LLM強化学習の根本的問題「目標不一致」を初めて体系化。訓練ではなく推論ポリシーの単調改善を保証するMIPI原則とアルゴリズムMIPUを提案し、PPO・GRPOの設計方針を再考させる重要研究。
DatabricksのチーフAIサイエンティスト、フランクル氏が「AIはもう十分賢い」と明言。真のボトルネックは評価とガバナンスにあると指摘し、スケーリング優先の業界通説に疑問を呈しました。
LLMエージェントの長期タスクでコンテキストが肥大化する問題に対し、3層の有界メモリと型付き検索で解決するAgenticSTSを解説します。Slay the Spire 2上のベンチマークでエージェントの勝率を3/10から6/10に改善しました。
Amazonが2026年7月30日よりMechanical Turkの新規顧客受け入れを停止すると発表しました。AIアノテーション作業の33〜46%をワーカー自身がLLMで処理していた実態が明らかになっており、データラベリング時代の転換を象徴するニュースです。
LLMエージェントのメモリ管理を「学習可能な認知スキル」として定式化したAutoMemフレームワークを解説します。スキャフォールド最適化と習熟度トレーニングの2段階で、Qwen2.5-32BモデルがClaude Opus 4.5と同等水準に達しました。
ディズニーなど大手スタジオからAI著作権訴訟を起こされたMidjourneyが、今度はスタジオ自身のAI利用実態の開示を法廷で逆要求。原告が「訴えているまさにそのこと」を実践しているかどうかが焦点となっています。
ロボットVLAモデルの専門家データ不足を解決する2段階事前学習「TAP」を解説。失敗軌跡も含む未ラベルデータで動作スキルを先習得し、行動模倣学習比+10%の向上とカメラ擾乱下25%の成功率を達成しました。
マイクロンテクノロジーが広島工場に総額1.5兆円を投資し、2026年7月4日に起工式を実施しました。AI需要の急増に対応するHBMなどのメモリを2028年中盤から量産する計画です。
LLMが3D軌跡とカメラ動作を計画し、画面外に消えたオブジェクトを正確に再現する「永続的動的オブジェクトメモリ」を備えたビデオ世界モデル「WorldDirector」を解説します。PSNRで18.1を達成し、既存手法を大幅に上回りました。
AlibabaがClaude Codeを「高リスクソフトウェア」に指定し全従業員の使用を禁止しました。中国ユーザーを識別する実験的機能の発覚が引き金となった経緯と、Anthropicの説明を解説します。
強化学習で視覚生成モデルを改善する際に生じるモードコラプスを、生成分布全体を評価するDistribution-wise Rewardで解決する手法をICML 2026論文が提案。SiTモデルでFID-50Kを8.30から5.77に改善しました。
トランプ大統領が7月2日のCNBCインタビューで「AIへの政府介入は最小限に」と表明。中国との開発競争で「大幅リード」を強調しつつ、規制緩和路線を改めて確認しました。
LLMはなぜ日本文化に偏る？ 欧州研究が明かすAIの隠れた文化バイアス
Qwen-AgentWorldとは？LLMを環境シミュレーターに変換するエージェント向け言語世界モデル
arXiv、AI任せ論文の著者を1年間投稿禁止へ — 学術AI利用規制が本格化
PP-OCRv6: わずか34Mパラメータで235B超の大規模VLMを超えた軽量OCRシステム
AIのイエスマン化が人間に悪影響、スタンフォード・CMU研究が実証
AI-Papers
