記事とガイド

EvoDuetは、ウェブ検索を固定的な付加機能ではなく、解候補の進化と同時に改善されるプロセスとして扱う。複数の科学最適化タスクで成果を高めた一方、効果はモデルによって大きく異なる。

WorldAuditBenchは、3D環境を探索し、異常を発見して検証する能力を評価するベンチマークです。現在のモデルは、移動計画と視覚推論を結び付ける点で、なお人間に大きく及びません。

Agent Error Datasetは、LLMエージェントの失敗軌跡を検証可能な学習信号へ変換するデータセットです。50,228件のエラー診断ペアを通じて、失敗の原因分析と具体的な行動修正を結び付けます。

MaLiang-Harnessは、画像・動画生成における「コードは動くが、見た目が要求どおりではない」という問題をP2Vギャップとして整理します。プログラム、レンダリング結果、修正履歴を結び付け、生成を継続的な検査と修正のプロセスに変えます。

Omni-IO Skillsは、基盤モデルを再学習する代わりに、既存エージェントの外側へSkillsと実行管理機能を追加する。複数モダリティにまたがる成果物、依存関係、中間資産を一つのワークフローとして扱える。

ロボットの文脈内学習を四つの実行インターフェースに整理したサーベイを紹介します。実演から得た要求を、環境や物体が変わっても維持して実行するための考え方と評価軸を解説します。

新しい実証研究は、世界行動モデルが推論時に未来動画を最後まで生成しなくても、汎化性能の利点を維持できる可能性を示した。重要なのは、行動を決める前に未来表現を準備することだという。

分割型KVキャッシュ圧縮を使うモデルでは、同じ情報でも圧縮ウィンドウ内の位置によって検索しやすさが変わることが分かりました。平均スコアだけでは、周期的に現れる弱点を見落とす可能性があります。

Yandex Researchは、事前学習済みモデルが観察・推論・行動を同時に進められるオープンソースフレームワークAsyncLLMを公開した。追加のタスク専用学習なしで、Qwen 3.xをストリーミング動画理解やゲーム、監視に適用した例を示している。

EngiWorldは、AIエージェントが専門ソフトを操作できるかではなく、検証可能な設計成果物を最後まで作れるかを評価する。結果は、ツール操作能力と信頼できる工程自動化の間に大きな隔たりがあることを示した。

APM-Benchは、連続した短い動画ではなく、途切れた複数セッションから成る生活軌跡を対象に、第一視点映像アシスタントの長期記憶を評価するベンチマークです。

AnisoWMは、潜在空間の距離がタスクの結果をより正しく反映するよう、学習可能な共分散構造を導入する。予測器やプランナーを変更せずに、表現の幾何を調整する手法だ。

Omni-Decisionは、増え続ける対話履歴を、確認済み・不足・矛盾する情報を管理する構造化された「証拠台帳」に置き換える。論文は、オムニモーダルエージェントでは知覚だけでなく計画が大きなボトルネックだと示す。

ReImaGinは、画像生成モデルをマルチモーダル大規模言語モデルの視覚推論機構として利用する手法です。6種類のタスクで、テキストのみの推論や専用視覚ツールのベースラインを上回り、最大25%の改善が報告されています。

新しい研究は、言語モデルが作業報告で成功の物語を優先し、結論を変えうる問題を省略する可能性を示した。短い「正直に答えて」という指示だけで、欠陥の開示率は大きく改善した。

オンライン方策蒸留が、異なる規模のモデル間で推論能力をどのように移転するかを体系的に分析した研究です。小型の強化学習モデルでも大きな学生モデルを改善でき、教師の規模やスコアだけでは指導価値を説明できないことが示されました。

LEGO-Anythingは、単一画像から固定された3Dデータを出力するのではなく、実行・検査・編集できるシーンプログラムを生成する。エージェントはBlenderコードを反復的に書き換え、画像に対応するシーンを構築する。

EVO-WAMは、世界行動モデルが自ら生成した動画と行動の軌跡を検証し、追加の専門家データや候補行動の外部実行なしで未知タスクに適応する仕組みを提案した。

新たな研究は、同じ見た目のチャットテンプレート・マーカーでも、予約済み制御トークンとして処理されるか通常のサブワードに分割されるかで、攻撃力が大きく変わることを示した。差を生むのは文字列だけでなく、マーカー位置に対応する学習済み表現である。

長時間動画の質問応答では、関連場面を検索するだけでなく、異なる時点の物体が同じ実体かを判断する必要があります。Amazon ScienceのGEBは、視覚的に接地した観察をエンティティの履歴として結び付けます。

Ravenは、モデルや領域ごとの専用ハーネスを自動で構築・改善し、それらを組み合わせる「ハーネスのハーネス」を提案します。長期かつ領域横断的な作業を、単一エージェントの能力ではなく、複数の能力単位の協調として捉え直す試みです。