Anthropic は Claude Tag を発表しました。これは Slack ネイティブのエージェントで、チームメンバーとしてタグ付けされ、非同期タスクを実行できます。内部使用では製品 PR の 65% をマージしています。Enterprise および Team プランでベータ版として利用可能です。

オラクルは2万1000人の人員削減を実施し、リストラ費用は18億ドル（前年度比481％増）に上る。クラウドとAI事業の成長に向けリソースを再配分する狙い。アナリストは、オラクルが未収益のOpenAIに依存していることや従業員一人当たりの利益が競合に劣る点を懸念。AIが人員削減の主要因となっており、特にテクノロジーセクターで顕著。

Ciscoは、AIエージェントスキル向けのセキュリティツール「AI Skill Scanner」をリリースしました。プロンプトインジェクション、データ流出、悪意のあるコードパターンを検出します。静的解析、LLM評価、行動データフロー解析など複数のエンジンを組み合わせ、CI/CD統合やpre-commitフックを提供します。

Nashraは、メールニュースレター、ブログ、ランディングページを統合し、AI機能でフォロワーを顧客に変えるプラットフォームです。現在Product Huntで公開中。

本稿は、AIエージェントが従来のUIを凌駕し、プロダクトの主要なインターフェースになりつつあると論じる。MVPから「スロップ」への進化、SnowflakeやDatabricksなどのデータプラットフォームへの影響、そしてHopsworksがエージェント向けのデータ層としての戦略を提示する。

OpenAIはCodexコーディングエージェントのログ記録実装の欠陥を修正しようと急いでいる。この問題により、ユーザーのSSDに過剰なデータ書き込みが発生し、ドライブの寿命が短縮され、数百万ドル相当の損害が生じている。

OpenAIとBroadcomは、大規模言語モデルの推論向けに設計されたカスタムAIチップ「Jalapeño」を発表。性能、効率、スケーラビリティの向上を目指す。

2026年6月23日のAIニュースダイジェストは、AIがソフトウェアエージェントから物理世界へと移行していることを示しています。AnthropicはClaude Opus 4.7を使って四足ロボットに歩行を教え、人間チームより37倍高速化。Nvidiaは空間推論フレームワークを発表、Teslaはモジュラーデータセンターを推進、Sakana AIはFuguで複数モデルを調整。同時に、制御と安全性が新たな競争の最前線となりつつあるが、認知負債のリスクも指摘されています。

RubyはAIを活用したツールで、通話中に最適な質問をリアルタイムで提案します。ユーザーインタビュー、営業電話、投資家ミーティングに最適です。

VoltanaLLMは、プリフィル/デコード分離型LLMサービスのためにフィードバック駆動の周波数制御と状態空間ルーターを導入し、レイテンシSLOを維持しながら最大36.3%のエネルギー削減を達成します。

SwimioはAIコーチング、高度なApple Watch水泳トラッキング、パーソナライズされたワークアウト生成を組み合わせた水泳者向けアプリです。ペース、SWOLF、ストローク効率、心拍数を追跡し、セッションごとに洞察を提供します。

日本のAIスタートアップSakanaは、そのFuguモデルがFable 5、Gemini 3.1 Pro、GPT-5.5などと比較して好意的、またはそれらを上回る性能を示したというベンチマーク結果とベータテスターの感想を発表しました。同社はFuguが特定のタスクにおいてClaudeやGeminiなどの他のフロンティアAIモデルをいつ使用するかを慎重に選択すると述べていますが、ユーザーにはどのモデルが何に使用されたかは伝えません。

Fork.aiは分岐型AI研究ワークスペースで、質問するとセクションに分割された回答が得られ、各セクションを深掘り、ハイライト、分岐させることができます。分岐はマインドマップのノードになります。

インドの縫製工場で、労働者たちが理由もなく頭部カメラの装着を求められ、最初は面白がったものの、AIによる雇用代替への懸念が広がっている。

darktable 5.6 は初のAI機能を搭載。クリック一つで被写体をベクターマスク化する「AIオブジェクトマスク」と、機械学習ベースのノイズ除去・アップスケールを行う「ニューラルリストア」モジュールを提供。すべてのモデルはローカルのCPUまたはGPUで動作し、クラウド非依存。各ツールの使い方、応用テクニック、限界を詳しく解説。

このプロジェクトは、817のプロダクショングレードのサイバーセキュリティスキルを持つオープンソーススキルライブラリであり、29のセキュリティドメインをカバーし、6つの業界フレームワーク（MITRE ATT&CK v19.1、NIST CSF 2.0など）にマッピングされています。AIエージェントはこれらのスキルを使用して、脅威検出やデジタルフォレンジックなどの複雑なタスクを実行し、上級アナリストの意思決定能力を得ることができます。

NavWMは、潜在世界推論、マルチモーダル行動予測、制御可能な視覚生成をシームレスに統合した統一ナビゲーションワールドモデルです。アンカーベースのマルチモーダル軌道予測フレームワークを導入し、多様な行動空間を生成し、視覚的先見性を活用した堅牢な閉ループ計画を実現します。実験により、高忠実度の将来状態生成とゼロショットナビゲーション成功率の大幅な向上が示されています。

DynaWMは世界モデル正則化とモメンタムターゲットエンコーダにより、二足車輪ロボットの連続階段における地形適応性と動作の滑らかさを向上。シミュレーションと実機で有効性を確認。

MinInterは、補間を最小限に抑えることで高品質な合成データを生成し、模倣学習の性能を向上させる手法です。MimicGenベンチマークの12の操作タスクにおいて、データ生成成功率と方策成功率を一貫して改善し、特に接触を伴う長期間のタスクで大きな効果を示しました。

SPACEフレームワークは、カルテシアン状態デルタを普遍的な動作表現として使用し、状態予測と適応型コマンド実行により、異なるロボット間での動作クローニングの問題を解決する。実験では、直接的なコマンド予測よりも優れた性能を示し、動的変化に対して頑健である。

TurboMPCはGPU上で完全に動作する微分可能なMPCソルバーで、状態・制御不等式制約、陰的積分器、時間横断結合コスト、スラック変数をサポートします。SQP、ADMM、陰的微分、JAX-CUDA実装を組み合わせ、シミュレーションではCPUソルバー比15倍、GPUソルバー比58倍の高速化を達成。実車レースではベイズ最適化によるGPU高速化チューニングが手動調整を凌駕し、8000以上のノットポイントまでスケール可能です。

本ノートでは、シミュレートから実世界への性能推定とベッティング（Chenら）、および安全ないつでも有効な推論（Ramdasら）を統合する方法を説明する。スケーリングされたシミュレータを用いて、平均推定のための効率的で信頼性の高い証明書を生成し、ロボット性能テストで特に価値がある。

本論文では、相互作用トポロジの重みをオンラインで更新し編隊の歪みを最小化するリアルタイムエッジレベル適応フレームワークTOLDを提案。従来のノードレベルロバスト制御器を凌ぐ性能を示し、Crazyflie 2.0クアッドローターでの実験ではOGFで62%超の歪み低減を達成。

強化学習は物理シミュレーションで両手の器用なロボットハンドに高精度でピアノを弾かせることができるが、高自由度の手ではタスク報酬や逆運動学のみに頼ると不自然な姿勢や関節の過伸展が生じる。本論文では、対抗的姿勢正則化（APR）を提案する。これは高価な曲合わせの専門家デモデータを必要とせず、少量の日常的な人間の演奏データを使用する。敵対的目標を通じてポリシーの姿勢分布を人間の事前分布に一致させることで、より人間らしい手の形状を促す。また、コンシューマ向けMeta Quest 3を用いて非構造化の手の動きデータを収集・公開し、Shadow Handに主要な動き情報をリターゲティングする。3つの人間らしさ指標（cPSI、BSE、FAC）と視覚品質で先行手法を大幅に上回る性能を達成した。

本稿は、2024年6月10日から14日に開催されたローレンツセンター・ワークショップ「Engineering Reliable Autonomous Systems (ERAS)」の議論をまとめたものです。自律システムの検証・妥当性確認、実世界での工学、安全なソフトウェアアーキテクチャに焦点を当て、課題のカタログと解決への道筋を示しています。一部の課題は、学術的に知られているが実践ではまだ普及していない技術で対処可能であり、その他の課題はさらなる研究を必要とします。

本論文では、ロボットポリシーを大規模コントローラと小型安全モジュールに分解するFEARLフレームワークを提案し、基盤モデルの表現力を維持しつつ安全クリティカルな特性の形式的検証を可能にする。シミュレーションと実機ロボットでの実験で有効性を示した。

生成AIの進歩により画像偽造が極めてリアルになり、信頼できる認証システムが求められている。既存のフォレンジック検出器は説明可能性に欠け、視覚言語モデル（VLM）は説明を提供できるが、フォレンジック痕跡を信頼性の高い検出に活用できない。本稿では、フォレンジック証拠抽出、構造化推論、人間が解釈可能な説明を統合する統一フレームワークであるフォレンジック知識グラフ（FKG）を提案する。FKG構造は、フォレンジック痕跡とその因果関係およびシーンコンテンツへのリンクをエンコードする。正確なFKGを生成するために、新しいフォレンジック認証ネットワークと、VLMを導いて忠実で根拠のある説明を生成する反復的コンテキスト精緻化戦略を導入する。また、50,000個のリアルな偽造画像と正解FKGを備えたデータセットFKG-50Kを公開する。実験により、FKGは検出、偽造識別と位置特定、フォレンジック正当化において、既存の検出器やVLMを上回ることが示された。

研究者らは、PromptKDのマルチ教師拡張であるTheProfessorを提案。ドメイン微調整教師とゼロショット教師のアンサンブルを用い、信頼度加重アンサンブルにより平均調和平均精度が87.52から89.28に向上。特にドメインシフトしたEuroSATで大きな改善。

REALMは、物理世界の視覚言語モデルに対する初の統一レッドチーミングベンチマークであり、12の攻撃手法、3つの防御、13のモデルを統合し、脆弱性の公平な比較を可能にします。主な発見として、テキストおよびタイポグラフィ注入攻撃が最も効果的であり、モデル規模だけではロバスト性が向上しないことが示されました。

HeRAと呼ばれる新しい手法は、個々の注意ヘッドレベルでマルチモーダル大規模言語モデルの表現を調整し、性能を向上させ、幻覚を減少させます。