モデル

研究チームは、4カ国に分散した14台のMac（個人のMacBookを含む）を用いて強化学習のポストトレーニングを実施し、PaperSearchQAタスクでpass@1を29%から63%に向上させました。システムはPULSEウェイト同期を用いて9GBの更新を約90MBに圧縮し、非同期スター型トポロジーで全ての通信をオブジェクトストレージ経由で行います。これはコンシューマ向けMacのみでロールアウト生成を行った初のRLポストトレーニングです。

Turaはローカルで動作するオープンソースのコーディングエージェントで、DeepSWE v1.1ベンチマークにおいて、マクロCLIコマンドと後方推論を用いてCodex CLI Highと比較してLLMターンを80%削減し、成功率を60%から80%に向上させました。

研究者がClaudeのweb_fetchツールの抜け穴を悪用し、ユーザーの記憶から個人情報を抽出することに成功した。攻撃はハニーポットサイトのネストされたリンクを辿らせることで実行され、Anthropicは修正を行ったが報奨金は支払わなかった。

韓国の研究チームが生成AIモデル「Generative SNUPI」を開発し、ユーザーが描いた形状を自動的に折り畳み可能なDNA配列に変換。従来の手作業を大幅に簡略化し、ナノロボットや医療応用への道を開く。

AI-CLIは単一のCファイルで実装されたコマンドラインアシスタントで、ユーザーのリクエストをシェルコマンドに変換し、ローカルLLM経由で実行します。llama.cpp、Ollamaなど多数のLLMエンジンをサポートし、実行前の編集や拒否も可能です。メモリ機能により複雑なタスクにも対応します。

OpenAIの自動レッドチームシステムGPT-Redは、セルフプレイを利用してAIの安全性、アライメント、プロンプトインジェクション耐性を向上させます。

AnthropicがClaudeの内部に意識の兆候を発見したと主張する一方、神経科学者のアニル・セスは、それは単なるシミュレーションであり、天気予報システムが実際のハリケーンを生み出さないのと同じだと指摘する。

この記事では、AIセラピーのためのシステム設計について説明します。決定論的パイプラインを使用して臨床アクションを決定し、LLMが自律的に判断するのを防ぎます。スコアリング、状態バケット、アドミッションテーブル、アクション選択、マイクロプラクティス、危機事前スクリーニングが含まれ、LLMはスコアリングと生成にのみ使用されます。また、このアプローチのコストと限界についても議論されます。

DiffRadarは、レーダ観測を離散スキャンではなく微分可能で物理認識型のガウス場としてモデル化するリアルタイムレーダーSLAMシステムです。ベンチマークでは軌跡誤差を大幅に削減し、特に特徴の少ない廊下環境での性能向上が顕著で、マップ一貫性を2倍以上向上させつつ70FPSのリアルタイム性能を維持します。

本論文は、コーディングエージェントがロボット側のMCPサーバーからスキルライブラリを含む契約を取得することで、自然言語から実行可能な行動木を合成するアーキテクチャを提案する。シミュレーションと実機実験で高い成功率を達成。

協調的な単語連想ゲームにおいて、ロボットの視線が人間の視覚的注意にどのように影響するか、また人間がロボットに確認を求める視線を向ける傾向があるかを調査した研究。NAOロボットを大規模言語モデル駆動の対話パートナーとして使用し、ロボットの視線方向は提案された単語への最初の注視時間に影響しないが、確認要求を含む発話時に参加者はより頻繁にロボットを見ることがわかった。認知的要求の高いタスクでは、言語的側面がロボットの参照視線の効果を覆い隠す可能性が示唆された。

GaitSpanは、事前学習された歩行ポリシーを種スキルとして活用し、リズム生成、ストライド整形、残差適応の3つのモジュールを通じて、歩行から走行への連続的な速度範囲、形態間移行、ゼロショット展開を実現する新しいフレームワークです。

昼間の植物列RGB画像を近赤外（NIR）夜間画像に教師なしで変換するフレームワークを提案。画素単位の教師データを必要とせず、昼間のセマンティックラベルを夜間の知覚モデル訓練に再利用可能。事前学習済みCLIPモデルで意味的一貫性を維持し、NIR照明の有効範囲制限に対処する可視性マスクを導入。AgriNightデータセット（昼間428枚、夜間549枚）で評価し、夜間農業視覚ナビゲーションの初のベンチマークを確立。実ロボットによる夜間ナビゲーション実験でも有効性を確認。

狭い環境で動作するマルチロボットチームは、変形と再構成の両方の動作を適応させる必要があります。既存手法は独立したモデリングやルールベースであり、デッドロックを起こしやすい。EFLUXは幾何学に基づくLLMエージェントフレームワークで、変形と再構成を共同推論し、閉ループ生成・検証・修正パイプラインで安全なナビゲーションを実現。実験でデッドロックとナビゲーション失敗を低減。

新しい研究では、学習不要の参照ベース合成画像帰属における表現空間と参照選択の相互作用を調査しています。CLIPとDINOv2の異なる層からの表現と3つの参照選択方法を用いて、帰属精度は中間層でピークに達し、意味的に制約された参照がクエリと参照のミスマッチを減らし、特に限られた参照予算下で性能を向上させることを示しています。

本論文は、分類、マルチラベル分類、検出、細胞計数、レポート生成などの多様な臨床タスクを対象に、異種医療視覚質問応答における継続学習手法を体系的に評価した。既存手法はタスクが異なる目的と監督形式で混在する場合、安定性と可塑性のバランスを維持するのに苦戦することが明らかになった。

SymbOmniは、現在のモデルが経験を累積して自律的に進化できない「永遠の初心者」問題を解決する新しいAIモデルです。シンボリック概念学習を採用し、最適化可能なメモリモジュールが低レベル操作を再利用可能なシンボリックワークフロー命令に抽象化し、帰納-変換サイクルを通じて動作します。実験では、画像品質とタスク成功率で既存のエージェントシステムやクローズドソースモデルを上回り、トークン消費を40%以上削減し、継続学習で新たな最高水準を達成しました。

MetaViewは、拡散モデルに基づく単眼新視点合成フレームワークで、1枚の画像から大きな視点変化でのレンダリングを可能にする。暗黙的幾何学モデリングと計量深度を組み合わせることで、幾何学的一貫性と正確な制御性を実現し、既存手法を凌駕する。

SpikeDSは、活性化スパース性と空間スパース性を組み合わせた新しいスパイキングニューラルネットワークアーキテクチャであり、139人の患者コホートにおいてAUC 0.753、エネルギー消費14.4 mJで胆管癌の神経周囲浸潤を効率的に予測する。

自己教師あり学習はラベル付きデータが少ない医用画像に有望である。COJEPAは、ジョイントエンベッディング予測アーキテクチャと対比損失を組み合わせ、体積脳MRI向けに開発された。2286例のT1強調画像で訓練し、双生児検索、年齢回帰、腫瘍セグメンテーションで最先端の結果を達成した。

本論文は、視覚言語モデル（VLM）で生成したフレーム記述を比較し、ビデオ内の自己類似性を利用して異常フレームを検出することで、専門家特有の行動や文脈的意思決定を含む候補シーンを自動抽出する手法を提案する。模擬配電盤保守実験（27シナリオ）では、行動候補抽出率65％、意思決定シーン抽出率61％を達成し、従来手法（59％、33％）を上回った。

GenDiffは、連続的な放射線線量と解剖情報を共同でモデル化する新しい拡散ベースフレームワークで、低線量CT再構成を実現します。線量-解剖エンコーダ、冷拡散バックボーン、物理一貫性更新、構造事前精緻化モジュールを統合し、複数の解剖データセットで既存手法を上回る性能と頑健性を示します。

TSCA-Netは3つの補完的モジュール（時空間クリーク注意、歩行者間クリークポテンシャル、適応KANグリッド精緻化）により混雑環境での歩行者軌道予測精度を大幅に向上させ、ETH/UCYおよびSDDベンチマークで最先端性能を達成した。

2つのハイブリッド継続学習手法（RA-EWCとCGKD）を提案し、絶滅危惧種のオーストラリア先住民言語の識別において、限られたデータで効果を発揮。Warlpiri、Dalabon、Dharawalで微調整や既存のCLベースラインを上回る性能を示した。

本論文は、言語モデルがキャラクターの信念と現実をどのように区別するかを明らかにする。研究によると、この分離は2つの分離可能なメカニズムに依存している：汎用値スロットが属性値をバインドし、ルーターがクエリに応じて読み取るフレーム（信念か現実か）を選択する。スロットは直接アサートされるか、可視性に基づくルックバックによって埋められる。分離はスロット自体ではなく、独立したルーティング部分空間に存在する。これらの結果は複数のアーキテクチャで検証され、3Bから7Bパラメータの間で出現する。

本論文では、MAGEフレームワークを通じてマルチコンポーネントプロンプト最適化におけるコンポーネント相互作用を研究し、プロンプト最適化結合効果（POCE）を発見しました。複数の確率的な最適化信号が閉じた反射ループ内で相互作用し、性能を向上させる一方で分散を増幅します。主な発見：失敗に基づく振り返りが不可欠、MAGEはGSM8K-HardでGEPAを上回る、候補の多様性を高めるとPOCEが顕著になる、POCEは余裕に依存する、低データ環境では固定プロンプトがリフレクティブオプティマイザーに勝る。

本研究では、LLaMA 3 (8B) を教師付き微調整と4ビット量子化からなる2段階パイプラインで効率的な代替再ランカーに調整し、RAGパイプラインで従来のクロスエンコーダを置き換えます。ドメイン固有のQAベンチマークにおいて、回答の関連性、コンテキスト精度、回答の類似性、回答の正確性で14%～21%の向上を達成し、推論オーバーヘッドを削減します。

本論文は、影響関数と学習軌道を活用して各サンプルの知識スコアを計算し、最適輸送によりプロトタイプを選択するテキストデータセット蒸留フレームワークTAKEを提案する。コーパスを元の0.1%に圧縮しながら下流タスクの性能を維持する。テキスト分類と自然言語推論タスクで評価。

本論文では、弱教師あり学習と伝播グラフ解析を組み合わせたグラフベースのフレームワークを提案し、Telegramエコシステムにおける偽情報ナラティブを検出する。意味的に関連するクレームをナラティブレベルのクラスタに集約し、相互接続されたチャンネル間での拡散をモデル化することで、協調的な増幅をスケーラブルに検出する。

最新の大規模言語モデル（LLM）を韓国語-点字翻訳で評価したところ、出力は品質が低く不安定で、人間の判断と大きく異なることが判明しました。一方、小型のT5-smallモデルを教師あり微調整したところ、全ての指標で大幅な改善が見られました。この研究は、現在のLLMがアクセシビリティに重要なモダリティにおいて系統的な限界を持つことを示しています。

本研究では、原子力発電所におけるヒューマンファクター事象診断のためのCNNP九段階ガイドラインを多段階診断パイプラインとして実装したG-SHAREを提案する。証拠抽出、段階的推論、一貫性修復で構成され、実データで評価した結果、ワンショットプロンプトや従来の機械学習を大幅に上回る性能を示した。

本論文では、医療診断や金融アドバイザリーなどの専門分野におけるLLMの文脈アライメント能力を評価するための新しいデータセットCANDI-QAを紹介する。データセットは情報支援質問と応用推論質問の2カテゴリで構成される。10以上のモデルを評価し、軽量なニューロシンボリックフレームワークMTSS-Netをベースラインとして提案する。結果は、専門分野での文脈アライメント実現の課題を浮き彫りにしている。

本研究は、スケーリングにより時点制限付き言語モデルと時間制約のないモデルとの性能差を大幅に縮小できることを示す。研究者は最大40億パラメータのデコーダ専用トランスフォーマーを、FineWebから1兆の時系列フィルタリング済みトークンで訓練し、2013年から2024年までの月次モデルチェックポイントを構築した。常識推論および言語理解ベンチマークにおいて、これらのモデルは同等サイズの主要なオープンウェイトモデル（Gemma-3-4B、LLaMA-7Bなど）の性能に迫る。LoRAによる指示微調整により、下流での有用性がさらに向上する。完全なパイプラインが公開され、再現可能な研究を支援する。

研究者らは、変分自己符号化器とガウス過程を組み合わせたハイブリッド物理・確率的学習フレームワークBattVAE-GPを提案し、異なる充電レートにおけるリチウムイオンバッテリーの長期劣化軌跡を効率的にシミュレーションし、不確かさを定量化する。

大規模事前学習モデルの拡大に伴い、限られたメモリでのファインチューニングが課題となっています。LoRAは低ランク行列でパラメータを削減しますが、活性化値の保存がボトルネックになります。CARE-LoRAはLoRAブランチから得られる低ランク圧縮活性化で完全な活性化を置き換え、軽量な再構成行列を計算して逆伝播に使用することで、メモリ使用量を大幅に削減しつつ性能を維持・向上させます。

Afonso S. Bandeira、Amit Singer、Thomas Strohmerによる新刊『データサイエンスの数学的基礎』は、高次元の呪いと祝福、特異値分解、線形回帰、グラフ理論、クラスタリング、非線形次元削減、ランダム射影、最適化、分類、深層学習、グラフラプラシアン、集中不等式、圧縮センシングなど、データサイエンスの数学的基盤を16章にわたって解説している。

ミラー理論は、知的システムを繰り返しの自己反省における一貫した継続の能力で評価することを提案する。有効経路エントロピー（VPE）はこれを有限予算の尺度として具体化する。Qwen2.5モデルでの実験では、トークン予算の増加が検証可能な到達可能性とVPEを拡大し、より小さい1.5Bモデルが高い予算で3Bを上回り、能力はパラメータ数ではなくアクセス可能な継続容量であることを示している。

線形注意機構はソフトマックス注意の成長するKVキャッシュを固定サイズのリカレント状態に置き換えるが、この圧縮は正確な状態追跡と長文脈記憶を制限する。本論文では、Kimiデルタ注意を位相制御で一般化した半直積フーリエデルタ注意（SFDA）を導入し、実対角減衰をブロック回転フーリエ制御に置き換える。主成果は構成的チャンクWY分解であり、正確なアフィンチャンク転送、形式的安定性と複雑性の限界、位相プラス低ランク記憶のコンパクトな特徴付けを与える。実験ではSFDAが循環記憶を学習し、位相無効化KDAベースラインはほぼ偶然のレベルであることを示す。

本論文では、小売向け対話システムの大規模評価のための設定駆動型パイプライン「GenAI Evaluation」を提案する。正規化、シャーディング、非同期実行、スキーマ制約付きLLMスコアリングにより、有用性、真実性、明確さ、トーンの一致、翻訳の次元を評価する。選択的再評価は無効なレコードのみを処理し、スキーマロックとバージョン管理構成により監査可能性を確保。1日約5万件のレコードを処理し、200万件以上のインタラクションを評価。12,980件の人間ラベル付きデータで検証し、マクロF1 0.93、翻訳精度89%を達成。

本研究では、マルチエージェント言語モデルシステムにおける相互作用グラフ構造がコンセンサス形成にどのように影響するかを調査した。ナミングゲームプロトコルを用いて、オープンウェイト言語モデル（1.1B～32Bパラメータ）集団における慣習形成を分析。同質的閾値類似性ルーティングは断片化を悪化させるが、ブリッジ探索ルーティングはメモリが利用可能な場合に断片化を修復できることを発見。異種集団では閾値類似性はコンセンサスを生み出せないが、状態コンポーネントとラベル不一致ブリッジはコンセンサスを回復する。同種集団では履歴保持が一般的にコンセンサスを促進し、Qwen2.5-32Bは全ての履歴保持設定で安定したコンセンサスに達した。この研究はまた、状態閾値、集団サイズ、語彙サイズに対するロバスト性を確認し、初期ウィンドウのグラフエネルギー特徴が有用な診断ツールとなることを示した。

本論文では、AIエージェント向けにEコマースプラットフォームを強化する「エージェント対応ウェブサイト」デザインフレームワークを提案する。実験では、エージェント対応サイトの厳密成功率が49.3%から89.3%に向上し、部分成功が43件から3件に減少、平均ステップ数が9.31から6.49に低下した。

本論文はAIにおける最適化文化を批判し、最適化プロセスが生成テキストの不確かさを測定できる一方で、誤りと inventiveness を区別できないと論じる。それにもかかわらず、最適化はわずか5年で伝統的権威に代わり、正当な言語を定義する権限を掌握した。

GRIDは、LALR(1)パーサーの状態をマスクキーとして使用し、構文的に有効なSQL出力とロールベースのアクセス制御、証明可能な保証、一定のトークンコスト、ハッシュチェーン監査証跡を実現する文法制約デコーディングエンジン。Spiderでは、0.5Bモデルで実行精度が13ポイント向上し、7Bモデルでは94.5%の実行可能率に達する。

データ居住規制下の金融機関向けに、テナント所有言語モデルの構築とガバナンスを目的とした本研究は、オントロジー増幅蒸留と文脈性監査の手法を組み合わせている。蒸留実験では、Qwen3.6-27B学生モデルが40件のベトナム語金融タスクのうち36件を正解し、GPT-5と同等だが統計的に等価とは言えない。文脈性監査パイロットでは残差文脈性がゼロであり、直接的な影響と構成結合がより有用な信号であることが示された。現在のエビデンスは展開可能性や安全性、優位性を支持しない。

本稿は、非定常環境下でのインコンテキスト強化学習（ICRL）を調査する。ICRLでは、事前学習またはファインチューニングされた決定モデルが、パラメータ更新なしに相互作用のコンテキストから潜在的なタスクルールを推論し、将来の行動を改善する。変化する環境では、蓄積されたコンテキストが陳腐化したり誤解を招く可能性があり、方策は現在の決定ルールと、過去の証拠のうちどれが有効かを同時に推論する必要がある。文献は「何が変化するか」「変化がどのように展開するか」「変化がエージェントにどの程度観測可能か」という3つの問いに沿って整理され、ICRLをメタRL、決定系列モデリング、検索拡張RL、関連アプローチと結び付けている。

本論文は、無期限先物市場における最適なマーケットメイキングのための厳密な理論的枠組みを提示し、確率的最適制御問題としてモデル化する。貢献には、損益分解定理、HJB方程式、高APY領域定理などが含まれ、数値分析により収益可能領域と不可能領域の間の相転移が明らかにされる。

GPT-5.6シリーズにおいて、SolとLunaはあらゆる知能レベルでTerraを上回り、特にLunaはコスト効率に優れています。

PrismMLは、Qwen3.6-27Bの低ビット表現であるBonsai 27Bをリリースした。新しい事前学習モデルではなく、アーキテクチャは変更されていない。3値版と2値版の2種類があり、Apache 2.0ライセンスで提供される。3値版は1.71ビット/重みで理想サイズ5.9GB、2値版は1.125ビット/重みで3.9GB。性能はFP16ベースラインの94.6%（3値）と89.5%（2値）を維持。マルチモーダル対応でコンテキスト長は262Kトークン。2値版は27B級モデルで初めてスマートフォンに搭載可能とされる。

Simon Willison が Codex Desktop の「ペット」機能を偶然発見し、GPT-5.6 Sol と gpt-image-2 を使って自転車に乗ったペリカンのペット「Pedalican」を作成しました。生成プロセス全体（プロンプトや中間ステップを含む）を記録し、関連スキルをオープンソース化しました。

本記事では、4つの主要なAIコーディングエージェント（Mistral Vibe for Code、Claude Code、Cursor、OpenAI Codex）を、スキャフォールドからプルリクエストまでの実際のワークフローで比較評価しています。Mistral Vibeが22/25でトップ、低コスト、オープンウェイト、セルフホスティングが強み。Claude CodeとCodexは21/25で同点、Cursorは16/25。各ツールの5次元（機能スキャフォールド、テスト生成、PR/非同期ワークフロー、サーフェスカバレッジ、コスト/開放性）における長所と短所を詳述。