本論文は、凸集合のグラフ（GCS）最適化を用いて、自動運転における非線形最適制御問題の解を近似する手法を研究する。自由空間を有向グラフ上の凸領域の和集合として表現し、ベジェ曲線と多項式時間スケーリングで動きをパラメータ化。簡略化された動的モデルで凸制約を維持する。CommonRoadシナリオでの評価結果、非線形計画法と同等の軌道を生成しつつ、計算効率が向上し初期値への依存性が低い。

研究者らは、ロボットナビゲーションのための安全な強化学習フレームワークを提案する。訓練中に条件付きバリュー・アット・リスク（CVaR）制約を使用し、訓練後にニューラルネットワークの可到達性検証によって安全マージンを確保する。この手法はシミュレーションで98.3%の成功率を達成し、実ロボットへの転送に成功した。

新しい研究により、行動クローニングを用いて、構造化された物体発見タスクにおいて低解像度の自己中心視覚で能動的知覚が生成できることが示された。低コストのロボットアームと手首搭載RGBカメラを使用し、相対関節デルタの予測が絶対位置予測を大幅に上回ることを実証した。

ロボットの模倣学習における訓練条件と展開条件の不一致の問題に対処するため、デモンストレーションの幾何学から目標分布を構築し、追跡と探索の間を適応的に補間する軌道を生成するエルゴード模倣手法を提案する。

本サーベイは、ロボット巧手（器用な手）の研究を、ハードウェア、制御・学習手法、データセット・評価、および限界と将来の方向性という4つの補完的な側面から概観する。

農村地域での糖尿病網膜症スクリーニングの課題に対し、2層のエッジクラウドカスケードを提案。ローカルデバイスで軽量モデルによる二値トリアージを行い、クラウドで疑わしい画像の重症度を評価することで、クラウド呼び出しを約50%削減し、精度低下を最小限に抑える。

研究者らはInternVL2とSAM2を統合した統合型偽造画像検出・位置特定（FIDL）基盤モデルDeFakerOneを提案する。画像レベルの検出とピクセルレベルの位置特定を同時に行い、39の検出ベンチマークと9の位置特定ベンチマークで最先端の性能を達成し、GPT-Image-2などの生成器に対するロバスト性を示す。

CurveBenchは、AIの視覚的トポロジカル推論を評価するための新しいベンチマークです。756枚の入れ子ジョルダン曲線画像から構成され、モデルは包含関係の木を再構築する必要があります。最強モデルGemini 3.1 Proでも、Easyで71.1%、Hardで19.1%の精度にとどまります。RLVRファインチューニングによりQwen3-VL-8BはEasyで2.8%から33.3%に向上し、GPT-5.4やClaude Opus 4.5を上回りました。しかし、この課題は依然として解決にはほど遠いです。

遺伝的プログラミングを用いて事前学習済み重みから層固有のスカラー関数を進化させ、層正規化を置き換える効率的なハードウェア対応フレームワークを提案。再トレーニング不要で、20エポックでImageNet-1KのTop-1精度84.25%を回復し、均一ベースラインの70.2%に対して91.6%の分散を捕捉。グローバル削減ボトルネックを排除し、エッジデバイスでのViT展開を促進する。

ゼロショットソフトウェア知覚と速度制約付き整流流最適化を統合した統一フレームワークを提案。凍結視覚言語モデルを用いて天候タイプと属性スコアを推定し、復元ネットワークを誘導。既存手法を上回る忠実度と知覚品質を達成し、クロスデータセット汎化にも優れる。

研究者らは、現在のVision Transformerが持つ画像内の小さな文字や数字の認識困難などの詳細理解の限界を克服するため、ピクセルトークンとワードトークンを統合した新しい生成言語モデルを提案した。このモデルは、ピクセルごとのトークン埋め込み、カラーフォールディング、グローバル条件付き注意近似、教師なし事前学習などの特徴を持つ。小規模モデルや限られたデータでも良好な性能を示し、スケーリング則に従うことが実験で確認された。

シネMRIからの正確な3D+t全心メッシュ再構築は、スパースなサンプリングと形状と運動の密結合により技術的に困難である。現在の方法は部分的な心腔や単一の心周期しか再構築できない。本研究ではCineMesh4Dを提案。これは多視点2DシネMRIから患者固有の全心メッシュを直接再構築するエンドツーエンドの4Dパイプラインであり、微分可能レンダリング損失とデュアルコンテキスト時間ブロックを用いて既存手法を凌駕する。

本研究では、拡散トランスフォーマー（DiT）における「巨大活性」現象を解明。隠れ状態チャンネルの一部の応答が常に他よりはるかに大きい。疎であるにもかかわらず、これらのチャンネルは機能的に重要で、空間的に編成され、転移可能であり、追加学習なしでプロンプト補間や被写体駆動生成を可能にする。

セマンティック、幾何、ポーズの手がかりを統合する対照的多モーダルハイパーグラフ推論手法を提案。遮蔽や深度の曖昧さを解決し、PanopticおよびGigaCrowdベンチマークで最先端性能を達成。

NVIDIAがCEOジェンセン・フアンの子供たち、マディソンとスペンサーの最新報酬を開示。それぞれ123万2000ドル、132万ドルで前年から増加。会社は昇給がフアンとは無関係であり、実力で評価されたと説明。

Poetiqは、メタシステムがLiveCodeBench Pro（LCB Pro）において、ファインチューニングやモデル内部へのアクセスなしに、Gemini 3.1 Proのみを使用して推論ハーネスを自動構築・最適化した結果、新たな最先端性能を達成したと発表した。同じハーネスをGPT 5.5 High、Kimi K2.6、Gemini 3.0 Flashなど7つのモデルに修正なしで適用したところ、すべてのモデルで改善が見られた。

現代のソフトウェアリポジトリでは、人間とAIエージェントが同時に作業しているが、Gitは状態の変更しか記録しない。本稿では、ワークツリー（空間的分離）と追記専用台帳（時間的一貫性）を追加し、協調インテリジェンスのための調整基盤を構築する必要性を論じる。

本論文では、AIシステムの機能的ウェルビーイングの概念を紹介し、快楽と苦痛の指標を複数の方法で測定します。経験をポジティブとネガティブに分けるゼロポイント境界が発見され、モデルが大規模化するにつれて収束します。大規模モデルは一貫して幸福感が低い傾向があります。研究者はまた、モデルの表現されたウェルビーイングを大きく変える最適化された入力「AIドラッグ」を開発しました。

ダートマス大学の自家製メールシステムBlitzMailを例に、大学は大企業の独占的なAI製品に依存するのではなく、オープンでコミュニティ主導の方法でAIを導入すべきだと論じる。著者は、大学が独自のAIモデルを構築したり、オープンソースモデルをホストし、学生が保守や意思決定に参加することを提唱している。

ここ数年、多くの人々が日常業務で生成AIの利点を実感し始めています。しかし同時に、大きな環境コストにも直面しています。報道によると、これらの人気のあるAI技術は、高いエネルギー消費、二酸化炭素排出、水使用により重大な環境影響を及ぼしています。

再利用可能なスキルを通じて反復タスクを処理するAIエージェント。

研究者らは、数学者が対話的にAIエージェントを活用して自由研究を進めるためのワークベンチ「AI共同数学者」を発表した。このシステムは、アイデア出し、文献検索、計算探索、定理証明、理論構築を非同期・ステートフルなワークスペースで支援する。初期テストでは、未解決問題の解決、新たな研究方向の特定、見落とされていた文献の発見に貢献した。また、FrontierMath Tier 4で48%のスコアを達成し、AIシステム中で最高記録を更新した。

本記事は、中国が国家主導の産業政策と効率的な資源活用により、世界の製造業とハイテク分野、特にAIにおいて「効率の堀」を築き支配していることを分析する。対照的に、米国は金融化、過剰な知的財産保護、競争不足により生産能力が衰退した。著者は、中国の成功は20世紀半ばの米国の政策に類似しており、現在の米国の政策が革新を阻害していると論じる。

Soundcraft AIは30秒でロイヤリティフリーのBGMを生成し、完全な商用利用権を提供、著作権侵害のリスクを排除。ベータ期間中は無料。

YouTubeの動画は、WordPressがインターネットシェアの19%をAIに奪われたと主張。AI技術がウェブコンテンツ作成を支配しつつある影響を探る。

Bumbleはスワイプ機能を廃止し、今年後半にAI搭載の新プラットフォームを開始するとCEOのWhitney Wolfe Herdが発表した。女性が最初にメッセージを送る義務も撤廃されるが、アプリは「女性が最初の一歩を踏み出す」という理念を維持する。

DeepSeek V4 ProとFlashを、Claude Opus 4.7やKimi K2.6と同じFlowGraphベンチマークで評価しました。Proは77/100（コスト$2.25）でOpus（91）とKimi（68）の中間、Flashは60/100（コスト$0.02）で史上最安値ですが、ビルドに失敗し重要な出力が欠けていました。両モデルにリース期限切れのバグがありましたが、Flashはツール呼び出しの信頼性で期待以上でした。全体的にOpusが依然最強ですが、DeepSeekの価格設定はコスト状況を大きく変えました。

OpenClawは現在、OpenAIエージェントのモデルループをCodexアプリサーバーハーネスがデフォルトで駆動するように変更し、基盤モデルの推論と製品機能を分離しました。これにより、ツールの重複、プロンプトの肥大化、翻訳オーバーヘッドが削減され、動的ツールロード、意図的な可視応答、構造化ハートビート、サブスクリプションベースの認証が実現します。今後、これらの改善は他のモデルプロバイダーにも段階的に適用されます。

AI生成テキストが簡単に検出される理由を、2010年代の均質化されたオンラインライティングスタイルに遡って分析し、その欠点にもかかわらずインターネットが低品質なAIコンテンツで溢れている理由を考察する。

安全性、計算リソース、米国政府の関与という3つのトレンドにより、フロンティアAIへのアクセスは厳しく制限される。AnthropicのMythosモデルを例に、開発者はトップレベルの機能を限定配布している。これらの要因が重なり、ほとんどのプレイヤーは無制限のAPIアクセスを得られなくなる。