10億規模3DGSをシングルGPUで実現、AI研究の壁が崩れる
HKUSTが単一GPUで10億パラメータ超の3D Gaussian Splattingを訓練する手法TideGSを発表するなど、計算効率と研究自動化の最前線で重要な成果が相次いだ。
1. TideGS：単一GPU上で10億以上のプリミティブを扱う3D Gaussian Splatting
香港科技大学（HKUST）のSponge Computing Labが2026年5月19日に公開した論文「TideGS」は、3D Gaussian Splatting（3DGS）を単一GPUで10億超のプリミティブを用いて訓練可能にする革新的手法を提案した。これまで3DGSの大規模化はGPUメモリの壁に阻まれていたが、TideGSはブロック仮想化・非同期パイプライン・差分ストリーミング技術によってSSD-CPU-GPU階層にまたがるパラメータ管理を実現している。シーン表現のスケールアップは3Dコンテンツ生成・映像合成・自動運転シミュレーションなど幅広い応用分野に影響を与えるため、実用的なGPU要件での大規模3DGSの実現は非常に大きな意義を持つ。研究チームは、これにより大規模シーンの高精細再現が個人研究者レベルのハードウェアでも可能になると述べている。
Hugging Face Papershuggingface.co
2. ARIS：複数AIモデルの対立協調で長期研究の信頼性を保証するオープンソースフレームワーク
上海交通大学が2026年5月4日に発表した「ARIS（Adversarial Research Intelligence System）」は、複数のAIモデルが互いの弱点を突き合う「クロスモデル対立協調」によって長期研究タスクの信頼性を担保するオープンソース研究ハーネスだ。実行（Execution）・オーケストレーション（Orchestration）・保証（Assurance）の3層アーキテクチャを採用し、単一モデルによる内部一貫性バイアスや見落としを防ぐ設計となっている。AIによる科学研究の自動化が加速する中、研究結果の信頼性・再現性の担保は業界全体の課題であり、ARISが提案する「敵対的協調」というアプローチは今後の研究インフラ設計に影響を与える可能性がある。
Hugging Face Papershuggingface.co
3. Nature誌：国家によるメディア統制がLLMの訓練データを歪める—実証研究
Nature誌に掲載された最新研究が、国家によるメディア統制がLLMの訓練データの質と多様性を大きく変質させることを実証した。規制・検閲が強い情報環境のデータで学習したモデルは、特定の政治的観点や歴史的解釈を強化しやすく、グローバルデプロイ時に意図しないバイアスを持つリスクがあることが示された。Web上のデータを活用する現代LLMにとって、訓練データのソース地政学は見過ごせない設計変数であることを改めて示す研究だ。研究者たちは、データキュレーションの段階で地理的・政治的多様性を明示的に考慮するフレームワークの必要性を訴えている。
4. Geneformer大幅拡張：1億超の単一細胞ヒトトランスクリプトームで事前学習
バイオAI分野では、細胞の転写情報を基盤モデルで学習する「Geneformer」が1億以上の単一細胞ヒトトランスクリプトームという前例のない規模の事前学習データセットで更新され、細胞タイプ分類・疾患予測・遺伝子摂動シミュレーションなど多岐にわたるタスクで大幅な精度向上が報告された。スケールの法則がゲノミクス基盤モデルにも適用されることを示す成果として注目されており、製薬・再生医療への応用加速が期待される。このようなバイオ基盤モデルの大規模化は、従来の実験ベースの研究プロセスをシミュレーション主導へと変革するポテンシャルを秘めている。
5. 自律型AIエージェントによるデータサイエンス・ML研究の自動化—2026年の研究トレンド
2026年の研究コミュニティで特に注目を集めているのが、データサイエンスや機械学習研究そのものを自動化する自律型AIエージェントの台頭だ。MLSys 2026カンファレンスの投稿を見ると、実験設計・コード生成・評価ループを自律的に回すエージェントシステムに関する論文が急増している。Hugging Face上で活発なOpenDevinプラットフォームは、Webブラウジング・コマンドライン・コード記述を通じて環境と相互作用するAIエージェントの開発基盤として機能しており、複数エージェントの協調と評価のエコシステムが整いつつある。研究者がAIによって研究を行う「AI-for-AI-research」というメタループが現実のものとなりつつある。