AI Watch（2026年3月31日）

今日のハイライト

OpenAI がアジア各地の災害対応チームを対象にした AI 活用ワークショップを開催（3/29）。ビル＆メリンダ・ゲイツ財団と共同で実施したこの取り組みは、洪水・地震などの緊急局面でどのように AI を即戦力化できるかを現場担当者と実践的に探るもの。AI の社会的インフラ化が先進国だけでなく開発途上国・災害多発地域に広がる重要な一歩で、OpenAI のグローバル展開戦略の新局面を示している。

BeSafe-Bench がエージェント安全性の盲点を可視化（3/30 arxiv）。Web・モバイル・具現化 VLM・VLA の4領域をカバーする安全性ベンチマークで、評価した 13 エージェントのうち「安全制約を守りながらタスクを 40% 以上完了できるものは皆無」という衝撃的な結果が出た。実世界展開前にエージェントの安全アライメントを抜本的に再考する必要性を突きつけている。

企業動向

• Helping disaster response teams turn AI into action across Asia (OpenAI, 3/29) - ゲイツ財団との連携でアジア各国の災害対応チームが ChatGPT・AI ツールを実践的に活用できるよう支援するワークショップを開催。現地語対応・低帯域環境への適応など実際の緊急時シナリオに基づいた訓練で、人道支援分野における AI 活用の具体化が進む。

※ Anthropic の過去 24 時間以内の新着なし（直近公開は 3/12 の Claude Partner Network）。Google DeepMind ブログは構造化データ取得に失敗したためスキップ。

注目論文

• BeSafe-Bench: Unveiling Behavioral Safety Risks of Situated Agents in Functional Environments（Li et al.）- Web・モバイル・具現化エージェントを網羅した安全性ベンチマーク。9カテゴリのリスクを持つ指示空間と LLM-as-a-judge を組み合わせた評価で、最高スコアのエージェントでさえ安全制約下での完了率が 40% 未満という現実を示した。今後のエージェント開発に必須の参照ベンチマークになりうる。

• AIRA_2: Overcoming Bottlenecks in AI Research Agents（Hambardzumyan et al.）- AI リサーチエージェントの3つのボトルネック（単一GPU制約・評価汚染・固定オペレータ限界）を非同期マルチGPUワーカープール・Hidden Consistent Evaluation・ReAct エージェントで克服。MLE-bench-30 で 24h 時点の平均パーセンタイルランク 71.8% と従来最高の 69.9% を超え、72h では 76.0% まで改善する。

• GUIDE: Resolving Domain Bias in GUI Agents through Real-Time Web Video Retrieval（Xie et al.）- GUI エージェントのドメインバイアス（特定アプリへの不慣れ）を、Web チュートリアル動画から自動で専門知識を取得・注入することで解消するプラグイン式フレームワーク。モデルパラメータ変更なしに OSWorld で 5% 以上の改善を実証しており、ファインチューニング不要のドメイン適応として実用的。

• Stabilizing Rubric Integration Training via Decoupled Advantage Normalization (PAPO)（Tan et al.）- GRPO に PRM を統合した強化学習手法。ORM（結果報酬）と PRM（プロセス報酬）の利点を分離正規化で両立し、ORM が頭打ちになる高難度ベンチマーク（OlympiadBench）で 51.3% vs 46.3% という顕著な差を実現。報酬ハッキングを回避しながら推論品質を向上する実践的アプローチ。

• Density-aware Soft Context Compression with Semi-Dynamic Compression Ratio（Yu et al.）- LLM のソフトコンテキスト圧縮に情報密度を考慮した半動的圧縮率を導入。離散的な圧縮率予測器を共同訓練することで、一様圧縮の欠点（密度の低い部分を過剰圧縮、高密度部分を過小圧縮）を解消し、長文コンテキストの処理効率とパフォーマンスを同時に改善する。

オープンソース・モデル

• Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled (1,722 likes) - Qwen3.5-27B を Claude Opus 4.6 の推論データで蒸留したモデル。Claude 4.6 系の推論パターンをオープンウェイトに移植する蒸留モデルへの旺盛な需要を示しており、フロンティアモデルの知識を軽量モデルに転写する「モデル蒸留」が活発化していることが分かる。

• CohereLabs/cohere-transcribe-03-2026 (565 likes) - Cohere Labs が公開した自動音声認識（ASR）モデル。3/30 更新済みで Cohere の音声領域参入を示す。gated（条件付き公開）ながらすでに 28,000 DL を超えており、テキスト LLM から音声への拡張競争が大手オープンソース系にも広がっていることが見て取れる。

• baidu/Qianfan-OCR (637 likes, 16,000+ DL) - Baidu が公開した画像テキスト認識（OCR）特化モデル（4.7B パラメータ）。中国語・日本語・複雑レイアウトに強く、実務的な文書理解タスクでの活用が想定される。大手中国 AI 企業のオープンな HF 参入が続く。

• chromadb/context-1 (286 likes) - ベクターDB プロバイダー ChromaDB がリリースした 21B パラメータのテキスト生成モデル。RAG 基盤として広く使われる ChromaDB が自社 LLM を持つことで、検索・生成の垂直統合型スタックへの布石となりうる注目モデル。

• nvidia/Kimodo (133 likes) - NVIDIA が公開したテキストプロンプトから高品質なモーションを生成するスペース。キャラクターアニメーション・ロボット動作設計など 3D モーション生成の民主化を促進する。NVIDIA が推論 GPU に加えてコンテンツ生成ツールでも存在感を高めている。

所感

今日のエコシステムを見渡すと、「安全性の評価インフラ整備」と「フロンティアモデルの知識転写」という 2 つの動きが加速している印象だ。BeSafe-Bench と Doctorina MedBench のような特化型ベンチマークの登場は、汎用的な精度競争から「特定文脈での信頼性」を問う評価へのシフトを示している。一方で Qwen3.5-27B への Claude Opus 4.6 蒸留、Cohere の ASR 参入、ChromaDB のLLM 公開といったトレンドは、フロンティアの能力が急速に非フロンティアへと波及していることを物語る。OpenAI のアジア災害対応支援は技術的新奇性よりも「現場での実用化」を志向した動きで、AI が社会インフラの一部として組み込まれていく速度が上がっていることを実感させる。