Cloudflare は Project Glasswing の下で Anthropic の Mythos Preview モデルをテストし、エクスプロイトチェーン構築とプルーフ生成における顕著な進歩を発見しましたが、信号ノイズと有機的拒否の問題も明らかになりました。本記事では、AI支援による脆弱性調査の効率と信頼性を向上させるためのハーネス構築の重要性について議論します。

Yann LeCunがGeoffrey Hintonを公開批判し、大規模言語モデル（LLM）への支持は引退のための言い訳だと主張。

ベネディクト・エバンス氏は年に2回、テクノロジー業界のマクロ戦略トレンドに関する大規模なプレゼンテーションを発表しています。2026年春のテーマは「AIが世界を食べる」。2023年以降、このテーマが続いています。

教皇レオ14世は、AIの急速な進展に対応するため、バチカン内部に人工知能研究グループを設置した。初の回勅は近く発表され、人間の尊厳と平和を優先する倫理に基づくAIアプローチを強調するとみられる。トランプ政権の推進姿勢との対立も予想される。

MLflow AI Gateway は LLM 呼び出しのトレースを自動的に記録し、エージェンティックアプリやコーディングアシスタントのデバッグを支援します。この記事では、使用方法、LiteLLM との統合、Copilot CLI のサポート、そしてトレーシングがスケーリング問題であることについて説明しています。

AIは取引コストを削減し、ロナルド・コースが理論化した従来の階層組織の終焉をもたらしています。

ReplitはAppleとのApp Storeレビュー問題を解決し、4か月ぶりにiPhoneアプリのアップデートをリリース。Replit Agent 4をモバイルユーザーに提供し、並行エージェント、チーム協業のマージフロー、ワークスペースをまたいだプロジェクト表示をサポート。

第11回信也科技杯グローバルAIアルゴリズムコンテストが開始。中国語方言の対話理解をテーマに、賞金30万元とNLPCC2026への直接参加枠を提供。

Claude Codeに関する最新ニュースやディスカッションを毎日厳選してお届けします。

Krea AI は、美的多様性とクリエイティブ制御に特化した初の自社基盤モデル Krea 2 を発表。スタイル参照やムードボードなどの機能を備え、ユーザーレビューでは生成速度とインターフェースが評価される一方、品質の不安定さや編集精度の低さが指摘されています。

エリック・シュミット氏が卒業式でAIを称賛したところ、聴衆からブーイングが起こった。

AIが高等教育を時代遅れにするという予測に反して、経済的原則はAIが最先端知識、高度なツール使用、信頼できるシグナリングの価値を高めることで、特定の高等教育への需要を実際に増加させる可能性があることを示唆している。

Montage M1は、AIエージェントが単一のAPI呼び出しでインタラクティブで永続的なUIを生成できるようにし、トークン消費とコストを削減します。ブランドカスタマイズと永続状態をサポートします。

AnyFrameはAnyFrameコントロールプレーンの公式Python SDKであり、エージェントをリポジトリに指定してサンドボックスを立ち上げ、Claude Codeを実行できます。エージェント管理、セッション制御、スキル設定、MCPコネクタ、ビルド、プレビューなど豊富なAPIを提供し、同期・非同期両方をサポートします。

本論文では、参照軌道を訓練中に地形形状に合わせて変調する、ヒューマノイドロボットのための参照誘導型知覚強化学習歩行ポリシーの訓練手法を提案する。強化学習訓練ループ内でSE(2)制御可能な参照軌道を合成し、目標歩容を有効な足場に投影し、スイングフットと重心軌道を地形に合わせて調整する。シミュレーションでは、地形条件付き参照が追従性能を大幅に向上。実機では、MPCと制御障壁関数プランナーと統合し、Unitree G1上で70mを超える長距離クローズドループ自律ナビゲーションを、凹凸地形や連続階段を含む屋外環境で実現。すべてのセンシングと計算はオンボードで行われる。

本論文は、運動学構造レベルの評価指標を用いたロボット設計最適化のための二次無制約二値最適化（QUBO）ベースのフレームワークを提案する。このフレームワークは古典計算と量子アニーリングを組み合わせ、ロボットハンドを事例として、個々の指の運動特性と相互作用項を統一的な二次モデルに変換する。シミュレーテッドアニーリングと量子アニーリングにより実現可能性が検証され、制約を満たす設計組合せが得られた。

本論文では、信頼性ベースの能動的プーリングと不確実性誘導の能動的サンプリングを組み合わせ、インクリメンタルなニューラル距離場マッピングにおける破滅的忘却に対処するリプレイ管理フレームワークLAPSを提案する。幾何学的精度を維持しながら再構成の完全性を向上させる。

研究者らは、ルジャンドル多項式軌道表現とスパース時間サンプリングを用いたFLASHポリシーを提案。単一推論でアクションホライゾンを拡張し、従来の拡散ポリシーと比較して最大175倍高速な推論を実現。

本研究は、建設ロボットのタスクスケジューリングを改善するために大規模言語モデル（LLM）を活用した知的フレームワークを提案します。システムは自然言語処理インターフェースを用いてコミュニケーションを図り、予期せぬ現場状況にリアルタイムで適応します。生成器（GPT-4）と監督器（Gemma 3/Llama 4/Mistral 7b）の2つのLLMエージェントを同時に使用し、より正確なタスクスケジュールを提供します。評価結果は、建設ロボット業務におけるLLMの重要な役割を示しています。

本研究では、確率的通信遅延に対処するため、LSTM状態推定器と残差強化学習ポリシーを統合したハイブリッド制御フレームワーク「遅延耐性RL」を提案。Franka Pandaロボットによる実験で、高分散遅延下でも安定した遠隔操作を実現し、既存手法を大幅に上回る性能を示した。

本研究は、自律ドローンが木の理想的な留まり位置を見つけるための視覚誘導手法を提案する。機械学習、画像分割、二値形態学を含む画像処理アルゴリズムを用いて、枝の幅、傾斜角、曲率を評価し、単に最も近い枝を選ぶのではなく適性を判断する。1万枚以上の都市樹木画像データセットに対し、実行可能な対象の76%で成功した。今後は深度知覚や姿勢センサーを組み込むことで汎用性を高める。

本論文では、重い自動閉鎖ドアを開けて通過するための拡散ベースの視覚運動制御ポリシーを提案する。非ホロノミックベースと両腕を協調させるエンドツーエンドポリシーを学習し、高い成功率とロバスト性を達成する。従来のステートマシン手法は汎化性に欠ける。

本レポートでは、ゼロショット全身動作追跡のための人型ロボット動作基盤モデルHoloMotion-1を紹介する。その主要な革新は、実世界の動画から再構成された動作を多様性の主な源とし、厳選されたモーションキャプチャおよび社内データを高忠実度の監視と展開指向のカバレッジとして用いる大規模ハイブリッド動作コーパスにより制御ポリシーのトレーニングを拡大することにある。モデルは、大容量時間モデリング、スパース活性化混合専門家TransformerとKVキャッシュ推論によるリアルタイム制御、およびシーケンスレベルトレーニング戦略を統合する。実験では、多様な未見の動作ベンチマークで堅牢な一般化を示し、追跡精度を大幅に向上させ、タスク固有の微調整なしに実機人型ロボットに直接転送できることを確認した。

PhysBrain 1.0は、大規模な人間の一人称視点ビデオを構造化された物理常識知識に変換し、ロボットの理解と制御を改善する新しいアプローチです。シーン要素、空間ダイナミクス、深度認識関係をビデオから抽出し、視覚言語モデルを訓練した後、ロボットポリシーに適応させます。複数の身体化AIベンチマークで最先端の結果を達成し、特にドメイン外タスクで優れた性能を示します。

PanoWorldは、単一画像とキャプションから幾何学的に一貫した360°ビデオを生成するパノラマビデオワールドモデルです。深度一貫性損失と軌跡一貫性損失により幾何学的制約を強化し、PanoGeoデータセットを導入することで、視覚的リアリズムを維持しつつ幾何学的一貫性を大幅に向上させ、具現化AIの空間理解に貢献します。

ChangeFlowは、潜在空間での整流流を用いて変化マスクを合成する生成的フレームワークです。軽量な条件付け信号と確率的設計によりサンプリングベースのアンサンブルをサポートし、4つのベンチマークで平均F1 80.4%を達成、従来手法を1.3ポイント上回り推論速度は同等です。

本論文では、群畳み込みニューラルネットワーク（GCNN）に対して特徴空間でのサンプリングを提案する。幾何学的に密なサンプルを特徴類似性で選択された代表サンプルに置き換えることで、幾何学的解像度とメモリ・処理コストを分離する。実験により、粗い特徴空間サンプリングでも分類精度が良好に保たれ、等変3D分類器の学習が大幅に高速化されることが示された。

Minerva-Egoは、複雑な自己中心視覚推論を評価する新しいベンチマークであり、マルチステップのマルチモーダル質問と高密度にアノテーションされた推論トレースを備えています。実験では、最先端モデルと人間のパフォーマンスに大きなギャップがあることが示され、「どこで」「いつ」見るかのヒントを提供することで大幅な改善が見られました。

森林樹冠下での人間検出は困難である。本論文は、LiDARの評価、可視光-熱画像融合、およびAOSによる合成開口イメージングを統合したマルチモーダルパイプラインを提案する。FLIRデータセットで微調整されたYOLOv5検出器はmAP約0.83を達成し、森林環境におけるUAVベースの捜索救助および監視のベースラインを確立する。

COPRAは、ビデオ異常検出のための新しいフレームワークであり、各ビデオセグメントに固有のパラメータ更新を生成して凍結された視覚言語モデルを動的に適応させることで、データ分布とモデル構成における学習と推論のミスマッチを解決する。標準ベンチマークにおいて静的ベースラインを上回り、ビデオ質問応答や密集キャプションなどの未見タスクに汎化する。