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 · AIハードウェア

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 · AIハードウェア

論文2026-10-07 · arXiv (Cornell University)

リアルタイムロボット制御に向けた長期視覚記憶処理技術の開発

Long-WAM: Scaling the Context of World-Action Models
Song Han ほか15名
何を
研究チームは、リアルタイムの制約の下でロボットの過去の視覚情報を効率的に活用するモデルである Long-WAM を開発しました。
主な結果
視覚情報を処理する基盤モデルを自己回帰(AR)方式で事前学習する際、過去の記憶の活用度が最大化され、ロボットのタスク成功率が向上しました。
意味
多様なハードウェア環境でリアルタイム駆動が可能であることを実証し、今後の複雑な長期ロボット制御タスクへの応用に貢献できます。AI要約
論文2026-10-06 · arXiv (Cornell University)

人工知能コーディングの信頼性を高めるヒューマナイズ手法

Humanize: Judgement Engineering for Agentic Coding
Song Han ほか8名
何を
計画、実装、レビューの段階間に明確で機械的な決定を適用する、複数人工知能の協調ワークフローであるヒューマナイズを紹介しました。
主な結果
異なる企業の制作人工知能とレビュー人工知能が交互に作業し、競技会の問題解決や性能評価で高い成果を収めました。
意味
人工知能を利用したプログラミングの過程において、独立したレビューがエラーの発見に役立つことを示しています。AI要約
論文2026-09-29 · arXiv (Cornell University)

低解像度動画を1回の処理で4K水準に引き上げる SoL-Refiner

SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
Song Han ほか11名
何を
低解像度でまず作成した動画を、わずか1回のノイズ除去ステップで高解像度動画へと変換する「リファイナー(動画画質改善モデル)」であるSoL-Refinerを提案しました。
主な結果
2K解像度では、比較対象とした外部のリファイナーよりもVBenchとUniPerceptの平均スコアが高く、3840×2176解像度では3段階方式のLTX-2.3リファイナーよりも両方の指標で改善されました。2K遅延設定において、同一の基準モデルと比較してリファイニング遅延が8.91倍高速になったと報告されています。
意味
高解像度動画の生成は計算量が大幅に増加しコスト負担が大きいため、複数段階の代わりに1段階で画質を向上させる方式がこの負担を軽減する方向性であることを示しています。ただし、アブストラクトに記載された結果は著者らが設定した条件下での測定値であるため、実際のサービス全般における効果と断定することは困難です。AI要約
論文2026-09-29 · arXiv (Cornell University)

LeapQuant:線形アテンション状態を8ビットに圧縮しAI推論を高速化

LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
Song Han ほか12名
何を
大規模言語モデルが長い文脈を処理する際に繰り返し読み書きする「リカレント状態」を低精度に圧縮する、トレーニング不要(training-free)の手法であるLeapQuantを提案しました。
主な結果
アブストラクトによると、8ビット圧縮でもFP32基準モデルと同等の精度を維持しつつ、GPUカーネルレベルで平均2.05〜3.70倍、全体的な推論で1.47倍高速化したと報告されています。
意味
推論プロセスのメモリと計算の負担を軽減できるという点で、長い文脈を扱うAIサービスの運用効率の向上に寄与し得る研究です。ただし、アブストラクトは特定のモデルやGPUでの結果のみを提示しているため、実際の商用サービス全般で同じ効果が現れると断定することは困難です。AI要約
論文2026-09-28 · arXiv (Cornell University)

動画生成AIの速度とメモリ使用量を削減する手法の提案

Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
Song Han ほか8名
何を
330億個のパラメータを持つ動画生成AIモデルMiniMax-H3を、クラウドサーバーと小型デバイスの両方でより高速かつ少ないメモリで動作させるための全体的な実行パイプラインを構築しました。
主な結果
抄録によると、最大30倍のエンドツーエンド(入力から結果までの全プロセス)の速度向上と約20%のメモリ削減を達成し、5秒の1344x768解像度の音声付き動画を8つのGB200サーバーノードでリアルタイムより3.5倍速く生成しました。
意味
動画生成AIを実際のサービスに適用する際の最大のハードルである生成遅延とメモリの制限を軽減する方向性を示した点で意義がありますが、商用化の効果やコスト削減の規模は抄録だけでは判断が困難です。AI要約
論文2026-09-28 · arXiv (Cornell University)

未来の文脈を反映してブロック拡散言語モデルの学習を改善した研究

d-OPD: Future-Aware On-Policy Distillation for Block Diffusion Language Models
Song Han ほか2名
何を
従来の自己回帰(一度に1トークンずつ生成する)言語模型を、複数のトークンをまとめて並列に生成するブロック拡散言語模型へと変換する蒸留学習手法である d-OPD を提案しました。
主な結果
Qwen3モデル(0.6B〜8B)を用いた実験において、従来手法である OPDLM と比較して6つのベンチマークの平均スコアを最大4.0点高め、学習時間を1.35〜1.58倍短縮したと報告しています。
意味
ブロック単位で複数のトークンを同時に生成する方式にはテキスト生成速度を向上させる余地があり、本研究はそのようなモデルを作る学習プロセスの効率を改善できることを示しているとアブストラクトは述べています。AI要約
論文2026-08-12

人工知能の学習速度を最大6倍に高める新しい最適化技術「Dion3」を開発

Dion3: Full-Stack Orthogonal Updates
Tri Dao ほか7名
何を
既存の人工知能学習ツールであるMuonが抱える高い計算および通信コストの問題を解決するため、システム全体を改善した「Dion3」を開発しました。
主な結果
Dion3は、Muonと同等またはそれ以上の性能を維持しながら、最適化ステップに要する時間を最大6倍短縮しました。
意味
人工知能モデルの学習プロセスの効率を高め、関連する計算コストを削減することに寄与できます。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...