モントリオール強制アライナー（MFA）は2016年のリリース以来、研究と産業で最も広く使われる強制アライメントツールとなっています。最新バージョンMFA 3.0は、英語、日本語、韓国語のベンチマークで最先端またはそれに近い性能を達成し、平均境界誤差は15ミリ秒未満です。本稿ではMFA 1.0から3.0への発展、技術的改善、および言語間適応能力について詳述します。

多言語大規模言語モデルにおける数学関連パラメータが言語間で部分的に重複しており、英語が最大のパラメータセットを持つことが、横断言語メカニズム分析により明らかになった。

VISUALSKILLは、視覚的な図をスキル成果物に組み込んだ階層型マルチモーダルスキルライブラリであり、コンピュータ使用エージェントの長期タスクや未知のソフトウェアでの性能を大幅に向上させる。CUA-WorldとOSExpert-Evalのベンチマークで、VISUALSKILLを使用したClaude Code CLIエージェントは平均スコア0.456を達成し、スキルなしベースラインから15.3ポイント、テキストのみのスキルから8.3ポイントの改善を示した。

JetFlowは、ターゲットモデルの自己回帰分解と整合する候補ツリーを単一のフォワードパスで生成する因果並列ドラフトヘッドを訓練する、ヘッドベースの投機的デコーディングフレームワークです。より大きなドラフト予算をより長い受け入れプレフィックスと高いエンドツーエンド高速化に変換し、H100 GPU上でMATH-500で最大9.64倍、オープンエンド会話ワークロードで4.58倍の高速化を達成しました。vLLM統合によるさらなるレイテンシ改善も示されています。

本研究では、低リソース言語の合成データ生成における代替手法としてアクティベーションsteeringを提案し、言語steeringと品質steeringの2つの戦略を検証。4つのオープンソースLLMと11言語での実験により、初期層でのsteeringがデータの多様性と下流タスク性能を向上させることを示した。

SproutRAGは、学習された文間注意力を用いて二分木チャンキングを構築する注意力誘導型階層RAGフレームワークです。追加のLLM呼び出しや損失のある要約なしに多粒度検索を可能にし、4つのベンチマークで情報効率を平均6.1%向上させました。

教育対話は貴重だがセンシティブなリソースである。既存のアプローチはガバナンスと精度のトレードオフを強いる。本論文では、匿名化をオープンエンドなエンティティ認識から制約付きプライバシートリアージへと再定義する完全ローカルカスケードフレームワークを提案する。再現率優先の結合提案器が候補スパンを過剰生成し、文脈認識レビューアが二値の編集/保持決定を行う。数学指導トランスクリプトにおいて、最強のローカル構成はマクロF1 0.958を達成し、LLMのみのベースラインや商用APIを上回り、完全に単一のラップトップで動作する。

研究者らは、音声専門家からの蒸留により音響情報を保持する連続潜在ワークスペースを大規模音声言語モデルに導入するContinuous Audio Thinking（CoAT）フレームワークを提案。追加の自己回帰デコードコストなしで複数ベンチマークの性能を向上させた。

研究者らは、大規模言語モデルの忘却学習における忘却と保持のトレードオフを緩和する事後サニタイズ手法SAGEを提案。小さな保持プロキシから活性化幾何を抽出し、保持に悪影響を与える更新成分を抑制しつつ忘却キャリアを維持する。

本論文はTRIDENTを提案する。離散・連続が混在する行動、学習時のハードな安全制約、物理法則に支配されるダイナミクスという三つの特徴が偏りの有向サイクルを形成し、既存モジュールの安易な組み合わせでは破綻することを示し、三つの協調設計された構成要素でそれぞれの漏れを打ち消す。制約付きナッシュ均衡への収束と累積違反の上界を証明し、マルチUAV移動エッジ計算、自律交差点管理、ハイブリッドSMAC変種で学習時の違反を大幅に削減した。

本論文は、教師ありファインチューニング向けのデータ洗練手法 DRIFT を提案する。モデル自身のオンポリシーロールアウトを検証ターゲットとして影響関数によるデータ帰属を行い、標準的な影響関数が抱える近接性ギャップと勾配ノルムへの偏りを緩和する。7B パラメータの指示・推論モデルにおいて性能の上限を一貫して引き上げ、既存のデータキュレーション基準を上回った。

研究者らは、混合エキスパート（MoE）モデル向けの構造的プルーニングフレームワークを提案した。プルーニング比率の割り当てをチャネルスコアのカバレッジ最大化問題として再定式化し、帰属ベースの近似で効率的に解く。DeepSeekとQwenのMoEモデルでの実験では、4ビット量子化と組み合わせて50%または25%の構造的プルーニング下でも精度を維持し、Qwen3-30B-A3Bでメモリフットプリントを5.27倍削減、多様なベンチマークで最先端ベースラインを一貫して上回った。

ICANN 2026に採択された論文は、衝撃波理論と確率的勾配降下法の対称性商化された学習ダイナミクスとの間の数学的関連を確立する。パラメータ対称性を商化し局所エントロピー粗視化を適用した後、有効ダイナミクスは商多様体上の粘性Hamilton-Jacobi方程式を満たし、さらに粗視化損失の勾配がBurgers型方程式に従い、衝撃波形成が厳密に証明される。この理論は多層パーセプトロン、畳み込みニューラルネットワーク、Transformer、平均場ネットワークに適用され、訓練相転移の実用的な診断法をもたらすと推測されている。

Artemisは、各脳領域に独立に介入し、領域固有の交絡因子表現を学習することで、加齢や性別などの人口統計学的要因による交絡を除去し、脳疾患診断や分類におけるGNNのロバスト性と解釈可能性を向上させる領域レベル因果フレームワークである。

CODEBLOCKは、コード用大規模言語モデルの微調整のための構造認識型スパース監視フレームワークです。孤立したトークンではなく構造的に完全なコードブロックを選択し、6つのベンチマークで平均pass@1を向上させ、監視トークンはわずか1.9%しか使用しません。

強化学習におけるエージェントの能力向上に伴い、固定タスク分布は飽和し、単純な合成生成では無効または簡単すぎるタスクが生じる。PROPELフレームワークは、軽量な活性化プローブを用いてソルバーの成功率を予測し、直接評価を回避することで、学習可能フロンティアに位置するタスクを効率的に生成する。数学、コード、ソフトウェア工学の各領域で、目標成功率でのタスク生成割合が大幅に向上した。

本論文は、K個の学習可能なガウス混合成分を介したルーティングでクエリとキーを処理する、確率的注意スタイルの系列混合器であるガウス混合注意（GMA）を提案する。N×Nの親和行列を陽に構築せず、固定Kに対してO(NK)のメモリで済む。双方向および因果変種を定式化し、責任変調勾配、低ランク親和理解、ルーティング安定性を解析する。実験では線形メモリスケーリングを示し、長文分類で競争力がある。因果GMAはWikiText-103でテストされた線形/ランダム特徴注意を上回るが、最適化されたSDPAやMambaには及ばない。

ProfiLLMは、ツール拡張型のグローバル知識マイニングと効用整合型プロファイル探索により、滴滴の本番配車システムで予測・配車性能を向上させるセマンティック・ユーザープロファイルを生成するエージェント型LLMデータパイプラインである。

研究者らは、RoboCup 2Dサッカーシミュレーション（RCSS2D）とHELIOSベースのプレイヤークライアントを、共有メモリ通信とサイクルレベルの同期を介してPythonマルチエージェント強化学習インターフェースに接続する強化学習環境R2D-RLを発表した。全フィールドおよびシナリオベースのトレーニング、設定可能な対戦相手、離散およびハイブリッド行動空間、アクションマスク、期待ポゼッション価値（EPV）に基づく報酬形成、並列実行をサポートし、ベンチマークシナリオとベースライン結果も提供する。

観測のボトルネックを共有しながら最適行動が相容れない二つの領域では、一様に準最適な方策はそのボトルネックで異なる記憶分布を生じさせざるを得ない——成功する汎用エージェントは現在の観測だけに頼れないことを示す形式的な研究。

研究者らは、戦略ゲーム「Freeciv」を基盤としたシミュレーション世界の予測ベンチマーク「ForecastBench-Sim」を発表。現実世界のベンチマークが抱える結果確定の遅さ、テールイベントの希少性、反実仮想の評価困難性を克服する。

DeFAbは、40年にわたる公的資金による知識ベースを可敗北的アブダクションのベンチマークに変換するデータセットと生成パイプラインです。ルールベースの論理ソルバーは50マイクロ秒未満で100%の精度を達成し、最良のフロンティア言語モデルは65%に達し、ロバスト評価では23.5%に低下します。このベンチマークは多項式時間で検証可能なチェックにより論理的厳密性を測定し、創造性を評価します。372,648以上のインスタンスに加え、より難しいバリアントとLean 4/Mathlibを使用した創造的推論バリアントも公開されています。

研究者らは、言語モデルエージェントが模擬スタートアップを500日間経営するCEO-Benchを発表した。不確実性下の長期意思決定、雑音の多い環境での情報獲得、変化への適応、複数要素の調整を総合的に評価する。多くの最先端モデルは苦戦し、Claude Opus 4.8とGPT-5.5のみが100万ドルの初期残高を上回った。

1,482セッションの研究により、調整構造が欠如していると人間とAIのチームに協力者を追加しても性能が低下する可能性がある一方、共有グループメモリと模擬的な人間参加型（HITL）ゲートを組み合わせた足場が、特に3人チームで平均性能を向上させることが示された。

研究者らは、5段階の閉ループパイプラインを通じて証拠に基づく推論を強制する、モジュール式のリフレクションベースのエージェント型RAGフレームワークCaVe-VLM-CoTを提案した。アーキテクチャやプロンプトの変更なしに、ScienceQAで87.1%の精度と56.6%のCaVeScore、MMMUで55.2%の精度と35.7%のCaVeScoreを達成した。

本論文は、低軌道宇宙船に展開されたソフトウェアシステムNAVI-Orbitalを紹介する。2026年4月16日、NAVI-Orbitalは、視覚言語モデルが完全にオンボードで自律的なマルチモーダル推論を実行する初の軌道上実証を達成した。Gemma 3モデルを使用して各シーンを分類し、テキスト記述を生成し、自然言語対話でオペレーターに応答する。グラフベースのステートマシン（LangGraph）によって調整される。地上ベンチマークで88.16%の精度を達成し、軌道上でも未校正のYAM-9画像を処理。セマンティック圧縮により帯域幅プロファイルを逆転させる可能性を示す。

ParcleはAIエージェント向けの共有メモリ層です。過去のコンテキストをインデックス化し、毎回同じ情報を再読み込みする無駄を省くことで、トークン消費を中央値で約30%、最大70%削減します。タスク完了時間も約2倍高速化します。

dolfynはサービス業向けのAI音声エージェントです。24時間365日電話対応し、リードを獲得し、スケジュールを管理します。未回答の通話による収益損失を削減します。ビジネスごとにカスタム構築され、月額179ドルから、契約は不要です。

2026年のAI in Design Reportによると、デザイナーの91%が毎週AIを使用（2025年は54%）、平均ツール数は3から7に倍増、50%がAI生成コードを本番環境にデプロイし、デザイナー自身がツールを構築しています。レポートは喜びと不安の分裂、採用基準のAIリテラシー、システム思考、戦略的スキルへのシフトを強調しています。

Genie Mentions は、あなたとあなたの大切な人々を理解するAIソーシャルプロダクトです。友達の動き、旅行、夢を追跡し、最新情報を届けます。