シンガポールはAnthropicのClaude AIの1人当たり使用量で世界をリードしています。その他の主要な動きとして、AnthropicがAmazonによって報告された脱獄脆弱性によりFable 5とMythos 5モデルを強制的に停止させられたこと、SpaceXがCursorを600億ドルで買収したこと、MetaがエージェンティックAIアシスタントを発表したこと、そしてAnthropicがSpaceXやBlackstoneと提携してコンピュートリソースやサービスを拡大したことなどがあります。

AI支援で構築されたソフトウェアは、コード生成ツールがガバナンス記録を生成しないため、実際の動作を証明できないことが多い。著者はASE（Auditome Sovereign Engine）を紹介し、AI操作ごとに暗号署名付きのレシートを生成し、コードベースのガバナンスギャップを評価する基礎診断サービスを495ドルで提供する。

Hezoは、AIエージェントチームを自己ホストで管理するプラットフォームです。エージェントは隔離されたコンテナで実行され、出口プロキシでプレースホルダーが置き換えられるため、実際の秘密情報を決して見ることはありません。複数のモデルプロバイダー、予算上限、監査証跡をサポートします。

BetterAgentは、CLI駆動のツールで、Next.jsアプリにAIエージェント層を迅速に追加します。ルートやサーバーアクションを読み取り、ユーザーが既存の製品内で実際に作業を行えるエージェントを提供します。設定不要の開発体験、埋め込み可能なUIコンポーネント、内蔵の可観測性、認証転送、ストリーミング、レート制限などの本番級インフラが特徴です。

エジプト分数は、単位分数を使って非整数を表す方法であり、18世紀以前のヨーロッパで主要な方法でした。この記事では、その定義、リンド・パピルスからの歴史、すべての有理数がエジプト数であるという定理、構成的証明、例、および未解決問題を扱います。

本論文は、自己中心視覚理解と人とロボットの協調における低遅延視覚言語モデルのためのプルーニングを研究し、既存手法が証拠位置の正しさを保ちつつ予測の正しさを損なう傾向があることを示した上で、証拠と意思決定の整合を改善する根拠重視のプルーニング戦略を提案する。

SwarmFlyは、既存のUAV群シミュレーションツールがしばしばメンテナンス不足、学習曲線の急峻さ、単一の固定シナリオに縛られているという課題を解決する、MATLABベースのオープンソースシミュレーションプラットフォームです。リアルタイム運用マップ、4つの群調整モード、模擬IMUテレメトリ、IPベースのジオロケーションを組み合わせ、研究者がコアコードを変更せずに動作、故障モデル、分析ツールを追加できるプラグインアーキテクチャを備えています。8つのバンドルプラグインが基本シミュレータを完全なテストハーネスに拡張し、8つの実験で編隊精度、風耐性、故障回復、エネルギー耐久性、空域コンプライアンスにおけるサブシステム性能を検証します。

本論文は、長期的制御のための視覚運動ポリシー HALO を提案する。視覚言語モデルの事前知識をポリシーに蒸留することで偽の相関を抑え、スパース注意により検索を履歴の最も関連する部分に限定する。これにより最大8分間の過去経験からタスク関連情報を検索できる。

arXiv論文は、マルチビークルインタラクションにおける適応的安全制御のため、因果推論を組み込んだパラメトリック制御バリア関数（Parametric-CBF）を提案する。車両間の影響を明示的にモデル化し、周囲車両の行動の因果性を推論することで、過度に保守的な最悪ケース分析を回避する。実験では、マルチビークルシステムの運動柔軟性を活用し、タスク効率が大幅に向上することが示された。

事前学習済みRLポリシーの上にモジュール式フィードバックコントローラを追加するRL誘導全身MPPIフレームワークを提案。再学習なしでタスク精度を向上させ、MuJoCo上の29自由度Unitree G1で平均280Hzの安定制御を実現。直進歩行のドリフト補正と全身参照信号の追従を達成。

AeroCastはTransformerエンコーダと混合密度ネットワークを組み合わせ、非協力的空中障害物の確率的3D軌道を予測する。5秒 horizon で変位誤差を約50%削減し、0.1msの推論で100Hzのオンボード展開を可能にする。

工場やオフィスでの監視システムの普及に伴い、ロボットとの統合が協調的なタスク実行の有望な方向性として注目されている。本研究では、屋内協調物体ナビゲーションのための新しいデータセットとフレームワークSurveilNavを提案。アクティブカメラスケジューリング、2D/3Dマッピング、VLMベースの価値推定、協調目標検証を統合し、HM3Dデータセットで最先端の性能を達成した。

ADM-Fusionは、コンテンツ認識ルーティングを備えた適応型センサ専門家混合フレームワークを用いてセンサ入力に動的に重みを割り当て、クロスタスクアテンションで結合された独立した並進・回転ブランチを採用するエンドツーエンドの深層学習マルチセンサフュージョン手法である。CARLA-LOCで訓練しKITTIで微調整され、劣化条件下でもロバスト性を維持しつつ既存手法と競争力のある性能を示す。

本論文は、相対L拡張姿勢のリー群表現を導入し、関節運動学的制約を無雑音の擬似観測として反復不変EKFに組み込むことで、マルチIMU多関節システムの高精度な拡張姿勢推定を実現する。UR5eロボットと人体脚部で検証し、RMSEを次善フィルタより少なくとも50%低減した。

BFMTrackは潜在系列最適化（LSO）を提案し、シミュレーションロールアウトと方策勾配更新を組み合わせて潜在系列を最適化することで、報酬設計なしに行動基盤モデルで精密な運動追跡を実現し、密な追跡、疎なキーフレーム、実機ヒューマノイドで検証した。

ほとんどのVLAモデルはリアクティブであり、現在の観測からのみ次の行動を予測するため、環境変化に弱い。本論文では、観測-行動-結果のトリプレットをコンテキストとして利用するReflective VLAを提案。分布シフト下で成功率が5.4ポイント向上し、行動結果が汎化の鍵であることを示した。

本論文は、重み空間において量子化を意識した線形パスを学習し、全精度モデルの低損失部分空間内に量子化モデルを配置する新しい手法を提案する。この部分空間の中点を直接量子化することで、量子化を意識したトレーニングと同等の性能が得られ、ストレートスルー推定器やトレーニング中の明示的な離散化を必要としない。

新たな研究が、支援AIシナリオにおける最先端のマルチモーダル大規模言語モデル（MLLM）を評価した。頭部装着型GoProを用いたNetraLinkシステムで実世界の一人称データを収集し、通貨認識、シーンテキストQ&A、多言語コンテンツ読解を含むベンチマークを構築。現行モデルの強みと限界を包括的に診断した。

FreeStoryは、自由形式のプロンプトにおけるキャラクターの一貫性をエンティティに基づく特徴の再利用として再定式化する、トレーニング不要のフレームワークです。参照mentionをキャラクター記述に関連付け、動的キャラクターマスク、対応認識特徴マッチング、キー値注入、クエリブレンディングを組み合わせることで、生成の多様性を保ちながら同一性を維持します。著者らは単一および複数キャラクターのストーリーを含むベンチマークFreeStoryBenchも導入しました。実験により、FreeStoryは構造化ベンチマークでトレーニング不要手法の中で最先端の性能を達成し、自由形式プロンプト下でベースラインよりも総合的な一貫性が強いことを示しています。

Wan-Streamerは、言語・音声・映像を単一のTransformerで入出力として統合するネイティブストリーミングのエンドツーエンド対話型基盤モデルであり、モデル側応答遅延約200ミリ秒の低遅延全二重音声視覚インタラクションを実現する。

Chorus IIは、類似したI2Vリクエスト間で共有される疎な注意パターンを活用し、生成品質を保ちながら2.16倍の高速化を実現するクロスリクエスト加速フレームワークを提案する。

Yuvion VLは、コンテンツとAIの安全性に特化したマルチモーダル大規模言語モデルのファミリーです。安全性を本質的に敵対的かつマルチモーダルな問題と捉え、敵対的ロバスト性を中心にパイプライン全体を設計しています。データ構築では、敵対的認識型データ合成と多段階品質管理を統合した自動パイプラインを開発。訓練では、リスク概念のクロスモーダルアライメントのための継続事前訓練、本番環境向け安全タスクのための指示後訓練、複雑タスクでの解釈可能性向上のための推論後訓練の3段階を採用。さらに、モデル固有の混乱を掘り起こし、複数画像の対比グループを構築して細粒度の視覚意味要素を明示的に識別させる「混乱-対比微調整」フレームワークを導入。YVREベンチマークセットで多様な評価を実施。Yuvion VL-32Bは、同等規模のオープンソースモデルや最高のクローズドソース商用モデルを上回る安全性性能を達成し、一般能力も維持しています。

本論文では、超音波スペックル低減のためのノイズ認識型境界強調生成学習（NBGL）フレームワークを提案する。スペックル低減ブランチと境界強調ブランチで構成され、3Dラプラシアンフィルタと中央絶対偏差推定を用いたノイズ認識型相互作用重み生成（NIWG）モジュールにより、異なるノイズレベルに適応する。141の3D経膣超音波ボリュームでの評価において、NBGLは6つのノイズレベルで最新手法を上回る性能を示した。

本研究は、認知的、感情的、行動的領域にわたる自己スティグマのコードブックを開発し、Reddit上の薬物使用者の投稿を分析しました。結果は、自己スティグマが広く見られ、行動指標が中核指標に先行することが多く、進行モデルに挑戦するものでした。

大規模言語モデルはコード生成を変革し、作者性、評価の完全性、ソフトウェアの信頼性に関する懸念を引き起こしています。SemEval-2026タスク13サブタスクAは、コードスニペットに対する二項分類として検出を定義し、未見のプログラミング言語やアプリケーションドメインへの分布外汎化に特に重点を置いています。研究では、SALSA（シングルパス自己回帰大規模言語モデル構造化分類）を提案し、各クラスを専用の出力トークンにマッピングし、モデルが構造化応答で単一トークンのラベルを生成するよう訓練します。バランスの取れたサンプリング、パラメータ効率の良い微調整、保守的な訓練を組み合わせることで、システムは公式リーダーボードでOOD F1=0.789を達成し、CodeBERTベースライン（F1=0.305）を大幅に上回りました。

学術投稿の急増により、従来のピアレビューは拡張性の限界に直面し、大規模言語モデル（LLM）をインテリジェントな自動評価アシスタントとして活用する動きが活発化している。しかし、LLMが流暢な批評を生成し、レビュアーのスコアを近似できることが示されている一方で、意思決定支援システムとしての信頼性、堅牢性、セキュリティは十分に理解されていない。本サーベイは、LLMベースの科学的ピアレビューをシステムレベルで分析し、批評生成とスコア予測という2つの中核機能に焦点を当てる。プロンプトベース、教師あり、検索拡張、アライメント最適化といった手法の構造化された分類法を提示し、既存のベンチマークにおける実証結果を総合する。データセットの制約、評価の欠点、領域集中バイアスを分析し、現在の評価実践を制限する要因を明らかにする。性能指標を超えて、プロンプトインジェクション、データポイズニング、検索脆弱性、報酬ハッキングといった新興の堅牢性リスクを特定し、自動レビューパイプラインが戦略的操作にさらされる可能性を示す。データマイニングの観点から、主観的不一致のモデリングとクロスドメイン汎化における主要な未解決課題を概説する。自動ピアレビューをハイステークスな多目的決定問題として再定義し、堅牢で透明性が高く、信頼できるAI支援科学評価システムの開発へのロードマップを提供する。

新しい研究では、GCSE模擬試験の32,534件の実際の二重採点学生回答データセット（5科目328問、手書き含む）を導入。市販の大規模言語モデルが採点者とどの程度一致するかを調査した結果、トップモデルは採点者同士の一致よりも高い一致を示した。英語エッセイ採点などの主観的タスクや複雑な手書き数学答案の処理でも高スコアを達成。モデルサイズによる差は小さく、コスト効率の良い自動採点ソリューションを提供する。

Dustinは、長文脈投機的デコーディング向けのスパース検証フレームワークである。ドラフトモデルの先読み信号とターゲットモデルの履歴アテンションを組み合わせ、重要なトークンを高忠実度で特定する。さらに、スパース推定スキームにより再計算のレイテンシを削減する。PG-19とLongBenchでQwen2.5-72Bを用いた評価では、32k系列長で自己アテンションが27.85倍、エンドツーエンドのデコーディングが9.17倍高速化され、精度劣化は無視できる程度であった。

arXivの最新研究は、言語モデルにおける「検出」と「制御」の行動方向の幾何学的な差異を明らかにしています。モデルは幻覚を完全に検出できますが（AUC=1.0）、検出方向と拒否を引き起こす方向のコサインはわずか0.12であり、検出は制御可能性を意味しないことを示しています。このギャップはさまざまなモデルと規模で普遍的に存在し、事前学習に起因しており、15度の回転で部分的に埋められます。

本論文は、対称テキスト正規化と新しいエラー認識型TF-IDFアルゴリズムを統合した純粋に語彙的なエラー認識RAGフレームワークを提案し、ASRにおける音声的・ループ幻覚を明示的に訂正する。ペルシャ語FLEURSサブセットで、エラー認識ヒット率を53.7%から90.9%に向上させ、最終WERを23.06%から18.83%に低減しつつ、推論遅延はほぼゼロを実現した。