2026年8月26日(水)
12件Meta、AIスケールEthernet向けRDMA伝送プロトコル「MetaRoCE」とトレーニングチップ「MTIA 300」を発表
Metaは、AIワークロードに最適化された新しいRDMA伝送プロトコル「MetaRoCE」を開発し、その仕様を公開しました。さらに、内蔵NICと通信オフロードエンジンを備えた初のAIトレーニングチップ「MTIA 300」を発表し、これらにより大規模AIモデルのトレーニングとサービス提供におけるネットワーク性能と効率を大幅に向上させます。
OpenAI、ロシア発の悪意あるAI影響工作キャンペーンを阻止
OpenAIは、ロシアを起源とするAIを活用した影響工作キャンペーンを特定し、関連アカウントを停止しました。このキャンペーンは、偽のイスラエル拠点シンクタンクや「主権」インデックスを装い、ロシアを称賛し西側諸国を批判する内容をAIで生成・拡散していました。
Claude Coworkに記憶機能が追加され、チャット間でのコンテキスト共有が可能に
Anthropicが、AIアシスタント「Claude Cowork」に記憶機能を追加しました。これにより、ユーザーはプロジェクトの進行状況や個人的な好みといった文脈をAIに繰り返し伝える必要がなくなり、チャットとCowork全体でコンテキストが共有され、よりスムーズで効率的なAIとの協業が可能になります。
「Ox Alpha」：開発元不明ながら高性能で注目されるステルスAIモデル
開発元が非公開のまま米OpenRouterで無料公開されたAIモデル「Ox Alpha」が、その高性能ぶりで注目を集めています。一部の開発ツールで利用シェア1位を獲得するなど、特にテックリーダーや開発者の間で高い評価を得ており、その正体と技術的詳細について様々な憶測が飛び交っています。
LLMエージェントの暴走を抑制する「T細胞モデル」と「トルクリミッター」によるGuardrail
LLMエージェントは文脈の空白を補完しようとする性質から「補完暴走」を起こしやすく、プロンプトだけでは制御が困難です。本記事では、生物の免疫システムを模倣した「T細胞モデル」と「トルクリミッター」を活用した「空白駆動型」Guardrailを提案し、Python実装を通じてエージェントの自律制御を実現します。
LLMが長文で「馬鹿になる」現象を解明：学習済み長さを超えると性能が崖のように低下
LLMが長文を処理する際に急に性能が低下する「馬鹿になる」現象は、モデルが学習で経験した長さを超えると急激な「崖」のようにパフォーマンスが悪化することが分かりました。この記事では、位置ごとのperplexityとアテンションの重みを分析することで、この現象がモデル内部でどのように発生するかを明らかにしています。
Qualcomm、日本にロボット研究拠点設立を発表：トヨタ、ソニー、ドコモなど大企業が支援
Qualcomm Technologiesは、日本のロボット産業への長期投資の一環として「Qualcomm Japan Robotics Center」を設立すると発表しました。この研究開発拠点は、トヨタ、ソニー、ドコモといった日本の主要企業群の支援を受け、産学連携による共同研究開発と人材育成を推進し、日本のロボット技術革新を加速させます。
Stability AIが7600万ドルの追加資金調達、画像生成分野でのリーダーシップを強化
画像生成AI「Stable Diffusion」の開発元であるStability AIが、新たに7600万ドルの資金を調達しました。これにより、同社の総調達額は2億3200万ドルに達し、画像生成AI分野における研究開発と事業拡大をさらに加速させ、市場でのリーダーシップを強化する構えです。
AIエージェントによる転職活動支援：6ステップとプロンプト例
AIエージェントを活用することで、転職活動における求人票の比較、企業研究、職務経歴書作成といった時間のかかる作業を効率化できます。この記事では、AIエージェントを使った転職活動の6つのステップと、具体的なプロンプト例、そして利用する上での注意点について詳しく解説しています。
NVIDIAが推論性能2倍、消費電力40%削減のエッジAIモジュール「Jetson Orin Nano 2」を発表
NVIDIAは、組み込み機器向けAIモジュール「Jetson Orin」の新ラインアップとして「Jetson Orin Nano 2」を発表しました。この新製品は、現行の8GBモデルと比べてAI推論性能を2倍に向上させつつ、同じ性能であれば消費電力を最大40%削減。これにより、エッジ環境でのリアルタイム生成AI処理を可能にし、組込みAI市場に大きな進化をもたらします。
LLMエージェントシステムにおけるグラフエンジニアリングの重要性
AI研究コミュニティで、LLMエージェントシステムの設計においてグラフエンジニアリングがますます重要になっています。特に、複雑なエージェントの行動計画や推論プロセスを効率的に管理するために、グラフ構造が中核的な役割を果たすことが論文で示されており、これにより個々のエージェントから協調的なエージェントシステムへの進化が期待されます。