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 · 推論効率・軽量化

条件に合う人事異動はまだありません。

論文 · 推論効率・軽量化

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)

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

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2026-09-29 · 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2026-09-29 · 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2026-09-29 · arXiv (Cornell University)

AIエージェントが作業前に「どのように進めるか」を先に見極めるメタ推論手法を提案

Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
Rob Fergus ほか11名
何を
長時間の作業を行うAIエージェントが、以前の作業結果をどれだけ再利用するか、新しく始めるか、いつ停止するかといった実行制御の決定を体系的な推論プロセスとして扱う「エージェント・メタ推論」方式を提案しました。
主な結果
プログラム再構成ベンチマークのProgramBenchにおいて、GPT-5.5ベースで71.5%を記録しCodexの58.0%を上回り、Opus 4.8ベースでは67.2%を記録しClaude Codeの65.5%を上回りました。
意味
アブストラクトによると、エージェントがより長い作業を実行するほど、計算リソースを構造化された実行制御に割くことがより重要になる可能性があることを示唆しています。ただし、アブストラクトの結果は特定のベンチマークと実験条件で得られたものであるため、実際の製品性能に直結するとは言えません。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2026-09-28 · 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2026-07-02 · arXiv.org

グーグル、性能と効率を高めたオープンソースAI「Gemma 4」を発表

Gemma 4 Technical Report
何を
グーグルが演算効率と推論能力を強化した次世代オープンソースマルチモーダル言語モデル「Gemma 4」を開発しました。
主な結果
科学・技術・工学・数学(STEM)やマルチモーダルなど、様々な評価指標で性能が大幅に向上しました。
意味
より少ないリソースでも複雑な問題を解決できるオープンソースAIモデルの選択肢が広がったことを示唆しています。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...