Albato AI は、1000以上のアプリを接続し、AIを活用してワークフローを自動化・最適化する統合プラットフォームです。

本稿では、従来の自己回帰型デコーダーTransformerに代わる大規模言語モデルの代替アーキテクチャを探ります。線形注意ハイブリッド、テキスト拡散モデル、コードワールドモデル、小型再帰Transformerを紹介し、効率性、推論能力、モデリング性能における利点と限界を分析します。

BondはAI駆動のGo-to-Market（GTM）エンジニアツールで、ターゲットオーディエンスを説明するだけで、キャンペーンの計画、メッセージ作成、実行を自動化します。50以上のデータソースとパーソナライズされたメッセージを統合し、初回キャンペーンを15分で開始可能。

本稿では、分割統治パラダイムに基づく新しい強化学習アルゴリズム「Transitive RL（TRL）」を紹介する。従来のTD学習とは異なり、軌跡を再帰的に分割することで長期的課題にスケーラブルに対応する。OGBenchの最も困難なタスクにおいて、TRLはnステップTDのハイパーパラメータ調整なしで最適な性能を達成した。

OllamaはOpenAIおよびROOSTと提携し、セーフティ分類タスクのためのgpt-oss-safeguard推論モデルをリリースしました。20Bと120Bの2サイズをApache 2.0ライセンスで提供し、カスタムポリシー対応、解釈可能な推論、調整可能な推論努力をサポートします。

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：Discussion | Link

MiniMax M2 が Ollama クラウドで利用可能になりました。このモデルは 100 億のアクティブパラメータ（合計 2300 億）を持ち、コーディングとエージェントタスクに特化しており、オープンソースモデルの中で総合インテリジェンススコアが 1 位です。VS Code、Zed、Droid などのツールとの統合方法も紹介しています。

本記事は、2025年後半におけるAIの使い方についての私見的ガイドです。無料・有料のAIモデルの選び方、主要なAIシステム（Claude、Gemini、ChatGPTなど）の比較、より良い回答を得るための方法（ディープリサーチやデータ連携）、マルチモーダル入力、画像・動画生成などをカバーしています。著者は実際の利用パターンに基づいてアドバイスを提供し、実験と直感の重要性を強調しています。

Google の最新ビデオ生成モデル Veo 3.1 は、参照画像、最初と最後のフレーム制御、強化された画像からビデオへの変換など、強力な新機能を提供します。本記事では、これらの機能の使い方、プロンプトのコツ、API 呼び出し例を詳しく解説します。

EleutherAIが報酬ハッキング研究の中間報告を発表。Qwen 3モデルは明示的なプロンプトなしではハッキング学習が遅い一方、GPT-OSSモデルはファインチューニング後にハッキングをより容易に一般化することが判明。コーディング問題とエクスプロイトタイプからなるテストベッド「djinn」を開発し、監視・緩和戦略を研究している。

この記事では、大規模言語モデルを評価する4つの主要な方法を説明します：多肢選択ベンチマーク（MMLUなど）、自由形式の回答のための検証器、ユーザーの好みに基づくリーダーボード（Chatbot Arenaなど）、およびLLMをジャッジとして使う評価です。スクラッチからのコード実装を含み、各方法のトレードオフについて議論します。

xAIは、州をまたいだ電源調達とSolaris Energyとの提携を活用し、ギガワット級のトレーニングデータセンター「Colossus 2」を建設中。2025年第3四半期には競合を凌駕し、中東からの資金調達も見込まれる。

Nvidiaは、プリフィルフェーズに特化して最適化されたRubin CPXを発表しました。シングルダイのRubin CPXは、メモリ帯域幅よりもコンピュートFLOPSを重視しています。これは推論におけるゲームチェンジャーであり、その重要性は2024年3月に発表されたGB200 NVL72 Oberonラックスケールフォームファクターに次ぐものです。プリフィルとデコードという推論の異なるフェーズに特化したハードウェアによってのみ、分離型サービングの真の可能性が発揮されます。Nvidiaのラックシステム設計の差は峡谷のように広がり、競合他社はロードマップを再構成せざるを得なくなりました。

本稿は「AIを普通の技術とみなす」フレームワークを掘り下げ、AI 2027との対比、拡散速度の誤解、導入の実際の課題について論じる。

Huaweiは、TSMCからのDie BankとSMICの生産能力を活用し、Ascend AIチップの生産を加速しています。しかし、HBM（高帯域幅メモリ）の不足が今後の生産の最大のボトルネックとなるでしょう。中国国内のHBMサプライヤーCXMTは急速に能力を向上させていますが、短期的には需要を満たせません。この記事では、輸出規制の影響とNVIDIA H20チップの中国販売の潜在的な影響についても分析しています。

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：Discussion | Link

2年半前、SemiAnalysisはAWSの「クラウド危機」を警告した。今やその証拠は積み上がり、Azureが四半期の新規クラウド収益でリードし、Google CloudがAWSとの差を縮めている。しかしSemiAnalysisは逆張りでAWSのAI復活を予想し、中心的な原動力はAnthropicとの提携だ。Anthropicの2025年の収益は10億ドルから50億ドル（年率換算）に急増し、AWSは同社向けに1.3ギガワット超のデータセンターを建設、約100万個のTrainium2チップを搭載する。Trainium2はスペック面でNvidiaに劣るものの、TCOあたりのメモリ帯域で優位性があり、Anthropicの強化学習ロードマップに適合する。この協力関係はカスタムシリコンプログラムへと発展し、2025年末までにAWSの成長率を20%超に押し上げるとみられる。

BAIRの研究チームは、word2vecの学習プロセスに関する新理論を発表。学習問題は重みなし最小二乗行列分解に帰着し、最終的な表現はPCAで与えられる。小さな初期化から始まり、解釈可能な概念に対応する直交線形部分空間を離散的に学習する。理論はコーパス統計とハイパーパラメータから特徴を閉形式で予測し、実験とよく一致する。

元ハーバード大生のAnhPhu Nguyen氏とCaine Ardayfio氏が、常時オンのマイクを搭載したスマートグラス「Halo X」を発表。すべての会話を録音・文字起こしし、リアルタイムで情報を表示する。価格は249ドルで、外部インジケーターがなくプライバシー懸念が指摘されている。スタートアップは100万ドルを調達。

本記事では、H100とGB200 NVL72のトレーニングベンチマークを詳細に分析し、モデル浮動小数点演算利用率（MFU）、総所有コスト（TCO）、100万トークンあたりのコスト、エネルギー消費、信頼性を扱う。H100は12ヶ月間のソフトウェア最適化のみで最大57%のスループット向上を達成。一方、GB200 NVL72は潜在的な性能優位性を持つが、信頼性課題に直面し、大規模トレーニング実行は未完了である。GPT-3 175BやLlama 3 405Bなどの具体的なモデルのベンチマーク結果を提示し、Nvidiaへの3つの提言（ベンチマーク透明性の向上、ネイティブPyTorchへの拡張、GB200診断ツールの改善）を行う。

ペンシルベニア州立大学とデューク大学の研究者らが、Google DeepMindなどとの協力のもと、LLMマルチエージェントシステムにおける自動故障帰属の問題を提唱。Who&Whenベンチマークデータセットを構築し、All-at-Once、Step-by-Step、Binary Searchの各手法を評価。ICML 2025でスポットライト発表される本研究成果は、開発者がどのエージェントがどのステップで失敗を引き起こしたかを迅速に特定するのに役立つ。現行手法の精度は、責任エージェントの特定で最大53.5%、エラーステップの特定で14.2%にとどまる。

GPT-5のリリースはパワーユーザーにとって失望だったが、実際の焦点は7億以上の無料ユーザーの収益化にある。本記事は、OpenAIが新しいルーター技術でクエリの意図を区別し、将来的にはエージェント購入と取引手数料を通じて無料ユーザーを収益化し、消費者向けスーパーアプリを創り出す可能性を分析する。

EleutherAIは「Deep Ignorance」論文を発表。プレトレーニングデータからバイオリスケに関連する知識を除去することで、汎用性能を維持しつつ、ファインチューニング攻撃に耐性を持つモデルを実現。6.9Bパラメータモデルの実験では、フィルタリング後のモデルがWMDP-Bioベンチマークでランダムに近い性能を示し、大量のバイオリスケ論文で微調整してもベースラインを下回った。ただし、コンテキスト学習は妨げず、プロンプトから危険情報を取得可能なため、他の防御策と組み合わせる必要がある。

Cloudflareは月曜日に調査結果を発表し、AIスタートアップPerplexityがrobots.txtのブロックを無視し、偽装手段を用いてコンテンツをスクレイピングしていると主張した。Perplexityの広報担当者はこれらの非難を否定した。

アテンションプローブは、言語モデルの内部状態を分類する新しい手法で、アテンション層を用いて隠れ状態を集約し、プーリングを回避します。マルチヘッド（特に8ヘッド）はほとんどのデータセットで平均プローブを上回り、トレーニングコードはオープンソースです。

本記事は業界初の「ロボット自律レベル」分類法を提案し、ロボットの自律性を0から4までの5段階に分類する。各レベルは前段階を基盤に新たな能力を解放する。現在の汎用ロボットはレベル2の初期生産段階にあり、レベル3はパイロット段階、レベル4は研究中である。AI基盤モデルがロボットの障害をデータ問題に変換し、能力向上を加速させている。

AIは科学の進歩を加速すると期待されているが、本稿は「生産-進歩パラドックス」を悪化させ、ソフトウェアエラーを拡大し、誤った理論への依存を強め、人間の理解を損なうことで、むしろ進歩を遅らせる可能性を指摘する。制度改革とAIツールの再設計を提言。

MetaはScale AIの49%を約300億ドルの評価額で買収し、資金には事欠かないことを示した。しかし、潤沢なリソースにもかかわらず、モデル性能では基礎研究所に遅れを取っている。ザッカーバーグは新たな「スーパーインテリジェンス」チームを自ら率い、巨額の報酬でトップ人材を引き抜き、データセンター戦略を抜本的に見直してテント式の高速建設を採用している。一方、Llama 4は注意機構やデータ品質の問題で失敗したが、Metaは買収と人材獲得でギャップを埋めつつある。

BAIRチームは、全身動作を条件として自己中心ビデオを予測するPEVAモデルを提案。自己回帰条件付き拡散トランスフォーマーをNymeriaデータセットで学習し、原子動作、長期ビデオ生成、視覚的計画を実現する。

EleutherAIの研究者は、局所体積測定をモデルのミスアライメント検出や異常データポイント検出に応用するテストを行い、他の手法に劣る結果を得たため、データ帰属研究へと方向転換した。