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氏は、Claudeが大量の貼り付けテキストを自動的にファイル添付へ変換する挙動を模したプロトタイプをCodexデスクトップで構築し、公開した。直接のファイルオープンや画像サムネイル表示、ドラッグ＆ドロップ、添付のプレビューと削除にも対応する。

RocketSmithは、高推力ロケットの設計、製造、最適化を自動化するエージェントシステムである。このシステムを用いて、チームは積層造形部品を備えた4機のロケットを開発した。全機が安定して打ち上げられ、2機が再飛行可能な状態で回収された。飛行シミュレーションと実測の最高高度の精度は84%であった。

レビューは、フィジカルAIモデルが自信ありげで整合的に見えながら物理的に重大な行動を出力し、完全なランタイム認可境界がどの分野にも存在しないことを指摘する。

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。

研究者らはGraphDiff-IKを提案した。これは、ロボットのURDFから構築した運動学グラフ上で条件付きグラフ拡散プロセスとして逆運動学を定式化する、構造認識型のフレームワークであり、単腕・双腕・関節型ロボットを統一的に扱う。

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。

本論文は、LiDARセマンティックセグメンテーションのための軽量な不確実性校正フレームワークInvascalを提案する。アーキテクチャ非依存のAdapter Headが予測をクラスランキング用のPreference Headと不確実性評価を精緻化するStrength Headに分解し、エビデンシャルDirichlet表現の構築を可能にする。逆真空自己校正目的関数（Invascal）は強度信号を直接監督し、信頼性が高く良好に校正された不確実性推定を生成しつつ、証拠の無限増大を防ぐ。複数のLiDARデータセットとバックボーンで評価し、決定論的学習と比較して最小限の計算オーバーヘッドで校正性能を一貫して改善し、競争力のあるセグメンテーション精度を維持する。従来のエビデンシャル手法は性能劣化を招くことが多い。本論文は2026年IEEE ITSC会議に採択された。

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、Quanser Aero 2テストベッドに対して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する。報酬整形によりハードウェアの安全制約を自律的に遵守する。10個の独立した訓練シードで評価した結果、同エージェントは同定対象の3パラメータすべてで競争力のある推定精度を達成し、安全違反率わずか0.75%で古典的ベースラインを上回った。DEXA AI4IP 2026に採択されている。

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、視覚-言語-行動（VLA）モデルを強化するための初の分析フレームワークとされる。距離を考慮したテストで失敗を顕在化させ、エージェントベースのデータ合成でその失敗を微調整用データに変換し、シミュレーションと実機の双方で成功率を大きく改善する。

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、3D空間推論や医療VQAなどの複雑な視覚推論タスクにおける視覚的思考連鎖エージェントのツール使用を調査した。モデルがツール使用を徐々に停止する一方で精度が向上する「ツール使用の崩壊」現象を特定。ツールを完全に排除すると性能が低下するが、ツール使用を奨励してもわずかな改善しか得られないことを示す。バニラ訓練とツール使用奨励はどちらもロールアウトの多様性を減少させ、エントロピー正則化による多様な探索がツール使用の減少にもかかわらず最高性能を達成することを明らかにした。ツールは推論時ではなく訓練時の足場として機能するという視点を提示する。

本論文は、3D幾何情報を視覚言語モデルが扱える構造化表現に変換する階層型セマンティック・ジオメトリックマップ（HSGM）を提案する。VLMが高レベルのウェイポイント選択を担い、古典的な経路計画が衝突回避の実行を担うことで、ゼロショット視覚言語ナビゲーションにおける2D視覚理解と3D空間推論の乖離を埋める。

研究者らは、連続拡散モデルのスコア関数に離散パッチトークン化を統合することで多様体幾何を明示的にモデル化するMIND（データ多様体認識画像拡散モデル）を提案。ImageNet 256×256で、MIND-B（1.3億パラメータ）はガイダンス下でFID 2.06を達成し、LlamaGen-3Bを上回る。

細胞層（セルラーシーフ）を用いて弱教師あり全スライド画像の腫瘍定位の解釈性を改善。注意条件付き一貫性訓練により、Camelyon16でパッチレベルAUC 0.940、注意ヘッドのAUCを0.717から0.953に向上させ、再訓練なしでCamelyon17に転移可能。

EviOSAHSフレームワークは、顔画像を7つの解剖学的クエリに分解し、臨床データと組み合わせて閉塞性睡眠時無呼吸低呼吸症候群の高感度スクリーニングを実現。642名のコホートで、精度88.47%、感度94.86%、F1スコア93.74%、偽陰性率5.14%を達成。

研究者らは、13の撮像システムからの1740万枚の画像を含む、これまでで最大かつ最も包括的なプランクトン画像データセット「Planktonzilla-17M」を発表した。分類系統をテキストとして使用した教師あり分類器がCLIPスタイルの訓練と同等以上の性能を示す一方、BioCLIPなどの生物基礎モデルはプランクトン識別で低い性能を示した。

概念実証研究がFlow Matchingを再構成し、圧縮センシング向けのサブサンプリングマスクを学習するタスク認識型フローモデルを提案。画像分類・画像再構成・MRI加速の性能を向上させ、CelebAで5%サブサンプリング時にPSNR 25.17 dB、fastMRIの8倍加速MRIで29.24 dBを達成した。

郭強氏がarXivで論文を発表し、Belief2-Attentionを提案。Vベクトルの垂直成分と投影成分の両方を利用し、追加の内積行列ZZ^Tを導入することで標準注意機構を強化し、画像分類とセグメンテーションで有効性を検証した。

研究者らは、デフォーカス粒子画像を自動検出し、その位置を推定するYOLOv9ベースの深層学習フレームワーク「DefocusTrackerAI」を発表した。合成データと実際の実験（蛍光・シャドウグラフ撮影を含む）でテストされ、Faster R-CNNや最先端アルゴリズムを不確実性と再現率で上回る。