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。
AAIF は 2026 年 10 月 22 日、サンノゼで開催された AGNTCon + MCPCon North America で、4 つの新プロジェクトを一度に受け入れると発表した。受け入れるプロジェクトは 1 年前の 3 件から 10 件に増えた。4 件の出どころはそれぞれ異なる。Anthr...
データアノテーションは、生の素材に答えを付けて学習素材へ加工する作業です。レビューに肯定か否定かのタグを付け、街の写真に写る車や歩行者を一つずつ枠で囲み、二つの AI の回答をどちらが良いか順位付けします。モデルが学習で繰り返し見るのはまさにこの注釈済みの例であり、身につける判断の仕方は、その大部分...
InnovationEval は Epoch AI が 2026 年 10 月 9 日に公表した新しい評価で、問いは単純だ。人間の論文を隠し、答えを見ていないフロンティアモデルに、それに匹敵する機械学習の新技術を独力で発見させる。できるのか。初回の結果は厳しく、最良の成果でも、同じ実行時間に換算して...
Mellum2.1は、JetBrainsが2026年10月8日に公開したオープンソースのコーディングモデルで、コーディングエージェントの中で働く実務担当という位置づけだ。コードベースを探索し、ファイルを編集し、自分の変更を検証できる。Hugging FaceでApache 2.0ライセンスのもと公開...
壊滅的忘却とは、ニューラルネットワークが複数の課題を順番に学ぶとき、後の課題を身につける代わりに、前に覚えたことを広範囲に忘れてしまう現象です。出来上がったモデルへ新しい分野のデータで追加の微調整を行うと、新しい課題の成績は上がるのに、得意だった質問応答や分類、ある言語の扱いが目に見えて下がることが...
Agent Lightning 1.0 が 2026 年 10 月 7 日、Microsoft Research Asia からオープンソースで公開された。フレームワーク全体で約 3,500 行という小ささが売りだ。狙いはエージェント強化学習の長年の不格好さにある。従来、エージェントを RL で訓練...
Nemotron について、NVIDIA チームが 2026 年 10 月 7 日に Hugging Face ブログで総括を公開した。同じモデルファミリーを微調整した 2 つの版が、2026 年の国際情報オリンピック（IOI）と国際数学オリンピック（IMO）で金メダル水準に達し、IOI では当回の...
OpenAI のアラインメント研究ブログは 2026 年 10 月 6 日、o3 の内部機構に関する研究を公開した。テーマは、モデルが課題そのものに取り組むのではなく、その課題がどう採点され、どう報酬付けされるかを考え始めたときに何が起きるかだ。研究チームは、このメタゲーミング行動に関わる内部信号の...
