🎧 Tech News Radio — 2026-05-21

📖 約11分で読めます ｜ 🏷️ AI, LLM, Science, OSS, Web

---

📌 今日のハイライト

• 🤖 OpenAIのモデルが離散幾何学の中心的な予想を反証 — OpenAIのAIが80年来の数学難問を解決
• 🤖 PopuLoRA: 推論の自己対戦のためにLLM集団を共進化させる — LLM集団を共進化させる強化学習フレームワーク登場
• 🤖 トークン速度 — LLMのトークン毎秒を体感する — LLMのトークン生成速度を体感できるツール「tokenspeed」
• 🌐 Googleがウェブに宣戦布告したことについて — GoogleがWebそのものと対立しているという批判
• 📦 SBCL：究極のアセンブリコード実験基板 — SBCLをアセンブリコード実験基盤として活用する手法
• 🌐 asm.jsに別れを告げる — SpiderMonkeyがasm.jsのサポートを終了

---

🤖 OpenAIのモデルが離散幾何学の中心的な予想を反証

AI LLM Science

📄 原題: An OpenAI model has disproved a central conjecture in discrete geometry

一言で: OpenAIのAIが80年来の数学難問を解決

• OpenAIのモデルが離散幾何学の「単位距離問題」を解き、主要な予想を否定
• この問題は約80年間未解決だった数学の難題
• AIが数学研究の最前線で成果を出した歴史的なマイルストーン

💡 なぜ重要か
離散幾何学（点や線などの有限な図形を扱う数学分野）における「単位距離問題」は、80年以上にわたって数学者たちが挑み続けた難問です。AIがこうした純粋数学の未解決問題を解決したのは、研究手法そのものを変える可能性を示す出来事です。 AIが定理の証明や反例の発見など、数学研究の核心部分を担い始めると、科学・工学全般の問題解決スピードが大きく変わる可能性があります。ソフトウェア設計やアルゴリズム研究にも波及効果が期待されます。

🎯 今日のアクション
AIを単なる補助ツールとしてではなく、研究パートナーとして活用する視点を持ちましょう。自分の専門領域でAIに解かせられる未解決問題がないか、改めて棚卸しする価値があります。

🔗 原文を読む

🔗 原文を読む

---

🤖 PopuLoRA: 推論の自己対戦のためにLLM集団を共進化させる

AI LLM Science

📄 原題: PopuLoRA: Co-Evolving LLM Populations for Reasoning Self-⁠Play

一言で: LLM集団を共進化させる強化学習フレームワーク登場

• PopuLoRAは、複数のLLMが集団として共進化する非対称セルフプレイの枠組み
• 検証可能な報酬を使った強化学習（RLVR）によるポストトレーニングに対応
• 推論能力の向上を目的とし、Vmax所属の研究者チームが開発
• 論文はarXivで公開済み（2026年5月20日）

💡 なぜ重要か
LLMの推論能力を高める手法として、強化学習ベースのポストトレーニングが注目されています。従来の単一モデルによる自己改善ではなく、複数モデルが競い合いながら学習する「セルフプレイ」の考え方をLLMに応用する研究が増えています。PopuLoRAはその流れをさらに発展させ、モデル集団全体を共進化させる点が新しいアプローチです。 複数のLLMが互いに問題を出し合い、解き合いながら能力を高め合う仕組みが実用化されれば、人手によるデータ作成に頼らない自律的な能力向上が現実的になります。推論特化モデルの開発コスト削減や、より高度な数学・論理タスクへの対応力向上につながる可能性があります。

🎯 今日のアクション
論文（arxiv.org/abs/2605.16727v1）を読み、RLVRベースのポストトレーニング手法との比較を整理しておくと良いでしょう。自社でLLMのファインチューニングを検討しているチームは、集団ベースの学習アプローチが既存手法と比べてどう異なるか把握しておく価値があります。

🔗 原文を読む

---

🤖 トークン速度 — LLMのトークン毎秒を体感する

AI LLM OSS

📄 原題: tokenspeed — feel LLM tokens-per

一言で: LLMのトークン生成速度を体感できるツール「tokenspeed」

• tokenspeedは、LLM（大規模言語モデル）のトークン生成速度を実際に体感できるWebツール
• 10〜800 tok/s（トークン毎秒）の速度をコード・テキスト・思考・エージェントの4モードで再現
• 数値だけでは伝わりにくい「速さの感覚」を、実際のテキスト表示速度で可視化
• プリセット9段階＋カスタムテキスト入力に対応し、自分の文章で速度感を確認できる

💡 なぜ重要か
ローカルLLMのベンチマーク結果は「tok/s」という数値で示されますが、その数値が実際の使用感にどう影響するかは直感的にわかりにくいです。30 tok/sと100 tok/sの差がどれほど体感に影響するか、エンジニアやユーザが判断する基準がなかったため、こうした可視化ツールへの需要がありました。 LLMの性能評価において、スループット（処理速度）の「体感品質」という新しい視点が広まる可能性があります。モデル選定やハードウェア投資の判断基準として、数値だけでなく体感速度が重視されるようになるかもしれません。

🎯 今日のアクション
ローカルLLMや推論サーバの導入を検討しているエンジニアは、tokenspeedで目標とするtok/sの体感速度を事前に確認し、ユーザ体験の基準値として活用してみてください。

🔗 原文を読む

---

🌐 Googleがウェブに宣戦布告したことについて

Web AI Business

📄 原題: On Google declaring war on the Web

一言で: GoogleがWebそのものと対立しているという批判

• GoogleがWebの開放性を損なう方向に動いているという懸念
• 検索結果やAI機能がWebサイトへのトラフィックを奪っているとの指摘
• Webの生態系を支えてきたGoogleが、今やその脅威になりつつあるという見方

💡 なぜ重要か
Googleは長年、Webの発展を支える存在として機能してきました。しかし近年、AI概要（AI Overviews）などの機能が検索結果内で完結し、ユーザーが元のWebサイトを訪問しなくなる傾向が強まっています。コンテンツ制作者やサイト運営者にとって、Googleは集客の要でありながら、同時に競合になりつつあるという矛盾が生じています。 Webサイトへの自然流入（オーガニックトラフィック）が長期的に減少すれば、広告収益に依存するメディアやブログの存続が難しくなります。コンテンツ制作のインセンティブが失われ、Web全体の情報の多様性が損なわれる恐れがあります。

🎯 今日のアクション
自サービスへの直接流入経路（メールニュースレターやSNSなど）を強化し、Googleへの依存度を下げる戦略を検討してください。また、Web標準や開放的なエコシステムを守る議論に関心を持つことも重要です。

🔗 原文を読む

---

📦 SBCL：究極のアセンブリコード実験基板

OSS

📄 原題: SBCL: the ultimate assembly code breadboard

一言で: SBCLをアセンブリコード実験基盤として活用する手法

• SBCL（Steel Bank Common Lisp）をアセンブリコードの実験・検証環境として使う方法を解説
• NEXTシーケンスがベースレジスタなしのインデックスレジスタ付き実効アドレスをエンコードする点を指摘
• Lutz Eulerによる誤り指摘を受け、記事が修正・補足されている

💡 なぜ重要か
SBCLはオープンソースのCommon Lisp処理系で、内部にアセンブラを持ちます。低レベルなアセンブリコードを手軽に試せる環境として、パフォーマンス研究者やシステムプログラマの間で注目されてきました。2014年の記事ですが、HackerNewsで再注目されています。 Lispのランタイムをアセンブリレベルのプロトタイピング基盤として使うアプローチは、言語処理系の内部構造への理解を深める手段として今も有効です。低レベル最適化に関心を持つエンジニアの裾野を広げる可能性があります。

🎯 今日のアクション
SBCLの内部アセンブラに興味があるエンジニアは、まずSBCLをインストールしてVOPやアセンブラAPIを試してみるとよいでしょう。古い記事ですが、基礎的な概念は現在も通用します。

🔗 原文を読む

---

🌐 asm.jsに別れを告げる

Web OSS

📄 原題: Saying goodbye to asm.js

一言で: SpiderMonkeyがasm.jsのサポートを終了

• 要点1: FirefoxのJavaScriptエンジンSpiderMonkeyがasm.jsの特別扱いを廃止
• 要点2: asm.jsはWebAssembly登場以前に使われた高速化技術で、その役割は既に終えている
• 要点3: WebAssemblyが普及した現在、asm.jsの最適化コードを維持するコストが見合わなくなった

💡 なぜ重要か
asm.jsはJavaScriptのサブセットで、C/C++などのコードをブラウザ上で高速実行するために2013年頃に登場しました。しかしWebAssembly（Wasm）が2017年に標準化されて以降、同じ目的をより効率的に達成できるようになり、asm.jsの存在意義は薄れていました。SpiderMonkeyチームが今回その特別な最適化パスを削除したのは、技術的負債を解消する自然な流れと言えます。 asm.jsに依存した古いWebアプリやゲームポータルは、今後パフォーマンスが低下する可能性があります。一方でブラウザエンジンの保守コストが下がり、WebAssemblyへの集中投資が進むことで、Web全体の実行性能は長期的に向上すると見られています。

🎯 今日のアクション
asm.jsを使ったレガシーコードを抱えるチームは、WebAssemblyへの移行計画を早めに立てるべきです。EmscriptenなどのツールチェーンはWebAssembly出力に対応済みなので、移行コストは比較的低く抑えられます。

🔗 原文を読む

---

📝 まとめ

これら3つのニュースに共通するのは、大規模言語モデル（LLM）の能力限界の拡張と、それを支える技術的洗練化の加速という潮流である。OpenAIのモデルが80年来の数学難問を解いたことは、AIがもはや既知の知識を整理・再現するだけでなく、人間の専門家さえ手を焼いてきた創造的・論理的推論の領域に踏み込みつつあることを示している。PopuLoRAが示す「LLM集団の共進化」というアプローチは、単一モデルの性能向上に頼るのではなく、複数モデルの相互作用によって推論能力を引き出すという、より構造的・システム的な知性の設計へのシフトを象徴している。一方でtokenspeedのようなツールの登場は、モデルの「速さ」という実用的な体験品質への関心が高まっていることを示しており、研究レベルの能力向上と現場での使いやすさの両立が業界全体の課題として浮上していることを示唆する。つまり業界は今、AIの知的深度・学習効率・実用体験という三つの軸を同時に前進させる段階に入っており、それぞれが独立した研究トピックでありながら、一体となってLLMの社会実装を加速させている。

---

🎯 今日の実務アクション 3 選

1. OpenAIのモデルが離散幾何学の中心的な予想を反証: AIを単なる補助ツールとしてではなく、研究パートナーとして活用する視点を持ちましょう。自分の専門領域でAIに解かせられる未解決問題がないか、改めて棚卸しする価値があります。
2. PopuLoRA: 推論の自己対戦のためにLLM集団を共進化させる: 論文（arxiv.org/abs/2605.16727v1）を読み、RLVRベースのポストトレーニング手法との比較を整理しておくと良いでしょう。自社でLLMのファインチューニングを検討しているチームは、集団ベースの学習アプローチが既存手法と比べてどう異なるか把握しておく価値があります。
3. トークン速度 — LLMのトークン毎秒を体感する: ローカルLLMや推論サーバの導入を検討しているエンジニアは、tokenspeedで目標とするtok/sの体感速度を事前に確認し、ユーザ体験の基準値として活用してみてください。

---

🔗 出典一覧

• OpenAIのモデルが離散幾何学の中心的な予想を反証
• OpenAIのモデルが離散幾何学の中心的な予想を反証
• PopuLoRA: 推論の自己対戦のためにLLM集団を共進化させる
• トークン速度 — LLMのトークン毎秒を体感する
• Googleがウェブに宣戦布告したことについて
• SBCL：究極のアセンブリコード実験基板
• asm.jsに別れを告げる