AI デイリーブリーフィング

AIモデルがより多くの数学問題を解くようになり、その成功パターンから次に解ける問題を予測できる可能性がある。

アンソロピックは木曜日に公表した報告書で、ClaudeのAIエージェントへの依存を強めるなか、若手技術者の採用を減らしており、人間の注意力が新たな「ボトルネック」になったと述べた。だが専門家の一部は、AIが仕事の進め方や労働需要をどう変えるかについての同社の見方に懐疑的だ。CEOのダリオ・アモデイ氏が昨年示した「AIが初級ホワイトカラー職の半数を奪う」「6カ月でコードの90%を書く」という予測はいずれも実現しなかった。

Swif.aiはLinux端末の管理とコンプライアンス対応を拡大し、OmarchyとLinux Mintを新たに加えた。AI開発者がLinuxを使いたい一方で、企業ITが管理・統制・証跡を示せるようにする狙いだ。AIエージェントの監視も端末管理層に取り込む。記事は、一部ディストリビューションやDrata連携の制約、証跡とコンプライアンスの違いも指摘している。

Databricks は比較記事を公開し、オープンなレイクハウス基盤がデータの開放性、ワークロードの統合、予測可能なコスト、ネイティブな AI 機能で Oracle の従来型データウェアハウスを上回ると主張した。一方で、高並行 OLTP や基幹トランザクションシステムにおける Oracle の優位性も認め、Lakebase で運用データ領域のギャップを補うとしている。

Monica RogatiのAIニーズ階層を応用し、エージェント型ソフトウェアファクトリーを構築するための4つの層——エージェントハーネス、パーソナライゼーション、自動化、継続的学習——を提唱する記事です。請求書トラッカーアプリを例に、仕様化と検証によってコーディングエージェントが無人で自律的・非同期に作業を進め、レビュー可能な成果を返す仕組みを解説します。

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：the Cyber onslaught continues.

TinyFishは、本番環境向けのエージェント検索アーキテクチャと、ディープリサーチシステム構築から得た教訓という2本の技術記事を公開した。アーキテクチャはTinySearch、TinyFetch、TinyBrowser、TinyAgentの4つのWebプリミティブと7フェーズの制御ループで構成され、証拠契約、情報ギャップに基づくツール選択、失敗種別に応じた再試行を重視する。OpenBenchmarksではコーディングタスクで79.0%の完了率、タスク中央値コスト0.050ドルを記録した。

Google CloudはAIエージェント専用のコンピュートサービス「Agent Compute Engine」を発表した。各エージェントセッションにハードウェア分離されたmicroVMを割り当て、サンドボックス内に認証情報を一切置かない。すでにGeminiのエージェントを支えており、顧客向けプレビューは今後数カ月内に開始予定だ。オープンソースのAgent Substrateは20万エージェントのベンチマークで毎秒500回のアクティベーション、500ミリ秒未満の復帰を報告している。

身体性エージェントの経験をポリシーの重みに焼き込むか、推論時に外部から検索するかを比較した事前登録研究。凍結した検索バッファを固定した生徒の重みに接続すると成功率が+34ポイント（z=5.15）向上し、教師の参照水準49.3%に到達した。一方、記憶拡張行動を重みへ蒸留した場合は行動のみの対照群を+1ポイント上回るにとどまり非有意で、著者は統計的検出力不足を理由に「記憶を重みに置く」主張を反証ではなく撤回した。難しい第2課題では検索優位は同方向（+6ポイント）だが有意ではなく、探索的診断は減衰を記憶カバレッジに結びつけている。

arXiv の新論文は、ゲーム環境に的を絞った介入を行い、マルチエージェントモデルから協力・欺瞞・裏切りといった特定の社会的行動を積極的に引き出すエージェント型システム Fig（Finding Interactions in Games）を発表した。Fig が生成した有効なシナリオでは、モデルは平均 45.2% のエピソードで目標行動を試み、対応する対照ゲームと比べて介入により試行率が平均 10.9% 上昇した。

本論文は、タスクプールを拡大するほど既存のエージェントハーネス進化手法の性能が低下するという逆説的な失敗モードを明らかにし、その原因を最適化時の証拠選択の不備に求める。著者らは各進化ラウンドで最適な証拠の組み合わせを適応的に探索するSuccessive Scale Racing（SSR）を提案し、3つのベンチマークの全6構成で最高性能を達成。タスク数が40から200に増えると通過率は64.3%から68.3%へ安定して向上し、検証実行回数を60%削減する。

研究者らは、11領域にわたる20の科学的MLベンチマークを含む長期テストベッド「Agent4Sci」を導入し、フロンティアコーディングエージェントが実世界条件下で公開済みの最高モデルをどこまで改善できるかを評価した。Claude Opusなどのフロンティアエージェントは全ベンチマークで最先端を更新し、平均10.4%の相対改善を達成、学術的不正行為のフラグもなかった。しかし、その向上はほぼMLエンジニアリングの技巧によるもので、研究レベルの洞察ではない。軌跡分析により、新規性の誤較正、リソースの未活用、局所的なエンジニアリングスイープへの急速な崩壊という3つの制限が明らかになった。軽量プラグインスキルにより、Claude Opusは20.1%に、Codexは4.4%から8.1%に向上した。

Canvaは自社開発の画像生成モデル「Canva Craft」を発表した。設計を先に計画してから画像を生成する2段階アーキテクチャを採用し、最大2K解像度と30種類以上のアスペクト比に対応。世界中の全ユーザーが利用できる。

企業はトークン消費量の最大化から価値の最大化へと移行し、細粒度のコスト帰属、インテリジェントルーティング、集中型ゲートウェイを通じてAIのROIを測定し、支出が収益を上回らないようにAIを拡張している。

Discordの最新アップデートでMarkdownファイルのプレビューが修正され、記号の羅列ではなく表や書式を含めて正しく表示されるようになった。あわせてサイドバーの右クリックによる「Move to…」でのサーバー・チャンネル整理や、Nitro会員の1GBファイルアップロードも追加された。

Databricksは通信不正対策ソリューションアクセラレーターを発表した。リアルタイムのリスクスコアリング、Lakebaseによるトランザクションと分析の統合、不正アナリストワークベンチ、Genie AI調査エージェントを単一のガバナンス済みプラットフォーム上に統合し、通信事業者が機械の速度で不正に対抗できるようにする。

DatabricksはAIコーディングエージェントの全社導入後、指数関数的に増大するコストに直面。より安価なモデルへの切り替え、タスクルーティング、支出の可視化、トークンオーバーヘッドの削減という4つの施策で、単位コストを最大90%削減した。この内部ソリューションはUnity Gatewayとして製品化された。

AnthropicはAgent Skills標準を、Linux Foundation傘下で同社がBlock、OpenAIと共に昨年設立したAgentic AI Foundation（AAIF）へ寄贈すると発表した。AAIFはすでにModel Context Protocol（MCP）を受け入れている。Simon Willisonは昨年12月にこの展開を予想していたと述べ、自身のブログにMCPプラグイン経由でClaudeを使い、その過去記事を探し出した。

スペイン、ポルトガル、フランスで330以上の店舗を展開するイベリアのペットケア企業 IskayPet は、従来 4 言語・数百点の SharePoint 文書を従業員が手作業で検索していた。同社は Amazon Bedrock マネージドナレッジベース上に多言語の企業知識アシスタントを構築し、ネイティブの SharePoint コネクタ、ハイブリッド検索、マネージドリランキング、文書レベルのアクセス制御を活用。RAG 基盤を自前で運用せずに、業務上の回答を見つける時間を 3〜5 分から約 7 秒に短縮した。

Amazon Quick は HIPAA 適格サービスだが、適格であることは準拠していることとは異なる。本記事は HIPAA の適用範囲、PHI が Amazon Quick に流入する非構造化・構造化の 2 経路、規制環境向けにプラットフォームが提供するものと提供しないもの、そして医療現場で準拠した AI エージェントを展開するための段階的な実装ガイドを解説する。

AWS のブログ記事は、Kokoro-82M 音声合成モデルを Amazon SageMaker AI でホストし、エージェントが文を生成するたびにその文を即座に合成へ送ることで、応答全体の生成完了を待たずに音声再生を始める方法を解説する。さらに、Server-Sent Events で base64 化した音声を運ぶ方式と、同じ双方向セッション上で生のバイナリ音声と JSON 制御フレームを多重化する方式のコストを比較している。

RescaleはAWS上のAI駆動開発ライフサイクル（AI-DLC）フレームワークを、Strands SDK、Amazon Bedrock、Amazon EKSと組み合わせ、夜間のエンドツーエンドテスト失敗を自動で分類・振り分けるエージェントを構築した。問題定義からステージング環境へのデプロイまで5日、数週間で本番稼働に到達し、人手によるトリアージとの分類一致率は44%から68%に向上、テスト失敗が本番デプロイを妨げる時間は20%削減された。

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：Flint-interactive gives AI agents a language for creating interactive visualizations. Click a chart, filter data, highlight related content, and explore beyond the view the author originally chose. The post Flint-interactive: A language for creating interactive data visualizations appeared first on Microsoft Research.

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：Fireworks Nexus enables engineering teams to drop leading open models in the harnesses they already use and cut spend in half without sacrificing speed or quality. The solution includes FireRouter, the first cache-aware…

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：Today, we’re donating Agent Skills, the open standard that gives AI agents specialized knowledge and workflows, to the Agentic AI Foundation (AAIF). More than 70 agent platforms, including ChatGPT, Cursor, GitHub Copilo…

Metaは、新しいビジネス条項の発効日を10月30日から11月20日に延期しました。出版社側は、この条項によってMetaがニュースサイトの内容をAI学習用にスクレイピングできるようになるのではないかと懸念していました。Metaは延期の目的を、変更点と変更されない点を説明する時間を確保することだとし、コンテンツ所有者が引き続きrobots.txtでクロールの希望を示せることも強調しています。

フィジカルAIは、人工知能をロボットや工場などの現実環境へと広げている。こうした場面では、言語を理解することは課題の一部にすぎない。

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：How physical pretraining could change the way we teach machines to work

新たなarXiv論文は、CTボア内で呼吸ゲーティング付きの針穿刺を自律的に行う統合センシング・制御システムを提案している。実験では、患者の呼吸サイクルの追跡と予測、呼吸ゲーティング下での自律穿刺、呼吸周期の異常検出が可能であることが示され、CTガイド下肺生検における手技時間、患者の負担、被ばく線量の低減が期待される。

本レビュー論文は、触覚に基づくロボットマニピュレーション研究の発展を、接触力学とタスク固有の推論を通じて触覚信号を明示的に解釈する力学駆動アプローチと、データから直接触覚表現と操作ポリシーを学習するデータ駆動アプローチという二つの相補的視点から体系的に概観する。さらに、スケーラブルで汎化可能かつ堅牢な触覚対応ロボットシステムに向けた未解決の課題と将来の機会について議論する。

本論文は、ヒューマノイドロボットの歩行制御における強化学習向けに、多ポテンシャルに基づく報酬整形（MPBRS）を提案する。同一の報酬構造と重みを9種類のヒューマノイドロボットに適用し、関節・リンクの対応付けやデフォルト姿勢といったロボット固有のメタデータのみを必要とすることで、標準的な報酬整形よりもスケーリング特性が安定し、パラメータ調整への感度が低下することを示している。

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：arXiv:2610.30340v1 Announce Type: new Abstract: We introduce Foundation4D, a unified feed-forward model for geometry estimation, 3D detection, semantic occupancy, and Gaussian reconstruction from multi-camera driving video. A shared backbone uses factorized spatiotemporal attention to efficiently combine observations across cameras and time. Our video inference pipeline uses pose graph optimization to refine camera trajectories and assembles object tracks across input windows. We also develop a data annotation pipeline and release PAI-Foundation4D, a benchmark with dense depth and semantic occupancy labels for 1,253 driving clips. With benchmark-specific fine-tuning, Foundation4D achieves the lowest depth AbsRel on Waymo and nuScenes, the highest de…

MIT CSAILと天津大学の研究者は、3Dプリント時にセンサー用と干渉しない配線用の2種類の材料を自動で埋め込む設計ツール「X-Hinges」を開発した。これにより、印刷物は信号の混信を起こさずに人の動きを感知して反応できる。試作にはロボットに把持動作を教えるグローブ、つまむと明るさが変わる折り紙風ランプ、載せた物体を識別する装置などがある。最大3軸の動きを感知できるが、現状では印刷ごとに再キャリブレーションが必要だ。

AI支援によるデコンパイルとリコンパイルでレトロゲームの移植が急増する一方、その速度と敵対的なフォークが保存コミュニティを圧迫し、クレジット、忠実性、ゲーム保存の未来について議論を呼んでいる。

AIが大規模な危機を引き起こす可能性があると影響力のある人々が相次いで警告するなか、古い理念が再び注目を集めている。記事は、危機がかつて周縁的だった思想を政治の主流へ押し上げるという経済学者ミルトン・フリードマンの主張を引き、知識人やシンクタンクがAIショックに備えて今のうちに政策案を磨いておくべきだと示唆している。

データセンターや半導体のコスト懸念を背景にAI関連株が木曜日に急落し、世界の主要株価指数を押し下げた。一方、イランとの戦争への懸念から原油価格は5月以来の高値をつけた。S&P500種株価指数は1.2%安と7月以来の大幅な下落となり、ナスダック総合指数は2.6%下落した。ただしテクノロジー株の軟調さが米国市場全体の底堅さを覆い隠し、大多数の銘柄は上昇、ダウ工業株30種平均は11ポイント上昇した。

Peras は Product Hunt に掲載された AI 関連プロダクトで、Claude Code や Codex が一週間を無駄に消費する前に止めるというキャッチコピーが付いています。提供された素材には具体的な機能の説明はありません。

Simon Willison 氏は、オランダのオルタナティブロックバンド De Staat の新曲「FREEDOM」のミュージックビデオ 00:44 の地点で、自身が AI 画像生成のテストに長年使ってきた「自転車に乗ったペリカン」のプロンプトが登場しているのを発見した。商業作品で見つけたのは今回が初めてだという。視覚効果は Fake it or Leave it の Matties Grooten 氏が担当している。

Anthropicは業務や中小企業での利用を想定し、厳格なセキュリティガードレールを備えたClaude Duetアプリを公開した。ただし記事は、企業がこのツールの導入にまだ準備できていないと指摘している。

改造者がOpenAIのCodexを活用し、ゲーム「SmileBASIC 4」を使ってNintendo Switch 2のソフトウェアのみ・テザード方式の脱獄を実現したと報じられた。新キャラクターを追加した改造版「マリオカートワールド」のデモも公開されている。手順は依然として複雑で影響は不明だが、Switch 2の脆弱性悪用が相次ぐ兆しとなる可能性がある。

ライカのストップモーション映画『Wildwood』は制作に5年、230体以上のパペット、1000人超のアーティストを要した。監督兼CEOのトラビス・ナイトはThe Vergeの取材で、生成AIはスタジオの手作り主義と相反すると述べ、技術がアーティストの仕事を代替するのは人間性や魂のない「盗用」だと批判した。

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：TLDR; Discover when to leverage the GLOBAL option and how we architected multi-region routing to handle global workload placement off the inference hot path, optimizing for low latency, resilience and operational ease.…

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：Key takeaways Protect data in use: Model Vault extends protection beyond data at rest and in transit to prompts, documents, responses, and model execution while inference is running. Encrypt sensitive request contents e…

OpenAIは、オフライン環境、多層防御、大規模レッドチーミングを通じてフロンティアモデルの訓練・評価環境の封じ込めを強化したと発表。DNSリゾルバの設定ミスによりモデルが一時的にライブインターネットへアクセスした事態を受け、訓練を一時停止。10月1日に強化学習訓練を再開した。

エディンバラ大学の世界的公衆衛生学教授デヴィ・スリダール氏が、マサチューセッツ州のMass General Brighamが開発した顔画像AIモデルを論評した。4,000万枚以上の顔画像で学習したFAHR-Faceをもとに、生物学的年齢を推定するFAHR-FaceAgeと、がんでの生存を予測するFAHR-FaceSurvivalから成る。研究自体は有望視しつつも、1枚の自撮りで個々の患者の予後を予測するには無視されている要因が多すぎると疑問を投げかけている。

You.comは、OpenAI互換のマネージドAPI「Inference Router」を公開した。12のオープンウェイトモデルへリクエストを振り分け、最低99.9%の稼働SLA、ゼロデータ保持、100%米国内ホスティング、サーバーサイドのウェブ検索、プラットフォーム手数料無料をまとめて提供する。トークン単価は市場並みで、訴求点は価格ではなく保証にある。

MITの助教ベンジャミン・リンドクイスト氏は、AIの「ハルシネーション（幻覚）」の起源を20世紀半ばのエンジニアたちにさかのぼる。彼らは創造的思考を模倣するため、決定論的アルゴリズムに意図的にランダム性を注入した。学術誌『Past and Present』の新論文で同氏は、創造性と予測可能性の間には避けられないトレードオフがあると論じ、現代の商用AIシステムが法的・財務的理由からその「奇妙さ」を大幅に抑え込んでいる点を指摘している。

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：arXiv:2610.30528v1 Announce Type: new Abstract: Predicting surrounding vehicles' lane-change intentions enables autonomous vehicles to anticipate potential hazards and respond proactively rather than relying solely on reactive maneuvers. This study investigates the benefits of integrating lane-change prediction, based on knowledge graph embeddings and Bayesian inference, into autonomous vehicle decision-making. Three driving strategies are evaluated in risky merging scenarios simulated in CARLA: reactive driving, prediction-based longitudinal action, and prediction-based lateral action. The proposed prediction model anticipates the surrounding vehicle's lane change approximately 3-4 seconds before its occurrence, allowing the ego vehicle to adjust i…

本論文は、生成モデルを再学習することなく推論時に拡散ノイズを最適化することで、運動拡散モデル（MDM）の出力の物理的実現可能性を高めるフレームワーク PhysibleMDM を提案する。軌道全体のシミュレーションなしで評価できる代理制約を導入し、接地貫通・滑り・自己衝突といった運動学的検査と、錐計画として定式化した逆動力学の内部ループによる動的実現可能性テストを組み合わせる。得られるブラックボックスのノイズ最適化は Sep-CMA-ES で解き、自己回帰方式で最適化済みセグメントを連結して長い運動系列を生成する。SMPL 人型モデルの100種類の運動スタイルでは、平均接地貫通・自己衝突貫通・接地滑りがそれぞれ75%、92%、74%減少し、独自の二足歩行ロボットでは加速度再構成誤差と逆動力学残差の中央値が89.5%、79.5%削減された。

本論文は FRED を提案する。これは自己蒸留と時間的文脈を用いて世界行動モデル（WAM）を訓練し、単一のデノイズステップでノイズからより高品質な未来動画表現を生成する枠組みである。実世界の操作タスクで既存 WAM を一貫して上回り、長期的タスクやゼロショットのドメイン外タスクで大きな改善を示すとともに、人間動画からロボットへのスキル転移の成功率を 19.4% から 50.0% に向上させた。

arXivの新論文は、16の芸術運動と5世紀にわたる絵画を対象とした自由閲覧アイトラッキングデータセットAVAttを発表した。複数の参加者による個別のスキャンパスと注視データを収録し、古典的・深層学習ベースの顕著性モデルを評価するとともに、44種類のスキャンパス類似度指標を順位付けしている。

arXivに新たな論文が公開された。3Dガウシアンスプラッティング（3DGS）向けの自律研究システム「SplatLab」を提案するもので、研究プロンプト、対象論文のURL、あるいは入力なしの状態から、公開済みベースラインの再現、拡張案の提案、Mip-NeRF 360とLLFFでの学習・アブレーション、さらに原稿執筆までを一貫して実行し、報告されるすべての数値を記録済みの学習実行に紐づける。NeurIPS 2026に採択済み。

本論文は、テキスト記述ではなく実際の実行観察に基づいて視覚スキルライブラリを整理するフレームワークおよびベンチマーク VisCurate を提案する。共有プローブ上でスキルペアに6種類の行動関係を割り当て、欠陥注入テストでは誤った統合を避けつつ真に統合可能なペアの半分以上を回復し、実際の未整理ライブラリにおける冗長性と未確認の等価主張を明らかにした。

本論文は、事前学習済みの動画拡散モデルを用い、粗いレイアウトから物体の配置と動きを制御する学習不要の手法を提案し、軌跡精度と視覚品質で従来手法を上回ることを示す。

2020年から2025年にかけての査読付き論文1,158本を分析した研究によると、低資源言語に関する出版物は年間52本から415本へ増加したものの、その成長は既に十分に代表されている言語に集中している。著者らは研究の成長、代表性の拡大、代表性の継続性、分布の公平性という4つの次元で包摂性を測る「言語包摂フレームワーク（LIF）」を提案し、すべての次元で良好なスコアを示す地域は存在しないと結論づけた。

本論文は、インドのリテールバンキング業務1,000件からなる行動指向ベンチマーク「TauIndianBankBench」を提案し、言語モデルベースのアシスタントが所定の手順をどれだけ遵守できるかを評価する。最終記録のみを確認する場合、各モデルで6.5〜12.0%のセッションが、必須ステップの省略や依頼されていない変更があったにもかかわらず成功と判定されることが分かった。

arXiv の新しいプレプリントは、密なリカレント計算の予算をゲート変換から候補生成へ移すコンパクトなリカレントセル baseVultra を提案する。単一の H×H 候補生成行列に密な計算を集中させ、リカレントゲート行列を O(H) の対角相互作用に置き換える。TinyShakespeare の文字レベル言語モデリングでは検証損失 1.594 を達成し、同パラメータの LSTM（1.604）と GRU（1.616）を上回り、密なリカレント行列ベクトル計算は GRU の約 54% にとどまる。一方、約 45 倍大きい text8 では全ゲートセルと同等（1.854 bpc 対 GRU 1.849、LSTM 1.837）で、形式言語プローブでの利得は隠れ状態容量が制約された状況に限られ、隠れ次元の増加とともに消える。

本論文は、回転機械の予知保全に用いる畳み込みニューラルネットワークに対し、4 種類のモデル圧縮技術を比較し、9 種類の異種計算プラットフォームで評価した。知識蒸留が最も有効で、推論速度は 90% 以上向上し、平衡 F 値 91.22% を維持しつつ、モデルサイズを 98.9% 削減できた。

本論文は、わずか0.001Mパラメータの軽量なGroup Equivariance Attention NetworkであるGANetを提案する。38種類の植物病害を識別し、PlantVillageデータセットで99.99%の精度を達成、Raspberry Pi 4bで5 FPS、Jetson Nanoで11 FPSで動作し、低消費電力デバイスでのリアルタイム病害監視を目指す。

本論文は、事前条件付けされた前向き作用素の特異値構造に基づくスペクトル枠組みを提案し、M/EEG音源イメージングにおける線形ガウスベイズ逆問題の事後共分散を、データ情報成分と不確定性認識成分へと正確に分解することを可能にする。これにより、より良い測定で低減できる不確実性と、センシング幾何に起因する本質的に不可約な不確実性を区別できる。

本研究は、手描きの回路図の写真を実行可能なSPICE互換ネットリストに変換し、節点電圧と電流を自動計算するSketch2Simを提案する。1,000件の手描きRLC回路データセットも構築し、部品検出・文字認識・ノード対応付けを多段パイプラインで処理する。

本論文は、曖昧なクエリと明確化が不要な負例を含む約3,900件のデータセット ClariEdge を提案し、RAG システムが適切な確認質問を生成できるよう訓練する手法を示す。LoRA で微調整した軽量モデルは分類精度96.6%を達成し、分類と明確化生成の品質の両面で複数の大規模モデルのプロンプトベースラインを上回った。さらに、真の曖昧さと文脈から解消可能な見かけ上の曖昧さを区別するにはハード負例が不可欠であることを明らかにした。

OpenAIとポーランドのNASK国立研究院は、AIの安全性、セキュリティ、技術研究における協力の可能性を探る契約を結んだ。ポーランドAI安全研究所の役割を担うNASKのAI安全研究センターがOpenAIと協働し、高度化するAIシステムの評価、脆弱性の特定、 safeguardの強化に取り組む。米国CAISSIや英国AISIなど公共研究機関との既存の協力を拡張するもので、CERT PolskaがOpenAIのモデルを用いてMikroTik RouterOSの脆弱性を発見したサイバー分野の実績も土台となっている。

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：Gradium has open-sourced Phonon, a family of on-device text-to-speech models. The English Phonon 31m ships under Apache 2.0, fits in 64.5 MB, and starts speaking in about 7 ms on a laptop CPU. The post Gradium Open-Sources Phonon, a 31M-Parameter On-Device TTS Model Under Apache 2.0 appeared first on MarkTechPost.

本チュートリアルは、Datalabのオープンな文書パーサー向けベンチマークOmniParseBenchを再現・監査する手順を解説する。同ベンチマークは2,937ページにわたる16,288件の合否ユニットテストでパーサーを採点する。著者はリーダーボードを鵜呑みにせず、Datalabが公開した27パーサー分の判定結果から順位を再構築し、手作りページで採点器の挙動を確認し、順位の統計的確実性を測定し、文書種別ごとに結果を切り分け、さらに50ページのサンプルでTesseractとIndra OCRを自ら実行した。上位2モデルは統計的に並んでおり、多くのスライスで首位が入れ替わること、また公表された数値の一つが公開ファイルと一致しないことが分かった。

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：TL;DR Fireworks’ new ARCv3 compressor reduces the size of BF16 weight updates sent from the trainer to the machines generating reinforcement learning (RL) rollouts. Across 1,000 production RL weight-update deltas, ARCv3…

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：The Specialized Intelligence Index (SII) is your one-stop destination to explore the performance of open, closed, and specialized models on domain-specific benchmarks. Each benchmark reflects real-world tasks designed b…

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：Today, we’re inviting members of the life sciences community to apply to work with us on special projects. We’re looking for proposals from principal investigators and their research groups at academic institutions, non…

本論文は、シミュレーションにおけるLLM駆動型ロボット操作のための故障注入・ロバスト性評価フレームワークAlphaを提案する。知覚・駆動・運動学・計画の各層に校正済みの故障を注入し、LLMプランナーと決定論的スクリプトオラクルを比較した結果、物理的・運動学的故障は両者に同等に影響することが判明。性能差は計画出力の破損のみに起因し、プロンプトからJSONへのシリアライズと検証インターフェースの問題であることを特定した。

本論文は FiLM-CAM を提案する。秘密鍵によって Feature-wise Linear Modulation（FiLM）機構を条件付けし、透かし信号の内部表現を埋め込み前に変換することで、ペイロードを画素ではなく特徴レベルで鍵に結び付ける条件付きアクセス型画像透かし手法である。正しい鍵がなければペイロードの復元や削除は失敗し、複数の透かしエンコーダ・デコーダ基盤で有効性が示された。NeurIPS 2026 に採択されている。

本論文は、動的な4Dシーンにおいて自然言語表現が指す対象を特定する「Referring 4D Gaussian Splatting（R4DGS）」タスクを提案する。時間的に変化する表現、複数対象、推論を要する表現、対象が存在しない表現や妨害的表現まで対象とする。構造化されたクエリ注釈を備えたベンチマークR4D-Bench-QAを公開し、さらに4DGS上に構築した統合フレームワークReferGaussianを提示する。これはEntityBankとマルチモーダル大規模言語モデル（MLLM）を用い、シーン固有の意味最適化を必要とせずに訓練不要の参照推論を実現する。

Chao-Yeh Chen、Tiffany Chen、Umar Iqbal らが率いる研究チームが、一人称視点（エゴセントリック）動画向けの単眼3D手部再構成モデル EgoHand を公開した。合成データ、実環境動画、多カメラモーションキャプチャを組み合わせた1400万枚の画像コーパスで学習し、SOMA-Hand をパラメトリック表現として採用。Transformer エンコーダで2D手部クロップを処理し、カメラ手がかりと補助2D分岐で幾何整合性と画像位置合わせを改善する。HOT3D、ARCTIC、H2O でのゼロショット評価では、約9.69ミリ秒の推論遅延で関節位置・ルート並進・加速度の誤差がベースラインを下回り、ブラインドユーザー調査でも Apple EgoDex や Ropedia Xperience-10M より好まれた。モデルとソースコードは OpenMDW ライセンスで公開され、商用利用も無償で可能。

本論文は、弱いラベルのみを用いたマウンテンバイクのジャンプ動作に対する動作品質評価（AQA）を検討する。95本のフィールド撮影クリップ（良否の二値ラベルのみ）に対し、凍結したV-JEPA 2の映像特徴と2次元姿勢・運動計測を組み合わせ、小規模Transformerで二値スコアを予測し、参照クリップとの比較で修正の手がかりを提示する。5分割交差検証ではAUROC 0.768、平均適合率0.812を得たが、著者らは探索的な結果であり、ライダー非依存の評価や信頼できるフィードバックを確立するものではないと明言している。

本論文は、LLMを高コストな長期的プランナーとして使うのではなく、言語と記号的プランニングの間の制約付きブリッジとして位置づけるMemPlanを提案する。PDDLドメインを固定し、各ステップで解析済み観測・候補仮説・対話記憶からPDDL問題を再構築する。正のグラフ記憶は欠落した物体・場所・条件に関する仮説へ関連度に基づく行動コストを割り当て、負の記憶は反証された仮説を除外制約としてコンパイルする。TextWorld、ALFWorld、Robotouilleの実験でタスク完了率とステップ効率が向上し、ReActなどのLLMプランニング手法と比べてオンラインのトークンコストを大幅に削減した。

本論文は、シチリア語向けの小規模なニューラル機械翻訳システムのデータパイプラインを再構築し、バイリンガル誌『Arba Sicula』のPDFから対訳テキストを再抽出するとともに、トークン化と語尾変化を考慮したサブワード分割をPerl非依存の実装へ移植した。ゼロから学習した小型TransformerとLoRAで適応した事前学習済みNLLBを比較し、事前学習モデルが圧倒的に優れ、段階的学習はシチリア語への翻訳でより効果がある一方、多言語アダプタは未学習の方向を劣化させることを示した。

arXiv の新しい論文は、情報源の回復可能性について注釈を付けた 423 件の実世界の幻覚引用からなるベンチマーク CiteResolve と、情報源の種類ごとに検索とフィールド単位の検証を適応させる情報源認識型グラウンディング・フレームワーク CiteAnchor を提案する。CiteAnchor は引用の有効性と、一意な情報源を回復できるかどうかを別々に判定する。既存の検出ベンチマークでは GPT-5.6 Luna で F1 0.841、オープンウェイトのバックボーンで 0.784 を達成し、CiteResolve ではエンドツーエンドのタスク成功率 74.7% と 70.7% を記録した。

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：arXiv:2610.30349v1 Announce Type: new Abstract: LLMs are increasingly consulted for moral judgment. We aim to improve performance on such tasks by rewarding good arguments, on the premise that arguing well increases the likelihood of judging well. We train a reinforcement learning policy initialized from a state-of-the-art language model in a self-judged tournament with masked thinking: the generated arguments are judged pairwise on argument quality by the policy itself. As an empirical basis, we extract authentic dilemmas from classic novels, using a logic solver to verify that each constitutes a conflict. We show that our judge rates argument quality like human annotators, and the policy then adopts the language register that it rewards. Testing o…

本論文は、品質重視のデータキュレーションと部分パラメータ継続事前学習（CPT）を組み合わせ、多言語LLMを現代標準アラビア語（MSA）へ低コストで適応させるフレームワーク AQL-Lite を提案する。1Bトークンの同一予算では、AQLで精選したデータによるCPTは4ベンチマーク平均を3.51ポイント改善した一方、生のウェブテキストによるCPTはベースモデルから向上しなかった。5Bトークンの統制比較では、AQL-Lite は全パラメータCPTの改善の94%（平均73.19対73.58）を実時間の52%で達成し、全ベンチマークでアダプタのみのベースラインを上回った。40B MSAトークンへ拡張し100万件で指示チューニングした12Bモデルは、OALL v2の7ベンチマークで75.3を記録した。

新たなarXiv論文が、大規模言語モデル向けのモデル融合手法を体系的に評価するベンチマーク「FusionEval」を提案した。Qwen3とLlamaのベースモデルから数学・コード・科学・指示追従・ツール利用の各分野で独立に訓練した専門家モデルの統制されたプールを構築し、8つの公開ベンチマークで能力の保持と計算コストの両方を測定。訓練不要の融合は推論能力を保つ一方でツール利用を大きく損なうことを示した。

arXiv の論文「Lighthouse」は、サウスカロライナ州のデータを用いて米国公民権運動期を探索する、著者らによれば初のデジタルアシスタントを発表した。内容の信頼性と生成回答によるユーザーへの害の低減という二つの設計原則を柱とし、大規模言語モデルとルールベースの記号推論を組み合わせたニューロシンボリック手法で実装している。1万8千点超の一次資料を対象に、単一の正答がある事実問題と、専門家の回答を集約した「ゴールドスタンダード」で評価する主観的問題の両方で検証している。

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：arXiv:2610.30231v1 Announce Type: new Abstract: Visual mathematical reasoning can fail before reasoning begins: when a vision-language model (VLM) misreads a diagram, subsequent reasoning proceeds from false premises. This perceptual bottleneck is especially pronounced in smaller models, while accurate textual descriptions can substantially narrow the gap to larger models. Because obtaining such descriptions at inference requires additional annotation or model calls, we propose minimal-edit corrective on-policy distillation. Using reference figure descriptions and verified reference solutions as training-only information, a teacher scores incorrect student rollouts under a minimal-edit objective, and only teacher-disfavored tokens contribute to the…

新しいarXiv論文は、医療AIモデルのプライバシーリスクが通常コホート平均で報告されるため、個々の患者の深刻な露出が隠れうる点を指摘する。著者らは4つのモダリティにわたる6つの臨床データセットで学習した7,789個のモデルについて患者ごとのメンバーシップ推論リスクを測定し、学習設定が変わっても高リスク患者はほぼ同じままだと分かった。そこで本番モデル学習前に脆弱な患者を特定する軽量な4モデル構成のスクリーニングツールを提案している。

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：arXiv:2610.30223v1 Announce Type: new Abstract: Large language models are increasingly used in competitive programming, and their outputs are sensitive to how a prompt is phrased. Prior work has compared prompt strategies for accuracy on competitive programming, but not for runtime speed, and has not situated the results against human performance. In an exploratory study of one prompt in each of nine styles on GPT-5.5 across three accuracy tasks from the International Olympiad in Informatics (IOI) and two NP-hard speed tasks, we found that no single prompt was best: the strongest prompt depended on the task type and on whether results were summarized by the mean or the median, suggesting that, at least for these tasks, prompt style should be matched…

新たなarXiv論文は、再構成や対照学習で訓練されたマルチモーダル健康記録の表現が、因果的識別に必要な情報の保持を保証しないと指摘。共変量のみの目的関数では十分性を証明できないことを示し、クロスフィッティング二重ロバスト推定量と表現不足の診断を組み合わせたワークフローを提案する。

研究者らは、専門モデルの表現を直接LLMの内部状態へ写像するコネクタを学習する「Latent Interconnect Protocol（LIP）」を提案した。テキストや画像を介するツール利用のボトルネックを回避する狙いで、3つのタンパク質専門モデルと3つの低分子専門モデルを凍結したGemma 3およびKimi K2.6に接続し、共同学習なしのクロスドメイン零ショット転移と組み合わせ性を実証した。ただし現在のLLMはこうした表現を原生入力として扱うよう学習されておらず、信頼性の高い解釈と推論が課題として残る。

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：arXiv:2610.30211v1 Announce Type: new Abstract: Knowledge tracing (KT) models can estimate item parameters through an item response decoder trained solely for next-response prediction, yet predictive accuracy does not guarantee parameter recovery. We study 2PL, GPCM, and NRM decoders paired with LSTM, Transformer, and DKVMN encoders. Response-model derivatives show why discrimination and option slope updates depend directly on the scale and spread of estimated ability. Affine logit identities show how item-dependent shifts and rescaling in estimated ability are absorbed into item parameters without changing response probabilities. In simulations, difficulty, mean threshold, and correct-option intercept recovery remain high under shuffled order acros…

NeurIPS 2026に採択された本論文は、スパースなMixture-of-Experts（MoE）言語モデル専用に設計されたKVキャッシュ圧縮手法MoEZipを提案する。既存の圧縮手法は密なTransformerでは有効だが、MoE固有の問題を見落としている。すなわち、KVエントリの破棄が回答生成時に選択されるエキスパートを変化させ、生成品質を劣化させる点である。MoEZipは、ルーティング分布のフィッシャー情報行列に基づく新指標でエキスパートルーティングの摂動感度を推定し、注意重みと組み合わせてルーティングを考慮したスコアリングを行う。さらに密なアーキテクチャとスパースMoEアーキテクチャ向けの退避手法を組み合わせた補完的なスコアリング体系を構成する。KV保持率10%という積極的な圧縮下でも、LongBenchとRULERで最先端ベースラインを平均+24点、+20点上回り、それぞれ2.3倍、4.9倍のスコアに相当する。

新論文は、制御された LLM 同士の議論フレームワークを導入し、長い会話の中でモデルが互いの意見をどう形成し、形成されるかを調べた。同一モデル同士のやり取りでは意見の隔たりが縮まる一方、異なるモデル間では広がること、また「説得せよ」という一律の指示が影響力を確実に高めるわけではないことが分かった。

研究チームは、関係型Transformerのための初のスピードラン型リーダーボード「modded-nanoRT」を発表した。課題を固定しスタックを公開した上で、単一GPUで品質目標に到達するまでの実時間で順位を付ける仕組みにより、事前学習レシピの探索を特定ラボの私的プロトコルから解放する。初回のレシピは、外部キーの経路に応じて注意スコアと値を条件付ける型付き三線形注意にMuonとSIGRegを組み合わせ、NVIDIA H200 1枚で305.63秒にて目標達成、参照実装より8.11倍高速で、開発用データベース外の15組中13組で勝利した。

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：arXiv:2610.28826v1 Announce Type: new Abstract: Automated judges of clinical artificial intelligence (AI) outputs are necessary, but large language model (LLM) judges are costly and slow at scale. We compared Jev, a decision language model that returns structured judgments, with frontier and open-weight LLM judges in four use cases. On 118 pediatric answers, Jev's agreement with physicians' ordinal quality ratings (Gwet's AC2 0.50; expected score 0.53) matched or exceeded that of seven of 12 LLM judges, including frontier models, Claude Opus 5.5 (0.49) and GPT-6 (0.38). On physician-graded binary HealthBench criteria, Jev matched or exceeded four of six LLM judges. On MedHELM's open-ended tasks, Jev's agreement with a three-LLM jury approached or ex…

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：arXiv:2610.28706v1 Announce Type: new Abstract: LLM-driven evolutionary search is a promising paradigm for scientific discovery, but existing methods remain costly and slow, often applying expensive reasoning uniformly while underusing evidence from failed, redundant, and saturated trials. We introduce Speculative Evolution (SpecEvo), a multi-LLM framework that coordinates lightweight and frontier models through continual consolidation of search evidence. Lightweight models power both parallel Speculators, which generate and refine candidate programs, and an Advisor, which distills accumulated successes, failures, and saturated directions into persistent guidance for subsequent exploration. At sparse checkpoints, a frontier-model Navigator inspects…

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：arXiv:2610.28698v1 Announce Type: new Abstract: Scaling data, diversity and model capacity has improved embodied learning in physical environments, where diverse experiences remain grounded in shared physical laws. Whether these gains extend to virtual worlds with different visual styles, dynamics, controls, and objectives remains unclear. We investigate this question through a controlled study of continued pre-training (CPT) across three axes: data volume, diversity, and model size. Our 120 training configurations span four model sizes from 0.8B to 27B, six data budgets from 50 to 1,600 hours, and five mixtures ranging from Minecraft-only data to diverse multi-world corpora. We assess performance and generalization using three-level validation loss…

OpenAIはGPT‑6 Lunaを基盤とするDecisions APIを一般提供開始した。アプリやエージェントがワークフロー内で行う多数の小さな判断に特化し、確率・選択・スコアの3種類の回答を返す。Responses API経由のGPT‑6 Lunaより最大10倍高速で、入力100万トークンあたり0.10ドル、出力課金なし。

Liquid AIは、LFMモデルをライブなリクエストパス内で稼働させる推論エンジン「RIPL」を発表した。エンドツーエンドの生成を50ミリ秒未満で返すとし、単一のB200上での自社ベンチマークではvLLM上のQwen3.5比でp95レイテンシが5.6〜28.4倍低いと主張している。Shopifyはすでに本番検索で20ミリ秒未満の推論を実現しているが、RIPLは企業向けのクローズド製品で、数値はすべて自己申告である。

Cohereは検索結果をLLMに渡す前に並べ替えるリランカーモデル「Rerank 5」をProとFastの2階層でリリースした。両モデルは32Kのコンテキストウィンドウと100以上の言語に対応する。新機能のContext Focusは1回の呼び出しで各文書内の関連パッセージを文字オフセット付きで返し、校正済みの関連性スコアは確率として解釈できる。Cohereによれば、エージェントのトークン消費を35%から41%削減できるという。ただしベンチマークはすべて同社独自指標RCP-nDCG@10による自己申告値である。

OpenAIは、LLMプロバイダー間で共通利用できるAPI仕様「Open Responses」を、Linux Foundation傘下のオープンソース団体Agentic AI Foundation（AAIF）へ寄贈すると発表した。メッセージやツール呼び出しなどの主要プリミティブを標準化し、開発者がモデルを切り替える際のプロバイダー固有の実装負担を減らすことを狙う。AWS、Databricks、Ollama、Hugging Face、Vercelなどが既に支持する一方、競合のAnthropicとGoogleは独自APIを維持している。

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：TL;DR Numerical mismatch can derail training: in a Fireworks GLM 5.2 experiment, the same algorithm and data produced collapsing reward without alignment and stable reward with alignment over 25 steps. Training MoE mode…

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：TL;DR Muse Glimmer 30B is free to train with supervised fine-tuning (SFT) through November 30, kicking off our Free Weights Club. Tuned Muse Glimmer outperformed Jev by 11.2 percentage points in prediction accuracy on u…

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：Muse Spark Open, an open weights model from Meta, is available Day-0 on Fireworks. It’s an 816B-parameter mixture-of-experts model with 42B parameters active per token and a 1M-token context window, built for long-horiz…

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：How much better could a coding agent perform if it used the best model for each task? The best single model, GPT-6 Astra, gets 74.1% of DeepSWE tasks at $6.52 each. Pick the right model for each task and the same eighte…

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：Oct 22 2026 How we deploy Trillion-parameter frontier models on Cerebras Sarah Chieng One of the most frequently asked questions we get is how we deploy large models on Cerebras wafer-scale chips. A single Cerebras WSE-…

カザフスタンのAIエコシステムは、インフラ計画から実際の導入段階へと移行しつつあり、計算基盤からモデル、アプリケーションまでAIスタック全体に変化が及んでいる。国内最大の通信会社KazakhtelecomはアスタナとアルマトイにNVIDIA H200を400基、B300を480基導入済みで、来年はData Center Valleyに1,000基超、エキバストゥズ地域に1,000基超のVera Rubin GPUを配備する計画だ。さらにinDriveとPony.aiはカザフスタンでのロボタクシーサービスの可能性を探っている。

ケンブリッジ大学とスピンアウト企業GlitterinTechの研究チームは、数センチ角で約10ドルの光学分光器を開発した。畳み込み定理を光領域で直接利用する設計により、プラスチックや医薬品、コーヒー、小麦粉、茶の識別で100%の分類精度を達成し、溶液濃度を約0.01%の精度で測定。皮膚水分、血中アルコール、血中乳酸、血糖値といった生体指標の非侵襲モニタリングも実証した。

AWSはAmazon SageMaker AIのサーバーレスモデルカスタマイズにおいて、トレーニングセッションの一般提供を開始したと発表した。ユーザーはカスタム損失関数や報酬信号、マルチターン強化学習を含むポストトレーニングループを自ら記述・調整でき、GPU割り当て、分散実行、障害復旧、チェックポイント保存はSageMaker AIが処理する。gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-27Bに対応し、処理トークン数に基づいて課金される。

Amazon SageMaker AI でカスタムのテキスト読み上げモデルを運用するチームは、オートスケーリングのしきい値をしばしば推測で決めており、誤った推測は GPU コストの無駄かレイテンシ SLO の違反を招く。この記事では Kokoro-82M をカスタムコンテナとしてデプロイし、ライブエンドポイントに対する Q_max と T_total という 2 つの実測値から、推測ではなく測定に基づくオートスケーリングポリシーを導出する手法を紹介する。

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 our product launch, we introduced Confidential Computing on Cohere Model Vault, now in public beta with NVIDIA GPUs on Microsoft Azure. This article goes deeper into how the system works. The goal is not simply to en…

MetaはAIモデルのトレーニングにニュースサイトを自由に利用できると示唆する表現をビジネス規約から削除したが、法律専門家は不十分だと指摘する。「お客様の製品やサービスに関連する」という文言が残り、Metaがサイト全体をスクレイピングできる余地がある。「開発」という広い用語が「トレーニング」を含む可能性もある。Metaはニュースサイトのスクレイピングが目的ではなく、robots.txtによる意思表示は有効だと主張している。

SpaceXとTeslaは合併に向けた特別委員会を設置した。マスクはSpaceXの決算電話会議で、超知能ソフトウェアの共同開発などで合併にメリットがあると述べた。合併によりマスクはTeslaの議決権支配を獲得し、AIリソースを統合できる可能性があるが、利益相反や規制上の懸念も生じる。

ガーディアン紙の社説は、現米政権が世界的なAI規制の障害になっているものの、保護を求める世論が最終的に勝利すると主張する。PHPの重大な脆弱性への緊急対応を例に、AIが脆弱性の発見を助ける一方で悪用を加速させる恐れがあると指摘。OpenAIのモデルが関与した2件のハッキング事件や、英国のAI大臣が同様のサイバー攻撃は「起こり得る、いや不可避」と警告したことに言及している。