カテゴリー： 大規模言語モデル

• NVIDIAとSakana AIが共同開発した「スパースLLM」の核心技術を徹底解説
• SortedRL：大規模言語モデルの RL 訓練を 50% 高速化、効率を 18% 向上
• 推論はもはや logits の「運搬作業」ではない：FlashSampling でデコード速度が最大 19% 向上
• LLMはコンピューターになれるか？ | Percepta
• 大規模言語モデルに「継続的に新知識を注入」する北航 CASE フレームワーク：1000 回の編集で記憶喪失を起こさず、追加パラメータは 1MB 未満丨 WWW'26
• AI にデータ「錬成」を任せる！DataChef がオープンソースに：強化学習で LLM 用データレシピを自動生成
• TurboQuant：極限の圧縮技術でAIの効率性を再定義
• 長尺動画の推論が失敗する理由：Symphonyが示す「認知的分業」という答え
• NVIDIA Nemotron-Cascade 2 技術レポート：3B の活性化パラメータで IMO 金メダル級の性能を達成
• ICLR 2026 | 大規模モデルの教師なし強化学習はどこまで行けるか？清華大学チームが体系的な答えを示す
• もう結果報酬を盲信するな！香港中文大が RL の「情報自己拘束」問題を発見・解決
• 最強のマルチモーダル大規模言語モデルが実世界のウェブ検索で人間に完敗？GPT-5.2 の勝率はわずか 36％、北京大学と華為などが共同で新しい深層検索ベンチマーク「BrowseComp-V3」をオープンソース化
• 4B モデルの幻覚抑制能力が GPT-5 を凌駕、CMU 等が行動較正強化学習の新しい手法を提案
• 30Bモデルで研究、GPT-5.4を超え、性能が1.7%から33.3%へ向上
• 黄仁勳がOpenClaw戦場に参入！最強のオープンソース「ロブスター」モデルがOpus 4.6に迫る
• 神業！MIT と Google が厳密なベイズ推論を実行可能な LLM を訓練
• AI はどれだけの人の職を奪ったのか？どの仕事が本当にAIに代替されたのか？Anthropicが実データで謎を解明
• モデルの静的重みを打破！騰訊混元が推論時にリアルタイムで脳を交換する技術を発表
• 大規模言語モデルはなぜ世界を「理解」できるのか？
• Googleの新しい研究、大規模モデルが反復推敲する重要なトークンを発見！
• Anthropic最新論文：AI時代におけるインターネット匿名の終焉｜Hao好聊論文
• 最近、Google がマルチエージェントに関する 2 本の優れた論文を発表
• 独占！DeepSeek が清華大学・北京大学と共同で「DualPath」システムを発表、AI 推論 Infra のスループットを平均 196% 向上
• すべてのトークンが平等ではない！Google が真の「深い思考」を提案：思考連鎖の長さ＝深い推論ではない
• Qwen3.5-Flash登場！3つの中規模モデルをオープンソース化