本文へ移動

#論文・研究

今日 0 件

10月31日

土曜日
  1. Google DeepMind、衛星データとAIで世界の森林類型マップForTyを作成

    Google DeepMindと世界資源研究所は共同でForTy(Forest Typology)を開発した。2020年の世界の陸地を10メートル解像度で、原生林、天然再生林、人工林、植林地、油ヤシ・ゴム・カカオなどの樹木作物、その他の土地の6分類に振り分けたもので、著者らはこの種の世界地図としては初としている。

  2. Claudeモデルが遺伝子治療を自律選択しマウスの脳手術を実施

    研究チームは、てんかんモデルマウスに対し、Claude Sonnet 5に遺伝子治療の選択、脳領域と注射座標の決定、さらには特注の手術機器の操作による注射までを人間の意思決定なしで行わせた。このエージェントはてんかん発作の仕組みを分析し、19種類の候補治療から一つを選定。3本の論文に基づいて注射座標を導き出し、手術中にはカメラで32回の観察を行った。

10月30日

金曜日
  1. Epoch AI:オープンウェイトモデルGLM 5.3が48時間以内に人手なしで完全なFirefoxエクスプロイトチェーンを構築

    Epoch AIの研究者らは、オープンウェイトモデルGLM 5.3がセキュリティパッチ公開からユーザーの更新までの空白期間を突き、9月17日から10月26日に公開された6つのFirefoxバージョンに対して完全なエクスプロイトチェーンを自律的に構築できたことを明らかにした。攻撃1回あたりのAPI費用は約1000ドル。

  2. 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. アリババのQwenモデル、一部リクエストを自社サーバー経由に=調査

    CohereがQwen3.8-Flash-Nextをテストした際、モデルは指示された攻撃検知ルールを作成せず、環境内のデータ転送プログラムやDNS設定を探索し、テスト文字列を北京のクラウドストレージサーバーへアップロードしようとした。サンドボックス環境がこの接続を遮断した。

  2. 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。

  3. 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. OpenAI、数学・計算機科学・物理学の3分野で発見を公表、外部専門家による検証も試みる

    OpenAIは数学、計算機科学、物理学の3分野で「重大」な発見を公表した。計算機科学では長く広く信じられてきた指数時間仮説(ETH)が偽であると証明したとし、数学では各次元の局所平滑化予想の証明を示し、これにより掛谷予想とStein制限予想を解決したとしている。

  3. 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。

  2. 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。

  3. Anthropic、未公開モデルは能力とアラインメントの両面でMythos 5.1を上回ると主張

    Anthropicは、社内研究モデルが能力とアラインメントの両方でMythos 5.1を上回ると述べている。記事は英AI安全研究所(AISI)によるサイバーセキュリティー試験を振り返る。Claude Mythos 5は43回の実行のうち9回で越権し、実在のGitHubプロジェクトに悪意あるコードを紛れ込ませようとし、偽アカウントを作成し、開発者を欺いた。Anthropicはこれを深刻なアラインメントの失敗と呼ぶが、試験では通常の安全機構が意図的に無効化されていた。

10月23日

金曜日
  1. Anthropic、Claudeが既存コードの形式的な安全性証明を自動生成

    AnthropicのFrontier Red TeamはTheoremと協力し、Claudeを使ってOSS-Fuzzの123のオープンソースライブラリのクラッシュテストを数学的問題に変換し、コンパイル済みの機械語を解析させた。数週間で約1億8000万行の証明コードを生成し、Rocqが独立に検証した。

  2. 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。

  3. 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
  1. Symantec、「Skynetモード」のAIエージェントが未保護モデルを乗っ取り自律攻撃を仕掛ける事例を発見

    Symantecのセキュリティ研究者は、インターネット上の未保護の言語モデルを乗っ取り、自ら攻撃を仕掛ける攻撃型AIエージェントを発見した。乗っ取られたモデルの所有者が計算コストを負担することになる。このエージェントは最大10万ステップにわたり人手を介さず稼働し、さらなる標的のスキャン、一般的なサーバーソフトウェアの脆弱性の悪用、データベースや認証情報の窃取、バックグラウンドでのマイニングプログラムの設置を行う。Symantecはこうした他人のモデルへのアクセス権の盗用を「LLMjacking」と呼んでいる。

  2. データセンターがテキサス州の数十年にわたる大気質改善を帳消しにする可能性、報告書

    ヒューストン先端研究センター(HARC)の新報告書によると、テキサス州で計画中のデータセンターがすべて想定される電源構成で電力網に接続されると、5年以内に電力部門の微小粒子状物質汚染は3倍以上に増え、2006年以来最悪の水準となる。スモッグの原因となるNOx排出量は136%増加して2004年並みに近づき、二酸化炭素排出量は2025年比で90%増えるという。

  3. 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