基準日 2026-11-03
実行 2026-11-03 21:00:25
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AIリーダー:人事異動・論文 — 最新の所属変化と研究

LAST UPDATE 2026-11-03 08:00 KST PEOPLE 77 · PAPERS 76 · MOVES 0
AI研究所・ビッグテック・学界のキーパーソンがどこへ移り、どんな論文を出すかは、技術の方向性と企業競争力を先取りするシグナルです。人事異動と論文を毎日自動で集め、運営者が確認したうえで、わかりやすい要約と原文リンクでまとめています。

最近の主なニュース

人事異動 · 学界

最近の経歴 (ウィキデータ基準。未確認の情報を含む場合があります)

論文 · 学界

論文2026-10-22

人工知能が生成した仮想データで性能を高める法則を発見しました

Rewriting Scaling Laws for Synthetic Data with Compute and Data Constraints
Percy Liang ほか6名
何を
言語モデルが自然言語の文書を別のスタイルに書き直した仮想データ(Synthetic rewrites)を事前学習に活用する際、計算量とデータの限界の中で最適な割合と性能を予測する法則を研究しました。
主な結果
コンピュータの計算量が増えるほど仮想データの最適比重が増加し、自分より大きなモデルや同じサイズのモデルが作成した仮想データで学習したモデルが、元のデータのみを使用したモデルよりも優れた性能を示しました。
意味
仮想データを活用した人工知能の学習方法が予測可能であり、これを通じてデータの限界を克服し効率的に性能を改善できることを示唆しています。AI要約
論文2026-10-12 · arXiv (Cornell University)

人工知能を活用して多様な抗体候補物質を効率的に発掘する技術を開発

Multi-Objective Amortized CDRH3 Sequence Sampling Diversifies Promising Antibody Candidates
何を
研究チームは、抗体設計プロセスにおいて複数の条件と多様性を同時に考慮できる、人工知能ベースの新しい抗体配列生成技術を開発しました。
主な結果
従来の方法と比較して、配列が50パーセント一致する状況下で、10倍多くの多様かつ受容可能な抗体候補を生成しました。
意味
本研究は、新薬開発の初期段階における失敗確率を下げ、多様な潜在的抗体候補を探索するのに役立ちます。AI要約
論文2026-10-08 · Code Ocean

人工知能の不確実性の原因を解釈する技術を公開

pce-uncertainty-attribution: code for "Interpretable attribution of decision-relevant uncertainty in AI"
何を
学習済み人工知能モデルの意思決定の不確実性がどのような要因に起因するのかを解釈するコードと手法を公開した。
主な結果
多項式代用を活用し、化学、実験計画法、言語モデルアライメントの分野におけるモデルの不確実性の原因を明らかにした。
意味
多様な分野において人工知能モデルの意思決定プロセスをより深く理解し、信頼性を高めるために活用できる。AI要約
論文2026-10-06 · arXiv (Cornell University)

人工知能ロボットの行動学習を迅速に支援するアルゴリズムを開発

QF3: Fast Flow RL with Filtered Q-Gradients
何を
研究チームは、ロボットの行動方式を効率的に学習させる新しい強化学習アルゴリズムであるQF3を開発しました。
主な結果
従来の方法よりも約10倍速い速度で、ヒューマノイドロボットの移動および動作追跡ポリシーを学習できることを実証しました。
意味
ロボットの行動制御技術をより速く、より効率的に学習・改善できる可能性を示しています。AI要約
論文2026-10-06 · arXiv (Cornell University)

人間のデモを活用した全身ヒューマノイドロボットの物体操作技術

Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
何を
人間のデモ動画を活用し、ビジョン・プランナーと強化学習トラッカーを通じて、ヒューマノイドロボットが物体を操作して移動する技術を開発しました。
主な結果
実機の Unitree G1 ロボットにおいて、箱の運搬、箱の把持、スーツケースを乗り越えるなどの複雑な全身操作を成功させました。
意味
ロボットが人間の行動データに基づき、複雑な環境でバランスをとりながら物体を扱う能力を向上させることができることを示しています。AI要約
論文2026-10-04 · arXiv (Cornell University)

AIが未来の研究アイデアをどれほど容易に思いつくかを測定

Priced Guidance: Can Language Models Generate Future Research Ideas?
Percy Liang ほか2名
何を
言語モデルがヒントなしに新しい研究アイデアを思いつく確率を、正解を伝えるために必要な情報量(圧縮コスト)によって間接的に推定する方法を提案しました。
主な結果
最近のディープラーニング論文87編のコアアイデアを対象に5つのモデルを評価し、最も優れた単一モデルの中央値圧縮コストは69.9ビットでした。これは汎用圧縮ツールであるgzipの中央値5,712ビットよりも大幅に低い数値です。
意味
モデルがアイデアを思いつく確率の下限を計算できる新しい評価の枠組みを示した研究です。ただし、アブストラクトでは研究の生産性や市場への影響については扱っていません。AI要約
論文2026-10-03 · arXiv (Cornell University)

研究チーム、コード実行によるAI回答の監督方法を評価するフレームワークを提案

PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution
何を
プログラムの実行結果を正解として活用するPyINEフレームワークを構築し、もっともらしいが不完全な推論を行うAIの回答を監督者が信頼できるかを検証しました。
主な結果
近道に従うよう訓練されたモデルは実行結果の予測能力が大幅に向上したものの、誤った手がかりが実際の動作と矛盾する場合は依然として体系的なエラーを起こし、安価な学習型監督者は稀な近道エラーを頻繁に見逃しました。
意味
AIの回答を検証する監督方法を同じ条件で比較し、再利用可能な実験環境を提示した点で意義がありますが、アブストラクトには実際のサービスへの適用効果については言及されていません。AI要約
論文2026-10-02 · arXiv (Cornell University)

多様なロボットハンドで再利用可能な物体の把持技術 GOTT を提案

GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
何を
人間の手のように複数の指を持つロボットハンドが、物体を安定して把持し、所望の方向へ動かせるよう、異なるロボットや手の形状の間で共通して使用できる接触技術 GOTT を提案しました。
主な結果
シミュレーションと実際のロボット実験において、GOTT は多様な物体、アーム・ハンドプラットフォーム、学習に使用されたことのない手の形状においても安定した接触を作り出し、あらかじめ決められた把持方式と比較して、全体のタスク成功率が一貫して向上したと報告されています。
意味
特定のロボットに依存しない共通の動作パーツを使用すれば、ロボットハンドの種類が変わっても同じ技術を再利用できる可能性を示した研究です。ただし、アブストラクトだけでは商用化の水準や実際の産業的効果を判断することは困難です。AI要約
論文2026-10-01 · arXiv (Cornell University)

VISTA:視覚的記憶によるマルチモーダルAIエージェントの性能向上に関する研究

VISTA: A Visual Harness for Reasoning in an Interactive World
Kaiming He ほか4名
何を
研究チームは、画像とテキストを同時に扱うマルチモーダルAIモデルが対話型の視覚環境でタスクをよりよく解けるように支援する「ビジュアルハーネス」VISTAを提案しました。
主な結果
ARC-AGI-3にVISTAを適用した結果、相対的人間行動効率スコアが40.68から100.00に上昇し、公開ゲーム25個をすべてクリアした上で、最初に参加した人間よりも57.4%少ない行動で終了したと報告されています。
意味
既存モデルに視覚的記憶と検索機能を付加する手法が、特定の視覚ゲームタスクにおいて効果的であった事を示しています。ただし、抄録では一部のベンチマーク結果しか提示されていないため、実際の産業現場全般に適用できると断定することはできません。AI要約
論文2026-10-01 · arXiv (Cornell University)

ロボットがシミュレーションの練習で自らスキルを向上させるRPGフレームワーク

Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
何を
人間の追加介入なしにロボットのタスクシステムを自律的に改善するRPGフレームワークを提案しました。
主な結果
22の操作タスクの新しい初期条件テストにおいて、成功率が初回の練習後の28.6%から15ラウンド後には95.0%に上昇し、実機ロボットの30回の試験すべてに成功しました。
意味
ロボット制御ソフトウェアを人間の手直しを減らして改善できる可能性を示した研究ですが、実際の産業適用や商用化のレベルは抄録だけでは判断できません。AI要約
論文2026-09-30 · arXiv (Cornell University)

研究チーム、触覚的好奇心によりロボットの学習効率を高めるTacExを提案

Tactile Curiosity Drives Robot Interaction
何を
ロボットが触覚(物体に触れる感覚)に対する好奇心を育み、自ら物体に触れて掴む方法を習得できるようにする探索フレームワークTacExを提案しました。
主な結果
アブストラクトによると、TacExはタスク報酬や専門家のデモンストレーションなしで接触の多いインタラクションデータを収集し、このデータを用いて追加の環境インタラクションなしでピック・アンド・プレースの方策を学習できるほか、視覚・言語・行動モデルの事後学習性能も向上させるとのことです。
意味
従来のロボット学習は空間内でランダムに動くことに多くの時間を費やしていましたが、接触を中心に探索すれば学習効率を改善できるという方向性を示しています。ただし、アブストラクトだけでは実用化の水準や商業化の可能性を判断することは困難です。AI要約
論文2026-09-29 · arXiv (Cornell University)

実際の動画数件をAIで拡張し、ヒューマノイドの物資運搬学習を実現

Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation
何を
人間が物を運ぶ実際の動画数件をベースに、AIが多様な仮想動画を作成し、それをロボットの学習に活用する手法(PRISM)を提案しました。
主な結果
このように学習した1つの制御ポリシーにより、実際のヒューマノイドロボットが現実世界での追加学習なしで、箱、ドラム缶、容器、ボールなどを掴んで運び、置くことに成功したと報告しています。
意味
大量の実際のロボットのデモデータを集めるのが難しい状況下で、少ない実際の動画から学習データを拡張できる可能性を示した点に意義があります。AI要約
論文2026-09-28 · The International Journal of Robotics Research

ロボット学習のための「ワールドモデル」研究を体系的に整理した包括的サーベイ

World model for robot learning: A comprehensive survey
何を
行動によって環境がどのように変化するかを予測するモデルである「ワールドモデル」を、ロボット学習の観点から体系的に整理したサーベイ(包括的レビュー)論文です。
主な結果
抄録によると、ワールドモデルがロボットポリシー、シミュレータ、評価、データ生成にどのように活用されているか、またロボットの動画ベースのワールドモデルの発展の歴史を整理し、代表的なデータセット・ベンチマーク・評価方法も要約されています。
意味
散在していたロボット学習研究のさまざまなアプローチを一つの枠組みにまとめた資料であり、関連研究の流れを把握するのに役立ちます。ただし、抄録は個別の技術の性能や商業的成果を証明するものではありません。AI要約
論文2026-09-28

人工知能の研究開発自動化がもたらす影響と政策的対応の分析

What if automating AI R&D triggers an intelligence explosion?
何を
研究者らは、人工知能(AI)の研究開発自動化が知能爆発を引き起こす可能性と、それに伴う影響および政策的対応策を評価した。
主な結果
AIシステムが数年以内に大半のAI研究開発業務を自動化するとみられており、これにより社会が耐えられないレベルの急速な能力向上が引き起こされる可能性がある。
意味
AIの研究開発自動化がもたらしうる恩恵とともに、コントロール喪失などの極端なリスクの可能性に警鐘を鳴らし、政策的備えを促す。AI要約
論文2026-09-10

AI学習データの反復時におけるMixture-of-Expertsモデルの過学習現象の分析

Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data
Percy Liang ほか4名
何を
AI学習データが反復される際、近年広く使われている「Mixture-of-Experts」構造が従来のモデルよりもパフォーマンスがより急速に低下することを明らかにしました。
主な結果
データの反復時、Mixture-of-Expertsモデルは容易に過学習を起こし、従来の正則化手法で一部緩和することは可能ですが、独自データで学習したパフォーマンスには達しませんでした。
意味
データ不足により反復学習が必要な状況において、AIモデル構造別の特性を考慮した学習戦略策定の必要性を示しています。AI要約
論文2026-07-20 · Proceedings of the National Academy of Sciences of the United States of America

法曹分野における人工知能の性能検証の必要性と制度的課題の分析

There is no free benchmark: An institutional view of legal AI benchmarking
何を
法曹AIツールの性能とリスクを検証するためのパブリックベンチマークの必要性と、制度設計上の課題を分析した。
主な結果
法曹AIエコシステムは情報の透明性が不足しており、ベンチマーク制度の設計にあたっては、操作や歪みを防ぐための慎重なアプローチが必要であることを明らかにした。
意味
法曹分野におけるAIの安全で責任ある活用のために、リソースや制約条件に合わせたカスタマイズされたベンチマーク戦略が重要であることを示唆している。AI要約
論文2026-05-06 · arXiv.org

AIエージェントのセキュリティリスクを評価するプラットフォームを開発

DecodingTrust-Agent Platform (DTap): A Controllable and Interactive Red-Teaming Platform for AI Agents
Percy Liang ほか16名
何を
様々な実際の環境においてAIエージェントのセキュリティリスクを評価できるプラットフォームと自動攻撃ツールを開発しました。
主な結果
これにより、様々なAIエージェントの体系的な脆弱性パターンを明らかにし、セキュリティに関する洞察を提供しました。
意味
次世代の安全なAIエージェントを開発する上で、有用な基礎資料として活用できます。AI要約

人物

なぜAIリーダーの人事と論文を追うのか

AI産業では人こそが技術です。キーとなる研究者がどの企業に移り、どんな研究所を立ち上げるかは、数か月後に製品・資金調達・M&Aにつながることが少なくありません。本ページでは、フロンティア研究所、新興研究所、学界、AI半導体、韓国・中国の人物まで分けて所属の変化を追跡します。

論文は、その人がいま何に注力しているかを示します。HBM・メモリ、GPU・アクセラレータ、推論効率、エージェント、ロボットなど投資につながる10分野に論文を分類し、抄録をもとに「何を・主な結果・意味」の3行要約と原文・PDFリンクを提供します。特定銘柄の売買推奨ではなく、アイデアを探すための情報です。

よくある質問

Q. どの人物を追跡していますか?

フロンティア研究所(OpenAI・Google DeepMind・Anthropic・Metaなど)、新興研究所、学界、AI半導体、韓国・中国のキーとなる研究者と経営陣です。論文をほとんど書かない経営陣は人事異動のみ追跡します。

Q. 情報源と更新頻度は?

論文はSemantic ScholarとarXiv、経歴はウィキデータ(CC0)と公式発表・報道をもとに毎日自動で収集します。運営者が確認・承認した項目のみ公開します。

Q. 論文要約は誰が書いていますか?

論文の抄録をもとにAI(Google Gemini)が下書きを作成し、運営者が確認してから公開します。他言語は確認済みの韓国語要約をAIで翻訳したものです。詳しい数値や文脈は必ず原文でご確認ください。

本ページは公開論文・公式発表・報道を整理した情報提供用の資料です。論文要約は抄録をもとにAIが作成し運営者が確認したもので、原文と異なる場合があるため、重要な内容は原文をご確認ください。特定銘柄の売買推奨や投資助言ではありません。 人事異動は公式発表または主要報道を出典として表示し、経歴の一部はウィキデータ(CC0)を参照しています。 このページの要約は、運営者が確認した韓国語版をもとにAIが翻訳したものです。

🐩 コボンおやつ代応援
코봉이
このページがお役に立ちましたら、コボンのおやつ代応援も歓迎です 🦴
💬 コミュニティコメント
IPベース匿名ニックネーム · 暴言/スパム時制裁の可能性
読み込み中...