FabriMAE 以視覺注意力熵判斷機器人動作可靠度，十分支選擇令成功率升至 86.8%
FabriMAE 從 VLA 模型內部的視覺注意力熵產生可靠度分數，不需另訓練驗證器或重複執行機器人軌跡。PI0.5 在 LIBERO-Plus 的成功率增加 1.1 個百分點，但目前證據仍限於模擬環境，論文連結的程式庫亦尚未公開存取。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
PDDLCoder、エージェントによるPDDLの反復修正で、未見のプランニング問題106問における実行可能成功率89.6％を達成
PDDLCoderは、言語モデルに長期的な行動系列を直接生成させるのではなく、シンボリックプランナーで検証可能なPDDL世界モデルをまず構築する。DeepSeek V4 Flashは、完全に保留された4ドメインで106問中95問を解いた一方、基盤モデルによって結果は89.6％から0％まで低下しており、このフレームワークの性能が、モデルのフォーマット遵守能力とツールからのフィードバックを活用する能力に大きく依存することを示している。
推論系統
FluxBin、二値基底と LUT CUDA kernel により、単一 A100 で最大 5.92 倍の推論高速化を報告
FluxBin は超低ビット重みを FP16 に再展開せず、二値パターンを使って事前計算済みの部分和を直接参照する。論文では単一 A100 で最大 5.92 倍の高速化と 10.19 倍のエネルギー効率改善を報告しているが、現時点では公開コードへのリンクにアクセスできない。
代理工具
Kozuchi、同一27Bコード修復エージェントをJavaへ展開、Multi-SWE-benchで128問中41問を解決
富士通は、ファインチューニング不要のQwen3.5-27B、8段階の修復フロー、エージェント横断型のテスト選択器をそのままJavaへ移植した。PythonのSWE-bench Verifiedでは500問中374問を解決した一方、Javaでの成功率は32.03%にとどまり、エージェントフレームワークの移植性が言語能力の同等性を意味しないことを示した。
最新模型
PertMind、細胞摂動のエンドポイントで4Bモデルを訓練し、1億件の単一細胞データを強化学習の報酬に変換
PertMindはQwen3-4Bをベースに、遺伝子応答、パスウェイの方向性、出力形式から計算可能な報酬を構成し、人手で大量の生物学的推論軌跡を作成する必要をなくした。モデルは摂動の逆推定や二重摂動タスクにもゼロショットで転移できるが、自然言語によるメカニズムの説明を因果関係の証明とみなすことはできない。
推論系統
R³-Bench、6問で推論予算を共有すると71／72のテスト条件でモデル性能が自身のオフライン上限を下回る
新しい評価では、各問題に個別の割り当てを与えず、6問の間でtokenやツール操作を配分するようモデルに求める。6つのモデルは個々の問題を解ける場合でも、共有予算下では計算資源を最も効果の高い問題へ適切に振り向けられない傾向を示した。
代理工具
RelArena-α、21件のリレーショナルデータタスクを統一条件で再実行。標準チューニングモデルではTabPFN-Relが首位
Prior Labsは、データ分割、ハイパーパラメーターチューニング、評価を統一するオープンソースのパイプラインを公開し、グラフモデル、リレーショナルTransformer、表形式データ手法を改めて比較した。TabPFN-Relの結果は、リレーショナルデータを先に集約してから表形式データ向け基盤モデルに渡す手法が依然として競争力を持つことを示す。ただし、CPUによる特徴量合成のコストは、ランキングの実行時間に完全には算入されていない。
推論系統
FreeToken、MoEキャッシュミスを動的に分割し、8GBのRTX 4060で35Bモデルを39.3 token/sで実行
FreeTokenは、ホストメモリとPCIe帯域幅に基づき、キャッシュミスしたエキスパートをGPUへ転送するか、CPUで直接計算するかを動的に決定する。論文では、5種類のコンシューマー向けシステムにおいて、最も強力なベースラインの1.3～2.1倍のデコードスループットを報告しているが、リンク先のコードリポジトリは現時点で公開アクセスできない。
代理工具
エージェントのコンテキスト圧縮後も成功率は変わらず、GPT-5.5の状態再取得回数はなお約3倍に
新たな評価ではツール呼び出しを状態取得とタスク実行に分け、コンテキスト圧縮が成功率を低下させる前に、エージェントの再取得コストを大幅に増やし得ることが判明した。GPT-5.5は5倍圧縮で完了率が80%から85%になった一方、平均retrieval呼び出し回数は21.0回から63.9回に増加した。
推論系統
DriveCache、予定車両軌跡に基づきノイズ除去キャッシュを配分し、Wan2.2 A14Bで高い忠実度を維持しながら1.97倍に高速化
DriveCacheは、生成前に既知の車両の並進と回転を利用し、さまざまな運転シーンに応じて拡散モデルの特徴量再利用をスケジューリングする。Wan2.2 A14Bでは、SeaCacheとほぼ同等の高速化を達成しつつ、PSNRが1.276 dB高かったが、コードはまだ公開されていない。
代理工具
マルチエージェントチーム、個別メッセージを共有ファイルに置き換え、8エージェント構成で出力tokenを約42％削減
UCLの研究チームは、エージェント、ファイル、メッセージ、読み書きイベントを時間ネットワークとしてモデル化し、1,902件の統制されたプログラミングタスクを分析した。その結果、協調トポロジーは主にタスク構造によって決まり、プロンプト内でコーディネーターを指定するだけでは、実際のハブは形成されないことが示された。
代理工具
エージェントが事前に監査と修復を完了すると、次回検証時の偽陽性率が最大11.5ポイント低下
新たな研究によると、検証対象の内容がまったく同一でも、過去の監査・修復経験がコンテキストに残っていると、複数のオープンモデルで誤検出が減少する。信号検出分析では弁別力の同時向上は確認されず、エージェント・パイプラインがモデルの判断精度を高めるだけでなく、検証の判定閾値を変化させていることが示唆された。