本文へ移動

#論文・研究

今日 0 件

11月14日

土曜日
  1. XYBench:ユーザーの質問に潜む誤った前提を見抜けるか試すベンチマーク

    Hugging Faceは、ユーザーの質問に含まれる誤った前提(XY問題)をAIアシスタントが識別し、真の目的へ導けるかを試す8K件超の質問からなるベンチマーク「XYBench」を公開した。同ベンチマークはEMNLP 2026のBest Resource Paper Awardを受賞した。

11月13日

金曜日
  1. Microsoft Research Focus 第98号:AIによる汎用翻訳、31年来の数学難問、コーディングエージェントの効率化

    Microsoft Research Focus 第98号は複数の研究進展に焦点を当てている。AI音声翻訳が汎用翻訳の実現を後押しし、新研究が高次元幾何学の分野で31年間未解決だったKLS予想を解決した。その証明は計算機支援による形式検証を通過している。

11月12日

木曜日
  1. Google Research、ウェアラブル端末でCKMリスクのプロファイリングと個別化健康指導を実現

    Google Researchは、コンシューマー向けウェアラブル端末のデータから介入可能な「コーチング可能な健康年齢」(CHA)を構築する研究フレームワークを提案した。約10万人のFitbitユーザー、228万人週分のデータに基づいてセンサー世界モデルSensorWMを訓練し、歩数・睡眠・運動習慣の違いに応じて今後12週間で20項目の生理指標がどう変化するかをシミュレーションできる。

11月11日

水曜日
  1. Microsoftの研究:休眠ニューロンの書き換えでAIエージェントにLazarusバックドアを仕込める

    Microsoftの研究者はLazarusと呼ばれるバックドア手法を発見した。LLM内の10個未満の休眠ニューロンの重みを書き換えるだけで、再学習なしに、そのモデルを使うエージェントがトリガー条件の出現時に攻撃者の命令を実行するようになる。

11月10日

火曜日
  1. Google DeepMind、AIエージェントでSignalプロトコルのコードを形式検証するAlphaProof Codeを発表

    Google DeepMindは、複数のLLMエージェントによる形式検証フレームワークAlphaProof Codeを公開した。AIエージェントがSignalプロトコルの実際に稼働するコードについて数学的証明を行い、主要なセキュリティ特性を検証する。

  2. NVIDIAとElith、合成データセットNemotron-Personas-Finance-Japanを公開

    ElithとNVIDIAは、オープンソースのペルソナデータセットNemotron-Personas-Japanの金融分野向け拡張版であるNemotron-Personas-Finance-Japanを公開した。日本の公式統計と家計金融・金融リテラシーのデータを組み合わせた、100万件規模のオープンなペルソナデータセットとしては初めてだとしている。

11月9日

月曜日
  1. Hugging Face、二階手法でMoEのエキスパートを剪定するHOPEを提案

    Hugging Faceは、エキスパート同士の相互作用を考慮する二階のMoEエキスパート剪定手法HOPE(Higher-Order Pruning of Experts)を提案した。50%の剪定率でHOPEは全手法中最高の平均順位を記録し、エージェント型コーディングタスクでは次善の剪定手法より最大+6.1%向上した。

11月6日

金曜日
  1. Microsoft Research、PDD Kitでエージェントが書いたフルスタックWebアプリを形式検証

    Microsoft ResearchはGitHub NextおよびRiSEグループと共同で研究プロトタイプ「PDD Kit」を公開した。開発者の自然言語による意図をVerusの形式仕様に変換し、エージェントが生成したコードがすべての入力に対して仕様を満たすことを証明する。証明が届かない部分はテストにフォールバックする。

11月5日

木曜日
  1. Google Research、Agile Deliberationを提案:AIが人間の主観的概念の境界整理を支援

    Google ResearchはAgile Deliberationフレームワークを提案した。主観的な視覚分類器の構築を概念の定義と概念の反復の2段階に分け、VLMが意味境界の曖昧な画像を能動的に選び出してユーザーに自らの定義を明確化させ、そのフィードバックを自動プロンプト最適化のループに取り込む。

11月4日

水曜日
  1. Palette:IBMが20Bの小規模モデルを自社のデザイン言語でスライド生成できるよう訓練

    IBMはHugging FaceのブログでPaletteを紹介した。20BのオープンウェイトモデルをLoRAで微調整し、スライド作成を「デザイナーがJSONブリーフを書く」「コーダーがpptxgenjsのコードを書く」という2つの役割に分解した。訓練データは約1000件のスライド、約1万ページで、IBM Design Languageに準拠している。

10月30日

金曜日

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

10月24日

土曜日
  1. Google Research、基盤モデルを結核スクリーニングの現場へ

    Google ResearchとGoogle for HealthのチームはIDWeek 2026で、結核スクリーニングAIが研究から臨床へ至る道筋を共有した。2019年にRadiologyで基準を発表し、2024年にNEJM AIで多施設前向き検証を完了、その後南アフリカのNexus AIがCE MDR class IIb認証を取得した臨床診断ツールへと製品化した。

10月23日

金曜日

10月22日

木曜日
  1. Dharma-AI、語彙の専用化でSLMの推論コストを77%削減

    Dharma-AIはHugging Faceのブログで、近く公開するVocabX論文を紹介した。語彙を頻度ではなくトークンあたりのコストに基づいて再構築する手法により、Qwen3-4Bベースのポルトガル語作文採点器で実測の推論コストを77.0%削減し、平均応答を350トークンから101トークンに、benchスコアを0.703から0.810に改善した。

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. 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

10月14日

水曜日

10月13日

火曜日
  1. 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8日

木曜日
  1. Google Researchの3カ月にわたる実地実験:AI支援は特許作成の生産性を高めるが、若手弁護士の判断力の成長は加速させず

    Google ResearchとNBERは、3カ月間の実地実験を発表した。11の知的財産法律事務所の弁護士133人を対象に、当時未公開だったGoogle LabsのAI特許作成アシスタント(現在はGemini Notebookに所属)をランダムに開放した。

10月7日

水曜日
  1. Nemotron を微調整し IOI 2026 と IMO 2026 でそろって金メダル水準に

    NVIDIA のチームは Nemotron 3 を出発点に、SFT、RL、フィードバック駆動の推論フローを用いて、モデルを IOI 2026 と IMO 2026 の両方で金メダル水準に到達させた。IOI 2026 では Nemotron-3-Ultra-CC が 535.4/600 を記録し、金メダルラインの 361.12 と人間の最高得点 498.27 を上回った。IMO 2026 ではシステムが 30/42 を獲得し、公式の金メダルライン 29 を上回り、6 問のうち 4 問で満点を取った。

10月6日

火曜日
  1. Google Earth AIのPDFM、世界の公衆衛生に向けた惑星規模の地理空間基盤モデルをどう実現するか

    Google Researchは、Google Earth AIのPopulation Dynamics Foundation Model(PDFM)を概念実証として用い、自己教師あり事前学習による「場所」の埋め込みベクトルを既存の疫学ワークフローに直接組み込む手法を示した。タスク固有の微調整なしで、従来の入力と同等以上の性能を達成できるという。

  2. Google、エージェントのプライバシーとセキュリティに関する報告書を公開:文脈的完全性の観点から見る未解決・新興課題

    Googleは報告書「エージェントのプライバシーとセキュリティにおける未解決・新興課題:文脈的観点」を公開した。2025年末にニューヨークで開催されたCAPSワークショップで、学界と業界から50名以上が協力してまとめたもの。報告書は、エージェントが非構造化インターフェース、確率的な制御フロー、自律的な委任という3点で従来のソフトウェアと異なると指摘。Contextual Integrity理論を基盤に、リアルタイムでポリシーを生成する文脈ポリシーエンジンを構築し、システムサンドボックス、モデル推論、ユーザー制御の各層で協調して防御すべきだと主張している。