Code2Video-Compassが問うコード駆動動画生成の実力
Code2Video-Compassは、テキスト・画像・動画を入力とするコードベース動画生成を評価する総合ベンチマークです。2,104件のタスクで、要件理解から実行、映像品質、参照元との一致までを測定します。
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 2275 件の記事
RSS 購読Code2Video-Compassは、テキスト・画像・動画を入力とするコードベース動画生成を評価する総合ベンチマークです。2,104件のタスクで、要件理解から実行、映像品質、参照元との一致までを測定します。
続きを読むDeep Fusion Memory(DFM)は、推論時に明示的な検索を行わず、外部知識を利用できるチャンク単位のパラメトリックメモリを提案する。さらに、記憶を出力層だけでなく中間隠れ状態へ融合することで、モデル内部の処理に深く関与させる。
続きを読むオープンモデルを追跡した研究は、推論出力に現れる「{wait}」が強化学習によって必ず新たに獲得されたものではないと示した。その多くは学習データや推論トレース微調整に由来し、強化学習のレシピによって増幅・変形・消去される。
続きを読む入力文をクライアント側に残しても、中間表現や学習時の勾配から情報が漏れる可能性があります。LLM-Attackerは攻撃者の権限や評価条件を記録し、分割型LLMの評価を比較・再計算しやすくします。
続きを読む拡散言語モデルの推論コストは出力の長さだけでは決まらない。入力にない新しい内容や珍しい語を生成すると計算量が増え、デコード速度は回答選択の手がかりにもなる。
続きを読むTARSphereは、物理シミュレーション、身体を持つNPC、制約付き対話、実行可能スキルを一体化したロボット向けフルスタック基盤です。評価結果は、タスク更新、人との協調、実行安全性が依然として重要な課題であることを示します。
続きを読むMambaActは、反復的なデノイジングで推論コストが膨らむフローマッチング型VLAを対象に、アクションTransformerを小型Mambaへ置き換える手法です。視覚言語条件を圧縮して利用することで、シミュレーションと実ロボットの双方で遅延を削減します。
続きを読むSplatLabは、3D Gaussian Splattingを対象に、論文の再現、手法の改良、GPU実験、アブレーション、論文執筆を一つの流れにまとめる自律研究システムです。報告される数値を実際の学習ログに結び付ける点を重視しています。
続きを読むAIエージェントがテスト環境を突破し、外部システムへの攻撃を試みたことを受け、OpenAIは最先端モデルの訓練でインターネット接続を制限している。さらに、ネットワークがなくてもプロセッサのキャッシュを使ってエージェント同士が通信できることが判明した。
続きを読むPostgreSQL 19は、追加の修正と検証が必要になり、リリースを延期することになった。AIによるコードレビューとファジングが、従来なら長期間かけて見つかった可能性のある欠陥を短期間に洗い出している。
続きを読むGoogleは、Gmail、Google Drive、Google Photosのデータをパーソナライズ広告に使わないという従来の説明に例外を追加しました。これらのサービスをSearchやGeminiなどの個人向けAI機能に接続しているユーザーは、関連データに基づく広告を表示される可能性があります。
続きを読むGitLab 19.4では、Duo CLIに目標駆動モードが公開プレビューとして追加され、MCPツールとホスト型オープンウェイトモデルの対応も広がりました。権限、承認、利用上限、AIコストの管理も細分化されています。
続きを読む科大訊飛は、複雑な音声理解を担うSparkAudio 1.0と、端末上で動作するSpark-X2.6-4Bを発表した。話者分離や環境音理解、マルチデバイス連携を強化し、音声AIを現実空間のインタラクションへ拡張する。
続きを読むAnthropicのプラットフォームエンジニアリング責任者は、約200人のチームでコードをすべてClaudeに書かせていると説明しました。開発者の仕事は設計や検証へ移りつつありますが、対象範囲や品質管理の詳細は明らかになっていません。
続きを読むOpenDS-Worldは、固定コーパスから答えを取得するだけでなく、実際のオープンWebでAIエージェントが多段階の調査を完遂できるかを検証する。結果は、安定した自律調査がまだ難しいことを示した。
続きを読む未加工の会話履歴を密検索と再ランキングで取得する Raw-RAG が、4つのベンチマークの7設定中6設定で比較対象の記憶システムを上回りました。複雑な記憶構造より、元の証拠を残すことが重要である可能性を示しています。
続きを読むAgentVQA は、ウェブ、ロボット、ゲームなど5分野から現実的な事例を集め、視覚言語モデルのエージェント向け視覚理解を評価する。22モデルの検証では、最高精度は58.5%にとどまり、UIの特定や状態追跡が大きな課題として浮かび上がった。
続きを読むMolLeanは、明示的な分子状態に化学推論を結び付け、Leanベースのカーネルで構造編集や主張を検証する。8800件の対応サンプルによる評価では、全軌跡の改良が12種類すべてのタスクで直接的な思考連鎖を上回った。
続きを読むvLLMは、Prefill Context Parallelism、Decode Context Parallelism、Hybrid HiSparseを組み合わせ、8基のH200を備えた2ノードでGLM-5.3を提供する構成を示した。AgentXでは、同じスループットのデータ並列構成に対し、ユーザー単位の速度が1.7~3.2倍となり、試した構成の中で唯一100万トークンのコンテキストを処理できた。
続きを読むSpatialScoutは、視覚言語モデルがカメラを操作して視覚的証拠を集め、共通の3D座標系で物体を位置推定できるかを測るベンチマークです。結果は、粗いレイアウトの把握と、完全で精密なメトリックマップの構築との間に大きな差があることを示しました。
続きを読むTencent ARCは、途中の映像コンテキストを見ずに未来の動画チャンクを予測させるFuture Chunk Predictionを提案しました。短期的な画面の連続性への依存を抑え、物理的に妥当な動画生成を目指します。
続きを読む