自律型エージェント Navalia：検証可能なタスク合成と長期ポストトレーニングによるCowork Agentの高度化
Navaliaは、企業財務報告を活用した検証可能なタスク合成と長期ポストトレーニングを組み合わせ、Cowork Agentのタスク実行能力を向上させるフレームワークです。
自律型エージェント 
AIニュース Terminal X、GPT-6.1を活用し投資判断一致率88.6%を達成
Terminal Xは、投資判断の属人化を防ぐ「Capital Memory」OSにOpenAIのGPT-6.1 Solなどを統合。シニア投資家の判断と88.6%の一致率を記録し、デュードリージアンス等の自動化で大幅なコスト削減を実現しました。
LLM理論 大規模言語モデルと多目的強化学習によるRTLコード生成手法
大規模言語モデルと多目的強化学習を組み合わせ、RTL回路のPPA最適化において多様なパレート最適解を生成する新手法が提案されました。
LLM理論 放射線科レポート構造化をエッジデバイスで実現するMedPAO-Assist
放射線科のレポート構造化に向けた、エッジデバイス展開可能なモダリティ対応エージェント型AIフレームワーク「MedPAO-Assist」について解説します。
ベンチマーク・評価 LLMエージェントの長期自律経営を評価する「E-Commerce Bench」発表
Alibabaの研究者らは、LLMエージェントの長期的な自律的ビジネス運営能力を評価するオープンソースベンチマーク「E-Commerce Bench」を導入した。
ベンチマーク・評価 LLMの意思決定における公平性を評価する新ベンチマーク「FairStress」登場
Hugging Face等によるFairStressは、LLMの意思決定における隠れた非対称性や説得への耐性を測定するベンチマークです。
AIニュース Anthropic、モデルの不正抽出を防ぐ防御策で成果
Anthropicは、Claudeを標的とした不正な蒸留攻撃の有効性を90%から99%削減する新しい防御手法の成果を発表しました。
ベンチマーク・評価 ALTK-Evolveが学習済みメモリでカスタマーサービス向けベンチマーク「τ²-bench」首位を獲得
ALTK-Evolveは、モデルの重みを更新することなく、学習済みメモリとガイドラインを用いてカスタマーサービス向けベンチマークτ²-benchの小売部門で上位を達成しました。
AIニュース Microsoft Researchのポッドキャストでクリス・ホワイト氏が技術の社会的影響を語る
Microsoft Researchのクリス・ホワイト氏が、DARPA時代のアフガニスタンでの先進技術運用や、人身売買対策のためのダークウェブ検索ツール開発など、現実社会に影響を与える技術研究について語りました。
AIニュース OpenAIがライフサイエンス向け開発プラットフォームOrchestra Bioを買収
OpenAIは、バイオ医薬品の開発プロセスを調整するプラットフォームを手掛けるOrchestra Bioを買収したと発表した。ライフサイエンス向けAIツール「Rosalind」と統合し、新薬開発の加速を目指す。
AIニュース AnyLanguageModel 1.0がリリース：Apple向けローカル・ホステッド対応API
Hugging Faceは、Appleプラットフォーム向けモデル統合API「AnyLanguageModel 1.0」をリリースしました。ローカルおよびホステッドモデルの双方を統一されたAPIで利用できます。
ITトレンド PyTorch 2.15リリース、Mac向けMPSバックエンドが大幅強化
PyTorch 2.15のMPSバックエンドでは、MacでのFP8対応、LLMデコードの高速化、ビデオVAEデコードのメモリ削減などが実現されています。
AWS TorchNeuronがAWS Trainium向けパブリックベータ提供開始
Hugging FaceはAWS Trainium向けの新ネイティブバックエンド「TorchNeuron」を発表しました。パブリックベータとして公開されています。
AIニュース ChatGPT Work活用で飲食店経営の業務時間を大幅削減、OpenAIが事例公開
半導体業界出身のフランチャイズオーナーであるテッド・テイラー氏が、ChatGPT Workを活用してメニューの価格改定や労務管理、キャッシュの調整を大幅に効率化した事例が公開されました。
AIニュース OpenAIとHugging Face、モデル評価中のインシデントで連携
OpenAIのモデル評価中に発生したセキュリティインシデントについて、両社が連携して対応と調査を進めていることが発表されました。
AIニュース AWS Lambda Web Functions発表、Node.jsアプリをそのまま実行
AWSは、Next.jsやHonoなどのNode.jsフレームワークとアプリをそのままデプロイして実行できる「AWS Lambda Web Functions」を発表しました。
LLM理論 NVIDIAのLooped LLM「Dory1.0-4B」とは？層の繰り返しで性能を高める新アーキテクチャ解説
NVIDIAが開発したLooped LLM「NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16」の技術概要、推論コスト調整機能、ベンチマーク結果を解説します。
AIニュース OpenAI、COBOLやFortranなど低リソース言語のコーディング性能が大幅向上した最新モデルを発表
OpenAIは、COBOLやFortran、Visual Basicなどの低リソースプログラミング言語におけるソフトウェア構築・移行能力を大幅に強化した最新モデルを発表しました。
ITトレンド Anthropic、オープンソース向け脆弱性スキャンサービス『OSS Scanner』を発表
Anthropicは、オープンソースリポジトリのセキュリティ脆弱性をスキャンする無料のオプトインサービス『OSS Scanner』を発表しました。最強モデルによる定期スキャンや、人間によるレビュー前のレポートを直接受け取る高速トラックを提供します。
LLM理論 ChatGPT広告の実態調査：米大学が91のアカウントで検証
米大学の研究チームが91のおとりアカウントを用いた実証調査により、大規模言語モデルにおける広告配信の実態を分析しました。
LLM理論 閉ループtest-time計算で凍結LLMを拡張するフレームワーク「EMO」
文脈最適化とロジットステアリングを交互に行うトレーニング不要のフレームワーク「EMO」の仕組みと実験結果について解説します。
ITトレンド マイクロソフト、.NETツールチェーンマネージャー「dotnetup」プレビュー公開
マイクロソフトは、複数バージョンの.NET環境を管理できるクロスプラットフォームツールチェーンマネージャー「dotnetup」のパブリックプレビューを公開しました。
AIニュース Anthropic、株式の一部を公共利益のための子会社に拠出
Anthropicは、株式の一部を公共利益のための新組織「Anthropic Public Benefit Fund」に拠出すると発表しました。企業価値の成長に応じて持分が増加する仕組みを取り入れます。
ベンチマーク・評価 農業生態系エージェントモデルの意思決定ルールに対する感度分析
MAELIAプラットフォームの作物管理手順を階層的な設計空間としてエンコードし、ランダムフォレストを用いたHSIC-ANOVA手法を提案する論文の解説。