タイムライン検索

2026年5月8日

HeadsUpと呼ばれるスケーラブルなフィードフォワード手法を提案します。大規模マルチカメラセットアップから高品質の3Dガウシアンヘッドを再構成するもので、効率的なエンコーダ-デコーダアーキテクチャを採用しています。

Apple Machine Learning Research

2026年5月30日

マネーフォワードグループが展開する『Admina AIヘルプデスク』が全ユーザーへの提供を開始しました。リモートワークの急速な浸透に伴い、従来の対面型サポート体制が機能しなくなったことが背景にあります。業界全体でAI自動応答機能が付加価値ではなく必須機能へと移行する中での決定であり、同社の顧客企業の業務効率化をデータで示す戦略でもあります。

PR TIMES

2026年6月2日

大規模言語モデル(LLM)の効率化に関する新たなアプローチが提案された。従来の圧縮手法は層単位での処理が主流だったが、研究チームは冗長性がモデル内で均等に分布していないことを発見。特にアテンション層とフィードフォワード層では、その性質が大きく異なることを明らかにした。 この知見に基づき、研究チームが開発した「SubFit」は、従来の層単位ではなく、サブモジュール単位での選別が可能。各サブモジュールに軽量なバイパス機構を加える設計となっており、より細粒度な最適化を実現している。 注目すべきは、このアプローチが較正用データのみで動作し、複雑な再学習プロセスが不要という点。複数のLLMでの検証により、実用的な効果が確認されている。モデル圧縮の高度化を示す研究成果として、今後の言語モデル軽量化に貢献する可能性がある。 (arXiv cs.CL)

2026年6月2日

退任するデシャン監督がキリアン・ムバッペとウスマン・デンベレ率いるスター級フォワードたちと2度目のタイトル獲得を目指しています。

Al Jazeera English

2026年6月5日

6月5日、仙台89ERSは、新沼康生と2026－27シーズンの選手契約継続に合意したことを発表した。 　23歳の新沼は東京都出身で、194センチ94キロのスモールフォワード。2024－25シーズン

Yahoo!ニュース スポーツ

2026年6月5日

千葉ジェッツは、ガード・フォワードの田代直希との契約継続を発表しました。田代は2022年の入団以来、チームの主力選手として活躍しており、今シーズンで在籍3年目を迎えることになります。同選手は契約継続について「26－27シーズンも全力で」とコメントしており、チームの今後の活躍への期待が高まっています。

Yahoo!ニュース スポーツ

2026年6月5日

南米の強豪国が国際試合に参戦する準備を進めている。予選18試合で失点がわずか5に抑えられるなど、守備の堅さが特徴だ。一方で課題となっているのは攻撃陣で、36歳のフォワードが中心となっており、世代交代が急務となっている。若い選手の育成と経験豊富なベテランのバランスをどう構築するかが、今後の成績を左右する重要なポイントになるとみられている。

Yahoo!ニュース スポーツ

2026年6月5日

千葉ジェッツは田代直希と来シーズンの契約を結んだことを発表した。 千葉県出身、現在32歳の田代は188cm85kgのシューティングガード兼スモールフォワード。Bリーグ初年度の2016-17シーズンに

Yahoo!ニュース スポーツ

2026年6月6日

イングランドのプレミアリーグ・リヴァプールが、ライプツィヒの19歳フォワード・ディオマンデの獲得に向けて交渉を進めているとのこと。ライプツィヒ側は約242億円の移籍金を要求しており、両クラブの価格交渉が続いている状況となっている。ディオマンデは若い才能のある選手として注目を集めており、リヴァプールの攻撃力強化を目指した動きと見られる。

Yahoo!ニュース スポーツ

2026年6月8日

佐賀バルーナーズは6月8日、千葉ジェッツを退団したナシール・リトルと新規選手契約を締結したと発表した。 アメリカ出身、現在26歳のリトルは199cm100kgのフォワード。2019年のNBAドラフト

Yahoo!ニュース スポーツ

2026年6月8日

大規模言語モデル（LLM）は従来、固定の深さと順序で全レイヤーを非反復的に実行して推論を行う。本研究は、訓練不要で柔軟な動的プログラム・オブ・レイヤー（PoLar）が広く存在することを明らかにする。事前学習されたレイヤーをモジュールとしてパッキングしてスキップまたはループさせ、各入力に対してカスタマイズされたプログラムを形成できる。ほとんどの入力では、大幅に短いプログラム実行で同等以上の精度を達成でき、元のLLMの誤った予測も、より少ないレイヤーを持つ別のプログラムで修正できる。これらの観察は、推論が標準的なフォワードパスを超えた複数の有効な潜在計算を認めることを示唆している。実践的にPoLarを効率的に実現するため、軽量なPoLar予測ネットワークを提案する。このネットワークは各入力に対して事前学習されたレイヤーを動的にスキップまたは繰り返す実行プログラムの生成を学習する。数学的推論ベンチマークでの実験により、PoLarは標準推論および従来の動的深さ手法と比べて一貫して精度を改善し、多くの場合より少ないレイヤーを実行することを示す。

arXiv cs.LG

2026年6月9日

5月12日から順次、連携を再開していたが、6月5日午前10時50分に全銀行の連携復旧を発表した。

ITmedia NEWS 速報

2026年6月10日

バルセロナはアトレティコ・デ・マドリードFWフリアン・アルバレスを移籍金1億ユーロで獲得することに自信を持っているようだ。スペイン『マルカ』が報じている。 センターフォワードの獲得を目指すバルセロナ

Yahoo!ニュース スポーツ

2026年6月11日

マネーフォワードは6月5日、停止中だった「銀行口座連携機能」について、すべての対応銀行との連携が再開したことを公表した。

ASCII.jp

2026年6月11日

arXiv:2606.11445v1 発表タイプ: new 概要: AIシステムへの信頼は、その仕組みの説明に基づいて構築され、それを利用して新しい入力に対する挙動を予測します。大規模推論モデル（LRM）にとって、この従来の方法は特に困難です。単一トークン生成の説明方法は、長い軌跡に自然に一般化せず、軌跡自体も自然言語で読んだ場合に忠実でないことが多いです。そこで、説明ステップを回避する代替案を提案します。すなわち、行動予測を学習可能なタスクとみなし、単一の推論軌跡に対して、説明から通常得られるであろう予測と同じ予測を行う「行動予測器」を訓練します。予測器の訓練データは、人間による注釈なしでLRMに問い合わせることで取得され、推論は単一のフォワードパスで行われます。このアプローチを、LRMが再実行時に回答を繰り返す可能性、および入力の一部を削除した場合に回答がどのように変化するかという2つのタスクに適用します。

arXiv cs.AI

2026年6月12日

サッカーワールドカップ北中米大会に臨む日本代表のフォワード、後藤啓介選手がドイツ1部のフライブルクに移籍することが決まりました。

NHK スポーツ

2026年6月13日

サッカーワールドカップ北中米大会の1次リーグのグループB、カナダ 対 ボスニア・ヘルツェゴビナは1対1で引き分けました。試合はボスニア・ヘルツェゴビナが前半、フォワードのルキッチ選手のヘディングシュートで先制しましたが、カナダが後半に途中出場したフォワードのラリン選手のゴールで追いつき…

NHK スポーツ

2026年6月16日

ダイドーフォワードは、直営ファッション通販サイト「NY.ONLINE」にEC商品検索・サイト内検索エンジン「ZETA SEARCH」を導入した。 ■ 多角的な絞り込み機能の拡充などで利便性を向

Yahoo!ニュース IT

2026年6月16日

Causal Transformersは、同時分布の自己回帰的因数分解を通じてシーケンスをモデル化し、効率的な左から右へのデコーディングと条件付き尤度計算を可能にします。しかし、任意の条件（例：過去と未来のトークンに条件付けられたテキストブロック）からのサンプリングや評価を効率的に行うことはできません。最近の研究では、新しいアーキテクチャを通じてこの問題の解決を目指していますが、そのような条件のモデル化が最適でなく、生成結果が低下することがよくあります。我々は、標準的なCausal Transformersに簡単な変更を加えることで、単一のフォワードパス内で、過去、未来、混合コンテキストを含む任意の条件からの評価とサンプリングを可能にするArbitrary Conditionals GPT (AC-GPT)を提案します。先行研究とは異なり、我々の手法は、自然言語における高いパフォーマンスと効率的なトレーニングの両方に不可欠な、標準的な左から右への順序と次トークン予測の目的を維持します。重要なのは、この互換性により、既存のLLMを任意の条件付けのためにファインチューニングできることです。

arXiv cs.CL

2026年6月16日

ソラナ（SOL）トレジャリー企業のForward Industries（フォワード・インダストリーズ）は、競合企業の買収を通じて業界の再編を進めようとしている。 同社は6月15日、ソラナトレジャリ

Yahoo!ニュース IT

2026年6月18日

ケビン・ウォーシュ氏は明確なフォワードガイダンスを排除したが、同僚たちは少なくとも1回の利上げが必要だと予測している。

Financial Times World

2026年6月18日

投機的デコーディング（SD）は、複数のトークンをドラフトし、それらを並列に検証することで、自己回帰型大規模言語モデル（LLM）を高速化しますが、スケーリング上の限界に直面しています。ドラフト予算を増やしても、受理率が高く、ドラフトのオーバーヘッドが低い場合にのみ速度が向上します。この限界は、従来のヘッドベースのSD手法が因果関係と効率性のジレンマに直面しているため、打破が困難でした。自己回帰型ドラフターは、パス条件付き候補を生成し、これらは高い受理長を持つツリー投機的デコーディングに効果的ですが、そのドラフトコストはツリーの深さに比例して増加します。双方向ブロック拡散ドラフターは、一度のパスですべての位置を生成しますが、そのブランチに依存しない周辺分布は、個々にはもっともらしくても相互に矛盾するツリーを形成する可能性があり、予算を無駄にし、受理率を低下させます。本稿では、ヘッドベースのSDフレームワークであるJetFlowを提案します。これは、ワンフォワードドラフティングの効率性とブランチごとの因果条件付けを組み合わせたものです。

arXiv cs.CL

2026年6月18日

ケニアのウィリアム・ルト大統領は、数週間前にナイロビで開催されたアフリカ・フォワード・サミットでホストであるフランスのエマニュエル・マクロン大統領に招待され、G7サミットに出席しました。ルト大統領はこの場を利用して、国際機関によるアフリカのより良い承認を訴えました。FRANCE 24のバスティアン・ルノゥイが詳細を伝えます。

France 24

2026年6月19日

大規模言語モデル（LLM）は多段階推論に優れているが、推論コストが大きい。本研究では、因果帰属プルーニング（CAP）を提案する。これは、推論タスクに対する因果的影響を測定することで重要なアテンションヘッドを特定し、これらのヘッドレベルのスコアを用いてきめ細やかな重みプルーニングをガイドする、トレーニング不要な手法である。CAPは、各アテンションヘッドについて、少数の推論問題のキャリブレーションセットでのフォワードパス中にヘッドをマスクした場合の期待される性能低下を推定する。これらの因果スコアは、対応する射影行列の重みレベルの重要度値に変換される。マグニチュードのみまたは活性化ベースの基準とは異なり、CAPの介入的測定は各ヘッドの機能的貢献を直接捉え、20%のスパース性でARC-ChallengeにおいてWandaと比較して最大61%の相対的な精度向上をもたらす。Llama-3-8B-InstructおよびMistral-7B-Instructを使用し、10%、20%、50%のスパース性でGSM8K、StrategyQA、ARC-ChallengeでCAPを評価した。

arXiv cs.CL

2026年6月19日

ソニーネットワークコミュニケーションズとマネーフォワードホームは、「マネーフォワード光 powered by NURO」で、解約時の工事費残債の支払いを免除する「工事費実質完全無料特典」の提供を開始する。

ケータイ Watch

2026年6月21日

● ウォーシュFRBはフォワードガイダンスの後退とコミュニケーション改革を打ち出し、「市場を誘導する中央銀行」から「市場が判断する中央銀行」への転換を進めている。● 短期的には金利パスの不確実性上昇や

Yahoo!ニュース IT

2026年6月22日

スターフォワードのキリアン・ムバッペを擁するフランス代表は、決勝トーナメント進出を目指してボストンでイラク代表と対戦する。

Al Jazeera English

2026年6月22日

【220万インプのバズから急展開】みえるクラウド(R)ログ×マネーフォワードが緊急共催！エヴァンジェリスト宮川大介氏が語る「AIマネジメントの未来」セミナーを7月10日に開催決定

ASCII.jp

2026年6月24日

マネーフォワードは6月23日、ソースコード管理サービス「GitHub」が不正アクセスを受けた問題で、流出した可能性がある個人情報の精査が完了したと発表した。顧客や取引先、従業員らの情報が対象となった

Yahoo!ニュース IT

2026年6月24日

強力な言語モデルから弱い言語モデルへの推論能力の抽出は、通常、特定の解法の軌跡を模倣することを含み、推論方法ではなく回答方法を効果的に転送します。この軌跡レベルの模倣は、汎用的な問題解決スキルの獲得ではなく、インスタンス固有のステップの記憶を促進し、新しい問題への一般化を制限します。我々は、インスタンスレベルの軌跡模倣を再利用可能な戦略蒸留に置き換えるStrategy-Guided Policy Optimization (SGPO)を提案します。SGPOは、強力なモデルの応答から構造化された戦略説明を抽出し、各問題に対して、自律的および戦略主導型の両方の軌跡を構築し、戦略的ガイダンスの有無によるモデルの挙動を直接比較できるようにします。このフレームワークは、2つの重要な問いに答えます。どのように蒸留するかについては、トークンレベルのフォワードKL目的関数が、戦略条件付けによって誘発される分布シフトを選択的にガイダンスのないポリシーに転送し、近接制約が安定性を確保します。

arXiv cs.AI