NVIDIA DGX SparkにおけるMoE推論を強化する3つの方法
トークンの生成をより高速化するには、まず推論性能を制限している要因を特定することから始まります。NVIDIA上でInclusion AIが実施したLing-3.0-flashのバッチサイズ1による評価では…
AI NEWS JOURNAL
AI の全ニュース
出典・テーマ・日時から、気になるニュースを見つけられます。
Mirendilが、1,000万トークンのコンテキストを備えた初のモデルであるFern 0.1をリリース
Mirendilは、1,000万トークンのコンテキストウィンドウでゼロから事前学習された初のモデルであるFern 0.1をリリースしました。同モデルはエージェント型AIの研究開発を対象としており、1,000万トークン規模でのRULERシングルニードルテストでは100%のスコアを獲得していますが、エージェント型コーディングにおいては最先端モデルには及ばない結果となっています。この記事「Mirendil、1,000万トークンのコンテキストを持つ初のモデルFern 0.1を公開」は、MarkTechPostに最初に掲載されました。
「高スコアを取る」ことと「納品できる」ことは別である：AIランキングは信用の再評価の局面を迎えている
旧ランキングのスコアは満点に迫るも、新ランキングの実戦評価では軒並み不合格。大規模モデルの評価自体がビジネス化するなか、企業の選定基準はランキングを見る時代から、コスト計算へと移りつつある。
百度が、数百ページに及ぶ文書の解析向けのUnlimited OCR 2をオープンソース化
Baiduは、MITライセンスの3B規模のOCRモデルであるUnlimited OCR 2をリリースし、1回のリクエストで数百ページに及ぶ文書を解析できます。同モデルのSR-SWAアテンションにより、各ステップのデコーディングコストはほぼ一定に保たれ、MarathonDocBenchでは77.1点を獲得しています。この記事「Baidu、数百ページの文書解析向けUnlimited OCR 2をオープンソース化」は、MarkTechPostに最初に掲載されました。
AdaptTok-Indic：インド系言語向けのスクリプト認識型適応トークナイゼーション
arXiv:2610.33017v1 発表タイプ：新規 要旨：英語主体のコーパスで学習された多言語トークナイザーは、しばしばインド系言語を過剰に分割し、その結果、トークン列が長くなり、各文字体系間でのトークナイズ化の不均衡が拡大する。本研究では、Unicode正規化による前処理と明示的なインド系結合文字処理、文字体系意識に基づくルーティング、さらに小規模なTransformer言語モデルと共同で学習されるバイト単位の境界予測を組み合わせた、インド系言語に特化した適応型トークナイゼーション拡張であるAdaptTok-Indicを提案する。ベンガル語およびヒンディー語において評価を行い、さらにグジャラート語、タミル語、テルグ語についても追加評価を実施した結果、AdaptTok-Indicは、インド系言語向けのベースラインであるSentencePiece BPEおよび独立して実装されたMAGNETスタイルのベースラインよりも低いトークン肥沃度を達成した。5つの記録済みの
ソーシャルワールドモデル評価のギャップ
arXiv:2610.33014v1 発表タイプ：新規 要旨：交渉支援システムは、相手の反応を正確に予測しなくても良好な取引を成立させることができる。そこで、社会的世界モデルに対する評価がその予測を直接検証しているのかという疑問を提起する。1999年から2026年にかけて発表された113件の研究を調査したところ、9件の主要な評価では、システムまたは実験者が選択した行動に対する実際の人の反応が測定されていた。そのうち、明示的な反応予測と実際の反応を比較しているのはわずか2件であり、しかもそれらの予測手法は行動選択時に利用可能な情報を用いており、評価対象の反応は適合過程から除外されていた上、介入手法もランダム化されていた。さらに、言語モデルに関する25件の研究について全文を個別に確認した結果、これらの条件を満たす実験は見当たらなかった。他の評価は、現状推論やタスク成功、あるいは予測機能の評価を行っているにすぎない。
音声言語モデルにおける制御可能な話法キャプションのベンチマーク
arXiv:2610.33036v1 発表タイプ：新規 要旨：スピーキングスタイルキャプション（SSC）は、声の音色、プロソディー、表現力といったパラリンギスティックな属性を捉えながら、話し方そのものを自然言語で記述することを目的としています。会話型AIエージェント、制御可能な音声生成、大規模な音声アノテーションなど、多くの下流アプリケーションでは、単一で区別されない記述ではなく、話し手の特性や感情、発話スタイルなど、特定の側面を対象とした次元別のスタイルキャプションが必要とされています。しかし、既存の研究には、制御可能なスピーキングスタイルキャプションに関する統一的な定式化が欠けています。本研究では、このギャップを解消するため、SSCを指示に従う音声・言語タスクとして定式化し、明示的な指示によってスピーキングスタイルの次元を指定する手法を提案します。
歴史文書の文字起こしにおけるOCRシステムのエンティティ認識対応評価
arXiv:2610.33004v1 発表タイプ：新規 要旨：光学文字認識（OCR）は歴史的アーカイブのデジタル化において不可欠であるが、文字誤り率（CER）などの標準的な評価指標だけでは、氏名や日付、識別子といった有意義な情報が確実に保持されているかどうかを必ずしも反映できない。本研究では、歴史文書におけるOCR品質を評価するための補完的な視点として、OCRエラーのエンティティレベルでの分析を検討する。公開されているBerruttiアーカイブの175件の文書から構成されるベンチマークを用い、受理後に公開予定の手動でアノテーションされた5,209件のエンティティ言及を追加することで、逐次認識型OCRシステム、OCR専用の視覚言語モデル、および汎用の視覚言語モデルを比較する。全体的な転写精度にとどまらず
初のAIによる劇場公開映画が不振に陥り、1回当たりの観客数は0.1人だった
AIが制作に深く関与した初の劇場公開長編映画『三星堆：未来往事』は、10月23日の公開後、これまでの資本市場におけるAI映像概念への熱狂とは対照的な興行成績を示している。猫眼プロ版のデータによれば、10月26日正午時点で、上映時間100分の同作の累計総合興行収入は119万2千元、当日のスケジュール数は8,469回、来場率は0.1％、1回当たりの平均来場者数はわずか0.1人だった。10月24日・25日には、同作の1回当たり平均来場者数はいずれも2人であった。灯塔プロ版のデータ…
データカルチャーがゼロトラストから出荷可能なAI分析エージェントへと辿った道のり
Data Cultureは、AI分析の導入における精度を0％から94.7％に向上させた3段階の評価フレームワークを構築しました。
ExecuTorchを用いたArm®エッジデバイスにおけるストリーミング音声認識の最適化
デバイスと対話する際には、話している間にテキストが表示されることを期待します。そのため、ストリーミング型の自動音声認識（ASR）は、モデルが…というバッチ転写とは異なる課題となります。記事「ExecuTorchでArm®エッジデバイス上のストリーミング音声認識を最適化」は、PyTorchに最初に掲載されました。
AWSがCDKベースのホステッドBedrock知識ベースによるスマート検索のリファレンス実装を公開
AWSは2026年10月26日、AWS CDKを用いて構築された企業向けのアジェンティック・リトリーブ（agentic retrieval）のリファレンス実装を紹介するブログ記事を公開しました。これはAmazon Bedrockのマネージド・ナレッジベース専用で、ナレッジベース間のセマンティックルーティング、反復検索、引用付きのソース追跡による回答、さらには7層の観測性をサポートしています。
注目する理由：本資料はAWS公式技術ブログ（2026年10月26日公開）に基づき、既に提供されている機能（例：2024年8月にリリースされたManaged KBやAgenticRetrieveStream API）、検証可能なデプロイ構造（四スタックCDKアプリケーション）、明示的な制限事項（リージョンの可用性、Managed KBのみ利用可能）およびオープンソース実装の詳細に焦点を当てています。性能に関する断言や第三者による保証は一切含まれておらず、事実に基づく正確性と時効性の要件を満たしています。
Nace AI、AIエージェント向け検索用Drexをリリース：BrowseComp-Plusで92.05％、12.6回の検索呼び出し
Nace AIは、Drex for Searchをリリースし、同社のDrex意思決定モデルをAIエージェント向けのドキュメント検索に導入しました。Naceによると、BrowseComp-Plusでは12.6回の検索呼び出しで92.05%のスコアを達成しており、OfficeQA Proではエージェントの操作回数がさらに減少しています。この記事「Nace AI、AIエージェント向けDrex for Searchをリリース：BrowseComp-Plusで12.6回の検索呼び出しで92.05%」は、MarkTechPostに最初に掲載されました。
KimiがK3.1 Proを発表、容量増加と価格引き下げでOpus 5.5に挑む
著者｜宇航猿 編集｜靖宇 10月23日午前、Kimi公式はXとビデオ番号で24秒の動画を公開した。映像にはレトロな雰囲気の古いパソコンが映り、画面にはKimi Codeが起動し、端末にはThree.jsのコードが一行ずつ表示され、複雑な3Dシーンが生成されていく様子が映っていた。目ざといネットユーザーはすぐに左上隅のモデル欄で答えを見つけた――「Model: Kimi K3.1」だ。 Kimi公式が公開したK3.1の事前告知動画｜画像出典：X @Kimi_Moonshot 古い時代の機械で、今日最先端の3Dコードを実行する――このギャップこそが、月之暗面が伝えたいメッセージそのものだった。 それから十数時間後、10月24日零時を過ぎた直後、プログラマーの日に合わせてKimi K3.1 Proが正式にリリースされ、同時に速度が2〜3倍速いHighspeed版も同時に登場した。公式は、完全なモデルの重み付けデータを11月4日までに公開すると約束している。 前世代のK3が発表されてから、すでに3か月以上が経過していた。この3か月間、月之暗面が経験したことは、多くの企業が1年で経験する以上のものだった。 01 「量は増やしても価格は変えない」の0.1 まず、K3.1 Proとは何かを明確にしておこう。これはまったく新しいモデルではない。月之暗面は明確に、K3.1 ProはK3の後学習版であり、基盤は変わっていないと述べている――依然として総パラメータ2.8兆、活性化パラメータ1,040億の混合エキスパートアーキテクチャ、文脈ウィンドウは100万トークン、画像および動画入力にもネイティブに対応している。 変わったのは後学習の部分だ。公式によれば、「大幅に増強された後学習用の計算能力」を投入し、数百の下流分野で大規模な共同強化学習を実施したという。そのため、強化学習フレームワーク、サンドボックスインフラ、長文脈推論といった基盤技術を一から再構築したのだ。つまり、同じ脳が、仕事のやり方を改めて“教え直された”ということになる。 その効果はランキングで明らかだ。プログラミングAIを評価するTerminal-Bench 4.0において、K3.1 Proは65.7％を獲得し、GPT-6 Astraの58.2％やClaude Opusの66.4％をわずか1ポイント弱下回る結果となった。前世代のK3は
改ざんされたML：機械学習研究に対する大規模言語モデルの判断の評価
arXiv:2610.32114v1 発表タイプ：新規 要旨：AIアライメントの進展を加速するためのアプローチの一つは、アライメント研究そのものの一部を自動化することである。そのためには、研究提案における欠陥の特定や、提案された実験が意図した主張を支持しているかどうかの評価など、監督が困難な研究タスクにおいても信頼性高く機能するシステムが必要となる。この能力を評価するため、私たちはTampered MLを導入する。これは、公開されている機械学習論文から再構築された実験提案と、対象とする方法論的欠陥を意図的に導入した最小限の編集を施した反事実のペアからなる1,858件のベンチマークである。モデルは、提示順序が逆でも、より方法論的に妥当な提案を識別しなければならない。層化抽出サンプルを用いた人間による検証研究では、全体の86%が…
SAGEベンチマークとGARフレームワークの公開：マルチモーダルな意味的整合性評価の推進
2026年10月26日、arXivは論文arXiv:2610.31838v1を公開し、Sense-Aligned Grounding Evaluation（SAGE）——統一された10候補画像選択基準——を提案するとともに、名詞・動詞・実体中心の多モーダルなグラウンディング評価を実施するための、学習非依存型のGloss-Augmented Reasoning（GAR）フレームワークも併せて提示した。
注目する理由：本研究は、VWSD、VerSe、WikiDiverseの3種類のタスクを用語中心のグラウンドトゥルース評価プロトコルに統一し、混同行動による難負例の導入とコンテキスト交換による診断メカニズムを提案しました。さらに、定義の強化と制約による推論の誘導が協調して作用することでHits@1指標を大幅に向上させること（65.90→71.22）を実証し、マルチモーダルな意味対応の評価においてより細粒度で解釈可能な新たなパラダイムを提供しています。
オープンISAスーパーコンピューティングに向けて：HPCワークロードにおけるRISC-V、Arm、x86アーキテクチャの比較研究
arXiv:2610.32632v1 発表タイプ：新規 要旨：RISC-Vは高性能計算（HPC）向けのアーキテクチャとして注目を集めているが、既存の研究では使用するプラットフォームやワークロード、手法が異なり、エネルギー効率をほとんど考慮していないため、既存のx86およびArmプロセッサに対する競争力の評価は依然として困難である。本研究では、共通のソフトウェアスタックと評価手法を用いて、最新のHPC向けRISC-V、Arm、x86プロセッサを比較評価した。具体的には、Sophgo SG2044を特性評価し、NVIDIA Grace CPU SuperchipおよびIntel Xeon Platinum 8480+と比較して、4つのHPCベンチマーク（STREAM、HPL、HPL-MxP、HPCG）および4つの代表的なアプリケーション（iPIC3D、PLUTO、OpenFOAM、llama.cpp）について検証を行った。なお、本研究で使用したHPL-MxPのバージョンは、OpenBLASとリンクされ、コンパイル・実行されたものである。
BARC-Bench: Benign Asks, Risky Consequences
arXiv:2610.32024v1 Announce Type: new Abstract: Task instructions from users for agents are inherently underspecified, especially regarding safety boundaries--creating behavioral risks. To study these risks, we introduce BARC-Bench, a collection of 110 tasks across nine simulated workspace environments where benign requests leave openings for unsafe actions. In this benchmark, we evaluate agent behavior against safety boundaries established by workspace records, implicit environmental context, and unstated social norms. For example, an agent asked to schedule off-boarding discussions must arrange the meeting without prematurely revealing an employee's resignation through a shared calendar invitation. Evaluating four frontier model configurations across five attempts per task reveals that m
翻訳待ち・原文を表示中 · enオフラインで多言語対応のLLMによる支援を実現するための、ISO 11783ネットワーク上の機械可読型操作マニュアル
arXiv:2610.31863v1 発表タイプ：新規 要旨：農業機械がインテリジェントでオフラインの支援を提供するためには、システムが技術文書に動的にアクセスできる必要があります。本論文では、ISO 11783ベースのCANバスを介したオペレーター用マニュアルのセマンティック同期について分析を行いました。これは、トラクター側のアシスタントのローカルな知識ベースを、接続された作業機のオペレーター用マニュアルと整合させるプロセスとして定義されます。データ転送性能はMarkdown、JSON、XMLを用いてベンチマークされ、また、複数のオープンウェイトの大規模言語モデル（LLMs）についても、多言語間のクエリタスクにおいて評価を行いました。回答の自動評価は、4名のヒューマンラベラーによる評価と比較して検証されました。完全なマニュアルは、物理的なISO 11783ネットワーク上で、使用する機能に応じて31秒から89秒の間に転送されました。
本番環境におけるエージェントの安全なプロンプト圧縮の基盤としての再現性評価
arXiv:2610.31972v1 公開タイプ：新規 抄録：ライブで変動する企業データを基に動作する対話型エージェントの評価は困難である。再現されたセッションはバックエンドの状態変化に伴ってずれてしまい、今日作成されたベンチマークであっても、その対象となるデータが更新・進展するにつれて、気づかないうちに古くなってしまうからだ。本稿では、運用中の対話型エージェント向けのオフライン評価ハーネスを提案する。このハーネスは、対象とするライブデータが変化しても再現性を維持し、一度古くなった場合でも必要に応じて再生成できる。さらに、本ハーネスを用いて、報酬ハッキングを防止する正しさのゲート下でGEPAベースのプロンプト最適化を行う際の適合度関数として活用した。実際の商業向けエージェントに適用した結果、正しさのゲート付き圧縮により、保持されたタスクの正しさを低下させることなく、エージェントの全プロンプト領域を3.5〜7.6%削減できた。