NVIDIAが物理AI向けワールドモデル「Cosmos3-Super」リリース
NVIDIAがCosmosプラットフォームの最新版となるCosmos3-Super 65BをHugging Faceで公開した。同モデルは物理AI（Physical AI）の開発を加速するためのオムニモーダルワールド基盤モデルで、ロボティクス、自動運転、自律システムなど幅広い領域での活用を想定している。
従来の言語モデルとは異なり、物理世界を理解・シミュレート・操作する能力に特化している点が特徴。NVIDIAはホワイトペーパーとモデルコレクションを併せて公開しており、研究コミュニティからの関心を集めている。物理AIの基盤モデルとして、実環境でのテスト前に仮想環境での検証を可能にするアプローチは、開発コストと安全性の両面で大きな意義があるとみられる。
AIエージェント、経済的実用性はまだ遠い — 新ベンチマーク「ALE」合格率2.6%
250人以上の業界専門家と協働して開発された**Agents' Last Exam（ALE）**という新ベンチマークが発表された。このベンチマークは、AIエージェントが長期的かつ経済的価値のある現実のタスクをどこまで実行できるかを評価するもの。
O*NET / SOC 2018（米国連邦職業分類）を参照して13の産業クラスタ・55のサブフィールド・1,000以上のタスクで構成されている。結果は厳しく、主流のエージェントフレームワークとバックボーン構成において**平均フルパス率はわずか2.6%**に留まった。既存のベンチマークで好成績を出しても、経済的に意味のある業務ではまだ通用しないという「評価の乖離」を浮き彫りにする結果となっている。
フロンティアAIの訓練を「ゼロ知識証明」で検証 — 新研究が可能性を示す
フロンティアAIのガバナンスでは、累積訓練計算量を高影響モデルの指定基準として用いる動きが進んでいる。しかし実際の執行は自己申告に依存しており、技術的な検証手段が存在しないのが現状だ。
arXivに投稿された新しい研究は、ゼロ知識証明を用いたフロンティアAI訓練の検証が原理的に可能であることを示した。これにより、訓練の具体的な内容を開示することなく、計算量の閾値を超えたかどうかを第三者が検証できる仕組みの実現に道が開かれた。将来のAI規制における技術的基盤として注目される。
米国ハイパースケールDC 403施設の炭素排出を初の網羅的評価
AI需要の急増に伴い、米国のハイパースケールデータセンター（HDC）の環境負荷が懸念されている。新たな研究では、米国の403のHDC施設を対象に、施設レベルでの炭素排出量とエネルギー消費の包括的な評価を実施した。
AIの普及を主な推進力とするHDCの急速な増加は、業界の環境フットプリントに関する懸念を高めており、本研究はその実態をデータに基づいて明らかにする初の大規模な取り組み。データセンターの立地、電力源、冷却効率など多角的な視点から分析しており、持続可能なAIインフラの議論に重要な基礎データを提供する。
LLM審査員、対話で判断が覆る — 「判断後の操作可能性」を検証
LLM-as-judge（LLMを審査員として用いる評価手法）はベンチマーク評価で広く使われているが、新研究はその安定性に疑問を呈している。研究チームは「判断後の操作可能性」、つまり最初の判断が出た後に審査員と対話を続けると評価結果が覆る現象を検証した。
MT-BenchとAlpacaEvalでの実験の結果、LLM審査員は中立的な再評価では高い安定性を示す一方、標的型の判断後チャレンジでは大幅に覆ることが分かった。権威的なフレーミングが特に不安定化を招き、修正された判断には事後的な合理化が伴う傾向があったという。研究では**Evaluation Robustness Score（ERS）**という新しい指標も導入し、静的な一致率だけでなく、操作への耐性も評価すべきだと主張している。
資源制約がシリコンバレー以外でAIイノベーションを加速
Rest of Worldのレポートが、シリコンバレー以外の地域で資源制約が逆にAIイノベーションを促進している実態を報告した。計算資源や資金が限られた環境では、より効率的な手法や創造的なアプローチが生まれる傾向があり、新興国や小規模チームでの独自のAI開発事例が紹介されている。
シリコンバレーの「スケールで解決する」アプローチとは異なる、限られたリソースを最大限活用する開発哲学は、グローバルなAI開発の多様性を示すものとして注目される。