AgentOdyssey は、プロシージャル生成されたオープンエンドテキストゲームを用いて、エージェントの継続学習能力を評価する新しいフレームワークです。従来の機械学習の前提（テスト時の学習なし）を打破し、展開中に学習と推論を統合します。世界知識獲得、エピソード記憶、探索、行動多様性、モデルコストを測定し、実験では最強のエージェントでさえ人間のパフォーマンスに遠く及ばず、短期記憶が重要な改善要素であることが判明しました。

新しい研究により、わずか125回の編集で、小さなWikipedia編集者のグループが大規模言語モデルの動物福祉に関する振る舞いに顕著な影響を与えられることが示されました。勾配ベースのデータ帰属手法を用いて、これらの編集の影響を追跡し、動物福祉関連のWikipediaコンテンツが関連クエリに対するモデルの応答で支配的になることを発見しました。

G-SPINは、音素グラフモデリングと文脈言語理解を組み合わせた構造化ASR訂正フレームワークである。GNNが音素的に妥当な候補を絞り込み、MLMが局所スコアリングを行い、指令調整済みLLMが最終再ランキングを実施する。推論時にのみ動作し、ASRの再訓練は不要である。

MacroLensは、2021年から2026年までの米国の小型・超小型株4,416銘柄をカバーする新しいマルチタスクベンチマークです。価格、会計データ、マクロ経済系列、SEC提出書類、ニュースを統合し、金融時系列評価における4つの重要な仮定違反に対処します。7つのタスク、1,130のマクロ経済イベントを含み、19の手法を評価し、5段階の特徴コンテキストアブレーションも実施しました。

arXiv論文が、ホログラフィック記憶（HRRとFHRR）が知識グラフ上でゼロショット組合せ推論を実行できるかを検証。両変種は単一ホップ検索では競争力があるが、組合せ精度はランダムと同じ水準にとどまる。著者らはメカニズム的プローブにより、ボトルネックが重畳下の検索容量にあり、バインド・アンバインド代数やクリーンアップではないことを特定した。

本論文は、デモンストレーションデータで方策を事前学習し、オフラインとオンラインの強化学習で微調整する教師あり強化学習（SRL）フレームワークを提案する。DER協調における不確実性とモデリングの複雑さに対処し、実験では低品質なデモデータでも全てのベンチマークを大幅に上回るコスト効率を達成した。

本論文は、既知の群対称性を持つ潜在ワールドモデルの信頼ホライズン認証を研究する。1ステップ潜在残差と有限時間展開推定から生のホライズン曲線を構成し、分割共形乗法因子で校正する。再現可能な監査セットでは共形因子はγ_α=1.0であり、50回の安定監査で反保守的違反はゼロ（正確二項95%上界5.8%）だった。主要な構造的結果は、正確な同変性が校正済み信頼ホライズン曲線を群軌道上に輸送することである。実装上、軌道輸送残差は中央値1.1%、最大4.1%で、証明書は非空（認証対実測ホライズン比の中央値0.67）である。3Dヨー監査では同変モデルが単一セクターで安全かつ非空の軌道有効証明書を得る一方、非等変ベースラインは違反・緩み・鋭さ・追加セクターのコストを支払う。

本研究は、物理世界モデルが潜在表現を学習した後も保存則が認証可能かどうかを探求する。「認証地平」という概念を導入し、シミュレーション軌道が物理不変量のレベルセット上に留まるステップ数を事前に保証する。認証対象は学習された潜在ハミルトニアンではなく、復号された物理不変量である。表現、読み出し、潜在ダイナミクスの欠陥に予算を分解し、単調アライメントブリッジを用いてソフト証人を活用する。実験では、ハード正準シンプレクティック構造は既知の位相座標で最長の地平を提供するが学習チャートを越えられず、制御リプシッツ整列ソフト不変量は表現学習設定で良好に機能する。ピクセル認証は読み出し安定サブチューブで回復可能であり、ケプラー問題は幾何学的境界を明らかにする。

本論文は、バイナリ少数ショット分類においてラベル付きサンプルの収集をいつ停止すべきかを決定するための飽和指数を提案する。この指数は、クラス内共分散の有効ランクとショット数の比に基づき、テストラベルなしで計算可能である。17タスクの246観測にわたる評価では、指数と限界精度向上との間に強い相関（中央値ρ=0.811）が見られ、探索、遷移、飽和の3つの位相が確認された。停止ルールとしてAUC 0.752を達成し、低飽和指数と低精度の組み合わせは表現の不十分さを示す。

新しいarXivサーベイは、産業用LLMの継続学習をバージョン管理されたエコシステムにおける閉ループの更新・リリース問題として再定義し、3つの核心的課題を特定し、5つのライフサイクル設計原則に基づいて技術的展望を整理している。

本論文は、展開デバイス上で直接軽量なニューラルアーキテクチャ探索（NAS）を実行し、センサーからのリアルタイムデータを解析するための最適な小型ニューラルアーキテクチャを見つける新しいアプローチを提案する。イタリア手話（ISL）の筋電信号データセットとCWRU故障診断ベンチマークで検証され、Raspberry Pi 4上でより低いメモリ使用量と高い精度を達成した。ユーザーごとにモデルを再設計する必要があるヒューマンマシンインターフェースに特に適している。

新しい論文は、人間とAIが協力して漠然とした研究直感を具体的な数学的発見に変換するプロセスを事例研究として示しています。焦点は、行列方程式と行列関数のための符号埋め込み量子アルゴリズムです。AIシステムAIMは直感の拡張、候補公式の比較、既知の恒等式の接続に重要な役割を果たしましたが、最終的な科学的判断（方向性の選択、無効な近似の拒否、実装の最適化）は人間が行いました。著者らは、人間とAIの共発見ワークフローは独立した定理証明器ではなく、研究パートナーとして最も価値があると主張しています。

MITとマイクロソフトの研究者は、AIエージェントワークフローの設計と展開を最適化するシステム「Murakkab」を開発した。開発者は自然言語で意図を記述し、システムが最適なモデル、ツール、ハードウェア構成を自動選択し、速度やコストの優先順位に応じて動的に調整する。テストでは、従来手法と比較してMurakkabは約35%の計算リソース、27%のエネルギー、25%未満のコストで同等の性能を達成した。

swarm-testはマルチエージェントAIシステム向けの静的信頼性テストツールで、ライブLLM呼び出しなしでカスケード障害、単一障害点、コンテキスト漏洩などを特定し、Swarmスコアとインタラクティブなレポートを提供します。

上院議員バーニー・サンダース氏は「アメリカAIソブリン・ウェルス・ファンド法」を提出し、大手AI企業に50%の一時的な株式税を課して約7兆ドルの公的ファンドを創設することを提案した。このファンドは独立委員会が管理し、毎年その価値の5%をアメリカ国民に分配する。サンダース氏は、AIが広大な知的コモンズと納税者資金による研究に依存しているため、公的所有権は正当化されると主張する。このアイデアは超党派の支持を得つつあるが、批評家は50%の株式税が投資を阻害し、ガバナンス上の懸念を引き起こす可能性があると警告している。

Artificial Analysis は、音声推論、会話ダイナミクス、エージェント性能を評価する新しい音声対音声インデックスを発表。OpenAI GPT-Realtime-2 (High) が総合77.2%で首位、xAI Grok Voice Think Fast 1.0が75.7%で続く。Deepslate Opal は最速、Gemini 3.1 Flash は最もコスト効率が高い。

chrome-useは、AIエージェント（Claude Code、Cursorなど）が実際にログイン済みのChromeブラウザを制御できるようにするオープンソースツールです。ブラウザ拡張機能とネイティブメッセージングを介して接続し、再ログインやCAPTCHAを回避し、本物のブラウザフィンガープリントによりボット検出を免れます。

AIスタートアップOrnn AI Inc.は、Andreessen Horowitzの暗号資産ファンドなどから3300万ドルのシード資金を調達し、コンピューティングパワーのマーケットプレイスを構築する。ラウンドはGalaxy Venturesが共同リードし、Nordstar、SV Angel、既存投資家が参加。同社はOCPI指数とOrnn Computeプラットフォームを通じてGPUコンピュート市場に透明性をもたらすことを目指す。

AI分野の最新動向を総括。メタハーネスアーキテクチャの台頭、OpenAIのカスタム推論チップJalapeño、エージェントUXのツールから同僚へのシフト、Qwen-AgentWorldのオープンワールドモデル、GLM-5.2などの中国製オープンモデルの進展、そして政策・人材競争に関する話題をカバー。

TronBrowserは、Ungoogled Chromiumをベースにしたオープンソースのプライバシー重視のAIネイティブブラウザです。テレメトリ、広告、スポンサータブなしで、内蔵AIサイドバー（独自キー持参）とエージェントフレンドリーなCLIを備えています。MITライセンスで無料・オープンソース。

OpenAIの新しい研究論文は、AIエージェントがどのように仕事を変革し、より長く複雑なタスクを可能にし、さまざまな役割の生産性を拡大しているかを示しています。

この記事は、AIエージェントが自身の動作環境を破壊する「洗車問題」を例に、AI駆動の反復的開発の課題を説明しています。企業ITが適応すべき3つの重要な領域（セキュリティテレメトリと爆発半径の制御、サプライチェーンの整合性、FinOps）を概説し、ITを単一の生産源から分散型ソフトウェア作成のための安全な運用環境提供者へと変革する「テストハーネス」の必要性を論じています。

Paybond CLIは、AIエージェントの安全な支出のためのコマンドラインツールです。予算設定、承認、結果確認、返金をサポートし、エージェントがお金を使う際のリスクを軽減します。

Seltz Inc. は、AIエージェントがウェブから構造化されたエビデンスを見つけられるようにする、AI最適化された検索インフラストラクチャを構築するために1250万ドルのシード資金を調達しました。同社は独自のクローラー、インデックス、ランキングシステムを構築し、ニュース検索で89%の精度と250ミリ秒未満の応答時間を達成しています。

著者は、個人のブログ記事を「AI生成」と決めつける怠惰な批評を批判する。これは特に非ネイティブの書き手に害を及ぼす。彼らは校正ツールを使って読みやすくしているだけだ。真のAIゴミとAI支援による執筆を区別し、流暢さではなく内容に基づいた批評を呼びかけている。

Promptctlは、AIプロンプトのバージョン管理を行うCLIツールで、Gitと同様にプロンプトの追跡、差分表示、ロールバックが可能です。さまざまなコマンド（init、commit、log、diff、show、rollbackなど）を提供し、タグ付けやモデル追跡、ファイル監視による自動コミットもサポート。Go言語で作成され、外部依存はなく、すべてのデータは.promptctl/store.jsonに保存されます。

Kindleやその他のAmazonデバイスが年間最大の値下げとなり、今見つけられる最高のセールをご紹介します。

GoogleのGemini 3.5 Proのリリースが6月から7月に延期。早期テスターからのフィードバック収集のため。コーディング分野での競争が激化する中、新モデルは長期的タスクとエージェント機能を向上。

Halyard は、プロンプトやコードをキャプチャせずに、AI支援作業のメタデータ（時間、トークン数、モデル、コストなど）を記録するオープンソースツールです。データはプレーンテキストでローカルに保存され、ユーザーが完全に所有します。Claude Code、Cursor、Gemini CLI などをサポートし、CLIレポート、ローカルダッシュボード、請求書生成、将来的にはクライアント監査用の署名付きAI作業付録を提供します。

Google DeepMindとA24は、アーティストが新しいワークフローと技術を開発するための研究提携を発表。クリエイター自身が未来のツールを形作ることを目指す。