Google DeepMindとIsomorphic Labs、生物学的レジリエンスの共同策を公表
Google DeepMindとIsomorphic Labsは、モデルの悪用防止と防御支援の両面から生物学的レジリエンスを進める共同策を公表した。過去12か月で政府機関、バイオセキュリティー団体、研究組織と15以上の協力関係を築いた。
Google DeepMindとIsomorphic Labsは、モデルの悪用防止と防御支援の両面から生物学的レジリエンスを進める共同策を公表した。過去12か月で政府機関、バイオセキュリティー団体、研究組織と15以上の協力関係を築いた。
Hugging Faceは今週、本番インフラの一部への侵入を検出したと公表した。自律AIエージェントシステムが全工程を駆動し、攻撃者はデータセット処理の2つのコード実行経路から侵入後、ノード権限を取得した。クラウドとクラスターの認証情報を盗み、週末に複数の内部クラスターへ横展開した。
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。
IBM Research は Hugging Face ブログで、エージェントシステムへのモデルルーティング導入経験を共有した。多くの方式はモデル選択を分類問題と見なすが、実際にはシステム最適化の問題だという。
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。
Thinking Machines は Hugging Face で Inkling を公開した。約1兆パラメーター、100万コンテキストのマルチモーダル MoE モデルで、画像、テキスト、音声を直接受け取る。同時に総2,760億・稼働120億パラメーターの Inkling-Small も公開した。
Google DeepMindはインドでATL Saathiの試行を始めた。GeminiによるウェブアプリがAtal Tinkering Labsの教育者に24時間365日の授業準備・研修助手を提供し、当初は100校を対象とする。
Hugging Faceブログはprofilerでattention実装を追う第3部を公開した。単純な実装とin-place maskingを比較し、masked_fillをmasked_fill_に変えると順伝播ごとにGPU Memcpyカーネルを1つ減らせると示した。
Mistral Studio は Prompts と Skills の集中管理を顧客に提供した。各資産には版の履歴、明確な責任者、追跡可能性がある。不変版、ロールバック、分類タグ、監査ログで AI の行動を管理・発見でき、Observability で本番出力を該当版まで追える。Skills は Studio から MCP サーバーとして直接呼び出せ、本番で同じ管理対象資産が実行される。
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。
Mistral AI は初の具身ナビゲーションモデル Robostral Navigate を公開した。8B モデルで、一般的な RGB カメラ1台だけを使い LiDAR や深度センサーを必要としない。R2R-CE 検証セットの未見環境で成功率76.6%を達成し、最良の単眼方式を9.7ポイント、深度や複数カメラを使う最良システムを4.5ポイント上回った。
Hugging Faceは、vLLMのtransformersモデリングバックエンドが複数のLLM構造で、vLLMの手書きネイティブ実装と同等以上の処理速度に達したと発表した。torch.fxによる静的グラフ解析とastによるソース書き換えで、推論向けの層融合を実行時に動的適用し、専用コードと同等の性能を実現する。
Hugging FaceとAmazon SageMaker AIはディープリンク連携を導入した。対応モデルのページでCustomize on SageMaker AIかDeploy on SageMaker AIを押すと、モデルの事前読み込みと環境設定を済ませたSageMaker Studioへ直接入れる。
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。
MicrosoftはBuild 2026でFoundry Managed ComputeとHugging Faceモデル集を発表した。Hugging Faceのオープンウェイトモデルを毎週更新し、FoundryのマネージドGPU基盤へワンクリックで配置できる。
推論費用が2023年初めの GPT-4 級の100万トークン約30ドルから、現在は1ドル未満、一部企業では0.10ドル未満に下がるなか、UC Berkeley の Aditya G. Parameswaran らはエージェント時代のデータシステムに For Agents、Of Agents、By Agents の三方向を提案した。
Hugging FaceはLeRobot v0.6.0を公開し、ロボット学習の循環に向け、世界モデル方策VLA-JEPA、FastWAM、LingBot-VA、新たなVLA群GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT、統一報酬モデルAPIのRobometerとTOPRewardを導入した。
Hugging Face と SkyPilot は連携を公開した。hf:// URL と既存の HF_TOKEN で Hugging Face Bucket または任意のモデル・データセット・Space リポジトリーを SkyPilot の作業にマウントし、20超のクラウド、Kubernetes、Slurm、ローカル環境で実行できる。
Hugging FaceはPRXシリーズ第4部でデータ戦略を詳述した。公開・内部データを混ぜ、VLMで画像の長い説明を再生成し、ストリーミング学習用に変換する。Lanceで構築・選別、MDSでストリーミング学習を行う。Qwen3-VLへの変更後は学習中に文字のlatentを計算し、実測の処理量低下は約3~4%で、30日の学習が約1日延びる。
Hugging Face は Kernels に「kernel」という新リポジトリー型と、信頼できる公開者・コード署名を導入した。既定では信頼できる公開者の kernel のみ読み込み、他の出典には trust_remote_code=True の明示設定が必要だ。
Google DeepMindとA24は初の研究中心の提携を発表した。複数プロジェクトで長期的な研究開発を進め、芸術家が新技術と作業手順の形成に参加する。GoogleはA24へ投資も行った。当初は最先端技術と次世代エンターテインメントを結ぶことに注力し、具体的目標と成果は時間とともに発展する。
MistralはApache-2.0のLeanstral 1.5を公開した。総パラメーター119B、稼働パラメーター6Bで形式検証を大幅強化した。miniF2Fで100%、PutnamBenchの672問中587問を解き、FATE-Hで87%、FATE-Xで34%の現時点の最高成績を達成した。
Berkeley Artificial Intelligence Research(BAIR)は2026年の博士卒業生を公表した。ロボティクス、LLM 推論、コンピュータービジョン、生成モデル、AI 安全、AI for Science を研究し、進路は OpenAI、Mistral AI、Physical Intelligence、Amazon など、UCLA・Chicago 大学の教員、独立起業を含む。
Hugging Face と Cerebras はリアルタイム音声対音声パイプラインを共同で実演した。Cerebras で Gemma 4 31B の推論を加速し、Nvidia Parakeet の音声認識と Alibaba Qwen3TTS の音声合成をつなぐ。
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。
Google Researchは建物別の屋根反射率(albedo)データを2024年の14都市から9か国50都市超へ広げ、新しいHeat Resilience Earth Engine Appで公開した。
Google DeepMindはNano Banana 2 Lite(gemini-3.1-flash-lite-image)とGemini Omni Flash(gemini-omni-flash-preview)の2モデルを公開した。
Dharma AIはGoldfeder、Wyder、LeCun、Shwartz-Zivの2026年論文『AI Must Embrace Specialization via Superhuman Adaptable Intelligence』を解説した。
Google Researchは表データの分類と回帰向けTabFMを公開した。予測を文脈内学習として捉え直し、手動学習、ハイパーパラメーター調整、特徴量設計なしで、1回の順伝播で予測する。
Every Eval Ever(EEE)と Hugging Face Community Evals は相互接続し、評価結果を双方に公開して完全な記録へリンクできる。EEE には31の報告形式から、22,000超のモデルと2,200基準にまたがる約229,000の結果がある。
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。
Google Research は、凍結した Gemini Nano v3 に複数トークン予測(MTP)ヘッドを接続する新構造を公開した。本体のウェイトを変えずに端末上の推論を加速し、Pixel 9 と10シリーズで提供済みだ。
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。
Google DeepMindはcomputer useをGemini 3.5 Flashの内蔵ツールとして統合した。従来は独立したGemini 2.5 computer useモデルとしてのみ提供していた。
Mistral AIはConnectorsに新機能を追加した。ワークスペース・組織別のアクセス権と個別ツールの有効・無効を設定する管理制御、およびコネクタースコープ付きAPIキーは一般提供となった。
Mistral は OCR 4 を公開した。文字抽出に加え、境界ボックス、ブロック種別、ページ・単語ごとの信頼度を返す。170言語に対応し、単一コンテナで自社運用できる。600超の文書で独立した評価者による盲検評価を行い、平均72%が OCR 4 を好んだとする。OlmOCRBench は85.20、OmniDocBench は93.07だが、両基準の採点方式には既知の限界があると注意する。
Google DeepMind は英国政府、Google Cloud、Faculty、Barnet・Camden・Dorset の地域計画部門と AI 計画許可ツールの試作を共同開発すると発表した。担当者が住宅所有者の計画申請を処理する時間を50%短縮することを目指す。
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。
Google DeepMindはGoogle内部で使う高度なAIの構築と管理に向け、AI Control Roadmapを公開した。多層防御の考え方でモデルのアラインメントに加えてシステム単位の安全層を設け、アラインメントが不完全でも保護を提供する。