大規模言語モデル（LLM）はマルチターン対話で証拠に基づき信念を更新すべきだが、既存評価は単一ターンに焦点を当てている。本論文では、3つの漸進的に複雑なタスク（ベイズ推定、ベイズ予測、潜在フレームベイズ予測）からなるBayesBenchベンチマークを提案し、LLMの信念更新が合理的ベイズ推論とどの程度一致するかを評価する。7つのLLM（3B-70B）で実験した結果、スケーリングにより潜在推論と証拠蓄積は改善するが、下流予測への信頼できる転移は見られず、潜在構造の推論と合理的信念更新の間にギャップがあることが明らかになった。

この実験的研究は、自然言語クエリを用いたシミュレーションモデルのAI駆動型発見を調査します。データ表現、トランスフォーマーベースの埋め込みモデル、および検索戦略の影響を調べ、データ表現が重要であり、オープンソースの埋め込みモデルが高いパフォーマンスを達成できること、そしてクエリの複雑性が増すにつれて再ランキング手法が重要になることを示しています。この研究はAI駆動型モデル発見のベースラインを提供し、AI駆動型の構成可能性と相互運用性への進展について議論しています。

本論文は、エージェント型情報検索ワークフローにおけるプロンプトを反復的に最適化するフレームワーク「Contrastive Reflection」を提案する。検索や推論のトレースを分析し、エラーに基づく行動スライスを特定し、近傍の成功例と対比することで、教師LLMがターゲットを絞ったプロンプト編集を提案する。HotpotQAでは、Exact Match精度が51.4%から60.4%に向上し、失敗のみやランダム証拠のバリアントを上回り、MIPROv2（59.4%）やGEPA（57.0%）と同等の性能を示した。本フレームワークは、解釈可能性と検証駆動のプロンプト修復を重視する。

自然言語フィードバックが改善に本当に寄与するのか、教師と生徒の制御されたプロトコルを用いて検証。自己フィードバックは効果が薄く、外部の強い教師からのフィードバックが顕著な改善をもたらす。フィードバックを活用する生徒の能力が鍵である。

Context.dev は、ウェブからのデータスクレイピング、エンリッチ、抽出を一つのAPIで実現し、開発者のデータ収集を効率化します。

韓国科学技術院（KAIST）の研究チームは、動物の体の動きを言語モデルが単語を扱うように処理するAIモデル「BehaVERT」を開発し、自閉症マウスモデルの中核的な社会的欠陥を自律的に特定しました。このモデルはベンチマークで既存システムを上回り、解釈可能な推論を提供し、汎用的な行動分析ツールへの一歩を示しています。

AWSは、Bedrockを通じて最新のフロンティアモデルを安全に提供することに注力しており、Anthropicと協力してガードレールを改良し、悪用リスクと強力な能力のバランスを取っています。

Emily M. BenderとNanna Inieによる論説で、AIに関する擬人化言語の問題を指摘し、代替表現を提案しています。「人工知能」を「確率論的オートメーション」に置き換えるなど、技術の実際の機能を正確に伝える言語の重要性を説いています。

AnthropicがClaude Sonnet 5を公開。100万トークンのコンテキストウィンドウ、プロモーション価格設定、エージェント性能の向上を謳う。サードパーティのベンチマークではSonnet 4.6からの改善が見られるが、タスクあたりのコスト増加やFable 5の欠如に不満の声も。Fable/Mythos 5は政府との協力を経て再承認された。

米商務省はAnthropicのFableおよびMythos AIモデルに対する輸出規制を解除した。同社は国家安全保障リスクを理由に外国人のアクセスを停止するよう命じられていたが、3週間足らずで解除された。Anthropicは明日からアクセスを再開すると発表。

マイクロソフトによる米国のAI導入状況に関するレポート。

サンフランシスコ市監事会は、AIを活用して市条例の重複を整理する362ページの条例案の採決を延期した。複数の監事や書記官が内容の広範さと不明瞭さを懸念し、一部はAIツールを使って分析した。採決は7月14日に延期され、さらなる審査が行われる。

Agentic OS は、タスク、スケジュール、ファイル管理をシームレスに自動化するプロアクティブなAIアシスタントです。

著者はNVIDIA Jetson Orin Nano SuperとKokoro-82Mモデルを使用してローカルテキスト読み上げアプリStreamTTSを構築し、従来のリクエスト・レスポンスではなくデュラブルストリーム（S2）を採用することで、共有可能でリアルタイム更新可能な音声生成を実現し、遅い推論、公平なスケジューリング、重複排除に対処しました。

Sierraのエージェントエンジニアリング責任者Natalie Meurer氏が、フォワードデプロイドエンジニアリングの進化について語る。彼女はこの役割が特定のスキルではなく顧客への説明責任によって定義されると主張し、プロダクトエンジニアリングとの収束やエージェントエンジニアの台頭に言及する。

本記事では、船舶自動識別システム（AIS）の針路データを用いて、ウクライナ占領地域からリビアへの穀物密輸を追跡する新手法を紹介する。2026年2月、ばら積み貨物船グラマント号はクリミアのフェオドシヤ港で穀物を積み込み、2ヶ月の航海を経てリビアのベンガジ港に到着した。黒海でのGNSS妨害のため、従来のAIS位置データは信頼できないが、針路データはコンパスに基づいており影響を受けないため、位置確認に利用できる。グラマント号の針路データと衛星画像の分析により、フェオドシヤ港での停泊が確認された。この技術は不正な海上輸送の追跡に新たな手段を提供する。

米商務省はAnthropicのAIモデル「Fable 5」と「Mythos 5」に対する輸出規制を解除し、Fableのユーザーへの再提供を可能にした。Anthropicはセキュリティリスクの積極的な検出と対策、米政府とのプロトコル協力に合意。2週間以上前、いわゆる「ジェイルブレイク」問題で規制が課され、業界に緊張が走っていた。

トランプ政権との数週間の交渉を経て、AnthropicはClaude Fable 5をようやく復活させることができる。同社は明日からアクセスを再開すると発表した。

マルチトークン残差予測（MRP）は、拡散言語モデル向けの軽量モジュールで、隣接するデノイジングステップ間の残差を予測します。静的推論では最大1.56倍の無損失高速化、動的推論では最大+16ポイントの品質回復を実現します。

Hugging Face と Cerebras は、Gemma 4 を活用したリアルタイム音声AIシステムを発表。オープンなモジュラーアーキテクチャによりレイテンシを大幅に削減し、自然な対話を実現する。Nvidia の音声認識、Cerebras の高速推論、Alibaba の音声合成を統合し、9,000台以上の Reachy Mini ロボットに導入されている。

Together AIは、オープンソースAIへの移行を加速するため、8億ドルのシリーズC資金調達を完了した。同社は、クローズドモデルの経済性はスケールせず、フルスタック最適化と組み合わせたオープンモデルで6〜20倍のコスト削減が可能だと主張する。Together AIは、FlashAttention-4やTogether Megakernelなどの革新を立ち上げ、世界最大のAIトークンプロデューサーの1つとなった。

Anthropicは、米国商務省がClaude Fable 5とMythos 5の輸出規制を解除したと発表し、明日からアクセスを再開する。

RunInfraは、オープンモデルの推論を自動最適化するプラットフォームです。最適な推論エンジン、GPU、構成をベンチマークとチューニングで選定し、遅延・スループット・コストを大幅に改善したデプロイ可能なスタックを提供します。

AIEWFの満員のワークショップ2回を終えたAhmad Osman氏は、ローカルAI（ラップトップ、スマートフォンからエンタープライズ向けインフラまで）が急速に追い上げていると主張する。オープンソースモデルとクローズドなフロンティアモデルの差は縮まり、ローカルAIエコシステムはモデルだけでなく、ツールやインフラの完全な層に拡大している。

Anthropic の Claude Sonnet 5 は、Artificial Analysis Intelligence Index でスコア 53 を獲得し、GPT-5.5（高推論）と同等だが Opus 4.7 および 4.8 には及ばない。タスクあたりのコストは 2.29 ドルで、Opus 4.8 より約 15% 高く、これはトークン使用量の増加による。Sonnet 5 はエージェント知識作業タスクで Opus 4.8 と同等以上だが、推論重視のベンチマークでは後れを取る。100 万トークンのコンテキストウィンドウを維持し、「xhigh」努力レベルを追加。

本稿では、AIが高等教育に与える影響を、インターネット、ビッグデータ、MOOCなどの過去の技術的衝撃と比較して考察する。著者は、これらの衝撃が高等教育の核心に与えた影響は限定的であったが、AIの影響はより深く、広範で、体系的かつ急速であり、学習と教育の本質を変える可能性があると主張する。

Anthropicは、AIを活用した新しい創薬プログラムを開始しました。このプログラムは、AI技術を用いて医薬品研究を加速することを目的としています。

メディアはAIが数学者を置き換えると煽るが、AIは数学的証明の正しさを検証できず、人間が正しさの最終的な判断者であり続ける。

AIの能力は超指数関数的に加速しており、フロンティアモデルとオープンウェイトモデルの両方が急速に向上している。AIの使用方法はチャットボットからエージェントへと移行し、ユーザーの専門知識が職業よりも重要になっている。指数関数的な成長は不安定性を生み出し、当面安定することはないだろう。

著者は、ニュース、報告書、日常業務で目にする数字のほとんどが誤っているか誤解を招くと主張する。ニューヨーク・タイムズが世界の新型コロナ感染者数を1000倍も誤って報道した例、小麦の生産量と輸出量を混同した例、職場でのコスト超過や単位の混同の例を挙げ、数字に対してデフォルトで懐疑的になるべきだと説く。真の理解には努力と多角的な検証が必要だと強調する。