2026年9月24日の号

10本掲載

画像を離散トークンに変換するVQトークナイザーの学習を安定化する手法StableVQが公開された。学習の失敗や再実行という開発コストの要因に対処し、画像生成AIの開発効率向上に資する可能性がある。

推論サーバー開発をAIエージェントに任せられるかを測る新ベンチマーク「SWE-Serve」が公開された。最良構成の平均正答率は75%だが、E2Eテストを加えると合格率は大きく下がった。

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。

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。

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。

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。

Bolei Zhou氏らは、自動運転AIの評価を実世界に近づける生成型シミュレーター「DreamStream」を開発した。新指標FDπで既存手法を最大4.7倍上回り、開発と安全検証の精度向上につながる。

Shufan Sun氏らの研究チームは、室内の1枚の画像から物体の位置関係まで整合した3Dシーンを復元する枠組み「HARMONY」を発表した。不動産や小売などで3D化の工程を簡素化する可能性がある。

3D Gaussian Splattingで再現した実写空間から、選んだ物体だけを動かせるシミュレータ資産へ変換する手法φ-RIEが発表された。ロボット学習用の環境構築の工数削減につながる可能性がある。

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。