技術 2026年4月1日(水) 約10分 TRL v1.0がメジャーリリース、LLMポストトレーニングの安定基盤へ HuggingFaceのLLMポストトレーニングライブラリTRLがv1.0に到達。Stable/Experimental二層モデルの導入、GRPO・DPO・SFTなど主要手法の安定化、非同期GRPOのロードマップが示された。 AI 機械学習 強化学習 LLM HuggingFace
技術 2026年3月27日(金) 約10分 HyperAgents、「改善の仕方」の改善はコーディング以外にも転移する Meta AIのHyperAgentsは改善戦略そのものを最適化するメタ認知的自己修正を実現。コーディング以外の4ドメインで自己改善が動き、別ドメインで獲得した改善戦略の転移や永続メモリの自発的獲得が観察された。 メタ学習 自己改善AI 強化学習 Darwin Gödel Machine Meta AI
技術 2026年3月27日(金) 約7分 Chroma Context-1、フロンティアLLMと同等の検索性能を20Bパラメータで実現 Chromaが公開した20Bパラメータの自己編集型検索エージェント。コンテキストを動的にプルーニングしながらマルチホップ検索を行い、フロンティアモデルの1/10コスト・最大10倍速のレイテンシで同等以上の精度を示す。重みはApache 2.0で公開。 Chroma 検索エージェント 強化学習 RAG LLM
技術 2026年3月21日(土) 約3分 Cursor Composer 2はKimi K2.5にコーディング特化RLを適用したモデルだった CursorがComposer 2の基盤モデルを未公表のままリリースし、API経由でKimi K2.5であることが判明。ライセンス問題に発展したが、Moonshot AIとの正式契約が確認された。 Cursor Kimi Moonshot AI 強化学習 LLM オープンウェイト
技術 2026年3月11日(水) 約6分 16のオープンソースRLライブラリで見えたLLM非同期訓練の設計パターン HuggingFaceが16のオープンソースRL訓練ライブラリを7つの設計軸で比較分析。同期型では生成ボトルネックでGPU利用率が60%程度に留まるが、非同期分離設計で95%以上に改善できる。 AI 機械学習 強化学習 LLM
技術 2026年2月3日(火) 約2分 Agent Lightning: MicrosoftのAIエージェント強化学習フレームワーク Microsoftが公開した、ほぼコード変更なしであらゆるAIエージェントを強化学習で最適化できるフレームワーク。LangChain、AutoGen、Claude Agent SDKなど任意のフレームワークに対応。 AI エージェント 強化学習 Python Microsoft
技術 2026年2月2日(月) 約5分 Power Sampling：強化学習なしでLLMの推論能力を引き出す RLで学習させなくても、推論時のサンプリング戦略を変えるだけでLLMの推論性能が向上する。Haitham Bou Ammar氏の記事をもとに、Power Samplingの仕組みと実務的なインパクトを解説する。 LLM 推論 強化学習 サンプリング AI
