35B MoEの自律機械学習エージェント「MLExpert」を解説します。実験結果の区切りに共有報酬を与えるWIRLにより、MLE-Bench Liteのメダル率を37.9%から72.7%へ改善しました。
OpenAIが公開したItaú Unibancoの生成AI事例を解説します。顧客向け対話AI「ia.i」と統制基盤IARAを同時整備し、約7000万人規模への展開を目指す設計と公表数値を紹介します。
自己回帰動画生成の途中推定を下書きとみなし、収束したトークンを早期確定する Speculative Forcing を解説。LongLive で平均1.7ステップ・41.7fpsと約1.58倍の高速化を品質劣化なしに実現した仕組みと限界を紹介します。
Stack OverflowがChatGPTのプラグインとして「Stack Overflow for Agents」を公開し、登録数が3倍に。エンジニア2人がCodexで数週間で開発した経緯と具体的な短縮幅を解説します。
視覚トークンを8個のコードブックで表す完全離散の拡散言語モデル「Intern Lumina U2」を解説します。画像・動画・3Dを単一バックボーンで扱い、画像生成を4.45倍高速化した仕組みと実験結果を紹介します。
NVIDIAがIIT Madrasらとインド22言語・約2.8兆トークンの事前学習コーパスを発表。MQM準拠の自動採点と書き直しで438.4Bトークンを回収した生成パイプラインまで公開した内容を解説します。
3D世界を実行可能なコードとして集めた3DCodeVerse-2Mを解説。269,597件のプログラムと約203万行のデータ、検証を自動化するマルチエージェントHarnessが人間評価90%勝率を達成した仕組みを紹介します。
Microsoftの研究者が社内の数万人のエンジニアを4カ月追跡し、Claude CodeとCopilot CLIの効果を測定。マージPRが平均24%増え、普及は上司や同僚の利用状況に左右される結果を解説します。
コンテキストエンジニアリングとは何か、プロンプトエンジニアリングとの違いから、context rot、圧縮（compaction）、構造化メモ、サブエージェント設計、Claude APIでの実装までAnthropic公式情報をもとに解説します。
確信度の高い判断は即答し、不確実なケースだけ推論を起動するAutoThink設計の意思決定モデルStartLux-Decisionを解説。推論長を最大65%削減する強化学習手法RLCD²と0.8B〜27Bの公開内容も紹介します。
Metaが総816B・活性42BのMoEモデル Muse Spark Open をオープンウェイトで公開。256エキスパート構成や1Mトークン文脈、BF16/NVFP4と量子化版の実行環境を解説します。
事前計算したn-gramカウントをホストCPUメモリに置き、学習パラメータを増やさずに1B LLMの検証損失を計算量57%増相当まで改善する手法COUNTを解説します。訓練不要のドメイン適応も可能です。
AI-Papers
