2026年10月4日の号

6本掲載

天然変性タンパク質領域を生成する言語モデルIDiomと、解釈可能な特徴を報酬とする強化学習RL-SAEが発表された。標的特徴の活性化率は平均90%に達し、創薬や合成生物学の設計手法に影響を与える可能性がある。

一次最適化で方向を決め、ステップ幅のみを2回の追加評価で探索する新手法ZFOが提案された。LLM微調整の安定性と最終性能を高め、計算コストを抑える可能性がある。

米国の研究チームは、離散トークン生成と連続潜在軌道を一体で扱う拡散言語モデルHC-DLMを提案した。数独などの推論課題で既存の拡散モデルを上回り、制約充足型の業務AIへの応用が期待される。

グラフ上で分布間の質量移動を費用付きで最適化する問題に、学習を要しない厳密解法が示された。路線網などの大規模ネットワークで、計算資源の削減と経路制御の精度向上が見込まれる。

研究チームは、ヒューマノイドロボットが未学習の作業を再学習なしでこなす手法「InterEvolve」を発表した。LLMが報酬プログラムを自ら改良する仕組みで、実機での自律動作も確認した。

行動勾配を使わず方策を改善する強化学習手法FERPOが提案された。MuJoCo PlaygroundとManiSkillで競争力ある性能と標本効率の向上を示し、ロボット制御の学習コスト削減に資する可能性がある。