記事とガイド

Hallo4Dは、3Dおよび4D生成で起こる形状のずれ、重複、時間的なちらつきを抑えるための枠組みです。基盤となる生成モデルを再学習せず、マルチモーダルLLMを一貫性の判定役として使います。

KnowAct-GUIClaw は、「Know Deeply, Act Perfectly」という考え方に基づき、OpenClaw のクロスプラットフォーム GUI 操作と自己進化機構の不足を補うことを目指す。経験に基づく記憶、自己進化するスキルライブラリ、反省プロセスを組み合わせ、実行能力を継続的に高める設計だ。

GigaWorld-Policy-0.5 は、推論時に未来動画を生成する World Action Models の重さに焦点を当てている。訓練では未来の視覚変化を活用し、実行時には行動のみを出力する設計が特徴だ。

Hugging Face Blog の記事は、より新しい汎用OCRモデルが常に優位とは限らないことを示している。ブラジル・ポルトガル語に特化した DharmaOCR は、専用ベンチマークで Mistral OCR4 と Unlimited-OCR を上回った。

Hugging Faceは、同社の本番インフラの一部に対する侵入を公表し、その攻撃が自律型AIエージェントシステムによって実行されたと説明した。入口はデータセット処理パイプラインであり、AI基盤の攻撃面が広がっていることを示す事例だ。

VideoRAE は、凍結された動画基盤モデルの表現を、再構成可能で生成モデルに扱いやすい動画潜在表現へ変換する手法だ。従来の 3D-VAE が抱える、画素再構成偏重という課題に焦点を当てている。

arXiv に投稿された新論文は、スパイクをトークン化する神経デコーダ向けに MOJO を提案した。マスク付き自己符号化による自己教師あり学習と教師ありデコードを組み合わせ、未ラベル神経データを活用する。

arXiv の新論文は、標準ガウス分布までの二乗 Wasserstein 距離で非ガウス性を測る OT-ICA を提案した。従来の ICA で使われる累積量やパラメトリック尤度の代理目標を置き換える狙いがある。

新しい arXiv 論文は、生成型ゲームエンジンの議論を「行動・状態・観測」という古典的なゲームループから捉え直している。重要なのは高品質な映像生成だけでなく、ルールに従う状態変化と長期的な一貫性だ。

MetaPerch は、動物の鳴き声そのものだけでなく、録音に付随する場所や時刻などのメタデータを学習に使う生物音響向け基盤モデルだ。現実の受動的音響モニタリングで問題になる分布変化への対応を狙っている。

arXiv の新論文は、Evo 2 の凍結表現に軽量なプローブを載せ、メタゲノムデータから抗微生物薬耐性や細菌毒力のシグナルを読み出せるかを検証した。AMR では高い識別性能が示された一方、毒力や生成配列のラベル解釈には限界も残る。

Ai2 は海事向け AI Agent「Shippy」の構築経験を公開した。重要なのは大規模モデルそのものより、ツール、権限、サンドボックス、評価をどう設計するかだ。

IBM Research は、Agent システムにおけるモデルルーティングを分類問題として扱うだけでは不十分だと指摘する。実運用では、コスト、品質、遅延、キャッシュ、インフラ、ガバナンスを同時に考える必要がある。

Hindcast は、解決済みの Polymarket 市場を過去の時点から再生し、LLM が結果を知らない状態でどれだけ予測できるかを評価する枠組みです。検索や学習データを通じた答えの漏えいを抑える点が特徴です。

arXivに投稿された論文は、LLMの誤った推論ステップをユーザーが元の回答上で直接編集し、その修正済みCoTを蒸留プロンプトとして再利用する Deep Interaction を提案している。

arXiv の論文は、Lego WeDo2 のロボット教材、RAG ベースの対話アシスタント、ルーブリック評価を組み合わせた Earthquaker-AI を紹介している。

arXivの論文は、知識獲得から教材開発、レビュー、教育、評価設計までをAIで支援する職業アップスキリング向けフレームワークを提案している。単なる教材生成ではなく、研修全体のプロセスを再設計する点が特徴だ。

arXiv の新論文は、満洲語歴史文献の OCR を対象に、視覚スタイルごとに専門モデルへ振り分けるマルチエキスパート方式を検討している。軽量なページ単位分類器が、正書・行書・奏折の半草体を判別する。

arXiv掲載論文は、LLM翻訳を文ごとの置き換えから文書全体の再構成へ進めるため、RAGベースの PAT を提案している。仕様と可比コーパスは大きな reformulation を促す場合があるが、その効果はまだ安定していない。

arXiv の新しい研究は、2361 件の人気 GitHub リポジトリを分析し、エージェント型コーディングツールの利用が広がり始めている一方で、集中的な活用はまだ一部のプロジェクトに限られることを示した。

arXiv の新論文は、再生可能エネルギー予測における特徴選択の課題に着目し、Cluster-based Sequential Feature Selection（CSFS）を提案した。CSFS は従来の順次特徴選択に近い予測性能を保ちながら、平均 21% の計算コスト削減を示している。