記事とガイド

CANOPYは、検索されたテキストや表、動画などを階層構造として表現し、質問に対する関連度に応じて保持する範囲を調整する。証拠が足りない場合は、追加のターゲット検索も実行する。

新たな研究は、モデルの回答冒頭に現れるトークンが、その後の推論行動を方向づけることを示した。特定の冒頭を固定するだけで、基盤モデルの数学・コーディング性能が強化学習モデルに近づく場合がある。

HLA-WMは、カメラ幾何に基づく履歴検索と再帰的線形注意を組み合わせ、追加学習なしで長時間動画のシーン再訪整合性とカメラ制御を改善する。

Periscopeは、学習やモデル改修を必要とせず、局所的な探査と文書全体を横断する探査を組み合わせる推論手法です。長文から答えと根拠を絞り込み、KVキャッシュの負担を抑えます。

Kandinsky 6.0 Videoは、テキストまたは画像から、44 kHz音声とリップシンクを備えた約5秒の動画を生成するモデル群です。動画ストリームと音声ストリームを双方向に接続するCrossDiTにより、映像と音の時間的・意味的な整合を狙います。

OSWorld-Pro は、最終状態だけでなく、連続するサブゴールごとにコンピュータ操作エージェントを評価する。クリックミスやキーボード入力の誤り、目的と無関係な操作を可視化できる。

新しい生成モデルや敵対的摂動によって、従来のディープフェイク検出器の信頼性は大きく低下します。研究チームは、既知の生成器が画像を忠実に再構成できるかを調べ、誤認証のリスクを校正する方法を提案しました。

OmniConfessは再学習を必要とせず、テキスト・画像・音声・動画の各証拠チャネルが回答のどのトークンを支えているかを調べ、信頼性の低い主張を修正する推論時手法です。

RealtimeWAMは、世界行動モデルにおける多段階の行動デノイズと、動画エキスパートと行動エキスパート間の待ち時間を同時に削減する。論文では、H100上で最大25倍のエンドツーエンド高速化と、1％未満の精度低下が報告されている。

RealCompanionは、過去の発言を検索できるかだけでなく、いつ記憶が必要なのかを判断し、会話に適切に生かせるかを測る長期対話ベンチマークだ。研究結果は、記憶の必要性が従来の評価から想像するより低く、その判定自体が難しいことを示した。

VeriHarnessは、テスト時に正解例や採点基準がなくても、長期タスクを処理するエージェントの成果物を検証・改善するためのフレームワークです。複数ロールアウトの不一致と一致を調べ、環境内の証拠を使って最終成果物を修正します。

SciUtopiaは、研究テーマの選択から共同研究、投稿、査読、再投稿、助成、研究者の離脱までを一つの閉ループで再現するLLMエージェント基盤です。投稿機会の拡大は成果を増やす一方、査読負担や研究者の継続性にも影響し得ることが示されました。

Queenは、強いが説明をしないチェス専門エンコーダーと、自然言語を生成する指示チューニング済みモデルを組み合わせる。論文では、7回の反復蒸留によって棋力が1782から2697 Eloまで向上したと報告されている。

WEFTは、汎用エージェントのツール利用学習において、実行環境だけでなくタスク、エージェント用ハーネス、評価器を一体として拡張する手法です。実行結果に基づく自己進化と、長いワークフローを安定させる学習機構を組み合わせています。

長文の医療回答を対象にした研究は、検索してから検証するシステムがクローズドなベンチマークでは高い性能を示しても、臨床的なオープンエンド回答では大きく崩れることを示した。失敗の原因は、検索された証拠の質と検証モデルの推論過程に分けて分析できる。

CacheBackは、受信エージェントの情報要求に合わせて送信側のKVキャッシュを選別する、受信側条件付きの潜在通信手法です。FanOutQAでは、転送状態を削減しながら精度と処理遅延の改善が報告されています。

JEPA-TTTは、学習時と異なる環境ダイナミクスに直面した際、事前学習済みJEPA世界モデルを運用中に適応させる手法です。視覚表現と報酬ヘッドを固定し、潜在ダイナミクス予測器だけを自己教師ありで更新します。

長時間の動画生成では、過去を大量に保存するだけでなく、将来必要になる情報を選び出すことが重要です。FrameMorrowは未来の情報需要を予測し、その結果を使って履歴フレームを選択します。

ProWAMは、世界行動モデルに順序付きの疎な視覚サブゴールを導入し、未来の動画全体を生成せずにロボットへ中間目標を与える。複数のシミュレーション評価で、分布外環境に対する頑健性の向上が報告された。

SimuVerityは、生成されたSimulinkモデルが単にコンパイルできるだけでなく、工学的な要求を満たしているかを評価するベンチマークです。101のタスクを用いた実験では、最も高いシステムの総合スコアも42.86にとどまりました。

動画世界モデルでは、長期的な時間的一貫性を保つためKVキャッシュが増え続けます。QuantWMは数値誤差だけでなく、量子化後の注意の動きを維持することでちらつきを抑えます。