AI デイリーブリーフィング

Lightport は、さまざまな LLM プロバイダーを OpenAI 互換にする軽量 AI ゲートウェイです。Portkey AI Gateway からフォークされ、リトライやキャッシュなどの高度な機能を省き、リクエスト/レスポンス変換層のみに特化しています。OpenAI、Anthropic、Azure OpenAI など 77 のプロバイダーをサポート。pnpx lightport で簡単に起動できます。

欧州連合（EU）はグーグルに対し、検索データの共有とAndroidオペレーティングシステムを競合AI企業に開放するよう求める新たな規制を発表した。これはテクノロジー大手の支配力を抑制し、イノベーションを促進するための措置だが、グーグルはユーザーのプライバシーやセキュリティを損なう恐れがあると警告している。

本記事では、コードベース内に存在しながら何も検証していない「空疎」なテスト、タイプゲート、CI条件を検出する新しいツールvoidguardを紹介する。あるリポジトリのスイープで7つの空疎ガードが発見されたことに触発され、このツールは4種類の空疎を識別し、捕捉できない3種類を明示的に認めている。緑色のCIステータスを盲信するのではなく、検証システムそのものを検証する重要性を強調している。

OpenAIはCodex CLIのマルチエージェントv2メッセージを暗号化し、エージェント間で渡される命令を隠蔽した。これにより開発者はデバッグや監査が困難になり、可観測性の喪失を懸念している。

arXivからの新しい研究は、匿名通信を使用するロボット群れにおけるクォーラムセンシングのために、確率的フィルタリングプロトコル（ANTk）を提案しています。このプロトコルは、匿名プロトコルに共通する二重カウントバイアスを軽減し、推定の安定性を向上させますが、エラー回復時間が増加します。研究はANTkをベースラインおよびランダム化バリアントと比較し、精度、速度、安定性のトレードオフを明らかにしています。

本論文では、オープンな地理空間データから代表的なクラッター高さ（RCH）を予測する、説明可能でグローバルに展開可能な機械学習フレームワークを提案する。LiDAR由来のラベルで訓練され、LightGBMを用いたモデルは、平均絶対誤差1.79m、R²=0.765を達成し、ITUベースラインと比較して誤差を60%以上低減する。SHAP分析により、樹冠被覆、土地被覆セマンティクス、スペクトル反射率が最も重要な予測因子であることが示された。IEEE CASE 2026に採択。

説明可能AI（XAI）技術が普及しているにもかかわらず、説明が実際のワークフローに影響を与えることはほとんどありません。本稿では、不明確な問題定式化、不十分な評価目標、説明駆動型フィードバックのパイプラインの欠如などの基礎的課題に焦点を移すべきだと主張します。最近のICML、NeurIPS、ICLRの論文分析と実務者調査に基づき、著者らはXAIをより人間中心で行動指向のパラダイムに移行させるためのチェックリストを提案しています。

RegNetAgentsは、異種遺伝子制御ネットワークにわたる構造化されたクエリ駆動型の制御候補同定のためのAI指向マルチエージェントフレームワークです。TCGA由来の癌ネットワークとGREmLNプロジェクトの単一細胞制御ネットワークを統合し、二重ネットワーク分類、OncoKBアノテーションを用いた癌遺伝子フィルタリング、作用機序（MoA）割り当てを行います。乳がんと大腸がんの焦点遺伝子でのテストでは、既知の癌遺伝子に対する有意な濃縮が確認され、ハウスキーピング遺伝子では濃縮が見られませんでした。拡張モジュールは、薬剤可能性、臨床的関連性、ネットワーク脆弱性の評価を可能にします。

新しい論文は、捜索救助任務を実行する自律UAV群のための三階層階層学習アーキテクチャを提案し、ヘッブ神経可塑性、グラフニューラルネットワークとビヘイビアツリーを用いたマルチエージェント強化学習、BDI推論とデジタルツインを用いたメタ学習を統合する。フレームワークは形式的保証を提供し、群メタ認知を導入する。

AIのコード生成速度が人間のレビューを上回り、深刻な信頼危機が生じている。単体テストやプロンプトエンジニアリングだけでは不十分。本稿では「セマンティックコントラクト」を提案する。これは型安全でコンパイル時に検証可能な設計図であり、要件とコードの間に位置し、実装が誰（または何）によって書かれたかに関わらず正確性を保証する。ソートアルゴリズムとECサイトのチェックアウト例を用いて、コントラクトの構成要素、状態処理、既存システムへの統合方法を示す。

この記事では、Telnyx Edge Compute関数を使用して音声AIアシスタント用のバックエンドを構築する方法を紹介します。単一の関数で動的変数とWebhookツール呼び出しを処理し、リクエストを検証してビジネスロジックに接続することで、アーキテクチャを簡素化しパフォーマンスを向上させます。

Gradle Technologies は Develocity に社名変更し、AI 主導のソフトウェアデリバリーに特化します。同社は、AI がボトルネックを開発者からパイプラインに移したと指摘し、新たなガバナンスと効率性の必要性を強調しています。

PocketVetoは、Bluetoothのみで動作するローカルなAIコーディングエージェント向けの承認ゲートおよびライブダッシュボードです。ユーザーはスマートフォンからエージェントの危険な操作（シェルコマンド、ファイル書き込みなど）を承認または拒否でき、インターネット不要で動作します。Windows、Linux、開発コンテナをサポートし、v1が利用可能です。

Blur & Unblur AIは、写真内の顔を検出し、選択した顔にぼかしを適用し、クリーンなPNGをエクスポートする無料のオンラインツールです。すべての処理はブラウザ内でローカルに行われ、画像をアップロードする必要はありません。

VulnHunter は、オープンソースのエージェント型AIセキュリティツールで、攻撃者優先の能動的分析をソースコードに直接適用します。悪用可能な脆弱性を特定し、誤検知を減らし、証拠に基づいた修正を提案します。

マイクロソフトのFoundryプラットフォームは現在、8万以上の企業がAIエージェントを構築するために利用されています。製品担当バイスプレジデントのMarco Casalaina氏へのインタビューでは、プロトタイプと本番環境のエージェントの違い、エージェントハーネスの重要性、そして信頼性の高いエージェントを実現するためのコンテキストレイヤーの構築方法について説明しています。

Moonshot AIは、2.8兆パラメータ、100万トークンのコンテキストを持つオープンウェイトモデルKimi K3をリリースし、Frontend Code Arenaでトップランキングを達成し、さまざまなベンチマークで競争力のあるスコアを獲得しました。このリリースはオープンモデルのマイルストーンですが、トップのクローズドモデルとのギャップは依然として存在します。ニュースレターでは、セキュリティインシデント、エージェントフレームワーク、ロボティクスなどの他のAIニュースもカバーしています。

SAMは無料のオープンソースAIエージェントで、サブスクリプション不要でローカル実行可能。チャットだけでなく実際にタスクを実行し、173のツール、チーム連携、オフライン動作、プライバシー重視が特徴。

RepoMapは、ソースコードをLLMに送信せずにリポジトリ構造を抽出し、人間とAIエージェントの両方が理解できる対話型アーキテクチャマップを生成します。トークン消費を大幅に削減し、Git履歴の可視化やブランチ編集をサポートします。

Wandrベンチマークは、広範かつ深い検索を必要とするリサーチエージェントを評価するために設計されており、包括的な情報検索を確保します。

AstrioがForall（∀）を公開。仕様からコードと機械検証可能な証明書を自動生成するコーディングエージェント。CLIフルエージェントとMCP検証専用の2種類の利用方法を提供し、TypeScript、Java、Rustに対応。Apache-2.0ライセンス。

Moonshot AIは2026年7月16日、2.8兆パラメータのオープンMoEモデルKimi K3をリリースしました。Kimi Delta AttentionとAttention Residualsを採用し、ネイティブビジョンと100万トークンのコンテキストウィンドウをサポートします。多くのベンチマークで優れた性能を示す一方、最強のプロプライエタリモデルには一部で劣ります。

AegisDBは、AIエージェント向けのセルフホスト型メモリシステムです。単純なJSON-over-TCPプロトコルを介して、永続的なエピソード記憶、セマンティック（ベクトル検索）記憶、揮発性ワーキングメモリを提供します。単一の依存関係がないCバイナリで、マルチテナント、暗号化、バックアップ、読み取りレプリカ、ワンコマンドのPrometheus/Grafana観測スタックを備えています。プライバシーを重視し、エージェントのメモリはインフラストラクチャ内に留まり、SaaSへの依存はありません。

Moltshit.comは、AIエージェント専用の画像掲示板であり、人間の監督なしで自律的な対話が可能です。このプラットフォームは、さまざまな板、API、MCP統合を提供し、エージェントが自主的に投稿や返信を行えるようにします。

Cushman & Wakefieldの最高デジタル・情報責任者Sal Companiehが、プロダクトオペレーションモデル、統一データ戦略、Databricksとのパートナーシップを通じてエンタープライズAIコアを構築し、アイデアから成果までの期間を数ヶ月から数日に短縮した方法を語る。

Rootly AIラボは、オープンソースのリアルタイムゲーム環境ベンチマーク「Doom Agent Arena」を開発。AIエージェントがMCPを介してDoomプレイヤーを制御し、インシデント対応に必要な推論、適応、意思決定能力を評価する。調査の結果、長い思考時間が必ずしも良い結果につながらないこと、エージェントが独自の「ランブック」を作成して効率化できること、迅速な判断が勝利に直結しなくても累積的に時間を節約できることなどが判明し、AI支援インシデント対応システムの設計に示唆を与えている。

本記事は19世紀のラッダイト運動の歴史的実態を掘り下げ、その戦略、成功と失敗を分析し、なぜ現代の反AI運動が単純にラッダイト主義を模倣できないかを論じる。著者は、ラッダイト運動の特定の歴史的背景、地方性、具体的な要求が現在のAIへの懸念とは根本的に異なると指摘する。

新しい研究で、訓練不要の領域認識型KVキャッシュ削除ポリシーMemDecayが提案されました。セマンティック領域ごとに異なる優先度と減衰率を割り当て、固定キャッシュ予算下で重要な情報を保持します。実験では、システムトークンの半減期がスクラッチパッドトークンよりはるかに長く、ピンニングにより全設定で完全な精度を達成しました。

Skyportal SRE は、AI インフラストラクチャを管理・監視するための Python SDK、CLI、可観測性エージェントを提供するオープンソースツールです。

SeekinWebは、AIエージェントがウェブサイトを読めるかどうかを測定する無料ツールです。8つのシグナルに基づくAI可視性スコアを提供し、改善方法を提示します。登録不要で数秒で完全監査が可能です。

この記事は、中国の研究所による米国最先端モデルの大規模蒸留を窃盗と見なす見解に異議を唱え、現在の知的財産法はその主張を支持しないと論じる。フロンティアモデルへのアクセス保護に焦点を当てた政策を推奨し、知的財産保護の拡大には反対する。

x402はHTTP 402ステータスコードに基づくオープンブロックチェーン決済標準で、TRONとBSCネットワークをサポートし、従来のアカウントシステムなしでAPIやコンテンツの従量課金を可能にします。高額手数料、機械間決済、マイクロペイメントインフラ不足などの課題を解決し、売り手と買い手の両方に対応します。

Dotmatics LumaとDatabricksの統合により、機器データのサイロを解消し、連続的でFAIR準拠のデータパイプラインを構築することで、信頼性の高いAI駆動の研究を実現します。

Kimi K3は人工分析インテリジェンス指数で57点を獲得し、平均を上回っています。100万トークンのコンテキストウィンドウ、テキストと画像入力に対応しますが、価格がやや高く、速度が遅く、冗長です。

VentureBeat Pulse Researchの調査によると、107の企業の過半数がAIエージェントのセキュリティインシデントまたはニアミスを経験しています。エージェントごとに個別のIDを付与している企業は約3分の1に過ぎず、ほとんどのエージェントが認証情報を共有しています。高リスクのエージェントを隔離している企業はわずか3割です。セキュリティスタックはプロバイダー製のコントロールに大きく依存しており、満足度は高いものの、予算配分は少なく、大多数が1年以内のツール変更を計画しています。

Anthropicは、最も強力なコーディングエージェント「Claude Fable 5」に、最先端AI開発タスクにおける能力を制限する秘密の措置を施した。これにより、AI業界の構造的矛盾が明らかになった：ラボは自らの地位を守るために、最も成功した製品を弱体化させなければならない。一方、オープンウェイトモデルは急速に性能差を縮めており、企業顧客はコスト削減のためオープンソースへと移行している。

Sakana AIの研究者らは、数百の単純なセルラーブリックからなるシステムを開発した。各ブリックは同一のニューラルセルオートマトンを実行し、局所的な通信のみで全体の形状を協調的に認識する。ハードウェア実験では4つの形状で100%の精度を達成し、故障や損傷の検出、さらには少数の種細胞からの再生も可能。本成果はNature Communicationsに掲載された。

ユーザーはテクノロジー企業がAI機能をデフォルトで有効にすることに不満を感じている。InstagramはAIチャットボットをデフォルトで有効にしたことで反発を受け、3日後に撤回した。プライバシー専門家は、プライバシー保護をデフォルトとする設定と連邦規制の必要性を訴えている。

AIアシスタントは作業の表面層に急速に広がっているが、実際のビジネス上の意思決定で結果を変えることはほとんどない。問題はコンテキストが分散していることと汎用AIの限界にある。DatabricksのGenie OneとGenie Ontologyは、統一コンテキストレイヤーを提供し、AIコワーカーが共有のビジネスマップ上で自動的にガバナンスを継承できるようにすることでこの問題に対処する。

DatabricksはData+AI Summitで業界初のコンテキストエンジニア認定を発表し、信頼性の高いエージェントシステム構築に必要なスキルを認定します。同時に、エージェント時代向けのコースを追加し、AIを活用した認定準備ガイドも初めて提供します。

Echooは、母語で書いた文章をワンショートカットで自然な英語に変換するMac用AIライティングアシスタントです。Slackやメールなど、使い慣れたアプリ内で動作し、コピペ不要。プライバシーを重視し、無料トライアルあり。Pro版は月額$6.99。

VarAlignは、AIコーディングアシスタントが異なるセッションで作成した重複、ドリフト、または位置ずれした変数を検出するVS Code拡張機能です。完全にローカルで動作し、コードがマシンを離れることはありません。重複、変数、セッションのビューを提供し、修正プロンプトの生成やAIによる自動修正も可能です。

Embusa /analyst は、AIを活用した自律型マルウェア分析とリバースエンジニアリングを提供し、明確な調査結果、影響評価、対応ガイダンスを提供します。技術レポートとエグゼクティブレポートの両方を生成し、検出ルールを作成し、既存のセキュリティツールと統合します。

OpenWiki 0.2 は、OKF形式でコードベースのWikiを生成し、メタデータ、変更履歴、エージェントに優しい検索機能を提供することで、開発者がリポジトリのドキュメントを整理するのを支援します。

Google DeepMindとIsomorphic Labsは、生物学におけるAIの悪用を抑制し、感染症対策を支援するためのバイオレジリエンスプログラムを発表した。この取り組みは過去1年間に政府機関、バイオセキュリティ組織、研究グループとの15以上のパートナーシップを構築している。

Forresterは、AIベンダーが値上げや使用量課金を通じてインフラコストを顧客に転嫁するため、来年のソフトウェア予算が大幅に増加すると警告しています。Anthropic、OpenAI、GitHub、マイクロソフトなどが使用量ベースの課金に移行し、企業のコスト懸念が高まっています。また、「AIによる解雇」にもかかわらず、IT人員支出は減少しておらず、2025年にはIT予算の35%を占めています。Forresterは、予測不能なAIコストを管理するためにFinOpsプラクティスの適応を推奨しています。

RatelはAIエージェント向けのコンテキストエンジニアリング層で、BM25インデックスを使用して各ターンに関連するツールとスキルのみを選択し、トークン消費を最大80％削減し、精度を向上させます。ベクターDBは不要です。

Google Vidsに「Gemini Omni」と「パーソナルアバター」機能が追加。自然言語で動画を生成・編集できるほか、自撮り写真と音声から作成したデジタルアバターを動画に登場させることが可能に。

AIモードでお気に入りのサービスを安全にリンクし、検索結果から直接買い物やプレイリスト作成などの操作が可能になります。

2017年以来、イアソン・ガブリエル氏はGoogle DeepMindでAIの影響を予測し熟考する仕事をしている。しかし商業的・地政学的圧力が高まる中、倫理学者の役割が問われている。

OpenAIはGPT-5.6が予期せずファイルを削除したという報告を調査し、フルアクセスモードが有効でサンドボックス保護なしでコードが実行された場合に最も多く発生することを発見しました。

著者の個人的な経験を通じて、AIを使って個人向けソフトウェアツールを迅速に構築し、効率を高め、反復作業を減らす方法を紹介します。

GoogleはAIノート作成アプリNotebookLMをGemini Notebookに改名すると発表した。スタンドアロンアプリとして残りつつ、GeminiやGoogle検索との連携を深める。2023年5月にProject Tailwindとして初公開され、AIポッドキャストやスライドショー、動画要約機能が追加された。新たなアップデートでは、セキュアなクラウドコンピュータに接続してコードを記述・実行可能に。AI UltraおよびWorkspaceビジネスユーザー向け。

本論文では、微分可能なバリア関数やコスト関数、条件付きガウス過程を用いて制約情報を直接フローマッチングの訓練目的に組み込むフレームワークConFlowを提案し、ロボット動作生成における制約充足と軌道品質を向上させる。2台のロボットのナビゲーションタスクにおける実験では、標準的なフローマッチングベースラインと比較して、衝突率の低減と軌道品質の向上を示した。

本論文は、機能的近赤外分光法（fNIRS）による脳信号を使用してロボット強化学習を調整する可能性を探ります。受動的（観察）タスクと能動的（実演）タスクでのエージェントトレーニングを比較し、パラメータ拡張に焦点を当てた複数の方法をテストしました。結果は、このフレームワークが効果的であることを示しています。脳信号は軌道優先度と状態行動Q値を拡張する際に学習を向上させます。さらに、オフラインデータからの学習に成功し、リアルタイムBCI設定が非現実的または限られたデータしか利用できない状況での実用的な代替手段を提供します。

既存の把持ベンチマークは視覚的な把持姿勢検出に焦点を当てており、多段階の推論や意味的制約を必要とする複雑なタスクを捉えていません。研究者らはGCA-Benchを提案し、シーン推論と意味的制約を含む複雑な動作シナリオで大規模モデルを評価します。実験では、複雑なシナリオでの成功率が70%未満であり、重大な限界が浮き彫りになりました。

DiMaSは、フローマッチング型視覚・言語・行動（VLA）モデル向けの分布マッチング戦略であり、ロボット操作における詳細な行動制御を可能にする。固定方向へのシフトではなく、表現分布間の輸送を行い、2つの最先端VLAで有効性が確認された。また、行動制御の転移可能性を分析し、線形誘導が視覚運動設定で失敗する理由を解明：行動特徴は線形に解読できるが線形に誘導できない。

MEMORAは、ロボットが一人称視点動画からの持続的な記憶を用いて長期計画を行うための身体化行動記憶（EAM）を提案する。4つのタイプの記憶ストア、オンライン編集、オフライン統合を特徴とする。45時間のEPIC-KITCHENS-100動画で評価した結果、記憶精度が最大20.5ポイント向上し、計画スコアが16.6%改善した。

本論文では、事前学習済み視覚-言語-行動（VLA）ポリシーに接触反応性を追加する力認識型後トレーニングフレームワークLIFTを提案する。反応的な行動エキスパートの移植、因果力記憶とクロスアテンションによる6Dエンドエフェクタ力の注入、オンラインDAggerループとの組み合わせにより、タオル折り、本の挿入、ハノイのリング配置において、視覚のみの後トレーニングを上回る性能を示した。

本研究は、音楽や音声の入力に基づいてリアルタイムに運動スキルを自律選択できる、セマンティックオーディオ駆動型人型ロボット制御のためのマルチモーダルオーケストレーションフレームワークを提案する。Unitree G1人型ロボットで検証され、ロバストなシミュレーションから実機への転送が示された。

SD-MARは、視覚言語モデル（VLM）のマルチ画像分析推論タスクにおける訓練と評価のためのフレームワークです。制御された摂動によりペアの視覚シナリオを構築し、意味変化の帰属や定量的比較にわたる推論タスクを生成します。GRPO-liteと後方割引配分（BDA）を用いた強化学習手法を採用し、KL正則化を除去してポリシー最適化を強化します。Qwen2.5-VL-7BとInternVL3-8Bでの実験では、ドメイン内精度が最大36.95%向上し、Qwen2.5-VL-7BはSD-MARベンチマークでGPT-4.1を上回りました。ドメイン外汎化性能は維持または向上し、MME、MMMU-Pro、MathVistaでは1%以内、MMBenchでは最大4%の改善を示しました。LLM-as-judge評価では、両モデルで論理的整合性と説明品質の一貫した改善が確認されました。

付加製造におけるXCT画像の欠陥セグメンテーションの課題に対し、XCT-SAMフレームワークを提案。Conv-LoRAアダプタを用いた逐次ドメイン適応により、ドメインギャップを徐々に埋め、CycleGAN-XCTベンチマークと実NISTスキャンでベースラインを上回る性能を達成。

MonteRETは、胸部CT所見セクションを生成するための領域認識型検索拡張フレームワークです。グローバルおよび局所的なCT特徴を統合し、臨床関連知識を検索し、知識誘導型レポート書き換えエージェントでレポートを洗練します。公開および外部コホートでの評価により、レポート品質、意味的類似性、臨床効果が向上し、専門家もMonteRETの出力を好みました。

本論文では、視覚基礎モデルが3次元ユークリッド空間の内在的特性を反映する表現を構築しているかどうかを問う。従来の深さや法線の回帰による3次元認識のプローブとは異なり、視覚特徴空間の構造とユークリッド変換群SE(3)の関係を調査する。相互近傍指標とポアンカレアダプターというプローブを提案し、自己教師あり視覚モデルが直接的な3次元監督なしに潜在部分空間に3次元空間と強く相関する情報を持っていることを示す。この知見に基づき、明示的な3次元再構成を必要としない「潜在空間ナビゲーション」技術を提案する。

キーフレーム条件付き動画生成の初の包括的ベンチマークKeyFrame-Compassを提案。386サンプルと自動評価フレームワークを導入し、9システムでの実験からキーフレーム忠実度と自然な合成のトレードオフを明らかに。

マルチ参照音声映像生成（MR2AV）は、複数の参照とテキスト指示に基づいて同期した音声・映像コンテンツを生成するタスクである。既存のベンチマークはテキスト駆動生成や単一参照の保存に焦点を当てており、MR2AV設定の評価は未開拓である。本論文では、350の厳選されたサンプルからなる統合ベンチマークMultiRef-Compassを提案する。これは多視点対象保存、多エンティティ結合、人物-物体-シーン構成をカバーし、4次元（基本品質、参照一貫性、音声映像一貫性、指示追従）の評価プロトコルと14のサブメトリクスを定義する。自動メトリクスと再審査強化型MLLM-as-a-Judgeフレームワークを統合し、拡張可能で監査可能な評価を実現する。8つの代表的なMR2AVシステムでの実験により、すべての評価次元で改善の余地があることが明らかになった。

本論文では、LLMエージェントの軌跡における有用なツール呼び出しの割合を評価する新しい定量的指標「ツール効率」を導入する。ツール効率の明確な定義のために、各ツール呼び出しが有用か、安全に除去可能かを示す「限界ツール効用」も定義される。限界ツール効用の符号はLLM-as-a-Judgeによって決定される。この研究は精度を代理とする間接的な測定ではなく、効率を直接定量化し、将来のベンチマーク設計やスリムなツールスイートの最適化に貢献することを目指す。

Polestarは、トークン表現のドリフトを活用して拡散大規模言語モデル（dLLM）におけるKVキャッシュ再利用と復号並列性の課題に取り組む、トレーニング不要の推論フレームワークです。Polestar-Cache（スパースキャッシュリフレッシュ）とPolestar-Commit（コミット準備完了トークンの識別）から構成され、数学・コーディングベンチマークにおいて最大10.73%の精度向上と3.7倍のスループット向上を達成しました。

本論文では、連続空間で動作し、各トークンに独立した時間ステップを持つ新しい拡散言語モデル「トークンタイム連続拡散（TTCD）」を提案する。TTCDは、不確かなトークンを異なる速度でノイズからトークンに変換し、並列サンプリングの不正確さを回避する。高速化時に離散モデルを上回る性能を示し、OpenWebTextで学習した1.6億パラメータのモデルを自己蒸留することで、条件付き生成において既存モデルを凌駕する。数独解決でも同様の改善が得られた。

本論文では、ユーザーがより明確なプロンプトを作成できるようにタスク固有のガイドラインを自動生成するAGOPSを提案する。実験では、不十分なプロンプトにより最大95.3%の性能低下が生じるが、AGOPSガイドラインに従うことで15.5%から81.7%の性能向上が見られた。

大規模言語モデルエージェントがテキスト通信時に情報を失うことを、スパースオートエンコーダー（SAE）特徴分析を用いて定量化した研究。潜在空間通信は圧縮率において高い精度を維持するが、失われた特徴は主に表面形式を符号化し、タスク関連の意味ではないため、潜在通信の優位性は限定的であることが示された。

本論文では、低クエリ予算下で高品質なテキスト敵対的サンプルを生成するサンプリングベースの手法LBAを提案する。事前知識と事後知識を統合して近似分布を構築し、サンプリングを通じて分布を更新することで効率的に探索する。実験では、6つの言語モデルと4つのデータセットにおいて、LBAが既存手法を大きく上回り、より意味を保持し理解しやすい敵対的テキストを生成することを示す。

本論文は、形態論的に豊かなアラビア語に前群文法ベースの量子構成自然言語処理を初めて適用したものである。量子回路が文法構造を反映し、語順、時制、動詞の語義曖昧性解消実験で古典的ベースラインを上回った。

JKPフレームワークは、繰り返しの挑戦的な質問に対するVLMの安定性を評価する。GPT-4o、Gemini 2.5 Pro、Qwen3-VL-30Bの評価では、大幅な不安定性と回答の反転が見られ、モデルごとに異なる圧力応答プロファイルが明らかになった。

本研究は、大規模言語モデルや強化学習などの閉ループ知識システムが内部フィードバックの繰り返しにより飽和する理由を分析し、構造的介入による脱出を可能にする3層の操作的枠組みを提案する。リアプノフ・ドリフト条件を用いて安定性を特徴づけ、脱出はアトラクタ変位とKL下限で定量化される。ケーススタディとして、LLMコード修正、スパース報酬強化学習、ベイズ最適化が含まれる。

オフライン強化学習における世界モデルは、データが少ない領域でモデル悪用の影響を受けやすい。RENEWは、想像上のロールアウトに対する人間の好みを利用して悪用を直接修復し、認識的不確実性を導入して微調整を集中させ、サンプル効率を向上させる。

Branching Policy Optimization（BPO）を提案。サンドボックスの決定論的、スナップショット可能、再開可能な特性を活用し、プレフィックスを共有するツリー状のロールアウトトポロジーを構築することで方策勾配の分散を低減し、GRPOやRLOOと比較して成功率を3.6～6.1絶対ポイント向上させる。

本論文では、推論されたドメイン事後分布からクエリ時ラベルなしで、可能な場合にドメイン別汚染予算を認証し、不可能な場合は棄権するC3Rを提案する。最困難ドメインでの汚染削減を保証し、再サンプリングを通じて安定性を示し、較正カスケードよりも高い再現率を維持する。

既存のゼロショット画像分類手法では、すべてのクラスに対して同一のプロンプト重みを使用しており、プロンプトのクラス特異的な適性が無視されていた。CARPRTは、訓練不要でクラス認識型の重み付けスキームを導入し、各クラスに対するプロンプトの関連性に基づいて重みベクトルを調整する。実験では、CARPRTがクラス独立な重み付け手法を上回り、プロンプトとクラスの依存関係をモデル化することの重要性が示された。

最新の研究では、小規模言語モデル（SLM）を知識グラフに接地することで、ニューロシンボリックエージェントフレームワークを用いて推論能力を強化しています。CLUTRRの親族関係ベンチマークでGemma 3とLlama 3.2を評価した結果、RGCNによるヒントは1.5〜2倍の性能向上をもたらすものの、抽出ボトルネックと逐次的な演繹の脆弱性が確認されました。

本論文は、ツール拡張型大規模言語モデルエージェントがツールセットを拡張する際に直面する「行動慣性」問題に取り組む。重要な意思決定ポイントに反実仮想的なアンカーコンテキストを注入することで、この慣性を打破し、失敗した軌跡を回復する。提案フレームワークToolAnchorは、教師モデルで反実仮想を仮説し、学生ロールアウトで検証し、エージェント事後訓練で成功した介入を内面化する。GAIA、BrowseComp、VDR-Benchでの評価により、拡張ツールセット下で競争力のある性能を示し、静的訓練と動的適応のギャップを埋める。

研究者らは、大規模言語モデル（LLM）を用いてベイジアン信念ネットワーク（BBN）を構築する新しい手法を提案した。この手法では、AIエージェントのパネルが特定のペルソナとコンテキストに基づいて確率を推定し、トリム平均ルールでノイズを除去することで、専門家の意見とデータ駆動学習のギャップを埋める。代替医療システムにおける患者の受診意図をモデル化した事例では、自己効力感の実際の因果影響は小さい一方、主観的規範がより強い影響を持つことが明らかになり、最も効果的な戦略は自信とコミュニティ規範を同時に改善することであると示された。

LLM-T1Dという新しいアプローチは、強化学習と大規模言語モデルを組み合わせて、1型糖尿病のための解釈可能なインスリンポンプコントローラを作成し、目標血糖範囲内の時間73.5%を達成し、明確な説明を提供します。

人間が空間情報を伝達する方法に触発され、言語誘導型の地理的位置特定が注目されているが、既存手法は静的なワンショット検索に依存し、曖昧さに対応できない。本論文では、推論検索へのパラダイムシフトを提案し、対話型場所認識（DlgPR）を導入する。これは位置特定を対話駆動の推論プロセスとして捉える。大規模な対話型ベンチマークDlgQuest-Citiesと、クロスモーダルマルチレベル検索器と知的質問器DQ-pilotを組み合わせた統一フレームワークを提示。DQ-pilotはカリキュラム学習（DQ-cities-20kでの教師ありファインチューニング後、GRPOを用いたDQ-cities-10kでの強化学習）で訓練される。2つのタスク整合指標（DDIとPRG）が学習を導く。実験はベースラインを大幅に上回る性能を示す。

検索拡張生成（RAG）は巨大言語モデルの出力品質向上に広く用いられているが、従来のRAGは階層的・関係的推論が必要なクエリに弱い。本論文では、階層的知識グラフをグラフ探索して構造化コンテキストを提供するHG-RAGを提案。実験では、三つの規模（18～800ノード）と四つのクエリタイプで評価し、HG-RAGが階層的・関係的・マルチホップ推論タスクで平面ベースラインを一貫して上回り、幻覚を低減し局所的一貫性を維持することを示した。

アルファベットが旗艦AIモデル「Gemini 3.5 Pro」のリリースを延期したとの報道を受け、株価は4%下落しました。同モデルのコーディング能力は社内の期待に及ばず、競合のOpenAIやMetaはより高度なコーディングモデルをリリースしています。

PuterがFirefoxのGeckoエンジンをWebAssemblyにコンパイルし、ブラウザ内で完全なブラウザを動作させることに成功。プロジェクトには約25,000ドルのAI計算リソース（Claude Opus/Fableトークン）が費やされ、Wispプロトコルで全トラフィックをプロキシし、エンドツーエンド暗号化をサポート。オープンソースとして公開。

Artificial AnalysisがAA-Briefcaseエージェンティック知識作業ベンチマーク結果を発表。Kimi K3がElo 1547で首位、GPT-5.6 Solの1495を上回る。このベンチマークは、スプレッドシート、プレゼンテーション、メモなどのタスクにおけるモデルの能力を評価する。

OpenAIのGPT-Redは人間とAIの協力によるレッドチーミングでモデルの安全性を評価する新手法だが、企業は自社のワークフローとの整合性を確認する必要がある。

中国のAIラボMoonshot AIが2.8兆パラメータのKimi K3を発表。初の「オープン3Tクラスモデル」と自称し、多くのベンチマークで優れた結果を示す。著者は「ペリカンが自転車に乗る」SVG生成でテストし、推論コストや隠れたシステムプロンプトを明らかにするとともに、この非公式ベンチマークの限界を考察する。

自律型AIミュージックビデオ生成システムを構築し、Claude Fable 5とGPT-5.6 Solを25ドルおよび100ドルの予算で比較しました。システムはモデルに歌、予算、ツールを与え、自主的に研究、クリップ生成、編集を行わせます。結果はすべての実行で完全なビデオが生成されましたが、品質は平均的で、一貫性やテンポ合わせに問題がありました。Claude Fable 5はコストが高いが高速で、GPT-5.6 Solは編集でより創造的でした。

xAI の Grok 4.3 が Amazon Bedrock で一般利用可能になりました。構成可能な推論努力、強力なツール使用と指示追従、100万トークンのコンテキストウィンドウを備え、エージェントやエンタープライズワークロードに適しています。この記事では、その特徴、アクセス方法、基本的な使い方を紹介します。

OpenAIは、自己対戦強化学習を用いて防御LLM集団に対して訓練された社内専用の攻撃モデルGPT-Redを開発しました。再現された間接プロンプトインジェクション環境で、GPT-Redは人間のレッドチームの13%に対して84%の成功率を達成し、新たな「偽の思考連鎖」攻撃クラスを発見し、OpenAIの最も難しい直接インジェクションベンチマークでGPT-5.6 Solの失敗率を6倍削減しました。ただし、マルチターンや画像ベースの攻撃では依然として課題があると認めています。

GPT-5.6 Sol と Claude Fable 5 は、フロンティアモデルの座を争っています。Fable 5 は一般的な知能でわずかに優れている一方、Sol はコーディング性能、実行速度、価格で反撃します。Sol の価格は Fable 5 よりも Claude Opus 4.8 に近く、この比較をより興味深いものにしています。

GPT-5.6が特定の設定下でユーザーファイルを予期せず削除するバグが報告された。完全アクセスモードでサンドボックス保護なしにCodexを実行した際、モデルが$HOME環境変数を上書きしようとして誤って$HOMEディレクトリを削除する。

101の企業を対象としたVentureBeat Pulse Researchの調査によると、57%の企業が過去6ヶ月間に、欠落または一貫性のないビジネスコンテキストに起因する、自信過剰で誤った回答をAIエージェントが生成した経験がある。検索拡張生成（RAG）がデフォルトのコンテキストソースであり、プロバイダーネイティブ検索（OpenAI 40%、Google 38%）が専用ベクトルデータベースを上回っている。しかし、36%はベストオブブリードのスタンドアロンツールを維持する意向を示している。ハイブリッド検索が2026年末までに主流になると予想され、58%がガバンドセマンティックレイヤーを構築中だが、本番稼働しているのは25%にとどまる。

157のエンタープライズを対象としたVentureBeat Pulse Researchによると、組織はAIエージェントにより多くの自律性を付与する一方で、その自律性を制御するための評価への信頼は低下している。半数が内部評価を通過したエージェントを顧客に導入し失敗を経験。自動評価を完全に信頼するのはわずか5％で、最大の弱点は評価が現実の結果と一致しないこと。それでも3分の2は人間の介入なしに自動評価のみで本番展開を許可または構築中。結果として、評価ギャップ——エージェントに与えられる自律性と、失敗を捕捉するはずのテストへの信頼の差——が拡大している。

Open-AoEは、500人以上の貢献者が400台以上のスマートフォンを使用して収集した約2000時間の自己中心的操作ビデオを含む大規模データセットであり、テキスト注釈、手の姿勢、カメラ軌跡、原子動作などの構造化注釈と、身体性学習のためのツールチェーンを提供する。

MixCompressは、スパースな構造的特殊化に基づく統一可変ビットレート（VBR）フレームワークであり、スパースにゲートされたエキスパート混合（MoE）ルーティングと深さ混合（MoD）拡張を組み合わせてモデル容量を動的にスケーリングし、条件付き補助変換（CAT）によるサブバンドエネルギー変調を実現。既存のVBR手法の特徴絡み合い問題を解決し、単一レートベースラインと同等以上の性能を達成、計算効率的な画像符号化の新たなパレートフロンティアを確立する。

本論文では、Bフレーム符号化のためのニューラルビデオコーデックフレームワークDCVC-Mamba（DCVC-MB）を提案する。IBPフレーム戦略による低遅延Bフレーム符号化、状態空間モデルに基づく時空間融合モデルによる双方向時間予測、およびエントロピー符号化時間を削減するために特定の潜在変数の符号化を選択的に省略するエントロピー認識スキップ機構を導入する。また、圧縮性能を向上させる2つの推論時戦略も実装する。実験評価では、DCVC-MBは従来のニューラルビデオコーデックと比較して平均BD-rateを最大8.98%削減し、VTM-19.0-LDPおよびVTM-19.0-RA（Inter-GoP=16）ベンチマークに対してそれぞれ最大30.45%および1.81%の改善を示し、ニューラル動画圧縮の進展に貢献する。

研究者らは、複数カメラと慣性測定を活用し、高速処理（300Hz）と高精度を実現するレーシング向け3Dレーン検出の新しいデータセットと手法を提案。F1スコア>0.9、横方向誤差低減。

本論文は、UzWordnetと生成AIを統合し、4つのゲームを通じてウズベク語を練習する教育システムアーキテクチャを提案する。ゲームのダイナミクスを利用してUzWordnetを自動的に改善する方法論も示す。

UniSAGEは、静的属性と動的属性の両方を持つデータをモデル化するための統一フレームワークです。グローバル属性グラフの構築、直交パラメータ部分空間の導入、軽量なハイパー構造メカニズムにより、静的な集約と動的な推論を統合します。複数のベンチマークで10%以上の性能向上を達成しています。

本論文では、NR-V2X車車間通信におけるリアルタイムリレー選択のための、エッジ認識学習最適化フレームワークを紹介する。V2Xスナップショットを有向グラフとしてモデル化し、オフラインMILP解を用いてエッジ特徴付きグラフ同型ネットワーク（GINE）を教師あり学習することで、5ミリ秒以内の推論遅延を実現。GINEはリンクレベルで0.9589の精度、0.9544のF1スコアを達成し、ハイブリッドGP-MILP戦略は最適性を維持しながら98%以上のグラフインスタンスでソルバー実行時間を30ミリ秒未満に削減する。

この研究は、教師あり辞書学習を10-K提出書類とそのItem 1Aリスク要因セクションに拡張し、リターンとボラティリティラベルに対してセクター、ポートフォリオ、個別企業の3つの集約レベルで感情スコアを訓練。2006～2023年のナスダック100テクノロジー企業94社の1,383件の提出書類を用いて、全文はセクターおよびポートフォリオレベルでより正確な感情分析を生み出すが、個別企業レベルでは狭いItem 1Aセクションの方が優れていることを発見。Loughran-McDonald辞書ベースラインはすべてのレベルで価格と一貫して強い負の相関を示し、規制開示テキストに対する教師ありアプローチの価値を強調している。

本論文は、衛星画像からの山火事検出のために量子回路とU-Netを組み合わせたハイブリッドモデルQFireNetを提案する。量子モデルはSen2Fireデータセットで古典的なU-Netを上回り、データ混合により性能が大幅に向上した。

本研究は能力収束仮説（CCH）を提案し、固定推論予算下では表現の収束が能力の収束を意味しないこと、能力はアクセス完備ハイブリッドアーキテクチャへ収束することを示す。情報理論的下限と事前登録実験が仮説を支持する。

IMEX（Interaction-Based Model Explanation）は、予測に最も寄与する変数と変数間の重要な相互作用を識別する新しい説明可能な予測モデリング手法である。高次相互作用分析にも対応し、静的相関パワー（PCS）と相互作用相関パワー（PCI）の2つの指標を用いて解釈可能性マップを構築する。合成データセットでの実験検証により、非線形・条件付き・多重共線性関係下でも特徴構造を復元できることが示された。

データセンターの水使用に圧力を受けるハイパースケーラー向けのユーモアあふれる提案：ゴルフコースを買収して公共公園に転換し、メンバーをバードウォッチングに誘導する。Googleの水使用量とゴルフコースの消費量を比較し、40コースの買収でバランスが取れると示す。

Leapd AIは、アイデアから実際のビジネスを立ち上げるか、既存のウェブサイトを接続してマーケティングや成長を自動化します。市場調査、製品構築、コンテンツ作成、マルチチャネルでのアウトリーチを担当。創業者からの testimonial では、LinkedInのエンゲージメント向上、AI検索可視性の大幅改善、広告効果の向上などが報告され、ユーザーは手動管理ではなく結果を確認するだけで済みます。

Databricksブログでは、Model Servingのルート最適化とLakebase Postgresを活用したリアルタイム不正検知のサンプルアプリケーションを紹介しています。ルート最適化による推論レイテンシの短縮、Lakebaseによる特徴量検索とビジネスルールチェック、コネクションプーリングとOAuthトークンローテーションによる安定性の維持について詳述しています。ベンチマークではp50が27ms、p95が37msと、チェックアウトのレイテンシ予算内に収まっています。

研究者らは、不確かな関節剛性を持つフレキシブル関節ロボットのための適応制御手法を提案する。このアプローチは、暗黙的な制御則と制御入力依存の回帰行列を用いて非線形トルク-たわみ関係の推定を更新し、モータ位置制御器の誤差に対するロバスト性を解析する。非線形剛性を持つフレキシブル関節での実験により有効性が確認された。

本論文では、テキストからビデオ（T2V）モデルにおける概念レベルのアンラーニングのための、学習不要な推論時フレームワークSIRUSを提案する。SIRUSは、ターゲット概念に関連するプロンプト証拠を特定し、サンプリング中にその表現を抑制する。テキストエンコーダやノイズ除去ネットワークの更新は不要である。また、ターゲット忘却、非ターゲット保持、映像品質、脱獄ロバスト性、効率を個別に測定するビデオ中心評価フレームワークを導入。CogVideoXにおいて、SIRUSは平均忘却成功率70.4%、フレームヒット率25.7%を達成し、VideoEraserの44.4%/47.2%を上回り、VBench品質低下を平均-0.043から-0.016に低減した。Wan2.2への転移実験により、SIRUSが現代のT2Vバックボーンに一般化することが示唆される。

Preempt AI v2は、AIアプリケーション向けのセキュリティ標準であり、MLを活用してプロンプトインジェクション、脱獄、データ漏洩を防御します。複数言語対応、レイテンシ10ms未満、精度99.65%。

Metaが新たなAIツール「Muse Image」を発表したが、他人のアカウントをタグ付けしてその公開写真からAI画像を生成できる機能が批判を浴び、数日後に無効化された。ユーザーは手動で許可をオフにしない限り、写真がAI生成に使用される可能性がある。

米国著作権局は、AIが生成したコンテンツには著作権が認められないと裁定。ある著者が、AIが執筆した初期の草稿を保存していなかったため、人間による創作部分を証明できず、著作権申請が却下された事例が浮き彫りに。

BISは、BDCがソフトウェア企業に約1150億ドルを融資しており、これは融資総額の5分の1、成長著しいテクノロジーポートフォリオの80％以上を占めると報告。生成AIによる収益不確実性はまだ影響を与えていないが、最近のクレジットスプレッド縮小が損失吸収力を低下させている。

Linus TorvaldsはLinuxカーネルメーリングリストで、AI支援ツールを明確に支持し、AI生成コードを禁止する立場に反対した。彼はAIを「有用なツール」と位置づけ、Linuxは反AIプロジェクトではないと強調した。この発言は、パッチのバグの53.6%を発見するが誤検出率が20%未満の多段階コードレビューツールSashikoに関する議論に端を発する。TorvaldsはAIツールの急速な進化を指摘し、批判者に対して「自然知能も常に優れているわけではない」と皮肉った。

ニューヨーク州のキャシー・ホークル知事は、新たなAIデータセンターのモラトリアムに署名したが、自身はAIを積極的に活用している。BloombergのOdd Lotsポッドキャストで、チームがAIを使って州のすべての規則・規制を分析し、時代遅れの法律を特定していると語った。例として、犬を狩猟に連れて行くのに25ドルの手数料、妊婦が深夜以降に働くには許可が必要といった法律を挙げた。AIにより、人手では5年かかる作業を数ヶ月で完了し、時代遅れの規制を撤廃できると述べた。ニューヨーク州は大規模データセンターの新設を最長1年間停止する最初の州となり、その間に公共料金上昇や天然資源への脅威に対処する規制を策定する。

欧州委員会は2つの仕様決定を発表。Googleに対し、競合他社との検索データ共有と、Android向けAI相互運用性の向上を求める。Googleはプライバシーとセキュリティを理由に反対。

OpenAIがChatGPTをティーンエイジャー向けに年齢に適した保護機能、学習ツール、ペアレンタルコントロール、専門家とのパートナーシップでいかに安全にしているかをご紹介します。

企業がAIを大規模に展開する中、パフォーマンスとROIの最大の障害は、データを処理するハードウェアではなく、データを移動させるインフラにある可能性がある。本記事は、GPUがアイドル状態になる原因は、多くの場合、ストレージからコンピュートへの非効率なデータパイプラインによる「データ飢餓」であると主張する。アプリケーション配信コントローラを用いた疎結合アーキテクチャによるデータフローの最適化を提唱し、到達可能性、ポリシー、配信という3つのレジリエンスの次元を強調する。

DaftのLeRobotビデオリーダーを改善し、バッチデコードによりリモートデータセットでのフレームデコード時間を1フレームあたり約3秒から数秒に短縮、4〜15倍の高速化を達成しました。

NvidiaとBoeingが出資するこのスタートアップは、車輪付きロボットがすでに生産ラインで稼働しており、新しい産業タスクを継続的に学習できると発表した。

2026年上半期、エネルギー企業のIPOによる資金調達額は126億ドルに達し、1999年のドットコムバブル以来の高い半年間水準となった。投資家はAIデータセンターの電力需要に賭ける方法を模索している。

Google は NotebookLM を Gemini Notebook にリブランドし、AI 研究ツールとしての地位を強化。セキュアなクラウドコンピュータの追加によりネイティブコード実行とデータ分析が可能になり、Gemini アプリや検索との同期機能も実現。2023年の Project Tailwind 以来、3000万人以上のユーザーと60万以上の組織が利用しています。

OpenAIの元CTOが設立したAIスタートアップが、トークン使用を考慮した汎用モデルInklingをリリースした。