フローマッチング生成モデルのサンプリングに必要な常微分方程式を解くために、4つの古典的なODEソルバー（オイラー法、陽的中点法、古典的ルンゲ=クッタ法RK4、ドーマンド＝プリンス5(4)法）をテイラー展開から導出し、PyTorchで実装してベンチマークした論文。RK4は80回の関数評価でオイラー法200回と同等の品質を達成し、速度場のヤコビアンがt=1近傍で急激に硬化すること、不完全なモデルほどソルバー間の品質差が大きくなることを発見。

この研究では、特徴量の相関、弱信号、次元増加といった現実的な条件下で、6つの古典的およびベイズ的スパース回帰手法をベンチマーク。2600以上の実験から、ベイズ手法は予測誤差（MSE 72 vs 108-267）と被覆率で優れ、Lassoは変数選択でSpike-and-Slabと同等（F1 ~0.47）であることが明らかになった。

本論文は、代数的多様性フレームワークにおける群選択問題に対して、共分散行列のダブル・コミュテータから導かれる一般化固有値問題に帰着させることで、多項式時間アルゴリズムを提案する。計算複雑度はO(d^2M^2 + d^3)であり、閉形式で最適群生成器を構成し、検証可能な最適性ギャップを提供する。

Agentopicは、大規模言語モデル（LLM）の推論能力を活用した、説明可能なトピックモデリングのための新しいエージェントベースのワークフローです。複数のエージェントが協調してトピック識別、検証、階層的グループ化、自然言語説明を行い、LDAやBERTopicなどの手法に欠けていた透明性を向上させます。BBCデータセットでは、シード付きのAgentopicがF1スコア0.95を達成し、GPT-4.1に匹敵し、LDA（0.93）を上回り、BERTopic（0.98）に迫ります。シードなしでは、2045の意味的に一貫したトピックを6階層にわたって生成し、元の5カテゴリ構造を大幅に拡充します。

スマートビークルの旅行計画におけるルート最適化に対し、本稿ではオーケストレーションエージェントが交通、充電、興味地点などの専門エージェントを調整するエージェンティックAIフレームワークを提案し、最適解を含む旅行計画最適化問題データセット（TOP）を構築する。実験ではTOPベンチマークで77.4%の精度を達成し、単一エージェントやワークフローベースのマルチエージェントベースラインを大幅に上回った。

複数の単純なエージェントが意図せずに独自の能力と目標を持つ集団的エージェントを形成する可能性は、先進的なAIシステムの安全性にとって重要な課題です。本研究では、因果ゲームと因果抽象化を用いて、集団的エージェンシーを定義・定量化する枠組みを提案し、アクタークリティックモデルにおけるインセンティブのパズルを解決し、さまざまな投票メカニズムにおける集団的エージェンシーの程度を評価します。

ARMOR 2025は、戦争法、交戦規則、統合倫理規制に基づく軍事向け安全性ベンチマークであり、大規模言語モデルの防衛応用における合法性と倫理遵守を評価する。12カテゴリの分類法と519のプロンプトで構成され、21の商用モデルをテストした結果、軍事シナリオでの安全性アラインメントに重大な欠陥があることが明らかになった。

TUR-DPOは、Direct Preference Optimization (DPO) の新しい変種であり、推論トポロジーと不確実性シグナルを活用して、大規模言語モデルを人間の選好によりよく適合させます。標準的なDPOと比較して、複数のベンチマークで改善を示しつつ、強化学習を必要とせず、訓練が簡単です。

研究によると、意味的妨害要素がある場合、ツール拡張推論は本来の思考連鎖（CoT）を常に上回るとは限らない。著者らは、プロンプト書式のコスト、ツール呼び出しプロトコルのオーバーヘッド、ツール実行の実際の利得を分離する因子化介入フレームワークを提案し、プロトコル起因のエラーを軽減するG-STEPを導入した。

本研究は、LOCA法を提案し、特定のジェイルブレイクプロンプトがなぜ安全訓練を回避できるかを、中間表現の最小限の解釈可能な変化を特定することによって因果的に説明する。従来の大域的説明よりも精密で、平均6回の変更で拒否応答を誘発できる。

arXivの新論文は、エージェントの戦略的最適化、タスク横断の能力移転、検証の厳格さの違いという課題に対処する、3層構造の分散型レピュテーションフレームワークAgentReputationを提案する。

TADIは、掘削運用データを証拠に基づく分析インテリジェンスに変換するエージェント型AIシステムです。Equinor Volve Fieldデータセットに適用され、1,759件の日次掘削レポート、WITSMLリアルタイムデータ、15,634件の生産記録などをDuckDBとChromaDBのデュアルストアアーキテクチャに統合します。12のドメイン特化ツールが大規模言語モデルによってオーケストレーションされ、多段階の証拠収集をサポートします。システムはすべてのXMLファイルをエラーなしで解析し、Evidence Grounding Score（EGS）を提案します。

Nylas CLIは、単一の認証フローでGmail、Outlook、Exchange、Yahoo、iCloud、IMAPなどの複数のプロバイダーにわたって、AIエージェントに実際のメールアカウント、カレンダー、連絡先を提供する新しいオープンソースツールです。モデルコンテキストプロトコル（MCP）を使用して、エージェントにメール送信、スレッド検索、イベント作成などの16のツールを提供します。

datasette-llm 0.1a7 がリリースされ、特定のモデルにデフォルトオプションを設定するメカニズムが導入されました。Datasette のプラグインエコシステムの一部として、例えばすべての enrichment 操作で temperature を 0.5 に設定するなど、プラグイン開発者がデフォルトパラメータを指定できるようになります。

llm-echo プラグインの新バージョンでは、LLM 0.32a0 以上をテストするための推論ブロックをシミュレートする -o thinking 1 オプションが追加されました。

ジョン・グルーバー氏は、Y CombinatorがOpenAIの約0.6%を所有しており、現在の8520億ドルの評価額に基づき、その価値は50億ドルを超えると明らかにした。

moar は無料の Chrome 拡張機能で、PDF、DOCX などのドキュメントを AI ツール向けのクリーンな Markdown または CSV に変換し、最大 95% のトークン節約と 100% のプライバシーを実現します。

Apple Machine Learning Researchは、トレーニング中に各層が自身または前の層のKV状態にランダムに注意を向ける確率的KVルーティングを提案。これにより、スループットを低下させることなくKVキャッシュのメモリ使用量を大幅に削減し、データ制約のある環境では性能向上も見られる。

OpenAIはChatGPT広告を拡充し、ベータ版のセルフサービス広告マネージャー、CPC入札、強化された測定ツールを導入。プライバシーを保護し、会話と広告を分離する設計。

マスク対OpenAIの裁判で、グレッグ・ブロックマンの証言と日記は、回避的で細かい態度、そして貪欲さと日和見主義を明らかにした。

Simon Willison が IBM の Granite 4.1 3B モデルの 21 の量子化バリアントで実験し、それぞれに「自転車に乗るペリカンの SVG を生成」とプロンプトしました。結果はすべて劣悪で、モデルサイズとの相関は見られませんでした。

株式管理会社Cartaは、企業がAIとエージェントを活用してビジネスを変革・形成する方法を示す好例です。Cartaのチーフプロダクトオフィサーは、サービス事業からAI駆動のプロダクト事業への転換戦略を説明し、小規模な実験、性急な取り組みの回避、人間の関与の維持の重要性を強調しました。

AIニュースの静かな一日、OpenAI社員がClaudeを称賛したことをきっかけに、AIの「性格」をめぐる議論が活発化。GPTの実用重視設計との対比が注目される。さらに、Sierraの評価額、エージェントオーケストレーションの進化、コーディングエージェントのコスト問題、ベンチマークの最新動向をカバー。

Simon Willisonの2026年4月のスポンサー限定月次ニュースレターでは、Opus 4.7やGPT-5.5の新モデル、Claude MythosとLLMセキュリティ研究、ChatGPT Images 2.0などを紹介。ニュースレターはスポンサーに月額10ドルで提供されています。

Microsoftは、VS CodeのGit拡張機能がCopilotを使用していない場合でもコミットに「Co-authored-by: Copilot」を自動追加していた変更を、ユーザーの苦情を受けて撤回しました。修正により、この機能はオプトイン方式になります。同様の問題はAnthropicのClaude CodeやOpenAIのCodexでも発生しています。AIによるクレジット表示は、著作権や保険、法的責任に影響を与える可能性があるため、業界内で標準化が求められています。

OpenAIとPwCは、AIエージェントを活用して企業の財務ワークフローを自動化し、予測精度の向上、内部統制の強化、CFO機能の近代化を支援するために提携します。

米国の大手食品・医薬品小売業者Albertsons Companies（約2,300店舗、売上高800億ドル）は、「1つのチーム、1つのプラットフォーム、1つのオペレーティングモデル」戦略に基づき、集中型AIコアを構築しました。Sunil Gopinathのリーダーシップのもと、Databricksプラットフォームをデータエンジニアリング、ML、分析に活用し、フランチャイズモデルで中央ガバナンスと現場のイノベーションを両立。顧客体験、マーチャンダイジングインテリジェンス、労働力管理、サプライチェーンの4つの重点分野に取り組み、再利用可能なアクセラレーター、AI強化エンジニアリング、経営陣の説明責任を重視してAIを拡大しています。

AnthropicはBlackstone、H&F、Goldman Sachsと共同で、中堅企業向けにClaudeを導入するための新しいAIサービス会社を設立。この動きはOpenAIの「The Deployment Company」モデルを反映しており、AIの展開には技術以上のサービスと統合が必要であることを示している。MicrosoftのCopilotは流通面で優位性を維持。

Simon WillisonがVille LaurikariのTRE正規表現エンジンを調査し、Claude Codeを使って実験的なPython ctypesバインディングを構築し、悪意のある正規表現攻撃に対するテストを実施しました。TREはバックトラッキングをサポートしていないため、Python標準のreモジュールよりも「邪悪なパターン」や大規模入力をはるかに効率的に処理し、指数関数的ではなく線形にスケーリングします。

従来のダッシュボードは既知の質問にしか答えられず、チームがアドホックな質問や予期せぬ質問をしようとするとボトルネックが発生します。Amazon QuickのDataset Q&A機能は、自然言語で質問し、数秒以内に正確な回答を得ることを可能にし、新しいダッシュボードの構築や待ち時間は不要です。AWSはこの機能を活用してTARA（技術分析調査エージェント）を開発し、クエリ精度を48%向上させ、エラーをほぼゼロにし、分析時間を数時間から数分に短縮しました。