AIモデル・研究の最新ニュース

はじめに AIエージェントを本番環境にデプロイして実際に使ってみると、「性能の良いLLMがあるだけでは足りない」ことに気づきます。 LLMは基本的にステートレスです。新しいセッションを始めると、それまでの会話や作業内容を何も覚えておらず、ゼロからのスタートになります。 こ...

LLMの性能評価を行う際に良く用いられる指標としてPerplexity（パープレキシティ、和訳で「混同度」や「分岐度」）というものがあります。 Perplexityは、主に自然言語処理（NLP）や音声認識などで用いられる、言語モデルの性能を評価する指標です。 概要 以下にその主な特徴を説明いたします。 1. 基本的な…

! この記事は連載「LLMエージェント基盤のシステム設計」（全5回）の第3回です。 エージェントランタイム（Harness） コンテキスト管理 ツール実行 ← この記事 信頼性 評価と可観測性 各回とも「要件 → 規模の見積もり → 全体設計 → 詳細設計 → 運用と発展」の順に説明します。文中の規模や性能の数値は、…

ここ数週間で、気になるモデルの発表が続いています。OpenAIからは、Sonnet 5.5に近い能力を半分のAPI単価で使えるGPT-6.1 Terra。Googleからは、GPT-6 AstraやClaude Opus 5.5と競うGemini 4 Argonに続き、約1か月でさらに性能を伸ばしたGemini 4 …

一口にAIといってもその性能は千差万別です。中国科学技術大学の実験では、AIの「性格」もそれぞれバラバラであることが分かった一方で、この結果は回答に使う言語によって変わることも明らかになりました。 Cultural bias or universal traits? Exploring personality-lik…

グーグルは10月30日、試作衛星に搭載したAI半導体「TPU」で生成AIを動かし、宇宙を題材にした俳句を生成したと発表した。宇宙でAIの計算基盤を構築する研究「Project Suncatcher」の一環で、データセンター向けTPUを使って軌道上でAIの応答を得たのは初めてという。

やったこと ・Pythonでの実装とAIでできることできない ことの比較 データの前処理 機械学習の実装 回帰、分類 ・Pythonを用いた人流解析、商圏分析 滞在判定 居住地推定 勤務地推定 OD分析 ・統計学の活用 ・因果推論 ・関数のパラメータとグラフの形状...

今日のネタ元 Hugging Face Daily Papersに掲載されていた以下の論文を検証した。 "Memory Tax: Dissecting the Net Value of Agent Memory" https://huggingface.co/papers/2610.34073 (arXiv:2610…

本稿では、Mistral Large 4や次期Qwen4シリーズなどのオープンウェイトモデルの発表、および高度な自律エージェントの安全性やシステム効率に関する最新動向が報じられています。また、OpenAIやAnthropicにおけるフロンティアモデルの監視体制の強化、...

はじめに エージェント（Agent）は、AI研究における重要な概念で、環境を認識し、自律的に意思決定し、行動を実行するシステムを指します。1990年代より計算機科学の中心的研究対象となっており、ロボット、ゲームAI、シミュレーションなど多様な応用があります。 定義 エージェント： 環境から入力（センサー信号）を受け取…

前回（2026年8月）の記事で、中古サーバ用GPUを使ったローカルLLM環境の費用を試算した。今回は価格の更新と、その後に出てきたソフトウェア側の変化をまとめる。調査日は2026年10月30日である。構成やベンチマークの詳細は前回の記事を参照してほしい。 前回から価格はどう変わったか 前回記事で使った2026年8月の…

この記事で分かること Qwen3-8Bを、L4 24GB 1台の上でvLLM・SGLang・TensorRT-LLMに載せ、同じリクエストを送った。揃えたつもりの条件が、5か所で揃っていなかった。どれもベンチマークの数字に入り込む。 速さの順位は載せない（速さは自分の条件で測ってほしい）。すべてこの版・L4（sm_8…

こんにちは。 Gen-AX Researchエンジニアの箕輪です。 今回は、弊社プロダクト「X-Ghost（クロスゴースト）」のFAQ検索機能の性能改善に関する検証結果について紹介します。 本記事のサマリー 本記事の要点は以下の 3 つです。 音声対話におけるFAQ対応では、正しい1件のみを音声モデルに与えるのがベス…

AIスタートアップ企業のOlam LabsとベンチャーキャピタルのY Combinatorが共同で、ゲーム「マインクラフト」を50体のGPT-6.1 Solにプレイさせるという実験を行い、その結果を公開しました。また「OpenAIのAI対AnthropicのAIでミニゲームのベッドウォーズをする」という試みも行ってい…

AI開発企業の仏Mistral AIは、AIモデル「Mistral Large 4」（通称Le Chonk）の重みをHugging Faceで公開した。コーディングやサイバーセキュリティ分野で高い性能を示すという。

ChatGPT、Perplexity、Gemini、Claude、Google検索のAIによる概要という5つのAIアシスタントが出力した統計情報1285件を追跡調査したところ、そのほとんどが研究による裏付けのないものだったとAI可視化プラットフォームのTrakkrが報告しています。 Trakkr https://tr…

6月にCore Ultra搭載で登場した「Acer Swift Air 14」に、Ryzen AI搭載モデルが加わった。日本エイサーは、Ryzen AIプロセッサを搭載した14型モバイルノート「Acer Swift Air 14」の新モデル4機種を発表した。WUXGA表示モデル2機種は10月30日に発売、2.8K O…

こんにちは。AI Nexus 代表の西藤（にしとう）です。 普段はプロジェクトマネージャー（PM）としてクライアント企業のAI導入やDX推進を牽引しつつ、自らコードを書いて開発も行い、現場の泥臭い課題を解決するコンサルタントとしても活動しています。 近年の生成AI開発において、多くの現場やPoCで以下のような要望が寄…

米カーネギーメロン大学などに所属する研究者らが発表した論文「Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews」は、AI面接が内定率や入社後の定着率にどう影響するのかを調査した研究報告だ。

イスラエルのテルアビブ大学に所属する研究者らが発表した論文「Watch and Crack: Password Inference from Smart-Glasses Video」は、スマートグラスで撮影された指の動きから、パスワードを解読する手法を実証した研究報告だ。

はじめに 臨床試験では多種多様なデータと文書が作られ、それぞれが標準に沿って管理されます。AI研究者にとって、これらの標準を理解することは「AIをどこに、どう適用できるか」を見極める第一歩です。 TMF（治験関連文書） 試験の必須文書一式です。DIA TMF Reference Modelは、文書をZone・Sect…

ソフトバンク傘下のAI開発企業であるSB Intuitionsは、AIモデル「Sarashina3.2 mini thinking」を発表した。同社がフルスクラッチで開発する「Sarashina」シリーズ初の「思考モデル」（回答の精度を高めるため、出力に時間をかけるモデル）となる。

フランスに拠点を置くAI企業のMistralが大規模AIモデル「Mistral Large 4」をオープンモデルとして無償公開しました。コーディング性能ではGPT-6.1 Terraと同等性能という評価もあります。 Mistral Large 4 (Le Chonk) is now open weight | Mis…

米国の4年制大学でコンピューター・情報科学を専攻する学部生が、2026年秋は前年秋に比べて12.4％減少した。米非営利団体National Student Clearinghouseの研究部門が10月29日に公表した速報値で明らかになった。米国の高等教育機関では学部生全体が0.6％増えており、対照的な動きとなった。

RTX 3090で比較した処理 GPU Unlockを適用すると、RTX 3090で動かすLLMや画像生成はどの程度速くなるのか。行列演算のベンチマークだけでは、普段使う処理への効果は分からない。同じRTX 3090で27Bの量子化LLM、小型のBF16 LLM、画像生成、学習を実行し、適用前後を比較した記録を整理し…