骨格に縛られない動作転送「Motion4Motion」：キツネの動きもキリンへ移植
研究チームが追加学習不要の動画動作転送フレームワーク「Motion4Motion」を発表した。従来の骨格モデルや ControlNet に頼らず、ピクセル単位の動作フローを追跡して対象へ直接マッピングする。骨格や体型が全く異なるキツネの動きをキリンに転送するなど、異種間での自然な動作合成が可能になる。
研究 · デイリー
月
7月13日 月曜日
Anthropicが30万件の対話を分析：Claudeの価値観はモデルと言語で変化
Anthropicは30万件超の会話データを分析し、Claudeの価値観がモデルや言語により変動することを報告した。Sonnet 4.6は親しみやすさを、Opus 4.7は厳密さを重視する傾向が見られ、アラビア語では温かく、英語やロシア語ではより厳密に応答した。
金
7月10日 金曜日
OpenAI、「GPT-5.6 Sol Ultra」で50年来の未解決数学問題を自律証明
OpenAIは新モデル「GPT-5.6 Sol Ultra」がグラフ理論の未解決問題「サイクル二重被覆予想」を完全に証明した論文を公開した。64個のサブエージェントを立ち上げ、推導から論文執筆までを1時間足らずで完了。AIが未踏の数学的難問を自律的に解決できる段階に入ったことを示している。
火
7月7日 火曜日
2D動画の1点を指定するだけで3次元の動きを追跡 「ProxyPose」公開
トロント大学の研究チームは2D動画の1ピクセルをクリックするだけで物体の6自由度（6-DoF）の3次元位置・姿勢を追跡する「ProxyPose」を発表した。動画モデルを用いて対象をカラー立方体に変換し幾何学的に姿勢を算出することで、透明や反射、遮蔽のある困難な物体でも高精度に追跡できる。
月
7月6日 月曜日
3D生成のPixWorld：潜在空間を排し、ピクセル空間で再構成と生成を統一
研究チームが3Dシーンの再構成と生成をピクセル空間で統合するモデル「PixWorld」を発表した。従来の潜在拡散モデルやVAEによる情報損失を避け、レンダリング画像上で直接拡散を学習する。幾何知覚損失も導入し、従来手法より高い整合性と忠実度を実現した。
Anthropic、Claude内部の「思考空間」を発見：発言しない本音の読み書きに成功
AnthropicはClaudeの内部ニューラル活動に自発的に生じた「J-space」を発見したと発表した。ヤコビアンレンズという手法を用い、モデルが発言せず思考している中間ステップや隠れた意図の読み取り・編集に成功。AIの思考プロセスの監視や安全性の確保に新たな道を拓く成果だ。
日
7月5日 日曜日
リアルタイム映像対話モデル「Wan-Streamer v0.2」登場：遅延を保ち高解像度化
研究チームが端対端の音声映像対話モデルWan-Streamer v0.2を発表した。対話解像度を192×336から640×368に引き上げつつ、25 FPSで約200ミリ秒のモデル側遅延を維持している。分離型アーキテクチャにより、手元の動作や背景環境を鮮明に保ちながらリアルタイム対話を行える。
木
7月2日 木曜日
1ステップで画像生成する新手法「RDM」が登場、4ステップ版を上回る性能
研究チームが単一ステップで高品質な画像を生成する新手法「RDM」を発表し、コードを公開した。数十回のノイズ除去を要する従来の拡散モデルと異なり、特徴分布のマッチングにより 1 回の推論で画像を生成できる。FLUX.2 を 1 ステップ化したモデルでは元の 4 ステップ版を超える評価を記録した。
水
7月1日 水曜日
リモート労働指数：AIのフリーランス業務遂行率が1年で6倍に、Fable 5が首位
AI安全センター（CAIS）とScale Labsが「リモート労働指数」の最新結果を公表した。3D設計など実際の業務課題に対し、AnthropicのFable 5が15.8%の完全自動化率を記録しトップに立った。1年足らずで能力は約6倍に向上したものの、現行モデルが単独完遂できるのは6件中1件にとどまり、人間の介入が不可欠である現状を示している。
火
6月30日 火曜日
Meta、骨格不要で動く3Dアバター技術「LUNA」発表 写真とスケッチで動作
Metaは新たな3D人体アニメーションモデル「LUNA」を発表した。従来の骨格リギング（LBS）を使わず、人物写真数枚と動作動画やスケッチなどの2D入力から直接3Dガウシアンを変形させる。フィッティングの破綻や衣服の不自然な歪みを防ぎ、柔軟な動作生成を可能にする。
楽譜特化の視覚基盤モデル「MuSViT」登場：970万ページ学習で五線譜を正確に理解
楽譜理解に特化した初の視覚基盤モデル「MuSViT」が発表された。IMSLPの楽譜970万ページを使い、隠された部分を復元する事前学習で音高やリズム、五线譜の構造を習得。一般的な画像モデルでは難しかった楽譜記号の認識や分類精度を大幅に向上させた。
OpenAI、生物学ベンチマーク「GeneBench-Pro」発表：GPT-5.6 Sol の正答率は 28.7%
OpenAI は、計算生物学における AI の判断力や推論力を測る新ベンチマーク「GeneBench-Pro」を発表した。ノイズ混じりの合成データを用いた 129 問で構成され、客観的な自動採点に対応する。最高性能の GPT-5.6 Sol でも正答率は 28.7%にとどまり、人間が 20〜40 時間かける課題における課題の多さを示した。10 問が Hugging Face で公開中。
Anthropicが研究者向けAI環境「Claude Science」を発表、60種超のツールを統合
Anthropicは研究者向けAIワークベンチ「Claude Science」のベータ版を公開した。macOSとLinuxに対応し、生命科学分野など60種以上のツール連携に加え、計算や引用を自動検証するレビュアー機能も搭載。有料プラン向けに提供される。
月
6月29日 月曜日
ViDiHand：動画拡散モデルで遮蔽に強い3D手指動作を高精度再構成
動画拡散モデルを活用して映像から高精度な3D手指動作を復元するViDiHandが発表された。手部検出器を使わずに激しい指の重なりや遮蔽があっても正確な姿勢を捉えられ、人型ロボットや空間コンピューティング向けのデータ収集を大きく前進させる。
Meta、非侵入型で脳信号からタイピング解読する「Brain2Qwerty v2」公開
Metaは開頭手術を伴わずに脳活動からリアルタイムに文章を解読するAIモデル「Brain2Qwerty v2」を発表し、学習コードをオープンソース化した。着用型MEG装置の信号を直接深層学習で処理し、単語精度61%（最高78%）を達成。非侵入型でありながら侵入型手術に迫る解読性能を示した。
木
6月25日 木曜日
PhysiFormer公開：3Dメッシュの衝突や弾性変形を予測する物理拡散モデル
3D物体の物理挙動を予測するAIモデル「PhysiFormer」のコードが公開された。物体のメッシュ形状、初期速度、剛性や弾性といった材質情報を与えるだけで、落下や衝突時の変形軌道を3D空間で直接シミュレーションする。静的な3Dモデルに現実の力学法則を吹き込む技術として注目される。
TencentがSCoPE発表：0.1%未満のパラメータ追加でAI動画のカメラ制御を実現
Tencentの研究チームが、動画生成モデル向けのカメラ制御技術「SCoPE」を発表した。カメラ光線を第2の座標として扱い、0.1%未満のパラメータ追加で指定通りのカメラ移動を実現する。一度通り過ぎた場所へ戻っても背景が破綻しない一貫性を保てる。
リアルタイム撮影指導AI「ShutterMuse」登場：構図やポーズを助言、推論速度は20倍
研究チームが撮影時のリアルタイム指導に特化したマルチモーダルAI「ShutterMuse」を発表した。13万件の解説付きデータセットで訓練され、GPT-Image-2比で20倍高速に動作しながら、構図の微調整や被写体のポーズを即座に提案できる。
NVIDIAがNeuMatExを発表：写真から複雑な反射を持つ3D神経マテリアルを抽出
NVIDIAは写真群から高精度な3D神経マテリアルを抽出する逆レンダリング技術「NeuMatEx」を発表した。事前予測モデルとパストレーシングを組み合わせ、車の塗装など従来のPBRでは再現が難しかった多層反射を4ミリ秒の低遅延で正確に復元する。
IBM、世界初のサブ1nm半導体技術を発表：3D「Nano Stack」で集積度を倍増
IBMは0.7nmノードを採用した世界初のサブ1nm半導体技術「Nano Stack」を発表した。トランジスタを垂直に立体積層することで、指の爪ほどのチップに約1000億個のトランジスタを搭載。2nmチップと比べ集積度を約2倍に引き上げ、最大50%の性能向上または70%の電力効率向上を見込む。ムーアの法則を原子レベルへ推し進める成果となる。
水
6月24日 水曜日
Meta、合成データを自己改善するAI基盤「Autodata」発表
Meta は AI エージェントがデータサイエンティストとして高品質な訓練・評価データを自律生成する「Autodata」を発表した。生成したデータを自ら検証し、失敗から学んで次のデータ作成を改善する反復ループを構築。人手に頼っていた合成データの品質管理を自動化する狙いだ。
水
6月17日 水曜日
Anthropicが40万件のClaude Code調査を公開、成否を分けるのはコーディング力より業務知識
Anthropicは約40万件のClaude Codeセッションを分析した調査を発表した。エージェント活用で成否を分けるのはプログラミング技術ではなく業務知識であり、契約条項に詳しい弁護士も開発者とほぼ同等の成功率を収めた。人間が計画の7割、AIが実行の8割を担う形が定着しつつあり、単純なコード実装作業が急速に代替されている。
OpenAI、創薬・生命科学ベンチマーク「LifeSciBench」公開
OpenAIは生命科学研究向けベンチマーク「LifeSciBench」を公開した。製薬やバイオ分野の博士号保持者173名が作成した750件の実践タスクで構成され、多段階推論や実験設計を検証する。先端モデルでも厳密な配列設計や実験の最適化には依然として課題が残る。
火
6月16日 火曜日
FlexAvatar発表：写真1枚から2分で360度動かせる3D頭部アバターを生成
研究チームが単一画像から高品質な3D頭部アバターを生成する「FlexAvatar」を発表しました。単眼と多視点のデータを統合学習させることで、わずか2分で360度のアニメーション対応モデルを構築。RTX 3090上で1.7GBのVRAM消費、20 FPSでのリアルタイム表情制御を実現します。
OpenAIが「本番模倣テスト」公開：130万件の実会話でモデルの逸脱を事前検知
OpenAIは新モデル公開前の安全評価手法「Deployment Simulation」を発表しました。匿名化された過去の実会話約130万件を新モデルに再生成させ、実運用時の問題行動の発生率を誤差中央値1.5倍の精度で予測します。テスト環境だとAIに見抜かれるのを防ぎ、ツール悪用などの想定外の振る舞いも事前に検出可能です。
木
6月11日 木曜日
MoVerse：1枚の画像から360°世界を生成、RTX 4090で8fpsの対話探索を実現
単一画像からリアルタイムに探索できる360°パノラマ空間を構築する動画世界モデル「MoVerse」が発表された。世界構築とレンダリングを分離し、3D Gaussianを活用することで、単一のRTX 4090上で8fpsの動作を達成。コードとモデルは社内審査完了後に公開される見込みだ。
