AI の全ニュース

OpenAIが3つの重要な科学的発見と、学術関係者との新たな協働方法を発表

長年にわたる数学の未解決問題の解法を含む数百件の原稿を一斉に公開してからわずか1か月も経たないうちに、OpenAIは数学、計算機科学、物理学におけるさらに3つの「重要な」発見を発表しました。今回異なっている点は、結果を指導するため、OpenAIが「羊飼い」と表現する外部の専門家を起用したことです[…]

投研Agentの開発者である陳万氏は、自作コードを削減し、テンセント元宝の検索APIを導入することで、財経情報の検索効率を向上させました。

2026年10月26日、新エネルギー産業チェーンの有料投研レポート作成者である陳万は、2年間にわたり維持管理してきたcleaner.py（ウェブページクリーニングスクリプト）およびsites.yaml（387件の情報源URLリスト）を削除し、テンセントクラウドがアップグレードした元宝検索API（SearchPro）へ正式に接続しました。テスト結果によれば、同APIは構造化要約、時効性の識別、権威ある情報源の区分（VRカード）、ならびに多次元検索パラメータのサポートにおいて、従来のソリューションを大きく上回り、人手による情報源の保守作業時間を深い研究へと振り向けることを支援しています。

注目する理由：本資料は、2026年10月26日にInfoQが公開した実地の技術実践レポートに基づいており、開発者の実際のワークフローの進化を包括的に示しています。具体的には、ウェブページの解析ルールや情報源のホワイトリストを手動で維持管理する段階から、専用のネットワーク検索APIを活用して自動化・検証可能かつ時効保証のある情報取得へと移行する過程を追跡しています。イベントの日時は明確に記載されており（publishedAt: 2026-10-26T14:57:35Z）、主体も明確で（陳万）、実施されたアクションも具体的です（2つのファイルの削除＋SearchProへの接続）。さらに、その効果も検証可能であり（カバレッジ率の目標達成、追加質問の減少、681msでの自動呼び出し）、技術的な詳細（パラメータ、課金体系、MCPプロトコルのバージョンなど）はすべて原文に厳密に由来しており、外部からの推測や虚構は一切含まれていません。

Import AI 478：アライメントのための数学、ProgramBench、およびMirendilがRSIの意味を示す

機械にとって「夜」とは何でしょうか？

スタンフォード大学とカリフォルニア大学バークレー校の研究者らがTokenGateを発表：トークンゲート型アテンションにより、長文コンテキストのプリフィル処理が最大11.3倍高速化

スタンフォード大学とカリフォルニア大学バークレー校の研究者らは、既存の大規模言語モデル（LLM）に適用可能なプラグアンドプレイ型の学習ベースのトークン剪枝モジュール「TokenGate」を提案しました。この手法は、精度を損なうことなく、長文コンテキストに対する初期文字生成時間（TTFT）を1.4倍から11.3倍に加速し、ピークメモリ使用量を1.5倍から3.4倍削減します。関連コードおよびチェックポイントはオープンソースとして公開されています。

グーグルのAI検索機能がオンライン出版業界に打撃：トラフィックの急減、訴訟の多発、補償メカニズムの初期探求

2024年にGoogleはAIオーバービューを導入し、2025年5月にはAIモードを開始したことで、複数の主要メディアにおけるGoogleからの検索トラフィックが顕著に減少した——『ニューヨーク・タイムズ』では、3年間で検索トラフィックの割合が44％から35.5％へ低下し、DCN加盟の19社のうち2025年5～6月には1％～25％のトラフィック減を経験した。DMG Mediaによれば、クリック率は最大で89％も低下したという。出版社らは複数の訴訟を提起したが、いずれも米国の裁判官によって却下された。その後、Googleは退会オプションの提供や情報源表示の強化に加え、400社のメディアを対象としたニュースAIパイロットおよびコンテンツ有料化のテストプログラムを開始した。

注目する理由：同報道は、GoogleのAI検索機能が出版エコシステムに与える構造的な衝撃を体系的に整理しており、タイムライン（2024年～2025年）、実証データ（第三者機関による統計）、多方面からの反応（出版社、規制当局、裁判所、非営利団体）および最新の対応策（撤退メカニズム、情報源の最適化、ライセンスおよび有料化のパイロットプロジェクト）を網羅しています。情報は密度が高く、時事性と政策的関連性も備えています。

セバスチャン・ラシュカが8本のビデオコース「ゼロから推論モデルを構築する」を公開しました

セバスティアン・ラシュカは2026年10月24日、Ahead of AI誌（magazine.sebastianraschka.com）において、全8回・総計11時間超のPythonおよびPyTorchに関する実践型ビデオ講座を公開しました。同講座では、推論モデルの評価、推論時のスケーリング、強化学習（RLVR）、知識蒸留について体系的に解説し、すべての手法を事前学習済みQwen3-0.6Bモデルを基に実装しています。

注目する理由：本コースは、著者が『ゼロから大規模言語モデルを構築する』に続いて提供する高度な技術教育コンテンツであり、現在の主流LLMの核心的な進化方向である推論能力の強化に焦点を当てています。基礎環境の構築からGRPO強化学習、自己蒸留に至るまで、一連の技術スタックを網羅しており、すべての実装が「ゼロから手書き」で再現可能であることを明示しています。そのため、高い教育効果と実践的なエンジニアリングリファレンスとしての価値を備えています。

Amazon SageMaker AIがマルチラウンド強化学習（MTRL）フレームワークを発表し、エージェントによる多段階タスクのエンドツーエンド学習をサポートします

AWSはMulti-Turn Reinforcement Learning（MTRL）機能をリリースし、ユーザーはSageMaker AI上で、ステップ単位のアノテーションなしに、タスク全体の遷移と最終的な結果に基づいて大規模モデルエージェントを訓練できるようになりました。Wordleを例に、AgentCoreのデプロイ、データ準備、PPOトレーニング、報酬設計、コスト分析に至るまで、一連のワークフローを実演しています。

MetaがMuseの共有機能を復活させた。これまではDNSによる対話リンクの露出が原因で一時停止されていた。

Metaは、セキュリティ研究者が、Museの共有リンクが命名規則とDNSの公開により機密コンテンツを容易に発見可能であることを指摘したことを受け、当該機能を一時停止していましたが、現在は調整を経て再び有効化されています。

IskayPet は、Amazon Bedrock を基盤としたホスティング型ナレッジベースを活用し、多言語対応の企業向けナレッジアシスタントを構築します。

スペインのペットケア企業IskayPetは、Amazon Bedrockを活用したマネージド・ナレッジベースを導入し、自社でRAGインフラを構築する必要なく、スペイン・ポルトガル・フランスの3カ国およびスペイン語・ポルトガル語・フランス語・英語の4言語に対応した企業向けナレッジアシスタントを構築しました。このアシスタントは、小売、獣医、オンボーディング、調達などの業務シーンをサポートします。

Flint-interactive：AIエージェント向けの対話型データ可視化プログラミング言語

マイクロソフト研究院は、表現力が高くセマンティックな対話型データ可視化を構築するための専用言語「Flint-interactive」を発表しました。この言語はコンパイラを通じて、ユーザーの操作（クリックやスワイプなど）を自動的にセマンティックなイベントにマッピングし、高レベルな演算子によってグラフ、テーブル、テキストなどの複数要素間の連動更新を駆動します。これにより、AIエージェントが信頼性の高い対話型可視化を生成する際に必要なコストと開発の複雑さを大幅に削減できます。

IBMはGranite時系列統合予測モデルを発表しました。4つのモデルをゼロチューニングで組み合わせ、堅牢なデフォルトの予測ソリューションを提供します。

IBM Researchは、オープンソースのGranite Timeseries Ensemble（v1）を公開し、PatchTST-FM-r1/r2、FlowState、Tiny Time Mixersの4種類の事前学習アーキテクチャを統合して、ゼロ・ファインチューニングによる確率的アンサンブル予測をサポートしています。デフォルトでは等重みの確率的アンサンブル（Probabilistic Ensemble）を採用しており、四分位範囲に基づく適応的重み付け（IQR Ensemble）も提供されています。GIFT-Evalベンチマーク（2026年10月20日時点のスナップショット）において、点予測誤差（MASE=0.683）は最良の単一モデルをわずかに上回り、全体的なロバスト性が顕著に向上しています。

OlmoEarth v1.3リリース：世界中の地表を対象とした高性能なオープンソースの衛星埋め込みモデル

アレン人工知能研究所は、OlmoEarth v1.3をリリースし、惑星全体で10メートルの解像度を持つ64次元および128次元の事前計算済み衛星埋め込みベクトルを提供するとともに、対話型探索ツール「Embeddings Explorer」も搭載しています。これにより、コード不要の変更検出、類似領域の検索、軽量な分類モデリングが可能になります。

AI支援による「ブラインドスキャン」超音波技術が基層の妊産婦保健を支援：多施設共同前向き研究で地域を超えた汎化能力が検証される

Googleの研究チームは臨床機関と共同で前向き多施設共同研究を実施し、低コストな携帯型プローブを用い、超音波専門医でないスタッフが操作するAI駆動の「ブラインドスキャン」超音波検査手法が、シカゴおよびナイロビの両地域において、専門家レベルの超音波生体計測と同等の妊娠週数評価精度（平均絶対誤差4.18日対4.48日）を実現することを確認しました。さらに、ローカルデータによる微調整を必要とせず、資源が乏しい地域における産前超音波検査の普及に向けた実行可能な道筋を示しています。

数学界で31年間未解決だったKLS予想が証明された：高次元幾何学とランダムアルゴリズム理論に根本的な進展

マイクロソフト研究院の研究員である張鑫志氏と共同研究者らは、2026年10月4日にKannan–Lovász–Simonovits（KLS）予想の厳密な証明を完成させ、1995年に提唱されて以来長らく未解決だった核心的な問題を解決した。この成果は、高次元の対数凹分布における「平面切断のボトルネック」に関する次元依存性のない定数評価を確立し、ランダムサンプリング、凸最適化、ならびに理論計算機科学に対して無条件の理論的基盤を提供した。

Google CloudとNVIDIAは、NVIDIA Vera Rubinインフラストラクチャの正式商用化を発表しました。A5Xインスタンスが提供開始され、大規模強化学習およびエージェント推論に焦点を当てています。

Google CloudとNVIDIAは、Vera Rubinアーキテクチャを基盤とするA5Xインスタンスを来月から正式に商用提供すると発表しました。第一弾は米国で展開され、その後欧州へと拡大される予定です。このプラットフォームは、NVL72 GPU、ConnectX-9 SuperNIC、Virgoネットワーク、および第4世代の液冷技術を統合しており、大規模強化学習や生成型エージェントの推論など、高密度な計算負荷が求められるシナリオに特化して設計されています。

NVIDIAがKumo Forecastを発表：事前学習による時系列表現、過去パターン検索、説明可能性を統合した多変量予測モデル

NVIDIAは、オープンソースの時系列予測モデル「Kumo Forecast」（旧称：NV-Tesseract Forecasting）を発表しました。同モデルはMOMENT-1-large Transformerアーキテクチャを基盤とし、直接予測とDomain-Aware Representation and Retrieval（DARR）による二重経路推論をサポートするとともに、モデル構造を変更することなく利用できる解釈可能性フレームワークを内蔵しています。

GPT-OSS-20B多言語推論の微調整実験：SFTによりゼロベースでの行動習得が可能となり、GRPOは確率ヘッド空間が存在する場合にのみ効果的に性能を向上させる

AWSチームは、Amazon SageMaker HyperPod上でGPT‑OSS‑20Bを用いた多言語推論の微調整実験を実施し、LoRAによるパラメータ効率的微調整を採用しました。SFTでは、英語・フランス語・ドイツ語・スペイン語・イタリア語の5言語における推論の言語正答率を22％から100％に引き上げましたが、回答言語の正答率は62％にとどまりました。GRPOはこれを踏まえ、回答言語の正答率をさらに70％まで向上させましたが、推論言語の性能には影響を与えませんでした。ただし、その効果は言語によって異なり、例えばスペイン語では30ポイント上昇する一方で、イタリア語では20ポイント低下しました。実験は、GRPOがゼロから新たな能力を創出することはできず、既存の偶発的な振る舞いを最適化するにすぎないことを明確に示しています。

PyTorch 2.15 は MPS を正式にサポート：FP8、MoE の高速化、および Metal カーネルが全面的にアップグレードされました

PyTorch 2.15 は、Apple Silicon Mac に重大な MPS バックエンドのアップグレードをもたらし、macOS 上で初めて FP8 テンソル演算をネイティブにサポートします。また、MoE モデルのデコード速度が 5～6.5 倍に向上し、ビデオ VAE のデコードにおけるピークメモリ使用量は 270 GiB から 8 GiB へと大幅に削減され、さらに多数のオペレーターが MPSGraph から専用の Metal カーネルへ移行されました。

「私たちはずっと誤解していた」：Goodfireの研究者がニューラルネットワークの説明可能性に関する新たな視点を提示し、AI界に衝撃を与える

Goodfireの研究者ニック・カマラタ氏は、2万6千語に及ぶ長文を公開し、大規模言語モデル（LLMs）の内部メカニズムは、学界の予想をはるかに上回るほど構造的で理解しやすい可能性があると主張している。その核心的な論点は、Inception v1などのモデルにおける「多義ニューロン」の再解釈に基づいており、たとえば「猫と車を同時に活性化するニューロン」は、無秩序な重複ではなく、V字型の視覚パターンに応答するものであるという見方を示している。なお、この見解は現行のLLMにおいて体系的な検証がまだ行われておらず、スタンフォード大学のクリス・ポッツ氏やAlignment Research Centerのジェイコブ・ヒルトン氏らによって、その普遍性および技術的深さについて疑問が呈されている。

グーグルの研究がAIエージェントの実世界における実験室への定着を推進：自律的なバイオロジー発見を支える三大技術的基盤の構築

グーグル・リサーチは、VERIDデジタルツインフレームワーク、閉ループアプタ発見システム、標的エピトープ除去タンパク質の設計プロセスという3つの重要な技術進展を発表し、AIエージェントが実際の湿式実験室において、追跡可能で検証可能、かつ自己反復可能な分子発見の閉ループを実現する道を開きました。