新手法により、圧縮された4ビットモデルがフルプレシジョン版を凌駕
読む理由 開発者は注意すべきです。この手法は、通常、圧縮および量子化の過程で失われる機能を回復します。
新しい修復技術により、圧縮された4ビットモデルが7つのベンチマークでフルプレシジョン元のモデルを上回る。構造圧縮時の能力喪失を回復し、実装前に適用できる。
過去記事
LLMエージェントにおけるタスク間スキル転移：サブタスクとテキストの利点
読む理由 自律型エージェントを開発する際、メモリをテキスト形式のサブタスクとして構造化することで信頼性を向上させられる。提案されたユーティリティスコアは、有効なスキルをフィルタリングする実行前診断として機能する。
LLMエージェントのスキル転移において、サブタスクレベルでの誘導とテキスト形式が信頼性を高め、タスクレベルやコードベース手法を上回ることを実証。
MidTool: 中間学習を通じてエージェント機能を強化する
読む理由 本研究は、堅牢なエージェントツール使用のために専用中間学習が不可欠であることを示し、LLMに対してポストトレーニング手法のみを頼るよりも優れた代替案を提供します。
MidToolは、Webデータと合成API監督を組み合わせる中間学習パイプラインにより、Qwen3モデルの汎用ツール使用能力を大幅に向上させます。
タスクモデル誘導はコンピュータトレースからインターリーブされたワークフローを復元する
読む理由 デスクトップエージェントを構築するAIエンジニアは、TMIを使用して生データから現実のワークフローを学習し、より堅牢で監査可能なタスク実行を可能にできます。
新手法TMIは、受動的なコンピュータ使用トレースから構造化されたタスクモデルを抽出し、既存のベースラインを上回るエージェント精度を実現します。
コロラド州AI法は本日施行されるはずだった。実際には2027年までずれ込む。
読む理由 米国初の包括的な州AI法は、施行される前に書き換えられてしまった。立法後、施行前に業界の圧力で撤回されるという順序こそ、他州でも注視すべきテンプレートだ。
5月14日に成立したSB189はコロラド州AI法の実質を骨抜きにし、施行日を2026年6月30日から2027年1月1日に延期、開示のみを求める制度に置き換えた。
GitHub Copilot が初の使用量課金サイクルを終える——エージェント型ユーザーがその痛みを実感
読む理由 固定料金のAIコーディングツールは、軽量な自動補完ユーザーが重量級のエージェント型ユーザーを常に内部相互補助していた。Copilotはそれをやめたにすぎない——そして最初の請求書こそ、発表記事で誰もが読み飛ばした部分だ。
Copilotは6月1日にトークン課金へ移行し、6月30日に初回サイクルが終了。エージェント型ユーザーは旧来の固定料金から10～50倍の請求額になったと報告している。
OpenAI が GPT-5.6 Sol／Terra／Luna をプレビュー——米政府のアクセス審査の壁の向こうに
読む理由 モデルは政策より先に準備が整った。OpenAIの供給能力ではなく政府の承認がフロンティアモデルの公開を制御する——ビルダーが今後も目にするであろう新しいガバナンスの型だ。
OpenAIは6月26日にGPT-5.6 Sol／Terra／Lunaを発表——SolはTerminal-Bench 2.1で91.9%を記録するが、アクセスは米政府承認済みの約20社に限定される。
自動運転トラック——高速道路貨物輸送がロボタクシーより先に黒字化できる理由
AuroraがI-45で無人商業貨物輸送を開始。自動運転トラックは1マイルあたりの人件費削減がタクシーの10倍、市場規模は4倍で、先に収益化できる可能性がある。
自動運転のアクセシビリティ——運転できない6500万人の米国人と世代を変える技術
運転できない6500万人の米国人——高齢者・障害者・視覚障害者にとって、自動運転は利便性ではなく自立の回復だ。
AVアクセシビリティ——自動運転車が高齢者・障害者のモビリティをどう変えるか
自動運転車は障害や加齢により運転できない3,000万〜4,000万人の米国人にモビリティの自立を取り戻す可能性がある——ただし正しく設計された場合に限る。
自動運転車の悪天候性能——雨・雪・霧がセンサーに与える影響とWaymoがフェニックスに留まる理由
雨はカメラを壊し、霧はLiDARを破壊し、レーダーはほぼ何にも負けない——地理的気候が無人タクシーの実際の展開地を決定する。
AV競争地図——Aurora、Zoox、Cruise：レースに残っているのは誰か
AV競争はテスラ対Waymoだけではない。Auroraは無人トラック商用運営を開始、Zooxはテスト中、Cruiseは2023年の停止後に再建中。
自動運転消費者採用・乗車体験指数 — 普及曲線の需要側分析
乗車NPS、Uber/Lyft比較価格、採用曲線——消費者需要がAV規模目標を支えられるかの総合分析。
自動運転サイバーセキュリティ — フィジカルAIの加速を止めかねない攻撃面の全体像
自動運転車はネット接続されたコンピュータ。大規模な車隊攻撃は人命を奪い、フィジカルAI投資論を数年後退させうる。
自動運転車のサイバーセキュリティ：遠隔攻撃ベクター、Tesla と Waymo の防衛アーキテクチャ
自動運転車のサイバーセキュリティ全景：攻撃面の分析、研究で記録された脅威カテゴリー、Tesla対Waymoの防衛姿勢、重大インシデントが産業全体に与える影響。
AVデータをビジネスに — 車両データの所有権とロボタクシー競争の裏に潜む収益化モデル
すべての自動運転車はデータ収集マシンだ。車両データを誰が所有し、ロボタクシー競争の裏に潜む収益化モデルとは何か？
AVデータフライホイール比較 — テスラの量対Waymoの質とAIトレーニング競争
テスラは数十億マイルの監視走行データを持ち、Waymoは数千万マイルの完全無人運転データを持つ。AI訓練競争を制するのはどちらか？
AVデータフライホイール — Tesla600万台 vs Waymo完全無人運転の品質優位
Teslaは量を収集し、Waymoは質を追求する。2028年までにより優れた自動運転システムを構築するのはどちらのデータフライホイールか？AV投資家必読の構造的競争力比較。
自動運転車の緊急車両対応——ロボタクシーはパトカー・救急車・消防車をどう扱うか
サイレン検知、消防車への道路譲渡、警察の手信号の読み取り——緊急車両対応はAVにとって最難関のエッジケースの一つで、実際の規制措置を引き起こしている。
AV財務持続性 — バーンレート、資金ランウェイ、そしてフィジカルAIランプを完成できる企業
Waymo、Tesla、Auroraらの自動運転プログラムのバーンレート、資金ランウェイ、ユニットエコノミクスを分析し、フィジカルAIランプを完成できる企業を明らかにする。