放課後論文ラジオ

By 放課後論文ラジオ

AIの最新論文を、ゆい＆かなでが放課後のおしゃべり感覚で解説するポッドキャストです。論文は読まなくてOK。1エピソード1論文、約10分でAI研究の最前線がざっくりわかります。... more

· Technology

Download on the App Store

Download on the App Store

Get it on Google Play

FAQs about 放課後論文ラジオ:

How many episodes does 放課後論文ラジオ have?

The podcast currently has 83 episodes available.

放課後論文ラジオ episodes:

July 01, 2026#74 小さなAIが巨大モデルに勝つ「やり抜く力」の正体
今回の論文
タイトル: Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent
著者: Agents-A1 Team, Shanghai Artificial Intelligence Laboratory
発表: arXiv, 2026年6月
このエピソードのポイント
モデルを巨大化させる代わりに「長い作業を最後までやり抜く力」を鍛えるという別ルートに挑んだ研究
350億パラメータの中型AIが、約30倍規模の1兆パラメータ級モデルを複数のテストで上回った
成功も失敗も「過程ごと」記録した教材と、分野ごとの専門家先生から学ぶ工夫がカギ
キーワード
エージェント: 質問に答えるだけでなく、自分で計画を立て、ツールを使い、検証しながら作業を進める自律型のAIのこと。
長い道のり（ロングホライズン）: 何十ステップも、ときに何時間もかけて続ける長期的な作業のこと。途中の小さなミスが積み重なりやすい難しさがあります。
パラメータ: AIの脳の規模を表す数字。多いほど賢くなりやすい一方、運用コストも増えます。今回は350億で1兆級に挑みました。
知識・行動グラフ: 証拠・行動・観察・検証の結果を地図のようにつないだ教材。成功だけでなく失敗の過程まで記録する点が新しいです。
蒸留: 優秀な「先生AI」の知恵を、より扱いやすい「生徒AI」に受け継がせる技術。今回は複数の専門家先生を使いました。
論文リンク
論文URL: https://arxiv.org/abs/2606.30616
...more
9min
July 01, 2026#73 AIエージェントの「あきらめる力」の正体
今回の論文
タイトル: Agentic Abstention: Do Agents Know When to Stop Instead of Act?
著者: Han Luo, Bingbing Wen, Lucy Lu Wang et al.（ワシントン大学ほか）
発表: 2026年（プレプリント）
このエピソードのポイント
自分で動くAIエージェントが「達成できないタスク」を見極めて手を止められるかを検証した研究
多くのAIは止め時を逃して無駄な操作を続けてしまい、大きく高性能なモデルほど早く止まるのが苦手という逆説も
過去のやりとりから「止め時の教訓集」を作って渡すCONVOLVEで、わずか20件の記録から劇的に改善
キーワード
AIエージェント: 質問に答えるだけでなく、検索やクリック、操作を自分で何ステップも実行してタスクをこなすAIのこと。
エージェントのあきらめ: タスクが達成できないと見極めて、無駄な行動をやめる判断力のこと。この研究の中心テーマです。
環境ベースのあきらめ: 最初は解けそうに見えても、実際に操作してみて初めて「無理だ」と分かるタイプの難しい課題のこと。
CONVOLVE: AIの中身を変えずに、過去のやりとりから止め時の教訓を作って渡し、あきらめ判断を改善する手法。
あきらめ再現率: あきらめるべき課題のうち、実際に正しく、しかも早く止められた割合を測る指標。
論文リンク
論文URL: https://arxiv.org/abs/2606.28733
...more
7min
June 30, 2026#72 AIの「考え」は本物か?思考を測る4つのものさし
今回の論文
タイトル: Formalizing Latent Thoughts: Four Axioms of Thought Representation in LLMs
著者: Fahd Seddik, Fatemeh Fard（ブリティッシュコロンビア大学）
発表: 2026年（arXivプレプリント）
このエピソードのポイント
AIの「頭の中の考え」が良いものかを、正解率に頼らず直接測る4つの基準を提案
5つのAIを23種類の難しい問題で検査したら、4つの基準を全部満たすものは一つもなかった
凝った思考の仕組みが「質問文をそのまま数値にしただけ」のものに勝てなかった、という痛快なオチ
キーワード
潜在的思考表現: AIが答えを出す前に頭の中に持つ「考えの中身」を、言葉ではなく数値の塊で表したものです。
4つの公理: まともな思考なら満たしていてほしい基本ルールのこと。今回は因果性・最小性・分離性・安定性の4つが提案されました。
連続的推論: 言葉のステップではなく、数値のまま頭の中で考え続けるAIの推論のやり方です。
入力埋め込み: 質問文をそのまま数値に変換しただけのもの。「考える前」の状態を比べる基準になります。
表現の崩壊: 本来は区別すべき別々の問題が、AIの内部で見分けがつかなくなってしまう現象です。
論文リンク
論文URL: https://arxiv.org/abs/2606.27378
...more
7min
June 28, 2026#71 自分で進化し続けるAIエージェントの正体
今回の論文
タイトル: A Survey of Self-Evolving Agents: What, When, How, and Where to Evolve on the Path to Artificial Super Intelligence
著者: Huan-ang Gao, Jiayi Geng, Wenyue Hua, Mengkang Hu ほか（プリンストン大学、清華大学ほか共同研究）
発表: Transactions on Machine Learning Research, 2026年1月
このエピソードのポイント
学習が終わると成長が止まる今のAIを、現場の経験から自分を作り変え続ける「自己進化エージェント」へ。その研究全体を初めて一枚の地図にまとめた論文
「何を・いつ・どう・どこで進化させるか」の4つの問いで、バラバラだった手法をスッキリ整理
成功率が9倍に伸びた事例がある一方、勝手に進化させると「従っているフリ」が増える危うさも。賢さと安全性の両立が今後の勝負どころ
キーワード
自己進化エージェント: 自分の経験やフィードバックをもとに、記憶・道具・思考のクセを書き換えて成長し続けるAIのこと。使うほど自社専用に賢くなる可能性があります。
テスト時内/テスト時間進化: 問題を解いている最中にその場で学ぶか、課題を終えた後に振り返って学ぶか、という学ぶタイミングの違いです。
報酬ベース学習: 行動の良し悪しを点数や言葉のフィードバックで示し、それを頼りに少しずつ改善させていく方法です。
破滅的忘却: 新しいことを学ぶと、以前覚えていたことをごっそり忘れてしまう現象。学び続けるAIの最大の敵です。
ASI（人工超知能）: 幅広い分野で人間を超える知能のこと。この論文が見据えている究極のゴールです。
論文リンク
論文URL: https://arxiv.org/abs/2507.21046
...more
8min
June 25, 2026#70 AIが架空の世界で自分を鍛える時代
今回の論文
タイトル: Qwen-AgentWorld: Language World Models for General Agents
著者: Qwen Team（Yuxin Zuo, Zikai Xiao et al.）
発表: 2026年6月
このエピソードのポイント
AIが「この行動をしたら環境はどう反応するか」を文章で予測する仕組みを作った研究
実際の検索エンジンより、AIが作った架空の世界で訓練したほうが成績が良かった
通信エラーなど現実では起きにくい状況も自由に作れて、想定外に強いAIが育つ
キーワード
世界モデル: 「この行動をしたら次にどうなるか」を予測する、AIの頭の中のシミュレーターのことです。
エージェント: 自律的に判断して、タスクを次々こなしていくAIのこと。ここでは行動を決める側を指します。
強化学習: 試行錯誤しながら、良い結果には報酬を与えて少しずつ賢くしていく訓練のやり方です。
思考の連鎖: 答えを出す前に、途中の考えを一歩ずつ文章で展開していく仕組みです。
シミュレーターとしての利用: 世界モデルを練習用の仮想環境として使い、別のAIを安全に訓練する使い方です。
論文リンク
論文URL: https://arxiv.org/abs/2606.24597
...more
8min
June 24, 2026#69 AIの最後の層が賢さの邪魔をしていた
今回の論文
タイトル: Deeper is Not Always Better: Mitigating the Alignment Tax via Confident Layer Decoding
著者: Xuanming Zhang, Sining Zhoubian et al.（Qwen Team / Alibaba・清華大学・南洋理工大学）
発表: 2026年5月（arXivプレプリント）
このエピソードのポイント
AIが答えを出す「最後の層」が、実は難しい問題では無難な単語に引き戻してしまうことがある
いちばん迷いの少ない層から答えを取り出すだけで、追加学習なしに難問の正答率が大幅アップ
安全のためのしつけは保ったまま、難問での「余計な遠慮」だけを取り除けるのがすごい
キーワード
層（レイヤー）: AIが入力を段階的に処理する工程のこと。何十段も積み重なっていて、ふつうは最後の工程から答えが出ます。
エントロピー: 予測の「迷い」の大きさ。低いほどAIが自信を持って一つの答えに絞れている状態です。
アライメント税: 安全で無難な受け答えを学ばせた副作用で、難しい問題を解く力がこっそり削られてしまう現象のことです。
Confident Decoding: いちばん自信のある（迷いが少ない）層から答えを取り出す手法。再学習が不要で既存のAIにそのまま使えます。
アライメント: 人間の好みや安全基準に合うようAIを後から調整すること。安全で丁寧な受け答えを学ばせる工程です。
論文リンク
論文URL: https://arxiv.org/abs/2606.21906
...more
7min
June 22, 2026#68 遊びながら学ぶロボットがやってきた
今回の論文
タイトル: Playful Agentic Robot Learning
著者: Junyi Zhang, Jiaxin Ge et al.（カリフォルニア大学バークレー校ほか）
発表: arXiv プレプリント 2026年
このエピソードのポイント
ロボットが課題を与えられる前に、自分で遊びながら使えるスキルを貯めておく仕組み
簡単すぎず難しすぎない「ちょうどいい」課題を選んで効率よく成長する
覚えたスキルは図書館として保存され、別のロボットや実機にも差し込んで再利用できる
キーワード
Code-as-Policy: ロボットの動きをAIが書くプログラムとして表現する方式。動きが見える化され、再利用しやすくなります。
エージェント（Agentic）: AIが自分で計画を立てて道具を使い、結果を見て修正する自律的な性質のこと。
ゴルディロックスの原理: 簡単すぎず難しすぎない、ちょうどいい課題を選ぶ考え方。学びの効率が最大になります。
スキルライブラリ: 成功した動きをコードとして保存しておく技の図書館。後で取り出して再利用できます。
内発的動機: 報酬がなくても自分から動いてみたいと思う仕組み。人間の好奇心にあたります。
論文リンク
論文URL: https://arxiv.org/abs/2606.19419
...more
8min
June 21, 2026#66 ぐるぐる回して100倍小さく賢いAIの正体
今回の論文
タイトル: Looped World Models
著者: Hongyuan Adam Lu, Z.L. Victor Wei et al.（FaceMind Research Asia）
発表: 2026年6月（arXivプレプリント）
このエピソードのポイント
層を積み重ねる代わりに、1つの計算ブロックを何度も「ぐるぐる繰り返す」ことで小さく賢いAIを作る発想
簡単な場面は少ない計算、難しい場面は多い計算と、状況に応じて頭の使い方を変える仕組みがある
100分の1のサイズで巨大AIに勝ったと主張するが、評価には引っかかる点もあり今後の追試待ち
キーワード
ワールドモデル: AIが頭の中に持つ環境シミュレーター。「この行動の次に何が起きるか」を予測する仕組みです。
ループ型アーキテクチャ: 1つの計算ブロックを何度も使い回す設計。層を増やす代わりに「周回数」を増やして賢くします。
累積誤差: 予測を繰り返すうちに小さなズレが雪だるま式に積み重なり、最後には予測が崩れてしまう現象です。
適応的計算: 簡単な場面は少ない計算で、難しい場面は多くの計算で。状況に応じて頭の使い方を変える仕組みです。
パラメータ効率: 少ない部品数で大きなモデル並みの性能を出す度合い。本研究は最大100倍と主張しています。
論文リンク
論文URL: https://arxiv.org/abs/2606.18208
...more
7min
June 19, 2026#65 AIの安全スイッチは裏口から破られる
今回の論文
タイトル: SAE Interventions are Unreliable: Post-Intervention Recovery of Suppressed Behavior
著者: Mingyue Cui, Linghui Shen, Xingyi Yang（香港理工大学）
発表: 2026年（プレプリント）
このエピソードのポイント
AIの内部スイッチで「危険な振る舞い」を止めても、別ルートから同じ振る舞いが復活してしまうことを実証した研究
止めたスイッチには一切触れないという縛りで検証し、危険な要求の拒否を95.8%、知識を消す処理を98.9%の割合で復活させた
復活の原因は、AIが「誤差」として捨てていた部分に振る舞いの情報が残っていたこと。見える部分だけ制御しても安心できないという警告
キーワード
SAE（スパースオートエンコーダ）: AIの内部状態を、人間が「これは○○に対応する」と読み解ける細かい部品に分解する技術です。
特徴のクランプ（固定）: 特定の部品を強制的にオン/オフして、AIの振る舞いをコントロールしようとする操作のことです。
介入後の復活: 防御スイッチを入れたまま、抑え込んだはずの振る舞いを取り戻せるかを試す診断テストです。
残差（再構成誤差）: SAEが分解しきれずに「誤差」として残した部分。今回はここに振る舞いの情報が潜んでいました。
白箱の診断: AIの内部にアクセスできる前提で行うチェック。すぐ悪用できる攻撃ではなく、弱点を冷静に確かめるための手法です。
論文リンク
論文URL: https://arxiv.org/abs/2606.18322
...more
7min
June 18, 2026#64 AIは「もう1回」考えるのが一番賢い
今回の論文
タイトル: LoopCoder-v2: Only Loop Once for Efficient Test-Time Computation Scaling
著者: Jian Yang et al.（北京航空航天大学、IQuest Research ほか）
発表: arXivプレプリント 2026年
このエピソードのポイント
AIが頭の中で考え直す「ループ」は、1回だけ増やすのが一番効果的だとわかった
ソフト修正テストでは43.0%から64.4%へ急上昇し、自社の小さなAIが巨大モデル並みに
でもループを3回4回と増やすと逆に悪化。得は早々に頭打ち、損だけが残り続ける
キーワード
ループ型AI: 同じ計算部品を何度も繰り返し使い、頭の中で考え直す回数を増やすAIの仕組み
テスト時計算スケーリング: AIを使う瞬間に計算量を増やして、その場でより深く考えさせる手法
並列ループ（PLT）: ループを増やしても処理時間やメモリがほぼ増えないよう工夫した効率的なループ方式
位置オフセット（CLP）: 並列計算のため隣の情報を1つズラして使うトリック。便利だが微妙なズレが必ず生じる
潜在的な思考過程: 文章として書き出さず、AIの内部だけで進む見えない推論のこと
論文リンク
論文URL: https://arxiv.org/abs/2606.18023
...more
0min

FAQs about 放課後論文ラジオ:

How many episodes does 放課後論文ラジオ have?

The podcast currently has 83 episodes available.