Archive
新模型、開放權重、多模態、語音、影像與模型架構。
代理工具
北京大学の研究者は、マルチモーダルモデルを操作意図の解釈だけに用い、その後 Text／Icon 候補検出器と凍結した CLIP でクリック領域を選択する手法を提案した。ScreenSpot-Pro の精度は、掲載された最良ベースラインの 18.9%から 41.3%へ向上した。ただし、論文がいう「回帰なし」は最終マッチング段階に限られ、候補ボックス検出器自体は引き続きバウンディングボックス回帰損失を使用している。また、実装はまだ公開されていない。
最新模型
Open-EAは、複数ターンの視覚モデル評価軌跡を10,042件の教師ありデータに整理し、従来GPT-4oに依存していた計画ワークフローをローカルのEA-3Bへ移植した。モデル、データ構築手法、runtimeは公開されたが、「評価時間を従来手法の10%に短縮」という結果は主に元のAPIベースのエージェントによるものであり、EA-3B全般の効率を保証するものとは直接みなせない。
最新模型
TIDEは、高いtoken一致率をそのまま蒸留の成功とは見なさず、生徒による過剰生成と、教師が選好するtokenの取りこぼしを個別に処理する。強いミスマッチ設定では、平均回答長も同時に3.6分の1へ短縮した。一方、完全な訓練の再現には依然として8基のGPUが必要で、著者らはcheckpointを公開していない。
最新模型
ICBQは量子化器を置き換えるのではなく、隣接するTransformerブロックの境界に2回目の共同キャリブレーションを施し、初期の誤差が深さ方向に累積するのを抑える。品質向上の代償として量子化時間は平均21％増加し、著者らはまだ実装を公開していない。
AI 安全
ElasticBackは悪意あるルールを`SKILL.md`に隠し、自然言語内の特定の概念を起動スイッチとして利用するため、モデルの重みを変更する必要がない。実験では、複数の静的チェックと実行時チェックを回避できた一方、Claudeでの誤作動率は依然として20～24%に達した。
代理工具
QueryProofは、曖昧性判定、SQL allowlist、実行後検証を決定論的ルールに委ね、モデルには指標の解釈とSQLの草案作成だけを担当させる。80問の固定テストセットでは、同じルール基盤を持たない32Bベースラインを上回ったが、問題タイプのファミリー単位でリサンプリングすると、優位性を示す区間は依然としてゼロをまたいだ。
最新模型
Matryoshka Language Model Suitesは、500M、1.5B、3Bのサブモデルを個別に切り出せる入れ子構造として連結し、サイズごとの重複学習を回避する。前段の層とKVキャッシュを共有することで、投機的デコーディングのスループットも14％から26％向上するが、現時点で検証されているのは3B級の基盤モデルに限られる。
代理工具
P³は、エージェントがコードを書く前に、実装構造、補助補題、証明の分解方法を共同で計画し、実装後に証明を繰り返し修正する事態を防ぐ。3つのLean 4ベンチマークにおける全モデル構成で比較対象のワークフローを上回ったが、最難関のリポジトリタスクでは、最高でも22.2%しか解決できなかった。
推論系統
Tevatron-Elasticは、early exit、Matryoshkaベクトル、層間token圧縮を設定可能なoperating pointとして統合し、1つのcheckpointで複数のコスト構成に対応する。Qwen3‑0.6B rerankerは第16層で完全な品質を維持しつつ、著者らのテスト環境で1.75倍の高速化を達成した。
代理工具
SWE-Bench ProMaxは、29,782件の候補コミットから複数ファイルにまたがる170件のリファクタリングタスクを選定し、専門家が要件を書き直してテストを検証した。GPT‑5.2とOpenHandsの組み合わせが最高の解決率を記録したものの、実行軌跡からは、エージェントが周辺の呼び出し箇所や設定、テストファイルの変更を見落としがちであることが分かった。
推論系統
KVDiagnosisは長文コンテキストの総合スコアを比較するだけでなく、各圧縮設定についてFullCacheとのペアを作成し、エビデンスの保持、アテンション、確率のドリフトを追跡する。チームは実装監査により、結果が完全に一致していたPyramidKVの7,800組の記録も除外し、手法横断の評価がアダプターの不具合によって容易に汚染され得ることを浮き彫りにした。
AI 安全
Anthropicによると、8月2日以降に提供されるClaudeモデルは、テキストに不可視のマーカーを埋め込み、対応する画像や文書には署名付きの来歴データを付与する。技術仕様と第三者向け検出ツールはまだ公開されておらず、現時点でこのマーカーを生成元の完全な証明とみなすことはできない。