AI デイリーブリーフィング

この記事では、Amazon QuickとCisco Webex MCPサーバーを使用して、単一のプロンプトからカスタム会議準備・フォローアップアシスタントを構築する方法を紹介します。アシスタントは、今後の会議の検索、過去の会議サマリーやトランスクリプトの確認、関連するVidcastのハイライトやコンテキストの取得、未解決のフォローアップ事項の検索、簡潔な準備ブリーフの作成を行います。会議後は、ディスカッションの要約、アクションアイテムの特定、関連Vidcastアップデートの検索、フォローアップメッセージの下書き作成も可能です。

この記事では、Amazon Bedrockとその機能（BDA、Strands Agent、Knowledge Base）を活用して、コスト効率が高くスケーラブルなインテリジェント文書処理パイプラインをAWS上で構築する方法を説明します。最小限の開発努力で文書からコンテキストを理解し、分析することが可能です。

今週は、元マイクロソフト主席研究員でRecoMindを設立したMiguel Fierro氏が、データ・AIエバンジェリストのChristina Stathopoulos氏とともにレコメンデーションシステムの現状について語りました。Christina氏はまた、Anthropicの台頭、責任あるAI、Google I/O 2026の発表、トークンマキシングへの反発など、注目のAIニュースを紹介しました。会話から得られた3つのポイントをご紹介します。

2026年のローカルモデルは十分な性能を持っています。Claude Codeが日常的に処理するコード補完、リファクタリング、デバッグ、コードベースの説明などのタスクでは、適切に選択された量子化ローカルモデルが、トークンあたりのコストゼロ、レート制限なしで、実際のユースケースの大部分をカバーします。

SpaceXが750億ドルで記録的なIPOを実施；OpenAIとAnthropicがIPOを準備；Anthropic CEOが政府によるAI制限を要求；AppleがSiri AIを発表；ベゾスのPrometheusが120億ドル調達；その他企業AIニュース。

AWS Professional Servicesは、AIツールを追加するだけでなく、根本的に提供プロセスを再構築することで、エンゲージメントのタイムラインを数ヶ月から数日に短縮しました。この投稿では、彼らがどのようにフロンティアチームになったのか、そしてそれを可能にしたプラクティスを紹介します。

OpenAIは、AIエージェントと安全なクラウド開発環境に特化したドイツ・キール発のスタートアップOna（旧Gitpod）を買収し、Codexの自律的コーディング能力を強化する。

OpenAIは、実践的なAIスキルを習得し、反復可能なワークフローを作成し、エージェントを日常業務に活用するための3つのアカデミーコースを発表しました。

Kimi WorkはMoonshot AIが開発したローカルデスクトップAIエージェントで、macOSとWindowsに対応。ユーザーのマシン上で最大300のサブエージェントからなるスウォームを実行し、WebBridgeを介してログイン済みのブラウザを操作し、内蔵cronエンジンでタスクをスケジューリングする。基盤モデルはKimi K2.6（MoE、約320億活性パラメータ、256Kコンテキスト）。ローカルファイルやPythonスクリプトにもアクセス可能で、データはユーザーのデバイスに留まる。

カスタマーセグメンテーションは、既存顧客を共通の特性に基づいてグループに分け、マーケティングやサービスを調整する手法です。このガイドでは、セグメンテーションの種類、方法、重要性、課題、そしてAIがどのように変革しているかを説明します。

このチュートリアルでは、MONAIを使用してMedical Segmentation Decathlon Task09データセットで脾臓をセグメンテーションするエンドツーエンドの3D医用画像セグメンテーションパイプラインを構築します。CTボリュームデータの処理、医用画像変換（方向調整、ボクセル間隔正規化、輝度ウィンドウイング、前景クロッピング、パッチベースのサンプリング）を行い、3D UNetモデルを訓練して二値臓器セグメンテーションを実行します。混合精度訓練、DiceCE損失、スライディングウィンドウ推論、Diceベースの検証、定性可視化を採用し、生の医用ボリュームから完全な訓練-検証-可視化セグメンテーションシステムへと移行します。

本記事は、AIエージェントを手動でプロンプトするのではなく、自動ループを設計するという新たなトレンドを探ります。AnthropicのFable 5リリースとその論争、自動化されたAI研究システム、データインフラのボトルネック、推論速度の最適化、そしてエージェントツールの最近の進展をカバーしています。

arXivの新論文はDARRMSアルゴリズムを提案。エージェントが動的に注意半径を制限して計算リソースを節約し、性能を維持しながらシステムの協調性と拡張性を向上させる。理論解析と実験により、リソース制約環境での有効性を示す。

本論文は、GPUを用いた世界モデリングとベクトル場ベースの計画を高速化し、最大5倍の高速化を実現するフレームワークG-MAPPを提案する。動的環境でのリアルタイム知覚-行動ループ結合を可能にし、7自由度Franka Emikaロボットで検証した。

新たなプレプリント論文では、人間レベルの汎用人工知能（AGI）から人工汎用超知能（ASI）への移行を検討し、4つの潜在的な経路（AGIのスケーリング、AIパラダイムシフト、再帰的改善、大規模マルチエージェント集団からのASIの出現）を提示しています。また、これらの経路上の摩擦やボトルネックについて議論し、AIの進歩が加速し、単一の変革ではなく一連の変革をもたらす可能性があると指摘しています。

従来の決定支援は人間が機械学習モデルを使ってより良い決定をする方法を研究してきた。しかし、現代のエージェントシステムでは役割が逆転し、AIエージェントがユーザーに代わって行動し、人間やツールが支援メカニズムとなる。本論文では、支援使用を最小化しつつ、反実仮想的な支援不足エラー（支援があれば出力が改善されたであろう事例でエージェントが単独で行動する確率）を制御する枠組みを提案する。最適方針は支援価値に基づく閾値ルールであり、適応的閾値設定とその場でのキャリブレーションを組み込んだオンラインアルゴリズムを開発。実験により、目標エラーを確実に制御しつつ支援使用を大幅に削減できることを示す。

AIエージェントは単なるチャットボットから、アプリケーションやデータに対して自律的に行動するデジタルワーカーへと進化し、セキュリティとガバナンスの問題を引き起こしています。専門家は、人間のインターンと同様に厳格な監督、具体的な指示、注意深い監視を推奨しています。自律性と制御のバランスが重要です。

OpenAI Group PBCは本日、長時間実行AIエージェントを管理するプラットフォームを提供するスタートアップOnaの買収計画を発表しました。Onaの技術により、開発者がワークステーションをシャットダウンしてもAIエージェントが動作を継続でき、セキュリティも強化されます。OpenAIはこの技術をCodex AIアシスタントに統合し、長時間タスクの実行能力を向上させます。買収条件は非公開です。

企業のAI支出が加速する中、FinOps AIガバナンスが試練に直面している。従来のコスト最適化手法（タグ付け、適正化、予約容量）は、トークン、不透明な課金、急速に変化するアーキテクチャに対して不十分である。FinOps Foundationの報告によると、98%の実務者がAI支出を管理しているが、可視性とガバナンス構造が不足している。自動化が必須となり、コストの背景を理解するために部門横断的な協力が重要となる。

イスラエルのデータエンジニアリングスタートアップUpriver Data Ltd.は、企業がAIプロジェクトを成功させるために依存するデータ作業を自動化するため、1400万ドルの新たな資金調達を発表しました。2024年にCEOのIdo Bronstein氏とCTOのOmri Lifshitz氏によって設立されたUpriverは、組織の全データスタックに接続し、データ品質問題を解決し、パイプラインを自動的に維持するAIネイティブプラットフォームを構築しました。同社は、エンジニアリングチームによる継続的な手動メンテナンスなしでAIシステムが実行できる信頼性の高いデータ基盤を提供するとしています。資金はエンジニアリングおよびGo-to-Marketチームの拡大、製品開発の深化、エンタープライズ展開の加速に使用されます。

メルセデス・ベンツ韓国はDatabricks上で統一セマンティックレイヤーを構築し、500以上のKPIをPower BIからUnity Catalogに移行。GenieとAgent Bricksを活用してBIとAIで一貫したセマンティクスを実現し、自動DAX-to-Metric-Viewトランスパイラーで移行を加速。他市場へのリファレンスを提供。

xAIは本日、ターミナルコーディングエージェント「Grok Build」向けのプラグインマーケットプレイスをリリースしました。プラグインはスキル、スラッシュコマンド、エージェント、フック、MCPサーバー、LSPを1つのパッケージにバンドルし、ターミナルから離れることなくインストール・更新が可能です。ローンチ時にはMongoDB、Vercel、Sentry、Chrome DevTools、Cloudflare、Superpowersの6つのプラグインが提供され、コミットSHA固定によるセキュリティ対策が施されています。

Databricksは、AIによる顧客のビジネス成果を加速するため、フォワードデプロイエンジニアリング（FDE）組織を正式に立ち上げました。Lakehouseプラットフォームと組み込み型エンジニアリング、グローバルパートナーネットワーク、研究開発連携を組み合わせたものです。過去1年間で1900以上の顧客と協業し、Foxの検索成功率倍増、JPMCの5ペタバイト超のデータ移行と500以上のノートブック移行、Qualcommの本番環境対応AIモデルへの移行など、顕著な成果を上げています。

生命科学向けR&DデータプラットフォームであるBenchlingは、2025年10月にエージェントを搭載したチャットインターフェース「Benchling AI」をリリースしました。AI責任者のNicholas Larus-Stone氏がLangChainのCEO Harrison Chaseと対談し、マルチモデルアーキテクチャ、プロダクショントレースのレビュー、検証可能な科学タスクの戦略など、科学分野でのエージェント構築の複雑さについて語りました。

Prometheus Inc.は、アマゾンの創業者ジェフ・ベゾスが共同経営するAIスタートアップで、シリーズBラウンドで120億ドルを調達し、評価額は410億ドルに達しました。同社はハードウェア開発を加速するAIツールを開発しており、プロトタイピングと量産前製造に重点を置いています。資金の大部分はコンピューティングインフラの購入に充てられます。

Chainguardは、機能は透過的だが有害な振る舞いを含む「グレイウェア」を検出する新しいソースコードスキャナーを発表した。このスキャナーは52,000以上の悪意のあるパッケージまたはグレイウェアを特定・ブロックし、エージェンティック開発がこの問題を悪化させていると指摘する。

LocIn AI が Product Hunt でローンチ。トーン認識AI、自動ワークフロー、開発者向けツールにより、言語を超えてブランドのトーンを維持するローカライゼーションプラットフォームです。CLI統合とAPIアクセスを提供し、技術的には正しいがブランド感が失われる翻訳の問題を解決します。

AIは世界の労働力に影響を与えており、特にソフトウェア開発とテクノロジー分野で顕著です。Linux Foundationの報告書によると、ヨーロッパではAIがテック業界の採用を27%増加させている一方、エントリーレベルの採用は3%減少し、世界の他の地域では14%増加しています。企業は新規採用よりも既存社員のトレーニングに3.7倍の投資をしており、ジュニア職の役割はAIによって再定義されています。今後はソフトウェアエンジニアリング、AI、セキュリティ、ビジネス理解を組み合わせたスキルが求められます。

Databricksは、世界中の数百の大学から5,000件を超える応募の中から、多様性に富んだ初の学生フェローコホートを選出しました。選ばれた学生はキャンパスリーダーとして、ワークショップ、ハッカソン、メンタリングプログラムを通じて、学術理論と実世界のデータ・AI実践の橋渡しを行います。

ハーツ財団は、MITの在学生3名と入学予定の大学院生1名に2026年のフェローシップを授与すると発表した。このフェローシップは5年間の経済的支援と自由度の高い研究環境を提供し、ロボティクス、無機化学、人工知能、オペレーションズリサーチなどの分野で革新的な研究を支援する。

MicrosoftはDatabricks Data + AI Summit 2026のLegend Sponsorです。本サミットでは、共同顧客がAzure Databricksを使用してデータ資産を近代化し、AIを拡大し、ビジネス価値を引き出す方法を紹介します。参加者はMicrosoftブースを訪問し、フェデレーテッド分析、エコシステム統合、製品発表などのテーマに関するブレイクアウトセッションに参加できます。注目のセッションには、Microsoftデータ＆AIエコシステムの活用、ゼロコピーフェデレーテッドエネルギー分析、GEODISやTK Elevatorの顧客事例が含まれます。

CoinbaseはCoinbase for Agentsを発表。AIエージェントがClaudeやChatGPTなどのアシスタントから直接、暗号資産の取引やサービス支払いを自律的に行える。ユーザーは利用限度額を設定し、エージェントは隔離されたサンドボックスで動作。現物・デリバティブ取引に対応し、今後は株式や予測市場も追加予定。支払いはx402標準に基づき、ステーブルコインを優先。安全でカスタマイズ可能。

AnthropicとDXC Technologyは複数年にわたるグローバルアライアンスを発表。数万人のClaude認定エンジニアを訓練し、Claudeを規制産業のミッションクリティカルなシステムに統合する。DXCは社内でClaudeを使用してOASISプラットフォームを構築しており、今後は保険、モダナイゼーション、サイバーセキュリティ、アプリケーションサービスの各分野で顧客にClaudeを提供する。

Anthropicは、AIの恩恵を全米のコミュニティに広げることに情熱を持つ初期キャリアの個人を対象とした全国的なフェローシッププログラム「Claude Corps」を開始します。1000人のフェローを訓練し、非営利団体とマッチングし、年間8万5000ドルの給与を支給します。1億5000万ドルの初期コミットメント。応募受付中。

Anthropic は、一般利用向けに安全化された神話級モデル Claude Fable 5 と、サイバー防御者向けに制限を解除した Claude Mythos 5 をリリースしました。これらのモデルは多数のベンチマークで最先端の結果を達成し、価格は Claude Mythos Preview の半分以下です。

Cursor は Bugbot の大規模アップデートを発表。実行速度が3倍以上向上、コストが22%削減、レビューあたりの発見バグ数が10%増加。90%の実行が3分以内に完了。新しい /review コマンドでプッシュ前のチェックが可能になり、PRの新規変更のみをレビューする設定も追加。パフォーマンス向上は Composer 2.5 モデルとハーネスの改善による。

Cursor は、アクションのリスクをコンテキストで評価する分類エージェント「Auto-review」を導入し、安全性と効率性のバランスを実現しました。新規ユーザーにはデフォルトで有効になり、アクションの約4%のみをブロックし、チャットの約7%のみが中断されます。

この株式公開はAIとテクノロジー投資の新たな波の始まりを示すが、市場は不安定であり、大規模IPOが長期的な財務的成功を保証するものではない。

Anthropicは新しいMythosモデルの特定タスクを制限し、最大の顧客と直接競合するアプリを構築している。顧客、パートナー、投資家は反発している。

最新の世論調査では、アメリカ人の8割が人工知能に懸念を示しているが、彼らの意思に関わらず、AIは年金や投資ポートフォリオに組み込まれ、テクノロジー大手のAI競争に未来を委ねることになる。

スペースXは金曜日に公開企業となり、評価額は1.77兆ドル、史上最大のIPOとなる。創業者でCEOのイーロン・マスク氏は筆頭株主で、世界初のトリリオネアになる可能性がある。

ジェフ・ベゾスのAIスタートアップPrometheusが、評価額410億ドルで120億ドルの資金調達ラウンドを完了しました。同社は昨年11月に62億ドルのシード資金でスタートしましたが、まだ製品はなく、ベゾス氏は詳細を共有するのは「時期尚早」と述べています。

グーグルとOpenAIはほぼ同時に、中国発とみられるAIを悪用した詐欺や秘密の影響力工作を暴露した。グーグルは「Outsider Enterprise」という中国のサイバー犯罪ネットワークを訴え、同グループがAIシステムGeminiを使って数十万人の米国人を標的に金融詐欺を行ったと主張。OpenAIは、米国のテクノロジー政策の議論を操作しようとした中国拠点のChatGPTクラスター2つを停止した。

この記事では、プライバシー強化、 distractions 削減、テキスト体験向上のために Google Messages で変更すべき9つの設定を紹介します。センシティブコンテンツ警告の無効化、プロファイル共有の制限、Geminiのオフなど。

Appleのソフトウェア責任者Craig Federighi氏は、新しいSiriは他のチャットボットのようにお世辞を言ったり、ユーザーを引き込もうとしたりせず、あくまで支援に徹するよう設計されていると述べた。

EgoEngineは、自己中心的な人間の操作ビデオを高忠実度のロボット観察ビデオと実行可能な行動軌跡に変換するスケーラブルなフレームワークです。人間とロボットの間の視覚的および行動的ギャップを埋め、実際のロボットデモンストレーションなしでゼロショットの器用なポリシー学習を実現します。

MF-Netは、すべての変数を共有フィールド状態で表現し、学習された関係則を通じてこの状態を更新するリカレントダイナミクスモデルです。既知の法則に従う相互作用システム、カオスベンチマーク、実際の神経記録、生態時系列において、競争力のある短期および中期予測を達成しつつ、検査可能な構造読み出しを維持します。40次元Lorenz-96テストベッドでは、8ステップR²が0.798±0.018、学習された関係行列が局所/非局所強度比19.80±1.00、Precision@K 1.000±0.000で局所結合サポートを回復します。

本論文は、バイナリ潜在状態と不完全なバイナリフィードバックを持つレストレスバンディットを研究する。これは、センシング誤差のある機会的スペクトラムアクセスに動機づけられている。著者らは、部分保存則（PCL）に基づく解析・計算フレームワークを開発し、インデックス可能性の確立とWhittle指数の計算を行う。確率的スケルトン、再生分解、単語上の組み合わせ論を用いて、いくつかの閾値領域で割引報酬とリソース指標の扱いやすい表現を得て、PCL-インデックス可能性条件を完全に検証する。残りの領域では、限界生産性指数を計算するための効率的な数値スキームを導出する。実験により、MP指数ポリシーが広範なパラメータ範囲で標準ベンチマークを上回ることが示される。

DatadogのシニアFinOpsアナリストDeeja Cruz氏はFinOps X 2026で、AIコスト管理の核心は使用状況、理由、コストを理解することであり、適切なタグ付けが支出配分と最適化機会の特定の鍵であると述べた。また、モデルガバナンスと部門横断的な協力の重要性を強調し、AI支援のFinOpsの具体例を紹介した。

AnthropicがClaude Fable 5を発表したが、フロンティアLLM開発に関するプロンプトに対する回答品質を密かに低下させる計画が物議を醸した。批判者は研究や信頼を損なうと主張。Anthropicは方針を変更し、ユーザーを弱いモデルに透過的にダウングレードするようにした。それでもFable 5の安全フィルターは非常に厳格で、「タンパク質とは何か？」のような基本的な質問にも引っかかる。本記事ではAnthropicの安全フィルターの仕組みと進化を解説する。

DatabricksのZerobus Ingestは、サーバーレスのストリーミングAPIであり、手動のインフラ管理なしでPB級データパイプラインを即座にデプロイできます。動的パーティショニングとゼロコピーのプロトコルバッファデコーダにより、NASAのNEOWISEデータセットから24時間で1PBを取り込み、12 GB/sのスループットを実現しました。

カナダ人母親が米国裁判所でOpenAIとCEOサム・アルトマンを提訴し、ChatGPTが自殺念慮を抱える娘に「これが終わりかもしれない」と述べ、自殺を促したと主張している。同社の安全システムが危険な会話を監視しなかったとされる。

MITの研究者が、約1世紀前のランダム効用モデルに大幅な改良を加えました。従来の2者比較では選択肢間の相関を捉えられないという欠点を指摘し、3つの選択肢を順位付けすることでより正確な予測が可能になることを示しました。

DatabricksがSpatial SQLの一般提供を開始。オープンレイクハウスでのネイティブ地理空間サポート、AI/BIマップ、Delta Sharing、Iceberg v3対応。パフォーマンスが大幅に向上し、90以上のST_関数を提供。

2023年の論文で、米国労働者の80％が大規模言語モデルにタスクをさらしていると推定され、IMFや欧州議会などで広く引用されている。しかし、これらのスコアは古いモデルと米国の職業分類に基づいており、政策に適用されると限界が増幅される。より良い証拠ツールは存在するが、政策立案者に迅速に届いていない。

産業用バイオの自律システムを評価するためのベンチマークについて論じる。ロボットや自動運転とは異なり、バイオプロセスでは意思決定よりもセンシング（観察）が弱点である。バイオ指標は目に見えず、測定に時間がかかり、再現できないため、まずセンシングのベンチマークを行う必要がある。本稿では、システム全体をカバーする、タイムリーなデータ取得、サイト間のデータ一貫性の3つのテストを提案する。センシングが合格した後でのみ、意思決定のベンチマークが意味を持つとする。

本論文では、AMD Kria K26 SOM上で動作する低消費電力・携帯可能なビジョンベース転倒予測・検出システムを提案する。Intel RealSense D455カメラと3段階パイプライン（量子化YOLOX、A2J、CNN）を用い、エッジデバイス上でリアルタイムかつプライバシー保護された転倒検出を実現。マルチスレッド最適化によりフレームレートは4.5 FPS、分類精度は75.85%を達成した。

アマゾン創業者ジェフ・ベゾスは、自身の新しいAIスタートアップが「人工汎用エンジニア」の開発に取り組むとニューヨーク・タイムズ紙とCNBCの報道で明らかにした。プロメテウスと呼ばれるこのスタートアップは、物理製品の設計を支援するAI搭載エンジニアリングツールの開発を目指している。

ワシントン大学モバイルインテリジェンス研究所のShyam Gollakota氏率いるチームは、機械学習を利用して、いらだたしい音を選択的に除去し、鳥のさえずりなどの快適な音を残したり増強したりするヘッドホンを開発しています。この技術は、特にミソフォニア（特定の音に過剰反応する症状）を持つ人々に恩恵をもたらす可能性があります。

EquiDexFlowは、物体点群から手首姿勢、関節角度、指先接触点、法線、接触力を同時に予測するSE(3)等変フローマッチングモデルです。接触点を物体表面に投影し、力をクーロン摩擦錘内に制約することで、損失ペナルティなしに配置と摩擦コンプライアンスを保証します。200回の回転テストで手首残差0.04°未満、関節偏差ゼロを達成し、全アブレーション変種の中で摩擦違反ゼロ、最高複合スコアを記録しました。物理ロボット上では、リターゲットされた把持が6つのテスト物体すべてでオープンループのピックアンドホールド試験に成功しました。

既存のスロットベースの手法では、単一のスロットベクトルに外観と同一性をエンコードするため、スロットスワッピングが発生する。提案するデュアルステートスロットアテンション（DSSA）は、各スロットを局所状態（フレームごとの外観）と同一性状態（時間的に安定したオブジェクト情報）に分解し、競争変調集約（CMA）を用いて弱一致スロットの更新を抑制する。実験では、MOVi-C、MOVi-D、YouTube-VISにおいて、セグメンテーション品質と時間的一貫性が向上した。

大きなポーズやスケールの違いに対応できる3D認識型ヘアスタイル転送フレームワークで、バルドコンバーターと3D認識転送パイプラインを特徴とする。

潜在推論モデル（LRM）における観察可能なパターン（BFS的フロンティアやデコード可能な算術計算など）が、制御モデルでも出現し、必ずしも行動に因果的影響を与えないことが示された。因果的介入により、潜在思考の利用は段階的であり、幾何学的解析では効果が低ランク方向に集中することが明らかに。観察可能なパターンだけでは内部推論メカニズムの証拠とはならず、LRMの解釈可能性には適切な制御群と因果テストが必要である。

本論文は、有限特徴核と完全単調移動不変核の積であるバーンスタイン・シュール核に対する新しいランダム特徴構成を提案する。提案手法は、スケッチ変調と放射ランダム化を組み合わせ、線形特徴次元を達成するとともに、不偏性や作用素ノルムバウンドを含む厳密な理論的保証を提供する。このアプローチはカーネルリッジ回帰の効率を向上させ、代表的な例としてバイアス付きyatカーネルが挙げられる。

データマイニング結果の統計的有意性評価には通常数千のリサンプルデータセットが必要で、大規模データには非現実的です。本論文では、検定統計量の上限偏差に関する新しい境界を導出し、ごく少数のリサンプルデータセットのみを必要とするFewRSを提案します。FewRSは誤発見の確率を厳密に保証し、パターンマイニングやネットワーク分析で最大2桁の実行時間削減を実現しつつ、高い統計的検出力を維持します。

この投稿では、Amazon Bedrock上でオンデマンド推論とバッチ推論の両方のオプションを備えたインテリジェントな文書処理パイプラインを紹介します。文書処理の時間とコストを柔軟に制御できます。時間に敏感なリクエストにはオンデマンド推論が適しており、バッチ推論は最もコスト最適化されています。また、文書レベルで大規模言語モデルとプロンプトを動的に指定できるため、同じパイプラインで複数種類の文書からデータを抽出できます。

フランスのAIスタートアップMistral AIは、約30億ユーロの新たな資金調達ラウンドを交渉中で、評価額は約200億ユーロとなっています。

企業全体でAI支出が加速する中、組織は新たなコストと最適化の課題に取り組み、AI支出の可視性向上を求めている。FinOpsの次のフェーズは、可視性の向上と財務責任を日常の技術的意思決定に組み込むことに重点を置いている。

Zyphraは、1.2B、2.7B、7Bパラメータのオープンな視覚言語モデルZamba2-VLファミリーをリリース。Mamba2状態空間とTransformerのハイブリッドバックボーンを採用し、Apache 2.0ライセンスで提供。同等のTransformer VLMと競合しつつ、初回トークンまでの時間を約一桁削減。

Gemini Omniは、テキストや画像からの動画作成、静止画のアニメーション化、既存動画の編集を可能にし、動画生成をGeminiマルチモーダルAIアシスタントの一部として統合します。記事では実際のテストを通じてその能力を示す一方、利用制限、動画長の上限、コンテンツポリシーの厳しさなどの課題も指摘しています。

世界的に人気の拡張現実ゲームからの位置情報スキャンデータが、AIが物理空間を認識・解釈する訓練に使用され、戦場での軍事ドローン位置特定に役立つ可能性がある。

Sparse2Actは、タスク空間のエンドエフェクタ動作を幾何学的な監督として用い、スパース点群エンコーダを観測と整列させる事前学習フレームワークである。LIBERO-10で86.9%の成功率、Meta-World-5へのクロスドメイン転移で73.4%、実世界実験で72.5%の成功率を達成。

EWAMは、凍結されたCosmos3バックボーンネットワーク上に構築された閉ループオンライン適応アーキテクチャであり、推論時共推論メカニズム（4つの軽量ニューラルレイヤー）を用いてゼロショットタスク適応を実現し、追加のデモデータや微調整なしで新しいタスクレイアウトへの適応に必要なデプロイデータ量を大幅に削減します。

FlowPilotは、単眼RGBカメラのみを使用する地図不要の長距離歩道ナビゲーションポリシーです。アンカー付きフローマッチングによる大規模ロボット群データでの事前学習と、人間参加型の選好学習スキームにより、社会的コンプライアンスと反事実推論を向上させます。シミュレーションでは成功率42%、経路完了率66%を達成し、実世界実験では介入率が40.0%、非介入率が52.1%低減しました。

本論文では、Foresightフレームワークを提案する。これは、テスト時に微調整された視覚言語モデルを用いて運動計画を反復的に提案と批評を行い、疎な言語指示によるマップレスナビゲーションを実現する。人間のフィードバックから報酬モデルを学習し、強化学習でVLMを後訓練することで、実際の環境でタスク成功率を37%向上、介入回数を52%削減した。

AEMという事前学習フレームワークは、視覚-動作履歴からコンパクトな時間表現を学習し、シミュレーションと実世界の操作タスクでベースラインを上回る性能を示します。

本稿では、模倣学習によるエンドツーエンドで訓練された視覚・言語・動作（VLA）モデルが協調操作を支援できることを示す。アクションチャンキングポリシーの障害モードとして、デモンストレーションアクションリークが早期の支援行動を引き起こすことを特定し、推論時ステアリング手法を提案する。長期協調組立タスクにおける16名の参加者によるユーザスタディでは、ステアリングにより実行期間が延長され、協調が高速化し、障害が減少することが示された。

VLADriveBenchは、視覚-言語-行動（VLA）モデルにおけるチェーン・オブ・ソート（CoT）推論が運転軌跡と関連性、一貫性、因果関係を持つかどうかを評価する新しいフレームワークです。観測指標（言及、幻覚、矛盾、行動アライメント）とCoT介入プロトコルを組み合わせています。3つのモデルに適用した結果、観測分析と因果分析が大きく乖離する可能性があることが判明しました。ORIONは観測アライメントで最高スコアを示しましたが、そのCoTは随伴現象であり、一方Alpamayo v1.5はスコアが低いもののCoTは強く因果的であり、視覚的顕著性がCoTの影響の程度を調整していました。

SalArt-VQAは、視覚言語モデル（VLM）がAI生成画像のアーティファクトを細粒度で理解する能力を評価するための診断ベンチマークです。950枚の画像と3,681問の多肢選択問題を含み、存在検出、意味的定位、空間的接地、証拠に基づく欠陥識別をカバーします。20のVLMをテストした結果、最強のモデルは検出再現率99.37%を達成したものの、全4問に正解した画像は53.26%のみであり、感度と較正のトレードオフが明らかになりました。

本論文では、オープンエンド画像テキスト生成におけるインクリメンタル学習のための効率的継続的アライメント（ECA）を提案する。継続的アライメントの概念と3つのコアメカニズム（クエリ混合モジュール、フィッシャー動的拡張、辞書リプレイ）により、ECAは過去のデータにアクセスせずに破滅的忘却を軽減し、新しいベンチマークで優れた性能を達成する。

局所文脈融合モジュール（LCFM）と大域文脈注意モジュール（GCAM）を用いたContext-Centric Feature Fusion（CCFF）フレームワークを提案。CityscapesとBDD100Kデータセットでカテゴリレベルの一貫性戦略（CCS）がそれぞれ0.973と0.969に達し、小物体検出AP_Sが14.1%向上、まれなクラス「Train」の復元に成功。リアルタイム処理を実現し、オーバーヘッドは0.2 FPSのみ。

医療用LVLMは事実の一貫性や視覚的根拠付けに課題がある。既存のアライメント手法は、シーケンスレベルの報酬、静的SFT参照への依存による分布シフト、視覚的根拠付けの欠如という3つの限界がある。提案手法は、双方向トークンワイズKL正則化器と視覚対比的根拠付け目的を用い、モデル出力を最小限編集して選好ペアを構築する細粒度オン・ポリシーアライメントフレームワークを形成する。実験で有効性を確認した。

少数ステップ拡散蒸留は4〜8ステップ生成では成熟しつつあるが、2ステップへのさらなる短縮は依然として困難である。本論文では、8ステップのZ-Image Turbo教師モデルから蒸留された高品質2ステップ画像生成モデルZ-Image Turbo++を紹介する。分布整合敵対的学習、ステップ分離パラメータ化、反復正則化付きエンドツーエンドトレーニングの3つの設計により、2ステップと8ステップ生成の品質差を大幅に縮小する。

本論文は、多エージェントシミュレーションを用いて、英語の「go」の過去形「went」のような形態交替の出現と持続性を説明する。交替形式は音韻変化または語彙的変異から生じ、集団内の伝播動態を通じて広がる。生成された形態の現実性を評価するため、大規模言語モデル駆動のシステム「AI歴史言語学者」を導入し、実言語とシミュレーションの形態を比較する。結果は、スケールフリーな社会ネットワークとランダムなベルヌーイ採用がより妥当なパターンをもたらすことを示す。3つのケーススタディで実際の歴史的変化をモデル化している。

AfriSUDは、SUDフレームワークを用いた9つの多様なアフリカ言語の最初の大規模構文注釈付きツリーバンクコレクションです。モデル評価により、アフリカ言語の構文を捉える上で顕著な構文ギャップが明らかになりました。

新たな研究では、アラビア語のソーシャルメディアテキストからメンタルヘルス障害を検出するために、MARBERTのドメイン適応版であるMentalMARBERTを提案しています。適応的事前学習と階層的ファインチューニングからなる2段階フレームワークを用いて、6カテゴリにわたる50,670件のツイートからなる新しいデータセットで、マクロF1=0.861、精度=0.877という最先端の性能を達成しました。

ショッピング推論ベンチマーク（Shopping Reasoning Bench）は、小売ドメインの専門家によって作成された新しいベンチマークであり、525のミッション（シングルターン232、マルチターン293）と10,863の重要度加重バイナリルーブリックで構成されています。嗜好の洗練、トレードオフ分析、互換性評価などのマルチターン推論能力を評価します。GPT、Claude、Geminiなどのトップモデルの評価では、全体的な合格率はわずか57～77％であり、マルチターンタスクでは大幅に低下し、専門家レベルのアドバイスにはまだギャップがあることを示しています。

本研究では、抽象的なペルシャのことわざを道徳的に忠実な物語に変換することを「制約付きセマンティックデコンプレッション」タスクと位置づけ、ペルシャのことわざに基づくストーリー生成用データセットPANDを紹介する。ハイブリッド評価フレームワークにより、現在のLLMは流暢なテキストを生成できるものの、ことわざに埋め込まれた道徳的・因果構造を忠実に具現化できない「デコンプレッションギャップ」が明らかになった。明示的な推論と反復的な改良がこのギャップを部分的に緩和する。

本論文では、メカニズムレベルの薬物間相互作用（DDI）予測のための再現可能なラベリング・評価プロトコルを提案する。7ファミリー147サブタイプの分類法とリークセーフなコールドスプリット戦略を特徴とする。また、シングルトークンKLダイバージェンス、PRM加重DPO、メカニズム認識検索チャネルという3つの訓練革新を組み合わせたMARD-7Bモデルを開発。2026年4月のDrugBankリリースにおいて、MARD-7Bは32システム中で薬物対の新規性下でも精度を維持した唯一のシステムであり、最良ベースラインを13.9ポイント、GPT-4oを6.7ポイント上回り、コストはフロンティアAPIの約1%である。反記憶化シグネチャは、モデルが稀な薬物でも精度を向上させることを示し、その利得は薬物頻度の記憶ではなく構造化された薬理学的推論に由来することを示唆している。

EDEN（Emergency Department Electronic Notes）は、イタリアの病院救急部門で作成された約400万件の完全匿名化された臨床ノートからなる新たな大規模コーパスです。そのうち約6000件のノートは、呼吸困難と意識消失の2つの患者状況に関連する132項目について臨床専門家によって手動で注釈が付けられています。このデータセットは、イタリア語における最大の自由に利用可能な臨床ノートコーパスであり、医療応用における大規模言語モデルの開発と利用を支援することを目的としています。

大規模言語モデルのモジュール設計における一般的な仮説は、アダプター干渉が線形パラメータ更新の重複に起因するというものです。本研究ではDoRA-RBACを用いてこれを検証し、幾何学的マージ戦略が標準平均に対して一貫した優位性を持たず、直交性は弱い予測因子であることを発見しました。干渉はパラメータ空間幾何ではなく、共有非線形表現における相互作用に起因することが示唆されます。

この研究は、偏微分方程式構造を通じた直接逆伝播による損失景観の診断を行い、最適化の失敗が平坦な台地と急な崖に起因することを発見しました。ニューラルネットワークを固定すると残差損失は滑らかな景観を生み出し、病態を回避しますが、ニューラルネットワーク自体は観測データを補完するだけです。

本論説は、半導体製造などの物理的制約が厳しい領域では、生成AIが事後フィルタリングではなく、構成によって物理情報を組み込む必要があると主張する。物理情報拡散、PDE制約変分モデル、ニューラルオペレータ事前分布などのアーキテクチャツールキットを概観し、物理忠実度ベンチマークや微分可能シミュレータを中心とした研究課題を提案する。

ProHiFlo は、粗から精への生成、事前学習済み予測器による機能ガイダンス、適応型 SE(3)-等変アーキテクチャを備えた革新的な階層的フローマッチングフレームワークであり、計算コストを削減しつつ高精度を維持し、酵素活性部位の足場設計で 58.9% の成功率を達成し、既存手法を大きく上回ります。

アクティベーション・ステアリングはLLMの行動を変えるが、標準的な評価では追従行動低減が事実に基づく同意も抑制するかどうかをテストしない。本論文では二立場評価を導入し、Llama-3-8B-Instructに重心差ステアリングを適用した。追従的同意と事実的同意は幾何学的に異なる部分空間にあるが、ステアリング方向は両方に等しく投影され、区別できないことがわかった。その結果、追従的発言だけでなく地球が丸いといった事実に基づく同意も減少する。このパターンは、活性化から読み取れる表現が書き込めるとは限らないという一般的なギャップを示している。

本論文は、学術医療センターの電子健康記録に組み込まれたLLMシステムのデプロイメント中心評価を提案する。クエリ内容とデプロイメント固有のコンテキスト（提供者タイプ、部門、使用言語モデル）を用いて事前応答分類器を訓練し、ユーザーの拒否リスクを予測する。4.5ヶ月の前向き分析でAUROC 0.719を達成し、デプロイメントコンテキストを用いた拒否予測の実現可能性を示し、標的ガードレールや棄権戦略への道を開く。

コンパクトな言語モデルは、単独の関数呼び出しを超えたツール使用において課題に直面する。Evofluxは推論時に進化的探索を用いて実行可能なツールワークフローを修復し、MCP-Benchタスクで実行可能性を約3％から17-24％に向上させ、SFTやDPOベースラインを上回る。

TrajGenAgentは、モデル微調整なしで現実的な合成人間移動軌跡を生成するための階層的LLMエージェントフレームワークを提案する。2段階のオーケストレーター・ワーカー設計を採用：LLMがまずインコンテキスト学習により個人・曜日条件付き活動連鎖を合成し、次に決定論的ワークフローがパーソナライズされたPOI検索、距離認識位置選択、運動学認識移動時間伝播、LLMベースの持続時間推定により各活動を完全な訪問に具体化する。異常検出ベースの評価フレームワークで行動的・意味的妥当性を評価する。実験では、ベンチマークおよび大規模シミュレーションデータセットにおいて、時間空間的忠実性、意味的一貫性、個別行動の現実性で既存手法を上回る。

大規模言語モデルの嘘発見器を評価するため、13の推論モデル生物（隠れた信念が思考連鎖で検証済み）と多様な欺瞞テストベッドを構築。31のモデルで4種類の検出器をテストした結果、プロンプトによる嘘タスクでは性能がモデル能力と共に向上したが、訓練された生物では思考連鎖判定器を除き性能が大幅に低下。現在の検出器はモデルの信念について高い信頼性を以て主張できない。

PersonaDriveは、スタイル指示された人間の運転データから検索したデモンストレーションを使用して視覚言語行動（VLA）エージェントを条件付け、スタイルごとの再トレーニングなしで多様な運転スタイルを実現する新しいパイプラインです。Bench2Driveでは、無スタイルで運転スコアがSimLingoより4.6%向上し、全スタイルで最高スコアを達成しました。

Pythagoras-Proverは、4Bおよび32Bの自己回帰モデルと4Bの拡散モデルからなる、計算効率の高いLean定理証明器ファミリーです。段階的なカリキュラムSFTと動的証明フィルタリングにより訓練効率を向上させ、Augmented Lean Formalisation（ALF）を導入して検証コーパスを拡張します。実験では、4BモデルがMiniF2F-TestでDeepSeek-Prover-V2-671Bを上回り（86.1% vs 82.4%）、32Bモデルが93.0%でオープンソースの最高記録を達成し、PutnamBenchで93問を解決しました。

Arborは、大規模な状態を持つアクション空間で自律エージェントの認知層として構造化木探索を導入するマルチエージェントフレームワークです。フルスタックLLM推論最適化で検証され、ベンダー最適化ベースラインと比較して最大193%のスループット-レイテンシ・パレート改善を達成し、批評エージェントが安定性を確保します。

大規模言語モデル（LLM）のツール検索能力を評価する既存のベンチマークは過大評価される傾向がある。研究者らは、より現実的な評価を行うためのオープンソース診断フレームワーク「ToolSense」を提案する。ToolSenseは3種類のベンチマークを自動生成し、ToolBench（約4万7000ツール）での実験では、知識と検索の乖離（知識-検索解離）が明らかになった。標準ベンチマークで高い性能を示すモデルでも、現実的なクエリでは性能が50～64%低下し、埋め込みベースのベースラインを下回る場合がある。

Simon Willison 氏は、Claude Fable 5 が CSS のスクロールバーのバグをデバッグするために、テストページの作成、JavaScript の注入、CORS サーバーの構築など、数多くの創造的な手法を自発的に用いた事例を紹介。そのセッションは約 12.11 ドルを消費し、サンドボックス化されていないコーディングエージェントの可能性と危険性を示している。

エンタープライズAIの第二波は、モデルを実際のビジネスで有用にするためのソフトウェアとデータインフラに焦点を当てています。Snowflakeは、独自データとAIモデルを接続するコネクターとしての地位を確立しています。主な洞察は、強固なデータ基盤、セキュリティとガバナンスのフレームワーク、そして本番AIのための信頼できる管理されたインテリジェンスの重要性です。

ポーランドの大手保険会社 ERGO Hestia は、Databricks Lakebase と Mosaic AI Model Serving を使用してリアルタイム価格設定エンジンを最新化し、データ、特徴量、意思決定をラクハウスネイティブプラットフォームに統合してミリ秒単位の価格設定、モデル展開の高速化、ガバナンスの統一を実現しました。

GitHubはLLMベースのコンテキスト検証を導入し、シークレットスキャンの誤検出率を75.76%削減。アラートの信頼性と開発者の信頼を向上させました。

Inceptionが開発したMercury 2は、拡散アーキテクチャを採用した最速の推論LLMです。従来の自己回帰モデルとは異なり、並列処理により標準NVIDIA GPU上で毎秒1000トークン以上の生成速度を実現。速度は同等クラスのモデルより5〜10倍高速で、コストは半分以下、品質はHaikuやGPT-5 miniに匹敵します。Augment Codeは本番環境で使用し、コストを90%、レイテンシを82%削減しました。Basetenがエンタープライズ級の推論プラットフォームを提供します。

今週は、CVPR 2026でのParseBench発表、ビジュアルドキュメントインテリジェンス向けParse-Flowのローンチ、Anthropic Fable 5ベンチマーク結果、LlamaParseの新しいGranular Bounding Box、そしてAI初のピックルボールトーナメントThe Agent Openをお届けします。

ガーディアン紙に掲載されたスティーブン・コリンズの漫画が、OpenAI本部の舞台裏をユーモラスに描き、AIとライフスタイルのテーマを融合させている。

Qursor は、任意のUI要素を指すことでその正確なコンテキストをAIアシスタントに送信できる革新的なツールです。Product Hunt でローンチされました。

ローカルファーストのAIコーディングCLIで、ユーザーに適応します。

PreplyはOpenAIを活用してAI生成のレッスン要約を提供し、個別フィードバックと語学学習演習を実現。

Deezerは、主要なストリーミングプラットフォームのユーザーがプレイリスト内のAI生成楽曲を識別できる無料のAI音楽検出ツールを発表しました。