強化学習を基礎から解説：エージェントが試行錯誤と報酬信号から行動を学ぶ仕組みを掘り下げ、自己対戦学習やアルゴリズムの進化、ゲーム・ロボティクス・言語モデルのアライメントにおける実応用まで追跡する。
推論予算とは、モデルが答えを出す前に内部で思考するために使えるトークンの上限です。答えの長さを決めるものではなく、モデルがどれだけ長く考えられるかを決めるものです。予算を大きくしても答えが自動的に長くなるわけではなく、予算が小さすぎると、難しい問題を考えきる前に答えてしまうことがあります。 3社の呼...
2026年11月8日、The Decoder は、チューリング賞受賞者で現代強化学習の創始者であるリチャード・サットン氏がこのほど、計算能力を積み上げるだけでは真の知能には到達できず、AI 科学にはもっと賢い新しい方法が必要であり、しかも「まだまだ未完成」だと述べたと報じた。この発言は AI コミュ...
2026年11月5日、Thinking Machines Lab は第2世代モデル Inkling 2 Small を発表した。総パラメータ594B、推論時にアクティブになるのは17Bのみの 混合専門家（MoE）モデル で、画像入力と可変の推論強度に対応する。Artificial Analysis ...
OpenHandsのエージェントは、訓練フレームワークを再構築しなくても、自分の設定をそのまま使ってモデルを訓練できるようになった。OpenHandsとSnowflake AI Researchは11月3日の公式ブログで後訓練の手法を公開した。開発者はAgent SDKにある既存のプロンプト、ツール...
11月2日、2026年香港フィンテックウィークの開幕式で、度小満（Du Xiaoman）は香港科技大学、香港生成式人工知能研究開発センター（HKGAI）と共同で、金融強化大規模モデル「軒轅4.5（Xuanyuan 4.5）」を発表した。発表側によれば、自己進化型RSI技術をモデル訓練と、エージェント...
Figmaは2026年10月30日付の公式ブログで、継続的な制作ニーズを持つクリエイティブチーム向けの新しいプラットフォーム「Figma Weave」を紹介した。画像と動画の生成・編集プロセスを、キャンバス上でつながるノードに変える。各ノードが1つの工程を担い、ノードをつなげると完全なワークフローに...
Figmaは2026年10月29日の公式ブログで、Figmaエージェント向けの専用キャンバス編集モデルの訓練方法を公開した。出発点はあえて狭い。デザインをゼロから生成するのではなく、すでにあるキャンバスの内容を変える手伝いをすることだ。間隔の調整、色の変更、フィードバックを受けてのレイアウトの作り直...
2026年10月25日、AI21 Labsは指示追従ベンチマーク「LIFT-Bench」と、対応する訓練セット「LIFT-Train」、そしてこれらのデータを生成する公開パイプラインを発表した。これが狙う問題は具体的である。現在の指示追従ベンチマークは書式のルールが守られたかどうかだけを見て、タスク...
