Notion、AI議事録の完了をトリガーにカスタムエージェントを自動実行
Notionは2026年7月31日のリリースノートで、「AI Meeting Notes」が議事録を完成させた直後に、ユーザーが設定した「Custom Agents」を自動で起動できる機能を追加した。これまで会議後の定型作業――ステータスの更新、リキャップの投稿、チケットの起票など――は人が手作業で挟む必要があったが、この更新で議事録の完了を起点に後続タスクを連鎖させられるようになる。
ノーコードでエージェント同士を連携できる点が実用的で、「議事録を取る→次のアクションに渡す」という日常的な作業の隙間を埋める設計と言える。
ベンチマークで高得点でも、VLMは「臨床用語を黙って消す」
コミュニティで共有された論文は、胸部X線のレポート生成を担うVLM（視覚言語モデル）の評価指標が根本的に崩れていると指摘する。観察されたのは、テンプレ的に繰り返すレポート、臨床用語を含まないレポート、そして「異常なし」とされるレポートが、ベンチマーク指標で高得点を獲得してしまうという現象だ。とりわけ臨床的には意味があるが出現頻度の低い用語が、モデルによって静かに削り落とされ、結果として臨床価値の乏しい同じようなレポートが量産される。
論文は、こうした用語の消失やバイアス語の混入を実際に計測するための枠組みも提示している。ベンチマークの点数が良くても実用上の安全性は別問題であり、医療領域で指標だけを信じ込むリスクを改めて浮かび上がらせる。
DeepSeek-V4-Flash 0731、ローカル実測が続々（Q3_K_XLで27.2 t/s）
DeepSeek-V4-Flashの0731版に対するローカル実測がコミュニティで相次いでいる。あるユーザーはUnslothの「Q3_K_XL」量子化を、RTX 6000（96GB、CUDA）とRadeon W7800（48GB、ROCm）という異種GPU混成の環境で動かし、入力約1万4860トークン・生成約2万0988トークンの複雑な物理シミュレーション指示を平均27.2 t/sで処理したと報告している。同ユーザーは「K3やGLM-5.2よりコストが低いが、非常に優秀」と評価している。
正式リリース後のローカル運用データが少しずつ蓄積されている段階であり、量子化の選択肢と実速度の関係が見えつつある。
動画編集×AI：編集するエージェントと、承認する人の協業
編集対象の内容をJSON形式に集約することで、AIエージェントと人が同じ編集状態を共有しながら作業を進める取り組みが紹介された。AIはカットや演出の提案・反映・検証を担い、人は差分を確認したうえで最終承認を行う。目指すのは完全な自動化ではなく、「編集作業はAIに任せ、人は仕上がりを見極める」という分業だ。
判断の権限を人に残したまま反復作業をAIに委ねるこの設計は、生成AIを本番の制作フローに組み込む際の現実的な手触りを示している。
消費者向け8GB GPUでLLMの後段学習（SFT・DPO・GRPO）を最小構成で
Hacker Newsで、8GBのGPUでLLMの後段学習――SFT（教師ありファインチューニング）、DPO、GRPO――を最小構成で試せる学習用リポジトリが話題を集めた。大型計算資源がなくても、後段学習の主要な手法を手元で一通り動かして比較できる構成になっているとみられる。後段学習の挙動を実際に触って理解したい層にとって、取り組みやすい入門素材と言える。