Gartnerの市場調査員によると、トークン消費の増加と消費ベースの課金モデルへの移行により、生成AIによるコーディングのコストは高騰しています。2028年までに、コストは世界平均の開発者給与を超えると予想され、その予測は月額約2,000米ドルの世界平均に基づいています。

Supercomplete.aiは、メール、ソーシャルメディア、カスタマーサポート、マーケティングコピー、メッセージング、ノートなど、あらゆる入力場所で即座にパーソナライズされた提案を提供するAIツールです。あなたのスタイルを学習し、0.5秒未満で応答します。無料、Pro（月額$8.99）、生涯（$59.99）のプランがあります。

Agent Zeroは、オープンソースで動的かつ有機的なエージェントフレームワークです。1つのDockerコンテナで完全なLinuxシステム（デスクトップ環境含む）を提供し、DOM注釈付きブラウザ、ドキュメント共同編集、LibreOffice統合、100以上のコミュニティプラグイン、マルチエージェント協調、ホスト拡張をサポートします。

Shotlist は、単一の .shotlist.yaml 設定ファイルからドキュメント用のスクリーンショット（Webページ、ターミナルウィンドウ、CLIセッション）を自動生成するオープンソースツールです。再現性を確保し、CIと統合でき、複数のキャプチャモードをサポートして、スクリーンショットを常に最新に保ちます。

本論文は、モデル予測制御（MPC）と強化学習（RL）を用いた階層型制御フレームワークを提案し、車輪付き四足ロボットの自律レーシングにおける横方向荷重移動を能動的に管理する。フレームワークは、オフラインでの時間最適レースライン生成、オンラインMPCプランナー、および16のアクチュエータに直接展開される全身RLポリシーで構成される。実機実験により、アクティブロール制御により平均LTRが最大44%低減、最速ラップタイムが8.7%向上、ピーク横加速度が21.3%向上し1.98 m/s²に達し、高速安定性が向上することが示された。

NavIsaacLabは、Isaac Labに基づくフレームワークで、物理ベースかつフォトリアリスティックな歩行者とシーンのシミュレーションを提供し、GPU並列シミュレーションによりリアルタイムの3D視覚フィードバックを実現します。軌道拡散モデルと敵対的動作学習コントローラを用いたデータ駆動型アプローチにより、制御可能で物理ベースの歩行者シミュレーションを可能にし、多様なクロススケールシーンを統合することで、人間を意識したナビゲーション手法の強固なベンチマークを提供します。

本論文は、人間のコーチによる少数の入力（スキルセット、1回のデモ、インタラクションウィンドウ、目標）を用いて、ヒューマノイドロボットが動的スキルを迅速に習得できるTaskNPointトレーニングプロトコルを提案する。Unitree G1ヒューマノイドでテニスストローク、サッカーキック、ボックスピックアンドプレイスなどのタスクを1時間未満のトレーニングで成功させた。

RoboTalesは、表現力豊かな靴下人形を使った物語をアニメーション化する低コストのロボットストーリーテリングシステムです。Baxterロボットに自律的に実装されたテストケースでは、ナレーション、ジェスチャー、口の動きを同期させてキャラクター主導のストーリーを演じます。パイロット研究では、人形ベースのストーリーテリングがジェスチャーのみのモードを上回り、HRIES評価とストーリー想起が向上し、具現化された人形劇がエンゲージメントと物語理解を高めることが示唆されました。モジュール式でプラットフォームに依存しない設計により、他のマニピュレータにも適応可能で、受動的メディアに代わるスクリーンフリーの選択肢を提供し、子ども中心の学習環境での将来の展開を支援します。

本論文では、コンタクトフロー（CF）表現を核とする階層フレームワークOmniContactを提案。低レベルポリシーCF-Trackは統一スキルライブラリを学習し、高レベルモジュールCF-Genは将来のコンタクトフロー系列をヒューリスティックに合成する。運搬と押し積みタスクでそれぞれ98.7%と76.5%の成功率を達成し、ベースラインを大幅に上回る。VLMとの統合により意味的な複雑操作が可能。

本論文では、対数螺旋連続アームのための初の形態特異的閉ループタスク空間制御フレームワークを提案する。セグメント化された腱駆動モデルとオンライン・ヤコビ誤差補償（Broyden更新とカルマンフィルタ）を用いて、正確でロバストな制御を実現し、シミュレーションにおいてセグメント一定曲率法を凌駕し、把持や障害物回避運動などの操作を可能にする。

本論文では、ロボットの生涯操作における破滅的忘却とスキル転送の問題を解決するため、動的エキスパート混合（MoE）に基づく二段階学習スキームLiMoDEを提案する。第一段階ではマルチタスク事前学習で動的MoEを用いて事前知識を学習し、第二段階では生涯MoE適応メカニズムにより新しいタスクに適応する。シミュレーションと実世界のタスクで有効性を実証した。

本論文では、長期操作タスクを言語で記述されたマイクロタスクに分解し、エージェントがそれらを切り替えるように訓練するRMTL（Reinforced Micro-task Learning）を提案する。マルチビューVLM報酬、逆カリキュラム、階層的ポリシーを用いることで、単一プロンプトのVLM報酬よりも情報量の多い報酬信号を提供し、学習を高速化する。Fetch操作環境での実験により有効性が確認された。

研究者らは、物理的に忠実な毛細血管網のシミュレーションを開発し、深層強化学習エージェントを化学走性によりナビゲーションするよう訓練した。ナビゲーションの物理的限界を体系的にマッピングし、禁止領域を発見した。エージェントは複数の普遍的な戦略を自律的に発見し、再訓練なしで毛細血管流の遮断と再開を行い、健康なベースラインレベルに回復させた。

本論文では、農業ローバー向けの完全教師なしリアルタイム障害物検出手法VMTADを提案する。トランスフォーマーアーキテクチャとメモリモジュールを用いて動的シーンを処理し、ナタネデータセットで検出AUC 0.973、セグメンテーションAUC 0.997を達成。軽量版は14ミリ秒で推論可能。

ビデオ、画像、オーディオのディープフェイクベンチマークを、凍結された汎用自己教師あり表現上の線形プローブで監査したところ、専用検出器の性能に近づくことがわかり、ベンチマークは鑑識的理解ではなく一般的なモダリティ理解を報酬としている可能性が示唆された。

本論文では、視覚プロンプトチューニングにおいて画像トークンとプロンプトトークンの最適な融合方式を自動的に発見するための微分可能アーキテクチャ探索手法を提案する。学習可能なプロンプトとその融合方式を共同最適化し、アフィン変換とクロスアテンションという2つの新しい融合機構を導入する。34のデータセットでの実験により、ベースラインを一貫して上回る性能を示し、ハイブリッド融合がVision Transformerの層意味論をより効果的に活用できることを明らかにした。

研究者らは、極度の濁度下での水中シーンにおける情報損失を定量化するため、Turbid Underwater Baseline (TUB)データセットと新指標PCDを導入した。PCDはインスタンスセグメンテーション性能と強く相関し、既存の指標を上回る。

GeMoEはトークンルーティングを情報符号化タスクとして捉え、最小記述長原理とゲーティングエントロピーに基づき適応的に専門家を選択し、99.5%の性能を維持しながら専門家活性化スパース性を36.5%向上させる。

本研究は、fMRI認知タスクノミーを単一ソース転移からマルチソース転移へ拡張し、23のHuman Connectome Projectタスク状態にわたってブール整数計画法（BIP）を用いて予算制約下のタスク割り当てを分析した。1,127のタスク特化モデルと転移モデルを訓練。単一ソース転移は方向性とパラダイム構造を持ち、運動状態は運動パラダイム内でよく転移するが非運動目標へのサポートは限定的。マルチソース転移はソースセットの構成に依存し、ペアワイズタスクノミーだけでは多対一関係を完全に捉えられないことを示唆。BIPは予算制約下で0-backおよび2-backワーキングメモリ状態に直接監視を繰り返し割り当て、ワーキングメモリタスクにおける知覚、注意、実行プロセスの統合を反映。クロスパラダイムに制限された運動クラスターと高い優先度を持つワーキングメモリ状態を明らかにした。

本論文では、レーザー貫通溶接における溶け込み状態、深さ、溶接シーム形態を高精度に予測する革新的なマルチタスク深層学習モデルを紹介する。CMOSカメラで捉えた溶融池画像と溶接パラメータを用い、畳み込みニューラルネットワークと状態空間モデルにより時空間特徴を抽出する。テストセットでは、溶け込み状態予測精度99.35%、深さ誤差1.79mm、断面再現精度95.65%を達成した。

研究者らは、航空機搭載LiDARと光学画像を使用して都市部の樹木地上バイオマスを推定する自己教師ありフレームワークを開発した。この手法は樹冠の描出とバイオマス推定において高い精度を達成し、手動アノテーションなしで都市の炭素ストックとその時間変化を明らかにした。

本論文では、長コンテキストのマルチ画像生成における一貫性とスケーラビリティを向上させるフレームワークLCGを提案。スパース関係的注意（SRA）とルーティング一貫性制約（RCC）を導入し、大規模合成データセットLCCDを構築。実験により、プロンプトアライメントとキャラクター一貫性でベースラインを上回ることを示した。

本研究は、画像処理と深層学習を組み合わせたハイブリッド手法を導入し、果物の鮮度を評価する。腐敗度を0（完全に新鮮）から100（完全に腐敗）で定量化する画像処理アルゴリズムを開発し、CNNで二値分類（新鮮/腐敗）を訓練。ロジスティック回帰で両方の結果を統合し、精度を向上。最終的に画像処理アルゴリズムがCNNなしで二値分類できるようにした。低計算リソースでリアルタイム性能を達成し、リンゴとオレンジのデータセットで90%以上の精度を実証。制限は、果物が白または透明の背景に孤立している必要があること。

DocArenaは、マルチモーダル大規模言語モデル（MLLM）を用いて生の文書を制御可能かつスケーラブルなトレーニング環境に変換する完全自動データキュレーションパイプラインです。人間によるアノテーションを必要とせず、推論を必要とするQAペアを生成し、16ドメイン・49言語にわたる8,336文書からなるDocArena-79Kデータセットを構築します。実験では、DocArenaでトレーニングされたエージェントが検索精度とQA品質の両方で最先端のパフォーマンスを達成することが示されました。

ヒンディー語WordNetを125万件の命令応答ペアに変換し、リソース効率的なLoRAと4ビット量子化を用いて12Bパラメータの言語モデルを微調整する手法を提案。ヒンディー語学習チャットボットによる評価では、汎用モデル（79.4-83.6）を上回る91.0の教育効果を示し、セマンティック性能も競争力を維持。この研究は、低リソース言語向けに大規模コーパスに依存しない代替手段を提供し、WordNetリソースを持つ数百の言語で専門AI開発を可能にする。

新しい研究により、大規模言語モデルが推論タスクで小規模モデルを上回る鍵は「制約誘導推論」にあることが明らかになった。大規模モデルは明示的・暗黙的な制約を特定し、構造化された推論に組織化し、実行不可能な経路を排除する能力に優れている。研究チームが開発したAdvClusterフレームワークを用いて、Qwen3-32BはQwen3-8Bより6.43%、GPT-OSS-120BはGPT-OSS-20Bより7.38%高い成績を示した。

本研究では、NEST-V1という軽量Transformerベースの多モーダルフレームワークを提案。音声入力から感情表現を伴うネパール手話アバターを生成する。4単語・3感情のデータセットでASR精度81.1%、感情認識精度79.21%を達成。パラメータ数22.1Mでエッジ展開に適する。低リソース言語における感情対応手話翻訳の技術基盤を確立。

本研究では、非暴力コミュニケーション（NVC）の原則を軽量なプロンプトレベルの制約として活用し、感情的に緊張した状況で大規模言語モデル（LLM）の対話行動をより緩和・非エスカレーション方向に導く方法を探る。複数のモデルとユーザーの抵抗レベルの異なるデュアルエージェントシミュレーションフレームワークを通じて、NVC制約付きプロンプティングが一貫して会話エスカレーションを低減し、抵抗の強いユーザーとのやり取りを安定化させることを示した。

大規模言語モデルは短いコンテキストでは強力だが、長い会話ではコンテキストウィンドウの制限と非効率なトークン使用により性能が低下する。ContextForgeは、構造化クエリ生成、外部メモリ検索、制御された合成を組み合わせてコンテキストをリサイクルし、トークンオーバーヘッドを削減しつつ回答品質を維持する。15ターンの医療会話ベンチマークで、ContextForgeは一貫性を向上させ、トークン消費を削減した。

新しい研究により、微調整データにおいて断定的確信、明示的な道徳語彙、感情語などの言語的特徴を使用すると、LLMの動物福祉支持傾向が大幅に強化される一方、曖昧な表現や具体的な感覚的描写はその立場を弱めることが明らかになった。この研究は動物福祉提唱者に実践的な指針を提供する。