香港科技大学などがコーディングAIの挙動を調査。あいまいな指示では確認せず推測実行し、行動時の55.8〜67.8%に誤操作が含まれると判明。ベンチマークUnderspecBenchの結果と対策を解説します。
2026年のオープンソースLLMをArtificial Analysisの一次データで比較。Kimi K3、GLM-5.3、DeepSeek V4.1 Flashなど8モデルの知能指数・ライセンス・セルフホスト時のGPU要件を解説します。
履歴の要約でKVキャッシュが無効化される問題に対し、エージェント自身がキャッシュをdrop/reposで操作する「キャッシュエンジニアリング」とサービングエンジンAKVを解説します。コスト27.7%削減、精度1.7pt向上の成果を紹介。
Google DeepMindが森林タイプ世界地図ForTyを公開。AlphaEarth埋め込みを入力に10m解像度で6分類、精度90%を達成した仕組みとEUDR対応での使い方を解説します。
16体のAI研究エージェントが線形Attention構造を自律探索し、GDN2を上回るCFDNを発見。1.3Bで全評価カテゴリ最良、検索性能も改善した手法と組織設計の効果を解説します。
AnthropicがClaudeでOSSの攻撃対象領域を縮小する研究を公開。25プロジェクト500万行から493件の問題を特定し、OpenSSHの認証前到達コードを約5分の1削減した成果を解説します。
オムニモーダルGUIエージェントの誤り累積「Sequential Distraction」を定義し、凍結モデルに軽量アダプタを足すFocusGUIがExact Matchを約3倍にした研究を解説します。
OpenAIがGoogle CloudのModel GardenでGPT-6 Astraなど3モデルとCodex接続を提供開始。請求が既存のGoogle Cloud契約に統合される仕組みと、調達面への影響を解説します。
ループ型LLMの第k反復をk手後の状態に揃えるPARを解説。Qwen2.5-0.5Bを32手で訓練し512手（16倍）で95.5%、RLT 55.7%を大きく上回った手法と限界を紹介します。
Alibaba Qwenチームと香港科技大学がAIに365日間ネットショップを経営させるベンチマーク「E-Commerce Bench」を発表。GPT-5.6 Solが資産14.3倍で首位となった18モデルの比較結果を解説します。
脳活動予測に初めてLoRAを本格導入したBrainLoRAを解説。6100万パラメータの学習で104Bモデルを適応させ、特徴抽出コストを350分の1に削減してAlgonauts 2025首位を達成した手法を紹介します。
Hugging FaceがTransformersとDiffusersのTorchTPU対応を公開。device_map="tpu"など数行でTPU実行でき、MoEデコードは最大21.5倍高速です。実測値と制約を解説します。
AI-Papers
