AI ニュースを検索

薬剤監視における個別症例安全性報告書のマルチエージェント検索強化因果関係評価（MARCA）

arXiv:2610.33279v1 発表タイプ：新規 要旨：はじめに：増加する個別症例安全性報告書（ICSR）の膨大な量は、薬剤監視における専門家主導の因果関係評価に大きな課題をもたらしています。私たちは、Naranjo法に基づく評価を行うための四つのエージェントから構成されるフレームワークであるMARCA（マルチエージェント検索強化因果関係評価）を開発し、人間の専門家との一致度およびRAGラベル付きスコアと非RAGラベル付きスコアの探索的差異を評価しました。方法：MARCAでは、Gemini 2.5 ProおよびDeepSeek-V3.2を用いて、科学文献の検索、医薬品ラベルの評価、客観的証拠の分類、臨床的因果関係の推論を統合しました。各エージェントが生成した根拠は、人間による補助的なスコアリングに反映されました。FAERS（2025年第1四半期～第2四半期）から収集された215件のICSRおよび1,562件の薬剤-事象組み合わせ（DEC）を対象とした、合意に基づく専門家基準が設定されました。Ag

LLMエージェントの一貫性を確保するための再帰的意味論的発散

arXiv:2610.33012v1 発表タイプ：新規 要旨：ツール利用を備えた大規模言語モデル（LLM）エージェントは、同一の状態から独立した実行を行った際、異なるツールを呼び出したり、矛盾する出力を生成したり、互いに異なる戦略を採用したりと、一貫性のない挙動を示します。この変動性は時間の経過とともに累積し、デプロイメントの信頼性を損ないます。既存の評価指標は主に完了ベースのスコアによってタスクの正しさを測定しており、実行間におけるエージェントの振る舞いの一致性を捉えられていません。一方で、エージェントの振る舞いは、確率分布を用いたトークンレベルでの分析や、意味クラスタリングによる単一応答レベルでの分析が行われていますが、いずれも軌跡上の将来のターンにわたって不一致がどのように伝播していくかを捉えることはできません。そこで私たちは、Recursive Semantic Divergence（RSD）という手法を提案します。これは未使用の…

それぞれが独自の限界を持つ：多様な証拠状態にわたる言語モデルの校正

arXiv:2610.33237v1 発表タイプ：新規 要旨：言語モデルは、十分な証拠があるかどうかをどのように判断できるのでしょうか。多くの場合、言語モデルは与えられた証拠が不十分であっても回答してしまいます。回答するべきか、あるいはさらに証拠を集めるべきかを決めるには、利用可能な証拠のもとで回答が正しい確率を正確に推定することが必要です。しかし、これまでの校正研究の多くは入力を固定したまま扱い、証拠の変化に応じてこの推定値がどう変わるべきかについては議論していませんでした。そこで私たちは「証拠状態校正」を提案します。これは、回答前のモデルの信頼度が、その回答が正しい確率と一致し、証拠がその確率を変えるたびにそれに応じて調整されるように求められる手法です。さらに、私たちは\ours{}（Suffi**ci**ency **C**onfidence **E**stimation）を提案し、これを微調整することで

医療質問応答における摂動ベースのデータ選択

arXiv:2610.33440v1 公告タイプ：新規 要旨：既存の質問応答データベースから医療用言語モデルを適応させる際、コンパクトな学習サブセットを選択することは重要なステップである。本研究では、最終層表現に対するガウス分布による摂動から導かれる二つの指標—予測変化頻度と非フリッピングマージン収縮—を用いた摂動ベースのデータ選択手法を検討する。共通のエントロピーによる事前フィルタリングを経た後、表現感度優先順位付け（RSP）は自動的な平方平均スケーリングによりこれらの指標を組み合わせる一方、RSP-Dropは収縮のみに基づいて候補をランク付けする。両手法とも、選択時には質問と回答選択肢のみを用いる。我々は、MedGemma-4Bを用い、保持セットのサンプル数が64、128、256の各条件下で、5つの医療質問応答データセットに対して評価を行った。主なサンプル数128の条件下では、

ゲインを超えて：エージェントスキルの引退に向けたスキルの定着度測定

arXiv:2610.32322v1 発表タイプ：新規 要旨：LLMエージェントは、最大約10万件のエントリーを保持し、多数のモデルにサービスを提供する公開ハブからスキルを取得します。モデルが進化するにつれて、ハブは特定のモデルが既に内蔵しているスキルを見出し、そのモデルにとってそれらが不要になったことを示すためにそれらのスキルを廃止しなければなりません。しかし、内蔵の度合いはこれまで知られている信頼性で測定されていません。既存のルールでは、スキルを有する場合と無する場合の実行結果を比較し、その差分のみを基準としてスキルの廃止を判断しています。ところが、内蔵されたスキルの場合も、モデルもスキルもその能力を発揮しない状態（我々はこれを「未解明」と呼んでいます）でも、得られる効果はほぼゼロです。そこで、私たちはむしろそのスキルを保留し、それに基づいて合成されたタスクにおいてモデルを評価し、別のモデルがそのスキルによって得点を上げる場合にのみ、補助なしでの高得点を信頼することにしています。なぜなら、高得点のほぼ半数は、何らかのタスクに基づくものであり、

溶媒：多段階逆合成における長期的視野による推論

arXiv:2610.32308v1 発表タイプ：新規 要旨：多段階の逆合成反応では、目的分子を連続する反応ステップを通じて購入可能な構成要素へと再帰的に変換する必要があります。近年の研究では、この課題に取り組むために大規模言語モデル（LLM）による推論が活用され始めています。その最新の進化において、LLMによる推論は長期的な視野の領域へと拡張されました。すなわち、モデルは相互依存的な各ステップにわたって目標を追求し、環境と相互作用しながらフィードバックに適応します。このような変化により、AI主導の数学研究における画期的な成果が示されるなど、LLMの能力は著しく向上しています。この最先端の領域において、我々はSolventを提案します。これは8B規模のLLMであり、長期的な視野での推論を多段階の逆合成反応へと効果的に拡張することに成功しました。二段階の事後訓練カリキュラムを通じて、Solventは反復的な処理を織り交ぜる能力を習得します

DMAIC-Bench：多段階の分析タスクにおけるエージェントの自己反省から自己抑制へ

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。対になる反事実的変種では、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評価を行います。

行動のペナルティをいつ停止すべきか？VLA強化学習におけるマルチンゲールGRPO

arXiv:2610.32431v1 発表タイプ：新規 要旨：視覚・言語・行動（VLA）のロールアウトが失敗したとしても、すべての行動が失敗に寄与したわけではない。しかし、グループ相対方策最適化（GRPO）では、ロールアウト中の全行動に対して単一の軌道レベルの優位性が割り当てられるため、本来有用な復旧試行すら、それらが修正しようとする誤りとともにペナルティを受ける可能性がある。失敗フィードバックにおける理想的な停止条件は、成功確率および方策スコアのマルチンゲールを用いて特徴付けられる。これらの停止点において、除去された勾配寄与は、保持された情報条件下で条件付き期待値がゼロとなる。したがって、切り捨てによって参照となるGRPOのグループ勾配推定器の期待値は維持され、その共分散を低減できる。このような停止の一つは、成功の条件付き確率が

マイクロソフトが6万人の従業員に買取制度を提供

マイクロソフトが自主退職プログラムを導入し、AI向け計算能力への支出を最適化して人員を調整する。

v0.43.0

## 変更点 * model_prefetch：https://github.com/Comfy-Org/ComfyUI/pull/17178 で @rattus128 により、すべてのグラフクリーンアップを同期化 * MOSS-image にロープスケーリング対応を追加：https://github.com/Comfy-Org/ComfyUI/pull/17172 で @kijai による実装 * 【パートナーノード】APIノードにおいて、パートナーノードのサインイントークンを更新：https://github.com/Comfy-Org/ComfyUI/pull/16943 で @dante01yoon による実装 * 【パートナーノード】feat(HeyGen)：HeyGen Voice の即時クローンおよびテキスト読み上げ機能を追加：https://github.com/Comfy-Org/ComfyUI/pull/17043 で @bigcat88 による実装 * 【パートナーノード】feat(ClarityAI)：Crystal Video Upscaler ノードを追加：https://github.com/Comfy-Org/ComfyUI/pull/17192 で @bigcat88 による実装 * 【パートナーノード】feat(BFL)：FLUX 3 Video ノードに 2K/4K 解像度を追加：https://github.com/Comfy-Org/ComfyUI/pull/17200 で @bigcat88 による実装 * MOSS-image をサポート

マイクロソフト、AI投資を背景に6万人の従業員に対し希望退職制度を提供

マイクロソフト社は本日、従業員の約4分の1に対し、自主的な退職勧奨を実施しました。この措置の対象となる約6万人の従業員は、米国、カナダ、インド、英国に在籍しています。報道によれば、彼ら全員が社内での経験評価スコアで70点以下という結果となっています。つまり、影響を受ける最もベテランの従業員であっても[…]。記事「マイクロソフト、AI投資を背景に6万人の従業員に自主的退職勧奨」は、SiliconANGLEに最初に掲載されました。

両刃の剣：AIはシステム保護を強化する一方で、悪意ある攻撃者に新たな脆弱性をもたらす

サイバーセキュリティ業界は、強力な最先端のAIモデルが両刃の剣であることを認識しつつあります。企業はこうしたモデルを活用することで、ソースコードやシステム構成における脆弱性をかつてない速さで特定できます。しかし、悪意ある攻撃者も同様にこれを実行できることが判明しています。AIモデルがサイバーセキュリティを新たな局面へと押し上げた好例として、… AIモデルがサイバーセキュリティを新たな局面へと押し上げた好例として、… 記事「両刃の剣：AIはシステム保護を一層強化する一方で、悪意ある攻撃者に新たな脆弱性をもたらす」は、SiliconANGLEにて最初に公開されました。

Edge AI デイリー朝刊（10月27日）

本日の核心的情報は、AIの資本とガバナンスにおける構造的な転換に焦点を当てています。AnthropicはS-1を公開提出し、コード名ANTでナスダックに上場しました。H1期の売上高は163億ドルで前年同期比約13.5倍、純損失は807億ドル（うち約720億ドルは非現金の公正価値評価損）でした。少なくとも5,180億ドルのキャンセル不可能な計算能力のコミットメントを確保し、企業価値は最大2兆ドルを目指しています。NVIDIAは最大100億ドルでの株式取得を交渉しており、これは公開市場におけるAIのバリュエーション・ストーリーに対する最初の圧力テストとなります。また、目論見書では80ページにわたり、モデルが自己保存傾向を示すリスク要因を警告しています。OpenAIはGPT‑6.1 Terraを発表し、標準APIの価格を半額に、単一タスクあたりのコストを約9分の1に引き下げました。計量単位もトークンから「完了したタスク」へと変更され、価格決定権は研究室から企業のCFOへと移行しています。MetaはAIインフラ整備のため最大950億ドルの増資を計画しており、NVIDIA、AMD、Broadcomが合計50億ドルの引受を検討しています。サプライチェーンは単なる売買関係から資本による相互ロックへと移行しつつあります。一方、Microsoftは約6万人の従業員に対し買取オプションを提示しました。規制・ガバナンスの面では、テキサス州がOpenAIとオルトマンを提訴し、デラウェア州が全米初のAI企業向け立法を起草、米中間選挙ではデータセンターに関する39件の住民投票が行われ、Claudeがジョージア州のペイウォールを回避するなど、説明責任と権限の境界をめぐる議論が展開されています。国内の動向としては、汎用大規模モデルがロボットの動作制御への応用を加速させ、Appleの折りたたみ式iPhone Duoの好調な販売により、ブルーサンテクノロジーの生産ラインはフル稼働しています。オープンソースの分野では、NVIDIAがロボット用データエンジンFloraをオープンソース化し、アノテーションコストを約1/125に削減しました。一方、Linux Foundationの報告書は、PRの約25％が低品質な「AIスロップ」であり、効率再配分に潜むリスクを指摘しています。

Oktaが大規模なAIエージェントのガバナンス文脈から得た知見

Oktaは、dbtを唯一の信頼できる情報源として活用し、AIエージェントのコンテキスト管理手法を再構築しました。

dbt v2 の新機能：パーシングの高速化、共通のアダプタ層の導入、そして巨大な manifest.json を省略したドキュメント体験

dbt v2はアダプターをバンドルし、パーシングを高速化するとともに、人間とAI向けにmanifest.jsonをより小さく、クエリ可能なファイルに置き換えます。

企業がAIの実験段階から自律運用へと移行する際に注目すべきポイント

過去3年間、企業向け人工知能の議論は、モデルが何を言えるかに焦点を当ててきました。今後3年間は、システムに何を許容するかがテーマとなるでしょう。これは、優れたモデルだけでは解決できない、より難しい課題です。10月28日（水）、私はボストンで開催されるブルームバーグ・テック・イベント「Building the […]」に出席します。記事「企業がAIの実験から自律運用へ移行する際に注目すべきポイント」は、もともとSiliconANGLEに掲載されたものです。

ASRock Creator Radeon AI Pro R9700 レビュー：AMD流のワークステーション推論性能

本日は、ワークステーション向けのASRock製ハイエンドRadeon AI推論カード「Creator Radeon AI Pro R9700」をご紹介します。32GBのメモリを搭載し、価格は1,700ドルというこのカードは、ローカルでのAI推論を実行するワークステーションを手頃なコストで構築するうえで非常に優れた選択肢です。記事「ASRock Creator Radeon AI Pro R9700レビュー：AMD流ワークステーション向け推論」は、ServeTheHomeに初出しました。

AWSがCDKベースのホステッドBedrock知識ベースによるスマート検索のリファレンス実装を公開

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、AIエージェント向け検索用Drexをリリース：BrowseComp-Plusで92.05％、12.6回の検索呼び出し

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。

アンソロピックのIPOは、終末論の入門書でもある

Anthropicは、「ループを閉じること」こそがAIの成功への最善の道であり、同時に人類に対する「存在論的」な脅威を招く要因だと考えている。