何が公開されたか
ニュースレター「Ahead of AI」の著者が、2025年1月から6月までに公開されたLLM関連の研究論文を、トピック別に整理した読書リストを公開しました。読者から「日付順ではなくトピック別に整理してほしい」「重要なのは構造であって内容ではない」という声を受けての構成変更です。2024年版が好評だったため、今後は研究の進展速度に合わせて半期ごとの更新になります。
リストの構造
リストは推論モデル(reasoning models)を中心に据え、大きく3つのカテゴリに分けられています。
- 訓練(Training):推論能力を高める学習戦略。中心テーマは検証可能な報酬による強化学習(RLVR)。DeepSeek-R1、Kimi k1.5、Open-Reasoner-Zero、Qwen3、Magistral、LMM-R1(3B)、Phi-4-Mini-Reasoning、Llama-Nemotron、INTELLECT-2、MiMoなどが並びます。GRPOといった手法系の論文も含まれます。
- 推論時スケーリング(Inference-time scaling):再学習せずテスト時に推論性能を引き上げる手法群。計算量と精度のトレードオフが論点で、AdaptThink、Thinkless、VL-Rethinker、R1-Searcher、Search-R1、ReSearch、RAREなどが該当します。
- 理解・評価(General understanding/evaluation):JudgeLRM、RM-R1、General-Reasoner、Enigmataなどが評価・報酬モデル側からの分析を担います。
なぜこの整理が意味を持つか
2025年上半期だけでarxiv.org上のリストには40本以上の主要論文が並びます。LIMOやTinaのように「ごく少量のデータ」で推論性能を引き上げる流れ、Absolute ZeroやDarwin Godel Machineのように自己改善・自己進化を志向する系統、AlphaEvolveのような探索系——これらを時系列で追うと文脈が散らかります。「RLVR系」「推論時スケーリング系」「自己改善系」という軸で並べ直すと、どの系統が自社の用途に効くかを判断しやすくなります。
💼 事業会社視点：これは自社にどう効くか
役員・事業責任者はこのリストをどう使うべきか
生成AIを業務に組み込んでいる日本企業——特にSaaS、受託開発、社内ナレッジ活用を進める事業会社——にとって、このリストは「次の半年でどの技術に張るか」の地図になります。
注目すべきは**RLVR(検証可能な報酬による強化学習)**の主流化です。DeepSeek-R1やQwen3、Magistralなど、コード生成・数学・論理タスクで顕著な性能向上を見せたモデルはほぼこの路線にあります。受託開発・SI企業の経営層は、自社プロダクトに組み込むLLMの選定基準を「パラメータ数」から「推論型か否か」へ切り替える局面に来ています。
もう一つはLMM-R1(3B)やPhi-4-Mini-Reasoningのような小型推論モデルの存在です。GPUコスト・オンプレ要件・データ主権を気にする金融・製造・自治体向けSaaSにとって、3B級で推論できる選択肢が出てきたことは調達戦略を変えます。AdaptThinkやThinklessのような推論時スケーリング系は、API課金が膨らみがちなEC・カスタマーサポートSaaSの単価最適化に直結します。
事業責任者は、エンジニア任せにせず「自社の業務がRLVRの恩恵を受けるタスクか」を四半期内に棚卸しすべきです。