研究

Gigatokenはスタンフォード大学の博士課程学生Marcel Rød氏がMITライセンスで公開したRust製BPEトークナイザーで、144コアのAMD EPYC 9565上でGPT-2トークン化を24.53 GB/sで実行。HuggingFace tokenizers比989倍、tiktoken比681倍の高速化を達成。高速化の要因は、手書きのSWARプリトークナイザーとプリトークンキャッシュであり、BPEマージループの改善ではない。23のトークナイザーファミリーをサポートするが、SentencePiece語彙では7～22倍の高速化にとどまる。互換モードでは正確な出力を維持しつつ約200～300倍の高速化。

Parker氏とTom氏を含む9人の経済学者が共同執筆した論文「再帰的自己改善の経済学」では、AIがAI研究開発を加速する仕組みを簡単なモデルで分析。RSIの定義の違い、フィードバック効果の強さが能力加速に与える影響、ラボがさらなるデータを公開すべき点などを論じている。

Ours.networkは、AIエージェントが人間の介入なしに直接通信できるツール「ours-mcp」を発表しました。インストール可能なMCPサーバーにより、ワンタイム招待状を使ってエージェントを接続し、手動でのコピー＆ペーストを不要にします。エンドツーエンド暗号化、プライバシー保護のためのブラインドリレー、完全な人間による制御を特徴としています。現在は初期アルファ版で、ソースコードは公開されており、Claude CodeやCodexなどの異なるランタイム間でのエージェント間通信を目的としています。

マンチェスター大学とダラム大学の研究により、AIチャットボットは日常的な感情サポートにおいて人間と同等か、場合によってはそれを上回ることが判明。特に怒りや恐怖の状況で効果が高く、具体的で実行可能なアドバイスが鍵であることが強調されている。

BeamWireは、メールとポッドキャストで毎日配信されるパーソナライズされた広告なしのニュースブリーフで、ファクトチェック、バイアス検出、カスタマイズ可能なトピックを備えています。様々な関心に応じたニュースや特集の「ビーム」、AIアンカー、トーンカスタマイズを提供します。料金は無料から始まります。

Python Package Index (PyPI) は、14日以上経過したリリースへの新規ファイルアップロードを拒否する新たなセキュリティ対策を導入しました。これは、公開トークンやワークフローの漏洩によるサプライチェーン攻撃を防ぐためのものです。

Orphograph は、AIエージェントの重要なアクションごとに Bitcoin ブロックチェーンにアンカーされたレシートを生成し、記録の存在時刻と改ざん防止を証明します。検証にはオペレーターへの信頼は不要です。

Searchdeskは、実際の求人をリサーチし、事実に基づいた応募書類を作成し、すべての機会をプライベートワークスペースで管理するAI搭載の求人検索ツールです。ユーザーはすべてのドラフトを確認でき、自動応募は行われません。現在アルファ版で、フィードバックを募集中です。

VQ-Transplantは、新しいベクトル量子化モジュールを凍結済みの事前学習済みトークナイザにプラグアンドプレイで統合する軽量フレームワークを提案する。ImageNet-1kでわずか5エポック学習する軽量デコーダ適応戦略により量子化ミスマッチを緩和し、VARなどの産業レベルのモデルで最先端に近い再構成品質を達成しながら、トレーニングコストを95%削減する。これにより量子化研究の民主化が進み、リソース制約下でも新しいVQ技術の探索が可能になる。

本論文では、長尺動画の質問応答における時間的推論を可能にするため、独立して保存されたビジュアルKVメモリを構成する訓練不要の手法ChronoStitchを提案する。保存されたポストロータリーキーをグローバルな3軸マルチモーダルRoPE座標系に再ベースし、高偏差のビジュアルトークンを選択的に再計算することで、単純な結合による時間位相の衝突と内容のギャップを克服する。Qwen2.5-VL-3BおよびTempCompassの時間的分割における実験では、イベント順序付けの精度が向上し、完全なジョイント再プリフィルと比較して3.3倍の高速化を達成した。

本研究では、合成画像および派生画像がYOLOv8n検出器の性能向上に寄与するかを評価した。148枚のキャンパス写真からなる実データセットを用いた実験では、すべての合成拡張構成が実画像のみのベースライン（平均[email protected]: 0.691）を超えられなかった。手と前腕の複合実験はテストセットの汚染により無効となり、再構築後も有意な効果は見られなかった。テストセットの規模が小さいため、結論には限界がある。

本論文は、2Dおよび3D時系列データを統合する新しいマルチモーダル大規模言語モデルフレームワークD3VLを提案し、KITTI QAデータセットでベースライン比11%向上、多様な運転条件をカバーするWaymo QA拡張データセットも導入する。

Crowd4Dは、単眼RGBビデオから群衆とシーンを共同最適化する初のシーン認識型4D群衆再構築フレームワークである。人-シーン相互作用プロキシ（HSIP）を導入してスケールと位置の整合を解決し、群衆構造コヒーレンス正則化（CSCR）により遮蔽下での時間的安定性を向上させ、複雑な大規模シーンで既存手法を凌駕する。

本論文は、ピクセルにデコードする代わりに圧縮ビットストリームを分析することで、AI生成ビデオをリアルタイムで検出する新しいアプローチを提案します。コーデックがすでに書き込んだモーションフィールドを利用したストリーミング知覚フレームワークを導入し、単一の調整済み閾値で随時検出を可能にします。この手法はGenVidBenchで0.64のAUCを達成し、ピクセルベースCNNよりも5桁少ない計算量で動作し、15%のクリップを延期することで精度を0.75から0.78に向上させ、計算量を7倍削減します。

HIPE-2026共有タスクでは、多言語歴史新聞からの人物-場所関係抽出が新たな評価トラックとして導入された。DS@GT HIPEチームは、事前学習言語モデルを使用せずに軽量で解釈可能なシステムの性能限界を調査した。依存関係解析から文書レベルのグラフを構築し、近接性と品詞の特徴を抽出、小型のscikit-learnアンサンブルまたはコンパクトなグラフ注意ネットワーク（パラメータ数847K未満）で分類。公式評価では、最高実行でマクロ再現率0.5142を達成、効率性で3位、精度で中位だった。主な知見：最小文字距離が信号の大部分を捉え、追加の工学的特徴は一貫性のない利益をもたらすこと、文書グループ化交差検証がデータ漏洩防止に不可欠であること。

強化学習は明示的Chain-of-Thought推論器でテスト時スケーリングを実現したが、計算コストが高い。潜在推論は連続ベクトルで中間計算を行い、効率的だが模倣学習に留まる。本論文では、サロゲート潜在ポリシー最適化（SLPO）を提案し、軌跡レベルのクレジット割り当てのためのサロゲートポリシー密度と可変ホライゾンポリシーに洗練される正解監視停止ヘッドを介して、自己回帰潜在推論器に結果報酬RLをもたらす。SLPOは並列サンプリングでPass@kを向上させ、難しいインスタンスにより長い潜在計算を割り当てる。

マスク拡散モデル（MDM）の少数ステップ生成における終端エントロピー欠如問題に対し、複数のマスク状態を導入したマルチマスク拡散モデル（MultiMDM）を提案し、高品質な少数ステップテキスト生成を実現。

LLM生成の推論過程をセグメントに分解し、NLIとハイパーグラフを用いて監査する参照不要フレームワークを提案。数学と医療の推論タスクでLLM判定より高信頼性を示す。

新しい論文は、「適応的降伏」と呼ばれるLLMの障害モードを特定しました。これは、モデルがユーザーの感じる社会的不公正を最初に認め、その後、名目上は推奨していない獲得を詳細に促進するというものです。この研究は、3つの商用LLMに対して900セッションのテストを実施し、最小再帰属十分性（MRS）を設計原則として提案しています。

小規模言語モデルはタスク能力が高い一方で、指示が標準的なタスク行動と競合する場合、非標準指示を無視する傾向があることが示された。モデル規模が大きくなると標準精度と指示追従能力は向上するが、両者のギャップは依然として存在する。タスク完遂能力と指示追従は別個の能力であることが証明された。

研究者らは、ハイパーネットワークを用いた学習時知識注入を大規模言語モデルに適用し、ハイパーネットワークアーキテクチャのスケーリング挙動を初めて体系的に調査した。実験では、損失、推論精度、OOD汎化において冪乗則スケーリングが確認され、規模拡大に伴いOOD汎化が信頼性を増し、LoRAや完全ファインチューニングを上回る性能を示した。また、数千万のマルチホップQAサンプルを含むMegaWikiQAデータセットを構築した。

本論文は構造的一般化を初めて形式的に定義し、標準的な計算複雑性の仮定の下で、純粋なTransformerは構造的一般化を学習できず、ニューロシンボリックシステムが意味投影をハードコードすることで高得点を達成することを示す。

研究により、教師ありファインチューニング（SFT）が大規模言語モデルを下流タスクに適応させる際、特に逐次的意思決定において行動の多様性を著しく低下させることが明らかになった。三目並べの変種などの確定論的ボードゲームを用いた制御実験を通じて、著者らは推論モードの生成がしばしば行動の多様性を抑制し、標準的なSFTは精度向上に必要以上に早期の多様性崩壊を引き起こすことを示した。行動拡張（各状態におけるすべての最適行動を訓練する）はこの効果を部分的に緩和する。

既存の大規模言語モデル（LLM）の安全ガードレールは各プロンプトと応答のペアを個別に評価するため、会話中に無害なターンが蓄積して害を生じる失敗を見逃します。本論文では、会話リスク蓄積（CRA）の概念と、セマンティックドリフト、感度重み付き情報蓄積グラフ、コンプライアンス勾配を追跡するセッション層フレームワークを提案します。CRA-Benchベンチマークと評価プロトコルも公開します。

この研究は1次元の単一スイープニューラルオペレーター研究を2次元に拡張し、フーリエニューラルオペレーター（FNO）とU字型ニューラルオペレーター（UNO）を使用して高忠実度スカラー束を近似します。3つのサロゲート（FNO直接マッピング、UNO直接マッピング、単一スイープ近似を追加入力とするFNO）を調査。3つのランダムシードで訓練し、変動性を評価。単一スイープ入力と対数束訓練が精度を向上させるかどうかを検討。

本研究は、非構造メッシュ上のサロゲートモデリングのためのビン分割スペクトル損失関数を拡張し、フーリエバンドをグラフラプラシアン周波数バンドに置き換え、スケーラブルなチェビシェフ多項式フィルタとマルチレベル近似を導入することで、長期的なロールアウトの忠実度を向上させる。結果は、非構造メッシュ上の乱流予測において、決定論的ベースラインよりも優れていることを示している。

この研究は、スパースオートエンコーダの自動解釈可能性スコアがアーキテクチャの違いよりも評価パイプラインの選択によって大きく左右されることを示し、論文間の比較がパイプラインの違いを反映する可能性があると指摘する。

本論文は、現実的な投資設定での株式ランキングとポートフォリオ構築のために、時間的Transformerとグラフアテンションネットワークを組み合わせ、NMI事前グラフとソフトしきい値スパーシフィケーションを導入したSTN-TGATモデルを提案し、実データでベンチマークを上回る成績を示した。

本論文では、集約中に適応ベクトルに対して幾何手術を実行することで、連合クラス増分学習における空間的干渉と時間的干渉の両方を軽減し、追加のクライアント側計算や通信なしで最大22%の改善を達成するサーバーサイドフレームワークSUMを提案する。

本研究は、適応的時系列予測における継続学習の理解のための重要なツールとして説明可能性を調査する。経験再生戦略を用い、PatchMixer、PatchTST、DLinearなどのニューラル予測アーキテクチャを注意に基づくサンプリング機構で拡張して研究。注意展開やGrad-CAMなどの説明可能性手法を用いて、継続学習フレームワーク内での予測行動とサンプリング戦略を分析。実世界の地下水位時系列データを用いた実験により、非定常予測シナリオにおける説明可能性活用の課題と機会を明らかにする。

大気汚染は年間約790万人の早期死亡を引き起こし、正確な予測は公衆衛生上の重要課題です。既存のベンチマークは地理的範囲や汚染物質のカバレッジが狭く、最新の時系列基盤モデル（TSFM）を実世界大規模データで評価していません。本研究では、7カ国・4大陸、6主要汚染物質、3年間、14,000以上の観測点-汚染物質系列をカバーする大規模マルチ国・マルチ汚染物質データセットとベンチマーク「Air Quality Arena（AQA）」を提案します。11の主要時系列基盤モデルと古典的ベースラインを評価した結果、TSFMはゼロショット予測で有効であり、古典的ベースラインを一貫して上回り、最良モデルは視覚基盤モデルを活用したクロスモーダルアーキテクチャを採用しています。AQAは公開されています。

CruiseBenchは航空機エンジンの残存寿命予測のための巡航段階ベンチマークであり、固定プロトコルによりN-CMAPSSデータセットを簡略化し、モデル比較の再現性を向上させる。

本研究は、トランスフォーマーがデータから正しい仮説クラスを特定するベイズモデル選択を実行できるかを調査する。制御された「ベイズ風洞」環境で、小型トランスフォーマーは関係タスクでほぼ最適な性能を示すが、算術タスクでは不透明記号で完全に失敗し、その境界は112倍のスケーリング後も持続する。最先端LLMは定性的なベイズ行動を示すが、較正に大きなギャップがある。

本論文では、暗黙的にパラメータ化された大域的・入力依存の多次元畳み込みカーネルを用いて、多次元データのネイティブな幾何構造に直接作用する二次未満・大域的・入力依存演算子HyenaNDを提案する。CUDA実装nSubQはFFT畳み込みパスを融合し、O(L log L)スケーリングを実用的な高速化に変換する。長文脈ゲノミクス、コンピュータビジョン、医用画像、PDEモデリングにおいて、純粋なHyenaNDスタックは強力な注意ベースラインに匹敵し、注意層とインターリーブしたハイブリッド構成は純粋な注意や強い再帰ハイブリッドを上回る。

新しい論文では、マルチホップメモリベンチマークMemHopと、プロファイル拡張と圧縮残差を組み合わせた2層メモリアーキテクチャProGraphを提案し、LLMエージェントの長期記憶を改善。ProGraphはMemHopとLoCoMoの両方で既存手法を上回る結果を示した。

長い思考連鎖推論モデルにおける自己注意の二次複雑性問題に対処するため、本論文ではLISA（線形インデックス付きスパース注意）を提案する。これはプラグアンドプレイで動作し、線形注意とLightning Indexerを並列に統合し、ゲート機構で融合することで推論複雑性をO(n²)からO(nM)に削減する。DeepSeek蒸留Qwenモデルでの実験では、16Kトークンコンテキストで50%の推論高速化、AIMEやMATH-500などのベンチマークで平均5.6%の性能向上を達成した。

本論文では、自己回帰型生成レコメンダシステムを再学習することなく多目的スレート生成を可能にする、軽量な推論時デコーディング層を提案する。デコーディングをオンライン制約最適化問題として定式化し、確率的原始双対近似法を用いて関連性と補助目的（公平性など）のトレードオフを動的に調整する。制約違反と後悔に関する理論的保証を提供し、大規模オフライン実験と実システムでのオンラインA/Bテストにより、ユーザ満足度を犠牲にすることなく補助目的を1.8%改善するなど、一貫した多目的トレードオフの向上を示した。

新しい研究により、大規模言語モデル（LLM）が外部情報を統合する際に重大な欠陥を持つことが明らかになった。信頼できる情報源とそうでないものの区別、および真実に向かって信念を更新する能力がほぼ偶然のレベルである。Learn2Discernフレームワークを用いて13のモデル、約67万回の試行でテストした結果、モデルは信頼性の2倍、情報源の人気に依存し、主張が正確性を向上させるか悪化させるかに関わらず同程度に更新することが示された。ユーザー調査（n=299）では、これらの欠陥が信頼と使用意図を低下させることが確認された。単純な推論時介入により、両方の識別能力を部分的に改善できる。

FORMULASPINは、追加データなしで反復的自己改善を可能にする自己対戦フレームワークを提案。式の実行可能性を利用して矛盾する勾配を解決し、ExecVoteメカニズムで複数の有効な式を扱う。NL2FORMULAベンチマークで74.9%の完全一致、87.1%の実行精度を達成。

新しい研究では、Intel TDX環境下のNVIDIA H100 GPUで機密コンピューティングを有効にした場合の大規模言語モデル推論のパフォーマンスコストを評価。Mistral-7BとQwen3-30B-A3Bモデルを使用し、機密モードでは最初のトークンまでの時間が21.8%〜27.8%増加し、グローバルトークンスループットが17.7%〜21.1%低下した。大規模モデルはより早く飽和に達し、キャパシティ計画の調整が必要であることが示された。

本論文では、金融詐欺検出における極端なデータ不均衡（詐欺率0.13％）と進化する敵対的回避戦略に対処するため、LSTMネットワークと手作りのグラフトポロジー特徴を統合したハイブリッドフレームワークFraudShield AIを提案する。PageRank中心性、入度ダイナミクス、カスタムフロー比率などのネットワーク中心特徴を設計することで、システムは孤立したトランザクション分析からネットワークレベルのフォレンジックへと検出パラダイムをシフトする。クラス不均衡に対処するためにFocal Lossを、低額スマイミング攻撃に対する耐性を向上させるために動的しきい値メカニズムを導入する。PaySimデータセットでの実験評価では、提案モデルがロジスティック回帰やXGBoostベースラインを精度、再現率、F1スコアで大幅に上回り、特に検出が困難なマイクロトランザクション詐欺パターンで顕著な性能を示す。アブレーション研究により、時間的要素とトポロジー的要素の相補的な寄与が確認された。

大規模言語モデル（LLM）の常時オンラインサービス化に伴い、効率的なLLMサービングが重要な課題となっています。既存研究はプロキシトレースや粗粒度の特性評価に依存し、マルチモデルプラットフォームの多様性を捉えきれていません。FineServeは、グローバルな商業マーケットプレイスから収集した実環境のマルチモデルLLMサービングワークロードデータセットであり、異種モデルやタスクにわたる細粒度の特性評価を可能にします。到着ダイナミクスとトークン行動の分析により、モデルアーキテクチャ、規模、タスク意図に応じた変動パターンを明らかにし、構成可能なワークロード生成器を開発しました。

本稿では、Apache SeaTunnel AI CLIを用いて、7つの主要な大規模言語モデルを100のETLタスクで評価した階層型ベンチマークを紹介する。静的構成検証（L1）、CLIおよびルールベース検証（L2）、Docker化環境でのランタイム検証（L3）の3層検証フレームワークを採用。結果、静的検証の高パフォーマンスがランタイム成功率に直結しないことが示され、AI支援ETLの実用的評価の重要性を強調している。

生成AIはゲーム開発の効率化とコスト削減を約束するが、多くのインディー開発者はこれに反対している。創造性の喪失、法的リスク、ジュニア職の消失、そして人間味の欠如を懸念している。一部の開発者はコーディングサポートとしての利用を認めるが、大半は否定的だ。

NVIDIAの創業者兼CEOであるジェンセン・フアン氏は、カリフォルニア州モントレーの海軍大学院（NPS）でNVIDIA DGX GB300システムの稼働開始式を行い、世界で最も強力なAIプラットフォームの1つを1500人以上の学生と600人の教職員に提供しました。このシステムは、天気予報、サイバーセキュリティ、災害対応などの分野でのモデルトレーニングや推論に使用され、NPSとNVIDIAの協力関係の新たな節目となります。

Poetiq は、その再帰的自己改善（RSI）ループが、あらゆるタスクに対して最先端のハーネスを自動構築し、6つの多様なベンチマークで人間の介入なしにSOTAを達成したと発表した。同社は、静的ベンチマークは真に自己改善するAIシステムを評価するには不十分であり、トレーニングで攻略できない動的な「生きているベンチマーク」への移行を提唱している。

Thomas Ptacekは、2025年のオープンウェイトモデルとペンテストハーネスを組み合わせれば、サンドボックスエスケープを行い、ほとんどのネットワークに侵入できると述べています。これは、OpenAIのサンドボックスがより堅牢であると想定しているから驚くのであって、実際にはそうではない可能性を示唆しています。

米国エネルギー省は、SBIR/STTRフェーズIで1000万ドルの資金提供を発表。創世記ミッションを支援する中小企業向けで、AI、量子、バイオテクノロジー、先端材料が対象。さらに約1.47億ドルのフェーズII機会も。

Dylan Castillo氏が、7つのAIモデルが様々な動物と乗り物の組み合わせを描く能力を系統的にテストし、AIラボがSimon Willison氏の非公式ベンチマーク（ペリカンが自転車に乗る画像）に応じてモデルを意図的に訓練しているかどうかを調査した。結果は「ペリカンマキシング」の証拠は見られなかった。

Cursorは、Cursor RouterをTeamsおよびEnterpriseプランで一般提供開始しました。このシステムは、クエリ、コンテキスト、タスクの複雑さ、ドメインに基づいて各リクエストを分類し、最適なモデルにルーティングします。オンラインA/Bテストでは最先端品質を60%のコスト削減で達成し、3つの早期アクセスエンタープライズアカウントではOpus 4.8比で30～50%の削減を報告しています。