Archive
新模型、開放權重、多模態、語音、影像與模型架構。
代理工具
研究者らは、GPT‑5‑miniと2時間の予算を固定した条件下で、デバッグアドバイザーに探索ブランチ間で実行環境の制約を共有させ、AIDEの90回の実行すべてで有効な提出を生成させた。この結果は、エージェントの外側の仕組みには依然として回収可能な計算資源が大量に残されていることを示すが、実験対象は9件の表形式予測コンペティションに限られる。
代理工具
研究者らは、ローカルモデルにPythonのリファクタリング前後のdiffのみを読み取らせ、Ropeによる217件の変換から、挙動を変化させる欠陥13種類を特定した。メンテナーはうち12件を欠陥として受理したが、モデルの適合率は0.67にとどまり、テストや静的解析を代替できる水準には達していない。
最新模型
XPengはXCoT-VLAを提案し、数十個の自然言語推論トークンを有限の意味的アクショントークンに置き換え、flow matchingによって連続軌跡を生成する。オープンループ試験では横方向誤差が低減したものの、クローズドループでの安全性評価はまだなく、レイテンシの数値にも車載ソフトウェア／ハードウェアスタック全体は含まれていない。
AI 安全
REDAgentBenchは、ワークスペース、メール、ブラウザ、銀行、外部ファイルの各サンドボックスで1,661件の攻撃ケースを実行し、被害の発生をエージェントの回答だけで判定する手法を改めた。同一の実行結果をサービスのレシートと最終状態で再評価すると、6モデルすべてで攻撃成功率が軌跡のみの評価より7.73～11.72ポイント高くなった。
代理工具
1,867件の公開リポジトリを対象とした研究で、CLAUDE.mdなどのエージェント指示ファイルにはルールが追加され続ける一方、古いルールは次第に削除されにくくなることが判明した。対照実験では、各ルールを追加した理由をモデルが読める形で残すことで、余分な指示の99.3％を除去できたが、大規模な実環境のコードベースではまだ前向きに検証されていない。
最新模型
第8回LSVOSのMeViSv2-Audio優勝報告では、音声文字起こし、視覚的ローカライゼーション、セグメンテーション、対象の存在判定を多段階のパイプラインに分割し、候補マスク間の一致度に基づいて軌跡を選択する。システムの最終スコアは0.769589だったが、公式公開リーダーボードは依然として発表待ちと表示されており、コードや完全なアブレーションデータも公開されていない。
代理工具
Open-Ended Optimizationは、目標、データ境界、インタラクション権限、評価を固定する一方、エージェントがどのように証拠を収集し、スキルを修正するかは事前に規定しない。GPT‑5.5をオプティマイザーとして用いた場合、多くの設定でSkillOptやGEPA系のプロセスを上回ったが、中程度およびより弱いモデルでは同様の優位性を維持できなかった。
AI 安全
事前登録された再現性監査により、実行可能でクラッシュを引き起こす脆弱性PoCであっても、指定されたCVEを実際に再現しているとは限らないことが判明した。調査対象30件のうち20件では修正版でも同じシグナルが発生しており、AIエージェント向けセキュリティベンチマークには、文字列や終了コードより厳格な判定器が必要であることが示された。
應用研究／AI 基礎設施
GENCOは、異種グラフアテンション、物理量デコーディング、反復的な残差補正により、潮流計算、最適潮流計算、状態推定を統一的に処理する。大規模電力網でのバッチ推論は従来のACソルバーより明らかに高速だが、未知の電力網に対するゼロショット性能や実環境のSCADAデータでの精度は、既存ツールを直接置き換えられる水準にはまだ達していない。
AI 編程工具
Coderlet は、モデル呼び出し、ツール検証、実行結果、永続メモリを3つの明確な境界に分け、MIT License の下で実行可能な Python 実装を提供する。エージェントの制御フローや障害復旧の研究には適しているが、より高性能なコーディングエージェントというわけではなく、現時点ではユーザーの OS 権限をそのまま使用する。
最新模型
Universal Activation Busは、5つの言語モデルの中間表現を固定された3,072次元の空間に整列させる。新しいモデルは、それぞれ独自の線形エンコーダーとデコーダーを学習するだけでよい。実験対象のモデルは同一のプローブ、スパースオートエンコーダー、自然言語インタープリターを再利用できたが、より幅の広いモデルでは表現の再構成に依然として顕著な歪みが生じた。
醫療 AI
Googleは、低遅延対話、詳細な臨床計画、映像・音声知覚を3つの非同期エージェントに分割した。100件の模擬ビデオ診療シナリオにおける総合評価は、医師群の68%を上回った。ただし、研究ではプロの模擬患者しか使用されておらず、モデル、コード、映像・音声データも公開されていないため、実際の医療現場への導入に結果を直接一般化することはできない。