AIハルシネーションは「知識不足」ではない？Google Research論文が示す記憶と想起のズレ
Google ResearchとTechnionの研究チームが、GPT-5やGemini-3といった最先端LLMは検証対象の事実の95〜98%を内部に保持しながら、そのうち26〜34%を直接の質問では引き出せないとする分析を公開しました。推論時に「考えさせる」だけで、引き出せなかった事実の40〜65%が回復するといいます。
#RAG の記事一覧（21）
RAGの権限バイパスとは？Azure OpenAI社内アシスタントが低権限ユーザーにSharePoint文書を返した事例で読み解く
ミラノのMicrosoftパートナーSynSphere ItaliaのEgiziago Cioffi氏が構築したAzure OpenAIメールアシスタントが、本来アクセス権のないSharePoint文書を低権限ユーザーに返していました。評価テストも単体テストも全て合格した状態で、です。原因は「誰の権限で検索するか」を誰も検証していなかったことでした。
Blue Voiceとは？警察官向け「現場で使えるAI」が6億円級の資金を集めた理由と、規制産業AIの勝ち筋
ボストンのAIスタートアップBlue Voiceが、SignalFireとLas Olas VCが主導するラウンドで600万ドルを調達し、3年間のステルスを終えました。25州・225の郡機関の警察官が日常的に使い、過去1年で顧客数は11倍。法務のHarvey、医療のOpenEvidenceに続く「規制職種向け特化AI」の3例目です。
AIエージェントの「ランタイムトラスト」とは？認証後に効かなくなる社内セキュリティの盲点を整理する
サイバーセキュリティアーキテクトのRavindra Annam氏がVentureBeatへの寄稿で、自律型AIエージェントを業務に組み込む企業は、IDとアクセス制御だけに頼らず「ランタイムトラスト（実行中の継続検証）」を導入すべきだと論じました。認証はエージェントが何者かを検証するが、実際に何をしているかは検証しないという指摘です。
エンタープライズ知識プラットフォームとは？AIエージェント時代に「コンテキストエンジニアリング」が壊れる3つの理由
VentureBeatに掲載された分析は、AIエージェントの本番展開が進むほど、アプリごとにチャンク・埋め込み・検索パイプラインを組む「コンテキストエンジニアリング」が破綻すると指摘します。処方箋はRaw→Refined→Integrated→Servingの4層で全社の知識を一度だけ管理する「エンタープライズ知識プラットフォーム」です。
Role Anchorとは？RAGの「読まないReader」を暴くMIT・ハーバードの新手法を解説
MITとハーバードの研究チームが、複合AIシステムでモジュールが与えられた役割から逸脱する「ロールドリフト」を検知・抑制する正則化手法「Role Anchor」を発表しました。ある多段推論パイプラインでは、精度向上分の86%が学習ではなくモジュールの「カンニング」由来だったことが判明しています。
ガバナンス付きコンテキスト層とは？AIエージェントが「自信満々に間違える」企業68%の正体を解説
VentureBeatの調査部門VB Pulseが2026年7月に従業員100人超の企業101社へ実施した調査で、68%が「AIエージェントが自信を持って誤答した原因を、社内データの文脈の欠落や不整合まで遡って特定した」と回答しました。6月調査の57%から11ポイント悪化し、しかもガバナンス付きコンテキスト層を運用・構築中の企業のほうが再発率は50%と、未導入企業の21%を大きく上回っています。
データレジデンシーとは？190カ国で医療AIを回すHeidiのリージョン分離アーキテクチャを解説
オーストラリア発の医療AI「Heidi Scribe」は190カ国超・週約270万件の診療記録を処理しながら、リージョンごとに完全分離した本番環境をMongoDB Atlas上に構築し、データレジデンシーを契約ではなくインフラで担保しています。CTOのYu Liu氏は「モデルはシステムの約20%、残り80%を決めるのはデータアーキテクチャ」と語ります。
RAGのカスケード構成とは？LLM推論コストを約6分の1にした3段階パイプラインを解説
VentureBeatに寄稿したAI/MLエンジニアのVineet Vijay氏は、規制業種の高リスク分類タスクで「決定的ルール→検索→LLM」の3段階カスケードを組み、LLMに回すケースを全体の10〜15%に絞ることで、全件LLM方式に比べ推論コストを約6分の1に削減したと述べています。監査対応と一貫性も同時に改善した点が要点です。
GraphRAGはいつベクトルRAGに勝つのか？4つのベンチマークが示した「グラフを使う質問・使わない質問」
Microsoftの原論文と独立ベンチマーク4件を突き合わせた検証で、GraphRAGは複雑推論で53.4対42.9、文脈要約で64.4対51.3と通常のベクトルRAGを大きく上回る一方、単純な事実検索では60.1対60.9とほぼ引き分けでした。VentureBeatに寄稿したPersistent SystemsのDattaraj Rao氏は、勝敗を分けるのは技術ではなく「質問の種類」だと結論づけています。
ANI対OpenAI訴訟をデリー高裁が却下——AI学習と著作権、インド判決から読む「RAG」という次の争点
デリー高裁は、通信社ANIがOpenAIに求めた仮差止めを暫定判断で却下しました。GPT-4/GPT-4oの学習データ（2022年4月・2024年4月時点）と、ANIが証拠提出した記事（主に2024年8〜9月）の時系列が食い違い、類似の原因は学習ではなくRAG（リアルタイム検索連携）にある、との判断です。
AIエージェントが自信満々に間違える理由——「データ観測性」で防ぐ4つの指標
よくテストされたAIチャットボットでも、モデルやプロンプトを一切変えなくても、公開3カ月後には利用者の質問の約3分の1に自信満々で誤答するようになる。VentureBeatの寄稿でエンジニアは、原因はモデルやコンテキストではなく、データエンジニアリング層の劣化——古く不完全なデータ——だと指摘し、正確性・鮮度・一貫性・来歴という4つの観測指標を処方箋として示す。
JudgeGPTとは？パキスタン司法1,559人の判事が使ったAI補助ツールが示す「訓練付きAI」の生産性
ETHチューリッヒらがパキスタンの判事1,559人・118法廷で行った大規模実験で、GPT-4ベースのAI「JudgeGPT」と6回の集中研修を組み合わせた判事は、1地区あたり年約1,848件（6.3%増）多く事件を処理した。AIアクセスだけでは効果は乏しく、投資1ドルあたり少なくとも10ドル、推計で38.50ドルのリターンが得られたとされる。
AIコーディングの「ハーネス」とは？Claude CodeとAugment Codeの設計思想の違いを解説
Augment CodeのVP of Engineering、Vinay Perneti氏がArs Technicaで、AIコーディングツールの性能を左右するのはモデルより「ハーネス（周辺ソフト）」だと主張。同社はリポジトリを埋め込みで事前索引化する意味検索型を採用し、Terminal-BenchでClaude Codeと同精度・トークン33%効率と示した。
生成AIが本番で失敗する理由は「データパイプライン」——RAG検索層で後始末する“Cleanup Trap”とは
VentureBeatの寄稿で、シニアデータエンジニアのNaveen Ayalla氏は、企業の生成AIパイロットが本番に届かないのはモデルの限界ではなく「データ基盤の準備不足」が原因だと指摘します。断片化した既存データをそのままLLMに流し、RAGの検索層で「後から整える」発想を、氏は“Cleanup Trap（後始末の罠）”と呼びます。
AIエージェントが「自信満々に間違える」なぜ起きる？企業101社調査が示すコンテキストギャップ
VentureBeat Pulse Researchが企業101社を調査したところ、57%が過去6ヶ月にAIエージェントが「自信を持って間違った回答」を出したと回答し、その原因は業務コンテキストの欠落・不整合にありました。RAG（検索拡張生成）が既定の情報源となる一方、それを信頼できる状態に保つ基盤づくりが追いついていません。
プロンプトインジェクションとは？OWASP LLM01が示す企業AIの最大脅威を解説
OWASP LLM Top 10(2025)で2回連続首位となったプロンプトインジェクションは、2025年に90組織超で実害を生み、Microsoft 365 Copilotではゼロクリック攻撃EchoLeak(CVE-2025-32711、CVSS 9.3)が観測されました。LLMを「信頼できない部品」として扱う設計が、2026年の企業AI運用の前提になります。
MRAgentとは？シンガポール国立大が示した「LLMの記憶を27倍効率化」する新手法
シンガポール国立大学の研究チームが、LLMエージェントの長期記憶を扱う新フレームワーク「MRAgent」を発表しました。LongMemEvalベンチマークで1サンプルあたり消費トークンを11.8万に抑え、競合のLangMem（326万）の約27分の1、実行時間もA-Memの半分（1,122秒→586秒）に短縮しています。
Mistral OCR 4とは？170言語・ブロック単位で読むAI文書解析の実力
仏Mistral AIが文書読み取りモデル「OCR 4」を公開。600件超の独立評価で72%のケースで競合を上回り、価格は1,000ページあたり4ドル(バッチで2ドル)です。
AI推論が止まる本当の原因は「データ配送層」——F5がDell ObjectScale連携で示す本番運用の設計思想
F5は、ストレージと計算ノードを直結する従来型アーキテクチャがAIの本番トラフィックに耐えられないと指摘し、Dell ObjectScaleとBIG-IPを組み合わせた「データ配送層」を独立した基盤として再定義することを提案しています。
テキスト解析を捨てたRAG「PixelRAG」、精度18.1%向上・トークンコスト10分の1を達成
UC Berkeley・Princeton・EPFL・Databricksの研究者チームが開発した「PixelRAG」は、Webページをスクリーンショットとして処理することでテキストベースRAGを6つのベンチマークすべてで上回り、AIエージェントが必要とするプロンプトトークン数を37.5百万から3.6百万へと約10分の1に削減した。