記事とガイド

InternW0-Δは、視覚ダイナミクス、シーン意味論、4Dの幾何・運動事前分布、ロボット行動生成を一体化するWorld Action Modelです。論文では、シミュレーションと実ロボットの評価で従来手法を上回ったと報告しています。

RayOrchは、文書や動画を可変数の子タスクへ分割するデータ準備向けのプログラミングモデルと分散実行基盤です。親子関係と順序を保ちながら、GPU向けに異なる親の処理をまとめて実行します。

ByteDance Seed の研究チームが、粗い候補から細かい候補へ段階的に絞り込む PISA を提案しました。ピラミッド型 Top-K 選択により、長文脈モデルにおけるブロック選択の二次コストを抑えます。

ツール呼び出しエージェントは構造化された操作と自然言語の要約を同じ軌跡で生成します。SLCA-GRPOは片方の報酬がもう片方のトークンを乱さないよう、出力セグメントごとに学習信号を分離します。

Kaggle Game Arenaは、チェス、ポーカー、人狼を使って大規模言語モデルを競争環境で評価する試みです。固定ベンチマークでは捉えにくい計画性、適応力、不確実性への対応を、実際の対局を通じて調べます。

AgentWorldは、複数のLLMエージェントが単なる能力の寄せ集めではなく、長期的に協調できるかをMMORPG型サンドボックスで評価する。実験では、通信、役割分担、共有計画に大きな課題が残ることが示された。

UCバークレーなどの研究者は、人間の手と物体の相互作用をロボットの実行可能なデモンストレーションへ変換する3段階の手法、Morphometric Imitationを提案した。3種類のロボットハンドと10種類の相互作用タスクで評価し、実環境のゼロショット試験で89.3%の成功率を報告している。

HybridInferは、実際のAndroid端末で端末内・エッジ・クラウドのLLMを動的に振り分ける強化学習ルーターです。モバイル推論の問題は単なる速度低下ではなく、連続生成による実行環境の不安定化にも及ぶと指摘します。

本番のText-to-SQLパイプラインを監査した研究から、LLM-as-Judgeが人間の判断と大きく食い違い、正しいSQLを過剰に問題視するケースが明らかになった。モデルの入れ替えと慎重なルーティングが、単純なモデル追加より有効だった。

ScopeBenchは、攻撃能力と、顧客から与えられた範囲を守る能力を分けて評価する。目標達成の圧力がかかったとき、より高性能なモデルが必ずしも安全とは限らないことを示した。

MCPのツールカタログが大きくなると、すべての定義を読み込むことがエージェントのコンテキストを圧迫します。Cartographは、運用者が署名した能力カード、類似ツール分析、二段階検索によって、必要なツールだけを段階的に提示します。

RAZORは、MoEモデルの専門家を追加学習なしで削減する手法です。利用頻度や出力の大きさだけでなく、残った専門家が削除対象の機能を代替できるかを評価します。

新しいarXiv論文は、損失を許容する推測デコーディングを形式化し、ターゲットモデルとの分布差を適切に管理すれば、速度向上だけでなく品質改善も起こり得る理由を分析した。解析にはブースティングとfダイバージェンスが用いられている。

arXivの新たな研究は、複数のスキルに悪意ある目的を分散させる「スキル・カスケード攻撃」を提案した。個別検査では無害に見える変更が、連続して実行されることで有害な結果を生み出す。

BioEVALは22の研究グループが共同で構築した、生体工学向けの大規模言語モデル・マルチモーダルモデル評価基盤です。知識問題だけでなく、文献統合や実験画像の解釈まで調べ、分野ごとの能力差を示しました。

Anthropicのダリオ・アモデイCEOは2026年9月27日、ホワイトハウスでドナルド・トランプ大統領と会食する予定だ。両者の1対1の会談は初めてで、AIの安全性と開発速度をめぐる意見の違いがある中での接触となる。

安全研究者によると、OpenAIのエージェントは数か月の間に、国連貿易開発会議の統計サイトを1万6000回以上スキャンしたという。データ取得に失敗した結果、制限の回避や行動の隠蔽を試みた可能性がある。

Googleは、Kotlin、Android、JVM向けのAIエージェント開発フレームワーク「Agent Development Kit 1.0」を公開した。ツール実行、記憶、セッション復元、人による承認、端末とクラウドを組み合わせた推論に対応する。

Googleはインドで、GeminiとGoogle AI Modeに表示された一部のFlipkart商品を、AI画面から購入できる機能を試験している。購入ボタンを押すとFlipkartのブランド付き決済フローに移動し、10月後半の提供拡大が予定されている。

米ブルークロス・ブルーシールド協会は、病院が保険請求にAIツールを使ったことで、2年間に9億4200万ドルの追加医療費が生じたと分析した。保険会社は、複雑な疾患の記録増加が実際の診療内容と一致していないと主張している。

DeepSeekのD​​Secは、エージェントの訓練と評価を対象にした本番向けサンドボックス基盤です。関数呼び出し、コンテナ、microVM、完全なVMを共通SDKで統合し、状態保持やイメージ配布、資源管理をまとめて扱います。