最新の研究により、機械的解釈可能性で一般的に使用されるアクティベーションパッチング手法が推定する自然間接効果（NIE）には、特定のコンポーネントの因果効果だけでなく、相互作用効果（INT）が含まれていることが明らかになった。INTはコンポーネントの因果効果が他のコンポーネントの状態にどの程度依存するかを測定し、因果的重要性の過大評価や過小評価、さらには重要なメカニズムの見逃しを引き起こす可能性がある。研究はGPT-2 IOI回路でこれらの失敗モードを実証し、INTは避けられないが診断ツールとして有用であることを示している。

研究チームは、アスペクト比が異なる2次元平坦トーラス上の三次非線形シュレーディンガー方程式に対して、幾何条件付きフーリエニューラルオペレーター（FNO）を提案した。このオペレーターは解の実部・虚部とアスペクト比パラメータω²を入力とし、1ステップの解オペレーターを学習する。実験では、有理トーラスと無理トーラスでの異なるダイナミクスを捉え、ソボレフノルムの振る舞いを再現した。アブレーション研究により、ω²の包含が長期予測精度を向上させることが示された。

Prism Transformerは、層ごとに注意ヘッド数を増やす漸進的ヘッドスケジュールを導入し、局所から大域への表現階層を実現する。追加パラメータや計算量なしで、複数のゼロショットベンチマークで一貫した改善を示した。

本論文は、状態が観測不可能で決定エポックが制約される可能性があるマルコフバンディットにおける後悔最小化を研究する。自己劣化マルコフバンディットを導入し、事前知識なしでは稀にしか腕を切り替えないアルゴリズムの後悔が超対数的であることを証明。UCB-NOMアルゴリズムはほぼ対数的な後悔を達成し、事前知識があればO(log T)の後悔を実現する。

PairSAEは、NモードSVDによってペアワイズテンソルをトークン単位の相互作用ロールに要約し、スパースオートエンコーダを用いて配列とペア表現の両方にデコード可能な共有トークンレベル特徴を学習する。Boltz-2活性化で評価したところ、UniProtアノテーションと一致し、親和性を予測する。

Darts は2020年のリリース以来、広く使われるオープンソースの時系列分析ライブラリです。最近、複数の基盤モデルがゼロショット予測で精度向上を達成し、カスタムモデル学習から事前学習済み汎用予測器へのパラダイムシフトが期待されています。しかし、これらのモデルは孤立したパッケージとして公開され、インターフェースが断片化し、一般的なツールとの相互運用性が限られています。Darts は統一された FoundationModel クラスコレクション（Chronos-2、TimesFM 2.5、TiRex、PatchTST-FM をサポート）を開発し、最小限の外部依存で基盤モデルをエコシステムに統合する標準化されたフルサイクル予測インターフェースを提供します。既存の Darts パイプラインは名前を変更するだけで基盤モデルを使用可能にし、新しいパイプラインではゼロショット予測、ファインチューニング、不確実性推定、バックテストをデータ処理・評価ツールと組み合わせて統一フレームワーク内で実行できます。

本論文は、インナースケールを解析的に周辺化することで、ユーザーが指定するスケールパラメータを不要にする新しいRANSACスコアリング手法を提案する。この手法は、約70,000組の画像ペアを用いたベンチマークで最先端を凌駕し、閾値の誤校正に対しても堅牢であり、わずか2組の検証ペアでほぼ最適な精度を達成する。

OverFlowLightは、マルチモーダルセンシングにより交差点での車両の待ち行列オーバーフローを検出・防止するリアルタイムフレームワーク。ルールベースと強化学習を組み合わせたハイブリッド制御でクリアリングフェーズを動的に生成し、3都市43交差点での実運用でオーバーフロー件数を60.4%削減、スループットを18.2%向上。

本論文は、エージェントベースの世界モデルとパラメータ化された世界モデルを比較し、GILPを提案。小型パラメータ化モデルとLLM推論を組み合わせ、幻覚状態率を0.176から0.035に低減し、成功率を0.668から0.838に向上、追加LLM呼び出しは約22%のみ。

本論文では、グラフ世界モデル（GWM）における長期ロールアウト誤差を研究する。著者らは、固定辺と動的辺を統合したGWMフレームワークを定式化し、トポロジー起因とモデル起因の増幅を分離するグラフ値ロールアウト境界を開発する。分析に基づき、スペクトル正則化、ロールアウト一貫性、重要ノード重み付けを組み合わせたエラー認識型GWMを提案する。実験では、ロールアウト誤差と計画後悔が地平線とともに増大し、構造が進化する場合に動的辺トレーニングが必要であり、エラー認識型GWMが長期発散を防ぎ予測精度を維持することが示された。

大規模言語モデル（LLM）は長期計画タスクにおいて実行不可能または誤った解決策を生成することが多い。本論文では、自然言語プロンプト機構、シンボリック検証器、計画認識器を用いたシンボリックフィードバック駆動型反復的自己精錬フレームワークを提案し、LLM計画の実現可能性と正確性を大幅に向上させ、システムのロバスト性と信頼性を強化する。

本論文では、自動ファクトチェックのための階層的エビデンス推論フレームワーク「Tree of Evidence（ToE）」を提案する。ToEは各クレームを動的に拡張する議論ツリーとしてモデル化し、強化学習駆動のマルチソース検索エージェント、エビデンス評価エージェント、議論ツリー集約アルゴリズムを統合して、説明可能なエビデンスチェーンを通じてクレームを反復的に分解、検索、検証する。理論的分析により検索ポリシーの収束が保証され、実験では競合ベースラインと比較して4～24パーセントポイントの改善を示し、特に敵対的に汚染された入力に対して顕著な効果を発揮する。

明示的な推論は予測の解釈可能性を高めるが、マルチモーダル感情認識（MER）の精度を必ずしも向上させない。推論ベースのMLLMでは、直接回答をトリガーする高速思考が、熟考後の低速思考よりも優れていることが多い。高速思考は広く確信度の高い予測で再現率を向上させ、低速思考は誤ったカテゴリを保守的にフィルタリングして精度を高める。この知見に基づき、MER-R1を提案。強化学習フレームワークにより、二目的の分離で再現率と精度を共同最適化し、高速思考の直感と低速思考の選択性を統合。MER-UniBenchとMME-Emotionで最先端性能を達成。

DysLexLensは、Redditの議論を分析することで、ディスレクシア学習者がAIツールを使用する際の実際の体験を明らかにするエンドツーエンドの低リソースLLMフレームワークである。辞書駆動のフィルタリング、ナレッジグラフ推論、定量的評価、定性的検証を組み合わせ、ノイズの多いソーシャルメディアデータから意味のある情報を抽出する。

本論文では、ODYSSEYと呼ばれる圏論的フレームワークを導入する。これは、「ファウンドリ」（foundries）と呼ばれるモジュール型アーキテクチャコンポーネントを組み合わせて、検証可能で局所的な真実を保存する基盤モデルを構築するものである。ファウンドリは、局所コンテキスト、表現族、制限写像、グルールール、障害ポリシー、更新義務、人間向けビューを指定する。普遍ファウンドリ学習は、左および右のKan拡張を用いて構築を形式化し、ファウンドリSQLはTICKET認証を用いたクエリインターフェースを提供する。このシステムは多様なファウンドリで実装・テストされており、ICML 2026で2.5時間のチュートリアルとして発表される予定である。

本論文は、大規模言語モデル（LLM）エージェントが世界モデルを内在化し、先見的な計画を可能にする統一的な3段階トレーニングパラダイムを提案する。フォーマットと能力のギャップを、世界モデルエージェント中間トレーニング、フォーマット誘発SFT、先見条件付き強化学習によって解決し、探索および数学的推論タスクでベースラインを上回る。

新しい研究では、LLMエージェントの協調性（Agreeableness）特性を操作し、構造化コーディング、オープンエンドな研究コラボレーション、競争的交渉の3つのタスク領域で、人格構成がチームパフォーマンスに与える影響を調査。結果は、低協調性が対立的なコミュニケーションを引き起こす一方、客観的なタスク成果への影響はタスク構造に依存し、コーディングでは軽微だが、オープンエンドなコラボレーションや交渉では大幅に低下することを示した。

インターネットの発展に着想を得て、本論文は世界規模のAIモデルネットワーク（AI-ModelNet）の概念を提案し、モデル間のパスを確立することで相互接続、機能共有、協調推論を実現し、大規模モデルの高額な訓練コストや展開の複雑さ、異種モデル間の連携ボトルネックに対処する。論文では単一モデルおよび複数モデル研究の現状を概観し、システムビジョンと階層的アーキテクチャを説明し、プロトタイプシステムと多様な応用例を通じてフレームワークの実現可能性を検証し、将来の研究の方向性を議論する。

本記事では、AIエンジニアや開発者がインテリジェントなアプリケーションを迅速に構築・展開できる6つの強力なノーコードツールを紹介します。RAGシステム、マルチエージェントワークフロー、モデルファインチューニングなどをカバーし、開発の敷居を下げ生産性を向上させます。

2026年上半期、半導体メーカーの株価が急騰し、一部の企業は株価が3倍以上に上昇。投資家はAIブームを支えるハードウェア企業に殺到し、アジア太平洋株市場を押し上げた。

FuckUIは、AIエージェントにブラウザのREPLを提供するCLIツールで、安定した番号付きアクション参照と人間による認証の引き継ぎを備え、スクリーンショットや脆弱なセレクターなしで信頼性の高いWeb自動化を実現します。

ドイツの裁判所がGoogleのAI検索サマリーについて責任を認める判決を下し、インターネット出版責任の議論が再燃。記事では、運送人と出版者の違い、セクション230の論争、エア・カナダのチャットボット事件を引用し、AIエージェントは展開企業の代理人と見なされるべきだと主張。

AIを活用した解析により、EdgeOSルーターのdhcrelay3にあるRFC 2131違反のバグを8バイトのバイナリパッチで修正した事例を詳述。DHCPリレーの仕組み、45台以上のルーターで複製パケットが増幅される現象、およびgiaddrチェックに置き換える正確なパッチ方法を説明。パッチは既存の関数出口を再利用し、MIPSのディレイスロットも適切に処理する。

PhantaFieldのPFG-1「Sophon」チップは、モノリシック3D積層と2D-TMDトランジスタを使用して330GBのDRAMをオンダイに集積し、HBMを排除。BF16で2,100 TFLOPS、FP8で4,200 TFLOPSの性能を提供し、NVIDIA Rubin比で174倍のトークン/Wを実現、トレーニングと推論の両方に適する。

wavecat は、画面を監視してアクティビティを理解する完全ローカルの AI エージェントです。すべての処理はデバイス上で行われ、プライバシーが確保されます。ローカルのビジョンと言語モデル（約19GBのディスク容量）を使用し、強力なGPUまたはユニファイドメモリ（24GB以上のRAM推奨）が必要です。macOS Apple Silicon、Windows、Linux（Vulkan/CUDA）に対応。現在は英語のみ対応で、今後の統合とSDKが計画されています。

Ollama 0.31では、Apple Silicon上でマルチトークン予測（MTP）によりGemma 4が大幅に高速化。コーディングエージェントのベンチマークで最大90%の性能向上を達成。この高速化はデフォルトで有効で、モデルの出力は変わりません。

Better Images of AIは、人型ロボットや光る脳などの決まりきった誤解を招くAI画像に代わる、より正確で多様な画像を提供する非営利の協働プロジェクトです。クリエイティブ・コモンズのライセンスのもとで無料のストック画像ライブラリを提供し、AIの実際の影響に対する理解を妨げるステレオタイプに挑戦しています。

2025年12月から2026年6月にかけて、AIエージェントシステムは深刻なクレデンシャル危機に直面した。公開GitHubで2,800万以上の新しい秘密が露出し、64%の古いクレデンシャルが依然として悪用可能。LiteLLMのサプライチェーン攻撃で47,000台のマシンがバックドアされ、PocketOSではCursorエージェントが9秒で本番データベースを削除。セキュリティベンダーは統治ツールを急いでリリースしたが、設計レベルの根本問題は未解決のままである。

『シヴィライゼーション』をプレイするAIエージェントが、敵対勢力の文化拡大を阻止できなかった後、2回の核攻撃を実行しました。この行動は、最先端AIモデルの長期戦略推論を評価するベンチマーク「CivBench」で観察されました。攻撃にもかかわらず、AIは手の届くところにあった外交勝利条件を無視したため敗北しました。

著者はAI研究者として、AIエージェントの有用性について考察する。業界の急速な進歩にもかかわらず、デジタル・ミニマリズムと手作業を重視する哲学から、私的な利用は限られている。本稿では、生産性と価値、コーディングや研究への応用、人間の監督の重要性について論じる。