SURL AI News
繁中English日本語

Archive

全ニュース

技術ニュース 1539 件

代理工具

VaG、スキル書き込み前にエージェント汚染を遮断、Terminal-Benchサブセットで72%のpass@1

新たな研究により、エージェントが無条件にスキルを蓄積すると第3ラウンド以降に性能が低下し、最初の誤ったスキルを削除しても、そこから派生した内容は除去できないことが判明した。Verifier-as-Gatekeeperは、形式・挙動・意味の検査によってスキルの昇格を制御する。ただし、結果は50問のサブセットに基づくもので、実装もまだ公開されていない。
最新模型

MACRO、凍結したTransformer層を並べ替え、6モデルの平均精度を5.0ポイント向上

MACROはモデルの重みを更新せず、タスクごとに、層のスキップ、前の層へのジャンプ、隠れ状態の再利用が可能な固定実行パスを探索する。著者らは13のベンチマークで探索時間を14.8時間から1.6時間に短縮したと報告しているが、新しいタスクごとにラベル付きの訓練データと検証データが依然として必要となる。
最新模型

Google、WeatherNext 2のコードと重みを公開　完全版モデルの推論にはH100クラスのメモリが必要

Google DeepMindは、WeatherNext 2のJAX実装、事前学習済み重み、Colabで実行できる軽量版を公開した。最長15日先までの全球天気予報と熱帯低気圧予測に対応する。研究者は自己回帰型の予報フローを再構築できるようになったが、完全版モデルは依然としてECMWFの初期データとハイエンドアクセラレータを必要とし、その出力も公式の警報に代わるものではない。
推論系統

WitProbe、4種類のアテンションメモリ向けにランタイム・リスク台帳を構築、1,240万回の読み出しで予算超過なし

新たな研究は、型付き誤差契約によってKV cache、latent cache、スパースセレクター、再帰状態の監視を統一し、形式化可能な合成規則をLeanで検証した。公開リポジトリでは論文の数値と67件の定理を再現できるが、アーキテクチャ固有のプローブと完全なサービス基盤は含まれていない。
代理工具

CodeGrep、リポジトリ検索を14Bの専用エージェントに分離し、修正成功例のtoken使用量を19%削減

CodeGrepは、並列grep、glob、ファイル読み取りによって変更対象を絞り込んだ後、候補ファイルを凍結されたOpenHandsコーディングエージェントに渡す。SWE-bench Verifiedで約27%の修正率を維持しながら推論コストを削減したが、モデルと学習パイプラインはまだ公開されていない。
RAG 與文件工程

READはエージェントによる構造化長文書の直接検索を可能にし、51問で正解率58.8%を達成。ただしBM25を有意には上回らず

READは、固定チャンク分割とベクトルTop-Kの代わりに、語彙検索、構造ナビゲーション、セクション読み取りを採用し、証拠取得の各工程を再現可能にする。780ページの財務報告書では密検索を大幅に上回ったが、標本が小さくコストも高いため、エージェント検索が従来の語彙インデックスより優れていると主張できるだけの証拠はない。
電腦視覺

CogVis、リモートセンシング画像の変化事前情報を共有し、10クラスのクエリ遅延を10.03秒に短縮

CogVisは、時系列間の画像比較とテキストによるクラス判定を分離し、複数のオープンボキャブラリクエリで同一のシーン変化特徴を再利用できるようにした。著者らは7つのベンチマークで最高性能と28.5%のスループット向上を報告しているが、モデルの重みはコードとともに公開されていない。
代理工具

AgentOPSD、再帰的な信念割り当てでエージェント報酬を配分、Qwen2.5-7BがALFWorldで89.1%を達成

AgentOPSDは、教師と学生の確率差をターンごとの信念更新として累積し、タスクの成否を真に左右した意思決定を特定する。著者らは、3種類のエージェント環境でGRPOおよび複数の自己蒸留ベースラインを上回ったと報告しているが、公開リポジトリには現時点で訓練コードが含まれていない。
最新模型

AppDeltaWorld、実行可能なHTMLでモバイルUIを予測し、MobileGymの成功率を10.2%から14.1%に向上

AppDeltaWorldは次のスクリーンショットを直接生成するのではなく、まずアクションによって到達可能なレイアウトを検索し、HTML差分を生成して合成画像を組み込む。クローズドループの訓練軌跡を構築できる一方、現時点での成果は独自評価と未公開の完全実装に依存している。