2025年のAIは、「人間が指示してAIが従う」という構図から静かに離れはじめている。
複数の論文を読み込んでいくと、その変化点がかなりはっきり見えてくる。
キーワードは3つ：
・自己適応型LLM（Self-Adapting LLM）
・マルチモーダル融合アーキテクチャ
・協調型自律エージェント研究室（Agent-Based Research）
特に SEAL が示す「AIが自分の学び方を編集する」という概念は、
“ポスト・プロンプト職人時代” の始まりを告げている。今回はそんなテーマで調査した内容をまとめています。情報は2025/11/23時点のものですので最新の情報はリンク先をご確認くださいませ。
■ 2025年の主要論文レビュー
【1】Self-Adapting Language Models (SEAL)
URL: https://arxiv.org/abs/2506.10943
著者: MIT Research Group
掲載予定: Nature Machine Intelligence（査読中）
概要：
AIが「何を学び、どう学ぶか」を自分で設計する仕組みを導入。
Self-Edit（自己編集）とRLベースの外部評価の二重ループで進化していく。
具体的には：
- データの再構成方法
- 学習ハイパーパラメータ
- 新しいタスクへの取り組み方
をモデル自身が提案し、その提案の善し悪しを報酬で評価・更新する。
本質的に「学習方法を学ぶLLM」であり、人間の手動チューニングを超える。
【2】Gemini Diffusion
関連（解説記事）:
https://dxaccount.co.jp/new-llm-gemini-diffusion/
https://jobirun.com/google-io-2025-gemini-diffusion/
https://www.watch.impress.co.jp/docs/news/2016053.html
概要：
LLM を“自己回帰”から解放し、
拡散モデルでテキストやコードを生成する新方式。
特徴：
- ノイズから並列的に文章復元
- 自己回帰型の数十〜数百倍のスループット
- 毎秒 1,479 トークンを実現（複数レポートで報告）
テキスト生成の構造が根本的に変わる転換点。
【3】AgentRxiv: Towards Collaborative Autonomous Research
URL: https://arxiv.org/abs/2503.18102
関連記事: https://www.techno-edge.net/article/2025/04/01/4229.html
概要：
AIエージェントが自動で論文を生成し、
互いの論文を読み取り、改善し続ける“自律研究室”の構想。
結果：
MATH-500 ベンチマークで 13.7% の改善を達成。
AIが研究者として“共同研究”を行い始めている。
■ SEAL が示した「AIの進化方向」
SEAL の中心にあるのは、以下の二重ループ：
＜内ループ：Self-Edit Generation＞
- モデルが「次はこう学ぶべき」と自分で学習方針を作る
＜外ループ：強化学習で Self-Edit を評価＞
- その方針が有効だったかを報酬化し、次回以降に反映
これは事実上、
「AIが、自分の学び方を発明する」仕組み。
Gemini Diffusion（高速化）
AgentRxiv（自律研究）
と組み合わせて考えると、
AIが
・実験し
・学び方を最適化し
・その知識を自動で更新し
・創造タスクにフィードバックし
という “自己進化のサイクル” に入っていくのがわかる。
■ クリエイター視点でのインパクト
これまで重要だったのは：
- プロンプト
- チューニング
- 適切なツール設計
しかし SEAL のような自己適応型LLMが一般化すると、
→ AI が“自分のクリエイティブ戦略”を更新する
→ 人間はアイデアや概念を提示するだけでよい
→ プロンプトは「方向性」を示す役割に変わる
つまり、AIを“使う”から、AIと“共進化”する関係に近づく。
■ 出典（主要）
Self-Adapting Language Models (SEAL)
https://arxiv.org/abs/2506.10943
Gemini Diffusion 解説
https://dxaccount.co.jp/new-llm-gemini-diffusion/
https://jobirun.com/google-io-2025-gemini-diffusion/
https://www.watch.impress.co.jp/docs/news/2016053.html
AgentRxiv 論文
https://arxiv.org/abs/2503.18102
AgentRxiv 解説
https://www.techno-edge.net/article/2025/04/01/4229.html
■ 出典（フルリスト）
[1] Fugu-MT (Self-Adapting Language Models)
https://fugumt.com/fugumt/paper_check/2506.10943v2
[2] 自己適応する大規模言語モデル SEAL
https://deepsquare.jp/2025/06/seal/
[3] AgentRxiv 原著
https://arxiv.org/abs/2503.18102
[4] Next Steps for Human-Centered Generative AI
https://arxiv.org/pdf/2306.15774.pdf
[5] ChatGPT is not all you need
https://arxiv.org/pdf/2301.04655.pdf
[6] Recent Advances in Generative AI
https://arxiv.org/html/2407.14962
[7] On the Challenges and Opportunities in Generative AI
https://arxiv.org/pdf/2403.00025.pdf
[8] Prototyping with Prompts
http://arxiv.org/pdf/2402.17721.pdf
[9] Generative Simulation AI
https://arxiv.org/pdf/2308.02561.pdf
[10] Deep Generative Modeling
https://pmc.ncbi.nlm.nih.gov/articles/PMC11940958/
[11] Distributed Diffusion Model-based Content
https://arxiv.org/pdf/2311.11094.pdf
[12] 2025年 最新生成AIモデルの進化
https://www.generativeai.tokyo/media/aimaster/
[13] 2025年1月LLM論文まとめ
https://note.com/pocketstudio/n/n073e300f5750
[14] Gemini Diffusion（DXアカウント）
https://dxaccount.co.jp/new-llm-gemini-diffusion/
[15] 2025年生成AIトレンド
https://aidiot.jp/media/ai/post-8522/
[16] LLM研究まとめ（Qiita）
https://qiita.com/kittokito/items/9e09d64776c5b828e4e4
[17] Gemini Diffusionガイド
https://fullfront.co.jp/blog/generative-ai/gemini/gemini-diffusion-model-ai-guide/
[18] Google「Gemini 3」
https://k-tai.watch.impress.co.jp/docs/news/2064382.html
[19] 2025年4月LLM研究まとめ
https://qiita.com/kittokito/items/212f285bcb5b77f3f395
[20] Gemini Diffusionとは？
https://biz.moneyforward.com/ai/basic/366/
[21] 最新生成AIモデル技術解説
https://trickle-ai.com/blog/aritifact1
[22] ISR-LLM
https://arxiv.org/pdf/2308.13724.pdf
[23] Nova
https://arxiv.org/html/2410.14255
[24] Multi-Agent Collaboration
https://arxiv.org/pdf/2502.07487.pdf
[25] AgentRxiv HTML版
https://arxiv.org/html/2503.18102v1
[26] LLMR: Distillation
https://arxiv.org/html/2409.12500
[27] MLR-Copilot
https://arxiv.org/html/2408.14033
[28] Novel Research Ideas
https://arxiv.org/pdf/2409.04109.pdf
[29] Wormhole Memory
https://arxiv.org/abs/2501.14846
[30] LLM Ensemble
https://arxiv.org/html/2511.15714v1
[31] arXiv最新論文紹介
https://devneko.jp/wordpress/?m=20251114
[32] DeepSeek-R1 解説
https://oneword.co.jp/bignite/ai_news/deepseek-r1-nature-paper-reinforcement-learning-breakthrough/
[33] LLM-Guided Dynamic-UMAP
https://arxiv.org/pdf/2511.09438.pdf
[34] MLLM – arXiv紹介
https://devneko.jp/wordpress/?tag=mllm
[35] DeepSeek-R1 Note
https://note.com/irony_cyborg/n/ne1d7bd80a0d7
[36] 強化学習 – arXiv紹介
https://devneko.jp/wordpress/?tag=%E5%BC%B7%E5%8C%96%E5%AD%A6%E7%BF%92
[37] AMIE 医療AI解説
https://jobirun.com/advancing-multimodal-diagnostic-ai-amie/
[38] DeepSeek 技術解説
https://craftai.jp/deepseek-paper/
[39] BLP-2025 Task2
https://arxiv.org/html/2511.12823v1
[40] AI Scientist
http://arxiv.org/pdf/2408.06292v3.pdf
[41] MDMMT-2
https://arxiv.org/abs/2203.07086v1
[42] Agent Dynamics
https://arxiv.org/abs/2201.07749v2
[43] Hidden Physics
https://arxiv.org/abs/2412.05133
[44] Quantum State Tomography
https://arxiv.org/abs/1807.07445v2
[45] Limits of Deep Learning
https://arxiv.org/abs/2405.16674
[46] Rethinking Science in the Age of AI
https://arxiv.org/html/2511.10524v1
[47] LLM後トレーニング技術
https://macaron.im/ja/blog/post-training-llm-techniques-2025
[48] LLM-Fusion
https://arxiv.org/abs/2503.01022
[49] 18 Papers Reshaping AI Vision
https://www.youtube.com/watch?v=of6i1ivhKYw
[50] 自己改善AIエージェント
https://note.com/shohei6117/n/n8a07287b9768
[51] LLM-Fusion (IBM)
https://research.ibm.com/publications/llm-fusion-a-novel-multimodal-fusion-model-for-accelerated-material-discovery
[52] ITmedia Innovative Tech
https://www.itmedia.co.jp/aiplus/series/38544/
[53] 自己適応LLM SEAL 解説
https://ai.gridworld.co/ainews/17392
[54] Driver Fatigue Detection
https://www.jstage.jst.go.jp/article/transinf/E108.D/10/E108.D_2024EDL8094/_article/-char/ja
[55] AI Frontiers Robotics
https://www.youtube.com/watch?v=gqhKaOFAWtQ
[56] Transformer-Squared
https://arxiv.org/pdf/2501.06252.pdf
[57] SELF: Self-Evolution
http://arxiv.org/pdf/2310.00533v4.pdf
[58] Adaptive On-Device Personalization
http://arxiv.org/pdf/2409.16973.pdf
[59] Survey: Self-Evolution of LLM
http://arxiv.org/pdf/2404.14387.pdf
[60] Reimagining Self-Adaptation
http://arxiv.org/pdf/2404.09866.pdf
[61] SEAL: Semantic-Augmented Imitation
https://arxiv.org/pdf/2410.02231.pdf
[62] Self-Improving Attribution
https://arxiv.org/abs/2410.13298v1
[63] Tool Usage Adaptation
http://arxiv.org/pdf/2411.00412.pdf
[64] AgentRxiv (HF)
https://huggingface.co/papers/2503.18102
[65] Gemini Diffusion（Impress）
https://www.watch.impress.co.jp/docs/news/2016053.html
[66] 自己適応LLM（note）
https://note.com/makokon/n/n2eeeb7ed0f0c
[67] Google I/O 2025 Gemini解説
https://jobirun.com/google-io-2025-gemini-diffusion/
[68] AgentRxiv解説（Techno Edge）
https://www.techno-edge.net/article/2025/04/01/4229.html
[69] Self-Adapting Language Models – arXiv
https://arxiv.org/abs/2506.10943
