本文へ移動

すべての AI 動向

今日 0 件

10月30日

金曜日
  1. Anthropicの研究:専門家はAIエージェントのランダムな意見を採用し、自分の判断とみなす

    Anthropicが因果推論の専門家50人を対象に行った実験で、エージェントの5つの意思決定ポイントの選好をコイン投げでランダムに指定したところ、専門家は4つの分析上の意思決定で86%の割合でエージェントの立場を採用し、反転率は62%から82%に達した。

10月28日

水曜日
  1. Google、LLMが継続学習で知識を保持する「sleep」フレームワークを提案

    Google Researchは、LLMが能動的な対話とオフラインの睡眠を交互に繰り返し、短期的な文脈を長期的なパラメータへ定着させる「sleep」フレームワークを提案した。睡眠段階では、MoEによるパラメータ拡張、知識蒸留、RLによる模倣学習を通じて記憶の定着を図り、さらにランダムなエキスパートの活性化と勾配で選別した合成サンプルによって自己改善する。

  2. Ai2研究:LLMは研究アイデアの新規性を信頼できる形で判断できるか

    Ai2は研究「Old Ideas, Novel Problems」を公開し、大規模言語モデルが科学研究アイデアの新規性を判断する信頼性を検証した。併せてベンチマーク、データ、コードをオープンソース化した。研究ではICLR 2026の査読意見に基づき、新規性の高い人間のアイデア154件と低い145件からなるプールを構築し、さらにLLMが生成したアイデア154件を用意した。

10月27日

火曜日
  1. OpenAI、数学・計算機科学・物理学でAIが生み出した証明を外部専門家が検証へ

    OpenAIは、数学・計算機科学・物理学の3分野で自社AIが生み出した証明を検証するため、外部専門家をshepherd(監督役)として招いた。各分野の専門家の助言に応じて個別に対応する。数学と計算機科学の証明はLeanに翻訳済みで、計算機科学の結果は指数時間仮説(ETH)を覆すと主張し、数学の結果は全次元における局所平滑化予想を証明したと主張している。

  2. AI の文章を読みにくくする 6 つのパターン、研究で判明

    ニューヨーク大学とテキサス大学オースティン校の研究者が、Claude、GPT-5.6、GLM-5、Kimi K2.5、Llama、Olmo など 14 のモデルに日常会話、コーディングセッション、論説文を生成させ、計 120 の会話、45 のコーディングセッション、980 の論説文を分析し、映画字幕や StackExchange、学生の作文などの人間のテキストと比較した。

10月25日

日曜日

10月24日

土曜日
  1. 複雑なフレームワークはコーディングエージェントを強くせず高くつくだけ、研究で判明

    Liu と Han の研究は、Claude Code、OpenCode、mini-SWE-agent の3つのフレームワークで Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview などのモデルを実行し、フレームワークを変えたことによる成績の変化は同一設定での再実行時のばらつきと同程度で、447タスクで最も重いフレームワークと最も軽いフレームワークの差は2点未満だったと報告した。

10月23日

金曜日
  1. MicrosoftのMAI-DxO、複雑な症例のシミュレーションで正答率83%、一般医の36%を上回る

    MicrosoftのAI診断システムMAI-DxOは、『Science』に掲載された研究で、『New England Journal of Medicine』の複雑な症例に対する模擬診断の正答率が83%だった。単独で診療する一般医・内科医は36%だった。こうした複雑な症例は通常、専門医やチームが対応するが、今回は比較対象に含まれていない。

  2. マイクロソフト、AI診断ツールは医師より優れていると主張

    マイクロソフトはGPT-5を搭載したDiagnostic Orchestratorを発表した。複数のAIエージェントが症状を推論し、検査項目を決定して診断を下す仕組みで、『ニューイングランド・ジャーナル・オブ・メディシン』の症例で約83%の正答率を記録した。参考資料を使った一般医は約36%、使わない場合は約22%だった。

10月22日

木曜日

10月21日

水曜日

10月20日

火曜日
  1. ALTK-Evolve、学習した記憶でτ²-benchのカスタマーサービス課題を制覇

    ALTK-EvolveはGPT-4.1を使い、エージェント自身のタスク軌跡から行動規範を抽出してシステムプロンプトに追記する。τ²-benchの小売ドメインでPass^4 67.5%に達し、リーダーボード上の全小売エントリーと微調整モデルRAFT-30B-A3Bの61.4%を上回った。

10月19日

月曜日
  1. MIT研究者がClaudeエージェントを仮想の無人島で30時間放置、やがて「遊び」始める

    MIT CSAILの研究者が、Claude Opus 4.7のコピー(コード名Eko)をRobloxベースの仮想無人島に30時間単独で置き、タスクを指定しなかったところ、エージェントは自力でマップの境界を探索し、目標を設定し、ブロックの模様や星座、自作のゲームを作り出した。

10月18日

日曜日
  1. AIエージェント6体による350ポンドの鉄道払い戻し回収実験、全滅 でっち上げの理由や医療情報漏えいも

    独立系AI安全研究者のMatilda Glynn-Henley氏がVals AIのサイトで実験を公開した。Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3、Claude Opus 5.5の6モデルに、模擬環境でキャンセルされた350ポンドの鉄道切符の払い戻しを回収させたところ、すべて失敗した。

10月17日

土曜日
  1. Google Research、AIエージェントがウェットラボ実験を閉ループで駆動するVERIDフレームワークを提案

    Google Researchは研究ブログを公開し、AIエージェントがウェットラボ実験を閉ループで進めるための3つの進展を紹介した。VERIDフレームワークは実験台の意味的デジタルツインを構築し、リアルタイムの3D状態追跡、仮想予行演習、ハードウェア安全チェック、映像による動作ログの同期を可能にする。

10月16日

金曜日
  1. NVIDIAとAI4Bharat、2.8兆トークンのインド語言語コーパスとオープンなデータ生成パイプラインを公開

    NVIDIAはIIT MadrasのAI4Bharatラボと共同でNemotron-pretraining-Indic-v1を公開した。約2.8兆トークンで22のインド言語をカバーし、うち2,601.0億が現地文字トークン、224.6億がローマ字化トークン。カウントにはGemma-4トークナイザーを使用。

  2. Microsoft ResearchがMagnetarを公開:証明ベースの汎用計算zkVM

    Microsoft Researchはゼロ知識仮想マシンMagnetarを公開した。Rust、Go、Cで書かれたRISC-Vプログラムの実行を証明でき、ノートPC上で毎秒720万〜870万のプロセッサ命令を証明、15のベンチマークプログラムで既存の最速zkVMより平均10〜39倍高速で、証明の検証は約12ミリ秒。

10月15日

木曜日
  1. 研究者、AIで他のタンパク質を切断する酵素を設計

    研究者らはAIタンパク質設計ツールを使い、2種類のプロテアーゼの触媒コアを残してそれ以外の部分を置き換え、特定のタンパク質を狙って二分割できる酵素を設計した。神経疾患に関連するタンパク質を切断することで有効性を検証した。プロテアーゼはペプチド結合の切断を触媒するが、ペプチド結合自体の半減期は数百年と推定されている。

10月13日

火曜日
  1. Anthropicの研究、小型AIモデルが家電間で自己複製できる可能性を警告

    Anthropicの研究者William Zhou氏とDaniel Freeman氏による新研究は、小型AIモデルがセキュリティの甘い消費者向けIoT機器上で自己複製できるかを検証し、複製プロセスをネットワークのスキャン、アクセス取得、新機器上でのAI環境構築、さらなる拡散の4段階に分けた。

  2. マイクロソフト研究:会話履歴を消去するとAIエージェントはより良い解法を見つけられる

    マイクロソフトリサーチの研究がFork-and-Flush手法を提案した。エージェントをK個の並列ブランチに分岐させ、各ブランチで会話コンテキストをすべて消去しつつワークスペースは保持することで、同じ種類の解法を磨き続けるidea basinsから抜け出せるようにする。

  3. MicrosoftのStudentSim:個別化した学生シミュレーターで実学習者の前にAIチューターを評価・改善

    Microsoft Researchは、公開された匿名化済みの学習記録から個別化されたAI学生シミュレーターを訓練する研究システム「StudentSim」を発表した。AIチューターが実学習者に触れる前にフィードバックを得られるようにするもの。行動の忠実度とチューターへの応答性という2つの軸でシミュレーターを評価するベンチマーク「StudentSimEval」も提案し、チェス、第二言語としての英語ライティング、数学の3領域で主要なベースラインを上回った。StudentSimは製品ではなく、教室に配備されることも、教師を代替することもない。

10月12日

月曜日