15 件 — 🔴 3 重大 , 🟡 10 重要 , 🟢 2 注目
Ranit KarmakarとJayita ChatterjeeがAgentFloorを発表しました——6つの能力レベルに構成された30タスクの決定論的ネットワークで、0.27Bから32Bのパラメーター範囲の16のオープンウェイトモデルとGPT-5を評価しています。結論：小型モデルは短期・構造化されたエージェントタスクには既に十分であり、フロンティアモデルは制約のある長期計画においてのみ明確な優位を維持します。
Yuxuan Gao、Megan Wang、Yi Ling Yuは2026年5月1日、Token Arenaを発表しました——エンドポイントレベル（78エンドポイント、12モデルファミリー）でAI推論を評価する継続的ベンチマークプラットフォームです。同一モデルが異なるエンドポイント間でmath/codeベンチマークが最大12.5点差、テールレイテンシが桁違い、正解あたりエネルギーが最大6.2倍異なることを明らかにしました。プラットフォームはCC BY 4.0ライセンスの下で結果を公開しています。
米国NIST傘下の人工知能標準・イノベーションセンター（CAISI）は2026年5月1日、DeepSeek V4 Proモデルの独立評価を発表しました。結論：これは評価されたPRC AIモデルの中で最も優れていますが、総合能力において米国フロンティアから約8ヶ月遅れています。評価は5つの分野（サイバーセキュリティ、ソフトウェアエンジニアリング、自然科学、抽象的推論、数学）における非公開ベンチマークを使用して実施されました。
ICML 2026採択論文が、タスクホライズン長を増やすと探索問題とクレジット割り当て問題により深刻なLLM学習不安定が生じることを実証的に示しています。提案する解決策：学習時にホライズンを短縮し、推論時に明示的な「ホライズン汎化」メカニズムを使用する方法です。この論文はフロンティアモデル学習におけるタスクホライズンのスケーリングに関する最初の実証的なルールを確立しています。
Yan Zhang、Daiqing Wu、Huawen ShenがGUI-SDを発表しました——AIエージェントが自然言語の指示をUI要素の視覚座標にマッピングする能力であるGUIグラウンディングに特化した初のオンポリシー自己蒸留（OPSD）フレームワークです。特権的視覚コンテキスト（バウンディングボックスとガウスソフトマスク）とエントロピーガイド蒸留を使用します。6つの代表的なGUIグラウンディングベンチマークで、GUI-SDはGRPOベースのRL手法を一貫して上回ります。
AWSは2026年5月4日、AgentCore Optimizationをプレビューとして発表しました。本番環境のトレースからシステムプロンプトとツール説明の具体的な改善提案を生成し、テストセットに対するバッチ評価、統計的有意性を伴うA/Bテストを実現する自動化ループです。システムはすべてのモデル呼び出し、ツール呼び出し、推論ステップをOpenTelemetry互換トレースとして収集し、手動による当て推量の修正を本番データに基づく構造化されたサイクルに置き換えます。
Amazonは2026年5月4日、SageMaker AIにエージェント型ワークフローを導入しました。ユースケース定義からデプロイまでのモデルカスタマイズライフサイクル全体をカバーする9つの組み込みスキルエージェントを備え、SFT・DPO・RLVRのトレーニング手法をサポートします。JupyterLab環境でKiro（デフォルト）とClaude Codeと統合し、数ヶ月の専門的ML作業を数日に短縮できると謳っています。
新しいarXivプレプリントがReClaimeを紹介しています。2億件の患者記録から438億件の医療イベントで学習した17億パラメータの基盤モデルです。1,000を超える診断タスクで平均AUC 75.6%を達成し、LightGBM（66.3%）やDelphi専門モデル（69.4%）を大きく上回ります。行政的な医療データで学習した基盤モデルの新しい分類を切り開きます。
Claude Code v2.1.128（2026年5月4日リリース）は30件以上の改善を提供します。/mcpパネルへのツール数表示とツール0台サーバーのフラグ機能、--plugin-dirでの.zipプラグインアーカイブ対応、ローカルの未プッシュコミットを失うEnterWorktreeバグの修正、サブエージェントのcache_creationコスト約3分の1への削減、10MB超の標準入力パイプ時のクラッシュ修正が含まれます。
Anthropicは2026年5月4日、Blackstone、Hellman & Friedman、Goldman Sachsを創業投資家として新たなエンタープライズAIサービス会社の設立を発表しました。Sequoia、Apollo Global Management、GIC、Leonard Green、General Atlanticが追加パートナーとして参加します。ターゲット市場は、Claude솔루션の構築に必要な社内リソースを持たない商業銀行、中規模製造企業、地域医療システムです。
ボストンで開催されたThink 2026カンファレンスで、IBMは2026年5月5日にAI Operating Modelを発表しました。4本柱（エージェント・データ・自動化・ハイブリッド）のフレームワークで、次世代watsonx Orchestrateをエージェント制御プレーンとし、IBM Bobを開発パートナー、Concertをオペレーション基盤、Sovereign Coreを規制コンプライアンス向けに一般提供しています。CEO Krishnaは企業間で広がる「AIデバイド」に警鐘を鳴らしました。
研究者のAharon Azulay、Jan Dubiński、Zhuoyun LiがICML 2026で、視覚モダリティを利用してビジョン言語モデルの安全アライメントを回避する4種類の攻撃クラスを発表しました。視覚エンコーダーはClaude Haiku 4.5で40.9%の成功率を達成し、同等のテキスト攻撃はフィルターをわずか10.7%しか突破できませんでした。これにより、画像が純粋な言語モデルには存在しない攻撃クラスをもたらすことが確認されました。
Cloud Native Computing Foundation（CNCF）セキュリティ技術諮問グループ（TAG）は2026年5月4日、サプライチェーン攻撃からGitHub Actions CI/CDパイプラインを保護するための実践的ガイドを発表しました。Marina Moore、Evan Anderson、Sherine Khouryが5つの具体的なプラクティスを定式化し、zizmor、frizbee、pinact、ratchet、Dependabotなどのツールを紹介しています。
