ソフトバンクのデータ基盤「GaranAI」、コンテンツの権利保護と対価還元を両立

ソフトバンクが開発を進めるデータエコシステム基盤「GaranAI」は、著作権コンテンツの権利を守りながらAI事業者に提供し、利用の対価をコンテンツホルダーに還元する仕組みである。許諾を得たデータを契約で定めた範囲で提供し、RAG利用とモデル学習利用のいずれかを、コンテンツホルダーが指定できるとされる。2026年7月からベータ版の提供が始まり、2025年5月には一般社団法人共同通信社と業務提携している。

Google、Gemma 4ベースの埋め込みモデルEmbeddingGemma 2を公開、5種類のデータを統一空間に

GoogleはGemma 4をベースにしたApache 2.0ライセンスのオープンモデルEmbeddingGemma 2を公開した。テキスト、コード、画像、動画、音声を768次元の共通ベクトル空間に変換し、270Mから740Mパラメータまで必要なエンコーダーだけを読み込める。MTEB (Code)ではEmbeddingGemma 1より14%高いスコアを示している。

長期的なエージェント型強化学習のためのTreeOPSD

TreeOPSDは、Criticを用いず木構造を考慮した事後自己蒸留により、長期的な対話タスクにおける言語モデルエージェントの強化学習を可能にする手法である。各対話ターンを木のノードとして扱い、終端報酬を遡ってターン単位のクレジットを推定したうえで、凍結した行動方策に対する尤度比で定まる有界な教師分布に変換する。Qwen3-30B-A3B-Thinking-2507では、Deep Research設定においてGRPOに比べ平均精度が4.97ポイント向上した。

Bar-Ilan大学のAIエージェント、講義を欠席した学生の学習を支援

Bar-Ilan University（BIU）は2月、学習プラットフォームMoodle上で、講義資料の検索や要約を行うAIエージェントを試験導入した。Microsoft Copilot Studioで構築され、71科目、約2,400人の学生が対象となった。ヘブライ語、アラビア語、英語に対応し、2026/27年度前期にはさらに100科目へ展開される。

MRTPO、多報酬RLで各報酬の優位性を関連トークンにだけ割り当てる手法を提案

MRTPOは、多報酬強化学習において各報酬のadvantageをその検証器が確認するトークンにだけ割り当てる手法である。各報酬について方策が自身の応答を検証器情報あり・なしで再生成し、次トークン分布のJensen-Shannon距離から各トークンの関連度を測る。補助モデルやトークン単位のアノテーションは不要で、text-to-SQL、複数制約の指示追従、ツール呼び出しで比較手法より速く収束し、高い性能を示した。

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。

Amazon Bedrock AgentCoreで自己改善型のドキュメント処理を構築する方法

Amazon Bedrock AgentCoreとStrands Agentsを使い、帳票の分類、抽出、検証、学習を最小限の人手で行うエージェント型IDPシステムの構築方法を解説している。8つの専門エージェントが識別、学習、自動化の2つのグラフ型ワークフローで連携し、新しい文書形式は抽出指示を生成して再利用する。多くの場合20分未満でデプロイでき、手動のテンプレート設定は不要である。

Amazon Bedrock AgentCoreでプレゼン資料を自動生成する

Amazon Bedrock AgentCoreのruntime上にStrands Agentsフレームワークでスーパーバイザーエージェントを構築し、社内文書からPowerPoint資料を生成する仕組みを解説している。社内テストでは90秒未満で完了したという。コンテンツ生成にはClaude Sonnet 4.6、ベクトル検索にはAmazon Titan Text Embeddings v2、スライド画像にはStability AI Stable Image Inpaintを使い、コードは公開リポジトリで提供される。

Orca Security、Amazon Bedrockで自然言語によるセキュリティクエリ基盤「Discovery AI」を構築

Orca Securityは、Amazon Bedrock上で自然言語の質問をSonarクエリに変換する「Discovery AI」を構築し、初期構成と比べてクエリコストを90%、入力トークンを93%、レイテンシを75%削減した。RAGとスキーマを考慮したクエリ構築を組み合わせた9段階のパイプラインで、Amazon Titan Text Embeddingsによる類似例の検索やCohere Rerank 3.5による再ランキングを行う。本番環境では1日数千件のクエリを約15秒の応答時間で処理する。

SB Intuitions、国産生成AI「Sarashinaサービス」の無償ベータ版を提供開始

SB Intuitions株式会社は、国産生成AI「Sarashina」を利用できる「Sarashinaサービス」の無償ベータ版を2026年10月13日に提供開始した。Sarashina3 mini、nano、embedding、rerank、guard、translateの6つのモデルを使えるAPI機能と、対話や翻訳を試せるチャット機能を一般公開する。Googleアカウントでのソーシャルログインに対応し、事前申し込みなしで無料で利用できる。

Amazon Bedrock・AgentCore・Strandsの2026年9月のアップデートまとめ

OpenAIのAstra、Sol、LunaモデルがAmazon Bedrockで一般提供となった。OpenAI搭載のAmazon Bedrock Managed Agentsはパブリックプレビューとして利用可能になった。Strands Decider 2Bは、ツール選択やルーティングに使うオープンソースの2Bパラメータ意思決定モデルで、ローカルでの回答は約115msとされる。

Sakana AI@SakanaAILabsAIスコア3838

アイリス株式会社の医師向けエビデンス検索ツール「Evidence Finder」に、Sakana AIの技術が採用された。医師の質問に対して文献を検索し、引用元を明示しながら回答する仕組みで、文献の比較・統合と回答生成を担っている。詳細はsakana.aiの発表ページで公開されている。

Google DeepMind、オンデバイス向けマルチモーダル埋め込みモデルEmbeddingGemma 2を公開

Google DeepMindは、テキスト、画像、音声、動画、コードを共通の埋め込み空間に写像するオープンな埋め込みモデルEmbeddingGemma 2を公開した。Gemma 4アーキテクチャをベースに740Mパラメータで、Apache 2.0ライセンスで提供される。MTEB Codeのスコアは68.76から78.68に向上し、コンテキストウィンドウは8Kトークンに拡大した。

AIエージェントを企業のナレッジにつなぐ

経営幹部300人への調査によると、エージェント型AIプロジェクトのうち本番稼働に至るのは平均34%にとどまり、ナレッジとコンテキストの不足が主因の一つである。本番稼働が進む先行組織では、パイロットを超えて進むプロジェクトが平均61%で、特にセマンティックなナレッジが強い。データの断片化を課題に挙げた回答は55%で、投資先としてはRAGやナレッジグラフなどが優先される。

東京電力HDの原子力部門に申請書作成支援システムのPoC環境を導入

CTC、東京電力HD、ストックマークの3社は、生成AIとRAGを活用した「原子力申請書作成支援システム」のPoC環境を東京電力HDの原子力部門に導入した。2026年10月から、申請書の作成・確認業務での有効性評価を始める。ストックマークのデータ構造化プラットフォーム「SAT」を基盤にオンプレミス環境で構築し、記載漏れや不整合の確認を支援する。最終判断は人が行う。

社内RAG「team-brain」でチームの知識を横断検索できるようにし、AIにタスクを任せられるように

LINEヤフーのメトリクスチームは、Confluence、ソースコード、Slack、Jiraの4ソースを毎日取り込んで横断検索する社内RAG「team-brain」を開発した。OpenSearchのBM25とベクトル検索を組み合わせたハイブリッド検索で、出典URL付きの検索結果を返す。生成LLMは持たず、Claude Codeからスキルとして呼び出される設計である。ある日のSlack取り込みでは、差分埋め込みによって埋め込みAPI呼び出しを約89%削減できたという。

GitHub Podcast、AIの「ホットテイク」5件を検証 コードレビュー、RAG、Skills、MCPなど

GitHub Podcastの最新回で、AIをめぐる5つの「ホットテイク」を検証している。AI生成コードは読む必要があり、RAGは死んでおらず、SkillsはMCPを置き換えず役割が異なると整理する。ファインチューニングが必要なのはコードが悪いからだとする説にも触れ、AIエージェント、Skills、MCP、RAGは同じワークフローで併用できると説明する。

ME-POIs、モビリティデータで言語モデルの場所理解を深める仕組み

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。

Mistral Agentic Search、AIシステムの検索精度と効率を向上

Mistralは、既存の検索インデックス上で多段階の検索ループを回す「Agentic Search」を発表した。FinanceBenchでは正答率が26.7%から86%へ、OfficeQA Proでは6.3%から51.9%へ向上し、p90レイテンシは最大39.6%、トークン消費は最大3分の1削減される。search、open、navigate、read、grepの5つのツールで動作し、Mistral Search ToolkitとLibrariesから利用できる。

Sentence Transformersでマルチベクトル（Late Interaction）埋め込みモデルを使う

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。

Sarashina3 rerank: 日本語検索に指示付きリランキングを導入する

SB Intuitionsは、候補文書をクエリとの関連度で並べ替えるリランキングモデル「Sarashina3 rerank」のAPI提供を開始した。定型指示に加えてCUSTOMIZEモードで独自の指示文を指定でき、用途ごとの評価軸を反映できる。公開ベンチマークのJMTEB 5タスクでは、既存のSOTA日本語リランカーであるcl-nagoya/ruri-v3-reranker-310mと同水準の性能を示している。

推論が事実想起を解放する仕組み、LLMのパラメトリック知識への影響を検証

Google Researchは、LLMに推論トレースを生成させると、推論なしでは実質的に到達できない正解を引き出せることを示した。COLM 2026で発表される論文「Thinking to Recall」で検証された内容である。

Mistral、OCRモデル「Mistral OCR 4」を発表 バウンディングボックスと信頼度スコアに対応

Mistral AIはOCRモデルMistral OCR 4を公開した。テキストに加え、バウンディングボックス、ブロック種別の分類、インラインの信頼度スコアを返し、10言語グループにわたる170言語に対応する。APIは1,000ページあたり$4で、Batch APIでは50%割引の$2、Document AIは$5である。単一コンテナでセルフホストもでき、企業向けに提供される。

Google、Gemini Enterprise Agent Platform向けAgentic RAGを発表、複数データ源を横断する検索で精度向上

Google が Gemini Enterprise Agent Platform 向けに、Agentic RAG によるクロスコーパス検索（Cross-Corpus Retrieval）の提供を発表した。複数のエージェントが計画、クエリ書き換え、検索を分担し、情報が不足していないかを確認しながら検索を続ける。標準的なRAGと比べて、事実性データセットでの精度が最大34%向上したとされる。

Mistral AI、オープンソースの検索フレームワーク「Search Toolkit」をパブリックプレビュー公開

Mistral AIは、AIアプリケーション向けの本番検索パイプラインを構築する合成可能なフレームワーク「Search Toolkit」をパブリックプレビューで公開した。取り込み、検索、評価を共通インターフェースに統合し、オープンソースでクラウド、オンプレミス、エッジのいずれでも動作する。検索手法としてBM25、埋め込みベースの密ベクトル検索、両者を組み合わせたハイブリッド構成を備え、評価ではrecall、precision、MRR、NDCGを測定できる。

Agentic能力を強化しロングコンテキストに対応したABEJA-Qwen3-14B-Agentic-256k-v0.1の公開

ABEJAは、Alibaba社のQwen3-14Bに追加学習を行ったモデル「ABEJA-Qwen3-14B-Agentic-256k-v0.1」を公開した。コンテキスト長は元モデルの128kから256kに拡張され、思考とツール利用を繰り返すAgentic能力の強化を狙っている。ローカル社内ドキュメントの探索を想定して検索系ツールの強化にOpenSearchを採用しており、汎用モデルというよりエージェント利用向けのモデルである。

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。

Rerankerのモデル比較とコスト削減実験、Cross Encoder型と汎用LLM型を検証

RAGのRerankerについて、Cross Encoder型と汎用LLM型を検索精度・応答時間・運用コストの観点から比較した。JQaRAではCross Encoder型のcl-nagoya/ruri-v3-reranker-310mがnDCG@10 0.869で最高値を記録し、Multi-hop FAQでは汎用LLMが相対的に高いスコアを示した。さらに汎用LLM型のコスト削減手法により、精度を維持したまま最大40%のコスト削減を達成したとしている。

ELYZA、三井住友カードのコンタクトセンターで生成AIの活用成果を公開

ELYZAが三井住友カードのコンタクトセンターに提供した、RAGを用いて回答の草案を生成するAIにより、オペレーターの生産性が生成AI利用開始前と比べて約2倍になった。AIが生成した回答のうち有用性があると判定されたのは、2024年7月時点の46%から2025年3月時点では85%に上昇した。2024年12月からはチャット回答業務でも利用が始まった。

Mistral AI、コード特化の埋め込みモデル「Codestral Embed」を発表

Mistral AIは、コード専用の初の埋め込みモデル「Codestral Embed」を公開した。実世界のコードデータを使った検索タスクで、Voyage Code 3、Cohere Embed v4.0、OpenAIの大規模埋め込みモデルを大きく上回るとしている。APIでは「codestral-embed-2505」の名称で提供され、価格は100万トークンあたり0.15ドル、バッチAPIでは50%割引となる。

Mistral、組み込みコネクタとMCP対応のAgents APIを発表

Mistralは新たにAgents APIを発表した。コード実行、Web検索、画像生成、MCPツールの組み込みコネクタと、会話をまたぐ永続メモリ、エージェントのオーケストレーション機能を備え、Chat Completion APIを補完する枠組みとして提供される。SimpleQAではWeb検索の併用でMistral Largeが75%、Mistral Mediumが82.32%となった。

Mistral AI、法人向けAIアシスタント「Le Chat Enterprise」を発表

Mistral AIは、Mistral Medium 3を搭載した法人向けAIアシスタント「Le Chat Enterprise」を発表した。エンタープライズ検索、エージェント構築、カスタムのデータ・ツールコネクタ、ハイブリッド展開などを備え、機能は今後2週間で順次公開される。Google Drive、SharePoint、Gmailなどに接続でき、Google Cloud Marketplaceで利用可能である。

Mistral AI、LLM as a JudgeによるRAGシステム評価を解説

Mistral AIは、LLM as a Judge方式でRAGシステムを評価する方法を解説し、評価枠組みとしてRAG Triad（Context Relevance、Groundedness、Answer Relevance）を挙げている。RAG Triadは検索された文書と回答の両方を評価でき、検索と生成の双方を端から端まで評価するのに役立つとされる。同社APIのカスタム structured outputs を使えば、評価基準とスキーマを定義し、機械可読な形式でスコアを出力できる。