新論文は、制御された LLM 同士の議論フレームワークを導入し、長い会話の中でモデルが互いの意見をどう形成し、形成されるかを調べた。同一モデル同士のやり取りでは意見の隔たりが縮まる一方、異なるモデル間では広がること、また「説得せよ」という一律の指示が影響力を確実に高めるわけではないことが分かった。

研究チームは、関係型Transformerのための初のスピードラン型リーダーボード「modded-nanoRT」を発表した。課題を固定しスタックを公開した上で、単一GPUで品質目標に到達するまでの実時間で順位を付ける仕組みにより、事前学習レシピの探索を特定ラボの私的プロトコルから解放する。初回のレシピは、外部キーの経路に応じて注意スコアと値を条件付ける型付き三線形注意にMuonとSIGRegを組み合わせ、NVIDIA H200 1枚で305.63秒にて目標達成、参照実装より8.11倍高速で、開発用データベース外の15組中13組で勝利した。

本研究は、手描きの回路図の写真を実行可能なSPICE互換ネットリストに変換し、節点電圧と電流を自動計算するSketch2Simを提案する。1,000件の手描きRLC回路データセットも構築し、部品検出・文字認識・ノード対応付けを多段パイプラインで処理する。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.28826v1 Announce Type: new Abstract: Automated judges of clinical artificial intelligence (AI) outputs are necessary, but large language model (LLM) judges are costly and slow at scale. We compared Jev, a decision language model that returns structured judgments, with frontier and open-weight LLM judges in four use cases. On 118 pediatric answers, Jev's agreement with physicians' ordinal quality ratings (Gwet's AC2 0.50; expected score 0.53) matched or exceeded that of seven of 12 LLM judges, including frontier models, Claude Opus 5.5 (0.49) and GPT-6 (0.38). On physician-graded binary HealthBench criteria, Jev matched or exceeded four of six LLM judges. On MedHELM's open-ended tasks, Jev's agreement with a three-LLM jury approached or ex…

本論文は、タスクプールを拡大するほど既存のエージェントハーネス進化手法の性能が低下するという逆説的な失敗モードを明らかにし、その原因を最適化時の証拠選択の不備に求める。著者らは各進化ラウンドで最適な証拠の組み合わせを適応的に探索するSuccessive Scale Racing（SSR）を提案し、3つのベンチマークの全6構成で最高性能を達成。タスク数が40から200に増えると通過率は64.3%から68.3%へ安定して向上し、検証実行回数を60%削減する。

研究者らは、11領域にわたる20の科学的MLベンチマークを含む長期テストベッド「Agent4Sci」を導入し、フロンティアコーディングエージェントが実世界条件下で公開済みの最高モデルをどこまで改善できるかを評価した。Claude Opusなどのフロンティアエージェントは全ベンチマークで最先端を更新し、平均10.4%の相対改善を達成、学術的不正行為のフラグもなかった。しかし、その向上はほぼMLエンジニアリングの技巧によるもので、研究レベルの洞察ではない。軌跡分析により、新規性の誤較正、リソースの未活用、局所的なエンジニアリングスイープへの急速な崩壊という3つの制限が明らかになった。軽量プラグインスキルにより、Claude Opusは20.1%に、Codexは4.4%から8.1%に向上した。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.28706v1 Announce Type: new Abstract: LLM-driven evolutionary search is a promising paradigm for scientific discovery, but existing methods remain costly and slow, often applying expensive reasoning uniformly while underusing evidence from failed, redundant, and saturated trials. We introduce Speculative Evolution (SpecEvo), a multi-LLM framework that coordinates lightweight and frontier models through continual consolidation of search evidence. Lightweight models power both parallel Speculators, which generate and refine candidate programs, and an Advisor, which distills accumulated successes, failures, and saturated directions into persistent guidance for subsequent exploration. At sparse checkpoints, a frontier-model Navigator inspects…

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.28698v1 Announce Type: new Abstract: Scaling data, diversity and model capacity has improved embodied learning in physical environments, where diverse experiences remain grounded in shared physical laws. Whether these gains extend to virtual worlds with different visual styles, dynamics, controls, and objectives remains unclear. We investigate this question through a controlled study of continued pre-training (CPT) across three axes: data volume, diversity, and model size. Our 120 training configurations span four model sizes from 0.8B to 27B, six data budgets from 50 to 1,600 hours, and five mixtures ranging from Minecraft-only data to diverse multi-world corpora. We assess performance and generalization using three-level validation loss…

本論文は、曖昧なクエリと明確化が不要な負例を含む約3,900件のデータセット ClariEdge を提案し、RAG システムが適切な確認質問を生成できるよう訓練する手法を示す。LoRA で微調整した軽量モデルは分類精度96.6%を達成し、分類と明確化生成の品質の両面で複数の大規模モデルのプロンプトベースラインを上回った。さらに、真の曖昧さと文脈から解消可能な見かけ上の曖昧さを区別するにはハード負例が不可欠であることを明らかにした。

カザフスタンのAIエコシステムは、インフラ計画から実際の導入段階へと移行しつつあり、計算基盤からモデル、アプリケーションまでAIスタック全体に変化が及んでいる。国内最大の通信会社KazakhtelecomはアスタナとアルマトイにNVIDIA H200を400基、B300を480基導入済みで、来年はData Center Valleyに1,000基超、エキバストゥズ地域に1,000基超のVera Rubin GPUを配備する計画だ。さらにinDriveとPony.aiはカザフスタンでのロボタクシーサービスの可能性を探っている。

ケンブリッジ大学とスピンアウト企業GlitterinTechの研究チームは、数センチ角で約10ドルの光学分光器を開発した。畳み込み定理を光領域で直接利用する設計により、プラスチックや医薬品、コーヒー、小麦粉、茶の識別で100%の分類精度を達成し、溶液濃度を約0.01%の精度で測定。皮膚水分、血中アルコール、血中乳酸、血糖値といった生体指標の非侵襲モニタリングも実証した。

OpenAIとポーランドのNASK国立研究院は、AIの安全性、セキュリティ、技術研究における協力の可能性を探る契約を結んだ。ポーランドAI安全研究所の役割を担うNASKのAI安全研究センターがOpenAIと協働し、高度化するAIシステムの評価、脆弱性の特定、 safeguardの強化に取り組む。米国CAISSIや英国AISIなど公共研究機関との既存の協力を拡張するもので、CERT PolskaがOpenAIのモデルを用いてMikroTik RouterOSの脆弱性を発見したサイバー分野の実績も土台となっている。

Canvaは自社開発の画像生成モデル「Canva Craft」を発表した。設計を先に計画してから画像を生成する2段階アーキテクチャを採用し、最大2K解像度と30種類以上のアスペクト比に対応。世界中の全ユーザーが利用できる。

データセンターや半導体のコスト懸念を背景にAI関連株が木曜日に急落し、世界の主要株価指数を押し下げた。一方、イランとの戦争への懸念から原油価格は5月以来の高値をつけた。S&P500種株価指数は1.2%安と7月以来の大幅な下落となり、ナスダック総合指数は2.6%下落した。ただしテクノロジー株の軟調さが米国市場全体の底堅さを覆い隠し、大多数の銘柄は上昇、ダウ工業株30種平均は11ポイント上昇した。

Peras は Product Hunt に掲載された AI 関連プロダクトで、Claude Code や Codex が一週間を無駄に消費する前に止めるというキャッチコピーが付いています。提供された素材には具体的な機能の説明はありません。

MIT CSAILと天津大学の研究者は、3Dプリント時にセンサー用と干渉しない配線用の2種類の材料を自動で埋め込む設計ツール「X-Hinges」を開発した。これにより、印刷物は信号の混信を起こさずに人の動きを感知して反応できる。試作にはロボットに把持動作を教えるグローブ、つまむと明るさが変わる折り紙風ランプ、載せた物体を識別する装置などがある。最大3軸の動きを感知できるが、現状では印刷ごとに再キャリブレーションが必要だ。

MetaはAIモデルのトレーニングにニュースサイトを自由に利用できると示唆する表現をビジネス規約から削除したが、法律専門家は不十分だと指摘する。「お客様の製品やサービスに関連する」という文言が残り、Metaがサイト全体をスクレイピングできる余地がある。「開発」という広い用語が「トレーニング」を含む可能性もある。Metaはニュースサイトのスクレイピングが目的ではなく、robots.txtによる意思表示は有効だと主張している。

SpaceXとTeslaは合併に向けた特別委員会を設置した。マスクはSpaceXの決算電話会議で、超知能ソフトウェアの共同開発などで合併にメリットがあると述べた。合併によりマスクはTeslaの議決権支配を獲得し、AIリソースを統合できる可能性があるが、利益相反や規制上の懸念も生じる。

Simon Willison 氏は、オランダのオルタナティブロックバンド De Staat の新曲「FREEDOM」のミュージックビデオ 00:44 の地点で、自身が AI 画像生成のテストに長年使ってきた「自転車に乗ったペリカン」のプロンプトが登場しているのを発見した。商業作品で見つけたのは今回が初めてだという。視覚効果は Fake it or Leave it の Matties Grooten 氏が担当している。

企業はトークン消費量の最大化から価値の最大化へと移行し、細粒度のコスト帰属、インテリジェントルーティング、集中型ゲートウェイを通じてAIのROIを測定し、支出が収益を上回らないようにAIを拡張している。

OpenAIはGPT‑6 Lunaを基盤とするDecisions APIを一般提供開始した。アプリやエージェントがワークフロー内で行う多数の小さな判断に特化し、確率・選択・スコアの3種類の回答を返す。Responses API経由のGPT‑6 Lunaより最大10倍高速で、入力100万トークンあたり0.10ドル、出力課金なし。

Discordの最新アップデートでMarkdownファイルのプレビューが修正され、記号の羅列ではなく表や書式を含めて正しく表示されるようになった。あわせてサイドバーの右クリックによる「Move to…」でのサーバー・チャンネル整理や、Nitro会員の1GBファイルアップロードも追加された。

Databricksは通信不正対策ソリューションアクセラレーターを発表した。リアルタイムのリスクスコアリング、Lakebaseによるトランザクションと分析の統合、不正アナリストワークベンチ、Genie AI調査エージェントを単一のガバナンス済みプラットフォーム上に統合し、通信事業者が機械の速度で不正に対抗できるようにする。

Metaの決算説明会で、マーク・ザッカーバーグは個人向けAIエージェント「Muse」に会社の未来を賭け、数十億のMuseが互いに会話・取引するネットワークによって、InstagramやFacebookを上回るユーザーあたり収益を生み出すと語った。しかし計画は、達成方法が明らかにされていない計算コストの削減に依存しており、プライバシー事件や消費者心理の悪化が懸念材料となっている。

1Password for Agentsは、AIエージェントがパスワードを見ることなく、ユーザーの代わりにサインインできるようにします。

DatabricksはAIコーディングエージェントの全社導入後、指数関数的に増大するコストに直面。より安価なモデルへの切り替え、タスクルーティング、支出の可視化、トークンオーバーヘッドの削減という4つの施策で、単位コストを最大90%削減した。この内部ソリューションはUnity Gatewayとして製品化された。

AnthropicはAgent Skills標準を、Linux Foundation傘下で同社がBlock、OpenAIと共に昨年設立したAgentic AI Foundation（AAIF）へ寄贈すると発表した。AAIFはすでにModel Context Protocol（MCP）を受け入れている。Simon Willisonは昨年12月にこの展開を予想していたと述べ、自身のブログにMCPプラグイン経由でClaudeを使い、その過去記事を探し出した。

スペイン、ポルトガル、フランスで330以上の店舗を展開するイベリアのペットケア企業 IskayPet は、従来 4 言語・数百点の SharePoint 文書を従業員が手作業で検索していた。同社は Amazon Bedrock マネージドナレッジベース上に多言語の企業知識アシスタントを構築し、ネイティブの SharePoint コネクタ、ハイブリッド検索、マネージドリランキング、文書レベルのアクセス制御を活用。RAG 基盤を自前で運用せずに、業務上の回答を見つける時間を 3〜5 分から約 7 秒に短縮した。

AWSはAmazon SageMaker AIのサーバーレスモデルカスタマイズにおいて、トレーニングセッションの一般提供を開始したと発表した。ユーザーはカスタム損失関数や報酬信号、マルチターン強化学習を含むポストトレーニングループを自ら記述・調整でき、GPU割り当て、分散実行、障害復旧、チェックポイント保存はSageMaker AIが処理する。gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-27Bに対応し、処理トークン数に基づいて課金される。

Amazon SageMaker AI は、開発者が Python でカスタム LLM トレーニングループ（SFT、RL、カスタム目的関数など）を記述できるトレーニングセッション API を導入しました。サービスが GPU インフラストラクチャを管理します。API は forward_backward()、optim_step()、sample() などの操作を提供し、トークン単位で課金され、SFT と RL のサンプルを含むクックブックも提供されます。