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。
LayerXのバクラク事業部は、設計仕様書・ヘルプ記事・コードの3つを突き合わせた仕様のLLM Wikiを、陳腐化させずに組織運用する更新の仕組みを構築した。利用者が訊きそうな質問で差分を選ぶ定期更新、出典のhashによる劣化検知とlintによる強制、書き戻しを一時置き場に限定する運用の3つが柱である。1プロダクトあたり100ページ前後、全体では1,000ページを超える見込みである。
Turingのmlopsチームは、学習時にS3から動画データを直接読む構成へ移行し、学習データ量をクラスタのストレージ容量から切り離した。計測では20ノードで約483 GB/sの帯域が出た一方、S3のレイテンシ中央値は約140 msで、先のバッチをRange GETで先読みしてCPUメモリに貯め、この待ち時間を隠した。これによりステージングの待ち時間と容量の上限なしで、S3上のデータをそのまま学習に使えるようになった。
cogneeのCEO、Vasilije Markovicさんの講演を、LayerXのFDEが紹介している。cogneeはAIエージェント向けの記憶をオープンソースで提供し、スキーマは厳密なオントロジーでなくてよいこと、記憶を分けて権限で制御すること、使われるほど記憶が良くなることが語られた。LayerXの最新50記事でスキーマの効果も試している。
Googleは、Trusted Execution Environments（TEE）を活用した次世代の連合学習（FL）システムを発表した。データ匿名化の保証を、第三者が検証・監査できる形で提供する。Gboardはすでに新システムを採用しており、従来のFLシステムより計算時間が大幅に短縮されたという。各デバイスが事前に承認するアクセスポリシーはRekorという公開トランスペアレンシーログに掲載され、外部の監査者が追跡できる。
ServiceNow CoreAIは、エンタープライズ向けAIエージェントの学習データを生成する「AutoSynthData」を開発した。対象モデルの失敗と、より強力な教師モデルの成功例から次に学ぶべき能力を特定し、実行可能で現実的、かつまだ安定して解けないタスクを生成・検証する。EnterpriseOps Gymを使った例が示されており、公開されたデータセットも用いられている。
Google DeepMindは、タンパク質の生物学的機能を保ったまま署名を埋め込める透かし技術「SynthID Bio」を発表した。3つの標的タンパク質を用いたウェットラボ試験では、透かし入りのタンパク質結合分子が、透かしなしの版と同等のヒット率、結合親和性、配列多様性を示した。AlphaFold 3ではモデルの重みに透かしを組み込み、予測精度を保ったまま検出可能性を高めたとする。
ABEJAは、NVIDIA Nemotron 3 Nano（30B-A3B）のBaseモデルに対し、日本語の汎用能力強化を目的とするSFT Stage 1と、金融特化のSFT Stage 2の2段階でSFTを実施した。Stage 1ではBaseモデルと事後学習済みモデル、2種類のデータブレンドを組み合わせた計4条件を比較した。評価にはSwallow Leaderboard v2、Fin-Harness、EDINET-Benchを用いている。
Jack ClarkのニュースレターImport AI 474は、Michael Levinの「心はプラトン的空間のパターン」とする論文、ロボット向け汎用ポストトレーニングの提案、GoogleのProject Suncatcher、Zhipu AIによるGLM-5.3を使ったインフラ開発などを取り上げた。Zhipuの事例ではGLM-5.3-Flashが2週間足らずで本番対応に達し、エンドツーエンドのスループットが初期ベースラインの3倍になったという。
Hugging Face HubにRL Environments用のフィルターが追加された。rl-environment タグを付けたデータセットリポジトリが一覧に表示され、Harbor、Verifiers、OpenEnv、NeMo Gym の4フレームワークのタグも登録されている。新しいリポジトリ種別やレジストリ、サインアップは不要である。
選定理由：既存のデータセットリポジトリにタグを付けるだけで複数フレームワークから共通利用できる設計が示されており、環境公開の手順を具体的に把握できる。
順天堂大学、HEMILLIONS、ソフトバンクは、2025年12月1日から2028年11月30日にかけ、医療データを統合するクラウド上の「データレイク基盤」を構築する共同研究講座「医療AI・デジタルイノベーション」に取り組んでいる。順天堂大学の6つの附属病院で異なる電子カルテのデータを標準化し、SB Intuitionsの国産生成AI「Sarashina」などを使ったLLMの検証を進める。匿名加工医療情報から活用を始め、同意情報に応じたアクセス制御も検討する。
LayerXバクラク事業部のデータグループ所属エンジニアが、2026年9月10~11日開催のSnowflake World Tour Tokyo 2026で2つのセッションに登壇した。1日目はdbtとSnowflakeによるモデル依存関係、行レベル、列レベル、公開経路の4層のデータ統制を紹介した。2日目はAI Agentが自律稼働するためのデータ基盤として、リアルタイムデータ収集とタイムトラベル、非構造化データを含むコンテクスト集約などを説明した。
Google Researchは、中距離物流（middle-mile logistics）の問題に向けて現実的なベンチマークを作成するC++製のインスタンス生成ツール「MilleMiglia」を発表した。物流企業がネットワーク構成や需要量を機密扱いしてきたため公開データが不足していたが、このツールはプライバシーに配慮したデータを生成できる。ソースコードとドキュメントはGitHubで公開されている。
国連システムが、各機関の統計を一つの検索可能なナレッジグラフに統合したオープンソースのプラットフォーム「UN System Data Commons」を立ち上げた。Google の Data Commons を基盤とし、Google.org が国連財団を通じて支援する。自然言語検索で指標や可視化を得られるほか、Model Context Protocol（MCP）に対応したAIエージェントが公式統計を取得してグラフや報告書を作成できる。2027年までに国連システムの統計データセットの80%を収録する目標が示されている。
Google Researchは、オフラインの強化学習で検索クエリのファンアウト（分解）を学習し、軽量な拡散リトリーバーに蒸留する「Retrieve-for-Train」を発表した。推論時は思考トークンを使わず、1回のパスで関連クエリ群を生成できる。拡散リトリーバーは53.9Mパラメータで、Gemma3-4BとQwen3-4Bを集合単位の報酬で学習している。
Googleの技術と製品は300以上の言語で日常的なやり取りを支えており、その言語を話す人は70億人以上、世界人口の86%に当たる。リアルタイム音声翻訳のGemini 3.5 Live Translateは70言語・2,000以上の言語ペアに対応する。軽量なオープン翻訳モデルTranslateGemmaは55言語で学習され、端末上で効率よく動作するため、クラウドやインターネット接続なしで高品質な翻訳が可能になるとしている。
Google Researchは、ツールの利用チェーンを先に生成してからユーザークエリを付与するanswer-first方式のデータ生成手法ToolGradを提案した。ToolGrad-500で微調整したGemma-3 12Bモデル（ToolGrad-12B）はBFCLで83.1点を記録し、gemini-2.5-pro（83.2）に迫り、claude-4.5 Opus（82.8）やgpt-5（74.4）を上回った。データ生成にはgemini-2.5-flash-liteを用い、ほぼ100%のパス率が示されている。
Cloudera と Mistral が提携し、Mistral のモデルを Cloudera のハイブリッドデータプラットフォームに統合する。企業はオンプレミス、プライベート・パブリッククラウド、完全なエアギャップ環境にAIモデルを展開しつつ、管理権限を保てる。管理された環境内で自社の独自データを使ってカスタムモデルを学習させることもでき、データと学習結果の所有権は企業側に残るとしている。
Google DeepMindは、ヒトゲノムで起こりうる約90億の一塩基変異の分子レベルの影響予測をまとめたAlphaGenome Atlasを公開した。AlphaGenomeとAlphaMissenseの予測を1つの数値にしたAVIスコアも同時に提供する。学術研究向けにはウェブポータルから無料で利用でき、AlphaGenome APIとGoogle Antigravityのスキルでも使える。
Mistral AIは30億ユーロのシリーズD資金調達を発表した。調達後評価額は210億ユーロを超え、欧州のテクノロジー企業による株式調達として過去最大となる。Samsung Electronicsが主導し、EQT傘下のScaleup Europe Fund、既存投資家のPSG Equityが共同主導した。資金はフロンティア研究とコンピュートの拡張、インフラと商業展開の加速に充てられる。
UK Biobankの欧州系データを用いて、Biobank Japanの日本人集団向けにPRSを学習させる手法を8つの臨床形質で比較した。対象集団のサンプル数が1万5000件以上では対象集団専用のモデルが上回り、5000件と極めて少ない場合は欧州系データの併用が有効だった。遺伝的相関の高い形質ほど欧州系データの利点が大きなサンプル数まで残り、脂質（HDL、LDL）や血糖値では利点が小さかった。
Hugging Faceのブログが、Surya Narreddiの水彩画生成の手法をTRLとOpenEnvで再現し、データセット、RL環境、学習スクリプト、学習済みモデルをすべて公開した。Qwen/Qwen3.5-35B-A3Bにp5.brush用のJavaScriptを書かせ、審査モデルと美的評価モデルの報酬で学習させている。3種類の報酬配分はいずれも報酬が上昇した。
選定理由：報酬設計から失敗した実験、コストまでが具体的な数字で整理されており、好みを報酬にするRLを自分で再現する際の判断材料になる。
大規模言語モデル研究開発センター（LLMC）は、llm-jp-4-8b-thinkingをマルチモーダル化した視覚言語モデル「LLM-jp-4-VL 9B」を公開した。FineVisionの問題データを削除・修正したデータセット「RefinedVision」も併せて公開し、学習データは約2,930万件である。beta版よりGPQAやCharXiv Reasoningなどで性能が向上した一方、Qwen3.5-9Bとは多くのタスクで差が残る。
ABEJAの辻氏が、GoProで撮った一人称視点の動画から手の行動を3D復元し、ロボットの学習データ（LeRobotDataset v3.0）にするパイプラインを試作した。Microsoftの VITRA は MANO、HaWoR、WiLoR が商用利用できないため、手を解剖学的な21個の回転関節で表すモデルを自作した。EgoExo4D での評価では、手の形の誤差が17〜19mm（VITRA は12mm）、手首の位置の誤差が80〜95mm（VITRA は27mm）で、精度は VITRA に届いていない。
Hugging FaceとVoice Arenaは、Open ASR LeaderboardにMonsoon en-INとMonsoon hi-INの2つの評価セットを追加した。Hindiは、これまで欧州言語のみだった多言語タブで初のインド系言語となる。4つのスプリットは計4,888人の話者を含み、各話者に12の属性が記録されている。
Googleは、Earth AIの実験的研究機能「planetary prediction engine（PPE）」を発表した。データ探索からモデル学習までの地理空間モデリングを自律的に実行し、従来数週間かかっていた作業を数分に短縮するとしている。米CDCの21種類の健康指標では、平均R²が手動の専門家パイプラインの60.0%に対し76.8%となった。コンゴ民主共和国のEbola流行予測では、Recall@10が83.3%と、公表済みのベイズモデルの約73%を10.3ポイント上回った。
Google Researchは、連続血糖測定（CGM）データ向けの自己教師あり基盤モデル「GlucoFM」を発表した。4つのコホートと7つの臨床予測タスク（計14の評価）でPR-AUCの平均は58.8となり、同じデータで再学習した最強のCGM専用ベースラインの54.7から4.1ポイント向上した。109,066時間の未ラベルCGMデータで事前学習し、食後血糖応答（PPGR）予測でも同条件下でMAEが最も低かった。
METRの調査によると、AIによる科学技術の加速は分野ごとに偏りがあり、サイバー脆弱性では大幅な加速、数学では小幅な加速、AI研究では測定可能な加速は見られない。複数の大学の研究者が開発したSPADEは、環境設計役と推論エージェント役を大規模言語モデル（LLM）に交互に担わせる自己対戦の枠組みである。Qwen3-30B-A3Bではゲーム環境のスイート平均が58.3となり、ベースを8.1ポイント上回った。
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。
ストックマークは大手製造業の実務者384名を対象とした生成AIの業務活用実態調査を公表し、73%が「頼みたいのに頼めていない業務がある」と回答した。「Microsoft Copilot」の利用は78%に達するが、図面など非テキスト情報を扱えない（34%）ことなどが壁となっている。本格活用に必要な要素は「自社独自データ・ナレッジの整備」が56%、「AI活用を前提とした業務の再設計」が53%だった。
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。
Sentence Transformers v6.0で、ColBERT型のLate Interaction検索に対応する新しいモデル種別「MultiVectorEncoder」が追加された。PyLateやStanford-NLPのColBERTチェックポイント、colpali-engineのモデルを読み込め, トークンごとにベクトルを保持しMaxSimでスコアリングする。単一ベクトルモデルより検索精度が高くなる一方、インデックスは大きくなる。
Turing のMLOpsチームが、E2E自動運転AI向けデータセット作成基盤を、AWS Step Functionsベースの既存システムからDatabricks上のパイプラインに置き換えた。500時間分の走行データで半日以上かかっていた作成時間が、条件にもよるが60分以下になった。保守性の向上にはDeclarative Automation Bundles（DAB）を使い、CI/CDや開発環境と本番環境の分離を実現している。
Strands Robotsのエージェントループで、ロボットのデモ記録、Hubからの直接ストリーミング学習、ポリシーのハードウェアへの再配備を一つのデータループとして実行する方法を解説する。データはLeRobot形式のままStorage Bucketに同期され、同期のたびに変更されたバイトのみがアップロードされる。学習時は`stream_dataset(repo_type="bucket")`でダウンロードせずに読み込み、デプロイは`mode="real"`への引数変更で行う。
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。
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は、商用APIとして提供開始したSarashina3 miniとSarashina3 nanoについて、トークナイザの効率の良さを紹介した。日本語Wikipedia（約19億文字）のトークナイズでは、GPT-5が約14億トークン、Gemini 3.5が約12億トークンに対し、Sarashina3は約9.5億トークンだった。API料金は入出力トークン数で決まるため、トークン効率は利用料金や消費電力にも関わるとしている。
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。