2026年6月21日日曜日

11 件 — 🟡 4 重要 , 🟢 7 注目

🤖 モデル (4)

🟡 🤖 モデル 2026年6月21日 · 2 分で読めます

arXiv:2606.20560: DiffusionGemma の解釈可能性が Gemma 4 と同等に——28.6× の差が 1.1× へ縮小

DiffusionGemma は、連続潜在空間で動作するGoogleの拡散言語モデルです。Neel Nanda を筆頭とする13名の著者による研究では、初期の不透明度が Gemma 4 より28.6倍高いものの、解釈可能なトークンボトルネックによってその差が1.1倍にまで縮小されることが示されました。

🟢 🤖 モデル 2026年6月21日 · 2 分で読めます

arXiv:2606.20543: 空間的投機的デコーディングが画像生成を13.3倍高速化

SSD（Spatially Speculative Decoding）は、自己回帰的な画像生成においてピクセルの水平・垂直両方の隣接トークンを同時に予測する新手法です。DPG-BenchおよびGenEvalベンチマークにおいて、視覚的品質を損なわずに最大13.3倍の高速化を実現します。

🟢 🤖 モデル 2026年6月21日 · 2 分で読めます

arXiv:2606.20561: TimeProVeが長時間動画の推論コストを93%削減

TimeProVeは、2段階の「提案してから検証する」アプローチを導入することで、長時間動画におけるVLMの推論を高速化するフレームワークです。高コストモデルへの呼び出しを75%削減し、推論コスト全体を93%削減しながら、新しいOpenTSUBenchベンチマークで最強の競合手法を7.3ポイント上回ります。

🟢 🤖 モデル 2026年6月21日 · 2 分で読めます

arXiv:2606.20008: VIMPO — クリティック不要の強化学習がMATH-500とAIMEでGRPOを上回る

VIMPOはLLM推論向けの新しい強化学習手法で、KL正則化RLから暗黙的価値関数を導出します。独立したクリティックネットワーク不要で、AIME 2024・AIME 2025を含む4つの数学ベンチマークでGRPOを上回り、ノイズのある報酬条件下でも安定した優位性を示します。

📦 オープンソース (1)

🟢 📦 オープンソース 2026年6月21日 · 2 分で読めます

Anthropic（Claude Code GitHub）：Claude Code v2.1.185 がストリーム停止メッセージを改善しました

Claude Code v2.1.185 は2026年6月20日にリリースされたUXパッチで、APIストリーム停止時のメッセージを変更し、アクティベーションしきい値を10秒から20秒の無音に延長しました。モデルやAPIへの変更はありません。

🤝 エージェント (3)

🟡 🤝 エージェント 2026年6月21日 · 2 分で読めます

arXiv:2606.20521: 人間の一人称視点動画はロボットデータを上回る——身体的AIモデルの事前学習において

HumanScaleは北京大学とMITによる21名の著者による系統的な比較研究です。フィルタリングされた人間の一人称視点動画を使って事前学習したモデルは、ロボットデータのみで事前学習したモデルと比べ、既知タスクで52.5%、未知のロボット操作タスクでは90%も高い成功率を達成することを示しています。

🟢 🤝 エージェント 2026年6月21日 · 2 分で読めます

arXiv:2606.20493: Contagion Networks — 評価者のバイアスがマルチエージェントシステム全体に伝染する仕組み

Contagion Networksは、LLMエージェント間でのバイアスの拡散を定量化する数学的フレームワークです。3つのDeepSeek-chatエージェントを用いた実験では、伝染係数γは0.157〜0.352の範囲となり、評価委員会を1名から3名に拡大するとバイアス伝染が72.4%低下しました。

🟢 🤝 エージェント 2026年6月21日 · 2 分で読めます

arXiv:2606.20487: H-RePlan — 複数デバイスにまたがるAIエージェントの階層的障害回復

H-RePlanは、LinuxとAndroidを同時に管理するAIエージェントが障害から自律的に回復できるようにするシステムです。各プラットフォームのローカル回復戦略はオーケストレーターのグローバルな再計画から分離されており、トークンコストを削減してタスク成功率を向上させます。

🏥 実践 (1)

🟢 🏥 実践 2026年6月21日 · 2 分で読めます

arXiv:2606.20474: UltraQuantが4ビット精度でKVキャッシュのレイテンシを3.47倍削減

UltraQuantは、マルチターンLLMエージェント向けのKVキャッシュを4ビット精度に圧縮する技術です。AMD・UCLA・パデュー大学が共同開発し、高コンテキスト負荷の後期ラウンドでP50 TTFTをFP8ベースラインと比べて3.47倍高速化し、出力スループットを1.63倍向上させます。

🛡️ セキュリティ (2)

🟡 🛡️ セキュリティ 2026年6月21日 · 2 分で読めます

arXiv:2606.20225: 活性化方向がLLMの誤整合を99.6%の精度で検出

Abdul Rafay Syedは、Qwen2.5、Gemma-2、Llama-3.2、Ministral-3の4つのLLMファミリーの活性化空間に共通の方向を特定しました。この方向は整合モデルと誤整合モデルを99.6%の精度で分離し、指向性ステアリングにより安全でないコードの漏洩を21〜51ポイント削減します。

🟡 🛡️ セキュリティ 2026年6月21日 · 2 分で読めます

arXiv:2606.20553: NeuroImprint——連合ファインチューニングの隠れバックドアが訓練データの59–79%を再構築

NeuroImprntは、連合ファインチューニングにおけるPEFTアダプターを侵害し、高い意味的忠実度で全訓練サンプルの59–79%を再構築する攻撃です。BERT、GPT-2、Qwen2、Llama 3.2でテストされており、モデルが通常のユーティリティを維持するため、攻撃は検出されません。