タイムライン検索

2026年5月29日

人工知能技術の急速な進展に伴い、インターネットのインフラストラクチャが根本的な変化を迎えている。AWSやCloudflareといった大手クラウド企業が、従来の人間ユーザーを中心とした設計から、機械が生成するトラフィック中心のシステムへの移行を進めている。 背景にあるのは、AIエージェントが研究開発の段階を脱し、実際の本番環境での運用が本格化していることだ。こうした状況下で、企業側は既存のクラウドインフラが新たな需要に対応できるよう、アーキテクチャの再構築を急いでいる。 この転換は、データ通信量の急増やAPI利用パターンの変化、リアルタイム処理能力の向上などを見据えた対応となる。クラウド企業各社は、機械同士の通信効率化やセキュリティ強化、コスト最適化を目指した技術開発に注力している。インターネットの構造自体が、人間中心から機械中心への時代へ移行しつつある。 （TechCrunch）

TechCrunch

2026年5月29日

AIエージェントが実験から本番運用へ移行する中、AWSやCloudflareなどが機械優位の未来に向けてクラウドインフラを再設計している。

TechCrunch

2026年5月29日

大規模言語モデルの最近の進歩により、自然言語は複雑なシステムを制御するための柔軟なインターフェースとして機能するようになったが、大規模な多モーダル訓練またはドメイン固有の帰納バイアスの弱化が必要である。チェスなどの構造化意思決定領域では、専門的なアプローチが優先される。

arXiv cs.CL

2026年6月1日

大規模言語モデル（LLM）は一般的なタスクで優れたパフォーマンスを発揮していますが、高品質なドメイン固有のデータなしに特殊なドメインに適応するのに苦労しています。既存の LLM ベースのデータキュレーション方法は主に人間が設計したワークフローに依存しており、LLM が自動的に適応できるかどうかはまだ検証されていません。

arXiv cs.CL

2026年6月1日

arXiv:2605.30456v1 科学と工学の多くの学習タスクはスパースなデータセットが特徴であり、純粋なデータドリブンアプローチの有効性を制限しています。同時に、これらの問題には物理法則、運用要件、専門家の直感から導出された豊富なドメイン知識が伴うことが多くあります。

arXiv cs.LG

2026年6月1日

歴史的宇宙論を統制設定として使用し、ドメイン適応が言語モデルの説明行動をどのように変化させるかを調査した研究。フェーズ1では、明示的な地動説への言及を削除したコペルニクス以前のコーパスから小規模言語モデルをゼロから訓練し、地動説的な説明を生成できるかを評価する。

arXiv cs.CL

2026年6月1日

対象読者: クラウド/インフラの基礎（VPC、ロードバランサ、Lambda、S3、RDS等）は分かるが、Cloudflareの開発者プラットフォームは触ったことがない人。 ゴール: 「自分の案件にCloudflareは向くのか？」を、暗記ではなく設計思想から判断できるようになること。

Zenn

2026年6月2日

音声認識対応の大規模言語モデルは、ドメイン外設定への汎化が不十分です。我々はSALSA（学習された操舵活性化による音声認識LLM適応）を提案します。これは層ごとの操舵ベクトルを学習する軽量適応方法です。対比に依存する一般的に使用される操舵アプローチとは異なります。

arXiv cs.CL

2026年6月2日

本研究では、低リソース多言語設定での法律文書の分類と要約タスクのための、KANベースのBiGRUモデルの新しいアーキテクチャを提案しています。ドメイン言語に関連する問題に対処し、異なる言語の使用、文脈内の長期依存性に対応することを目指しています。

arXiv cs.CL

2026年6月2日

ドメイン固有の教師あり微調整（SFT）は、しばしばドメイン内性能を向上させる一方で、モデルの一般的な能力を低下させます。本論文では、この低下を2つの実践的ギャップを通じて捉えます。ドメインターゲットがスタイルと推論形式において異なることに起因する、教師データ互換性ギャップです。

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

大規模言語モデル（LLM）はヘルスケア分野でますます導入されていますが、既存のベンチマークは臨床実践で一般的な対抗的または倫理的に複雑な条件下でのモデル動作を捉えることができません。11の現代的なLLMを6つのドメインで評価するマルチドメインレッドチーミングフレームワークを開発しました。

arXiv cs.CL

2026年6月2日

検索拡張生成(RAG)は大規模言語モデルをドメイン固有のコーパスに基づかせるための基盤となっていますが、従来のベクトルベースのRAGシステムは金融市場分析の基盤となる構造化された複数エンティティ間の関係を捉える能力に根本的な制限があります。

arXiv cs.CL

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

Amazon Forgeの微調整に最適パラメータ設定が重要 アマゾン ウェブ サービスは、独自の大規模言語モデル「Amazon Nova Forge」をドメイン固有のタスクに適応させる際の課題について、技術ブログで解説した。 モデルの微調整において、学習率やバッチサイズといった訓練パラメータの設定は、特定領域での性能向上と汎用性維持のバランスに大きく影響することが明らかになった。過度なカスタマイズは汎用性を損なう一方、最適化が不十分では期待される性能向上が得られないという課題がある。 同社は、これらのパラメータを効果的に調整するための戦略と、計算資源を無駄にする一般的な失敗パターンを早期に検出する方法を紹介。実践的なアプローチにより、企業が限られたリソースでモデルの最適化を進める道筋を示している。 この指針は、生成AI導入を検討する企業にとって実装効率の向上に有用な知見となりそうだ。 （引用元：AWS Machine Learning Blog）

AWS Machine Learning Blog

2026年6月4日

AI評価の標準化を目指すHugging Faceが、ベンチマークデータセット「EVA-Bench Data」の最新版2.0をリリースした。 このデータセットは、AIモデルの性能を多角的に測定するための包括的な評価基盤として設計されている。従来版から大幅に拡充され、3つの異なるドメインをカバーしながら、121種類のツールと213のシナリオに対応している点が特徴だ。 複数分野における実践的なシナリオを用意することで、開発者はより実務的な環境下でモデルの性能を検証できるようになる。様々なツールセットが含まれていることから、汎用性の高い評価が可能になると期待されている。 このような統一された評価指標の提供は、AI開発業界全体の品質向上と信頼性確保に寄与する。研究機関や企業がモデルを比較検討する際の基準となり、より透明性の高い開発環境の構築につながる可能性がある。 引用元：Hugging Face

2026年6月4日

TL;DR: We are excited to announce that VoidZero is joining Cloudflare. Vite, Vitest, Rolldown, Oxc, and Vite+ will remain open-source and MIT-licensed…

はてなブックマーク IT

2026年6月4日

VoidZero, the company behind Vite, Vitest, Rolldown, Oxc, and Vite+, is joining Cloudflare. As part of this change, all team members of VoidZero are j…

はてなブックマーク IT

2026年6月4日

! 最先端AIを技術の中身まで日本語で読み解く「AIウォッチ」の深掘り記事です。題材は Cloudflare の "Project Glasswing: what Mythos showed us"（2026-05-18）。一次情報（Cloudflare 公式ブログ）の全文を当たって書いています。

Zenn

2026年6月5日

2025年5月15日、日本生産性本部は「付加価値増大を軸とした生産性経営の実践～2040年、日本を世界の生産性トップリーグへ導く経営変革の道筋～」と題する提言を発表した。この提言について、生産性経営者会議の共同委員長であり、日立製作所取締役会長 代表執行役 東原敏昭氏が見解を語った。

ITmedia 全カテゴリ

2026年6月5日

国立美術館5館が共同運営する「国立美術館所蔵作品総合目録検索システム（5館総合目録）」において、著作権保護期間が満了したパブリックドメイン作品の画像データ無償ダウンロード提供が5月29日から開始された。「ダウンロードして損はない、至高の作品」をランキング形式で厳選。

ASCII.jp

2026年6月5日

TL;DR CVE-2026-49975（通称 HTTP/2 Bomb）は、HTTP/2 の仕様上の組み合わせを悪用したリモート DoS 脆弱性 OpenAI Codex が nginx・Apache・IIS・Envoy・Cloudflare Pingora の 5...

Qiita 人気記事

2026年6月8日

Cloudflareは、JavaScriptで人気のビルドツール「Vite」やバンドルツール「Rolldown」の開発元であるVoidZeroの買収を発表しました（Cloudflareの発表、VoidZeroの発表）。 Today, Voi...

Publickey

2026年6月8日

慶応三年、江戸にて 娘「おとっつぁん、大変だよ！」 熊さん「一体どうしたってんだい、娘ちゃん」 熊さん「朝っぱらから、ただごとじゃねぇ顔してるじゃねぇか」 娘「うちのECサイトで、問題が起こっちまってるんだよぉ！」 娘「新規登録の時だけのキャンペーン割引が」 娘「全ての...

Qiita 人気記事

2026年6月10日

Cloudflareは、同社が提供するサービス「Cloudflare AI Gateway」の新機能として、全社でAIベンダのAPIキーを共有して使用していても、従業員やアプリごとに毎月のAIの利用料の上限額を設定できる[新機能を発表しまし...

Publickey

2026年6月10日

本稿では、Strands Agents SDKで構築されたエージェントがドメイン推論を行い、Amazon Bedrock AgentCore Browser Toolでライブポータル操作を行う、ハンズフリーの初動通知（FNOL）受付システムを実証します。このアプローチは、反復的な画面作業を排除しながら、人間の専門知識を維持します。

AWS Machine Learning Blog

2026年6月10日

「SEOで勝てないのは、ドメインパワーが足りないから？」 Google検索で上位表示を目指して施策に取り組む担当者ならば、聞いたことがあるかもしれない「ドメインパワー」という言葉。ドメインとは、

Yahoo!ニュース IT

2026年6月10日

はじめに 「社外から社内システムに入る手段がVPNしかない」「VPN装置の脆弱性対応に追われている」——中小規模の情シスでよくある悩みです。 本記事では、Cloudflare Zero Trust を使って、VPNを使わずに社外から社内リソース（社内Web・RDPなど）へ...

Qiita 人気記事

2026年6月10日

arXiv:2606.09863v1 発表タイプ：新規 概要：LLMエージェントは、環境の状態がそうでないことを示しているにもかかわらず、タスク完了を断言することで静かに失敗する可能性があります。本研究では、この「偽の成功」という失敗モードを、2つのエージェントベンチマーク（8つのモデルファミリーからの9,876のtau2-bench軌道と、テキストに依存しない正解を持つ4つのモデルファミリーからの1,879のAppWorld軌道）で調査します。「偽の成功」は一般的ですが、設定によって異なります。tau2-benchドメインの単一制御では45〜48％の失敗、デュアル制御の通信では3％、明示的なステータスクレームを持つAppWorldの自己評価コーディングエージェント軌道では75.8％を占めます。LLMジャッジは信頼性に欠けます。5つのジャッジ、5つのプロンプト戦略、および完全なタスク仕様にわたるどの構成も、tau2-benchでAUROC 0.65を超えることはなく、同じジャッジがAppWorldのAPIコールトレースでAUROC 0.54しか達成できません。

arXiv cs.LG

2026年6月11日

arXiv:2606.11522v1 発表タイプ: new 概要: 現在、オートリサーチエージェントは、科学的候補を評価し、選択し、指標に対して検証していますが、その指標は通常、地域、スライス、またはコホートの異種空間で集約されたものです。科学的妥当性がその非集約構造に存在する場合、集約値は誤った候補を最初にランク付けする可能性があることを示します。全体的な数値は改善されても、その下にある構造は反転するため、数値に基づいて下された決定は、モデルを静かに破壊する候補を受け入れてしまいます。この失敗は特定のドメインに限定されるものではありません。候補の妥当性が多次元的でありながら、その検証者が単一の削減である場合にはどこにでも現れます。 エコロジーデモグラフィーモデルにおける火災モデルタスクでこの反転を実証します。最高スコアの候補とわずかに低いスコアの候補は、グローバルスコアではノイズの範囲内ですが、最高スコアの候補は保護された北方地域を崩壊させるのに対し、もう一方の候補はそれらを維持します。それらを分けるのは、地域ごとの挙動であり、全体的な数値ではありません。

arXiv cs.AI