PhylaxはWindows向けのセキュリティレイヤーで、カーネルレベルのACL制御により、AIコーディングエージェントがプライベートファイルにアクセスするのを防ぎます。100％ローカル動作、アカウント不要、クラウドやテレメトリなしで、複数エージェントの検出とバイパス防止をサポートします。

マイクロソフトが公開したWindows Terminalの実験的分岐「Intelligent Terminal」は、エージェントステータスバー、コンテキスト認識エージェントペイン、自動エラー検出、セッション管理を備えたネイティブAIエージェント統合を提供する。

Uberは人事部門（人事・採用）の23%を削減する。CEOのダラ・コスロシャヒ氏は「変革は必要」と述べ、新社長ジル・ヘイゼルベイカー氏の下で業務の合理化を図る。削減人数は全従業員34,000人の1%未満で、AIによるものではない。また、Uberは従業員のエージェンティックAIツールに月額上限を設定した。

悪意のあるパッケージはbinding.gypとindex.jsを利用し、npm install時にペイロードを実行してBunランタイムをダウンロードし、資格情報を収集し、GitHub Actionsワークフローに注入してさらに拡散します。影響を受けるパッケージ：ai-sdk-ollamaのバージョン0.13.1、1.1.1、2.2.1、3.8.5。

本記事では、AI技術の普及に伴い、AIを利用しないOSSが淘汰される可能性を考察。AIがオープンソースエコシステムに与える影響を分析し、AIなしでも多くのプロジェクトが独自の価値を持つと指摘する。

イングランドの資格監視機関は、スマートグラスや目に見えないイヤホンなどの新しいウェアラブル端末が試験カンニングを増加させる可能性があると警告。また、GCSEやAレベルの課題におけるAI使用も精査されている。

テクノロジージャーナリストのジョアンナ・スターンは2025年、人工知能に人生のほぼすべてを任せる実験を行いました。テキスト返信、料理、掃除、運転から恋愛までをAIに託し、その体験を本にまとめました。著書『私はロボットではない：AIで（ほぼ）すべてをやった一年』は、AIの能力の限界と人間の未来について問いかけます。

本論文は、まばらなセンシングと力学モデルを用いて義肢ソケット内の垂直およびせん断圧力を推定する手法を提案する。グローバルな力/モーメントと局所的な界面荷重による検証を通じて、準静的ばね-質量接触モデルと最小二乗法によるパラメータ同定が測定オフセットを低減し、客観的な適合指標を提供する。

本論文では、ロープ、ケーブル、輪ゴムなどの変形可能線状物体（DLO）操作用に設計された微分可能シミュレータDLO-Labを紹介する。多様な材料特性をモデル化し、ベンチマークタスクスイートと専用エージェントを提供することで、トポロジーの複雑さと把持感度の問題に対処する。様々な政策学習アルゴリズムを評価し、シミュレーションから実世界への転送実験も行った。

本論文は、予測セットを組み込むことで不確実性分布の仮定なしにユーザ指定の閾値以下にリスクを制御するリスク認識型モデル予測制御（RA-MPC）フレームワークを提案する。コンフォーマルリスク制御を一般的なスペクトルリスク尺度に拡張することで、分布フリーのリスク定量化を実現。シミュレーションされた車両障害物回避シナリオにおいて、ベースラインのRA-MPCと比較して安全性の向上と解決時間の短縮を示した。

本論文では、シーンレベルかつタスク条件付きの部品アフォーダンスグラウンディングのためのベンチマーク中心の学習フレームワークAffordance2Action（A2A）を提案する。その中核はA2A-Benchであり、日常シーンにおける単一領域および複数領域の命令対応関係をカバーする操作指向のベンチマークである。A2A-AffordGenアノテーションパイプラインを用いて構築され、実験によりA2Aが汎用セグメンテーション、VLMグラウンディング、アフォーダンス蒸留ベースラインの顕著なギャップを明らかにし、タスクレベルの位置特定を改善して下流操作に有用な空間事前分布を提供することを示す。

本論文は、各ロボットがプライベートなローカル3Dガウシアンスプラッティングマップを維持し、コンセンサスADMMを用いて通信量を桁違いに削減しつつ、マッピング品質と安全性を維持する分散型リスク認識マルチエージェントNBVフレームワークを提案する。

この研究は、テレオペレーションにおける3つの触覚ガイダンスモデル（スプリングダンパー、ポテンシャルフィールド、ガイディングチューブ）を比較し、万能なモデルは存在せず、スプリングダンパーは障害物の多い環境で優れ、ポテンシャルフィールドは自由空間で効果的だが障害物近くでリスクがあり、ガイディングチューブはバランスの取れた妥協策であることを示した。新しい客観的指標を提案し、ガイディング力の大きさが快適さや信頼度と相関することを明らかにした。

CLAWは、完全にエンドツーエンドの自己教師ありフレームワークであり、行動ラベルなしで、行動のないビデオから連続潜在行動表現と世界モデルを学習します。敵対的潜在正則化と拡散ベースのビデオ生成を利用し、観察からの模倣学習と目標指向計画を可能にし、既存手法を上回ります。

AgenticDiffusionは、言語誘導推論、オープンボキャブラリターゲットグラウンディング、ビジョンベース拡散計画、NMPCを統合したマルチビューUAV航法フレームワークで、40回の実世界試験で80%のミッション成功率、100%の軌道生成成功率を達成しました。

本研究は、空間アーティファクトコヒーレンス（SAC）と呼ばれる指標を提案し、コードc圧縮下でパッチベースのrPPG手法が全局投影法より優れる条件を定量化。280名の被験者、11のコーデック変種での実験により、SACはPCA優位性の分散の93.8%を説明。非MPEG-4コーデック（SAC 0.10-0.18）ではPCA勝率84-90%、MPEG-4（SAC 0.48-0.59）では61%で改善幅が5.8倍減少。P-Hybridが最も堅牢なアルゴリズムと特定され、パッチPCAの利点にはSAC<0.30かつ低〜中程度の動きが必要。

GroupToM-Benchは、集団レベルの心の理論を評価する初のマルチモーダルベンチマークです。個々の心の状態推論は得意なモデルも、社会的緊張や構造的制約から非線形的に創発する集団行動の理解には失敗します。このベンチマークは、ミクロレベルの信念・欲望・意図から集団の緊張、マクロアウトカム予測までの因果連鎖をカバーし、7段階の認知監査フレームワークを採用しています。実験結果は、現在のモデルと人間のベースラインに大きなギャップがあることを示しています。

本論文では、テキスト行検出と読書順序の予測を単一の画像から系列へのタスクとして統合するエンドツーエンドモデルOrli（Ordered Regression of Lines）を紹介する。10種類の文字体系にわたる196,691ページで訓練されたOrliは、データセット固有の訓練なしにcBAD行検出で最新技術をわずかに超え、複数の読書順序ベンチマークでゼロショットでほぼ完全なカバレッジと順序付けを達成し、限定的な微調整で専門的なドメイン外のレイアウトに適応する。コードと重みはオープンソースで公開されている。

Pinpointは、インターネット写真とストリートビュー画像を組み合わせ、検索・再ランキングアーキテクチャを用いて高精度な位置特定を実現する新しい手法です。Flickrとストリートビューの両方のデータで対照学習埋め込み器を訓練し、注意機構ベースの再ランキングで候補を再スコアリングします。マルチモーダル大規模言語モデルに依存せず、複数のベンチマークで最先端の結果を達成しています。

本研究では、単一画像からの反射分離に特化して微調整された拡散モデルを提案。透過層と反射層を同時に生成し、クロス層自己注意機構と非結合サンプリング戦略により、強いグレアや弱い反射などの極端条件下で既存手法を凌駕する性能を達成した。

本論文では、検索基盤型動画偽情報検出のためのベンチマーク「EVID-Bench」を紹介する。222本の動画から構成され、AI生成、単一ソース編集、複数ソース編集の3カテゴリ9タイプの操作を網羅する。最高性能のモデルでもポイントレベル精度61.43%、動画レベル精度43.24%に留まり、AI生成操作が特に困難であることが示された。

本論文は、事前分布を設計選択として扱うことで高次元の最適輸送（OT）カップリングの計算問題を回避する新しいフローマッチング手法を提案する。自然画像の低周波投影を事前分布として用いると、データとのOT最適な恒等カップリングが実現し、フローマッチングタスクが高周波ディテールの合成に簡略化される。この手法はフローモデル自体の修正を必要とせず、潜在空間モデル、分類器不要ガイダンス、一段階生成フレームワークと自然に統合できる。ベンチマーク全体で軌跡の曲率が2倍以上低下し、少段階生成の品質が向上する。

本論文では、クロスモーダル検索におけるノイズの対応関係を修正するために、離散選択から連続的なソフトプロトタイプの合成へとパラダイムをシフトするIN2Rフレームワークを提案し、モーダル内データの幾何学的安定性を活用したグラフ推論により、複数のデータセットで最先端の性能を達成する。

本論文では、弱教師ありインクリメンタルセマンティックセグメンテーションにおけるドリフトに強いアプローチSASAを提案する。学習可能なトークンによるセマンティックアンカーをクラスレベルの剛性参照として導入し、弾性的な残差適応によりインスタンス固有の微調整を可能にする。さらに、空間ラベル調停メカニズムが幾何学的な判断で信頼性の低い信号をフィルタリングし、「1オブジェクト1クラス」制約を強制する。実験では、特に困難な多段階インクリメンタル設定で既存手法を凌駕する性能を示した。

ロボット操作やナビゲーションなどの具現化視覚言語意思決定タスクにおいて、VLMとVLAは長期計画とリアクティブ制御にそれぞれ優れるが、視覚的幻覚という知覚ボトルネックに制限される。本論文ではSceneDiverを提案。粗から密へのフォーカスプラン生成手法で、シーングラフを構築しタスクを段階的に分解することで幻覚を軽減。軽量アダプタでVLAに焦点能力を蒸留し、計算効率を維持しながら性能を向上。ICML 2026に採択。

MM-BizRAGは、エンタープライズQA向けの新しいマルチモーダル検索拡張生成手法です。文書構造認識分割と方向別取り込みパイプラインにより文書構造を明示的に抽出し、ファインチューニングなしでリッチな回答を生成します。エンタープライズデータセットと公開ベンチマークで最先端ベースラインを最大32%上回りました。また、コスト効率の良いLLM評価指標FastRAGEvalも提案されています。ACL 2026 Industry Trackに採択。

大規模言語モデルの普及により、AI生成フェイクニュースの拡散が懸念されている。本研究では、語彙多様性、可読性、感情特性などの解釈可能な言語特徴を用いて、異なるプロンプトで生成されたAI記事を検出する際のプロンプト横断汎化を調査。ランダムフォレスト分類器は、6つの訓練-テスト組み合わせすべてでAUC 0.988～1.000を達成し、プロンプト変動に対する頑健性を示した。

本論文では、4つのABSAワークフローをネイティブサポートし、エクスポート時に直接アノテータ間一致指標を計算する自動ETLパイプラインを提供するWebベースの協調アノテーションツールACATを紹介する。1,002件のレストランレビューでの予備検証では、中央値のアノテーション時間31.58秒、IAAは0.78～0.86であった。

284の解釈可能な言語特徴を27のLLMと10のテキストドメインにわたって評価した大規模実証研究により、言語特徴のみに基づく分類器がAI生成テキストと人間作成テキストを確実に区別できることが示された。ただし、多くの特徴は文脈依存性が強く、語彙の豊富さがモデルファミリーやドメインを超えてロバストな信号であることが判明した。

本研究は、拒否ステアリング手法を混合エキスパート（MoE）大規模言語モデルに拡張し、MoEの複雑なルーティングパターンがステアリング性能に影響を与えないことを示した。著者らは、拒否固有のエキスパートルーティングパターンとエキスパート固有のステアリング方向を利用して通常の拒否動作を抑制する2つのエキスパート認識型手法を提案した。結果は、単一エキスパートの出力に基づいて効果的なステアリングが可能であり、拒否信号はエキスパートルーティングとは異なり、注意機構が重要な役割を果たすことを示唆している。