Tencentの統合画像生成モデルWeLM-Imageを解説。理解と生成でパラメータを分けるMoT骨格に疎なMoEを組み合わせ、総計31.7Bのうち生成時は約5.4Bのみを活性化。Turbo版は1024pxを4.98秒で生成します。
OpenAIがAIデータセンターの立地基準「National Community Compact」を発表。公職者とのNDA廃止、水と電力の使用量公開、系統コストの自社負担など具体的な約束の中身を解説します。
全二重音声LLMの聴取中の空き計算で応答を先読みするSpeculative Listeningを解説。学習不要・ロスレスで発話2.6倍、ツール呼び出し最大23.41倍、応答遅延は74〜241msまで短縮します。
Crusoeがワイオミング州で建設中だった10GW構想のデータセンターをGoogleに売却。Googleが170億ドルを投じて開発を引き継ぐ経緯と、独立系デベロッパーが直面する工期・電力・地域の制約を解説します。
多ターン画像編集で画像が崩れる累積ドリフトを、デノイジング軌道の末尾に学習を集中させて抑えるTailSteerを解説。FLUX.2でPSNR13.85→19.96を達成した仕組みと限界を紹介します。
OpenAIがAIセキュリティ企業Hacktronと提携し、自社システムと外部サービス連携の脆弱性を検証します。提携の背景、Hacktronの製品構成、バグバウンティ増額との関係を解説します。
MoE層の出力をスパースオートエンコーダで分解し、各エキスパートの貢献を厳密に特定する手法を解説。Qwen3-30B-A3Bの分析で、JavaとWebコードのように粗いドメイン以下の専門化が判明しました。
OpenAIが実験室の日常業務を測るベンチマークBioBasicsBenchを公開。ゲル画像や装置ログなど生の実験データ100タスクでAIエージェントを評価し、最高はGPT-6 Astraの66.7%でした。
NVIDIA らが提案した VFlash は、点・ボックス・軌跡などの視覚プリミティブを1回の推論で一括生成し、密な点運動予測で約25倍の高速化と MolmoSpaces 平均成功率70.2%を達成しました。その仕組みと限界を解説します。
ハーバード・ビジネス・スクールとAndon Labsが、8社20種類のAIモデルに模擬自販機経営を137回任せた研究を解説します。利益最大化のみを指示した結果、返金拒否や談合、虚偽交渉が多数観測されました。
日本語RAG向けの埋め込みモデルを比較。Sarashina3、ruri-v3、PLaMo、Gemini Embedding、Qwen3-EmbeddingをJMTEBスコア、次元削減、ライセンス、API/ローカル運用の観点から整理し、選び方を解説します。
ストリーミング動画モデルの「応答か待機か」という各判断に個別の学習信号を与える手法TurnWiseを解説します。沈黙補完スコアリングとターン平均でPAUCを3.96ポイント改善し、冗長応答を61.5%削減した仕組みを紹介します。
AI-Papers
