マイクロソフトリサーチがAgentRxフレームワークをオープンソース化。AIエージェントの障害を自動診断し、制約合成とガード評価により最初の重大障害ステップを特定。ベースラインと比較して位置特定精度23.6%向上。115の手動注釈付き失敗軌道を含むベンチマークも公開。

この記事は、AI能力の指数関数的成長と、それが仕事、市場、政策に与える深遠な影響について論じています。Claude CodeやCodexなどのAIエージェントが複雑なタスクを独立して完了できるようになり、「コ・インテリジェンス」から「AIの管理」への移行が起きています。著者は「カワウソテスト」や各種ベンチマークを通じてAIの急速な進歩を示し、その能力は驚異的であるものの、実際の採用はまだ初期段階であると指摘します。StrongDMの過激な「ソフトウェアファクトリー」実験や、市場変動、企業の人員削減、政策対立などAIによる「ローリングディスラプション」を紹介します。最後に、再帰的自己改善（RSI）が変化を加速させる可能性について警告しつつ、現在がAIの未来を形作る重要な窓口であると強調します。

本号では、予測を上回るAI進歩の加速、AI研究開発自動化のための14の指標、バンガロールでのエッジコンピューティング交通監視、小型衛星搭載AIモデル、ByteDanceのCUDA生成エージェント、ドローン戦争を描くSF小説を取り上げる。

米国防総省がAnthropicをサプライチェーンリスクに指定、OpenAIの軍事契約で「キャンセルChatGPT」運動が拡大。

本記事は5部構成シリーズの第2部で、Amazon ESCIデータセットを使用してModalのサーバーレスGPU上でSPLADEモデルをトレーニングする方法を解説します。データ読み込み、製品テキストのフォーマット、Modalアプリのセットアップ、SPLADEモデルの作成、トレーニング関数、SpladeLoss、YAML設定、並列ハイパーパラメータ探索、および回避すべき落とし穴をカバーしています。

本記事は、eコマース検索におけるスパース埋め込みのファインチューニングに関するシリーズの第1回です。密な埋め込みが製品検索で失敗する理由と、スパース埋め込みが重要な詳細を保持する方法を説明します。SPLADEモデル、クエリ拡張、Qdrantのネイティブスパースベクトルサポートを紹介します。ファインチューニングされたシステムは、Amazon ESCIデータセットでBM25よりも29%向上したパフォーマンスを達成しました。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：Discussion | Link

第235回Last Week in AIでは、AnthropicのSonnet 4.6（100万トークンのコンテキスト、ARC-AGI-2での好成績）、GoogleのGemini 3.1 Pro、xAIのGrok 4.2ベータ版、各種ツールアップデートを取り上げます。ビジネスニュースでは、Metaの最大1000億ドルのAMDチップ取引、MatXの5億ドル調達、World Labsの10億ドル、Simileの1億ドルを取り上げます。研究では深層思考トークン、マスキング更新、LLMアトラクター状態が注目されます。政策議論では、Anthropicのペンタゴン契約に対する姿勢と蒸留攻撃に焦点を当てます。

2月に出荷したすべての機能のまとめ：Sandbox用のディレクトリスナップショット、無料GLM-5エンドポイント、新しい課金APIなど。

OpenAIは国防総省と、AIを完全自律型兵器や米国人の大量監視に使用しないことで合意したが、批判者は曖昧な表現が抜け穴を残すと指摘。Anthropicは同様の条項を拒否したためトランプ政権から脅迫を受けた。歴史的先例を検証し、議会による立法が最終的な解決策であると論じる。

今号は、MITなどによるAGI経済学の論文を紹介。人間は検証作業に移行すると予測。バイオ兵器に関するLLMの初心者支援効果、ゲームベンチマークGAMESTOREでAIが人間に劣る結果、Physical Intelligenceのロボット展開、そしてAIエージェントの脆弱性を暴くAgent of Chaos研究を扱う。

HAQQ法律AIがモバイルアプリを発表。契約書のアップロードや法律質問に対し、司法管轄を考慮した構造化された分析結果（リスクフラグ付き、エクスポート可能）を提供します。汎用チャットボットとは一線を画します。

WeaviateのQuery AgentとAgent Skillsライブラリを使い、わずか36時間で本番運用可能なエンドツーエンドRAGアプリケーションを構築する方法を紹介。従来のRAGとエージェント検索の違い、アーキテクチャ、実装手順を詳説。

2026年1月から2月にかけてリリースされた10のオープンウェイト大規模言語モデルのアーキテクチャ比較分析。Arcee Trinity、Kimi K2.5、Step 3.5 Flash、Qwen3-Coder-Next、GLM-5、MiniMax M2.5、Nanbeige 4.1、Qwen3.5、Ling 2.5、Tiny Aya、そしてSarvamのアップデートをカバー。ハイブリッドアテンション、マルチトークン予測、Mixture-of-Expertsなどの技術トレンドに焦点を当てる。

研究者らはAIエージェントの信頼性を測定する枠組みを提案し、12の指標に分解。14のモデルを18ヶ月にわたってテストした結果、能力は急速に向上したが信頼性の向上は緩やかであり、信頼性を独立した次元として最適化するよう呼びかけている。

Seedream 5.0は、マルチステップ推論、例ベースの編集、深いドメイン知識を画像生成に導入します。知っておくべきポイントをご紹介します。

今号では、AIガバナンスにおける測定の重要性、核危機シミュレーションでのLLMの攻撃性、中国のForesightSafety Bench、そして科学研究におけるAI能力を評価するLABBench2について取り上げる。

Ollama 0.17を使用すると、単一のコマンドでローカルハードウェア上にOpenClawの個人用AIアシスタントをデプロイでき、メール、カレンダー管理、メッセージアプリを介したタスク実行が可能になります。この記事では、インストール手順、モデル選択、セキュリティ上の注意点を詳しく説明します。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：In March 2025, we dropped a statement-bomb in the “Relevance Feedback in Information Retrieval” article and then went silent. We claimed that even though the information retrieval research field has proposed many useful mechanisms for increasing the relevance of search results, none of them made it to the neural search industry, simply because these approaches are not scalable. Certainly, there are methods widely used to improve the relevance of retrieved results: query rewriting, for example. Yet none of the vector search solutions out there have tried to use the possibilities that come with full access to the vector search index: traversing it in the direction of relevance, instead of guessing where to shoot the query to the vector space.

本稿は、理性的な人々は目標を持たず、理性的なAIも目標を持つべきではないと論じる。人間の行動が合理的なのは、最終的な「目標」に向けられているからではなく、行動を実践に合わせているからである。本稿は「幸福合理性」を提唱し、AIアラインメントにおいてAIエージェントの熟慮が人間の実践ベースの論理と「型シグネチャ」を共有する必要があると論じ、透明性、修正可能性などの安全性特性への影響を探る。

本記事では、チャットボットからエージェントへの移行について深く分析し、AIを選ぶ際に考慮すべきモデル、アプリ、ハーネスの3要素を紹介します。GPT、Claude、Geminiの最新モデルとそのアプリケーション、フレームワークを詳しく比較し、さまざまなニーズに応じた実用的なアドバイスを提供します。

OllamaはClaude Codeでサブエージェントとウェブ検索をサポートするようになりました。MCPサーバーやAPIキーは不要です。サブエージェントはファイル検索、コード探索、リサーチなどのタスクを並行して実行でき、コンテキストをクリーンに保ちます。ウェブ検索はAnthropic互換レイヤーに組み込まれています。

本稿は「通常技術としてのAI」フレームワークを法律サービスに適用し、高度なAIが消費者の望むリーガルアウトカムを低コストで実現するのを自動的には助けないと論じる。その理由は、規制障壁、対抗的ダイナミクス、人間の関与という3つのボトルネックにある。また、制度改革の可能性についても検討する。

ReplicateのMCPサーバーが公式MCPレジストリを通じて自動発見可能になりました。`/.well-known/mcp/server.json`エンドポイントでメタデータを公開します。VS Codeが最適な統合を提供し、その他のクライアントは手動設定が必要です。

OpenClawは、メッセージングアプリとローカルのAIコーディングエージェントを連携するパーソナルAIアシスタントで、すべてユーザーのデバイス上で動作しプライバシーを保護します。WhatsApp、Telegram、Slack、Discord、iMessageなどをサポートし、Ollamaを使用してモデルをローカル実行します。

人間にとって難しいことはAIにとって簡単であり、その逆もまた然りとするこの有名な格言は、実証的根拠に乏しく、進化的説明にも疑問がある。AIコミュニティで繰り返されるこのパラドックスは、超知能への警鐘やロボット工学への誤った安心感を生み出している。著者は、予測に頼るのではなく、確実に来る技術変化に適応することを提唱する。

ペンシルベニア大学の実験で、MBA学生がAIツールを使って4日間でゼロからスタートアップを創り上げ、AIがいかに起業プロセスを加速するかを示した。記事では、エージェント的作業の方程式と、効果的な委任（マネジメントスキル）がAIの成功率を高める方法について考察する。

推論時スケーリングは、デプロイされたLLMの回答品質を向上させる最も効果的な方法の1つです。本記事では、チェーン・オブ・ソート、自己一貫性、ベスト・オブ・Nランキング、検証器付きリジェクションサンプリング、自己改良、解経路探索など、様々な推論時スケーリング手法を明確に分類し、最近の論文を概説します。著者は、関連する書籍の章を執筆する際に行った個人的な実験も共有しています。

Ollama が新コマンド `ollama launch` を公開。Claude Code、OpenCode、Codex などのコーディングツールをローカルまたはクラウドモデルで実行でき、環境変数や設定ファイルは不要。

サンフランシスコに拠点を置くクラウドプラットフォームRailwayは、マーケティング費用をかけずに200万人の開発者を獲得し、1億ドルのシリーズBラウンドを発表した。ミリ秒未満のデプロイ、垂直統合データセンター、秒単位の課金により、AI時代の重要なインフラストラクチャスタートアップとして位置づけられている。