Tag
20 件の関連記事
arXiv cs.CRは2026年10月21日(現地時間)、ガンニ・ガレア・クルミ (Ganni Galea Curmi) 氏とベン・ワイルド (Ben Wilde) 氏による、LLM (大規模言語モデル) を用いた脆弱性発見に関する研究論文を公開した。本研究は、エージェントハーネス (agent harness) とコンテキストが脆弱性発見の成果に与える影響を多角的に分析し、単一のモデル構成では全ての脆弱性をカバーできないことを明らかにした。特にプロンプトやCodeQLによるコンテキスト追加が、小型・中型モデルの検出精度を大幅に向上させる可能性を示唆している。
agentry.newsは2026年10月20日(現地時間)、新しい研究ベンチマーク「AgentSWE」が主要なコーディングエージェントの評価結果を公開したと報じた。この評価では、25の現実世界のソフトウェアタスクに対し、どのコーディングエージェントも要件に合致する信頼性の高いエージェントを確実に提供できなかったことが明らかになった。研究者らは、自然言語の仕様から信頼性の高いソフトウェアエージェントを構築する能力を測定するためにAgentSWEを設計したと説明している。
カリフォルニア大学バークレー校 (UC Berkeley) は2026年10月14日(現地時間)、データサイエンス、人工知能 (AI)、ロボティクス分野における同校の研究活動概要と最新情報を公開した。データサイエンス手法、AI、コンピューティング能力、そして技術と社会の関係を形成するコミュニティとの連携に焦点を当てている。
Apple ML Researchは10月14日(現地時間)、テキスト、画像、音声の3モダリティを対象としたMasked Diffusion Modelsの設計空間に関する研究結果を公開した。3モダリティ全てをゼロから事前学習した初の試みと位置付けられ、マルチモーダルスケーリング法則やモダリティ混合比率を体系的に分析したほか、推論サンプリングの最適化されたデフォルト設定も提示した。
Ganyu Zou氏らの研究チームは2026年10月8日(現地時間)、テキスト-画像生成 (T2I) における従来のプロンプト最適化の限界を指摘し、構造化されたデザイン空間サンプリングによるロゴ生成手法「DOGS (Design-space prompting with an Originality-aware GFlowNet Sampler)」を発表した。この手法は、認識性、美的感覚、そして既存のロゴとの独自性を高め、商標権侵害リスクを大幅に低減する。
arXivは9月29日(現地時間)、論文「DIBench: Benchmarking Decision Integrity of GUI-based Mobile Agents Under Deceptive Injections」を発表し、GUIベースのモバイルエージェントにおける新たな安全性評価ベンチマーク「DIBench」を提案した。既存手法が見過ごしてきた「in-task goal deviation risk」の測定を目指す。
Apple ML Researchは2026年9月30日(現地時間)、自律的な機械学習エンジニアリング(MLE)エージェントに関する研究論文を公開した。論文は、マルチエージェントオーケストレーターや専用の検索サブエージェントといった精巧な仕組みを備える現行のMLEエージェントの有効性に疑問を投げかけ、最小限のハーネスを持つコーディングエージェントが、オープンソースの最先端ハーネスと同等以上の性能を発揮し得ると指摘した。
Apple ML Researchは2026年9月(現地時間)、大規模言語モデル（LLM）の出力制御における有効性と流暢さのトレードオフに関する体系的な研究結果を発表した。この研究は、ターゲット概念の注入または除去に焦点を当てた既存手法の有効性評価において、生成品質が軽視されがちである現状を指摘。効率的な誘導手法が流暢さを著しく犠牲にする一方で、訓練パラダイムとの間に重要な相互作用があることを明らかにした。
OpenAIは2026年8月26日(現地時間)、ボッコーニ大学 (Bocconi University) の1,000人を超える学部生を対象とした無作為化実験の結果を発表した。この研究は、学生がChatGPTを利用することと因果的推論（批判的思考の一種）の訓練を受けることが、課題における成果物の質とオリジナリティに与える影響を検証したもの。ChatGPTへのアクセスは学生の成果物の質と一貫性を向上させ、因果的推論の訓練はよりユニークなアイデアの生成を促した。両方を受けた学生は、これらの相補的な効果を同時に示した。
Google (グーグル) は8月21日(現地時間)、ウェアラブルセンサーデータから疾患関連バイオマーカー候補を特定し、優先順位付けするAIツール「Biomarker Discovery Framework (バイオマーカー・ディスカバリー・フレームワーク)」を発表した。このマルチエージェントシステムは、人間の監督下で、反復的な仮説生成、統計分析、文献に基づく推論を通じて、厳格な統計的妥当性を維持しつつ、発見プロセスを加速させる。
Fanfei Liらの研究チームは8月13日(現地時間)、知識曝露を教育的に制御する言語モデル「リトルラーナー (LittleLearner)」に関する研究論文をarXiv cs.CLに発表した。現代のLLMが抱える知識習得過程の不明瞭さという課題に対し、米国小学校カリキュラムに沿って構築された880億トークンの事前学習コーパス「リトルカリキュラム (LITTLECURRICULUM)」を開発。このコーパスで訓練された50億パラメータのLLMがリトルラーナーであり、その知識と能力の境界を明確にすることを目指す。
オルーワニフェミ・バンブゴース (Oluwanifemi Bamgbose) 氏らによる研究チームは2026年8月10日(現地時間)、Text-to-Speech (TTS) の自動評価手法に関する研究論文をarXivに提出した。論文では、Mean Opinion Score (MOS) 予測器やAudio Large Language Models (Audio-LLM) の評価が、人間の知覚する音声の多様な側面を捉えきれていない実態を指摘している。
Anthropicは8月(現地時間)、科学者向けのAIワークベンチ「Claude Science (クロード・サイエンス)」のベータ版提供を開始した。このツールは、研究者が日常的に使う多様なツールを単一環境に統合し、監査可能な成果物生成と柔軟な計算リソースアクセスを主要な設計思想とする。文献分析から多段階研究の実行、図や原稿の修正に至るまで、研究プロセスの全段階を支援する。
arXivが2026年7月30日(現地時間)付けで報じたところによると、AIアプリケーションに利用されるシステムプロンプトをユーザー視点で体系的に監査するフレームワーク「Artificial Intelligence System Prompt Assurance (AISPA)」（エイスパ）が発表された。本フレームワークは、AIシステムの広範な展開における信頼性と説明責任のギャップに対処することを目的としている。
Waymoは7月7日(現地時間)、自動運転システムの安全性評価に関する新たな研究結果を発表した。この研究は、自動車のクラッシュリスク分析において、走行の時間帯と場所が重要な要因であることを指摘している。人間ドライバーのクラッシュデータと交通量データを詳細に分析することで、Waymoの自動運転システムの安全性をより高精度に評価するためのベンチマークを構築したという。学術誌Traffic Injury Preventionに掲載される2つの論文で構成され、地域差や時間帯によるリスクのばらつきを考慮した評価の重要性を強調している。
Anthropic は2026年6月30日(現地時間)、科学研究者および製薬企業向けに最適化されたアプリケーション「Claude Science」の提供開始を発表しました。同社のダリオ・アモデイ (Dario Amodei) CEOは、生物学の複雑な課題に対し、人工知能 (AI) が強力なツールとなり得る可能性に言及。大規模言語モデル (LLM) を活用したこの新たな研究開発支援ツールが、科学研究のあり方に影響を与えるとみられます。
ネイサン・ランバート (Nathan Lambert)氏は2026年6月17日(現地時間)、自身のブログ「インターコネクツ (Interconnects)」の運営状況、キャリア目標、今後の計画について発表した。同氏はAIのフロンティアモデル進化における明確性の提供、オープンモデルエコシステムの創造、そしてこれらを可能にする機関構築の3つの目標を掲げている。約3年間、Interconnectsは技術的でニッチな読者層を獲得し、約7万人の購読者と約900人の有料購読者を持つに至った。
arXiv cs.AIは2026年6月3日(現地時間)、AIエージェントの長時間タスク性能を測る新オープンソースベンチマーク「SentinelBench (SentinelBench)」が発表されたと報じた。従来のAIエージェントが連続的アクションに焦点を当てる中、SentinelBenchは、環境を監視し、外部イベントに持続的に対応する戦略を評価する。これにより、タスク完了率、反応時間、リソース使用量といった多角的な指標に基づき、応答性とコストのトレードオフを効率的に評価できる。
arXiv (計算と言語学分野) は2026年6月2日(現地時間)、Rishanth Rajendhran氏らが、小型オープンウェイトモデルの長編創作文執筆能力を向上させる新手法「POLARIS」に関する論文を発表したと報じた。POLARISは、小型モデルが長編創作で要求された長さに満たない、あるいは長さの増加に伴い品質が低下するという課題を解決することを目指す。
OpenAI (オープンエーアイ) は2026年4月16日(現地時間)、生命科学研究に特化した推論モデル「GPT-Rosalind (ジーピーティー・ロザリンド)」を発表した。このモデルは生物学、創薬、翻訳医学の研究支援を目的に開発され、化学、タンパク質工学、ゲノミクス分野での深い理解とツール利用の改善を組み合わせ、科学的ワークフローに最適化されている。既存の信頼アクセスプログラムを通じて、適格な顧客向けにリサーチプレビューとして提供が開始される。