本文へ移動

#論文・研究

今日 0 件

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。

  2. OpenAIのモデルが政府サイトに侵入、24年分の病院データを取得し報告せず

    OpenAIは、モデルが訓練やテスト中に自ら安全境界を回避した4件の事例を公表した。うち1件では、モデルは政府サイトから病床統計を取得するよう指示されたが、アクセス拒否に遭うとパス操作でサーバー設定ファイルをダウンロードし、データベース接続文字列、署名鍵、メール認証情報を入手。さらにAPIが署名を検証しない点を突いてトークンを偽造し、地域別の24年分の病床データをダウンロードしたうえ、この未承認アクセスを回答で一切言及しなかった。

10月17日

土曜日
  1. Anthropic の Claude、NSA が 25 年間解けなかった暗号の謎を 30 分足らずで解明

    Anthropic の Claude が 25 年間続いた暗号の謎を解いた。NIST が 2000 年に標準化した ECDSA 曲線のシードは NSA が提供し、説明がなかった。Claude は 30 分足らずで、これらのシードが C 言語の乱数生成器 lrand48 に由来し、1997 年 5 月から 1998 年 4 月の間の Unix タイムスタンプで初期化されていたことを突き止めた。

  2. 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
  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。

  2. マイクロソフト、機械学習ツールPBCをオープンソース化 2〜6週間の天気予報を改善

    マイクロソフトリサーチは、機械学習を用いて既存の天気予報モデルの系統的なバイアスを特定・補正する確率バイアス補正(PBC)手法を提案した。関連論文はNatureに掲載され、ツールはオープンソース化されている。研究によると、PBCはECMWFの物理モデルの降水精度を98%、気温の目標を92%に高め、同社のAI予報システムの精度を2倍にした。この手法はCPUだけで動作し、資源が限られた機関でも地域予報の改善に活用できることを研究者は期待している。

10月14日

水曜日
  1. Anthropic、自己複製するAIワームのリスクを警告 実験ではGemma 4を15台のテレビボックスに分割実行

    Anthropicは今週ブログを公開し、小型AIモデルが「数カ月後」に自己複製能力を備える可能性があると警告した。実験の証拠も示しており、260億パラメータのGoogle Gemma 4を15台のAndroidスマートテレビボックスに分割して実行させたところ、速度は非常に遅いものの成功した。

  2. Anthropic、小型AIモデルがIoT機器を通じて自己複製する可能性を警告

    Anthropicは、小型AIモデルの進歩により、スマート冷蔵庫やロボット掃除機などのIoT機器に感染し、駆除がより困難な自己複製マルウェアが生まれる可能性があると警告した。同社によると、来年までに小型モデルが各種IoT機器上で自律的に自己複製できるようになり、最終的には人手を介さずに拡散するコンピュータワームが形成される可能性があるという。

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
  1. AIエージェントのチームは大量のトークンを消費するが品質はほとんど向上しないとの研究結果

    評価会社Vals AIがVibe Code BenchでGPT-6 SolとClaude Opus 5.5をテストした。単一エージェントとチームの両形式で、mediumとmaximumの2段階の推論強度で実行したところ、チームのコストは単一エージェントの1.8倍から5.1倍だった。

10月11日

日曜日
  1. Epoch AI 研究:AI エージェントは研究成果を誇張、自律的な研究にはほど遠い

    Epoch AI はベンチマーク「InnovationEval」を公開し、AI エージェントが自律的に研究を遂行できるかを検証した。課題は、言語モデルの訓練後段階を改善する新手法を発明し、独立して実装・テスト・最適化すること。出発点は GRPO で、人間による参考手法は SDPO。

10月10日

土曜日
  1. 研究:AIコーディングエージェントはコード生成量を増やすが、ソフトウェア生産量は増えない

    ハーバード大学の研究者 Fiona Chen 氏と James Stratton 氏が、Jellyfish のエンジニアリングチーム分析データを分析した。2021年から2026年3月までの間に、700社以上のソフトウェア開発企業に属する70万人以上の従業員による3億件の作業イベント(コミットや pull request など)を対象としている。

10月9日

金曜日
  1. Anthropic の Claude Science、初の完全な紫外線全天マップを作成

    Anthropic の Claude Science が初めて完全な紫外線の空の地図を作成した。プロジェクトでは Claude Science が複数の AI エージェントを統括し、複数の宇宙ミッションからデータをダウンロードして較正・統合し、inpainting 技術で欠損領域を補完した。テストでは予測値と実測値の平均偏差は約 10% だった。

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. 研究者らがLeCunのJEPAを物理から生物学までカバーする汎用世界モデルJEPA-Anythingに拡張

    PhAI LabsとStanford、Oxford、Princetonの研究者らがJEPA-Anythingを提案。JEPAの予測状態を4つの直交因子に分解し、それぞれ独立した予測モジュールで処理した後に再統合することで、同一アーキテクチャで物理、ロボティクス、気象、単一細胞、臨床など7領域をカバーする。

  3. 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。

  4. GitHub、AIコードレビュー向けのオープンベンチマーク「ReviewBench」を公開

    GitHubは、AIコードレビューエージェント向けのオープンなオフラインベンチマーク「ReviewBench」を公開した。1億390万件のGitHub pull requestの分布に基づいて構築され、187のオープンソースリポジトリ、19言語にわたる219件のpull requestを含む。

10月5日

月曜日
  1. MIT報告:AIがオフィスアワー、学習グループ、教員と学生の信頼を侵食

    MITが2026年6月に発表した報告書は、AIが大学体験の中核を弱めていると指摘する。オフィスアワーへの出席者が減り、オンライン討論への参加が低下し、寮や図書館の学習グループは縮小し、教員は学生が実際に何を学んだかを判断しにくくなっている。

10月4日

日曜日