自分で問題を作るAIが、そろって間違えはじめるとき:「False Frontiers」を解剖する
自分で問題を作って解く検索AIが、出題者と解答者が同じ誤答で合意してしまう「共謀」を診断し、採点者を入れ替えるCrossFitで抑え込んだ研究。
小さな専門家が大きなモデルを教える — 同一系列オンポリシー蒸留の法則
同一系列のモデルにおいて、教師・生徒のサイズと教師のスコアだけから、オンポリシー蒸留の到達性能と初期転移速度を学習前に予測できるべき乗則を、数学推論の実験でまとめた論文。
ロボットの文脈学習(ICL):再学習なしで状況を読み解く4つの方法
ニューラルネットを再学習させず、実演やインタラクションだけで新しいタスクを把握する「ロボットのインコンテキスト学習」を、文脈が行動へと渡る通り道の違いから4系統に整理したサーベイ解説。
動画生成AIに「物体の永続性」を教える — WROPベンチマークとPWM-WROP
認知科学を模した合成動画150万本で追加学習したPWM-WROPが、人手評価で連続生成モデル中1位、全14モデル中3位を記録。ただし実写動画の物理理解につながるかは未検証。
トークンごとに量子回路をオーダーメイド生成する：HyperQ、量子ビットを広げて性能を引き上げる
凍結した11億パラメータのモデルにトークンごとの量子回路を接続し、量子ビットを16→64に増やすとベンチマーク平均が47.65→54.30点へ上昇した（本体より+4.71）。計算の大半は古典的なもので、量子優位性の主張はない。
ワールドモデルは、相互作用しても崩れないか — HappyWorld-Bench
映像・空間・身体化型のワールドモデルを一つの物差しで束ね、見た目の品質ではなく、中に入って動き回り、触れたときの信頼性を測る統合ベンチマーク。
EvoOntology: エージェントが自力で育てるデータの案内図
人が手で書くデータ辞書の代わりに、エージェントが実データで構築し実行ログで自ら修正していくオントロジー層。オントロジーなしより明確に優れるが、生成したセマンティックレイヤーを静的に与えた条件とは条件付きの優位にとどまる。
表を読むAI「LimiX-2」——予測を超えて「変数のつながり」を描く
表データ向けAIのLimiX-2は、予測を的中させると同時に、変数どうしがどう絡み合っているかという「つながりの地図」まで描き出す。ただし、因果の向きまでは語らない。
PhysBrain 1.5：理解は証明したが、実機ロボットでの実行はこれから — フィジカル基盤モデル
理解・行動・予測を一つにまとめた8Bのオープンソースモデル。28の理解テストで平均72.5点を記録しオープンソース最高となったが、行動についてはオフラインの予測指標があるだけで、実機ロボットでの実行はまだ検証されていない。
自社プロジェクトを理解するAI PMは、新人コンサルタントのように資料を探す
「決済タイムアウトの原因は?」という一言が、出典つきの答えになって返ってくるまで。AI PMが自社プロジェクトを知っているかのように答える仕組みを、新人コンサルタントのたとえで最後まで追いかける。
モデルを変えずにエージェントを全方位へ — Omni-IO Skillsを読み解く
テキストだけが得意だった汎用エージェントにハーネスを一枚かぶせ、画像・音声・映像・3Dまで扱えるようにした研究。両ホストとも入力サポート率を100%まで引き上げた。
SpeakerMem-R1: 複数人が行き交う会話を「誰が・誰について」記憶するAIメモリ
多人数会話において、誰が誰について話したのか、そしてそれぞれの状況の変化までを一緒に記憶する二重トラック型メモリ。既存のメモリシステムを上回る性能を報告した。