医療特化モデル「Reasoning-Medical-27B」がQwen3.6-27Bベースで登場
EpistemeAIが、Qwen3.6-27Bをベースに医療推論に特化させた「Reasoning-Medical-27B」を公開した。専門医学、医療遺伝学、大学生物学・医学、臨床知識の領域を対象に、37万件の高品質なQ&Aデータセットでファインチューニングを実施している。
特徴は、Chain-of-Thought推論を組み込むことで段階的な医療問いへの回答精度を高めた点だ。トレーニングにはGRPO手法とUnsloth最適化を採用し、効率的なファインチューニングを実現している。Hugging Faceでモデルウェイトとデモ環境が公開されており、医療AIのローカル運用に関心がある開発者にとって参考になるアプローチと言えそうだ。
推論の「ノイズ」を除去してハルシネーション検出を向上——ReDeフレームワーク
推論型LLMが生成する長い思考チェーンは、ハルシネーション検出に有用な情報を含んでいる。しかし、すべての推論ステップが有益というわけではない。Hugging Faceで公開された論文「Reasoning Denoiser」（ReDe）は、この課題に正面から取り組んでいる。
研究チームは、推論トレースに2種類のノイズが頻繁に混入することを発見した。1つ目は問題解決にほとんど寄与しない「無関係ステップ」、2つ目は他の場所ですでにカバーされている「重複ステップ」だ。これらがハルシネーション検出に必要なシグナルを曖昧にしてしまう。
ReDeは、最終回答へのアテンションを自動的な教師信号として利用し、有益なステップとノイズを分離する表現を学習する。人手によるステップレベルのアノテーションを必要とせず、probingベース、不確実性ベース、言語化ベースのいずれの検出器とも組み合わせ可能だ。
TruthfulQA、MATH、CodeElo、MultiHopQAでQwen3とDeepSeek-R1を対象に検証した結果、一貫した改善が見られた。特にTruthfulQAではAUROCが最大18.69ポイント向上し、87.32に達している。「信頼できる推論モデルには、推論トレースを解析するだけでなく、まずノイズを除去すべきだ」というのが研究チームのメッセージだ。
Gemini 3.6 Flash、公開から1週間で「痺れるほどのミス」は直ったか
Googleの「Gemini 3.6 Flash」は公開直後、数値比較の誤答や架空の魚への回答など「痺れるほどミスを繰り返す」とX（旧Twitter）で話題になった。ITmediaは公開から約1週間経った時点で、当時報告された問題を改めて検証した。
数値比較や架空の存在への対応がどこまで改善されたかを実際にテストしており、モデルの反復改善プロセスを観察する上で興味深い。フラッグシップモデルの初期リリースにおける品質のばらつきは、Geminiシリーズに限らず多くのLLMで見られる現象であり、運用導入の判断材料として実用的な知見を提供している。
AIで古代言語を解読できるか
The Conversationが、AIを用いた古代言語の解読可能性を探る記事を公開した。失われた言語や文字体系の解読は、これまで専門研究者の長年の作業に依存してきたが、パターン認識に優れた機械学習の活用により新たな展開が期待されている。
ただし、記事はAIを万能の解読ツールとして位置づけるのではなく、言語学と計算機科学の協業が不可欠であるという慎重な立場をとっている。AIがもたらす可能性と限界をバランスよく伝える内容となっている。
「AIがすべてのコードを書くとしたら、プログラマーは何をするのか」
プログラミング言語C++のコミッタでもある Erik Rigtorp が、AIがコード記述を担う世界におけるプログラマーの役割を考察するブログ記事を公開し、Hacker Newsで注目を集めている。
AIコーディングツールの能力向上が著しい今、「コードを書く」こと自体が自動化された後も、プログラマーが提供すべき価値は何かという本質的な問いを投げかけている。システム設計、問題の定義、品質保証、そして技術的判断といった領域が改めて見直される内容で、AI時代のエンジニアリング組織を考える上で参考になる視点だ。