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。

センサー x LLM でのマルチモーダル化 〜 センサーデータを LLM に入力し異常検知レポート作成させてみた

NAB の公開センサーデータを gemini-3.5-flash に入力して異常検知レポートを作成させ、入力方式ごとの精度を比較する。数値をプロンプトに直接入れる方式では、machine-temp で既知異常区間 4 つのうち 2 つを検出し、誤検知率は 0.06% だった。検出は全体的に疎だが、ambient-temp や network など複数のセンサーでは検出率が 100% となった。

AIが効く開発環境の整え方、「コードから読めない意図」をどう渡すか

LINEヤフーの社内ワークショップ「ODW#12」は、AIに渡す情報によって成果物が変わることを実例で示した。乗換案内の運賃計算を題材に、ルールを書いた説明ファイルがある環境では学割の距離帯別割引や10円単位の切り上げが意図どおり実装され、答え合わせのテストも全て通ったと報告している。一方、情報がない環境では推測で割引率や端数処理を誤るケースが見られたという。

Microsoft、コミュニティ主導のAIデータ作成基盤「Community Library Creator」

Microsoftの研究チームは、障害やアイデンティティなど共通の経験を持つコミュニティが、AI生成画像での描かれ方を自ら定義できる基盤「Community Library Creator」を開発した。各ライブラリは約400枚の実世界の画像と説明文で構成され、生成画像へのコミュニティの評価がフィードバックとして使われる。データはアドボカシー団体が所有し、Hugging Faceなどでの共有可否や利用制限も決められる。

Hugging Face、ロボット操作データ記録システムGrabetteをオープンソースで公開

Hugging FaceはPollen Roboticsによる手持ちグリッパー型の操作データ記録システムGrabetteを公開した。ロボットなしで人の手による実演を記録でき、ブラウザ上の処理でLeRobot形式のデータセットに変換される。ハードウェアのCADや制作ファイル、ソフトウェア、処理パイプラインはすべてオープンソースである。

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。

Sarashina3 embedding、日本語に強いテキスト埋め込みモデルをAPI提供

SB Intuitionsは、日本語に強い指示認識型テキスト埋め込みモデル「Sarashina3 embedding」のAPI提供を開始する。JMTEB（v1.4.0）の平均スコアは78.22で、比較対象のSarashina2 embedding（78.69）に次ぐ水準である。ベクトル次元を1536から256まで削減しても平均75.72を維持するとしている。

Google Research、表形式データ向けゼロショット基盤モデルTabFMを発表

Google Researchは、表形式データの分類と回帰をゼロショットで行う基盤モデルTabFMを発表した。文脈内学習により、モデル学習やハイパーパラメータ調整、特徴量エンジニアリングなしで1回の順伝播で予測できる。Hugging FaceとGitHubで公開され、Google Cloud BigQueryでも利用できる。

Embedding 安定化で検索リランキングのCold start problemを解決：LINEバイトでの適用事例紹介

LINEヤフーは、LINEバイトの検索リランキングでembeddingを後処理により安定化し、cold start problemを解決した。安定化後のembeddingは1か月後も類似度0.87前後を維持し、オフライン評価ではconversion nDCGが+9.0%向上した。A/Bテストでは検索画面単体のKPIに有意な改善はなかったが、サービス全体ではKPIが+4.7%、売上が+6.5%となった。

PJ One Piece、分析エージェントで分析を「ひとつなぎ」に 生成AI時代の業務改革の試み

「PJ One Piece」は、生成AIを活用して事業の問いからデータ分析、示唆の整理、次のアクション検討までをつなぐ分析エージェントの取り組みである。先行展開では、依頼から結果が返るまで平均で約2週間かかっていた分析が約10分で実行できるようになり、事業部内では月数百回規模の分析が行われるようになった。分析の知識はドメインごとのプラグインやSkillとして蓄積され、別の担当者やドメインでも再利用できる構成にしている。

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、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。

On-policyのはずがOff-policyになる：LLM強化学習のrollout mismatchと対策（rollout correction）

GRPOなどのLLM強化学習では、Rolloutを行う推論backendと学習backendの差によってPolicyがずれる。ABEJAはQwen3-4Bを使い、vLLMとtransformersの確率を比較して実測した。約3900tokenのうち81.1%は確率差0.001未満で一致した一方、差0.10以上も0.3%あり、最大は0.215だった。補正策としてtoken-level IS、truncated IS、幾何平均、rejection samplingが挙げられている。

Google、洪水予測の水文モデルフレームワークをオープンソース化

Googleは、AIによる洪水予測のための水文モデルフレームワークをGitHubでオープンソース化した。Google Flood Hubの河川予測と同じアーキテクチャと類似の学習データを使い、各国の気象・水文機関や予報担当者がモデルを学習できる。新モデルは、従来版と比べて観測地点のある流域で予測可能期間を6日、観測のない流域で1日延長したとされている。

Mistral、AI Now Summit 2026で産業エンジニアリング向けAIスタックとVibeを発表

Mistralは AI Now Summit 2026で、Airbus、BMW、ASMLと組む産業エンジニアリング向けAIスタック「Mistral for Industrial Engineering」を発表した。同時に、長時間の複数ステップ作業を担うエージェント「Vibe」を一本化して提供する。フランスのLes Ulis拠点には10 MWの推論向けデータセンターを2026年Q3に開設予定である。

Mistral、Emmi AIを統合し物理AIを企業向けプラットフォームに追加

Mistralは物理AI（physics AI）を企業向けソリューションの新たな基盤機能として打ち出し、そのためにEmmi AIをMistralに迎え入れた。物理AIはジオメトリや境界条件から物理場全体を単一GPU上で1回の順伝播により秒単位で予測するモデルで、パートナーにはASML、Airbus、Safran、Siemens Energyが挙げられている。

Mistral、産業を形づくるPhysics AI研究を紹介

Mistralは、Emmi AIの買収を経て航空宇宙、自動車、半導体、エネルギーなどを対象とする産業向けPhysics AIの研究を進めており、関連する研究成果を公開している。2025年12月1日には、遷音速領域の3D翼を対象としたCFDシミュレーションのデータセットを公開し、約30,000サンプルの体積場と表面場を含むとしている。AB-UPTは、リメッシュなしで単一GPU上において表面9M、体積140Mのセルを扱う。

Mistral AI、物理AI企業Emmi AIの買収で合意

Mistral AIが、オーストリア発の物理AI企業Emmi AIを買収することで合意した。産業分野における同社の地位を強化する狙いである。Emmi AIの30名超の研究者・エンジニアは5月にMistral AIのScienceチームおよびApplied AIチームに加わる予定で、両社のモデルを組み合わせてエンジニア向けエージェントを開発するとしている。

Co-Scientistで細胞老化の逆転につながる遺伝子探索を高速化

Google DeepMindのCo-Scientistは、老化研究で細胞を若い状態へ近づける遺伝子候補の探索に使われている。文献数万件を検討して新規性と妥当性のある遺伝子因子を20以上提案し、そのうち数件の仮説が実験で細胞を若い状態に移行させ機能を改善することが確認された。さらに、大規模スクリーニングの結果と文献の突き合わせ作業は、最長6か月かかっていたものが数日に短縮されたという。

Google Research、国際連携とオープンリソースで科学的インパクトを拡大

Google Researchは、オープンソースのツールとオープンアクセスのデータセットを公開し、世界の科学コミュニティと連携して研究の再現と発展を支えている。ゲノム解析のDeepVariantなどのツールは、250,000人以上の研究者・開発者のエコシステムで利用されている。医療分野ではHAI-DEFのダウンロードが480万件を超え、OHSは10か国以上で導入され6,500万人以上の受益者に届いている。

Turing、走行動画と走行メトリクスを同期再生するデータビューアの実装スタックを公開

Turingの走行データビューアは、トリップ単位で走行動画と速度・ペダル・ハンドル角などの走行メトリクスを同じ時刻軸で同期再生するWebツールである。動画はAWS BatchでMPEG-DASH形式に変換しCloudFront経由で配信し、dash.jsで再生する。メトリクスはDatabricks Lakeflow SDPで処理し、フロントエンドは車載基準時計の絶対時刻に基づき、start_timestampと動画のcurrentTimeを1000倍して加算することでフレーム単位の同期を実現している。

学習率減衰なしの事前学習LLMにより、下流タスクで高い性能（ICLR 2026）

学習率を減衰させず最大学習率を保つWarmup-Stable-Only（WSO）スケジューラで事前学習したLLMは、SFT後の下流タスク平均スコアでWSD、Cosine、Linearを上回った。Llama 3アーキテクチャの1Bおよび8Bモデルの両方で一貫して最高性能を示し、中間学習を挟む3段階の設定でも同様の傾向が確認された。減衰型スケジューラのモデルは事前学習中のSharpnessがWSOの2〜3倍で、論文はこの平坦さがSFTへの適応性を支えると考察している。

ReasoningBank：エージェントに経験から学習させる仕組み

Google Researchは、成功と失敗の両方の経験から知見を抽出して蓄積するエージェント向けメモリフレームワーク「ReasoningBank」を提案した。Gemini-2.5-Flashを用いた評価では、スケーリングなしのReasoningBankがメモリを使わないエージェントより、WebArenaで成功率が8.3%、SWE-Bench-Verifiedで4.6%高かった。さらにSWE-Bench-Verifiedではタスクあたりの実行ステップがほぼ3つ減少した。

Google Research、推論優先の合成データ生成フレームワーク「Simula」を紹介

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。

Google Research、AI生成の合成ニューロンで脳マッピングを高速化

Google Researchは、合成ニューロン形状を生成するAIモデル「MoGen」を開発し、脳の神経接続マップを作るAI再構成モデルPATHFINDERの学習データに加えた。合成データを10%混ぜて学習させたPATHFINDERは、保留したマウス軸索の再構成エラー率を4.4%削減し、その改善の多くは統合エラー（merge error）の減少によるものである。マウスの全脳規模では、手作業による校正の157人年分の削減に相当するとされる。MoGenはオープンソースモデルとして公開された。

AISI、2025年度 データ品質SWG 活動報告書を公開

AI セーフティ・インスティテュート（AISI）の事業実証WG傘下のデータ品質SWGが、「2025年度 データ品質SWG 活動報告書」を公開した。ユースケース別の重要な品質特性の整理、データ品質マネジメントチェックリストの作成・検証、官報データを用いたデータ品質レベルとAI出力品質の検証を報告している。策定・改定したガイドブックとチェックリストに加え、検証に使った官報データもPDF形式とHTML形式で公開されている。

ConvApparel、ユーザーシミュレーターのリアリズムギャップの測定と縮小

Google Researchは、LLMベースのユーザーシミュレーターとの差（リアリズムギャップ）を測定するためのデータセット「ConvApparel」を紹介した。衣料品の買い物領域で4,000件以上の人間とAIの多ターン会話（約15,000ターン）を収集し、参加者は「Good」と、意図的に非協力的に振る舞う「Bad」の2種類のエージェントにランダムに振り分けられた。

Google Research、AIベンチマークに必要な評価者数を検証

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、LLMのツール利用能力を高めるAgentic RLを紹介

ELYZA Labは、LLMのツール利用能力を高めるため、法令検索タスクでAgentic RLによる学習を行った。DAPOで学習した結果、Qwen3系ベースモデルから性能が向上し、Qwen3-32Bベースのモデルはin-domain評価でGPT-5.2と肩を並べた。タスクのデータセットは「ELYZA-MuLQ」として公開される。

ルーブリックに基づく主観的な判定を取り入れたGRPO学習

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。

RACER: 自動運転VLAモデルの学習データセットの構築

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。

SB Intuitions、DEIM2026参加報告

SB Intuitionsは2月28日〜3月5日に神戸市で開催されたDEIM2026に初めてゴールドスポンサーとして協賛し、ブース展示と技術報告を行った。口頭・ポスター発表は3件実施され、適応的プロンプト最適化に基づく次発話推薦や、ブラックボックスな検索エンジンに対するクエリ拡張に特化したSLMの強化学習について発表した。

Mistral AI、企業の独自知識で学習するAIモデル構築システム「Forge」を発表

Mistral AIは、企業が社内の独自データを基にフロンティア級のAIモデルを構築するシステム「Forge」を発表した。社内ドキュメントやコードベース、構造化データを用いて事前学習、事後学習、強化学習を行え、dense型とMoEの両アーキテクチャに対応する。Mistral Vibeのようなエージェントが、ファインチューニングやハイパーパラメータの探索、評価用の合成データ生成を自律的に行い、ベンチマークの性能低下も監視する。

ABEJAによるLLMの自律的な調査力を高めるAgentic RLの取り組みと知見

ABEJAは、Qwen3に思考とツール実行を繰り返させてAgentic能力を強化する、SFTと強化学習の取り組みと知見をまとめた。SFTでは、gpt-oss-120bがOpenSearchによるWikipedia検索ツールを使って推論した出力を、正答データへの絞り込みや推論部分の日本語化などで改善して教師データを作成した。強化学習では、Wikipediaを使うマルチホップQAとDeepResearch、e-Gov法令データを使うQAの3タスクをGRPOで学習し、最後にModel Soupで統合した。

GENIAC3期のLLM開発で使用したロングコンテキスト評価ベンチマーク・データセットを公開

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。

運転動画を検索可能にする 〜Cosmos-Embed1とDatabricksで〜

チューリングは、NVIDIA の映像-テキスト埋め込みモデル Cosmos-Embed1 と Databricks Vector Search を組み合わせ、約54万シーン（約2,000時間分の走行データ）を対象にしたセマンティック検索システムを構築した。映像側の embedding は日次バッチで事前計算し、テキスト側のみ AWS Lambda でリアルタイムに計算する構成とした。

List Objectsに数日かかる世界からの脱却。20TB/日のデータを支えるS3インベントリ活用術

Turingは、S3インベントリを用いたデータ管理基盤を導入し、数億オブジェクト規模のデータセット情報を数日ではなく数秒で取得できるようにした。Databricks上で外部テーブルとDelta Tableの2段階構成とし、日次で更新している。インベントリの実行コストは100万オブジェクトあたりUSD 0.0025と記載されている。

LayerXのデータエンジニア中山貴博氏、「2026 Snowflake Data Superheroes」に選出

LayerXのバクラク事業部データグループマネージャーである中山貴博氏が、「2026 Snowflake Data Superheroes」に選出された。2026年は全世界で125名（日本で15名）が選ばれている。LayerXは2024年10月からGoogle BigQueryベースのデータ基盤のSnowflakeへの移行を始め、2025年末時点でほぼ完了している。

「画像なし」で挑むVLM学習、Text-Printed Imageによるアプローチ

Turingのインターン研究チームが、テキストを白い画像に印字したText-Printed Image（TPI）を入力に使い、実画像なしでVLMを学習する手法を提案した。実験では、テキストをそのまま使う学習（Text-only）より大きな性能向上を示し、一部のタスクではGT-Image（実画像による学習）に迫る改善も見られた。GPT-4o-miniを用いたSelf-Instructによるデータ拡張（1万サンプル生成）でも、シードデータが少ない場合と完全な場合の両方で性能が向上したと報告されている。

Mistral AI、OCRモデル「Mistral OCR 3」を発表

Mistral AIは新OCRモデル「Mistral OCR 3」を発表した。社内ベンチマークでは、フォーム、スキャン文書、複雑な表、手書きの領域においてMistral OCR 2に対し全体で74%の勝率を記録したとする。料金は1,000ページあたり$2で、Batch APIの50%割引を適用すると$1になる。APIのmistral-ocr-2512およびMistral AI StudioのDocument AI Playgroundから利用できる。