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:

June 18, 2026#63 AIは本物のエンジンで遊べるゲームを作れるか
今回の論文
タイトル: GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine?
著者: Tongxu Luo, Rongsheng Wang, Jiaxi Bi et al.（香港中文大学・深圳、テンセント Hunyuanチームほか）
発表: 2026年6月
このエピソードのポイント
「ゲームを作って」という指示だけから、AIが本物のエンジンで遊べるゲームを丸ごと作れるかを検証
作ったAI自身に操作の台本も提出させ、その再生映像を画像も読めるAIが採点する工夫がユニーク
最優秀でも41%と厳しい結果。仕組みは作れても中身の詰まった完成品にはできない弱点が浮き彫りに
キーワード
コーディングエージェント: コードを書くだけでなく、ファイルを編集して実行し、エラーを直す一連の作業を自分で進めるAIのことです。
ベンチマーク: AIの実力を公平に測るための、共通の試験問題と採点基準のセットです。
ゲームエンジン（Godot）: ゲームの絵や音、操作などを動かす土台ソフト。Godotは無料で軽く、自動評価に向いています。
操作記録（再生トレース）: 「このタイミングでこのボタンを押す」という入力の台本。これを再生してプレイ映像を撮ります。
マルチモーダル審査: 文章だけでなく画像や映像も理解できるAIに、プレイ映像を見せて採点させる仕組みです。
論文リンク
論文URL: https://arxiv.org/abs/2606.17861
...more
0min
June 17, 2026#62 質問を待たないAI、見て・判断して・自分から話す
今回の論文
タイトル: JoyAI-VL-Interaction: Real-Time Vision-Language Interaction Intelligence
著者: Dingyu Yao, Junhao Zhou, Chenxu Yang et al.（JD.com）
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
これまでのAIは「話しかけられてから答える」のが基本。この研究は映像を見続けて、自分から話す瞬間を判断するAIをつくった
AIが毎秒「黙って見続ける・話す・難題は大型AIに任せる」の3つから選ぶ仕組み。黙ることも立派な選択肢として学習させた
わずか80億パラメータの小型モデルが、DoubaoやGeminiの映像通話機能に「タイミング」で勝利。監視・警告の場面では全勝した
キーワード
ターン制AI: 話しかけられてから答える、質問待ちのAI。今の主流だけど「今この瞬間」を見続けるのが苦手。
インタラクションモデル: 映像を見続けて、いつ話すかを自分で決めるAI。この研究が目指した新しいかたち。
デリゲート: 自分の手に余る難題を裏方の大型AIに任せること。任せている間も現場の監視は続ける。
時間整合データ: 映像の1秒ごとに「黙る・話す・任せる」の正解をつけた教材。これがAIの判断力を育てる。
AdaCodec: 映像を賢く圧縮する技術。変化の少ない場面は情報量を大きく減らして、長時間でも軽快に動かす。
論文リンク
論文URL: https://arxiv.org/abs/2606.14777
...more
8min
June 17, 2026#61 AIが記者になる時代、その数字どこから？
今回の論文
タイトル: Data Journalist Agent: Transforming Data into Verifiable Multimodal Stories
著者: Kevin Qinghong Lin et al.（オックスフォード大学、スタンフォード大学）
発表: arXivプレプリント（2026年）
このエピソードのポイント
生のデータを放り込むと、AIが図表や音声つきの「読み物」を丸ごと自動で作ってくれる
AIを7つの役割に分けた“バーチャル編集部”が分業。中でも「この数字はどこから来た？」を全部記録する検査官役がカギ
一般読者の74%がAI版の記事を好んだ一方、データの外側にある「切り口」では人間がまだ優位
キーワード
マルチエージェント: 1つのAIに全部やらせず、役割ごとに分けた複数のAIを連携させる仕組み。新聞社の編集部のように分業させます。
検査官（Inspector）: 記事の数字や引用を「出どころ」に紐づける役割。どのコードから出た数字か、どのURLに基づく事実かを記録します。
検証可能性／監査可能性: 書かれた内容を後から第三者が確認・追跡できること。「正しいか」ではなく「根拠をたどれるか」を指します。
マルチモーダル: 文章だけでなく、画像・動画・音声・操作できる地図など、複数の表現手段を組み合わせること。
ハルシネーション: AIが事実でないことをもっともらしく作り出してしまう現象。この研究が抑えたかった問題です。
論文リンク
論文URL: https://arxiv.org/abs/2606.11176
...more
8min
June 16, 2026#60 AIの記憶は「思い出す」もの
今回の論文
タイトル: Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents
著者: Shuo Ji, Yibo Li, Bryan Hooi（シンガポール国立大学）
発表: ICML 2026（第43回国際機械学習会議）
このエピソードのポイント
AIが過去の会話を「一発で検索」するのではなく、手がかりをたどって少しずつ思い出す仕組みを実現した
記憶を「手がかり・タグ・内容」の3層でつなぎ、複数の情報を組み合わせる難しい質問に強くなった
精度が最大23%向上した上に、1問あたりの処理量を約5分の1に削減してコストも改善
キーワード
LLMエージェント: 大規模言語モデルを頭脳に、自分で考えて行動するAIシステムのこと。
コンテキストウィンドウ: AIが一度に処理・記憶できる文章の量。これを超えると過去の内容を忘れてしまう。
検索拡張生成（RAG）: 外部に保存した文書から関連情報を探し、それを参考にAIが答えを作る仕組み。
マルチホップ質問: 複数の情報をつなぎ合わせないと答えられない、推論の手数が多い質問。
能動的再構築: 検索の途中で得た情報をもとに、次にどこを探すかをAI自身が判断していく方式。
論文リンク
論文URL: https://arxiv.org/abs/2606.06036
...more
0min
June 15, 2026#59 壊れた画像をAIが自分で直して理解する時代
今回の論文
タイトル: Robust-U1: Can MLLMs Self-Recover Corrupted Visual Content for Robust Understanding?
著者: Jiaqi Tang, Jianmin Chen, Youyang Zhai et al.（香港科技大学ほか）
発表: ICML 2026予定（arXivプレプリント 2026年6月）
このエピソードのポイント
ノイズやぼやけで崩れた画像を、AI自身がいったんきれいに描き直してから答える「自己修復」という新しい発想
見た目をきれいにするだけでは理解は良くならず、「意味を保った復元」になって初めて正答率が跳ね上がる、という意外な発見
安全優先なら時間をかけ、速度優先なら劣化を検知した時だけ修復する——用途に応じて選べる設計思想
キーワード
マルチモーダルLLM: 画像と文章を一緒に理解できるAI。写真を見て質問に答えたり説明したりできます。
視覚の自己修復: AIが、ノイズやぼやけで崩れた画像を自分できれいに描き直すこと。修復した画像を見ながら判断します。
強化学習: AIの出力に点数をつけ、高得点を狙うよう試行錯誤で賢くする訓練法です。
CLIP: 画像と言葉の「意味」を共通の物差しで比べる仕組み。見た目ではなく内容の一致を測れます。
ハルシネーション: AIが、実際には無いものをあるかのように作り出してしまう誤りのことです。
論文リンク
論文URL: https://arxiv.org/abs/2606.08063
...more
0min
June 13, 2026#58 変わり続ける環境でAIは古い記憶に縛られる
今回の論文
タイトル: EvoArena: Tracking Memory Evolution for Robust LLM Agents in Dynamic Environments
著者: Jundong Xu, Qingchuan Li et al.（シンガポール国立大学ほか）
発表: 2026年（プレプリント）
このエピソードのポイント
現実の仕事はルールも道具も変わり続けるのに、AIのテストは「止まった環境」ばかりだった
最新の強力なAIでも変化する環境は苦手で、正解率は平均39.6%にとどまった
Gitのように「変更前・変更後・理由」を残す記憶方式EvoMemで、AIの信頼性が一貫して向上した
キーワード
LLMエージェント: ChatGPTのようなAIが自分で考え、道具を使いながら複数の手順をこなして作業を進める仕組みのことです。
状態の崩壊: AIの記憶が最新情報だけを上書きしてしまい、まだ有効な古い情報や「なぜ変わったか」が消えてしまう問題です。
パッチ（記憶の差分）: 「変更前・変更後・理由・根拠」をセットで記録した変更履歴のかたまり。Gitの考え方を記憶に応用したものです。
ステップ単位／連鎖単位の正解率: 1問ずつの正解率と、一連の問題を最後まで全部正解できた割合のこと。後者の方がはるかに厳しい指標です。
退行（リグレッション）: 新しい作業を加えたせいで、それまで正しく動いていた部分を壊してしまうことです。
論文リンク
論文URL: https://arxiv.org/abs/2606.13681
...more
8min
June 12, 2026#57 衛星写真1枚で地球まるごと3D化する時代がやってきた
今回の論文
タイトル: ABot-Earth 0.5: Generative 3D Earth Model
著者: AMAP CV Lab（Alibaba Group）
発表: 2026年6月
このエピソードのポイント
どこでも手に入る衛星写真1枚から、リアルな3D都市空間をAIが「生成」。1平方キロをわずか10分以内で3D化できる
撮影に巨額の予算がかかる従来の3D地図と違い、途上国や地方都市もカバー可能に。アフリカのカバー率はGoogle Earthの3.7%に対して68.5%を実現
生成された3D空間は、ドローンの訓練場や災害シミュレーション、都市計画など「意思決定に使える地図」への応用が期待される
キーワード
3D Gaussian Splatting（3DGS）: 風景を無数の半透明な「色つきの点」の集まりで表現する3D技術。写真のようにリアルな描画ができ、木の葉や水面など複雑な形も得意
写真測量（フォトグラメトリ）: たくさんの写真を撮って、その見え方の違いから立体の形を復元する従来の手法。精度は高いけれど、コストと時間がとてもかかる
sim-to-realギャップ: シミュレーション環境と現実世界のズレのこと。仮想空間で訓練したAIが、現実ではうまく動かない原因になる
LOD（Level of Detail）: 視点の距離に応じて3Dモデルの細かさを切り替える仕組み。遠くは粗く、近くは細かく表示して処理を軽くする
デジタルツイン: 現実の都市や施設をデジタル空間にそっくり再現した「双子」。シミュレーションや計画づくりに使われる
論文リンク
論文URL: https://arxiv.org/abs/2606.09967
...more
8min
June 11, 2026#56 ベンチマーク満点でも仕事は無理？AIの最終試験
今回の論文
タイトル: Agents' Last Exam
著者: Yiyou Sun, Xinyang Han, Weichen Zhang, et al.（カリフォルニア大学バークレー校ほか、250名超の業界専門家が参加）
発表: 2026年6月（arXiv）
このエピソードのポイント
テストでは満点でも現実の仕事では使えない、というAIのギャップを測る試験をつくった研究
法律・金融・医療・半導体設計など55の専門分野、1,000以上の本物の業務を集めて、人間の主観に頼らず自動で採点
最強のAIでも最難関タスクの完全クリア率はわずか2.6%。失敗の約4分の3は操作ミスではなく「専門知識の不足」が原因
キーワード
ベンチマーク: AIの実力を測る共通テスト。高得点で研究は加速するが、中身が現実とズレると「テストだけ得意なAI」が生まれてしまう。
コンピュータ操作エージェント（GCUA）: 人間のようにマウス操作もコマンド入力も両方こなし、長い作業を最後までやり遂げるタイプのAI。
GUIとCLI: GUIはアイコンやボタンをマウスで操作する画面、CLIは文字でコマンドを打ち込む操作。専門業務では両方を行き来する必要がある。
完全クリア率: タスクを満点で仕上げられた割合。部分点ではなく「完全に仕事をやり切れたか」を示す厳しい指標。
生きたベンチマーク: 課題の約9割を非公開にして定期的に入れ替える設計。AIが答えを丸暗記して攻略するのを防ぐ仕組み。
論文リンク
論文URL: https://arxiv.org/abs/2606.05405
...more
9min
June 10, 2026#55 AIのスキルを「重み」に埋め込む新発想
今回の論文
タイトル: LatentSkill: From In-Context Textual Skills to In-Weight Latent Skills for LLM Agents
著者: Aofan Yu, Chenyu Zhou et al.（上海交通大学ほか）
発表: arXivプレプリント, 2026
このエピソードのポイント
AIに毎回「作業手順書」を読ませる代わりに、手順書をAIの追加部品（重み）に変換して差し込む新しい方法を紹介
入力する文章量を6〜7割減らしながら、作業の成功率も上がるという「いいとこ取り」を実現
ノウハウが読める文章として外に出にくくなり、乗っ取り攻撃にも強くなるのでセキュリティ面でも有利
キーワード
LLMエージェント: 大規模言語モデルが「考える→動く→結果を見る」を繰り返して、複雑な作業を自分でこなす仕組みです。
スキル（手順書）: 「こういう時はこうする」という再利用できる作業手順を、文章で書いておいたものです。
LoRA: AI本体を作り直さず、小さな追加パーツだけで振る舞いを調整できる省コストな技術です。
ハイパーネットワーク: 別のAIの「部品（重み）」を生み出す、AIのためのAIです。手順書からパーツを自動で作ります。
重み空間: AIの能力を決める内部の数値の世界。文章ではなく数値の中に知識を埋め込む場所です。
論文リンク
論文URL: https://arxiv.org/abs/2606.06087
...more
8min
June 09, 2026#54 AIの検索が14%賢くなる引き算の魔法
今回の論文
タイトル: Your UnEmbedding Matrix is Secretly a Feature Lens for Text Embeddings
著者: Songhao Wu, Zhongxin Chen et al.（中国人民大学、レノボ、武漢大学）
発表: arXivプレプリント（2026年）
このエピソードのポイント
LLMが作る文章ベクトルには「the」や「,」みたいな意味の薄い単語が無関係に混ざり込んでいた、という意外な発見
その邪魔な成分だけを取り除く「EmbedFilter」を提案。追加学習なしで既存モデルに被せるだけ
検索精度が最大14%向上しつつ、データ容量を8分の1まで減らせる。性能アップと軽量化を同時に達成
キーワード
テキスト埋め込み: 文章を「意味の近さ」で比べられる数値の列に変換すること。検索やマッチングの土台になる技術です。
逆埋め込み行列: LLMの内部で、計算された数値を実際の単語に戻すための変換表。今回はこれを意味を覗く「レンズ」として使いました。
高頻度トークン: 「the」や「,」のように、どんな文章にもよく出てくるけれど意味の薄い単語や記号のこと。
EmbedFilter: 文章ベクトルから邪魔な平均成分を取り除く単純な計算。学習が不要で後処理として差し込めます。
ゼロショット: 追加の訓練をせず、モデルをそのまま使って未知のタスクをこなすこと。
論文リンク
論文URL: https://arxiv.org/abs/2606.07502
...more
6min

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.