智東西（公式アカウント：zhidxcom）著者｜李水青 編集｜心縁 智東西10月31日の報道によると、アリババは先ほどアップルと提携し、QwenをApple Intelligenceに統合すると発表しました。中国のユーザーはSiriやライティングツール、ビジュアルインテリジェンスにおいて、Qwenのテキスト・画像理解やコンテンツ生成などの機能を直接利用できるようになります。これらの機能は11月4日から最新のiOS Developer Beta版とともにテスト公開され、さらに…
AI産業がメモリやその他の部品を大量に消費しているため、PC市場の需要低迷がインテルに打撃を与え、PC価格の上昇を招いている。
OpenAI、Google、Microsoft、Anthropicは、パブリッシャーがAIによるスクレイピングを拒否するための新しい標準を採用すると述べており、これは以前にSearch Engine Roundtableによって報じられた。この制御により、パブリッシャーは個別に設定するのではなく、複数のAI企業にわたって自らのAI学習に関する優先設定を適用できるようになる。共有される「ポリシートークン」シグナルは[…]
自律型エージェントの構築には、モデル、ハーネス、およびドメイン固有のツールが必要です。エージェントをより安全にデプロイするためには、ポリシーを強制するランタイムに加え、信頼性の高い実行を確保するための最適化ツールや観測可能性ツールも必要です。
AIエージェントを本番環境へ投入しようと急ぐ企業たちは、そのエージェントを信頼できるかどうかを左右するのはモデルの選択ではなく、ロールベースのアクセス制御であると気づきつつある。推論コストの高騰やプライバシーへの懸念、主権に関する要求なども相まって、ますます多くのAIワークロードが企業内データセンターへと戻りつつある。この変化は、長年にわたり機密データの管理に取り組んできた企業に有利に働いている。[...] 記事「AIエージェントの導入競争は、データアクセスという見慣れた障壁に直面している」は、SiliconANGLEにて最初に公開された。
AIのおかげでできることが増えたとはいえ、以前よりもかなり疲れを感じています。同時に進行する多くの事柄を把握し、膨大な生成テキストを読み込まなければなりません。
## [2.46.3](https://github.com/n8n-io/n8n/compare/n8n@2.46.2...n8n@2.46.3) (2026-10-30) ### 不具合修正 * **core:** 移行所有者へのリマインダーを再送する前にクールダウン時間を追加 ([#42567](https://github.com/n8n-io/n8n/issues/42567)) ([724efc3](https://github.com/n8n-io/n8n/commit/724efc352f51a52910924789b79cf66770807e09)) * **core:** アクティベーション後にIMAPトリガー式を解決 ([#42612](https://github.com/n8n-io/n8n/issues/42612)) ([17594a7](https://github.com/n8n-io/n8n/commit/17594a7eefa42bc37f532af35c4f38eb1986bbc5)) * **core:** 式内でユーザー情報を__isErrorキー付きで返す ([#42490](https://github.com/n8n-io/n8n/issues/42490)) ([9fe595e](https://github.com/n8n-io/n8n/commit/9fe595e1b83179b54ac5768d03c5f90f9c409f16)) * **editor:** ワークフロープロジェクトをその名前で表示
core：ワークフロー スコープのルートが実行データを読み取る際に、read 権限を必要とするようにしました（#42446）（93638f4）
GitHubは2026年10月28日、Copilot Fusionの正式版を公開し、同時に実験的なローカルモデルルーティング機能も導入しました。この機能により、Windowsデバイス上でMAI Code 1.1 Flashなどのローカルモデルを自動的に呼び出すことができ、VS Code、CLI、およびCopilot Appにおいてインテリジェントなルーティングが有効化されます。本システムは、Standard／High／Maxの三段階の努力レベルに基づき、クラウドモデル（OpenAI、Anthropic、Googleなど）を自動的に選択・組み合わせてタスクを実行します。コーディング評価においては、Claude Codeに近い性能を実現しつつ、コストは半減しています。
NVIDIAは新たに音声文字変換の大規模モデルNemotron 3.5 Transcribeを正式にオープンソース化しました。このモデルはプロフェッショナルな音声処理向けで、多言語での文字起こし精度、長時間音声の処理、複数話者の分離といった主要な指標において業界トップクラスの性能を誇ります。ハイブリッド・エキスパート（MoE）アーキテクチャを採用し、総パラメータ数は約340億で、毎回の前向き伝播時に一部のパラメータのみを活性化することで効率を向上させています。全体として、プロフェッショナルな音声文字変換に対する新たなオープンソース選択肢を提供しています。
最近、ニューラリンクは大きな進展を遂げ、AIモデルであるGrokを人間の脳に直接接続しました。これにより、ブレイン・コンピュータ・インターフェースは「思考でカーソルを動かす」段階から、「思考でAIを操作する」時代へと踏み出しました。8つの主要機能を開発するため、核心技術者が被験者の自宅に滞在し、72時間にわたる極限の高負荷な実戦を展開しました。本記事では、この進展と、チームが“徹夜”で開発した裏側に迫ります。
IT之家 10月30日付の報道によれば、利用者数が少ない言語を用いるユーザーは、英語やその他の主要言語のユーザーに比べて、AIサービスを利用する際により高い料金を支払う必要がある場合があるという。現地時間28日、海外メディアRest of Worldの報道によると、人工知能言語公平性研究連盟が先月発表した研究では、AIモデルが異なる言語を処理する際、消費するトークン（単語要素）の数に大きな差が生じることが明らかになった。トークンとは、AIモデルがテキストなどのデータを処理する際の基本単位であり…
arXiv:2610.37680v1 発表タイプ：新規 要旨：フロンティアモデルと小型言語モデルの性能差を埋める手法としては、通常は蒸留が用いられます。すなわち、フロンティアモデル（教師）の出力に対して小型モデル（生徒）を微調整することで転移を行いますが、この方法では転移に必要な計算コストが伴う上、転移された知識はほとんど不透明なままです。そこで私たちは「アーティファクト蒸留」を提案します。これは、教師モデルが学習課題を解き、その問題解決手順を外部にアーカイブしておき、生徒モデルが推論時にそのアーカイブを参照するという手法です。これにより、勾配による更新は一切不要となります。LiveBenchの4つのタスクにおいて、Claude Opus 4.5が作成したアーカイブを用いることで、Claude Haiku 4.5は空間的推論において、コストを60％に抑えながら、無補助のClaude Sonnet 4.5を0.707対0.647で上回り、テーブル結合タスクではコストを89％に抑えた上でSonnet 4.5と同等の性能を達成しました。さらに、同じ生データのアーカイブを用いることで
arXiv:2610.38355v1 発表タイプ：新規 要旨：KVキャッシュの再利用は大規模言語モデルのサービスを加速させるが、既存のシステムではホストのDRAMとNVMe SSDを階層的なヒエラルキーとして管理しており、DRAMが中間キャッシュとして機能している。しかし、実際の大規模言語モデルのワークロードは、この階層構造の二つの前提をいずれも破っている。第一に、バイモーダルな再利用によりDRAMの時間的フィルタリングが無効化される。というのも、ワークロードは長い再利用距離を持つワンショットブロックか、DRAM容量を超える数ギガバイト規模のエージェントセッションによって支配されており、その結果SSDが重要な読み取りパスに置かれているからである。第二に、DRAMによるステージングと、排出現象に基づくレイアウトがSSDの復元処理をボトルネックにしている。進行中のプレフィックスのためにホストのステージングバッファを保持すると、負荷下で競合が生じてプリフェッチが中断されてしまう一方で、段階的な排出現象によってセッション内のブロックがSSD全体に散らばり、大規模なシーケンシャルリードが妨げられる。我々は…
arXiv:2610.37851v1 発表タイプ：新規 要旨：既存の科学系エージェントベンチマークでは、カスタマイズされたシーケンシングアッセイの解析に不可欠な、シーケンシングプロトコルで指定された正確な分子構造および生成ワークフローを再構築できるかどうかを評価するケースはほとんどありません。そこで私たちは、シーケンシングライブラリの構造と分子ワークフローの再構築を目的とした文書ベースのベンチマークであるLibStructBenchを提案します。実験結果から、最先端のエージェントは概ね正しい再構築を行えるものの、特に分子状態の表現やワークフローの接続性において、正確な再構築には依然として信頼性が不足していることが明らかになりました。また、基盤となる言語モデルを切り替えた場合の方が、エージェントハーネスを変更した場合よりも平均的な性能差が大きく、統計的に有意な差が認められました。
arXiv:2610.37881v1 発表タイプ：新規 要旨：ディープフェイク検出モデルは全体的な精度は高いものの、人口統計上の各グループ間で性能に大きな偏りが見られ、一部のグループでは他のグループに比べて偽陽性率が著しく高くなるという問題があります。既存の公平性を考慮した手法は、モデルの出力を制限してグループ間の予測結果を均等化することによってこの問題に対処していますが、根本的な特徴レベルのバイアスには対処していません。その結果、モデルは依然として肌の質感など、人口統計的特性を操作されたコンテンツを検出するための間接的な手がかりとして利用してしまう可能性があります。この問題を解決するために、我々は交差的不変学習（IIL）というフレームワークを提案します。これは、単にモデルの出力を調整するだけでなく、特徴学習自体を改善するものです。IILでは、最も困難な人口統計的区分を特定することを繰り返し行い
arXiv:2610.37819v1 発表タイプ：新規 要旨：量子機械学習（QML）は医療分類への応用がますます検討されているが、サブグループを考慮した公平性基準下での挙動についてはまだ十分に研究されていない。本稿では、QMLが本質的に公平であるとは限らないという前提のもと、医療画像に対する古典的および量子分類器の実証的な公平性監査を提示する。評価対象は二つのシナリオであり、DDIデータセット上の皮膚病変（敏感属性：フィッツパトリック皮膚タイプ）と、CheXpert由来データ上の胸部X線画像（敏感属性：年齢層）である。ResNet-18による埋め込みを用い、ベースラインおよび三種類の緩和手法（微分可能な等化オッズ（EO）正則化、勾配反転学習（GRL）、両者を組み合わせた手法）の下で、SVM、MLP、QSVM、QCNNを訓練する。また、基礎モデル（PanDerm、EVA-X）を外部参照として用いる。
arXiv:2610.37788v1 公告タイプ：新規 要旨：言語モデルアシスタントは、ユーザーが誤った回答を示唆すると、正しい回答を変更することがあります。この現象は「迎合行動」と呼ばれ、通常は好みに基づく事後訓練に起因するとされていますが、初期の測定では事前学習済みモデルにも見られました。そこで、我々は訓練のあらゆる可能な段階でこれを測定することで、その発生源を明らかにします。ベースモデルから監督下での微調整、好みに基づく最適化を経てリリースに至るまで、5つの系統に属する13のオープンなチェックポイントを対象としました。さらに、注入された主張がモデルの回答をどの程度変化させるかと、回答がどれほど強固に保持されていたかを区別し、主張を行う主体やその信頼性、および主張の強さを変化させながら検証を行いました。その結果、異なる起源を持つ二種類の迎合行動が浮き彫りになり、いずれも複数のデータセットで再現されました。主張への従順さ i
arXiv:2610.39017v1 発表タイプ：新規 要旨：分散型コンセンサスおよび一貫性プロトコルは、その解析が極めて困難でありながらクラウドの基盤を成すものであるため、通常は本番環境への導入前に厳密な証明と形式検証を経る。一方で、運用中に頻繁に発生するプロトコルの変更には、同程度の厳密さがほとんど適用されておらず、安全性を損なうリスクが高まっている。本論文では、手動による変更に伴う安全性違反のリスクを排除するため、分散プロトコル向けの自動最適化ツール「DistOptimize」を提案する。DistOptimizeは、学術分野で用いられる言語から実運用で使用されるフレームワークへとスループット向上の最適化手法を移行し、Rocqにおいて書き換えの正当性を検証するとともに、キャリブレーションとILPベースの探索を組み合わせてその適用を自動化する。
arXiv:2610.37681v1 公表タイプ：新規 要旨：近年、大規模な推論モデルは複雑なタスクの解決において顕著な能力を示しており、長文の思考過程データに対する教師あり微調整（SFT）が、その推論能力を引き出し、さらに向上させるための重要な基盤となっています。推論に特化したSFTの改善と分析の両面で急速な進展が見られるにもかかわらず、この分野には依然として、急成長する文献を統合した体系的なサーベイが存在しません。このギャップを埋めるために、私たちは推論向けSFTに関する最近の進展を包括的にレビューし、方法論的設計と分析的検討という二つの視点から文献を考察します。まず、SFTパイプライン全体にわたる方法論上の改良を概観し、それらをデータ中心のアプローチとアルゴリズム中心のアプローチに分類します。
AIが動く。未来が更新される。