Le Chonk：コーダーのために構築され、防御者に信頼されるモデル。
Mistral Large 4（Le Chonk）の重みが公開されました。1兆パラメータを備えたマルチモーダルモデルであり、ヨーロッパで訓練されたコーディング向けの最良のオープン重みモデルです。
AI NEWS JOURNAL
AI ニュースを検索
見出し・要約・本文から、情報のつながりを探します。
Infini-AI-Lab、AIエージェント向けのオープンソースハーネスアダプタフレームワーク「Hermit」をリリース
Infini-AI-Labは、タスクからのフィードバックをもとに外部層の指示・スキル・メモリ・ツールを学習させ、エージェントのモデルとハーネスは変更しないApache-2.0ライセンスのハーネスアダプタフレームワーク「Hermit」をリリースしました。記事「Infini-AI-Lab、AIエージェント向けのオープンソースハーネスアダプタフレームワーク『Hermit』をリリース」はMarkTechPostに最初に掲載されました。
人工分析v5とベンチマーク作成者のジレンマ
ベンチマーク業界の現状と、そこに欠けているものについての一考察。
n8n@3.0.1
## [3.0.1](https://github.com/n8n-io/n8n/compare/n8n@3.0.0...n8n@3.0.1) (2026-10-28) ### 不具合修正 core: 圧縮ビルドにおいて ExpressionError の名前を保持する (https://github.com/n8n-io/n8n/issues/42309) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) core: QuickJS の式の結果に undefined 値を保持する (https://github.com/n8n-io/n8n/issues/42264) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) editor: スプリットボタン内のカーソルを揃える (https://github.com/n8n-io/n8n/issues/42203) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) editor: 初回読み込み速度を改善する (https://github.com/n8n-io/n8n/issues/41987) ([8b6bdbb](https://github.com/n8n-io/n8n/commit/8b6bdbbe874b
n8n@2.45.5
## [2.45.5](https://github.com/n8n-io/n8n/compare/n8n@2.45.4...n8n@2.45.5) (2026-10-28) ### 不具合修正 * **core:** 圧縮ビルドにおいてExpressionErrorの名前を保持する（[#42309](https://github.com/n8n-io/n8n/issues/42309))（[b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) * **core:** QuickJS式の評価結果にundefined値を保持する（[#42264](https://github.com/n8n-io/n8n/issues/42264))（[532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) * **editor:** スプリットボタン内のカーソルを揃える（[#42203](https://github.com/n8n-io/n8n/issues/42203))（[61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) * **editor:** 初回読み込み速度を改善する（[#41987](https://github.com/n8n-io/n8n/issues/4))
Build-A-Chip-Benchの紹介：ワークロード仕様からGDSまで
オープンソースツールとオープンソースPDKを用いて、チップ設計ワークフローを完了する能力を評価するため、ワークロード仕様からGDSレイアウトに至るまでの段階でAIエージェントを評価します。記事「Build-A-Chip-Benchの紹介：ワークロード仕様からGDSまで」はSemiconductor Engineeringに最初に掲載されました。
INC-MoE：エキスパート並列型混合専門家推論における、ネットワーク内コレクティブの重複と専門家計算
arXiv:2610.36339v1 発表タイプ：新規 要旨：エキスパート並列型混合専門家（MoE）のサービスにおいて、ディスパッチは各トークンをその選択された専門家が配置されているアクセラレータへ送り、コンバインは各トークンの所有者に専門家の出力を集約して返します。これら両操作はクリティカルパス上に位置し、マルチノード環境ではMoE層のレイテンシを大きく左右します。本研究では、ディスパッチとコンバインをネットワークスイッチにオフロードし、さらに両コレクティブを相互に、および専門家計算と重ね合わせるエキスパート並列型MoE層であるINC-MoEを提案します。ディスパッチはスイッチ側のマルチキャストによるネットワーク内AllGatherを用い、コンバインはスイッチ側のリダクションによるネットワーク内ReduceScatterを用います。両コレクティブとも、エンドホストとスイッチ間でメッセージセマンティクスを利用します。なお、ネットワーク内コレクティブはそれぞれ逆方向に負荷をかけるため
OmniBrain-0：身体を備えた知能のための統一されたエージェントモデル
arXiv:2610.36013v1 発表タイプ：新規 要旨：汎用的な身体を備えた知能は、ロボットが長期間にわたり多様なスキルを連携させ、タスクの進行状況を追跡し、障害から回復できるよう求められる。専門的なポリシーだけではタスクレベルでの信頼性を確保できず、強力なマルチモーダルエージェントも、コンパクトなモデルでは再現が難しい高コストな推論や外部経験に依存している。そこで私たちは、共有の高レベルな意思決定モデルを通じて操作とナビゲーションを協調させ、タスク理解、計画、進行状況の追跡、フィードバックに基づく回復を統合する、軽量で統一された身体を備えたエージェントであるOmniBrain-0を提案する。当社の段階的学習フレームワークは、身体を備えた事前学習、ドメイン特化型エージェントの蒸留、およびマルチティーチャーによるオンポリシー蒸留（MOPD）を組み合わせている。これにより、強
LLMを用いたランドマークベースの経路案内向け構造化マップ
arXiv:2610.36582v1 発表タイプ：新規 要旨：ランドマークに基づく経路案内を生成するためには、モデルは地図の幾何学的構造と人間のランドマーク選好の両方を理解する必要があります。大規模言語モデル（LLM）は言語処理タスクにおいて優れた性能を示しますが、これらのモデル向けに地図データをどのように構造化すべきかについては、まだ確立されていません。本論文では、ルートナビゲーションにおけるランドマーク選択タスク向けに、SVG形式を用いて空間的特徴を符号化する構造化テキスト表現を提案します。この構造化テキストは、レンダリングされた地図画像との幾何学的なつながりを維持しており、言語モデルが空間データおよび意味データに直接アクセスできるようにします。人間による経路説明文とOpenStreetMapデータから作成した新しいデータセットを用いて、ターン地点でのランドマーク選択および目的地周辺でのランドマーク選択という二つのタスクについてモデルの評価を行います。
トランスフォーマーにおける証拠効果の因果的局所化
arXiv:2610.36524v1 公告タイプ：新規 要旨：制御された記号入力は、自然言語による証拠から言語モデルの意思決定に影響を与える注意ヘッドを明らかにすることができるのか？我々は、制御された証拠集約（CEA）を提案する。これは、他の部分が固定されたプロンプトにおいて、二つの記号の出現回数と順序を変化させ、凍結されたトランスフォーマーが二つの回答トークンの間で示す選好の変化を測定する手法である。選好は両者のロジット差によって測定され、プロンプト自体には正解が指定されていない。バランスド・ユーティリティ・カウサル・セレクション（BUC）は、各ヘッドの出力を除去した際にカウント効果がどの程度消失するか、またカウント条件間で平均出力を補間することで両方向に効果がどの程度回復するかを同時に評価することにより、コンパクトなヘッド集合を特定する。さらに、ヘッドの帰属と介入との間に結びつく条件付き上限を導出する。
Anthropicが世界No.1のLLMを安全に提供する方法：脳と手を分離する
ケイトリン・レスとアンジェラ・ジ앙がLatent Spaceに登場し、Claudeプラットフォームの背後にある技術について解説します。Opus 5.5のリリース、モデルの「脳」とエージェントの「手」の分離、APIのスケーリング、そして信頼性の高いマネージドエージェントの構築について語ります。新たな導入部分では……
私たちがデザインエージェントをどのように構築したか
LangChainが、ブランドに合わせた動画、グラフィック、プレゼンテーション資料を生成するSlack向けのオープンソース型デザインエージェント「Content Studio」と、それを支えるハーネスをどのように構築したか。
NVIDIA Nemotronを微調整して、地域の言語だけでなく地域の規則も理解できるようにする
AIの導入が世界的に拡大するにつれ、さまざまな言語や文化圏の人々が日常生活のより多くの場面でAIを活用しています。汎用的な言語モデルは…
NVIDIA DGX SparkにおけるMoE推論を強化する3つの方法
トークンの生成をより高速化するには、まず推論性能を制限している要因を特定することから始まります。NVIDIA上でInclusion AIが実施したLing-3.0-flashのバッチサイズ1による評価では…
MetaのAIディレクターであるロヒト・パテル氏が、Microsoft OfficeおよびGoogle Workspaceに就任するために退社しました
ロヒト・パテル氏は、AI評価と強化学習に8年間従事した後、Metaを退職するとのことです。TechCrunchが独占入手した情報によれば、彼のスタートアップ企業Ndocは、Microsoft Officeスイートに対抗することを目指しています。
Mirendilが、1,000万トークンのコンテキストを備えた初のモデルであるFern 0.1をリリース
Mirendilは、1,000万トークンのコンテキストウィンドウでゼロから事前学習された初のモデルであるFern 0.1をリリースしました。同モデルはエージェント型AIの研究開発を対象としており、1,000万トークン規模でのRULERシングルニードルテストでは100%のスコアを獲得していますが、エージェント型コーディングにおいては最先端モデルには及ばない結果となっています。この記事「Mirendil、1,000万トークンのコンテキストを持つ初のモデルFern 0.1を公開」は、MarkTechPostに最初に掲載されました。
Anthropicが目論見書を提出、違反ユーザーが収益の少なくとも5％を占める；胡潤富豪ランキング上位100人のリストに、梁文鋒らAI界の大物が相次いで名を連ねる｜AI業界でまた何が起きたのか
1. 働き手にさらに適したGPT-6.1 Terraがリリースされ、API料金が半額になり、パソコン操作もより速くなりました 10月26日、OpenAIはGPT-6.1 Terraを発表し、視覚理解、パソコン操作、事実の正確性、プログラミング能力の向上に重点を置きました、....
産業インテリジェンス：製造業の次の成長機会
各メーカーにはそれぞれ独自の産業用インテリジェンスがあります。その一部は文書化されており、もう一部は熟練作業者の経験知に依存しています。例えば、段取り替え後にラインを再稼働しようとする熟練オペレーターを想像してみてください。機械の設定も重要ですが、特定の材料がどのように挙動するか、前シフトで何が起きたか、そして一見些細に見える…
AIエージェントは、メディアにとって新たなお気に入りのオーディエンスです
エージェントが主流化するにつれ、一部の出版社は、人間向けではなくAI向けに特化したコンテンツに対して人々が料金を支払うことを期待している。