AutoGrad とベイジアン・ブレイン：ジェフ・ベック博士が語る AI の未来
ジェフ・ベック博士は、真の知能は関数近似や LLM から脱却し、言語ではなくマクロな物理に根ざしたオブジェクト中心のベイジアン・モデルへと移行すべきだと主張します。
なぜ歴史上のすべての脳のメタファーは間違っていたのか
このビデオは、流体ポンプからコンピュータまでの科学的単純化とメタファーがしばしば現実とみなされて固まってしまう様子を探り、理解にはこれらのモデルの限界を認識することが必要だと論じています。
なぜ AI はプラトン問題を抱えているのか：神経科学哲学における Mazviita Chirimuuta の考察
Mazviita Chirimuuta 教授は、AI 研究がしばしば宇宙が数学的コードで記述されているという「プラトニック」な前提に依存し、人間の認知における生物学的具現化と能動的相互作用の重要な役割を無視していると主張しています。
脳は単に専門化されたエージェント同士が会話しているだけ — ジェフ・ベック博士
ジェフ・ベック博士は、エージェンシーの数学的基礎、エネルギーベースモデル（EBM）のメカニズム、そして脳を専門化されたエージェントの集合として捉えるモジュラー知能理論について論じています。
Blaise Agüera y Arcas の 共生起源 と 生命 の 計算 的 性質
Blaise Agüera y Arcas は、生命は具現化された計算であり、共生起源－レプリケーターの融合－がランダムな変異ではなく、進化の新規性と複雑性の主要なエンジンであると主張する。
AI コーディングの危険な錯覚：Jeremy Howard が語るソフトウェアエンジニアリングとコーディングの違い
Jeremy Howard は、AI が『スタイル転送問題』としての『コーディング』には優れているものの、根本的な『ソフトウェアエンジニアリング』能力を欠いていると指摘し、これが『理解負債』や組織的衰弱を招く危険性を警告している。
Shinka Evolve：科学的発見のためのオープンエンドプログラム探索
Robert Lange は、LLM と進化的アルゴリズムを組み合わせ、問題と解決策の共進化を通じてプログラム探索と科学的発見を自動化するサンプル効率の高いフレームワーク **Shinka Evolve** を紹介します。
AI の進歩測定：METR タイムホライズンフレームワーク
Beth Barnes と David Rein（METR）は、タスク完了に要する人間時間を統一軸として使用する「タイムホライズン」手法を議論します。この手法は AI 能力を測定し、将来の進歩を予測するための指標となります。
知能は人工的ではなく集合的である：マイケル I. ジョーダン教授の AI と経済に関する視点
マイケル I. ジョーダン教授は、知能は身体を持たない超知能ではなく集合的な経済システムであると主張し、AI の誇大宣伝からコンピュータサイエンス、統計学、経済学を融合した多分野的アプローチへの転換を提唱しています。
ブラッド・カーソン：AI兵器、説明責任、そしてAI軍拡競争の誤謬について
元ペンタゴン官僚のブラッド・カーソンは、AI 開発は必然的な貨物列車ではなく、西側は戦略的抑制とチップレベルの支配を通じて AI ガバナンスを能動的に形作り、致命的な自律兵器を防止し、破滅的な軍拡競争を回避できると主張しています。
Stanford CS336 Lecture 15: Mid-Training and Post-Training (SFT and RLHF)
この講義は、ベース言語モデルから指示に従うアシスタントへと移行するプロセスを、Supervised Fine‑Tuning（SFT）と Reinforcement Learning from Human Feedback（RLHF）を通じて解説します。アルゴリズムの複雑さよりも、データの品質とキュレーションが重要であることを強調しています。
Stanford CS336 Lecture 16: Reinforcement Learning from Verifiable Rewards (RLVR)
この講義では、検証可能な報酬（RLVR）による強化学習を取り上げ、GRPO のようなアルゴリズムが価値関数をグループベースの報酬に置き換えることで、数学やコーディングにおける複雑な推論を可能にする「思考モデル」を実現する方法を詳述しました。
Stanford CME296 Lecture 7: Evaluation of Text-to-Image Generation Models
この講義では、テキストから画像へのモデル評価手法を概観し、美的評価とプロンプト遵守度を区別しつつ、従来の数式的指標から MLLM‑as‑a‑Judge フレームワークへの移行について詳述しています。
Stanford CME296 Diffusion & Large Vision Models Lecture 8 Summary
画像および動画生成パラダイムの包括的レビュー。拡散とスコアマッチングからフローマッチングへの移行を概説し、これらの手法を動画、画像編集、LLM への応用についても検討しています。
スタンフォード CS336 講義 17: マルチモーダル言語モデリング
この講義では、マルチモーダルモデルのアーキテクチャを探求し、ビジョン・ランゲージモデル（VLM）が CLIP や SigLIP といった画像エンコーダを大規模言語モデル（LLM）と統合して視覚的推論を実現する方法に焦点を当てます。
Stanford CS25: Serving Transformers - Lessons from the Trenches
Modal の Charles Frye が、スケールでトランスフォーマーモデルを提供する際のエンジニアリング課題について語ります。特にプレフィルフェーズとデコードフェーズの重要な違いと、ハードウェア利用率の最適化に焦点を当てています。
Stanford CS25: Transformers United V6 - 言語モデルからネイティブマルチモーダルインテリジェンスへ
Victoria Lin は、ネイティブマルチモーダル言語モデルの進化について論じ、モダリティ横断的なトークナイズと Mixture of Transformers (MoT) のような専門アーキテクチャが、テキスト・画像・音声のシームレスな統合を可能にする方法を詳述しています。
ロボット学習における幾何学の活用：スタンフォードロボティクスセミナー
Platt 教授は、ロボット学習モデルに幾何学的構造事前知識と等変性を組み込むことで、ジェネラリスト VLA モデルに比べてデータ効率と姿勢に対する汎化性能を大幅に向上させられることを論じています。
Stanford CS336 Language Modeling from Scratch: Inference Engines and Full-Stack Innovation
ゲスト講師の Dan Fu は、LLM を数学的オブジェクトから実用的なインテリジェンスへと変換する上で、推論エンジンと GPU カーネルの重要な役割を論じ、Megakernel や Parcae 再帰アーキテクチャといった最適化手法を紹介しました。
AI スーパサイクルの経済学：Baseten とカスタム推論へのシフト
Tuhin Srivastava（Baseten CEO）は、AI 経済がフロンティアモデルからカスタムの事後学習オープンソースモデルへとシフトしており、これにより収益性、防御性、低レイテンシが実現できると主張しています。
サム・アルトマンが語るスケール、AGI、そしてフロンティアシステムの未来
OpenAI CEO のサム・アルトマンは、スケールの経験的パワー、ChatGPT と Codex の進化、そして AI 時代における計算資源不足と権力集中というシステム的リスクについて語ります。
AI と医療：サイバーセキュリティリスク、患者エンパワーメント、そして規制サンドボックス
元米国チーフデータサイエンティスト DJ パティルは、医療システムが AI 主導のサイバー攻撃に対して極めて脆弱であること、そして規制サンドボックスと患者エンパワーメントを通じて AI が医療アクセスを民主化できる可能性について論じています。
Stanford MS&E435 Economics of the AI Supercycle: Building AI Factories
CrusoeのCEOであるChase Lochmillerは、ギガワット規模のAIデータセンターを構築するために必要な巨額の資本支出について語り、AIをGDP成長を牽引するデジタル労働の形態として位置付けています。
本番環境で必要なエージェント要件
LLM エージェントをデモから本番へ移行するには、チームは 7 つの重要な制御を実装しなければなりません：モデル制御、プロンプトレジストリ、ガードレール、予算制限、ツール/MCP のセキュリティ、監視/トレース、そして体系的な評価。
エージェントの時代：Logan Kilpatrick が語る AI Studio と構築の未来
Logan Kilpatrick は、AI Studio が「vibe coding」プラットフォームへと進化したこと、エージェント工学の台頭、そしてコーディング経験に関係なく誰もがソフトウェアを構築できる世界という Google のビジョンについて語っています。
NVIDIA Nemotron 3 Nano Omni リリース
NVIDIA は Nemotron 3 Nano Omni をリリースしました。これはエージェント向けに設計されたコンパクトなオールインワンのマルチモーダルモデルで、テキスト、画像、動画、音声を単一の効率的なアーキテクチャでネイティブにサポートします。
Claude Design Agentic Architecture: 6 Patterns for Vertical AI Agents
Claude Designは、コンテキストグラウンディング、構造化メモリ、自己QAループなど、6つのエージェントパターンからなる高度なスタックを活用し、高品質な垂直エージェントを構築します。このアプローチはあらゆる業界に再現可能です。
IBM Granite Speech 4.1 リリース：高スループット ASR モデル
IBM はエッジ展開向けに設計された 3 つの 2B パラメータ ASR モデルのスイート、Granite Speech 4.1 をリリースしました。精度重視、話者ダイアリゼーション、極限スループットの各バリアントを提供します。
MiniCPM-V 4.6 リリースノート / 新機能
MiniCPM-V 4.6 は、エッジ展開とエージェントワークフロー向けに設計された 1.3 億パラメータのビジョンモデルで、高いトークン効率と柔軟な視覚トークン圧縮を特徴としています。
OpenShell: 安全な LLM エージェントのためのプロセス外強制
OpenShell はスーパーバイザーを用いてエージェントプロセスの外部からネットワーク、ファイル、資格情報ポリシーを強制し、プロンプトインジェクションやジャイルブレイク攻撃を防止する安全な LLM エージェントランタイムを提供します。
AMD ハードウェアでローカル AI を実行する
AMD の ROCm プラットフォームと Radeon AI Pro GPU は、LLM、画像・動画生成モデルの高性能ローカル実行を可能にし、プライバシーとコスト効率の観点から CUDA ベースシステムに代わる実用的な選択肢を提供します。
NVIDIA Nemotron 3 Ultra リリース
NVIDIAは、マルチティーチャー蒸留とオープンなトレーニングレシピを備え、エージェント型ワークフローに最適化された550BパラメータのMixture-of-ExpertsモデルであるNemotron 3 Ultraをリリースしました。
NVIDIA Nemotron 3.5 ASR リリースノート
NVIDIA は Nemotron 3.5 ASR をリリースしました。これは 600 万パラメータのストリーミング音声認識モデルで、40 言語に対応し、キャッシュ対応ストリーミングによりレイテンシを大幅に削減します。
Anthropic Claude Fable 5 and Mythos 5 Release
Anthropicは、コーディングと法務ベンチマークにおいてGPT-5.5やOpus 4.8を上回る、安全性調整済みのMythos classモデルであるClaude Fable 5をリリースしました。しかし、厳格なセーフティ・トリガーと義務的な30日間のデータ保持ポリシーも導入されています。
GLM 5.2 リリースノートとパフォーマンス分析
Z.AI は GLM 5.2 をリリースしました。このオープンウェイトモデルはエージェント的コーディングとデザインで最先端の商用モデルと競合し、コストを大幅に抑えることができます。
VibeThinker 3B: 小型言語モデルにおける推論のスケーリング
VibeThinker 3Bは、Weibo AI Labによる研究モデルであり、検証可能な報酬を用いた強化学習により、数学やコーディングなどの特定の推論タスクにおいて、自身のサイズの300倍のモデルに匹敵、あるいはそれらを上回る性能を発揮します。