新しい論文がV-Steerを提案。トレーニング不要の推論時手法で、キャッシュされた値ベクトルを編集することでLLMの指示階層違反を修正し、7Bから70Bのモデルで主要制約の精度を18%未満から92%に向上させ、デコードオーバーヘッドは無視できる程度である。

arXiv論文は、人間とAIの詩の分類を正しくまたは誤って行う要因となる属性を特定するゼロショット検出パイプラインを提案し、識別可能性の主張を検証するとともに訓練データの削減に貢献する。

本研究では、コンテンツモデレーションにおける異なる介入位置と応答書き換えのエンドツーエンド効果を評価し、有用性と有害露出という2つの顧客成果指標を提案する。結果は、フィルターのみのシナリオでは応答フィルターが最高の有用性を示し、入力＋応答ハードブロッキングは有害露出が最も低い。応答書き換えはブロックされたトラフィックの大部分を回復し、有害露出を増加させない。プローブルーティングはLLMルーティングに比べてレイテンシを大幅に削減する。書き換えはトリガー言語を一般化することでフィルター通過率と有用性のバランスをとるが、センシティブな領域では安全性を支える情報が欠落する可能性がある。

arXiv論文のDuplexGenは、少数のスロットレベル人間選好アノテーションでLLMの予測を較正し、シナリオに適応したターンテイキングを備えた対話を生成するフレームワークを提案する。6つの協調・競争タスクで人間のターンテイキング選好は体系的に異なり、DuplexGenは未較正のプロンプティングや汎用的な人間同士の音声データのみでの学習よりも、その選好にはるかに忠実に一致する。

科学論文の増加に伴い、大規模言語モデル（LLM）を査読支援に活用する動きが進んでいる。既存の自動新規性評価は、論文の主張を既存文献と比較する手法が多いが、人間の査読者は、類似のアイデアが既にあるからではなく、手法の証拠が不十分なために新規性主張を疑問視することがある。本稿では、主張と手法の内部不一致に注目し、LLMを用いて新規性主張を抽出し、関連する手法の証拠を検索し、主張が手法によって裏付けられているかを評価する枠組みを提案する。評価基準は182件のICLR 2025論文の人間の査読から帰納的に導出された。実験では、生成された評価と人間の査読者の指摘が、特に新規性関連で高い一致を示した。

本論文は、LLMベースのチャットボット検証のための2つの貢献を提示する。実取引・会話データに基づく忠実度の高い合成カスタマーエージェント(SCA)のデジタルツイン作成手法と、自動LLM-as-a-Judge評価、人間専門家テスト、敵対的プロービングを組み合わせたSCAベースの検証フレームワークである。英国の大手銀行で検証され、規制コンプライアンスへのスケーラブルな道筋を示した。

本論文では、各ラウンドでエージェントがk個のアームからなるスレートを選択し、半バンディットフィードバックの下でd次元報酬ベクトルを観測する確率的多目的バンディット問題を扱う。目的はパレートフロンティアを共同で近似する小さなアクション部分集合を維持することであり、支配超体積によって形式化される。近似超体積後悔（α=1-1/e）を定義し、楽観的な限界寄与推定に基づく貪欲アルゴリズムTHV-UCBを提案、ギャップフリーおよびギャップ依存の後悔限界を導出する。

本論文はSARAを提案する。SARAはRLVRにおける各ステップのロールアウト収集を予算制約付き最適停止問題として定式化する。Beta事後分布とSPRTスタイルの2閾値ルールを用いて、有効なグループを早期に確定し、飽和したグループを短いプローブ後に放棄して、節約した予算を新しいプロンプトに再割り当てする。数学的推論と計画の実験では、SARAはDSより22%少ないロールアウトでDPSと同等の精度を達成し、DPSと組み合わせるとDSをわずかに上回る精度を67%少ないロールアウトで実現する。

本論文は、勾配投影型と曲率白色化型のLoRA初期化手法を、スペクトル白色化指数とAdam的対角指数の2パラメータで制御される事前条件付き勾配初期化の族として統合するUnified LoRA（ULoRA）を提案する。最適な事前条件の強さはタスク依存で、公表された端点の間に位置することが多いと示し、探索不要のULoRA-Autoがこの族の上限に迫ると報告している。

本論文は W2S-OPD を提案する。より小さい正負モデルのロジット差分から代理教師を構成し、学生自身のロールアウト上でトークンごとの逆 KL を最小化することで強学生を改善する。数学・コードのベンチマークで従来の OPD を上回り、すべての監督源が学生より弱い場合でも性能を向上させ続ける。

入力に依存するコントローラ係数は、動的推論や計算の削減の証拠として扱われることが多い。本稿では、Frozen-Controller Auditing (FCA) を導入してこれらの概念を分離し、動的パラメータ化だけでは動的推論や効率性を意味しないことを示す。実験では、静的プロファイルが性能の98%以上を保持し、動的モデルが遅くなる可能性があることが明らかになった。

新しい論文は、教師ありファインチューニング（SFT）の教訓がアラインメント訓練、モデル生物、玩具モデルの間でどのように転移できるかを探り、行動の一般化、能力保持、堅牢性に関する分野横断的な洞察を示している。

本研究では、非加法的聚合を採用したMixture-of-Expertsデコーダーと対照アラインメント損失を組み合わせることで、化学式を事前に与えずにIRスペクトルから完全な分子構造を直接予測するTransformerの改良を提案し、Top-K精度を10ポイント以上向上させた。

本論文は MeRLa を提案する。RLHF 訓練の前に補助タスク間でタスク認識型の報酬整形関数をメタ学習し、静的でタスク非依存な報酬モデルに起因する疎な学習信号と準最適なアラインメントを緩和する。LLaMA-3-8B の4ベンチマークで PPO、DPO、GRPO、DAPO を上回る。

Sim2Winは、チームIDに依存しない試合前戦術推奨フレームワークです。StatsBombのイベントデータを使用して戦術プロファイルを構築し、K-Meansで8つのプレースタイルにクラスタリングし、13の分類器で勝敗確率を予測します。LOCO評価では、未知のチームに対して平均ROC-AUC 0.704、精度55.4%を達成し、ELO、Pi-Rating、GAPベースラインを上回りました。

深層強化学習エージェントが、凍結されたランダム初期化CNN特徴抽出器を使用すると、スパース性を誘導する目的関数なしに、最初の全結合層で非常にスパースな表現を自発的に発達させることが発見されました。決定論的Pongでは64ニューロンのうち1-3個のみが活性化され、タスクの複雑さに比例してスパース性が増加します。活性化ニューロンの除去は性能を低下させ、情報ボトルネックは報酬が正になる前に形成されます。

TextideoのAI Facebook広告動画ジェネレーターは、高度なAIモデルを活用し、商品画像や説明文、アイデアをプロフェッショナルな動画広告に素早く変換します。編集スキルや高価な制作チームは不要で、商品プロモーション、ブランドストーリー、教育動画など多様な広告タイプに対応。

Premationは、Adobe After EffectsのオープンソースAI代替ツールであり、アニメーションやコンポジット作業を効率化します。

著者は、シリコンバレーに蔓延るAI万能論に反論し、医療を例に、知能だけでは現実世界の進歩のボトルネックは解消できないと論じる。ガバナンス、規制、インセンティブの方が重要であり、サンフランシスコのテックコミュニティの単一文化がこれらの制約を過小評価していると批判する。

Google AI Studioの「削除」機能が実際にはユーザーデータをサーバーから完全に削除しないことが、3本の動画で明らかになり、プライバシーへの懸念が高まっています。

Kinney Drugsが導入したAIアシスタント「バート」は、処方箋の誤ったリフィル、遅延、顧客の混乱を引き起こし、プライバシー問題も浮上。規制の遅れが指摘されている。

DatabricksはGenie Codeのエージェント型コードコンバーター（ベータ版）を発表。T-SQL、Snowflakeなどの独自SQL方言をオープンANSI SQLに変換し、並列エージェントによる反復変換、構文と意味の検証を実施。データウェアハウス移行をプロジェクト管理、複雑性スコアリング、系列分析、カスタムスキルで簡素化します。

Databricksは、Genie Code AIエージェントを活用してT-SQL、SnowflakeなどのプロプライエタリSQL方言を自動的にオープンANSI SQLに変換するエージェンティックコードコンバーター（ベータ版）を発表。移行プロジェクト管理、複雑性スコアリング、系列分析、カスタムルールなどを備え、レガシーデータウェアハウスからLakehouseへの移行を大幅に簡素化する。

AI業界がバブル崩壊のリスクに直面しているかどうかを議論する動画が注目を集め、市場過熱の兆候を分析している。

Claude Code Merge Queueは、並列エージェントのランディングを直列化してプッシュ競合や冗長ビルドを防ぐローカル・ゼロコストのツールです。Claude Codeエージェントと統合し、ブランチ、ビルド、デプロイメントを管理する一連のコマンドを提供します。

この記事では、AIスキルを製品として販売する方法について解説し、知識ではなく意思決定をパッケージ化することの重要性を強調しています。繰り返し行う作業からスキルを特定し、狭い特定の領域に焦点を当て、製品のようにテストし、節約できる労力に基づいて価格設定することを提案しています。

avatarinはOpenAIのGPT-Realtimeを活用し、ヤマダデンキの顧客へ24時間365日・多言語対応の小売支援を提供。開始から2週間で3万人が利用し、アンケートの92%が肯定的な回答でした。

MoMoは、時空間行動トークナイザーと行動クローニングトランスフォーマーからなる2段階の模倣学習フレームワークであり、運動モードを再利用可能な行動因子として学習することで、ロボットがタスクや物体に応じて動作の実行スタイルを適応させ、未見のタスク-モード組み合わせへの合成的汎化を実現します。

UMAPは次元削減に広く使われているが、内部で構築されるk近傍グラフはあまり注目されていない。本研究では、このグラフに標準的なグラフアルゴリズムを適用することでデータ理解を深め、MNISTとFashion MNISTで有効性を示す。

本記事では、AIがクリエイティブワークフローにおける検索問題をセマンティック検索とベクトルデータベースで解決する方法を探り、クリエイターを置き換えるものではないと論じる。著者は、クリエイティブワークの主な摩擦は既存アセットの整理、検索、再利用にあり、AIがインフラ層としてアクセス性を向上させ、重複作業を減らすと主張する。