SoL-Pi: エージェントのハーネスを自己改善し、トークンを半分近くまで削減する
コーディングエージェントの「ハーネス」層を自動研究ループで反復改善し、スコアの約5〜6%の低下と引き換えに、トークンを44.7〜49.0%、API費用を約3分の1削減した研究。
NeoHorse-1: ハーネスが媒介する再帰的自己改善(RSI)への最初のプロトタイプ
ルーティングハーネスが自らの能力を観測し、次の学習データを自分で生成するエージェントネイティブなモデル NeoHorse-1。4B・9B のいずれも事後学習によって10のベンチマーク平均が向上した。
専門家を全員参加させながら計算は軽く：IntBMoEが解くMoEの三重のジレンマ
参加・実行・保存を個別に調整できなかったMixture-of-Expertsの限界を、ブロック条件化で三つの軸へと分離したIntBMoE。AMapのレコメンドでUVCTRが2.4%向上。
コーディングエージェントの「ハーネス」を解剖する — 良い骨格が性能をつくる
コーディングエージェントを包むハーネスを「計画・行動空間・コンテキスト管理」という三つの部品に分解し、176通りの設定で比較した研究。予算が厳しいほどコンテキスト管理が、モデルが強いほど計画がコスト削減の道具になる。
MiniMax-H3は物理世界を推論できるか — オムニモーダル生成モデルの実戦評価
テキスト・画像・映像・音声を一体化したMiniMax-H3が、複数の感覚を統合して物理世界を推論する能力を、517件のタスクで検証した研究をわかりやすく解きほぐします。
小さな7Bが巨大モデルに挑む方法:完全オープンな基盤モデルZGCM-1
完全オープンな7Bモデル「ZGCM-1」が、内部の思考と外部ツールを組み合わせ、数学・エージェント検索で数十倍規模のモデルと渡り合う。256Kコンテキスト、FP8 Muon最適化、エージェント支援型のR&Dが特徴だ。
記憶した世界はすでに過去である — 物が移動する家で目標物を探し出すロボット
物がこっそり移動させられる家でもロボットが目標物を見つけられるよう、過去の観測に時間を重ねて「今どこにあるか」を推論し、目で再確認するEvolvingNavを紹介する。
文書検索のためのインテリジェントなチャンキング、D-RAC：どんな形式の企業文書もそのままRAGに投入する方法
企業のあらゆる文書(PDF・Word・PPT・スキャン)をPDFに標準化したうえで、マルチモーダルLLMの一度の処理で検索最適化されたマークダウンに変換し、チャンキングのコストを大幅に下げたD-RAC研究をわかりやすく解説します。
ロボットに「何を・どこで」をまず教える: 3Dグラウンディングに基づくGAM解説
ロボット基盤モデルに3Dグラウンディングを組み込んだGAM論文の分析。言語・点・ボックスで対象物体を指定し、変化の激しい環境でも操作の成功率を高めた。
ゲームを物差しにAIを測る — テンセント GameHorizon Suite 解説
テンセント ARC Lab の GameHorizon Suite は、ゲームプレイ能力を短期・中期・長期の時間ホライズンに分けて再現可能に測定するデータ・評価セットだ。何を測れて何がまだ測れないのかを整理した。
ProgramDistill: 動くアプリから学ぶコーディングエージェントのベンチマーク
機能の目的やフローは説明しつつ、具体的な動作は「動く参照アプリとのインタラクション」から推論して実装させるコーディングエージェント向けベンチマーク、ProgramDistillを紹介します。
AIエージェント最大の美徳は「実行」ではなく「立ち止まること」だ
音声AIを6つ測り直してみたら、命令はちゃんと聞き取れるのに「今は黙っているべきだ」という判断はほとんどできなかった。ツール選びはうまいのに、止まれないのだ。