ノーベル経済学賞受賞者のダロン・アシモグル氏は、受賞前にAIの生産性向上は限定的で人間の仕事をなくさないとする論文を発表した。現在、AIエージェントは仕事を完全に代替できず、AI企業がエコノミストを雇うことで誇大広告が進み、AIアプリの使いやすさの欠如が経済的影響を妨げていると警告する。

BMJ Openに掲載された新たな研究では、5つの人気AIチャットボット（ChatGPT、Gemini、Grok、Meta AI、DeepSeek）を50の健康質問でテストしたところ、回答の約20％が高度に問題あり、半数が問題あり、30％がやや問題ありと評価された。Grokが最悪の成績で、オープンエンドの質問は特にリスクが高かった。研究は、AIを医療の権威として扱わず、情報を検証する必要性を強調している。

AnthropicのエンジニアThariqは、MarkdownをHTMLに置き換えるべきだと主張。情報密度、可読性、共有の容易さ、双方向性、楽しさを理由に挙げる。カーパシーも賛同し、HTMLをインタラクティブビデオへのステップと位置づける。

TextifyALLは、ファイルサイズや時間制限なしのAI文字起こしサービスを提供し、透明な価格設定（無料スターター、月額19.90ドルのPro、月額49.90ドルのMax）とプライバシーと速度に重点を置いています。

本稿は、SECが四半期決算報告を廃止するのではなく、月次、週次、さらにはリアルタイムの決算報告へ移行すべきだと主張する。AI技術を活用してプロセスを自動化し、短期主義と情報非対称性を低減し、市場の透明性を高めることを提案する。著者の経験から、頻繁な報告は短期的なデータへの過度な注目を減らすと述べ、企業はガイダンスの提供を中止すべきだと示唆する。

著者は、Mozaik フレームワークを使用して baro というツールを構築し、並列エージェントワークフローを可能にすることで、Claude Code サブスクリプションを最大限に活用した経験を共有しています。シーケンシャルな使用から、人間の監督なしで自動的にプルリクエストを生成するシステムへの道のりを詳述し、調整、メモリ共有、状態管理の問題を解決した重要なアーキテクチャ上の決定に焦点を当てています。

人工知能の急速な台頭に直面し、シリコンバレーのリーダーたちはベーシックインカム、週労働時間短縮、億万長者への課税などを提案し、雇用や社会の安定への影響を緩和しようとしている。

Kuaishouは動画生成モデルKling AIを200億ドルの評価額でスピンオフし、来年初めにIPOを計画している。Kling AIの年換算収益は5億ドルに達し、IPO時には13億ドルを見込む。スピンオフの背景には評価額の再定義、計算リソースの競争、人材確保のためのインセンティブがある。

Sherloq は、LinkedIn 上の見込み客の競合他社とのやり取りや転職などの購買シグナルを自動監視し、最適なタイミングで営業担当者に通知する AI セールスツールです。ホットリードを検出すると、パーソナライズされたアウトリーチ素材を自動生成し、CRM に直接取り込みます。

州および連邦のエネルギー大臣は、データセンターが新たな再生可能エネルギー発電と貯蔵への投資によって電力需要を完全にオフセットすることに合意した。

AIエージェントの構築から、著者は現実の仕事にはエージェント能力だけでなく、所有権、承認、レビュー、クロージャ、リプレイといった制度的制御が必要であることを発見した。著者は「AI制度」という概念を提案し、WorkRecordやVerifierDecisionなどの基本要素を定義。予測市場デスクでテストし、AI作業の信頼性を評価する5つのチェックを提供する。

台湾企業Skymizerが、28nmプロセスとLPDDR4/LPDDR5メモリを採用したPCIe AIアクセラレータ「HTX301」を発表。消費電力240Wで最大7000億パラメータのLLMを実行可能とし、既存のNVIDIAやAMD製品に挑戦する。

中国人ジャーナリストがマーク・ザッカーバーグの旧宅に滞在し、シリコンバレーで頭角を現す才能あふれる中国人AI研究者コミュニティを探訪。数学力と勤勉さでAIブームを掴み、地政学的緊張下でも活躍する彼らの実像に迫る。

TestSprite 3.0は並列エージェントの艦隊を活用し、アプリのテストを数分で完了します。

Peekaboo v3は、AIエージェントが画面を見てマウスとキーボードを操作できるようにし、真のデスクトップ操作を実現します。ピクセルレベルのスクリーンショットやUI要素の読み取り、クリックや入力などの操作をサポートし、4つのインストール方法を提供します。

BEACONは、豊富なソースドメインのデモと限られたターゲットドメインのデモを用いて生成ロボットポリシーを訓練するための理論駆動型フレームワークです。クロスドメイン共学習を不一致を考慮した重要度再重み付け問題として捉え、拡散ベースの視覚運動ポリシーとサンプルごとのソース重みを共同で学習し、ターゲットドメインの汎化保証に基づく目的関数を最小化します。シミュレーションからシミュレーション、シミュレーションから実世界、およびマルチソース操作設定において、BEACONはベースラインよりもロバスト性とデータ効率を向上させ、暗黙的に特徴量の整合を達成します。

本論文では、フローマッチングポリシーにおける訓練と推論のミスマッチを解決する4つの補完的手法を提案する：補助整流フロー速度回帰、マルチステップ軌道一貫性訓練、速度場正則化、4次ルンゲ＝クッタ推論。さらに、デュアルビュー3D点群エンコーダを組み合わせることで、実ロボットタスクで大幅な改善を達成し、長期多相タスクの成功率を0%から70%および60%に引き上げ、精密ツール配置では100%に達した。

研究者らは、物理的先行知識と学習コンポーネントを統合したハイブリッドモデルLE-PAVDを提案し、高速自律レーシングにおける車両ダイナミクス予測を向上させる。未見のトラックでは、深層ダイナミクスのベースラインと比較して、平均変位誤差（ADE）を16.1%、最終変位誤差（FDE）を20.6%、ヨーレートのRMSEを91.3%削減し、FLOPsを21.6%削減、推論速度を約1.5倍高速化。閉ループシミュレーションでは、トレーニングトラックで17.4%、テストトラックで9.5%のラップタイム改善を達成し、トラック境界違反はゼロ。

研究チームは、サービスの場面での自然で直感的な人間とロボットのインタラクションを改善するために、2つの大規模言語モデル（高レベル計画エージェントと低レベル空間推論サブモジュール）を使用した階層的言語駆動フレームワークを提案した。システムはReActスタイルのプロンプトで自然言語コマンドを処理し、YOLOX-GDRNetで物体検出と姿勢推定を行い、24のテストシナリオで86%のタスク成功率を達成した。

研究チームは、ワイヤレスカプセル内視鏡を用いた自律的胃内ナビゲーションのための解剖学的ランドマーク誘導深層強化学習（AL-DRL）フレームワークを提案。軽量なエッジ・輪郭・深度融合モジュールにより、シミュレーションでは97％以上のカバー率を50秒以内に達成し、体外実験では平均87％のカバー率と手動操作比53％の時間短縮を実証した。

本論文は、ロボットサービスオントロジー（RoSO）を汎用知能構造モデル（SMGI）に埋め込むことで、実行時のサービス変更（再バインド、再構成、修復、再デプロイなど）が許容可能であるための形式化基準を提供する。RoSOからSMGIへの妥当性定理、同一性を保持する再構成基準、および局所的に許容可能な更新を大域的に許容可能にするための合成条件を確立する。

本論文は、VLAモデルの非同期推論手法4つ（IT-RTC、TT-RTC、VLASH、A2C2）を統一的に比較。KinetixおよびLIBEROベンチマークにおいて、A2C2が最高性能を示し、遅延8ステップ以内で90%以上の解決率を維持。TT-RTCは最も堅牢な訓練ベースの手法で、推論オーバーヘッドがゼロ。IT-RTCは低遅延で競争力があるが、高遅延では性能が急激に低下。VLASHは低遅延と高遅延のトレードオフを示す。

本研究は、圧縮認識特徴強化とCNNを組み合わせた転移学習ベースのデジタル画像偽装検出フレームワークを提案する。RGBと圧縮差分特徴（FDIFF）を融合したハイブリッド入力表現と、ユーデン指数に基づく適応閾値最適化を導入。CASIA v2.0データセットで6種類の事前学習済みCNNを評価し、DenseNet121が最高の精度とAUC、ResNet50が最高のMCCを達成。フォレンジック応用では精度だけでは不十分であることを強調している。

本研究は、AutoPET IIIチャレンジ向けに開発された全身腫瘍セグメンテーション手法を提示し、nnU-NetフレームワークとResNetエンコーダをベースに、強度正規化、バッチダイス最適化、CraveMixデータ拡張などのトレーニング戦略を体系的に調査。最適構成でDiceスコア0.80を達成し、チャレンジで3位に入賞。コードは公開されている。

WATCHは、PlanetScope衛星モザイク（2017～2024年、4.7m/px）を用いた月単位の変化イベント位置特定フレームワークであり、教師なし・教師あり手法を組み合わせる。アフガニスタンの1,943遺跡でのベンチマークでは、教師なし手法（TED、SSCD）が弱教師あり手法を上回り、TEDとSatMAEの組み合わせで正確な月の再現率55％、TEDとGeoRSCLIP、CLIP、Satlas-Pretrainの組み合わせで3ヶ月以内の許容範囲で92.5％を達成。方向性マージン分析により、SSCDは早期警報、TEDは確認型検出という時間的バイアスが明らかになった。

VT-Benchは、視覚-表形式データの識別予測と生成推論タスクを標準化する初の統一ベンチマークです。14のデータセット（9分野、75万6千以上のサンプル）を統合し、23の代表的なモデルを評価することで、視覚-表形式学習の重大な課題を明らかにしました。

現在の視覚言語モデルは、曖昧または劣化したモダリティに対して幻覚やロバスト性の問題に直面しています。我々は、モダリティ間の共有情報を利用して損傷したモダリティを補償することでこれらの問題に対処できると仮定します。この目的のために、我々はマルチモーダルインタラクション——冗長（共有）、ユニーク（排他）、および相乗的（創発）なタスク関連情報——を分析し、モデルの信頼性への影響を調べます。具体的には、冗長なインタラクションを増幅することで、利用可能な共有情報が増加し問題を解決できます。しかし、現代の命令データセットは視覚的グラウンディングを優先して冗長性を取り除くことがよくあります。我々は、マルチモーダルインタラクションゲートを備えた自己キャプションワークフローを通じてこのギャップを埋めます。これは、ユニークなインタラクションを冗長なインタラクションに変換するメカニズムです。結果は、冗長性を増やすことで視覚起因のエラーを38.3%削減し、一貫性を16.8%向上させることを示しています。

環境変化下での円形物体検出におけるRT-DETRのResNetバックボーンの性能を評価。ResNet18、34、50、101をテストし、照明変動下ではResNet50（精度1.00、信頼度0.869、レイテンシ0.058-0.059ms）、背景変動下ではResNet34（信頼度0.887）が最適であることを発見。最適なアーキテクチャは環境変動の種類に依存し、中間深度のモデルが性能と効率のバランスに優れる。

研究者らは、自律運転における視覚-言語-行動（VLA）モデルの長尾シナリオでの汎化能力を向上させるため、検索拡張生成を活用したVLADriver-RAGフレームワークを提案した。センサー入力を時空間セマンティックグラフに抽象化して視覚ノイズを除去し、グラフDTWによるアライメントを用いたシナリオ整列埋め込みモデルでトポロジー的一貫性を優先する。Bench2Driveベンチマークで運転スコア89.12を達成し、新たな最先端を記録した。

Magis-Benchは、治安判事レベルの法的ライティングタスクにおける大規模言語モデルの能力を評価する新しいベンチマークです。ブラジルの司法試験から派生した74の質問で構成され、23のLLMを4つのフロンティアモデルによる評価手法でテストしました。Gemini-3-Pro-Previewが最高スコア（6.97/10）を達成しましたが、全モデルが満点の70%未満であり、司法レベルの推論が依然として難しいことを示しています。