AutoIndex:検索の前処理を「学習可能な文書表現プログラム」に変える
AutoIndex は、検索器やリランカーを変更するのではなく、索引化の前に文書をどう表現するかを学習する枠組みです。BM25 を固定したまま、CRUMB の 8 タスクすべてで Recall@100 の改善を報告しています。
続きを読むClaude API 中継局のガイド、検出の仕組み、LLM API の実測ノウハウ
全 2320 件の記事
RSS 購読AutoIndex は、検索器やリランカーを変更するのではなく、索引化の前に文書をどう表現するかを学習する枠組みです。BM25 を固定したまま、CRUMB の 8 タスクすべてで Recall@100 の改善を報告しています。
続きを読むAlayaRenderer-Flash は、生成型ワールドレンダリングの速度を 0.56 FPS から 31.54 FPS へ引き上げ、物理エンジンと連携するインタラクティブ環境を実時間に近づけた。テキストだけで動画を作るのではなく、構造化された世界状態から RGB フレームを合成する点が特徴だ。
続きを読むHarmoHOI は、多視点 HOI 合成で難しい「見た目の一貫性」と「3D運動の整合」を同時に扱う。RGB動画と3D点軌跡を一つの拡散枠組みで共同生成するのが特徴だ。
続きを読むこの論文は、Masked Diffusion Language Modelsをテキストベースの世界モデルとして用いることで、自回帰モデルの左から右への生成バイアスを緩和できると主張している。工具スキーマ、過去の対話、期待される結果などのグローバルな制約を保ちやすい点が焦点だ。
続きを読むAPI を呼び出すエージェントの学習には、大量の高品質な軌跡が必要です。しかし本物の環境を整備するのは重い作業です。本論文は、API 仕様だけを使って LLM に状態付き環境を模擬させる方法を提案します。
続きを読むこの論文は、LLMの「採点者」役を「コーチ」役へと拡張し、単一スカラーではなく経験知を学習信号に使う方法を提案する。非検証型タスクでの学習を、より細かなフィードバックに基づいて進めようとしている。
続きを読む長い文脈を扱うとき、重要なのは量ではなく取捨選択です。SWE-Pruner Pro は、ツール出力の保持・削除を外部分類器ではなくモデル内部の表現に任せます。
続きを読む長い録音で「何が起きたか」だけでなく「いつ起きたか」まで答えることを目指した音声LLMです。最大120分の入力に対して、明示的なタイムスタンプ付きで応答できます。 周期的な時間マーカーを音声トークンと交互に入れ、合成データで学習させる設計が特徴です。
続きを読むDiFA は、拡散モデルの推論時に得られる過去の予測を相関のある観測として扱う、再学習不要のフレームワークです。前向き拡散過程に沿った時間的コンセンサスにより、生成の安定性と細部表現の改善を狙います。
続きを読むRynnBrain 1.1 は、知覚・空間推論・位置推定・計画を一つの枠組みにまとめた具身基盤モデル群です。単なる認識ではなく、実際の操作に使いやすい表現を目指している点が特徴です。
続きを読む本論文は、オフポリシー生成をそのまま模倣するのではなく、各トークンが正しいかどうかを学習するTOPLを提案する。要約と翻訳の両方で、分布ずれに対する頑健性が示された。
続きを読むEvolvingWorldは、単発の会話生成ではなく、物語の進行に合わせて人物と世界の状態が更新され続ける仕組みを提案する。静的な人物模倣から、長期的な整合性を重視する方向へ踏み出した研究だ。
続きを読むGEPO は GRPO を軽量に拡張し、prompt グループごとの熵を使って advantage を非対称に調整する手法です。混合タスク学習で起きやすい探索と利用の不均衡に対応しようとしています。
続きを読むこの研究は、検索エージェントが自分の軌跡から学び直せる訓練環境を作ることに主眼があります。鍵になるのは、正しさを確認できる再現可能な検索・閲覧環境です。
続きを読むFlowMimic は、動画編集データの収集コストとタスクの狭さという課題に向き合う研究です。画像編集サンプルをリアルタイムで動画編集サンプルへ変換し、画像と動画の能力を相互模倣で近づけます。
続きを読む3D-Fitは、構造ベース創薬において汎用LLMが三次元の空間制約を満たすリガンドを生成できるかを評価する新しいベンチマークです。結果は有望さを示す一方、専用拡散モデルとの差も明確にしています。
続きを読むTimeLens2 は、動画の時間的グラウンディングを可変数の区間集合として扱い、モデルが出来事だけでなく根拠となる時間帯も示せるようにする研究です。2B、4B、8B の各モデルは Qwen3-VL バックボーンから大きな改善を示しています。
続きを読むNexForge は、LLM Agent の後学習に必要な実行可能データの不足に取り組むフレームワークです。固定ツールやリポジトリではなく、高レベルな能力要件からタスクと専門家軌跡を合成します。
続きを読むSeerGuard は、1回の誤操作が大きな損害につながるモバイルGUIエージェント向けに、実行前の指令スクリーニングと動作リスク評価を組み合わせた安全フレームワークです。
続きを読むReflectWorld-MM は、連続する動画の中で誰が何度現れ、何が変わったのかを、実体単位で記憶することを狙った研究です。動画を切り出して保存する発想から、世界の出来事を整理して覚える発想へと移っています。
続きを読む