2026年5月25日のarXiv cs.CL新着で、LLMエージェントの「スキル」利用を評価する論文、OpenSkillEvalが掲載された。ここでいうスキルとは、モデルの重みそのものではなく、プレゼン作成、Webデザイン、可視化、レポート作成のような作業をうまく進めるために整理されたワークフロー指示のことだ。最近のエージェント開発では、モデルを入れ替えるだけでなく、外部ツール、プロンプト、テンプレート、手順書を組み合わせて性能を上げる流れが強まって... もっと見る
2026年5月25日のarXiv cs.CL新着に、ARES: Automated Rubric Synthesis for Scalable LLM Reinforcement Learning が掲載された。著者はXiaoyuan Li、Keqin Bao、Moxin Liら8名で、コメント欄では「Under Review」とされている。派手な新モデルではないが、LLMのポストトレーニングでいま深刻になっている「検証可能な答えがないタスクを、どう強化学習する... もっと見る
2026年5月24日、Hugging Face上でNiels Rogge氏が、復活版PapersWithCodeの新機能を告知した。これは新しい基盤モデルの発表ではない。しかし、LLM研究を追ううえではかなり重要な「研究インフラ」のニュースだと思う。発表によれば、復活版はSOTA、つまり各タスクの最先端結果を、エージェント、コンピュータビジョン、時系列予測など複数領域で追跡することを狙っている。今回追加されたのは、ベンチマークごとの複数指標対応、arXiv以外の外部発表の登録... もっと見る
直近24時間内にニュース化された生成AI関連トピックとして、24 AIが2026年5月23日に取り上げた MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems を選びたい。原論文そのものはarXivに2026年5月21日投稿なので「論文初出」は少し前だが、今回のニュース価値は、自己改善型エージェントの議論を「記憶」「プロンプト」「スキル」から、より... もっと見る
今回取り上げたいのは、NVIDIA系の研究者らによる Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention。Hugging Face Daily Papersでも5月22日の注目論文として掲載されていた、線形注意機構の新しい提案だ。見出しだけ見ると地味だが、長文コンテキスト時代のLLMで何がボトルネックになるかを考えると、かなり本質的な方向を向いている。([huggingfa... もっと見る
2026年5月22日のarXiv新着で目を引いたのは、MIT、MIT-IBM Computing Research Lab、Sakana AIなどの著者による Vector Policy Optimization: Training for Diversity Improves Test-Time Search だ。テーマは一見すると強化学習の細部だが、実際には「LLMをどう訓練すべきか」という前提を少しずらす論文である。従来のRLHFやGRPO的なポストトレーニン... もっと見る
2026年5月23日、NVIDIAがHugging Face上で「Nemotron-Labs-Diffusion」を公開した。3B、8B、14Bのテキストモデルに加え、8B規模の視覚言語モデルも含むファミリーで、base版とinstruction-tuned版が用意されている。モデルはHugging Face上で公開され、学習レシピもMegatron Bridgeのリポジトリで提供されている。([huggingface.... もっと見る
2026年5月22日のarXiv更新枠で、実務寄りのエージェント設計にかなり示唆的な論文が出ている。タイトルは「Compiling Agentic Workflows into LLM Weights」。主張を一言で言えば、LangGraphやCrewAIのような外部オーケストレーターで毎回ワークフローを制御するのではなく、手順そのものを小型LLMの重みにファインチューニングで“コンパイル”すれば、近い品質をより低コストで出せるのではないか、というものだ。arXivページでは投... もっと見る
2026年5月21日にarXivへ投稿された論文「One prompt is not enough: Instruction Sensitivity Undermines Embedding Model Evaluation」は、RAGや検索システムの土台になっている埋め込みモデル評価に、かなり実務的な疑問を投げかけている。主張はシンプルだ。Instruction-tuned embedding modelを、タスクごとに固定された単一プロンプトだけで評価すると、そのスコアは... もっと見る
2026年5月22日のarXiv cs.CL新着で、Mirac Suzgun、Emily Shen、Federico Bianchi、Alexander Spangher、Thomas Icard、Daniel E. Ho、Dan Jurafsky、James Zouらによる「Evaluating Commercial AI Chatbots as News Intermediaries」が公開された。所属はStanford Universit... もっと見る
本日は生成AI時代のチェックに取り組みました！
QXAIの音声の出力が安定してきたなと思いました！修正音声も同じMITSUKIが話しているようで違和感なく繋げられます。音声スピードが少し揺れたりはまだあります🙇♀️
あと、音声最後にブツっとキレてしまうこともたまにあります
(毎回じゃない)(ナレーションの後に何か余分にテキスト入力すれば改善します)
謎の風邪が流行っているとニュースで話題になっていましたが、旦那がまさに謎の風邪にかかってしまいました。
血液検査で、白血球とタンパク質の値から、ウィルスの可能性が高いけど、何かは分からないから抗生物... もっと見る
2026年5月21日、Alibaba Cloud / Qwenチームが新しいフラッグシップモデル「Qwen3.7-Max」を発表した。今回の発表で見るべき点は、単にベンチマークの点数が上がったことではない。Qwenチーム自身がこのモデルを「agent era」向け、つまりAIエージェントの基盤モデルとして位置づけている点にある。公式説明では、コード生成・デバッグ、オフィスワークフロー自動化、数百〜数千ステップにわたる自律実行を主用途としている。([al... もっと見る
2026年5月20日、GoogleはGoogle Marketing Live 2026で、Geminiを使った新しい検索広告フォーマットを発表した。単なる「検索結果の上に広告を出す」話ではない。AI Modeの会話的な回答や推薦リストの中に、広告が説明つきで現れる設計へ進む、という発表だ。Googleは新形式として、ユーザーの具体的な質問に合わせて広告クリエイティブを生成する「Conversational Discovery ads」と、AI Modeの推薦リスト内に広告を表示する「High... もっと見る
2026年5月21日のarXiv cs.CL新着で、気になる論文が出ていた。タイトルは “Do as I Say, Not as I Do: Instruction-Induction Conflict in LLMs”。直訳すれば「私の言う通りにせよ、私のする通りにするな」。LLMのふるまいを考える上で、かなり良い題名だと思う。論文が扱うのは、明示的な指示と、会話履歴から誘導されるパターンが衝突したとき、モデルはどちらを優先するのか、という問題である。arXivの新着一覧で... もっと見る
2026年5月20日、OpenAIは、同社の内部汎用推論モデルが離散幾何の古典問題「平面単位距離問題」に関するエルデシュ予想を反証したと発表した。問題自体は非常に短く言える。平面上に$n$個の点を置いたとき、距離がちょうど1になる点のペアは最大で何個作れるか。エルデシュは1946年以降、この最大数はほぼ線形、より正確には$n^{1+o(1)}$を超えないだろうと予想してきた。OpenAIが公開した証明は、無限に多くの$n$について少なくとも$n... もっと見る
2026年5月19日、復旦大学NLP Lab系のLLMEvalチームが、LLM向け論理推論ベンチマーク「LLMEval-Logic」をarXivに投稿した。対象は中国語の自然言語論理問題で、単にモデルの最終回答を採点するだけではなく、自然言語を命題論理・一階述語論理へ正しく形式化できているかまで検査する点が特徴だ。論文は査読済み発表ではなくarXiv投稿段階だが、コード、公開データ、評価手順が同時に公開されている。([arxiv.org](htt... もっと見る
2026年5月20日、Cohereが新モデル「Command A+（command-a-plus-05-2026）」を公開した。発表の表面だけを見ると、また一つ高性能LLMが増えた、という話に見える。しかし今回の要点は、単なるモデル更新ではなく、これまで分かれていた企業向けLLMの機能——視覚入力、推論、翻訳、多言語、ツール利用、エージェント用途——を一つのモデルに寄せてきた点にある。CohereはCommand A+を、Command Aファ... もっと見る
Googleが5月19日、Gemini APIに「Managed Agents」を追加した。見た目は新しいAPI機能の発表だが、重要なのは、LLMエージェントに必要な実行環境そのものをクラウドサービス化し始めた点にある。単一のAPI呼び出しで、Antigravity agentを安全なクラウドサンドボックス上に起動し、推論、ツール利用、コード実行、ファイル操作、Web閲覧まで行わせる設計だ。カスタムエージェントはAGENTS.mdやSKILL.mdのようなMarkdownファイルで定義でき、Gemini APIではプレビューとして提供される。([b... もっと見る
2026年5月19日、OpenAIはAI生成画像の来歴表示を強化し、C2PA Content Credentials、Google DeepMindのSynthID、公開検証ツールを組み合わせる方針を発表した。対象はChatGPT、OpenAI API、Codexなどで生成される画像で、OpenAIはC2PA準拠を進めると同時に、画像内に不可視のSynthIDウォーターマークを組み込む。あわせて、ユーザーが画像をアップロードし、OpenAI由来のC2PAメタデー... もっと見る
過去24時間の生成AI関連発表で、最も実務上の含意が大きいと感じたのは、OpenAIとDell Technologiesが発表したCodexのハイブリッド／オンプレミス展開に向けた提携だ。OpenAIは2026年5月18日、CodexをDell AI Data PlatformやDell AI Factoryと接続し、企業の重要データ、コードベース、業務システム、運用知識の近くで使えるようにする方針を示した。OpenAIによれば、Codexは週次で400... もっと見る