本記事では、Highflame、Bifrost、LiteLLMの3つのAIゲートウェイを、最初のトークン遅延、ピーク時の同時接続、ツール呼び出しの3つの重要な瞬間で評価します。Highflameは遅延を最小限に抑え、5000の同時会話下でも100%の成功率を達成し、MCPプロキシにおいても効率的です。

GuardianはVaultSort 4.4.0の新機能で、身分証明書、財務記録、認証情報、医療ファイルなどの機密ファイルを、ネットワーク呼び出しなしでMac上でローカルにスキャンします。読み取り専用のインメモリレポートを提供し、Encryptと統合してワンクリック暗号化が可能です。すべての処理はデバイス上で行われ、データがマシンから流出することはありません。

マンチェスター大学とダラム大学の研究により、AIチャットボットは日常的な感情サポートにおいて人間と同等か、場合によってはそれを上回ることが判明。特に怒りや恐怖の状況で効果が高く、具体的で実行可能なアドバイスが鍵であることが強調されている。

BeamWireは、メールとポッドキャストで毎日配信されるパーソナライズされた広告なしのニュースブリーフで、ファクトチェック、バイアス検出、カスタマイズ可能なトピックを備えています。様々な関心に応じたニュースや特集の「ビーム」、AIアンカー、トーンカスタマイズを提供します。料金は無料から始まります。

Python Package Index (PyPI) は、14日以上経過したリリースへの新規ファイルアップロードを拒否する新たなセキュリティ対策を導入しました。これは、公開トークンやワークフローの漏洩によるサプライチェーン攻撃を防ぐためのものです。

Orphograph は、AIエージェントの重要なアクションごとに Bitcoin ブロックチェーンにアンカーされたレシートを生成し、記録の存在時刻と改ざん防止を証明します。検証にはオペレーターへの信頼は不要です。

Searchdeskは、実際の求人をリサーチし、事実に基づいた応募書類を作成し、すべての機会をプライベートワークスペースで管理するAI搭載の求人検索ツールです。ユーザーはすべてのドラフトを確認でき、自動応募は行われません。現在アルファ版で、フィードバックを募集中です。

アマゾンは、汎用人工知能（AGI）部門で一部従業員を解雇していることを確認した。これは、同社がAIに多額の投資を続ける一方で、継続的な人員削減の一環である。同社は削減人数や影響を受けた部門を明らかにしていないが、顧客にとって最も重要な取り組みに注力していると述べている。AGI部門はNovaモデルの開発を担当し、シリコンや量子コンピューティングのチームも含む。

本研究は、一人称視点の人間による失敗回復デモンストレーションからロボットの回復行動を学習する共同学習フレームワーク EgoRecovery を提案する。このプロトコルでは、人間の操作者はロボット遠隔操作の10倍以上の有効な回復データを1時間あたりに生成でき、人間のデモはロボットデータと共有される簡潔な「修正意図」空間に整列される。展開時には学習済みの回復ゲートが修正の必要性を予測し、実世界の回復タスクでは失敗状態からの成功率がロボットデータのみ、直接的な共同学習、直接的な意図転移の各ベースラインを上回った。

本論文は、ケーブル駆動の無肢ロボットMorphing MILRを提案する。プログラム可能な受動コンプライアンスと転がり関節により、単一プラットフォームで側方波動、サイドワインディング、転がり、ねじりの4つの移動モードを実現し、地形知識や高帯域フィードバックなしで複雑環境を堅牢にナビゲートする。

研究者らは、ドローンが物理接触を行う際の能力を評価するための「接触持続全駆動」という制御理論フレームワークを提案した。残差ワンチセットと残差権限マージンといった概念を導入し、従来のランク条件に基づく全駆動認定を強化する。傾斜ヘキサローターを用いた数値評価では、行フルランクだけでは接触操作が不可能であり、適度な傾斜角が残差権限を保持することが示された。

NavVerse は、100 の屋内シーン、50 の都市屋外シーン、50 の屋内-屋外シーンを含む物理対応のベンチマークであり、ObjectNav、VLN、PlaceNav タスクにわたる 10,000 エピソードを、実行可能なロボットインターフェースを通じてタスク成功率、経路効率、安全性の指標で評価する。ゼロショット実験では、エンドツーエンド VLA が最高の成功率を示し、モジュール型手法が最も優れた安全性プロファイルを提供するが、屋外から屋内-屋外への性能低下が見られ、適応が依然として主要なボトルネックであることを示している。

本論文は、リモート識別（RID）の位置スプーフィング攻撃下で動作する小型無人航空機システム向けの分散型でスプーフィング対応の軌道計画フレームワークを提案する。従来の計画手法がRIDブロードキャストを信頼するのに対し、提案手法はRID情報を未検証として扱い、物理層観測（受信信号強度）を用いてスプーフィングを検出し確率的に攻撃元を特定する。不確実性は確率制約を用いてリスク境界付きの危険領域に変換され、エージェントごとのマルコフ決定過程プランナーに統合される。複数機による荷物配送シナリオのシミュレーションでは、RIDデータを信頼するプランナーと比較してニアミス衝突事象が減少し、リアルタイム実行に適した計算効率が示された。

汎用ロボット操作の進歩にもかかわらず、実世界の複数物体が散乱する環境は依然として困難です。LENSはプラグアンドプレイの修正として、LLMを用いてシーン固有の抽象表現を自動生成し、エンティティのマージやプルーニングによりタスクに適応させ、さまざまな操作手法の性能を向上させます。

本論文は、微分可能な制御バリア関数（CBF）に基づく最適化層を用いて、疎なデモンストレーションからユーザー好みの安全介入を学習する「触覚からの学習（LfH）」フレームワークを提案する。直感的な共有制御を保ちながら個別化された触覚ガイダンスを実現し、シミュレーションとハードウェア実験により、生成された触覚フィードバックとデモの選好との不一致を低減できることを示した。

研究チームは、改造したUnitree Go2をベースにしたオープンソースで低コスト（約2,000ドル）のロボット盲導犬プラットフォームMiloを発表した。完全自律でオンボード計算のみを使用し、事前の地図を必要とせず、屋内・屋外で障害物や歩行者を避けながらナビゲーションを行う。コストマップベースのベースラインよりも優れた性能を示した。

本研究では、実世界の冬期運転条件において、いつドリフトが安全上の最適解となるかを探求する。研究チームは、衝突死亡データに基づくシナリオを対象とした、ドリフト可能な非線形モデル予測制御（MPC）システムを提案し、高忠実度シミュレータで試験した。コントローラは後輪が氷上に乗った際に自然にドリフトを開始・維持し、車線に滑り込んだ対向車を回避する。電子安定性制御（ESC）システムとの比較により、ドリフト可能なコントローラは安定性と制御性をトレードオフし、危険な冬期シナリオで精密な操縦を実現する。モンテカルロシミュレーションでは、複数の速度でドリフトコントローラがESCより低い中央車線誤差を達成し、高速でドリフトが主に創発することが示された。

arXiv 論文の ModPack は、計算・電源・通信・ストレージを一体化した着用型「バックパック」を共通基盤とし、力覚フィードバック付き関節レベル遠隔操作、移動マニピュレーション、能動知覚などのプラグアンドプレイ型モジュールを備えたモジュール式遠隔操作システム。2 種類のロボットで実証され、ハードウェアとソフトウェアがオープンソース化された。

スパースなピクセルレベルの教師信号を用いた画像分割のための統一変分フレームワークを提案。シンプレックス拘束付きPottsモデルと滑らかな周長正則化子を用い、凸で滑らかなエネルギー汎関数を得る。これは弱教師あり深層学習の損失関数として使用可能。RKHSでの関数拡張によりファジィメンバーシップ関数を構築し、不均一な強度統計を捉える。実験では、部分クロスエントロピー法などのベースラインを上回るロバストな改善を示した。

6つの心エコーデータセットを用いた研究により、左心室セグメンテーションにおけるドメインシフトの主因は音響特性ではなく視野とフレーミングの不一致であることが判明。幾何学的前処理により転移性能が向上し、表現固有の距離指標を用いて高精度に性能低下を予測できる。

研究者らは121枚の前立腺全切片画像を含むマルチモーダル人間注意力データセットを構築し、注意力整合損失でレポート生成モデルを微調整した結果、5つの臨床関連レポート構成要素でNLP指標が平均10.9%、精度が平均19.3%向上した。

研究者らは、都市シーン向けのリアルタイムセマンティックセグメンテーション用の軽量ディープラーニングモデルEGRNetを提案した。パラメータ数わずか0.46MでCityscapesデータセットにおいて65.28%のmIoUを達成し、軽量な敵対的攻撃検出戦略を統合してエッジデバイスへの展開を可能にする。

VQ-Transplantは、凍結した事前学習済み視覚トークナイザに新しいVQモジュールをプラグアンドプレイで統合するフレームワークである。エンドツーエンドの再学習を不要にし、ImageNet-1kでの5エポックの軽量デコーダ適応により、VARなどの産業級モデルでSOTAに近い再構成忠実度を維持しつつ、学習コストを95%削減する。

ChronoStitchは、独立にキャッシュされたビデオチャンクのKV状態をグローバルな3次元マルチモーダルRoPE座標系に再基準化し、高偏差トークンのごく一部を選択的に再計算することで、完全な共同再プリフィルより3.3倍高速かつイベント順序精度を向上させる訓練不要の手法を提案する。

本研究は、合成画像や派生画像がゴミ箱設置カメラ向け YOLOv8n 検出器の性能を向上させるかを検証した。148 枚の実写キャンパス写真では、実画像のみのベースライン（平均 [email protected] 0.691）を上回る構成はなく、背景置換や全拡張プールは有意に低下した。手・前腕合成の補正後の効果は信頼できず、単一シードの転移実験の順位はソースデータに依存した。

本論文は、2Dビデオと3D LiDAR時系列データを統合して交通シーンの質問に答えるマルチモーダル大規模言語モデルフレームワークD3VLを提案する。KITTI QAデータセットで11%の性能向上を達成し、多様な運転条件を評価するWaymo QAデータセット拡張を導入した。

Crowd4Dは、単眼RGBビデオから群衆とシーンを共同最適化する初のシーン認識型4D群衆再構築フレームワークである。人-シーン相互作用プロキシ（HSIP）を導入してスケールと位置の整合を解決し、群衆構造コヒーレンス正則化（CSCR）により遮蔽下での時間的安定性を向上させ、複雑な大規模シーンで既存手法を凌駕する。

本論文はAI生成動画の検出をストリーミング知覚として再定義し、コーデックがビットストリームに既に書き込んだ動き場をスコアリングする。GenVidBenchでは、コーデック段階がピクセルCNNより5桁少ない計算量で全長AUC 0.64を達成し、15%のクリップを遅延させることで計算量を7分の1に抑えつつ精度を0.75から0.78に向上させる。

HIPE-2026共有タスクでは、多言語歴史新聞からの人物-場所関係抽出が新たな評価トラックとして導入された。DS@GT HIPEチームは、事前学習言語モデルを使用せずに軽量で解釈可能なシステムの性能限界を調査した。依存関係解析から文書レベルのグラフを構築し、近接性と品詞の特徴を抽出、小型のscikit-learnアンサンブルまたはコンパクトなグラフ注意ネットワーク（パラメータ数847K未満）で分類。公式評価では、最高実行でマクロ再現率0.5142を達成、効率性で3位、精度で中位だった。主な知見：最小文字距離が信号の大部分を捉え、追加の工学的特徴は一貫性のない利益をもたらすこと、文書グループ化交差検証がデータ漏洩防止に不可欠であること。

強化学習は明示的Chain-of-Thought推論器でテスト時スケーリングを実現したが、計算コストが高い。潜在推論は連続ベクトルで中間計算を行い、効率的だが模倣学習に留まる。本論文では、サロゲート潜在ポリシー最適化（SLPO）を提案し、軌跡レベルのクレジット割り当てのためのサロゲートポリシー密度と可変ホライゾンポリシーに洗練される正解監視停止ヘッドを介して、自己回帰潜在推論器に結果報酬RLをもたらす。SLPOは並列サンプリングでPass@kを向上させ、難しいインスタンスにより長い潜在計算を割り当てる。