AI Response Feedback for Forms™はGoogle Workspaceのアドオンで、フォームの回答を自動評価し、役立つフィードバックメールを送信します。ユーザーは平易な言葉で指示を書き、AIが要件を満たすまで処理を繰り返します。課題や申請審査、内部フォームなどに利用可能。ウィザード形式の設定、多様なメールオプション、プライバシー管理機能を備えています。

王立キュー植物園の主要報告書によると、AIとデジタル化の台頭は、植物学者が絶滅の危機に瀕する重要な植物を特定し救う「絶滅競争」の転換点となる可能性があります。新技術により、世界中の開花時期の変化を追跡し、新標本を迅速に特定し、180年前のキノコ標本から遺伝子データを抽出することが可能になり、『ゲノムの金鉱』が開かれるかもしれません。

研究者らは、小型のオープンウェイトAIモデルを使用して、ネットワーク全体に自己複製し、各標的の脆弱性を自律的に発見・悪用する適応型コンピュータワームを作成しました。これはサイバー脅威の質的な転換を示しています。

米中のAI競争において、オープンソースとクローズドソースの哲学の違いが勝敗を分ける可能性がある。中国のAIラボは積極的にオープンソースモデルを公開する一方、OpenAIやAnthropicなどの米国企業はクローズドソースを好む。元Hugging Faceのアジア太平洋地域エコシステム責任者であるTiezhen Wang氏が、オープンソースモデルの歴史、中国のAIラボの収益化方法、モデル蒸留と知的財産をめぐる議論について語った。

ホワイトヘッドとアーレントの思想を対比しながら、AIへの思考の外部委託がもたらすリスクを論じる。AIが生活に浸透するにつれ、人間の意識的な監視から切り離された活動層が生まれ、世界は解釈不可能になる。著者は、この傾向が文明を退化させる可能性があると警告する。

YouTubeのアルゴリズム変更により、AI生成コンテンツに依存する「顔出しなし」クリエイターのクリック数と収益が急落している。

サイモン・ウィリソンは、ケイト・ムサリスが確認したところによると、Claude Fable 5が輸出規制で禁止された「ジェイルブレイク」は実際には「このコードを修正して」という防御的なセキュリティ要求だったと述べている。このような能力を持つモデルを禁止することは、AIによる脆弱性修正やパッチ検証を妨げ、米国のサイバー防衛を弱体化させる。

Crypto Clarity AI は、12次元のAI分析を使用してポートフォリオの健康状態を評価し、集中リスク、相関リスク、ドローダウンなどの隠れたリスクを明らかにするツールです。60秒で無料の健全性チェックを提供し、19ドルの一回払いで生涯アクセス、オプションで週15ドルの監視サービスも利用できます。

エージェンティックAI財団（AAIF）は、エージェンティックAIの透明かつ協力的な発展を促進する中立的なオープン財団です。最近のニュースには、CoinbaseによるMCPを使用したエージェント取引、SemiAnalysisによるAIサブスクリプション価格設定の過小評価の指摘、Nous ResearchによるHermes Agent Profile Builderのリリースが含まれます。財団はイベントを開催し、MCP、Goose、AGENTS.mdなどのプロジェクトをサポートしています。

AATFは、AIエージェントの各決定の理由、検討した代替案、自信度、および却下した選択肢を記録するためのオープン仕様とリファレンスSDKです。OpenTelemetryが観測可能性を提供するのに対し、AATFはエージェントの意思決定の説明責任に焦点を当てています。この記事では、コアフォーマット、クイックスタート、既存ツールとの比較、統合、プロジェクトステータスを説明します。

EUは、生成AIシステムの展開者がAI生成または改変されたコンテンツをラベル表示するためのアイコンセットを開発しました。これはAI法の透明性ルールに従うものです。この記事では、ラベル表示が必要なコンテンツ、例外、アイコンのバリエーション、使用ルール、ライセンスについて説明しています。

LV-Calibは、印刷可能な平面ターゲットを用いてLiDARとカメラの外部パラメータ推定およびLiDAR境界応答のキャリブレーションを行うフレームワークです。視覚フィデューシャルと円形反射率境界を特徴点として利用し、有限ビームフットプリントと混合強度反射による遷移帯の歪みを処理するためにLiDAR側の3D特徴点を反復的に精緻化します。実験では、サブピクセル再投影精度、ミリメートルレベルのLiDAR特徴一貫性、およびオドメトリ性能の向上を示しています。コードとデータは公開予定です。

ViTaLは視覚と触覚を融合した推論時ステアリングフレームワークで、多模态ガイダンスを二段階最適化問題として定式化する。3つの実世界接触リッチ操作タスクにおいて、ベースポリシー比で51%の成功率向上、単模态ステアリング比で少なくとも33%上回り、単純な多模态融合比で少なくとも20%上回る成果を示した。

新しい研究により、オペレーターは接触豊富な人間-ロボット相互作用において、自律神経系の作業負荷を増加させて熱的不快感を抑制することで、タスクパフォーマンスを維持することが明らかになった。この知見は生理学的認識に基づく制御アーキテクチャの開発を動機付ける。

本論文では、各ロボットが役割認識型LLMエージェントとして動作する分散型フレームワークDynaHMRCを提案する。自己記述、タスク割り当てとリーダーシップ入札、リーダー選出、内省実行の4段階クローズドループプロセスにより、動的タスクにおける異種ロボットチームの柔軟な協調を実現する。集中型LLMスケジューラのスケーラビリティ問題、動的タスクへの適応不足、ドメイン固有データ不足に対処する。実験では、強力なベースラインよりも高い成功率と効率を示し、有望なスケーラビリティを実証した。

VANDERERは、視覚的好奇心モジュールで事前学習済み拡散ポリシーを導く地図不要の探索フレームワークであり、単眼画像データのみで効率的な探索を実現し、NoMaDより平均13.4%広い領域を探索する。

TacStyleは、ユーザーの好みを構造化された潜在表現として学習し、ファウンデーションモデルを用いてその空間を解釈して所望の行動を選択することで、ロボットの行動を細かく制御し、好みのラベルを大幅に削減する手法を提案する。シミュレーションと実世界の実験により、より精密な適応が実証された。

本論文は、合成データのみで学習したOneFormerモデルと決定的着陸モジュールを組み合わせ、手動アノテーションなしで無人航空機の安全な自律着陸を実現する知覚・データ生成パイプラインを提案する。実世界の未見環境での有効性も確認された。

Steady-Forcingは、自己回帰ビデオ拡散モデルが長期的な固定カメラ自然動画生成で直面する安定性と運動性のトレードオフに対処する記憶・学習フレームワークである。永続的な視覚アンカー、EMA運動記憶、ブロック相対時間エンコーディング、定期的なキャッシュ浄化、Wan2.1-14B教師モデルからの運動報酬付き事前分布の蒸留を組み合わせる。7つのベースラインでの評価で背景一貫性と画質が向上し、盲検ユーザー研究で知覚的な安定性と運動継続性の向上が示された。また、汎用VBench指標が固定カメラのアーティファクトを十分に penalize しないことを指摘している。

本論文では、境界認識優先度とクラスバランスを用いてリプレイサンプルを選択し、解剖学的構造を保持するBBR-Netを提案。CAMUSおよびCardiacNetデータセットで評価し、前方タスクではソースタスク性能を維持し壊滅的忘却を低減、逆タスクでは初期表現がノイズを含む場合に構造認識リプレイが失敗することを発見。構造摂動分析により、リプレイ効果は記憶容量よりも保存された構造情報の信頼性に依存することを示した。

視覚言語モデル（VLM）はロボット工学など重要分野で広く利用され、出力の不確実性定量化が不可欠です。FUSEは、データの曖昧性に起因する偶然的埋め込みレベルの不確実性と、モデルの応答多様性に由来する認識論的モデルレベルの不確実性の2つを補完的に捉える確率的フレームワークです。ベイズ融合機構によりこれらを結合し、スカラー不確実性指標を生成。下流タスクで出力の正しさを予測し、最先端の較正を実現します。

学部論文がConvNNフレームワークを提案し、畳み込みと自己注意機構をk近傍集約の特殊ケースとして統一的に扱うことで、局所と大域の間のスペクトルを体系的に探索可能にした。

本研究では、6,468枚の画像（曇り、霧、雨、晴れの条件下）を用いて、CNNやViTを含む6つの深層学習モデルの海事船舶検出性能を比較した。軽量モデルはリソース制限のあるデバイスに適している一方、Vision Transformerは100%の精度、最低のエラー率、最速の動画処理時間で最高の総合性能を達成した。

RAMSは、組み込みエッジデバイス向けの軽量ランタイムコントローラで、リソース負荷と検出結果に基づいてYOLOv8モデル（NANO/SMALL/MEDIUM）を動的に選択し、精度を維持しつつレイテンシを大幅に削減する。Jetson Orinでは、安全戦略2が平均3.41ミリ秒のレイテンシ（固定MEDIUM比5.6倍高速）を達成し、代理精度の74%を維持。重負荷下では検出条件付きスイッチングによりSWASが最大47.3%向上する。

ReportQAは、知識ツリーとQAペアを活用し、大規模言語モデルを審査員としてQAScoreを計算する新しい放射線レポート評価フレームワークです。従来の指標の臨床的関連性の低さや限られたエンティティカバレッジの問題を解決し、QAScoreは放射線科医の判断とより一致することが示されました。実験では、レポートベースの推論パラダイムの限界も明らかになりました。

本研究では、WESADデータセットを用いて、手首と胸のセンサー信号によるマルチモーダル感情認識において、LSTM、TCN、Transformerを評価。Transformerはマルチモーダル設定で最高精度、TCNは手首のみで最良。アンサンブル法（後期融合）は98.91%の精度と98.56%のマクロF1を達成。

新しい研究は、固定された総推論予算の下でウェブエージェントのメモリ、ワークフロー、スキルモジュールの利点を再評価し、トークンマッチしたバニラベースラインが複数のモデルとドメインでこれらの拡張手法に匹敵または上回ることを示した。実行間の分散も重要である。

NVIDIAはNemotron 3 Ultraを発表した。総パラメータ5500億、アクティブパラメータ550億のMixture-of-Experts Hybrid Mamba-Attention言語モデルである。20兆トークンで事前学習し、コンテキスト長を100万トークンに拡張。SFT、RL、MOPDで事後学習を行い、LatentMoE、Multi Token Prediction、NVFP4事前学習、推論バジェット制御などの技術を採用する。推論スループットは最先端の公開LLMと比較して最大約6倍高く、精度は同等である。長時間の自律エージェントタスクに適しており、ベース、事後学習済み、量子化済みチェックポイントと訓練データ・レシピがHuggingFaceでオープンソース化されている。

GRPOベースの強化学習フレームワークCoRAを提案し、モデルの信頼度と生成された根拠を整合させることで、誤解を招く高信頼度の回答を低減。MedQAなどのデータセットで、整合誤差を最大26.51%削減しつつ、精度を維持しキャリブレーションを改善。

Yinhan Lu ら6名の著者は、標準的な因果Transformerに小さな変更を加えるだけで、過去・未来・混合の文脈を含む任意の条件付き分布を1回のフォワードパスで評価・サンプリングできるAC-GPTを提案した。左から右への順序と次トークン予測という目的を維持するため、既存の大規模言語モデルをファインチューニングして任意条件付き生成に利用でき、標準的な左から右の性能を損なわずにベースラインを上回る。