毎週、arXiv の cs.SE(ソフトウェア工学)・cs.CR(セキュリティ)・cs.CL(自然言語処理)に投稿された論文すべてのタイトルとアブストラクトを機械的に集計し、2 つの観点で拾います。1 つは、月次の「急上昇ワード」で取り上げたテーマのその後。もう 1 つは、抽出した過去 13 か月の論文には出てこなかったのに、今週いくつもの論文に現れた「新語」です。
今週の対象は 923 本(1 本を 1 つの分野に割り振って cs.CL 623 本・cs.CR 197 本・cs.SE 103 本)でした。
🔁 急上昇テーマの続報:Claude Code(今週 7 本)
月次の急上昇ランキングで、cs.SE でこの語に触れる論文の割合が、直近 3 か月(7〜9 月)にその前の半年の約 2 倍(2.1% → 4.3%)になっていたテーマです。今週はタイトルかアブストラクトで Claude Code に触れた論文が 7 本あり、そのうち実務に効きそうな 3 本を紹介します。
エージェントスキルが残すファイルやキャッシュが、次のセッションへの攻撃経路になる
Understanding and Mitigating Cross-Session Attacks via Persistent Artifacts in Agent Skill Composition(arXiv:2610.13227)
エージェントスキルは実行中にファイルや設定、キャッシュといった「成果物」を作ったり書き換えたりし、それが別のセッションの別のスキルから再利用されます。この成果物がセッションをまたいで持続し、後から別のスキルに読まれることが、新しい攻撃面になるとして調べた研究です。
- Instruction Propagation・Data Boundary Violation・Evidence Poisoning の 3 種類の攻撃機構を整理し、10 分野・30 のクロスセッション・シナリオから 270 件の敵対的ケースを集めたベンチマーク SkillRelayBench を構築
- Codex CLI・Gemini CLI・Claude Code にまたがる 7 モデルで評価したところ、攻撃成功率(ASR)は 46.7〜77.4%、攻撃連鎖成功率(ACSR)は 35.6〜61.1% に達した
- 提案する防御 SkillRelayGuard(成果物の来歴を復元し、実行前にアドバイザリ・レビューを挟む。最終判断はエージェントに残す)により、3 つのエージェント環境での評価で全体の ASR は 69.5% → 10.9%、ACSR は 54.8% → 10.0% まで下がり、正当なタスクの完了率もむしろ 79.6% → 87.5% に上がった
脆弱な依存関係の更新を比べると、エージェントでも 1〜4 割は合格せず、失敗の仕方はハーネスで分かれる
VulnBump: A Benchmark for Fixing Vulnerable Dependencies in Real Projects While Keeping the Build and Tests Green(arXiv:2610.17374)
SCA(ソフトウェア構成分析)ツールによる脆弱性の検出結果のうち、Snyk Open Source の実運用データでは 94% に修正済みバージョンがあるのに、実際に解消されるのは約 10% にとどまるというギャップがあります。そこで、6 つのパッケージマネージャ・43 リポジトリにまたがる 307 件のアップグレードタスク(修正可能な脆弱性 2,066 件を含む)からなるベンチマーク VulnBump を作りました。新しいコンテナで依存関係が解決でき、再スキャンで対象の脆弱性が消え、ビルドが通り、それまで通っていたテストがすべて通って初めて合格とします。
- Snyk の推奨バージョンをそのまま当てるだけの非エージェント手法の合格率は 46.9%
- 同じモデル(Claude Sonnet 5.5)で比べると、Claude Code 単体は 59.6%、Claude Code に Snyk のスキャン結果を渡すと 77.5%、Snyk の修正用エージェント Evo Remediation Agent は 90.2% だった。同じスキャン結果を渡しても、専用ハーネスのほうが 12.7 ポイント高い
- SCA スキャナの情報で Claude Code の合格率は 17.9 ポイント上がる。スキャナなしだと、まだ脆弱なバージョンで済ませてしまうことが多い
- 失敗の仕方も違う: Claude Code は脆弱性を残したまま、Evo Remediation Agent はビルドやテストを壊す方向に失敗することが多い。メジャーなフレームワーク移行はどのハーネスでも難しい。著者らは、修正・ビルド・テストを合わせて検証しないと更新の質は測れないとしている
パッチが「元の再現コードだけ」を塞いで満足していないか、敵対的に攻め直して確かめる
P2Patch: Exploit-Guided Vulnerability Repair(arXiv:2610.20245)
LLM エージェントによる自動プログラム修復は、パッチの検証にパッチ作成時と同じ証拠(静的解析のアラート、サニタイザのトレース、公開エクスプロイト、テストスイートなど)を使うのが普通です。それだと、同じ脆弱性を少し変えた攻撃には弱いパッチでも「成功」に見えてしまいます。P2Patch は、修復後のプログラムを新たな攻撃対象とみなし、攻撃役のエージェントが別の攻め方を探し、見つかった攻撃はすべて以後の修復要件に加える敵対的な修復システムです。
- 101 件の C/C++・Java の CVE を対象に、パッチが元の再現 PoV(脆弱性の再現コード)を塞いだ後でも、実行の 41% で別パターンの確認済みエクスプロイトが見つかった
- 同じ脆弱性の報告から Claude Code で 1 回だけ修復した場合と比べ、P2Patch は評価用に分けておいた攻撃での fix-closed カバレッジを 78.1% → 84.7%、beyond-upstream カバレッジを 42.1% → 62.5% に引き上げた
🆕 今週の新語
過去 13 か月の論文(毎月の抽出分)には一度も出てこず、今週は複数の論文に現れ、論文タイトルにも使われた語です(タイトル 2 本以上、またはタイトル 1 本を含む 3 本以上)。
non-prefix kv-cache reuse(非プレフィックスKVキャッシュ再利用)— 3 本
- LLM 推論の KV キャッシュ再利用は通常「完全に同じプレフィックス」にしか効きませんが、これをプレフィックス以外の位置にも広げて開発・評価するための、vLLM ベースのオープンソースのシステム KV-Repurpose です。素朴な再利用でも単一文書の質問応答や要約の品質はおおむね保たれる一方、文書をまたぐ推論では限界が見えたとしています。20% のリクエストが固定プレフィックスを共有する RAG 風の負荷では、30GB のキャッシュ容量で、プレフィックスキャッシュの 3.3% に対し 63.9% のトークン単位のキャッシュヒット率を達成しました(プレフィックスキャッシュは 1TB の容量でも 17.9% どまり)(arXiv:2610.13060)
- キャッシュされた文書の状態は、計算したときの前置きや位置、前の文書に依存する「因果的な状態」で、そのまま使い回せるテキストではない、という立場から非プレフィックス再利用を「振る舞いの保存」の問題として定式化し、選んだ文書から後ろを符号化し直してキャッシュを修復する SAFE-KV を提案しました。Qwen2.5-7B-Instruct では、キャッシュをそのまま組み合わせると完全再計算と同じ回答になるのが HotpotQA-500 で 47.2%、2Wiki-500 で 37.8% にとどまりますが、SAFE-KV の修復で 98.4〜100.0% まで戻りました。ただし忠実に直すには文脈の大半を符号化し直すことになり、単一リクエストでの計測では、すべての負荷で完全再計算を選ぶ結果になったとも報告しています(arXiv:2610.15186)
- マルチエージェントシステムで複数のエージェントが同じ文脈ブロックを共有する場面を対象に、タスクが競合するエージェント間で非プレフィックス KV キャッシュをそのまま再利用すると性能が最大 90% 落ちると報告し、少数の「タスク条件付き潜在トークン」を加えて、共有ブロックを再計算せずに補う手法 LatentRemedy を提案しました(arXiv:2610.18014)
omni-modal large language model(オムニモーダルLLM)— 3 本
- 視覚・音声・IMU 信号など複数モダリティを扱うオムニモーダル LLM は、非テキストの情報を正しく知覚していても言葉では表現できないことがある「knows-but-cannot-say」現象を報告しています。非テキストの表現は応答トークンとの結びつきが弱く、注意も向きにくいことを示し、自己生成テキストで補う OmniCatalyst という手法で、7 つのオムニモーダル LLM で一貫して性能を改善しました(+7.29%)(arXiv:2610.16135)
- オムニモーダル LLM の思考過程(Chain-of-Thought)付きの回答の不確実性を、評価対象モデルの内部状態や再推論なしに、外部のオムニモーダル埋め込みで推定する枠組みです(推論の分割には補助モデルを使います)。提案する複数の幾何学的スコアは互いにほぼ同じ情報を捉えている一方(順位相関 0.91〜0.94)、回答のばらつきに基づく既存手法とは補完的で、統合スコアの較正用ラベル付きデータは 25 件まで減らせるとしています(ただし、1 つの指標を事前に決めて使う場合との差は小さいとも述べています)(arXiv:2610.16933)
- 音声・映像を使った質問応答で、自動プロンプト最適化をオムニモーダル推論に適用する際のインターフェース設計を比較した研究です。単一のオムニモーダル LLM(OmniLLM)による直接推論、キャプション生成と推論を分けた構成、サブエージェントとして OmniLLM を使うエージェント構成の 3 つを比べ、直接最適化の効果はモデル依存である一方、後二者は解釈はしやすいが最適化は難しいと報告しています(arXiv:2610.20085)
full-duplex spoken language(全二重音声対話)— 2 本
- 聞きながら話せる全二重音声対話モデル(FD-SLM)は、一般的な能力では半二重モデルに劣りがちという課題に対し、事前学習済みの半二重モデルを細かい時間粒度で全二重に変換するフレームワーク D2 を提案しました。Qwen3-Omni ベースで 12.5Hz 更新時、ターンテイキング成功率 99.2%・レイテンシ 521ms・割り込み成功率 99.5%、VoiceBench スコア 70.1(最高水準)を達成しています(arXiv:2610.17124)
- 離散拡散モデルに基づく全二重音声対話モデル Diffuplex です。「いつ話すか」をAR(自己回帰)のユーザー発話追跡に、「何を話すか」を並列の拡散生成に分離することで、thinking モードでは 1 回のフォワードパスあたり 13.0 トークン・平均毎秒 1872 トークンと最先端の自己回帰モデルの生成速度を大きく上回り、thinking なしでは既存の全二重モデルと同等の最初の音声までのレイテンシを保ちながら、言語的な能力を大きく高めたとしています(arXiv:2610.17780)
あわせて読みたい
- 【週刊論文ウォッチ 10/16〜10/22】制御フローの続報と、セキュリティ修正が入っているかを判定する論文
- 【週刊論文ウォッチ 10/2〜10/8】信頼境界の続報と、EUサイバーレジリエンス法への対応を扱う論文
- コード生成エージェント×論文4選|「レビューが追いつかない」「テストが薄い」を解く
集計方法について
- 対象: arXiv cs.SE / cs.CR / cs.CL に 2026-10-09〜10-15 に投稿された論文すべて(923 本)
- 続報: 月次の急上昇ワード(直近 3 か月)と記事化済みのテーマについて、タイトルかアブストラクトでその語に触れた論文を拾う
- 新語: 過去 13 か月の論文(分野ごとに毎月 250〜300 本の抽出)に一度も出てこず、今週はタイトル 2 本以上、またはタイトル 1 本を含む 3 本以上の論文に現れた語
- 語の抽出は自動のため、表記ゆれや取りこぼしがあります

