Category · 13ページ目
40件
「Age of LLM」は、敵基地破壊を目的としたターン制1v1ベンチマークで、LLMの推論、外交、信頼性を評価します。フォッグ・オブ・ウォー、完全な外交交渉、厳格なJSONスキーマに従う必要のある信頼性という3つのストレス要因を導入しています。
NISTの記事は、AIのセキュリティとアライメントに関する論文を解説している。AIの堅牢なセキュリティとアライメントの達成は、シジフォスの神話のように困難な課題である可能性を示唆しており、継続的な監視と更新の必要性を数学的証明で裏付けている。
PAC-Bayesian限界を、二次的軌道コストを目的関数とする学習ベース制御に適用するための理論的枠組みを提案。システムレベル合成を用いて、二次制御損失の明示的な証明を可能にする。
二者ゼロ和ゲームにおける複数のナッシュ均衡（Nash polytope）から、ソルバーがどの均衡を選択するのかを系統的に調査。ソルバー依存の選択メカニズムを解明しようとする研究。
非凸・非リプシッツ最適化問題に対するBregman ADMMの解析。標準的なリプシッツ勾配条件を、相対的なヘッセ行列比較という、より緩い条件に置き換えるアプローチ。
正例のみのサンプルから学習する問題（Positive-Only Learning）における、不正規学習（improper learning）の理論的特性は知られていたが、正規学習（proper learning）の特性解明は長年の課題であった。本研究でその特性を明らかにする。
UPWARD社が開発した「エラスティック ジオフェンスAI技術」に関する特許について紹介する。AI/機械学習を用いてジオフェンスの半径と中心点を最適化し、滞在検知技術を高度化する手法であり、セールスパーソンの訪問活動を自動検知するコア技術として特許を取得したことを説明する。
2026年のLLMベンチマークは、MMLUのような飽和した評価指標から、HumanEvalの汚染問題、SWE-Benchの依存性、そしてChatbot Arena Eloのような人間による好感度を反映する指標へと進化しています。
APL言語で畳み込みニューラルネットワーク（CNN）を実装した論文。CNNのアルゴリズムとAPLの配列処理能力を組み合わせることで、効率的な画像認識モデルの構築を目指す。CNNの基本的な概念からAPLでの具体的な実装方法までを解説しており、AI分野における新しいプログラミング言語の応用可能性を示唆している。
ファインチューニングなしで小型モデルのスキル転移をテストするためのブラインド視覚的パラダイムに関する研究。モデルの汎用性や学習能力を評価する新しいアプローチ。
MCPのツールポイズニング（CVE-2025-54136）について解説。AIエージェントがツールの説明文自体を攻撃対象とする脆弱性で、従来の入力検証とは異なるアプローチが必要。防御策も考察。
MCPの脅威モデルを概観。AIエージェントはツールの説明文などを検証せず利用し、強い権限を持つツールと連携するため、構造的な弱点が存在する。攻撃面を登場人物ごとに分析。
LMArena Text Leaderboardは、実際の会話におけるユーザーの好みに基づいたペアワイズ比較でモデルをランク付けする、ブラインド人間評価ベンチマークです。Eloレーティングは、モデル間の直接対決でのユーザーの好意から計算され、モデルの全体的な能力とスタイルを包括的に測定します。
AlphaFoldの開発者であるJohn Jumper氏がGoogle DeepMindを離れAnthropicに移籍。AI分野における優秀な人材の流動と、研究開発競争の激化を示唆している。
PyTorchとC++（SFML）を用いてブロック崩しを自動プレイするAIを作成した過程を解説。人間のプレイデータを学習させ、AIプレイヤーを生成したが、精度は約0.80に達したものの、挙動に偏りが見られた。機械学習の落とし穴についても言及。
近年の自己教師あり学習、特にViTとMAEによるMIM（Masked Image Modeling）の成功を踏まえ、CNN（ConvNet）へのMIM適用可能性を探る論文「ConvNeXt V2」を解説。ViTでの成功をCNNに移植する際の課題に焦点を当てる。
FFASR Leaderboardは、実世界の自動音声認識（ASR）システムのベンチマークを提供するものです。様々な条件下でのASRモデルの性能を評価し、研究者や開発者がモデルの改善点や進捗を把握するのに役立ちます。これにより、より頑健で実用的なASR技術の開発が促進されます。
GoogleのトップAI研究者であるJonas Adler氏とAlexander Pritzel氏が、Noam Shazeer氏やJohn Jumper氏に続き、競合であるAnthropicに移籍しました。これは、AI分野における人材獲得競争の激化と、トップ人材の流動性を示唆しています。
効率的な言語モデル事前学習手法「HRM-Text」に関する論文紹介。LLMの事前学習に必要な膨大な計算資源とデータ（数兆トークン、巨大GPU）の障壁を下げ、事前学習をより手軽にすることを目指す研究内容を解説。計算量対性能比の改善に焦点を当てている。
2026年版Stanford AI Index Reportは、AIの能力向上と、それを支える責任ある管理インフラとの間のギャップ拡大を指摘する。数学やコーディングでAIが優秀な成績を収める一方、安全性や倫理に関するベンチマークは遅れている。米中間の性能差は縮小し、AIへの民間投資と生成AIツールの消費者導入は加速しているが、教育や信頼は追いついていない。
Soul-Twinの開発チームが、AIを用いてベートーヴェンの「失われた」交響曲を作曲し、演奏可能な楽譜を作成したプロジェクトを紹介。AIが6つのペルソナを持ち、交響曲No.Xを制作した過程を解説している。
2026年6月17日に公開されたarXiv論文「ChLogic: Evaluating Robustness of Logical Reasoning in Chinese Expressions」では、中国語表現における論理的推論の頑健性を評価するためのベンチマークが提案されている。
1991年のミュンヘンでの出来事が、現在のAIブームのルーツとなったことを解説する記事。AIの歴史的背景や発展の経緯を理解する上で重要な示唆を与える内容であり、AI技術の進化を俯瞰する観点から高い重要度を持つ。
タンパク質構造予測のノーベル賞受賞者ジョン・ジャンパー氏がGoogle DeepMindを離れAnthropicに入社。AI研究分野での人材移動が注目される。
画像生成AIの次に必要とされる技術として、Image-to-3Dのトレンドが解説されている。生成された2D画像をUnity、WebGL、AR、3Dプリントなどで利用可能な3Dアセットに変換する工程に焦点を当て、その技術トレンドとワークフローへの組み込み方について整理する。
本論文は、大規模オンライン旅行プラットフォームの検索ランキングシステムにおける、LLMエージェントと直接的なクラウドコンピューティングアクセスを組み合わせたAI Co-Scientistフレームワークを提案する。これにより、アイデア生成、コード実装、GPU実験、結果分析といった研究サイクルを、人間の科学者の関与のもとでエンドツーエンドで自動化する。
TextClass Benchmarkは、社会科学分野におけるテキスト分類タスクを対象としたLLMおよびTransformerの継続的かつ動的な評価を提供します。Eloレーティングシステムをカスタマイズして採用し、パフォーマンス指標と相対ランキングを提示します。
機械学習の研究は、実験の再現性、結果の解釈、そして理論的基盤の確立といった側面で、伝統的な科学分野に似た「禅」の境地を追求する。膨大なデータと複雑なモデルの中で、本質を見極め、シンプルかつ強力な洞察を得るためのアプローチが重要となる。研究者は、計算リソースの限界、アルゴリズムの選択、そして評価指標の適切性といった課題に直面しながら、真の理解を目指す。このプロセスは、忍耐と深い洞察力を要求する。
TextClass Benchmarkプロジェクトは、社会科学分野のテキスト分類タスクにおけるLLMとTransformerの継続的かつ動的な評価システムを導入。カスタマイズされたEloレーティングシステムを採用し、新しいモデルやテストセットを定期的に取り込むことで、公平で最新のランキングを提供する。
東大理一B2の学生が、機械学習、特にLLMとmechanistic interpretabilityに興味を持ち、SAE（Sparse Autoencoder）について学んだ記録。Anthropicの論文を参考にSAEの概要を理解し、実際に動かす過程で考えたことをまとめている。
G7でのAIに関する議論では、米国のAIモデルの力がグローバルなルール形成に影響を与えていることが明らかになりました。これはAIガバナンスと国際関係における重要な課題を提起しています。
GoogleのGemini共同リードであったノーム・シャジア氏のOpenAI移籍が、単なる人材争奪戦を超えて現代AIの転換点を象徴する出来事であると解説。氏の経歴がAI開発の初期から現在までの変遷を辿っている点を強調している。
投機的デコーディングを拡散モデルに適用する際の課題（連続空間での残差分布からのサンプリングの難しさ）に対し、ブロック検証を可能にする新しいスキームを提案。これによりドラフト受容率が向上し、「Free Drafter」ヒューリスティック（学習不要）を用いることで最大6.3%の速度向上が見込める。
本研究は、中国語表現における論理的推論の頑健性を評価するベンチマーク「ChLogic」を提案する。Yi-1.5-34B-Chatは、DeepSeek-V3による生成・修正・逆翻訳プロセスにおける検証者として使用された。評価対象となったQwen3、Mistral、GLMモデルはベンチマーク構築には参加していない。
高解像度ニューラルセルオートマタ（NCA）のデモです。NCAは、複雑なパターン生成や自己組織化能力を持つことで知られ、視覚的・創造的な応用が期待されます。
確率ネットワークにおける有限時間キューのピーク挙動を解析。幾何学的閾値を超えると、対数的なスケールでピークが増加することを示す。これは、スケジューリングポリシーの性能限界を理解する上で重要である。