代理工具
AIコードレビューでLinux 7.2-rc7に400件超の修正、ボトルネックは人手によるトリアージへ
Linux 7.2-rc7では、リリースサイクル終盤にもかかわらず、230人を超えるコントリビューターから400件以上の修正が取り込まれ、その一部はAIレビュー・ツールが発見した問題に起因する。AIがカーネルの保守プロセスを代替したわけではないが、Sashikoなどのエージェントによるバグ発見の速度は、人間によるトリアージと検証の能力を上回り始めている。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
最新模型
LongEarth-R1、最長30フレームの衛星画像系列を推論し、12の時空間タスクすべてで比較モデルを上回る
LongEarth-Benchは11万7,000枚のリモートセンシング画像を約12万組の長系列QAに整理し、地形の変化、異常、欠損状態をモデルに追跡させる。Qwen2.5-VL-7BをベースとするLongEarth-R1は、フレーム番号、構造化推論、時空間報酬を導入したが、データ、重み、コードはまだ公開されていない。
代理工具
AutoDesign、エージェントに自身の設計ハーネスを書き換えさせ、7構成のポスター評価が平均12.4ポイント向上
AutoDesignは、外側のエージェントが実行トレースを分析して本番システムを変更し、独立した開発セットによって更新を採用するかどうかを決定する。オープンソースのDesignHarnessは、著者らのPosterBenchで複数の商用システムを上回ったが、自動スコアと人間の選好との相関係数はわずか0.34だった。
最新模型
V-RAE、動画のlatentに凍結済み視覚表現を採用、K600の生成学習で最大6倍速く収束
V-RAEは、動画VAEをピクセル再構成だけを目的に学習するのではなく、DINOv3、SigLIP2、V-JEPA 2.1などの意味特徴に時間圧縮とデコーダーを追加する。著者らの実験では、この新しいlatentによって生成と未来フレーム予測の両方が改善したが、現時点での検証は低解像度、短いクリップ、クラス条件付き生成に限られている。
最新模型
Mimir 1B、深い層の積み重ねを階層型リカレント構造に置き換え、デンマーク語ベンチマーク平均で評価対象の9Bモデルを上回る
デンマークのFoundation Modelsチームは、HRMの高レベル・低レベルのリカレント処理を活用したMimir v1をゼロから学習し、開発者が評価した20種のベンチマークで一部の4Bモデルに迫る性能を達成した。重みは公開されているが、「利用可能なデータ」は完全なオープンデータを意味せず、一部のコーパスは契約またはEUの研究例外規定に基づいてのみ使用されている。
最新模型
同一モデル群の「テスト認識」はプロンプト次第で正の相関から負の相関へ反転、モデル自体が説明する分散はわずか0.8%
追試により、プローブの文脈上のラッパーを書き換えるだけで、モデル規模との相関係数が+0.94から−0.82へ変化することが判明した。研究チームは、少なくとも9〜10種類のプロンプトにまたがって測定しなければ、単一のactivation directionではモデル間を比較できないと提言している。
代理工具
ReFind、意味記憶インデックスを構築せず、未加工のチャット履歴検索でHippoRAG 2を平均5ポイント上回る
ReFindは書き換えていない会話履歴を保持し、エージェントがキーワード、時間、sessionフィルターを繰り返し使って証拠を収集できるようにする。約2,800問のテストでは平均正解率58.2%を達成し、最強の構造化記憶ベースラインの53.2%を上回った。ただし、比較においてすべてのコントローラーとツール予算が統一されていたわけではない。
推論系統
DARTree、先にツリーをバッチ構築してから枝刈り、Qwen3-4Bのデコード速度はローカルARの最大9.73倍
DARTreeは、拡散ドラフトモデルの因果補正を単一パスから複数分岐へ拡張し、ノード単位のheap探索を深さごとのバッチ展開に置き換える。単一のRTX 6000 Adaを用いたテストでは、7タスクすべてで平均高速化率がDFlash、DDTree、Dominoを上回ったが、コードはまだ公開されていない。
最新模型
Intern-S2-Preview-397B、数値予測ブランチを追加。4Bメモリモジュールで生物学タスクの平均スコアが3.40ポイント向上
新たな技術報告では、科学PDF、時系列、ツール操作、長期エージェントタスクを単一の訓練パイプラインに統合し、Apache 2.0ライセンスの重みを公開した。独立したMemory Decoderにより、397Bのバックボーンを凍結したままドメイン能力を追加できるが、現時点では生物学モジュールでのみ実証されている。
代理工具
Vero、コーディングエージェントをLean 4リポジトリ全体へ拡張—最強構成でも完全解決は27/43問
Veroは、エージェントに複数モジュールからなるコードを実装し、単体テストに合格するだけでなく、機械的に検証可能な正当性証明を提出するよう求める。4つの最先端エージェント構成のうち、最良の構成でも16リポジトリを完全には解決できず、うち10件はすべての構成が失敗した。
代理工具
OmniScientist、マルチモーダルな証拠を研究プロセス全体で活用――直接知覚版がペア比較評価の85%で勝利
OmniScientistは、エージェントが画像、信号、映像、3D構造、軌跡を直接調べたうえで、着想、実験、論文執筆までを行えるようにする。36件のケースすべてで完全な原稿を生成したが、ケース数の不一致、コードの公開状況、自動評価の設計にはなお確認すべき点が残る。
代理工具
StateBridge、閉形式アライメントでエージェント間の隠れ状態を伝送――26組のテスト中22組で単独または同率首位
StateBridgeは直交Procrustes変換を用いて、送信エージェントの最終層の隠れ状態を受信エージェントの入力埋め込み空間へマッピングし、プロジェクターの学習を不要にする。4モデルの平均スコアは最強のベースラインを2.4～2.9ポイント上回ったが、現時点では同一のモデル重みを使用するエージェントのみをサポートする。