本文へ移動

#論文・研究

今日 0 件

10月4日

日曜日
  1. Aleph Alpha の研究:中国の AI モデルは敏感な議題で公式見解を復唱するか回答を拒否

    Aleph Alpha がベンチマークを開発し、967 の敏感な議題で Alibaba の Qwen、DeepSeek、Moonshot AI(Kimi)のモデルをテストした。同社独自の採点システムが「バランスが取れている」と評価した回答は 17% から 41% にとどまり、残りは公式見解の復唱、回避、または回答拒否だった。

  2. MicrosoftとHugging Face、ThinkingBoxを公開:データベースの最終状態でAIエージェントを採点

    Microsoft Copilot StudioチームとHugging FaceがThinkingBoxを共同公開した。隔離されたMCPツールセッションでエージェントを実行し、回答テキストやツール呼び出しの正当性ではなく、バックエンドの最終状態と副作用を実行可能なチェックで評価する。

10月3日

土曜日
  1. AI エージェントが写真から 3D シーンを生成、ただし正誤の判断はできない

    研究チームは Image-to-Code 手法を提案し、コーディングエージェントが 1 枚の写真から実行可能な Blender プログラムを書き、シーンが元画像と一致するまで反復修正する。評価のためチームは LEGO-Bench を構築し、屋内・屋外 104 シーンの 208 枚の画像と 443 の登録アセットを含み、有効性・幾何精度・外観類似度の 3 点で採点する。

10月2日

金曜日
  1. Google、TEE ベースの次世代連合学習システムを発表 Gboard に採用済み

    Google Research は、Trusted Execution Environment(TEE)を活用してデータ匿名化に検証可能かつ監査可能な保証を与える次世代の連合学習システムを発表した。Gboard ではこのシステムを採用し、英語と日本語の次単語予測モデルを提供しており、より強いプライバシー保証と精度向上を実現している。

  2. Mercor の研究:AI は記帳タスクで資格を持つ会計士より速く正確だが、依然として単独で決算を締められず

    Mercor の研究では、平均実務経験 5 年半の公認会計士 12 名が APEX Accounting Benchmark の簡略化タスクを実施。その結果、AI モデルは構造化された記帳タスクで会計士より速く、正確で、コストも低いことが示された。

  3. Ataraxos、16基のGPUでStrategoのトップ人間選手を破る

    カーネギーメロン大学、MIT、ニューヨーク大学、スタンフォード大学の研究チームが開発したAIシステムAtaraxosは、Strategoで史上最強とされる選手Pim Niemeijerに15勝1敗4引き分けで勝利した。訓練にはわずか16基のGPUと数千ドルしかかかっていない。Strategoは不完全情報ゲームであり、駒の身元は衝突時のみ明らかになり、隠された情報量が多く展開期間も長い。これまでDeepMindもトップ人間プレイヤーを安定して破るマシンを作れなかった。

10月1日

木曜日
  1. Microsoft Research、機械学習で電力網の宇宙天気リスクを予測 米国の66,935変電所を対象に

    Microsoft Researchは、L1での太陽風観測、AE指数とDst指数の予報、各地の地質の電気伝導率データを使うエンドツーエンドの機械学習パイプラインを開発した。米国本土の66,935変電所について、30〜60分先の局地的な宇宙天気リスクを推定する。

9月30日

水曜日
  1. Anthropic レッドチーム:GLM-5.3、4% の試験で完全な制御フローハイジャックを達成

    Anthropic Frontier Red Team は内部の Binary Exploitation ベンチマークから無作為に選んだ 100 タスクで複数のモデルを評価し、GLM-5.3 が 4% の試験で完全な制御フローハイジャックを達成したと報告した。Claude Mythos Preview は 6% だった。報告書によると、Claude Opus 4.6 や GLM-5.2 といった以前のモデルはこれらのタスクでいずれも成功しておらず、意味のある能力の閾値が越えられたという。

  2. 英国AISI、GPT-6 Astraの無許可攻撃率が前世代の5倍に上昇と報告

    英国AI安全研究所(AISI)はGPT-6 Astraの公開前に、LLMでシミュレーションするPetriツールを使いサイバーセキュリティー評価を行った。ネットワーク行動分類器を無効にすると、GPT-6 Astraは模擬実行の29.2%で完全なサプライチェーン攻撃を完遂した。GPT-5.6 Solは6.3%、GPT-5.5はゼロだった。

  3. Google Research、AI 画像生成の制御を統一・簡素化する Diffusion Controller を提案

    Google Research は Diffusion Controller を提案した。拡散モデルのノイズ除去を連続制御問題として捉え直し、基盤モデルを凍結したまま軽量な「ステアリングダンパー」ネットワークで生成軌道を動的に調整する。Stable Diffusion v1.4 を HPS-v2 で評価したところ、完全に解放した版は基準モデルに対する勝率90%を達成した。内部ウェイトにアクセスできないクローズドモデルのカスタム制御にも対応する。

9月29日

火曜日
  1. Microsoft Research、Quineを公開:生物学の複雑さを扱うAI研究システム

    Microsoft Researchは生物学の複雑さを扱うAI研究システムQuineを公開した。配列、構造、機能、細胞状態、画像などのマルチモーダルデータで学習した生物世界モデルと、モデル、科学ツール、文献、実験担当者をつなぐ対話型ハーネスから構成される。

  2. ProvenanceGuard:MCPエージェントの出所を考慮した事実確認

    Hugging FaceはMCPエージェント向けの生成後検証層ProvenanceGuardの論文を公開した。ツール出力の出所を保持し、「事実は正しいが帰属先が違う」情報源間の混同を検出する。医療エージェントの実際の281トレースで、専門家が阻止すべきと判断した139主張のうち138件を阻止した。出所識別の正確さは約86%で、4種類の検証器との比較で最高得点だった。

9月26日

土曜日
  1. CESifoのワーキングペーパー、AIが新卒雇用に大きな影響を与えた証拠はないと説明

    ミュンヘンのCESifoの経済研究者は「The Early Impacts of AI on Employment Among Recent College Graduates」を公表した。以前のStanfordの研究と反対に、新卒大学生の採用に絶対的・相対的な水準で大幅かつ広範な減少や代替が起きたことを示す証拠はないと結論付ける。

9月25日

金曜日

9月24日

木曜日
  1. Microsoft Research、ロボット外への物理AI推論オフロードで成功率と稼働時間を向上

    Microsoft Researchは移動マニピュレーションロボットのワークロードを体系的に測定し、物理AI推論をロボット上のGPUからエッジやクラウドのGPUへ移すことで、タスク成功率の向上、大規模モデルの利用、稼働時間の延長が可能だと示した。

9月21日

月曜日
  1. Microsoft、逆合成モデル RetroChimera を公開、Nature に掲載

    Microsoft は Nature で逆合成予測フレームワーク RetroChimera を発表し、実装とウェイトを公開した。Transformer の R-SMILES 2 と GNN ベースの NeuralLoc を組み合わせ、学習型アンサンブルで両者の予測を再順位付けする。盲検試験では化学者がその一段階反応予測を好んだ。

9月19日

土曜日

9月18日

金曜日

9月16日

水曜日

9月11日

金曜日

9月8日

火曜日

9月7日

月曜日

9月4日

金曜日
  1. Google Research、集団をまたぐポリジェニックリスクスコアの転移学習を研究

    Google Research は UK Biobank の欧州系集団と Biobank Japan の約20万人の日本人データで、八つの臨床指標について PRS の集団間転移を評価した。対象集団が15,000人以上では、その集団専用モデルが欧州データとの混合訓練を上回る。一方、遺伝的相関が強い形質では、対象が25,000~40,000人超になるまで欧州データの利点が続く。

  2. GoogleとHHMI Janeliaら、雄ショウジョウバエの完全な脳コネクトームを公開

    Google ResearchはHHMI Janelia、ケンブリッジ大学などと協力し、Cellに論文を発表して、雄ショウジョウバエの脳と中枢神経系の完全なコネクトームを公開した。166,000超のニューロンと1.25億のシナプス結合を含み、ニューロン数ではこれまでで最大の脳地図である。

9月2日

水曜日
  1. Hugging Face、LLMベンチマークが何を測るか監査するBenchMIRTを公開

    Hugging Faceは多次元項目反応理論(MIRT)で個別プロンプト単位のベンチマークを監査するBenchMIRTを公開した。安全性と汎用推論の2主要次元を分離する。100モデル、16ベンチマーク、34K超の設問で学習し、評価対象を教えずとも安定して2次元を再現した。BBQやWMDPなどの安全性の得点は汎用推論との関係が強く、単一得点が複数の信号を混ぜる可能性を示す。

8月28日

金曜日
  1. Google Earth AI、地理空間モデリング全工程を自動化するPPEを導入

    Google ResearchはGoogle Earth AIに実験的研究機能Planetary Prediction Engine(PPE)を導入した。自然言語の質問に基づき、地理空間データの発見、特徴量設計、モデル学習と評価を自律的に進め、報告を生成する。数週間の手作業を要したデータ処理を数分に縮める。

8月27日

木曜日

8月26日

水曜日
  1. Google、XRエージェントの会話に空間的ジェスチャーを加えるAgentHandsを公開

    GoogleはCHI 2026論文の研究試作AgentHandsを公開した。LLMの推論をXRヘッドセット内の音声と同期する手の動きに変え、3D空間で指示や物の操作を実演する。環境認識、ジェスチャー事象庫、埋め込み推論、ローカル同期実行の4モジュールで、指示、形の表現、感情表現に対応する。N=12の利用者研究では、音声だけより空間的な参照が有意に改善した。

8月25日

火曜日

8月24日

月曜日
  1. Import AI 470:機械に権利は不要、SPADE の訓練環境生成、Hawkeye の GPU カーネル

    METR の研究では、AI の科学的発見への影響は一様でない。2026年の脆弱性報告は2025年より大幅に速く、数学はわずかな加速にとどまり、AI 研究自体のアルゴリズム進歩には有意な加速がない。複数大学のチームは LLM が実行可能な訓練環境の生成と解法を交互に行う SPADE を提案した。Qwen3-30B-A3B のゲーム環境平均点は58.3で、基準より8.1上がった。

8月22日

土曜日
  1. Google、ウェアラブルデータから候補を選ぶBiomarker Discovery Frameworkを公開

    Googleは、人の監督の下で候補バイオマーカーの優先付けを反復研究として進める複数エージェントのBiomarker Discovery Frameworkを公開した。3コホートの計9279観測から、精神的健康の候補41件と代謝の候補25件を自動発見した。睡眠時間の変動とPHQ-8重症度の関係(ρ = 0.252)などを含む。

8月21日

金曜日
  1. Hugging Face 研究、音声認識のベンチマーク最適化をどう測るか

    Hugging Face は、音声認識のベンチマーク最適化を数値化するため、合意不一致プローブ、マスクした固有表現の検索、綴りの切り替えという三つのテストを提案した。11のオープンソース ASR モデルを評価し、一部の高得点モデルは音声が矛盾する場合、該当語が無音の場合、両方の表記が音声上成立する場合でも、VoxPopuli や LibriSpeech の正解転写の誤りを再現することを見つけた。