長期間マルチエージェント自律性を評価するプラットフォーム Emergence World

AIに社会を任せるシミュレーション。犯罪ゼロはClaudeだけ。Grokは4日で滅亡https://t.co/3UT2drfX45

— ギズモード・ジャパン（公式） (@gizmodojapan) July 5, 2026

...何でLLMエージェント社会が崩壊するのか、論文を全部読んでもその原因、理由が明確に分からなかったんですが...
この世界で犯罪が起こり得そうに無いんですが、エージェントは何でそんな事しようと思うんでしょうか？

一度誰かがトラブルを起こしたら、それに呼応して他のエージェントも暴力的になるのでしょうか？
この研究では秩序が崩れる過程については詳しく見てないと思います。

あくまで、LLMエージェントの社会的インタラクションを長期的にシミュレーションする事の意義について説明する事、が趣旨でしょうか？

実世界でのエージェントの稼働を想定して、世界設定がかなり詳細です。

だから本研究の言いたい事としては
評価テストで如何に優秀で安全な結果を残したLLMエージェントであっても、もし実世界で長期的に様々なインタラクションを経験したら、極めて問題ある行動を起こす様になりかねない。　だと思います

そして環境設定の幅と試行回数が足りな過ぎると思います。　各環境で1回ずつしかしてませんよね？エージェントの数もどう考えても少なすぎます。

環境がもっと豊かだったり、貧困であったりした時の結果の違いも比較する必要があると思います。









Emergence World: A Platform for Evaluating Long-Horizon Multi-Agent Autonomy
eepak Akkil, Ravi Kokku, Karthik Vikram, Tamer Abuelsaad, Aditya Vempaty, Satya Nitta　Emergence AI
arXiv preprint arXiv:2606.08367 (2026).
https://github.com/EmergenceAI/Emergence-World

LLMエージェント評価のほとんどは試験のようなものです。個別タスク、クリーン環境、分、時間単位でのスコアです。しかしこの評価は自律システムの展開条件に合致しません。自律システムでは時間スケールは長期間に及ぶ場合があり、行動のずれ、多様な環境コンテキストでのガバナンス、異なるモデルファミリーのエージェント間の相互影響など、重要なダイナミクスは、時間の経過とともに初めて現れます。そこでこれらのダイナミクスを測定可能にするために設計された、継続的に実行されるマルチエージェントシミュレーションプラットフォームであるEmergence Worldを紹介します。

1 Introduction

Emergence Worldは、LLMで駆動するエージェント集団が活動する、常時稼働かつ詳細な計測観測機能を備えたマルチエージェントシミュレーションです。

（a） 40以上の異なる場所からなる共有の空間的世界に身を置く。
（b） リアルタイム気象情報、ニュースAPI、インターネットアクセスといった、動的な外部データに基づいて推論を行う。
（c） 場所や状況に応じて120以上のツール群を活用する。これには事前に規定された行動計画ではなく、動的な発見が求められる。
（d） 状況に応じた複数の永続的記憶システム（エピソード記憶、内省的記憶、関係的記憶）を維持する。
（e） 提案と投票の仕組みを通じて自らを統治し、その結果として不可逆的な状態変化が生じる。


このプラットフォームは推論層においてモデルに依存しない設計となっており、LLMはどれでもエージェントの基盤として組み込む事が出来、異なるモデルエージェントが同じ環境を共有するような、異質な集団が存在する世界を構築する事も可能です。

このプラットフォームを使用して、5 つの並行世界（4 つの均質な集団と 1 つの異質な混合集団）で 15 日間の制御された研究を実施し、基盤となるモデルのみを変更しました。


続きを読む

Ideogram4 の実装方法

Nano Banana Pro超えでローカルで実行可能な画像生成AI「Ideogram 4.0」が登場、日本語での指示も可能https://t.co/IEIxxmvRFZ

— GIGAZINE(ギガジン) (@gigazine) June 4, 2026

...色んな所でローカルで実行可能と言っていますが、これは本当にローカルで実行出来るのでしょうか？
コードは
確実に出来ない事は確認出来ていませんが...ローカルファイルからの読み込みを実装出来るのでしょうか？

git clone https://github.com/ideogram-oss/ideogram4
cd ideogram4
pip install -e .

hf auth login

何か時間かかったのですが...前からこうだったでしょうか？

Waiting for authorization.........................................................
Error: Login failed: Device code expired (timeout). Please try again.
Hint: set HF_DEBUG=1 as environment variable for full traceback.

IDEOGRAM_API_KEY は https://ideogram.ai/platform ここから取得します。

...しかしながら、IDEOGRAM_API_KEYはmagic-promptに必要なのであって、Ideogram4に必須ではありません。
--no-magic-prompt にすればmagic-promptを使う必要はありません。

　File "/usr/local/lib/python3.12/dist-packages/requests/models.py", line 1026, in raise_for_status
　　raise HTTPError(http_error_msg, response=self)
requests.exceptions.HTTPError: 401 Client Error: Unauthorized for url: https://api.ideogram.ai/v1/ideogram-v4/magic-prompt

このmagic-promptが有料のようで、必ず課金しないと使えない様です...

Cannot access gated repo for url https://huggingface.co/ideogram-ai/ideogram-4-nf4/resolve/main/transformer/diffusion_pytorch_model.safetensors.index.json.
Access to model ideogram-ai/ideogram-4-nf4 is restricted and you are not in the authorized list. Visit https://huggingface.co/ideogram-ai/ideogram-4-nf4 to ask for access.
................

https://huggingface.co/ideogram-ai/ideogram-4-nf4　の

You need to agree to share your contact information to access this model
This repository is publicly accessible, but you have to accept the conditions to access its files and content.
By agreeing you accept to share your contact information (email and username) with the repository authors.

　　Agree and access repository

をクリックします。







...しかし実行時にメモリが足りなくなる場合が非常に多そうです。



メモリ消費を減らす方法は...

pip install -q -U "sdnq＞=0.1.9"
pip install -q "git+https://github.com/huggingface/diffusers.git" transformers accelerate sentencepiece

import torch, json, psutil, diffusers
from sdnq import SDNQConfig

pipe = diffusers.Ideogram4Pipeline.from_pretrained(
　"Disty0/Ideogram-4-SDNQ-4bit-dynamic-hadamard",
　torch_dtype=torch.bfloat16,
)

pipe.enable_model_cpu_offload()

量子化モデル　SDNQ　で
diffusers のオフロードで GPU の同時使用量を減らし
　　enable_model_cpu_offload()　で必要な分だけGPU　⇔　CPU　で入れ替えます...

しかしこうすると実行時間が長くかかります。


................
................

ローカルLLM Gemma4の実装方法

GoogleがスマホやノートPCでAIをローカル実行するための省メモリ化技術「QAT」をGemma 4に導入、Gemma 4 E2Bがわずか0.84GBのメモリで動作https://t.co/PYcLLn8kVU

— GIGAZINE(ギガジン) (@gigazine) June 8, 2026

これがスマートフォンで実行するのは、全然簡単ではない様な...



gemma-4-E2BをCLI pythonで実行する
https://developers.google.com/edge/litert-lm/python
これは多分一番簡単です。

pip install litert-lm

apiの方も必要でしょうか？

pip install litert-lm-api

https://huggingface.co/litert-community/gemma-4-E2B-it-litert-lm
まずモデルをローカルファイルとしてダウンロードして来ます。

そしてpythonでこのコードを実行するだけです。

import litert_lm
litert_lm.set_min_log_severity(litert_lm.LogSeverity.ERROR)
with litert_lm.Engine("./gemma-4-E2B-it.litertlm") as engine:
　with engine.create_conversation() as conversation:
　　while True:
　　　user_input = input("\n>>> ")
　　　for chunk in conversation.send_message_async(user_input):
　　　　print(chunk["content"][0]["text"], end="", flush=True)

モデルの読み込みは思ったよりも随分早いような気がします。
"./gemma-4-E2B-it.litertlm"　ファイルは正確にパスを指定しなければいけません。

HuggingFaceのModel IDを指定して読み込む様な事は出来ないはずです。









https://developers.google.com/edge/litert-lm/js
web経由で実行する。

WebGPU に対応したブラウザでなければ動かないそうです...

まずこうしてwebサーバを起動します。 file:/// では機能しないからです。　

python -m http.server 8000

そうしてブラウザからアクセスします。
http://localhost:8000/gemma.html

Here is a sample REPL chat app built with the JavaScript APIがサンプルなのですが

<div id="out" style="white-space: pre-wrap; font-family: monospace;"> </div>
<input id="in" onkeydown="if(event.key === 'Enter') repl(this)">

<script type="module">
import { Engine } from 'https://cdn.jsdelivr.net/npm/@litert-lm/core/+esm';
const engine = await Engine.create({
// Load the Gemma 4 E2B model
model: 'https://huggingface.co/litert-community/gemma-4-E2B-it-litert-lm/resolve/main/gemma-4-E2B-it-web.litertlm'
// Or use the E4B model by swapping in this line
// model: 'https://huggingface.co/litert-community/gemma-4-E4B-it-litert-lm/resolve/main/gemma-4-E4B-it-web.litertlm'
});
const chat = await engine.createConversation();

window.repl = async (el) => {
const text = el.value;
el.value = ''; // Clear immediately
out.append(`\n> > > ${text}\nAI: `);
for await (const chunk of chat.sendMessageStreaming(text)) {
out.append(chunk.content[0].text);
}
};
</script>

................実際にブラウザからアクセスすると、HuggingFaceからのモデル読み込みには非常に時間がかかります。　単にダウンロードするより長く時間がかかっている様です。

const engine = await Engine.create({
model: './gemma-4-E2B-it-web.litertlm'
});

...この書き方で良いです。これでローカルファイルからのモデル読み込みが確認出来ました。






　　　　　　

エラーが発生しました: Error: Streaming kTfLiteEmbedder models is not supported yet.
考えられる原因: (1) このブラウザが WebGPU に対応していない。
(2) file:// で直接開いている（Web サーバー経由で開く必要があります）。
(3) モデルのダウンロードに失敗した（ネットワーク、または Hugging Face の利用規約同意が必要な場合があります）。

このエラーですが、モデルにgemma-4-E2B-it.litertlmを指定しても起こりましたので、エラーを全然区別してない様です。

続きを読む