14 件 — 🟡 11 重要 , 🟢 3 注目
AWSはP-EAGLEを発表しました。これはモデルの1回のフォワードパスですべての投機トークンを予測する並列スペキュラティブデコーディング手法です。Qwen3-Coder-30B-A3BとNVIDIA B200のFP8精度において、P-EAGLEはHumanEvalでEAGLE-3の955トークン/秒に対して1167トークン/秒を達成（+22%）し、ベースライン推論と比べて最大3.97倍高速です。事前学習済みP-EAGLEヘッドはAmazon SageMaker AI上でGPT-OSS-120B、GPT-OSS-20B、Qwen3-Coder-30B-A3B、Gemma-4-31Bに対応しています。
論文はベンチマーク結果が測定プロトコルに大きく依存することを示しています。ソフトウェア、数学、医療、サイバーセキュリティの7つの高難易度テストで12のフロンティアモデルをテストしました。より大きなトークン予算はFrontierMath、Humanity's Last Exam、TerminalBenchの結果を大幅に向上させ、モデルのランキングは推論計算予算によって異なります。著者は能力を単一の数値ではなく推論時計算量の関数として報告することを推奨しています。
LangChainは「loop engineering」を解説しました。これはエージェントの周囲に複数のフィードバックループを構築して信頼性と自己改善を実現するアプローチです。4つの技術を定義しています：Agent Loop（基本的なツール呼び出し）、Verification Loop（評価器がルーブリックに基づいて出力をスコアリングし繰り返す）、Event-Driven Loop（イベントによって起動されるエージェント）、Hill Climbing Loop（プロダクショントレースを使ってプロンプトとツールを自動改善）。例として、Slackリクエストを受け取り、変更案を作成し、テストを実行して失敗を自己分析する内部ドキュメントエージェントが挙げられています。
新しい論文はエージェンティックスキル評価の初の体系的フレームワークを提案しています。500の実際のスキルと1000のタスクに指示追従と目標達成を個別評価するルーブリックを設けて、19種類の独自モデルとオープンモデルの設定でテストしました。モデルはスキル指示の精度によって大きなパフォーマンス差を示しています。評価セットは公開されており、研究の知見はエージェントのプロダクション導入に直接的な影響を持ちます。
AMDはMLPerf Training v6.0でInstinct MI355XがLLMベンチマークにおいて同等のNVIDIA GPUとの性能差が約5%であることを示しました。MI355Xは昨年のMI300Xより3.5倍高速で、前ラウンドより13〜19%高速です。AMDはMXFP4（FP4）トレーニングレシピとPrimusユニファイドフレームワークを初めて導入し、512基のMI300X GPU、64ノードのマルチノード提出も行いました。
NVIDIAはBlackwellプラットフォームがMLPerf Training 6.0の全7テストで最高成績を達成したと発表しました。GB300 NVL72はGB200 NVL72と比べて最大1.6倍高速なトレーニングを実現し、最大規模の提出では8192基のBlackwell GPUを使用して6710億パラメータのDeepSeek-V3モデルを学習しました。CoreWeaveは8192基のGPUでDeepSeek-V3 671Bを2.02分でトレーニングし、Microsoft AzureはLlama 3.1 405Bを7.07分で完了しました。
AnthropicはClaude Codeによるエージェントコーディングに関する経済研究を発表しました。ユーザーは計画に関する意思決定の約70%を行い、Claudeは実行に関する意思決定の約80%を担います。専門ユーザーはプロンプトごとに12アクションと3200語を得るのに対し、初心者は5アクションと600語で、検証済みタスクの成功率は28〜33%対15%です。デバッグセッションの割合は2025年10月から2026年4月にかけて33%から19%に低下し、平均タスク価値は約25%上昇しました。
AWSはAmazon SageMaker AIにコンテナイメージの事前キャッシュ機能を導入しました。スケーリング時にECRからのプルが不要になり、自動的に有効化されます。Qwen3-8Bでは起動レイテンシが525秒から258秒に短縮され、約51%の改善です。ユーザーはP50レイテンシが38〜65%低減し、エンドツーエンドのスケーリングが最大2倍高速化したと報告しています。この機能はすべての商用AWSリージョンのすべてのアクセラレータインスタンスタイプで利用可能です。
Google DeepMind、英国政府、Google Cloud、Faculty AIが共同でAIプロトタイプを開発しており、建築許可の審査時間を50%短縮することを目指しています。政府の目標は2029年までに150万戸の新築住宅を確保することです。住宅所有者からの申請は年間申請総数の約70%を占めており、各議会が年間約255時間を節約できると推定されています。現在バーネット、カムデン、ドーセットでテスト中で、2027年に全国展開が予定されています。
AnthropicのレッドチームはVerizonと共同で、実際のAI武装化サイバー作戦をMITRE ATT&CKフレームワークにマッピングした分析を発表しました。この研究では実践で観察されたAI支援攻撃のパターンを分析しています。並行して、レッドチームは大規模言語モデルがすでに公開済みだが未修正（N-day）の脆弱性の悪用を加速させる方法についての分析も発表しました。
AWSはAmazon BedrockにInvokeGuardrailChecksを導入しました。これは自動ブロックを行わず、事前に作成したguardrailリソースも不要なスコアを返す検出APIです。コンテンツフィルター、プロンプト攻撃検出（ジェイルブレイク、インジェクション、リーク）、および31種類のエンティティタイプを持つ個人情報認識の3種類の保護をカバーします。APIは0から1.0のスケールで深刻度と信頼度スコアを返し、開発チームが自らしきい値を制御する多段階エージェントループ向けに設計されています。
