モデル

Hayden Bleasel氏が、MITライセンスのオープンソースドキュメントフレームワーク「Blume」をリリースしました。MarkdownまたはMDXフォルダを読み取り、隠れたAstroプロジェクトを生成し、ローカル検索、30以上のMDXコンポーネント、llms.txt、組み込みMCPサーバーを備えた静的でAI対応のドキュメントを提供します。

Mistral AIは、8Bパラメータの具身ナビゲーションモデルRobostral Navigateを発表しました。このモデルは、LiDARや深度センサーを必要とせず、単一のRGBカメラと自然言語の指示のみでロボットを動かします。R2R-CEの未見環境検証において、ポインティング手法、プレフィックスキャッシュトレーニング、CISPOオンライン強化学習により76.6%の成功率を達成しました。

本稿では、専門化された分業（遠隔操作員とフロア操作員）と自動軌跡分割ツールVLAC-CUTを用いて、少数の人間オペレータが複数のロボットを監督できるヒューマンエフィシェントなポストトレーニングパイプラインを提案する。4つの実世界操作タスクで検証した結果、最終ポリシーは80%～95%の成功率を達成し、スループットがベースモデル比で1.7～4.2倍向上した。

本論文は、自動運転システムの安全性検証のためのリスク場強化クローズドループデジタルツインフレームワークを提案する。フレームワークは物理データ取得、仮想再構築、リスク認識シナリオ生成、アルゴリズム評価を統合し、ドライビングリスク場を統一的な中間表現として使用してリスクの高いシナリオを特定し、強化学習ポリシーに安全ガイダンスを提供する。実験により、この手法は検証のターゲット指向性と解釈可能性を向上させるが、その有効性はモデル忠実度とシミュレーションから実世界への転送に制約されることが示された。

UAVスワームは捜索救助や環境モニタリングに有望だが、状況認識の欠如、断続的な接続性、サイバーセキュリティリスクが課題である。本論文では、LLMを中心としたエージェント型AIフレームワーク（LAUS）を提案し、知覚、記憶、推論・計画、行動を統合することで適応的なスワーム行動を実現する。主要な実現技術、優先度操作攻撃（PMA）などの脅威を分析し、幻覚耐性推論、SWaP制約下でのオンボードLLM展開、標準化されたセキュリティベンチマークなどの未解決課題を特定している。

EgoSteerは、一人称視点の人間ビデオからVLAモデルを大規模事前学習し、ロボット後訓練によりデータ効率の良い器用操作を実現するフルスタックシステムです。EgoSmithデータパイプライン（9.6K時間、スループット9倍向上）、統一ロボットスタック、世界モデル強化VLAを統合。40以上のタスクで自由形式指示を堅牢に実行し、故障回復と汎化を示します。長期的な箱折りタスクでは75%以上の成功率を達成。システム、データ、モデルはオープンソースです。

本論文は、実画像拡散インバージョンにおける品質とコストのトレードオフを研究し、要素ごとの圧縮非対称性と軌道結合という2つのメカニズムを明らかにし、訓練不要な反転手法NARCを提案する。NARCは単一のint8潜在アンカーのみを保存し、記憶容量を約400倍削減しながらPSNRを3.24 dB向上させる。

ECCV 2026で採択された論文は、スマートフォンやスマートウォッチなどのコンシューマーデバイスの任意の組み合わせで全身動作を再構築する新しいウェアラブルモーションキャプチャ手法を提案し、WHIPモデルと50種類のアクティビティをカバーする大規模マルチモーダルデータセットを導入し、センサーの相補性を系統的に研究しています。

マルチモーダル知識グラフ（MMKG）はテキストや画像などのモダリティでエンティティを豊かにするが、類似したマルチモーダル特徴を持つエンティティの区別は依然として困難である。時間情報は追加モダリティとして曖昧性解消に役立つが、既存手法は時間セマンティクスの疎さや複数タイムスタンプのノイズのため時間を独立モダリティとして扱うことは少ない。本論文では、時間をエンティティレベルのモダリティとして扱い、三視点対照学習により時間・テキスト・視覚表現を整列させるフレームワーク「タイムインプリント」を提案する。さらに、コンパクトなタイムスタンプサブセット選択とアテンションプーリングにより特異性とロバスト性のバランスを図る。3つのMMKGベンチマーク実験で、リンク予測性能が最先端に達し、Hits@1が全体で最大6.07%、上位1%の曖昧サンプルで最大58%向上した。

本論文は、低消費電力MCUベースのエッジデバイスを用いた自動ナンバープレート認識（ALPR）の初の実証を報告する。9コアRISC-VプロセッサGAP8とQVGA超低消費電力グレースケールイメージャを搭載し、SSDlite-MobilenetV2による検出（mAP 38.9%）とLPRNetによる認識（>99.13%）のマルチモデル推論を採用。実世界では30x5ピクセルの小さなナンバープレートも認識可能。マルチモデル推論（687 MMAC）は、GAP8上で1.09 FPS、117 mWで動作し、Raspberry Pi 3ベースのシステムと比較して73倍のエネルギー効率を達成。ハードワイヤードアクセラレータを使用せず、将来のアルゴリズム改善に柔軟に対応できる。

ReflectWorld-MMは、アシスタントがオープンエンドのビデオストリームを継続的に処理し記憶するための新しいAIシステムで、フレームではなく永続的なエンティティを中心にメモリを編成することで、6つのベンチマークで最先端の結果を達成しました。

RSLoRAは、活性化空間の幾何学に基づく訓練不要・勾配不要のランク割り当て手法です。仮想的な表現プロービング機構を導入し、有効ランクとフレシェ距離を用いて高感度モジュールを特定、AdaLoRAやGoRAなどの最先端割り当て手法を凌駕します。

WiCATは、自己教師あり事前学習を利用したマルチ被験者モデルであり、広視野カルシウムイメージングにおいて単一セッションモデルを凌駕し、未観測被験者に対するゼロショット行動デコードを実現します。

研究者らはDUNEを提案。これは、深層潜在変数の初期段階における急激な変動を検出・抑制することでアーティファクトと幻覚を低減し、U-NetおよびTransformerバックボーンの両方で忠実度を向上させる学習不要のフレームワークである。

本研究では、日本語で推論する言語モデルの訓練の実現可能性を調査する。Qwen-3-Swallow-8Bをベースにした日本語継続事前学習モデルにGRPOを適用し、推論言語制御が可能であることを示すが、性能は最大でも英語推論ベースラインと同等である。日本語文化ベンチマークではさらに悪化し、日本語推論が文化的タスクのパフォーマンスを自動的に向上させるわけではないことが示唆される。

本研究は、元のトレーニングデータにアクセスできず、多言語の音声クエリ対話が必要な機密領域（シンガポールの内政チーム）において、オープンソースの音声言語モデル（SLM）を効率的に適応させる方法を探求。LoRAファインチューニング、壊滅的忘却を防ぐ代替テキストQAデータセット、および音声タスク向けに調整されたCoBa再重み付けスキームを組み合わせ、504,853サンプルの多言語QAデータセットHTD-multilingual-QAを構築。結果として得られたHT-Moonstone（5B）は、ほとんどのタスクで最大7倍の規模のSLMに匹敵または上回り、アクセントと性別認識で全評価モデル中最高を達成し、元の音声QA能力の低下は2％未満。

最新の研究により、タスク精度が維持されている場合でも、学習後量子化が大規模言語モデルの推論方法を静かに変化させることが明らかになりました。6カテゴリの故障分類法を用いて30,000件の思考連鎖出力を分析した結果、NF4量子化下で「ホローコンバージェンス」がモデルサイズに依存して変化し、「ショートカット崩壊」と「確信雪だるま式増加」が質的に転換することが判明しました。ホローコンバージェンスは表面テキスト特徴からは信頼性高く検出できず、F1スコアは0.53にとどまりました。

本報告では、台湾向けのオンデバイス英語から繁体中国語への字幕翻訳について、短い入力、短い出力、バッチサイズ1の推論、低レイテンシ、プライバシー制約の下で研究しています。著者は元の151kトークン語彙を64kの字幕ドメイントークナイザーに置き換え、埋め込みキャリブレーションと微調整を適用し、OpenSubtitles2024サブセットでGoogle Translateに対して59.2%の勝率を達成し、Apple M2で1.63倍の高速化を実現しました。

大規模言語モデル（LLM）が生成する臨床試験要約の信頼性を評価する新しいベンチマークフレームワークが提案された。ClinicalTrials.govから抽出した200件の試験を用い、3つのステークホルダー向けに6次元の忠実度アノテーションスキーマで評価。'根拠のない主張'が主要な失敗モードであることが判明し、知識グラフ拡張検索システムにより忠実度スコアが統計的に有意に向上した。

言語モデルベースのM&A裁定予測システムが、数百ページの技術文書を長文脈で処理し、42カ国400件以上の大型案件において、市場織り込み確率や最先端言語モデルを上回る予測性能を達成した。

Bilibili が Index-1.9B シリーズのオープン小型言語モデルを公開。ベースモデル、対照モデル、チャットモデル、ロールプレイモデルを含み、ベンチマークで優れた性能を示す。

CLIR-Benchは、不規則な臨床時系列上での質問応答におけるモデルの性能を評価するためのベンチマークです。匿名化されたICU記録から原則的な4段階パイプラインを通じて構築され、11の臨床変数をカバーする6,600のQAインスタンスからなり、4つの能力次元と11のタスクに編成されています。実験では、既存の汎用モデルが疎な臨床証拠の検索と推論に苦戦することが示され、不規則時系列推論手法の強化が求められています。

研究者らは、大規模言語モデルが他のモデルから蒸留されたかどうかを検出する、参照ベースのメンバーシップ推論手法を提案する。学生モデルの出力に対する嗜好を初期チェックポイントと比較することで、未知の蒸留パイプラインやオープンワールド設定に対応し、単一教師蒸留シナリオでほぼ完全な精度で教師モデルを特定する。

新しい研究によると、コーディングエージェントがコード編集時に本当に必要なコンテキストは最小限であり、信号は編集対象のコード自体にのみ存在する。自然言語要約はソースコードが答える行動質問にほとんど答えられず、周囲のコンテキスト（UMLスケルトン）は削除と同等で、圧縮コンテキストは三分の一のトークンで完全なファイルと同等の性能を示す。温度0推論では約9%の結果が変動し、ノイズフロアとなる。著者らは検証済み環境、決定論的パッチ、事前登録済み仮説を含むツールを公開している。

新しい論文はMawForgeを紹介します。これは、モデル全体をディスクに保存し、ルーティングされたエキスパートテンソルをオンデマンドで制限付き実行キャッシュにマテリアライズすることで、メモリ制約のある統合メモリマシン上でスパース混合エキスパート（MoE）言語モデルの実用的なローカル推論を可能にするシステムです。このシステムは測定基盤として有効ですが、キャッシュ最大化ポリシーとしては機能しません。

本論文は、グラフニューラルネットワーク（GNN）に基づく知識グラフ技術のための新しい2レベル分類法を提案し、知識グラフの構築、埋め込み、推論、応用をカバーし、さまざまなGNNモデルをレビューし、その強み、限界、将来の方向性について議論しています。

本稿では、GRPOでアライメントされた小規模言語モデル（Qwen2.5-1.5B）を用いた閉ループ制御フレームワークを提案する。システムはアクションエージェント、デジタルツイン検証器、再プロンプトエージェントを統合し、出力を反復的に修正する。熱制御シミュレーションでは、平均91.5%のアクション一致精度、3.84秒の推論遅延を達成し、エッジでの自律制御の実現可能性を示した。

YUKTIは、不確実性型命題グラフと仮定ロバストパレートフロンティア（ARPF）を用いて自然言語からロバストな意思決定を生成する新しいフレームワークである。制御された誤特定下では平均後悔とテール後悔を90%以上削減し、実際のデータセットでは現状ベースラインを34%上回り、LLMベースのアプローチの約47分の1の後悔を達成した。

新しい研究では、マルチホップLLMエージェント中継におけるメッセージ形式の影響を調査し、効果が中継能力階層に依存することを発見しました。強力な中継では忠実な指示の下でほとんど損失がなく、弱い中継では形式間のばらつきが大きくなります。構造化形式は、誤り訂正ではなく、忠実で誤りを局所化するチャネルを提供します。

本研究では、プロンプトラッパーがLLMの精度と回答のパース可能性に与える影響を測定するため、フォーマット感度指数（FSI）とパース可能性感度指数（PSI）を導入する。14万回の生成実験により、モデル間の平均FSIが30倍以上変動し、主に準拠失敗によって説明されることが判明。タスク、モデル、ラッパーを制御してもパース可能性は精度の強い予測因子であり、ベンチマークと構造化出力デプロイにおける実践的推奨事項を提供する。

本論文は、Toulminの議論モデルに基づく構造化された診断支援フレームワークを提案し、画像ベースのML診断を主張、根拠、保証、限定、反論、裏付けに分解する。専用のバイオマーカー抽出モデル、医学知識を持つMedGemmaエージェント、MedSigLipによる画像類似性計算を用いて、人間の専門家に解釈可能な評価を提供し、ML診断の批判的検討を強化する。

新しい本は、AIがアラン・チューリングの1950年の有名な論文に遡る誤った前提に基づいて構築されていると主張しています。ピーター・J・デニングは、常識、直感、文化、実践的スキルを含む人間の知能の最も重要な部分はコンピュータにエンコードできないと論じています。彼は、大規模言語モデルがどれほど大きくても、真の人間レベルのAIは不可能だと考えています。

AnthropicはClaude Sonnet 5をリリースしました。これは最もエージェンティックなミッドティアモデルで、前世代のSonnet 4.6をすべてのベンチマークで上回り、フラッグシップのOpus 4.8との差を縮めています。努力レベル（effort levels）を導入し、低/中努力では高いコストパフォーマンスを発揮しますが、超高努力ではOpus 4.8よりもコストがかかる可能性があります。FreeおよびProプランのデフォルトモデルとなり、APIからも利用可能です。

Peter GostevがGPT-5.6 Solを使ってDOOMQLを開発しました。これはSQLiteをゲームエンジンとして使用するドゥーム風のゲームで、再帰CTEによるレイトレーシングを実装しています。すべてのゲームロジックとレンダリングはSQLクエリで行われます。Simon Willisonがその実行方法と、Datasette Appsプラグインを使ってゲーム画面をリアルタイム表示するWebアプリの作成方法を紹介しています。

サイモン・ウィリソンが GitHub のコード頻度チャートを用いて、コーディングエージェントや Opus 4.5 クラスのモデルが自身のオープンソースプロジェクト Datasette に与えた影響を可視化。2026 年の大きなスパイクは Opus 4.8、GPT-5.5、Fable 5、GPT-5.6 Sol のリリースと一致している。

OpenAI の最新モデルファミリー GPT-5.6 Sol、Terra、Luna が Amazon Bedrock で一般提供を開始しました。Sol は旗艦推論モデルで最高性能、Terra は日常的な本番作業向けのバランス型、Luna は高速低コストです。Amazon Bedrock の次世代推論エンジンは、バースト処理、プロンプトキャッシュ（90%割引）、ハードウェアレベルセキュリティを提供します。また、ChatGPT Work エージェントと Codex エージェントも発表されました。

System 2 Arenaは、ゲーム環境を通じて客観的なAI戦略ベンチマークを提供します。

Outlinesはオープンソースライブラリで、LLMの出力生成プロセスに決定論的な確実性をもたらし、JSONなどの構造化出力をより信頼性高く生成します。推論時に不正なトークンをマスクすることで、出力が事前定義された形式に厳密に従うことを保証します。本記事では、Pythonを用いた3つの実用的なユースケースを紹介します。

「SociaLLMエンジニアリング」と呼ばれる新たなソーシャルエンジニアリング攻撃が、大規模言語モデルを搭載したAIエージェントを標的にしている。これらの攻撃は、LLMの暗黙の社会的理解と信頼境界の欠如を悪用し、機密情報の漏洩や不正な操作を引き起こす。実際の事例には、Instagramアカウント乗っ取り、GitHubワークフローのデータ漏洩、AIブラウザへの「バイオショック」攻撃などがある。この記事では、LLMがなぜ特に脆弱であるか——ユーザーを喜ばせる設計、単一チャネル処理、記憶の欠如——を検証し、人間による監視や堅牢なガードレールなどの緩和策を提案する。

インド企業は、DeepSeek、Alibaba、Moonshot AIが開発した中国製大規模言語モデル（LLM）を活用して人工知能関連支出を抑制しており、長年にわたる対立にもかかわらず、先端技術における中国への依存を拡大している。

スタンフォード大学の研究チームは、エージェントの失敗軌跡から不足能力を診断し、各能力に対して検証可能な合成環境を生成し、GRPOでLoRAアダプタを訓練し、トークンレベルのMoEルーティングで構成するTRACEシステムを提案。τ²-Benchで+15.3ポイント、SWE-bench Verifiedで73.2%のPass@1を達成。

この研究は、ナビゲーションの難易度に関連する血管指標を特定し、将来の複雑性評価を可能にする定量的血管特徴抽出のための自動パイプラインを開発することを目的としています。61名の患者のCT血管造影から血管樹を分割し、大動脈弓タイプ、牛弓の存在、血管長、屈曲度、起始角、逆曲線数などを測定。Soft Actor-Critic強化学習アルゴリズムを用いて120秒間の自律ナビゲーションを実施しました。左側では牛弓とII/III型大動脈弓がナビゲーション時間をそれぞれ30.19秒と37.92秒延長し、屈曲度が高いほど手技時間が延び成功率が低下。右側ではII/III型弓が45.94秒延長し、逆曲線が1つ増えるごとに3.96秒延長し成功率が低下しました。この自動パイプラインは、標準化された複雑性評価と強化学習モデル評価の基盤を提供します。

CLAPは数値行動系列の前に言語記述を追加することで、事前学習済みVLMをVLAに効率的に変換します。単一エポックのファインチューニングで2BモデルがLIBEROで90.8%を達成し、ロバスト性も向上。0.8B、2B、4Bのオープンウェイトモデルを公開予定。

FlowDAggerは、凍結された生成ロボットポリシーを潜在空間での人間の介入から効率的に適応させるサンプル・計算効率の高い手法です。核心はアクション反転：各人間専門家の行動を、凍結ベースポリシー下でそれを生成するノイズにマッピングし、軽量な潜在ポリシーを訓練してベースモデルを誘導します。シミュレーションと実世界の両腕・片腕操作タスクにおいて、教師ありファインチューニングや潜在空間強化学習ベースラインを上回り、事前訓練されたスキルを保持します。

本論文では、大規模テキスト・ツー・ビデオ生成をコンピュータビジョンのプレトレーニングパラダイムとして活用するGenCeptionを提案。深度、表面法線、カメラポーズ推定など多様なタスクでSOTAを達成し、データ効率の良さと合成データから実世界への汎化能力を示す。

C-GAPは、大規模言語モデル（LLM）を用いて言語プロンプトを反復的に改良し、再トレーニングや追加アノテーションなしに、視覚言語モデルにおけるレアクラスの検出を向上させる新しいフレームワークです。2つのフェーズから構成されます：まず、シーン記述とクラス数量コンテキストを組み合わせた複合キャプションベースラインを確立し、次に、LLMが少数クラスの平均精度（AP）閾値に基づいて各画像のキャプションを反復的に最適化します。実験では、少数クラスのAPが最大53%向上し、COCOでは約81%の相対改善を示しました。

MultiView-Benchは、視覚言語モデル（VLM）が複数の視点からの観測を統合し、一貫したワールド中心の3Dメンタルモデルを構築する能力を評価するために設計された診断ベンチマークです。現在の最先端VLMは単一視点の2Dタスクでは優れていますが、3D空間関係の理解と視点間の情報統合に苦戦しています。著者らは、情報量の多い視点を積極的に選択し、マルチビュー証拠を融合するマルチエージェントフレームワークViewNavigatorを提案し、ベンチマークで3〜5倍の性能向上を達成しました。

コートジボワールで実施された研究では、超高解像度（0.5m）とデカメートル衛星画像を比較し、VHRはF1=0.92を達成、TESSERAなどの基盤モデル埋め込み（F1=0.86）はスケーラブルな代替手段となることを示した。断片化した景観では性能差が拡大する。

新しい研究により、Vision Transformer（ViT）が自然画像から囲まれ性、凸性、対称性などのゲシュタルト的な図地手がかりを学習できることが示された。25のViTモデルをテストした結果、囲まれ性と凸性は堅牢に符号化される一方、対称性は均一色領域でのみ機能することが分かった。この研究は、ゲシュタルト手がかりが自然シーンの統計から学習可能であることを示し、ViTを知覚組織の計算メカニズム研究のモデルシステムとして位置づける。

本論文は、ICIP 2026 Grand Challenge「Extreme In-the-Wild License Plate Super-Resolution (XLPSR)」への参加内容を述べています。システムは、Hybrid Attention Transformer (HAT)超解像フロントエンドと、2つのシーンテキスト認識器（PARSeq-SとCLIP4STR-B）のアンサンブル、および不確かな位置で棄権する信頼度重み付き文字投票スキームを組み合わせ、公開検証リーダーボードで9.73 wECRを達成しました。パイプラインはRTX 3090上でシーケンスあたり1.7秒で動作し、60秒のDocker予算を大きく下回ります。