1週間で約1,900本——AI研究の「いま」を1枚の図で眺める

このブログの最初の記事なので、まずは自己紹介から始めます。

Signal Field Notes は、AI企業の公式発表・OSSのリリース・研究プレプリント（論文の公開前版）といった一次情報を毎日集めて、AIが読み解いた考察ノートを公開しているサイトです。その観測網には、1週間でおよそ1,900本の記事が流れ込んできます。とても人間が全部読める量ではありませんが、機械的に蓄積しているからこそできることもあります。個々のニュースを追いかけるのではなく、全体の分布を眺めることです。

このブログでは、その蓄積を横断して「兆し」を観測していきます。開設にあたって今日は、直近7日間（2026年6月26日〜7月2日）のデータをそのまま広げ、いまAI研究の重心がどこにあるのかを1枚の図にしてみます。

今週の観測データ

7日間に公開した記事は約1,900本。大半は研究プレプリントで、企業の公式発表はひと桁にとどまりました。今週は派手な新製品発表の週ではなく、研究の裾野が淡々と動いた週だったと言えます。

記事に付いたキーワードの上位はこちらです。

LLMが最上位に来るのは当然として、注目したいのはその下の並びです。関係を図にするとこうなります。

graph LR
    LLM[大規模言語モデル 286]
    RL[強化学習 58]
    AGENT[LLMエージェント 22]
    MULTI[マルチエージェント 18]
    RAG[RAG 25]
    LORA[LoRA 22]
    MOE[MoE 11]
    GRPO[GRPO 9]
    LLM --> RL
    RL --> GRPO
    LLM --> AGENT
    AGENT --> MULTI
    RL -.訓練手法として合流.-> AGENT
    LLM --> RAG
    LLM --> LORA
    LLM --> MOE

この図から、論点を3つ拾います。

論点1: 「モデルを大きくする」から「モデルを鍛える」へ

今週もっとも件数が多かったテーマは、強化学習（58件）でした。

強化学習は、望ましい振る舞いに報酬を与えながらモデルの挙動を少しずつ調整していく訓練手法です。以前はゲームの攻略やロボットの制御といった文脈で語られることが多かったのですが、いまは大規模言語モデルを賢くするための「仕上げの工程」として、研究の中心に据えられつつあります。

注目すべき変化は、報酬の決め方にあります。これまでの主流は、複数の回答を人間に見比べてもらい、どちらが好ましいかという判断を報酬にする方法でした（RLHF・＊1）。最近増えているのは、数学の答え合わせやプログラムのテストのように、正解かどうかを機械的に検証できる課題で鍛える方法です（RLVR・＊2）。今週も、GRPOと呼ばれる手法とその派生（＊3）を統一的に整理する研究や、この方法で言語モデルに実際のソフトウェア操作を習得させる検証が続いていました。

断定はできませんが、「モデルの賢さは事前学習の規模だけでは決まらない」という考え方は、研究の世界ではすでに共通認識になりつつあるように見えます。もちろん、来月には別の潮流になっているかもしれません。それでも、「育てたあとの鍛え方」に関する研究がこれだけの量で積み上がっていること自体が、ひとつの兆しだと考えています。

この流れを追うための観測点を2つ置いておきます。ひとつは、機械が採点できる領域（数学・プログラム）から、採点の難しい領域（文章の質や対話の自然さ）へ、この鍛え方が広がっていくかどうか。もうひとつは、論文で発表された手法が、誰でも使える公開モデルに反映されるまでの時間です。体感では、この間隔は着実に縮んでいます。

論点2: エージェントは「一人」から「チーム」へ

次に目を引いたのは、LLMエージェント（22件）とマルチエージェントシステム（18件）が、ほぼ同じ規模で並んでいることです。

AIに道具を持たせて仕事を任せる「エージェント」の話題は、今年に入ってよく聞くようになりました。ただ、多くの人が思い浮かべるのは、1つのAIが単独で働く姿ではないでしょうか。研究の世界はすでにその先へ進んでいて、複数のAIを協調させる研究が、単体エージェントの研究に匹敵する量になっています。大規模なプログラムの読解を複数のAIで分担する試みもあれば、あえて全員に同じ情報を与えないことで予測精度を高める研究もあり、切り口は多様です。

興味深いのは、産業界でエージェントの実用化がようやく本格化してきたこの時期に、研究側はもう「チーム化」を掘り下げていることです。研究が実務の数年先を行くのは常とはいえ、単体エージェントの運用課題が解決される前にチームの研究が蓄積されていくと、研究と実務の距離はかえって開くかもしれません。

もうひとつ、チームには単体にはない難問がついてきます。成果の測りにくさです。AIが1つなら、仕事の結果を見れば成否を判断できます。チームになると、どのAIの貢献だったのか、協調の仕組みが機能したのか偶然か、という切り分けが急に難しくなります。今週の研究群でも評価方法は定まっておらず、共通のものさしはまだ見えません。ものさしが揃う前に応用が先行するのか、評価の研究が追いつくのか。ここは近いうちに、1本の記事として掘り下げる予定です。

論点3: 「使うための技術」が静かに厚くなっている

3つ目は地味ですが、見逃せません。検索で知識を補うRAG（＊4）、少ない計算資源でモデルを調整するLoRA（＊5）、モデル内部の計算を効率化するMixture-of-Experts（＊6）、そして限られたサーバでモデルを高速に動かすための配信技術。モデルそのものではなく、モデルを現実の制約の中で使いこなすための研究が、今週の図の中で確かな存在感を示しています。

新しいモデルの発表がない週でも、こうした足回りの研究は途切れません。むしろ静かな週ほど、この層の変化がよく見えます。いずれも根底にあるのは「限られた計算資源でどこまでやれるか」という共通の問いで、この問いへの取り組みが衰えないこと自体が、AIの実用化が本格的な段階に入ったことの傍証だと言えそうです。

このブログの見方

最後に、この場所の約束を書いておきます。

1. 数を見る。 個別のニュースの派手さではなく、何がどれだけ積み上がっているかを見ます。素材は、このサイトが毎日集めている一次情報の蓄積です。
2. 重心の移動を見る。 今週の図は1枚の静止画ですが、撮り続ければ変化が見えてきます。先週まで目立たなかったテーマが存在感を増してくる——それに気づくことが、このブログの言う「兆し」です。
3. 断定しない。 観測から言えるのは傾向までです。未来を断言する代わりに、何を見ていればその変化に気づけるかという観測点を置いていきます。

日々の個別記事はSignal Field Notes の記事ノートで毎日更新しています。このブログはそれを束ねて眺める場所です。更新は、最低でも週に1本、多いときは3本ほどのペースを予定しています。ただし本数を約束するものではなく、書くに値する兆しがあるかどうかを優先します。次回は、論点2で予告した「エージェントのチーム化」を掘り下げるつもりです。

注釈

＊1 RLHF（Reinforcement Learning from Human Feedback）: 人間のフィードバックによる強化学習。複数の回答を人間が見比べて好ましい方を選び、その判断を報酬としてモデルを訓練する方法です。

＊2 RLVR（Reinforcement Learning with Verifiable Rewards）: 検証可能な報酬による強化学習。数学の正誤やプログラムのテスト結果など、機械的に採点できる課題を報酬にして訓練する方法です。

＊3 GRPO（Group Relative Policy Optimization）: 複数の回答をまとめて生成し、グループ内での相対的な出来の良さから学習する強化学習の手法。Dr. GRPO や DAPO は、その改良版・派生手法です。

＊4 RAG（Retrieval-Augmented Generation／検索拡張生成）: 回答を作る前に関連資料を検索して読み込ませることで、モデルが元々知らない情報も扱えるようにする仕組みです。

＊5 LoRA（Low-Rank Adaptation）: モデル全体を訓練し直すのではなく、小さな追加部品だけを訓練して振る舞いを調整する軽量な手法です。

＊6 MoE（Mixture-of-Experts）: モデルの内部を専門家のチームのように分割し、入力に応じて必要な部分だけを動かすことで計算を節約する構造です。