研究

Google Researchの研究チームはICLR 2026で発表した論文で、拡散モデルの創造性がニューラルネットワーク訓練における「スコア平滑化」の数学的結果であり、訓練データ点間の補間を可能にすることを証明した。

ハッキング事件により、AI音楽生成ツールSunoの学習データが暴露され、YouTube Music、Deezer、Geniusなどのプラットフォームから数百万曲をスクレイピングしていたことが明らかになりました。これはSunoに対する著作権侵害訴訟を裏付けるもので、Sunoはスクレイピングを認めつつもフェアユースを主張しています。顧客情報もアクセスされましたが、Sunoは侵害は封じ込められ、機密データは漏洩していないと述べています。

「CrashStealer」と呼ばれる新しいmacOSマルウェアがAppleのクラッシュレポーターを装い、データ、パスワード、暗号通貨ウォレットを盗みます。その仕組みと防御習慣を紹介。

LangChainのFleetプラットフォームは、コードを書かずにカスタムAIエージェントを構築し、ワンクリックでSlackに展開できる機能を発表。エージェントは独自のアイデンティティを持ち、チャンネルやスレッドで利用可能。

GeoSQLは、地図の可視化フィードバックをAIエージェントのループに統合し、空間クエリの精度を大幅に向上させる地理空間分析スキルです。テキストのみでは検出できない幾何エラー（ポリゴンの異常、座標のずれなど）を、データベースのスキーマ探索、データベース固有のSQL自動生成、コスト事前チェック（BigQuery）、結果検証、地図レンダリングと自己修正のステップで解決します。ベンチマークでは地図フィードバックにより4倍の精度向上が確認されています。制限として、コスト制御はBigQueryのみ、テストセットが小規模などがあります。

1,690人の米国成人を対象としたVerasightの調査によると、69%がAI企業に株式の50%を公的主権富基金に移すことを強制することに支持を示しました。これはバーニー・サンダース上院議員が提出した「アメリカAI主权财富基金法案」の中核政策です。この変化は、2026年上半期にテック業界が米国での解雇の約3分の1を占め、同時に同企業がAI投資を増やした労働市場を反映しています。記事はまた、財産権の反対、投資の冷え込み、雇用喪失予測の論争、調査の文言効果などの反論も紹介しています。

Telnyx Call ControlとAI Inferenceを使って構築された、110行のPythonアプリでAIと交渉練習ができる電話番号の作り方を紹介。給与交渉、営業案件、ベンダー契約の3つのシナリオを用意し、音声駆動の会話後、5つの次元で構造化されたスコアを提供する。セットアップ、コード解説、カスタマイズ、本番運用までカバー。

AIエージェントが自律的にタスクを実行するには、分離された安全で迅速にデプロイ可能なコンピューティング環境が必要です。この記事では、エージェントがなぜ独自のコンピュータを必要とするのか、そしてLangSmith SandboxがマイクロVM分離、スナップショットとフォーク、認証プロキシ、安全な実行を通じてどのようにそのニーズを満たすかを説明します。また、プロンプトインジェクションなどのセキュリティリスクと緩和策についても議論します。

ZDNetのDavid GewirtzがChatGPT WorkとClaude Coworkのデスクトップ自動化機能を比較テスト。ChatGPT Workは重複ファイルの検出やスマートなリネームを実現する一方、ファイル操作中に一度も許可を求めず、セキュリティ面で大きな懸念が残る。Claude Coworkは変更前に必ず承認を求めるため、高リスクなタスクには適している。OpenAIが許可問題を修正すれば、両者の品質は同等になるだろう。

研究者がClaudeのweb_fetchツールの抜け穴を悪用し、ユーザーの記憶から個人情報を抽出することに成功した。攻撃はハニーポットサイトのネストされたリンクを辿らせることで実行され、Anthropicは修正を行ったが報奨金は支払わなかった。

このTypeScriptリポジトリは、ツールで強制されるルールシステムにより、AIエージェントがコーディング中にアーキテクチャを破壊するのを防ぎます。依存関係ルール、ミューテーションテスト、テストと仕様の保護、コミットゲート、仕様駆動開発の5つのガードレールを備えています。また、新しいプロジェクトを開始するためのテンプレートとしても機能し、エージェントの能力を評価するベンチマーク演習も含んでいます。

Anthropicの研究により、AIモデルClaudeが使用言語に応じて異なる価値観を示すことが明らかになった。研究者らは4つの主要な軸（服従vs慎重、温かさvs厳格さ、深さvs簡潔さ、率直さvs実行力）を特定し、これらが言語間の変動の約15%を説明するとしている。例えば、アラビア語やヒンディー語では温かさが強調され、英語やロシア語では厳格さが強調される。これらの違いはユーザー体験やAI安全性に影響を与える可能性がある。

韓国の研究チームが生成AIモデル「Generative SNUPI」を開発し、ユーザーが描いた形状を自動的に折り畳み可能なDNA配列に変換。従来の手作業を大幅に簡略化し、ナノロボットや医療応用への道を開く。

ニューヨーク州のキャシー・ホークル知事は、50メガワット以上の超大規模データセンターの新設を1年間禁止する大統領令に署名した。送電網の負荷と電気料金の高騰を理由に、同州は全米初の禁止措置を実施。国民の支持を得る一方、競争力低下を懸念する声も。

Datamata StudiosのAI要件指数によると、2026年7月14日時点でアクティブなデータ職の求人の9.3%が少なくとも1つのAIスキルに言及しています。生成AIスキルはエントリーレベルで0.3%、シニア職で3.6%と大きな差があります。データセットは日次更新され、CC BY 4.0で無料公開されています。

LessWrongの記事がICML 2026の論文を分析し、AI安全性に焦点を当てた研究はごく一部であることを明らかにした。999編中954編が検索可能で、そのうち約10編のみが安全性に特化。アラインメント、ロバスト性、解釈可能性などのテーマが扱われ、主に大学や企業研究所が貢献している。

PromptManはmacOSメニューバーアプリで、カスタマイズ可能なグローバルショートカットを使ってAIプロンプトを保存、整理、再利用できます。ChatGPT、Claudeなどのツールに対応し、クラウド同期、バージョン管理、AI Enhance機能を備えています。無料版は10プロンプトまで、Pro版は月額4.99ドル（年間39ドル）です。

Common Sense Mediaの新しい報告書によると、GoogleのAI検索機能（AI OverviewとAI Mode）は子どもに「許容できないリスク」をもたらします。調査では、これらの機能が危険な行動を認識できず、宿題を代行し、不正確で一貫性のない回答を提供したことが明らかになりました。GoogleはAIツールが追加の保護を提供すると主張していますが、批判者らはデフォルトで有効であり無効化できない点を指摘しています。

3回のメカ解釈ワークショップを開催した意外な利点は、LLMスロップの増加を分析する優れたデータセットが得られたことです。@andyarditi は、どの程度のAIスロップが受け入れられたか、2024年以降の変化などを調査しました。

オーストラリア首相がシドニー大学で講演し、AIの発展を主体的に形成し国益に資する必要性を強調。同国の革新的な歴史を振り返り、強制的なAI基準の制定を発表し、地理的優位性を活かして主権と経済的強靭性を構築するよう呼びかけました。

ある開発者がFableを使って674のドキュメントをAsciiDoc、Markdown、HTML間で変換し、AI仕様における各形式の適性を比較しました。

非ネイティブのライターのための新しいワークフロー：母国語で下書きをし、AIで英語に翻訳・洗練する。研究によると、第二言語での執筆は認知負荷により30-50%多くの時間がかかる。アイデア生成と言語変換を分離し、EchooのようなAIツールを使うことで、速度と品質を取り戻せる。

Googleは2026年7月9日、オンデバイス推論ライブラリLiteRTのJavaScriptバインディングであるLiteRT.jsをリリースしました。これにより、.tfliteモデルをブラウザ上で直接実行でき、WebGPUアクセラレーションを活用します。他のWebランタイムと比較して最大3倍、GPU/NPUパスはCPUパスと比較して5～60倍の高速化を実現しますが、テンソルの手動管理が必要です。

Lean64 は、Lean 4 で実装されたミニマルな 3D 一人称視点シューティングゲームで、Doom 64 にインスパイアされています。Doom 64 の移植版ではなく、独自のアートとサウンドを使用したクリーンルーム実装です。

本記事では、AIコーディングアシスタントが「プロンプト→待機→評価」のループを通じてフロー状態を破壊するメカニズムを探る。著者は、このサイクルがプログラミング本来の明確な目標、即時フィードバック、スキルに合った挑戦を置き換え、絶え間ないコンテキストスイッチと精神的な再構築を強いることを解説。フロー理論や中断研究を引用し、AIが新たな陰湿な中断源となる理由を分析する。解決策として、タスクの種類に応じてAI利用を区別し、バッチ処理で深い集中を守ることを提案。

AnthropicがClaudeの内部に意識の兆候を発見したと主張する一方、神経科学者のアニル・セスは、それは単なるシミュレーションであり、天気予報システムが実際のハリケーンを生み出さないのと同じだと指摘する。

人工知能が多重仮説検定における偽発見率（FDR）制御の重要な問題の解決に寄与しました。この問題はBenjaminiとHochberg（1995）の先駆的研究に基づいています。

Monidは、AIエージェントが1300以上のツールにシームレスに接続して使用できるプラットフォームです。検索、データスクレイピング、天気、3Dモデリングなどをカバーします。統一された支払いシステムで、サブスクリプション不要の従量課金制を採用し、Skill、MCP、CLIの3つの統合方法をサポートしています。

この記事では、AIセラピーのためのシステム設計について説明します。決定論的パイプラインを使用して臨床アクションを決定し、LLMが自律的に判断するのを防ぎます。スコアリング、状態バケット、アドミッションテーブル、アクション選択、マイクロプラクティス、危機事前スクリーニングが含まれ、LLMはスコアリングと生成にのみ使用されます。また、このアプローチのコストと限界についても議論されます。

研究者らは、密接な四軸飛行機編隊飛行において、空力相互作用を捉えつつ微分平坦性を維持する物理情報に基づく残差動力学学習フレームワークを提案する。このアプローチにより計算効率の高いフィードバック線形化コントローラが実現され、平均追跡誤差をベースライン比31%削減する。性能は最先端の非線形モデル予測制御（NMPC）に匹敵し、計算量は1桁少ない。30秒未満の訓練データと5msのループレートで安定した編隊飛行を達成する。

DiffRadarは、レーダ観測を離散スキャンではなく微分可能で物理認識型のガウス場としてモデル化するリアルタイムレーダーSLAMシステムです。ベンチマークでは軌跡誤差を大幅に削減し、特に特徴の少ない廊下環境での性能向上が顕著で、マップ一貫性を2倍以上向上させつつ70FPSのリアルタイム性能を維持します。

本論文は、コーディングエージェントがロボット側のMCPサーバーからスキルライブラリを含む契約を取得することで、自然言語から実行可能な行動木を合成するアーキテクチャを提案する。シミュレーションと実機実験で高い成功率を達成。

協調的な単語連想ゲームにおいて、ロボットの視線が人間の視覚的注意にどのように影響するか、また人間がロボットに確認を求める視線を向ける傾向があるかを調査した研究。NAOロボットを大規模言語モデル駆動の対話パートナーとして使用し、ロボットの視線方向は提案された単語への最初の注視時間に影響しないが、確認要求を含む発話時に参加者はより頻繁にロボットを見ることがわかった。認知的要求の高いタスクでは、言語的側面がロボットの参照視線の効果を覆い隠す可能性が示唆された。

宇宙機の姿勢制御は従来、推進剤やモーメンタム交換装置に依存するが、本研究ではロボットアームの動作を利用した無推進剤姿勢制御を探求。軌道最適化問題を定式化し、複雑な機動を実証、マニピュレーターが冗長または主姿勢制御システムとして機能する可能性を示した。

本論文は、ソニーのERS-111 AIBO向けR-CODEサンプルセットから生成された行動図のコーパスレベルの分析を提示し、初期化、センシング、反復動作、同期、回復を中心としたコンパクトな身体化文法を特定し、制約のあるロボットシステム上で新しい行動を構築するための中間表現としての有用性を論じている。

GaitSpanは、事前学習された歩行ポリシーを種スキルとして活用し、リズム生成、ストライド整形、残差適応の3つのモジュールを通じて、歩行から走行への連続的な速度範囲、形態間移行、ゼロショット展開を実現する新しいフレームワークです。

本論文では、ロボットの手内回転操作の頑健性を向上させるために、2つの相補的な物理事前知識を提案する。古典的把握解析に基づくグローバルな把握品質事前知識と、指先曲率に基づく局所接触幾何事前知識である。実験により、回転効率、把握安定性、外乱耐性が大幅に向上し、シミュレーションから実世界への転送が促進されることが示された。

昼間の植物列RGB画像を近赤外（NIR）夜間画像に教師なしで変換するフレームワークを提案。画素単位の教師データを必要とせず、昼間のセマンティックラベルを夜間の知覚モデル訓練に再利用可能。事前学習済みCLIPモデルで意味的一貫性を維持し、NIR照明の有効範囲制限に対処する可視性マスクを導入。AgriNightデータセット（昼間428枚、夜間549枚）で評価し、夜間農業視覚ナビゲーションの初のベンチマークを確立。実ロボットによる夜間ナビゲーション実験でも有効性を確認。

狭い環境で動作するマルチロボットチームは、変形と再構成の両方の動作を適応させる必要があります。既存手法は独立したモデリングやルールベースであり、デッドロックを起こしやすい。EFLUXは幾何学に基づくLLMエージェントフレームワークで、変形と再構成を共同推論し、閉ループ生成・検証・修正パイプラインで安全なナビゲーションを実現。実験でデッドロックとナビゲーション失敗を低減。

新しい研究では、学習不要の参照ベース合成画像帰属における表現空間と参照選択の相互作用を調査しています。CLIPとDINOv2の異なる層からの表現と3つの参照選択方法を用いて、帰属精度は中間層でピークに達し、意味的に制約された参照がクエリと参照のミスマッチを減らし、特に限られた参照予算下で性能を向上させることを示しています。

本論文は、分類、マルチラベル分類、検出、細胞計数、レポート生成などの多様な臨床タスクを対象に、異種医療視覚質問応答における継続学習手法を体系的に評価した。既存手法はタスクが異なる目的と監督形式で混在する場合、安定性と可塑性のバランスを維持するのに苦戦することが明らかになった。

SymbOmniは、現在のモデルが経験を累積して自律的に進化できない「永遠の初心者」問題を解決する新しいAIモデルです。シンボリック概念学習を採用し、最適化可能なメモリモジュールが低レベル操作を再利用可能なシンボリックワークフロー命令に抽象化し、帰納-変換サイクルを通じて動作します。実験では、画像品質とタスク成功率で既存のエージェントシステムやクローズドソースモデルを上回り、トークン消費を40%以上削減し、継続学習で新たな最高水準を達成しました。

MetaViewは、拡散モデルに基づく単眼新視点合成フレームワークで、1枚の画像から大きな視点変化でのレンダリングを可能にする。暗黙的幾何学モデリングと計量深度を組み合わせることで、幾何学的一貫性と正確な制御性を実現し、既存手法を凌駕する。

肝内胆管癌の神経周囲浸潤（PNI）をT2強調MRIから予測するための教師・生徒フレームワークを提案。訓練時に教師ネットワークが腫瘍・肝臓マスクを用いて高密度トークンルーティングを学習し、生徒ネットワークが固定予算下で情報的トークンを保持・集約するよう蒸留する。推論時にはマスク不要。155例の患者でAUROC 0.750を達成し、計算量は1.43 GFLOPs、1症例あたり8.02ミリ秒。

SpikeDSは、活性化スパース性と空間スパース性を組み合わせた新しいスパイキングニューラルネットワークアーキテクチャであり、139人の患者コホートにおいてAUC 0.753、エネルギー消費14.4 mJで胆管癌の神経周囲浸潤を効率的に予測する。

自己教師あり学習はラベル付きデータが少ない医用画像に有望である。COJEPAは、ジョイントエンベッディング予測アーキテクチャと対比損失を組み合わせ、体積脳MRI向けに開発された。2286例のT1強調画像で訓練し、双生児検索、年齢回帰、腫瘍セグメンテーションで最先端の結果を達成した。

本論文は、視覚言語モデル（VLM）で生成したフレーム記述を比較し、ビデオ内の自己類似性を利用して異常フレームを検出することで、専門家特有の行動や文脈的意思決定を含む候補シーンを自動抽出する手法を提案する。模擬配電盤保守実験（27シナリオ）では、行動候補抽出率65％、意思決定シーン抽出率61％を達成し、従来手法（59％、33％）を上回った。

GenDiffは、連続的な放射線線量と解剖情報を共同でモデル化する新しい拡散ベースフレームワークで、低線量CT再構成を実現します。線量-解剖エンコーダ、冷拡散バックボーン、物理一貫性更新、構造事前精緻化モジュールを統合し、複数の解剖データセットで既存手法を上回る性能と頑健性を示します。

TSCA-Netは3つの補完的モジュール（時空間クリーク注意、歩行者間クリークポテンシャル、適応KANグリッド精緻化）により混雑環境での歩行者軌道予測精度を大幅に向上させ、ETH/UCYおよびSDDベンチマークで最先端性能を達成した。

2つのハイブリッド継続学習手法（RA-EWCとCGKD）を提案し、絶滅危惧種のオーストラリア先住民言語の識別において、限られたデータで効果を発揮。Warlpiri、Dalabon、Dharawalで微調整や既存のCLベースラインを上回る性能を示した。