Multiverse Computing、4bit圧縮モデルの回復手法QAHを提案、bfloat16版を9中7ベンチマークで上回る

Multiverse Computingは、圧縮と量子化を経たモデルを回復するQuantization-Aware Healing（QAH）を提案した。GPT-OSS 120Bを60Bに圧縮しMXFP4にしたモデルが、自身のbfloat16版を9ベンチマーク中7で上回った。圧縮前の元モデルを教師にKLダイバージェンスで蒸留する点が特徴である。

ウェアラブルデータから候補バイオマーカーを選定するAIツール「Biomarker Discovery Framework」

Google Researchが、ウェアラブルセンサーのデータから候補バイオマーカーを優先順位付けするマルチエージェント型システム「Biomarker Discovery Framework」を紹介した。人間の監督の下で仮説生成、統計解析、敵対的検証などを反復的に行う仕組みである。

Atari から EVE Online まで、Google DeepMind のゲームAI研究15年

Google DeepMindは、ゲーム開発者と協業してゲームプレイの新しい体験をプロトタイプ開発しており、EVE Universeを手がけるFenris Creationsとの新たな研究パートナーシップもその一環である。同社はAtari 2600のゲームを学習したDQNからAlphaGo、AlphaStarに至るまで、ゲームを通じたAI研究の成果を振り返っている。

ME-POIs、モビリティデータで言語モデルの場所理解を深める仕組み

Google Researchは、集計・匿名化された移動データを言語モデルの場所表現に組み込む「ME-POIs」フレームワークを紹介した。未知の場所を対象とした評価では、訪問意図の予測が最大81.9%の相対的な向上、価格帯分類が75.1%の改善、混雑度推定の精度が24.7%の向上を示した。移動データは公開ベンチマークデータセットから取得され、自己教師あり学習によってテキスト記述と統合される。

Hugging Face、音声認識ベンチマークへの最適化を測る3つのテストを提案

Hugging Faceは、音声認識（ASR）モデルが公開ベンチマーク固有のパターンに最適化されているかを測る3つのテストを提案した。オープンソースASRモデル11件を評価したところ、スコア上位の複数モデルが、音声と矛盾する場合でもVoxPopuliやLibriSpeechの参照書き起こしを再現した。Open ASR Leaderboardには「Benchmark fitting」タブが追加された。

SB Intuitions、リアルタイム対話キャラクター向けストリーミング音声駆動動画生成を紹介

SB Intuitionsは、ストリーミング音声を入力に対話キャラクターの動画応答を生成する、音声駆動動画生成のエンドツーエンド試作を紹介した。ベースにはLTX 2.3を用い、Self-Forcingを改良したODE初期化とDMD蒸留の2段階でポストトレーニングして自己回帰モデルを得ている。推論では参照画像と最初の動画チャンクのトークンをアテンションシンクとして保持する。

ALTK-Evolveで見るAIエージェントの最適なメモリ量

AIエージェントに与えるメモリ量は、モデルの能力に応じて調整する必要がある。ALTK-Evolveはエージェントが過去の試行から抽出したガイドラインを推論時に注入する仕組みで、重みの更新は行わない。強いモデルのDeepSeek-V3.2（671B MoE）は全ガイドラインを与えた場合にタスク完了率（TGC）が+9.5ポイント向上した一方、gpt-oss-120b（117B MoE）は厳選した検索型の注入で+16.1ポイント向上し、トークン増加は+5%にとどまった。GLM-5では測定可能な改善は見られなかった。

Few-Step World Action Models：Fast-WAMのアクション側蒸留

SB Intuitionsのチームは、公開済みFast-WAMのチェックポイントを出発点に、Flash-WAMのアクション側consistency distillationをFast-WAM本来の推論グラフに適応させた。蒸留するのはActionDiTエキスパートのみで、学習はオフラインのLIBERO data（277,713フレーム）だけで行う。元の10ステップ方策に対し、1ステップと2ステップの推論で成功率がどこまで保たれ、蒸留で差がどれだけ縮まるかを、2,000エピソードのclosed-loop評価で検証する。

Google、スマホ写真から心代謝リスクを推定する「PhotoScan」を紹介

Googleは、スマートフォンで撮影した2D写真から体脂肪率、A/G比、V/S比を推定する実験段階の深層学習フレームワーク「PhotoScan」を紹介した。PhotoBIAコホート（677人）では、PhotoScanの体脂肪率の平均絶対誤差（MAE）が2.15で、スマートウォッチのBIAモデルの2.91より小さい。独立検証コホート（132人）でもDXAに近い精度でのインスリン抵抗性予測を可能にするとしている。

Hugging Face、ICML 2026の2,226本の論文をエージェントで再現した結果を公開

Hugging FaceはICML 2026のOpen Reproductionsハッカソンで、コミュニティが2,226本の論文を再現した結果を公開した。調査対象の51%（1,103本）で少なくとも1件の主張が検証され、23%（496本）で少なくとも1件の主張が反証または争点となった。人間がエージェントを導く役割の重要性も報告している。

OlmoEarth Studio、ダウンストリーム分析向けのカスタム埋め込みエクスポートを提供開始

OlmoEarth Studioで、オープンソースのOlmoEarth基盤モデルによる埋め込みベクトルを任意の範囲で計算し、Cloud-Optimized GeoTIFF（COG）として書き出せるようになった。カスタム計算の埋め込みはStudioユーザー向けに提供され、利用は問い合わせ制である。ベトナムCa Mauのマングローブ地域では、わずか60ピクセルのラベルを使った線形分類器が加重F1=0.84の土地被覆マップを作成した。

Google Research、LLMの事実性のボトルネックは符号化でなく想起と指摘

Google Researchは、大規模言語モデル（LLM）の事実誤りの多くは知識が未獲得な「空の棚」ではなく、取り出せない「失われた鍵」、つまり想起の失敗だと示した。Gemini-3-ProとGPT-5では95–98%の事実が符号化されている一方、直接想起できない事実が26–34%あり、思考を使っても11–12%で失敗する。

Google Research、リアルタイム映像診療に対応したAMIE (Video)を発表

Google Researchは、GeminiとProject Astraを基盤に、リアルタイムの映像診察を行う研究用AIシステムAMIE (Video)を公開した。100シナリオ、300件の模擬診療を対象にした無作為化研究で、中核的な臨床能力は一次診療医（PCP）と同等と評価された。ただし評価は模擬患者を使った環境に限られ、実患者での検証が次の課題とされている。

ACEより少ないトークンで同等以上の精度、ALTK-Evolveの検証結果

ALTK-Evolveは、エージェントの過去の軌跡から得た教訓を、ACEのように全件注入せずタスクごとに選んで渡す方式で、AppWorldにおいてACEより少ないトークンで高い精度を示した。DeepSeek-V3.2ではTGC 89.3、SGC 80.4となり、ACEのTGC 80.4、SGC 73.2を上回り、トークン数は263Kと634Kだった。gpt-oss-120bではTGC 56.0対54.8とほぼ同等で、トークン数は116Kと777Kである。

知識蒸留のコストを下げる、オフラインTop-K logitsと融合チャンク化KL損失

教師モデルのTop-K logitsを事前にオフラインで計算してキャッシュし、語彙全体×系列長の行列を作らない融合チャンク化KL損失と組み合わせることで、知識蒸留の学習コストを削減する手法が示された。gpt-oss-120b（語彙201,088）、系列長32K、バッチサイズ4の場合、従来のDense KLは1回の学習イテレーションでピーク約250GBのVRAMを要するのに対し、融合チャンク化KLは約128GBに抑えられる。これにより、単一GPUでの長文コンテキストの回復（healing）が可能になる。

SB IntuitionsのPhysical AI開発の舞台裏、独自QDDロボットアーム向けUMIデータ収集

SB IntuitionsのRoboticsチームが、VLAモデル開発に向け、VRトラッカーを用いたUMIデータ収集システムを独自のQDDロボットアームに適用した際の工学的課題を紹介している。Enactic開発の「Openarm」ベースのロボットでは、組立公差により関節可動域が設計値とずれ、エンドエフェクタに数cmの位置誤差が生じた。対策として、計測（XYZ 4点法による関節キャリブレーション）、制御（重力補償）、コンピュータビジョン（レンズ変更に伴う内部パラメータ補正）の3点に取り組んだ。

ICML 2026で見えた、本番エージェント86システムの「地味な設計」

LayerXのリサーチ・エンジニアが、ICML 2026で紹介された本番稼働のLLMエージェント86システムの調査から、成功例は追加学習を避け、人の確認までの自律ステップを10未満に抑え、事前に決めた手順に沿わせる地味な設計に収束していると報告する。本番システムの70%が追加学習をせず、80%が事前定義の手順に沿わせており、評価は人の確認が74%を占め、75%は正式なベンチマークを持たない。知識ベースについては、検索の窓口だけから全体の復元率が4分野混在で45〜49%に達したとする研究が紹介されている。

Microsoft ResearchとPaige、病理基盤モデルPRISM2を開発しNature Medicineで発表

Microsoft ResearchとPaige（現Tempusの傘下）は、組織画像と病理報告書由来の言語で学習した病理基盤モデルPRISM2を開発し、Nature Medicineに発表した。前立腺がん、乳がん、乳房リンパ節転移の検出など複数のベンチマークで、専用のがん検出システムに並ぶか上回る性能を示した。モデルの重みは研究用途向けにHugging Faceで公開されている。

Science One Framework、Chain-of-Evidenceによる検証可能な自律型研究フレームワークを提案

Google Researchは、AIが生成する研究成果の主張を証拠の連鎖（Chain-of-Evidence）で追跡可能にする自律型研究フレームワーク「Science One Framework」を発表した。既存のベースラインシステムは参照文献の最大21%を幻覚（ハルシネーション）で生成していたのに対し、本フレームワークは架空の参照文献をゼロに抑えた。75本の論文を対象としたCoE Auditでは4つの整合性チェックすべてで既存システムを上回り、MLE-BenchやParameter-Golfといったベンチマークでも最先端の性能を達成したとしている。

Kimi.ai@Kimi_MoonshotAIスコア3636

Kimi（Moonshot AI）は、視覚知覚を原子的な能力に分解して評価するベンチマーク「PerceptionBench」を公開した。42のベンチマークにおけるフロンティアモデルの失敗事例から10の原子的な知覚能力を導き出し、推論や外部知識を必要とせず、見るだけで答えられる3,000問の検証済み質問を構築した。ブログ、GitHub、Hugging Faceで公開されている。

Google Research、症状評価の会話型AIエージェントSymptomAIを研究

Google Researchは、日常的な症状評価のための会話型AIエージェントSymptomAIの研究結果を公表した。Gemini Flash 2.0ベースの5種のエージェントを用い、全国規模のランダム化研究（n=13,917）で評価している。臨床医3名の評価では、SymptomAIの鑑別診断（DDx）が他の臨床医のものと同等以上の頻度で好まれ、top-5 Accuracyでも臨床医を上回った。

Google、量子エラー訂正の検出結果から学ぶ強化学習制御をNatureで発表

Googleは、量子エラー訂正の検出イベントを学習信号として使い、数千の制御パラメータを計算中に調整する強化学習フレームワークをNatureで発表した。Willow超伝導プロセッサでは、人工的なドリフト下で論理安定性が3.5倍に向上した。専門家による較正後にも、論理エラー率はさらに20%抑制された。

Google Research、拡散モデルの創造性の起源を解説

拡散モデルの「創造性」は、ニューラルネットワークの学習過程で生じる「スコア平滑化（score smoothing）」に由来すると、Google Researchが説明する。学習データの間をつなぐ補間領域に新しいデータが生成される仕組みで、重み減衰（weight decay）が強いほど学習されたスコア関数は中間領域で滑らかになることを1次元の実験で示した。研究成果は ICLR 2026 で発表された論文「On the Interpolation Effect of Score Smoothing in Diffusion Models」にまとめられている。

Google Research、ウェアラブル健康データ向け基盤モデルSensorFMを発表

Google Researchは、ラベルなしのウェアラブルデータから学習する大規模センサー基盤モデルSensorFMを発表した。500万人、1兆分超のセンサー信号で事前学習し、35の健康タスク中34でエンジニアリング特徴量ベースの教師あり基準を上回った。AIエージェントによる予測ヘッド自動設計や、Personal Health Agentへの組み込みも検証している。

協調型ルーティングで交通渋滞を緩和、Google Mapsの米10都市での実験

Google Researchは、米国10都市でGoogle Mapsの経路案内を一部変更した実験で、少数の走行を分散させるだけで都市全体の交通が改善したと報告した。渋滞区間を避ける代替ルートを提示したところ、対象区間の走行速度は中央値で約2%向上し、燃料消費率は0.5%から1.0%低下した。経路変更を受けた走行は観測された全体の2%未満で、研究成果はNature Citiesに掲載された。

AIモデルごとに脆弱性の検出結果が異なる、AI検証ノート

一般に利用できる3つのAIモデルに同じソフトウェアのコードの脆弱性検証を行わせたところ、検出件数と重要度の付け方がモデルごとに異なった。Model 1は15件（とても深刻4件、深刻5件、中6件）、Model 2は13件（とても深刻3件、深刻5件、中4件、軽い1件）、Model 3は13件（深刻5件、中6件、軽い2件）だった。ただし各結果は1回の試行によるもので、安全制御により一部の出力が得られなかったこともあるため、件数だけでモデルの優劣は判断できないとしている。

Gran Turismo Sophy™の5年、Nature掲載からオープンな最前線へ

Sony AIが、Gran Turismo™でトップドライバーに勝つAIエージェントを目指した研究の5年間を振り返っている。2020年初めに始まった構想は、数百万人がプレイするゲームの常設機能になった。研究が製品とプラットフォームになった事例であり、強化学習の将来に向けた新たな問いも生んでいるという。

Sony AI、6月のハイライト：卓球ロボットAceがプロ選手に勝利

Sony AIの自律型卓球ロボットAce（Project Ace）が、公式競技ルールの下でランク入りのプロ選手に勝利した。デンバーで開かれたCVPR 2026では6本の論文を発表した。AI倫理の研究はデータの権利に関するTIME誌への寄稿でも取り上げられた。

Google、50都市超の建物単位屋根反射率データを公開 都市の冷却屋根施策を支援

Google Researchは、50以上の世界都市を対象とした建物単位の屋根反射率（アルベド）データセットを公開し、同データを提供するHeat Resilience Earth Engine Appを開始した。Sentinel-2衛星データと30cm解像度の衛星画像（Airbus Pléiades Neo）を融合する手法を用い、ルート平均二乗誤差（RMSE）0.04で検証された。対象は9か国の50以上の都市で、ロンドン、アテネ、バルセロナ、リオデジャネイロ、サンパウロ、ロサンゼルス、オースティン、ニューヨーク市などを含む。

Google Research、線形弾性キャッシュでクラウドのTCOを削減

Google Researchは、ページの退避をski rental問題として扱い、軽量な機械学習でキャッシュの動的サイズ調整を行う「linear elastic caching」を発表した。Spannerの本番環境で数か月間運用した結果、固定サイズのキャッシュと比べてメモリ使用量は15.5%減少し、キャッシュミスは5.5%増加にとどまり、TCOは約5%削減された。TTL予測には数行のC++コードに変換できる浅い決定木を用いる。

推論が事実想起を解放する仕組み、LLMのパラメトリック知識への影響を検証

Google Researchは、LLMに推論トレースを生成させると、推論なしでは実質的に到達できない正解を引き出せることを示した。COLM 2026で発表される論文「Thinking to Recall」で検証された内容である。

プロンプトは人手チューニングからAIチューニングへ：遺伝的アルゴリズムで回す自動最適化と高速化

LINEヤフーは、遺伝的アルゴリズムベースの自動最適化手法GEPAでプロンプトチューニングを自動化し、数日〜数週間かかっていた調整作業を約1時間に短縮した。Yahoo!検索のAI回答における健康医療系クエリを題材に、DSPyのオプティマイザとして実装し、要件準拠と読みやすさの両立を検証している。評価は診断行為、断定表現、具体的固有名詞の推奨、心理的負担の4観点をLLM-as-a-Judgeで0〜10点採点し、平均で集約する方式である。

ピクセルから計画へ：自然再生のためのEarth AI

Googleは、Earth AIを用いてイングランドの生垣や石垣、小規模な林などの微細な樹木地物を高解像度で検出し、それらを地図化したベクターデータセットを公開した。モデルは、3億枚を超える衛星画像で事前学習されたRemote Sensing Foundations（RSF）のVision-Transformer（ViT）バックボーンを基に、約247km²の注釈データでファインチューニングされた。樹冠と地表の境界を二層でラベル付けし、Polsby–Popper compactness scoreが0.5未満の細長い形状を線状の樹木地物として分類している。

Google Research、AIによる皮膚症状の理解支援を検証

Google Researchは、AIを使った皮膚症状の情報ツールが利用者の病名特定を助けるかを2,345人の調査で検証した。AI支援群で病名を推測できた割合は23%と、従来の検索を使う対照群の8%を大きく上回った。一方、次に取るべき行動の正答率は標準的なAI群で統計的に有意な改善が見られず、AI群は対照群より緊急度の低い行動を提案する傾向がわずかに高かった（30%対27%）。

Google Research、機械学習のアンラーニングを監査する新たな枠組みを発表

Google Researchは、機械学習のアンラーニングを監査する新たな枠組み「Regularized f-Divergence Kernel Tests」を発表した。AISTATS 2026で発表された手法で、アンラーニング後のモデルが再学習モデルと元のモデルのどちらに分布的に近いかを判定する。理論上、サンプル数にかかわらず偽陽性を抑えられ、データ数の増加とともに偽陰性のリスクはゼロに収束するとされる。

Sony AIの卓球ロボットAce、Nature論文後のプロ選手との対戦

Sony AIの自律型卓球ロボットAceは、Nature論文で、2025年4月の試合においてエリート選手と渡り合い勝利したことを示した。一方、プロ選手には勝てなかった。この結果は、実世界のAIシステムが高いレベルの人間の相手とラリーを続け、勝利できることを実証したとされる。

Google DeepMind、シエラレオネでGemini活用のGuided Learningの学習効果を測定

Google DeepMindは、シエラレオネで実施した事前登録試験で、Guided Learningを使った生徒の数学スコアが対照群より+0.258標準偏差上昇したと発表した。8週間の試験期間で通常の学習進度の約1.2〜1.7年分に相当する。69%の生徒が利用目標を達成または上回った。

Google、Gemini Enterprise Agent Platform向けAgentic RAGを発表、複数データ源を横断する検索で精度向上

Google が Gemini Enterprise Agent Platform 向けに、Agentic RAG によるクロスコーパス検索（Cross-Corpus Retrieval）の提供を発表した。複数のエージェントが計画、クエリ書き換え、検索を分担し、情報が不足していないかを確認しながら検索を続ける。標準的なRAGと比べて、事実性データセットでの精度が最大34%向上したとされる。

Google Research、スマートフォンのカメラで心拍を受動的に計測するPHRMをNatureで発表

Google Researchは、顔認証のアンロック直後にフロントカメラで撮影した顔動画から、日常のスマホ利用中に心拍数（HR）と安静時心拍数（RHR）を推定する研究システムPHRMを発表した。論文はNatureに掲載された。HRの誤差はMAPEで10%未満、日次RHRはウェアラブル比でMAE 5 bpm未満である。大規模データセットと学習済みモデル「PHRM-mini」も、資格のある研究者向けに公開する。

Sony AI、CVPR 2026で6本の論文を発表、拡散モデルのチュートリアルも実施

Sony AIと共同研究者は、米デンバーで開かれるCVPR 2026で6本の論文を発表する。対象は生成モデリング、3Dシーン理解、ビデオからの音声合成、ドメイン適応、ビジュアルトークンの効率化である。MeanFlowとRepresentation Autoencoderを組み合わせたMF-RAEは、ImageNet 256で1ステップFID 2.03を記録し、学習コストを83%削減した。6月3日には拡散モデルのチュートリアルを実施し、Peter Stoneが関連ワークショップで基調講演を行う。