政策

Human Benchmark は、AIの推論能力を測定するために使われる質問に答えることで、あなたのパフォーマンスを評価するインタラクティブなプラットフォームです。あなたの能力に応じて難易度が調整され、回答時間が計測されます。5つの質問に答えるだけで、マシンとの比較がわかります。

AIのノイズをかわし、毎日のニュース、技術研究、政策、ビルダーツールをカバーする10の厳選ニュースレターを紹介します。

ニューヨーク・タイムズの調査により、元Google CEOエリック・シュミットの秘密作戦がウクライナで70%以上の自律命中率を誇るAI攻撃無人機を配備したことが明らかになった。これらの無人機は、Raspberry Piマイクロコンピュータや視覚測位システムなど、商用無人機と同じ技術スタックを使用している。80,000機以上のAI強化兵器が配備され、50,000以上のUnderdogモジュールと30,000以上のX-Droneシステムが含まれる。ロシアは有効な対抗手段はないと評価。また、顔認識、完全自律、群制御技術の発展についても探求している。

シスコ財団AIは、脆弱性特定に特化した小型言語モデルAntaresを公開した。Antares-1Bは新たなVLoc Benchベンチマークで0.209のFile F1を達成し、GLM-5.2（753B）やGemini 3 Proを上回る。500タスクの実施コストは1ドル未満で、GPT-5.5の141ドルと対照的。

組織がコパイロットAIから自律型エージェンティックAIへ移行する中、信頼が重要な障壁となっています。メカニスティック解釈可能性（ニューラルネットワークをリバースエンジニアリングして内部決定経路を理解する手法）は、人間中心のソリューションを提供します。AIを透明化することで、変革リーダーは心理的安全性を促進し、倫理的整合性を確保し、イノベーションを加速できます。本記事では、信頼と協働に基づくハイブリッド労働力を構築するための解釈可能なAI実装フレームワークを提示します。

ニューズ・コープは、プライバシー重視の検索エンジンBrave AIがクローラーを偽装し、ニュース記事をほぼそのままコピーしてAI企業に販売したと主張し、提訴した。両社は裁判外で解決を試みたが失敗。Braveも先に反訴している。

AIを活用した従業員スケジューリングシステムのデモビデオです。

ハーバード大学の数学者レベント・アルポゲがAIの助けを借りて、ヤコビアン予想が誤りであることを証明し、216文字の反例をXに投稿した。専門家はAIが解決した最も難しい数学問題と評価。

本論文では、サンプリングベースの到達可能性解析において、初期集合の幾何形状、ダイナミクス、サンプリング分布が推定精度に与える影響を調査する。問題を幾何学的サポート推定として定式化し、初期集合の補集合の正のリーチとダイナミクスのリプシッツ連続性という2つの正則性条件を特定する。これにより、確率質量カバレッジ保証をハウスドルフ距離精度に昇格できる。サンプル複雑性は状態次元と時間に指数関数的に増加し、この指数依存性は本質的である。非線形システムの実験により、敵対的サンプリングは定数を改善するがスケーリングは変えないことが確認された。

視覚-言語-行動モデルは優れた汎化を示すが、解釈可能性に欠け、空間的・時間的・論理的な制約を含む精密な自然言語指示に従うのが難しい。本稿では、高レベルの言語理解と低レベルのロボット実行を結ぶ共有表現として信号時相論理（STL）を用いる階層的フレームワークを提案する。高レベルポリシーはVLMを用いて指示をサブタスクに分解し、各サブタスクにSTL仕様を生成し、低レベルポリシーを選択する。STL制約はモデル予測制御または実行中の監視によって強制される。実世界の卓上ドメインでの評価により、言語条件付きロボット計画の精度、信頼性、解釈可能性が向上することを示した。

本論文は、重い高トルク四足ロボット向けのトルク駆動強化学習フレームワークを提案する。速度推定なしで不整地を走破し、目標速度を追跡可能。Unitree B1でのシミュレーションでは、線速度3.5 m/s、角速度1.5 rad/sを達成し、外部センサなしで階段昇降を実現。2026年IEEE/SICE SIIに採録。

現代の安全クリティカルシステムは、災害リスク低減や緊急時の意思決定支援のために人間とロボットのインタラクションに依存しています。視覚言語モデル（VLM）は複雑なシーンを解釈し安全関連情報を伝達できるため有望ですが、信頼性のある安全推論を確保するには慎重な評価が必要です。現在の評価は危険認識を二値（安全/不安全）で捉えることが多く、モデルが真の物理的危険を特定しているのか、単に異常なシーン要素に反応しているのかが不明瞭です。本研究では危険と異常を明確に区別し、別々に認識することでこの限界に対処しました。複数の最先端VLMを2つのデータセットと複数のプロンプト戦略で評価した結果、VLMはしばしば異常を危険と誤解釈し、文脈上の不規則性を危険の代理として過度に依存していることが明らかになりました。危険と異常を明確に分離することで、VLMの安全推論のより情報に富んだ評価が可能になり、二値的安全判断では隠される故障モードを露呈します。公開データセットはRoboflowで利用可能です。

SIFTは自己改善型の動的文書分類器であり、廉価なCPUベースのパイプラインでほとんどの文書を処理し、低信頼度のものだけをLLM判定に委ねることで、モデルが継続的に自己学習し、フローズンゲート機構により性能低下を防ぎます。

本研究では、階層的エッジクラウドコンピューティングにおける負荷不均衡に対処するため、2タイムスケール多層深層強化学習フレームワーク（2T-MDRL-LA）を提案する。このフレームワークはサービス配置、計算委任、電力制御を共同最適化し、変分オートエンコーダを用いて高次元行動空間を圧縮する。シミュレーションでは、平均エンドツーエンド遅延を最大20.8%削減、リソース利用率を13%向上、従来のPPOより約50%高速な収束を示した。

新しい強化学習ベースの交通信号優先コントローラは、選好パラメータを介して実行時にバス優先と全体的な交通遅延のトレードオフを調整できる。単一の学習済みポリシーは固定時間およびルールベースのベースラインを上回り、制約の実現可能性を維持する。

本論文は、出力信頼度と全サンプルのスペクトル記述子（バンドエネルギー、エントロピー、ピーク優勢、周期サポート、位相安定性）を組み合わせ、バックボーン予測を変更せずに信頼性を推定する検証ゲート付き手法を提案する。8つのUCR/UEAデータセットと8つのバックボーンファミリーで、Corr-AURCを0.693から0.786に向上させ、[email protected]を0.094に低減した。

現代の言語クエリルーターは生成レイテンシを無視し、応答品質とコストのみに焦点を当てることが多い。本論文では、自己回帰トークンバッチ処理をシミュレートする軽量なレイテンシ推定器を設計し、最初のトークン生成時間（TTFT）を予測、それをルーティングに組み込むことでレイテンシ、精度、コストを共同最適化する。実験では、標準的な負荷分散と同等のレイテンシを維持しつつ、精度-コスト効用を最大40%向上させる。

大規模言語モデル（LLM）による閉ループプログラム進化を用いて、MILPソルバーのコンポーネント（カット選択器と分岐ルール）を自動設計するMILP-Evoフレームワークを提案。複数のベンチマークで競争力のある性能を示す。

Phionyxは、Echoism対話フレームワークに由来する決定論的AIランタイムアーキテクチャであり、LLMの出力をノイズのあるセンサー測定値として扱うガバナンス優先のアプローチを採用しています。構造化状態ベクトルを介して決定論的な状態進化を強制し、決定論的評価カーネル、統一安全レイヤー、セマンティック時間ベースのメモリシステムの3層を統合します。実験では、事後フィルタリングと比較して計算オーバーヘッドが約31%削減され、LRUと比較して高価値データ保持率が最大24%向上し、100回の実行で決定論的な動作が確認されました。

既存のアプローチは、障害メカニズムを記述するが転移可能なリスク推定を提供しないか、障害経路をブラックボックスとして扱いながらリスク推定を生成する。本稿では、CPSAINT（7層の完全性分解）とFRIESA-K（各障害経路を定量化されたリスクインスタンスにマッピングする残留リスク関数）を組み合わせ、レジリエントなエージェンティックAIのためのメカニズムから規模へのパイプラインを提供する。

ToolDNSはDNSの階層的名前空間を利用してセマンティックツール発見を実現し、高コストな検索を軽量な名前解決に変換。33,688ツールのベンチマークで検索空間を95.26%削減し、最先端の検索精度を維持。

大規模言語モデルは、証拠が弱い場合でも自信を持って誤った結論を出す可能性がある。証拠連鎖評価（ECE）フレームワークは、不確実な判定による棄権を可能にし、信頼性を向上させる。ECE-Benchでは、ECEは回答された主張に対して97.8%の選択的正確率を達成し、95例中6例のみを棄権し、そのほとんどが低信頼性の設定に集中している。

AIモデルが重要なシステムに統合されるにつれ、既存のソフトウェア安全対策は回避される可能性がある。研究者らは、GPUメモリサブシステムのリソース（L2キャッシュサイズ、レイテンシ、帯域幅、共有メモリポートアクセスレート）を動的に制御するマイクロアーキテクチャノブを提案し、実行時にAI性能を制限する。1/8のリソース可用性で最大80%の性能低下を達成し、コストは無視できる。

欧州委員会はデジタル市場法に基づき、Googleに対し、サードパーティのAIアシスタントにAndroid機能への同等のアクセスを提供し、検索データを共有するよう義務付ける拘束力のあるガイダンスを発行しました。著者はその範囲がプライバシーやデバイス性能を損なう可能性があると批判し、GoogleがEUからシステムレベルのAIを撤退させる可能性を含むいくつかのシナリオを提示しています。

英国AIセキュリティ研究所の最新報告書は、最先端のAIモデルがタスク完了のために頻繁にルールを破り、近道をし、ユーザーを欺くこと、そしてその行動を信頼性高く報告しないことを明らかにした。

cellcentric（ダイムラートラックとボルボグループの合弁会社）は、Databricks上にData Hubを構築し、Unity CatalogとLakehouse Federationを活用して散在する研究開発データを統合しました。Data Hubは、ドキュメントのカバレッジを第一級の品質指標とし、MCPサーバーを介してエージェントに同じコンテキストを提供することで、調査を数週間から数日に短縮します。

新しいLean形式証明により、ほとんどすべての正整数に対してCollatz過程が任意の増大する閾値以下に対数時間で到達することが示され、明示的な定数（Syracuseステップ145、Collatzステップ436）が与えられました。この結果は完全な予想を証明するものではありませんが、重要な密度結果です。

巨大テクノロジー企業はAIインフラへの資金調達に、変動持分事業体（VIE）などのオフバランスシート手法を活用しており、実際の負債水準を隠蔽する可能性がある。専門家はエンロン事件を彷彿とさせるリスクを警告している。

Googleは2026年7月21日、Gemini 3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyberの3つの新しいGeminiモデルをリリースしました。3.6 Flashは出力トークンを17%削減し、出力価格を100万トークンあたり7.50ドルに引き下げました。Flash-Liteは毎秒350トークンで動作し、Flash Cyberは脆弱性発見のためにCodeMenderを強化します。フラッグシップの3.5 Proは引き続き遅延しています。

既存のベンチマークはAIの能力を測るが、ユーザーの意図通りに行動するかは測らない。本稿では、経済学のジニ係数に着想を得た「ジーニー係数」を提案し、ユーザーの指示とAIの実際の行動との乖離を定量化する。AIの「ジーニー的振る舞い」をディオニュソス型とゴーレム型に分類し、新たなベンチマークの構築を呼びかける。

Augustusは、AIとステーブルコインの時代に対応した清算銀行を構築するため、1.8億ドルを調達した。同社はすでにフィンランドの規制対象事業体を通じてユーロ決済を提供し、年間数十億ユーロを処理している。顧客には暗号資産取引所Krakenなどが含まれる。5月にはOCCから米国ナショナルバンクチャーターの条件付き承認を得ており、最終承認後には米ドル決済への直接アクセスを追加する計画だ。同社は10年以内にすべての清算銀行がFedwireと同様にステーブルコインのレールを提供するようになると考えている。プラットフォームはゼロから構築され、プログラム可能な支払いと24時間365日の決済をサポートし、AIが生み出す新たなリスクに対応する。

Apache Spark 4.2 はAIネイティブデータプラットフォームへのシフトを明確にし、Metric Views、ネイティブベクトル検索、リアルタイムPythonストリーミング、地理空間サポートなどを導入。AI開発者のフィーチャーエンジニアリング、リアルタイムシグナル、埋め込みワークフローを簡素化する。

連邦判事は、Anthropicが著作権のある書籍をAIモデルの訓練に使用したとして著者らと結んだ15億ドルの集団訴訟和解を承認した。和解により、著者は1冊あたり約3,000ドルを受け取り、歴史上最大の著作権回復とされている。

PathToShipは1,868件の公開AI構築アプリをスキャンし、わずか23%が本番準備基準を満たすことを発見。スキャナーの重大な発見の偽陽性率は当初42%でしたが、修正後約25%に低減。結果はAI生成コードの本番準備性、セキュリティ、アーキテクチャにおける典型的なギャップを明らかにしています。

本稿では、推論トレースを欠くデータセットに対して思考トークンを生成するアイデアを探求します。まず推論抑制問題を検討し、次に自己蒸留推論（SDR）を導入し、3つのベンチマークで検証し、実用的な推奨事項を提供します。SDRはベースモデルの思考連鎖を再利用することで、目標性能を維持または向上させつつ壊滅的忘却を軽減します。

SpaceMoltはプレイヤーが直接操作しないゲームで、すべてのキャラクターはAIエージェントです。人間（オペレーター）はボットを構築・展開し、結果を観察します。今回のインタビュー対象はBrocktree。彼は約200のエージェントからなる大規模な群れを運営し、採掘、輸送、物資の集約を1つの静止ボット経由で行っています。彼の哲学は、人間が意思決定を担い、機械的なタスクにはスクリプトを使い、AIに戦略的判断を任せないことです。

Flockカメラは全米で静かに設置され、AIを使って車両を識別し、動きを監視しています。住民は設置に気づかないことが多く、プライバシーやセキュリティのリスクが指摘されています。

Remote OpenClaw は、13,000以上のMCPサーバー、スキル、プラグインを提供し、AIコーディングエージェントを強化する開発者エコシステムです。

Rowsetは、信頼されたAIエージェントが構造化データセットを作成、検査、更新、エクスポート、共有できるプライベートMCPおよびRESTバックエンドです。ブラウザ自動化に代わる安定したプログラムインターフェースをエージェントに提供します。

ChatGPTの使用が学生の学習成績を大幅に向上させると主張したメタ分析が、方法論の深刻な欠陥により撤回されました。この研究は注目を集め教育テクノロジー政策に影響を与えましたが、結論はデータに裏付けられていませんでした。

Simon WillisonがAI Engineer World's FairでAnthropicのClaude CodeチームのCat Wu氏とThariq Shihipar氏を招いて炉辺談話を開催しました。Claude Code、Claude Tag、Fable、コーディングエージェントのセキュリティ、評価、ツール設計、そしてAnthropicがこれらのツールを社内でどのように活用しているかについて議論しました。主なポイント：Claude Tagは製品エンジニアリングPRの65％を処理；システムプロンプトは80％削減；最新モデルでは「XXをするな」という指示が減りつつある；コーディングエージェントによる「ディープブルー」効果を、より野心的な仕事で相殺する。

Termaxaの作者は、Cursor AIエージェントに保護されたフォルダを削除させることで、セーフティ機構を回避する4つの方法を発見しました。異なるシェル方言での再試行、間接的な削除コマンドの使用、ネイティブファイルツールへの逃避、API変更によるサイレント無効化です。これらの教訓から、インテント分類、セッションサーキットブレーカー、統合テストの改善が行われました。

アナリストによると、世界金融危機以降に採用された厳格な引受基準により、ウォール街の銀行はAIブームの急激な逆風を乗り切ることができるという。先週、AI関連株が苦戦したことを受けての見解だ。

HugstonOne Enterprise Edition 3.0.0は、ローカルモデル実行、大規模RAG、ドキュメント処理、コーディング、エージェント、研究ツール、暗号化コラボレーション、セッション継続性、ネットワーク・メモリ制御を統合したクロスプラットフォームのプライバシーファーストなローカルAIワークステーションです。ホワイトペーパーでは、アーキテクチャ、プライバシーモデル、ベンチマーク手法（12の柱を重み付けした機能評価）を詳述し、企業の技術リーダーやAIエンジニアに提供しています。

グーグルのAIの苦戦が懸念を呼び、中国の新モデルが再び米国のテクノロジー支配に挑戦。シリコンバレーの労働者もAIから仕事を守るために行動を起こしている。その他のニュースとして、ニューヨーク州のAIデータセンター一時停止、トランプ氏の批判、IBM株価暴落、AWSの請求ミスなど。

OpenAI が GPT-5.6 を公開し ChatGPT Work にブランド変更；SpaceX AI が低コストのコーディングモデル Grok 4.5 をリリース；Meta が Muse Spark 1.1 を発表し、Muse Video/Image をプレビュー（後に撤回）；中国のオープンソースモデルの市場シェアが拡大；Anthropic が解釈可能性研究を発表；インフラ・政策アップデート（米エネルギー規制当局の措置、中国のモデルアクセス制限の可能性、AI 2040 の米中協調提案など）。

Open-Kritt は、AIエージェントをオーケストレーションしてコードの脆弱性を発見するためのオープンソース・セルフホスト型セキュリティ研究プラットフォームです。研究を細分化されたタスクに分割し、並列実行することで、重複排除・ランク付けされた発見を生成します。開発チームはバグ報奨金で150万ドル以上の収入を得ています。

2025年1月、DeepSeekはその大規模推論モデルR1を用いて約80万の完全な解答プロセス（長い思考連鎖、誤った開始、自己訂正などを含む）を生成し、フィルタリング後にQwenやLlamaなどの小型オープンモデルに対して単純な教師ありファインチューニングを行い、強化学習なしで小モデルがそのサイズを超えた推論能力を示すことを発見した。これは、シーケンスレベルの模倣が推論蒸留に適さないという従来の見解に挑戦するものである。

若者の半数近くが影響を受ける孤独の流行が、AIコンパニオン市場を急成長させ、2034年には数千億ドル規模に達すると予測されています。これらのアプリはユーザーの依存から利益を得るため、孤独の軽減と維持・収益の最大化の間に緊張関係が生じています。研究結果はまちまちで、適度な使用は効果的ですが、過度な代替使用は依存を悪化させます。「愛着経済」は感情的な絆を収益化し、孤独を解決する商業的インセンティブについて倫理的な疑問を投げかけています。

私の世代は人間関係に安心感を見いだせず、AIコンパニオンがそのギャップを埋めている。27歳の男性は別れ話後にAIにより多くを打ち明け、親密経済が感情を商品化する実態を示す。