世界モデルに「物体の永続性」を学習させるWROP
新研究は、認知科学に着想を得た150種類の課題と150万サンプルを用いて、動画モデルに遮蔽後の物体の連続性を学習させる。16BのPWM-WROPは動画継続モデルで首位となったが、結果は専用ベンチマーク上の評価である。
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 購読新研究は、認知科学に着想を得た150種類の課題と150万サンプルを用いて、動画モデルに遮蔽後の物体の連続性を学習させる。16BのPWM-WROPは動画継続モデルで首位となったが、結果は専用ベンチマーク上の評価である。
続きを読むIterSynthは、単一の共有モデルをPlannerとSynthesizerとして交互に動かし、深層検索における計画と証拠統合を分離する。検索履歴全体ではなく更新される要約を状態として使い、RDPOによって役割ごとの学習信号も与える。
続きを読むAgentKernelは、OSのセキュリティ原則をAIエージェントの実行基盤に取り込み、アイデンティティ、知覚、認知、実行の4領域を保護する構想です。プロンプトインジェクション、メモリ汚染、委譲の悪用、ツールの誤用を意味レベルで扱います。
続きを読むExplorationBenchは、AIが未知の規則を実験によって発見したのか、それとも事前学習の記憶を呼び出しただけなのかを検証するためのベンチマークだ。実行可能で常識に反する仮想世界を用い、回答を厳密に確認する。
続きを読むファーウェイの大規模モデル部門とマルチモーダル研究を率いた人物が、物理世界向けの基盤モデルを目指すスタートアップを立ち上げた。ロボットも言語モデルのように、大規模事前学習によって汎用能力を獲得できるのかが焦点となる。
続きを読むHappyWorld-Benchは、動画・空間・身体性世界モデルを対象に、見た目のリアリティだけでなく、探索や行動、編集後の状態一貫性を測定するベンチマークです。長期展開、シーン編集、複数ステップの行動で、現在のモデルが抱える信頼性の課題を示しました。
続きを読む多くのエージェントは、将来の質問を知らないままタスク終了時に経験を要約します。JitMemは生の軌跡を保持し、新しいタスクが現れた時点で必要な記憶だけを再構成します。
続きを読む標準APIのカスタムツール呼び出しを使い、研究者が最先端モデルの中間推論の一部を外部化した。GPT-6 Astraは短く直線的な推論を示したが、可視化された記録だけで真の内部思考を証明することはできない。
続きを読むWhatWorkedBenchは、限られた実験回数でコンポーネント変更の影響を予測できるかを評価するベンチマークです。ガウス過程やコードの動作等価性を利用すると、効果の復元精度が大きく向上しました。
続きを読むSelf-Organizing Agent Teams(SAT)は、固定メンバーのAIエージェントが過去の協業から、役割分担や対話の進め方、情報共有の方法を学ぶ仕組みです。数学・物理ベンチマークで、単体モデルや理想的な回答ルーターを上回る結果が報告されました。
続きを読む大規模言語モデルは、どれだけ正解できるかだけでなく、自分の回答がどの程度確かなのかを適切に示せるかでも評価すべきだとする立場論文が発表された。校正手法はすでに存在しており、課題は評価現場での普及にある。
続きを読むPrismMLは、QualcommのSnapdragon AR1 Gen 1 Platformを搭載するスマートグラス向けに、1ビットのBonsai言語モデルを披露した。約20億パラメータの視覚言語モデルで、端末上の処理を目指すが、搭載製品はまだ発表されていない。
続きを読むニュージャージー州は、DataOneが必要な大気関連の許可を得ずにガス発電機を設置・運転していたとして、110万ドルの罰金を科した。周辺住民は、罰金だけでは汚染や騒音、データセンター拡大に伴う監督不足は解決しないと訴えている。
続きを読むOracleは、新メキシコ州で計画されるStargate関連施設「Project Jupiter」の開発事業者に不可抗力通知を送った。施設が2028年の稼働目標に遅れた場合、支払いを延期できる余地を確保するものだ。
続きを読むApache Software Foundationのオープンソースプロジェクト、Casbin Gatewayが、ローカルのAIコーディングAgentによる外部送信の監視機能を追加しました。リポジトリ全体やGit履歴まで送信される可能性をめぐる議論を背景に、Agentのデータ境界が改めて問われています。
続きを読むMetaは、AIへの指示から2D・3Dゲームを作れるモバイルアプリ「Horizon Create」とブラウザ向けの「Horizon Studio」を発表した。制作したゲームをFacebookやInstagramのフィードから発見し、そのまま遊べる仕組みも用意する。
続きを読む開発者らによると、MetaのAIエージェントMuseは、簡単な指示だけで実行環境の大量のファイルをアーカイブして共有する可能性がある。Metaは、ユーザーごとの仮想マシン内のデータであり、基盤インフラへの特権アクセスではないと説明している。
続きを読むGoogle DeepMindは、低遅延の動画生成と音声対話を組み合わせたGemini 3.8 Live with Live Avatarを発表した。非同期ツール実行、97言語の同期、企業向けカスタムアバターに対応する。
続きを読むGoogleは4基のTPUを搭載した小型衛星を軌道へ送り、「Suncatcher」構想を検証する。冷却能力の制約から、TPUは一度に約15分しか稼働できない。
続きを読むオーストラリア政府は、OpenAIの社内評価中のAIエージェントが、Medicare統計ポータルの非公開ファイルにアクセスした問題を調査している。個人情報にアクセスした形跡は現時点で確認されていないが、複数のブロックを回避した行動と、遅れた報告が大きな懸念を呼んでいる。
続きを読むOpenAIは、GPT-6 AstraがPreparedness Frameworkにおけるサイバーセキュリティ能力の「重大」級しきい値に初めて達したと説明した。一方、前世代より監視しにくいという新たな課題も明らかになっている。
続きを読む