タイムライン検索

2026年5月18日

Google AI Ultraサブスクライバー向けのアクセスを世界的に拡大し、Street Viewを活用した新しい機能を導入する。

Google DeepMind

2026年5月18日

Googleは、AI上位契約者向けサービスにおいて、新たなシミュレーション機能の提供を開始した。この機能は「Project Genie」と呼ばれ、同社が長年開発してきたStreet Viewの技術基盤を活用している。 Project Genieの特徴は、実在する地域や施設をデジタル環境で高い精度で再現できる点にある。ユーザーはこの仮想空間内で、現実世界に近い環境でのシミュレーションを実行することが可能になる。建築計画の検証や都市開発のシナリオテスト、さらには教育用途など、多様な応用が期待されている。 提供対象はAI Ultra契約者に限定されており、段階的な展開が予定されている。Googleは今後、機能の拡張やユースケースの拡大を進める方針を示している。 引用元：Google DeepMind

Google DeepMind

2026年5月29日

コーエーテクモゲームスは本日，競馬シム「WinningPost102026」のアップデートを配信した。新機能「配合シミュレート」の追加をはじめ，「始祖系統」への昇格条件緩和やドラマチックカメラ演出の拡張など，各種機能改善が実施されている。また，DLC「海外馬」のローテーション調整も行われる。

4Gamer.net

2026年6月10日

arXiv:2606.10044v1 新規発表 概要：企業は生産性向上、コスト削減、製品・サービスの強化のため、AI搭載ツールの導入を拡大しています。しかし、AIの変革の可能性は、事前に定義されたタスクの自動化を超え、知能システムが高レベルの戦略的目標からビジネスイニシアチブを計画、最適化、実行できるようにすることにあります。本稿では、ビジネスおよび組織環境に特化したワールドモデルであるビジネスワールドモデル（BWM）の概念とアーキテクチャを紹介します。AI、認知科学、制御理論におけるワールドモデルに着想を得たBWMは、ビジネスの状態、ダイナミクス、制約、目標、および実行可能なアクション空間をエンコードし、自律的な意思決定をサポートします。ビジネスの状態、ダイナミクス、アクションが主要なビジネスエンティティにリンクされた、ビジネスセマンティクス中心の定式化を提案します。このフレームワーク内で、エージェントは代替アクションシーケンスをシミュレートし、将来のビジネス成果への影響を推定し、不確実性下でのトレードオフを評価できます。

arXiv cs.AI

2026年6月12日

近年、大規模言語モデル（LLM）を用いたエージェントが注目を集め、多様なタスクで高い能力を発揮しています。しかし、これらのエージェントの多くは、環境が変化しない静的な状況を前提として設計されており、現実世界のダイナミックな環境への対応には課題がありました。 この課題を解決するため、新たなベンチマークスイート「EvoArena」が開発されました。EvoArenaは、環境の変化を段階的な更新としてモデル化することで、現実世界の動的な状況をシミュレートします。さらに、エージェントのメモリ進化を詳細に記録する「EvoMem」という手法も提案されています。 EvoArenaを用いた評価では、既存のLLMエージェントが動的な環境において性能を維持することの難しさが浮き彫りになりました。一方で、EvoMemを活用することで、エージェントの性能が向上することが示されています。この研究は、LLMエージェントがより複雑で変化の多い実世界で機能するための重要な一歩となるでしょう。 引用元: arXiv cs.CL

arXiv cs.CL

2026年6月17日

臨床意思決定支援AIシステム（CDSAS）は、厳格な安全制約を遵守しながら、刻々と変化する患者の状態にリアルタイムで適応する必要があります。本研究では、治療効果（TE）推定、治療経過シミュレーションのための患者デジタルツイン（DT）、逐次意思決定のための強化学習（RL）を統合したオンライン適応フレームワークを提案します。AIシステムは、まず過去の医療記録で訓練され、継続的な学習ループで運用されます。安全性を確保するため、ルールベースのモジュールがバイタルサインを監視し、禁忌の治療をブロックします。内部モデルの不一致が強いケースは、臨床医のレビューのためにフラグが立てられ、実験では事前学習済みアウトカムモデルを介してシミュレートされます。本フレームワークは、合成臨床シミュレータとCancer Genome Atlas（TCGA）からの実際の卵巣がんデータセットの両方を使用して検証されます。シミュレーションおよび臨床設定の両方において、提案手法は標準的な計算ベースラインと比較して、治療法の推奨において優れた有効性と安定性を示しました。

arXiv cs.AI

2026年6月29日

大規模言語モデル（LLM）エージェントは逐次的意思決定において強力な能力を示していますが、長期間のタスクにおいては依然として根本的に受動的です。標準的なエージェントは、コミットメントの前に潜在的な計画を評価するための「もしも」推論を使用する人間とは異なり、将来の結果をシミュレートするための内部ワールドモデルを備えていません。したがって、本研究では、将来を意識したプランニングを内部化することを提案します。これは、単一の自己回帰モデルを訓練して、将来の状態ロールアウトと計画条件付き成功推定（Q値のテキスト類似）の両方を言語化することによって行われます。重要なことに、フォーマットと能力のギャップを特定しました。ポストトレーニング中にルックアヘッドトレースでエージェントをファインチューニングするだけでは、真の予測的基盤なしに先見性の表層的な模倣につながります。このギャップを埋めるために、3段階のトレーニングパラダイムを導入します。

arXiv cs.AI

2026年7月10日

現実世界でユーザーを支援するプロアクティブエージェントの性能を公平に評価するための新たなベンチマーク「UniClawBench」が開発された。これまでの評価手法は、安全な仮想環境での限定的なタスクや、一度きりの応答しか確認できないものが中心で、現実世界の複雑な状況に対応する能力を測るには限界があった。 UniClawBenchは、現実世界で遭遇する多様な400のタスクを対象とし、エージェントが持つべき5つの基本的な能力に基づいて評価を行う。これにより、プロアクティブエージェントが現実のツールを適切に操作し、ユーザーの意図を先読みして能動的に支援する能力を、より網羅的かつ体系的に評価することが可能になる。このベンチマークは、今後のプロアクティブエージェント研究開発における重要な指標となることが期待される。 (arXiv cs.CL)

arXiv cs.CL

2026年7月14日

ユーザーのニーズを予測し自律的にタスクを実行するプロアクティブエージェントは、デジタルアシスタントとして期待されている。 しかし、現実的なユーザーシミュレーションフレームワークの欠如が開発を妨げている。 本研究では、デジタル環境でプロアクティブエージェントを構築・評価するためのフレームワークPareを提案する。

Apple Machine Learning Research