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…
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。
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:2610.37679v1 公表タイプ：新規 要旨：ツールを使用する言語エージェントは間接的なプロンプトインジェクションに対して脆弱であり、不安全な行動が実行される前にそれを検出するためにモデル内部を調査する研究が増加しているが、その結果には著しく矛盾した点が見られる。我々は、こうした矛盾の多くは評価手法に起因すると主張し、評価および学習集団の両方において、インジェクションによる露呈と行動上の約束を分離する二重層化プロトコルを提案する。主要なQwen AgentDojoのグリッド上で、無意識的に不安全なケースとその他を混在させた対照条件下で訓練されたモニターは、ほとんどが露呈を学習しており、エージェントがそれに従うかどうかに関わらず露呈した軌跡を警告し、どのケースが不安全になるかをほとんど予測しない。一方、露呈したケースのみを対象に再訓練した場合、同じ種類のプローブはモデル自身が行う不安全なツール呼び出しを最大2秒前まで予測できる。
arXiv:2610.37859v1 発表タイプ：新規 要旨：言語モデルエージェントは、文脈における自然言語から学習する能力において、従来の知能システムとは根本的に異なります。この能力により、エージェントはフィードバックに応じて自身の回答を反復的に改善することが可能となり、これは現代のエージェント型ワークフローにおいて広く見られる動作様式です。しかし、コミュニティでは主にPass@1やPass@Kといった指標でモデルを評価しており、それらの指標では、エージェントが過去の試行に対するフィードバックをどのように活用しているかを捉えることはできません。そこで私たちは、Seq@Kという自然な評価プロトコルを提案します。これは、各前の試行が失敗した後にフィードバックを受け取り、K回の逐次的な試行のうちに問題を解決できるかどうかを測定するものです。長期的な計画を検討する多段階のエージェントベンチマークとは異なり、Seq@Kは、フィードバックによる改善という核心的な能力を単独で抽出し、形式化しています。
arXiv:2610.37676v1 公表タイプ：新規 要旨：自動解釈可能性は、スパースオートエンコーダー（SAE）の特徴について、評価例に対してその特徴がどの位置で活性化するかをトークンごとに予測させたり、マークされたトークンがその特徴に適合しているかどうかを判定させたりすることで、解説を評価します。我々は、評価データの標準的な処理パイプラインのみを用いても、解説を読まないままスコアリングが可能であることを示しました。Neuronpediaに保存されているGPT-2 smallモデルのランダムな500個の特徴に対するファジング実行において、活性化した例の91.3％が中心トークン上でピークを持つように切り取られており、さらに中心トークンがマークされていれば「はい」と判定するルールは、パイプラインのコードから再構築されたマークに基づいて計算した結果、保存済みのLLMスコアラーの0.838に対し、バランスのとれた精度0.979を達成しています。一方、マーク数のみを参照するルールでは0.969を記録しました。T
arXiv:2610.37905v1 発表タイプ：新規 要旨：SEC EDGARなどの公開開示リポジトリは、企業の提出書類へのウェブアクセスを通じて、情報に基づいた投資を支援しています。これらの書類のレビューを言語モデルベースのエージェントでサポートするには、関連文書間で明示されていない不備の発見、不足している企業情報の取得、さらに要求された修正が証拠に基づく要件を満たしているかの検証が必要です。既存の財務に関する質問応答の評価では、こうした対話型の機能についての証拠は限られています。そこで私たちは、企業開示の審査・修正を対象とした対話型ベンチマークであり、自己進化型エージェントフレームワークである\textbf{FilingLoop}を提案します。米国証券取引委員会の歴史的な文書交換に基づき、FilingLoopは96社から抽出した主にIPO審査に関わる380のタスクを再構築しました。
Anthropicは10月29日、Claudeのモバイルアプリをアップデートし、iPhone、iPad、Android、Chromebook、さらにはウェブやデスクトップ端末にも対応したと発表しました。特に注目すべきは、iPhone版の音声モードがApple CarPlayに正式に統合されたことで、ドライバーは手をハンドルから離すことなく、直接音声でAIに質問できるようになりました。通勤中に経路を調べたり、資料を探したり、考えを整理したりすることが可能です。車載シーンは、今回のアップデートで最も想像力をかき立てる方向性として位置づけられています。
Googleは、対話型AIの大規模モデルであるGeminiに重大なアップデートを発表し、ファイル内での直接編集機能を新たに追加しました。すべてのユーザーはウェブ版およびモバイル版で、さまざまな主流ファイル形式をリアルタイムに生成・プレビューし、フルスクリーンで編集できるようになり、従来のエクスポートにとどまらない運用が可能になりました。今回のアップデートはPDF、Googleドキュメント、スプレッドシート、スライド、Markdownなどに対応しており、AIによる生産性向上とインタラクションの円滑さの向上を目的としています。
10月29日、快科技の報道によると、字節跳動傘下の「豆包ワーク」が企業向けに新たな第三者大規模モデルサービスを開始しました。このサービスは、従来各ベンダーから個別に調達していた方式を打破し、ユーザーは同一の作業台内で、長文処理やコード作成、論理推論などのタスクニーズに応じて、複数の主流大規模モデルを柔軟に切り替えられるようになります。第一弾として、すでに3つの業界トップクラスのモデルが導入されています。
対象のChatGPTサブスクリプションにおけるAPIクレジット特典。今月初め、AnthropicはMaxおよびTeamサブスクリプション向けに、月額100ドル、200ドル、500ドルのプラン利用者に対し、Anthropic APIで使用可能な（期限付きの）クレジットを同額分付与するという手厚い新特典を発表しました。
現在、PDF、Googleドキュメント、Googleスプレッドシート、スライドデッキ、Markdownファイル、TXTファイル、さらにはコードまで、Gemini内で直接生成・プレビュー・編集できるようになりました。新しいファイル編集機能は本日よりすべてのGeminiユーザーが利用可能で、PDFのプレビューおよび編集はウェブとモバイルの両方で対応していますが、その他のファイル形式は現時点ではウェブ版でのみ利用可能です。
Googleは、Chromeの自動入力を「記憶」から「探し出す」へと進化させている。Geminiとパーソナルインテリジェンスによって駆動されるこの機能は、ChromeがGmailを読み取り、現在のフォームに応じて注文番号や配送追跡番号、フライト予約番号などの情報を積極的に提示するものだ。この強化された入力機能は、10月末から米国ユーザーに向けて段階的に展開され、デスクトップ版ChromeおよびiOS・AndroidでGeminiを有効にしているユーザーに提供される。これにより、過去10年間にわたってユーザー自身が氏名や住所を保存してきた従来の方式を一新しようとしている。
ネット上では、横店映画テレビが字節跳動と提携し、15万人のエキストラのデジタルデータや顔貌・演技を収集・保存して深度分析を行う計画があるとの噂が流れ、「将来的にはエキストラが不要になる」と主張され、AIが草の根の俳優たちの生存空間を奪うのではないかという議論が沸騰。映画・テレビ業界も強い関心を寄せている。10月28日、豆包の広報責任者である劉星氏は「横店と字節が協力している」と述べたが、その後の発言の全文は公表されていない。
2026年10月28日、Google DeepMindはGemini 4 Carbonの正式リリースを発表し、これを現時点で最も強力なモデルであると称しました。同モデルは、脆弱性の発見、エクスプロイトの検証、根本原因の修復といったサイバーセキュリティ全工程における能力を大幅に向上させるとともに、長期間にわたるインテリジェントエージェントによるタスク処理能力も強化しています。また、サイバーセキュリティ分野の専門家向けに限定的なパイロットプログラムもすでに開始されています。
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。
DeepSeek、Google、NVIDIAがエージェントスタックを構築
海外のブロガー「Carlo Wu（カロ）」が、SNS上で中医の診察体験をシェアしました。彼は通訳用のAIイヤホンを装着し、医師とそれぞれ片方ずつ装着して、対面での翻訳機能を活用してやり取りを行いました。カロ氏は、伝統医学には非常に興味があるものの、言語が常に障壁となっていたと語っています。診察時、医師がどこが不調か尋ねても、身振り手振りを交えながら「全部具合が悪い」と答えるしかなく、イヤホンを装着した後、ようやく二人はさらに深い意思疎通ができるようになりました。彼は、これが初めて本当に中医の言葉を理解できた瞬間だったと感想を述べています。
10月28日、ユーザーの間でDeepSeekが再び大規模モデルのフィンガープリントを変更したことが発見され、重大な新モデルのリリースが近いとの憶測を呼んでいる。DeepSeek Harnessの公式コードリポジトリには、DeepSeek-V5、V5-open、V5-nextといったコードがすでに登場している。現時点ではV5に関する内容は主にプレースホルダーとなっているが、新モデルのリリース体制が整っていることを示している。
AI NEWS.cc