AI一次情報デイリー一次情報だけ。毎日。判定つき。
日次ダイジェスト✓ AI検品済み（各項目を出典と照合）

2026-10-13 のAI公式アップデート（6件）

2026-10-13 に確認した公式発表 6 件の要約と判定。主な項目: v0.40.4

公式発表 6 件。各項目は公式一次情報の要約で、判定はルール（提供段階 × 日本での利用可否 × 重要度）で自動付与しています。

1. v0.40.4

Ollama（2026-10-12） ／ 判定: × 無視でOK ／ 重要度 2/5 ／ 提供: プレビュー・日本: 不明

Ollama の GitHub Releases に v0.40.4 のリリース候補（タグ v0.40.4-rc0、Pre-release 扱い）が公開された。変更点は llama.cpp を b11521 に更新（decision models と EmbeddingGemma 2 向け）、推論ルートでの検証済みマニフェストとロード済みモデルの再利用、MLX の speculative rollback 後の recurrent state の圧縮、Codex の /model picker にインストール済みモデルを含める変更、MLX／MLX-C のバージョン更新の5件。

  • 提供条件: GitHub 上で Pre-release（リリース候補 rc0）として公開。正式版 v0.40.4 ではない。
  • 関係する人: Ollama をローカル・サーバーで運用する開発者、Apple Silicon（MLX）で Ollama を使う利用者、Codex と Ollama を連携して使う開発者
  • 今日できること: GitHub Releases ページの Full Changelog（v0.40.3…v0.40.4-rc0）で変更内容を確認する ／ EmbeddingGemma 2 や decision models を使う場合は llama.cpp b11521 への更新が含まれるこの rc を試す ／ MLX 利用者は speculative rollback 後の recurrent state 圧縮（#18955）が自分の環境に影響するか確認する
  • 出典: https://github.com/ollama/ollama/releases/tag/v0.40.4-rc0

2. AISI事業実証ワーキンググループ・ビジョンペーパー(第2.0版) ～信頼とイノベーションが両立するAI社会の実現に向けて～ の公開

AIセーフティ・インスティテュート（AISI）（2026-10-06） ／ 判定: × 無視でOK ／ 重要度 2/5 ／ 提供: 一般提供・日本: 不明

AIセーフティ・インスティテュート（AISI）の事業実証ワーキンググループが、2025年3月開始の「AI利活用促進に向けたAIセーフティ評価に関する事業実証」におけるビジョンペーパーを、新規SWGも含めて2026年10月に更新し、第2.0版として2026年10月6日に公開した。ヘルスケア・ロボティクス・教育・ジオAIの4分野における、利用者のリスク理解を前提としたAIセーフティ評価の枠組み整備のビジョンと、各分野に共通するデータ品質・適合性評価の枠組みのビジョンを示している。本編と概要版が日本語で公開されている。

3. Locate, Judge, Read: Role-Specialized Tool Agents over a Knowledge-Point Index for Open-Domain Multimodal Document QA

arXiv（著者: Wenlin Lin, Fanzhe Wei）（2026-10-09） ／ 判定: × 無視でOK ／ 重要度 2/5 ／ 提供: 不明・日本: 不明

arXivに、大規模で異種混在の文書集合に対する質問応答のために、検索専用のLocatorエージェント・コードで制御されるブリッジ判定・読解専用のDeep Readerエージェントなどに役割を分けたパイプライン「KnowForge」を提案する論文が投稿された。自前ホストのQwen3.6-35B-A3Bで、オープンドメインのM3DocVQA全体においてF1 47.5を達成し、公開済みのM3DocRAGシステムを11.0ポイント上回ったとしている。3つの索引済みベンチマークを読み取り専用の知識ベース（無料登録）として提供し、全プロンプトとランナーコードも公開するという。

  • 提供条件: 製品ではなく研究論文。アブストラクトでは、索引済み3ベンチマークを読み取り専用の知識ベース（free registration）として提供し、全プロンプトとランナーコードを公開すると記載。公開先URLは本文中で「this https URL」と表示されるのみで、実URLは取得テキストに含まれていない。
  • 料金: 索引済みベンチマークの知識ベースは無料登録（原文: read-only knowledge bases (free registration)）で提供とのみ記載。
  • 関係する人: RAG・文書QAシステムを開発する開発者、AIエージェント・情報検索の研究者、社内文書（PDF・画像・表を含む）の検索基盤を構築する企業のIT部門
  • 今日できること: 著者らが公開するプロンプトとランナーコード、および無料登録で提供される索引済み3ベンチマークの読み取り専用知識ベースを使って、報告された結果を再現・検証する。 ／ 検索と読解を1つのエージェントに任せている既存のRAG構成がある場合、論文の「統合するとF1が1.9下がる」というアブレーション結果を踏まえ、検索専用と読解専用への役割分離を自分のデータで比較評価する。 ／ 検索エージェントのラウンド予算を決める際、論文で報告されたLocator 4ラウンドでの段差とその後の横ばいという結果を参考に、自環境で予算を掃引して確認する。
  • 出典: https://arxiv.org/abs/2610.13128

4. Recursive Self-Improvement through Collective Intelligence

Sakana AI（2026-10-12） ／ 判定: × 無視でOK ／ 重要度 2/5 ／ 提供: 不明・日本: 不明

Sakana AI が新しい論文「Recursive Self-Improvement through Multi-Agent Self-Supervision」を発表し、1つの共有モデルが仮想サブエージェントのチームで課題を解き、より良いマルチエージェントのワークフローを探索し、自分自身の判断で最良のものを選んで、そのチームの実行結果で学習する手法 MASS（Multi-Agent Self-Supervision）を提案した。27B のオープンウェイトモデルで2サイクル回したところ、2サイクル目の後に出力トークンあたりのスコアが4つの研究ベンチマークでベースモデルの1.2-1.6倍に達したとしている。あわせて、モデルが自分自身の評価者でもある「同質な再帰的自己改善（RSI）」は盲点を強化しかねないとして、AI安全性の観点から慎重な検証が必要だと述べている。

  • 提供条件: 製品やサービスの提供ではなく研究論文の発表。論文（arXiv）・コード（GitHub）・詳細ブログの URL が出典に記載されている。
  • 関係する人: AI研究者（自己改善・マルチエージェント・強化学習）、AI安全性の研究者・評価担当者、エージェント型AIシステムを設計する開発者
  • 今日できること: 詳細ブログ https://pub.sakana.ai/mass/ と論文 https://arxiv.org/abs/2610.12176 を読む ／ コード https://github.com/SakanaAI/mass を確認する
  • 出典: https://sakana.ai/mass/

5. OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models

arXiv（著者: Xule Gao, Xi Wang, Zehua Zang, Rui Wang, Changwen Zheng, Chuxiong Sun）（2026-10-09） ／ 判定: × 無視でOK ／ 重要度 2/5 ／ 提供: 不明・日本: 不明

arXiv に投稿された論文で、ロボット操作向けの Vision-Language-Action（VLA）モデルの事後学習（post-training）に、オフラインの目標条件付き方策最適化フレームワーク OGPO を提案している。デモ軌跡を単なるステップ単位の行動ラベルとして扱うのではなく、意味的なキー状態で軌跡を再ラベルし、目標条件付きのプロセス報酬を構築して、デモから外れた状態からもタスク進行状態へ到達（復帰）できる方策を追加のオンライン相互作用なしに学習させる。LIBERO と MetaWorld で標準的な教師ありファインチューニングを上回り、LIBERO-Plus と著者らが提案する実行途中の摂動ベンチマーク LIBERO-ReAct でより高い頑健性と復帰能力を示したとしている。論文は NeurIPS 2026 に採択済みと記載されている。

  • 提供条件: 研究論文（arXiv プレプリント、cs.AI、NeurIPS 2026 採択と記載）。コードやモデルの公開に関する記述は出典に無い。
  • 関係する人: ロボット操作・VLA モデルの研究者、ロボット学習の事後学習（post-training）手法を設計する開発者
  • 今日できること: arXiv:2610.12914 のページから View PDF または HTML (experimental) で論文本文を読む
  • 出典: https://arxiv.org/abs/2610.12914

6. RegulaTutor: A Theory-Informed Framework for Long-Term Personalized Learning

arXiv（著者: Yonggang Li, Boqian Han, Rui Sheng, Yushi Sun, Zixin Chen）（2026-10-09） ／ 判定: × 無視でOK ／ 重要度 2/5 ／ 提供: 不明・日本: 不明

arXiv に投稿された論文で、長期にわたる個別最適化チュータリングのための理論に基づくフレームワーク RegulaTutor を提案している。自己調整学習（SRL）研究に基づき、認知・感情・メタ認知・動機づけ（CAMM）の枠組みで学習者の履歴という証拠から学習者の解釈と指導方針を導き、方針は根拠へのリンクを保ったまま新しい観測で更新される。さらに、途中の実行記録からハーネス起因・モデル起因・混合の失敗を切り分けるオフライン手順 PairRoute で改善を行い、評価したモデル構成の平均で履歴証拠の正確さ・学習者診断・指導品質が向上したとしている。

  • 提供条件: 研究論文（arXiv プレプリント、cs.AI）。コードやシステムの公開、採択会議に関する記述は出典に無い。
  • 関係する人: 教育向け AI（AI チューター・個別学習支援）の研究者・開発者、LLM エージェントのハーネス設計と失敗分析を行う開発者
  • 今日できること: arXiv:2610.13399 のページから View PDF または HTML (experimental) で論文本文を読む
  • 出典: https://arxiv.org/abs/2610.13399

このページは公式一次情報の要約です。判定はルール（提供段階 × 日本での利用可否 × 重要度）で自動付与しており、性能の評価ではありません。契約・導入の前に必ず出典をご確認ください。