AI Daily Roundup
🌐 日本語

AIニュース — 2026-10-06

公式発表・Hacker News・arXivから毎日届くAIニュース

このページのタイトルと要約は英語からの機械翻訳（オフライン）で、誤りを含む場合があります。リンク先の原文が正です。

編集部のピックアップ

人々がAIを使用する方法のための広告を造る

ChatGPT内の広告は成長し続ける:OpenAIは、マーケターと日常のユーザーの両方に重要な視覚広告フォーマットプラス測定、アトリビューション、およびブランディングツールを追加しています。

OpenAI

EUのテキストの実証規則への当社のアプローチ

具体的には、透かしが適用され、検出アクセスが研究者と始まる理由など、EUのテキスト改善規則を処理する主要なラボがどのように計画されているかを見てください。

OpenAI

Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses

独自の見出しクレームを監査する稀有な紙: 分析エラーを修正する著者は、エージェントルーティングモデルを評価する人のための有用な注意である、請求された23.9%のコストを4.3%に削減したと主張したレポートを報告します。

arXiv

編集メモ: 要約は各発信元の文章をもとにAIの支援で下書きしたもので、人による確認はまだ済んでいません。

AI企業・研究機関の発表

企業・研究機関の公式ブログで過去7日間に公開された記事です。

OpenAI

EUのテキストの実証規則への当社のアプローチ

原文: Our approach to EU text provenance rules

OpenAIは、透かしが適用し、検出がどのように機能するか、そして検出へのアクセスが研究者と始まるかについて、EUの規則の下で透かしに近づいているかについて説明しています。

OpenAI · · 要約

人々がAIを使用する方法のための広告を造る

原文: Building advertising for the way people use AI

OpenAI は、ChatGPT で新しいビジュアル広告フォーマットを導入し、測定ツール、アトリビューションパートナーシップ、広告主向けのブランディングコントロールを拡充しました。

OpenAI · · 要約

Together AI

一緒にリンク:あなたが既に使用しているハーネスでモデルを開きます。今日は 1 つのコマンドで始まります。

原文: Together Link: open models in the harness you already use. Start with one command today.

一緒にAIの連携は、GLM 5.3 や Kimi K3 などのオープンモデルを既に使用しているコーディングエージェントチームに組み込んでいます。 一緒に言うと、モデルの消費量を50%以上削減できます。

Together AI · · 要約

Hacker NewsのAI関連トップ記事

過去36時間のAI関連タイトルの投稿を、ポイント順に並べています。

arXivの新着論文

新規投稿を自動で選んでいます（cs.AI・cs.CL・cs.LG に重複して登録された論文を優先）。質の順位ではありません。

arXiv cs.AI

Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses

オープン・ウェイトと11のエージェントの決定ポイントでホストされているシングルパスの決定モデルのペアリングされた評価は、ホストされたモデルが9でより正確であること、ゼロ・ショット・モデル・ルーティングのチャンスを賭けるだけでなく、著者は独自の分析エラーをいくつか修正しました。

arXiv · · Jiawei Li · cs.AI cs.CL cs.CR cs.LG · 要約

正しい順序、間違ったスケール:職業AI測定のためのLLM裁判官の監査

原文: Right Order, Wrong Scale: Auditing LLM Judges for Occupational AI Measurement

監査 33 LLM-judge の構成は、45,796 人のワーカー評価に対して、著者は応答を適度にランク付けできますが、受諾率は 3.0% から 97.9% まで、マッチしたワーカーの 61.1% までを推定します。

arXiv · · Harry Lyu, Neil Thompson · cs.AI cs.CL cs.CY cs.LG · 要約

ROUTEAUDIT: 予算に応じて複数のVerifierのルーティングのためのインタラクション・アウェアの識別

原文: ROUTEAUDIT: Interaction-Aware Identification for Budgeted Multi-Verifier Routing

汎用のカタログ、可用性、経理、情報ろ過、またはスコアラーがポリシーで変更した場合でも、エンドポイントの品質コストのギャップによって、適応型マルチベリファイアシステムが一般的に比較されます。

arXiv · · Miaobo Hu, Shuhao Hu, Xiaobo Guo +5 · cs.AI cs.CL cs.LG · アブストラクトより（arXiv、CC0）

FSPO: 予算の LLM RL のポスト訓練のための政策一貫した危険およびパルトの可分制御

原文: FSPO: Policy-Consistent Risk and Pareto-Feasible Control for Budgeted LLM RL Post-Training

適応 LLM 強化学習後のトレーニングは、ロールアウト温度、グループサイズ、クリッピング、KL 正規化、検証、更新予算を含む複数のトレーニングアクチュエータをオンラインで変更します。

arXiv · · Miaobo Hu, Shuhao Hu, Xiaobo Guo +4 · cs.AI cs.CL cs.LG · アブストラクトより（arXiv、CC0）

arXiv cs.CL

大きい言語連続的な拡散モデル

原文: Large Language Continuous Diffusion Models

高速並列デコード、非滑らかな、高次元空間の融合言語モデル(dLMs)の成功にもかかわらず、推論と推論加速のための軌跡ステアリングを妨げる。

arXiv · · Zhihan Yang, Wei Guo, Jean-Marie Lemercier +14 · cs.CL cs.AI cs.LG · アブストラクトより（arXiv、CC0）

証拠がそう言うまでもなく: LLM の研究者を教えるときケースを閉じる

原文: Not Until the Evidence Says So: Teaching LLM Investigators When to Close a Case

LLM の調査官が 731 の監査された事故、欠陥および停電症例を使用して、ケースを閉じるべきである場合、この論文は、フロンティアモデルでさえ、91% の回答で証拠を監督したと報告しています。

arXiv · · Tingzhu Bi, Ping Wang, Meng Ma · cs.CL cs.AI cs.LG · 要約

Per-Theorem シンボリック バリファイバによる均衡生成: 模倣のハルトおよび補強の修理

原文: Counterexample Generation via Per-Theorem Symbolic Verifiers: When Imitation Hurts and Reinforcement Repairs

大規模な言語モデルは、多くの場合、前方理論を解決するが、密接に関連した偽の1をdisprove失敗する: 微調整を監督した偽りのギャップは閉じず、積極的に悪化する可能性があります。

arXiv · · Omar Farouk Zouak, Houssam Eddine Boukhalfa, Soumaya Lakehal +2 · cs.CL cs.AI · アブストラクトより（arXiv、CC0）

FinDialogLens: 金融チャットルームにおけるMissed-Tradeの識別のためのマルチパートダイアローグ上のイベント抽出

原文: FinDialogLens: Event Extraction over Multi-Party Dialogue for Missed-Trade Identification in Financial Chatrooms

複数のパーティーの金融チャットルームは、販売と取引の専門家にとって不可欠ですが、その複雑さは、見逃された取引のマニュアルの回復を可能にします: 各見積依頼(RFQ)は、最終的な価格と取引結果が後に多くのメッセージが表示されますイベントです...

arXiv · · Chin-Lun Fu, Hong Ni, Behrouz Madahian · cs.CL cs.AI · アブストラクトより（arXiv、CC0）

APDMem: クエリ適応型長期記憶のためのエージェント・コントロール・プログレッシブ・ディスク

原文: APDMem: Agent-Controlled Progressive Disclosure for Query-Adaptive Long-Term Memory

APDMemは、テーマの要約から生のメッセージまで、長い会話履歴を4つのレイヤーに整理し、クエリがそれを必要とするときだけ深くドリルします。 LongMemEvalでは、会話の8%について読むときに強力な結果が報告されます。

arXiv · · Chin-Lun Fu, Anagha Kulkarni, Hong Ni +1 · cs.CL cs.AI · 要約

arXiv cs.LG

Lexicographic 多客観的なオンPolicy の蒸留

原文: Lexicographic Multi-Objective On-Policy Distillation

検証可能な報酬(RLVR)からの補強学習は通常、答えの正しさを最適化しますが、有用な言語型行動は、高品質の推論と簡潔な応答を必要とします。

arXiv · · Doseok Jang, Jon Ander Campos, Youran Qi · cs.LG cs.AI cs.CL · アブストラクトより（arXiv、CC0）

シンセサイジングやリコールは?アルゴリトミック・コード・リトリバルに関するLMSの評価

原文: Are you Synthesizing or Recalling? Evaluating LLMs on Algorithmic Code Retrieval

大規模な言語モデル(LLM)は、コード生成における強力なパフォーマンスを発揮し、その成功は関連するアルゴリズムの知識とそれを適用する方法の推論の両方に依存しています。

arXiv · · Nickil Maveli, Antonio Vergari, Shay B. Cohen · cs.LG cs.AI cs.CL cs.PL · アブストラクトより（arXiv、CC0）

死亡率がセマンティックギャップを埋める方法

原文: How Causality Bridges the Semantic Gap

数値測定は、システムがどのように動作するかをキャプチャしますが、多くの場合、その変数の明示されていない意味を残します。

arXiv · · Shuhao Zhang, Xuran Zhou, Han Guo +2 · cs.LG cs.AI cs.CL · アブストラクトより（arXiv、CC0）

LEAP: LLMエージェントの効率的なアクション提案を学習

原文: LEAP: Learning Efficient Action Proposals For LLM Agents

LEAPは、ターゲットモデルの独自のアクションセクションに小さなドラフターモデルを訓練することによってLLMエージェントを加速させるので、その提案されたアクションがより頻繁に一致し、投機的なアクションラウンドのための遅延枠組みによって導かれています。

arXiv · · Zhen Xu, Qizheng Zhang, Gerry Wan +2 · cs.LG cs.AI cs.CL · 要約

RL 前の OPD: 温暖開始の摩擦基づいた RL の On-Policy の蒸留と

原文: OPD Before RL: Warm-Starting Rubric-Based RL with On-Policy Distillation

正確な結果検証により、多くの有用な言語モデルのタスクは評価できません。

arXiv · · Xinpeng Wang, Wei Shi, Yu-Chia Chen +3 · cs.LG cs.AI cs.CL · アブストラクトより（arXiv、CC0）

この号で確認した情報源

対象外:

更新: 2026-10-05 20:08 UTC