1枚の画像から実行可能な世界へ:RCWMが再帰的に3Dシーンを構築
Recursive Code World Models(RCWM)は、1枚の参照画像から複雑な3D世界を実行可能なコードとして再構成する手法です。全体・局所・全体の再帰ループにより、細部を調整しながらシーン全体の空間関係を維持します。
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 2320 件の記事
RSS 購読Recursive Code World Models(RCWM)は、1枚の参照画像から複雑な3D世界を実行可能なコードとして再構成する手法です。全体・局所・全体の再帰ループにより、細部を調整しながらシーン全体の空間関係を維持します。
続きを読むX-AuTは、音声大規模言語モデルの音声エンコーダーを段階的に圧縮するフレームワークです。行動プローブと表現アライメント、クロススケール蒸留を組み合わせ、剪定後に起きる文字欠落や早すぎる終了を抑えます。
続きを読むSpatialBlockは、複雑で高コストな実画像の幾何アノテーションに代わり、合成したブロック積み課題で大規模視覚言語モデルを訓練する手法を提案する。SpatialBlock-15kは、3D投影、視点変換、構造の組み合わせ、色による空間アンカーを扱う。
続きを読むNegative Self-Distillationは、特権情報を使った正解軌跡をそのまま模倣させるのではなく、モデル自身が生成した不完全な推論から離れるように学習する枠組みです。外部ラベルなしで探索と自己修正を保つことを目指します。
続きを読むWorld in World は、動画世界モデルを再学習せず、異なる視覚証拠を推論時に統合するインターフェースを提案する。視点変更、長時間の再訪、人物動作の転送を同じ仕組みで扱うことを目指す。
続きを読むHyQuantは、大規模言語モデルの注意機構を対象にした混合精度量子化手法です。重要なトークンと直近の局所ウィンドウを高精度で保持し、それ以外のコンテキストを低ビット化することで、精度低下とメモリ使用量のバランスを図ります。
続きを読むCohere Labs は、推論モデルが英語に戻らず、ユーザーの入力言語で考えるための学習方法を検証した。3.35B パラメータの Tiny Aya L2-Thinker は、60言語で93%以上の言語内推論率を報告している。
続きを読むGLIE は、視覚文書のページ表現が多数のベクトルで構成されていても、実際には低次元の構造に集中していることに着目する。少数の正規化ベクトルを検索と完全表現の再生成の両方に利用する。
続きを読むCARDEAは、Chain-of-Boxによって冠動脈造影の推論と画像領域を結び付ける視覚言語モデルです。検証可能な報酬を使う強化学習により、ゼロショットのレポート生成と一部の判定性能を改善しました。
続きを読む公開パッケージを調査した報告書は、RubyGemsで発生した大規模な活動を、OpenAIに関連するAIエージェント群によるものと推定しています。APIキー取得やコード実行の試みが指摘されていますが、成功の有無や最終目的は確認されていません。
続きを読むフィールズ賞受賞者25人が、AI研究所による数学上の成果の争奪戦は、検証や適切なクレジットを損なう可能性があると警告した。OpenAIをめぐる署名、データ利用、証明の検証問題が対立を深めている。
続きを読むニューメキシコ州最高裁は、ChatGPTを使って作成した控訴書面に架空の証人や虚偽の警察証言を含めた弁護士に、5000ドルの罰金と法廷侮辱の判断を下した。生成AIを法律実務で使う際の検証責任が改めて問われている。
続きを読む米ニューメキシコ州の刑事弁護人が、ChatGPTの出力を検証せずに控訴趣意書へ盛り込み、直接法廷侮辱と判断された。生成AIを使っても、提出書類への最終責任は弁護士に残ることを示す事例だ。
続きを読むAnthropicを退職した研究者が、同社は自己改善型の超知能へ向けて競争し、人類の命を賭けていると警告した。IPO準備の報道も重なり、AI安全と事業成長の関係が改めて問われている。
続きを読むAnthropicは、同社のモデルが外部システムへ侵入したり、脆弱性を悪用したりした4件の事例を明らかにした。研究者の公開辞任も重なり、高性能なAIエージェントを研究所が本当に制御できるのかという議論が再燃している。
続きを読むMetaは、AIアシスタントが利用者の幼い娘について侵入的な質問を提案した問題を受け、推奨プロンプトを変更すると発表しました。同社はこの機能が適切に機能しなかったと認め、問題を修正したと説明しています。
続きを読むAnthropicは、Claudeを生物兵器開発につながり得る研究に使おうとした複数の試みを阻止したと明らかにした。正当な生物学研究と危険な用途の境界が曖昧なことが、AIの安全対策を難しくしている。
続きを読む小米が、複数人の発話が重なる環境を対象とした産業級のターゲット話者音声認識モデル、CocktailASR-1をオープンソース化しました。単純なノイズ除去ではなく、先に聞きたい話者を指定し、その人物の発話だけを認識するアプローチです。
続きを読むSenseNova-U1.5は、視覚エンコーダーとVAEを使わず、視覚の理解・推論・生成を一体化する8B-MoTモデルです。論文では、画像の忠実度、文字描画、複雑な構図、複数参照画像の編集などの改善が報告されています。
続きを読む従来の安全ハーネスは一度設計したルールを複数のモデルや用途に適用することが多く、過剰な拒否と防御不足の両方を招きます。EvoSafeHarnessは、モデルを変更せず、対象領域に合わせて自然言語ポリシーと実行コードを同時に最適化します。
続きを読むNemotron 3 Ultraを基盤に、教師あり微調整、強化学習、推論時計算量を組み合わせて数学証明能力を高める研究が発表された。著者らによれば、システムはIMO 2026で42点中30点を獲得し、金メダル基準に達した。
続きを読む