DigitalOceanはXへの投稿で、OpenRouterのモデルプロバイダーとなり、DeepSeek V3.2、Kimi K2.6、DeepSeek V4 Flashを提供すると発表した。この動きは、同社がクラウドインフラからAI推論へと事業を拡大していることを示している。

英国競争市場庁（CMA）は、英国のオンライン出版社がGoogle検索のAI概要（AI Overviews）への表示を拒否できると発表した。これにより、出版社はGoogleとのコンテンツ契約交渉でより強い立場を得られる。多くのウェブサイトがAI概要によるトラフィック減少を訴えていた。Googleはまず英国で新機能を試験し、その後全世界に展開する。CMAはGoogleに対し、AI検索結果で出版社のコンテンツを適切に帰属表示し、明確なリンクを付けるよう求めた。

著者は、汎用AIモデル（LLMなど）の台頭により、AIエンジニアは他のソフトウェア開発者よりも早くAIに取って代わられる可能性が高いと主張する。「AIエンジニア」という曖昧な肩書きは多様なAI専門分野を包含し、汎用モデルの進歩により特注のAIソリューションは贅沢品となり、多くの企業が既製のモデルに依存するようになる。

Topazコミュニティは、ファイルパスの問題による深刻なリスクを防ぐため、デフォルトのアプリケーションフォルダを移動しないよう警告しています。

オレゴン州立大学の研究によると、AIシステムにエネルギー消費を考慮させるようなデザインの摩擦（設計上の障害）を追加することで、不必要なAI使用が減少する可能性がある。行動ベースの摩擦（既存リソースの検索を要求する）は効果的だったが、手がかりベースのメッセージは信頼を高めるだけで行動変容には至らなかった。AIのエネルギー消費が増大する中、こうした介入は重要である。

Composerは、人間とAIエージェントがリアルタイムで同じドキュメント上で共同編集、コメント、提案を行えるマルチプレイヤーMarkdownエディタです。エージェントはMCPを通じてドキュメントにアクセスし、共同作業者としてチームに参加できます。

2026年北米ワールドカップでは、スパイダーカム、審判用カメラ、AI搭載VAR、TikTokやYouTubeとの提携など、かつてない放送技術が導入され、世界中の視聴者を魅了する。

BridgeToAgentは、AIアシスタントが店舗のAI対応度をチェックし、エージェントによるショッピングをシミュレートできるMCPコネクタを提供します。

英国競争監視機関は、出版社が自社のコンテンツをGoogleのAIモデルのトレーニングや検索要約に使用されることを防ぐための効果的なツールを手に入れると発表した。

このコースでは、データ中心AI（Data-Centric AI）を紹介します。これは、機械学習の性能を向上させるためにデータセットを体系的に改善する新興分野であり、ラベルエラー検出、クラス不均衡、データセットキュレーションなどの技術をカバーします。MIT IAP 2024で初めて開講されたコースで、Pythonのハンズオンラボが含まれています。

Nvidiaは、AI推論専用に設計された初のチップ「Groq 3 LPU」を発表。SRAMメモリを内蔵したアーキテクチャにより、超低レイテンシを実現する。このチップはGroq社からライセンス供与された技術を採用し、Vera Rubin GPUと連携して推論分離技術を活用。AI業界の焦点がトレーニングから推論へと移行することを示している。

著者は、構造化分析技法（SAT）を自動化するために、AIエージェントからなるインテリジェンス分析チームの構築を試みたが、最終的に機能しないことが判明した。中国の台湾に対するサイバー作戦に関する実際の質問でテストしたところ、サブ質問の重複、収集要件の誤った枠組み、分析ループの無効性などの問題が明らかになった。結論として、現在のAIは厳格なインテリジェンス分析において人間の判断を代替できない。

Vim Classic は、LLM が生成したコードを一切含まない Vim のフォークとして、最初の安定版 8.3.0 をリリースしました。

イラン系イギリス人監督アッシュ・クーシャは、反政府抗議運動を描いたドラマをAIを使って数週間で製作し、主要映画祭で上映される初のAI制作映画となった。監督はこれが低予算映画制作を変革する可能性があると語る。

本論文は、対称正定値行列上のLoewner順序を利用して計量テンソルの最もタイトな定数下界を計算する行列値の許容ヒューリスティックを提案する。この下界のコレスキー分解により、リーマン情報集合は等方ユークリッド空間における標準的な長球体に変換され、棄却なしの直接サンプリングが可能になる。6自由度UR5、7自由度Franka、14自由度PR2の操作タスク実験で、情報集合がよりタイトになり、漸近最適プランナの収束が加速することが示された。

本研究では、水耕温室でレタス個体の成長を追跡するデジタルツインシステムを提案する。独自のセンサーハードウェアとニューラネットワークを統合し、質量推定誤差1.5g以内、1～4日先の収量予測誤差約2gを達成した。

本論文は、フィルタの確率的構造を保ちながら、システムダイナミクスとプロセスノイズ共分散への構造化された補正を測定データのみから学習する自己教師ありハイブリッド適応カルマンフィルタを提案する。得られたイノベーション尤度は一般化ベイズ推論によるモデル分類に用いられる。実データとシミュレーションデータの実験では、推定精度と統計的一貫性の向上、および低データ・大データ双方での堅牢な分類性能が示されている。

SeeTraceActは、単一のデモビデオで動作するVLAフレームワークであり、未来のエンドエフェクタ軌跡の可視性認識予測により精密な空間定位を実現する。RoboCasa-DCと実世界タスクでベースラインを上回り、平均成功率を12.5ポイント向上させた。

本論文は、移動プラットフォーム上でのマルチローター無人航空機の動的着陸のための推定・制御フレームワークを提案する。提案手法は、非線形モデル予測制御と、所定の接地時刻を強制するリアルタイム最小躍度軌道計画を統合し、終端降下中の一貫したタイミングを可能にする。時間変動するセンシング品質に対するロバスト性を高めるため、プロセスノイズと測定ノイズの統計をオンラインで更新する適応Unscentedカルマンフィルタを利用する。さらに、最小躍度リファレンスが標準的な追跡仮定の下で有界な推力とトルク指令を誘発することを示す参照実現可能性解析を提供する。シミュレーションとハードウェア実験により、提案フレームワークが再現可能な着陸と、EKF/UKFベースの手法に比べたプラットフォーム速度予測精度の向上を達成することが示された。

CARVEは、インタラクティブ運転において、ハードルールマージンが負の場合に、境界のあるマルチエージェント編集を特定して拒否操作を修復する予測不要の証明書層です。589のINTERACTION再生エピソードで、CARVE-Greedyは初期拒否操作の98.64%を受け入れ、370/378の人間解決偽拒否を回復し、優先エージェントの誤検出ゼロ、400/400の負ストレス拒否を維持しました。CARVEは予測に依存せず、宣言された仮定の下で相互作用が有界で帰属可能かつ規範的に許容されるかどうかを認証します。

新しい論文は、過度なsim2real（シミュレーションから実機への転移）への取り組みが方策学習とのインセンティブの不一致を生み、シミュレータロックインや探索不足を引き起こすと主張する。著者らは、ロボットの運動学のみを設計制約とするsim2sim2realパラダイムを提案している。

本論文は、非公開の放射線レポートと3D腫瘍画像から多肢選択式VQAデータセットを自動生成するエージェント駆動パイプラインを提案する。RADSスタイルとレポート由来の2種類の問題を生成し、問題ごとの人手アノテーションを不要にしつつインスタンス汚染を制御する。6つのVLMのゼロショット評価では支配的モデルがなく、盲検アブレーションにより視覚依存性がデータセット特異的であることを示した。パイプラインは社内再展開用のオープンエージェントスキルとして公開されている。

NVIDIAは、言語・画像・動画・音声・行動系列を単一の混合Transformerアーキテクチャで統合的に処理・生成する全モーダル世界モデル「Cosmos 3」を発表。理解・生成タスクで最先端性能を達成し、コード・モデル・データセット・ベンチマークをオープンライセンスで公開した。

本論文は、三元組レベルのHOIエラー分類とエラー要因帰属分析を統合した診断駆動型フレームワークを、実世界の教育動画データに適用する。Critical Care Air Transport Team（CCATT）の複合現実医学訓練を対象とし、診断に基づく微調整により事前学習済みCDNモデルのmacro-F1を48.6から90.2へ改善した。

本論文は、6カ国にわたる5,053件の人手検証済み多肢選択QAペアを収録したGeoDrive-Benchを提案する。認識・予測・計画・地域推論の4タスクで視覚言語モデルを評価し、地域固有の交通規則知識をモデル内部表現に注入する蒸留アルゴリズムも設計した。

本研究では、Sentinel-2画像を用いた0-20m深度範囲における転移可能な衛星由来水深測深（SDB）について、ランダムフォレストと4つのCNN（ResNet-50、ResNet-101、EfficientNet-B4、ConvNeXt-Large）を評価。空間連続性（連続した礁ブロック）の維持と平滑重み関数（SWF）重み付きRMSE損失を導入し、地域内RMSEは1.15-1.92m（浅水域では0.26m以下）、地域間RMSEは深層モデルで2.46-2.98mを達成。MagicBathyNetベンチマークでは、提案ネットワークが0.19-0.22mのRMSEで、より少ないパラメータでU-Netや専用Transformerを上回る。多時期画像の中央値集約によりノイズを低減し、最適化されたアーキテクチャと事前学習済み重みを公開。

MetaWorldは、単一視点ビデオからマルチエージェントビデオワールドモデルを拡張する新しいフレームワークであり、データ不足とワールド状態の整合性の課題に対処します。単眼ワールド状態展開（MWSU）によりカメラの自己運動と被写体の軌跡を分解し、被写体認識ワールド生成器で外観駆動シミュレーションを行い、ワールド状態整合（WSA）によりクロスビュー一貫性を確保します。実験では優れたクロスビュー一貫性と同一性忠実度を示しています。

研究者らは、英国の計画記録のみから地理空間境界を再構築する能力を評価する208ケースのマルチモーダルベンチマークPlan2Mapを提案した。また、地理空間ツールを組み込んだシステムGeoPlanAgentを提案し、平均IoU 0.736、中央値IoU 0.904を達成、VLMから直接GeoJSONを生成するベースラインを大幅に上回った。

新しい研究により、最先端の視覚言語モデル（VLM）は空間推論タスクにおいて視点を跨いで一貫した予測をするものの、それが誤っていることが多く、視覚的証拠ではなく事前知識に依存していることが明らかになった。研究者らはこの問題を診断するためのマルチビュー評価プロトコルViewDiagを提案する。

AVTrackは、カメラの動きや遮蔽、位置変化を含む動的な実世界シーン向けに設計された人間中心の音声視覚インスタンスセグメンテーションデータセットであり、既存手法の性能が大幅に低下することを示し、今後の研究のためのベースラインを提供する。