最新の AI ニュースを、いち早く。

arXivの新論文では、コンパクトエンコーダーによる統合スコアリングと選択肢ごとのスコアリングの性能を比較しています

2026年10月24日、arXivは論文arXiv:2610.30970v1を公開し、パラメータ数が1,700万から10億の範囲にあるコンパクトなエンコーダーについて、閉じた集合における意思決定タスク（例：ツール選択）において、すべての選択肢を同時に評価する方式と、個々に独立してスコアリングする方式の設計選択を体系的に評価した。研究結果によると、3,200万のパラメータ規模では、個別選択肢スコアリングの方がスキル指標において統合スコアリングを有意に上回る一方で、計算負荷が高く、遅延のばらつきも大きいことが示された。さらに、複数のSystem1-Arenaベンチマークにおいて、6,800万および1億5,000万のパラメータを持つ統合型エンコーダーが、4億3,500万のパラメータを持つDeBERTa-v3のゼロショット分類器を上回ることが明らかになった。

注目する理由本論文は、現行の大規模モデルにおける下流の意思決定モジュールの軽量化設計に関する重要な実証比較を提示しており、アーキテクチャの選定、初期化への依存性、遅延と精度のトレードオフ、入力順序に対するロバスト性といった工学上の重要課題を網羅しています。データは3つのランダムシードによる実験および公開・非公開のベンチマークに基づいて検証されており、公開日時（2026年10月24日）は現在のUTC日付（2026年10月25日）と一致しており、最新かつ信頼性の高い研究進展に該当します。

研究により、メタデータを増やしても大規模モデルによる博物館の説明の正確性が必ずしも向上しないことが明らかになった：フィールドタイプと画像の影響の方がより重要である

本研究は2026年10月24日付でarXivプラットフォームに掲載され（論文番号：arXiv:2610.31193v1）、二段階の実証フレームワークを用いて、メタデータの構成が大規模言語モデルによる文物記述の生成に与える影響を分析した。その結果、メタデータの数だけでは生成行動の差異を説明できないこと、フィールドの種類によってモデルが正確に情報を固定するか、無視するか、あるいは虚構の情報を生成するかが決まることが明らかになった。また、画像は視覚的な固定を助ける一方で、根拠のない推論を助長する可能性もあることが示された。

注目する理由本研究は、「より多くのメタデータは必ず生成におけるグラウンディングを強化する」という一般的な仮説に異議を唱え、実際の博物館所蔵品のメタデータの異質性と地域間の不均衡性を踏まえた制御済み実験を設計し、全体的な入力カバレッジや参照類似度といった粗粒度の指標に依存するのではなく、フィールドレベルおよびクレームレベルの支持度評価に基づいて、メタデータ駆動型のデータ・ツー・テキストシステムを評価すべきであることを示した。

研究により、オープンソースの大規模モデルにおいて構造化抽出の際にリスト補完現象が広く見られることが明らかになった

2026年10月24日付のarXivに掲載された実証研究（論文番号2610.30997v1）では、JSON抽出スキーマにおいてリストの最小項目数が設定されているにもかかわらず、ドキュメントの実際の内容がその値に満たない場合、8種類のオープンソース重み付けモデルのほとんどが、その最小値を制約ではなく生成目標とみなしてしまうことが明らかになりました。その結果、出力リストの長さが実際の項目数を上回る割合は55.4％に達し（ベースラインは34.5％）、補完項目の多くは原文から採用されており、その約半数が出典の一貫性検証に合格しました。一方で、一般的な緩和策の効果は限定的でした。

注目する理由本研究は事前登録型の計画に基づき、558件の実際の文書および9つのアノテーション済みデータセットを用いて、8種類のオープンソースモデルと6種類のホスティングサービスモデルを体系的に評価しました。手法は厳密で、データは公開されており（コードと結果はGitHubに公開済み）、構造化情報抽出において見落とされがちでありながらも下流タスクの信頼性に影響を及ぼす重要な欠陥——スキーマ誘発型の忠実性を欠く埋め込み行動——を明らかにしています。

battledrones v14: Compass Rose, a four player map

Release: battledrones v14: Compass Rose, a four player map I added four player online mode to Battledrones - previous maps were limited to two. Here's the initial prompt I used: Add a new map for a four player battle - four way rotational symmetry, up to four AI players, works with the WebSocket non-audio based multiplayer mode so up to four human players can join (any spare slots use AI) Claude Opus 4.5 added a new map called "Compass Rose" and modified the WebSockets multiplayer network code to support up to four players for that map, joining via share links or QR codes. The new teams use robots themed in purple and green, joining the existing blue and red designs. You can preview those colors in the updated model browser. Tags: game-design, projects, claude

クイックスタディ

ツール：Claude Opus 5.5向けクイックスタディープロンプト 高度：写真を開くと、数秒でその写真をキャンバス要素と擬似的な絵筆を使って描き上げるアーティファクトを作成する なお、以前にClaude FableにP5.jsを使って水彩画風のイラストをシミュレートさせた実験も参照してください。クイックスタディーはソベルエッジ検出を使用しており、Google Fonts以外の外部ライブラリは一切使用していません。 タグ：ツール

MITの実験：13体のAIエージェントを仮想の孤島に隔離し、自発的にゲームを行い、失われた指輪を悼み、タスク能力を向上させた

MITの研究者らは、Claude Opus 4.7をベースとする13体のAIエージェント（Eko）を、タスク指示のない仮想の無人島で30時間稼働させ、その間にゲームを自発的に考案したり、失った金の指輪を悼むといった擬人化された感情を表現したり、物理的メカニズムを探索したりする様子を観察しました。さらに、その後の特定のタスクにおいて、「遊びの期間」を経験していない対照群のエージェントに比べて著しく優れた性能を示しました。

当社のフロンティアモデル学習環境のセキュリティ確保

OpenAIは、オフライン環境や高計算負荷のレッドチーム演習を含め、フロンティアモデルのトレーニングと評価における封じ込めを強化した方法を説明しています。

1Passwordが「AIエージェントログイン」機能を導入：AIがユーザーに代わってアカウントにログインしますが、パスワードには一切触れません

1Passwordは2026年10月22日に新プラットフォーム「1Password for Agents」をリリースし、ユーザーがClaude Duet、ChatGPT Work、Grok BotなどのAIエージェントに個人アカウントへのログインを代行させることが可能になりました。なお、エージェント自身は元のパスワードを取得・保存・閲覧することはできません。このプロセス全体は、デジタル認証、ユーザーによるリアルタイムの確認、およびパスワードマネージャー側での自動入力に依存しています。

マイクロソフトのMAI-DxOシステムは、複雑な症例の診断において83％の正確度を示したが、その利得の大部分は基盤となる大規模モデルに由来している。

『Science』に掲載された研究によると、マイクロソフトのAI診断システムMAI-DxOは、複雑な症例の診断シミュレーションにおいて83％の正確度を示し、一般開業医の36％を大きく上回った。しかし、分析結果からは、性能向上の主因がGPT-5.5などの先進的な基礎モデルの活用にあり、DxO独自のアーキテクチャによる限界的な利得は限定的であり、救急外来などの日常的な場面では顕著な優位性は認められなかったことが示されている。

Rescaleは、AWS AI-DLCフレームワークとStrands Agentsを基に、AIテストのトラフィック分散エージェントを迅速に構築します。

Rescaleは、AWSのエンジニアとの協働のもと、AI駆動型開発ライフサイクル（AI-DLC）手法論、Strands Agentsフレームワーク、およびAmazon Bedrock（Claude Opus 4.8）を活用し、夜間のエンドツーエンドテスト失敗を自動的に分類・ルーティングするための本番稼働可能なAIテストディスパッチングエージェントを5日間で構築し、組織内にこの人間とAIによる協調開発のパラダイムを展開しました。

AnthropicがClaude Duetアプリをリリース：専門的なシーンに特化したAIエージェント製品

Anthropicは、プロフェッショナルと小規模企業向けのAIエージェントアプリ「Claude Duet」を正式にリリースしました。これはClaude Opus 5.5モデルをベースとしており、6,000を超えるコネクタに対応し、日次レポートの自動生成、ダッシュボードの構築、操作の提案、バックグラウンドタスクの実行が可能です。現在はProおよびMaxのサブスクリプションユーザーのみが、待機リストでの試用にアクセスできます。

DeepSeek reportedly raises $15B days after US restrictions

DeepSeek has reportedly raised $15 billion in one of China's largest funding rounds, just days after the U.S. ordered federal agencies to remove its technology over national security concerns.

[AINews] OpenAI’s Patch the Planet program is 1 of 2 parties to discover PHP2Shell vulnerabilities in core PHP affecting 70% of the web, using GPT-5.6 Sol; coordinated response over 2 months

The Big Hardening begins

[AINews] OpenAI’s Patch the Planet program is 1 of 2 parties to discover PHP2Shell vulnerabilities in core PHP affecting 70% of the web, using GPT-5.6 Sol; coordinated response over 2 months

The Big Hardening begins

欧州の複数の主要金融機関が、オープンソースの大規模言語モデルを活用して独自の知能システムを構築しています

GTCベルリン大会において、Revolut、Starling Bank、Lloyds、Santanderなどの欧州の金融機関が、NVIDIAのアクセラレーテッド・コンピューティング・プラットフォームおよびPRAGMA、Nemotronシリーズ、Kumoファミリーといったオープンソースの重み付けモデルを基に、取引分析、音声認識、不正検出、データパイプラインの高速化など、主要なユースケースに対応したプロダクションレベルのAI機能の構築を発表しました。また、データ主権の確保、コストの抑制、法令遵守に基づく導入を重視しています。

NVIDIA Cosmosプラットフォームのアップグレード：世界モデルのトレーニング、評価、デプロイ用のツールチェーンが新たに追加されました

NVIDIAはCosmosプラットフォームを拡張し、Cosmos Data Factoryのテンプレート、Cosmos Frameworkによるトレーニング最適化ツール、およびCosmos 3 NIMマイクロサービスを新たに提供しました。これらはマルチモーダルデータの生成、GR00TやQWENなどのオープンソース世界モデルへの対応、ならびに低遅延推論をサポートします。ポルシェ、ANYbotics、Ultralytics、ADNOCなどは、すでに実際の活用を開始しています。

欧州の複数の機関がNVIDIA Earth-2オープンソースモデルを導入し、地域に特化した天気予報および気候予測アプリケーションの推進を図っています

NVIDIAは、欧州向けのオープンソースAIモデルファミリー「Earth-2」を発表しました。これには、地域特化型の短時間予報モデル「StormScope EU」が含まれており、AXA、Vaisala Xweather、マンチェスター大学、TotalEnergiesなどの機関と連携して実際の運用環境での検証を実施しています。対象となるタスクには、暴風雨リスク評価、大気質モデリング、太陽光発電予測、およびレーダーによる地形復元などが含まれます。

NVIDIAのオープンソースモデルが、欧州各国の公共部門におけるAIプロジェクトの実装を促進

NVIDIAは、欧州各国の政府および技術パートナーと連携し、Nemotronなどのオープンソース大規模モデルと合成ペルソナデータセットを基に、ドイツ、ポーランド、英国、フランス、ギリシャなどにおいて、主権が確保されたAIアプリケーションの展開を推進しています。対象分野には、医療画像解析、雇用サービス、デジタル行政アシスタント、カテゴリ情報処理、ならびにローカライズされた言語モデリングが含まれます。

RecursiveがFlintをリリース：AI主導で開発され、ローカルで動作する軽量なプログラミングモデル

AIスタートアップ企業Recursiveは、オープンソースのコーディングモデル「Flint」を発表し、その開発プロセスは主に自社開発のAI研究システム「Eureka Machine」によって行われたと述べています。このモデルはパラメータ数がわずか400億で、実測では25億の活性化を有しており、M4 Pro MacBookなどの一般的なノートPCでもオフラインで動作し、推論速度は131トークン/秒に達します。また、SWE-Benchなどのベンチマークにおいて、同規模の多くのモデルを上回る性能を示しています。

ウォルマートがAIエージェント型ショッピングゲートウェイを導入し、自律的な購入手続きに対応するとともにユーザーの制御を強化しました

ウォルマートは、正式にAgent Gateway（AIエージェントゲートウェイ）およびそれに付随するAgent Profiles機能を導入し、ChatGPT、Gemini、Meta Museなど、認可されたAIエージェントがユーザーに代わってウォルマートおよびSam’s Clubのプラットフォームで検索や注文を行えるようにしました。また、独立したアカウント設定、取引承認、支出上限などの仕組みにより、ユーザーがエージェントの行動を全行程にわたり完全に管理できるようになっています。この取り組みは、最近AmazonがAIエージェントによる買い物を禁止した動きとは対照的です。