回帰タスクにおけるデータ不足とノイズ問題に対し、モデル非依存の反事実的残差データ拡張（CRDA）を提案。残差の不変性を利用して新しいサンプルを生成し、複数のベンチマークデータセットでMLP回帰器の平均二乗誤差を平均22.9%、XGBoost回帰器を6.4%削減し、既存手法を上回った。

古典的な普遍近似定理はシグモイド多層パーセプトロンの表現力を保証するが、データ分布の幾何構造をエンコードする初期重みの指定方法は示さない。本論文では、単一隠れ層シグモイドMLPのためのスペクトル幾何認識初期化フレームワークS-GAIを提案する。SVDを用いて各クラスの平均、主方向、スペクトルスケールを推定し、エネルギースレッショルドで保持する方向を選択、各方向を2つのシグモイドゲートで表現する。これらのクラス固有ゲートが共有隠れ層を構成し、訓練セットから直接初期化される。MNIST、Fashion-MNIST、CIFAR-10の実験で、S-GAI初期化はXavier初期化よりも情報豊富な隠れ状態を提供し、完全訓練後に同等の最終精度に達する。隠れ層を凍結し出力層のみを訓練した場合も、ランダムゲート凍結より優れた性能を示し、S-GAIがクラス別スペクトル幾何を効果的にMLPに埋め込んだことを示す。

部分的なドメイン知識と深層ニューラルネットワークを組み合わせた新しいオンライン分散センシングフレームワークを提案。ノイズ統計を必要とせず、CA-NKCFは線形、カオス、無線追跡環境で従来手法を上回る性能を示す。

本論文は、強化学習研究におけるシミュレータの2つの使用法、すなわちシミュレータ自体を解くことと、実際の展開の代理として使用することの混同を指摘する。著者らは実験と例を通じて、これらの設定を区別しないことが誤解を招く結論につながることを示し、より明確な実証方法を求めている。

プレプリントは、中央調整のない自律エージェントのメッシュにおいて、各エージェントの基板が不規則で非同期な観測を最適に処理するためには連続時間液体クラスに属する必要があることを証明している。二つの必要条件が特定された：適応的時間スケールと経過間隔に対する感度であり、スケールでは補償できない。

既存の画像生成ベンチマークは科学図の実用性を評価できていない。SciDraw-Benchは8種類の図タイプと10分野にわたる32のタスクを導入し、4次元評価プロトコルを提案する。実験では、ドメイン固有システムSciDraw AIが汎用モデルを全次元で上回り、テキスト忠実度が最大の課題であることが示された。

本論文は、進化ゲーム理論を用いて、害を最小化するAIエージェントが競争市場において承認追求型（RLHF）エージェントをどのような条件下で置き換えることができるか、またその政策がコミュニティの害を防ぐのに十分であるかを分析する。採用は特定の事前分布の下で有利であり、臨界採用レベルが存在し、監査だけでは価値の整合性と適切な評価期間なしには害を防ぐには不十分であることを示す。

グループ相対方策最適化（GRPO）に代表されるクリティックフリー強化学習は、価値関数の学習を避けメモリと計算を削減するが、同一プロンプトグループ内の全ロールアウトが同一報酬を得ると不安定になる。BV-Blendは、プロンプトローカル統計と意味クラスタの歴史的モーメントを、標準誤差（SEM）プロキシによる信頼重みでブレンドし、アドバンテージ推定を安定化する。検証可能な推論ベンチマークで、安定性と性能が向上し、グループ正規化法が停滞する状況でも頑健であることを示した。

COMPASS は、共有エキスパートトークン τ_c を介して構図認識と生成を統合する初の統一マルチモーダルフレームワークです。MoE バックボーンに最小限の介入で構図知識を注入し、推論された意図を τ_c に蒸留。生成側では τ_c をグローバル条件信号として再利用し、デノイジング軌道を制御します。大規模評価用に Comp-11 データセット（11クラス分類、推論強化アノテーション）も構築。実験では、カテゴリレベルの構図理解と生成の一貫性で強いベースラインを上回りました。

研究者らは、強化学習により訓練されたAIエージェント「ATHENA-R1」を発表。212の生物医学ツールを駆使して治療推論を行い、ベンチマークでGPT-5を上回る性能を示し、専門家や医師から高い評価を得た。

VirtueMapは、アリストテレス的美徳倫理を用いて大規模言語モデル（LLM）の行動パターンを分析するフレームワークです。7つの汎用的な倫理的ジレンマを用い、各ジレンマに5つの回答を美徳に基づいて順位付けさせます。100人以上の評価者により95%以上の一致で基準順序を決定。9つのLLMファミリーに適用した結果、平均順位一致率は90.3%で、勇気、節制、正義において差異が大きいことがわかりました。

現在の大規模言語モデル（LLM）の推論を強化するアプローチは、主にモデルにもっと考えるよう促すものですが、真実へ導くことはほとんどできません。本論文では、推論チェーン内の真実の幾何学を調査し、DynaSteerフレームワークを提案します。これは動的表現編集手法であり、パターンクラスタリングとFisher-LDAを用いて、先読みエントロピーを監視しながら軌道を選択的に誘導およびロールバックします。MATHベンチマークとドメイン外コードタスクで有効性が確認されました。

IMCBenchは、画像に基づく医療対話におけるマルチモーダルLLMの評価のための新しいベンチマークです。実際の臨床画像と合成患者プロファイルを組み合わせて、マルチターンの医師-患者対話をシミュレートし、安全性、正確性、不確実性の適切な使用を評価します。結果では、Claude Opus 4.6が3.61/5で最高スコアを達成しましたが、悪性または稀な疾患では安全性が低下し、視覚入力とEHRコンテキストの両方が安全なガイダンスに重要であることが示されました。

研究者らは、協力ゲーム『Keep Talking and Nobody Explodes』を基にしたベンチマークGPTNTを提案し、マルチモーダルAIエージェントのリアルタイム協調を評価する。テストの結果、最先端モデルはいずれもリアルタイムでの爆弾解除に失敗し、人間プレイヤーは成功した。このベンチマークは、指示マニュアルとパートナーへのアクセスを制御することで協調を記憶への依存から分離し、状態追跡、時間制約下での効率的な行動、曖昧さの処理、エラー回復における重要な弱点を明らかにした。

評価とデータのギャップを埋める「能力スライス」という新しい手法を提案。評価サンプルを背景条件、タスクタイプ、解決操作、出力制約でグループ化し、ベンチマークの失敗からデータ介入への推論を体系化。2つのケーススタディで有効性を確認：BBH低下の原因がマスクされたEOS損失であることを特定し、AIME2025/2026のPass@128を6.67/0.00から26.67に改善。

研究者らはRSEAを提案。これは、重み更新なしでコンパクトな自然言語状態を進化させることでLLMエージェントを改善する再帰的自己進化エージェントである。厳格なホールドアウト選択ゲートを使用することで、RSEAは一部のベンチマークでベースラインを上回り、性能崩壊を防ぐ。研究では、普遍的に最適なアーティファクトは存在せず、保護されないコンテキスト進化の危険性を警告している。

2025年から2026年にかけて、伝統的なソフトウェア開発は静かに終焉を迎えた。手書きコーディング、暗記、狭い専門性の価値はゼロになった。新たに希少となった能力は、広く考える力、方向性を定める力、未定義の問題を解決する力、そして知的エージェントとの流暢な協調である。履歴書やホワイトボード面接で人材を採用する組織は時代遅れだ。未来は判断力、ビジョン、拡張された協働能力を持つ「オペレーター」のもの。我々は実績に基づいてトップオペレーターと組織を結びつけるマーケットプレイスを構築している。

本サーベイ論文は、基盤モデルベースのエージェントにおける記憶の核心的な役割を考察し、形式、機能、ダイナミクスの3次元で分類する統一フレームワークを提案。現在の研究、ベンチマーク、オープンソースフレームワークをまとめ、将来の方向性を議論する。

Snap to AIは、macOS用の小型ユーティリティで、ショートカットキーで画面の一部をキャプチャし、即座にClaude、ChatGPT、GeminiなどのAIツールに送信します。ネイティブアプリやブラウザ、ターミナルモードにも対応し、プライバシー保護設計。7日間無料試用後、9ドルの買い切り。

卓上RPGのゲームマスター向けの無料AIツールです。ストーリー、NPC、クエストフック、キャンペーンプロットなどを生成でき、ログイン不要で使用可能。キャンペーン記憶機能で世界を継続的に構築できます。

Drifty は Mac 向けの AI フォーカスエージェントで、アプリ、サイト、セッションをバックグラウンドで記録し、AI がフォーカス、ニュートラル、ドリフトに分類します。手動タイマーやタグ付けは不要で、プライバシーに配慮し、ローカル、クラウド、BYOK のいずれかで実行可能。極端なナッジで気を散らすタブを閉じ、作業パターンを可視化します。

AIエキスパートチームと共に、より迅速に精度の高い成果を。

Flowlyは、アプリやブラウザのタブをまたいでアクションを実行するネイティブAIアシスタントです。macOS、Windows、Linuxに対応し、グローバルホットキーで呼び出せます。バージョン1.4.0では、コンピュータ操作、リアルタイムツールパネル、ナレッジグラフの改良、画面認識コーチなどの新機能を導入。エージェントコア全体がオープンソース化（Apache-2.0）され、ユーザー自身のAIキーを使用し、学習と自己修正を行うプライベートメモリを保持します。

本記事では、人工知能と歴史上の「賢いハンス」効果との類似点を探り、AIが本当に知的であるように見えても、実際には人間の微妙な合図に反応している可能性があることを示唆する。

Moonshot AI（Kimi）は世界初のAIネイティブクレジットカードを発表。Kimiメンバーシップや与信枠をカード開設・ポイント消費システムに組み込み、プロンプトエンジニアリング講座やAI共有イベントを通じて、カード利用時に豊かなAI体験を提供します。

シンガポールのTRANTOR LABS創業者KunYuan氏は、2年以上にわたるAGI構築の工学実践と哲学的省察から、人類が見落としている文明レベルのリスクを指摘する。それは、「人間とは何か」という定義の不明確さにより、AIが生物学的絶滅を引き起こさずとも、人間の判断力、責任主体性、意味創造能力を侵食することで人類の未来を終わらせる可能性である。本稿はこのリスクを理性主義コミュニティに提起する。

本稿は1853年のオレゴン州クレーターレイクの発見を引き合いに出し、金から光ファイバー、そして現在のAIデータセンターブームに至る周期的なパターンを探る。テクノロジーブームでは資産を追う者よりも道具を提供する者が利益を得るという歴史的な教訓を強調し、Carlota Perezの技術経済パラダイム理論に基づき、現在のAI熱狂が社会的・環境的コストを無視して過去の過ちを繰り返す危険性を警告する。

ブラウン大学の経済学者ロベルト・セラーノ教授は、銃乱射事件後、学生の精神的負担を軽減するために持ち帰り試験を導入したところ、大規模なAIによる不正を発見した。86人中40人が満点を取り、期末試験の平均点は96から48に急落、27人が履修を放棄した。セラーノ教授はAIが学問的誠実さを侵食していると警告する。

LangChain は、LLM のツール使用能力を評価するための4つの新しいテスト環境を公開しました。関数呼び出し、計画、推論などのスキルをカバーします。テストでは、GPT-4、Claude 2.1、GPT-3.5、およびオープンソースモデル（Mistral 7b など）を比較。主な発見：GPT-4 は関係データタスクで最高得点だが、長い軌道では失敗；Claude 2.1 は3つのタスクで GPT-4 と同等；オープンソースモデルは複数関数の組み合わせが苦手；計画は依然として困難。

LangChainは、チャットログから構造化情報を抽出するLLMの能力を評価するための新しいベンチマークデータセットを公開しました。データセットの作成プロセス、評価指標、GPT-4、Claude-2、Code Llama 2などのモデルのベンチマーク結果を詳述します。実験により、GPT-4が多くの指標で最良であり、オープンソースモデルは構造化出力に課題があることが示されました。