AI at Meta@AIatMetaAIスコア5252

AI at Metaは、コンシューマ向けハードウェア上のエージェント型タスク向けに作られた30BオープンウェイトモデルMuse Glimmerの技術報告を公開した。単一のコンシューマ向けGPUを積んだMacやPCで、4-bit精度により実用的な速度で動作する。同程度のサイズのオープンモデルの中で、ツール利用とマルチステップ計画でリードしているという。

第37回人工知能学会金融情報学研究会（SIG-FIN）参加報告

ABEJAの高野海斗が、2026年10月10〜11日に開催された第37回SIG-FINに参加し、金融×自然言語処理関連の研究を紹介した。発表は35件で、有価証券報告書のテキストから企業成熟度を埋め込みベクトルで表現する共著研究や、Preferred Networksによる9カテゴリ108シナリオの日本語金融ツール利用ベンチマークなどが取り上げられた。共著研究については、全体的に過学習傾向が見られることが今後の課題として挙げられている。

Microsoft AI、MAI-DxOで医療スーパーインテリジェンスへの道を探る

Microsoft AIの診断オーケストレーターMAI-DxOは、NEJMの症例記録を用いた評価で最大85%の症例を正しく診断し、経験豊富な医師グループの4倍以上の割合に達した。医師より費用対効果も高いという。評価にはNEJMの最新304症例を段階的な診断過程に変換したSequential Diagnosis Benchmark（SD Bench）が使われ、検査には仮想的なコストが設定された。ただし、より一般的な症状での性能はさらなる検証が必要とされる。

Microsoft AI、Copilotの健康関連会話50万件超を分析し利用実態を公表

Microsoft AIは、2026年1月のCopilotにおける健康・ウェルビーイング関連の会話50万件超を分析し、利用実態を公表した。約5件に1件で本人の症状説明や検査結果の解釈、持病の管理を相談しており、症状や状態管理の質問の7件に1件は他者のための相談だった。会話は事前に匿名化され、人が内容を読むことはない。

Google、MaxTextとTPUでOlmo 3 7Bの事前学習を再現した事例を公開

GoogleのチームはAi2のOlmo 3 7Bを、MaxText上のGoogle Cloud TPUでstage-1の事前学習とstage-2のmid-training annealまで再現した。ホールドアウトC4損失と8タスク精度でAi2の参照実行とほぼ同等で、run-to-run noiseの範囲内と報告している。Ironwoodでは44.5% MFU、v5pでは57.4% MFUを記録した。

TPUでビデオ拡散のSpatio-Temporal Attentionを高速化

Sparse VideoGen（SVG）の空間・時間マスクによる理論上のスパース性を、TPU上で実際のエンドツーエンドの高速化につなげる手法を解説する。81フレーム720p動画のシーケンス長は人気のオープンソース動画生成モデルで50Kから400Kに達し、720pから1440pへの解像度向上で単一層のAttentionの遅延に占める割合は55.5%から88.2%に増加する。スパース版は単一TPU v6e上のカーネル計測で、クエリ・キーの組の約38.87%を保持して計算する。

AIセーフティ・インスティテュート、「AIシステムに対する既知の攻撃と影響」第２版に更新

Japan AI Safety Institute（AISI）が、学術論文等で発表されたAIシステムへの攻撃とその影響をまとめた資料「AIシステムに対する既知の攻撃と影響」を第２版に更新した（2026/4/24）。直近の国際会議の論文を反映し、既公開の「AIセーフティに関するレッドチーミング手法ガイド」を補完する内容である。日本語版と英語版があり、レッドチーミングのリスクシナリオや攻撃シナリオの作成、AIセキュリティの調査研究に活用できる。

理研AIPとUniversity of Bristol、英国で共同ワークショップを開催

理化学研究所 革新知能統合研究センター（理研AIP）は、2026年9月22日～23日に英国のブリストル大学と共同で「University of Bristol & RIKEN AIP Joint Workshop」を開催した。AIおよび機械学習の基礎と応用における最新の進展を探ることが目的で、両機関の研究者が集まりアイデアを交換した。新たな人的つながりや共同研究・協力関係の促進にもつながる機会となった。

Google Research、ウェットラボ自律化に向けAIエージェントを物理実験に接地させる3件の研究を公開

Google Researchは、AIエージェントが液体ハンドリングロボットを安全に操作できるよう、ラボのデジタルツイン「VERID」を提案した。あわせてアプタマー設計とde novoタンパク質バインダー設計の閉ループ実験も公開し、FAPに対してシングルナノモーラー級の親和性を持つバインダーを得た。

Anthropic@AnthropicAIAIスコア5050

Anthropicは、STEM Fellows Programの一環として、Claude Mythos 5が平易な指示から量子回路を設計し、公開されている最良の回路を上回ったと発表した。改善幅は場合によって1桁以上に及んだという。より効率的な回路は量子アルゴリズムに必要な資源を減らし、化学や材料科学分野での量子コンピューティング応用を早期に実現する可能性があるとしている。

AWS Security Agent（AWS Continuumに統合）、新たに公開された実在のCVE 37件中33件のエクスプロイトに成功

AWSは自律型ペネトレーションテストエージェントAWS Security Agent（now part of AWS Continuum）を、最近公開された実在のCVE 37件に適用し、33件（89.2%）で意図された脆弱性をエンドツーエンドでエクスプロイトした。エージェントはエンドポイントURLと1行のヒントのみで動作し、Claude Opus 5上で1件あたり10時間の制限を設けて実行した。取得までの所要時間の中央値は約4時間で、2件は整合性監査で再分類、2件はターゲットをダウンさせて失敗した。

Tokyo-Metropolitan Government Complex QA：日本語の複雑な質問応答と引用を評価するベンチマーク

Preferred Networks 技術ブログの記事「Tokyo-Metropolitan Government Complex QA」は、日本語の複雑な質問応答と引用を評価するベンチマークを扱う内容とされる。ただし、取得できた本文は404エラーページとサイトのナビゲーション、Cookie の案内のみで、ベンチマークの規模、評価結果、公開形態などの詳細は確認できない。

Sakana AI@SakanaAILabsAIスコア6060

Sakana AIは、既製のコーディングエージェントを組み合わせて課題設定から論文執筆までを進める足場「The Agentic Scientist」をオープンソースで公開した。これを使った誤差拡散学習法（ED法）の研究が、ALIFE 2026の口頭発表に採択された。人間が問いと検証条件を決めて結果を確認する「Co-Discovery（共同発見）」を提案している。

Anthropic@AnthropicAIAIスコア3333

Anthropicは数学コミュニティへの支援として、資金、計算資源、Claudeへのアクセスを合わせて500万ドル分提供する。運営はSimons Foundationが担い、コミュニティ主導のアプローチでワークショップ、会議、専門家による講義を支援する。Simons Foundationは別投稿で、Anthropicおよび OpenAIとの新たな提携により、ワークショップや施策に1500万ドルを投じると発表している。

Microsoft AI、MAI-Base-2の事前学習を解説

Microsoft AIは、アクティブ80B、総計2.8Tパラメータの MoE 基盤モデル MAI-Base-2 の事前学習を完了した。保留評価では試験したオープンウェイトモデルをすべて上回り、DeepSeek-V4-Pro-Base に対する事前学習のFLOPs効率は4〜12倍である。16k GB200 GPUで38日間学習し、現在は事後学習中で、重みはFoundry経由で信頼できるパートナーにライセンス提供する方針である。

OpenAI@OpenAIAIスコア3838

OpenAIは、AIが生み出した数学的成果を数学者が検証、理解し発展させるためのSimons Foundationの新イニシアチブに、500万ドルを拠出する。資金はSimons Foundationが管理、交付し、ワークショップ、会議、特別プログラムを支援する。あわせて、同財団が支援する研究者にOpenAIのモデルと計算リソースを提供する。なお、Simons Foundationは、AnthropicとOpenAIとの新たな提携を通じて、総額1500万ドルを投じると発表している。

Sakana AI@SakanaAILabsAIスコア4242

The Agentic Scientistは、Codex や Claude Code などの市販コーディングエージェントを制御用スキャフォールドで包み、仮説検証から実験までの研究ループを自動化する仕組みである。同システムを用いた Error Diffusion の研究論文はALIFE 2026でオーラル発表に採択された。

理研AIPの大武 美保子チームディレクター、Women in AI APAC Awards 2026のAI for Social Good Awardを受賞

理研 革新知能統合研究センター（AIP）認知行動支援技術チームの大武 美保子チームディレクターが、Women in AI APAC Awards 2026のAI for Social Good Awardを受賞した。認知行動支援技術に関する研究活動と社会実装への取り組みが評価された。同チームは写真を用いた会話支援技術や会話支援AIを開発し、高齢者の認知機能低下や認知症の予防を目指している。

Selection-based Structured Reasoning（SSR）、効率的なマルチモーダル検索エージェントに向けて

マルチモーダル検索エージェントの推論を、事前定義した再利用可能な候補からの選択に置き換えるSSRは、1ターンあたりの推論レイテンシを90%以上削減する。質問ごとの総推論レイテンシは28〜54%削減され、2Bと4Bのモデルによる7つのマルチモーダル検索ベンチマークでは、同規模の主要な検索エージェントに匹敵する平均成功率を示した。強化学習と教師ありファインチューニングのいずれでも、タスク性能を落とさず効率を高めた。

計画が先か検索が先か、ツール探索アーキテクチャの規模比較

ツール利用型LLMエージェントでは、LLMに先に計画を立てさせるPlan-then-Retrieve（PtR）が、複数ツールのクエリでRetrieve-then-Plan（RtP）を上回り、単一ツールのクエリでは劣ることが示された。ToolBench（46,984 API endpoints）での評価では、この傾向が検索件数k=1〜20と1k〜47kのレジストリ規模で一貫していた。PtRは推論コストがおよそ2倍になるため、RtPの上位1件の検索スコアを使う複雑度適応型のルーティングが実用的な方向として挙げられている。

OpenAI@OpenAIAIスコア5252

OpenAIは、EUの法人顧客のAI利用の半数超がAIエージェント関連になったと公表した。域内の中小企業ユーザー数は8倍に増えており、Economic Researchレポートで欧州のエージェント型AIへの移行を分析している。https://openai.com/index/the-eus-next-chapter-in-ai-is-agentic/

AI at Meta@AIatMetaAIスコア5858

AI at Metaは、Muse Spark 1.3とMuse Wonderを使った人間主導の研究スキャフォールドで、医療研究をAIがどう加速できるかを検証し、10本の研究原稿を公開した。システムは匿名化された500万件の後ろ向き電子カルテと公開データにアクセスでき、医療専門家が研究を行った。詳細は研究ブログ https://go.meta.me/3U06wvD で公開されている。

Google DeepMind@GoogleDeepMindAIスコア2626

Gemini 4 Argonは、量子コンピューティング、核融合、タンパク質設計などの分野で、すでに新たな科学的ブレークスルーを切り開いている。🧵

Google Research、Research@ 2026で人間の創意を増幅する10の取り組みを紹介

Google Researchは、Mountain Viewで開催したResearch@ 2026で、科学者や開発者向けのAI関連の10の取り組みを発表した。Google Earth AIは早期アクセスを拡大し、70超の地理空間ツールを基盤に、実験的なエージェント間APIなど3つの新しい利用方法を提供する。Deep Reviewは一般公開され、TimesFMとTabFMはGemini for businessへの統合を予定している。

理研AIPの研究者による論文、NeurIPS 2026に採択

理化学研究所 革新知能統合研究センター（AIP）に属する研究者による76本の論文がNeurIPS 2026に採択された。NeurIPSメイントラックには30,709件の論文が投稿され、7,900件（25.7%）が採択された。NeurIPSは機械学習および人工知能分野における世界有数の国際会議の一つである。

音声基盤モデルの言語選択的次元によるコードスイッチング検出

研究チームは、事前学習済み音声エンコーダの言語選択的な隠れ状態次元を使い、音声から直接コードスイッチング（発話内で言語が切り替わる現象）を検出する軽量な手法を提案した。CS-FLEURSの14言語ペアで、Whisper-smallエンコーダは平均F1 0.798を達成し、CNNの0.776、単一言語識別用に学習したHuBERT線形ベースラインの0.751を上回った。結果は、事前学習済み音声エンコーダがCS発話の識別に必要な情報をすでに符号化していることを示唆している。

Apple、三モーダルMasked Diffusion Modelsの設計空間を大規模に分析

Appleの研究者らが、テキスト、画像とテキストの組、音声とテキストの組で事前学習した初の三モーダルMasked Diffusion Models（MDM）を提示し、その設計空間を体系的に分析した。予備モデルは3B規模・6.4Tトークンで、テキスト生成、T2I、T2Sの各タスクで強い結果を得たとしている。また、物理的なバッチサイズと論理的なバッチサイズを分離するSDEベースの再パラメータ化により、最適バッチサイズの調整を不要にしたと報告している。

Apple研究、データ制約下の事前学習ではハイパーパラメータ調整よりバイリンガル混合が有効

研究では、データが限られる低リソース言語の事前学習において、高リソース言語のデータを混ぜる手法がハイパーパラメータ調整より大きく性能を改善すると示された。150Mから1.43Bパラメータの4規模で、アラビア語に英語データを混ぜた約1000回の事前学習を比較し、検証損失と下流タスク精度の両方で混合が優位となった。混合の効果は目的言語の固有データ2〜3倍分（検証損失）、2〜13倍分（下流タスク精度）に相当し、検証損失だけでは混合の価値が過小評価される。

Qwen@Alibaba_QwenAIスコア3434

Qwenは、超長期（XLong）エージェント訓練にエラスティックRLを導入する基盤QwenGyreを発表した。Elastic SchedulerがrolloutとtrainingのGPUを需要に応じて再配分し、Colocate比で最大1.85×、Async比で最大1.78×高速化する。Qwen3.8-2.4T-A95Bに適用し、1回のrolloutあたり約700Kトークンの規模でNL2RepoBenchを52.5%から58.5%へ48ステップで改善、学習時間をAsync比で約44%削減した。

SELFCOMPACT、言語モデルエージェントが自ら文脈を圧縮する手法

SELFCOMPACTは、モデル自身が文脈を圧縮するタイミングと方法を決めるエージェント用スキャフォールドである。圧縮ツールと、圧縮すべき時と抑制すべき時を定める軽量なルーブリックを組み合わせ、ファインチューニングなしで適応的な圧縮を実現する。6つのベンチマーク（競技数学とエージェント型検索）と7モデルでの評価では、固定間隔の要約と同等以上の性能を、より少ないトークンコストで達成した。数学では要約なしのベースラインに対して最大18.1ポイント、エージェント型検索では5～9ポイント上回り、1問あたりのコストは30～70%低い。

LLMによる機械翻訳品質評価、人間とモデルの一致度は多くの設定で信頼性が低い

機械翻訳（MT）の品質評価において、LLMと人間アノテーターの一致度を、MQMとESAの2つの評価方式で検証した研究である。70言語ペアの長文テストセットとWMT23・WMT25データを用いた結果、LLMの一致度が人間同士を上回る場合もあったが、多くの設定では両者とも信頼性が不十分だった。人間は細粒度のMQMや低リソース言語ペアで、LLMは軽微な誤りやエラースパンアノテーションで課題を抱えることも示された。

Sakana AI@SakanaAILabsAIスコア5151

Sakana AIはUC Berkeleyの研究者と共同で、Multi-Agent Self-Supervision（MASS）を発表した。1つの共有モデルが仮想サブエージェントのチームでタスクを解き、優れたワークフローを自ら選んで学習する再帰的自己改善の手法である。

Sakana AI、集団知能による再帰的自己改善手法MASSを発表

Sakana AIは、1つの共有モデルが仮想サブエージェントのチームでタスクを解き、最良のチームの実行結果で自らを学習し直す手法Multi-Agent Self-Supervision（MASS）を示した。27Bのオープンウェイトモデルで2サイクル実施した結果、4つの研究ベンチマークで出力トークンあたりのスコアがベースモデルの1.2〜1.6倍に達した。同種モデル同士の再帰的自己改善では盲点が共有される恐れがあり、AIの安全性のため慎重な検証が必要としている。

Sakana AI@SakanaAILabsAIスコア4242

模倣ではなく査読者を支援するAI査読の枠組みとベンチマークを提案する研究が、TMLRに採択された。論文に矛盾を意図的に埋め込む自動パイプラインで誤りを作り、知識グラフで各矛盾の重大度を推定して、各システムの検出能力を評価する。提案手法のMulti-Layered Reviewは、読解の3パス手法に着想を得て主旨把握、詳細検討、総合評価の順に進め、比較した他のレビューシステムより多くの誤りを検出した。人間の査読とは異なる観点を補完し、論文の質の評価は人間の判断と概ね一致した。

Normalizing Trajectory Models（NTM）、厳密な尤度を保ったまま少ステップで画像を生成する手法

Appleの研究チームが、拡散モデルの各逆ステップを厳密な尤度で学習できる条件付きNormalizing Flowとして表現するNormalizing Trajectory Models（NTM）を提案した。自己蒸留により、4ステップで高品質なサンプルを生成できる。テキストから画像へのベンチマークでは、強力な画像生成ベースラインと同等以上の性能を、4ステップの生成だけで示したとされる。

Google Research、特許起草でAI支援が専門性を高めるか損なうかを3か月の実地実験で検証

知的財産法の弁護士133人を対象に、未公開のGoogle Labs製AI特許作成支援ツールを3か月使わせる実地実験を行い、NBERから論文を公開した。AI利用で起草スコアは10日後に0.34SD、90日後に0.38SD向上したが、AIなしの添削課題で改善が見られたのはシニア弁護士だけで、ジュニアには明確な改善がなかった。

生成AIの出力品質をどう評価するか DeepEvalとG-Evalによるブリーフィング自動生成の評価プロセス

LINEヤフーのエンジニアが、ニュース記事やSNSポストのブリーフィング自動生成を題材に、DeepEvalを使った評価ロボットと評価プロセスを紹介した。熟練編集者がGold DataとRubricを作り、自然言語で観点を定義できるG-Evalで評価と改善を繰り返す。G-Evalの元論文での人間評価とのSpearman相関は0.514で、評価ロボットは「一定の品質×量」を担う役割とされる。

「Earth AI」の地理空間基盤モデル、世界の公衆衛生への活用を検証

Google Researchは、Google Earth AIの人口動態基盤モデル（PDFM）が生成する場所の埋め込み表現を、5つの公衆衛生課題で評価した。PDFMは検索傾向、人の移動、建物の密度、気象・大気質などを統合した埋め込みであり、タスク固有のファインチューニングなしに既存の入力と同等以上の結果を示した。米国・カナダ国境の146郡ではMMRワクチン接種の説明分散が相対で36%向上し、コレラ発生予測では4週先のAUPRCが9.7%改善した。

OpenAI、社内フロンティアモデルによる数学の未解決問題の新成果を公開

OpenAIは、社内のフロンティアモデルによる数学の未解決問題に関する新たな成果を公表した。Leanによる証明の形式化と研究の詳細はGitHubで共有している。

エージェント型AIのプライバシーとセキュリティにおける未解決課題：文脈的アプローチから

Google Researchは、50名超の学術・産業界の専門家と共同でまとめたワークショップ報告書「Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle」を公表した。