Tkcore AIは、DeepSeek、Qwen、GLM、Kimi、MiniMaxなどの多様なAIモデルを統合したマルチモデルワークスペースで、低遅延応答、長コンテキスト、マルチモーダル入力、ファイルアップロードによるカスタム知識グラウンディングを提供します。

Alphabetは、AIインフラ投資のために最大800億ドルを株式売却で調達する計画を発表。バークシャー・ハサウェイへの100億ドルの株式売却も含む。これは史上最大級のエクイティ調達であり、AI競争が資本集約的な段階に入ったことを示す。同時に、Anthropicが米国株式市場へのIPOを秘密裏に申請し、評価額は9650億ドルに達する。

OpenAIは、専用のAI安全研究所を通じて若者のAI安全に関するグローバルな行動を呼びかけている。

QAOnFireは、プルリクエストごとに包括的な手動テストケース、エッジケース、セットアップスクリプトを自動生成するAIツールで、GitHubアプリとして統合されます。

金融機関は長年、不正検出や信用スコアリングなどのタスク固有のAIモデルを構築してきましたが、サイロ化したシステムが統一的な消費者行動の理解を妨げています。NVIDIAの報告によると、65%の機関がAIを導入し、複雑性が増しています。主要企業は、トランスフォーマーベースのトランザクション基盤モデルに移行し、独自データから統一表現を学習して複数タスクのパフォーマンスを向上させています。RevolutのPRAGMA、Mastercardの大規模表形式モデル、Stripeの不正検出などが例です。NVIDIAの新しい開発者サンプルにより、どの機関もこのモデルを構築できるようになります。

スティーブン・ローゼンバウムの『真実の未来』にAI生成の偽引用が複数含まれていることが判明。カラ・スウィッシャーやリサ・フェルドマン・バレットなどの著名人が引用を否定し、著者はChatGPTとClaudeの使用を認めた。AI支援研究における検証の重要性を浮き彫りにした事件。

経験豊富なソフトウェアエンジニア向けに、基盤モデル、アプリケーション層、モデル適応、計画立案、保守に関する実践的なAIエンジニアリングガイドを提供します。

米国のデータ分析企業Palantirはパンデミック以降急成長し、NHSの患者記録分析や米軍の標的特定にAIソフトウェアが使用され、時価総額3750億ドルに達した。しかし、その力の大きさへの懸念から批判が高まっている。また、ピーター・マンデルソンの安全保障ブリーフィング問題、ウクライナ空爆、英国のグリーン経済、トランプの基金計画、郵便局補償批判なども取り上げる。

Harveyはチャット製品からクラウドエージェントへ移行し、法律業務をエンドツーエンドで完了できるようにした。しかし、既存の管理ランタイムはマルチモデル、ゼロデータ保持、コスト管理の要件を満たさないため、自社でインフラを構築した。

フロリダ州はOpenAIを提訴した最初の米国州となり、ChatGPTが子供を危険にさらし、大量殺人犯を助長し、自殺を促したと非難。OpenAIは業界をリードする保護措置を講じていると反論。

Riddhi Mohan Sharmaは、パフォーマンス指標を不変の物理法則として扱い、AIエージェントによる自動修復を備えた3層の自動化ガバナンスフレームワークを、自身の個人サイトをライブケーススタディとして紹介。これにより「倫理的超高速」を実現している。

本記事は、AI生成の「スロップ」コンテンツを利用してソーシャルメディアで急速に利益を上げる現象を探る。Tung Tung Tung Sahurなどのキャラクターを例に、クリエイターがAIツールを使って低品質だが目を引く動画を量産し、Affiliate Networkなどの広告ネットワークを通じて収入を得る方法を紹介する。複数のクリエイターとプラットフォーム創業者へのインタビューを通じて、AIスロップ産業の運営方法、倫理的論争、そして莫大なトラフィックの背後にある経済的論理を明らかにする。

Anthropicは、Project Glasswingを通じてClaude Mythosモデルへのアクセスを拡大すると発表。6〜12ヶ月以内に広く利用可能になる見込み。このモデルは脆弱性を発見し、エクスプロイトチェーンを生成できるが、現在はパートナーのみに制限されている。

毎月数十の基盤モデルがリリースされ、開発者は選択に悩んでいます。WhichLLMModelは、推論能力、速度、コストなどの優先順位を設定し、トップモデルをランク付けして比較することで、最適なモデルを見つける手助けをします。

ShadowProtectは、AIエージェント向けに設計されたネットワーク分析ツールです。従来のネットワークにおけるWiresharkのように、エージェントの動作の監視、デバッグ、最適化を支援します。

JetBrains は、ルーティング、Q&A、サブエージェント向けに設計された 12B パラメータの MoE モデル Mellum2 をオープンソース化しました。トークンあたりわずか 2.5B パラメータしか活性化しないため、低レイテンシを実現します。

Simon Willison氏が、大量のテキストをペーストすると自動的にファイル添付に変換するプロトタイプツールを開発しました。Claudeの機能に触発され、Codexデスクトップを使用して構築されました。

RocketSmithは高出力ロケットの設計、製造、最適化を自動化するエージェントシステムで、サブエージェントとスキルを活用して飛行パラメータを反復最適化します。4機のロケットをFDMプリンターで製作し飛行試験を実施、全機が安定した打ち上げに成功し、2機が回収されました。飛行シミュレーションの遠地点予測精度は84%でした。

本稿は、物理AIシステムにおける新たな安全性問題「サイレント障害」をレビューする。ブラックボックスモデルが自信を持ち、もっともらしく、意味的に整合しているように見えながら、物理的に無効な動作を生成する。著者らは境界のある問題定式化、サイレント物理動作障害の定義、ランタイムガードレール機能の分類法を提案する。

本論文は、物理的許容性を予測制御インターフェースとして定式化し、実行前に予測力学が運動学的、動的、および直接合成水平条件を満たすか評価する。Hugging Face LeRobot PushTでの実験では、完全ゲートがAUC 0.957を達成し、87〜89％の無効な提案を防止する。

GraphDiff-IKは、構造認識グラフ拡散フレームワークを提案し、多様なロボット形態において正確かつ安定した関節構成生成を実現する。

自律航法におけるモデル予測制御（MPC）のための適応的動的オーケストレーション（ADO）フレームワークを提案。ADOは現在の航法コンテキストに最も適した動的モデルを動的に選択し、オンライン反実仮想ロールアウトによってモデル選択を最適化することで、低遅延を維持しつつ高忠実度モデルの精度に近づく。実機実験により、困難な地形での有効性を確認。

本論文では、アーキテクチャに依存しない不確実性認識アダプタヘッドを提案。予測を選好ヘッドと強度ヘッドに分解し、逆空孔自己校正目的関数（Invascal）を用いて信頼性の高い不確実性推定を実現。計算オーバーヘッドを最小限に抑えつつ、セグメンテーション精度を維持しながらキャリブレーションを改善する。

低レイノルズ数流体での線形運動マップはすべてのべき乗則粘性流体に拡張され、カロー・ヤスダ流体では非線形性を利用した往復運動により正味変位が可能で、速度変更により方向転換もできる。

本論文は、メカトロニクスシステムのシステム同定のために最適な励起信号を学習する強化学習エージェントを提案し、Quanser Aero 2テストベッドで検証した結果、推定精度が競争力があり、安全違反はわずか0.75%であった。

本サーベイは、豊富な人間の動画データを活用して視覚-言語-行動（VLA）モデルを訓練し、ロボットデモデータの高コストと特定の身体性への依存を克服する方法を探る。既存手法を4つのカテゴリ（潜在動作表現、予測的世界モデル、明示的2D監督、明示的3D再構成）に分類し、動画の構造化、身体性や視点の違いを越えた行動への接地、評価プロトコルの設計という3つの課題を強調する。

VLAMotorは、距離認識テストで故障を露呈させ、エージェント合成データで微調整するVLAモデル強化フレームワークです。シミュレーションと実機の両方で故障検出率と成功率を大幅に向上させます。

意味セグメンテーションを用いて顔の特定領域に注目する新しいディープフェイク検出手法。Celeb-DF v2でAUC 0.905を達成し、ファインチューニングなしでLipForensicsやXceptionを上回る。

本論文は、視覚エージェントが複雑な推論タスクでツールを使用する現象を調査し、「ツール使用崩壊」—モデルが訓練とともにツール使用を減らしながら精度が向上する—を発見。エントロピー正則化による多様な探索の促進が最良の性能をもたらし、ツールは訓練時の足場として捉えるべきと示唆。

HSGMと呼ばれる新しいゼロショットフレームワークは、3D情報をVLMと互換性のある階層マップに変換することで、視覚言語ナビゲーションにおける意味幾何ギャップを埋め、R2R-CEおよびRxR-CEベンチマークで最先端の性能を達成しました。