実在するAIコンパニオンとの10関係・27,218メッセージを最長120日分収録したベンチマークRealCompanionを解説。記憶参照が必要な発言は3.4%、31倍のコスト差でもF1は同等という知見を紹介します。
タンパク質構造から検証可能な問題を自動生成する FoldingCorpus と、離散回答と3D幾何の二系統で後訓練する Fold2Reason を解説。10の推論ベンチマークで平均3.23ポイント向上した転移の中身を紹介します。
実ファイルの関係を証拠グラフ化してエージェント訓練データを合成するGraphForgeを解説。2,169件のSFTでGDPValを65.7ポイント、SpreadsheetBench IIを13.7ポイント改善した手法と課題を紹介します。
音声と動画を同時生成する拡散モデルを多報酬強化学習で最適化する Adaptive Reward Routing を解説します。層ごとの勾配配分と報酬衝突の補正でDeSyncを約13%改善した仕組みと限界を紹介します。
連続潜在を生成の主状態に据えた階層型拡散言語モデルHC-DLMを解説。並列デコードでトークン依存が壊れる課題を単一の降ノイズ過程で解決し、Countdownで37.52%、LM1Bで生成パープレキシティ75.5を達成しました。
事前学習済みTransformerは文脈内の参照を1.4〜3.6行しか辿れないという欠陥を特定し、全重み凍結のままrank-8 LoRAを浅い層に1枚挿すだけでQwen3-8Bの24行連鎖精度を15.5%から99%へ改善した研究を解説します。
ストリーミング動画対話の知覚・記憶・能動応答を統一したOneStreamerを解説。映像を文字記録化して文脈トークンを93.1%削減し、4Bモデルで8ベンチマーク全てで最高性能を達成した仕組みを紹介します。
実OSを動かさず画像生成モデルで次の画面を描き、GUIエージェントの操作軌跡7.9万件を合成するAutoGUIWorldを解説。OSWorld 33.0→40.8%の改善と残る課題を紹介します。
On-Policy蒸留の新手法RIDEを解説。強化学習が生んだ隠れ表現の残差を方向として外挿し、4組のモデルペアすべてで生徒がRL教師に匹敵または超過した仕組みと限界を紹介します。
共有Transformerブロックを各デノイズステップ内で繰り返すLooped-DiTを解説します。260Mパラメータで6.5倍大きいモデルを6ベンチ平均2.5ポイント上回り、推論計算量は4.9分の1に収まります。
Googleが発表した Dream-RSI は、過去の探索履歴をリプレイシミュレータとして再利用し、探索方針を低コストで自己改善する枠組みです。3領域で同等性能を最大50分の1の予算で達成した仕組みを解説します。
7Bの密モデルZGCM-1が、エージェント検索でQwen3-235B-A22Bを上回り、数学では同規模帯を超えました。4.2倍の学習高速化の内訳と、全データレシピ公開の中身を解説します。
AI-Papers
