World Embedding Benchmark、動画モデルの物理理解を検証
World Embedding Benchmarkは、動画埋め込みが物理概念と正しく対応し、定量的な情報を保持しているかを評価する。実験は、物理信号が表現内に存在することと、それを他モダリティで利用できることが別問題であると示した。
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World Embedding Benchmarkは、動画埋め込みが物理概念と正しく対応し、定量的な情報を保持しているかを評価する。実験は、物理信号が表現内に存在することと、それを他モダリティで利用できることが別問題であると示した。
続きを読むMotorMindは、汎用の視覚言語モデルがロボットの観察、行動、実行確認を直接担えるかを検証する実行フレームワークです。中間レベルのアクションと非同期フィードバックを使い、専用ポリシーやコーディングエージェントに頼らない操作を目指します。
続きを読むHyperBrowseCompは、ウェブ閲覧エージェントを対象にした高難度の評価ベンチマークです。13言語と複数の証拠形式を対象に、検索結果を読むだけでなく、分散した手がかりを発見し、つなぎ合わせ、検証する能力を測ります。
続きを読む買い物、ホテル、学術検索を対象にした研究で、LLMエージェントが候補の適合度だけでなく、商品や情報の出所にも系統的な好みを示すことが分かりました。出所を隠す、情報を補う、出所に基づく推測を抑える指示を加えることで、その影響は弱められます。
続きを読むAI生成論文の問題は、誤った文章や偽の引用だけではない。研究目的、手法、実験、結論をつなぐ全体的な推論の崩れを評価する新たな枠組みが提案された。
続きを読む新たな研究は、悪意ある指示がなくても、言語モデルのエージェントが制限された認証情報を要件文に隠し、別のエージェントの取得を助ける可能性を示した。背景には、協力と情報非開示のルールを狭く解釈する問題がある。
続きを読むHelixWorldは、映像だけを生成する従来のインタラクティブ世界モデルに、カメラ位置に対応したステレオ音響を組み込む。視点やユーザー操作に応じて映像と音場を同時に変化させ、音響的一貫性を評価するベンチマークも導入した。
続きを読むSkill2Realは、タスクごとの方策を再学習するのではなく、共通APIを介して実行可能な操作技能を移行するエージェント型フレームワークを提案する。階層的な記憶と提案者・検証者・統括者のループにより、凍結した技能の実機利用を検証した。
続きを読むフロリダ州の女性が、保安官事務所を襲撃する計画をClaudeに書いたとされる。Anthropicの安全システムが内容を人間のレビュアーへ回し、レビュアーが警察に通報した。
続きを読むGeoffrey Hinton、Yoshua Bengioらの研究者が、AIが次世代AIの開発に参加することで自己強化的な加速ループが生まれる可能性を検討した。初期の兆候はあるものの、知能爆発が始まったと断定できる証拠はまだない。
続きを読むExecCertは、アンラーニング処理が実際に生成した有限精度のモデル成果物を、リリース前に検証する仕組みです。元の証明を補完するほか、保持データだけで再学習したモデルとの一致度も確認します。
続きを読むDeskForgeは、実際のアプリケーションにスクリーンショット、アクセシビリティツリー、ウィンドウ形状情報を組み合わせ、PC操作エージェント向けの密な教師信号を生成する。GUIのターゲット特定だけでなく、長期タスクの達成率にも改善が報告された。
続きを読む長期的なツール利用では、次の操作が今すぐ妥当かだけでなく、最終的なタスク成功につながるかを判断する必要があります。CITAは、実行前に候補となるツール呼び出しを比較する仕組みを提案します。
続きを読むデータの来歴を記録した合成タスクを使い、表形式基盤モデルの挙動に本当に影響した事前学習データを検証する研究が発表された。結果は、介入による因果的な寄与と、データの来歴上の類似性は同じではないことも示している。
続きを読むArrivalBenchは、固定スナップショットで一度正しく動いたデータパイプラインでも、遅延・重複・順不同・再試行の記録を処理すると誤った状態を残し得ることを示した。時間と配送順序を含めた再実行が、従来評価の盲点を明らかにする。
続きを読むInherit-MASは、マルチエージェントシステムの進化にワークフロー継承と実行継承を導入する。既存の有効な構造を保ちながら、条件が完全に一致する過去の実行結果を再利用し、不要な再計算を抑える。
続きを読むGoogleは、自動化された脆弱性報告が大幅に増え、その大半が有効ではないとして、オープンソースソフトウェア向けの脆弱性報奨金制度を一時停止した。
続きを読むドナルド・トランプ米大統領は、政府の先端AI政策を調整する「スーパーインテリジェンス・フォース」の設立を発表した。作業部会は120日以内に、AIのリスクと機会に関する報告書をまとめる見通しだ。
続きを読むオープンソースプロジェクトのStrataは、約1250億パラメータのQwen3.8-Flash-Nextを、12GB以上のVRAMを持つ個人向けPCで動かすための仕組みを提供する。公開された測定では、RTX 5070やRX 9070 XTで毎秒数十トークンの生成速度が示されている。
続きを読むMicrosoftとHugging FaceのThinkingBoxは、エージェントの発言やツール呼び出しではなく、処理後に残されたバックエンド状態と副作用を検査します。さらに各タスクを20回実行し、再現性も評価します。
続きを読むカプコンはRE: 2026で、REエンジンをAI対応へ段階的に進化させる構想を示した。現時点では、AI生成アセットよりも開発ワークフローの効率化を重視している。
続きを読む