Main Categories
EXPLORE
Qwen3.5 Small技術解説──0.8Bでネイティブマルチモーダル・262Kコンテキストを実現する設計
Alibaba CloudのQwenチームがリリースしたQwen3.5 Smallシリーズ（0.8B/2B/4B/9B）は、1B未満のモデルでネイティブマルチモーダル対応と262Kトークンのコンテキストウィンドウを実現した。本記事では、改良アーキテクチャ、Scaled RL、MT...
SkyPilot──20以上のクラウドとKubernetesを統一するAIインフラ抽象化レイヤーの設計
SkyPilotは、Kubernetes、Slurm、20以上のクラウドプロバイダー、オンプレミス環境を統一的に管理し、AIワークロードを任意のインフラ上で実行するためのOSSプラットフォームだ。v0.11でマルチクラウドプール、高速マネージドジョブ、エンタープライズ対応が強化さ...
セルフホスト型パーソナルAI「Khoj」──ドキュメントとWebを横断するAIセカンドブレインの仕組み
オープンソースのパーソナルAIプラットフォームKhojがGitHub Trendingに浮上した。PDF、Markdown、Notion、Wordなど多様なドキュメントとWeb検索を統合し、任意のLLM（ローカル/クラウド）で質問応答・リサーチ・タスク自動化を行う「AIの第二の脳...
IEEE Video Friday──農業ロボット、ヒューマノイド、マイクロロボット群が示すロボティクスの最前線
IEEE Spectrumの週刊ロボティクス動画連載「Video Friday」が、四足歩行農業ロボット、ヒューマノイドロボットの新展開、磁気マイクロロボット群による非接触物体操作、二足歩行の安定性研究など、多数の最新ロボティクス映像を紹介した。 2026年のロボティクスは、研究...
LLMによるアルゴリズム自動設計──「強い事前知識」が性能を劇的に改善する
LLM（大規模言語モデル）を使ったアルゴリズム自動設計において、高品質なアルゴリズムコード例を事前に提供することが性能を大幅に改善することが実証された。トークンレベルの帰属分析により、LLMが生成するコードがプロンプト内のどの部分に強く依存しているかを明らかにし、ベンチマークアル...
AIエージェントがペネトレーションテストでプロ10人中9人を上回る──ARTEMIS論文が示す攻防の未来
AIエージェントとサイバーセキュリティ専門家を、約8,000ホスト・12サブネットからなる実稼働の大学ネットワーク上で初めて包括的に比較評価した研究が発表された。新しいマルチエージェントフレームワークARTEMISは、10人の人間のセキュリティ専門家のうち9人を上回る成績を収め、...
C#でモダンWebUIを構築する「MudBlazor」がトレンド入り──Blazorエコシステムの成熟を映す
Material DesignベースのBlazorコンポーネントライブラリMudBlazorがGitHub Trendingに浮上した。C#でインタラクティブなWebアプリケーションを構築できるMicrosoftのBlazorフレームワーク向けに、美しく使いやすいUIコンポーネン...
28の心理テストをAIが統合分析──「Deep Personality」が示す科学的自己理解の新アプローチ
Product Huntに登場したDeep Personalityは、28種類のエビデンスベースの心理アセスメント（性格特性、愛着スタイル、メンタルヘルススクリーニング、神経多様性、価値観など）を1時間以内で実施し、AIが統合的な分析レポートを生成するプラットフォームだ。 MBT...
AgentCenter for OpenClaw──Product Huntに登場したAIエージェント管理プラットフォーム
AgentCenter for OpenClawがProduct HuntのAI部門に掲載された。本稿執筆時点では、ソースページのセキュリティ検証により詳細な製品情報を取得できなかったため、公開情報に基づく簡潔な紹介にとどめる。 2026年に入り、AIエージェントの開発と運用が急...
TypeScriptファーストのEC基盤「EverShop」がGitHubトレンド入り──開発者のためのモダンコマースとは
TypeScript、GraphQL、Reactで構築されたオープンソースのECプラットフォームEverShopがGitHub Trendingに浮上した。開発者向けに設計されたモジュラーアーキテクチャと高いカスタマイズ性が特徴で、Docker一発での起動が可能だ。 Magent...
xLLM技術解説──vLLMの2.2倍のスループットを実現するエンタープライズLLM推論フレームワークの設計
xLLMは、大規模エンタープライズ向けに設計されたLLM推論フレームワークだ。分離型サービス-エンジンアーキテクチャを採用し、マルチモーダルリクエストの統合スケジューリング、動的Prefill-Decode（PD）分離、KVキャッシュのグローバル管理、投機的デコーディングの最適化...
MUSE技術解説──マルチモーダルLLM安全性評価の「モダリティ境界」問題に挑む統合プラットフォーム
MUSE（Multimodal Unified Safety Evaluation） は、LLMの安全性評価とレッドチーミングをマルチモーダルに拡張するオープンソースプラットフォームだ。テキスト中心だった従来の安全性テストに対し、音声・画像・動画入力に対するアラインメントの汎化を...