Z.ai は 2026 年 6 月 13 日、GLM-5.2 を全 GLM Coding Plan ティア向けにリリースしました。特筆すべきは、100万トークンのコンテキストウィンドウと、High および Max の思考努力レベルです。Anthropic 互換のエンドポイントを通じて、Claude Code、Cline、OpenClaw に簡単に統合できます。リリース時点ではベンチマークスコアは公表されておらず、MIT オープンウェイトは来週公開予定です。

Claude Codeがタスクを完了するのを待つ間、報酬を受け取れるプラットフォーム。

無料のAIレジュメビルダー。登録不要で、プロフェッショナルでATS対応の履歴書を作成。ゼロから作成または既存の履歴書をアップロード可能。AIが各項目を強化し、ワンクリックでPDFまたはWordに出力。

Apploraは無料ツールで、Shopifyアプリストアの低評価レビューをAI分析し、マーチャントの本当の不満を抽出、構築難易度順に並べた課題クラスターとソリューション概要を提供します。開発者はこれにより、証拠に基づいた市場ギャップを発見できます。

AIはカスタマーサービスのコストを削減していますが、組織のリスクを加速させる可能性もあります。スタンフォード大学の研究では、汎用AIチャットボットの法的クエリに対する幻覚率は58%から82%に及ぶことが示されています。AIが問題を解決できない場合、ブランドのネットプロモータースコアは最大70ポイント低下する可能性があります。本記事では、生成AIをカスタマーサービスに展開する際に組織の準備態勢を維持する方法について、信頼の閾値、決定論的AI基盤、エスカレーションデザインなどの重要な洞察を探ります。

AgentBridgeは、異なるAIエージェントプロトコル間の翻訳とガバナンスメッシュとして機能するオープンソースのPythonプロジェクトです。MCP、A2A、ACPなどの6つのプロトコルをサポートし、本人確認、予算管理、監査証跡、ポリシーエンジンを提供します。現在はプロトタイプですが、150以上のテストに合格しています。

Fugeeは、避難民や亡命希望者が新しい環境に適応するのを支援するために設計されたAIアシスタントのビデオプレゼンテーションです。

カリフォルニア州の控訴裁判所は、生成AIの誤りを含む書面を提出した南カリフォルニアの法律事務所の弁護士に対する6000ドルの制裁を支持しました。第一審裁判官はこれを「私が裁判官になってから見た中で最も悪質な弁護士の不正行為の例」と評しました。

AIを使って学校の課題を終えることがカンニングに当たるのかを問いかける示唆に富んだエッセイ。教育システムの二重の目標——能力主義的な選別と形成的発達——を掘り下げ、競争の激しい環境で学生がAIに頼る理由を考察する。

MiMo Codeは、明示的な長期記憶アーキテクチャを備えたコーディングエージェントです。

研究者らは、視覚言語モデルを蒸留してシーンレベルの信頼性ヒートマップを生成する信頼性認識型拡散プランナーを提案し、ガラスや鏡などの信頼できない領域を回避しながら3D UAVナビゲーションを実現。障害物違反率を40.3%から9.6%に低減し、平均信頼性を0.588から0.925に向上させた。

AnyGoalは、視覚言語モデル（VLM）を活用したフロンティア探索と共有2Dガウスベイズ価値マップ（BVM）によるエージェント調整を特徴とする訓練不要のマルチロボットナビゲーションアーキテクチャであり、GOAT-Benchで52.4%のサブタスク成功率を達成し、Modular GOATより27.5ポイント向上。

ContactWorldベンチマークは12の接触豊富な操作タスクをカバーし、空間的に構造化され時間的に連続した表現（例：ポイントクラウド）が計画成功率を約20%から32.1%に向上させることを明らかにしました。触覚センシングの有効性はクロスモーダル互換性に依存し、ポイントクラウドと触覚力場の組み合わせで36.1%を達成。長期的な計画では触覚の重要性が増します。

単一GPUでの視覚-言語-行動モデル（VLA-JEPA）のファインチューニングにおいて、同じコードでも異なるランダムシードによって、12回は成功率91-94%であるのに対し、1回は65.2%に低下する「シードロッタリー」現象が発見された。原因は出力崩壊であり、行動予測器が入力に関わらずほぼ同じ出力を生成する。重みレベル正則化（L2、EWC）では検出できないが、出力レベル正則化（VICReg、ドロップアウト、学習率半減）で壊滅的なシードを完全に排除できる。最も簡単な対策はオプティマイザ設定の1つの数値を変更すること。

本論文では、カーネル表現を用いた効率的なドメイン適応型ポリシー学習アルゴリズムを提案。未知外乱を微分可能なランダムフーリエ特徴カーネル近似でモデル化し、オフライン訓練はRTX 4090で50秒のみ。展開時にはオンライン最小二乗推定でカーネルパラメータを更新し、非定常環境にリアルタイム適応する。Crazyflieクアッドローターによる風、地面効果、ペイロード変動などの実験で有効性を確認。

本サーベイは、自動運転が単一車両の知能から複数エージェントによる具現型システムへ移行する過程を、共有世界モデル（SWM）の観点から考察します。V2X通信、協調知覚、エージェント間認知、協調計画、エンドツーエンド協調運転、シミュレーションによる閉ループ検証まで、380以上の論文をレビュー。評価は依然としてシミュレーションやオフラインプロトコルに集中しており、基盤モデルベースの協調にはリアルタイムの安全性保証が欠けています。今後の研究課題として、検証可能な共有状態維持、ロバストな意図と計画の整合、通信や遅延制約下での安全な協調行動が挙げられます。

FlowMo-WM は、ロボット学習のためのエンドツーエンドで訓練可能な視覚世界モデルであり、画像と動作の履歴から物体中心の運動状態と隠れたドリフトに関連する長期的な文脈を、流れ場の直接的な監督なしに推論する。短期的な潜在状態と長期的な文脈に履歴を分解し、ゼロ文脈残差遷移を用いることで、模擬水上車両環境における長期的なロールアウト精度を大幅に向上させる。

本論文は、ピクセルやアクションではなく、物体、ツール、手などの相互作用点の3D軌道を予測するスケーラブルな世界モデルμ₀を提案する。TraceExtractシステムが動画から3D教師信号を自動抽出。実験では、μ₀が2D/3Dトレース予測でベースラインを凌駕し、凍結したμ₀をアクションエキスパートと組み合わせることで、アクション教師ありのVLAモデルに匹敵する性能を達成した。

受動的な分散型パラダイムを用いた新しい触覚センシング技術。深いサブ波長音響導波路により、性能と構造の柔軟性を分離し、少数のマイクで高分解能な触覚センシングを実現。

本論文では、占有分解から得られる自由空間領域に部屋ノードをアンカーする占有ベースの3Dシーングラフ（3DSG）パイプラインを提案する。各部屋に明示的な多角形フットプリントを与え、12のMatterport3Dシーンで評価した結果、Hydra法よりも多くの部屋インスタンスを検出できるが、精度は低く、壁と一致する正確な境界の特定は未解決の課題である。

Avatar Vは、参照ビデオの全トークンシーケンスに条件付けすることで、見た目だけでなく行動も再現するアバタービデオを生成するプロダクション規模のフレームワークです。スパース参照アテンション、動作表現ストリーム、アイデンティティ認識超解像を導入し、1億以上のトレーニングクリップと5段階のトレーニングパイプラインを使用して、1080pの無制限長ビデオ生成を実現。Seedance 2.0など既存システムを上回る性能を示しています。

視覚言語モデル（VLM）は画像がなくても画像に関する質問に自信を持って答え、ベンチマークスコアを水増しする「ミラージュ行動」を示す。本研究はこれを2つのメカニズムに分類する：テキストバイアス（言語事前確率に依存）とスプリアス画像（潜在空間で誤った視覚内容を構築）。対照的プロービングフレームワークと新たな指標PHIを用いて、それぞれ異なる緩和策が必要であることを示す。

生成ビデオ推論における単一生成の限界を克服するため、研究者らは時間的バックトラッキング探索（TBS）を提案。時間軸に沿って生成・検証・再起動を反復することで、テスト時の計算拡張を実現する。実験では、アルゴリズム、ナビゲーション、ロボティクス領域でBest-of-Nサンプリングを凌駕し、分布外設定で成功率0.7%から22.7%へ向上させた。

本論文は、rPPG Transformerの説明可能性の不足に対処するため、定量的な評価フレームワークを導入する。著者らは4つの帰属手法をRhythmFormerの二層ルーティング注意に適用し、皮膚被覆率指標を提案し、SaCo忠実度係数をrPPG回帰に拡張した。スパースtop-kルーティング下でのマルチホップ漏洩効果を明らかにし、Beyond Intuitionがそれを軽減し、UBFC-rPPGで最高の皮膚被覆率（0.83）と忠実度（F=0.92）を達成した。この研究は、rPPG XAIを監査可能な数値証拠へと前進させる。

研究チームはi2L（画像からLoRAへ）フレームワークを提案。スタイルLoRA学習を単一の順伝播に償却し、スタイルごとの最適化を不要にする。画像エンコーダ、学習可能なLoRAクエリ、圧縮デコードヘッドを用いてLoRA重みを予測し、Z-Image、FLUX.2、Hidream-O1でスタイル忠実度、プロンプト整合性、知覚品質においてベースラインを上回る。

CineOrchestraは、被写体、イベント、カメラ、ショット遷移を同時に制御する統一動画拡散モデルで、エンティティ中心の条件付けプリミティブと2つのパラメータフリーの回転埋め込みを利用する。2つの新しいベンチマークで6つの専門モデルを上回る性能を示した。

本論文では、CNNのフィルタペア間に学習可能な接続パラメータを導入する手法を提案。従来のポイントワイズ非線形性の限界を超え、ネットワークが層ごとに接続関数を適応させることで精度が向上することを示した。

IoUは候補領域と正解領域の空間的な一致度を評価する重要な指標だが、幾何学的な重なりが異なるサンプルに対して類似したスコアを生じる非感受性領域が存在する。本研究では、面積、形状、アスペクト比をカバーする形態的類似度指標を導入し、平均集約による補助マッチングスコアを生成することで、正サンプル割り当ての精度を向上させる。YOLOv9ベースの実験でNEUDETおよびGC10-DETデータセットにおいて一貫した性能向上を達成し、追加の推論オーバーヘッドはゼロである。

新しい研究では、教師ありファインチューニングや強化学習などのポストトレーニング手法が、生成型大規模言語モデルのICDコーディング性能を大幅に向上させることを示し、プロンプトのみの評価ではLLMの可能性を過小評価していると主張する。

DLawBenchは、マルチターンの法律相談における大規模言語モデル（LLM）の性能を評価するための新しい診断ベンチマークです。中国と米国の法律から461件の事例を含み、相談のやり取りを協力的、依存的、引きこもり、対立的の4タイプに分類します。実験では、最良のモデルGPT-5.5でも相談に基づく法的推論で0.562しか達成できず、お世辞行動や、クライアントが最も指導を必要とするときにモデルの性能が低下するというパラドックスが明らかになりました。