卒業の経路がメカニズムであり、論文タイトルではない

2026 BAIR Graduate Showcase は Berkeley の 31 人の博士をリストし、各氏名の隣に論文タイトルより重要な一行を置いている：次にどこへ行くか。機械的に読めば、その行はルーティングテーブルである。論文をデプロイされたシステムに変えるメカニズムは、ルート——Physical Intelligence、OpenAI、Anthropic、Waymo、UCLA の教職ライン、あるスタートアップ、または "looking for"——であり、要約ではない。論文が生産能力になるのは、それを実装し測定できる組織に着地した時だけである。

これが 2026 BAIR Graduate Showcase（Berkeley Artificial Intelligence Research Lab、2026年7月）に対する正直な読み方である。ショーケースは祝賀であり、そうあるべきだ。だが研究からシステムを構築する者にとって、それはまた、どのメカニズムがベンチからデプロイへの旅を生き延び、どれがまだ宛先アドレスを待っているかの地図でもある。

"what's next" の行がルーティングフィールドである

ショーケースの各エントリは同じ二つのフィールドを持つ：研究要約（送信元アドレス）と "what's next" の一行（宛先アドレス）。要約はロボティクス、大規模言語モデル、AI 安全性、生成モデリング、AI for science、人と AI の相互作用にまたがる。宛先がすべてを支える信号である。

およそ三分の一——31 人のうち少なくとも 10 人——は次の行を "Looking for" と記す。彼らは未ルーティングのパケットである。彼らの研究は存在し、防衛も済んでおり、まだメカニズムを実装し計装し、主張する特性が負荷下で本当に成り立つかを測定できる組織を待っている。残り三分の二はルーティング済みである：Physical Intelligence（Baifeng Shi、Kevin Black）、OpenAI（Hanlin Zhu）、Anthropic（Lisa Dunlap）、Thinking Machines Lab（Long "Tony" Lian）、xAI（Xiuyu Li）、Waymo（Yiheng Li）、Mistral AI（Josh Kang）、Google DeepMind（Niklas Lauffer）、Luma AI（Yichen Xie）、Toyota Woven の自動運転チーム（Maulik Bhatt）、Hudson River Trading's AI Labs（Yigit Efe Erginbas）、Baseten（Michael Psenka）、そして Yumi Health の共同創業（Nathan Lichtlé）。一握りは教職やポスドクのラインを取る——UCLA（J.D. Zamfirescu-Pereira）、University of Chicago（Haozhi Qi）、Princeton CITP（Eve Fleisig）、Stanford（Kunhe Yang、Zhe Fu）。

[UNIQUE INSIGHT] ルーティングフィールドが予測子である。器用な操作に関する論文が Physical Intelligence にルーティングされれば、実ハードウェア上で測定される特性への明確な道がある。同じ主題で宛先のない論文は同じアイデアを持ちながら測定ループを持たない。ルートがループを閉じるのである。だから the-space-is-the-router の枠組みはショーケースをトランスクリプトではなくトポロジーとして読む：卒業生が加わるネットワークが、彼のメカニズムのどれが実装され測定されるかを決める。

なぜタイトルでなく宛先がデプロイを予測するのか

論文タイトルは何が研究されたかを語る。宛先はその研究内のメカニズムが現実に対して行使されるかを語る。両者の間のギャップが、研究を能力に変える問題のすべてである。

ロボティクスのクラスタを見よ。Baifeng Shi は汎用視覚・ロボットモデルを構築し、Physical Intelligence にルーティングされる。Kevin Black は大規模ロボット学習——模倣、強化、生成モデリング、リアルタイム制御——に取り組み、同じく Physical Intelligence にルーティングされる。Haozhi Qi は器用な操作とロボット学習に取り組み、Amazon と University of Chicago の教職ラインにルーティングされる。Qiyang Li は先行データを用いた強化学習による action-chunking ポリシーの最適化を研究し、ロボティクスと LLM の RL のポスドク・研究職を探している。最初の三人はメカニズムをハードウェアに乗せ測定できる宛先を持つ。四人目は同クラスのメカニズムを持ちながらループを探している。

同じパターンが安全性のクラスタで繰り返される。Niklas Lauffer は AI 安全性と強化学習を多エージェント・LM agent の場で研究し、Google DeepMind にルーティングされる。Sampada Deglurkar は自律システムの安全保証——不確実性の定量化、不確実性下の意思決定、確率的保証——に取り組み、研究職・研究エンジニア職を探している。二人とも安全メカニズムを研究する。一人は規模にわたって敵対的学習を実装し測定できる組織に着地し、もう一人はアドレスを待つ。

これは卒業生への裁断ではない。メカニズムの完全性に関する陳述である。我々自身の 21 本の論文シリーズの Theorem 3 は、ある特性が保証されるのはそのメカニズムが実装され測定されている時に正確にそうであると述べる。論文はメカニズムを提案する。宛先がそれを実装し測定する。宛先がなければ、その特性は仮説のままに留まる——紙の上では正しく、世界では保証されない。

四つのルート、そしてそれぞれが測定するもの

宛先フィールドを四つの異なるルーティング経路として読め。それぞれに異なる測定面がある。

ルート 1——フロンティアラボ（Physical Intelligence、OpenAI、Anthropic、xAI、Thinking Machines Lab、Mistral）

これらの組織はフロンティア規模の計算と実ユーザートラフィックに対してメカニズムを実行する。Hanlin Zhu の LLM 推論に関する研究は OpenAI にルーティングされ、フロンティアラボが生み出す負荷と敵対的条件下で鍛えられる。Lisa Dunlap の生成モデル監査に関する研究は Anthropic にルーティングされ、監査が正直でなければ成り立たない事業を持つラボに着地する。測定面は規模に敵対的暴露を加えたものである。

ルート 2——応用自律（Waymo、Toyota Woven、Luma AI、Hudson River Trading）

これらの組織は許さない物理的・市場的環境に対してメカニズムを実行する。Yiheng Li のビジョン世界モデリングは Waymo にルーティングされ、ベンチマーク精度ではなく無衝突マイルで測られる安全事例に出会う。Yigit Efe Erginbas の大規模市場でのオンライン学習と解釈性に関する研究は Hudson River Trading's AI Labs にルーティングされ、毎日決済される損益計算書に出会う。測定面は硬い外部の真値である。

ルート 3——教職とポスドク（UCLA、UChicago、Princeton、Stanford）

これらのルートはメカニズムを測定ループに保つが、そのループは学術的である：査読、学生、縦断研究。J.D. Zamfirescu-Pereira の人と AI の協設計と言語インターフェースの境界に関する研究は UCLA の助教授職にルーティングされ、長い地平と自身の大学院生のクラスを得る。Eve Fleisig の広範な実ユーザーに信頼性と公平性を持って働く LLM に関する研究は Princeton CITP のポスドクにルーティングされ、集団レベルの公平性の問いで評価ループを走らせ続ける。測定面はより遅く、より深く、近道により寛容でない。

ルート 4——創業と "looking for"

Nathan Lichtlé は Yumi Health を共同創業する。Jiachen Lian はスタートアップに加わる AI 人材を探している。更に十人が職を探している。このルートは、メカニズムが顧客主権の測定ループを見つけるかどうかの場所である。スタートアップは可能な限り最もきれいな測定面——収益、維持、そして去ることができる顧客——を持ち、それに決して到達しない最高のリスクを持つ。"looking for" のルートは未ルーティングのパケットである：メカニズムは実在し、アドレスは開いている。

各クラスタが運ぶメカニズム、そしてどこへルーティングされるか

[ORIGINAL DATA] 31 の要約をメカニズムの系統でクラスタ化すると、ルーティングの非対称が見えてくる。ロボティクスと具身知能のクラスタが最も大きく最も完全にルーティングされている：ロボティクスの卒業生はほぼ全員が名指しされた宛先を持ち、なぜならロボティクスのメカニズムは測定されるためにハードウェアを必要とし、ハードウェアを持つ産業ラボが彼らを雇ったからである。LLM と推論のクラスタも同様に良くルーティングされ、フロンティアラボへ向かう。AI 安全性のクラスタは二分される——一人は DeepMind へ、一人は "looking for"——なぜなら安全メカニズムは単一の商業 entity 内で計装するのが難しいからである。AI for science のクラスタ（Junhao Xiong はタンパク質の生成モデリング、Nikita Mehandru は電子健康記録からの臨床推論）はほぼ完全に "looking for" である。なぜなら臨床・生物メカニズムの測定ループは、フロンティアラボのように採用しない病院や湿った実験室の中に生きるからである。

パターンは一貫している：メカニズムの測定面がフロンティアラボの既存の計装に近いほど、完全にルーティングされる。測定面が遠いほど（診療所、湿った実験室、多エージェント経済）、より多くの卒業生が未ルーティングのままになる。論文は弱くなったのではない。宛先が見つかりにくくなったのである。

ショーケースから採用する者にとっての意味

もし graduate showcase から採用しているなら、宛先フィールドを威信のランキングではなく調達の信号として読め。すでに所有する測定面に合うメカニズムを持つ卒業生は、あなたが作れる最高レバレッジの採用である——あなたは彼のメカニズムを完成させるループを提供しているのだから。計装できないメカニズムを持つ卒業生は、論文がどれほど強くても評価に苦しむ採用になる。

これは我々自身のエンジニアリングに適用するのと同じ論理である。HAI Engine は 2016 年から本番で稼働している（Production ✅）。アイデアが新しかったからではなく、エンジンが継続的な測定ループ——実ネットワーク、実コミュニティ、実ルーム、実予測——を持つからである。Sisters は未来を提案し、Oracle はそれらを校準されたアンサンブルに融合する（Production ✅）。なぜなら校準は決済する結果に対して測られるからである。World Monitor（Production ✅）は実クライアントのビューポートという測定面を持つから、デモではなく、Postgres キャッシュと tile 毎のブロードキャストチャネルを通じて実 geo 信号をルーティングする。Partial ⚠️ のモジュール——Matchmaking、Marketplace、Calendar——は、測定ループがまだ閉じ途中だからこそ部分である。Roadmap 🔵 のモジュール——Wallet & Token、Super App、Community Credit——は、測定ループ（そして token メカニズムについては Howey 審査）がまだ存在しないからロードマップである。我々は主張によって状態を昇格させない。ルートが状態を決める。

[PERSONAL EXPERIENCE] エンジンは 2016 年から本番で稼働しており、ある能力が出荷されたかの最も信頼できる予測子は設計の優雅さだったことは一度もない——それはそれを測定できる宛先が存在したかどうかだった。出荷された能力にはルートがあった。ホワイトボードに留まった能力には論文がありアドレスがなかった。

The space is the router

Everythink において、the space is the router：ネットワークはコミュニティを含み、コミュニティはルームを含み、network→community→room のトポロジーは何かが応答する前にルーティングする。BAIR のショーケースは同じ形を異なる規模で持つ。研究がリクエストである。宛先がルートである。組織が応答するルームである。

だから graduate showcase は、機械的に読めば、論文要約より有用である。要約は何が主張されたかを語る。宛先はその主張がかつて測られるかを語る。そして Theorem 3 はこれに関して容赦がない：ある特性が保証されるのはそのメカニズムが実装され測定されている時に正確にそうである。宛先のないメカニズムは保証のない特性である——間違っているからではなく、世界がまだそれを確認することを許されていないからである。

重要な要点

• 2026 BAIR Graduate Showcase はルーティングテーブルである："what's next" の行が、論文タイトルではなく、どのメカニズムが本番に届くかを予測する。
• 31 人の卒業生の約三分の一は "looking for" である——未ルーティングのパケットであり、そのメカニズムは実在するが測定されていない。
• ロボティクスと LLM のクラスタが最も完全にルーティングされる。なぜならフロンティアラボが測定面を所有するからである。AI for science と安全性のクラスタは最も少なくルーティングされる。なぜならその測定面は診療所、湿った実験室、多エージェント経済に生きるからである。
• Theorem 3 は成り立つ：ある特性が保証されるのはそのメカニズムが実装され測定されている時に正確にそうである。宛先がそれを実装し測定する。
• ショーケースからの採用は威信ではなく調達である：メカニズムをあなたが既に所有する測定面に合わせよ。

よくある質問

BAIR Graduate Showcase とは何か。 Berkeley Artificial Intelligence Research Lab の年次投稿であり、その年の博士卒業生をリストし、各々に研究要約と "what's next" の一行を添える。2026 年のショーケースは 31 人の卒業生をリストする。

なぜ宛先が論文タイトルより重要なのか。 論文はメカニズムを提案する。宛先——フロンティアラボ、応用自律の企業、教職ライン、スタートアップ——がそのメカニズムを実装し測定する。宛先がなければ、論文が主張する特性は仮説に留まる。

ショーケースの "looking for" とは何を意味するか。 卒業生の次の職位がまだ決まっていないことを意味する。機械的に読めば、未ルーティングのパケットである：研究は存在し、それを完成させる測定ループはまだアドレスを持たない。

これは Everythink とどう繋がるか。 我々のトポロジー——network→community→room——は何かが応答する前にルーティングし、我々の能力状態（Production ✅ / Partial ⚠️ / Roadmap 🔵）は願望ではなく測定ループが存在するかで決まる。ショーケースはキャリアレベルでの同じ論理である：ルートがどのメカニズムが測定されるかを決める。

採用マネージャーはこうしてショーケースを読むべきか。 はい。宛先フィールドを調達の信号として読め。そのメカニズムがあなたの既に所有する測定面に合う卒業生は最高レバレッジの採用である。なぜならあなたが彼の仕事を完成させるループを提供するからである。

もしルーティングが製品であるネットワークを構築しているなら、同じ原則が当てはまる：トポロジーがどのメカニズムが測定されるかを決める。Create your network、そしてルートを所有せよ。

Sources

• 2026 — Berkeley Artificial Intelligence Research (BAIR) Lab, "2026 BAIR Graduate Showcase" — https://bair.berkeley.edu/blog/2026/07/01/grads-2026/