本論文は、ニューラル推論を階層DAG上の能動的な証拠蓄積としてモデル化するニューラルベイズ逐次ルーティング（NBSR）を提案する。Dirichlet-カテゴリカル共役更新とGumbel-Softmaxルーティングにより、不確実性定量化と早期終了を可能にし、複数タスクで競争力のある性能を示す。

SilIFはアイソレーションフォレストにシルエットスコア層を追加する教師なし詐欺検出法である。IEEE-CISベンチマークでは平均AUC-PRが0.0080向上し、5シードすべてで勝利したが、合成Sparkovデータセットでは改善が見られず、両結果の条件分岐も分析されている。

AirCast-SRは、全球AI気象予報を0.25度（約28km）から1kmの水平解像度にダウンスケールする基盤モデルで、時間解像度は1時間です。3次元U-Netを潜在一貫性モデル拡散フレームワーク内で使用し、アメリカ本土のデータで訓練されています。このモデルはほぼゼロのバイアスを達成し、微細な大気構造を保存します。複数の季節にわたって検証され、再学習なしでインドとドイツへのゼロショット転移が実証されました。

本論文は「制約税」測定プロトコルを提案し、硬性出力制約が小型モデルのスキーマ有効性を61.5%から100%に向上させる一方、回答精度を19.7%から11.0%に低下させ、誤りだが有効な出力を49.5%から88.9%に増加させることを明らかにした。Qwen2.5-0.5B/1.5BとSmolLM2-1.7Bによる15,000回の生成実験で、エラーは構造的ではなく意味論的であることを示し、スキーマ有効性、回答精度、実行可能精度、誤り有効スキーマ率を別々に報告することを推奨している。

GEMは、データキュレーションを超球面上の変分問題として再定式化し、混合バランス正則化項を追加するフレームワークを提案する。証明可能なMMアルゴリズムで最適化し、クラスタ崩壊に対抗する。1.1BパラメータモデルでDoReMiやRegMixと統合すると、平均下流精度が最大1.2%向上する。

JobBenchは、経済的価値ではなく「専門家が実際に委任したい業務」を基準に職業型AIエージェントを評価する新ベンチマークだ。35職種・130タスクを対象とし、最高スコアはClaude Code上のClaude Opus 4.7による45.9%にとどまる。

大規模言語モデル（LLM）の心の理論（ToM）評価は通常、最終回答のみに依存し、モデルが心的状態表現を構築しているかは不明である。本研究では、物語内の全エージェントの信念構造を明示的にモデル化するOmniToMベンチマークを提案する。2段階（信念抽出と信念ラベリング）で評価し、7次元スキーマラベルを使用。895のストーリーと22,343のラベル付き信念命題から構築。ゼロショット評価で、LLMが信念追跡に苦戦することが明らかになった。

AIエージェントは長期的な業務オペレーションタスクを遂行し始めているが、企業向けのトレーニングおよび評価環境は現実性、検証可能性、スケールのバランスに課題を抱えている。環境とタスク作成は「アーティファクトドリフト」という障害に頻繁に直面する：指示、環境、オラクル、検証器が疎結合なプロセスで作成されると、タスク要件に矛盾が生じ、解決不能や報酬ハッキングが可能な環境が生まれる。本論文ではAnchorを提案する。これはドメイン専門家の業務ワークフロー仕様を制約最適化プログラムに形式化するタスク生成パイプラインである。単一のパラメトリック仕様から、自然言語指示、環境構成、ソルバー認定の正解、状態ベース検証器を同時生成する。Anchorではパラメータ変更により難易度制御可能で最適解既知の新タスクを生成でき、報酬は最終状態の業務的正しさのみに依存するハーネス非依存環境を実現する。Anchorを適用して、本番級ERPシステムの調達・製造ワークフローをカバーする300の長期タスクからなるベンチマークERP-Benchを作成した。生成パラメータが実際の難易度を予測可能であり、最先端モデルは26.1%の試行で明示的タスク制約を満たすが、完全最適解に達するのは17.4%に留まることが判明した。AnchorとERP-Benchは、経済的に価値のあるエージェント作業のための監査可能な評価環境構築の具体的手法を提供する。

本論文では、時系列データのキュレーションや講義のレポート変換などの科学ワークフローを自動化するために、ハイブリッドなローカル-リモートアーキテクチャを活用した2つの新しいエージェント型AIフレームワーク（DeepTS/DeepCollectorとDeepScribe）を紹介し、ナレッジグラフや高エネルギー物理学への拡張について議論します。

AgingBenchという新しいベンチマークは、デプロイされたAIエージェントが4つの老化メカニズムを通じて時間とともに劣化することを明らかにし、より強い初期モデルだけでなく、ライフスパン評価とターゲットを絞った修復が必要であることを示しています。

制約獲得（CA）および数理計画（MP）モデルの検証・強化に関する研究は、不適切なベンチマークによって制限されている。既存のベンチマークはソルバー評価向けに設計されており、領域知識アーティファクトが欠如している。本研究では、一貫性、標準化、完全性、拡張性、開放性、バージョン管理に基づくベンチマークスイートMPMMineを提案する。MiniZinc、CommonMark、JSONのオープン形式を採用し、問題ごとに複数のモデル、モデルごとに数十のインスタンス、整数および連続ドメインにおける数千の解と非解、さらに自然言語記述を提供する。

arXivの新しい論文は、長期AIエージェントメモリを新しいデータ管理ワークロードと捉え、状態レベルの操作で現在のレコードレベルのシステムの4つの障害を克服するGEM（ガバンド・エボルビング・メモリ）を提案している。

arXiv論文は、LLMの内省能力を主張する2つの評価パラダイムを再検討し、行動証拠だけでは強い主張を支えるのに不十分だと結論付けた。

BrickAnythingは、多様な3次元表現から物理的に組み立て可能なレンガ構造を生成する幾何条件付き自己回帰フレームワークである。点群を統一的な幾何インターフェースとして用い、レンガ間の局所的な接続関係をモデル化する構造認識ツリートークン化を導入する。さらに、選好に基づくアライメント後学習、有効性制約付きデコーディング、適応的ロールバックを組み合わせ、安定性や幾何忠実度などの組み立て可能性目標を改善する。実験では、ロールバックと再生成を削減し、幾何的に忠実で物理的に実現可能な構造を生成することが示されている。

AIインフラスタートアップのFireworks、Baseten、OpenRouterが大型ラウンドを調達し、推論インフラが主要なAIプラットフォーム層として台頭していることを示しています。同時に、エージェントハーネスエンジニアリング、新しいベンチマーク、モデルアップデートがAIニュースサイクルを支配しています。

一人の開発者が、28のツールを備えたオールインワンAI動画編集スイート「Snipforge」を作成しました。文字起こし、スマートクリップ、背景除去などの機能を提供。価格は無料からチーム版月額15ドル。

ACM CAIS 2026の登録は満席ですが、ウェイトリストに参加できます。会議は2026年5月26日から29日までサンノゼで開催され、基調講演、63件の研究論文、46件のシステムデモが行われ、AIエンジニアワールドフェアとの提携も発表されています。

ClearCompliはAIガバナンスとコンプライアンスに関する洞察を提供し、企業の規制対応を支援します。

DeepSeekの研究者である陳德里氏は、自身が開発したDeliAutoResearchスキルを用いて、DeepSeek-V4-ProとGPT-Image2と協力し、わずか6日間で46ページの論文を完成させた。この論文は、研究エージェントの自律性をL1～L5に分類する枠組みを提案し、4つのアーキテクチャパターンと17の主流システムを分析、6つの未解決問題を指摘している。陳氏によると、人間の「CPU時間」はわずか2時間未満であり、残りはAIエージェントが担当した。

HyperはAIを活用した個人知識管理ツールで、NotionやObsidianなどのアプリからコンテキストを統合し、インテリジェントなアシスタンスを提供します。創業者は以前Maticでロボット開発に従事し、2020年にGPT-2の微調整を試みましたが、現在はセルフサービス版をリリースしています。

教皇レオ14世のAIに関する回勅『マグニフィカ・フマニタス』の一部がAIによって書かれた可能性があるとの分析が示された。AI検出ツールPangramは、特定の段落が40%から100%AI生成であると判定し、「genuinely」という単語の使用増加などの特徴を指摘。ただし、検出は完全ではなく、他の部分は人間による執筆と見なされている。

最新のスクリーンレスヘルストラッカーがスタイリッシュなフィットネスバンドに。100ドルという手頃な価格で、Whoopの強力な競争相手となる。ランニング、筋トレ、ヨガなど1週間のテストの結果、軽量で快適、バッテリーは約1週間持続。AIヘルスコーチとの連携で総合的なトラッキング体験を提供するが、運動中のデータ確認にはアプリが必要。

theta は、Rust で書かれた CLI ツールで、theta.toml ファイルを読み込み、解決、ロック、マテリアライズ、キャストを行い、サポートされている任意のハーネス（Claude Code、Codex CLI、GitHub Copilot、Cursor など）にエージェント設定を変換します。エージェントハーネスリソースのパッケージマネージャーのようなものです。インストールは簡単で、ルール、ツール、スキル、サブエージェントの追加に対応しており、検証と変換コマンドを提供します。プロジェクトは uv に強くインスパイアされており、theta-spec の標準実装です。

東湾の母親が、詐欺師がAIとディープフェイク技術を使って娘の声を模倣するという電話を受け、メキシコの麻薬カルテルに娘が誘拐されたと騙され、数千ドルを失った。これはAIを利用した詐欺の新たな傾向の一部である。

教皇レオ14世は最初の回勅「マグニフィカ・フマニタス」で、AI開発の減速を各国政府に求め、戦争でのAI使用に厳しい倫理的制約を課すよう訴え、「正戦論」を時代遅れと断じた。

本記事は、AIの悪用防止における3つの大きな課題を検討する：管轄権の隙間により悪意ある行為者が無法地域で活動できること、オープンモデルは監視や制御が困難であること、インターネット上の匿名性が身元特定や責任追及を妨げること。著者は、プライバシーとセキュリティ、開放性と規制の間で難しいトレードオフを求め、匿名性を無条件の善とする現在のデフォルトは持続不可能だと警告する。

AIツールの使い方次第で判断力は強化されるか、あるいは衰えます。受動的な受け入れはスキルの低下を招き、対抗的な活用は判断力を研ぎ澄ませます。

Modal は、Team および Enterprise プランの全ユーザー向けに、Environment を基盤としたロールベースアクセス制御（RBAC）を導入し、人間と AI エージェントのきめ細かな権限管理を実現します。

今週のAIニュース：Anthropicがこれまで政府契約業者限定だったMythosモデルを公開、国防総省級AIが誰でも利用可能に。DeepMindのDemis HassabisはAGI実現時期を2029年に前倒し。Starletteフレームワークに重大な認証バイパス脆弱性、数百万のAIエージェントに影響。CrowdStrikeらがGlasswormボットネットを共同撃滅。BNPパリバがMistralと主権AIセキュリティ提携、中国はAlibabaとDeepSeekのトップAIエンジニアの海外渡航を制限。UberはAIトークン予算を4ヶ月で使い切り、ClickUpは2200人を解雇して3000の内部AIエージェントを導入。一方、MITテクノロジーレビューはAI露出職種の失業率が低いと報告、Altmanはホワイトカラー消滅予測を撤回。

本記事では、Reachy Miniロボット向けにクラウドやAPIキーを必要としない完全ローカルの音声会話パイプラインをデプロイする方法を詳しく説明します。VAD、STT、LLM、TTSを組み合わせたカスケード方式を採用し、推奨デフォルトとしてllama.cppとGemma 4、Silero VAD、Parakeet-TDT 0.6B v3 STT、Qwen3-TTSを使用します。ローカルMLX、Transformers、vLLM、リモートResponses APIなど、さまざまなLLMオプションが提供されています。