新しい研究では、GCSE模擬試験の32,534件の実際の二重採点学生回答データセット（5科目328問、手書き含む）を導入。市販の大規模言語モデルが採点者とどの程度一致するかを調査した結果、トップモデルは採点者同士の一致よりも高い一致を示した。英語エッセイ採点などの主観的タスクや複雑な手書き数学答案の処理でも高スコアを達成。モデルサイズによる差は小さく、コスト効率の良い自動採点ソリューションを提供する。

Dustinは、長文脈投機的復号向けのスパース検証フレームワークであり、ドラフトモデルの先読み信号とターゲットモデルの履歴注意を組み合わせて重要なトークンを特定します。Qwen2.5-72Bで32k系列長においてセルフアテンションを27.85倍、エンドツーエンドの復号を9.17倍高速化し、精度低下は無視できます。

arXivの最新研究は、言語モデルにおける「検出」と「制御」の行動方向の幾何学的な差異を明らかにしています。モデルは幻覚を完全に検出できますが（AUC=1.0）、検出方向と拒否を引き起こす方向のコサインはわずか0.12であり、検出は制御可能性を意味しないことを示しています。このギャップはさまざまなモデルと規模で普遍的に存在し、事前学習に起因しており、15度の回転で部分的に埋められます。

エラー対応TF-IDF検索を使用したフレームワークを提案し、ASRの幻覚エラーを訂正。ペルシア語FLEURSデータセットでWERを大幅に改善。

AgentOdyssey は、プロシージャル生成されたオープンエンドテキストゲームを用いて、エージェントの継続学習能力を評価する新しいフレームワークです。従来の機械学習の前提（テスト時の学習なし）を打破し、展開中に学習と推論を統合します。世界知識獲得、エピソード記憶、探索、行動多様性、モデルコストを測定し、実験では最強のエージェントでさえ人間のパフォーマンスに遠く及ばず、短期記憶が重要な改善要素であることが判明しました。

新しい研究により、わずか125回の編集で、小さなWikipedia編集者のグループが大規模言語モデルの動物福祉に関する振る舞いに顕著な影響を与えられることが示されました。勾配ベースのデータ帰属手法を用いて、これらの編集の影響を追跡し、動物福祉関連のWikipediaコンテンツが関連クエリに対するモデルの応答で支配的になることを発見しました。

自動音声認識（ASR）システムが固有名詞や否定語などの意味的に重要なトークンに残す音韻的類似性による誤りに対して、研究者らはG-SPINフレームワークを提案。グラフニューラルネットワークで音韻的に妥当な候補集合を生成し、マスク言語モデルでスコアリング、最後に大規模言語モデルで文脈を考慮した再ランキングを行うことで、軽量でモジュール化された推論時訂正を実現する。

MacroLensは、2021年から2026年までの米国の小型・超小型株4,416銘柄をカバーする新しいマルチタスクベンチマークです。価格、会計データ、マクロ経済系列、SEC提出書類、ニュースを統合し、金融時系列評価における4つの重要な仮定違反に対処します。7つのタスク、1,130のマクロ経済イベントを含み、19の手法を評価し、5段階の特徴コンテキストアブレーションも実施しました。

ホログラフィックメモリモデルは知識グラフのゼロショット合成クエリにおいて、結合代数ではなく容量と干渉効果のために失敗することが明らかになった。

新しい論文は、分散型エネルギーリソース（DER）の協調のための教師あり強化学習（SRL）フレームワークを提案している。このアプローチは、まずデモンストレーションデータで教師あり学習によりポリシーを事前学習し、その後オフラインおよびオンライン強化学習で微調整する。低品質のデータでもベンチマークを大幅に上回る性能を示す。

本論文は、既知の群対称性を持つ潜在世界モデルの信頼地平線認証を研究する。分割共形乗算因子を用いて生の地平線曲線を較正し、正確な等変性が較正された信頼地平線曲線を群軌道に沿って輸送し、ロールアウト誤差と信頼地平線が軌道で一定になることを示す。2Dおよび3D実験では、等変モデルが単一較正セクターで安全で非空虚な軌道有効証明書を取得する一方、非等変ベースラインは追加コストを負担する。証明書は保守的な分布的監査であり、グローバルな到達可能性保証ではない。

本研究は、物理世界モデルが潜在表現を学習した後も保存則が認証可能かどうかを探求する。「認証地平」という概念を導入し、シミュレーション軌道が物理不変量のレベルセット上に留まるステップ数を事前に保証する。認証対象は学習された潜在ハミルトニアンではなく、復号された物理不変量である。表現、読み出し、潜在ダイナミクスの欠陥に予算を分解し、単調アライメントブリッジを用いてソフト証人を活用する。実験では、ハード正準シンプレクティック構造は既知の位相座標で最長の地平を提供するが学習チャートを越えられず、制御リプシッツ整列ソフト不変量は表現学習設定で良好に機能する。ピクセル認証は読み出し安定サブチューブで回復可能であり、ケプラー問題は幾何学的境界を明らかにする。

本論文は、バイナリ少数ショット分類においてラベル付きサンプルの収集をいつ停止すべきかを決定するための飽和指数を提案する。この指数は、クラス内共分散の有効ランクとショット数の比に基づき、テストラベルなしで計算可能である。17タスクの246観測にわたる評価では、指数と限界精度向上との間に強い相関（中央値ρ=0.811）が見られ、探索、遷移、飽和の3つの位相が確認された。停止ルールとしてAUC 0.752を達成し、低飽和指数と低精度の組み合わせは表現の不十分さを示す。

本サーベイは、産業用LLMの継続学習をバージョン管理されたエコシステムにおけるクローズドループの更新・リリース問題として再定義し、3つの核心的課題（可塑性の低下、能力継承の断絶、持続可能性の制約）を特定し、5つのライフサイクル設計原則を提案し、各原則の成熟度を評価して展開の青写真を示す。

本論文は、センサー近傍計算のために、展開デバイス上で直接軽量ニューラルアーキテクチャサーチ（NAS）を実行し、リアルタイムセンサーデータに最適な小型ニューラルネットワークを見つける手法を提案する。特に、ユーザーごとにネットワークを再設計できるため、人間と機械のインターフェースに有用である。イタリア手話データセット（ISL）とCWRUデータセットでの検証により、Raspberry Pi 4上でRAM使用量を削減しつつ精度を向上させた。

新しい論文は、人間とAIが協力して漠然とした研究直感を具体的な数学的発見に変換するプロセスを事例研究として示しています。焦点は、行列方程式と行列関数のための符号埋め込み量子アルゴリズムです。AIシステムAIMは直感の拡張、候補公式の比較、既知の恒等式の接続に重要な役割を果たしましたが、最終的な科学的判断（方向性の選択、無効な近似の拒否、実装の最適化）は人間が行いました。著者らは、人間とAIの共発見ワークフローは独立した定理証明器ではなく、研究パートナーとして最も価値があると主張しています。

MITとマイクロソフトの研究者は、AIエージェントワークフローの設計と展開を最適化するシステム「Murakkab」を開発した。開発者は自然言語で意図を記述し、システムが最適なモデル、ツール、ハードウェア構成を自動選択し、速度やコストの優先順位に応じて動的に調整する。テストでは、従来手法と比較してMurakkabは約35%の計算リソース、27%のエネルギー、25%未満のコストで同等の性能を達成した。

swarm-testはマルチエージェントAIシステム向けの静的信頼性テストツールで、ライブLLM呼び出しなしでカスケード障害、単一障害点、コンテキスト漏洩などを特定し、Swarmスコアとインタラクティブなレポートを提供します。

上院議員バーニー・サンダース氏は「アメリカAIソブリン・ウェルス・ファンド法」を提出し、大手AI企業に50%の一時的な株式税を課して約7兆ドルの公的ファンドを創設することを提案した。このファンドは独立委員会が管理し、毎年その価値の5%をアメリカ国民に分配する。サンダース氏は、AIが広大な知的コモンズと納税者資金による研究に依存しているため、公的所有権は正当化されると主張する。このアイデアは超党派の支持を得つつあるが、批評家は50%の株式税が投資を阻害し、ガバナンス上の懸念を引き起こす可能性があると警告している。

Artificial Analysis は、音声推論、会話ダイナミクス、エージェント性能を評価する新しい音声対音声インデックスを発表。OpenAI GPT-Realtime-2 (High) が総合77.2%で首位、xAI Grok Voice Think Fast 1.0が75.7%で続く。Deepslate Opal は最速、Gemini 3.1 Flash は最もコスト効率が高い。

chrome-useは、AIエージェント（Claude Code、Cursorなど）が実際にログイン済みのChromeブラウザを制御できるようにするオープンソースツールです。ブラウザ拡張機能とネイティブメッセージングを介して接続し、再ログインやCAPTCHAを回避し、本物のブラウザフィンガープリントによりボット検出を免れます。

AIスタートアップOrnn AI Inc.は、Andreessen Horowitzの暗号資産ファンドなどから3300万ドルのシード資金を調達し、コンピューティングパワーのマーケットプレイスを構築する。ラウンドはGalaxy Venturesが共同リードし、Nordstar、SV Angel、既存投資家が参加。同社はOCPI指数とOrnn Computeプラットフォームを通じてGPUコンピュート市場に透明性をもたらすことを目指す。

AI分野の最新動向を総括。メタハーネスアーキテクチャの台頭、OpenAIのカスタム推論チップJalapeño、エージェントUXのツールから同僚へのシフト、Qwen-AgentWorldのオープンワールドモデル、GLM-5.2などの中国製オープンモデルの進展、そして政策・人材競争に関する話題をカバー。

TronBrowserは、Ungoogled Chromiumをベースにしたオープンソースのプライバシー重視のAIネイティブブラウザです。テレメトリ、広告、スポンサータブなしで、内蔵AIサイドバー（独自キー持参）とエージェントフレンドリーなCLIを備えています。MITライセンスで無料・オープンソース。

OpenAIの新しい研究論文は、AIエージェントがどのように仕事を変革し、より長く複雑なタスクを可能にし、さまざまな役割の生産性を拡大しているかを示しています。

この記事は、AIエージェントが自身の動作環境を破壊する「洗車問題」を例に、AI駆動の反復的開発の課題を説明しています。企業ITが適応すべき3つの重要な領域（セキュリティテレメトリと爆発半径の制御、サプライチェーンの整合性、FinOps）を概説し、ITを単一の生産源から分散型ソフトウェア作成のための安全な運用環境提供者へと変革する「テストハーネス」の必要性を論じています。

Paybond CLIは、AIエージェントの安全な支出のためのコマンドラインツールです。予算設定、承認、結果確認、返金をサポートし、エージェントがお金を使う際のリスクを軽減します。

Seltz Inc. は、AIエージェントがウェブから構造化されたエビデンスを見つけられるようにする、AI最適化された検索インフラストラクチャを構築するために1250万ドルのシード資金を調達しました。同社は独自のクローラー、インデックス、ランキングシステムを構築し、ニュース検索で89%の精度と250ミリ秒未満の応答時間を達成しています。

著者は、個人のブログ記事を「AI生成」と決めつける怠惰な批評を批判する。これは特に非ネイティブの書き手に害を及ぼす。彼らは校正ツールを使って読みやすくしているだけだ。真のAIゴミとAI支援による執筆を区別し、流暢さではなく内容に基づいた批評を呼びかけている。

Promptctlは、AIプロンプトのバージョン管理を行うCLIツールで、Gitと同様にプロンプトの追跡、差分表示、ロールバックが可能です。さまざまなコマンド（init、commit、log、diff、show、rollbackなど）を提供し、タグ付けやモデル追跡、ファイル監視による自動コミットもサポート。Go言語で作成され、外部依存はなく、すべてのデータは.promptctl/store.jsonに保存されます。