AI PM派遣型SaaS — ビッグテックのFDEとONTLEは何が違うのか
Palantirのforward deployed engineerを手本にしたビッグテックの派遣型AIが、2026年5〜7月に相次いで発表された。ONTLEがその間のどこに立っているのかをタイプ別に比較する。
自己改善するAIエージェントに「手綱」をかける — Google RRSI
自らの手足を修正するAIエージェントは練習課題への過学習に陥りやすい。GoogleのRRSIは自己改善に「正則化」をかけ、初見の問題でも実力を保ちつつコストまで削減した。
RULER: 正解のないSVG生成に「採点ルーブリック」で報酬を与える方法
正解画像が存在しないSVG生成タスクにおいて、指示文ごとに6項目の採点ルーブリックを自動生成し、それを強化学習の報酬として使うRULERを読み解く。
作業はするのに終わらないAI、「思い込みの罠」を断ち切るPoS
長時間タスクでエージェントが止まらないのに前進しない「思い込みの罠」。PoSはエージェントの現在の判断を表に取り出して検証し、罠にはまれば引きずり出す。
ロボットスキルが「どこで通用するか」まで組み合わせ器に引き継ぐ — APPL論文解説
スキルを学習させた構造的仮定を、組み合わせ段階のインターフェースとして再利用するAPPL。スキル汎化と組み合わせ汎化を一本につなぐアイデアを読み解いた。
エージェントはデジタル世界をすでに知っている — 眠った知識を呼び起こすEVOKE
LLMエージェントが新しい環境で崩れるのは知識がないからではなく引き出せないからだと捉え、同じ場面に目標だけを変えて問い眠った知識を呼び起こす事後学習手法EVOKE。
自分で問題を作るAIが、そろって間違えはじめるとき:「False Frontiers」を解剖する
自分で問題を作って解く検索AIが、出題者と解答者が同じ誤答で合意してしまう「共謀」を診断し、採点者を入れ替えるCrossFitで抑え込んだ研究。
エージェントSaaSの本当の堀はどこで生まれるのか — モデルではなく、積み上がった文脈
フロンティアモデルを誰もが同じ値段で使えるようになると、エージェント業務自動化の勝負どころはモデル性能ではなく、顧客の業務文脈が積み上がる場所へと移っていく。
小さな専門家が大きなモデルを教える — 同一系列オンポリシー蒸留の法則
同一系列のモデルにおいて、教師・生徒のサイズと教師のスコアだけから、オンポリシー蒸留の到達性能と初期転移速度を学習前に予測できるべき乗則を、数学推論の実験でまとめた論文。
ロボットの文脈学習(ICL):再学習なしで状況を読み解く4つの方法
ニューラルネットを再学習させず、実演やインタラクションだけで新しいタスクを把握する「ロボットのインコンテキスト学習」を、文脈が行動へと渡る通り道の違いから4系統に整理したサーベイ解説。
AI PMが手を止める瞬間 — 押し進めるときと、確認すべきとき
優れたAIプロジェクトマネージャーは、どれだけ多くをこなすかではなく、どこで立ち止まるかで決まる。自律と確認の境界線をどう引くかについての、運用の話。
動画生成AIに「物体の永続性」を教える — WROPベンチマークとPWM-WROP
認知科学を模した合成動画150万本で追加学習したPWM-WROPが、人手評価で連続生成モデル中1位、全14モデル中3位を記録。ただし実写動画の物理理解につながるかは未検証。