本論文はマルチLLMの集約を不確実性を考慮した信頼推定問題として捉え直し、決定理論の構造化専門家判断を応用して、各モデルの確率的予測のキャリブレーション品質に基づくCooke型対数重み付けを導入する。すべてのモデルが同等に信頼できるという前提を置かない点が特徴である。

事前登録された研究がGemma 2 2Bのアクティブなスパースオートエンコーダー特徴平面にホロノミーが集中するか検証した結果、アクティブ特徴平面はマッチした混合特徴対照よりホロノミーが少なく、予測とは逆の結果となった。

研究チームは、従来のフィルタリングにおける制約の強い観測モデルを、事前学習済みの条件付き変分オートエンコーダ（CVAE）に置き換える生成的ベイズフィルタリング（GBF）を提案した。測定更新をスコアベースの事後サンプリング問題として定式化し、合成データおよび製造システム監視・不整脈診断の実応用で、状態推定の精度とロバスト性がベースラインより向上することを示した。

ループ型トランスフォーマーの適応的深さを軌跡-読み出しの観点から診断。固定事前分布深さ監視が難易度認識軌跡を生成し、単純な事後信頼度読み出しが学習ゲートに匹敵または凌駕することを発見。主要な失敗原因はゲートの表現力不足ではなく、共同ゲート訓練による軌跡にある。

本論文は、密なテキスト埋め込み、BM25、知識グラフのトリプルフィルタリング、画像類似度を統合した四軸融合アーキテクチャ Multimodal CoLRAG-TF を提案する。43 件の日本の災害教訓 PDF で評価し、検索再現率 0.9909、マルチホップ回答類似度が 71.6% 向上した。

新研究は、LLMベースの閉ループチャネル構成探索を、サイクルあたり250候補の密なサンプリングに拡張した。平均精度は正の線形傾向を示し、最良モデルは11.8Mパラメータで0.3676の精度を達成。非2の累乗チャネル幅や構造化されたチャネル配分など、アーキテクチャの規則性も明らかになった。

arXiv論文はMuonオプティマイザのGrokking加速メカニズムをアブレーションで分解し、直交化（Newton-Schulz反復）が主因であり、スペクトルノルム制約は寄与しないことを示した。反復回数を減らすと高速化するが安定性が損なわれ、初回到達時間と持続Grok時間の両方を報告することを推奨している。

新論文は、構造化された出力フォーマット自体が言語モデルの幻覚を引き起こすと示した。入力情報が不足していても、スキーマがフィールドを必須にすると、多くのモデルが回答を捏造する。「証拠不十分」の選択肢や推論禁止の指示を無視する場合も多い。著者らはPhantomFillベンチマークを公開し、スキーマの1行修正を提案している。

DataPrep-Benchは、大規模言語モデル（LLM）のデータ構築とデータ品質評価の2つの補完的能力を、6つのドメインと複数のベースモデルにわたって統合的に評価する初の統一ベンチマークです。Data-Construction-SkillエージェントとDistributional Alignment Score（DAS）を導入し、複数のドメインで最先端の結果を達成しました。

研究者らはKamenica-Gentzkowのベイズ説得フレームワークを生成エージェントに適用し、22業種・約200社にわたる6，279件の顧客成功事例を含む公開コーパスSDR-Benchをリリースした。未来データの漏洩を防ぐ時間制約付きシミュレーションを採用している。最先端のLLMと深層研究エージェントを評価した結果、一貫したパーソナライゼーションのプラトーが観察され、Fortune 100テクノロジー企業コホートでは、成功したアウトリーチと失敗したアウトリーチを統計的に区別できるモデルは存在しなかった。12名の営業担当者による実地展開では、モデル生成コンテンツの48%が即座に有用と評価され、上級専門家との一致度はピアソン相関係数0.82であった。

arXivの新論文は、抽出型大規模言語モデルを構築するための計画フレームワークPlanEを提案する。データ分解、指示チューニング、プロンプト推論の3段階から成り、特定データセットに対して最適な基盤LLMとそのデータ・チューニング・推論（DTI）の組み合わせを選ぶDTIプランナーを導入する。同一モデルでのデータセット横断評価と、同一データセットでのモデル横断評価の両面から有効性を示し、異なる最適化目的に対する汎化性も検証している。

大規模言語モデル（LLM）は一組のパラメータで多くのタスクを処理するが、KVキャッシュ推論下において、デコード時にタスク一般的な構造が使用されているかどうかは不明である。本論文では、デコード時の隠れ状態においてタスク間で一貫して共有される低次元部分空間を特定し、デコード中にのみその部分空間を除去することで因果的役割をテストするプロトコルDecodeShareを提案する。実験では、発見された共有部分空間を妨害すると、同じ介入予算下でプリフィル由来またはランダムな部分空間を妨害するよりもはるかに大きな性能低下が生じる。さらに、このデコード共有部分空間がアクティベーションステアリングに実用的な影響を与えることを示す：一般的なステアリング方向はタスク汎用デコードチャネルと重なり得る。共有部分空間を射影除去することで、二つのコンポーネントの機能的役割を直接分離でき、デコード時にステアリングベクトルを評価することで、プリフィルベースのプロキシよりも下流展開に信頼性の高い信号が得られる。そのコンパクトさにもかかわらず、共有部分空間はデコード時に高レバレッジな因果チャネルとして機能する。

研究者らは、AIエージェントがH100 GPU1枚と2時間の予算内でOpenAI互換の推論サーバーを展開し、LLM推論を最適化するInferenceBenchを発表した。15の最先端エージェント構成は最大8.08倍の高速化を達成し、デフォルトのvLLM（4.05倍）を上回ったが、単純なハイパーパラメータ探索（11.53倍）には及ばなかった。分析は、ボトルネックがドメイン知識ではなく、多様な構成を提案し体系的に評価する能力にあることを示唆している。

DC-Leapは、拡散大規模言語モデル（dLLM）の推論を学習不要で高速化するフレームワークです。結合確率依存誤差（JPDE）に起因する過度に保守的な信頼度しきい値を、動的連続検証とドラフトガイド復号によって克服し、生成品質を維持しながら大幅な高速化を実現します。実験では、MBPP長系列生成で最大53.19倍、KV-Cacheと組み合わせると最大105.02倍の高速化を達成しました。

JAXBenchは、Google Cloud TPU向けのAI生成カーネル最適化を評価するTPUネイティブベンチマークスイートで、50のJAXワークロードを含む。研究により、TPUドキュメントによる条件付けが正解率を大幅に向上させ、探索構造がさらなる高速化をもたらすことが示されたが、高品質なTPUカーネル最適化には依然として課題がある。

EIML@ICML 2026に採択された本論文は、単一モデルをτ=1で100回実行する場合と24個のLLMによるアンサンブルを比較し、Marchenko–Pasturのランダム行列検定で信号とサンプリングノイズを分離する。単一モデルでは高々1次元しかノイズを超えないが、アンサンブルでは4つの固有値がノイズ境界を越えることを示した。

本論文は、Transformer埋め込み、言語的特徴、独自の「ベイト度」スコアを組み合わせたハイブリッド機械学習アーキテクチャによりクリックベイトを識別するAIブラウザ拡張ClickGuardを紹介する。XGBoostモデルは公開結合データセットでF1スコア91%を達成し、クリックベイトへのアクセス前後に警告を発し、記事の短いネタバレ要約を提供する。

新しいarXiv論文は、5種類のウォーターマーク手法を11のLLMと7つのVLMにわたって臨床推論タスクで評価し、語彙の破損、用語の幻覚、画像所見の誤帰属や欠落といった劣化を引き起こし得ることを示した。こうした失敗は汎用の集計指標では覆い隠されやすい。

本稿では、従来のテスト管理を自律的な品質インテリジェンスエコシステムに変革するマルチエージェントAIシステム「AINTMA（エージェンティックインテリジェントテスト管理アーキテクチャ）」を提案する。6つの専門AIエージェント（テスト発見、リスク評価、強化学習による優先順位付け、実行オーケストレーション、生成品質インテリジェンス、クラウドセキュリティ監視）を、安全なクラウドネイティブマイクロサービスインフラ上で連携させる。18ヶ月にわたる12の異種ソフトウェアプロジェクトでの評価では、テスト優先順位付け精度88.4%、テストサイクル時間43%削減、欠陥流出率8.3%から2.1%への低減、9ヶ月での投資回収率340%を達成した。

OpenWorker は、日常業務向けのローカルファーストデスクトップエージェントであり、データプライバシーとオフライン利用を重視しています。

MITメディアラボの新たな研究により、AI生成動画を明示的に開示しても、その後の本物の動画に対する信頼が低下し、判断の確信が減少し、知覚的混乱や社会的つながりの減少が生じることが明らかになった。研究は、欺瞞を超えた心理的影響への対策を求めている。

Bohayはオープンソースのターミナルベースのツールで、複数のAIコーディングエージェントを監視・管理するための統一インターフェースを提供します。エージェントのステータス追跡、セッション永続化、オーケストレーションによるチームワーク、Git統合、リモートSSHサポート、macOSノッチパネルなどの機能があります。

テスラ株は期待外れの四半期決算を受けて急落。利益は大幅に予想を下回り、AIとロボットへの支出が58億ドルに急増し、2年ぶりのキャッシュバーンを記録した。

232,270のデータセット→モデル→アプリケーションのチェーンを調査した結果、ライセンスが再配布中に剥奪または置き換えられる「ライセンスの不正流用」が広く行われており、義務を負うライセンスのエンドツーエンドの生存率はわずか7%であることが明らかになった。

実際のテストで、GPT-5.6 Solのような米国のトップモデルで2時間AIエージェントを実行すると300ドルかかる一方、DeepSeek V4 Flashのような中国のオープンウェイトモデルでは3ドル未満で同等の作業ができることが判明。能力の差がわずかであるにもかかわらず、この価格差は中小企業、フリーランサー、学生をAIの恩恵から排除する恐れがある。記事は競争力のある価格設定を求め、地政学的な制限がアクセス問題をさらに悪化させる可能性を警告している。

この記事では、AIに使用されるGPUの環境への影響を製造から廃棄まで探り、ゲームや他の産業と比較しています。

OpenTax は AI エージェント向けの決定論的税務計算エンジンで、TaxCalcBench で 96% の精度を達成し、GPT や Claude Fable を上回りました。MCP プロトコル経由で統合でき、検証可能な証明を提供します。

AIの英語以外の言語における性能差は、言語の難しさではなく、学習データの割合、トークナイザーの効率、命令チューニングのカバレッジの3つの要因によるものです。そのうち2つは修正可能であり、トークナイザーの非効率性により非英語の使用コストが3～4倍高くなっています。

環境活動家のエリン・ブロコビッチが、米国各地のAIデータセンターを追跡するインタラクティブマップを公開。運用中、建設中、計画中、コミュニティ報告の4カテゴリに分類し、エネルギー消費、水使用、電子廃棄物、騒音、立地リスクなどの主要な環境・コミュニティ問題を強調。また、データセンター開発への反対運動が高まる最近のニュース記事も収録。

Kimi K3モデルのリリースはフロンティアAI性能への注目を集めていますが、企業にとって重要なのは、これらのモデルを安全かつ信頼性高く実際の業務に統合する方法です。Cloudnet.aiとKimiの協業は、推論と実行を分離し、アイデンティティ、ポリシー、監査、人間の監視を備えた制御されたワークフロー自動化を可能にするエンタープライズグレードのエージェントアーキテクチャに焦点を当てています。このパートナーシップは、高度なモデルインテリジェンスと測定可能なビジネス成果を構造化評価を通じて橋渡しすることを目指しています。