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。
Turing 技術ブログが、事前知識ゼロから学習し、ルービックキューブを次の1手ずつ自己回帰的に生成して解く21,052,178パラメータの専用LLM「CUBE ZERO」を公開した。学習に使っていない固定の30,720局面では、1回の生成で99.83%を解いた。同じ局面から8本生成して最短の成功手順だけを学ぶBest of 8で学習し、学習用のGoogle Colab notebookも公開されている。
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。
GoogleはHHMI Janeliaやケンブリッジの研究者と共同で、オスのキイロショウジョウバエの脳と中枢神経系の完全な配線図を公開した。166,000超のニューロンと1億2500万のシナプス結合を含み、ニューロン数では過去最大の脳地図である。論文はCellに掲載され、データはNeuroglancerで閲覧・ダウンロードできる。
選定理由：AIによる再構成と人手の検証を組み合わせた脳地図作りの歩みが、ハエから魚類へと広がる流れの中で整理されている。
Hugging Face、260Mと800Mの2サイズからなる多言語マルチモーダルエンコーダ「NeoMME」を発表。事前学習済みのビジョンタワーを使わず、単一の双方向Transformerでテキストトークンと画像パッチを同時に処理する。
LFM2.5-350Mを、TRLのGroup Relative Policy Optimization（GRPO）で約500サンプル・100ステップ学習し、IFStructベンチマークのスコアを22.6%から29.7%に向上させる手順を公開した。学習は無料枠のColabやKaggleのGPUで実行でき、ノートブックはGitHubで公開されている。評価はllama.cppを使ってMacBookでローカルに行い、ベースラインは22.6%で、IFStruct公式ブログの報告値21.1%に近い結果だった。
韓国科学技術情報研究院（KISTI）の研究員らが2026年8月27日から28日に国立情報学研究所（NII）を訪問した。NII大規模言語モデル研究開発センター（LLMC）の研究者らと、「AI for Science」および大規模言語モデル（LLM）に関するワークショップを開催した。
Hugging Faceは、LLMベンチマークを個々のプロンプト単位で分析する手法「BenchMIRT」を発表した。100のLLM、16のベンチマーク、34K超の質問の結果から、事前の指定なしに「安全性」と「汎用推論」という二つの主要な次元を抽出した。たとえばBBQは安全性ベンチマークに分類されるものの汎用推論との相関が強く、WMDPも安全性より汎用推論と強く関連していた。
Google Researchは、NASAのEMITの超分光データから深層学習でメタンのプルーム（排出源から広がる帯状のメタンガス）を検出する「MAPL-EMIT」を開発した。専門家が注釈を付けたプルームに対する再現率は84%で、既存のmatched-filter法より高い信号対雑音比を示した。プルームのデータベースはEarth Engine、学習済みモデルと合成プルームはKaggle、推論ライブラリはGitHubで公開されている。
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。
ABEJAは2026年8月16日〜18日に仙台国際センターで開催されたYANS2026にゴールドスポンサーとして参加し、ブース出展を行った。ブースではSO-101ロボットアームに、ファインチューニング済みのπ0.5（VLA）とQwen3-ASR 1.7Bを組み合わせ、音声指示でブロックを運ぶデモを展示した。また、スポンサー賞にはCLIPの埋め込みのノルムを扱う研究を選び、ほか4件の発表を紹介している。
Sentence Transformers v6.0で追加された新モデル型MultiVectorEncoderを使い、ColBERT型のレイトインタラクション検索向けマルチベクトルモデルをファインチューニングする手順が示される。
Googleは、XR上でAIエージェントの音声に合わせて手のジェスチャーを生成する研究プロトタイプ「AgentHands」を発表した。CHI 2026で発表された研究で、LLMの応答に埋め込まれたジェスチャーイベントを、単語単位のタイムスタンプを使って音声と同期させる。12名を対象とした被験者内実験では、音声のみのベースラインと比べて空間的なグラウンディングが有意に向上したと報告されている。
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。
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。
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。
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。
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。
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。
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。
Import AI 469は、隠されたルールを探索で見つけ出す力を測る70ゲームのベンチマークDiG-benchを取り上げている。Opus 5とFable 5がClaude Code併用で最上位だが、Tier 7で解けたのは0.2にとどまり、人間は100%を達成した例がある。ほかにRSIシミュレーターと、Inherentの科学AIモデルFaradayも紹介している。
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。
選定理由：ICML 2026の論文の約3分の1をエージェントで再現した結果と、誤った反証も含む検証過程が示され、査読におけるエージェントと人間の分担を考える材料になる。
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。
筆者のNathan Lambertは、LLMのノンフィクション長文執筆の能力は、コーディングや数学ほどには進歩していないと論じる。文単位の修正や数式の処理は得意でも、章全体を組み立てて整理する力は乏しく、小さな誤りが積み重なるという。実例として、GPT 5.5 Proは200〜300ページの原稿で細かな誤字を多数指摘し、Claudeは編集者として優れた提案をしたとしている。
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。
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。
シンクタンクIFPが、AI研究開発の自動化リスクに備える政策案を7カテゴリー、23件にまとめた。MITとColumbiaの研究者による論文「Racing to Ruin」は、企業間で減速を協調させるには、技術開発の透明性と、相手を合理的で信頼できる主体とみなせることが鍵だと結論づけた。信頼が低い均衡では、破滅に向かう競争が確率1で起きるという。
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。
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（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。
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。
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。
