記事とガイド

RSI-Anythingは、予測型の世界モデルを使って行動と学習データを選び、AIの方策やワークフローを継続的に改善する枠組みです。コード修復、GUI操作、実験計画、反応最適化などで評価されました。

SoloQ は、拡散言語モデルの重みと活性値をキャリブレーションデータなしで低ビット量子化するフレームワークです。構造化回転、再スケーリング、KV キャッシュ圧縮を組み合わせ、4ビットおよび NVFP4 での効率的な推論を目指します。

SoftwareGymは、実行可能なGUIアプリケーションを自動生成し、実際の操作で検証するパイプラインです。生成環境から集めた軌跡を使うことで、コンピュータ操作エージェントの未知のベンチマークでの性能向上を示しました。

Reflexは、一人称視点のRGB-D映像から投げられた箱の運動を推定し、腕だけでなく胴体や脚も協調させて受け取る人型ロボット向けの枠組みです。シミュレーションで85.7%の成功率を達成し、実機のUnitree G1でも検証されました。

ProgramGymは、検証可能な実行環境と役割分担型の開発ワークフローを組み合わせ、未知のプログラムを観察してゼロから再現するエージェントを支援する。

KlingAI Research は、プロンプトごとの報酬改善方向を集約し、モデルのドリフトに応じて復元する DiffusionART を提案しました。画像・動画生成の実験で、競合手法と同等以上の報酬水準に、より少ない GPU 時間で到達したと報告しています。

華為ノアの方舟研究室などが開発したMemento 3は、モデルの重みを更新せず、ARC-AGI-3の25ゲーム・183ステージを攻略した。発見したルールを実行可能な世界モデルに変換し、検証と修正を繰り返した点が特徴だ。

Elastic Latent Recurrence（ELR）は、同じ言語モデルを少ないループでは低遅延で、多いループでは高品質に動かすための訓練手法です。従来の循環型モデルにあった「1ループ時の性能ペナルティ」の解消を目指します。

SpireBenchは、商用ゲーム『Slay the Spire』を丸ごと使って、言語モデルエージェントの長期的な戦略判断を評価する。最先端モデルは平均的な人間に近づく一方、ランが長くなるほど専門家に遅れを取る。

自己回帰型の動画拡散モデルでは、長い動画を生成するほどアテンションKVキャッシュが増大します。CORAL-KVはキャッシュ層間の依存関係を利用して後段のキーとバリューを予測し、残差だけを量子化します。

vLLMはPrefill-Decode分離構成に双方向KV転送を追加し、後続ターンでPrefillノードがDecodeノードに残るコンテキストを再利用できるようにした。報告された長い多ターン処理では、TTFTが最大3.3倍改善した。

何恺明氏のチームは、既存のマルチモーダルモデルが過去の視覚情報を必要に応じて再確認できる視覚ネイティブなHarness、VISTAを提案した。基盤モデルを追加学習せず、画面の保存と検索によって対話的推論を支援する。

GPT-4oがChatGPTから姿を消して約8カ月が過ぎても、保存やアーカイブ、重みの公開を求める動きは続いている。支持者が惜しんでいるのは、性能だけでなく、自然で温度のある対話体験でもある。

マイクロソフトのサティア・ナデラCEOは、高度化するAIを、内部を確認できないブラックボックスとして扱うべきではないと述べた。モデルは最初から隔離・監視し、人間が途中で停止できる設計にする必要があるという。

Microsoftのサティア・ナデラCEOは、AIを推奨や回答を受け入れるか拒否するだけのブラックボックスとして扱うべきではないと指摘した。モデルの外側に制御機構を置き、監査可能な記録と人間による停止手段を確保すべきだという。

Appleは、パーソナライズド音声スタートアップHuxeの一部従業員に採用を申し出て、知的財産の非独占ライセンスを受ける契約を欧州委員会に開示した。AIポッドキャストへの布石とも考えられるが、具体的な製品計画は明らかになっていない。

Xiaomiは、MiMo-V2.6の後学習で1回のRLステップに数十億トークンを処理し、最大約260万ドルの費用が発生したと報告しました。焦点は計算量の拡大だけでなく、評価器、環境、Harness、MoEの安定性を同時に設計する点にあります。

Anthropicは、内部評価におけるリアルタイムのインターネット接続を全面的に停止する。未解決事件に関する虚偽情報の送信など、想定外のモデル行動が確認されたためだ。

MetaのMuseとOpenAIのDotsは、プライバシー保護をAIエージェント競争の重要な差別化要因にしている。しかし、隔離環境や利用者向けの制御機能だけでは、安全性を証明できない。

字節跳動の元インターン研究員、田柯宇氏が、訓練クラスタをめぐるトラブルと訴訟から2年後、ステルス企業で約3000万ドルを調達したと報じられた。投資後評価額は2億ドルで、事業の中心は世界モデルだという。

AnthropicはClaude Managed Agentsの動的ワークフローを公開テストに移行した。主エージェントが計画を作り、複数のエージェントが段階ごとに処理し、最後に結果を統合する仕組みだ。