研究では、パーソナプロンプトが大規模言語モデルエージェントの反復的な「分割か窃取か」ゲームにおける行動に与える影響を調査した。4つのオープンモデルを使用して仮想人間と対話させたところ、協力行動が支配的だったが、モデルの選択とパーソナタイプが戦略に大きく影響した。

本論文は、コミュニティ認識サンプリングと制約付き構造エントロピーを組み合わせ、グラフクラスタリングにおける構造的孤立問題に対処するSCISEフレームワークを提案する。構造エントロピーコミュニティ制約演算子（SECC）、コミュニティ認識サンプリング拡張（CSampE）、構造対比学習（StructCL）の3つのモジュールで構成される。6つのベンチマークデータセットで最先端を上回る性能を示した。

香港バプテスト大学の研究者らは、名義属性と順序属性を含むカテゴリデータのクラスタリングのための新しい距離尺度とクラスタリングアルゴリズムを提案した。この手法は両方の属性タイプを統一的に扱い、順序関係を保持し、距離重みとデータ分割を同時に学習することで準最適解を回避する。

AdaStopフレームワークは、DNNテストをコスト・ベネフィットの意思決定プロセスとして定式化し、限界故障発見率が閾値を下回った時点でラベリングを停止することで、ラベリング予算の9～31%のみで65～84%の故障を発見する。

本論文は、LLMエージェントの実行ハーネスを学習可能な制御層として扱い、有限地平ハーネスMDPとして形式化し、オフラインのアドバンテージ重み付き回帰を用いて軽量コントローラを訓練する。実験では、検証行動の一貫した改善と最終タスク品質の選択的向上を示し、行動クローニングなどのベースラインを上回る。

新しい可制御性・可観測性フレームワークが、力学系理論を用いて隠れ状態の冗長性を分析し、MNISTとCIFAR-10で70%以上の状態圧縮を実現、精度損失は最小限。

本論文では、訓練中に外生チャネル全体をランダムにゼロにするモデル非依存の手法「外生的ドロップアウト」を提案。ノイズ、時間的ミスアライメント、欠損データに対するロバスト性を大幅に向上させつつ、クリーンデータでの精度を維持。複数ドメインの実験で、専用設計のロバストアーキテクチャを凌駕することを示した。

本論文は時系列予測における「粒度のパラドックス」を探求します。時間粒度を細かくする（月次→週次/日次）とサンプル内診断とデータセットサイズは向上しますが、再帰的誤差が長期予測で累積するためサンプル外精度が低下します。13年間の調達データセットで6つの粒度における10モデルのベンチマークにより、非単調な閾値構造が明らかになりました。再帰的自己回帰モデルは高頻度予測で著しく劣化し（例：Holt-Wintersの日次テストR²は-151、TPFEは425.85%）、LSTMはU字型の誤差曲線を示し、日次で誤差伝播ペナルティを克服します（TPFE 4.35%、R² 0.66）。線形回帰は全粒度で安定しており、パラドックスがモデルの複雑さではなく再帰的フィードバックトポロジーによって引き起こされることを確認します。標準的な点指標（RMSE、MAE）は累積誤差を系統的に隠蔽するため、目的に応じた累積指標を用いた評価が必要です。本論文では、点指標と累積TPFEの方向性挙動を比較するコンセンサス-ディセンサス診断を導入し、標準診断が誤差伝播を隠蔽するモデルを特定します。

GAIAは、UWB測距における非見通し伝搬、バーストノイズ、ロングテール誤差に対処するために、時間的測距モデリング、潜在アンカーレイアウト推定、決定論的距離投影を組み合わせたジオメトリ認識型学習フレームワークです。実世界の屋外UWBデータセットにおいて、GAIAはPoseMLPと比較して測距MSEを18.4%削減し、ポリゴンIoUを15.5%向上させ、作業領域の正確な再構築を実現します。

Design-CPは、RFdiffusion 3に2つのコンテキスト並列推論戦略（1D行シャーディングとリングアテンションを用いた2Dグリッドシャーディング）を導入し、2次活性を複数GPUに分散させることで、限られたメモリでも大規模タンパク質ナノ粒子設計を可能にする。2Dシャーディングは正二十面体アセンブリで優れたウォールクロックスケーリングを示し、ワークステーション級16GB GPU上で八面体ナノ粒子設計を実証した。

本論文では、統計的に意味のある幾何学（SMG）を導入し、過パラメータ化学習システムを無限次元ノンパラメトリックOrliczファイバーバンドルとしてモデル化する。持続的な分布外刺激の下で連続最適化が失敗し、モデル化されていない分散が能動的非因果張力として蓄積し、ゲージ対称性の破れ（GSB）を引き起こし、構造的G-エントロピーの離散的ジャンプとして観測されることを示す。SMGは、真の知能を数学的に認定し、AI科学を自律的なパラダイムシフトのエンジンに変えるためのパラメータフリーで反証可能なダッシュボードを提供する。

この研究は、投影技法のために大規模言語モデル（LLM）を使用して合成消費者データを生成する可能性を調査した。複数のタスクでLLMと人間の反応を観光地認識において比較した結果、広範なトピックでは重複が見られたが、スタイル、言語構造、多様性の生成方法に重要な違いがあった。LLMを最適に利用するための推奨事項と限界の認識が提供されている。

ArtisanCADは、実行可能なCAD中間表現（CAD-IR）を用いて専門家知識を蒸留し、曖昧または不完全な自然言語プロンプトを処理し、編集可能なパラメトリックB-Repモデルを生成する産業用CADエージェントである。Text2CADベンチマークでは、中間プロンプトからの平均Chamfer距離を14.83から9.88に低減した。

Akashicは、LLMベースのエージェントシステム向けの低オーバーヘッドメモリシステムで、MemAttentionを使用してコンテキストを境界のあるチャンクに整理し、セマンティック関係をモデル化することで、完全な履歴の再生を回避し、精度、スループット、持続可能なリクエストレートを向上させます。

この研究は、言語エージェントの推論ループ内にメモリストレージを移動し、各ステップで読み書きすることでネットワークレイテンシを克服することを提案しています。実験では、インプロセスストレージ（約100μs）が冗長アクションを7.2/12から0.0/12に削減し、再現率を0/5から3.6～4.8/5に改善しました。ボトルネックはストレージではなく埋め込み生成にシフトしています。

FirstResearchは、原始定義、仮定、メカニズムモデル、矛盾、反証可能仮説、最小決定的テスト、失敗更新ルールを記録する構造化された研究質問証明書を導入し、LLMが生成した科学研究質問を監査可能にする。10のトピックで評価した結果、ベースライン手法を上回り、スコアは4.86/5対4.38/5。アブレーション試験では証明書が重要であり、除去するとスコアが1/5を下回る。結果は、明示的な導出制約が監査性を向上させることを示唆している。

Narrative World Model（NWM）は、物語学に基づいた時間状態グラフを用いて、作家が複雑な物語の状態を追跡するのを支援する新しいAIシステムであり、マルチホップ物語理解タスクで既存のメモリフレームワークを上回る性能を示した。

本稿は、自動CAD生成における基盤モデルの実証研究であり、2つの批評体制を備えたLLMForgeフレームワークを紹介する。97の設計問題で7モデルを評価した結果、コンパクトな指示チューニングモデルが大規模システムに匹敵する性能を示し、VLMベースの批評は100%の水密メッシュ生成を達成する一方、回転対称形状に課題があることが明らかになった。

CSTutorBenchは、VEX VR（ブロックベースのロボティクス環境）において、小型言語モデルがコンピュータサイエンスのチューターとしてどの程度機能するかを評価する新しいベンチマークです。初期テストでは、モデルは語彙や口調といった表面的な基準では良好なパフォーマンスを示しましたが、回答漏洩の回避や生徒のデバッグ履歴への関与といった深層的な教育行動では困難を伴いました。プロンプトエンジニアリングの改善により、ほとんどのモデルのスコアが向上しました。

本論文では、統計力学に触発された新しいフレームワークを紹介する。これは、有向因果グラフを復元することなく、エネルギーに基づく無向表現を用いて変数依存関係をモデル化し、依存関係を考慮した属性を可能にする。産業用IoTテストベッドでのシミュレーションにより、グラフベースの手法よりも高い属性精度、ロバスト性、スケーラビリティを示した。

Prompt-to-Paperは、検証可能な文献に主張を基づかせ、実際の実験を実行し、標準化された品質評価を提供することで、自動原稿生成の重要な欠陥に対処するマルチエージェントAIフレームワークです。5つのバイオインフォマティクスケーススタディで、人間のレビュアーは平均7/10と評価し、1論文あたり約0.31ドルのコストです。

HairstylesPro は、500以上の実際のヘアスタイルをAIで仮想的に試着できるツールです。写真をアップロードして、リアルなプレビューを確認し、サロンに行く前に最適なスタイルを見つけましょう。無料トライアルあり。

複数のLLMを組み合わせたAI駆動プラットフォームで、重要なゼロデイを発見・開示します。最初のケーススタディ：Cisco CUCM 14.0におけるCVSS 9.8の未認証RCEチェーン（SQLiからrootまでの6段階）。動作するPoC、完全な技術分析、リスク駆動型開示の研究を含みます。

MoldはAI文化に関する自律的なジンで、書かれるのではなく成長し、編集者や締切はありません。各号は公開元帳から析出します。

クラウドソーシング型のAI画像検出ゲーム。ユーザーが写真がAI生成かどうかを推測し、RSSやAPIで群衆の判定を取得できる。

メイン州の図書館員が、利用者がデバイスからAI機能を削除するのを手助けし、テクノロジーを批判的に考える方法を教えている。彼らはAIが信頼性に欠け、エネルギーを消費し、データを収集すると主張し、情報リテラシーの仕事の延長と見なしている。

and-scene は、プロジェクト内でアニメーション付きのスライドプレゼンテーションを自動生成するエージェントスキルです。Vite/React アプリをスキャフォールディングし、単一のキャンバス上で要素がステップごとに変化します。

本記事は、AIの真のボトルネックはGPU計算能力ではなくメモリ帯域幅であると主張し、2007年のUlrich Drepperによるメモリウォールに関する論文を引用している。AMD、Qualcomm、Nvidiaの最近の動きはこれを反映している。FlashAttentionや小規模言語モデルなどのソリューションは、データの局所性を最適化する回避策である。

Ant Group傘下の具現化AI企業Robbyantは、高密度空間知覚向けに設計された自己教師ありビジョントランスフォーマー群「LingBot-Vision」をオープンソース化した。マスク境界モデリングにより画像の境界をネイティブな訓練信号とし、10億パラメータのバックボーンがより大規模なモデルに匹敵または凌駕する性能を達成し、LingBot-Depth 2.0を初期化した。

このAINews号は2026年7月6日から7日までの幅広いAI開発をカバーしています。ハイライトには、Lilian Wengによる再帰的自己改善のためのハーネス工学への深掘り、MetaのMuse ImageとMuse Videoの発表（エージェント生成ループを備える）、Anthropic、LangChain、Googleによるエージェントプラットフォームの主要製品アップデートが含まれます。その他注目点：NVIDIAのAudexオーディオモデル、Cohereのアラビア語ASR、Hugging FaceとNVIDIAとのロボティクス統合、Liquid AIのAntidoom（推論ループ失敗削減）、Anthropicの論争を呼んだJ-space解釈可能性研究。また、エージェントと法律AIのベンチマーク、研究自動化、推論効率の進歩もカバーしています。