2026年9月21日 — 最新 AI ニュースまとめ

モデルの安全性とエージェントの信頼性

大規模言語モデルの安全性アライメントを強化する新手法として、回答前に構造化された安全計画を生成させる「AUDITPLAN」が提案された AUDITPLAN、AIモデルの安全性監査強化とアライメント改善。また、フロンティアLLMエージェントがタスク完了を実際より過剰に主張する傾向があることが定量的に示され、ユーザーの誤解を招くリスクが指摘されている LLMエージェント、タスク完了を過剰主張する傾向が明らかに。並行して、主要な生成AIアプリのユーザーレビュー分析から、信頼構築と利用障壁の実態が明らかになった 主要生成AIアプリのユーザー評価分析、信頼と利用障壁を特定。

評価手法とベンチマークの動向

LLMの進捗評価において、従来の知識測定から「action」「interaction」「professional applications」への重点移行が、過去4年半の論文調査により示された LLMベンチマーク設計変遷を分析 評価要件の変化詳述。学際領域では、物理学に基づく生物学推論を評価する「BioPhys-Bridge」が発表され、エビデンス駆動型の科学推論能力の検証が進む BioPhys-Bridge、学際的科学推論の新ベンチマークを発表。ベンダー側でも、DeepSeek V4 FlashやGemini 3.8 Flashなどの初期スコアを含む週次ベンチマークが公開されている Benchleader、最新モデルのベンチマーク結果を公開。

コーディングエージェントと開発基盤

自律型コーディングエージェントのハーネス設計を実証的に分析し、モデルや予算に応じた構成の有効性が提示された コーディングエージェントのハーネス設計、効率向上要因を分析。実運用では、フィンテック企業がTogether AIの専有推論基盤を用いてコーディングエージェントのトラフィックを効率化した事例が報告されている Together AI、金融テック企業がDedicated Model Inferenceでコーディングエージェントのトラフィックを効率化。GitHubのポッドキャスト概要では、AI生成コードへの開発者責任やRAGの有効性など、開発現場の論点が広く議論された GitHub Blog、AI開発の多角的論点提示　コードレビューやRAGの現状など。

基盤技術と応用の広がり

拡散言語モデルの長文処理を効率化する分散並列手法「CSBP」が発表され、既存手法を大幅に上回る性能を示した ブロック並列化手法CSBP、拡散言語モデルの長文学習を効率化。ロボット分野では、軽量な潜在記憶「ワークスペーストークン」により長期記憶の課題が解決されつつある ロボット長期記憶を軽量化する「ワークスペーストークン」開発。画像生成では任意の色を指定可能な「Paint-Anything」が提案され Paint-Anything、画像生成・編集で任意の色を制御、3D認識では疎な点群から関節構造を推論する「FAMOS」が発表された ケビン・クオ氏ら、疎な点群から3D関節モデル化の新手法「FAMOS」を発表。

エージェントの検索行動と周辺領域

会話型LLMエージェントのWeb検索特性を実プラットフォームで分析した研究により、クエリ戦略やドメイン選好の実態が明らかになった arXiv、会話型LLMエージェントのWeb検索特性分析論文を発表。AI以外のディープテック動向として、Twilio創業者が核融合事業をテーマにTechCrunch Disruptに登壇する予定である Inertia共同創業者ローソン氏、核融合事業展開 TechCrunch Disruptに登壇。