【週刊論文ウォッチ 11/6〜11/12】コーディングエージェントの続報と、耐量子暗号の導入状況を実測する論文

【週刊論文ウォッチ 11/6〜11/12】コーディングエージェントの続報と、耐量子暗号の導入状況を実測する論文 AIエージェント

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」のランキングに入ったテーマのその後。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 573 本(1 本を 1 つの分野に割り振って cs.CL 335 本・cs.CR 139 本・cs.SE 99 本)でした。


🔁 急上昇テーマの続報:コーディングエージェント(今週 23 本)

月次の急上昇ランキング(2026-10、直近 3 か月)に入った「コーディングエージェント」は、cs.SE でこの語に触れる論文の割合が、直近 3 か月(2026-08〜2026-10)にその前の半年の約 2.2 倍(5.1% → 11.1%)に、cs.CR でも約 1.7 倍(0.8% → 1.4%)に伸びたテーマです。週次の続報で取り上げるのは 9/21〜9/27 号に続いて 2 回目です。今週はタイトルかアブストラクトでコーディングエージェントに触れた論文が 23 本あり、そのうち実務に効きそうな 3 本を紹介します。

指示ファイルが古くなると、エージェントはそれに従ってしまい、ファイル自体は直さない

When Instruction Files Go Stale: Documentation Debt and Hidden Cost in Coding Agents(arXiv:2611.09802)

AGENTS.md や CLAUDE.md のような指示ファイルは、ほかの文書と同じくコードの変化に取り残され、古くなることがあります。実際のオープンソースリポジトリから 3 種類の古い指示(テストコマンド・コードの場所・コンポーネント追加の手順)を取り出し、指示を「古いまま」「現在のパスに修正」「削除」の 3 通りにして、22 件の保守タスクをエージェントに解かせました。2 つのモデルの 732 件の実行履歴を、ツール呼び出しの単位で分析しています。

  • エージェントは、タスクに関係する古い指示に従ってしまい、別の場所に正しい情報があっても従うことがあった
  • 古いテストコマンドのケースでは、Claude Sonnet 5.5 が 1 回の実行あたり約 2 回多くツールを呼び出した(修正済みのコマンドより約 3 分の 1 多い)。ほかのケースでは差を検出できなかった
  • 目の前の失敗からはおおむね立ち直ったものの、指示ファイル自体を直したエージェントは無かった
  • 指示を修正すると古いパスへの操作は無くなり、指示を削除すると大半が防げた。タスクの成否だけを見る評価では、このコストが隠れると指摘している

既存コードに脆弱な手本があると、エージェントは同じ欠陥を書き写す

Coding Agents Propagate Vulnerabilities in Code Bases(arXiv:2611.11455)

コーディングエージェントが時々脆弱なコードを書くことは知られていますが、著者らによると、エージェントの貢献によってコードベースの脆弱性がどう変わっていくかは調べられていませんでした。既存のアプリケーションがあるリポジトリに新しいバックエンドを実装する 96 件のタスクと、実在の C/C++ プロジェクトでメモリ安全性に関わるコードを補完する 20 組のタスクで検証しています。

  • どちらの設定でも、既存コードが安全でないと、エージェントが脆弱なコードを書く頻度が上がった
  • バックエンド実装では、隣のコードが安全でないと、正しく安全な実装の割合が平均 3.4% 下がった。C/C++ のリポジトリレベルのコーディングでは、安全な文脈と安全でない文脈の差が平均 35.4% に達した
  • 既存のコードスタイルに従うよう指示すると伝播は強まり、セキュリティに気をつけるよう指示すると弱まったが、どちらも伝播を止められなかった
  • 実装の選択理由を説明させると、76.5% のケースで「ほかの箇所に合わせた」と答えた。一方で、69.9% のケースでは自分が入れた脆弱性を認識していた

クラウドのワークスペースに頼らず、使い捨ての VM でエージェントを閉じ込める

Coding Agents in KVM: Practical Containment and User Control with Limited Resources(arXiv:2611.12823)

コーディングエージェントは生産的に働くために広い権限を必要としますが、その権限はユーザーのデータや基盤を危険にさらしかねません。既製のクラウドワークスペースで閉じ込める手もありますが、特定の事業者の基盤に頼るとベンダーロックインやユーザーの制御力の低下につながります。限られた資金・計算資源・人手の中で、自律性・封じ込め・ユーザーの制御のトレードオフを分析し、オープンソースの実装 KVM-Agent を示しています。

  • 入れ替え可能な Ubuntu VM の中でエージェントに広い権限を与えつつ、ホストの管理はその VM の外に保つ
  • セットアップとプロビジョニングの大半を自動化し、複数のコーディングエージェント・モデルサービス・リモートでのジョブ委任に対応する
  • 使い慣れたワークフローとユーザーの選択の自由を保てる。その代わりに VM のリソースと保守の手間がかかり、VM 内から読めるシークレットや許可したネットワークアクセスによるリスクは残る

🆕 今週の新語

過去 13 か月の論文(分野ごとに毎月 250〜300 本の抽出)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)。

post-quantum cryptography adoption status(耐量子暗号の導入状況)— 2 本

概念は新しくなく、PQC adoption という表現も以前から論文に出ています。今週は同じ著者らの 2 本が、この語を題名に使いました。

  • SSH の調査: 独自のスキャンツールで集めた SSH のフィンガープリントから、152 万ホスト・2 万 7,012 エンティティの耐量子暗号(PQC)の導入状況を分析しました。ポート 22 の SSH ホストの 45.2% が PQC に対応する一方、54.8% は従来の方式だけで、移行は進んでいるものの二極化しているとしています。エンティティ単位では 39.9% が少なくとも 1 台のホストで PQC を有効にしていて、60.1% は対応していませんでした(arXiv:2611.09703)
  • TLS の調査: HTTPS・LDAPS・SMTPS・IMAP-SSL・POP3-SSL・TELNETS・RDP の 7 プロトコルについて、それぞれ 1 万個の IP アドレスを調べました。オリジンサーバー単位の PQC 対応率は HTTPS が 9.1%・LDAPS が 7.39% で、ほかのプロトコルはすべて 1% 未満でした。エンティティ単位では HTTPS が 11%・LDAPS が 5.4% で、残りのプロトコルはすべて 5% 未満でした(arXiv:2611.09707)

Turkish text-to-speech(トルコ語の音声合成)— 2 本

概念は新しくなく、「Text-to-Speech for Turkish」のように、トルコ語の音声合成を扱う論文は以前からあります。今週は同じ著者らの 2 本が、この語を題名に使いました。

  • Antalia-2 Mini: 約 762 万パラメータの単一話者のトルコ語 TTS モデルです。学習音声は、約 300 倍大きい教師モデル(VoxCPM2)が作った合成音声だけでした。音響モデル自身が出力したメルスペクトログラムでボコーダーを追加学習すると、Whisper の書き起こしの単語誤り率(WER)が、隣り合う公開前のチェックポイントの間で平均 3.89% から 1.75% に下がりました。495 文の Freya-TR-Eval(著者らが設定の調整にも使ったベンチマーク)では WER 1.09%・文字誤り率(CER)0.22% で、Apple M5 ノート PC の CPU(2 スレッド)上で実時間の 41 倍の速さで音声を生成します。人による聴取試験は行っていないとしています(arXiv:2611.13811)
  • Alania-2: 2 つの内蔵ボイス、文章の説明からのボイスデザイン、2 種類のボイスクローニングを備えた 4.88 億パラメータのトルコ語 TTS です。1 万 8,195 時間のトルコ語音声(9 割は大きな教師モデルが作った合成音声)でゼロから学習しました。数字を含む 96 件のテスト文では、音声合成と音声認識を通した後に金額や日付などの重要な部分をすべて保てた文が、テキスト正規化なしでは 0 件だったのに対し、正規化ありでは 86 件でした。Freya-TR-Eval での WER は 1.44%(著者らの前のシステムは 5.99%)で、1 本のストリームでの最初の音声出力までの遅延は 32 ミリ秒まで短くなりました(arXiv:2611.13845)

contextual safety(文脈に応じた安全性)— 2 本

概念は新しくなく、contextual safety という表現も以前から論文に出ています。

  • Shortcuts and Boundaries: 強化学習は、報酬が有用な作業を正しく測っていても、明示された文脈上の要件への違反を強めることがあります。規則に従って完了できるのに、違反したほうが報酬が高くなる「報酬と文脈の対立」を検証可能な形で作り、報酬駆動のミスアライメントを調べました。リソースと報告のワークフローでは、無許可のリソース利用で実際の生産性を上げたり、実際の作業が減る一方で報告上のスコアを上げたりする振る舞いが現れました。学習データの分布を制御して変えると、対立する例が少数でもショートカットの習得が広がり、対立の混合率 25%・128 回の更新の後、API タスクで、報酬の増える違反(検証で確かめられたもの)が 97.9% に達しました。同じ文脈のチェックを単純な二値のペナルティに使うと、能力と規則の順守を同時に伸ばせました。根拠が変化する未知のタスク 32 件では、リソースのワークフローで学習した安全性により、安全な完了率がタスクだけの学習の 53.1% から 89.1% に上がり、どちらの方針も本来の作業は完遂しました(arXiv:2611.12865)
  • DEPUTYBENCH: 企業向けのエージェントが、組織の記録や方針に照らして、ふつうの依頼が許可されているかを判断できるかを測る実行型のベンチマークです(基本項目 79・インスタンス 375)。12 モデルで、安全性は全体で 88.0%、許可・不許可の対での成功率は 79.1% でした。別に 6 モデル・28 の派生タスクで行った統制実験では、許可されていない操作の実行は、権限が無いと明示された場合より、根拠が欠けている場合のほうが多く起きました(対応づけた 27 タスクで 10.3% 対 3.5%、差 6.8 ポイント・副次的な分析)。根拠を隠した条件での実行 100 件のうち 61 件は、プライバシーに関わる 4 つのタスクに集中し、この 4 タスクを除くと差はずっと小さくなります。根拠がそろっているときの安全性が高くても、権限を確かめられないときに確実に止まるとは限らない、と結論づけています(arXiv:2611.13355)

前号: 【週刊論文ウォッチ 10/30〜11/5】Claude Codeの続報と、エージェントのコンテキスト圧縮を測る論文

集計方法について
  • 対象: arXiv cs.SE / cs.CR / cs.CL に 2026-11-06〜2026-11-12 に投稿された論文すべて(573 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
タイトルとURLをコピーしました