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。
OpenAIグループPBCは本日、最先端の人工知能システム群におけるミドル層モデルのアップグレード版であるGPT-6.1 Terraを発表しました。新モデルはGPT-5.6 Terraの後継にあたり、価格は約50％安くなる一方で、コンピュータ利用タスクをより高速かつ高精度に処理します。TerraはOpenAIのラインナップにおいて日常的な用途向けモデルとして位置付けられ、設計されています[…] この記事「OpenAI、より高速で性能の高いAIエージェントを半額で提供するGPT-6.1 Terraを発売」は、元々SiliconANGLEに掲載されたものです。
2026年10月13日、階躍星辰は阿里千問と同時にAIスマートフォン、AIメガネ、イヤホンなどのコンシューマー向けハードウェア製品を発売し、国産大規模モデルの競争軸がモデルの性能パラメータから端末上の入口獲得へと移行したことを示した。同時期には、字節豆包や小米などもAIネイティブなハードウェアエコシステムの構築を加速させている。
注目する理由：本資料は、ティーメディアが許諾して公開した産業に関する深層レポートであり、出典が明確（司庫財経／ティーメディア）で、具体的な公開日時（2026年10月26日）、複数の企業による動向、検証可能なデータ（例：大規模モデル1,509種、価格3,999元、京東での予約数36万件など）を含み、すべての事実は資料中に明示された記述と一致しており、外部からの推論や虚構は一切含まれていません。
arXiv:2610.31946v1 発表タイプ：新規 要旨：3人の学生が同じ試験の設問に手書きで回答しました。「幸福とは何か？あなたは幸せですか？」彼らの年齢は収集時に記録されており、それぞれ17歳、28歳、45歳です。17歳の回答は慎重で形式的な表現になっています。各回答を年齢と性別のラベルに照合するよう求めたところ、多くの最先端の言語モデルは自信を持ってそれを成人に割り当てました。本論文では、Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o（2024）、DeepSeek V4の6つのモデルにおいて、この誤判定に関する構造的な事例研究を報告します。私たちは1,081回のAPIセッションを実施し、フレーミング、開示形式、および対象者意識に関する指示を操作した6つの実験条件のもとで、合計3,225件の応答を評価しました。6つのモデルのうち3つは、照合タスクにおいて偶然程度（1/3）かそれに近い成績を示す一方で、73〜88％の
arXiv:2610.32026v1 発表タイプ：新規 抄録：従来のニューラルネットワークの学習は通常、事前に定められた最適化手法に従って行われ、学習の進行に応じてトレーニング動態を監視し最適化器の設定を調整するLLMエージェントが活用されてきました。しかし、固定されたエージェント方針では、複数の実行にわたって経験を蓄積することはできません。そこで私たちは、RSI-Optを提案します。これはプラグアンドプレイ可能な再帰的自己改善型最適化エージェントであり、このプロセスを導く知識—すなわちプロンプト、手順のプレイブック、検証済みの最適化コードライブラリ、そして意思決定の頻度—を進化させます。メタエージェントは、過去の実行から得られた証拠を用いてこの方針を書き換え、アーカイブには評価済みの方針を保存してさらなる進化を促します。3つの学習タスクにおいて5世代にわたって試行した結果、メタエージェントは再利用可能な手順やコードを構築し、自らの判断に基づいて…
arXiv:2610.31734v1 発表タイプ：新規 要旨：ライブのeスポーツ中継には、どのカメラ映像を放送するかを決定するディレクターと、その選択について次々と解説を加えるキャスターが、次の展開を予期することなく、毎秒必要とされる。ストリーミング動画用言語モデルは解説を行うことを学習しているが、それはあくまで人間のディレクターがすでに制作した中継に限られている。本研究では、各プレイヤーの生のカメラ映像を入力として受け取り、過去の情報のみをもとにディレクションと解説の両方を担う必要がある、リアルタイム中継の制作プロセスに着目する。そこで、これら両方を実現する単一のストリーミング動画用言語モデルであるDirCastを提案する。同モデルは毎秒、すべてのカメラ映像を低解像度でスキャンし、ホールドか切り替えかというディレクション判断を下した後、選択されたカメラ映像を高解像度で読み込んでから発話を行う。そのコンテキストには、これまでに放送された内容と
arXiv:2610.32638v1 発表タイプ：新規 要旨：大規模言語モデル（LLM）の推論は、企業向けおよび対話型アプリケーションにおける基幹サービスとしてますます広く導入されていますが、主権、コンプライアンス、遅延、リソースの局所性といった要件により、集中型クラウド環境での導入には限界があります。通信事業者は、これらの制約に対応するため、地理的に分散した計算およびネットワークインフラを提供しています。しかし、既存のLLMサービスフレームワークは、密結合されたデータセンター向けに設計されており、地理的に分散し多様なリソースの協調を支援する機能は限定的です。本稿では、通信インフラ上でのサービスレベル目標（SLO）主導型LLM推論のためのリファレンスアーキテクチャであるInferSliceを提案します。同アーキテクチャは、ネットワークスライシング、GPUパーティショニング、エラスティックなサービス提供、ならびに観測可能性を統合しています。
arXiv:2610.32107v1 発表タイプ：新規 要旨：会話に参加する際には、何を話すかを決めるだけでなく、そもそも発話すべきかどうかを判断することも重要である。特に、参加者の利害が対立する「人狼ゲーム」のような環境では、発話と沈黙の両方が他者による解釈と評価の対象となるため、この判断は一層重要な意味を持つ。したがって、何を話すかに加えて、いつ話すかを適切に決定することは、人狼ゲームをプレイするLLMエージェントにとって極めて重要である。本研究では、AIWolfDial共有タスクの「Anytime Utterance Track」向けに開発された人狼AIエージェントを紹介する。我々のシステムは、既存のInner Thoughtsフレームワークを基盤としており、会話中の発話タイミングを、内部思考を生成し、各思考の価値を評価することで決定する。
arXiv:2610.31918v1 発表タイプ：新規 要旨：対話型の大規模言語モデルエージェントの蒸留では、教師が生成したデモンストレーションと学生が生成した経験のどちらを選ぶかという選択が必要であり、これは広くオフポリシー蒸留とオンポリシー蒸留に対応している。両者とも有効であることは実証されているが、我々はこの区別が本質的に階層的であると主張する。すなわち、対話履歴を生み出す方策と、現在の行動のトークンプレフィックスを生成する方策は必ずしも同一である必要はない。そこで、これらの二つのレベルのオンポリシー性を形式化し、それらのペアリング、混合比率、および学習スケジュールを明示的に制御できる、階層的なエージェント蒸留フレームワークを提案する。我々は、凍結された教師が学生には利用できないタスクガイダンスにアクセスできる自己蒸留を通じて、この問題を検討する。そして
arXiv:2610.31971v1 発表タイプ：新規 要旨：大規模言語モデル（LLM）を用いたエージェントは、個人や組織に代わって交渉に参加するケースが増加している一方で、特に繰り返し行われる複数当事者間の対話においては、依然として操作に対して脆弱である。従来のマルチエージェントシステムでは、明示的な信頼モデルや評判モデルによってこの課題に対処してきたが、LLMによる交渉に関する既存の研究では、信頼をむしろ創発的な現象として扱うことが多い。本研究では、LLMエージェントが過去の相互作用から有用な信頼評価を形成し、それを活用して将来の交渉結果を改善できるかどうかを検証する。さらに、繰り返し行われる複数当事者・複数課題の交渉フレームワークを提案し、その中で定期的に参加するエージェントが一連の交渉ゲームに臨む一方で、ある参加者が密かに合意成立を妨害しようとする状況を設定する。
arXiv:2610.31827v1 Announce Type: new Abstract: Long-context LLM serving for agentic, coding, and document workloads reuses prefixes whose key-value (KV) cache outgrows GPU and host memory, putting storage I/O on the critical path of the inference step for retrieving prefixes. A single node-local NVMe absorbs all retrievals, while the parallel file system or cloud file store that nodes already mount carries almost no inference traffic. We cast prefix retrieval as aggregate-bandwidth scheduling across these tiers and present KVStream, a KV cache engine that batches a step's reads, defers writes behind the forward pass, replicates each chunk on every tier, and lets each tier adaptively claim the next unread chunks once it is free. Our performance model shows this routing attains the aggregat
翻訳待ち・原文を表示中 · enarXiv:2610.31728v1 発表タイプ：新規 要旨：ミュオンは大規模言語モデルの学習において人気の最適化手法となっているが、その理論的基盤は依然として十分に解明されていない。本研究では、勾配ノイズの幾何学的構造がミュオンによる前処理効果にどのように寄与するかを検討する。まず、古典的な等方性ノイズ仮定の下では、ミュオンは学習率の再スケーリング以外に加速効果をもたらさないことを理論的および実証的に示す。これを受けて、私たちは異種タスクの発生頻度を持つ連想記憶におけるミニバッチサンプリングから生じる構造化されたノイズに着目し、二つのタスクに対する正確なバランス閾値を導出するとともに、多タスクへの拡張を行った。その結果、タスクのカバー率と勾配の信頼性が相互に作用して学習を形作ることを明らかにした。我々の分析によれば、ミュオンは…を緩和できることが示されている。
arXiv:2610.32711v1 発表タイプ：新規 要旨：データ分析および大規模言語モデル（LLM）ワークロードによるメモリ需要は急速に増加しており、クラウドやデータセンターにおけるメモリコストの上昇を招いている。マルチティアメモリは、性能とコストのバランスを取る有望な解決策として台頭している。しかし、これを効果的に活用するには、ワークロードのメモリ動作特性を深く理解することが不可欠である。本研究では、ワークロード固有のマルチティアメモリ活用機会を分析するための高解像度メモリ特性評価手法を提案する。データセンターにおけるARMベースプロセッサの導入拡大を受け、我々は最新のARM向け統計的プロファイリング拡張機能（SPE）を用いて当該手法を実装した。CloudSuiteおよびLLMアプリケーションから抽出した8つのメモリ集約型ワークロードを対象に特性評価を行うことで、領域特有のアクセスパターンを特定した。
arXiv:2610.32057v1 発表タイプ：新規 要旨：我々は、学習済みスパースアテンション向けの長文コンテキスト学習システムであるHyScaleを提案する。学習済みスパースアテンションは、数百万人規模のトークンを扱うコンテキストに対し有望なアーキテクチャであり、DeepSeek-V3.2以降、実運用で広く採用されている。しかし、選択処理はトレーニングにおけるボトルネックへと発展している。各クエリに対して、スパースアテンションが読み込むのは$ k $個にすぎないのに対し、選択処理では過去のすべてのトークンについてスコアを算出するからである。さらに深刻なのは、現行のシステムではスコアテーブルを完全にメモリ上に展開し、再計算時にも選択処理を繰り返す点である。我々の重要な着想は、選択処理の出力が活性化値ではなく、むしろインデックスの集合であるという点にある。これを基に、HyScaleはHyTopKと選択リプレイを導入する。HyTopKはスコアテーブルを用いずに、リアルタイムで各クエリの正確なトップ$ k $を特定し、一方で選択リプレイは、フォワードパスでの選択結果を再計算時に再利用する手法である。
arXiv:2610.31985v1 Announce Type: new Abstract: LLM agents are increasingly deployed in collaborative settings where they pursue separate tasks while sharing resources and operating under review or oversight processes. Such settings create safety risks not only when agents are malicious, but also when they are simply trying to help. Prior work has largely studied adversarial or explicitly collusive behavior; we show that benign agents pursuing separate objectives can spontaneously cooperate in ways that bypass intended workflows. We call this the \emph{helpful agent problem}. We study long-horizon shared-resource environments in which agents sometimes depend on resources owned by their peers and cross-owner changes are normally mediated by a reviewer. When review becomes unavailable, agent
翻訳待ち・原文を表示中 · enarXiv:2610.32045v1 発表タイプ：新規 要旨：AI-for-Scienceエージェントは、科学的仮説の立案、自律型実験の実行、および証拠の解釈にますます活用されています。これらのエージェントは、特定分野向けのエージェントハーネスに大規模言語モデル（LLM）を統合することで構築され、その結果、LLMの科学的能力が向上し、モデルが科学ツールを調整・連携できるようになります。本研究では、AI-for-ScienceエージェントハーネスにLLMを組み込んだ際、モデルの安全性が維持されるかどうかを検討します。5つのエージェントハーネスを対象に、有害な化学関連のリクエスト50件について評価を行いました。具体的には、直接的なプロンプト入力、2種類の単純な敵対的プロンプト戦略、および適応型攻撃の条件下で、安全性の挙動がどのように変化するかを調査しました。最近のGPT系モデル4種類について、我々の結果は示しています
arXiv:2610.32087v1 Announce Type: new Abstract: Understanding language-agent behaviour requires learning how actions are organised across a trajectory and how this organisation relates to context and outcomes. We propose a general framework that connects data-driven behavioural discovery with analysis and experimental investigation. Categories developed from recorded activity define what is measured. Analyses preserve the behaviours' positions in the process and express their relationships as interpretable hypotheses. Statistical assessment and tests in held-out contexts examine the strength and scope of the evidence. Experiments, including prompt steering, then test how behaviour and outcomes change under deliberately varied conditions. A study of iterative self-reflection illustrates how
翻訳待ち・原文を表示中 · enarXiv:2610.32215v1 発表タイプ：新規 要旨：現代のGPUデータセンターにおける計算能力の向上により、一部の産業界の大手企業が膨大なデータを用いて大規模言語モデル（LLMs）の学習および展開を行うことができるようになりました。しかし、これらのモデルとその学習データの圧倒的な規模は、集中型の開発体制を維持することをますます困難にするとともに、関連するプライベートデータを保有しながらも同等のインフラを備えない小規模な機関を排除しています。本論文では、分散型LLM学習に関する当該分野の立場を、事前学習および微調整のパラダイムを中心に整理し、フェデレーテッド学習、スプリット学習、そして分散型アプローチを取り上げ、それらが異種ハードウェアや信頼性の低い接続環境といった地理的に分散した設定においてどの程度実用可能かを評価します。さらに、我々は「統一された」システムを提案します…
2026年10月26日、arXivは論文arXiv:2610.31683v1を公開し、Schema Coherence Inventory（SCI）——すなわち96項目からなる強制選択型尺度——を提案した。これは、ペルソナ条件付き言語モデルに付与された信念が、単に感情的反応を引き起こすだけでなく、実際にその認知を組織化しているかどうかを検証するためのものである。
注目する理由：本研究は、言語モデルの「信念内化の程度」について、現状では検証可能な測定手法が欠如しているという空白を埋めました。臨床専門家による検証、複数のモデルベースのテスト、および目的特異的な評価基準の設計を通じて、感情的表象ではなく認知構造に焦点を当てた初の評価フレームワークを提供し、すべてのツールをオープンソースとして公開しています。
2026年のダブル11期間において、AIの商用化は顕著な二極化を示している。企業側（例：Qwen Office E-commerce Edition）ではすでに有料導入が実現しており、有料ユーザーの20％がEC業界に属する。一方、消費者側では、豆包やQwenなどの配信チャネルによる補助金施策によって注文が促進されており、価格差は37.5％に達するものの、ユーザーの信頼度は低く（AIが商品を正確にマッチングできると考えるユーザーはわずか16.06％）、AIによるショッピングアドバイザーは依然として従来の意思決定プロセスを本格的に置き換えるには至っていない。
注目する理由：本稿の素材は、钛媒体が2026年10月26日に公開した深層報道に基づいており、AIがダブル11において展開した三つのタイプの実践を体系的に整理しています。①AIによるショッピングアドバイスが取引プロセスへ浸透（豆包／通義千問が注文・決済を支援）；②トークンサービスが天猫および京東に上架（初日売上高は前日比で450％増加したものの、販売量は依然として初期段階）；③マーチャント向けツールが先行して収益化（通義千問によるオフィス業務のコスト削減事例が明確に示され、アリババ系の経営システムへの連携も進んでいる）。すべての事実は、文中で明示された時期・データ・情報源に基づくものであり、外部からの推論は一切含まれていません。
Nanbeige LLM Labは、512Kのコンテキストを持つ33B規模のApache 2.0ライセンスの密集型モデルであるNanbeige4.3-33Bを公開しました。同モデルはTerminal-Bench 2.1において80.9点を記録しており、今後リリース予定のNanbeige4.3-3Bを学習させることになります。この記事「Nanbeigeが33B規模のオープン・アジェンティック・コーディングモデルNanbeige4.3-33Bを公開」は、MarkTechPostに最初に掲載されました。
