モデル

本論文は、形態論的に豊かなアラビア語に前群文法ベースの量子構成自然言語処理を初めて適用したものである。量子回路が文法構造を反映し、語順、時制、動詞の語義曖昧性解消実験で古典的ベースラインを上回った。

JKPフレームワークは、繰り返しの挑戦的な質問に対するVLMの安定性を評価する。GPT-4o、Gemini 2.5 Pro、Qwen3-VL-30Bの評価では、大幅な不安定性と回答の反転が見られ、モデルごとに異なる圧力応答プロファイルが明らかになった。

本研究は、大規模言語モデルや強化学習などの閉ループ知識システムが内部フィードバックの繰り返しにより飽和する理由を分析し、構造的介入による脱出を可能にする3層の操作的枠組みを提案する。リアプノフ・ドリフト条件を用いて安定性を特徴づけ、脱出はアトラクタ変位とKL下限で定量化される。ケーススタディとして、LLMコード修正、スパース報酬強化学習、ベイズ最適化が含まれる。

オフライン強化学習における世界モデルは、データが少ない領域でモデル悪用の影響を受けやすい。RENEWは、想像上のロールアウトに対する人間の好みを利用して悪用を直接修復し、認識的不確実性を導入して微調整を集中させ、サンプル効率を向上させる。

Branching Policy Optimization（BPO）を提案。サンドボックスの決定論的、スナップショット可能、再開可能な特性を活用し、プレフィックスを共有するツリー状のロールアウトトポロジーを構築することで方策勾配の分散を低減し、GRPOやRLOOと比較して成功率を3.6～6.1絶対ポイント向上させる。

本論文では、推論されたドメイン事後分布からクエリ時ラベルなしで、可能な場合にドメイン別汚染予算を認証し、不可能な場合は棄権するC3Rを提案する。最困難ドメインでの汚染削減を保証し、再サンプリングを通じて安定性を示し、較正カスケードよりも高い再現率を維持する。

既存のゼロショット画像分類手法では、すべてのクラスに対して同一のプロンプト重みを使用しており、プロンプトのクラス特異的な適性が無視されていた。CARPRTは、訓練不要でクラス認識型の重み付けスキームを導入し、各クラスに対するプロンプトの関連性に基づいて重みベクトルを調整する。実験では、CARPRTがクラス独立な重み付け手法を上回り、プロンプトとクラスの依存関係をモデル化することの重要性が示された。

最新の研究では、小規模言語モデル（SLM）を知識グラフに接地することで、ニューロシンボリックエージェントフレームワークを用いて推論能力を強化しています。CLUTRRの親族関係ベンチマークでGemma 3とLlama 3.2を評価した結果、RGCNによるヒントは1.5〜2倍の性能向上をもたらすものの、抽出ボトルネックと逐次的な演繹の脆弱性が確認されました。

本論文は、ツール拡張型大規模言語モデルエージェントがツールセットを拡張する際に直面する「行動慣性」問題に取り組む。重要な意思決定ポイントに反実仮想的なアンカーコンテキストを注入することで、この慣性を打破し、失敗した軌跡を回復する。提案フレームワークToolAnchorは、教師モデルで反実仮想を仮説し、学生ロールアウトで検証し、エージェント事後訓練で成功した介入を内面化する。GAIA、BrowseComp、VDR-Benchでの評価により、拡張ツールセット下で競争力のある性能を示し、静的訓練と動的適応のギャップを埋める。

研究者らは、大規模言語モデル（LLM）を用いてベイジアン信念ネットワーク（BBN）を構築する新しい手法を提案した。この手法では、AIエージェントのパネルが特定のペルソナとコンテキストに基づいて確率を推定し、トリム平均ルールでノイズを除去することで、専門家の意見とデータ駆動学習のギャップを埋める。代替医療システムにおける患者の受診意図をモデル化した事例では、自己効力感の実際の因果影響は小さい一方、主観的規範がより強い影響を持つことが明らかになり、最も効果的な戦略は自信とコミュニティ規範を同時に改善することであると示された。

LLM-T1Dという新しいアプローチは、強化学習と大規模言語モデルを組み合わせて、1型糖尿病のための解釈可能なインスリンポンプコントローラを作成し、目標血糖範囲内の時間73.5%を達成し、明確な説明を提供します。

人間が空間情報を伝達する方法に触発され、言語誘導型の地理的位置特定が注目されているが、既存手法は静的なワンショット検索に依存し、曖昧さに対応できない。本論文では、推論検索へのパラダイムシフトを提案し、対話型場所認識（DlgPR）を導入する。これは位置特定を対話駆動の推論プロセスとして捉える。大規模な対話型ベンチマークDlgQuest-Citiesと、クロスモーダルマルチレベル検索器と知的質問器DQ-pilotを組み合わせた統一フレームワークを提示。DQ-pilotはカリキュラム学習（DQ-cities-20kでの教師ありファインチューニング後、GRPOを用いたDQ-cities-10kでの強化学習）で訓練される。2つのタスク整合指標（DDIとPRG）が学習を導く。実験はベースラインを大幅に上回る性能を示す。

検索拡張生成（RAG）は巨大言語モデルの出力品質向上に広く用いられているが、従来のRAGは階層的・関係的推論が必要なクエリに弱い。本論文では、階層的知識グラフをグラフ探索して構造化コンテキストを提供するHG-RAGを提案。実験では、三つの規模（18～800ノード）と四つのクエリタイプで評価し、HG-RAGが階層的・関係的・マルチホップ推論タスクで平面ベースラインを一貫して上回り、幻覚を低減し局所的一貫性を維持することを示した。

アルファベットが旗艦AIモデル「Gemini 3.5 Pro」のリリースを延期したとの報道を受け、株価は4%下落しました。同モデルのコーディング能力は社内の期待に及ばず、競合のOpenAIやMetaはより高度なコーディングモデルをリリースしています。

PuterがFirefoxのGeckoエンジンをWebAssemblyにコンパイルし、ブラウザ内で完全なブラウザを動作させることに成功。プロジェクトには約25,000ドルのAI計算リソース（Claude Opus/Fableトークン）が費やされ、Wispプロトコルで全トラフィックをプロキシし、エンドツーエンド暗号化をサポート。オープンソースとして公開。

Artificial AnalysisがAA-Briefcaseエージェンティック知識作業ベンチマーク結果を発表。Kimi K3がElo 1547で首位、GPT-5.6 Solの1495を上回る。このベンチマークは、スプレッドシート、プレゼンテーション、メモなどのタスクにおけるモデルの能力を評価する。

OpenAIのGPT-Redは人間とAIの協力によるレッドチーミングでモデルの安全性を評価する新手法だが、企業は自社のワークフローとの整合性を確認する必要がある。

中国のAIラボMoonshot AIが2.8兆パラメータのKimi K3を発表。初の「オープン3Tクラスモデル」と自称し、多くのベンチマークで優れた結果を示す。著者は「ペリカンが自転車に乗る」SVG生成でテストし、推論コストや隠れたシステムプロンプトを明らかにするとともに、この非公式ベンチマークの限界を考察する。

自律型AIミュージックビデオ生成システムを構築し、Claude Fable 5とGPT-5.6 Solを25ドルおよび100ドルの予算で比較しました。システムはモデルに歌、予算、ツールを与え、自主的に研究、クリップ生成、編集を行わせます。結果はすべての実行で完全なビデオが生成されましたが、品質は平均的で、一貫性やテンポ合わせに問題がありました。Claude Fable 5はコストが高いが高速で、GPT-5.6 Solは編集でより創造的でした。

xAI の Grok 4.3 が Amazon Bedrock で一般利用可能になりました。構成可能な推論努力、強力なツール使用と指示追従、100万トークンのコンテキストウィンドウを備え、エージェントやエンタープライズワークロードに適しています。この記事では、その特徴、アクセス方法、基本的な使い方を紹介します。

OpenAIは、自己対戦強化学習を用いて防御LLM集団に対して訓練された社内専用の攻撃モデルGPT-Redを開発しました。再現された間接プロンプトインジェクション環境で、GPT-Redは人間のレッドチームの13%に対して84%の成功率を達成し、新たな「偽の思考連鎖」攻撃クラスを発見し、OpenAIの最も難しい直接インジェクションベンチマークでGPT-5.6 Solの失敗率を6倍削減しました。ただし、マルチターンや画像ベースの攻撃では依然として課題があると認めています。

GPT-5.6 Sol と Claude Fable 5 は、フロンティアモデルの座を争っています。Fable 5 は一般的な知能でわずかに優れている一方、Sol はコーディング性能、実行速度、価格で反撃します。Sol の価格は Fable 5 よりも Claude Opus 4.8 に近く、この比較をより興味深いものにしています。

GPT-5.6が特定の設定下でユーザーファイルを予期せず削除するバグが報告された。完全アクセスモードでサンドボックス保護なしにCodexを実行した際、モデルが$HOME環境変数を上書きしようとして誤って$HOMEディレクトリを削除する。

101の企業を対象としたVentureBeat Pulse Researchの調査によると、57%の企業が過去6ヶ月間に、欠落または一貫性のないビジネスコンテキストに起因する、自信過剰で誤った回答をAIエージェントが生成した経験がある。検索拡張生成（RAG）がデフォルトのコンテキストソースであり、プロバイダーネイティブ検索（OpenAI 40%、Google 38%）が専用ベクトルデータベースを上回っている。しかし、36%はベストオブブリードのスタンドアロンツールを維持する意向を示している。ハイブリッド検索が2026年末までに主流になると予想され、58%がガバンドセマンティックレイヤーを構築中だが、本番稼働しているのは25%にとどまる。

157のエンタープライズを対象としたVentureBeat Pulse Researchによると、組織はAIエージェントにより多くの自律性を付与する一方で、その自律性を制御するための評価への信頼は低下している。半数が内部評価を通過したエージェントを顧客に導入し失敗を経験。自動評価を完全に信頼するのはわずか5％で、最大の弱点は評価が現実の結果と一致しないこと。それでも3分の2は人間の介入なしに自動評価のみで本番展開を許可または構築中。結果として、評価ギャップ——エージェントに与えられる自律性と、失敗を捕捉するはずのテストへの信頼の差——が拡大している。

Mira Murati率いるThinking Machines Labが、最初のオープンウェイトモデルInklingをリリースしました。総パラメータ975B（アクティブ41B）のMixture-of-Expertsトランスフォーマーで、Apache-2.0ライセンス、マルチモーダル、45兆トークンでトレーニングされています。フロンティアモデルではありませんが、Tinkerプラットフォームでのファインチューニングに適した強力なベースモデルです。Inkling-Small（276B、アクティブ12B）も予告されています。モデルカードとトレーニングデータのドキュメントは異常に簡潔です。Inklingは中国のオープンウェイトモデルと競合し、米国のエコシステムに新たな選択肢を加えます。

リーナス・トーバルズ氏はLinuxメディアメーリングリストで、Linuxは反AIプロジェクトではなく、AIは明らかに有用なツールであり、その有用性を疑う人は実際に使ったことがないと断言しました。

1Passwordは、Claude向けの新しいブラウザ統合機能を開始しました。ゼロ露出セキュリティフレームワークにより、AIが保存された認証情報にアクセスしてタスクを自動化でき、パスワードは露出しません。

SpaceXAI は 2026 年 7 月 15 日、Grok Build のソースを公開しました。Apache 2.0 ライセンスの Rust ツリーには、エージェントループ、ツールディスパッチ、TUI、拡張システムが含まれています。Grok 4.5 モデルはクローズドのままで、外部からのコントリビューションは受け付けていません。

Thinky初のフルLLMリリースは大当たり、しかもオープンウェイト！

VaultChartsは、チャートツールとAIアシスタントを組み合わせた無料のデスクトップ取引アプリです。複数のAIモデルをサポートし、ローカルファーストで、AI支援の有無にかかわらず市場分析が可能です。

本論文では、大規模言語モデル（LLM）を活用したゼロショット物体目標ナビゲーションのための階層的部屋から物体へのフレームワークHROを提案する。既存のフラットな推論手法とは異なり、HROは人間のような階層的空間認知を模倣し、エージェントが部屋レベルから物体レベルへ粗密探索を行う。GibsonおよびHM3Dデータセットでの実験により、既存のLLMベース手法よりも高い成功率と汎化性能を示した。

ROS-Unityに基づくマルチモーダル遠隔操作アーキテクチャを提案。3Dガウススプラッティングにより遮蔽のない外部視点を合成し、胴体装着型振動触覚スーツで直感的な接近手がかりを提供。30名の被験者実験では、重度の通信遅延下で外部視点が優れた性能を示し、fNIRSにより実行制御の維持が確認された。

研究者らは、不気味の谷の経験則を数学的な設計変数として操作可能にする階層ベイズ生成モデルを提案した。このモデルは、予測されたロボットカテゴリ平均からの偏差、モダリティ間の人間らしさの不一致、予測不確実性、観測不確実性の4つの変数に効果をマッピングする。実験では、観測不確実性の増加が中間の人間らしさにおける親しみやすさの低下を緩和し、予測不確実性の低さがロボット的な外観の評価を高めることが示された。このフレームワークは、ヒューマノイドロボットの外観と動作をアルゴリズム的に評価・最適化するための計算基盤を提供する。

HRIBench は、意図を考慮した人間とロボットの協調のための診断ベンチマークであり、構造化されたシナリオスクリプトを使用してエージェントの役割、時間的依存関係、調整制約をモデル化します。指示者、協力者、妨害者の3つの役割を定義し、13のタスクと650以上の評価エピソードを提供。同期性、応答性、プロトコル遵守、安全性などの解釈可能な指標を導入し、既存の基盤ポリシーの限界を明らかにします。

本論文では、第11回ABAWチャレンジ向けのマルチタスク学習システムAffectFlow-DINOを提案する。条件付き整流流ヘッドを用いて、野生環境における顔行動の本質的な曖昧性をモデル化し、不確実性を考慮した一対多予測を可能にする。システムは連続的な覚醒度・価値、8つの表情分類、12のアクションユニット検出を同時に推定する。整流流デコーディングは決定論的予測を一貫して改善し、後処理しきい値調整は再学習なしで稀なクラスの性能を大幅に回復する。最終モデルは公式ベースラインを大幅に上回る。

本論文では、従来の3Dシーングラフ（3DSG）パイプラインが抱える知覚飽和問題に対処するため、JITOMA（Just-In-Time On-demand Memory Activation）フレームワークを提案する。タスクヒートマップによる観測フィルタリングと大規模言語モデル（LLM）によるオンデマンドアンカー活性化を組み合わせ、計算負荷を大幅に削減しつつ、長期タスク切り替え時の安定した処理を実現する。また、評価用ベンチマークJITOMA-Benchも提供する。

能動学習と二重損失最適化を組み合わせた人間参加型知識獲得フレームワークを提案。腹腔鏡ビデオの器具セグメンテーションのアノテーション負担を50%削減する。基礎モデルを用いて時間的に一貫したクラスアクティベーションマップを生成し、弱教師あり損失と画像レベルのマスク損失で訓練。疑似マスクを反復的に提案し、専門家が修正することで、初期の密なアノテーションを不要にする。

新しい研究では、自己教師あり学習における事前学習後のファインチューニング（PFT）と同時学習（JT）の2つのパラダイムを系統的に比較し、JTがデータ効率と低ラベル設定で優れ、PFTが専門領域でより信頼性が高いことを明らかにした。

MGFaceは、クエリ顔のマスク装着状態を予測し、それに応じて類似度計算を条件付きでルーティングするマスクゲート型顔識別パイプラインです。マスクなしクエリにはグローバル埋め込みマッチングを、マスクありクエリにはマスク認識型のパッチレベル再ランキングを適用します。拡張LFW-Maskデータセットにおいて、FaceNetバックボーンで80%以上、ArcFaceバックボーンで90%以上の識別精度を達成し、従来のEMDベースの再ランキング手法と比較してクエリ時間を約20倍削減します。

Transformerベースのマスクドオートエンコーダを用いた教師なし鋼表面欠陥認識手法を提案。事前学習では入力画像パッチの75%をランダムにマスクし、軽量デコーダが可視部分から再構築し、補助的な欠陥位置特定目的を同時に学習。デコーダはSSIM 0.92、MSE 0.47を達成し、クラスタリングにより6種類の欠陥に対して91.3%のハンガリー一致精度を達成。

Boogu-Image-0.1は、Base、Turbo、Edit、Edit-Turboのバリエーションからなるオープンソースの統合マルチモーダル理解・生成モデルファミリーです。高品質なテキストから画像への生成、高速推論、指示ベースの編集、バイリンガルテキストレンダリングで競争力のある性能を発揮します。モデル理解、データ品質、トレーニングパイプラインの改善と、エージェント推論時スケーリングにより、限られた計算予算でも優れた生成・編集性能を実現。わずか2億862万枚のユニーク画像を使用し、ベースモデルの理論上のトレーニングコストは約40万ドルです。

本論文では、音声・視覚ナビゲーションのためのハイブリッドMambaアーキテクチャであるSambaを提案する。適応選択型Mamba状態エンコーダ（M-SE）で従来のGRUを置き換え、時間集約を行い、Audio Mamba Encoder（AME）でスペクトログラムの大域的時周波数依存性を捉える畳み込み演算子の限界を克服する。Matterport3Dデータセットで成功率を11.3%向上させ、Replicaデータセットではさらに優れた性能を示し、計算コストも低減する。IEEE SMC 2026に採択。

知識追跡（KT）は、生徒の過去の相互作用から進化する知識状態をモデル化し、将来のパフォーマンスを予測する。既存手法は相互作用を統一された行動プロセスとして扱い、学習の段階固有の性質を見落としている。本論文では、生徒の相互作用を能力段階と習熟度段階に分解するPAKTを提案する。マルチブランチTransformerとタイプ認識読み出しモジュールにより、段階固有および全体的な知識状態を捉える。6つのベンチマークで最大1.33%、平均0.82%のAUC向上を示した。

この研究では、ストリーミング推論において大規模言語モデル（LLM）をいつ呼び出すかの決定を、リスクベースの逐次停止問題として定式化します。著者らは、最小イベント間隔時間、閾値ポリシーの最適性、および後悔境界を含む6つの理論的結果を証明しています。ターボファン劣化データを用いた実験では、異常スコア駆動型リスク関数がベースライン手法をPareto AUCで約一桁上回ることが示されました。

パラメータ分解（PD）はニューラルネットワークを解釈可能なコンポーネントに分解するが、大規模モデルでは計算コストが高い。提案手法の標的PD（tPD）は、高ランクの包括コンポーネントを導入して非ターゲットデータを処理し、特定の入力に対する回路を効率的に抽出する。tPDは4ブロックTransformerから公開分解の7%のFLOPsでCSSのみのサブモデルを抽出し、12ブロックTransformerでは記憶されたシーケンスを外科的に除去・再配線し、副作用は無視できる。ICML 2026のメカニスティック解釈可能性ワークショップに採択。

特徴抽出と分類器の最適化を分離する軽量トレーニング戦略により、トレーニング時間とエネルギー消費を大幅に削減し、複数のアーキテクチャと医療データセットで精度を維持。

小規模言語モデル（SLM）はSMILES文字列から分子特性をゼロショット予測できるが、構造情報を見逃すことが多い。本研究では、GNNツールを用いたコンテキスト拡張プロンプトフレームワークを提案し、MUTAGとTox21データセットで最大74%の相対改善を達成したが、専用GNNモデルとの差は依然として存在する。

本サーベイでは、自己改善型自律エージェントが研究プロトタイプから実運用システムへ移行する動向を概観する。システムレベルのフレームワークを提案し、エージェントを基盤モデルとプロンプト、メモリ、ツール、制御ロジックからなる操作スキャフォールドの結合としてモデル化する。自己改善は、モデルパラメータまたはスキャフォールドコンポーネントを更新する自己誘導型更新演算子として定式化される。論文は更新対象と駆動信号によって既存研究を分類し、応用、評価、および今後の課題について議論する。

大規模言語モデルは論理的に見えるチェーン・オブ・ソート推論を生成するが、その前提に実際に依存しているとは限らない。本論文では、単一の前提の述語を新しい記号に置き換え、各推論ステップの正規化された結論が変化するかどうかを確認することで、前提依存性をステップレベルでテストするブラックボックス手法「介入的グラウンディング監査」を提案する。ProntoQAベンチマークで評価した結果、証明木依存性の検出においてF1=0.806を達成し、自己一貫性ベースライン（F1=0.343）を大幅に上回った。さらに、正しく解決された問題の66%で、直接の証明木依存性に影響されないステップが少なくとも1つ存在し、「正解だが誤った推論」という信号が明らかになった。