LinAlg-Benchは、3x3、4x4、5x5行列の厳密な次元勾配にわたって、10の最先端大規模言語モデルの構造化線形代数計算を評価する診断ベンチマークです。9つのタスクタイプと660のSymPy検証済み問題にわたり、6,600のモデル出力を徹底的に評価します。二値精度を超えて、LinAlg-Benchは3段階の自動フォレンジックパイプラインを導入し、1,156の失敗を10の主要エラータグと細かいサブタイプに分類し、LLMの数学的失敗がランダムではなく、アルゴリズムタイプと行列次元によって構造的に制約されていることを明らかにします。中心的な発見は、4x4スケールでの鋭い行動閾値です：それ以下ではモデルは実行エラー（符号追跡失敗、算術ドリフト、パリティエラー）で失敗しますが、それ以上では計算放棄に移行し、ツールロールプレイ、制約一貫性のある捏造、構造化幻覚を通じて応答をでっち上げます。この捏造から放棄への移行は、ほぼすべてのモデル階層とアーキテクチャにわたって普遍的であり、知識ギャップではなくワーキングメモリの限界を示唆しています。さらに、解法戦略の硬直性が5x5行列式の精度のほぼ完全な予測因子であること、制約認識型捏造という新たな構造化幻覚障害モードを文書化し、すべてのデータ、モデル出力、エラーラベル、判定パイプラインを公開しています。

本研究は、視覚知覚と推論を分離し、動的知識ベースを組み合わせた知識適応型アーキテクチャを提案します。これにより、エッジAI展開における環境変動性とリソース制約を克服し、クラウド依存を低減します。明示的な知識ベースを用いて専門知識を構造化保存し、生物学者や先住民コミュニティとの協働を通じて倫理的AI開発を推進します。

最近の研究では、ユニバーサルマルチモーダル埋め込み（UME）がチェーン・オブ・ソート（CoT）推論から大きな利益を得ることが示されていますが、明示的なCoTトレースの生成は計算コストが高くなります。本論文では、明示的なCoTを潜在的な思考トークンに置き換えることを提案します。これらのトークンは潜在変数として解釈され、観測変数として明示的なCoTトレースを生成できます。CoT生成損失で思考トークンを最適化し、コントラスト損失で埋め込みトークンを最適化することで、一定の推論コストで高性能な推論認識表現を実現します。導入されたTTE-Flash-2Bモデルは、MMEB-v2ベンチマークで明示的なCoTモデルを上回り、思考トークンはテキストおよび視覚的に解釈可能です。15のビデオデータセットでのゼロショット評価では、思考トークン数の増加に伴うスケーリング動作が示され、タスク要件に基づく適応的な思考予算配分のパイロット研究が動機付けられました。

PRISMatは、目標とする表面特性を持つ結晶スラブを生成するための軽量で置換不変な自己回帰モデルである。LLMより高速な推論で優れた性能を発揮し、へき開エネルギーと仕事関数の予測誤差を4分の1に低減した。

制御された多属性交渉実験により、現在のLLMエージェントは相手の選好を正確にモデル化できるものの、その知識を戦略的交渉上の優位に変換できないことが示された。最終合意は真の効用ウェイトよりも表面的な初期アンカーに大きく左右され、譲歩と互恵の交換を明示させる介入は各ターンを戦略的に見せるだけで合意効率を改善しなかった。

Skimは、目的特化型ウェブサイトの予測可能な構造を活用するウェブエージェント向けの投機的実行フレームワークである。オフラインプロファイラがURLパターン、回答形式、タスクから軌跡へのマッピングをサイトごとに一度取得し、実行時に大多数のクエリがフロンティアモデル推論、ブラウザレンダリング、ReActスタイルの計画を迂回できるようにする。小型モデルが高速パスを処理し、軽量バリデータが出力を検証する。稀な誤推測は高速パスの最終URLでウォームスタートされた完全エージェントにカスケードされる。3つのバックボーンエージェントと標準ベンチマークで、Skimはタスクあたりの中央コストを1.9倍、レイテンシを33.4%削減し、精度損失はない。

本論文は、大規模言語モデルと実験室オーケストレーションを統合したAIエージェントアーキテクチャを提案する。科学者は自然言語で自動化プロトコルを対話的に作成・監視できる。化学・生物学・材料科学の3つのシミュレーション実験室で評価され、初回プロトコル生成成功率97%、必要なインターフェース操作を一桁削減した。

ANNEALは、繰り返し発生する実行障害をプロセス知識グラフへの統制された記号編集に変換する神経記号的エージェントである。モデルの重みやプロンプトを変更せず、4領域・27回のマルチシード実験で、再発障害のホールドアウト失敗率をベースラインの72-100%から0%に低減した。

AgentWallは、ローカルAIエージェント向けのランタイムセーフティおよび可観測性レイヤーです。エージェントのアクションを傍受し、ポリシー評価、人間の承認、監査証跡の記録を行い、14のベンチマークで92.9%のポリシー適用精度とサブミリ秒のオーバーヘッドを達成しています。

Odyssey研究所がAgora-1の研究プレビューを公開。これは最大4人の人間またはAIエージェントが同じリアルタイム生成シミュレーション内で共有・相互作用できるマルチエージェント世界モデルで、ゴールデンアイ風の体験を提供する。異なる視点間でも一貫性を維持する。

Multi-Claudeは、複数のClaudeアカウントを個別のプロファイルとして並行して実行できるネイティブmacOSアプリです。それぞれのセッション、履歴、設定が分離されており、個人用と仕事用のアカウント間の頻繁なログイン・ログアウトの問題を解決します。一回限りの支払いで、発売割引があります。

ドイツ取引所グループのStatistiXチームは、2000人以上のユーザーに影響するノートブック移行の課題に直面し、2027年の期限がありました。彼らは構造変換を自動化し、Genie向けのコンテキスト認識プロンプトを生成するDatabricksアプリを構築しました。ノートブックの再開発時間は数時間から1ノートブックあたり15〜20分に短縮されました。

明日5月20日、中国AIGC産業サミットが北京で開幕します。Agent、マルチモーダル、アプリケーション、計算力などについて20名のゲストが議論します。交通状況を確認し、目覚ましをセットして、現地でお会いしましょう！

TuriX AIは、オープンソースのコンピュータ操作エージェントの最新版をリリースしました。macOSベンチマークで80%の成功率を達成し、OSWorldランキングで第3位を獲得。デスクトップ自動化、ホットスワップ可能なモデル、Markdownプレイブックによるスキルをサポートします。最新リリースにはTuriX SuperAgentと生産性機能を拡張したTuriX SuperPower 3.0.0-alphaが含まれます。

Trainerは、画面を録画してAIエージェントをトレーニングできるツールです。

SantaClawzは、AIエージェントのオンボーディング、初期化、ランタイムアクティベーションに特化したランタイムアクティベーションレイヤーを構築し、デプロイとスケーリングを簡素化します。

Googleの年次開発者会議 I/O 2026 は5月19日〜20日にマウンテンビューで開催。Googlebookデバイス、AIを統合したAndroidアップデート、Geminiの全面的な展開が予想される。OpenAIやAnthropicとの競争の中、GoogleはAI戦略の価値を示す必要がある。

AIエージェントが3,760の小売業者にアクセスできる単一のAPIを提供し、効率的なショッピングと取引を実現します。

Grantbot.plは、ポーランドのNGO向けにAIを活用した助成金申請作成支援プラットフォームです。20以上のポーランドおよびEUの助成金プログラムに対応し、提案書のセクションを自動生成、PDF/DOCXにエクスポートできます。コンプライアンスチェックやマッチング機能も提供します。

AIポリシーの曖昧さはイノベーションと安全性を阻害します。DORAの研究によれば、明確に伝達されたAIスタンスは個人の有効性や組織パフォーマンスにプラスの影響を与え、摩擦を軽減します。この記事では、経営陣の支援、クロスファンクショナルチームの編成、三つのバケットフレームワーク、生きた文書、フィードバックループなどの実装手順と、よくある落とし穴を紹介しています。

アリババのQwen 3.7プレビューモデルが突如公開され、テキスト・ビジョン両分野で国産トップの成績を達成。モデル開発のペースが顕著に加速している。

Vault Pro は、Obsidian向けのAI駆動のスキャフォルディングツールで、Node.jsとClaude AIを活用してプロジェクトノートの作成を自動化します。現在、Stripe Checkoutで購入可能です。

Cursorは最新モデルComposer 2.5をリリースしました。最も強力なモデルとされています。

百度の自動運転プラットフォーム「Apollo Go（蘿ト快跑）」が週間注文数35万件超、1日あたり最大5万件の新記録を達成。累計走行回数は2200万回超、世界27都市で展開。李彦宏CEOは国内主要都市で1台あたりの収支均衡に達したと発表。同時に、百度の2026年第1四半期決算では、AI新規事業収入が初めてオンライン広告を上回った。

TechEx North Americaでは、専門家がAIの成功は電力、データセンター、エッジコンピューティング、サイバーセキュリティなどの堅牢なインフラに依存すると強調した。デモと本番導入のギャップ、デジタルツインの実用的価値、シャドーAIのリスクなどが議論された。

SuperInferは、NVIDIA GH200などのスーパーチップ向けの高性能LLM推論システムです。SLO認識型のプロアクティブなロータリースケジューラRotaSchedと、全二重メモリ転送エンジンDuplexKVを導入し、TTFT SLO達成率を最大74.7%向上させつつ、TBTとスループットを維持します。

NeoTubeは、動画コンテンツについて質問し、正確なタイムスタンプ付きの回答を得ることができるAI搭載ツールです。現在、Khan Academyの2,645以上のレッスンをインデックス化しており、教育動画を質問で検索可能にしています。ユーザーは動画を視聴し、質問し、即座に回答を得られます。また、アカウントを作成して会話履歴を保存することもできます。作成者は教育動画をより振り返りやすくすることを目指しています。

BudgetBitesはAIを搭載したパーソナルキッチンアシスタントで、予算に優しいレシピを生成し、食料品の節約を支援します。アプリにはログインページがあり、機能を利用できます。

Simon WillisonがPyCon US 2026で行った5分間のライトニングトーク。2025年11月の転換点、コードエージェントの実用化、OpenClawに代表されるパーソナルAIアシスタント「Claws」の登場、そしてGemini 3.1 ProやGLM-5.1、Qwen3.6といったローカルモデルの進化を解説。

あらゆるMacアプリを自動化し、繰り返しの実行コストは無料。