AI
Microsoft Researchが最新成果を紹介——31年来の数学難問解決、AIコーディングエージェントの効率化など
2026/11/14
Microsoft Research Focus 第98回——複数の研究成果を一挙紹介
Microsoft Researchは定期ポッドキャスト「Microsoft Research Focus」の第98回を公開し、ホストのAnson Ho氏が同社の最新研究トピックを紹介した。今回の放送では、AI音声翻訳の最前線、31年越しの数学難問の解決、AIコーディングエージェントの効率化、そして多言語トークナイゼーションの改善という4つの話題が取り上げられた。
31年来の数学難問「KLS予想」が解決
最も注目を集めるトピックの一つが、**KLS予想（Kannan-Lovász-Simonovits予想）**の解決だ。この予想は高次元幾何学における中心的な未解決問題として31年間にわたり研究者を悩ませてきたとされる。
放送によれば、新たな研究によってこの予想が解決され、科学・計算全般で広く用いられるランダムアルゴリズムの効率性を理解する上での主要な理論的障壁が取り除かれたという。具体的には、対数凹分布に関する普遍的な原理——単純な平坦なカットが次元によらず一定の係数の範囲内で最も狭いボトルネックを特定できる——が確立されたと報告されている。さらに、この証明は独立した検証が行われたほか、コンピュータ支援手法による形式的な証明検証も実施されたという。
AIは「スタートレックの翻訳機」に近づけるか
MicrosoftのApplied Science Manager、Jinyu Li氏が登場するセグメントでは、AI音声翻訳の現状と課題が論じられた。1967年のSFドラマ『スタートレック』が「ユニバーサル・トランスレーター」という概念を描いてから半世紀以上が経過したが、AIの進歩によってその実現可能性が着実に近づいているとされる。放送では進展の成果とともに、依然として残る課題についても言及された。
コーディングエージェントの「コンテキスト圧縮」問題
AIコーディングエージェントを長時間利用すると、モデルが一度に処理できる情報量の上限に達し、過去のやり取りを要約する「コンテキスト圧縮」と呼ばれる処理が発生する。この処理はリソースを多く消費するという課題がある。
Microsoftの新しい研究では、1,350万件のコーディングセッションを分析したところ、コンテキスト圧縮が必要だったのは全体の8%未満にとどまったにもかかわらず、そのセッションがAI処理コスト全体の**44%**を占めていたと報告されている。
この課題に対処するため、研究チームは2つのソリューションを開発した。一つは長時間のコーディングタスクにおけるコンテキスト圧縮を評価するベンチマーク「COMPACTIONBENCH」、もう一つはエージェントの作業を中断せずにバックグラウンドで要約を準備するメソッド「APEC」だ。評価実験では、APECがコーディング性能を向上させながら、コストを最大**25.4%削減し、実行時間を9.6%**短縮したと報告されている。
104言語にわたるトークン化の改善
最後のセグメントでは、AIモデルがテキストを処理する際の基礎となるトークナイゼーション（テキストを小単位に分割するプロセス）の改善が取り上げられた。多くの既存トークナイザーはテキストを可能な限り効率的に圧縮することを目標としているが、新たな研究では「圧縮効率だけでは不十分」との見解が示されたという。研究では104言語を対象とした新しいアプローチ「Latent Core Tokenizer」が紹介されており、単なる圧縮にとどまらず、意味論的に意義ある形で分割することを目指していると報告されている。
Microsoft Research Asia – Tokyo でのインターンシップ
放送ではインターンシップ体験談も紹介された。コンピュータビジョンを専門とする研究インターンのMakabe Lilika氏が、東京のMicrosoft Research Asia拠点でロボティクスやフィジカルインテリジェンス（物理世界で情報を解釈し行動するAIシステム）の研究コミュニティに参加した経験が語られた。技術的なトレーニングだけでなく、異分野連携や多様な背景を持つ同僚との交流を通じて研究視野を広げた様子が紹介されている。
「Microsoft Research Focus」はApple Podcasts、Spotify、YouTubeなどの各プラットフォームで視聴可能。今回紹介された各研究の詳細はMicrosoft Researchの公式ブログや論文ページで確認できる。