Mistral AIは、128B denseのオープンウェイトモデルMistral Medium 3.5をパブリックプレビューで公開し、Mistral VibeとLe Chatにクラウド上で動くリモートエージェントを追加した。SWE-Bench Verifiedで77.6%、τ³-Telecomで91.4を記録したとしている。Pro、Team、Enterpriseプランで利用でき、APIは入力100万トークンあたり$1.5、出力$7.5である。
選定理由：128B denseモデルの公開とクラウド型エージェントの提供が同時に示され、価格や自社ホスト要件も併記されているため、導入判断の材料にしやすい。
Sony AIは、5月にバルセロナで開催されるICASSP 2026で11本の採択論文を発表する。テーマは音楽理解、生成オーディオ、音声と映像のアライメント、データ品質の4つである。歌詞照合のWEALYは、Whisperのデコーダ埋め込みを使い、書き起こしなしで音声から歌詞情報を抽出する。3つの公開データセットすべてで書き起こしベースのベースラインを上回り、コードとモデルのチェックポイントも公開される。
Google Researchは、推論優先の合成データ生成フレームワーク「Simula」を紹介した。データセット全体をメカニズム設計として扱い、シードデータに頼らずに生成する。Gemini 2.5 Flashを教師モデル、Gemma-3 4Bを生徒モデルとして5つの領域で評価し、各領域で最大512Kのデータポイントを生成した。全領域で、Simulaは単純なベースラインより高い性能を示し、より少ないサンプル数で下流タスクの性能を上回った。
slotdは、Slurmと同じ操作体系を持つRust製の軽量ジョブスケジューラで、単一ノード・単一ユーザーのローカルマシン向けに設計されている。sbatch、squeue、sacctなどのコマンドをSlurmと揃えており、CPU、メモリ、GPUの予約ベース実行や、job array、dependencyなどに対応する。導入はリポジトリをcloneして付属のinstall.shを実行する方式で、GPUの自動検出にはnvidia-smiが必要とされる。
Google Researchは、AI評価で項目数と項目ごとの評価者数のどちらを優先すべきかを検証した。多数決との一致を見る場合は項目数を増やす方が有効で、意見の幅を捉える場合は評価者数を増やす必要がある。従来の1〜5人という基準は不十分な場合が多く、約1,000件の総アノテーション規模でも適切な配分により再現性の高い結果が得られるとしている。
ELYZA Labが、主観的な判定が必要なスライド生成タスクで、ルーブリックベースの報酬関数を使ったGRPO学習を検証した。学習対象と報酬計算にVLMを用い、報酬用ノードにvLLMでQwen/Qwen3-VL-235B-A22B-Instructを立てて学習用ノードへの影響を抑えている。5段階評価では甘い採点になる課題があるため、評価観点ごとに点数を付ける方式を採用した。
ELYZA Labが、ByteDance社公開のフレームワークverlでカスタム報酬関数を使いGRPO学習を行う手順を紹介した。日本語Wikipediaの1000〜1100文字のテキストを要約する実験では、文字数をpromptで指定せず報酬のみで学習させ、len=50・70・100ではscoreが0.8〜0.9程度まで向上した。len=10・30は学習前のモデルが近い出力をできず、学習が進まなかった。
TuringのVLAチームが、東京での走行データ100時間以上を対象に運転意図のキャプションを付与したデータセット「RACER」を構築した。意思決定に関わる要素と運転行動の因果関係を明示するChain-of-Causation形式の説明を、4段階のパイプラインで自動生成しており、ステップ1・2ではQwen3-VL-235B-A22B-Instruct、ステップ3ではQwen3-VL-235B-A22B-Thinkingを使用した。1,000件のサンプルデータはHuggingFaceで公開されている。
Mistral AIは、NVIDIA Nemotron Coalitionの創設メンバーとして参加し、NVIDIAと共同でオープンソースのフロンティアモデルを開発する。コアリションの最初の取り組みは、NVIDIA DGX Cloudで学習するベースモデルで、今後のNVIDIA Nemotron 4ファミリーの基盤となりオープンソースで公開される予定である。Mistralは同日、Mistral Small 4も公開した。
ABEJAは、GENIAC3期の基盤モデル開発で使用したロングコンテキスト処理性能の評価タスク・ベンチマークと、評価を実行できるリポジトリを公開した。評価にはRULER（NIAH、QA）、LongBench v2、MRCR（OpenAI-MRCRの日本語版を含む）を用いた。新たに作成した評価データセットも併せて公開している。
DeepSeek-R1は、DeepSeek-V3-Baseを数千個規模のCoT付きデータでファインチューニングした後、GRPOによる強化学習で品質を改善するモデルである。強化学習の報酬にはReward Modelではなく、数学やコーディングの正解判定に基づくルールベースの報酬を用いており、報酬ハッキングを避ける狙いがあると説明されている。
Mistral AIは、ドイツでSAPおよびHelsingと長期的な戦略的提携を結ぶと発表した。SAPとは複数年のパートナーシップのもと、ドイツと欧州向けに完全に主権的なAIスタックを提供するため、同社のモデルをSAPのAI Foundationに統合し、欧州の複雑な産業や行政向けのソリューションを共同開発する。Helsingとは、実世界の防衛・安全保障用途に向けたvision-language-actionモデルの開発を加速させる。また、ドイツでの人員を大幅に増やし、今後数か月以内にドイツにオフィスを開設する予定である。
AIセーフティ・インスティテュート（AISI）は、「AIセーフティに関する評価観点ガイド」に基づきAIシステムのセーフティ評価を行う評価ツールを、Apache 2.0ライセンスのOSSとして公開した。汎用的な評価項目と評価環境を提供し、評価項目設定や環境構築の作業を軽減する。攻撃者の視点で評価を自動化する自動レッドチーミング機能も備える。
SB Intuitionsは、sarashina2.2-1Bをベースに対照学習で構築したテキスト埋め込みモデル「Sarashina-Embedding-v2-1B」を発表した。クエリに指示文を付与することで、タスクに応じてテキストベクトルを調整できる。
ELYZAは、医療領域に特化した日本語版LLM基盤「ELYZA-LLM-Med」シリーズを開発した。基盤モデル「ELYZA-Med-Base-1.0-Qwen2.5-72B」は、医師国家試験ベンチマーク「IgakuQA」で国内最高性能を達成したという。
ELYZAの社内勉強会資料として、Reasoning Modelの仕組みと、推論時に計算資源を増やすことで性能が向上する「Inference Time Scaling」の意味が解説されている。OpenAIはo1で、思考時間を長くするほどスコアが一貫して改善する結果を示したとされる。ELYZAはMCTSによる推論パス探索で約15万件の合成データを生成し、ELYZA-Thinking-1.0の開発に用いた。
SB Intuitionsの研究者Seng Pei Liew、Takuya Kato、Sho Takaseによる論文が、機械学習のトップカンファレンスICML 2025に採択された。小さなモデルを再利用（upcycling）して大規模なMoEモデルを構築する際のスケーリング則を調査している。その結果、再利用するデータを増やしても性能は単純には向上し続けず、元のモデルの学習方法の影響を受けるという新たな効果を見出し、upcyclingを効果的に行うためのガイドラインを提示している。
SB Intuitionsの日本語ModernBERTについて、トークナイザに形態素解析器を事後的に組み込んだ場合の性能への影響を分析している。MeCab、Juman++、Sudachiを用いたトークナイザへの差し替えでも性能への影響は小さく、固有表現認識タスクでも高い性能を達成した。モデルは日本語と英語を合わせて約4.4T tokensで学習されている。
AIセーフティ・インスティテュート（J-AISI）は、2024年9月公開の「AIセーフティに関するレッドチーミング手法ガイド」の改訂版となる第1.10版を公開した。RAG（Retrieval-Augmented Generation）の仕組みを実装したAIシステムに対してレッドチーミングを実施し、手順を詳細に解説するとともに、成果物を文書としてまとめた。具体的な実施例を通じて、ガイドの内容をより詳しく理解できる構成になっている。
AIセーフティに関するレッドチーミング手法ガイドの1.0.0版が公表された。AIを取り巻く環境の変化が激しいことから、今後適宜修正し改訂していく方針である。日本語と英語の概要版も関連文書として公開されている。