Gartnerの市場調査員によると、トークン消費の増加と消費ベースの課金モデルへの移行により、生成AIによるコーディングのコストは高騰しています。2028年までに、コストは世界平均の開発者給与を超えると予想され、その予測は月額約2,000米ドルの世界平均に基づいています。

Supercomplete.aiは、メール、ソーシャルメディア、カスタマーサポート、マーケティングコピー、メッセージング、ノートなど、あらゆる入力場所で即座にパーソナライズされた提案を提供するAIツールです。あなたのスタイルを学習し、0.5秒未満で応答します。無料、Pro（月額$8.99）、生涯（$59.99）のプランがあります。

Agent Zeroは、オープンソースで動的かつ有機的なエージェントフレームワークです。1つのDockerコンテナで完全なLinuxシステム（デスクトップ環境含む）を提供し、DOM注釈付きブラウザ、ドキュメント共同編集、LibreOffice統合、100以上のコミュニティプラグイン、マルチエージェント協調、ホスト拡張をサポートします。

Shotlist は、単一の .shotlist.yaml 設定ファイルからドキュメント用のスクリーンショット（Webページ、ターミナルウィンドウ、CLIセッション）を自動生成するオープンソースツールです。再現性を確保し、CIと統合でき、複数のキャプチャモードをサポートして、スクリーンショットを常に最新に保ちます。

本論文は、モデル予測制御と強化学習を組み合わせた階層型制御フレームワークを提案し、車輪付き四足歩行ロボットの競技においてアクティブロール制御を実現することで、横方向の荷重移動比を大幅に低減し、ラップタイムと横加速度を改善した。

NavIsaacLabは、Isaac Labを基盤とし、物理ベースのシミュレーション、フォトリアリスティックなレンダリング、GPU並列シミュレーション、および軌道拡散モデルと敵対的運動学習コントローラを組み合わせたデータ駆動型歩行者モデリングにより、人間認識ナビゲーションのベンチマークを可能にするフレームワークである。

本論文は、人間のコーチによる少数の入力（スキルセット、1回のデモ、インタラクションウィンドウ、目標）を用いて、ヒューマノイドロボットが動的スキルを迅速に習得できるTaskNPointトレーニングプロトコルを提案する。Unitree G1ヒューマノイドでテニスストローク、サッカーキック、ボックスピックアンドプレイスなどのタスクを1時間未満のトレーニングで成功させた。

RoboTales は、表情豊かなソックパペットを使って物語を演じる低コストのロボット絵本読み聞かせシステムである。Baxter ロボット上で自律動作する実装を用いたパイロット研究では、パペット方式がジェスチャーのみの方式を HRIES 評価と物語の想起の両面で上回り、身体性を伴うパペット演技が関与と物語理解を高めることが示唆された。

本論文では、コンタクトフロー（CF）表現を核とする階層フレームワークOmniContactを提案。低レベルポリシーCF-Trackは統一スキルライブラリを学習し、高レベルモジュールCF-Genは将来のコンタクトフロー系列をヒューリスティックに合成する。運搬と押し積みタスクでそれぞれ98.7%と76.5%の成功率を達成し、ベースラインを大幅に上回る。VLMとの統合により意味的な複雑操作が可能。

本論文は、対数螺旋連続体アームのための初の形態特異的閉ループ・タスク空間制御フレームワークを提案する。対数螺旋キネマティクスから解析的ヤコビアンを直接導出し、Broyden割線更新とカルマンフィルタ推定によるオンライン・ヤコビアン誤差補償を組み合わせることで、非線形変形、接触、幾何学的ミスマッチに起因するモデリング誤差を継続的に補正する。MuJoCoシミュレーションで検証され、区分定曲率（PCC）ベースラインと比較して追従誤差を低減し姿勢ドリフトを抑制するとともに、障害物支援による到達・巻き付き・解放、適応的全腕把持、協調マルチアーム操作に適用された。

LiMoDEは、生涯ロボットマニピュレーションのための新しい二段階学習スキームを提案する。多タスク事前学習段階では、動的Mixture-of-Experts（MoE）構造が運動情報に基づいて可変数の異種エキスパートを活性化し、再利用可能な事前知識を学習する。タスク適応段階では、生涯MoE適応メカニズム（LiMoEAM）が生涯エキスパートを学習し、凍結されたエキスパートと動的に組み合わせて新タスクに対応することで、知識転移を促進する。シミュレーション上の生涯学習ベンチマークと実世界タスクの実験により、適度な追加学習パラメータと推論オーバーヘッドで優れた性能と強い生涯適応能力が示されている。

本論文は、長期的なロボット操作タスクを言語で記述された少数のマイクロタスクに分解し、マルチビューのVLM報酬と学習された階層マネージャーを用いてエージェントを訓練するRMTLを提案する。Fetch環境での実験により、RMTLは単一プロンプトのVLM報酬よりも情報量の多い報酬信号を提供し、学習を加速できることが示された。

新研究は物理的に現実的な毛細血管ネットワークシミュレーションを構築し、走化性ナビゲーションのための深層強化学習エージェントを訓練。物理的限界を明らかにし、再訓練なしで標的化した血流の遮断と回復を実証した。

研究者らは、動的な農業現場でのリアルタイム障害物検出のための完全教師なし手法VMTADを提案した。この手法はメモリモジュールを備えたTransformerアーキテクチャを採用し、時間的文脈を利用してロボットの動きに対応する。菜種データセットで最先端の性能を達成した。

新しい論文が、ビデオ、画像、音声のディープフェイクベンチマークをシンプルな線形プローブで監査。凍結された汎用自己教師あり表現が専用検出器の性能に近づくことを発見し、ベンチマークがフォレンジック理解ではなく一般的なモダリティ理解を報酬とし、現実的な脅威モデルを反映していない可能性を示唆する。

本論文は、視覚プロンプトチューニングにおいて画像トークンとプロンプトトークンをどのように融合するかを研究する。融合方式の選択を二レベル最適化問題として定式化し、微分可能アーキテクチャ検索で解く。連結と加算に加えてアフィン変換とクロスアテンションを導入し、34データセットで一貫した改善を達成。ハイブリッド融合がViTの層意味論をより有効に活用することを示した。

研究者らは、極度の濁度下での水中シーンにおける情報損失を定量化するため、Turbid Underwater Baseline (TUB)データセットと新指標PCDを導入した。PCDはインスタンスセグメンテーション性能と強く相関し、既存の指標を上回る。

本論文は、Mixture-of-Experts（MoE）アーキテクチャを用いた大規模視覚言語モデル向けに、ゲーティングエントロピーに基づく不確実性対応の適応的ルーティング手法GeMoEを提案する。動的ルーティングを最小記述長（MDL）問題として定式化し、トークンごとの複雑さをゲーティングエントロピーで評価することで専門家数を適応的に決定する。多様なバックボーンとベンチマークで、元の静的ルーティングと比較して平均性能の99.5%を維持しつつ、専門家の活性化スパース性を36.5%向上させた。

本研究は、fMRI認知タスクノミーを単一ソース転移からマルチソース転移へと拡張し、Human Connectome Projectの23のタスク状態を対象に、ブール整数計画法を用いて予算制約下のタスク割り当てを分析した。1,127のタスク特異モデルと転移モデルを訓練し、単一ソース転移は方向性とパラダイム構造を持つこと、マルチソース転移はソースセットの構成に依存すること、ワーキングメモリ状態がグローバル割り当て目的下で高い優先度を受けることを明らかにした。

本研究は、トップビューの溶融池画像と溶接パラメータを用いて、レーザー貫通溶接の貫通状態、深さ、断面形態を同時に予測するマルチタスク深層学習モデルを提案する。テストセットでは、貫通状態の予測精度99.35%、深さの予測誤差1.79mm、溶接断面の再構成精度95.65%を達成した。

本研究は、カナダ・オンタリオ州の810 km²の景観を対象に、2018年と2023年の航空LiDARと近赤外RGBオルソ写真を用いた樹冠レベルの地上バイオマス推定フレームワークを提案し、最大R²=0.609を達成するとともに、公開のバイテンポラルデータベースを生成した。

arXivに投稿された論文が、長コンテキストのマルチ画像テキストto画像生成フレームワーク「Long-Context Generation (LCG)」を提案。スパース関係アテンション（SRA）とルーティング一貫性制約（RCC）により、キャラクターとレイアウトの一貫性を向上させる。60万訓練シーケンスを含むLCCDデータセットも構築し、実験でプロンプト整合性とキャラクター一貫性においてベースラインを上回ることを示した。

本研究は、画像処理と深層学習を組み合わせたハイブリッド手法を導入し、果物の鮮度を評価する。腐敗度を0（完全に新鮮）から100（完全に腐敗）で定量化する画像処理アルゴリズムを開発し、CNNで二値分類（新鮮/腐敗）を訓練。ロジスティック回帰で両方の結果を統合し、精度を向上。最終的に画像処理アルゴリズムがCNNなしで二値分類できるようにした。低計算リソースでリアルタイム性能を達成し、リンゴとオレンジのデータセットで90%以上の精度を実証。制限は、果物が白または透明の背景に孤立している必要があること。

本論文はDocArenaを提案する。これは、人手アノテーションなしで生の文書コレクションを検索エージェントのトレーニング環境に変換する完全自動のデータキュレーションパイプラインである。MLLMベースの視覚認識で文書を構造化・インデックス化し、ページ間情報分布を活用して推論集約型QAペアを構築し、MLLMによるカスケード品質保証を実行する。DocArena-79Kデータセットは、16ドメイン・49言語にわたる8,336文書からのQAペアを含む。また、Doc-Searchエージェントインフラストラクチャは視覚認識をポリシーモデルから分離し、テキストベースLLMがマルチモーダル文書検索とQAの推論バックボーンとして機能できるようにする。実験では、DocArenaデータでトレーニングされたエージェントが、6つのマルチモーダル文書シナリオと7つのテキストベースQAベンチマークで、検索精度とQA品質の両方で最高性能を達成した。

ヒンディー語WordNetを125万件の命令応答ペアに変換し、リソース効率的なLoRAと4ビット量子化を用いて12Bパラメータの言語モデルを微調整する手法を提案。ヒンディー語学習チャットボットによる評価では、汎用モデル（79.4-83.6）を上回る91.0の教育効果を示し、セマンティック性能も競争力を維持。この研究は、低リソース言語向けに大規模コーパスに依存しない代替手段を提供し、WordNetリソースを持つ数百の言語で専門AI開発を可能にする。

新論文はAdvClusterフレームワークを提案し、大規模モデルと小規模モデルの推論差を分析。制約誘導推論が核心的な優位性であることを発見した。大規模モデルは明示的・暗黙的な制約をよりよく識別し、実行不可能なパスを排除し、中間ステップを検証する。

NEST-V1フレームワークは、ネパール語音声を感情付き手話アバターに変換し、600サンプルで81.1%の音声認識精度と79.21%の感情認識精度を達成。モデルは2200万パラメータのみでエッジ展開に適する。

本研究では、非暴力コミュニケーション（NVC）の原則を軽量なプロンプトレベルの制約として活用し、感情的に緊張した状況で大規模言語モデル（LLM）の対話行動をより緩和・非エスカレーション方向に導く方法を探る。複数のモデルとユーザーの抵抗レベルの異なるデュアルエージェントシミュレーションフレームワークを通じて、NVC制約付きプロンプティングが一貫して会話エスカレーションを低減し、抵抗の強いユーザーとのやり取りを安定化させることを示した。

研究者らは、構造化クエリ生成、外部メモリ検索、制御された合成を組み合わせたコンテキストリサイクリングシステムContextForgeを提案。マルチターン会話においてトークン消費を削減しつつ回答品質を維持し、コンテキストウィンドウの拡大やモデル再訓練を必要としない。

新研究は語彙一致したスタンス対比プローブを用い、10の言語的特徴がLlama-3.2-1Bの動物福祉に関する推論をどう変えるかを測定した。8つの特徴が有意な効果を示し、7つは動物福祉寄りの立場を強化し、曖昧表現と具体的感覚描写はそれを弱めた。