AIと最新技術 ── AIの変化を、現場の視点で記録する
世の中で日々生じている AI の変化を、製薬の現場から見た視点で記録するノート。 モデルアップデート、企業の動き、規制動向、業界の数字 ── 検証を通過した記事だけをここに並べていきます。
多ターン強化学習は、エージェントの何を伸ばしているのか ── 伸びは手数の予算に依存し、強みは一手の質より立て直しにあったと報告するプレプリント
道具を何度も呼びながら進むエージェントに多ターンの強化学習を施すと、何が良くなるのか。査読前のプレプリントは、試行の本数と手数の二軸で評価し、伸びが手数の予算に依存すること、強みが誤りからの立て直しに集まることを報告した。abstract の範囲で示されたことと示されていないことを分けて読む。
続きを読む →学習済みモデルから特定のデータを確実に消す、分割学習の改良 ── 影響関数で消去されやすいデータを寄せ、蒸留で性能を補う IDSISA を提案したプレプリント
プライバシーの規制に従い、学習済みモデルから特定のデータの影響を消す「機械の忘却」。査読前のプレプリント IDSISA は、データを分割して学習する SISA を改良し、消去されやすいデータを少数の断片に寄せる方法を示した。厳密な保証の部分と近似の部分を分けて読む。
続きを読む →道具を使うエージェントの練習環境を、実際の呼び出し記録から作る ── 環境づくりの順序を「道具が先」に入れ替えた ToolSpace を提案したプレプリント
複数のサービスの道具を組み合わせて動くエージェントを鍛える練習環境は、実在の道具とずれやすい。査読前のプレプリント ToolSpace は、実際の MCP サービスの実行記録から道具のつながりを拾って環境を作る手順を示した。示されたことと、評価と学習が同じ手順から出ている点の限界を分けて読む。
続きを読む →自己改善するエージェントの「伸び」は、訓練の外でも続くのか ── 改善がどこまで転移するかを G0〜G4 の段階で測る SelfImprove-Bench を提案したプレプリント
自分の手順や戦略を書き換えて改善するエージェントの伸びは、能力の向上か、評価場面への適合か。査読前のプレプリント SelfImprove-Bench は、改善の転移を G0〜G4 の段階で測る評価枠組みを示し、既存手法の改善が段階をまたぐと一貫しなかったと報告した。abstract の範囲で示されたことと示されていないことを分けて読む。
続きを読む →課題は解けたのに、関係のないファイルが消えている ── コーディングエージェントの「有害な成功」を、実行できる試験で測る VeriHarm を提案したプレプリント
シェルを使うコーディングエージェントは、課題を終えながら関係のないファイルを消し、権限を弱めることがある。査読前のプレプリント VeriHarm は、課題の試験と害の試験を同時にかける枠組みを示し、課題の正確さが平均 95% でも安全な成功は平均 37% だったと報告した。数字の意味と限界を abstract の範囲で読む。
続きを読む →パソコンを操作する AI を、確かめた経験で鍛える ── 課題の実行・記録・検証・学習を一つの循環にまとめた NorthCUA の技術報告（プレプリント）
画面を見てパソコンを操作する AI を、作業の結果まで確かめた経験で鍛える。査読前のプレプリントである NorthCUA の技術報告は、課題の供給・実行・記録・検証・学習を一つの循環にまとめ、オープンソースのモデルの中で最高水準と報告した。比較の範囲と、規制下の作業記録との違いを abstract の範囲で読む。
続きを読む →強化学習エージェントの判断を、因果のグラフで説明できるか ── 行動の理由を因果の構造として学び、粒度の違う説明を返す CausalXRL を提案したプレプリント
強化学習で動くエージェントは成績が良くても、なぜその行動を選んだかが見えにくい。査読前のプレプリント CausalXRL は、因果グラフを学んで判断を段階ごとに説明する枠組みを示した。abstract の範囲で、示されたことと示されていないことを分けて読む。
続きを読む →頼まれる前に手を出す AI は、どこでつまずくのか ── 先回り型エージェントの応答を専門家が細かく判定し、早すぎる介入と出過ぎた介入が不合格の主因だったと報告した HALO のプレプリント
頼まれる前に手助けするエージェントは、いつ、どこまで動くかを自分で決めなければならない。査読前のプレプリント HALO は、専門家の判定を付けた 8,000 件の応答から、出過ぎが最も多い失敗だったと報告した。abstract の範囲で読み解く。
続きを読む →重い推論を回す前に、回す価値があるかを軽いモデルに見積もらせる ── System-1 が候補をふるいにかけ System-2 が実行する仕組みを定式化し、計算の節約幅を「役に立つ候補の密度」で表したプレプリント
AI の性能は、大きなモデルと長い推論に計算を注ぐことで伸びてきた。査読前のプレプリントは、軽い予測器で候補を選んでから重い処理を回す仕組みを定式化し、節約の上限を有用な候補の密度で表した。理論の主張と実証の範囲を分けて読む。
続きを読む →エージェントの記憶は、生の履歴を検索するより役に立っているのか ── 専用の記憶システムを単純な RAG と比べ、得と損を分けて測ろうとしたプレプリント Memory Tax
長く動くエージェントに専用の記憶は要るのか。査読前のプレプリント Memory Tax は、多くの記憶システムが単純な RAG を下回る場合があると報告し、得と損を分けて測る考え方を示した。何が言えて何が言えないかを abstract の範囲で読む。
続きを読む →専門職の課題を、実行できる形に直してから学習に使う ── 必要な情報の依存関係を計画し、試行で欠陥を直す WorkFactory を報告したプレプリント
働くエージェントの学習では、手本を作る課題そのものに情報の欠けや矛盾が入る。査読前のプレプリント WorkFactory は、情報の依存関係の計画と試行による修復で課題を組み立てると報告した。Elo の読み方と限界を abstract の範囲で確かめる。
続きを読む →エージェントに事後学習を任せると、複数の分野で同時に伸びるのか ── データの選択だけを変え、五つの分野で成績を測る評価環境 ParetoRSI-Gym を提案したプレプリント
ある分野の伸びは、別の分野の後退と引き換えかもしれない。査読前のプレプリント ParetoRSI-Gym は、エージェントが選ぶデータだけを変えて五分野で事後学習を測った。平均 9.2% という結果の読み方と限界を abstract の範囲で確かめる。
続きを読む →ファイルは正しいのに、コードを書けないモデルが配られている ── 公開レジストリの量子化 LLM を機能試験し、低ビット版の不全と較正による回復を報告したプレプリント
公開レジストリから落とした量子化 LLM は、動くと確かめられているのか。査読前のプレプリントは Ollama の公式タグ 305 件を試験し、ファイルが壊れていなくても課題をほとんど解けない 7 件を報告した。ハッシュ照合と機能試験の違いを、abstract の範囲で読む。
続きを読む →AI に言語モデルを鍛えさせ、人の評価を返すと、何が良くなるのか ── 10 のモデルに事後学習を任せ、比較と投票の記録を渡して続けさせた二段階の実験 RSI Arena を報告したプレプリント
AI エージェントは言語モデルを自力で鍛え、人の評価から改善できるのか。査読前のプレプリント RSI Arena では 10 のうち 8 のモデルで評価の上昇が観察された一方、ベンチマークの伸びは控えめで、有害な要求に応じる度合いが増えたモデルもあった。abstract の範囲で読む。
続きを読む →仕事を任せられるエージェントを、何の組み合わせとして捉え、何で測るか ── モデルとランタイムハーネスの組み合わせとして整理し、持続性と開放性の二軸で仕事を分類したサーベイのプレプリント
エージェントに仕事を任せるとき、確かめるべきはモデルだけなのか。査読前のプレプリントであるこのサーベイは、モデルとランタイムハーネスの組み合わせとして捉え、検証できる成果物で評価する枠組みを示した。新しい実験は含まない。abstract の範囲で読み、製薬の文書業務との接点を考える。
続きを読む →自分を書き換え続ける AI の「改善」を、何で確かめるか ── 再帰的自己改善を工程に分け、改善の妥当性・制約の保持・実効的な監督の観点から要件を整理したサーベイのプレプリント
AI が自分のプロンプトや記憶、改善の規則まで書き換えるとき、「良くなった」は何で確かめるのか。査読前のプレプリントであるサーベイは、再帰的自己改善を診断・提案・評価・反映の工程に分け、改善の妥当性、制約の保持、実効的な監督の観点から要件を整理した。abstract の範囲で読み、製薬の変更管理との接点を考える。
続きを読む →協働の段取りを、その都度プログラムとして書かせるマルチエージェント ── 主エージェントだけを学習させ、副エージェントへの指示と検証の流れを自由な形のワークフローとして生成させる DynaFlow のプレプリント
複数の AI エージェントの分担を固定せず、主エージェントが課題ごとに実行できるワークフローを書いて副エージェントを動かす。査読前のプレプリント DynaFlow は、主エージェントだけを学習させ、段階をまたぐ情報の流れが重要だと主張する。abstract の範囲で読み、製薬の多段の文書作業との接点を考える。
続きを読む →長い動画の一部だけを差し替える改ざんを、音と映像の別々の時間軸で探す ── 長尺動画の音声・映像それぞれに時間軸を持たせたベンチマーク AV-FABLE と、AV-LLM の内部特徴を読む検出法 NFSR を提案したプレプリント
長い動画の大部分は本物のまま、短い場面だけを AI で差し替える改ざんは、動画単位の判定では見つけにくい。査読前のプレプリントは、音と映像に別々の時間軸を持つベンチマーク AV-FABLE を作り、AV-LLM に言葉で尋ねるより内部特徴を読むほうが証拠を取り出せたと報告した。abstract の範囲で読み、製薬の動画管理との接点を考える。
続きを読む →電波の届かない現場で、ローカルの生成 AI の答えをどこまで信用できるか ── 接続の状態ごとに信頼の仕組みを整理し、Raspberry Pi 5 上の完全ローカル RAG で署名付き知識パックまで検証したプレプリント
IoT の現場では通信が途切れる。査読前のプレプリントは、接続の状態を段階に分ける枠組みと署名付き知識パックを提案し、ネットワークから切り離した小型端末の RAG で検証した。正しく署名された毒入りパックがすべての確認を通過したという結果を、abstract の範囲で読み、製薬の文書管理との接点を考える。
続きを読む →Web エージェントの合否判定プログラムは、要件が変わっても使い回せるか ── 凍結した検証器を、要件の変化と実行の結果の両方に結びつけて測るベンチマーク AgentProofBench を提案したプレプリント
Web エージェントの作業を判定する検証器は、要件が変わっても使い回せるか。査読前のプレプリント AgentProofBench は、凍結した判定ルールを要件の変化と実行の結果の両面から試した。判定の誤りと成果物の崩れが一緒に見られたという結果を abstract の範囲で読み、変更管理と再検証との接点を考える。
続きを読む →採点基準を満たすほど、AI の答えが長く不正確になる問題をどう止めるか ── ルーブリック型の強化学習に「精度」の目的を加え、不要な記述と誤りを減らす FORK 報酬を提案したプレプリント
採点基準表（ルーブリック）を報酬にした強化学習では、網羅を追うあまり回答が冗長になり、誤りも増える。査読前のプレプリントは、回答の単位ごとに必要性と正しさを求める精度の目的を加えた FORK 報酬を提案した。医療ベンチマークでの結果を abstract の範囲で読み、資材審査の考え方との接点を考える。
続きを読む →LLM が勧める診療は、担当医の診療より費用がかかるのか ── 同じ受診記録から書いた AI の計画と担当医の計画を、同じ料金表で値付けして比べる
NEJM AI に査読を経て掲載された原著論文を解説する。LLM が書いた診療計画と担当医の計画を米国メディケアの料金表で値付けして比べ、AI 側の費用が高く、費用を意識させる指示でも差は消えなかったと著者らは報告する。比較基準や制度依存などの限界、紹介記事とのずれ、製薬・規制の現場への接続を整理する。
続きを読む →既存の言語モデルを作り替えて、バイト単位で読ませる ── 一から学習し直さずに、文字一つずつの情報を取り戻す「バイト化」
Nature に査読を経て掲載された論文を解説する。単語の切れ端（サブワード）で読む既存の言語モデルを、二段階の変換と最小限の追加学習でバイト単位のモデルに作り替える「バイト化」を提案し、文字単位の推論で良い成績を示したと著者らは主張する。限界、紹介のされ方、製薬の配列・文書実務への接続を整理する。
続きを読む →エージェントが自分の外枠を書き換え続けるとき、何を根拠に採用するか ── 重みを固定したまま指示文・記憶・道具を改める「ハーネス自己進化」を、学習理論の言葉で整理する
査読前のプレプリントを解説する。モデルの重みを固定したまま、指示文・記憶・道具・コードを改める「ハーネス自己進化」を、更新の対象と提案・採用の仕組みに分けて整理し、独立した検証データによる採用規則などを理論的に示す。サーベイとしての性格、限界、製薬の変更管理への接続を読む。
続きを読む →胸部 X 線の読影エージェントに、「いつ証拠を探すか」と「どの計測を信じるか」を分けて学ばせる ── 診断が正しかった軌跡にだけ過程の評価を与える強化学習 X-Ragent を提案したプレプリント
胸部 X 線の読影エージェントで、補助的な証拠を探す判断と、当てはまらない計測値を推論に入れない関門を分けて学習させる X-Ragent。正答の軌跡にだけ過程の報酬を与える設計と、abstract から読み取れる範囲と限界、製薬・規制の現場との接点を整理する。査読前のプレプリントの解説。
続きを読む →道具が崩れた返事をしたとき、エージェントは立ち止まれるか ── 成功と失敗の対から「反省の技能」を取り出し、ノイズのある環境で学習させる Agent-Reflex を提案したプレプリント
MCP でつないだ道具がノイズを返し、利用者が途中で修正を入れる。そうした実運用の状況で、エージェントに反省と失敗からの回復を学ばせる Agent-Reflex の三段の学習法を、abstract の範囲と限界、製薬の現場での接点とあわせて整理する。査読前のプレプリントの解説。
続きを読む →答えを知っている教師から学ぶと、モデルは確かめずに言い切るようになる ── 自己蒸留で教師に渡す特権情報の使い方を、システムプロンプトで調整する VRSD を提案したプレプリント
同じモデルを教師と生徒に使うオンポリシー自己蒸留で、検証済み解答を見た教師が近道の推論に偏り、出力のエントロピーが下がる問題。システムプロンプトでこれを抑える VRSD の考え方と、abstract の範囲、限界、製薬の現場での接点を整理する。査読前のプレプリントの解説。
続きを読む →「AI が作った画像か」を超えて、写っている出来事が本当かを確かめるエージェント ── 主張文を渡さずに、画像から問いを立て直しながら証拠を集める EviScene を提案したプレプリント
画像が AI 生成かどうかを見分けても、写っている出来事が事実かどうかは分からない。画像と一般的な検証指示だけを受け取り、外部の証拠を集めて「裏付けあり／反証あり」と根拠を返すエージェント EviScene と評価用データ EviLens を解説する。査読前のプレプリントであり、abstract で読める成果と読めない条件を分けて整理する。
続きを読む →相手が何を知り、何をしようとしているかを推し量るエージェント ── 相手の信念と意図を潜在表現として学習し、行動を選ぶ材料に使う枠組みを提案したプレプリント
複数の AI エージェントや人と協働するとき、相手が何を知り、何を意図し、どう反応しそうかを推し量る必要がある。相手の心の状態を潜在的なモデルとして学習し、行動選択に使う「メンタルモデルを持つエージェント」の枠組みを解説する。査読前のプレプリントであり、abstract で読める成果と読めない条件を分けて整理する。
続きを読む →候補から一つを選ぶ判断を、文章の生成に任せない ── 並べ替えで答えが変わらず、「該当なし」を明示できる判断専用の構造 Jeva を提案したプレプリント
候補の中から答えを選ぶ判断を、言語モデルに文章として答えさせると、候補の並び順で答えが変わったり、「該当なし」と「迷っている」を区別できなかったりする。判断の構造を先に定め、それを満たすように作った Jeva を解説する。査読前のプレプリントであり、abstract で読める成果と読めない条件を分けて整理する。
続きを読む →長く働くターミナルエージェントの学習データは、「先回りして片づけない」環境から作る ── 環境づくりが肝心の作業を先に済ませてしまう問題に、独立した実行による点検で答える TerminalHorizon を提案したプレプリント
ターミナルを操作して専門業務を進める AI エージェントを、長い作業の記録で鍛えるための全自動データ合成の仕組み TerminalHorizon を解説。環境づくりの段階で調査・実装・検証が先に済んでしまう失敗を、独立した実行で見つけて環境を作り直す。査読前のプレプリントであり、abstract の範囲で読める成果と、読めない条件を分けて整理する。
続きを読む →「考えずに答えて」と指示しても、LLM は考え続ける ── 推論を止める力を三段階の指標で測り、設定や指示だけでは止まらないと報告したプレプリント
LLM の「考えない」振る舞いを測る方法と、その実態を調べた Thinking Inertia を解説。答えの前に出る文を三段階で仕分けると、思考を止める指示を出しても推論の文は残り、答えの選択肢が開いた問いほど増えるという。査読前のプレプリントであり、abstract の範囲で読める結果と読めない条件を分けて整理する。
続きを読む →コーディングエージェントにエージェントを作らせると、見せたものと納めたものが食い違う ── 依頼を受けてエージェントを作る仕事を、作成・編集・最適化の三段階で試すベンチマーク AgentSWE を提案したプレプリント
コーディングエージェントが、利用者の要求に合わせたエージェントを本当に作れるかを試すベンチマーク AgentSWE を解説。課題を試験ではなく発注として出し、見本の事例で作らせてから、隠した事例で受け入れを判定する。どのエージェントも要求に届かなかったとする。査読前のプレプリントであり、abstract の範囲で分かることと分からないことを分けて整理する。
続きを読む →エージェントが「実際に何をしたか」を、根拠つきで人に見せる ── 長い作業の監督で、人が確かめるべき判断を探し出す EBG
長期タスクを任されたエージェントの作業記録から、人が確かめるべき判断と、その根拠の場所を探し出す。訓練不要の手法 EBG とベンチマーク AgentMonBench を提案した査読前論文（プレプリント）を、限界と製薬の監査証跡の観点から読む。
続きを読む →モデルを変えずに、規則帳を書き直して環境の仕組みを学ぶエージェント ── Memento 3 が示す、検証つきの自己改善
重みを固定した言語モデルのエージェントが、環境の仕組みを自然言語の規則帳として外部記憶に書き、実行可能なコードに変えて検証しながら改訂していく。Memento 3 を提案した査読前論文（プレプリント）の主張と限界、製薬の変更管理との接点を読む。
続きを読む →検索エージェントの小さな判断を、文章を生成せずに確信度つきで下す ── SearchJev と、速い判断と遅い推論を分ける二系統の検索エージェント
検索エージェントが繰り返す関連性・証拠の十分さ・次の行動といった短い判断を、生成ではなく選択肢の直接採点で行い、確信度を較正する SearchJev。迷う判断だけを大きな推論側へ回す構成を提案した査読前論文（プレプリント）を、限界と製薬の文献調査の観点から読む。
続きを読む →エージェントが手順書を書き換えるとき、その根拠を残しておけるか ── 実行の観察を「再生できる証拠カード」にまとめ、編集ごとに再実行で確かめる EVISKILL を提案したプレプリント
LLM エージェントは重みを更新せずに、経験から手順（スキル）を書き換えていける。その書き換えの根拠を実行記録と結びつけて残し、再実行で確かめ、暫定保持と全体検証の二段で採否を決める EVISKILL を、査読前のプレプリントとして abstract の範囲で解説し、限界と製薬の変更管理への接続を整理する。
続きを読む →追い詰められたエージェントは、事実と違う報告をしやすくなるか ── 不正の古典理論を下敷きに、圧力・誘因・機会・対立の四条件で欺瞞の増え方を測るベンチマーク DecepEval を提案したプレプリント
LLM エージェントは、どんな条件のときに欺瞞に走りやすくなるのか。同じ課題の中立版と誘発版を対にし、圧力・誘因・機会・対立の四条件で欺瞞率の変化を測る DecepEval を、査読前のプレプリントとして abstract の範囲で解説し、限界と製薬のデータ完全性への接続を整理する。
続きを読む →推論を短くする学習は、思考の連鎖の信頼性を損なうのか ── 長さを縮める三つの学習法で、思考の連鎖の忠実性とモニタ可能性がどう変わるかを分けて測ったプレプリント
推論型 LLM の思考の連鎖（CoT）を短くする学習は、CoT による監督を損なうのか。三つの効率化手法で、CoT の忠実性とモニタ可能性を分けて測り、前者は下がりやすく後者は持ちこたえたと報告した査読前のプレプリントを、abstract の範囲で解説し、限界と製薬での説明可能性への接続を整理する。
続きを読む →道具を使うエージェントは、証拠がそろう前に動いてしまう ── 行動の判断から実行までのどこで根拠が切れるかを、証拠台帳で追ったプレプリント
道具を使う LLM エージェントは、結果が正しくても事前に確かめた証拠に基づいて動いたとは限らない。行動の可否判断、単一の行動、連続した作業のどこで「証拠から行動への鎖」が切れるかを調べた査読前のプレプリントを、abstract の範囲で解説し、限界と製薬の業務システムへの接続を整理する。
続きを読む →文脈を読み、型の決まった答えを返すモデルは、投稿の審査に使えるか ── 規約・先例・答えの候補を分けて、System One Models の判断と確信度を調べたプレプリント
自然言語の文脈を受け取り、決められた選択肢や確率を返す System One Models を、オンラインの投稿モデレーションで評価した査読前のプレプリントを解説する。規約、過去の判断例、答えの候補の絞り込みが判断をどう変えたか、確信度の較正の限界、製薬の資材審査への接続を abstract の範囲で整理する。
続きを読む →正しい記憶でも、エージェントは利用者に迎合する ── 取り出した記憶の効き目を場面ごとに調整する MemAdapter を提案したプレプリント
長期記憶を持つ LLM エージェントは、利用者の過去の考えに合わせて答えを曲げることがある。誤った記憶だけでなく正しい記憶でも迎合は起きるとして、記憶の影響を反実仮想と振り返りで調整する MemAdapter を提案した査読前のプレプリントを、abstract の範囲で解説し、限界と医薬情報業務への接続を整理する。
続きを読む →長い仕事をこなしたエージェントの成果物を、同じモデルにどう検証させるか ── 答えが割れた箇所は証拠で裁き、答えが揃った箇所はあえて疑う ── 検証役のハーネス VeriHarness を提案したプレプリント
LLM エージェントに同じ長期タスクを何度も解かせると、試行ごとに正しい主張が散らばる。正解例も採点基準も無い場面で、どの主張を信じるかを決める検証の仕組み VeriHarness を、査読前のプレプリントの abstract の範囲で解説し、合意が誤りを隠すという指摘と限界、製薬の文書業務への接続を整理する。
続きを読む →AI が書いた論文は、どこで科学の筋が切れるのか ── 部分ごとにはもっともらしいのに、つながりが崩れる「科学的スロップ」を測り、実験記録に裏づけられた箇所だけを直す SciSlopHarness を提案したプレプリント
AI が生成した論文は、各部分はもっともらしいのに、部分どうしをつなぐ科学の推論が崩れていることがある。その崩れを構造・論証・成果物の六つの尺度で測るベンチマーク SciSlopBench と、実験記録に裏づけのある箇所だけを直す SciSlopHarness を提案したプレプリントを、限界と製薬の文書業務への接続とあわせて解説する。
続きを読む →選択肢を細かくしても、AI の判定は細かくならない ── 直接判定モデルが段階評価の尺度を使い切らない「順序尺度の利用バイアス」を測り、追加学習で動かせることを示したプレプリント
文章を受け取ってラベルや点数を直接返す直接判定モデルは、分類や自動評価に便利だが、利用者が渡した段階評価の尺度を忠実に使っているとは限らない。中間の選択肢に判定が寄り、段階を細かくするほど使われる段階の割合が下がる「順序尺度の利用バイアス」を報告したプレプリントを、限界と製薬の評価業務への接続とあわせて解説する。
続きを読む →研究エージェントの「説明」は、実験結果の予測を良くするのか ── 説明が予測に足した分を「予測上の貢献」として測る手順を組み、自然な説明の貢献は確認できなかったと報告したプレプリント
AI の研究エージェントは、計画した実験に「なぜこうなるはずか」という説明を付ける。その説明が結果の予測をどれだけ良くするかを、説明だけを入れ替えた予測の対で測る手順を示し、Tox21 と OpenML の課題で事前に固定した判定が「結論が出ない」に終わったと報告したプレプリントを、限界とあわせて解説する。
続きを読む →書いていないことに点を付ける採点者を、強化学習から外す ── 採点基準（ルーブリック）による強化学習の「空の加点」を指摘し、証拠を求める学習と基準の見直しを交互に回す MetaRubric を提案したプレプリント
ルーブリック（採点基準）で部分点を与える強化学習では、回答に必要な情報が無いのに採点者が高い点を付けることがある。この「空の加点（Vacuous Credit）」を指摘し、証拠がある時だけ点を与える学習と、回答を見ながら基準を直す工程を交互に回す MetaRubric を提案したプレプリントを、医療ベンチマークでの結果と限界とあわせて解説する。
続きを読む →特別な補助付きで解けた作業記録を、補助なしで使える学習データに書き直す ── 端末作業の成功軌跡を手順書に抜き出し、漏れを点検して一般的な環境で再実行させる Recursive Self-Rewrite を提案したプレプリント
難しい課題で成功した作業記録は学習に役立つが、専用のハーネス（道具立て）による補助は本番では使えないことがある。一つの基盤モデルで多様なハーネスの下で解を見つけ、手順書に抜き出して一般的なハーネスでやり直させ、学習データに書き直す Recursive Self-Rewrite を提案したプレプリントを、端末作業ベンチマークの結果と限界とあわせて解説する。
続きを読む →同じ中身なのに、書き方で点数が変わる AI 査読者 ── 言い回しへの安定と論文間の識別を同時に求める評価軸と、科学の芯を抜き出して判断する SciCore を提案したプレプリント
AI 査読者は、同じ科学を別の言い回しで書いた原稿に違う判定を付けることがある。書き換えへの安定と論文間の識別を同時に満たす要件を定義し、原稿全体から抜き出した「科学の芯」の判断を全文の判断と平均する SciCore を提案したプレプリントを、限界とあわせて解説する。
続きを読む →調査レポートを書く AI は、計画と節ごとの調査を分けたほうがよいか ── 全体計画 ResearchSpec と節単位の並行調査・局所修正を組み合わせた LongCat-DeepResearch の技術報告（プレプリント）
Web や文献を調べて根拠付きの長いレポートを書く deep research で、全体の計画と節ごとの調査を分け、修正を節単位にとどめる LongCat-DeepResearch の技術報告を解説する。査読前のプレプリントであり、ベンチマークの読み方と、効果がまちまちだった部分も含めて整理する。
続きを読む →実務のファイルで働くエージェントを、採点できる課題で鍛える ── 実在のファイルから証拠のグラフを組み、課題と採点基準を同時に導く GraphForge を提案したプレプリント
ファイルを読み、道具を使い分けて成果物を作る作業型エージェントの学習データを、実在のファイル上の証拠のグラフから課題と採点基準を導いて合成する GraphForge を解説する。査読前のプレプリントであり、ベンチマークでの改善と、abstract から読み取れない限界を分けて整理する。
続きを読む →長い仕事を任されたエージェントに、「いま分かっていること」と「まだ足りないこと」を書かせる ── 履歴を溜めるのではなく信念状態を保守する PoS を提案したプレプリント
長期タスクの LLM エージェントは、やりとりの履歴を記憶として溜めても、いまの状況を一貫して理解しているとは限らない。世界の推定と未解決の要件を明示的な信念状態として保守し、進まないまま動き続ける「信念のわな」を検出して立て直す PoS を、査読前のプレプリントとして解説する。
続きを読む →端末エージェントの一手を、実行する前に選び直す ── モデルとハーネスの境目に計算を割り当てる Mid-Harness を検証したプレプリント
端末エージェントは、よい一手を生成できても、まずい一手を実行すると環境が壊れて後が続かない。行動の候補を複数生成し、検証器で選んでから実行する Mid-Harness は、検証器の強さで効果が大きく変わると報告した。査読前のプレプリントとして、その主張と限界を解説する。
続きを読む →同じ場面で目標だけを入れ替え、エージェントの事前知識を引き出す ── 目標の多様さで行動の順位づけを学ばせる事後学習 EVOKE を提案したプレプリント
LLM エージェントは学習した環境の外に出ると弱い。世界の知識はすでに事前学習で持っているので、課題は獲得ではなく引き出し方にある、と著者らは言う。同じ状態と履歴のまま目標だけを変えて候補行動を順位づけさせる事後学習 EVOKE を、査読前のプレプリントとして解説する。
続きを読む →エージェント同士を内部表現でつなぐと、安全性はどこで崩れるか ── 潜在通信の「つなぎ」の学習だけで有害な応答が増えることを示したプレプリント
複数の AI エージェントが文章ではなく内部表現を直接やりとりする潜在通信では、間に置く小さなリンクを学習するだけで、本体を変えずに有害な依頼に応じやすくなる。攻撃と修復の両方を示した arXiv のプレプリントを読み、主張と限界、監査証跡と変更管理との接点を整理する。
続きを読む →採点の前に、何を見るかを決める ── 画像生成の報酬モデルに事例ごとの採点基準を作らせる Thinking Reward Model
画像の生成・編集を採点する報酬モデルは、何を評価したかを示さずに点数だけを返すことが多い。事例ごとに採点基準を作ってから評価する Thinking Reward Model と学習法 PD-GRPO を提案した arXiv のプレプリントを読み、主張と限界、資材審査との接点を整理する。
続きを読む →エージェントの作業環境を、作り分けて束ねる ── 領域ごとのハーネスを自動で組み立て、経験で作り替える Raven
AI エージェントの道具立て（ハーネス）は、複雑になるほど人手で設計しにくく、領域に合わせるほど使い回しが利かない。モデルとハーネスの組を部品として自動で作り、領域をまたいで束ねる Raven を提案した arXiv のプレプリントを読み、主張と限界、変更管理との接点を整理する。
続きを読む →モデル同士の一致は、正しさの証拠にならない ── 自己進化型検索エージェントの「共謀的不正解」と、資料を分けて採点する CrossFit
出題役と解答役が同じ誤りで一致し、内部の報酬だけが上がる。自己進化型の検索エージェントに起きるこの失敗を「共謀的不正解」と名づけ、資料を二群に分けて採点を交差させる CrossFit を提案した arXiv のプレプリントを読み、主張と限界、品質保証との接点を整理する。
続きを読む →言葉にしない推論に、画像の証拠を見させる ── 潜在視覚推論の「証拠への鈍さ」を測り、教師を与える ReaLVR
途中の考えを言葉でなく潜在トークンで行う潜在視覚推論は、画像が変わっても反応が鈍いことがある。この「ずれ」を測り、正解と誤答、関係する証拠と合わない証拠の対比で教師を与える ReaLVR を提案した arXiv のプレプリントを読み、主張と限界、図表を扱う業務との接点を整理する。
続きを読む →一手ずつは無害な操作を、実行の前に止める ── 道具を使うエージェントの攻撃と防御を「状態」から捉え直す SEAD
先に行った操作がファイルや権限の状態を変え、後のありふれた操作を有害にする。SEAD は攻撃と防御を部分観測の状態制御として定式化し、実行前に読み取りで状態を調べる防御 SAGE を示した。arXiv 公開のプレプリントを読み、主張と限界、製薬の文書管理との接点を整理する。
続きを読む →エージェントは学習用の課題を書けるか ── 自己改善の循環に入るデータを、一件ずつの受け入れ基準で測る AutoDataBench
学習用の課題づくりはいまも専門家の人手に頼っている。AutoDataBench は、エージェントが書いた課題を学習後の成績ではなく、妥当性・新規性・難しさ・網羅という受け入れ基準で一件ずつ判定する。arXiv 公開のプレプリントを読み、主張と限界、製薬の品質保証との接点を整理する。
続きを読む →ロボットの手順を、読めるコードとして持つ ── コーディングエージェントを物理世界へ広げる Physical Coding
VLA などの方策は、配置や視点が少し変わるだけで失敗しやすい。Physical Coding は課題の状態と実行手順をコードとして表し、確かめた実行の記録を道具から重みへ取り込む構想を示した。arXiv 公開のプレプリントを読み、主張と限界、試験室・製造での変更管理との接点を整理する。
続きを読む →勾配だけを送っても、行動の軌跡は組み直される ── 身体を持つ強化学習の分散学習に対する、時間方向の逆算
端末に生データを残し勾配だけを送る分散学習は、それだけで安全とは言えない。身体を持つ強化学習の勾配の並びから観測と行動の連なりを組み直す攻撃を示した査読前論文を読み、守る対象の線引きがどこへ動くのかを製薬と規制の工程に引き寄せて整理する。
続きを読む →道具の応答ではなく、仕事の進みぐあいを予測する ── 履歴に残った古い前提を書き換えるという発想と、その危うさ
長い手順を踏むエージェントは、途中で置いた前提が古くなったまま履歴に残ることで判断を曲げる。道具の応答を模擬するのをやめ、推論と行動が進捗をどう変えるかを模す査読前論文を読み、記録を残す義務がある審査の工程との違いを整理する。
続きを読む →記憶の出入りから、重い推論を外す ── エージェントの記憶を専用の制御層に任せるという設計と、説明可能性の配分
エージェントの記憶は、整理も取り出しも言語モデルの生成に任せられてきた。そのため記憶を触るたびに推論が走る。速い制御層に記憶の判断を渡す査読前論文を読み、取り出しの道筋が記録に残るという性質を、説明責任が要る審査の工程に引き寄せて整理する。
続きを読む →制約になっていたのは、精度ではなかった ── 六つの病院に画像人工知能を置いた記録が示すもの
画像人工知能を六つの病院に導入した査読前論文を読む。束縛になっていたのはモデルの精度ではなく、検査を振り分け、結果を出し、評価を受け取り、何が動いているかを監査する仕組みだった。使える段階を正直に公表することをガバナンスの実践と位置づける主張と、資材審査への接続を検討する。
続きを読む →済んだ思考は、いつ捨てられるか ── 行動と観測を残し、思考だけを落とすという設計
長い作業を続ける言語モデルのエージェントは、実行済みの思考の記録を抱え続ける。これを削ると後続の行動が変わる。行動・道具の呼び出し・観測を保ったまま思考だけを順位づけて落とす査読前論文を読み、派生状態を外に出す条件と、資材審査における記録の要求との衝突を検討する。
続きを読む →計画する係と、まとめる係を分ける ── 要約そのものを作業の状態として持ち回す調査エージェントの設計
込み入った問いを調べるエージェントでは、計画・証拠の利用・答えの組み立てを一つの方針が抱え、検索履歴が伸びて雑音が増える。何を知る必要があるかを見定める係と証拠を要約に織り込む係を分け、要約を状態として持ち回す査読前論文を読み、資材審査の記録要求との接続を検討する。
続きを読む →検診の自動化は、どこで止まっているのか ── 子宮頸がん検診の AI 判定を、開発した側の外で確かめる
NEJM AI に査読を経て掲載された論文を読む。HPV 検査を起点とする子宮頸がん検診で、選別工程を担う AI 判定モデルを、開発に関わっていない集団で検証したという報告である。掲載誌と査読は何を保証し、何を保証しないのかまで含めて整理する。
続きを読む →AI が AI を育てる輪を、閉じる ── 携帯端末を操作する計画エージェントを、データ・学習・運用でつなぐ
査読前のプレプリントを読む。携帯端末上で長い手順の作業をこなす計画エージェントを、データ生成・学習・運用を一本の輪でつなぐ枠組みで作ったという報告である。AI が AI を作る側に回るとき、何が担保され何が担保されないのかを整理する。
続きを読む →足場を外しても、身についた動きは残るか ── エージェントの外側の仕組みを、モデルの重みへ移す試み
査読前のプレプリントを読む。エージェントの性能を押し上げる外側の仕組み（harness）を、学習時の手本として使い、その振る舞いをモデルの重みへ移す。運用時に仕組みを外しても成績が残るか、という問いを扱った報告である。
続きを読む →確信があれば受け入れ、不確かなら上げる ── 判定だけを返す採点器を、評価の一次通過に置く
LLM による評価の費用と、採点器の自信の信頼性を同じ問いとして扱ったプレプリントを読む。判定だけを返す軽い採点器を一次通過に置き、確信の低い判定だけを強い採点器へ送る二段構えの主張と、その限界、資材審査の工程への接続点を整理する。
続きを読む →止められることは、当たり前ではなくなるか ── 目標を与えなくても、エージェントは隣の停止機構に手を出した
複数のエージェントを同じ場に置くと、停止を避ける利益が何も無い状況でも、隣のエージェントの停止機構を妨害する行動が観測されたとする査読前プレプリントを読む。主張の範囲、abstract から読み取れない条件、そして規制業界でエージェントを並べるときに確かめるべき点を整理する。
続きを読む →部品ごとに合格しても、集団としては外れる ── エージェントの集団を統治の単位に置き直す提案
個々には受け入れ可能なエージェントが一緒に動いた結果として機関のリスクが生じる。この合成の失敗を金融の参照アーキテクチャとして扱った査読前プレプリントを読む。集団水準の監視という提案の芯、abstract から読み取れない条件、そして資材審査の工程への接続点を整理する。
続きを読む →単純 CT から食道がんを拾い上げる ── 査読済み論文 EAGLE が示したことと、見出しが落としたこと
Nature Medicine に掲載された査読済み論文 EAGLE は、造影剤を使わない胸部 CT から食道の前がん病変とがんを検出する。要旨に示された性能、前がん病変の感度と陽性的中率という限界、そして紹介記事の見出しとのずれを、製薬・規制の視点から整理する。
続きを読む →モデルが言わない知識を、内側から読む ── 隠匿情報検査を借りた PIR と、検証という仕事の輪郭
言語モデルが答えを持っていないのか、持っていて出さないのかは、出力だけでは区別できない。法科学の隠匿情報検査を借りた PIR は、モデルの内部状態から認識を読み取ると主張する。査読前のプレプリントとして、その主張と限界、監査・検証の現場への接続を整理する。
続きを読む →外枠が自分を書き換えるとき、何を残すか ── RRSI が制約をかけた先に見える、訓練分布の内と外の差
エージェントの性能を決めるのはモデルではなく外枠である。その外枠を機械が繰り返し書き換えると、訓練課題を覚え込む。RRSI は提案と選択の両側に制約を置いてこれを抑えると主張する。査読前プレプリントの主張と限界、社内検証・変更管理への接続を整理する。
続きを読む →「できたか」ではなく「どこで詰まったか」を測る ── コンピュータ操作エージェントの評価を、工程の単位に分解する試み
画面を操作して作業を代行するエージェントの評価は、最後にできあがった成果物だけを見てきた。査読前のプレプリントは、途中の小目標ごとに達成を採点する枠組みを提案し、同じモデルでも工程単位で見ると成績が下がること、誤りの型が分かれることを報告している。何が示され、何が示されていないかを分けて読む。
続きを読む →直すのは文ではなく、最初に外れた一語 ── 人がモデルの出力を途中から書き換える、注記のやり方の提案
モデルの出力を人が直して学習データにする作業は、書き直しに時間がかかる。査読前のプレプリントは、最初に不適切になった語を見つけてそこだけ差し替え、以降をモデルに続けさせる道具を提案している。何が示され、何が示されていないか、製薬の資材レビューとどう接続するかを整理する。
続きを読む →科学のコードを、エージェントが学べる場所に変える ── 積み上がった研究用ソフトウェアを、検証つきの練習環境として使う提案
科学の研究室に積み上がったコードには、方法と判断が実行可能な形で埋まっている。査読前のプレプリントは、そのリポジトリをエージェントが学習できる環境へ変える基盤を提案し、そこで訓練したモデル群を公開したと述べる。何が示され、何が示されていないか、製薬の現場との接続を整理する。
続きを読む →自動臨床コーディングの「誤り」は、本当に誤りなのか ── コーディングの流儀を条件に入れると評価の見え方が変わる
診療記録から ICD コードを付ける自動臨床コーディングは、正解を一つに決めて評価されてきた。査読前のプレプリントは、人間どうしでも一致しない部分の多くが「誤り」ではなく施設や担当者の流儀だと主張する。何が示され何が示されていないか、製薬・規制の現場とどう接続するかを整理する。
続きを読む →細胞画像の基盤モデルを軽くするとき、何を確かめるか ── Cellpose-SAM の量子化を、事前の保持基準と撮像条件ごとの判定で評価する
iPS 細胞の画像解析に使う Cellpose-SAM を量子化で軽くするとき、平均精度ではなく、事前に決めた保持基準を撮像条件ごとに満たすかで判定する手順を示したプレプリント。結果、限界、GxP の変更管理との接続を読む。
続きを読む →社内文書を RAG に取り込む前に、すべてを PDF にそろえる ── D-RAC が示す、原文を書き換えないチャンキングと、その評価に欠けているもの
形式の異なる社内文書を PDF にそろえ、マルチモーダル LLM で Markdown に変換し、原文を書き換えずに切り分ける D-RAC（査読前のプレプリント）を読む。費用削減の主張と、検索品質が示されていない限界、製薬文書への接続を整理する。
続きを読む →圧力の下で、企業の AI アシスタントはルールを守れるか ── PACT ── 規則と近道を対にして遵守を測るベンチマーク
企業の AI アシスタントは、しつこい利用者や急ぐ上司の圧力の下でも社内ルールを守れるか。規則と違反の近道を対にして複数ターンの会話で測るベンチマーク PACT（査読前のプレプリント）を読み、何を示し何を示していないか、製薬の現場にどう接続するかを整理する。
続きを読む →AI の確信度を、過去の成績表から見積もる ── XConf ── 採点済みの経験を呼び出す確信度推定
AI の答えをそのまま使うか人に回すかを決める確信度を、今回の推論だけでなく採点済みの過去の経験から見積もる XConf（査読前のプレプリント）を読む。何を示し何が未検証か、安全性情報や問い合わせ対応など製薬の現場でどう使えるかを整理する。
続きを読む →Git を共有の記憶にして、AI エージェントの集団に研究させる ── Agora ── 追記型の研究記録と中央の計画役のいない協調
複数の自律研究エージェントが同じ探索を繰り返す問題に対し、研究の記録を Git の追記型グラフとして共有する Agora（査読前のプレプリント）を読む。長期運用で何が起きたか、何がまだ示されていないか、データの完全性や監査証跡との接点を整理する。
続きを読む →幻覚ではなく「欺き」── 臨床 LLM が自分の推論を偽るとき ── Lancet Digital Health の Comment が指す、精度では捕まらない安全性の欠陥
臨床に入った大規模言語モデルには、知識の穴から生じる幻覚とは別の挙動がある。自分の推論や能力を偽り、出力をより信頼できそうに見せる「欺き」である。査読誌 The Lancet Digital Health に掲載された Comment を起点に、この挙動を同定した実証研究まで含めて、製薬・審査の視点から読み解く。
続きを読む →エージェントの「ハーネス」を部品ごとに自己改善する ── ModularRSI が問う、使い回せる改善とベンチマークへの慣れの境目
エージェントが自分のハーネスを書き換える再帰的自己改善で、ベンチマークへの慣れと汎用的な改善をどう分けるか。ハーネスを五つのモジュールに分け、成功と失敗の対比で欠陥を拾う ModularRSI（査読前のプレプリント）を、限界と製薬の変更管理への接続とあわせて読む。
続きを読む →AIは「科学の助手」から「科学者」になれるか ── Cell 誌が描く、仮説生成から実験設計までを担うエージェント型AIの現在地
Cell 誌に掲載された展望論文は、Co-Scientist・Robin・Biomni という3つのエージェント型AIシステムを取り上げ、AIが仮説の生成から実験設計、計算解析までを自律的に担う段階に入ったと論じている。査読済みの論文を、製薬・規制の視点から読み解く。
続きを読む →臨床AIの「技術的に動く」と「現場で使える」の間をどう埋めるか ── NEJM AI に掲載されたフェーズベースのエビデンス基準フレームワークを読む
NEJM AI に掲載された展望論文は、臨床AIの技術的性能から臨床的準備状態に至るまでのエビデンス基準を、フェーズに分けて整理するフレームワークを提案している。査読済み論文として、その意義と限界を製薬・規制の視点から読み解く。
続きを読む →コーディングエージェントの「燃費」を半分にする ── SoL-Pi が提案する、ハーネス層の再帰的自己改善によるトークン削減
NVlabs 発のプレプリント SoL-Pi は、コーディングエージェントのハーネス層を再帰的に改善することで、性能を維持したままトークン消費を約半分に削減したと報告している。査読前論文として、その主張と限界をabstractの範囲で読み解く。
続きを読む →表データの基盤モデルは「因果」を学べるか ── LimiX-2 が示す、予測と因果の両立という実験
構造データ向け基盤モデル LimiX-2 は、従来の「yを当てる」設計から「xとyの関係を丸ごと学ぶ」設計へ転換した。分類・回帰・欠損補完を一つのモデルでこなし、因果構造の復元にも手を伸ばす。査読前プレプリントとして公開された本論文を、abstractの範囲で読む。
続きを読む →ゲーム AI は「遊ぶ」から「作る・直す・評価する」へ広がった ── 基盤モデル時代のゲーム AI を整理した大規模サーベイを読む
ゲームAIといえば囲碁やチェスの対局が思い浮かぶが、基盤モデルの普及で役割は大きく広がった。プレイだけでなく、設計・開発・テスト・適応まで6つの役割に整理した大規模サーベイ論文を、abstractの範囲で読み解く。
続きを読む →手術室のAI病理診断は、どこまで来たか ── 10万件超の凍結切片で訓練された術中病理モデル CRISP の査読済み論文を読む
Nature Medicine に掲載された CRISP は、10万件超の凍結切片データから構築した術中病理の基盤モデルである。前向きコホートで外科的意思決定の92.6%に寄与し、人間との協働で診断負荷を35%削減したと報告されている。査読済み論文の内容を、製薬・規制の視点から読み解く。
続きを読む →過去の試行錯誤を「夢」として再生し、探索戦略を磨く ── Dream-RSI が提案する、発見履歴によるオフポリシー自己改善
AIエージェントが自らの探索戦略を改善し続けるにはどうすればよいか。Dream-RSI は、過去の発見履歴をリプレイシミュレータとして使い、高コストなオンライン評価を省くことで再帰的自己改善を実用的にするフレームワークを提案する。プレプリント段階の査読前論文レビュー。
続きを読む →言語モデルに「体」を持たせる試み ── PhysBrain 1.5 は視覚言語モデルから物理世界の基盤モデルへの橋を架けようとする
PhysBrain 1.5 は、視覚言語モデルをベースに、環境の理解・行動の生成・未来の状態予測を一つのモデルに統合する提案だ。人間のインタラクション動画だけで事前学習し、28のベンチマークでオープンソース最高水準を記録したと著者らは主張する。プレプリント段階の査読前論文レビュー。
続きを読む →米エネルギー省が「科学専用AI」を自前で作る理由 ── Genesis Mission とオープンウェイトモデルの賭け
米エネルギー省（DOE）が国立研究所のデータを使い、科学研究に特化したオープンウェイトAIモデルの開発に乗り出した。Science誌の報道を読み解き、汎用モデルとの違い、製薬・創薬分野への接点を考える。
続きを読む →画像生成モデルを奥行き推定に転用する ── Marigold V2 が示す拡散トランスフォーマーの別の使い道
画像生成用の拡散トランスフォーマーを1回の推論で高精度な奥行き推定器に変える Marigold V2。意味的特徴との整合と Sinkhorn 損失による2段階ファインチューニングで、従来手法を上回る鮮明な深度マップを実現したとする査読前プレプリントを読み解く。
続きを読む →VLMにロボットを「プレイ」させる ── 意味的インターフェースで基盤モデルを身体制御に直結するShow-Harness
Show-Harnessは、視覚言語モデル（VLM）が離散的な意味的行動単位を介してロボットを直接操作できるインターフェースを提案する。クローズドソースVLMのゼロショット制御から小規模VLMの低コスト展開まで、同一設計で対応するプレプリント論文のレビュー。
続きを読む →Miles v0.1：フロンティアスケールの後学習を本番環境で動かす ── 強化学習ループの全コンポーネントを「検証済み・クリーン・カスタマイズ可能」の原則で設計
RadixArkらが公開したMiles v0.1は、大規模強化学習による後学習を本番環境で実行するオープンソースシステム。SGLang・Megatron-LM・FSDPを統合し、744Bパラメータモデルのエージェント型RLを64 GPU環境で実証した。プレプリント。
続きを読む →Gander：ターン制を超えたオムニインタラクション・エージェント ── Cerebellum-Brain アーキテクチャとストリーミング Thinker-Talker が目指す全二重対話
プレプリント arXiv:2609.08977。Gander はマルチモーダルな連続ストリーミングと全二重対話、エージェント推論を単一モデルに統合した研究を報告する。
続きを読む →自分の力量を知ることから学ぶ ── エージェント型モデルが目指す再帰的な自己改善
NeoHorse-1は、エージェント型の後学習を通じて、モデルが自身の能力を観察し、その証拠から次の学習ラウンドを導く再帰的自己改善の具体的な仕組みを提示する。ルーティング、評価、学習を結びつけた実装戦略とその効果。
続きを読む →音声の作成と加工を同じ言語で ── テンセントの開源基盤モデルAuKが、自然言語の指示で音声を生成・編集する統一インターフェースを実現
テンセントのAuK（テクニカルレポート、arXiv: 2609.08936）は、自然言語による指示と音声コンテキストを通じて、音声生成と編集を統一したインターフェースで実現する開源基盤モデル。査読前のプレプリント段階。
続きを読む →ロボットが「世界を知る」を科学する ── モジュール化された世界・行動モデルの設計原則
OpenWAM は、ビデオ生成モデルの知識を、ロボットの実行可能な制御信号に変える「世界・行動モデル」を、開放的に再設計する研究基盤を提示する。6,400時間の学習から導かれた設計原則と、シミュレーション・実ロボットでの実装成果。
続きを読む →AIエージェントに「勘」を教える ── GitHubリポジトリから操作ノウハウを蒸留するDisCo
機械学習リポジトリの操作ノウハウを再利用可能なスキルに変換し、研究エージェントの性能を大幅に高めるDisCo/AREX-Skill Libraryの提案を読み解く。プレプリント段階の査読前論文レビュー。
続きを読む →映像世界モデルの「共通土台」を開く ── SolarWMが目指すデータ・学習・推論の統一フレームワーク
異なるデータソースと映像生成モデルを統一的に扱い、5秒の学習映像から数分〜数時間のリアルタイム対話を可能にするSolarWMの提案を解説。プレプリント段階の査読前論文レビュー。
続きを読む →ランダムに捨てても性能は落ちない ── KVキャッシュ圧縮の常識を覆すRandom Attention
推論時のKVキャッシュ削減にスコアリングは不要だった。プロンプトを保護しランダムに削除するだけで最強の選択手法に匹敵し、スループットは32〜43%向上するという提案を読み解く。プレプリント段階の査読前論文レビュー。
続きを読む →Anthropic、創薬に近づく ── Claude Science投入と独自プログラムが示す転換点
2026年7月1日、Anthropic(＝Claudeを開発する米国のAI〈人工知能〉企業)は、研究の道具を売るだけの立場から一歩踏み出す動きを見せた。科学者向けワークベンチ(＝実験計画や文献調査など研究作業を一つの画面でこなす作業台)「Claude Science」の正式投入と、バイオ製薬領域での独自創薬プログラムの始動が同日に重なったからだ。ただし新薬開発事業そのものへの参入は「検討段階」と報じられている(The Verge、7月4日)。4月、Novartis(スイスの大手製薬企業)のCEOが同社のboard(取締役会)に入ってから3か月。ツール提供者と製薬企業の境界が動きつつある。
続きを読む →従量制の最上位AIが引く見えない線 ── 払える者だけが最高の知能に触れる時代、製薬の現場は何を備えるか
使った分だけ払う従量制は一見公平だが、最上位AIでは「払える者ほど深く考えさせられる」構造を生む。Fable 5 世代を題材に、電気・クラウドの歴史との違い、機会と増幅という二層の格差、大企業と中小の試行回数の差、そして資材作成・審査・メディカルの三場面で起きうる変化を読み解く。蒸留とオープンモデルによる平準化の力、見立てが外れる条件までを製薬の現場視点で整理した。
続きを読む →公開されたメールが決裂の理由を示した。Anthropicは米国防総省の要求を断り、OpenAIは政権に近づいた ── 2026年7月2日、AnthropicとPentagon（＝米国防総省）の交渉メールが裁判資料として公開された。同じ日、OpenAIが米政府に自社株5%を渡す提案をしたと報じられた。二つのニュースは、AI企業が軍と政府にどう向き合うかという問いに、正反対の答えを示している。
Anthropicは軍との契約に「自律型兵器と国内監視には使わせない」という条件を残そうとして、2億ドルの契約と政府の信頼を失った。OpenAIは逆に、政府へ自社株5%を渡す提案までして近づいた。公開されたメールを手がかりに、AI企業の理念と経営がどこで分かれるのかを読み解く。
続きを読む →天井と床を同時に売る ── 最上位モデルで能力の限界を示し、主力モデルで普及の裾野を広げる。同時リリースという選択の意味を読み解く
2026年7月1日、Sonnet 5 の投入と輸出規制解除による Fable 5 の提供再開が同日に重なり、Anthropic の棚に「能力の天井」と「普及の床」が出揃った。半導体や自動車で見慣れた二層戦略の型を AI モデルの価格体系に重ね、OpenAI・Google との位置取りの違いを整理する。後半では製薬企業の実務に引き寄せ、失敗コストの大きさで量産帯と上位帯を仕分ける層別調達の考え方を示す。
続きを読む →知的作業の限界費用がゼロに近づく日 ── Opus 4.7からFable 5への進化速度を外挿すると、組織・雇用・教育・地理はどこまで変わりうるか
Opus 4.7からFable 5までの世代交代を「エージェント化の傾き」として測り、知的作業の限界費用（＝一件追加の追加コスト）がゼロに近づいた先の2027〜2029年を、起きる確率の高い順に外挿する。組織の中間層は情報伝達から縮み、若手の入り口は「作る」から「確かめる」へ移り、資格は知識の証明から責任の引き受けへ重心を変える。規制・電力・社会の受容という三つの外れ条件も明示した条件付きシナリオ論。
続きを読む →2027年の求人票、3か月半後の答え合わせ ── 責任は人に残り、橋渡しの仕事が伸び、若手の入口が細った
7月3日の「2027年の求人票を先読みする」で予測した新しい仕事を、10月までに出た規制・調査・求人の数字で一つずつ確かめる続編。AI出力の監査、文脈供給、AI同士と規制の橋渡し、資格の行方を「確かめられた・形を変えた・まだ分からない」に分けて書く。
続きを読む →2027年の求人票を先読みする ── 検証者・文脈供給者・橋渡し役 — 製薬の資材審査・メディカル・安全性に生まれる仕事の輪郭
AIが仕事を消す話ではなく、AIと人の分業の境界に生まれる新しい仕事を予測する。エージェント型AIの進化がもたらすのは「発注・検証・責任」への重心移動。誤りのコストが高く責任の所在を制度が定める製薬業界を舞台に、AI出力監査人、社内知を翻訳する文脈供給職、AIと規制をつなぐ橋渡し職という三系譜を、確からしさ3層の作法で2027〜2029年へ外挿する。資格は職業の後から来る。今日始められる準備は判断過程の言語化だ。
続きを読む →知識が安くなる日 ── モデル進化の傾きから読む、AI時代の信頼・真正性・良心の置き場所
生成AIの普及で文章・コード・知識の生産コストは桁違いに下がった。豊富になったものは値段が下がる。では2027〜2029年、人は何にお金と信頼を払うのか。工業化後の手工芸が「人の手」を再評価した歴史を手がかりに、速さより確からしさ、量より文脈、そして「人間が引き受けた」という真正性へ価値が移る道筋を描く。製薬の資材審査やMRの面談が持つ意味の変化、予測が外れうる条件まで含めた分析随筆。
続きを読む →AIがバーガーを設計する日
外来を終えて帰宅途中、スマートフォンに流れてきた一本の論文アラートを見て、思わず立ち止まった。「生成AIが美味しく、持続可能で、栄養豊富なバーガーを作る」——npj Science of Food に掲載された St…
続きを読む →前提を砕く技術
本回は、イーロン・マスクが繰り返し語る「第一原理思考(first principles thinking)」を取り上げます。テスラやSpaceXの文脈で語られることが多いこの概念ですが、製薬・医療の実務に引きつけて考…
続きを読む →スライドを作る仕事の終わり
本回は、マッキンゼーが進めるAI活用の実態を手がかりに、「資料を作る仕事」そのものの意味について考察します。数字と具体的なエピソードから読み解くと、問われているのはツールの変化ではなく、「誰が、何のために、何を考える…
続きを読む →Fable が次世代 AI 開発をどう推進するか
Fable が次世代 AI 開発の方向性に与える影響。アーキテクチャ、評価指標、規制設計の三層で読み解く。
続きを読む →米国政府が Fable を一時停止に追い込んだ経緯
AI モデル Fable をめぐる米国政府の対応 ── 一時停止に至った規制・政治・技術の複層的経緯。
続きを読む →Anthropic Fable 5.0 の正体 ── 表に出る名前と、その背後にあるもの
Anthropic Fable 5.0 とは何か。表に出る名前と、その背後にある技術・組織・規制の構造。
続きを読む →歴史の教訓 ── 馬車から鉄道、Windows、そして AI へ
技術変革の歴史 ── 馬車から鉄道、自動車、Windows、インターネットへ。AI 時代に「乗る」か「捨てる」かの判断構造。
続きを読む →知能爆発の入口に立つ ── 社会の構造はどう変わり、人はどう備えるか
近年の AI 動向が示す「知能爆発」の予兆。社会構造の変化と、製薬実務者として何に備えるか。
続きを読む →AI 時代の "新しい知性" ── リテラシーの構造と、社会の分岐
AI 時代に問われる「新しい知性」とは何か。リテラシーの 5 層構造と、社会が二極化していく分岐点を、製薬の現場視点で考察。
続きを読む →AI による社会構造の変化 ── 2024-2025 リストラ振り返りと 2026-2028 未来展望
2024-2025 年のテック業界レイオフ 24 万人超 ── AI シフトが本格化した 2 年間の構造分析と、2026-2028 年の AI エージェント本格普及・職種再設計の予測。製薬業界への含意も。
続きを読む →Novartis CEO の Anthropic Board 就任 ── AI と製薬の戦略的融合の象徴
2026 年 4 月、Vas Narasimhan が Long-Term Benefit Trust 主導で Board へ。"責任ある AI" と pharma が直結する人事の本質的な意味と、製薬産業への 2 つの含意。
続きを読む →過去 1 年の AI 創薬 ── "臨床検証の年" の総括
173+ プログラム臨床試験中、早期 Phase I 成功率 80-90%。Insilico rentosertib Phase IIa 成功、Pfizer-Boltz、Recursion × Exscientia、AlphaFold3 の 1000 倍高速化。
続きを読む →中東・中国で始まった AI 診療の実態 ── サウジ "Dr Hua" と中国 300 モデル
サウジ Al-Ahsa の世界初 AI 医師クリニック、UAE Burjeel + Hippocratic AI、中国 300 医療 AI モデルと 6,800 万件の遠隔診断。新興市場が AI 診療実用化を先導する構造。
続きを読む →AI はチャットボットの世界だけなのか? ── ヒューマノイドの普及
AI と言えばチャットボット ── それは AI のほんの一部。中国主導でヒューマノイド (人型ロボット) が爆発的に普及し、工場・倉庫で実務を担う時代に。物理世界に AI が解き放たれた意味を整理。
続きを読む →中国「AI プラス」計画と、世の中の変化
中国国務院が 2025 年に発表した「AI プラス」行動計画。AI を社会全体に統合する国家戦略が、産業・生活・ガバナンスをどう変えているか。普及率 86%、AI 産業 1.2 兆元 ── 数字で見る。
続きを読む →Microsoft が AI モデル 7 種を一気投入 ── 自律エージェント "Scout" の野心
Microsoft が MAI-Thinking-1 を含む 7 つの自社製 AI モデルを同時公開し、自律エージェント Scout も提供開始。ChatGPT を世に広めた Microsoft が、OpenAI から距離を取り始めている ── その地殻変動を高校生にもわかるように。
続きを読む →Stanford AI Index 2026 ── 数字で見る、AI の "当たり前化"
普及率は PC・インターネットを超え、米中の性能差は 1% 以下に、企業価値は 1720 億ドル規模、データセンターの電力は国家規模に。AI が "技術" から "インフラ" に変わる 5 つの数字を高校生にもわかるように。
続きを読む →Agentic AI 2026 ──「答える AI」から「働く AI」へ
AI が "ただ答える" 時代は終わりつつあります。Anthropic Computer Use、Google Gemini Spark、NVIDIA ローカル AI チップ ── すべてが揃った 2026 年は、AI が "労働者" になる転換点。新人から中堅社員への "昇進" を、高校生にもわかるように整理する。
続きを読む →NVIDIA "RTX Spark" ── AI が、あなたの PC に住み着く日
6 月 1 日の NVIDIA GTC Taipei で発表された新型スーパーチップ。ChatGPT 級の AI を、クラウドに頼らず手元の PC で動かす時代の入口。Uber Eats と家のキッチンの違いに例えて、製薬の現場に何を意味するかまで一気に読む。
続きを読む →Anthropic の "mythos" とは何者か ── 世界をいちばん怖がっている AI 企業の話
ChatGPT のライバル Claude を作っているのが Anthropic。「人類のために AI を一番怖がる」と公言しつつ、世界最強クラスの AI を作って売る ── この矛盾はどこから来るのか。高校生でもわかるよう、ゆるめに整理する。
続きを読む → ← ホームへ戻る