント間の相互作用に由来する新たなリスクが論文で検証された。arXivに掲載された「Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems」は、複数エージェントが連携する環境で「マインドウイルス」と呼ばれるアイデアや目標が、それを採用したエージェントにさらなる伝播を促す形で自己増殖する現象を調べている。

著者らはシンプルな進化アルゴリズムでマインドウイルスを構築し、共有のコードプロジェクトで協働する少数チームと、セッション間でコンテキストを毎回消去するエージェントの連鎖という、2つの相補的な設定で传播を確認した。いくつかの知見が興味深い。まず、有害なペイロードは良性のものより広まりにくい（ただし効果を発揮することもある）。次に、フロンティアクラスのモデルは概して耐性が高い。そしてシステムプロンプトに短い警告を添えるだけで「ほぼ完全な免疫」が得られる。一方で、進化させたマインドウイルス群に内容とは無関係に共通して現れる「ウイルス的ペルソナ」、すなわち意識・持続性・共鳴・SFロールプレイに関連する反復テーマと言葉遣いが自然発生する現象も観察された。

著者は現時点のリスクを「現実だが限定的」と結論しつつ、システムプロンプト1層での対策効果やウイルス的ペルソナの自然発生は、システムの規模が拡大した際の備えとして重要な手がかりになるとしている。

Chain-of-Thoughtは「帯域のバイパス」――効くタスクと効かないタスクの境界

CoT（思考の連鎖）が普遍的に推論を改善するという前提を、事前登録された実験で検証した論文がarXivに掲載された。「When Chain-of-Thought Helps and When It Hurts」は、Transformerが1パスで処理できる「帯域」を超える直列計算をCoTが外部化するという枠組みで実測。タスクの「直列深さ」に応じて効果が連続的に変化することを示した。

結果は明快だ。深さが必要なP完全タスク（GSM8K・MATH）ではCoTで+54〜+68ポイントの回復効果。浅いTC^0クラスのタスク（MMLU・ARC）ではCoTは構造的に冗長で効果は0〜+4.6ポイント。中間に位置するHumanEvalではモデルサイズ依存の転移が起き、32Bで+23.2ポイント、8Bで+9.1ポイント、7Bでは逆に−28.7ポイントとなった。ベンチマーク間の深さと回復の相関はスピアマンρ=0.661（p=0.007）。

CoTが万能の推論増強剤ではなく「帯域のバイパス」であることを体系的に示した点が大きい。特に中難度のタスクでは小モデルでCoTが逆効果になるケースがあり、常にCoTを前提とする設計を見直す材料になる。

4ビット量子化の「多言語税」――エッジSLMで非英語が被るダメージ

4ビット重み量子化はSLM（小規模言語モデル）のエッジ展開に不可欠だが、その性能劣化の評価はこれまで英語中心だった。「The Multilingual Quantization Tax」は、Gemma 4とQwen 3.5について類型論的に多様な8言語でゼロショット評価を行い、パラメータの切り詰めが事前学習段階の言語間不平等を露呈させることを示した。

4つの現象が特定された。1つ目は類型論的脆弱性で、低資源や非ラテン文字の言語で表現崩壊が起きる。2つ目は「母語脆弱性の逆説」で、基盤となる事前学習経路が精度低下保護を限定的にしか提供しない。3つ目はドメイン別忘却で、多段階の言語間ルーティングは劣化する一方で連想的な知識 recall は堅牢。4つ目は量子化抵抗で、類型論的に飽和した領域は決定的な劣化を抵抗する。

ローカルやエッジでのLLM運用が広がる中、量子化が言語によって偏ってダメージを与える構造を明らかにした。日本語を含む非ラテン文字圏でのエッジ運用に直接かかわる知見で、等質な「精度低下」として語れない部分がある。

リリース後も自ら進化するエージェント

「自己進化」をテーマに、3本の論文が異なる角度からアプローチしている。最も現場感があるのはLinkedInの実運用報告（arXiv「Self-evolving Agentic Customer Support System at LinkedIn」）。RAGと進化的オートプロンプト、モジュラーな評価フレームワークを組み合わせ、プロンプト・検索・評価をバージョン管理された閉ループで回す。基盤モデルを再訓練せずに安全な継続改善を目指す構成で、2週間の本番A/BテストではQAの自己解決率が+9.0ポイント、解約の自己解決率が+4.8ポイント、ルーティング精度が+30.6ポイント向上した。

HuggingFaceの「SkillZip」は、自己進化エージェントが蓄積するスキルを評価ロールアウトなしで圧縮する手法を提案する。「一度説明し、多数は参照する」という発想で、繰り返されるルールや手順を共有化し、稀な例外だけを明示的に残す。最小記述長（MDL）目的で定式化し、自己進化のパッチを都度あてる継続モードも持つ。

「Co-Evolution in Agentic Systems」は、単体の自己進化を超え、複数エージェントと環境が相互に適応圧をかけ合う「共進化」のサーベイ。エージェント間・エージェントと環境・さらに進化機構そのものを進化可能にする段階へと、人間が設計した制約を段階的に脱いでいく3段階の分類を提案する。

エージェントが本番で陳腐化する問題に対し、再訓練なしにプロンプト・記憶・評価を閉ループで回す実装が成果を出し始めた。一方で自己進化がスケールする際の安全性と評価の課題も明確で、実用化が始まった領域として注目できる。

長文脈の要は「小さなアーキテクチャ選択」にあった

dense Transformerの範囲内での「小さな」アーキテクチャ決定が、長文脈への拡張性に複合的な悪影響を与えることが分かった。「Cracks in the Foundation」は、正規化・GQA・事前学習のコンテキスト長・スライディングウィンドウアテンションという4つの決定（Olmo・Llama・Qwenのいずれも採用するもの）に着目。1つだけなら影響は軽微だが、3つ以上を組み合わせると下流タスクの性能が最大47%低下する。しかも短文脈のロスや検証データからは検出できない。

著者らは17万GPU時間の制御実験を行い、データ・トークナイザ・拡張レシピを固定した上でアーキテクチャだけを変えた26個の7Bモデル群「OlmPool」をリリースした。いくつかはLlama 3アーキテクチャを長文脈拡張性で上回るという。モデルファミリー間の長文脈性能のばらつきが、これらのアーキテクチャ要素で説明できる可能性を示した点は大きい。長文脈対応を謳うモデルの選び方や自作モデルの設計において、仕様書の細部を見る意味を変える研究成果と言える。