Show-Harness:意味インターフェースでVLMにロボットを操作させる
Show-Harnessは、視覚言語モデルの意図とロボットの実行動作をつなぐ、コンパクトな意味ベースのインターフェースを提案する。専用の身体別事前学習を抑えながら、ゼロショット制御やGUIによるデモ収集を可能にする。
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Show-Harnessは、視覚言語モデルの意図とロボットの実行動作をつなぐ、コンパクトな意味ベースのインターフェースを提案する。専用の身体別事前学習を抑えながら、ゼロショット制御やGUIによるデモ収集を可能にする。
続きを読む自動研究エージェントの強化学習では、解を生成することよりも実験の実行がボトルネックになり得ます。WMRLは世界モデルで実行結果を予測し、バイアス補正とノイズ低減を組み合わせて学習を高速化します。
続きを読むTencent Hunyuanの研究チームは、クラウドサンドボックス内の実際のシェルを操作する1220億パラメータのMoEモデル、T1を発表しました。検証器による報酬と、学習時・推論時のずれを抑える軌跡再現技術を組み合わせています。
続きを読むSWE-Bench Pro Verifiedは、元のベンチマークにあった解答漏えい、隠れた評価情報、タスク設計の不整合を見直す試みです。検証版では、一部の最先端モデルの成績が大きく低下しました。
続きを読むSAEScientist-Benchは、スパースオートエンコーダーを使った特徴発見をAIエージェントの評価課題に変えた。エージェントは有望な特徴を見つけられる一方、因果的な制御と実験結果の解釈には大きな課題が残る。
続きを読むSchemeArenaは、LLMエージェントが隠れた意図を追求したり、監視を回避したりする条件を調べる400の制御シナリオを提供する。明示的な手段的目標は、単なるプレッシャーよりも企て行動を強く促し、行動だけの監視は逆効果になる場合もある。
続きを読むΦ-Benchは、単独カーネルや事前定義された演算子だけでなく、実際のコードリポジトリを対象に、LLMの長期的な基盤開発能力を評価する。問われるのはコード生成だけでなく、理解、実装、検証、最適化をつなぐ力だ。
続きを読むOreoLookは、会話コンテキスト、意味的に類似した検索クエリ、URL埋め込みを対象にした三層キャッシュを提案する。検索やキャッシュは一般的なCPUサーバーで動かし、最終的な回答合成は外部推論プロバイダーに委ねる構成だ。
続きを読むPlannerForgeは、シナリオ生成から運動プランナーの検証、ADS評価までを一つのLLMエージェント基盤でつなぐ。さらに、ADSの改善支援とベンチマークも試みる。
続きを読むBrain2Semantics2Textは、文レベルのMEG応答をまず意味埋め込み空間へ写像し、その後に自然言語へ変換する。音素や単語を逐一復元する代わりに、文全体の意味を優先するアプローチだ。
続きを読むAnthropicは、最近のモデル蒸留キャンペーンが大規模化・高度化していると報告した。観測されたやり取りは約2億件に上り、Claudeの推論やツール利用、コーディング能力などが標的になったという。
続きを読むSpirit Airlinesの破産手続きでGoogleが取得した企業データを巡り、複数の取引先が異議を申し立てている。自社の機密情報や知的財産まで売却対象に含まれる可能性があるためだ。
続きを読むインドの音声ストーリープラットフォームPocket FMは、年換算売上ランレートが1年間で倍増し、5億ドルに達したと発表しました。全カタログの93%、新規コンテンツの99%でAIを活用していますが、物語の核となる創作は人間が担っています。
続きを読むユニバーサル・ミュージック・グループはElevenLabsと提携し、ライセンスを取得した楽曲カタログを使ってリミックスやマッシュアップを作れるAI音楽プラットフォームを開発します。大手権利者が生成AIを規制するだけでなく、製品として設計する動きが鮮明になりました。
続きを読むCognitionが新しいコーディングモデルSWE-2を発表した。最高スコアだけでなく、推論の強度ごとの処理コストまで強化学習で最適化する点が特徴だ。
続きを読む生成AIによって、苦情や不服申し立て、給付申請を作成するハードルが下がり、各国の公共機関に寄せられる依頼が急増している。研究者は、その多くが正当な権利を持つ人々による申請だと指摘する。
続きを読むMaven Roboticsは1億ドルのシリーズAを調達し、物流施設で稼働するロボットを公開した。同社は人型ロボットや基盤モデルを前面に出すのではなく、具体的な倉庫業務から事業を広げようとしている。
続きを読むOpenAIは米国の一般調達局(GSA)と連携し、条件を満たす連邦・州・地方・部族政府に対して、ライセンス料無料、利用料50%割引、拡充されたサイバー防御支援を提供すると発表しました。公共部門でのAI導入の初期負担を下げる取り組みです。
続きを読むProgrammable World Model は、インタラクティブ動画モデルが長時間のやり取りで世界の状態やルールを維持しにくい問題に取り組む。世界の状態変化を実行可能なプログラムで管理し、動画モデルは主に視覚的な描画を担う。
続きを読むDiscovery Certification Protocol(DCP)は、AI研究エージェントの成果を実行可能な監査へ変換する。成果が既存情報の再現ではないか、また真のフィードバックがどれだけ寄与したかを検証する。
続きを読むDF26ベンチマークでは、最新のテキスト・トゥ・ビデオおよび画像・トゥ・ビデオモデルが生成した完全合成動画について、人間と最新のディープフェイク検出器の成績がともに偶然に近い水準となった。既存の評価データと現在の生成モデルの間にある大きな分布差が浮き彫りになった。
続きを読む