OpenAIはインフラコスト削減のため、Broadcomと協力してカスタムASIC「Jalapeño」を開発しました。このチップは大規模言語モデルの推論に特化しており、TSMCが製造し、2026年末までにデータセンターに導入される予定です。

ビッグテック企業がAIインフラへの投資に伴う実際のコスト（設備投資、エネルギー消費、環境影響など）をどのように隠蔽しているかを探る。

Gemini Sparkは、スマートフォンやノートパソコンがオフの状態でもバックグラウンドで動作する24時間365日対応の個人AIエージェントです。自律的にタスクを実行しますが、重要な行動の前にはユーザーに確認します。Product Huntで公開されました。

百度はUnlimited OCRをオープンソース化しました。これは30億パラメータのMixture-of-Expertsモデルで、Reference Sliding Window Attention（R-SWA）によりKVキャッシュを一定に保ち、一度のフォワードパスで数十ページの文書を効率的に解析します。OmniDocBench v1.5で93.23を達成し、DeepSeek OCRベースラインを6.22ポイント上回り、MITライセンスで提供されます。

シンガポールはAnthropicのClaude AIの1人当たり使用量で世界をリードしています。その他の主要な動きとして、AnthropicがAmazonによって報告された脱獄脆弱性によりFable 5とMythos 5モデルを強制的に停止させられたこと、SpaceXがCursorを600億ドルで買収したこと、MetaがエージェンティックAIアシスタントを発表したこと、そしてAnthropicがSpaceXやBlackstoneと提携してコンピュートリソースやサービスを拡大したことなどがあります。

AI支援で構築されたソフトウェアは、コード生成ツールがガバナンス記録を生成しないため、実際の動作を証明できないことが多い。著者はASE（Auditome Sovereign Engine）を紹介し、AI操作ごとに暗号署名付きのレシートを生成し、コードベースのガバナンスギャップを評価する基礎診断サービスを495ドルで提供する。

Hezoは、AIエージェントチームを自己ホストで管理するプラットフォームです。エージェントは隔離されたコンテナで実行され、出口プロキシでプレースホルダーが置き換えられるため、実際の秘密情報を決して見ることはありません。複数のモデルプロバイダー、予算上限、監査証跡をサポートします。

BetterAgentは、CLI駆動のツールで、Next.jsアプリにAIエージェント層を迅速に追加します。ルートやサーバーアクションを読み取り、ユーザーが既存の製品内で実際に作業を行えるエージェントを提供します。設定不要の開発体験、埋め込み可能なUIコンポーネント、内蔵の可観測性、認証転送、ストリーミング、レート制限などの本番級インフラが特徴です。

エジプト分数は、単位分数を使って非整数を表す方法であり、18世紀以前のヨーロッパで主要な方法でした。この記事では、その定義、リンド・パピルスからの歴史、すべての有理数がエジプト数であるという定理、構成的証明、例、および未解決問題を扱います。

本論文は、自己中心視覚理解における視覚言語モデル（VLM）の低遅延推論のために重み刈り込みを研究し、予測の正確性と証拠に基づくこと（二重に正しい予測）を両立させる手法を提案する。既存の刈り込み手法は証拠の位置特定を維持するが精度を低下させる傾向がある。提案手法は理由に基づく刈り込み戦略で証拠と決定を整合させ、自己中心ビデオベンチマークで最高精度と二重に正しい予測を達成した。

SwarmFlyはMATLABベースのオープンソースUAV群れシミュレーションプラットフォームで、既存ツールのメンテナンス不足、学習曲線の急峻さ、単一シナリオの問題を解決する。複数の協調モード、プラグインアーキテクチャ、リアルタイムマップを備え、8つの実験で精度、耐風性、障害回復、持続性、空域適合性を検証した。モジュール設計によりハードウェアインザループテストや大規模群れへの拡張が容易。

本論文では、長期ホライゾンロボット制御のための注意機構を用いた記憶検索を備えた視覚運動ポリシーHALOを紹介し、模倣学習における擬似相関と誤差蓄積に対処する。

本論文は、因果推論を組み込んだパラメトリック制御バリア関数（Parametric-CBF）を提案し、マルチビークル相互作用における安全制御の問題を解決する。因果推論をCBFに埋め込むことで、車両間の相互影響を明示的に推論し、既存手法の因果関係の特定困難性や過度に保守的な動作を克服する。学習された因果ベースParametric-CBFを用いた適応的安全制御器により、自車は周囲車両の行動予測に基づいて安全に反応でき、様々な相互作用の多いシナリオでタスク効率が大幅に向上することを示す。本論文はICRA 2026に採択された。

RGBフレームワークは、事前学習済みの強化学習ポリシーをサンプリング事前分布として利用し、モデル予測経路積分（MPPI）でオンライン補正することで、再学習なしに人型ロボットの全身ロバスト制御を実現。Unitree G1シミュレーションで280Hzの制御率を達成し、タスク精度が大幅に向上。

AeroCastは、Transformerエンコーダと混合密度ネットワークを組み合わせた確率的軌道予測フレームワークで、将来の3D変位のガウス混合分布を予測します。ハイブリッドな実・合成クアッドコプターコーパスにおいて、ベースラインと比較して平均変位誤差と最終変位誤差を約50%削減し、サンプルあたり0.1ミリ秒の推論時間でリアルタイムオンボード展開を実現します。

工場やオフィスでの監視システムの普及に伴い、ロボットとの統合が協調的なタスク実行の有望な方向性として注目されている。本研究では、屋内協調物体ナビゲーションのための新しいデータセットとフレームワークSurveilNavを提案。アクティブカメラスケジューリング、2D/3Dマッピング、VLMベースの価値推定、協調目標検証を統合し、HM3Dデータセットで最先端の性能を達成した。

ADM-Fusionを提案。エンドツーエンドの深層学習に基づくマルチセンサ融合手法で、適応型センサ混合エキスパートフレームワークとコンテンツ認識ルーティングを採用し、センサ入力を動的に重み付けする。並進と回転の分岐を分離し、クロスタスク注意機構で結合。CARLA-LOCシミュレーションデータセットで訓練し、KITTI実データで微調整。シミュレーションから現実への効果的な転移を示し、劣化条件下でのロバスト性を維持しながら既存手法と同等の性能を発揮。

本研究では、多IMU関節剛体システムの拡張姿勢推定のための新しい不変カルマンフィルタリング手法を提案する。相対L拡張姿勢リー群表現を導入し、関節運動学的制約をノイズフリーの擬似測定として反復型IEKFに組み込むことで、UR5eロボットと人間の脚部において、既存フィルタと比較して収束が速く、RMSEが50%以上削減される。

潜在系列最適化（LSO）と呼ばれる新しい手法により、行動基盤モデル内の潜在変数の系列を最適化することで、正確な物理ベースのモーション追跡を実現し、実人型ロボットで検証されました。

ほとんどのVLAモデルはリアクティブであり、現在の観測からのみ次の行動を予測するため、環境変化に弱い。本論文では、観測-行動-結果のトリプレットをコンテキストとして利用するReflective VLAを提案。分布シフト下で成功率が5.4ポイント向上し、行動結果が汎化の鍵であることを示した。

本論文は、量子化対応の線形パスを学習して低損失部分空間の中点を見つける新しいニューラルネットワーク量子化手法を提案し、ストレートスルー推定器や明示的な離散化を使用せずに量子化対応訓練と同等の性能を達成する。

本研究では、マルチモーダル大規模言語モデル（MLLM）のアシスティブAIタスクにおける性能を、通貨認識、シーンテキストの質問応答、多言語視覚コンテンツの読み取りを通じて評価しました。研究者らはNetraLinkシステムを開発し、ヘッドマウント型GoProで実世界の一人称視点データを収集し、ベンチマークを作成しました。結果は、現在のMLLMの視覚認識と言語インタラクションにおける強みと限界を明らかにしました。

ビジュアルストーリーテリングでは、ナラティブプロンプトに沿った画像シーケンスと、キャラクターの外観の一貫性が求められる。既存の訓練不要手法は構造化プロンプト（毎回完全なキャラクター説明を繰り返す）に依存しており、自然なストーリーテリングから乖離している。FreeStoryはエンティティに基づく特徴再利用により自由形式プロンプト下でのキャラクター一貫性を実現し、FreeStoryBenchベンチマークを導入。訓練不要手法で最先端の性能を達成した。

Wan-Streamerは、リアルタイムで低遅延な全二重音声・映像対話のために設計された、ネイティブストリーミングのエンドツーエンド対話基盤モデルです。単一のTransformer内で言語、音声、映像をシームレスにモデル化し、ブロック因果注意機構を使用してインクリメンタルストリーミングを実現します。モデル側の応答遅延は約200ミリ秒、総対話遅延は約550ミリ秒で、サブ秒の全二重通信をサポートします。

Chorus IIは、類似した画像から動画への生成リクエスト間でスパースな注意パターンを再利用することで、オンラインのマスク予測を回避し、オプションの特徴再利用とガイダンス強化により品質を維持しつつ2.16倍の高速化を実現するフレームワークである。

Yuvion VLは、コンテンツとAIの安全性に特化したマルチモーダル大規模言語モデルのファミリーです。安全性を本質的に敵対的かつマルチモーダルな問題と捉え、敵対的ロバスト性を中心にパイプライン全体を設計しています。データ構築では、敵対的認識型データ合成と多段階品質管理を統合した自動パイプラインを開発。訓練では、リスク概念のクロスモーダルアライメントのための継続事前訓練、本番環境向け安全タスクのための指示後訓練、複雑タスクでの解釈可能性向上のための推論後訓練の3段階を採用。さらに、モデル固有の混乱を掘り起こし、複数画像の対比グループを構築して細粒度の視覚意味要素を明示的に識別させる「混乱-対比微調整」フレームワークを導入。YVREベンチマークセットで多様な評価を実施。Yuvion VL-32Bは、同等規模のオープンソースモデルや最高のクローズドソース商用モデルを上回る安全性性能を達成し、一般能力も維持しています。

本論文では、超音波スペックル低減のためのノイズ認識型境界強調生成学習（NBGL）フレームワークを提案する。スペックル低減ブランチと境界強調ブランチで構成され、3Dラプラシアンフィルタと中央絶対偏差推定を用いたノイズ認識型相互作用重み生成（NIWG）モジュールにより、異なるノイズレベルに適応する。141の3D経膣超音波ボリュームでの評価において、NBGLは6つのノイズレベルで最新手法を上回る性能を示した。

本研究は、認知的、感情的、行動的領域にわたる自己スティグマのコードブックを開発し、Reddit上の薬物使用者の投稿を分析しました。結果は、自己スティグマが広く見られ、行動指標が中核指標に先行することが多く、進行モデルに挑戦するものでした。

大規模言語モデルはコード生成を変革し、作者性、評価の完全性、ソフトウェアの信頼性に関する懸念を引き起こしています。SemEval-2026タスク13サブタスクAは、コードスニペットに対する二項分類として検出を定義し、未見のプログラミング言語やアプリケーションドメインへの分布外汎化に特に重点を置いています。研究では、SALSA（シングルパス自己回帰大規模言語モデル構造化分類）を提案し、各クラスを専用の出力トークンにマッピングし、モデルが構造化応答で単一トークンのラベルを生成するよう訓練します。バランスの取れたサンプリング、パラメータ効率の良い微調整、保守的な訓練を組み合わせることで、システムは公式リーダーボードでOOD F1=0.789を達成し、CodeBERTベースライン（F1=0.305）を大幅に上回りました。

学術投稿の急増により、従来のピアレビューは拡張性の限界に直面し、大規模言語モデル（LLM）をインテリジェントな自動評価アシスタントとして活用する動きが活発化している。しかし、LLMが流暢な批評を生成し、レビュアーのスコアを近似できることが示されている一方で、意思決定支援システムとしての信頼性、堅牢性、セキュリティは十分に理解されていない。本サーベイは、LLMベースの科学的ピアレビューをシステムレベルで分析し、批評生成とスコア予測という2つの中核機能に焦点を当てる。プロンプトベース、教師あり、検索拡張、アライメント最適化といった手法の構造化された分類法を提示し、既存のベンチマークにおける実証結果を総合する。データセットの制約、評価の欠点、領域集中バイアスを分析し、現在の評価実践を制限する要因を明らかにする。性能指標を超えて、プロンプトインジェクション、データポイズニング、検索脆弱性、報酬ハッキングといった新興の堅牢性リスクを特定し、自動レビューパイプラインが戦略的操作にさらされる可能性を示す。データマイニングの観点から、主観的不一致のモデリングとクロスドメイン汎化における主要な未解決課題を概説する。自動ピアレビューをハイステークスな多目的決定問題として再定義し、堅牢で透明性が高く、信頼できるAI支援科学評価システムの開発へのロードマップを提供する。