研究

「AIスロップ」という批判の言葉は、批評する側の方がより多くを明かしている。著者はその言葉の曖昧さ、実用的なフィードバックの欠如を探り、作り手は自分の信念と目的を熟考すべきだとアドバイスする。

本稿は、人工知能が執筆と思考のプロセスに与える影響を考察する。著者は自身の経験と文学上の引用を通じて、人間の執筆に不可欠な間、葛藤、ひらめきを強調し、AIが効率化のためにこれらの「空白」を消そうとする傾向を批判し、それが人間の認知の萎縮につながると警告する。

研究によると、ChatGPTのような生成AIがStack Overflowなどのプラットフォームから高品質な専門家の貢献者を追い出している。彼らは自分の専門知識が評価されなくなったと感じている。この傾向は教室やオフィス、研究コミュニティにまで広がり、「知識のリセット」を引き起こす可能性がある。

Long-Horizon-Terminal-Benchは、実験再現、ソフトウェア工学、マルチモーダル解析、インタラクティブゲーム、科学計算など9カテゴリにわたる46の長期的タスクからなるターミナルベンチマークです。タスクを細かいサブタスクに分解し、密な中間報酬と部分点を提供することで、AIエージェントの能力をより包括的に評価します。15の最先端モデルを評価した結果、最強モデルでも部分報酬閾値0.95で15.2%、完全報酬閾値1.0で10.9%の合格率にとどまり、平均合格率はそれぞれ4.3%と1.7%であり、大きな改善の余地があることが示されました。

GATSは、体系的なUCB1ベースの木探索と階層的世界モデルを組み合わせ、計画中にLLM呼び出しを一切行わずに100%の成功率を達成する新しいエージェント計画フレームワークです。合成タスクおよび12の困難なシナリオにおいて、LATSやReActを上回る性能を示し、計算コストも低く抑えられます。

新しい研究CogniConsoleは、大規模言語モデルの信頼性はモデルの能力だけに依存するのではなく、推論時制御に大きく影響されることを示しています。プログラム調整と制限付きプロンプト推論を組み合わせた構造化インターフェースにより、構造的足場を増やすことで出力のばらつきと失敗率を系統的に低減できることが、489回のプローブ実験で実証されました。多くの障害は能力不足ではなく、制御の不十分さに起因しています。

本論文は、敵対的ロバスト性というAI安全性の基礎問題に対して、格子探索問題に帰着させる厳密な理論的枠組みを提示する。音声認証と完全認証という2種類の区間認証を導入し、格子探索演算子を開発、最適化の複雑性における非対称性を明らかにする。完全認証は多項式時間で解けるが、音声認証は強難解である。最後に、新しいParallelepipedoNNシステムを用いた実験評価を示す。

MITとThornの研究者らは、生成AIモデルが児童性的虐待素材（CSAM）を生成可能かどうかを、出力を生成せずに内部の適応を分析して検出する監査手法を開発した。テストでは100%の精度を達成し、拡張性も高いため、プラットフォームや法執行機関が有害なモデルを特定・除去する実用的なツールとなる。

Clarkは一人で開発されたAIアシスタントで、Manusエージェントと機能・能力で同等を目指しています。コンピュータ使用、ブラウザ使用、深い調査、Googleツールとの統合が可能。毎日何千人ものユーザーが利用しています。

ミシガン大学の研究チームが開発したNeuroVFMは、524万の臨床MRIおよびCTボリュームで訓練された汎用ニューロイメージング基盤モデルです。Vol-JEPA手法は自己教師あり学習をボリューメトリック医用画像に拡張し、放射線レポートラベルなしで脳解剖学と病理を学習します。156の診断タスクでCT 92.68、MRI 92.49のAUROCを達成し、レポート生成、トリアージ、クロスモーダル転送をサポートします。

本記事は、AIの真の可能性は生産性向上ではなく、専門知識へのアクセスを民主化することにあると論じる。研究によれば、AIは教育格差を縮小できるが、それは答えを提供する機械ではなく、指導者として設計された場合に限られる。

AI支援開発により生産性は向上したが、常に高レベルの設計判断を迫られることで精神的疲労が生じている。本記事では、AIが認知負荷をどのように変えるか、意思決定疲労、アーキテクチャの平坦さ、レビューの盲点、新しい適応戦略の必要性について探る。

最新のベンチマーク結果によると、GPT-5.6 SolがPRセキュリティレビューで最高パフォーマンスを示し、100%の再現率と0.91のF1スコアを達成、1PRあたりのコストはわずか0.70ドル。Anthropicのモデル（Fable 5など）はフロンティアに到達できず、コストも高い。Grok 4.5とGemini 3.1 Flash Liteはコスト効率の良い選択肢を提供する。テストではデータ汚染を防ぐため非公開の合成リポジトリを使用。

SelfAssayは、査読付き研究、実世界報告、知識グラフを統合し、バイオハッカーにエビデンスに基づく意思決定支援を提供するプラットフォームです。ソースは引用可能で、信頼度は調整されています。

著者がAIを印刷機になぞらえ、情報伝達の効率化という観点からその本質を考察するエッセイ。AIは知能や創造性をゼロから発明したのではなく、既存の「トークン生成」プロセスを飛躍的に効率化したと論じる。空気力学のアナロジーを用い、スケーリング則によって人間の思考を近似する仕組みを解説。最終的に、AIが言語と同様に人間の脳に生物学的影響を及ぼす可能性を予測する。

Adaptive Recallは、認知科学と機械学習を活用し、複数の検索戦略、認知スコアリング、知識グラフ、自己改善メカニズムによって、インタラクションから学習するAIアシスタント向けのメモリシステムです。

同じ制約のもとでコーディングモデルが楽しいゲームを作るAIアーケードベンチマーク。

エルゼビアが発表した「未来の研究者」報告書は、113カ国3,200人以上の研究者を対象にした調査に基づき、研究者が時間不足や資金圧力に直面する一方、AIツールの採用率が2024年の37%から58%に急増したことを明らかにした。中国の研究者は米国や英国と比べてAIへの信頼が著しく高い。また、研究者の国際移動意欲は低下したが、分野横断的な連携は増加している。

本記事では、AIエージェントが検証器、状態、停止条件を用いて目標に向かって自律的に反復するループエンジニアリングを解説します。アンドレイ・カーパシーの自動研究ループと二段階自動研究を詳述し、具体的な成果を示します：自動研究は700回の実験から20の改善を見つけ、GPT-2学習時間を11%短縮。二段階自動研究は外側のメタループを追加し、val_bpbで5倍の改善を達成。さらに、再利用可能な構成要素と実践的なテンプレートも提供します。

OpenAIとAnthropicは大規模な汎用モデルを構築しているが、マイクロソフトなどの企業はコスト削減と効率化のために小型で特殊なモデルに移行している。マイクロソフトのMAIファミリーは製品内のOpenAIモデルを置き換えつつある。

Koteは、開発者のAIアシスタントとの会話、Gitコミット、開発コンテキストを自動的にキャプチャし、検索可能なナレッジベースを構築するオープンソースツールです。過去の技術的な決定や解決策を素早く思い出すのに役立ちます。VS Code拡張、GitHub統合、CLI、ブラウザ拡張、WhatsApp/Telegramメッセージ統合に対応し、セルフホストも可能です。

本稿は、「無用な」研究が将来のイノベーションに不可欠であることを論じる。Folk Computerシステムを例に、Xerox PARCからDynamiclandに至る系譜を辿り、まだ有用性が明確でない段階でのパラダイム研究への資金提供を呼びかけている。

Soullessは、Spotify上のAI生成アーティストを暴くコミュニティ主導のプロジェクトです。232人のAIアーティストをリストアップし、月間リスナー数と推定収入を公開しています。また、オープンソースのAI音楽検出ツールと、AI音楽関連のリソースも提供しています。

著者はBasecamp Benchベンチマークを用いて、GPT-5.6 Sol、Fable 5、Grok 4.5などのAIモデルがフロントエンドとバックエンドを構築する能力を評価しました。Fable 5が両トラックで勝利し、Grok 4.5は速度とコストのバランスに優れていました。結果は、特に最後の10%の仕上げにおいて、モデル間で完成度に大きな差があることを示しています。

OpenAIのAIシステムがAtCoder World Tour Finals 2026のアルゴリズム部門で全5問を解き、8300点を獲得。人間の最高点は4300点で、C問題とE問題を解けた者はいなかった。ヒューリスティック部門ではAIのスコアが人間最高の7倍以上に達した。60万円の「人間優勝賞」は誰も獲得できず。このシステムはGPT-5.6に匹敵するとされる。

ラウンドテーブル討論で、作家や文化批評家が人工知能が言語、創造性、社会に与える深遠な影響を探ります。AIは言語能力を研ぎ澄ますと同時に鈍らせ、機械と人間の境界を明確にする可能性があると指摘されています。不安もある一方で、研究、アクセシビリティ、診断における機会も提供します。

研究者らは1863年から1934年までの3,000件以上の銀行取り付け騒動のデータベースを構築し、大多数の取り付けは破綻に至らず、地理的・時間的パターンを分析した。

AgentMint.netは、AIショッピングエージェントがどのように商品を選択するかを理解し最適化するための研究出版物です。すべての事実主張には証拠の出典がラベル付けされており、'エージェントショッピング対応チェック'や'エージェント選択シグナルデータベース'などのツールを提供しています。

タタ・コンサルタンシー・サービス（TCS）は、最大8,900人のフォワードデプロイドエンジニアからなるチームを構築し、AI買収を模索している。AIが新たなビジネスを創出すると確信し、アウトソーシングを損なうものではないと見ている。CEOのK・クリティバサン氏は、AIがアウトソーシングモデルを破壊するという懸念を否定。AI収益成長率は前期の28%から第1四半期に13%に減速した。TCSは人材開発とAI普及に年間約10億ドルを投資している。

SlimeBallBenchは、AIモデルがスライムサッカーで競う新しいベンチマークであり、意思決定と戦略能力を評価します。

AIデータセンターの高エネルギー消費と環境問題に対する抗議が拡大している。2015年のAppleのアイルランド計画中止から、現在の米国各地での反対運動、議会の動きまで、この戦いの全貌を描く。

シカゴ大学は、今年の秋学期から一年生の法学クラスで電子機器の使用を禁止すると発表した。AIへの依存を防ぎ、クリティカルシンキングを促進する狙い。同時に、責任あるAI活用の教育も導入する。

デンマーク工科大学の研究チームは、生成AIモデルと量子コンピュータを組み合わせて、特定のタンパク質に結合する新規ペプチドを設計し、ワクチン開発や個別化免疫療法の加速に貢献する可能性を示した。

AI検出プラットフォームPangramの調査により、長文ソーシャルメディア投稿の25%が完全にAI生成であることが明らかになった。LinkedInでは41%、Xでは25%がAI生成と判定され、特に深刻な状態だ。

かつて安定した高収入の職業であったソフトウェアエンジニアリングは、AIによって混乱に陥っています。エンジニアは新しいスキルを学び、基礎に集中し、集団行動を組織することで適応しています。業界では解雇、不完全雇用、コーディングからAI生成コードのレビューへのシフトが見られます。

新しいベンチマークにより、12の研究所の18のAIモデルの108の測定位置のうち97が左寄りであることが明らかになった。結果は一貫した進歩的傾向を示しているが、経済、外交政策、宗教において例外がある。xAIのGrokモデルが中央に最も近く、多くのモデルが特定の質問への回答を拒否し、スコアに影響を与えている。

Nebula SecurityがAIツールVEGAを使用し、Linuxカーネルに15年間存在した特権昇格の脆弱性（CVE-2026-43499）を発見。ログインしたユーザーなら誰でもroot権限を取得可能。2011年以降、ほぼすべてのメジャーディストリビューションにデフォルトで含まれていた。4月に修正されたが、パッチの配布は不均一。

Overplaneは、Markdown仕様をAIエージェントとSMT検証を使用してコードに変換するオープンソースツールです。レビュアーのDismissive Danは、多くの開発者が既に同様のセットアップを持っているとして、その必要性に疑問を呈しつつも、パッケージングと分離設計を認めています。

Thinking Machines Labは「構築する価値のある未来は人間である」と題する報告書を発表。人間参加、モデル所有権、分散型アライメントを技術的課題と位置づけ、インタラクションモデルとTinkerのLoRA微調整に結びつけ、チームが独自のモデル重みを訓練し保持できるようにする。

sqlite-utils 4.1 は 4.0 から数日後の最初のドットリリースであり、いくつかのマイナーな新機能を導入しています。インサートおよびアップサートコマンドに --code オプションが追加され、インラインのPythonコードから行を生成できるようになりました。また、CSV/TSVインポート時に列タイプをオーバーライドする --type オプション、インデックス削除コマンド、標準入力からのSQLクエリ読み取り機能が追加されました。さらに、table.transform() で STRICT モードの切り替えが可能になりました。

スタンフォード医学部の研究者らは、標準的な腫瘍組織の顕微鏡スライドから細胞の近隣関係を予測できる人工知能プラットフォームを開発した。このプラットフォームは、非小細胞肺癌において10個の細胞近隣を特定し、そのうち好中球に富む1つは予後不良と免疫療法抵抗性と関連していた。この技術はがん研究と臨床意思決定に新たなツールを提供する。

シカゴ大学ロースクールが1年生の携帯電話とノートパソコンの授業内使用を禁止する新方針を発表し、AIの教育における役割について議論を呼んでいる。本記事は45年前にハーバード・ロースクールが携帯用コンピュータを禁止した歴史を想起させ、技術への恐れの循環を浮き彫りにする。著者は自身の経験を共有し、ツールが仕事の方法を変えることを強調し、現在の方針の合理性に疑問を投げかける。

AIエンジンがB2Bツールの推奨においてどれほど意見が分かれるかを測定する、オープンで厳密なライブ測定です。記録されたサンプルでは、16カテゴリーにわたって8つのモデルすべてが同じ最良ツールを挙げたことは一度もなく、平均ペアワイズ一致率は44%、Fleissのκ係数は0.41でした。この指数は毎月更新され、再現性のために生データを提供します。

Verdictは、AIエージェントの出力を評価するためのオープンソースのブラウザベースツールです。人間によるラベリング、グラウンデッド・セオリーによるエラー分析、LLM審査員の人間ラベルに対する検証を、データを外部に送信することなくローカルで実行できます。

本記事では、RAGAS、TruLens、DeepEvalの3つの主要なRAG評価フレームワークを深く比較します。RAGに特化した評価が必要な理由、評価の3層（検索品質、生成品質、エンドツーエンド品質）、および主要な検索指標（Precision@K、Recall@K、MRR、NDCG）を解説します。その後、RAGAS（LLM判定役、正解データ不要、合成テストセット生成機能）とTruLens（可観測性、RAGトライアド、ダッシュボード）を詳述し、DeepEvalについても簡単に触れ、フレームワーク選択の指針を提供します。

LangChainとローカルOllamaサーバー上に構築されたAIエージェントアーキテクチャの教育ラボ。チャット、ツール呼び出し、RAG、ハイブリッド、エージェンティックRAGなど、複数のバリアントを提供。

HoverSource は、ホバーして Alt+C を押すだけで UI 要素のソースファイルパスと行番号を取得できる開発者ツールです。AI エージェントと統合し、ステップ数を 73.9%、トークン消費を 94.5% 削減します。React、Next.js、Vue などに対応し、設定不要で使用できます。

研究者らは、AIコードレビュアーが開かないPNG画像に悪意のある命令を隠し、リポジトリの秘密情報を盗むプルリクエストを構築した。

Kairos Engine は、外国為替および金属市場におけるスキャルピングシグナルのためのエンドツーエンドの定量分析プラットフォームです。隠れマルコフモデルによる市場状態分類、複数の時系列基盤モデルのアンサンブル、実測スプレッドに基づくブローカーコストモデルを用いた厳格なウォークフォワードバックテストを実施します。承認された戦略よりも、却下された戦略がこのエンジンの価値を示しています。

2025年、AI企業は米国のベンチャー投資額の65%を占めたが、資金は巨額取引に集中し、小規模シードラウンドは減少した。本記事では、シードラウンドのコスト、成功率（約6分の1）、資金調達の意思決定フレームワーク、および資金調達戦略と代替案を分析している。