タイムライン検索

2026年5月22日

国際機関がこのほど、中小企業の海外進出を推進するための人材育成プログラムを実施することを発表した。 対象は、輸出ビジネスの拡大を視野に入れている中堅・中小企業および起業家層。5日間にわたる集中研修の最終段階が、6月9日、11日、12日に実施される予定である。 プログラムでは、国際取引の基礎知識から実践的なビジネス展開まで、段階的に学習できるカリキュラムを用意。参加者は講義を通じて、海外市場分析やマーケティング戦略、契約交渉といった国際ビジネスに必要な知識を習得する。 最終日が公開形式で開催されることから、本格的な参加検討を控えている事業者も、講座内容を事前に確認できる利点がある。 グローバル化する市場環境において、人材育成を通じた中小企業の競争力強化が重要視されている中、このようなプログラムの充実は、日本企業の海外展開を後押しする施策として期待される。 （JETRO）

JETRO

2026年5月29日

arXiv:2605.29229v1 文書の発表。推論蒸留は大規模言語モデル（LLM）から小規模モデルへ複雑な推論能力を転移させますが、その成功は訓練データが学生モデルとどの程度合致しているかに依存します。本論文では、データ・モデル互換性（DMC）メトリクスを導入し、その適合性を評価するために使用できます。

arXiv cs.AI

2026年5月30日

鑑木教育コンサルティングが展開する「RD American School」の説明会開催が発表された。日本国内のインターナショナルスクール市場では、既存校の高い授業料と入試難易度に対して、より透明性の高いカリキュラムとアクセスしやすい価格帯を提供する新興校の参入が進んでいる。アメリカンカリキュラムを軸とした同校は、STEM教育や起業家精神の育成を重視するアプローチで、グローバルキャリアを目指す家庭からの需要を取り込もうとしている。ただし本格運営までには数年を要し、既存校との競争激化による淘汰リスクや質保証の課題も残されている。

PR TIMES

2026年6月1日

推論モデルのポストトレーニングは通常、検証可能な報酬からの教師あり微調整と強化学習を組み合わせ、最も一般的にはGRPOで行われている。しかしこのアルゴリズムは報酬の疎さ、限定的な探索、モード崩壊に悩まされている。自己蒸留に関する最近の研究に基づき、改善されたアプローチを提案する。

arXiv cs.AI

2026年6月4日

外観検査AIのMENOU、文科省「DXハイスクール」採択校の長野工業高等学校でカリキュラム開始

ASCII.jp

2026年6月8日

AIが学習にもたらす影響に関する新たな研究結果が発表されました。Google DeepMindが実施したランダム化比較試験により、AIモデル「Gemini」に搭載された「Guided Learning」機能が、学習意欲の向上と学習速度の加速に寄与する可能性が示唆されたとのことです。 この研究はシエラレオネなどを対象に行われ、AIを活用した学習が実際にどのような効果をもたらすのかを客観的に測定することを目的としていました。具体的な試験デザインや参加者の詳細については言及されていませんが、無作為にグループ分けを行い、AI機能の有無による学習成果の違いを比較したと考えられます。 結果として、AIによるガイド付き学習が学習者と学習内容との関わりを深め、効率的な知識習得を促進する可能性が浮き彫りになりました。この研究は、教育分野におけるAIの潜在的な応用可能性を示すものとして注目されます。今後、さらなる検証や具体的な教育カリキュラムへの導入を通じて、AIが学習環境をどのように変革していくのかが期待されます。 引用元: Google DeepMind

Google DeepMind

2026年6月10日

自己蒸留は、モデルが追加コンテキストなしで性能向上を維持できるよう学習させる手法です。 本研究では、自己蒸留におけるコンテキスト設計を、凍結された評価者からのフィードバックを用いて探求しました。 ステップごとにアラインされた批評が最も大きな改善をもたらし、他の手法を大幅に上回る結果を示しました。

arXiv cs.LG

2026年6月16日

インターネットに雑誌にテレビに本……。今やたくさんの子育てをめぐるアドバイスが氾濫している。しかも親の時代とは違い、学校カリキュラムではカバーしきれない「21世紀スキル」や「非認知能力」といったスキルも重要だとされている。そんな中、親として子に何をしてやればいいのか。それを東京大学出身の著者がまとめ、ロングセラーになっているのが『子育てベスト100』だ。

ダイヤモンド・オンライン

2026年6月18日

教育対話は研究にとって貴重だが機密性の高いリソースです。本物の学習を捉えるトランスクリプトは、しばしばカリキュラムの内容に個人識別情報（PII）が絡み合っており、「リーマン」が実在の学生を指すのか、数学的概念を指すのかを捉えています。既存のアプローチは、ガバナンスと精度のトレードオフを強います。商用の大規模言語モデル（LLM）は、この曖昧さを処理できますが、学生データを第三者に送信する必要があります。一方、ローカルの固有表現認識（NER）システムは、ガバナンスを維持しますが、カリキュラム用語を過剰に匿名化します。本研究では、匿名化をオープンエンドのエンティティ認識から制約付きプライバシートリアージに再構築する、完全ローカルのカスケードフレームワークを提案します。リコール優先のユニオンプロポーザーは、2つの軽量エンコーダーと決定論的ルールを組み合わせて候補スパンを過剰生成します。その後、コンテキストを意識したレビューアが、周囲の対話と話者の役割を使用して、各候補に対して「匿名化／維持」の二項決定を行います。

arXiv cs.CL

2026年6月19日

学部コンピュータサイエンスは、10年ごとに改訂される国際的なカリキュラムガイドラインによって統制されていますが、プログラムは、現在のガイドラインをどれだけ網羅しているか、またガイドラインが再構築された際にその網羅性がどのように変化するかを測定する信頼性のある再現可能な方法を欠いています。私たちは、外部の知識体系に対するプログラムの網羅性を測定する、人間参加型のパイプラインでこの問題に対処します。これは、コンピュータサイエンスカリキュラム2013（CS2013）および2023（CS2023）に対して、認定された1つのBScコンピュータサイエンスに縦断的に適用されます。このパイプラインは、プログラムと各ガイドラインを構造化されたコーパスとして表現し、セマンティック検索によって候補となるコースと知識単位のマッチを生成し、明示的な網羅性定義の下で人間の判断によってそれらを確認します。

arXiv cs.AI

2026年6月20日

次期学習指導要領で強化される「情報科」教育について、文部科学省が令和12年度からの指導要領の全面実施を待たずに先取り導入を検討していることが20日、分かった。SNSなどで広まる偽情報による選挙介入や認知戦が活発になる中で情報教育の重要性は増しており、他の教科に先駆けてカリキュラムを変更する。先取りを踏まえた詳細な制度設計はこれからだが、文科省によると1年程度の前倒しが想定される。

産経新聞

2026年6月23日

人工知能の目標は、オープンエンドな環境で一般的かつ適応的な行動が可能なエージェントを作成することです。「ビター・レッスン」に基づき、この目標への最も効果的な道は、人間の事前知識を体系的に排除し、エージェント自身よりも桁違いに複雑な「ビッグ・ワールド」との相互作用を通じて、知性が自然に現れるようにすることだと主張します。このような世界の実際的な代理として、モバイル・グラフィカル・ユーザー・インターフェース（GUI）を提案し、この領域での自律的な強化学習の基盤として設計されたオープンソース・インフラストラクチャであるダーウィン・モバイル・エージェントを紹介します。このフレームワークは、並列クラウドフォン・インスタンス全体での非同期エージェント・環境ループを使用することで、現実世界のモバイル相互作用におけるデータ収集のボトルネックに対処します。さらに、自己進化エージェントの3つの基本的な柱、すなわちタスク・カリキュラム、結果検証、メモリ管理から人間の事前知識を体系的に排除するための概念的なロードマップを提案します。

arXiv cs.AI

2026年6月25日

検証可能な報酬付き強化学習（RLVR）が、単一ドメインのトレーニングから、数学、プログラミング、科学にまたがるマルチドメイン推論スイートへと拡張されました。しかし、推論スキルのドメイン間での転移は不均一であるにもかかわらず、トレーニングカリキュラム（各ドメインがサンプリングされる頻度）は通常固定または手動調整されています。既存の学習可能性ベースのカリキュラムは、ポリシーが現在改善されている場所に適応しますが、選択されたドメインでの勾配ステップが残りのドメインに利益をもたらすかどうかには盲目です。本稿では、BanditスタイルのオンラインカリキュラムであるTransfer-Aware Curriculum（TAC）を提案します。これは、更新がトレーニングスイートの残りに広く利益をもたらすドメインを優先します。TACは、RLトレーニングによって既に生成されているシグナルを再利用します。

arXiv cs.AI

2026年6月29日

米Googleは6月25日（現地時間）は、「Gemini」アプリに個人の学習目標に応じた専用の学習スペース「study notebooks」機能を追加すると発表した。「Gemini」アプリの全個人ユ

Yahoo!ニュース IT

2026年6月30日

オンポリシー蒸留（OPD）は、オフライン蒸留や強化学習（RL）にはない特性、すなわち教師の監督品質が生徒の能力に依存するという特性を持っています。不整合なロールアウトはノイズの多い勾配を生み、既に習得したトークンは冗長なものになります。これは3つのスケール（トークン、トレーニングフェーズ、プロンプト）で無駄を生じさせますが、既存の方法は均一に監督します。本稿では、SEADを提案します。これは、3つのスケールにおけるこの能力依存型の劣化の統一的なプローブとしてエントロピーを使用します。（1）教師と生徒の共同エントロピーは、トークンを、調整されたダイバージェンスまたはゼロ勾配を受け取るゾーンに分割します（約50％がスキップされます）。（2）コサインスケジュールは、能力の成長に伴い、フォワードKLからリバースKLへと減衰します。（3）能力ゲート付きカリキュラムは、簡単なものから難しいものへとプロンプトを導入します。これらのコンポーネントは共生的かつ必要不可欠です。トークン選択には整合性の取れたロールアウト（カリキュラム）が必要であり、減衰には単調な改善（これもカリキュラム）が必要です。

arXiv cs.CL

2026年7月3日

大規模言語モデル（LLM）の推論能力向上に有効とされる自己蒸留技術において、教師モデルによる詳細すぎる指導が過学習や情報漏洩を引き起こすという課題が指摘されています。この問題を解決するため、新たなフレームワーク「DemoPSD」が提案されました。 DemoPSDは、教師モデルの出力をそのまま利用するのではなく、教師と生徒モデルの指導を重み付けして組み合わせる「逆KL重心ターゲット」という手法を採用しています。これにより、教師モデルの過度な影響を抑制し、過学習や情報漏洩のリスクを低減させることが期待されます。このアプローチは、LLMがより正確かつ安全に推論能力を向上させるための新しい道筋を示すものです。 arXiv cs.LG

arXiv cs.LG

2026年7月3日

検証可能な報酬を用いた強化学習（RLVR）や、最近の自己蒸留のバリアント（SDPOなど）は、各ロールアウトを検証機で評価し、エピソードレベルの信号からポリシーを更新する。しかし、ロールアウトに含まれるより豊かな手続き的情報は、ほとんど保持または再利用されない。エピソードやエポックをまたいで、モデルは変化するポリシーの下で関連する問題に繰り返し遭遇し、エピソードローカルな更新では捉えきれないクロスエピソード信号を生成する。どの戦略が一貫して検証を通過するか、どの失敗モードが持続するか、どのパターンが再発するかなどである。我々は、これらのクロスエピソード信号を再利用可能な手続き的記憶に変換し、トレーニング中にそれをポリシーの重みに蒸留するProcedural Memory Distillation（PMD）を提案する。この記憶はトレーニングの足場として機能し、ポリシー自体に吸収され、推論時には記憶のないモデルが得られる。

arXiv cs.AI

2026年7月6日

大阪公立大学が構想中の｢College of Creative Studies（仮称）｣は､秋入学･英語による授業･留学生と日本人が半数ずつという新しい学士課程です。どのような特徴やカリキュラムがあ…

東洋経済オンライン

2026年7月7日

インターネットに雑誌にテレビに本……。今やたくさんの子育てをめぐるアドバイスが氾濫している。しかも親の時代とは違い、学校カリキュラムではカバーしきれない「21世紀スキル」や「非認知能力」といったスキルも重要だとされている。そんな中、親として子に何をしてやればいいのか。それを東京大学出身の著者がまとめ、ロングセラーになっているのが『子育てベスト100』だ。

ダイヤモンド・オンライン

2026年7月7日

映画・映像プロデューサーを志す人に向けた養成講座「映画・映像制作部・プロデューサー養成講座2026」が、東京・新宿区内にて9月3日から10月29日まで毎週木曜に開講。制作部の仕事を学ぶためのカリキュラムが設けられている。

映画ナタリー

2026年7月14日

学習済みジャッジに対してコードジェネレーターをポストトレーニングすると、成果物を改善せずにスコアを上昇させるプロキシ特徴を最適化できます。私たちはその逆の信号を研究します。それは、決定論的で、ジャッジフリーで、操作不可能なフィルターです。具体的には、生成されたプロジェクトがヘッドレスエンジン（厳格起動）でクリーンに起動するかどうかです。このゲートの下で、リジェクションサンプリング自己蒸留は、ファミリー外の一般化を増幅させます。GameCraft-Bench（自然言語の指示から完全なGodotプロジェクトへのマッピング）において、厳格起動下で蒸留された14Bモデル（Qwen3-14B+LoRA）は、4つの未知のゲームファミリーにおけるクリーンな生成率を候補あたり8.8%から42.2%に、K個中ベストのカバレッジを18/25から25/25（ゴールド天井）に、それぞれ3ラウンドで向上させました。各ラウンドで有意な増加が見られました（p=0.0019、p<1e-4、p<1e-4）。この増加は単にデータを追加したことによるものではありません。

arXiv cs.AI