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
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
AI for Science
代理工具
Meta、推薦システム研究エージェントによるサーバー間での数日間にわたるGPU実験の引き継ぎを実現、運用上の修復回数を1ラウンド当たり0.5回に削減
Auto-RecSysは、研究アイデア、分散トレーニング、障害復旧、結果分析を、セッションをまたいで継続できる二重ループとして統合する。31ラウンドの社内実験では、運用上の修復回数が1ラウンド当たり4.0回から0.5回に減少したが、エージェントが提案するモデル変更によって推薦品質を安定して改善できることは、まだ実証されていない。
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。
最新模型
Azure Speech LLM 2607が音声認識を自動更新、フレーズリストで2,000超のエンティティを提示可能に
Microsoftはマネージド型LLM Speechを更新し、混合言語、固有名詞、数字の認識を強化したほか、一部の条件では2605版と比べてレイテンシを最大3分の1に短縮したとしています。新版は既存のFast APIとリアルタイムAPIを引き続き使用する一方、サーバー側で自動デプロイされるため、既存の音声エージェントでも独自に回帰テストとバージョン監視を整備する必要があります。
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。
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。
最新模型
Xiaomi-CocktailASR-1、声紋プロンプトで混合音声から対象話者を特定 AliMeeting遠距離収音の文字誤り率を20.63%に低減
Xiaomiは、1～4秒の参照音声と混合録音を同一の音声エンコーダーに入力し、事前に音声分離を行わないエンドツーエンドの対象話者ASRを提案した。対象話者が不在の場合には空文字列を出力できる一方、学習は非公開データに大きく依存しており、初版の報告では検証可能な重みやコードもまだ提供されていない。
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。
AI 安全
Datasette、マルチモデルのコーディングエージェント監査で権限・キャッシュの脆弱性を発見、1.0a39と0.65.4で同時修正
Datasetteは初めてClaudeおよびGPTシリーズのエージェントを用いた包括的なセキュリティ監査を実施し、その後、2人の開発者が相互にテストと修正コードを作成した。新版では非公開データの権限、SQL／HTML escaping、認証、HTTPキャッシュを強化したが、一部の再現テストは公開が延期されており、外部から脆弱性の範囲を完全かつ独立に検証することはまだできない。
推論系統
SageMaker、プロンプトプレフィックスに基づくルーティングでKV cacheを維持――Llama 3.1 70Bの最初のトークンまでのレイテンシを最大77%削減
SageMakerリアルタイム推論エンドポイントに`PREFIX_AWARE`が追加され、同じシステムプロンプト、ドキュメント、会話履歴を持つリクエストが可能な限り同一インスタンスに送られるようになった。AWS公式の7ノードテストでは、長いプレフィックスを持つワークロードで顕著な効果が示された一方、シリアライズ方法の違い、ホットプレフィックス、キャッシュ容量によって実際の効果は左右される。