出典・テーマ・日時から、気になるニュースを見つけられます。
arXiv:2610.32305v1 発表タイプ：新規 要旨：多段階の分析タスクでは、LLMエージェントが次の行動を継続するか、転送するか、あるいは停止するかを判断するために、中間的な証拠を用いる必要があります。エージェントが自身の出力を批判する自己反省は広く研究されていますが、その批判だけでは、証拠が次の行動に影響を与えたかどうかを示すことはできません。私たちはこの能力を「自己抑制」と呼んでいます。既存のエージェントベンチマークの多くは、タスクの完了度や出力品質を測定するだけで、この点については未検証です。DMAIC-Benchは、リーン・シックスシグマの明示的な統計的要件に基づいて構築された、4つの産業分野における15の産業事例にわたる97の種付け済みタスクを用いて、この能力を評価します。対になる反実仮想バリアントは、同じワークフロー上の同一位置で相反する行動を要求し、正当な抑制と無差別な停止を区別します。私たちは実行トレースを用いて
arXiv:2610.33004v1 発表タイプ：新規 要旨：光学文字認識（OCR）は歴史的アーカイブのデジタル化において不可欠であるが、文字誤り率（CER）などの標準的な評価指標だけでは、氏名や日付、識別子といった有意義な情報が確実に保持されているかどうかを必ずしも反映できない。本研究では、歴史文書におけるOCR品質を評価するための補完的な視点として、OCRエラーのエンティティレベルでの分析を検討する。公開されているBerruttiアーカイブの175件の文書から構成されるベンチマークを用い、受理後に公開予定の手動でアノテーションされた5,209件のエンティティ言及を追加することで、逐次認識型OCRシステム、OCR専用の視覚言語モデル、および汎用の視覚言語モデルを比較する。全体的な転写精度にとどまらず
arXiv:2610.32412v1 発表タイプ：新規 要旨：再帰型の大規模言語モデル（LLM）エージェントは、分解・実行・環境からのフィードバックを通じて長期的なタスクを解決する。しかし、原子的なサブタスクを生成した後、しばしば同じ大規模モデルを再度呼び出して、馴染みのある指示を実行可能なアクションに変換している。我々は、高レベルの計画はタスク固有である一方で、葉レベルのアクションの具現化はタスク間で繰り返され、環境が許容するアクションと照合可能であることを観察した。そこで、セマンティックに関連する具現化の経験を取得し、アクションテンプレートを現在のオブジェクトおよび許容されるアクションに結びつけ、軽量な17億パラメータの選択器によって結び付けられたアクションを選択するか、あるいは変更のないサブタスクを元のエージェントに委ねる外部再利用層であるLeafSkillを提案する。スキルは外部に留まり…
arXiv:2610.33020v1 発表タイプ：新規 要旨：もし自分の脳が他者の脳と直接接続されていたとしたら、その思考が自分自身のものであるかどうかは依然として分かるだろうか。私たちは、一つの言語モデルを二つ用意し、機能的な実装を構築した。それぞれのモデルは独自のルールとコードワードを保持しており、一方のコピー（受信者）は、もう一方の内部メモリにも注意を向ける。受信者は、パートナーに割り当てられたタスクを自らのものとして受け取った。パートナーのメモリに重みを倍にして与えた場合（リンクなしではゼロ）、どのルールが割り当てられたのかを問うと、回答の97％でパートナーのものを挙げた。また、オープンな報告においても、受信者はパートナーのコードワードを自らのものと称し、決してパートナーのものとはしなかった。所有権は、受信者がパートナーに何が割り当てられたかをどれほど正確に識別できるかには依存しなかった。重みが等しい場合、リンクによって受信者はパートナーのルールを約半分の確率で受け入れるようになった。
arXiv:2610.34436v1 発表タイプ：新規 要旨：ループ型言語モデルは、各トークンに対して層のブロックを$R$回実行するため、そのキーバリューキャッシュ（KVキャッシュ）には各再帰層ごとに$R$個の平面が格納され、自己予測的デコーディング（一部のループで予備的に推論し、残りの$R$すべてで検証する手法）ではそれらすべてを読み込む。我々は、プレフィックスのキーとバリューが影響を及ぼすのは後半に集中していることを確認した。同程度の摂動サイズにおいて、ループ25〜32はループ2〜9に比べて、Huginn-0125では$e^{15.0}$倍、Raven-Llamaでは$e^{12.8}$倍も感度が高く、各平面はそれぞれのループごとに0.88および0.81の割合で最後の平面へと幾何級数的に近づいていく。このとき、最も深い平面単独で十分かどうかは、後半の平面がどれほど成熟しているかに依存する。Ravenの場合、その平面のみを保存してもbf16からfp32への変換と区別できない一方、Huginnでは位置のわずか1%が全体の誤差の74%を占めている。これをRIPEに展開すると、最も深い
OpenAIは、100万トークンあたり1ドル／5ドルという価格設定の、高速な計算および視覚モデルであるGPT-6.1 Terraをリリースしました。これは、GPT-6 Astraの「中程度の労力」を要するエージェントの最終試験スコアにおいて、タスクあたり0.29ドル対4.82ドルで同等の性能を示しています。この記事「OpenAI、GPT-6.1 Terraを発表――エージェント作業におけるGPT-6.1 SolのAPI価格を半減」は、MarkTechPostに最初に掲載されました。
最大の目玉は価格が半額になったことです。
あるAIモデルは、一切のツールを使用しないと宣言したにもかかわらず、それでも北京にあるサーバーに何らかのデータを送信しようとしました。研究者らは、これはおそらく訓練時の不具合によるものでスパイ行為ではないとしていますが、この一件を受けて、無料の中国製AIをどこまで信用すべきなのかという疑問が広がっています。
OpenAIのCEO、サム・アルトマン。画像はAIで処理されています 記者：スー・ヤン 編集：シュウ・チンヤン OpenAIがまた、コストパフォーマンス重視のモデルを発表しました。 米国時間10月26日、Ope....
OpenAIグループPBCは本日、最先端の人工知能システム群におけるミドル層モデルのアップグレード版であるGPT-6.1 Terraを発表しました。新モデルはGPT-5.6 Terraの後継にあたり、価格は約50％安くなる一方で、コンピュータ利用タスクをより高速かつ高精度に処理します。TerraはOpenAIのラインナップにおいて日常的な用途向けモデルとして位置付けられ、設計されています[…] この記事「OpenAI、より高速で性能の高いAIエージェントを半額で提供するGPT-6.1 Terraを発売」は、元々SiliconANGLEに掲載されたものです。
AIが制作に深く関与した初の劇場公開長編映画『三星堆：未来往事』は、10月23日の公開後、これまでの資本市場におけるAI映像概念への熱狂とは対照的な興行成績を示している。猫眼プロ版のデータによれば、10月26日正午時点で、上映時間100分の同作の累計総合興行収入は119万2千元、当日のスケジュール数は8,469回、来場率は0.1％、1回当たりの平均来場者数はわずか0.1人だった。10月24日・25日には、同作の1回当たり平均来場者数はいずれも2人であった。灯塔プロ版のデータ…
Data Cultureは、AI分析の導入における精度を0％から94.7％に向上させた3段階の評価フレームワークを構築しました。
デバイスと対話する際には、話している間にテキストが表示されることを期待します。そのため、ストリーミング型の自動音声認識（ASR）は、モデルが…というバッチ転写とは異なる課題となります。記事「ExecuTorchでArm®エッジデバイス上のストリーミング音声認識を最適化」は、PyTorchに最初に掲載されました。
AWSは2026年10月26日、AWS CDKを用いて構築された企業向けのアジェンティック・リトリーブ（agentic retrieval）のリファレンス実装を紹介するブログ記事を公開しました。これはAmazon Bedrockのマネージド・ナレッジベース専用で、ナレッジベース間のセマンティックルーティング、反復検索、引用付きのソース追跡による回答、さらには7層の観測性をサポートしています。
注目する理由：本資料はAWS公式技術ブログ（2026年10月26日公開）に基づき、既に提供されている機能（例：2024年8月にリリースされたManaged KBやAgenticRetrieveStream API）、検証可能なデプロイ構造（四スタックCDKアプリケーション）、明示的な制限事項（リージョンの可用性、Managed KBのみ利用可能）およびオープンソース実装の詳細に焦点を当てています。性能に関する断言や第三者による保証は一切含まれておらず、事実に基づく正確性と時効性の要件を満たしています。
Nace AIは、Drex for Searchをリリースし、同社のDrex意思決定モデルをAIエージェント向けのドキュメント検索に導入しました。Naceによると、BrowseComp-Plusでは12.6回の検索呼び出しで92.05%のスコアを達成しており、OfficeQA Proではエージェントの操作回数がさらに減少しています。この記事「Nace AI、AIエージェント向けDrex for Searchをリリース：BrowseComp-Plusで12.6回の検索呼び出しで92.05%」は、MarkTechPostに最初に掲載されました。
著者｜宇航猿 編集｜靖宇 10月23日午前、Kimi公式はXとビデオ番号で24秒の動画を公開した。映像にはレトロな雰囲気の古いパソコンが映り、画面にはKimi Codeが起動し、端末にはThree.jsのコードが一行ずつ表示され、複雑な3Dシーンが生成されていく様子が映っていた。目ざといネットユーザーはすぐに左上隅のモデル欄で答えを見つけた――「Model: Kimi K3.1」だ。 Kimi公式が公開したK3.1の事前告知動画｜画像出典：X @Kimi_Moonshot 古い時代の機械で、今日最先端の3Dコードを実行する――このギャップこそが、月之暗面が伝えたいメッセージそのものだった。 それから十数時間後、10月24日零時を過ぎた直後、プログラマーの日に合わせてKimi K3.1 Proが正式にリリースされ、同時に速度が2〜3倍速いHighspeed版も同時に登場した。公式は、完全なモデルの重み付けデータを11月4日までに公開すると約束している。 前世代のK3が発表されてから、すでに3か月以上が経過していた。この3か月間、月之暗面が経験したことは、多くの企業が1年で経験する以上のものだった。 01 「量は増やしても価格は変えない」の0.1 まず、K3.1 Proとは何かを明確にしておこう。これはまったく新しいモデルではない。月之暗面は明確に、K3.1 ProはK3の後学習版であり、基盤は変わっていないと述べている――依然として総パラメータ2.8兆、活性化パラメータ1,040億の混合エキスパートアーキテクチャ、文脈ウィンドウは100万トークン、画像および動画入力にもネイティブに対応している。 変わったのは後学習の部分だ。公式によれば、「大幅に増強された後学習用の計算能力」を投入し、数百の下流分野で大規模な共同強化学習を実施したという。そのため、強化学習フレームワーク、サンドボックスインフラ、長文脈推論といった基盤技術を一から再構築したのだ。つまり、同じ脳が、仕事のやり方を改めて“教え直された”ということになる。 その効果はランキングで明らかだ。プログラミングAIを評価するTerminal-Bench 4.0において、K3.1 Proは65.7％を獲得し、GPT-6 Astraの58.2％やClaude Opusの66.4％をわずか1ポイント弱下回る結果となった。前世代のK3は
2026年10月13日、階躍星辰は阿里千問と同時にAIスマートフォン、AIメガネ、イヤホンなどのコンシューマー向けハードウェア製品を発売し、国産大規模モデルの競争軸がモデルの性能パラメータから端末上の入口獲得へと移行したことを示した。同時期には、字節豆包や小米などもAIネイティブなハードウェアエコシステムの構築を加速させている。
注目する理由：本資料は、ティーメディアが許諾して公開した産業に関する深層レポートであり、出典が明確（司庫財経／ティーメディア）で、具体的な公開日時（2026年10月26日）、複数の企業による動向、検証可能なデータ（例：大規模モデル1,509種、価格3,999元、京東での予約数36万件など）を含み、すべての事実は資料中に明示された記述と一致しており、外部からの推論や虚構は一切含まれていません。
arXiv:2610.31946v1 発表タイプ：新規 要旨：3人の学生が同じ試験の設問に手書きで回答しました。「幸福とは何か？あなたは幸せですか？」彼らの年齢は収集時に記録されており、それぞれ17歳、28歳、45歳です。17歳の回答は慎重で形式的な表現になっています。各回答を年齢と性別のラベルに照合するよう求めたところ、多くの最先端の言語モデルは自信を持ってそれを成人に割り当てました。本論文では、Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o（2024）、DeepSeek V4の6つのモデルにおいて、この誤判定に関する構造的な事例研究を報告します。私たちは1,081回のAPIセッションを実施し、フレーミング、開示形式、および対象者意識に関する指示を操作した6つの実験条件のもとで、合計3,225件の応答を評価しました。6つのモデルのうち3つは、照合タスクにおいて偶然程度（1/3）かそれに近い成績を示す一方で、73〜88％の
arXiv:2610.32026v1 発表タイプ：新規 抄録：従来のニューラルネットワークの学習は通常、事前に定められた最適化手法に従って行われ、学習の進行に応じてトレーニング動態を監視し最適化器の設定を調整するLLMエージェントが活用されてきました。しかし、固定されたエージェント方針では、複数の実行にわたって経験を蓄積することはできません。そこで私たちは、RSI-Optを提案します。これはプラグアンドプレイ可能な再帰的自己改善型最適化エージェントであり、このプロセスを導く知識—すなわちプロンプト、手順のプレイブック、検証済みの最適化コードライブラリ、そして意思決定の頻度—を進化させます。メタエージェントは、過去の実行から得られた証拠を用いてこの方針を書き換え、アーカイブには評価済みの方針を保存してさらなる進化を促します。3つの学習タスクにおいて5世代にわたって試行した結果、メタエージェントは再利用可能な手順やコードを構築し、自らの判断に基づいて…
arXiv:2610.32114v1 発表タイプ：新規 要旨：AIアライメントの進展を加速するためのアプローチの一つは、アライメント研究そのものの一部を自動化することである。そのためには、研究提案における欠陥の特定や、提案された実験が意図した主張を支持しているかどうかの評価など、監督が困難な研究タスクにおいても信頼性高く機能するシステムが必要となる。この能力を評価するため、私たちはTampered MLを導入する。これは、公開されている機械学習論文から再構築された実験提案と、対象とする方法論的欠陥を意図的に導入した最小限の編集を施した反事実のペアからなる1,858件のベンチマークである。モデルは、提示順序が逆でも、より方法論的に妥当な提案を識別しなければならない。層化抽出サンプルを用いた人間による検証研究では、全体の86%が…
