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。
Gradium が公開した軽量音声合成モデル Phonon TTS を解説します。約65MB・31Mパラメータで CPU 上の初音声到達時間28ms、Apache 2.0 で商用利用可能な構成と制約を整理します。
視覚エンコーダを使わずピクセルを直接トークン化するロボット制御モデルNEO-VLAを解説。LIBERO平均97.4%、LIBERO-Plus 89.7を達成した設計と層別プロービングの知見を紹介します。
OpenAIが自律エージェントのパイプラインでLinuxカーネルを監査し、権限昇格脆弱性948件を検証して修正パッチまで生成しました。構成、費用、報告の進捗を解説します。
動画拡散モデル Cosmos-Predict2.5 を潜在アクション学習器に転用する DreamX を解説。1,200トークンを4トークンへ約300倍圧縮し、人間→ロボットのゼロショット動画転移でFVD 57.44を達成した仕組みと課題を紹介します。
OpenAIが2026年11月4日、Code Storageを手がけるPierre Computer Companyの買収を発表。Codexのコード閲覧・レビュー機能の強化とGitワークフロー拡張の狙いを解説します。
Adobe Researchらが発表したMoviEditは、シーンや視点が切り替わる長尺マルチショット動画の一貫編集に取り組んだ研究です。87Kペアの自動生成と双方向×自己回帰カスケードの仕組み、編集成功率0.790の評価結果を解説します。
AnthropicがAI応答のモデル由来をzkSNARKで証明する「FlashProve」を公開。H100で毎秒110トークンの証明生成、24コアCPUで約17秒検証という性能と制約を解説します。
解説動画から実作業の軌跡を採掘し、二重ループで自己改善するコンピュータ操作エージェント CUA-Master を解説します。27B モデルで OSWorld Verified 80.2 を達成した手法と限界を整理します。
AI-Papers
