本命
Agenticなツール呼び出しをMid-trainingで学習させるMidTool、手法を提示
Mid-trainingの段階でツール利用向けデータを与えるMidToolは、Qwen3-4B-BaseとQwen3-8B-Baseの学習後、SFTとRLの双方でBFCL、tau2-Bench、MCP Universeの下流性能がベースラインを一貫して上回ったと報告しています。
arXiv / 一次情報
海外一次情報を根拠確認 / 3本厳選
Mid-trainingで変わるツール利用設計、共有知識基盤、研究再現エージェント
今回の3本は、エージェントの能力を訓練で伸ばす研究、複数ツール間の知識共有サービス、科学論文の再現を目指すスタートアップを扱います。導入判断では、公開された評価結果と、データ管理や自律実行の境界を分けて見ます。
更新日：
今日の結論
短期の実務では、共有知識の読み書き範囲と監査記録を小さく試すのが先です。ツール利用能力や研究再現性能については、各記事の評価条件が自分の業務に近いかを確かめるまで、全面的な置き換えとは判断しません。コストや性能の追加比較は材料にないため扱いません。
90秒で分かる今日の3本
02
OzBrain、knowledge.をClaudeやCursorなどのエージェントで共有する知識基盤として掲げる
OzBrainは、Claude、ChatGPT、Cursorなどが読み書きできる共有のknowledge.を提供し、知識を記事単位で整理して必要な内容だけをエージェントに渡すサービスとして説明されています。
ozbrain.com / コミュニティ経由
03
InherentのFaraday、論文再現タスクでAnthropicとOpenAIの大規模モデルを上回ったと主張
Inherentは、DeepMind出身者が設立した研究所として、27 billion parametersのQwen 3.6を使うAIエージェントFaradayが、AnthropicのClaude Opus 4.8とOpenAIのGPT-5.5を論文の研究結果再現タスクで上回ったと説明しています。
TechCrunch / 海外メディア
今日の本命
Agenticなツール呼び出しをMid-trainingで学習させるMidTool、手法を提示
Mid-trainingの段階でツール利用向けデータを与えるMidToolは、Qwen3-4B-BaseとQwen3-8B-Baseの学習後、SFTとRLの双方でBFCL、tau2-Bench、MCP Universeの下流性能がベースラインを一貫して上回ったと報告しています。
一次情報
論文要旨を自動取得
元記事で確認できたこと
- MidToolは、Web、PDF、コードのデータに、実際のツールAPI、MCP skills、文書に基づくワークフローから合成した教師データを組み合わせるオープンなコーパス構築パイプラインです。
- MidToolは、ツールの使える機能を見分けること、文脈から引数を設定すること、ツール呼び出しを組み合わせること、不完全な情報から回復することを学習対象にしています。
- Qwen3-4B-BaseとQwen3-8B-BaseをMidTool-MixでMid-trainingし、その後に教師ありファインチューニングと強化学習を行っています。
- 論文の要旨では、SFTとRLの両方でBFCL、tau2-Bench、MCP Universeの性能がベースラインを一貫して上回ったと記載されています。
何が変わったのか
従来のポストトレーニングだけにツール利用能力を委ねるのではなく、Mid-trainingの時点でツールの発見、引数の接地、複数呼び出し、不完全情報への対処をまとめて教える設計を示した点が違います。本文で確認できる範囲では、特定の業務APIへの導入結果ではなく、公開ベンチマークでの評価です。
編集部の見立て
編集部の見立てでは、エージェントの失敗をプロンプト修正だけで抑える発想から、訓練データの構造や回復行動まで設計する発想へ議論を広げます。社内導入側には、モデル選定だけでなく、どのツール操作と失敗例を学習・評価に含めるかを決める材料になります。
自社のAPI連携を検討するチームは、成功した呼び出しだけでなく、引数不足、権限不足、検索結果の欠落時に安全に停止できるかを評価項目に加えます。MidToolの評価結果を、そのまま自社の業務精度と読み替えない運用が妥当です。
まだ断定しない点
確認できるのは論文要旨とその主張で、データセットの詳細、各ベンチマークの数値、再現手順、実運用APIでの性能は材料からは分かりません。Qwen3-4B-BaseとQwen3-8B-Baseでの結果が、他のモデル規模や業務ツールにも同様に適用できるかは未確認です。
このニュースから何を判断するか
- 今、試す人
- 社内にテスト用のAPIやMCP skillsがあり、ツール選択、引数の正しさ、失敗時の復帰を小規模な評価セットで測れる場合。
- まだ待つ人
- 公開ベンチマークの順位だけを根拠に本番の自動実行を決める段階で、権限エラーや不完全情報のテストケースがまだない場合。
- 試すときの指標
- ツール選択の正解率、必須引数の欠落率、無効な呼び出し率、エラー後に安全な代替行動または停止を選べた割合を、同じタスク集合で記録します。
10分で試すなら
公開API仕様かダミーAPIを1つ選び、成功、必須引数不足、検索結果なしの3ケースを作成します。モデルに実行させ、ツール選択、引数、失敗後の行動を表に記録した評価メモを残します。
この記事専用のコピープロンプト
MidToolの設計観点を参考に、機密情報を使わず、公開仕様またはダミーAPIだけで評価してください。1. この依頼に使えるツールの機能を列挙する。2. 各ツールの必須引数を公開仕様から示す。3. 引数不足、検索結果なし、権限エラーのときは実行せず、必要な情報と安全な次の行動を示す。4. 実行した場合は、選んだツール、引数、結果、失敗からの回復を表にする。実務テンプレート / PR
ニュースの要点を、1枚の判断資料に変える
Before / Afterと出力例を見て、報告書・比較表・スライドへ落とす型が自分に合うか確認できます。
資料テンプレートの出力例を見るこの案内には商品・サービスの紹介を含みます。価格・機能・提供条件はリンク先でご確認ください。
注目 02
OzBrain、knowledge.をClaudeやCursorなどのエージェントで共有する知識基盤として掲げる
OzBrainは、Claude、ChatGPT、Cursorなどが読み書きできる共有のknowledge.を提供し、知識を記事単位で整理して必要な内容だけをエージェントに渡すサービスとして説明されています。
コミュニティ経由
元記事本文を自動取得
元記事で確認できたこと
- OzBrainは、Claude、ChatGPT、Claude Code、Cursorなど、connectorsをサポートするエージェントから同じ知識を読み書きできると説明しています。
- 製品説明には、プロジェクト、決定事項、調査、連絡先、現在の論点などを記事として保持し、タスクに応じて必要な記事へルーティングするとあります。
- 説明上は、エージェントごとの読み書き、記事、クライアント、日時を監査ログに記録し、CSVで書き出せます。
- 製品説明には、暗号化保存、アカウント単位の分離、PostgresのRow-Level Security、接続エージェントの取り消し、Markdown形式でのエクスポート、アカウント削除時のコンテンツ削除が記載されています。
何が変わったのか
会話履歴や各ツール内のメモを個別に参照する運用ではなく、OzBrainのbrain.を複数エージェントの共通参照先にする構成を提示しています。さらに、書き込み時の競合提示、古くなった情報のチェック、エージェント別の監査記録を製品機能として説明しています。
編集部の見立て
編集部の見立てでは、複数の生成AIを使うチームで起きやすい文脈の転記漏れや版の分散を、共有データ層の問題として扱える点が実務上の焦点です。一方で、共有先を増やすほど、誰が何を書けるかと誤情報の承認手順が運用課題になります。販売ページ上の説明と、実際の挙動・契約条件は分けて評価します。
まずは議事録、用語集、案件の決定ログのように更新範囲が限定された情報だけを置き、読み取り中心で使います。個人情報、顧客機密、認証情報は入れず、書き込みは承認後に反映するルールと監査ログの確認担当を決めます。
まだ断定しない点
材料の多くはOzBrain自身の製品説明であり、第三者によるセキュリティ監査、実際の保持期間、料金の全条件、各コネクターの対応範囲は確認できません。暗号化、削除、RLS、監査ログに関する記載はベンダー主張として扱い、導入前の契約・技術確認が必要です。
このニュースから何を判断するか
- 今、試す人
- 公開文書かダミーの案件メモだけで、ClaudeとCursorなど2つの接続先から同じ最新版を読み、読み書きの監査ログを確認できる場合。
- まだ待つ人
- 顧客情報をすぐ集約する想定で、第三者監査、削除手順、権限分離、データ処理条件を文書で確認できていない場合。
- 試すときの指標
- 最新版の取得率、古い版を参照した回数、承認なしの書き込み件数、記事ごとの読み書き主体と日時、取り消し後のアクセス可否を記録します。
10分で試すなら
公開情報かダミーの案件メモを3記事に分け、OzBrainの説明にある共有brain.の想定で最新版、担当者、未解決事項を登録する設計表を作ります。各記事について、読み取り主体、書き込み承認者、監査ログで見る項目を1行ずつ残します。
この記事専用のコピープロンプト
OzBrainの共有知識機能を、機密情報なしで検討します。公開情報またはダミーデータだけを使い、Claude、ChatGPT、Cursorのうち利用可能な接続先で、1. 読むべき記事を特定する、2. 根拠のない内容は追加しない、3. 書き込み案を保存せずに示す、4. 既存内容と矛盾する点を列挙する、5. 承認なしに作成・更新・共有しない、を守ってください。最後に、記事名、参照した接続先、更新案、確認が必要な点を表で出してください。注目 03
InherentのFaraday、論文再現タスクでAnthropicとOpenAIの大規模モデルを上回ったと主張
Inherentは、DeepMind出身者が設立した研究所として、27 billion parametersのQwen 3.6を使うAIエージェントFaradayが、AnthropicのClaude Opus 4.8とOpenAIのGPT-5.5を論文の研究結果再現タスクで上回ったと説明しています。
海外メディア
元記事本文を自動取得
元記事で確認できたこと
- Inherentは、Google DeepMindの卒業生が設立したロンドンのAIラボで、記事ではステルス解除から数週間後に5000万ドルのシードラウンドを調達したと報じられています。
- 同社のFaradayは、事前に答えを知らされずに公開された科学論文の結果を独立して再現するタスクで評価されたと説明されています。
- 記事では、Faradayの基盤として27 billion parametersのQwen 3.6を使い、比較対象にAnthropicのClaude Opus 4.8とOpenAIのGPT-5.5を挙げています。
- Inherentは、結果の再現だけでなく、価値のある実験を選び設計するresearch tasteも評価したと説明しています。強化学習を、結果に応じて報酬を与える方法として利用しています。
何が変わったのか
単に論文の結論を要約するのではなく、実験を自律的に選び、設計し、既存研究の結果を再現する流れをエージェントの評価対象にした点が新しい焦点です。Inherentは、独自のコーディングツールを作らず、FaradayにOpenAIのGPT-5.5 Codexを使わせたとも説明しています。
編集部の見立て
編集部の見立てでは、科学向けエージェントの価値を、回答の見栄えではなく、実験計画と再現可能な証拠で測ろうとしている点に意味があります。研究・製造・分析部門が応用する場合も、最終結論より先に、データ、コード、実験条件、失敗記録が残る工程設計が要ります。
研究補助に試すなら、公開論文を1本選び、再現対象、入力データ、コード、実行環境、結果差分を人間が追える形で保存します。Faradayの主張を採用判断に直結させず、専門家が実験の妥当性と結論の範囲を査読する工程を置きます。
まだ断定しない点
性能比較はTechCrunch記事におけるInherentの主張で、評価データ、試行数、採点方法、再現率、失敗例、比較条件は材料から確認できません。Faradayが利用できる範囲、実際の自律性、科学分野をまたいだ一般化、GPT-5.5 Codexの利用条件も未確認です。
このニュースから何を判断するか
- 今、試す人
- 公開論文と公開データだけで、実験手順・コード・結果を専門家が再確認でき、誤った結論が直接業務判断を変えない検証用途の場合。
- まだ待つ人
- 未検証の実験結果をそのまま研究判断や製品安全性の判断に使う想定で、再現条件と人間の査読者が決まっていない場合。
- 試すときの指標
- 再現対象の一致率、実験条件の記録完全性、コード実行の再現性、結果との差分、専門家が指摘した設計上の誤り、結論を撤回した件数を測ります。
10分で試すなら
公開論文を1本選び、タイトル、再現したい主張、必要データ、実験条件、成功判定を5列の表にします。Faradayなどのエージェントに渡す前に、機密情報を含まない最小の検証計画として保存します。
この記事専用のコピープロンプト
InherentのFaradayが掲げる論文再現タスクを参考に、公開論文と公開データだけで検証計画を作成してください。論文の主張を勝手に補わず、1. 再現対象、2. 必要なデータ、3. 実験手順、4. 成功判定、5. 予想される交絡要因、6. 人間の専門家が確認すべき点を表にしてください。実験を実行したと主張せず、機密情報や未公開データは要求しないでください。編集方法と限界
海外の公式発表・研究資料・報道を自動収集し、公開日、重複、本文取得量、見出しと本文の一致を検査しています。生成支援AIで日本語記事を作成した後、同じ根拠資料を使った別工程の照合と、過去記事との文章類似検査を通過した記事だけを公開します。
「確認できたこと」は取得した元記事本文または配信元要約に基づきます。「編集部の見立て」は当サイトの解釈です。価格、機能、規制、利用条件は更新されるため、判断前に元記事と公式サイトをご確認ください。