Archive
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
最新模型
Google DeepMindは、WeatherNext 2のJAX実装、事前学習済み重み、Colabで実行できる軽量版を公開した。最長15日先までの全球天気予報と熱帯低気圧予測に対応する。研究者は自己回帰型の予報フローを再構築できるようになったが、完全版モデルは依然としてECMWFの初期データとハイエンドアクセラレータを必要とし、その出力も公式の警報に代わるものではない。
推論系統
新たな研究は、型付き誤差契約によってKV cache、latent cache、スパースセレクター、再帰状態の監視を統一し、形式化可能な合成規則をLeanで検証した。公開リポジトリでは論文の数値と67件の定理を再現できるが、アーキテクチャ固有のプローブと完全なサービス基盤は含まれていない。
代理工具
CodeGrepは、並列grep、glob、ファイル読み取りによって変更対象を絞り込んだ後、候補ファイルを凍結されたOpenHandsコーディングエージェントに渡す。SWE-bench Verifiedで約27%の修正率を維持しながら推論コストを削減したが、モデルと学習パイプラインはまだ公開されていない。
最新模型
RRCは、選好tokenの確率をそのまま報酬として用いるのではなく、候補回答の相対ランキングからスコアを構築する。8B報酬モデルで8回の投票を行った場合、ArenaHardV2も8.0%から11.2%に向上したが、追加の報酬モデル推論が必要になる。
電腦視覺與具身 AI
HOPEは、触覚グローブ、平面センサー、接触のみのアノテーションをMANOの手メッシュへ統一的にマッピングする。一般的なRGB動画から頂点単位の圧力と接触を出力できるが、公開ページでは現在もコードとモデルが「近日公開」と表示されている。
新基準在保持目前請求、工具集合與正確動作不變的情況下，只插入已失效但看似合理的歷史紀錄。Oracle-OPD 將 Qwen3-1.7B 的平衡工具使用準確率提高至 87.0%，但驗證範圍仍限於合成的零售與航空情境。
電腦視覺
CogVisは、時系列間の画像比較とテキストによるクラス判定を分離し、複数のオープンボキャブラリクエリで同一のシーン変化特徴を再利用できるようにした。著者らは7つのベンチマークで最高性能と28.5%のスループット向上を報告しているが、モデルの重みはコードとともに公開されていない。
代理工具
AgentOPSDは、教師と学生の確率差をターンごとの信念更新として累積し、タスクの成否を真に左右した意思決定を特定する。著者らは、3種類のエージェント環境でGRPOおよび複数の自己蒸留ベースラインを上回ったと報告しているが、公開リポジトリには現時点で訓練コードが含まれていない。
代理工具
GAUGEは物理エンジンと生成世界モデルを同一の実測ベンチマークで評価し、軌跡、方程式の形式、物理パラメータの観点から誤差を個別に診断した。その結果、映像がもっともらしく、方程式の形式に適合していても、加速度、運動量伝達、振動周期が正しいとは限らないことが示された。
代理工具
MISTは、モデルが誤ったプロンプトに抵抗できるかだけでなく、正しい外部情報を引き続き取り入れられるかも検証する。関連手法のSCOPEは、Qwen3-4Bの正答から誤答への転換率を35.0%から16.3%に低減したが、現時点で訓練による検証が完了しているのは、2つの小規模なオープンモデルファミリーに限られる。
代理工具
新たな研究では、API schemaを型付きPython stubにコンパイルし、モデルが1回の推論でツール呼び出しを連結または並列実行できるようにした。この手法はBFCL v4のサブセットにおいて、大半のモデルでネイティブJSONと同等以上の性能を示した。ただし、現時点で検証されたのは引数をそのまま返す模擬ツールのみであり、実際のAPI workflowでも同様の効果が得られるとはまだ証明されていない。
最新模型
GeniWorldはまずURDFを用いて関節動作をピクセル単位で整合したロボット運動へ変換し、その後、因果DiTによって環境の応答を予測する。著者らは4つの実機タスクにおいて、全体の成功率が40.8%から69.0%へ向上したと報告しているが、コードとモデルの重みはまだ公開されていない。