タイムライン検索

2025年12月8日

本記事は、PFNのインターンシップを経て現在はアルバイトとして勤務されている上田蒼一朗さんによる寄稿です。 はじめに Preferred Networks（以下PFN）ではKubernetesを用いた機械学習基盤の開発・ […] 投稿 Kubernetesスケジューラのベンチマークテスト は Preferred Networks Tech Blog に最初に表示されました。

Preferred Networks

2026年4月17日

2026年もインターンの季節がやってきました。本稿は、機械学習ポテンシャルの研究分野の紹介を兼ねたインターン募集案内です。機械学習ポテンシャルはあくまでインターンに関連した研究テーマの一面ですが、具体例を通して私たちが普 […] 投稿 機械学習ポテンシャルの近似の限界を超えて【インターン募集】 は Preferred Networks Tech Blog に最初に表示されました。

Preferred Networks

2026年5月8日

Appleは、プライバシーが基本的人権であると信じています。AI機能が増加し人々の日常生活に更に統合されるにつれて、プライバシー保護技術の研究を進めることが重要です。

Apple Machine Learning Research

2026年5月12日

パラメータゴルフは1,000名以上の参加者と2,000件以上の投稿を集め、厳格な制約条件下でAI支援機械学習研究、コーディングエージェント、量子化、革新的なモデル設計を探索した。

OpenAI

2026年5月27日

AIアプリの構築には、機械学習の博士号や複雑なアーキテクチャとの格闘に数ヶ月を要する必要はありません。複数のAPI呼び出しを調整しようとする際の課題を解決し、Strandsを使用して迅速にAIアプリを開発する方法を紹介します。

AWS Machine Learning Blog

2026年5月29日

Sakana AIが情報分析専門のDEEP DIVEとパートナーシップを締結しました。膨大なデータから重要な情報を自動で見つけ出す技術の開発に取り組むもので、金融や医療、製造業など様々な分野での活用が期待されています。AIの機械学習技術と情報分析の実務経験を組み合わせることで、企業や社会が直面する「データの正確な読み解き」という課題の解決を目指しており、日本発のAI企業による実務的で特化した「賢いAI」開発の動きとして注目されています。

2026年5月29日

形式的予測（CP）とその拡張である形式的リスク制御（CRC）は、機械学習における不確実性を形式的保証を通じて定量化するための確立されたフレームワークである。しかし、最近のAIの革新は教師なし生成モデルによってもたらされている。

arXiv cs.LG

2026年5月29日

大規模言語モデル（LLM）のファインチューニングはしばしば以前の能力のカタストロフィック・フォーゲッティングを引き起こす。最近の研究によれば、強化学習（RL）は教師あり学習（SFT）よりも効果的に以前の能力を保持し、ポリシー勾配更新がより近い状態に留まることに起因している。

arXiv cs.LG

2026年5月29日

ソフトプロンプトチューニングはLLMを特定のタスクに適応させるためのパラメータ効率的な方法ですが、解釈可能性の欠如に悩んでいます。ソフトプロンプトの解釈に関する最近の研究に基づいて、専用のソフトプロンプトから自然言語翻訳モデルへのトレーニング方法を探索します。

arXiv cs.CL

2026年5月30日

ゴールドマン・サックスが新たな日本株投資商品「GS Plus 日本株式（TOPIXアルファ）」を発表した。この商品は、TOPIXの構成銘柄から割安性や成長性などの指標で優良企業を厳選し、指数を上回るリターンを目指すもの。日本株が長期停滞する中、機関投資家のニーズが従来のベンチマーク運用からアルファ追求型へシフトしており、データ科学や機械学習を活用した新しい運用戦略が業界で広がっている。

PR TIMES

2026年5月30日

ヘイトスピーチ自動検出の精度向上に向けた研究が進展している。自然言語処理の分野において、ヘイトスピーチ判定は人間の判断が分かれやすく、従来の手法では十分な対応ができていなかった。 新たな研究では、複数の機械学習モデルと学習方法を統一的な基準で比較検証する取り組みが行われた。注目すべきは、単に正否を判定するのではなく、なぜそう判断したのかという根拠を明示する「説明可能性」を同時に評価している点である。 研究チームは、判定の正確さと信頼性、さらに判断理由の妥当性や分かりやすさなど複数の指標を組み合わせて評価。異なるアノテーター（ラベル付け者）の見解の相違や、文中で重要とされる箇所の表現ゆらぎなど、実務的な課題に対応する方法論を提示した。 この成果は、ソーシャルメディア上の有害コンテンツ対策や、AIの透明性向上につながる可能性がある。 （引用元：arXiv cs.CL）

arXiv cs.CL

2026年5月30日

分散学習システムにおける通信効率化に関する新しい理論研究が発表された。機械学習の分散処理では、複数のコンピュータ間で勾配情報を交換する際の通信コストが大きな課題となっていた。 情報圧縮により通信量を削減する手法は既に活用されているが、圧縮に伴う精度低下の問題が存在していた。誤差フィードバック機構はこの課題に対する有効な解決法として注目されている。 この研究では、標準的な誤差フィードバック法とEF21という2つの主要なアルゴリズムについて、数学的に厳密な収束性の分析を実施した。最適なステップサイズの決定方法と、各アルゴリズムに適したリアプノフ関数の構築により、より正確な理論保証が得られたという。 この成果は、今後の大規模分散学習システムの効率化と性能向上に貢献する可能性がある。 （arXiv cs.LG）

2026年5月30日

素材産業が直面する新化合物探索の時間・コスト課題を解決する手段として、機械学習を用いた原子間ポテンシャル技術が注目されています。従来の実験手法では数ヶ月要していた物質の性質予測が、AI駆動型の材料設計により大幅に短縮可能となり、欧米の先進機関では既に開発期間を30～50%削減する実績が報告されています。AndTechは7月27日にこの技術の基礎と応用をテーマにしたZoomセミナーを開講し、実装段階への移行期において産業界の人的基盤整備を支援する予定です。

PR TIMES

2026年5月30日

人工知能（AI）技術の急速な進展に伴い、業界特有の専門用語が日常会話でも頻繁に登場するようになってきました。一般向けの情報発信が増える一方で、これらの用語の正確な意味を理解していない人も多いのが現状です。 このような状況を背景に、AI分野の重要な概念や最新スラングについて、わかりやすく解説する取り組みが注目を集めています。機械学習やディープラーニング、生成型AIなど基本的な概念から、業界で使われる新しい表現に至るまで、体系的な理解を深めることの重要性が認識されています。 AI技術の社会への浸透が進む中で、市民のデジタルリテラシー向上が課題となっており、専門知識の平易な説明が求められています。用語の正確な理解は、AIに関する社会的議論やニュース報道を適切に受け取る上で不可欠な基盤となるでしょう。 （TechCrunch）

TechCrunch

2026年6月1日

arXiv:2605.30487v1。大規模言語モデル（LLM）を異種かつ急速に進化する安全性要件に整合させることは重大な課題。既存の命令チューニング型LLMとスタンドアローン安全性分類器は新しい安全性設定への一般化に失敗することが多く、外部的に設定可能なリワードモデル（RM）の必要性が生じている。

arXiv cs.CL

2026年6月1日

arXiv:2605.30541v1 発表タイプ：新規 要旨：全波形インバージョン（FWI）は地下イメージングの標準であり、炭素隔離から石油・鉱物探査、地震ハザード評価まで応用されている。FWIに対する機械学習アプローチには、フィールドスケール、地質学的多様性、物理的に現実的なトレーニングデータが必要である。

arXiv cs.LG

2026年6月1日

拡散モデルをモデルの入力から情報を隠し、隠された情報を推測するように訓練する機械学習技術のファミリーの一部として提示する。拡散の破壊的なアプローチは、典型的な手作りの情報隠蔽と比較してより柔軟であると主張する。

arXiv cs.LG

2026年6月1日

arXiv:2605.30482v1 機械学習は数学的発見にますます利用されているが、数学では出力は予測そのものではなく、独立して検証可能な明示的な構築であることが求められる。本研究では組合せ論における古典的な全単射であるディック経路上のゼータ写像を通じてこの設定を研究する。

arXiv cs.LG

2026年6月1日

arXiv:2605.30452v1 多くの機械学習の問題には複数の固有のトレードオフが含まれており、勾配ベースの多目的最適化（MOO）アルゴリズムで最もよく対処されます。既存の手法はさまざまな動機で提案されており、ケースバイケースで分析され、成分勾配の集約方法がアルゴリズム的に異なります。

arXiv cs.LG

2026年6月1日

大規模言語モデルは現在、単一の命令チューニングパスではなく、一連のポスト学習段階を通じて適応されています。本論文は、こうした逐次的なポスト学習が内部表現を低ランク、異方性、均質な特徴空間へと徐々に圧縮するかどうかを検討しています。

arXiv cs.LG

2026年6月2日

フェデレーション学習において、プライバイシー保護と学習精度の両立が課題となっている。複数のクライアントが分散して機械学習モデルの構築に参加するこのシステムでは、差分プライバシーを導入してデータ保護を図るが、新たな脆弱性が指摘された。 研究チームは、異なるプライバシー設定を持つクライアント環境で、サーバーが勾配情報を分析し、代理モデルを用いてクライアントの個人属性を推測できることを実証した。さらに複数の学習ラウンドにおける更新パターンを追跡することで、個人の特定につながる可能性も明らかになった。 これに対応するため、新フレームワーク「IntraShuffler」が開発された。このシステムはデータの匿名化処理を強化し、攻撃者がクライアント情報を推測する難度を高める設計となっている。今後、プライバシー保護と計算効率のバランスが、フェデレーション学習の実用化における重要な検証項目となる見通しだ。 （引用元：arXiv cs.LG）

arXiv cs.LG

2026年6月2日

継続事前学習（CPT）は大規模言語モデルを新しい言語に拡張する実用的な方法ですが、ナイーブなファインチューニングは壊滅的忘却を通じて既存の能力を低下させます。言語ファミリー周辺のトレーニングを組織することはクロスランゲージ干渉を減らしますが、それだけでは十分ではありません。

arXiv cs.CL

2026年6月2日

高次元確率変数間の統計的依存性を測定することはデータサイエンスと機械学習の基本的なタスクです。ニューラル相互情報（MI）推定器は有望な道を提供していますが、通常は新しいデータセットごとに高額な反復最適化が必要であり、実用的な応用が困難です。

arXiv cs.LG

2026年6月2日

標準的な機械学習パイプラインは多くのほぼ最適なモデルを認めます。これらの「ラショモン集合」は、不確実性を考慮した堅牢な意思決定に対して、さまざまな課題と機会をもたらします。これにより、ユーザーはドメイン知識と好みを組み込むことができます。

arXiv cs.LG

2026年6月2日

最新の生成機械学習モデルは、目標特性を持つ新しい無機結晶材料を提案できます。しかし、これらの材料の合成計画は、関連する物理プロセスの複雑さと計算ツールの利用可能性の限定により困難なままです。

arXiv cs.AI

2026年6月2日

冠動脈疾患(CAD)は世界的な主要な死因の一つであり、早期診断とリスク評価をサポートする信頼できる予測システムの必要性が浮き彫りになっています。従来の機械学習モデルは構造化臨床データで良好に機能していますが、大規模言語モデル(LLM)は新たな可能性を提供しています。

arXiv cs.CL

2026年6月2日

ファインチューニングはファンデーションモデルを特殊化されたダウンストリームタスクに効果的に適応させますが、事前学習中に獲得した非対象の能力を低下させる可能性があります。既存の忘却認識方法は、通常、特殊な初期化または固定制約を通じて安全な更新を求めていますが、適応の規制は行いません。

arXiv cs.LG

2026年6月2日

三菱重工業とPreferred Networksは、ミッションクリティカル領域における国産AI技術の共同開発で業務提携することを発表した。 ミッションクリティカル領域とは、システム障害が許されない重要インフラなどの安全性が求められる分野を指す。両社は、それぞれの強みを活かして、こうした領域でのAI活用を推進する方針。 三菱重工業は産業機械や航空防衛関連での豊富な経験と技術力を保有し、Preferred Networksは機械学習やディープラーニング分野での知見を有している。今回の提携により、これらの技術と知見を融合させることで、信頼性と安全性を兼ね備えた国産AI技術の開発を目指す。 今後、両社は重要インフラの保全や産業機械の最適化など、様々な用途でのAI導入を検討していくとみられる。国産AI技術の開発強化は、戦略的に重要な分野としても注目される。 （引用元：Preferred Networks）

Preferred Networks

2026年6月3日

ドメイン固有のタスク用のファインチューニングは、一つの領域でのパフォーマンス向上をモデルの一般的な能力の低下なしに実現することを意味しており、このバランスを正しく取ることは見た目以上に難しいものです。

AWS Machine Learning Blog

2026年6月3日

人間が睡眠中に記憶を整理するメカニズムにならい、大規模言語モデルに「睡眠」機能を導入する研究がarXivで発表された。 研究では、言語モデルが継続的に学習する際、短期的に獲得した情報を長期的な知識として定着させるプロセスが課題となっていることに着目。人間の睡眠が記憶統合と夢見のプロセスを通じて知識を整理することに着想を得たアプローチを提案している。 具体的には、小規模なモデルで得られた学習成果を、より大規模なニューラルネットワークに効率的に転写する「知識蒸留」と呼ばれる手法を活用。これにより、モデルが自己修正と知識の統合をより安定して実行できるようになるという。 従来の機械学習では学習データの偏りや不安定な自己改善が問題だったが、この睡眠パラダイムの導入により、より堅牢で信頼性の高い継続学習が実現する可能性が示唆されている。 （引用元：arXiv cs.AI）