Archive
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
硬體
NVIDIAはNemotron 3 Ultraを「生成—テスト—リフレクション」のRTLエージェントループに統合し、CVDPの9種類のエージェントタスクで平均合格率97.1％を達成した。この結果は、実行可能な検証がチップ設計モデルを大幅に強化できることを示す一方、データの関連性、ツール設定、ベンダーによる自己評価が依然として結果の一般化を制約している。
推論系統
研究チームは、エージェントが推論中に自身の次のツール呼び出しを予測して先行実行する仕組みを開発し、外部ドラフトモデルを共有重みとKV cacheで置き換えた。共同強化学習により、2種類のQwen 4Bモデルの平均Hit@1はそれぞれ61.2と66.3に向上したが、論文では実際の並列デプロイにおけるエンドツーエンドの高速化はまだ定量化されていない。
AI 安全
オープンソースのSkillGateは、エージェントがスキルを読み込む前に530個のルールで疑わしい箇所を特定し、LLMによる判定と隔離に引き渡す。公式ベンチマークでは誤検知率1.13%、再現率76.9%を記録し、低コストなゲートウェイの実現可能性を示したが、サンドボックスや最小権限の代替にはまだならない。
代理工具
Surge AIは、メール、チャット、カレンダー、企業向けツールを横断し、20～124ページに及ぶ可変ポリシーへの準拠をモデルに求める、65件の長期ワークフロー型エージェントタスクを公開した。すべてのルールを同時に満たす必要がある厳格評価では、最良の構成でも合格率は36.2％にとどまり、長いコンテキスト容量が継続的なコンプライアンスを意味するわけではないことが示された。
代理工具
Amazon ScienceがPatientAgentBenchを公開した。医療エージェントに、合成診療記録と状態を持つツールを使って複数ターンのプライマリケア業務を遂行させる。10モデル間で最大の差が生じたのはトリアージ判断であり、医学問題に正解できるだけでは、エージェントがワークフローを安全に実行できる証明にはならないことが示された。
最新模型
新たな研究では、LoRA を Transformer の前半・中盤・後半の各層に限定し、学習目標ごとに再現可能な「適応ジオメトリ」が現れることを確認した。この結果により、adapter の配置位置は単なる実装上の詳細ではなく、知識の転移と副作用を制御する設計変数として位置づけられる。
開發者平台
GitHub Modelsは7月30日をもって全サービスを終了し、既存顧客向けのモデルカタログ、Playground、推論API、BYOKエンドポイントはすべて利用できなくなる。Microsoft Foundryへの移行は単なるURL変更ではなく、チームは認証、モデルバージョン、課金、出力互換性を改めて検証する必要がある。
推論系統
オープンソースのNInferは、カスタム量子化、重みレイアウト、融合カーネル、MTPドラフトパスにより、Qwen3.6-35B-A3Bの長文デコードをRTX 5090単体で約543 token/秒に維持する。この速度はモデルとGPUに対する高度な特化によるもので、現時点では2つのcheckpointのみをサポートし、continuous batchingを備えておらず、同一条件での独立評価もまだない。
AI 基礎設施
MLCommonsは、マネージド推論サービス向けのEndpoints 0.7を発表した。半年ごとの静的な比較を、自動投稿、継続的なレビュー、インタラクティブなチャートに置き換える。初版は5社と3つのベンチマークを対象とするが、コスト正規化、エージェント型ワークロード、幅広い結果投稿への対応は1.0まで待つ必要がある。
硬體
CoTinyVLAは、35B教師モデルの階層的推論を0.9Bの視覚・言語・行動モデルへ蒸留し、LIBERO-Plusの4つのテストスイートすべてで最強の7Bベースラインを上回った。コード、訓練パイプライン、重みは公開済みだが、実機ロボット、異なるハードウェア、外部チームによる再現結果はまだない。
代理工具
オープンソースのJarvisHubは、型付きノードと接続によって素材、バージョン、依存関係、エージェントの軌跡を保持し、長期にわたる制作作業を線形な会話へ詰め込まずに済むようにする。実行可能な3層アーキテクチャとローカルデプロイ用プログラムを提供しているが、論文に示されているのは現時点では定性的な事例のみで、信頼性や成果物の品質向上はまだ実証されていない。
推論系統
NVIDIAの研究チームは、再学習を必要としないSol-Attnを公開した。注意演算中に重要なブロックを選択し、スキップしたブロックの寄与を近似的に補完する。公式評価では複数の動画モデルで約1.9～2.34倍のエンドツーエンド高速化を確認したが、品質とハードウェア間の汎化性能については、なお独立した検証が必要だ。