アリババが「Thinking with Map」発表:AIが地図を探索して撮影場所を特定
アリババの研究チームは画像の位置特定フレームワーク「Thinking with Map」を発表した。人間のように地図を探索する強化学習と並列推論スケーリングを組み合わせることで、500m以内の位置特定精度を 22.1% に引き上げ、Gemini-3-Pro の 2.8 倍の精度を記録した。
アリババの研究チームは画像の位置特定フレームワーク「Thinking with Map」を発表した。人間のように地図を探索する強化学習と並列推論スケーリングを組み合わせることで、500m以内の位置特定精度を 22.1% に引き上げ、Gemini-3-Pro の 2.8 倍の精度を記録した。
Sakana AIは自社開発の「ALE-Agent」がAtCoderのヒューリスティック競技プログラミングコンテスト「AHC058」で1位を獲得したと発表した。4時間の競技中に約1,300ドルの計算資源と複数フロンティアモデルを活用し、作問者の想定を超えるアルゴリズムを自律的に考案。AIエージェントがリアルタイムの大規模最適化コンテストで人間のエキスパートを抑えて優勝したのは初となる。
シンガポール国立大学のShow Labが、GUI操作モデル「ShowUI-π」を発表した。離散的なクリックと連続的なドラッグを統合し、滑らかなマウス軌跡を生成できる。わずか450Mの軽量モデルながら、手書き入力や動画編集、スライダー認証などのタスクでGeminiなどの大型モデルを上回る成功率を記録した。
ByteDance Seedチームが生体分子構造予測モデル「SeedFold」を発表した。Pairformerの幅を4倍に拡張し、計算量をO(n²)に抑える線形三角アテンションを採用、さらにAlphaFold 2から2650万件の構造を蒸留して学習データを147倍に拡大した。抗体・抗原結合など多くのタスクでAlphaFold 3を上回る。
上海交通大学と清華大学の研究チームが全光生成AIチップ「LightGen」を発表した。画像生成などの処理において、NvidiaのA100 GPUと比べて100倍以上の速度とエネルギー効率を達成したという。メタサーフェス技術で光学潜在空間を実現したが、現在は外部レーザーなどを要し研究室段階にとどまる。
スタンフォード大学などの研究チームと米SkyWater Technologyは、米国の商業ファウンドリで初となるモノリシック3Dチップを製造した。メモリと演算層を高密度に垂直積層して「メモリの壁」を緩和し、実機テストで約4倍、LLaMAによる検証で最大12倍の高速化を実証。商用ファウンドリで量産可能な青写真を示した点が注目される。
OpenAIは物理、化学、生物学の専門的推論力を測る新ベンチマーク「FrontierScience」を発表した。五輪レベルの難問と博士課程レベルの研究課題で構成され、160問をオープンソース化。構造化された推論には強い一方、自由度の高い研究課題には依然として課題が残ることを浮き彫りにした。
OpenAIはRed Queen Bioと共同で、GPT-5がウェットラボの分子クローニング工程を自律的に改善し、効率を79倍向上させたと発表した。指示のみで新規の酵素メカニズムを考案し、人間は実験作業を担当した。AIが実世界の生物実験でも高度な科学的推論を行えることを示している。
AnthropicはClaudeを活用した自動インタビューツール「Anthropic Interviewer」を発表し、専門職1250人を対象とした調査データを公開した。対象者の86%がAIによる時短効果を実感する一方、職場でAIを使うことに周囲からの偏見を感じると答えた割合も69%に上った。
Luma AIは単一ステージ学習フレームワーク「Terminal Velocity Matching(TVM)」を発表した。従来の拡散モデルと同等の品質を保ちながら学習速度を25倍に高速化し、100億パラメータ規模にも拡張可能。通常100回近く必要な推論をわずか4ステップに短縮できる。
AnthropicはClaude.ai上の10万件の会話分析に基づく調査結果を公開した。AIの活用により個別タスクの所要時間は平均80%短縮され、米国の年間労働生産性成長率を今後10年で1.8%押し上げる可能性があるという。ただし、AI出力の確認など会話外の作業時間は含まれていない。
米団体Building Humane Technologyが、AIがユーザーの心身の健康を守るかを検証する「HumaneBench」を発表した。15の主要モデルをテストしたところ、67%が簡単な誘導で有害な挙動へと転落し、多くのAIが利用者の自立を削ぐ傾向が明らかになった。
Metaはテキストプロンプトからインタラクティブな3D空間を生成するシステム「WorldGen」を発表した。単一視点からの生成と異なり、50×50メートルの広さを移動しても破綻せず、UnityやUnreal Engineにも直接対応する。現在は研究段階で一般公開はされていない。
AnthropicはAIが訓練中の「報酬ハック(ズル)」を覚えると、より深刻なアライメント不全行動を自発的に獲得することを示した。コードテストで手抜きを覚えたモデルは、50%の確率で従順さを偽装し、12%の確率で安全評価コードを意図的に破壊した。対策として特定の文脈指示を与える手法が有効だという。
OpenAIはオックスフォード大学などと共同で、GPT-5を活用した科学研究の成果をまとめた論文を公開した。数カ月停滞していた免疫細胞のメカニズム解明を数分で導いたほか、数学の難問証明でも前進を支援した。一方でハルシネーションの課題も残り、専門家の監視が必須とされている。
MITの研究チームが、人間のデザイナーと同じようにCADツールを直接操作するAIを開発している。4万1000件超の操作画面動画を集めた「VideoCAD」データセットを用い、クリックやドラッグといったUI操作を学習。2Dスケッチから立体モデルを自動構築し、CADの操作難度を大幅に下げる狙いだ。
Google DeepMindは気象予測AIモデル「WeatherNext 2」を発表した。生成速度が8倍に向上し、単一のTPUで1分未満に数百通りの天候シナリオを1時間単位で予測可能。すでにGoogle検索やGemini、Pixelの天気アプリに組み込まれている。
アールト大学の研究チームが、1回の光伝播だけで畳み込みやアテンション層などのテンソル計算を完了させる光コンピューティング技術を発表した。光の振幅と位相にデータを乗せて受動的に計算するため、電子回路のような電力負荷がかからない。GPUの性能限界を超える次世代AI基盤として、3〜5年以内の実用化を目指す。
Google CloudとUCLAの研究チームが、小型言語モデル向けの強化学習フレームワーク「SRL」を提案した。最終回答の正誤だけで評価する従来のRLVRとは異なり、推論を具体的な行動ステップに分解して中間報酬を与える。これにより、低コストな小型モデルでも難関数学やソフト開発タスクで高い推論精度を発揮できるようになる。