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 · 新興研究所

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 · 新興研究所

論文2026-10-30

複雑なロボット制御の限界を超える階層型モデルの開発

Hierarchical World Models with Implicit Dynamics
何を
研究チームは、状態の到達可能性と局所制御を分離し、複雑で長時間のタスクを実行できる階層型ワールドモデルであるID-WMを開発しました。
主な結果
既存の最高性能の手法と比較して38.5パーセント向上した性能を記録し、単一レベルのワールドモデルと比較した場合は135パーセントの性能向上の見せました。
意味
今回の研究は、複雑で初めて直面する環境でも、ロボットがエラーを減らしながら長期的な計画を立てられる可能性を示しています。AI要約
論文2026-10-29 · arXiv (Cornell University)

多様なコントローラーを使用するロボットデータを共同学習する技術

Cross-Controller Transfer via In-Context Behavior Adaptation
Chelsea Finn ほか2名
何を
異なる制御方式を使用するロボットのデータを衝突なく活用して学習する技術を開発しました。
主な結果
従来方式と比較して、平均成功率が33パーセントポイント向上しました。
意味
様々な環境で収集したロボットデータをより効果的に活用できる可能性を示しています。AI要約
論文2026-10-29 · arXiv (Cornell University)

異なる情報形態においてもAIモデルが同じ世界を学習することを証明

Proving and Improving the Platonic Representation Hypothesis with JEPAs
何を
研究チームは、異なる入力形態を学習したAIモデルが同一の世界表現に収束するという仮説を数学的定理として証明し、それを改善する方法を提示した。
主な結果
優れた視点を使用するモデルは、次のトークン予測方式よりもはるかに少ないデータで効率的に表現を一致させられることを確認した。
意味
本研究は、AIがデータを効率的に理解し、異なる情報形態を結合する方式の改善に寄与し得る。AI要約
論文2026-10-28

複雑なタスクの実行が可能な高効率AIモデルの開発

Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI
何を
研究チームは、推論、長文脈の理解、自律的なタスク実行に適したオープンなAIモデルである Nemotron 3.5 Super と Lightning を開発しました。
主な結果
Super モデルは、少ない活性化パラメータを使用しながらもソフトウェアエンジニアリングの評価で 51.78% を記録して従来のモデルを凌駕し、多様な最適化を通じて高い処理性能を示しました。
意味
本研究は、大規模モデルの効率性と性能を同時に高め、多様な環境で実用的に活用できる可能性を示しています。AI要約
論文2026-10-11 · arXiv (Cornell University)

物理法則の適用によりAI世界モデルの予測誤差を削減する

LeHami: Symplectic Latent Dynamics for World Models
何を
研究チームは、物理系の幾何学的性質を人工知能に結合した新しい世界モデルの学習手法であるLeHamiを開発しました。
主な結果
この手法は、従来方式とは異なり、長期予測の過程で情報が圧縮されて消滅する現象を防ぎ、速度予測性能を大幅に向上させました。
意味
今回の研究は、人工知能が物理空間をより正確に理解しシミュレーションすることに寄与するものです。AI要約
論文2026-10-07 · arXiv (Cornell University)

多様なロボットの動作を統合する世界モデルの開発

Cross-Embodiment Robot Foundation World Models with Latent Actions
何を
多様な形態のロボット間で共有できる統合された潜在行動空間を活用するロボット世界モデルを開発しました。
主な結果
新しいロボットに適用する際、従来手法よりも精巧な操作タスクで最大46.7%、LIBERO性能評価で11.7%向上した性能を示しました。
意味
多様なロボット間の効率的な学習を可能にし、ロボット工学の主要な難題を解決することに寄与します。AI要約
論文2026-10-07 · arXiv (Cornell University)

仮想空間のロボット映像を現実のように変換するAI技術

RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
何を
仮想環境のロボットデータを現実環境のように見える映像に変換し、ロボットの制御能力を向上させる技術を開発しました。
主な結果
この技術で学習したロボットは、現実環境で平均71パーセントの成功率を記録し、従来の手法よりも優れた性能を示しました。
意味
仮想環境で作ったデータを実際のロボットにそのまま適用することが難しかった視覚的な問題を緩和するのに役立ちます。AI要約
論文2026-10-07

ベースAIモデルのコーディングエージェント性能を事前に予測する方法を開発

Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models
何を
ベースAIモデルの潜在能力を評価するため、事後学習されたコーディングエージェントの成功経路を活用する3つの評価画面(スクリーン)を開発しました。
主な結果
開発された3つの評価方法すべてが、公開モデルグループの順位を実際の性能に近く予測しました。
意味
今後のコーディングエージェントベンチマークをベースモデル評価に活用できる可能性を提示します。AI要約
論文2026-10-06 · arXiv (Cornell University)

短期記憶と長期記憶を分離した新しい人工ニューラルネットワーク構造を開発

Continuous Memory Machines
Llion Jones ほか5名
何を
研究チームは、行列形式の短期および長期記憶の状態を分離して持つ連続記憶装置(CMM)という新しい人工ニューラルネットワーク構造を開発しました。
主な結果
アルゴリズムおよび推論タスクにおいて、既存モデルよりも優れた性能と汎化能力を示しました。
意味
様々なタスクにおいて人工知能の記憶力と推論能力を向上させることに寄与し得ます。AI要約
論文2026-10-06 · arXiv (Cornell University)

人工知能エージェントの環境制御力と構造的中心性の関係を解明

The Geometry of Empowerment
Sergey Levine ほか3名
何を
研究チームは、人工知能エージェントが周辺環境を制御する能力を指すエンパワーメントと、将来の結果への幅広いアクセスを可能にする構造的中心性との間の関係を明らかにしました。
主な結果
エンパワーメントの最大化とスキル学習手法を結びつけ、これを解釈・分析できる新しい幾何学的構造を提示しました。
意味
スケーラブルなエンパワーメント最大化手法を構築するために必要な理論的示唆を提供します。AI要約
論文2026-10-06 · arXiv (Cornell University)

ロボット制御と未来予測を組み合わせたオープンフレームワークを公開

OpenWAM: An Open Framework for Composable World-Action Models
何を
ロボット制御と未来映像予測を統合して扱う世界-行動モデルを比較・研究できるオープンソースフレームワーク「OpenWAM」を開発しました。
主な結果
提案手法によりロボット操作タスクの成功率が大幅に向上し、反事実データ学習を通じて動力学モデルの性能が改善されました。
意味
多様なロボット制御や映像予測手法を共通の基準で比較できる基盤を提供し、関連技術の研究効率を高めることができます。AI要約
論文2026-10-06

通信分野特化型AIデータとモデルを公開したOTel

OTel: Open Telco AI Datasets, Benchmarks, and Models
何を
研究チームは、通信分野専用のAI学習に必要なデータセット、評価基準、そしてこれらを活用して訓練されたモデルをまとめた「Open Telco (OTel)」リソースを公開しました。
主な結果
公開されたOTelベースのモデルは、通信データの検索、文書の再ランキング、および言語モデルの精度評価において、それぞれ93.1%、0.947、87.8%の性能を記録しました。
意味
今回の公開は、通信分野における人工知能の研究と応力を促進する再現可能な出発点を提供します。AI要約
論文2026-10-05 · arXiv (Cornell University)

人工知能の行動模倣技術現象を研究するための新しい基準を開発

Behavioral Cloning Mystery
Sergey Levine ほか1名
何を
人間のデモンストレーションに類似した特性を持つロボット操作評価ツールであるOCBenchを提案しました。
主な結果
このツールを通じて、グラフィックス処理装置(GPU)ベースの環境で行動模倣に関連する様々な現象を科学的に研究し、仮説を検証できることを示しました。
意味
ロボット学習技術において、これまで原因が不明確だった現象を制御された環境下で分析できる基盤を提供します。AI要約
論文2026-10-05 · arXiv (Cornell University)

ロボット学習の効率を高める性能ベースのデータ収集手法

Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning
Chelsea Finn ほか6名
何を
研究陣は、ロボット操作の学習過程において失敗した状態や試行されていない状態を中心にデータを収集して効率を高めるMulligan手法を提案しました。
主な結果
Mulligan手法は、従来方式よりもロボットの最終作業成功率を10パーセントから34パーセント向上させました。
意味
人間がロボットを教える過程で時間と労力をより効率的に使えるよう支援する技術的進歩を示しています。AI要約
論文2026-10-05 · arXiv (Cornell University)

複雑な視覚的計画のために階層構造を学習するAIモデル H-JEPAを開発

H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
何を
時間帯に応じて抽象化のレベルを分けて学習する階層的世界モデルである H-JEPAを開発しました。
主な結果
シミュレーション環境と実ロボットの映像実験において、従来の単一レベルモデルよりも計画の成功率が高くなり、計算効率が向上しました。
意味
複雑な長期計画が必要なロボット制御や視覚的タスクにおいて、効率を高めることに寄与できます。AI要約
論文2026-10-04 · arXiv (Cornell University)

音楽を楽譜に変換するAI「SheetSage2」が公開

SheetSage2: Coherent Lead-Sheet Transcription with Synthetic Supervision
何を
音声録音を人間が読める楽譜(リードシート)に自動変換する統合音楽採譜モデル「SheetSage2」が提案されました。
主な結果
単一モデル「SheetSage2-AR」は、評価された15のベンチマーク・指標ペアのうち12個で列挙された既存システムを上回り、前バージョンの「SheetSage1」から大幅に改善され、一部のベンチマークではタスク専用モデルよりも高い性能を示しました。
意味
音楽採譜技術の精度を高める研究であり、モデルの重みと推論コードが公開されており、後続の研究や応用を活用することができます。ただし、要約だけでは商用化の可能性や市場規模の判断は困難です。AI要約
論文2026-10-01 · arXiv (Cornell University)

研究者184人が作成した「インスピレーション論文検索」ベンチマーク

ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
Chelsea Finn ほか13名
何を
コンピュータ科学分野の最近の論文207本の筆頭著者184名が、どの過去の論文が自身の研究に実際に役立ったかを示したデータセット「ScholarCatalyst」を作成し、それを発見する検索タスクを提案しました。
主な結果
エージェント(自ら検索を繰り返してタスクを実行するAI)検索は、基本の検索手法よりも優れた性能を示しませんでした(上位20件の結果に基づく再現率で0.42対0.48)。「Claude Fable 5.1」ベースのエージェントも0.51にとどまりました。
意味
現在のAIには、膨大な研究文献から必要な先行アイデアを見つけ出す専門家の直感がまだ不足しており、そのための新しい学習方法が必要であるという方向性を示しています。科学研究を支援するAI研究の一歩と見なすことはできますが、実際の商用化や産業的効果はアブストラクトから確認することはできません。AI要約
論文2026-09-29 · arXiv (Cornell University)

T2Mem: ロボットが過去のシーンを記憶して作業を行うよう学習する手法

T$^2$Mem: Learning Test-Time Memory for Robotics
何を
過去の観測情報を記憶する必要があるロボット操作タスクのために、記憶機能を持っていなかった事前学習済みロボットポリシーに、テスト時訓練(test-time training)によって記憶能力を追加するフレームワーク(T2Mem)を提案しました。
主な結果
16個の RoboMME タスクにおいて平均成功率が、記憶機能のないベースラインポリシーの 17.93% から 56.83% に向上し、ベンチマークで報告されたリカレント記憶手法を上回りました。
意味
ロボットが現在の画面にない過去の情報を活用する能力を、外部記憶装置なしでデモンストレーションデータのみによって伸ばすことができる点を示したことに意義がありますが、アブストラクトは研究段階の結果のみを扱っているため、商用化や市場への効果は確認できません。AI要約
論文2026-09-28 · arXiv (Cornell University)

人間のデモ動画からロボットの手の動きの学習データを自動生成するDexAgent

DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
何を
人間が撮影した一人称視点の動画1本と作業説明文を入力すると、物理的に実現可能なロボットの動作軌跡を作成し、ロボット学習用のデータを生成するエージェント型フレームワークを提案しました。
主な結果
現実環境の11の作業において、DexAgentが作成したデータで学習したポリシー(ロボットの行動ルール)が、比較基準となる手法よりも3.5倍高い成功率を示しました。
意味
人間のデモ動画をロボットの学習データに変換するプロセスを自動化する可能性を示していますが、アブストラクトだけでは実際の産業適用レベルや商用化の時期を判断することは困難です。AI要約
論文2026-09-28 · arXiv (Cornell University)

自動運転のワールドモデルを100倍高速化したJEPAに関する研究

AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
何を
自動運転に使用される予測ベースのワールドモデル(JEPA系)を比較評価し、計算量を大幅に削減した改良構造「AD-E2E-JEPA」を提案しました。
主な結果
提案構造は、計画に使用するパッチ数を16分の1に、埋め込み次元を4分の1に減らすことで、計画性能を維持しながら推論速度を約100倍向上させたと報告されています。
意味
自動運転AIの計算コストを削減する方向性を示した研究と言えますが、実際の車両への適用効果や商用化の可能性は抄録だけでは判断困難です。AI要約
論文2026-09-12

Cohere、コスト効率に優れた大規模言語ベースの翻訳モデルを公開

North Small Translate: Advanced Cost-Effective Translation (Cohere CAT+)
Aidan Gomez ほか22名
何を
研究チームは、50言語で優れたパフォーマンスを発揮するコスト効率の高い大規模言語モデルベースの機械翻訳モデル「North Small Translate」を発表しました。
主な結果
このモデルは、1兆個未満のパラメータを持つモデルグループの中で、50言語における最高水準の機械翻訳性能を達成しました。
意味
推論プロセスにおいて高価な計算を経ることなく、多様な言語翻訳やポストエディット作業を効率的に実行できる可能性を示しています。AI要約
論文2026-08-24

ロボットが考えている間に行動を学習する技術

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency
Sergey Levine ほか19名
何を
研究チームは、ロボットモデルの思考時間(推論遅延)によって発生する問題を解決する、遅延を認識する強化学習フレームワーク「ARLI」を開発しました。
主な結果
この新しい手法により、ロボットは遅延のある環境でも学習を正常に継続できるようになり、遅延のない理想的な環境と同等かそれ以上の性能を示しました。
意味
複雑で巨大なロボットAIが実際の現場で停止や途切れなく、自ら性能を向上させることができる可能性を切り開きました。AI要約
論文2026-08-17

関係型学習のオープンソースツールと性能比較プラットフォームを公開

Advancing Open and Reproducible Relational Learning: RelArena-$\alpha$, TabPFN-Rel and RPI
ヤン・ルカン ほか46名
何を
研究チームは、関係型学習分野の研究を促進するため、統合比較プラットフォームと2つの関連ソフトウェアをオープンソースとして公開した。
主な結果
新たに公開されたツールの中で、関係型データベース用モデルである TabPFN-Rel が比較プラットフォームで最も高い順位を記録した。
意味
今回の公開は、関係型学習分野において信頼できる比較基準を整え、研究や産業現場での活用を支援する基盤となることが期待される。AI要約
論文2026-08-03

ロボット制御の性能を高めるアクションチャンキング(Action chunking)の動作原理の解明

Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control?
Sergey Levine ほか5名
何を
ロボット制御において複数の行動を一度に予測して実行する「アクションチャンキング」技術の性能向上要因を実験を通じて分析した。
主な結果
既存の仮説が誤りであることを示し、アクションチャンキングの成功の核心要因が時間的関係を多様に学習する「暗黙的アンサンブル(Implicit ensembling)」効果であることを明らかにし、それを活用した新しいポリシーを提案した。
意味
ロボット制御技術の性能を高める核心要因を明らかにすることで、今後の効率的なロボット学習モデルの開発に理論的基盤を提供している。AI要約
論文2026-06-11 · arXiv.org

ロボットの行動をより正確に誘導する新技術の開発

Improving Robotic Generalist Policies via Flow Reversal Steering
Sergey Levine ほか4名
何を
様々なロボットデータセットで学習された汎用ロボットポリシーの性能を高めるため、不慣れな行動をより良い行動へと変換する「フロー・リバーサル・ステアリング(FRS)」という手法を制御設定において評価した。
主な結果
FRSを使用することで、人間やビジョン言語モデルの大まかな指示を優れたロボット行動に変換でき、1分未満の学習で最大95%の絶対的なタスク成功率の向上が見られた。
意味
人間の指示や既存技術を活用し、ロボットが新しい作業でより優れた性能を発揮できるようにする可能性を示している。AI要約
論文2026-05-27 · arXiv.org

人工知能の学習プロセスにおける暗記と汎化の移行を追跡する診断ツールの開発

A Training-Time Diagnostic for Generalization via the Log-Alignment Ratio
何を
パラメータと活性化を測定する「ログ整列比率(LAR)」を活用し、人工知能がデータを単に暗記しているのか、それとも実際に学習しているのかを追跡する診断法を研究しました。
主な結果
LARは、追加の検証データなしでも、人工知能の汎化能力の変化や過学習の兆候を効果的に捉えました。
意味
別途の検証データなしに学習過程でAIの性能を診断できるため、今後の効率的なモデル学習管理技術の発展に寄与し得ます。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...