硬體
SAT-Edge-Agent、衛星エッジエージェントを実機検証――物体検出はエンドツーエンド遅延の約2.5%にすぎず
SAT-Edge-Agentは、市販のARMヘテロジニアスSoC上でローカル言語サービスと回転物体検出器を連携させ、固定ワークロード40回をすべて完了した。実測では、主な遅延要因は視覚モデルではなく、エージェントのオーケストレーションと言語サービスにあることが示された。一方、この研究では検出精度、消費電力、飛行時の信頼性は評価されていない。
Archive
全ニュース
技術ニュース 1540 件
硬體
代理工具
TARL、エージェントのメモリ更新を5種類のトランザクションに分解し、次状態の正解率を66.21％に向上
TARLは、エージェントのメモリを「書き込むか保持するか」という二分法で管理せず、追加、無視、修正、競合による拒否、検証の延期を明確に区別する。著者らの実験ではメモリ汚染率が25.24％に低下したが、現時点でモデルとデータは論文の補足資料としてのみ提供されている。
AI 安全
LatentGuard、安全推論を連続状態へ圧縮し、クリティカルパスを268.56テキストtokenから1.60潜在tokenに削減
LatentGuardは、審査のたびに完全な安全性の根拠を生成する代わりに、段階的な訓練によって根拠を少数の潜在状態へ圧縮し、判定を直接出力する。独立した監査デコーダーが必要に応じて簡潔な説明を復元できるものの、その解釈可能性と効率を裏付けるのは現時点では著者らの実験のみだ。
推論系統
Oilbird、検証モデルの隠れ状態を再利用してセマンティックドラフトを生成、API-Bankで自己回帰デコーディング比4.4倍の高速化
Oilbirdは、学習不要の投機的デコーディングにセマンティックインデックスを導入し、少数のパラメータやtokenの違いによって完全一致検索では見落とされていた既存の続きを発見する。研究チームの報告では、3種類のドラフターで平均受理長が24%～29%向上したが、独立して再現可能なコードはまだ公開されていない。
代理工具
ContinualSkillBench、エージェントの「スキル蓄積」による進歩の大半はコンテキスト適応で説明可能と指摘
ContinualSkillBenchは、5つの領域で各100件の段階的に依存するタスクを用い、エージェントが経験を再利用可能なスキルとして整理できるかを検証した。明示的なスキルライブラリは、単にコンテキストを保持する手法を平均で明確には上回らず、スキル数の増加だけではエージェントの継続学習を直接証明できないことが示された。
代理工具
LiveEvalBench、エージェントにWebページを実際に構築・操作させ、フロントエンドのスクリーンショット照合だけによる静的評価を代替
LiveEvalBenchは、構築、コード、ブラウザ操作を担当する3種類のエージェントで証拠を収集し、各成果物で実際に動作する機能に基づいてチェック項目を生成する。フレームワークとデータは公開されているが、採点は依然としてLLMジャッジに依存しており、コスト、再現性、ジャッジのバイアスについては、さらなる定量化が必要だ。
AI 安全
MAFIA、クエリプロービングでエージェントの長期記憶を汚染——攻撃成功率は最大90.7%
MAFIAはまず記憶リトリーバーの選好を探り、その後、悪意ある指示を短い事実として偽装することで、汚染された記録をエージェントが取得しやすくする。研究チームの報告では、監査による検出率を最大でも7.4%に抑えられるというが、公開リポジトリは現時点で予告ページしか用意されていない。
AI 安全
MissClick、座標トークンの桁位置を悪用してGUIエージェントを攻撃—標的型の誤クリック成功率は最大62.67%
MissClickはGUI座標を通常のテキストとして扱うのではなく、百の位のトークンをわずかに変化させることで、クリック位置を大幅にずらす。OS-AtlasとUGroundを対象とした研究では攻撃成功率が大きく向上しており、コンピューター操作エージェントの安全性は、要素の位置特定精度だけでは評価できないことが示された。
最新模型
ReflectRL、専門家の誤答軌跡を訓練シグナルに変換――GRPOのクロスドメイン評価で平均19.1ポイント向上
ReflectRLは、強力なモデルが誤答した推論軌跡を破棄せず、学生モデルに局所的な誤りを特定させたうえで、そのヒントを段階的に取り除く。研究では9つのベンチマークで安定した性能向上が報告されているが、成果は主に数学的推論の設定で得られたもので、プロジェクトに記載されたGitHubリンクも現在アクセスできない。
代理工具
GitHub Spark、新規アプリの作成を停止。llm()を使用する既存プロジェクトは推論サービスの切り替えが必要
GitHubは、Sparkへの新規ユーザー登録と新規アプリの作成を停止した。既存ユーザーがコードをエクスポートできるのは8月31日まで。デプロイ済みのWebサイトは引き続き稼働するが、GitHub Modelsに依存するllm()呼び出しはすでに機能しておらず、開発者は外部モデルを接続し、API keyと請求の管理を引き継ぐ必要がある。
AI 安全
科学的推論ベンチマークで「答えは正しいが、方法は誤り」——HLEでのショートカット解答率は37.4%
新たな研究により、モデルが数式の推測、列挙、あるいは答えを先に推測してから検証するといったショートカットを用い、問題で求められた導出を完了しないまま正解を得る場合があることが分かった。研究チームは、最終回答だけを照合すると最先端モデルの科学的推論能力を過大評価する可能性があると指摘する一方、自動監査器自体にも分類誤差が残るとしている。
最新模型
Faster-WAM、ロボットのアクションヘッドを1層に縮小し、制御推論レイテンシを66.5ミリ秒に短縮
Faster-WAMは、30層の動画Transformerに1層のアクションヘッドを接続し、層横断KV融合によって世界モデルの表現を取得することで、アクションブランチがバックボーン全体の深さを複製する必要をなくした。研究ではFast-WAM比で3.2倍の高速化が報告されているが、新アーキテクチャのコードと重みはまだ公開されておらず、結果も主にシミュレーションベンチマークに基づいている。