SolarWM、長期動画ワールドモデルのためのオープンな学習基盤を提案
SolarWMは、異なる動画データ、生成バックボーン、長時間推論を分断してきた課題に取り組む。統一データ契約と3段階の学習レシピにより、5秒の学習クリップから分単位、さらには時間単位の対話的ロールアウトを目指す。
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SolarWMは、異なる動画データ、生成バックボーン、長時間推論を分断してきた課題に取り組む。統一データ契約と3段階の学習レシピにより、5秒の学習クリップから分単位、さらには時間単位の対話的ロールアウトを目指す。
続きを読むPaperCompiler は、論文から生成したコードで起こりやすいアルゴリズムの簡略化やファイル間の不整合に取り組む。実装に関係する証拠を出典付きのリポジトリ全体の仕様へ変換してから、コード生成を進める点が特徴だ。
続きを読むCRISPは、入力に応じて変化する疎な注意機構のために、注意マップを直接読む構造指標と、sinkを考慮した閾値を提案します。動的ルーティングの計算負荷と、長い文脈で増える背景ノイズの双方を抑えることが狙いです。
続きを読むEarlyEvalは、LLMエージェントの実行途中に現れる行動やテキストの特徴から、タスクの成功・失敗を早期に予測する。3つのベンチマークで、評価結果への影響を抑えながら実行ステップとトークン使用量を削減した。
続きを読むAgentJudgeBenchは、自由形式の文章評価ではなく、依存関係を持つツール呼び出しワークフローでLLM評価者を検証する。結果は、評価の限界がモデル規模よりもタスク難度に強く左右されることを示した。
続きを読むE-Commerce Benchは、LLMエージェントに365日間、仕入れ交渉から販売、返品、資金管理までを担わせる評価基盤です。最終資産を増やす能力と、リスクを避ける能力は一致しないことが示されました。
続きを読む長期間動作するLLMエージェントでは、永続メモリの誤りによって存在しない権限が存在するかのように扱われる可能性があります。研究チームはこの問題を「内生的な認可ロンダリング」と呼び、EAL-Benchで評価しました。
続きを読む200以上の社内アプリケーションのトラフィックを、1つの自社運用モデルに集約するポストトレーニング手法が報告された。指示追従、関数呼び出し、社内タスク分布ごとにGRPO専門家を学習し、2段階SLERPで統合する。
続きを読むSWE-benchの課題は形式的で情報量が多い一方、実際のユーザー依頼は短く、くだけていて、文脈も不足しがちです。RealSWEは、現実的な入力にすると平均解決率が下がり、モデル順位まで変わり得ることを示しました。
続きを読む理論研究が、AIが次世代AIの研究開発に参加する際、改善が開発サイクルをまたいで増幅するか減衰するかを測る「AI再帰的繁殖数」R_AIを提案した。自己増幅への移行は、特定の能力水準ではなく、研究フィードバックの構造によって決まる。
続きを読むZimaBlueは、人間とロボットの一人称動画をロボット制御へつなげる3段階の学習フレームワークを提案する。高容量の世界モデルと高速な行動予測を分離するSlow-Fast構成により、汎化性能とリアルタイム性の両立も目指す。
続きを読むOpenAIの新モデルAstraは、同じ問いをループ内で繰り返し処理する「recurrent depth」を採用すると報じられている。安全研究者は、従来の思考連鎖が読み取りにくくなる可能性を懸念している。
続きを読むGoogleがGemini 3.8 Flashを発表した。複雑な課題で推論回数を増やし、ツールを反復的に呼び出す一方、トークン消費の増加で実質的な利用料が上がる可能性がある。
続きを読むPyTorch 2.14は、NVGEMM、nccl2、第一級のフォールトトレランス、宣言的な動的形状、Apple Silicon向け線形代数を追加し、実運用向け基盤を広げた。
続きを読む非営利団体Protect Democracyが、トランプ政権による先端AIモデルの公開前審査について、米国の4連邦機関を提訴した。参加企業、評価基準、法的根拠、モデルへのアクセスを決める手続きの開示を求めている。
続きを読むAmazonはAlexa for Shoppingに、メールやSMS、電話が本当に同社から送られたものかを確認する機能を追加した。AIはメッセージの内容や形式をAmazonの送信記録と照合し、完全に確信できる場合だけ本物だと判定する。
続きを読むGoogle DeepMindは、政府機関や企業、信頼できるセキュリティパートナーを対象とする限定アクセス型プログラム「Fairwind」を発表しました。Gemini 3.8 Flash CyberとCodeMenderを組み合わせ、脆弱性の発見から検証、修正までを支援します。
続きを読むGoogle DeepMindがGemini 3.8 FlashとGemini 3.8 Flash Cyberを発表しました。長期的なソフトウェア開発、複雑な推論、脆弱性の発見と自動修正が主な強化点です。
続きを読むMicrosoft Researchは、少量の学習データから個別化された学生シミュレーターを訓練するStudentSimを発表しました。チェス、第二言語としての英語作文、数学の3領域で、GPT-5.4を上回る結果を示しています。
続きを読むHarness-of-Harness(HoH)は、新しいコード生成モデルではなく、既存のコーディングエージェント用ハーネスを長期開発向けに組み替えるフレームワークです。計画、実装、テスト、独立評価を繰り返し、ソフトウェアを段階的に改善します。
続きを読むH3-World は、33B の MiniMax-H3 動画生成モデルに、自然言語によるキャラクターとカメラの時間的に正確な制御を加える。専用のアクションモジュールを新設せず、既存の意味表現を軽量な LoRA 適応で活用する。
続きを読む