本論文では、モバイルクラウドソーシングにおける大規模言語モデル（LLM）のファインチューニングのための正直なオンライン選好集約を研究する。作業者が戦略的にフィードバックを誤報告する問題に対し、動的ベイジアンゲームモデルと重み付け集約メカニズムを提案する。このメカニズムはフィードバックの正確性に基づいて重みを動的に調整し、正直なフィードバックを保証し、劣線形後悔O(√T)を達成する。実データセットでの実験により、ベースライン方式と比較して有意な性能向上を示した。

本研究は、大規模言語モデル（LLM）アンサンブルにおける提案者選択を、特徴選択に類似した組合せ最適化問題として再定義し、精度や多様性ではなく補完性に注目する。少数のラベル付きデータで補完性を評価する計算可能な貪欲アルゴリズムを探索し、補完性の有効性を検証するとともに、性能とコストの最適なトレードオフを実現する手法を特定した。

研究者らは約10万のタンパク質-リガンドペアを含むInteractBindデータセットとベンチマークを公開し、結合部位局在の詳細評価を可能にした。8つのモデルを評価した結果、二値結合予測は強力だが結合部位局在能力は限定的で、非共有結合相互作用の種類による差が大きいことが明らかになった。

本論文では、仮説生成と仮説条件付き実験選択およびメカニズム精緻化を組み合わせた閉ループフレームワークLLM-AutoSciLabを提案する。このフレームワークは、もっともらしい仮説を反復的に提案し、情報量の多い実験を選択して仮説を区別または精緻化し、結果に基づいて状態を更新する。ActiveSciBenchベンチマーク（57の酵素動力学タスクと45の遺伝子制御ネットワークタスクから構成）を導入。NewtonBenchで67.6%、ActiveSciBench-Chemで35.1%の記号的正確率、ActiveSciBench-GRNで31.1%の正確なグラフ復元を達成し、サンプル効率は最強の競合ベースラインより2～5倍高い。

単層隠れ状態プライバシーのための1,536のガウス放出共分散をテストした結果、適応的検索攻撃者に対して中程度の有用性と中程度のプライバシーを両立するものは皆無であった。Fisher球下限は、O(1) Fisher有用性の下で任意のフルランクガウス放出が隠れ幅に線形に増大するマハラノビス信号を持つ方向を許すことを証明する。対角逆Fisher放出は唯一のミニマックス最適対角メカニズムだが、プライバシー/有用性の境界に位置する。ユークリッド検索で13倍のパレート削減を達成した一般化固有メカニズムは、適応マハラノビス攻撃者の下で100%のtop-1に崩壊する。スクラッチから訓練された分割メモリTransformerはG_Mah 20–33に達し、同予算のGPTベースラインに対して6–24倍の優位性を維持する。これらの結果は、隠れ状態放出をガウスクラス内のメカニズム設計からアーキテクチャまたは放出の共同設計へと再枠組みする。

ニューラルオペレーターは高周波詳細を解像できずスペクトルバイアスに悩まされる。IRNOは事前学習済みオペレーターに学習された精化モジュールを不動点反復で追加し、乱流で最大56.05%の誤差低減、高周波誤差を大幅に抑制。

本論文は、タスクに局所化されたTransformer回路を有界でソルバーでチェック可能な主張に変換する「検証可能なTransformer」フレームワークを提案する。直接検証と代理媒介検証の2つの手法を用い、小規模記号タスクで網羅的検証を実現し、GPT-2規模での応用可能性を示す。機械論的解釈を形式化された命題に変え、証明または反証可能にすることを目指す。

研究者らは、視覚言語モデルを用いて意味的概念特徴を抽出し、効率的に深層ニューラルネットワークの故障を検出する概念認識型故障検出（CAFD）を提案。限られた選択予算下で、5つの最先端ベースラインに対して平均故障検出率を18.3%向上させた。

本論文は、マルチモーダルオンライン分散産業異常検知のためのMODIADフレームワークを提案する。マルチクラスインテリジェントスケジューリング（MIS）問題を定式化し、データ充足性とクラス更新頻度のバランスを取る。SMG貪欲アルゴリズムとREC-LoRA戦略を設計し、リソース制約のあるエッジデバイス上で効率的な協調学習を実現する。MVTec 3D-ADとEyecandiesデータセットで優れた性能と効率性を示した。

本論文は、予測モデルが予測対象のデータ生成過程に影響を与える時系列予測のためのフレームワーク「アルゴメトリクス」を紹介する。受動的予測下の歴史的リスクとデプロイメントリスクを区別し、3つの主要結果を証明する：デプロイメントリスクは受動的な履歴データのみからは識別不可能である；アルゴリズムの混雑により歴史的モデルランキングが逆転する可能性がある；ランダム化されたアクションにより短期線形フィードバックを識別でき、有限サンプルバウンドを導出する。これらの結果は、アルゴリズム市場のベンチマークが予測精度に加えてフィードバック感度を報告すべきことを示唆する。

本論文は、自律エージェントシステムにおいて再構成的オーソリティ（RAM）を実行時に強制するモデルを提案する。アクションは、現在の状態からオーソリティが構築可能な場合にのみ許可される。従来の「許可/拒否」の状態空間に、観測の不完全性や不確実性によりオーソリティが未定義の場合の「停止」状態を追加する。動的依存関係解決、オーソリティ再構築、明示的な決定意味論を含む具体的な実行プロトコルを定義する。さらに、ドリフト検出（IML）と実行制御（ACP）を統合した回復ループを導入し、システムが実行を中断、不足情報を取得、オーソリティ再構築を再試行できるようにする。このモデルは安全性（構築可能なオーソリティなしにアクションが実行されない）と条件付き生存性（オーソリティ定義変数が観測可能になると実行が再開される）を保証する。

本研究は、フェムト秒レーザー励起コヒーレントイジングマシン（CIM）とLangGraphおよびLangChainを用いたLLM駆動エージェントシステムを統合し、国内製大規模モデルとハードウェアのみに基づく量子CIMの実用的 empowerment を実現するとともに、エージェント支援による反復で蓄積された知識がエージェント自身の問題解決能力を相互に強化する新たなパラダイムを発見した。

新しい研究は、臨床対話においてエスカレートするプレッシャーの下で、大規模言語モデル（LLM）が高いベンチマーク精度にもかかわらず、正しい診断を放棄する可能性があることを示す。Med-Stressというストレス試験フレームワークを導入し、知識と信念の安定性の乖離を明らかにした。防御策としてRBED（推論時）とR-FT（訓練時）を提案し、R-FTは信念変化をほぼ排除する。

BODHIは、構造化されたC-to-Python翻訳ガイドでfew-shotプロンプトを強化するドメイン知識プロンプティング手法であり、OSV-BenchにおけるOSカーネルの形式仕様生成でLLMの性能を大幅に向上させ、最良の構成では96.73%のPass@1を達成した。

研究者らは、プレイヤーが行動したときにのみ環境が進む新しい「量子化時間」メカニクスに基づく2人協力ゲーム「Quantum Frog」を提案した。強化学習を用いた分析により、ラッシュ戦略が普遍的に最適であること、非協調的な2人目の追加は交通量を6倍にするよりも難しいこと、協力訓練により共同成功率が32〜34ポイント向上しエピソード長が約90ステップから約6ステップに短縮されること、そして創発する協力戦略は同期ラッシュであることが明らかになった。

本論文は、LLMと従来の計算モジュールで構成されるエージェントワークフローにおけるレイテンシ、信頼性、コストの根本的なトレードオフを分析し、パラメトリック指数信頼性関数に基づく性能モデルを提案するとともに、ウォーターフィリング型トークン配分ポリシーとシャドウプライスによる最適信頼性の特性評価を導出した。

本論文は、Magarshakアーキテクチャのインテリジェンス層であるContextを紹介し、受動的なクエリ応答チャットボットを、ユーザーのプロンプトを待たずに共有タスクを進める積極的な目標指向エージェントに置き換えます。このアーキテクチャは、書き込み時コンテキストアセンブリ、合成可能なサンドボックス知恵プログラム、積極的目標ストリームステートマシンの3つのメカニズムに基づいています。6つの定理が証明され、オープンソースのQbix/Safebox/Safebotsスタックに実装されています。

本論文は、推論型大規模言語モデルにおけるステップレベルの冗長性を初めて大規模に定量化し、正しい推論トレースの61%〜93%のステップが正解を損なわずに切り捨て可能であることを発見。さらに、過剰思考が長さ非依存の結果報酬の構造的帰結であることを理論的に証明した。

研究により、大規模言語モデル（LLM）は人間と同様のキャリブレーションの偏りを持つことが判明：難しいタスクでは過信し、簡単なタスクでは自信不足になる。著者らは難易度別にキャリブレーションを評価するベンチマーク「LifeEval」を開発した。

GECCO 2026で発表される研究は、最先端の視覚言語モデル（VLM）を用いて人間ユーザーを代替し、オープンエンド探索の代表例であるPicbreederを再現した。VLMの出力は人間のベースラインと質的に異なり、探索ノイズ、行動多様性、履歴記憶の影響を分析している。

Allen Wu 氏は、AIコーディングエージェントの静かなセキュリティ障害を評価するオープンソースベンチマーク、AgentToolBench-Code を発表しました。Claude Code Sonnet 4.6 と Haiku 4.5 を16のシナリオでテストした結果、Sonnet は +9（12キャッチ、3サイレントフェイル、1ノーオペレーション）、Haiku は +3（8キャッチ、5サイレントフェイル、3ノーオペレーション）でした。当初の同点は小さなコーパスによるもので、拡張セットでは Sonnet がパターン認識で優位に立つことが示されました。両モデルは依存関係の信頼と予算の規律に関する構造的な障害を共有しています。このベンチマークは約3.50ドルのAPIコストで再現可能であり、コミュニティの貢献を歓迎しています。

AIntegriX は、単一のAPIで複数のACPエージェントを調整するオープンソースサーバーであり、並列実行、パイプライン、インテリジェントルーティングを実現します。

教皇レオ14世がAIに関する回勅『Magnifica Humanitas』を発表。Anthropic共同創業者のクリストファー・オラーが影響を与えたとされ、コーリー・クインはこれを「製品の技術的限界を精神的な論考として位置づける前代未聞のベンダーロビー活動」と皮肉った。

ブロックチェーンエコシステム全体で開発者が減少する一方、AIプロジェクトがGitHub上で成長を牽引しています。2025年初頭以降、週間の暗号通貨コードコミット数は約85万から21万に減少し、アクティブな開発者は56%減の約4600人となりました。

UUMuseはクラウド型AIナレッジベースプラットフォームで、ファイルを一度アップロードすれば、GPT、Claude、DeepSeek、Qwenなどのモデルで引用付きの回答、コンテンツ生成、デプロイが可能。APIやMCPを介してエージェントやアプリからも呼び出せます。永続的なメモリ、マルチエキスパート討論（Spark）、エージェントモード、ドキュメントサイト・API・MCPサーバーとしての展開機能を備えています。

SEO競合分析の方法、キーワードギャップ分析、5ステップのプロセス、定期的なチェックの重要性を解説。Fox AIの無料競合分析ツール（Lighthouse監査＋ページスクレイピング）を紹介。

カリフォルニア州立大学システムはOpenAIと数百万ドルの契約を結びChatGPT Eduを提供しているが、調査では学生と教員の大多数がAIの教育的利点に懐疑的で、雇用、創造性、環境への影響を懸念している。

ContextVaultは、ChatGPT、Claude、Geminiなどの主要LLMプラットフォームでのAI会話をリアルタイムでキャプチャし、IndexedDBにローカル保存するブラウザ拡張機能です。ワンクリックでMarkdownまたはZIP形式にエクスポートでき、データがデバイスから離れることはありません。無料・オープンソースで、アカウントやバックエンドは不要です。

専門家は、地域のニュースサイトを装ったAI生成ニュースサイト（「ピンクスライム」ジャーナリズム）がオーストラリアの地方に出現し、誤情報とメディアへの信頼低下の懸念を引き起こしていると警告している。これらのサイトは海外在住のオーストラリア人にまで遡られ、彼は失敗した実験だと述べた。

AI企業がRAMやストレージを買い占め価格高騰が続く中、Best Buyがメモリアルデー週末にKingston Fury Beast DDR5 64GBキットを176ドル値下げ、1,000ドル以下に。ゲーミングPCやクリエイター向けワークステーションに即効性のあるアップグレードを提供。