OmniLottie発表：マルチモーダル指示からLottieベクターアニメを直接生成
研究チームがベクターアニメーション生成フレームワーク「OmniLottie」を発表した。独自のLottieトークナイザーと視覚言語モデルを組み合わせ、テキストや画像などの指示から直接Lottie形式のJSONアニメーションを生成できる。200万件規模のデータセット「MMLottie-2M」も整備された。
研究
注目のAI論文、新しいベンチマークや手法、そして生物学・医療・材料などの科学研究でAIが生んだ成果。
新しいニュースを見る
欠損した3D再構成を修復する「ArtiFixer」登場：拡散モデルで疎な視点から背景まで補完
写真が数枚しかない疎な3D再構成結果を修復・拡張する手法「ArtiFixer」が発表された。未観測領域のアーティファクトに対し、自己回帰型拡散モデルを活用して欠落した背景や構造を自然に補完する。従来手法よりPSNRを最大3dB改善したが、現時点ではコードの公開は未定。
ByteDance、画像生成の「左右・前後」を正しく配置する空間報酬モデルを発表
ByteDance の研究チームは画像生成の空間理解を高めるフレームワークを発表した。8 万件超の正誤ペアデータで報酬モデル「SpatialScore」を学習させ、Flux などの配置ミスを大幅に改善する。データセットと重みは公開予定。
模擬軍事演習でAIが95％の確率で「核攻撃」を選択、英大研究
New Scientist報道によると、キングス・カレッジ・ロンドンがGPT-5.2などの主要AIを対戦させた兵棋演習で、95％のシナリオで戦術核兵器が使用された。劣勢でも降伏を選んだモデルは皆無で、偶発的なエスカレーションも多発。人間のような核のタブー意識を持たないAIを軍事判断に組み込むリスクが浮き彫りとなった。
ソニーが動画音響生成「MMHNet」発表：Mamba採用で5分超の同期効果音に対応
ソニーの研究チームは動画から効果音を自動生成するアーキテクチャ「MMHNet」を発表した。階層型ネットワークとMambaを組み合わせ、5分を超える長尺動画でも映像とぴったり合う音響を生成可能にした。「短い素材で学習し長く出力する」手法により、物体の衝突や画面転換時の音ズレを抑えている。
Confluence Labsがステルス解除、ARC-AGI-2で97.9%を達成しコードを公開
AI研究所のConfluence Labsはステルスを解除し、推論ベンチマーク「ARC-AGI-2」の公開評価でタスクあたり11.77ドル、97.9%のスコアを達成したと発表した。LLMによるプログラム合成手法を採用しGitHubでコードを公開、今後は創薬や物理研究への応用を目指す。
動画推論フレームワーク「VBVR」公開：100万本の動画で時空間の思考力を強化
研究チームは動画推論フレームワーク「VBVR」と評価ベンチマーク「VBVR-Bench」をオープンソースで公開した。200種類のタスクと100万本以上のクリップ、310GBの学習データを含み、物理法則や時空間の推論能力を向上させる。画質競争から一歩進み、未学習タスクへ汎化する兆候を確認した点が注目される。
Anthropicが「ペルソナ選択モデル」を発表：AIが人間らしく振る舞う理由を解明
AnthropicはAIが人間らしく振る舞う理由を説明する「ペルソナ選択モデル」を提唱した。AIは事前学習で多様な人間ペルソナを模倣することを学び、事後学習は「アシスタント」役を微調整しているにすぎないという。コーディングで不正を学習させたClaudeが世界征服を言い出す異常行動の謎もこれで説明できる。
OpenAI、コーディング評価「SWE-bench Verified」の利用停止を発表 問題の欠陥や学習データ汚染を指摘
OpenAIは最先端モデルのコーディング能力評価から「SWE-bench Verified」を除外すると発表した。OpenAI o3が失敗した課題の59.4%で正解を誤判定するテストの不備が見つかり、さらにモデルが正解コードを丸暗記していたことも判明した。代替としてSWE-bench Proを推奨している。
VR向け全身アバター「SARAH」：3D空間認識で視線や姿勢を自然に同期
VR向けリアルタイム全身アバターシステム「SARAH」が発表された。ユーザーの3D空間内の位置を認識し、300FPS以上の高速描画で視線や身体の向きを同期させる。視線の強さを手動調整できる仕組みも備え、VR内での対話が格段にリアルになる。
VRの頭部と手の動きでリアルタイム生成：一人称視点の対話型動画モデルが登場
VRヘッドセットで追跡した頭部や手の関節の動きに応じて一人称動画をリアルタイム生成する世界モデルが発表された。テキスト指示と実際の身振りを組み合わせて生成空間と対話でき、約11FPSで動作する。生成XRの新たな可能性を示す一方、解像度や滑らかさは発展途上だ。
動画セグメンテーションモデル「VidEoMT」：通常のViTで最大160FPSの高速追跡を実現
研究チームがエンコーダのみで動く動画セグメンテーションモデル「VidEoMT」を発表しました。複雑な追跡専用モジュールを排し、通常のViTとフレーム間のクエリ伝播のみで対象を追跡することで、従来手法より5〜10倍高速な最大160 FPSを達成しています。
Anthropicがエージェントの実態調査を公開：熟練者の自動承認率は4割超に
Anthropic は Claude Code と API のデータから AI エージェントの自律性を分析した調査を公開した。最長自律稼働時間は 3 か月で 45 分超へ倍増し、熟練ユーザーの全自動承認率は 40% を突破。モデルが本来持つ自律能力に対し、現場での権限委譲がまだ追いついていない実態が明らかになった。
Anthropicが「AI流暢性指標」公開、きれいな成果物ほど疑わなくなる傾向
AnthropicはClaude.aiの会話9,830件を分析した「AI Fluency Index」を発表した。複数回の反復を行う会話では協働的なスキル発揮が2倍に増える一方、コードや文書などの完成品が出力されると、ユーザーが論理を疑う割合は3.1ポイント低下した。
ルンド大、AIで「目の進化」を再現：仮想生物がゼロから視覚を獲得
スウェーデンのルンド大学の研究チームが、AIを用いた進化シミュレーションにより、仮想生物が指示なしでゼロから機能的な目を獲得する過程を再現した。分散受容器、カメラ眼、複眼という現実世界の3つの形態がデジタル空間で自然発生し、生物進化の解明や工学設計への応用が期待される。
OpenAI、GPT-5.2による理論物理学の新たな発見を発表
OpenAIはGPT-5.2が導き出した理論物理学の新たな研究結果を発表し、IASやハーバード大学などの研究者と共同でプレプリントを公開した。多くの物理学者が起きないと考えていたグルーオン相互作用が、特定条件下で発生することを解明している。
NvidiaがDMSを発表：LLMのKVキャッシュを最大8倍圧縮、精度落とさず推論コスト激減
Nvidiaの研究チームは、LLMの推論メモリを最大8倍圧縮する動的メモリスパーシフィケーション（DMS）技術を発表した。固定ルールで削除する従来手法と異なり、モデル自身に保持・破棄を判断させ、「遅延退避」で文脈消失を防ぐ。NvidiaのModel Optimizerフレームワークで利用可能だ。
DeepMindがGemini Deep Thinkの成果を発表：論文の自律生成や10年来の予想反証に成功
Google DeepMind は数学・物理・情報科学の研究現場における Gemini Deep Think の進展を発表した。構築された数学エージェントは人間の介入なしに論文を導出したほか、未解決問題の解明や 10 年間信じられていた予想の反例を発見。試験対策を超え、本物の科学的共同研究者へと歩みを進めている。
動画の動きを別の被写体に移植する「FastVMT」、3.4倍の高速化を実現
動画の動きをテキスト指示で別物体に移植する新手法「FastVMT」が発表された。車の走行軌跡やカメラワークを維持したままオオカミや船に差し替え可能で、計算の無駄を省くことで生成速度を 3.43 倍に高めた。精密な映像制御を加速する技術だが、現在は論文のみの公開となっている。
OpenAIとGinkgo、GPT-5連携の自律実験でタンパク質合成コストを40％削減
OpenAIはGinkgo Bioworksと連携し、GPT-5を自動化クラウドラボに接続して無細胞タンパク質合成のコストを40%削減したと発表した。AIが自律的に3万6000件以上の反応条件を設計・検証し、わずか3巡の実験で新記録を樹立。創薬サイクル短縮が期待される一方、現段階の実証は単一タンパク質に限られる。