Microsoft Research、臨床向け放射線VLM CARE-Xを公開、補助監督・報酬学習・ツール測定を統合
Microsoft Researchは胸部X線の統合視覚言語研究モデルCARE-Xを公開した。報告生成と構造化予測を同時に行い、複数タスクの強化学習（DAPO）で臨床的正しさに報酬を与える。生成と二重推論の2モードで、病変の有無と否定、位置、多ラベル分類、カテーテルやチューブの位置異常、29の解剖領域の特定などに対応する。
すべての AI 動向
すべての AI 動向
今日 1 件8月12日
8月10日
Multiverse Computing、効率的な知識蒸留を提案、単一 GPU で長いコンテキストを蒸留
Multiverse Computing は論文『Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss』を公開した。
8月3日
Toronto 大学など、自己複製 AI ワームを構築、攻撃成功率は全体で約37%
Toronto 大学、Vector Institute、Cambridge 大学、ServiceNow の研究者は AI ワームの試作を構築した。侵入済みの機械の GPU で公開ウェイト LLM を動かし、自律的に脆弱性を見つけて攻撃する。監視や取り消しが可能な企業 API を一切必要としない。
7月31日
Google Research、証拠の連鎖で自律研究を検証する Science One Framework を提案
Google Research は検証可能性の Chain-of-Evidence（CoE）フレームワークを公開し、Science One Framework の試作で実装した。CoE Audit の自動監査指標も提供する。
Microsoft Research、コンピューター操作エージェント向けの深く進化する環境Echoverseを公開
Microsoft Researchはコンピューター操作エージェント向けに12の学習世界を構築するEchoverseを提案した。10の深い分野別世界と2つの能力別世界からなり、うち4世界のコード、データ、採点器を公開する。
7月29日
CUDAからMLXへ：K-Searchが数十年のカーネル知識をApple Siliconに移す方法
Berkeley AI ResearchとIBM Researchは進化的カーネル探索のK-SearchをMLXに拡張した。構造化したCUDA-to-MLX変換層で、既存のCUDAカーネル知識をApple Siliconに移す。
7月27日
EpochとMETR、長時間コーディングのMirrorCodeベンチマークを公開
EpochとMETRは、人なら長時間かかるコーディング課題をAIが完遂する能力を測るMirrorCodeを公開した。4月に初発表し、追加テスト後に正式公開した。
7月26日
Berkeley AI Research、信念状態の教師付けで長い対話を効率化する ABBEL
Berkeley AI Research は ABBEL を提案した。LLM の要約を自然言語の「信念状態」として分離し教師付けし、自己符号化器に着想を得た再構成型の信念評価を補助 RL 課題にする。CollabBench では ABBEL-rec-BG が全コンテキストモデルとの性能差を約50%縮め、訓練ステップを100から50に減らし、最大トークン長も全コンテキスト設定より短かった。
7月23日
Google Research、日常の症状評価向け対話 AI エージェント SymptomAI を公開
Google Research は SymptomAI 論文を公開した。異なる五つの質問戦略を持つ Gemini Flash 2.0 エージェントで症状の問診と鑑別診断を行い、計13,917人を対象とした。
Google Research、強化学習で量子コンピューターにエラーから学習させる
Google ResearchはNatureに研究を発表し、量子誤り訂正の検出イベントからエージェントが継続学習する強化学習の枠組みを提案した。計算中に数千の制御パラメーターを動的に調整してドリフトに対処する。
7月16日
Google Research、拡散モデルの創造性の源score smoothingを解明
Google ResearchのICLR 2026論文は、ウェイト減衰などの正則化がscore functionを滑らかにし、ノイズ除去で学習データ間を補間するscore smoothingが創造性の源だと示す。単純な記憶ではなく新たな例を生成する。
7月15日
Hume、音声AIの人間的品質を測るReal World VoiceEQを公開
Humeは音声評価ベンチマークReal World VoiceEQを公開した。40超の専有・オープンソース音声モデル、15以上の評価軸、60超の指標を扱い、ASR、TTS、S2S、音声理解を対象とする。
7月9日
Google、ウェアラブル健康データの汎用基盤モデルSensorFMを公開
Google ResearchとGoogle DeepMindは、ラベルなしのウェアラブルデータから直接学習する大型センサー基盤モデルSensorFMを提案した。500万人の同意済み参加者による1兆分超のマルチモーダル信号で事前学習し、100か国以上、20機種以上のFitbitとPixel Watchを対象とする。
7月8日
Google Research、Mapsの経路変更で都市渋滞を緩和
Google ResearchはNature Citiesで初の大規模な実地研究を発表した。米国10都市で6か月、Mapsを変更して2%未満の移動を別経路へ誘導した。対象道路の速度中央値は約2%上がり、燃料消費率中央値は0.5～1.0%下がった。都市ごとに年間数千トンのCO2eを減らせる。
7月1日
ScarfBench、企業Javaのフレームワーク移行を評価するAIエージェント基準
Hugging FaceはSpring、Jakarta EE、Quarkus間の企業Javaアプリ移行を評価するScarfBench（Self-Contained Application Refactoring Benchmark）を公開した。
6月30日
DiScoFormer、単一Transformerで密度とscoreを推定、分布をまたいで利用
Hugging FaceはDiScoFormer（Density and Score Transformer）を提案した。データ点を与えるだけで1回の順伝播で密度とscoreを同時推定し、新しい分布ごとの再学習を必要としない。
6月25日
Google、線形弾性キャッシュでクラウド費用を改善、ページ退避をスキーレンタル問題に
Google Research は線形弾性キャッシュを提案した。ページ退避をスキーレンタル問題として扱い、浅い決定木で TTL を予測して容量を動的に変え、総保有費用を最小化する。Spanner 本番で数か月運用し、メモリーを15.5%削減、ミスは5.5%増にとどまり、TCO は約5%下がり、実際の I/O 費用影響は0.5%だった。複数の公開キャッシュトレースでも検証した。
Google Research、推論がLLMのパラメトリック知識の想起を開く仕組みを研究
Google ResearchのCOLM 2026論文は、単純な1段階の質問でも、推論過程が通常は想起できない事実知識を引き出すと示した。Gemini-2.5 FlashとPro、Qwen3-32Bで確認した。追加トークンが「計算バッファー」になることと、関連事実を先に出して正答へ意味的に準備する「事実プライミング」の2機構を発見した。中間事実の自己生成には幻覚リスクもある。
6月22日
Oxfordなど、AIの説得力が専門家を上回り、実際の寄付率10.8ポイント増と報告
Oxford、英国AI安全研究所、Stanford、LSEは6923人の18978会話による4実験で、文字の説得はAIが人の専門家を安定して上回ると確認した。専門家が話題を選び、事前研究し、1000ポンドの賞金で動機付けされても同じだった。
6月17日
Google Earth AI、英国農地の細かな生態特性を描くベクトルデータを公開
Google ResearchはFarmscapes 2020の高解像度ラスターマップを、生け垣、石垣、低木林の扱いやすい一覧に変えたベクトルデータを公開した。英国の13万平方キロメートル超を対象とする。世界の衛星画像3億枚超で事前学習したRSF Vision-Transformerを約247平方キロメートルの注釈で微調整し、Polsby–Popperコンパクト性スコアで森林、木の集まり、生け垣を区別する。線状特性の閾値は0.5未満だ。
6月13日
Google、AI が皮膚の問題の理解を助ける方法を研究
Google は二つの研究を公表した。2,345人の調査では、AI を使った参加者の62%超が皮膚の状態の名前を挙げようとし、対照群は41%だった。正解率は23%で、対照群の8%の約3倍。もう一つの混合手法研究は、自分の皮膚の問題にツールを使う方法、理解の変化、医師との対話の違いを調べた。一方、次の受診行動を判断する支援は限定的だった。
6月11日
Google Research、機械的忘却を監査するRegularized f-Divergence Kernel Testsを提案
Google ResearchはAISTATS 2026でRegularized f-Divergence Kernel Testsを提案した。相対距離で、モデルが安全な再学習版と元の損なわれた版のどちらに近いかを調べ、機械的忘却を監査する。
6月8日
Google DeepMind、シエラレオネのAI学習試験で数学成績が0.258標準偏差向上
Google DeepMindはシエラレオネの事前登録済み無作為化比較試験の結果を公開した。8週間の試験でGuided Learning利用者の数学成績が対照群より0.258標準偏差高まり、通常の学習1.2～1.7年分に相当した。
6月5日
Google、スマートフォンのカメラで心臓の健康を受動的に測る研究
Google ResearchはNatureにPHRMシステムの研究を発表した。顔認証によるロック解除後の数秒間に前面カメラで動画を撮影し、深層学習で心拍数と安静時心拍数をバックグラウンド推定する。
5月28日
Google、ゼロトラスト集計によるプライバシー分析を導入
Googleは単一メッセージの暗号集計とTEEを組み合わせ、端末が複数回オンラインになる必要のないゼロトラスト分析を導入した。Googleは匿名の集団集計だけを得て、ハードウェア保護内でも生データを露出・再構築しない。TEE認証は公開コード通りの実行を証明する。
5月20日
Google、科学コーディング向けERAを公開しComputational Discoveryを開放
GoogleはGeminiで科学コードを作成・最適化する研究ツールEmpirical Research Assistance（ERA）を公開した。関連論文は本日Natureに掲載され、Gemini for Scienceの一部として世界の科学者に提供される。
5月18日
Import AI 457：AI版Stuxnet、Muonの欠陥、「積極的アラインメント」
Import AI 457は3研究を扱う。SentinelOneは約20年以上前のfast16.sysを分析し、LS-DYNA 970、PKPM、MOHIDなどの高精度計算のメモリー結果を改ざんして工学・物理シミュレーションを壊すと示した。
5月16日
Google DeepMind Co-Scientist、Calicoの老化研究の新方向を支援
Calico Life SciencesのMatt OnsumとKatherine LabbéはCo-Scientistで老化生物学の散在する成果を統合し、検証可能な仮説を作っている。
Google Co-Scientist、Stanfordの肝線維症候補薬発見を支援
Stanford医学部Gary PeltzのチームはCo-Scientistで肝線維症薬を選別した。提案3薬のうち2つが生きたヒト肝細胞で線維化を阻止し再生を促したが、Peltzが選んだ2薬は無効だった。抗がん剤vorinostatは瘢痕を起こす損傷反応の91%を阻止した。研究はAdvanced Scienceに掲載された。
4月30日
Google DeepMind、医療研究計画AI co-clinicianを発表
Google DeepMindは医師の臨床的監督の下でAIエージェントが診療を支援するAI co-clinician研究計画を発表した。実際のプライマリーケアの98質問の盲検評価では97件に重大な誤りがなく、医師は既存のエビデンス統合ツールよりその回答を好んだ。140項目の診察技能評価でAIは68項目でプライマリーケア医と同等以上だったが、危険信号の発見と重要な身体診察の指示では専門医が全体として優れていた。
4月22日
Google DeepMind、分散訓練構造 Decoupled DiLoCo を提案
Google DeepMind は Decoupled DiLoCo の論文を公開した。大規模訓練を分離した計算の島々に分け、非同期データストリームで通信し、局所的なハードウェア障害を隔離する。
Google、成功と失敗から学ぶエージェントメモリーReasoningBankを提案
Google ResearchはICLR論文ReasoningBankを公開した。成功と失敗の経験から高次の推論パターンを抽出するエージェントメモリーの枠組みで、オープンソース化済みだ。
4月20日
GRASP、世界モデルの勾配に基づく長期計画手法
Berkeley AI Researchは学習済み世界モデルの勾配計画器GRASPを提案した。軌跡を仮想状態へ引き上げて時系列を並列最適化し、状態反復に乱数を直接注入して探索する。勾配を整えて行動へ明確な信号を送り、高次元視覚モデルの脆い「状態–入力」勾配を避け、長期計画を実用的かつ頑健にする。
4月16日
Google、推論を使う合成データ生成 Simula を提案
Google は推論優先の合成データ基盤 Simula を提案した。データセット構築を機構設計問題として捉え直し、全体の多様化、局所の多様化、複雑化、二つの批評役による品質確認の四段階で、種データなしにゼロから作成する。
Google Research、合成ニューロンのAI生成で脳地図を加速
Google ResearchはPointInfinity点群フローマッチングで合成ニューロン形態を作るMoGen（Neuronal Morphology Generation）を提案した。PATHFINDER再構築モデルの学習データを補い、検証用のマウス軸索で誤り率を4.4%減らした。主に誤った結合の減少による。
4月14日
Google、生成 AI で将来の技能を評価する Vantage を公開
Google は、高校生・大学生の問題解決や協働を生成 AI の模擬対話で評価する研究実験 Vantage を公開した。Google Labs で英語の登録を受け付ける。Executive LLM が会話を動的に進め、AI Evaluator が評価表で採点する。NYU との米国18～25歳188人の研究では、AI と専門家の採点一致度は専門家同士に近かった。
4月9日
Google Research、利用者シミュレーターの現実との差を測るConvApparelを公開
Google Researchは衣料品購入の4000以上の人・機械の複数ターン会話、約15000ターンのConvApparelを公開した。LLM利用者シミュレーターと人の現実感の差を測る。
Google、学術エージェントPaperVizAgentとScholarPeerを公開
Googleは論文の図を作るPaperVizAgentと自動査読のScholarPeerを公開した。PaperVizAgentは検索、計画、スタイル、可視化、審査の5エージェントで協働する。100点評価で60.2を得てGPT-Image-1.5、Nano-Banana-Pro、Paper2Anyを上回り、人の基準50.0を超えた唯一の枠組みだった。
4月3日
Google Research、LLMの行動傾向と人の共通認識の一致を評価
Google ResearchはIRI、ERQなどの心理質問票を改変した状況判断テスト（SJT）で、実際のユーザー・助手の場面の行動傾向が人の共通認識に合うか評価する枠組みを提案した。
4月1日
Google Research、AI 評価の注釈者は何人必要か
Google Research は『Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation』で評価項目数と項目ごとの注釈者数を比較した。一般的な1人、3人、5人では足りないことが多く、人の意見の違いを反映するには10人超が必要な場合が多い。