2026年中国AIGC産業サミットで、百度の秒哒（Miaoda）製品責任者・朱広翔氏が、AIがプログラミングのハードルをコード記述から会話に下げたと発表。秒哒ユーザーの87%はコード非習得者で、8歳児がOSを開発、一人会社（OPC）がプロジェクトマネージャーだけで千万円の受注を獲得。石油技術者が140万元の調達プラットフォームを代替。Vibe Codingが需要側を供給側に変え、大衆創業を実現。

ElevenLabs は、1曲の中でオペラ、ヘビーメタル、ラップなどのジャンル間を移行できるアップグレード版AI音楽生成モデル「Music v2」をリリースしました。新しいインペインティング機能により、他の部分に影響を与えずに特定のセクションを再生成できます。

CognitionがシリーズDで10億ドルを調達し、評価額は260億ドルに。年間経常収益（ARR）は年末に10億ドル超えを見込む。記事は推論効率、エージェントエンジニアリング、継続学習、新ベンチマーク、モデルリリース、コーディングエージェントの製品化などをカバー。

今月のAIhubダイジェストでは、科学のためのAI会議、宝くじ券仮説インタビュー、世界モデル討論、透明で信頼できるAI研究、基盤モデル影響報告、AIES会議の振り返り、ロボティクスカフェ、ACLのリジェクトポリシー、arXivのAIスラッグポリシーなどを取り上げます。

バチカンの新回勅『偉大なる人間性』は、人間の不完全性を尊厳の源として擁護し、中核的な人間能力をAIに外部委託することへの警告を発している。シリコンバレーによる人間の限界の軽視に対抗する。

Google DeepMind、Apple、OpenAI、Metaで働いていたAI研究者グループが、Trajectoryという新興企業を立ち上げ、実世界のユーザーインタラクションを学習してAI製品を継続的に改善することを目指しています。同社は、トレーニング後に停止するのではなく、継続的に学習できるAIプラットフォームを構築しようとしています。1500万ドルのシード資金を調達し、評価額は1億1500万ドルで、Convictionがリードしました。CEOのRonak Malde氏は、CursorのようなAIコーディング製品がすでに初期の継続学習を実践していると述べ、Trajectoryは同様の技術を他の分野に拡大したいとしています。

量子トンネル効果物理と脳に着想を得たアーキテクチャを組み合わせたニューロモルフィックコンピュータが開発され、物流ネットワークやチップ配線などの組合せ最適化問題を大規模に解決し、漸近的最適解への収束を保証する。Nature Communicationsに発表され、量子インスパイア計算の新たな方向性を示す。

AIに多くのタスクを委任できる時代だが、その過程で重要な「構築する喜び」を失う可能性がある。非自明な問題へのエレガントな解決策を見つけることや、クリーンなアーキテクチャを設計すること、製品をリリースしてユーザーからのフィードバックを得ることなどは、AIに任せるべきではない。

TopRecは、採用担当者が候補者をランク付けし、自己構築型CRMを構築するためのAI搭載プラットフォームです。PWAのキャッシュ問題を避けるため、ウェブサイトとして使用するよう設計されています。

RobinhoodがAgentic Tradingを開始。顧客は自身のAIエージェントを接続して取引やクレジットカード購入を自動化でき、安全制御とリアルタイム活動フィードが利用可能。

BetterCallClaudeは、イタリアの法律専門家向けに設計されたオープンソースのAIリーガルエージェントプラットフォームです。20の専門AIエージェントがイタリア全20地域をカバーし、バイリンガル（伊・英）対応、プライバシーを重視したローカルLLM処理とGDPR準拠を特徴としています。法律研究の高速化、効率向上、完全な透明性を実現します。

2021年スローン賞受賞者でUCバークレー物理学部助教授の戴亮氏が復旦大学に常勤教授として着任し、物理学部および天文・天体物理研究センターで教鞭をとる。復旦大学は近年、蘇昊、袁峰、季索清など多くのトップ人材を獲得している。

NVIDIAのCEOジェンセン・フアンが清華大学経営管理学院の顧問委員会に加わることが明らかになった。委員会はアップルのティム・クックが議長を務め、イーロン・マスク、サティア・ナデラ、マーク・ザッカーバーグ、馬雲らが名を連ねる。フアンは先日、カーネギーメロン大学から名誉博士号を授与された。

本記事はアムダールの法則をAIエージェントに適用し、並列エージェントによる高速化は人間の判断を必要とするワークフロー割合（H）によって制限されると主張する。「自己流動化H」の概念を導入し、各人間の介入が将来の同様の介入を不要にする成果物を生み出すべきだと説く。構成（コンフィギュランジー）と適合スイートへの投資が、エージェントの自律動作を可能にする鍵である。ElectricSQL、Gas Town、Ralph Loopの事例が原則を例示する。

先月の北京ハーフマラソンで、ロボット「ライトニング」が人間の世界記録を約7分上回るタイムで完走した。これはチャットボットのようにロボットが日常生活に入り込むのではないかとの疑問を呼ぶ一連のAIマイルストーンの最新例である。中国がこの流れを先導し、政府は今後20年間で1000億ポンド以上をロボット工学に投資することを約束している。

本論文は、制約認識拡散モデル（CADM）を用いて近隣ロボットの将来軌道をシミュレーションし、安全制約下で自身の軌道を計画する分散型フレームワーク「シミュレーション情報拡散（SID）」を提案する。SIDは高混雑時のみ通信をトリガーし、実験ではベースラインを凌駕し、108台のロボットと160個の障害物のシナリオにスケールする。

本論文は、惑星探査向けのリアルタイム非同期イベントベース単眼オドメトリの予備設計を提案する。誤差状態カルマンフィルタ（ESKF）を用いて非同期イベントストリームを処理し、リアルタイム非同期特徴トラッカーRATEの追跡位置出力ごとにカメラ状態を更新する。厳しい計算制約下での高速センシングとHDR照明への堅牢性の要求に対処することを目指す。

研究者らは、クラス特有のセマンティックセグメンテーションとクラス非依存の地形セグメンテーションを単一ネットワークで同時に行うTransformerベースのTrinityを提案し、合成データセットRUGDSynthと実世界データセットEXTerraを導入して、非構造屋外環境における移動ロボットの地形理解を向上させる。

研究者らは、条件付き大規模言語モデルを用いて自然言語指令を微分可能な目的関数に変換し、光流体プラットフォーム上でレーザー誘起微粒子アセンブリを実現するSpeak-to-Objectiveパイプラインを提案した。

Uni-LaViRAは、身体性ナビゲーションのための統一エージェントアーキテクチャであり、ナビゲーションの意思決定を単一の言語-視覚-ロボット動作変換に還元する。事前学習済みのMLLMを活用し、4つのタスクファミリーと4種類の実ロボットに対してゼロショットで適応する。TODOリストメモリとセカンドチャンスバックトラック機構により、訓練なしで自己修正ナビゲーションを実現する。

小型触覚ソーシャルロボットのエンゲージメント戦略として、合成的感情フィードバックとポイント報酬を比較した研究。6～8歳の児童16名を対象とした選好評価では感情的な関わりが好まれたが、20～27歳の大学生14名を対象とした行動研究では、ポイント制度が有意に高い課題精度と持続的なパフォーマンスをもたらした。表明された好みと行動結果は年齢層によって乖離する可能性があり、設計仮説を実際のインタラクションを通じて検証することの重要性が示された。

SCALE-COMMは、コミュニケーション学習を方策最適化から分離し、マルチエージェント強化学習のためのコンパクトで安定かつ方策に関連するコミュニケーション表現を学習する自己教師ありフレームワークであり、標準ベンチマークと現実的な倉庫調整タスクで既存手法を上回ります。

GE-Sim 2.0 は、実世界のロボットデータで再学習したロボット操作向けクローズドループ動画ワールドシミュレータである。状態エキスパート、ワールドジャッジ、高速化フレームワークの3モジュールを追加し、わずか2BパラメータでWorldArenaリーダーボード首位を獲得、その生成ロールアウトと報酬から学習した方策は実世界で測定可能な改善をもたらす。

動画生成モデルは運転やロボット操作のシミュレータとして使われるが、既存のベンチマークは単独動画の品質のみを評価し、因果関係の理解をテストできない。そこで提案された「もしもの世界」ベンチマークは、1つの物理変数のみ異なるペアのプロンプトを使用し、モデルが正しく因果に応答するかを検証する。9つの最先端モデルを評価した結果、最高でも52%、オープンソースモデルは約28%のペアスコアであり、性能は物理の難易度ではなく視覚的顕著性に依存する。

ロシア・オリョールで実施された単施設前向き研究により、Melanoscope AIモバイルダーモスコピーCDSSが検証され、専門家評価との一致率88.6%、特異度88.3%、5病変の悪性病変で偽陰性ゼロという結果が示された。また、IoUに基づく解釈性の定量評価法と3ゾーン患者ルーティングアルゴリズムが提案された。

本論文は、DINOv2、DINOv3、CLIPから学習した表現を条件として潜在拡散モデルを駆動し、画像分類器の訓練用合成画像データセットを生成する手法を提案する。ImageNet100において、クラス条件生成より10.76ポイント高いtop-1精度を達成し、合成データセットを拡大することで実データで訓練したモデルを2.0ポイント上回った。生成画像はデータ拡張やサンプルフィルタリングにも利用できる。

本研究は、ヘッドマウント慣性計測ユニット（IMU）を用いた行動レベルの活動認識手法を提案し、従来の動作プリミティブ認識を超えるものです。研究チームは、ARアプリケーションのニーズとセンサの観測可能性を考慮した5つの行動カテゴリを定義し、Ego4Dから16万サンプルのデータセットを構築しました。また、70.3万パラメータの階層モデルHiT-HARを提案し、5クラスの行動認識と8クラスのシナリオ認識で既存モデルを上回る性能を示しました。観測可能性分析により、移動行動は確実に観測可能であり、物体移動やタスク操作は時間的コンテキストを必要とすること、シナリオ依存の信号重複が課題であることが明らかになりました。アーキテクチャの選択では、時間的コンテキストとシナリオ構造を活用することが、単純なモデルサイズの拡大よりも効果的であることが示されました。

本稿では、物理に基づく深度認識型の大気湍流シミュレーションと、明示的に分離された復元処理を統合するフレームワーク D$^2$Turb を提案する。テクスチャのデブラリングと幾何補正の2段階に分離し、適応構造事前注入機構を導入することで情報の断片化を抑制する。合成・実世界データセットの両方で最先端の性能を達成した。

本論文は、co-attentionなどの異種注意構造を持つTransformerモデルに対する汎用的な解釈手法を提案し、代表的なモデルに対する意味的解釈と論理的解釈の実験を通じてその有効性を示す。

本研究は、ファインチューニングされたビジョン・ランゲージモデル（VLM）を用いて橋梁の損傷理解と修理優先順位スコアリングを自動化する手法を提案する。QLoRAを用いてLLaVA-1.5-7Bを最大4,000対の橋梁損傷画像と点検テキスト記録でファインチューニングし、800画像の固定テストセットで評価した。2,000トレーニングサンプルで2.9時間のトレーニングでほぼ最適な検証損失を達成し、それ以上のデータでは収穫逓減を示した。また、ファインチューニングされたSwallow-8B SLMを用いた2段階の品質ガードが、優先順位スコアリングの前に低品質のVLM出力を拒否する。