NOIA AI System Watch 日次|2026-10-17(保存版)
AIモデル・知能 エージェント・データ基盤 AI半導体 メモリ 電力・冷却 AIインフラ・産業
出典・更新履歴・検証情報
この保存版のデータを照合するための情報です。元記事の初公開日とは区別しています。
- データセットの版
- 2026.10.21.2
- 記事内容のSHA-256
52081ce157a2c3386556c82d77234d0bd58a8a942424f531b8156fa5fc8163c9- 保存版のSHA-256
01e10e6ec26883e9e3ef4209197165b12bf9fcea04232919a743496438d81c1a
外部証明の最終検査結果は詳細を開くと表示します。
NOIA AI System Watch 日次|2026-10-17(保存版)
#NOIA AI System Watch Daily Intelligence
#2026年10月17日 09時JST号
#集計対象:2026年10月16日09時〜17日09時JST(16日00時〜17日00時UTC)
#観測時点:2026年10月17日08:55:20 JST。サービスの最終確認は10月16日23:55:20 UTC、研究資料は23:37:34〜23:37:41 UTC。他資料は出典ごとの取得時点まで。08:55:20 JST以後から09時までの更新は未確認で、09時締めの確認は未収録。対象24時間の連続観測を意味しない。以下の月日は2026年、時刻は特記を除きUTC。
#本号の結論:CXLメモリ、SiC調達、変圧器用絶縁材料、試験装置の供給経路に具体的な開示が加わった。ただし、製品仕様、契約、将来設備、過去の能力拡張は、現在の認定出荷・受入れ・実需とは段階が異なる。ソフトウェアの局所的な性能改善から総計算需要は算出できず、14の需給判定はすべてUnknownとする。
#01 Critical Changes
#- 新しい開示:SK hynixが第2世代CMM DDR5の仕様とNAVER Cloudで進行中のPoCを紹介。対象は製品・検証段階であり、production採用量は未確認[1]
- 契約の再確認:InfineonとWolfspeedの200 mm SiC wafer複数年契約。10月15日付の開示を期間内に確認した。数量、納入開始、AI向け割当は未確認[2]
- 将来設備:Hitachi Energyがカナダの変圧器用絶縁材料工場にCAD 479 millionを投資すると発表。2028年完成目標であり、現在の能力増には加算しない[3]
- 新規開示に含まれる過去の事実:Advantestの統合報告書は、2025年度の装置生産能力が2022年比で2倍超と説明。10月16日の増産量ではない[4、5]
- 運用差分:前号でMonitoringだったOpenAI Costs API報告遅延がResolvedに進んだ。費用データの可用性に関する更新で、推論能力の増加を示さない[9]
既報DeltaのSK hynix、Infineon、Costs API、Hitachi Energyは各該当節に統合した。発表を重複計上せず、公表日・実施日・確認時点を分けて読む。
#直近Deltaの対象は10月17日05〜09時JST。08:55:20時点の選択確認では、新たな実運用能力の増減は未確認。Rangeと自己蒸留の研究比較は同日08時のAI Research Frontierレポートで既報のため、本号では需要評価への含意を統合する。新しいSignalとして重複計上しない。
#02 AI Research Frontier
#既報研究の含意:同日08時のAI Research Frontierレポートで扱ったRangeは、KVデータ量を固定して分割数を増やす単一request試験で、TTFTの悪化を抑えたと報告する[12]。KV圧縮や総GPU需要減の証拠にはならない。H100 NVL 1基・同時request 1件・出力2 token、baseline 3試行・ablation 2試行という条件に限られ、高並列のthroughput、全費用、独立再現、production利用は未確認。
#学習手法の比較では、同じstep数で測る最終scoreと同じwall-clock予算で測る成績の順位が、一部環境で逆転する[13]。需要評価では同step数の優位を同時間の優位へ転用しない。報告の正味学習時間には評価とcheckpointが含まれず、運用全体の時間・費用ではない。
#補足:ZephonはPython 3.14tのthreaded runnerでvision-language sample取得がprocess runner比約3.7倍、1B modelを16 GPU・step 150から8/32/64 GPUへ変更して再開した際のbatch hash一致を報告する[6]。前者は学習全体の倍率ではなく、後者は固定recipe・global batch下の結果で浮動小数点計算の完全同一性を保証しない。Reflection BeamのLoRA throughputも、同条件のH100比較は得られていない[7]。
#仮説と次の証拠:input処理、KVの分割、学習手法の追加処理が、実効性能の制約になり得る。同model・品質・精度・hardwareに加え、同じ時間予算と同時負荷を固定し、I/O・評価・checkpoint・再開まで含む成功仕事/全資源を確認する。測定条件の詳しい比較は、同日08時のAI Research Frontierレポートを参照。
#03 Physical AI Frontier
#事実:ABB Roboticsの10月15日発表はfashion logistics向けcellについて最大1,300 items/時を示し、精度99.5%超を目標とする。engineering・commissioningの手間を最大75%減らすとの企業側説明があり、広範な展開は2027年第1四半期を目標としている[8]。
#制約:対象期間前の日付を持つ発表で、公表時刻は未確認。記名顧客でのproduction実績、対象物の構成、稼働時間、介入・失敗・保守を含む分母は不足する。最大値と目標値を同時に達成した現場実績として扱わない。
#仮説と次の証拠:commissioning負担の軽減が導入の制約を緩める可能性がある。同一作業の受入れ試験で、成功items/時、介入率、停止時間、総導入工数を確認する。目標未達や人の介入増があれば、拡大可能性の解釈を見直す。
#04 Compute Demand Update
#事実:今回の研究・製品資料は局所性能と検証経路を具体化したが、利用者数、追加仕事、購入量、総GPU時間の増減は示していない。CXLの容量拡張、KV再利用のTTFT、学習予算の比較は測定対象が異なる。
#仮説:単位仕事の資源効率が改善すれば需要は減り得る一方、費用・時間の余力が追加実験や利用拡大へ回れば需要は増え得る。Jevons効果を自動的に仮定せず、差引きはUnknownとする。
#制約と次の証拠:同品質・同SLOでの成功仕事数、全資源/仕事、継続利用、既設余力、増設・受入れを接続する。研究結果から採用率、総GPU需要の減少、rack BOMを算出しない。
#05 Semiconductor Demand
#事実:SK hynixの第2世代CMM DDR5は256 GB、CXL 3.2、80 GB/秒を掲げ、前世代比でenergy efficiencyが約30%改善したと説明する。NAVER CloudとのPoCは進行中である[1]。
#制約:約30%はenergy efficiencyの改善であり、消費電力30%削減への読み替えはできない。比較workload・負荷・system境界、latency、実測電力、production配置・出荷量は未確認。OCPイベントは10月12〜15日で、10月16日付の記事を当日の新規実装とは扱わない。
#仮説と次の証拠:memory容量の外付け拡張が、一部workloadの容量不足を緩める可能性がある。同じ仕事・品質・SLOでの帯域、tail latency、全system電力と顧客受入れが必要。PoCからproductionへの移行、購入容量、既存memoryとの置換関係が分からず、Compute/HBMおよびDRAM/NAND/enterprise SSDの実需変化は未確認。
#06 Packaging
#PackagingはUnknown。方式・面積・HBM構成・地域・期間をそろえた認定良品、顧客受入れ、未充足需要の新しい対照は未確認。CXL製品仕様や装置生産能力の開示をpackage供給能力へ転用しない。次は設備導入、試運転、認定、量産、受入れを分け、同仕様の良品量を確認する。
#07 Materials
#Substrate/CCL/Glass ClothはUnknown。grade別の認定量、歩留まり、納期、在庫、需要を接続する証拠が不足する。銅箔・樹脂・工程薬液も需給更新は未確認。変圧器用絶縁材料の投資は14節で扱い、低損失CCLや低CTE/低Dk glass clothの供給増と混同しない。次は用途・grade・地域が一致する認定出荷と顧客受入れを確認する。
#08 Passive Timing
#MLCC/QuartzはUnknown。inductor/timing ICも未確認。品番、耐圧・容量・温度、周波数・jitter・信頼性を固定したserver用途の出荷・在庫・需要が必要である。AI関連発表の増加だけでは不足率や代替可能性を判定できない。
#09 Analog Power
#事実:InfineonはWolfspeedとの200 mm SiC wafer複数年供給契約を公表した。既存の150 mmでの関係を拡張する内容である[2]。公表は10月15日付、署名日は未確認。
#制約:数量、納入開始、認定、歩留まり、顧客・AI向け割当はUnknown。wafer径の変更から良品device量やsystem電力損失を算出しない。
#仮説と次の証拠:200 mm調達経路が将来のdevice供給選択肢を広げる可能性がある。生産移管・認定と納入実績が必要で、契約だけでは現在の制約緩和を示せない。AnalogはUnknown。PMIC/VRMを含め、OEM認定量と同負荷・温度でのsystem損失、納期・需要を確認する。
#10 Optical
#Optics/InPはUnknown。800G/1.6T、form factor、距離、品質を固定した検査済み出荷と現場link受入れ・需要の新しい対照は未確認。CXLの80 GB/秒やAI throughputから光module需要を推計しない。次はtopology、link数、利用率と、対応部品の認定良品・受入れ量を結ぶ。
#11 Test
#事実:Advantestの10月16日公開の統合報告書は、2025年度の装置生産能力が2022年比で2倍超と記す[4、報告書11頁]。別の箇所は、2026年4月の転換社債による調達資金700億円の使途として能力拡張と在庫を挙げる計画を説明する[5、報告書23頁]。
#制約:前者は過去年度の装置生産能力、後者は資金の使途計画である。10月16日付の能力増分、投資完了、tester throughput、半導体良品出荷量を示す数値ではない。装置種類・mix、稼働、試験時間、retest、顧客受入れは不足する。
#仮説と次の証拠:装置供給の余力は増設の制約を緩め得るが、同じscreening品質での良品/時間とtest需要をそろえる必要がある。装置能力が増えても顧客側の設置・認定やtest時間が制約なら、Testの逼迫改善には直結しない。TestはUnknownを維持する。
#12 Manufacturing Capacity
#現在の認定良品・顧客受入れを伴う能力変更は未確認。Advantestの過去の装置能力、Infineonの調達契約、Hitachi Energyの将来工場を当日のcapacity増に合算しない。
#次の証拠:設備完成、commissioning、工程認定、良品率、量産ramp、受入れ、同地域・同仕様の実需を順に確認する。設備投資額や床面積だけでは年産量を出せない。
#13 China
#中国の政策・規制について、対象期間内の施行・適用条件の変更は未確認。国内代替についても、同product revision、software stack、地域、品質・SLOを対応付けた出荷と実workloadの新しい証拠は不足する。
#これは「新規変化なし」の判定ではない。次は法令原文の公布日・施行日・対象と、実際の出荷・利用制限を対応付ける。比較できない範囲はUnknownとする。
#14 Infrastructure
#事実:Hitachi EnergyはLondon, Ontarioの変圧器用絶縁材料工場にCAD 479 millionを投資し、21,000 m²の施設を2028年に完成させる目標を発表した。カナダ初のpressboard生産ライン、同社としてAmericas初という位置付けは企業の主張である[3]。
#制約:年産量、ramp、認定、購入者、AI負荷への割当は未確認。完成目標と商用稼働・認定出荷は異なる。投資額や面積を変圧器台数、MW/GW、現在の電力供給増へ換算しない。
#仮説と次の証拠:絶縁材料の地域内供給を増やす計画は、変圧器上流の調達経路を分散し得る。現在の不足や納期短縮の証拠ではない。完成、初期出荷、顧客認定、変圧器工場への供給、接続地点での持続受電まで確認する。Power/CoolingはUnknown。
#運用事実:OpenAI Costs API報告遅延はMonitoringからResolvedへ進み、10月16日10:56:25の取得で確認した[9]。表示時刻10:44 AMはtimezone不明のため、UTC/JSTへの換算や障害時間の計算は行わない。API/ChatGPTの利用には影響しないという説明は、この費用報告incidentのscopeに限る。
#OpenAIとClaudeの公式statusは10月16日23:55:20の確認時にoperationalだった[10、11]。事業者の集計表示であり、顧客別の成功率・SLO、観測間の連続availability、市場全体の供給を証明しない。次は当該incidentの再開、費用データの欠落・遅延、顧客側の継続影響を確認する。
#15 Actual Deployment
#今回の段階は、SK hynixが製品仕様と進行中PoC、Infineonが調達契約、Hitachi Energyが将来設備、Advantestが過去の能力と資金使途計画、PyTorch/Reflection Beamと2論文がsoftwareの測定・紹介、ABBが展開目標である。これらを独立検証済みproduction能力として合算しない。
#次の証拠は、記名顧客による受入れ・定常稼働と、品質・SLO・全資源の測定である。新しい情報が公表されたことと、対象24時間に現場で稼働が増えたことを分ける。
#Security Alignment Assurance
#今回、release gate、独立評価結果、実運用での安全性改善を更新する一次証拠は未確認。前号で扱った評価者のアクセス・公表条件について、具体的な有効性や制限が変わったとの判断はできない。選択した公開indexの確認だけでは、新しいeventの不存在も証明できない。
#仮説と次の証拠:評価者のアクセス、公表権、再現可能性が、問題の検知と是正を左右するという論点を継続する。検知した問題、是正内容、再評価、release判断への反映を評価者自身の説明と対応付ける。権限の説明や評価の実施だけをsafer modelの証拠にしない。
#Safety Compute
#安全評価・monitoringのGPU時間、費用、電力、staff時間の変化はUnknown。data loadingやLoRAの局所性能からSafety Compute削減率を算出できない。
#必要なのは、同じ安全性目標・task・品質について、検知、遮断、承認待ち、retry、logging、storage/network、human reviewまで含む全資源と、回避された失敗の比較である。評価の効率化が追加評価へ再投入される量も未確認。安全性の成果と資源投入量を別々に測る。
#16 Newly Detected Hidden Bottlenecks
#候補は、memory拡張のPoCからproduction認定までの隔たり、変圧器本体の上流にある絶縁材料の地域的供給経路、装置生産能力から顧客現場のtest能力へ至る設置・認定・処理時間である。今回の開示が検証対象を具体化したが、実測された不足や業界最大の制約として順位付けはできない。
#software側ではsample取得・KV分割と処理全体の待ち時間、学習step数と時間予算の違いが検証対象になる。次は各段階で同じ分母を維持し、良品・成功仕事・持続供給に到達する量を確認する。改善が次工程へ伝わらなければ、制約解消という解釈を弱める。
#17 Bottleneck Map
#14項目すべてUnknown。需給均衡、不足率ゼロ、物理的な無変化を意味しない。各grade・仕様・地域・期間に対応する現在の証拠が不足している。下表は判定に必要な比較条件を示す。
#| 項目 | 判定 | 比較条件と不足する直接証拠 |
|---|---|---|
| Compute | Unknown | GPU/ASIC、地域、同期間。品質・SLO付き稼働、受入れ、実需要 |
| HBM | Unknown | 世代・容量、地域、同月。認定bit量、歩留まり、未充足注文 |
| Packaging | Unknown | 方式・面積、地域、同月。認定良品、顧客受入れ、同仕様需要 |
| Substrate | Unknown | grade・層数、地域、同月。認定量、歩留まり、納期・在庫 |
| CCL | Unknown | 低損失grade、地域、同月。認定良品、受入れ、需要・納期 |
| Glass Cloth | Unknown | 低CTE/低Dk等、地域、同月。認定量、代替適合、需要 |
| MLCC | Unknown | 品番・耐圧・容量・温度、地域、同月。認定出荷、在庫・需要 |
| Quartz | Unknown | 周波数・jitter・温度、地域、同月。認定出荷、信頼性・需要 |
| Optics | Unknown | 速度・form factor・距離、地域、同月。検査済み出荷、link受入れ |
| InP | Unknown | 用途・品質、地域、同月。認定良品、部品への接続、受入れ・需要 |
| Test | Unknown | screening品質・温度、地域、同期間。良品/時間、retest、需要 |
| Analog | Unknown | PMIC/VRM等の仕様、地域、同月。OEM認定量、損失、納期・需要 |
| Power | Unknown | 接続地点、供給地域、同計測期間。持続受電、AI負荷割当、需要 |
| Cooling | Unknown | 方式・site・気象、同計測期間。持続IT負荷、現場受入れ、需要 |
供給と需要をそろえる分母がないため、新しいBOM、GW換算、Low/Base/Highの数値scenarioは作れない。未観測の入力を仮定値で埋めず、総需要の定量値は算出不能とする。
#18 Constraint Migration
#移行候補は、memoryの公称容量からworkload適合・PoC・production認定へ、材料工場の計画から出荷・変圧器製造・接続へ、試験装置の生産能力から現場の良品処理量へ、という下流工程である。いずれも仮説で、移行量と優先順位は未確定。
#前号のsoftware実装・同時配信SLO、仕事量の測定分母、外部評価のアクセス・公表・是正という論点も残る。今回の開示で前の制約が解消したとは判断しない。
#19 Company Relationship Changes
#InfineonとWolfspeedは、150 mmに続く200 mm SiC waferの複数年調達関係を開示した[2]。署名日、数量、独占性、売上、AI向け割当は未確認。SK hynixとNAVER CloudはPoCの関係であり、量産採用・購入契約を意味しない[1]。
#Hitachi Energyの投資発表は同社の供給網計画を示すが、特定AI顧客との契約を示さない。次は契約・検証の対象、顧客認定、納入実績を確認し、紹介記事からsupplier切替やmarket shareを推定しない。
#20 Feedback Loops
#効率改善が余力を生み、追加仕事へ再投入されればcompute需要は増え得る。再投入がなければ単位仕事の資源削減が総量減へ寄与し得る。今回の測定にはこの接続がなく、需要方向はUnknown。
#材料・装置供給の拡張も、下流の認定や据付が進んで初めて受入れ能力に届く。能力発表が次の設備投資や在庫積増しを促す可能性はあるが、実際の注文・在庫・稼働で検証する。投資計画から需要増と制約解消を同時に仮定しない。
#21 Structural Change
#今回増えたのは、memory、power device、変圧器材料、testに関する供給経路・段階の情報である。市場全体の供給増や制約順位の変更は実証されていない。性能値、契約、設備計画を、認定良品と成功仕事に接続する証拠が引き続き必要である。
#22 Previous Thesis Update
#- Confirmed 範囲付き:前号のCosts API Monitoringは、公式incident上でResolvedへ進展。更新するのは費用報告incidentの状態であり、compute供給量ではない
- Strengthened 限定:局所性能と全体の実効能力を分ける必要性。sample取得、KV分割、学習step数と時間予算の比較条件がこの論点を具体化した。市場需要への効果はUnknown
- Unknown 新しい検証対象:CXLのproduction移行、200 mm SiC調達の実行、変圧器絶縁材料の地域内供給。今回の契約・PoC・計画を、現在の不足解消の証拠にはしない
- Unknown 継続:前号のagent利用拡大、同時配信SLO、評価者のアクセス・公表条件の有効性。今回未観測の仮説を維持・強化・反証されたと判定しない
- Unknown 継続:14需給判定、総compute・energy、Safety Compute、現在の認定製造能力、Power/Coolingの持続delivery
23 What to Watch Next
#- 24時間:Costs API報告障害の再発・incident再オープン、継続影響と表示timezone。CMM PoC、供給契約、工場計画の条件に追加開示があるか。status表示は顧客側の結果と分ける
- 7日:CMMの比較workload・全system電力、Rangeの高並列条件、同時間予算の学習成績と全資源、ABBの受入れ条件と記名顧客の実績。安全評価結果とアクセス制約の具体化
- 1〜6か月:PoCからproductionへの移行、SiC納入・認定、test装置の顧客受入れと良品/時間。ABBの2027年第1四半期の展開目標が実稼働と品質を伴うか。部品grade別の出荷・在庫・納期・未充足需要と、評価・監視の全資源
- 6〜36か月:2028年完成目標の絶縁材料工場が、commissioning、認定出荷、変圧器生産、持続受電へ接続するか。入力が揃うまで数値scenarioは保留
観測範囲と出典
#選択した一次資料の確認に基づく。全category・全source・全時間を網羅したものではなく、確認間隔に空白がある。確認できていない領域は「新規変化なし」とは判定しない。日付のみの公表は時刻不明とし、過去の実施・将来の目標と新規開示を区別する。
#以下の取得時刻は採用した本文の確認時点であり、その後の更新を保証しない。後続本文を確認できていない資料は、最新状態の再確認済みとは扱わない。確認できなかったことを、撤回・障害・event不存在の証拠にはしない。
#[1]SK hynix OCP Global Summit 2026 https://news.skhynix.com/en/ocp-global-summit-2026/ 公表:10月16日付、時刻未確認。event:10月12〜15日。採用本文取得:10月16日02:01。後続の再取得(04:00:42)は失敗し、先に採用した本文を使用。独立した再検証はできていない。仕様・比較は企業の説明、PoCは進行中。
#[2]Infineon Wolfspeed 200 mm SiC wafer supply agreement https://www.infineon.com/press-release/2026/infpr202610-008 公表:10月15日付、時刻・署名日未確認。期間内の同一一次資料の再確認:10月16日08:00。契約の数量・納入開始・認定・AI向け割当は未確認。
#[3]Hitachi Energy Canada transformer insulation factory https://www.hitachienergy.com/us/en/news-and-events/press-releases/2026/10/hitachi-energy-invests-479-million-cad-to-bring-critical-transformer-manufacturing-capability-to-canada 公表:10月16日付、時刻未確認。採用本文取得:10月16日19:58。後続の再取得(19:58:29)は失敗し、先に採用した本文を使用。独立した再検証はできていない。2028年は完成目標であり、稼働・認定出荷日は未確認。
#[4]Advantest 統合報告書2026 装置生産能力 https://www.advantest.com/document/ja/investors/ir-library/annual/J_01_IAR2026.pdf#page=7 公開:10月16日付、時刻未確認。取得:10月16日15:57〜15:58。PDF 7頁・報告書11頁。対象能力は2025年度、比較基準は2022年。
#[5]Advantest 統合報告書2026 資金使途計画 https://www.advantest.com/document/ja/investors/ir-library/annual/J_02_IAR2026.pdf#page=5 公開:10月16日付、時刻未確認。取得:10月16日15:57〜15:58。PDF 5頁・報告書23頁。2026年4月の転換社債調達資金700億円を能力拡張・在庫へ充てる計画で、支出・拡張完了は未確認。
#[6]PyTorch Zephon elastic deterministic data loading https://pytorch.org/blog/bringing-elastically-deterministic-data-loading-to-torchtitan-with-zephon/ 公表:10月16日付、時刻未確認。採用本文取得:10月16日17:57。測定実施日は未確認。後続の再取得(19:00〜19:01)は失敗し、先に採用した本文を使用。独立した再検証はできていない。固定recipe・global batchの試験条件を伴う。
#[7]Hugging Face Reflection Beam https://huggingface.co/blog/reflection-beam 公表:10月16日付、時刻未確認。採用本文取得:10月16日17:57。測定実施日は未確認。後続の再取得(19:00〜19:01)は失敗し、先に採用した本文を使用。独立した再検証はできていない。同条件のH100比較は得られていない。
#[8]ABB Robotics fashion logistics Physical AI https://www.abb.com/global/en/news/139480/prsrl-abb-robotics-brings-industrial-grade-physical-ai-to-fashion-logistics 公表:10月15日付、時刻未確認。採用した期間内確認の正確な取得時刻は未確認。展開目標:2027年第1四半期。記名顧客のproduction実績は未確認。
#[9]OpenAI Costs API reporting incident https://status.openai.com/incidents/01M4XNQX7C6RCBNGX9H711WFSG Resolvedの採用取得:10月16日10:56:25。表示時刻:10:44 AM、timezone未提示。費用報告の状態であり、API/ChatGPT利用への影響なしという説明のscopeを限定する。
#[10]OpenAI service status https://status.openai.com/ 確認:10月16日23:55:20。事業者の集計表示であり、連続稼働・顧客別SLOの検証ではない。
#[11]Claude service status https://status.claude.com/ 確認:10月16日23:55:20。事業者の集計表示であり、連続稼働・顧客別SLOの検証ではない。
#[12]Range KV再利用の分割数とTTFT https://arxiv.org/html/2610.21241v1 v1公開:10月15日04:37:55 UTC。取得:10月16日23:37:34〜23:37:41の確認内。期間内に確認した既出論文。Llama 3.1 8B、BF16 KV、H100 NVL 1基、NVMe 2台・ext4、vLLM 0.25.1、LMCache 0.5.2。入力65,280 token・再利用49,152 token、KV 6 GiB、出力2 token、同時request 1件。objects 192→6,144でTTFT中央値1.790→1.803秒、stock cuFile 2.124→3.012秒。baseline 3試行、ablation 2試行。code artifactのURLと独立再現・production利用は未確認。
#[13]学習手法のstep予算と時間予算の比較 https://arxiv.org/pdf/2610.19789 v1公開:10月14日08:36:31 UTC。取得:10月16日23:37:34〜23:37:41の確認内。期間内に確認した既出論文。132 runs、Qwen 3.5の2B/4B/9B、11手法・4環境、H800 8基、full parameter、FP32 actor・BF16計算、100 step。集計最終scoreでGRPOを上回ったのはPCSDとAgentOPSDのみ。同じwall-clock予算では一部環境の順位が逆転する。正味学習時間は評価・checkpointを除く。
#