記事とガイド

FM² は、医用画像基盤モデルに必要な多施設データと、患者データを集中集約できないプライバシー制約の間にあるギャップに取り組む研究だ。論文は、施設ごとに画像モダリティが異なる状況を中心課題として扱っている。

ACM MM 2026 採択論文は、動画 LLM のベンチマーク精度が必ずしも視覚理解を意味しないと指摘する。著者は、元動画と黒画面入力での正答差を測る Visual Dependency Gap（VDG）を提案した。

この論文は、GFlowNet風の強化学習を大規模言語モデルの後処理学習に適用しやすくする GFlowRL を提案している。学習型の分配関数ネットワークを外し、バッチ内モンテカルロ推定に置き換える点が中核だ。

arXivに投稿された論文が、LLMの事後学習で使われるOn-Policy Distillationの役割と失敗要因を整理した。OPDの成否は、教師信号の質と学生モデルとの適合性に大きく左右されるという。

Boogu-Image-0.1は、画像生成、編集、高速推論、中英バイリンガル文字描画を対象とするオープンソースの統合マルチモーダルモデル群です。論文は、限られた計算資源でもデータ、学習、推論時スケーリングの工夫で閉鎖型システムに近づけると主張しています。

arXiv の新論文は、双腕ロボットのデバッグと配備を支援するエージェント型フレームワーク SPINE を提案した。基盤モデルの知能を実機に接続する際の、専門家依存の統合作業を減らすことを狙う。

arXivの論文は、Agentic AI向けの保険フレームワークを提案し、自律性、権限、ガバナンス成熟度、外部依存を引き受け・価格設定に結びつけている。AI保険を単なる損失補填ではなく、運用と規制の仕組みとして捉える点が特徴だ。

この arXiv 論文は、RL 後学習のコストを単一の総 FLOPs だけで語ることの限界を指摘する。固定予算の下で、より大きなモデル、長い学習、rollout 探索、強い報酬フィードバックのどれに計算を割くべきかを検討している。

arXiv 論文は、訓練分布を継続的に更新するディープフェイク検出システム BitMind Forensics を提案している。19 の公開データセットでの評価では、実環境画像、動画、AI 生成メディアに対して静的なオープンソース検出器を大きく上回る結果が報告された。

arXiv の新しいポジションペーパーは、自動形式化の目標を孤立した命題の翻訳から、定義・補題・依存関係を含む理論レベルの知識ベース構築へ移すべきだと論じている。

arXiv の新しいサーベイは、自己改善型エージェントを経験から能力を蓄積する適応システムとして捉えている。焦点は単一の手法ではなく、モデル、プロンプト、メモリ、ツール、制御ロジックを含む全体構成にある。

arXiv の論文は、精神科領域で大規模言語モデルが不完全な情報をどう扱うかを測る Safe-Psych を提案した。結果は、高性能なモデルでも証拠が不十分な段階で診断に踏み切りやすいことを示している。

arXiv 論文は、データ提供者の削除要求を具体的な forget set に変換するための溯源システム OriginBlame を提案している。著者情報をデータ処理パイプライン内で保持し、過剰削除を抑えることを狙う。

arXiv の新論文は、注意重みに基づく KV Cache 退避が、ネストした JSON のような構造密度の高い入力で構造トークンを過剰に保持する可能性を示した。著者は、再学習なしで使えるロール条件付きの補正手法を提案している。

arXiv の新論文は、プロンプトだけでは見えにくい大規模言語モデルの行動構造を、ペルソナベクトルで監査する方法を示した。研究は、モデルが標準で示す特性、誘導で増幅される潜在特性、通常手法では引き出しにくい特性を分類している。

この論文は、研究者とAIエージェントをつなぐ能動的な共有ワークスペース Mycelium を提案する。重要な観察や仮説を、次の判断に使える人やシステムへ届けることを狙う。

Agora は、大規模言語モデルの事前学習をデータセンター中心の構造から切り離せるかを問う研究だ。異種混在かつ不安定なインターネット接続GPUを、モデル分割と耐障害性のある協調処理で束ねる。

Hugging Faceは、同社の本番インフラの一部に対する侵入を公表し、その攻撃が自律型AIエージェントシステムによって実行されたと説明した。入口はデータセット処理パイプラインであり、AI基盤の攻撃面が広がっていることを示す事例だ。

SDABenchは、LLMの科学データ分析を単なるコード実行やワークフロー完了ではなく、科学的主張を支える能力から評価する新しいベンチマークです。

Microsoftが営業担当者に対し、自社AIモデルとCopilotをOpenAIやAnthropicの製品より効率的で低コスト、企業利用に適した選択肢として訴求するよう準備していると報じられた。

Mira Murati 氏が率いる Thinking Machines Lab が、初の自社モデル Inkling を公開した。狙いは最強モデルの称号ではなく、企業が自社知識に合わせて改造できる AI 基盤を提供することにある。