StateM、実行基盤の強化だけでエージェント精度95.3%を達成
StateMはモデルの重みを変更せず、状態管理や手順の検証を行うランタイムによって長期タスクの信頼性を高める。Terminal-Bench 2.1ではGPT-5.6 Sol xhighで95.3%の生精度を報告した。
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StateMはモデルの重みを変更せず、状態管理や手順の検証を行うランタイムによって長期タスクの信頼性を高める。Terminal-Bench 2.1ではGPT-5.6 Sol xhighで95.3%の生精度を報告した。
続きを読むUI-Mateは、環境に根差した学習基盤と、コンテキスト内の操作デモから学ぶ仕組みを組み合わせたGUIエージェントです。UI-Mate-27BはOSWorld-Verifiedで77.0%を記録したと、提供された論文概要で報告されています。
続きを読むLarge Discovery Modelは生成モデルとベイズ非パラメトリック報酬サロゲートを組み合わせ、候補生成だけでなく、不確実性を踏まえた次の探索方向の決定まで支援する。
続きを読むDeepMindを含む研究チームは、組合せ損失解析の中心となる最適化問題を再定式化し、機械学習由来の最適化手法とAlphaEvolveで探索を改良しました。行列乗算指数の既知の上界は2.371339から2.371177へ更新されました。
続きを読むRAGへの汚染攻撃は、モデルを不確かな状態にするのではなく、誤った情報に対して過剰な確信を持たせることがある。新たな研究は、生成中の文書レベルの注意エントロピーを追跡するD-SCANを提案した。
続きを読むSPARGen は、空間理解に関わる複数のタスクを、指示条件付きの生成問題として統一する枠組みだ。個別モジュールではなく、同一のネイティブなマルチモーダル生成モデルで空間表現を学習する点に特徴がある。
続きを読むOpenAIはmacOS版ChatGPTデスクトップアプリに、クリックや入力などの操作履歴をAIが参照できるComputer Historyを追加する。スクリーンショットは保存しないとされるが、個人の作業履歴をAIに渡すことへの慎重な検討は欠かせない。
続きを読むセキュリティ研究記事は、スタートアップが使い切れない AI API クレジットを買い取り、割引価格で再販売する「token broker」の存在を追跡している。推論リソースが疑似通貨のように流通し始め、コスト削減の裏で安全性とコンプライアンスの課題が浮上している。
続きを読むLiveAnimate は、姿勢駆動の人物アニメーションにおける「高品質だが遅い」という課題に正面から取り組む研究です。14B パラメータの動画 DiT を、長時間でも安定して動くストリーミング推論システムへと再設計しています。
続きを読むUniSwap は、話者動画における外見と声質の同時置き換えを目指す音声・映像統合フレームワークです。別々のモデルを後段でつなぐのではなく、単一の音声映像拡散 Transformer 内で両方を扱います。
続きを読むStateFlow は、映画、ゲーム、建築、都市設計向けの生成型プリビジュアライゼーションを、永続的な3D世界状態として扱う枠組みです。動画を一度に生成するのではなく、構築・進化・アクセス可能な編集用ワールドを中心に据えます。
続きを読む新しい研究は、「長い対話でも矛盾しないこと」を自動評価できる形にしました。NCP-Benchでは、強力なモデルでも長期の物語整合性を維持するのが難しいことが示されています。
続きを読むVibeLifeBench は、短い指示ではなく、数週間続く生活タスクと静かに変化する環境を使って AI エージェントを評価する新しいベンチマークです。
続きを読むUniMoMo は、学習済みの推薦向け MoE モデルを、より少ない専門家数の標準 MoE へ変換する後処理圧縮フレームワークです。重みの近さではなく、校正データ上での振る舞いとルーティング量を見て専門家を統合します。
続きを読むEx-Omni-2Dは、会話はできても“姿がない”という現状の多モーダル対話モデルの弱点に挑みます。テキスト、個別化音声、参照条件付き動画を一体で生成する設計です。
続きを読む画像生成チャットにおける次の編集提案は、会話テキストだけでなく現在の画像に基づく必要がある。論文は、実利用データ、クリックフィードバック、視覚検証器を組み合わせた三段階フレームワークを提案している。
続きを読むOuroboros は、ツール、プロンプト、コンテキスト構築、コア実装までを改善対象にする自己発展型のエージェント基盤だ。論文は複数のベンチマークで高い結果を報告しつつ、自己改変システムにおける安全設計の重要性を強調している。
続きを読む本論文は、モデル自身の複数生成結果から擬似解を作り、それとの不一致を学習信号にする U-OPSD を提案する。真値ラベルや強い教師モデルを使わずに、数学推論ベンチマークで基盤モデルを安定して上回った点が特徴だ。
続きを読むSPOT は、On-Policy Distillation において、どの位置を詳しく調べ、どの候補を学習目標にすべきかを同時に扱う手法です。教師モデルの局所確率だけでなく、検証器が評価した後続結果を使って蒸留ターゲットを調整します。
続きを読むこの技術レポートは、言語モデルの解釈可能性を学習後に付け足すのではなく、学習プロセスそのものに組み込むべきだと主張している。Steerling-8B は生成結果を入力、概念、学習データへ結び付ける試みとして紹介されている。
続きを読むAMD は、強い教師エージェントの成功軌跡を階層的な記憶として整理し、小型LLMに渡すことで道具利用タスクを改善する発想だ。再学習ではなく、再利用しやすい経験の圧縮に焦点を当てている。
続きを読む