AI×経営戦略

新手法CliffCompaction、費用を最大5割削減

長時間動作するコーディングAI向けの文脈圧縮手法「CliffCompaction」が、性能を維持したまま費用を最大50%削減した。並列試行の効率も高まり、開発現場のAI運用費に影響する可能性がある。

SpeakerMem-R1が対話記憶で最高精度を記録

発言者ごとに記憶を整理する新手法SpeakerMem-R1が、多人数対話の公開ベンチマークEverMemBenchで公開報告値として最高の62.33%を記録した。会議やチャットの履歴を扱うAIエージェントの実用化に関わる成果である。

Agensh、1024体の自律協調で精度向上

中央の調整役を置かず、最大1,024のAIエージェントが自律的に分業する基盤「Agensh」が提案された。台数の増加が難課題の成功率を押し上げ、納期が固定された開発業務に新たな選択肢を示す。

遅延下の協調AI、中央制御なしで学習可能に

研究チームは、各担当者が部分的な情報と遅れて届く共有情報のみで判断する協調課題に対し、中央の調整役も集中学習も不要な学習・計画手法を提案した。工場や物流など分散運用の現場での自律協調に理論的な足掛かりを与える。

Flash-dLLM、拡散LLM推論を最大11倍に高速化

拡散型大規模言語モデル（dLLM）の推論を、追加学習なしで従来最強手法比5.1〜11.0倍に高速化する枠組み「Flash-dLLM」が発表された。実用化の障壁だった推論コストの低減につながる可能性がある。

端末AI個人化、ハイパーネット新手法

米グーグル研究チームが、スマートフォン上で個人ごとの大規模言語モデルを高速生成する新手法を発表した。計算負荷を抑えつつ精度を高め、モバイルAI活用に新たな道を開く。

onPanda、AI調整データ作成時間半減

中国の研究チームが、LLM応答をトークン単位で修正しながら効率的にアノテーションできるツール「onPanda」を発表。手作業の後編集に比べ作業時間の中央値を52%削減し、AI開発現場のコスト構造に影響を与える可能性がある。

AIエージェント訓練、介入好機をAIが診断

サレスフォースなど研究チームが、複数手順にまたがるAIエージェントの対話のうち、どの発話を訓練すべきかを診断する新手法「Critical-State RL」を発表した。誤った地点で訓練すると成果が横ばいか悪化する一方、正しい地点を選べば最大約14ポイントの精度向上を確認した。

ゲームAI評価基盤、企業導入の物差しに

テンセント系列を含む研究チームがAAAゲーム21種・5000時間分の映像と指示文からなるAI評価基盤「GameHorizon」を公開した。47モデルを100万回超比較し、長期計画能力の格差を可視化。エージェントAI選定の客観指標として注目される。

Gricea、対話AI研究の再現を可能に

研究チームが、対話型AIの実験を共有可能な研究資産として構成・実行できるオープンサイエンス基盤「Gricea」を発表した。CUI 2026論文の93%で設定を再現し、96%で再現に必要な情報の欠落を確認した。

AI記憶の採否判定層、幻覚を約56%削減

LLMエージェントが参照する記憶の信頼性を判定する制御層MDLが提案された。矛盾する記憶下の幻覚率を一般場面で約56.04%削減し、1判定0.14ミリ秒と軽量である。

AIの安全ゲート認証、データ不足が壁と判明

AIが自信のない回答を控える選択的予測で、目標精度の認証を得られるかは有限の較正データに左右されることを、研究チームが計算可能な枠組みで示した。安全性・粒度・対応範囲の両立を事前に設計できる。

AI生成コードの検証、研究者は個人判断に頼る

研究者527件の自由記述の分析で、AIコーディング支援の利用が5種の作業に集中する一方、生成コードの検証は個人判断に委ねられ、自動テストや他者レビューは少ないことが分かった。

粒子競合法でGCNのラベル誤りを補正

ファブリシオ・ブレーベ氏は、グラフ構造でラベルの誤りを学習前に補正する手法PCC+GCNを提案した。ノイズ下でGCNの平均精度を1.67ポイント改善し、頑健な既存手法より高速に動作する。不正検知などの実務でデータ品質対策に資する可能性がある。

多段検索の誤答を予測し保留する手法を提案

多段検索型の質問応答で、確信を持った誤答の危険を追加のLLM呼び出しなしで推定し、回答を保留する手法RegimeAbstainが提案された。回答範囲を5割に絞る条件で、MuSiQueの確信的誤答率は39.5%から20.6%に低下した。

AIエージェント、監督場面で価値が損なわれる

AIエージェント利用者の投稿7万3093件を分析した研究で、成果物の場面では価値が満たされる一方、監督の場面では6つの価値群すべてで満たされにくいと判明した。企業は成果の精度に加え、費用・権限・監督の設計を問われる。

CodeMidasがコードから訓練課題を生成

研究チームは、既存のソースコードだけから強化学習用の訓練課題を自動生成する手法CodeMidasを開発した。5,545件の課題で学習したAIエージェントは、全5ベンチマークで性能が向上した。