Tag
6 件の関連記事
科学技術系プレプリントサーバーのarXiv (アーカイヴ) は2026年10月9日(現地時間)、論文「The Silent Failures in Agentic Data Science」を発表し、データサイエンスエージェントの既存評価がその方法論的失敗を見落としていると指摘した。大規模言語モデルの普及によりコード記述の障壁が下がり、エージェント開発が進む一方で、データリークや不適切な検証といった問題が隠蔽され、信頼性の高いエージェントシステム開発が阻害されているという。
GitHubの「chatbot-arena」トピックページでは、2026年10月9日(現地時間)時点で、大規模言語モデル（LLM）の評価やチャット履歴のエクスポートツールなど、関連する複数の公開リポジトリが活発に更新されていることが示されている。これらのプロジェクトは、LLMの比較、評価、およびユーザーデータの管理に関心を持つ開発者や研究者によって維持されている。
Google DeepMindは2026年10月5日(現地時間)、テキスト、画像、音声、動画といった複数のメディアタイプを統合し、単一の埋め込み空間にマッピングするマルチモーダル埋め込みモデル「EmbeddingGemma 2」の提供を開始した。同モデルは7億4千万のパラメータを持ち、オンデバイスでの推論に最適化された軽量設計が特徴である。
arXivは2026年8月26日(現地時間)に公開された論文「TraceML: An Empirical Analysis of Human-Agent Planning in Machine Learning Development」で、機械学習開発における人間とエージェントの計画行動に関する実証分析を発表した。この研究では、大規模言語モデル (LLM) を利用したエージェントが自律的な機械学習開発において人間と比較して劣る点を、開発プロセスを追跡することで具体的に示した。TraceMLという新しいデータセットとスキーマを導入し、Kaggleコンペティションにおける人間とエージェントの作業軌跡を詳細に分析している。
Google は2026年8月3日(現地時間)、カグル (Kaggle) と共同で実施したオンラインコース「AI Agents: Intensive Vibe Coding」の成果を発表した。本コースには353,000人以上の開発者が参加し、自然言語を用いたAIエージェントの構築と展開技術を習得した。参加者は専用のプラットフォーム上で活発な交流を展開し、6,000件を超える多様な最終プロジェクトを提出した。
Google DeepMindは6月3日(現地時間)、ノートPC上で高性能なマルチモーダルインテリジェンスを実現する新モデル「Gemma 4 12B」を発表した。このモデルは、エッジ向けE4Bと高度な26B MoEの中間に位置する性能を目指し、メモリ使用量を抑えつつ強力な機能を搭載。エンコーダーフリーのアーキテクチャによりレイテンシとメモリ消費を大幅に削減し、同社ミッドサイズモデルとして初めてネイティブオーディオ入力に対応した詳細が明らかになった。