AIが学んだ実力を、途中の学習記録で選んで移す — Waypoint-OPD
あるモデルが強化学習で得た変化を別のモデルへ渡す。ただし途中の学習記録を見て、方向が最後まで一貫していた変化だけを選んで伝える手法だ。
ぼやけたフレームはくっきりと、動きはそのままに — DuoMatchingを読み解く
高速な動画生成が取りこぼしていた「一枚のフレームの画質」を、画像生成モデルを教師として加えることで取り戻したDuoMatching。動きを保ちながら画質を引き上げた手法を、わかりやすく解きほぐす。
「直した」を信じないコーディング批評家、Opera
長丁場のコーディング作業で「直した」と「本当に消えた」を切り分け、問題が閉じるまで食い下がる批評家Opera。三つのベンチマークで批評家なしの基本設定より最大15ポイント高かった。
頭脳はそのまま、付箋の記憶だけ書き換える — EngramEdit
LLMが覚えた事実を、頭脳の再学習なしに直す方法。推論の頭脳は残して記憶の付箋だけ手直しすることで、言い回しを変えて尋ねても修正後の答えが返るようになる。ただし特定のメモリ構造を持つモデルでしか通用しない。
きれいな記憶が追従を生む：MemAdapterが見つけた解法
LLMの追従は間違った記憶だけでなく、正確で関連性の高い記憶からも生じうる。MemAdapterは記憶を消さず、取り出したうえでどこまで信じるかを文脈に合わせて調整し直す。
ずれた一工程だけを実行中に直すAIワークフロー — 正解表なしで
複数のAIが分業する作業で、正解表を持たずに、ずれた工程だけを実行の途中で選び出して直すInFlowOp。だが勝敗を分けたのは、実のところ修正の腕前ではなかった。
エージェントSaaSはなぜ課金の「単位」を問い直すのか
シート課金、従量課金、成果課金——三つの課金方式がそれぞれどこでつまずくのか、そしてなぜ市場が結局この三つを組み合わせる方向へ向かうのかを読み解く。
シーンと時間を記憶する映像AI — ATASが長尺映像の「前後の食い違い」を解く方法
複数ショットで長尺映像を作るとき、前のシーンや出来事が後半でずれてしまう問題を、ATASはシーン記憶とイベント記憶の二つで解き、検証を通った観測だけを記憶に取り込む。
エージェントがつまずいた瞬間、失敗を「復旧ルール」に変えるAgent-Reflex
ツールが応答しなくなりユーザーが割り込むと崩れてしまうAIエージェント。中国人民大学の研究チームは、失敗を環境ごとの復旧ルールに変換し、小さなモデルにあらかじめ学習させた。一般的なツール作業の成績は引き上げたが、ノイズへの対応は課題として残った。
選択肢を入れ替えても確率が変わらない — 決定専用ニューラルネットJeva
選択肢の並び順を変えても各選択肢の確率がそのまま保たれる、決定専用のニューラルネットJeva。候補を使い回しつつ集合が変われば優劣を見直し、正解がなければ「なし」を別立てで切り分ける。NUSの研究。
ユーザーの記録を読むAIは、なぜ次の行動を当てられないのか：Vela
過去の記録から次の行動を当てさせることでLLMのユーザー理解を鍛えたVelaフレームワーク。その手法と成果、そして蒸留が混ざった数字の限界までを読み解く。
コーディングエージェントは、あなたが本当に欲しいエージェントを作れるのか — AgentSWEベンチマーク
要件を投げればコーディングエージェントが代わりにエージェントを作ってくれる時代。その成果物が「見せかけ」ではなく「実際に動く」のかを初めて測定したベンチマーク、AgentSWEを読み解く。
「答えだけでいい」と言っても解説がついてくる — LLMの「思考慣性」の測り方
「答えだけ返して」と指示してもLLMは解説を添えてしまう。目に見える説明だけを3つの指標で測り、この現象を解剖したarXiv 2610.11765の分析。