Archive
新模型、開放權重、多模態、語音、影像與模型架構。
代理工具
Hume AIとHugging Faceは、音声が公開テストセットの正解と矛盾する場合でも、一部の高スコア音声モデルが参照トランスクリプトの内容を出力することを発見した。Open ASR Leaderboardには「Benchmark Fitting」タブが追加されたが、こうした挙動は、モデルがテストデータを直接見たことの証明にはならない。
硬體
Cactus Computeはこのほど、Needle 2のPython API、クロスプラットフォーム実行、Apache 2.0ライセンスを整備し、モデルカードも継続的に更新している。ピークメモリ28MBでツール選択と構造化抽出を実行するが、速度と精度に関する情報は依然として主に公式テストに基づいている。
推論系統
YutoriのNavigatorは、ブラウザタスクごとに視覚言語モデルを数十回連続で呼び出し、履歴コンテキストは最大約100K tokenまで増加する。Together AIはvLLMのプレフィックスキャッシュとレイテンシ目標別のルーティングでこの負荷を処理するが、2倍の速度と4～5分の1の低コストという数値は、依然としてベンダーが公表した比較結果である。
代理工具
Slack Codeでは、Claude、Devin、Copilot、ChatGPT、Vercelのエージェントが、プロジェクト専用チャンネル内で計画、コード差分、リアルタイムプレビューを提示できる。複数人でエージェントを監督するためのインターフェースは改善されるが、実行サンドボックス、認証情報、リポジトリ権限は引き続き各エージェントプロバイダーが管理する。
推論系統
Liquid AIは、3種類のLFM2.5モデル向けに約3億パラメータのDSparkドラフトチェックポイントを公開し、llama.cppとSGLangに統合した。公式テストでは、モデル、データ分布、ハードウェアによって高速化の度合いが大きく変動しており、ピーク値をすべてのワークロードで得られる効果とみなすことはできない。
最新模型
RuleMazeは、実行可能な検証器を用いて、マルチモーダルモデルが迷路を理解し、自然言語のルールを守りながら経路計画を完遂できるかを評価する。DMPは知覚、移動、ルール検証を分離することで通常のファインチューニングを大幅に上回ったが、テストは依然として合成グリッドに限定され、検証器にも人手による修正が加えられている。
代理工具
Task Model Inductionは、画面と入力のログ全体を単一のワークフローに圧縮するのではなく、まず非連続のタスクを分離し、その後に目標階層とループ制御フローを再構築する。生成されたエージェントスキルのホールドアウト問題における精度は、最良ベースラインの14.29%から18.57%に向上した。一方、パイプライン全体がフロンティアモデルに依存し、生の操作トレースには重大なプライバシーリスクが伴う。
代理工具
Brain Researcherは、知識グラフ、型付きワークフロー、レビュー規則によって神経画像解析エージェントを制約し、仮説、証拠、実行の来歴を保存する。ツールルーティングは大幅に改善したものの、検証可能な証拠の実装率は依然として22.0%にとどまり、自動レビューでも方向性に関する統計的誤りを見逃したことがある。
AI 安全
SafeBranchは、エージェントの危険な軌跡を重要な意思決定地点までロールバックし、同一コンテキスト内の安全な行動と安全でない行動のみを比較する。学習後のデプロイには外部criticが不要だが、現時点の成果はシミュレーション上の家庭環境に限られ、データ構築も依然としてGPT-4oの判定に依存している。
最新模型
ConceptGuardは、忘却セットと保持セットを互いに無関係な事実として扱うのではなく、同じ技術の有害な用途を抑制しながら正当な用途を保持するようモデルに求める。4種類のアンラーニング手法はいずれも忘却と有用性のトレードオフを示し、その効果は概念ごとに大きく異なった。
推論系統
FormalTCSは、過去2年間のトップ理論計算機科学論文から研究レベルの問題を抽出し、自然言語による主張から機械検証可能な証明を生成するまでのモデル能力を段階別に測定した。既に形式化された定理の証明では、最高性能のモデルがPass@8で28.6を記録した一方、自然言語を正しいLeanの定理文へ変換する工程が依然として最大のボトルネックとなっている。
AI 安全
オープンソースのエージェント実行環境Forgeは、MCP接続と認証情報をユーザーごとに分離し、OAuth 2.1のメタデータディスカバリーと動的クライアント登録を自動化できるようになった。新版では、きめ細かなアウトバウンド制御と承認監査も追加されたが、現時点のMCPサポートは依然として主にHTTPトランスポートに限られる。