AI for Science
ARCHEは計算結果に基づき化学エージェントに機構仮説を反復的に淘汰させるが、公開版では論文を完全には再現できない
ARCHEは文献検索、競合仮説、電子構造計算、内省的レビューを再開可能な閉ループに統合し、65種類のアクションと3件のケースデータを公開した。ただし、保存データと論文中の数値にはすでに相違があり、専用モデルの重み、訓練データ、一部の化学的証拠もコードとともには公開されていない。
Archive
GitHub Repo
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
AI for Science
AI 安全
LiteLLMの実測で公開ゲートウェイの9.6%がデフォルトキーを受け入れ、MCPの脆弱性により任意のtokenが有効なセッションに
Wizが公開されている3,074件のLiteLLMインスタンスをスキャンしたところ、294件が`sk-1234`を受け入れるか、認証をまったく要求しておらず、そのうち191件は認証自体が設定されていなかった。新たに公開された実環境での測定結果は、旧バージョンのMCP認証バイパス、Pythonを実行可能なguardrail、クラウドメタデータへのアクセスを連鎖させ、レイヤーをまたぐ攻撃経路を構築できることを示している。
最新模型
Nemotron、3モデルによる生成・検証・修正プロセスでIMO金メダルを獲得、ただし競技全体で23.1億tokenを消費
NVIDIAは、2つのNemotron 3 Ultra数学特化モデルのweight、学習データ、中断後に再開可能な自然言語証明pipelineを公開した。公式スコアは42点満点中30点だった。一方、この結果はモデル検証器に共通する盲点も浮き彫りにした。内部評価では2問を過大評価しており、高いprecisionは大量のfalse rejectionと計算コストとの引き換えで達成されていた。
GitHub Repo
Edge0、MoEエキスパートをSSDからストリーミング――35Bモデルの短いコンテキストで必要なアクティブメモリはわずか2.9 GiB
新しいオープンソースフレームワークは、予測ルーティングによって次のステップで使うエキスパートを先読みし、Recover-LoRAでint4量子化による損失を補償する。これにより、23GBのcheckpoint全体をメモリに常駐させる必要がない。公式測定ではM4 Pro上で毎秒14.9～17.7 tokenを記録したが、現時点ではApple Siliconのみをサポートし、メモリ使用量と品質に関するデータも独立した追試で再現されていない。
推論系統
NVIDIA Dynamo、マルチモーダル推論を3段階に分離し、混合トラフィックの初回トークン遅延を最大42.2%短縮
Dynamoでは、視覚エンコード、LLMのprefill、decodeを独立したworkerや異なるグレードのGPUに割り当てられるようになり、画像リクエストがテキストのみのトラフィックをブロックするのを防げる。公式テストでは初回トークン遅延とエンドツーエンド遅延がそれぞれ最大5倍、7倍改善した一方、出力が長い場合や大規模なdense modelでは、分離による利点が相殺される可能性がある。
推論系統
エージェントワークフローで準備済みターンの投入を遅延、混雑時のP95完了時間を最大71.4%短縮
新たな研究は「ターンの準備完了」と「推論エンジンへの投入」を分離し、CVaRによるテールリスクと動的ワークロード予算に基づいて投入順序を決定する。SWE-benchの軌跡リプレイではP95を最大3.5倍高速化したが、結果は固定されたエージェント軌跡、単一の到着乱数シード、A100／vLLM環境に限られる。
AI 安全
RAG-Safety-Bench、検索品質の変動要因を切り分け、安全微調整が回答を含む文書に耐えられるとは限らないことを示す
新たなベンチマークは検索内容を固定し、4つの条件でRAGが5つのオープンモデルによる有害な質問への応答行動をどう変えるかを測定した。回答を含む文書は、すべてのモデルで正確だが危険な内容を生成しやすくし、安全性判定器間の一致度も中程度にとどまった。
具身 AI 與機器人
Show-Harness、離散的な意味行動で異なるロボットを制御、10タスクで成功率89％を達成
Show-Harnessは、汎用VLMに方向移動、把持、解放などのシンボルを出力させ、各ロボットのインタープリターがそれを制約付きの運動に変換する。10種類の実機タスクにおいて、Geminiのゼロショットとファインチューニング後のQwen 2Bは、それぞれ89％と86％を達成したが、評価は依然として卓上でのピック＆プレースが中心だ。
推論系統
PELM、DVFSと投機的デコーディングを協調制御し、エッジLLMの消費電力を最大52.4%削減
PELMはプロセッサの周波数を調整するだけでなく、投機的デコーディングの設定と検証深度も動的に選択し、熱制約下でハードウェアとモデルの処理量を協調制御する。論文では最大23.1%の高速化と52.4%の省エネルギーを報告しているが、ピーク値をスマートフォンや他のモデルへそのまま外挿することはできない。
地球觀測與應用研究
MAPL-EMIT、360万件の模擬プルームで衛星メタン検出を訓練——モデルと全球データも同時公開
GoogleとNASA JPLは、Vision TransformerにEMITのスペクトル情報と空間的文脈を直接組み合わせ、濃度、プルーム境界、排出源位置を同時に推定できるようにした。公開モデルは専門家がアノテーションした事例の約8割を再検出したが、感度の向上には地表との混同や偽陽性のリスクも伴う。
生成式音訊
YuE2-3B、編集可能な楽譜で楽曲全体を設計――8候補からのベスト選択でようやくSuno v5を上回る
YuE2は、メロディーとコードの記号的プランニング、セマンティックトークン、flow matchingによる音声合成を単一の生成パイプラインに統合した。重みは24GB GPUで実行できるが、非商用ライセンスであることや、8候補から最良の結果を選ぶ評価方式を採用しているため、商用システムとの比較は慎重に解釈する必要がある。
代理工具
AWSがPizza Botをオープンソース化、長時間実行されるエージェント作業を再開可能な非同期インボックスに
Pizza Botはエージェントの状態、承認要求、スケジュール実行の結果をサーバーに保存し、ユーザーが会話を離れた後も作業を継続する。複数のモデル、MCP、Agent Skillsをサポートするが、ローカルファーストだからといってツールの安全性が保証されるわけではなく、リモート展開やプラグインには独自の信頼境界を設ける必要がある。