Singapore AI Research 月報（2026-08）
📅 2026-08 📖 OpenAlex + 当サイトの選定
研究マンスリー National University of Singapore Agency for Science, Technology and Research
AI安全・評価
- · 【National University of Singapore】Mapping LLM Capability Frontiers via Formalized and Calibrated Probes — NUS主導のX-RAYは、生のタスク精度ではなく、形式的に検証された構造的に制御されたテストを通じてLLMの推論を調査し、制約相互作用や推論の深さなどの特性を分離しています。これはLLM評価と解釈可能性における中核的なフロンティア課題に取り組むもので、性能ベンチマーキングと安全性評価の両方にとって重要です。（https://doi.org/10.1145/3770855.3818029）
- · 【Singapore University of Technology and Design】Auditable Release Control for Pedagogical Leakage in LLM Tutors — SUTD は、LLM チューターにおける早期回答開示を「教育的情報漏洩」として正式化し、再現可能な失敗トレースを備えた認可認識型リリース制御を構築し、Gemini 3 に対してテスト済みです。これはベンチマークスコアだけではなく、検査可能なチェックを備えた具体的な安全メカニズムです。（https://openalex.org/W7172559148）
科学・保健のためのAI
- · 【Agency for Science, Technology and Research】A clinical multimodal vision language foundation model with fine-grain explainability — A*STARは、最先端のマルチモーダルアーキテクチャと、臨床医がAI出力を信頼するために必要な解釈可能性を融合させることで、粒度の細かい説明可能性を備えた臨床用マルチモーダル画像言語基盤モデルを開発しました。これはシンガポールが汎用システムの採用ではなく、国内開発のバイオメディカル基盤モデルへ推進していることを示唆するものです。（https://doi.org/10.5281/zenodo.21772694）
- · 【Nanyang Technological University】The Words of Proteins: Motif-Level Language Modeling for Interpretable Protein Generation — NTUはモチーフレベル言語モデリングによるタンパク質生成を提案しています。生のアミノ酸残基ではなく構造モチーフをモデリング単位として使用し、生成タンパク質設計をより解釈可能にしています。このアプローチは、LLMスタイルのアーキテクチャ選択をタンパク質ファウンデーションモデルに導入するもので、Singaporeが存在感を構築している領域です。（https://doi.org/10.1145/3770855.3819054）
マルチモーダル・ビジョン
- · 【Agency for Science, Technology and Research】Improving Temporal Action Segmentation via Constraint-Aware Decoding — A*STAR-NTU-IHPCの共同チームが、ロボティクスと監視パイプラインの基礎となるコア動画理解タスクである時間的行動セグメンテーションを改善するため、制約対応デコーディングを導入しています。これはシンガポール複数機関によるコンピュータビジョン分野への堅実な貢献であり、単一研究室による段階的な調整ではありません。（https://doi.org/10.1007/978-3-032-31452-9_5）
- · 【Agency for Science, Technology and Research】Causal Scaffolding for Physical Reasoning: A Benchmark for Causally-Informed Physical World Understanding in VLMs — A*STARとNTUはCausalPhysを構築しました。これは3000以上の質問からなるベンチマークで、専門家が注釈を付けた因果グラフを備えており、ビジョン・言語モデルが物理的因果関係について実際に推論しているのか、それとも単にパターンマッチングしているのかをテストします。現在のVLMsの既知の弱点に対応し、解釈可能で因果グラフに基づいた評価指標を提供しています。（https://doi.org/10.1145/3770855.3817582）
システムと効率
- · 【Agency for Science, Technology and Research】Standing Peg-in-Hole Insertion: Demonstrations, Trained Policies, Evaluation Episodes, and Simulation Environment — このA*STARロボティクスバンドルは、サブミリメートルクリアランスペグインホール組立において、知覚またはポリシーのいずれが失敗の原因かを特定し、デモンストレーション、訓練されたポリシー、およびシミュレーション環境を再利用のために公開しています。これはエンボディドAIとロボット学習に対する具体的なオープンインフラストラクチャ貢献であり、シンガポール先端製造分野のAI焦点と一致しています。（https://doi.org/10.5281/zenodo.21287317）
LLMsとエージェント
- · 【Nanyang Technological University】Toward Plasticity-Preserving KL Regularization for Capability Retention in LLM Reinforcement Learning — NTU 研究者は LLM のポストトレーニングにおける中核的な問題に取り組んでいます。それは、RL ファインチューニングがベースモデルが既に有する能力を侵食することです。彼らの正確性条件付き KL 制約は、最先端モデルがどのように学習されるかに関する手法的貢献であり、ダウンストリーム応用ではありません。（https://openalex.org/W7172557801）
その他
- · 【National University of Singapore】Copyright Law and Generative AI — NUS著による比較法書籍で、US、China、EU、Japan、UK、Singaporeの著作権例外が生成AI訓練および出力にどのように適用されるかについて述べています。規制当局とAI開発者が取り組んでいる法的不確実性に直接的に対応するもので、ポリシー指向のオブザーバトリーにとって重要です。（https://doi.org/10.4324/9781003655602）
💬 まとめ： シンガポールの8月の研究軌跡は、汎用モデルのスケーリングからドメイン対応可能で解釈可能なAIシステムへの成熟を示しています。この月は、正式なLLM評価と安全性方法（X-RAY probes、可塑性保持RL、教育的漏洩検出）、細粒度の説明可能性を備えた臨床ビジョン言語モデル、タンパク質基礎モデル、およびオープンソースロボティクスインフラストラクチャにわたっています。これは、臨床医、規制当局、およびメーカーが検査して信頼できるAIシステムを構築する戦略的転換—多機関協業（A*STAR、NUS、NTU、SUTD、IHPC）および政策分析（著作権枠組み）によって支えられている—を反映しており、フロンティア能力指標を追求するのではなく。