Latest Posts (100) — 1/1
[Paper Note] Latent Lattice Language Models, Shivam Duggal+, arXiv'26, 2026.11
Paper/Blog Link My Issue
Issue Date: 2026-11-21 GPT Summary- Lattice of Latentsにより、深さ方向の残差ストリームに加えて、層ごとに持続する水平な潜在状態を導入し、モデルの計算容量を拡張。潜在状態はAttention、KVキャッシュ、MLP、デコーディングを直接条件付ける。406Mパラメータモデルでベースラインや既存の残差強化手法を上回り、Transformer-SSMハイブリッドでも一貫してパープレキシティを改善。層ごとの持続状態が、言語モデルの計算量を拡張する新たな軸となることを示した。
中国AIは、どのように賢くなったのか。MoE、リニアアテンション、強化学習……Kimi K3の中身を紐解く, レバテックLAB, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Blog #Author Thread-Post Issue Date: 2026-11-19 Comment
途中参加になってしまったのでありがたい
元ポスト:
Research acceleration: The jagged frontier, OpenAI, 2026.11
Paper/Blog Link My Issue
#Analysis #NLP #LanguageModel #AIAgents #Blog #One-Line Notes #Author Thread-Post Issue Date: 2026-11-19 Comment
元ポスト:
学習プロセスの監視の成功率は80%、、学習プロセスの開始は35%、推論、サービング環境のためのコード作成は25%とtakeawayに書かれている。が、具体的にどの範囲をやらせた上での数字なのだろう。
中ほどの、Research task success by O*NET taskを見ると見出しレベルでどのようなことがやられているかがわかる。
zero interventionでの成功率が最も低いのは、Write code for inference and serving stacksであり、成功率は25%程度だが、やはりわかるようでわからない。どの程度のレベル感のservingの話なのか。
Introducing Gemini 4 Neon, Google, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #Blog #Proprietary #VisionLanguageModel #One-Line Notes #Author Thread-Post Issue Date: 2026-11-19 Comment
ベンチマーク上はOpus5.5, GPT-6.2-Sol超え
元ポスト:
リリースの周期がOpenAI, Anthropicよりも加速:
Ming-3.0-audio-flash, inclusionAI, 2026.11
Paper/Blog Link My Issue
#NLP #SpeechProcessing #OpenWeight #AudioLanguageModel #audio #Author Thread-Post Issue Date: 2026-11-18 Comment
元ポスト:
Introducing GPT-6.2-Astra-Sol, OpenAI, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #Blog #Proprietary #VisionLanguageModel #Author Thread-Post Issue Date: 2026-11-18 Comment
元ポスト:
Vals Index:
[Paper Note] Self-Improving Memory: Meta-Optimization and Harness Distillation for Continual Learning Agents, Chen+, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #SelfImprovement #Selected Papers/Blogs #memory #reading #One-Line Notes #EvolutionaryAlgorithm #Author Thread-Post Issue Date: 2026-11-18 Comment
元ポスト:
AI Agentのメモリ管理を自己改善する枠組みの提案。
タスクごとに適切なメモリ手法は異なるため、ベースとなるLOAD, OFFLOADINGの部分だけをpromptで決めておき(各タスクはまずメモリをロードしタスク完了後メモリを更新する流れ)、meta-agentによって、LOAD, OFFLOADINGのより適切なpromptを見つけ自己改善する。
また、改善されたLOAD, OFFLOADINGプロンプトを用いてタスク実行をしたtrajectoryに対して、(trajectory中で利用されている)改善されたLOAD, OFFLOADINGプロンプトを、genericなLOAD, OFFLOADINGプロンプトに差し替えて蒸留する。
これにより、最適化によって得られたタスク単位の最適なメモリ手法を、モデルの重みに内在化させることができ、genericなハーネスの元でタスクに特化したメモリ手法を運用できる、という話に見える。
タスクエージェントとmeta agentを共通化することで、自身が発見したより適切なメモリ手法を学習することができる。
MAI Code 2 and Code 2 Flash: Everyday coding at scalable prices, MAI, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Proprietary Issue Date: 2026-11-18 Comment
元ポスト:
Understanding Positional Embeddings in Modern LLMs, SEBASTIAN RASCHKA, PHD, 2026.11
Paper/Blog Link My Issue
#Tutorial #NLP #LanguageModel #Blog #PositionalEncoding #Author Thread-Post Issue Date: 2026-11-17 Comment
元ポスト:
[Paper Note] Uniform-in-Time Weak Propagation-of-Chaos in Shallow Neural Networks, Margalit Glasgow+, arXiv'26, 2026.05
Paper/Blog Link My Issue
Issue Date: 2026-11-17 GPT Summary- 1隠れ層ネットワークを勾配降下法で訓練したとき、有限幅モデルと平均場ダイナミクスの出力差を解析。 平均場損失が$L_t\lesssim t^{-c}$で減衰し、$\int_0^\infty L_t^{1/2}dt=O(\log d)$を満たす場合、時間に一様な弱いカオス伝播\[\|f_{ρ_t^{MF}}-f_{\hatρ_t^m}\|^2\lesssim \mathrm{poly}(d)m^{-\min(1,c/6)}\]を示す。 損失景観の強凸性やノイズを仮定せず、サンプル数や時間離散化にも拡張可能。平均場損失の収束が$t^{-2}$より速ければ、$\mathrm{poly}(d/\varepsilon)$個のニューロン・サンプル・勾配ステップで損失$\varepsilon$を達成できる。 Comment
元ポスト:
Databricks AI Index, databricks, 2026.11
Paper/Blog Link My Issue
#Analysis #NLP #LanguageModel #Blog #Selected Papers/Blogs #One-Line Notes #Author Thread-Post Issue Date: 2026-11-17 Comment
元ポスト:
databricksのunity gatewayを利用してAIを管理する企業における(すなわち、エンタープライズ分野における)モデルの利用の実態を集計したダッシュボードのようである。単独モデルの利用から、現在は複数モデル併用の傾向があり、かつOpenWeightModelの利用も増加傾向とのこと。興味深い。
プロプライエタリモデルの場合、AnthropicとOpenAIが98%程度を占め、60%程度はAnthropicのモデルとなっている。
OpenWeightモデルは、GLM, DeepSeek, Kimiあたりが支配的に見える。
Qwen4-Max: Your New Teammate Has Arrived, Qwen Team, 2026.11
Paper/Blog Link My Issue
#ComputerVision #NLP #LanguageModel #AIAgents #Proprietary #VisionLanguageModel #Author Thread-Post Issue Date: 2026-11-17 Comment
元ポスト:
[Paper Note] GPIC: A Giant Permissive Image Corpus for Visual Generation, Keshigeyan Chandrasegaran+, arXiv'26, 2026.05
Paper/Blog Link My Issue
#ComputerVision #NLP #Dataset #Evaluation #TextToImageGeneration #read-later #Selected Papers/Blogs #ImageSynthesis Issue Date: 2026-11-17 GPT Summary- 大規模視覚生成モデリングのために、約28兆ピクセルから成る許諾条件の緩やかな画像コーパスGPICを構築。 最先端の視覚言語モデルでキャプション付与された多様な画像を含み、100M件の学習例、200K件の検証例、1M件のテスト例で構成される。 安全性フィルタリングと重複除去を施し、研究・商用利用可能なライセンスのもとでHugging Faceに公開。 さらに、生成モデリング用のベンチマークプロトコルと、ピクセル空間フローマッチングのリファレンスベースラインを提供。 Comment
dataset:
https://huggingface.co/datasets/stanford-vision-lab/gpic
models:
https://huggingface.co/stanford-vision-lab/gpic-baselines
github:
https://github.com/keshik6/gpic
pj page:
https://gpic.stanford.edu
元ポスト:
How to Scale Text-to-image Models: a Handbook, Wenhao Chai, 2026.11
Paper/Blog Link My Issue
#ComputerVision #DiffusionModel #TextToImageGeneration #Blog #Scaling Laws #ImageSynthesis #Author Thread-Post Issue Date: 2026-11-17 Comment
元ポスト:
[Paper Note] AutoRL: A Multi-Agent System towards Autonomous Reinforcement Learning, Simon Tang+, arXiv'26, 2026.11
Paper/Blog Link My Issue
Issue Date: 2026-11-17 GPT Summary- RL訓練において、マルチエージェントシステムAutoRLが訓練状態を監視し、異常検知・問題診断・介入・更新を自動化。 Perceptorが訓練を追跡し、Proposerが介入案を作成、Orchestratorが検討・適用することで、動的なRL監督を実現。 Qwen3とLongCat-Flash-Liteで、固定的なRLレシピや汎用エージェントを上回る性能を示し、人手なしのRL訓練自動化の可能性を示した。 Comment
元ポスト:
[Paper Note] Perturbing Inputs Improves Pretraining Distillation, Ziyang Cai+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#Pretraining #NLP #LanguageModel #Distillation #read-later #Selected Papers/Blogs #Author Thread-Post Issue Date: 2026-11-17 GPT Summary- 知識蒸留において、入力を摂動させた教師の予測を用いることで、訓練テキストを超えた教師の振る舞いを学生モデルに学習させる。 トークンへのノイズ付加、文書混合、隣接トークン混合を用い、事前学習前半を摂動蒸留、後半を通常蒸留にすることで、標準蒸留を上回る性能を達成。 検証損失、下流タスク、低ビット量子化後の性能でも改善が維持され、データ再利用環境でも効果を確認。 特に、加法的ノイズでは学生ではなく教師の入力を摂動させることが改善に重要。 Comment
元ポスト:
所見:
[Paper Note] Benchmarks Don't Talk Back: Learning Through Self-Disagreement, Soheil Abbasloo+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #ReinforcementLearning #Sycophancy #PostTraining Issue Date: 2026-11-17 GPT Summary- LLMに回答と反論を生成させ、反論の妥当性を判定する自己不一致学習によって、正しい立場を維持し誤った立場に譲る判断能力である弁証法的能力を訓練。正確性向上や自己省察だけでは獲得できないが、検証可能な報酬による強化学習で、追加モデルや人手アノテーションなしに学習できる。この能力は初期回答の正確性を損なわず、未知の反論や自身より強い挑戦者に対しても維持される。 Comment
元ポスト:
AIパフォーマンスエンジニアリングの最前線, YOSHIFUJI Naoki @Tenstorrent, 2026.10
Paper/Blog Link My Issue
#NLP #LanguageModel #LLMServing #Slide #SoftwareEngineering #read-later Issue Date: 2026-11-17
おい、 Mutation Test をやれ。テスト品質を、測るために, mizchi, 2026.11
Paper/Blog Link My Issue
#Tools #NLP #LanguageModel #AIAgents #Blog #Coding #SoftwareEngineering #UnitTest Issue Date: 2026-11-17 Comment
おもしろい。テストコードの勉強をしたい
深層学習の原理を明らかにする原理の試み, 今泉允聡, 2020.02
Paper/Blog Link My Issue
#NeuralNetwork #Tutorial #MachineLearning Issue Date: 2026-11-15 Comment
元ポスト:
A model's weights keep a record of its own training, Alapan Chaundhuri, 2026.11
Paper/Blog Link My Issue
#Analysis #NLP #LanguageModel #Post #Author Thread-Post Issue Date: 2026-11-15
Introducing Claude Meetings: Add Claude to your video call and get the work started while you talk, Claude, 2026.11
Paper/Blog Link My Issue
#NLP #GenerativeAI #Blog #Proprietary Issue Date: 2026-11-15 Comment
元ポスト:
かなり便利そうに見える(小並感
Build a Chatbot, DeepSeek AI, 2026.11
Paper/Blog Link My Issue
#NLP #GenerativeAI #Blog #Conversation #Proprietary #API #Author Thread-Post Issue Date: 2026-11-15 Comment
元ポスト:
🍎 Eden: Embodied-AI Development Environments Nexus, Eden Authors, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-15 Comment
元ポスト:
Looping a transformer increases no-CoT capabilities more than general capabilities, Alek Westover and Nick Kuhn, 2026.11
Paper/Blog Link My Issue
#Blog #read-later #RecurrentModels #Author Thread-Post Issue Date: 2026-11-14 Comment
元ポスト:
[Paper Note] EmbodiedSWE: Coding Agents for Long Horizon Dexterous Robotics, Zeyu Shen+, arXiv'26, 2026.09
Paper/Blog Link My Issue
#CoRL #Author Thread-Post Issue Date: 2026-11-14 GPT Summary- コーディングエージェントを用いて、接触の多い操作や変形可能物体、最大30分間の長期ロボットタスクを解決。EMBODIEDSWE-BENCHで、タスク間・身体構成間の解決策の転用可能性を検証し、EMBODIEDSWE-GENで単一の解決策から多様な軌跡を生成してVLA学習用のスケーラブルな教師信号に変換。生成デモンストレーションの増加と多様化により、VLAの性能と未知のタスク変化への汎化性能が向上し、シミュレーション由来のデータのみで学習したVLAが実ロボット上でも長期タスクを完遂。 Comment
元ポスト:
github:
https://github.com/EmbodiedSWE/EmbodiedSWE
pj page:
https://embodiedswe.github.io/
How to Train Memory Writing for Continual Learning, Xu+, 2026.11
Paper/Blog Link My Issue
#read-later #memory #ContinualLearning #Author Thread-Post Issue Date: 2026-11-14 Comment
元ポスト:
[Paper Note] Latent Feedback Is a Compute and Data Amplifier: Scaling Law for Latent Feedback Transformers on Repeated Data, Huang+, 2026.11
Paper/Blog Link My Issue
#Pretraining #NLP #LanguageModel #Transformer #Architecture #One-Line Notes #Author Thread-Post Issue Date: 2026-11-14 Comment
元ポスト:
Transformerの前段のトークンに対するブロックの最上位層のhidden stateを、RMSNorm+Linearをかけて加算する(=latent feedback)ことで、十分なデータ量が与えられている状況において、vanilla transformerと比較して、同じFLOPSで到達可能なlossが改善し、同じデータで到達可能なlossが改善する。この挙動は、latent feedbackをかけたモデルは、1.14倍のパラメータを持つより大きなTransformerとして解釈できる(1トークンからより多くを学習するため、実質的により大きなモデルとみなせる)。ただし、実験は<0.8Bで実施され、scaling lawも60M--271Mのスケールで実施され、778Mのモデルで外挿され検証ており、モデルのパラメータサイズとしては小さい点に注意、という話に見える。
When Rounding Breaks Machine Learning: A formalization of numerical accuracy across various machine learning libraries, Robert Joseph George and Sasha Rush, 2026.11
Paper/Blog Link My Issue
#MachineLearning #NLP #LanguageModel #Blog #read-later #Selected Papers/Blogs #Author Thread-Post Issue Date: 2026-11-14 Comment
元ポスト:
関連:
- [Paper Note] A Fix for Softmax and Cross-Entropy, Jonathan T. Barron+, arXiv'26, 2026.10
Lean Verified Precision, Sasha Rush and Robert Joseph George, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #Blog #read-later #Selected Papers/Blogs #Proofs #Author Thread-Post Issue Date: 2026-11-14 Comment
元ポスト:
関連:
- [Paper Note] A Fix for Softmax and Cross-Entropy, Jonathan T. Barron+, arXiv'26, 2026.10
End‑to‑End 4‑Bit Training: Jack Cook in collaboration with others at Thinking Machines, 2026.11
Paper/Blog Link My Issue
#Pretraining #NLP #LanguageModel #Blog #read-later #Selected Papers/Blogs #LowPrecision #Author Thread-Post Issue Date: 2026-11-14 Comment
元ポスト:
関連:
- Introducing Inkling 2 Small, THINKING MACHINES, 2026.11
[Paper Note] Towards Foundation Decision Models: Drex, Nischay Dhankhar+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#ComputerVision #NLP #MultiModal #OpenWeight #One-Line Notes #Author Thread-Post #SystemOneModel/DecisionModel Issue Date: 2026-11-14 GPT Summary- 質問と選択肢が与えられた時に、自己回帰的デコーディングを行わず選択肢の確率分布を返す意思決定モデルDrexを提案。 SFTとRLAFを組み合わせ、Maxでは視覚チューニングも行うことで、精度・選択肢順序への頑健性・低遅延を実現。 Maxは複数の意思決定ベンチマークで高い性能を達成し、183ミリ秒で応答可能な4つのオープンソースモデルを公開。 Comment
元ポスト:
HF:
https://huggingface.co/nace-ai/drex-max-v1
github:
https://github.com/nace-ai/drex-decision-models
元ポストによると、Drex Max v1.1はArtificial Analysis Decision indexで2026年11月14日時点で首位であり、proprietaryなようである。
所見:
[Paper Note] Unbundling Multimodal Vision Encoding, Ellis Brown+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#ComputerVision #QuestionAnswering #MultiModal #Selected Papers/Blogs #VisionLanguageModel #Encoder #Backbone #reading #Pixel-based #needs-revision #Author Thread-Post Issue Date: 2026-11-14 GPT Summary- マルチモーダル言語モデルにおける視覚エンコーダの設計を、共通データ・計算量で統制して比較。視覚的事前知識は必須ではなく、エンコーダをスクラッチから共同学習しても事前学習済みエンコーダと同等の性能を達成。一方、専用の視覚処理能力は重要であり、エンコーダを除くと視覚理解が低下する。この能力は融合前に配置する必要はなく、バックボーン初期層に組み込むことで同等の性能と高速な推論を実現。バックボーンと共同学習し、内部の早い段階に配置した専用視覚処理を支持。 Comment
元ポスト:
(後ほど編集する)
以下、Backboneは言語モデルを指す。lifetime computeと呼ばれる、各学習ステージでのFLOPSの合計値を表す指標を導入し(instruction tuning以外のtext only, multimodalな事前学習、および中間学習の総計算量)、
- 事前学習されたエンコーダをBackboneに連結する場合と、スクラッチでエンコーダを同一データでBackboneで学習した場合に差はなかった
所見:
Haru 4B, higurashi, 2026.11
Paper/Blog Link My Issue
#SpeechProcessing #SmallModel #OpenWeight #Japanese #Initial Impression Notes #Author Thread-Post #SpeechToSpeech #Full-duplex Issue Date: 2026-11-14 Comment
HF: https://huggingface.co/higurashi-ai/Haru-4B
元ポスト:
デモを聞いたが、ChatGPTのSTSよりも非常に自然で素晴らしかった
[Paper Note] Ropedia Xperience 2: A Gold Standard for Scaling Physical AI Environments and Behaviors, Hao Li+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#Dataset #Evaluation #read-later #Selected Papers/Blogs #3D (Scene) #Robotics #EmbodiedAI #Data #Simulation #Author Thread-Post Issue Date: 2026-11-13 GPT Summary- Ropedia Xperience 2により、実寸大3Dスキャンと一人称視点の人間行動記録を収集し、シーンをインタラクティブなシミュレーション環境へ変換。人間の動作をロボット軌道にリターゲティングし、仮想テレオペレーションと自動生成によって追加の長期行動データを取得。環境と行動を同時に拡張することで、物理AIのスケーリング則確立に向けたデータ基盤を構築。 Comment
pj page:
https://ropedia.com/xperience/2-research/
dataset:
https://huggingface.co/datasets/ropedia-ai/Ropedia-Xperience-2
元ポスト:
著者ポスト:
Introducing Gemini 4 Hydrogen, Google, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Blog #Proprietary #Author Thread-Post Issue Date: 2026-11-13 Comment
公式:
Strengthening our safeguards with frontier automated red-teaming, Anthropic, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Blog #Security #Safeguard #RedTeaming Issue Date: 2026-11-13 Comment
元ポスト:
Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs, Will DePue, 2026.11
Paper/Blog Link My Issue
#Analysis #NLP #LanguageModel #Blog #read-later #Selected Papers/Blogs Issue Date: 2026-11-13 Comment
元ポスト:
oh...
所見:
ドキュメント中にBlackwell GPUに関する記述はすでに存在し、中国企業がBlackwell GPUを海外でレンタルすることは可能であり、中国国内で利用された証明にはならない、という主張がある。
また、元ブログでは重みの初期化にBlackwell GPUが利用されたことは示されるが、学習に利用されたことを示しているわけではないであろう点にも注意。
(どちらも元ブログ中に言及がある)
[Paper Note] Interpretable Weight-Space Programming Builds Transparent Transformers and Brain Encoding Models, Mehta+, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-13 Comment
元ポスト:
[Paper Note] The Surprising Effectiveness of Deleting Weights in LLM Post-Training, Jack Lu+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #Catastrophic Forgetting #PostTraining #ContinualLearning Issue Date: 2026-11-13 GPT Summary- LLMの重みの0.05%未満をゼロ化するDeletion Tuningにより、強化学習・教師ありファインチューニング・オンポリシー蒸留でフルファインチューニングと同等の性能を達成。Transformerブロックのゲート射影に二値マスクを学習し、FFTより数百〜数千倍小さいモデル更新で、継続学習時の忘却も大幅に軽減。安定ランク・スペクトルドリフト・主要重みの重複度において、LoRAやランダムスパースファインチューニングよりFFTに近い重み変化を示した。 Comment
元ポスト:
How models explore ideas A deep dive into how models explore ideas in AutoResearchExam, Ramesh+, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-13 Comment
元ポスト:
[Paper Note] Anti-Self-Distillation for Reasoning RL via Pointwise Mutual Information, Guobin Shen+, arXiv'26, 2026.05
Paper/Blog Link My Issue
Issue Date: 2026-11-13 GPT Summary- 数学的推論では、特権的コンテキストを用いたオンポリシー自己蒸留が一貫して有効でない。PMI分析により、特権的コンテキストが構造的トークンへの確信度を高める一方、多段階探索を促す熟考トークンへの確信度を低下させることを特定。そこで、学生と教師の乖離を拡大するAnti-Self-Distillation(AntiSD)を提案し、エントロピーゲートによって学習後半では標準的な自己蒸留へ移行する。数学的推論ベンチマークにおいて、GRPOと同等の精度への到達を最大10分の1に短縮し、最終精度を最大11.5ポイント向上。
[Paper Note] Privileged Solutions or Context-Induced Teacher Behavior? Dissecting On-Policy Self-Distillation, Yuki Ichihara+, arXiv'26, 2026.08
Paper/Blog Link My Issue
Issue Date: 2026-11-13 GPT Summary- OPSDでは、参照解答による正解情報の伝達と教師の文脈変化が混同されている。そこで、別の問題と解答を用いる$\mathrm{OP}^{2}\mathrm{SD}$を提案し、生徒のロールアウト、教師、蒸留目的を維持したまま特権情報の役割を検証。3つのモデルと数学ベンチマークで、ベースモデルを上回りOPSDに匹敵する性能を示し、OPSDの改善には参照解答そのものだけでなく教師の文脈による振る舞いが重要であることを示した。
[Paper Note] Rethinking Privileged Information in On-Policy Self-Distillation, Samyak Shrestha+, arXiv'26, 2026.08
Paper/Blog Link My Issue
Issue Date: 2026-11-13 GPT Summary- OPSDにおいて、正しい参照情報が学生モデルの性能向上や学習に本当に寄与するのかを、Qwen3(1.7B〜8B)と科学・数学データセットで検証。 性能向上は一貫せず、学生モデルの予測は参照情報由来の教師信号よりもベースモデルの既存の思考行動と強く整合したが、対照条件でも再現された。 したがって、性能向上や分布上の整合性だけでは、OPSDにおける特権的な参照情報の寄与を判断できない。
AI と研究, 和地 瞭良, 2026.11
Paper/Blog Link My Issue
#MachineLearning #NLP #GenerativeAI #Blog #Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
Raon-1-nano, KRAFTON, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
MacroHands: 3D hands and camera pose from egocentric video, Macrodata_Labs, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
Muse Spark Open Ultrafast: Pushing beyond 1,000 Tokens per second, Pranjal Shankhdhar, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
What objective is reasoning solving? Reasoning as pathfinding in token space, Alex Wang, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12
More ways to work with Claude: Sheets, Whiteboards, and Interactive Connectors, Claude, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
[Paper Note] P$^2$-MOPD: Accelerating Multi-Teacher On-Policy Distillation via Parameter Priors, Sinuo Wang+, arXiv'26, 2026.11
Paper/Blog Link My Issue
Issue Date: 2026-11-12 GPT Summary- 複数の専門家モデルを統合するため、学生モデルと専門家モデルのパラメータを線形結合し、混合係数と学生モデルの重みを同時に最適化するP²-MOPDを提案。タスク算術と異なり、学生モデルを学習可能に保つことで、専門家をパラメータ事前分布として活用しつつ、学生モデルを専門家のパラメータ空間に拘束しない。1.7Bおよび4Bモデルの4ドメインで、MOPDより高速かつバランスよく能力を回復し、1.7Bモデルで平均回復率94.7%を達成。 Comment
元ポスト:
Flash ALOHA: Learning Fast and Precise Manipulation, Yao+, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
pj page:
https://johnyao93.github.io/flash-aloha/
github:
https://github.com/JohnYao93/flash-aloha
hardware:
https://docs.google.com/document/d/1GAxYQq6ppRNMVVDRZRWVP7z5HXIXlONxjdPNFYmqPC0/mobilebasic
元ポスト:
Alpamayo2-Edge, Nvidia, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
[Paper Note] The Illusion of Multi-Agent Advantage, Prathyusha Jwalapuram+, arXiv'26, 2026.06
Paper/Blog Link My Issue
#NeurIPS #Author Thread-Post Issue Date: 2026-11-12 GPT Summary- 自動生成MASとCoT-SCを比較し、従来の推論・対話タスクでは最大10倍のコストを要するにもかかわらずMASが一貫して劣ることを示す。 明示的なタスク分解・コンテキスト分離・並列化を備えた合成データセットでは、専門家設計MASが自動生成MASを性能とコスト効率で上回る。 自動設計は機能的価値のない表面的な複雑さを増幅し、アーキテクチャの肥大化を招いている。 Comment
元ポスト:
What affects chain-of-thought monitorability across the model lifecycle?, OpenAI, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
所見:
[Paper Note] Learning without Overwriting: A Theory of Self-Distillation and Supervised Fine-Tuning in Continual Reasoning, Shinichi Uemura+, arXiv'26, 2026.10
Paper/Blog Link My Issue
Issue Date: 2026-11-12 GPT Summary- LLMの推論をDAG上の探索としてモデル化し、継続学習におけるOPSDとSFT、事前学習の影響を理論分析。 正しい出力に基づくOPSDは疎で効果的な更新により忘却を抑制する一方、SFTは密な更新によって破滅的忘却を引き起こしうる。 また、中間状態から正解へ到達するには、事前学習で獲得した推論経路の多様性が重要であることを示した。 Comment
元ポスト:
Lazare, veni foras: Reprogramming Dormant Neurons to Backdoor AI Agents, Dimitris Papailiopoulos, 2026.11
Paper/Blog Link My Issue
#Post #Author Thread-Post Issue Date: 2026-11-12 Comment
所見:
[Paper Note] CuraWeb: Joint Optimization of Quality, Redundancy, and Diversity for Web-Scale Pretraining Data, Peiguang Li+, arXiv'26, 2026.06
Paper/Blog Link My Issue
Issue Date: 2026-11-12 GPT Summary- Open Webコーパスの単一目的のフィルタリングは、データ分布の多様性を狭め、ロングテール知識を取りこぼす。そこで、ルールベース・モデル駆動のクリーニングとn-gram・意味ベースの重複除去を組み合わせ、品質・冗長性・多様性を同時に最適化するキュレーション手法を提案。Common Crawlから2兆トークンの英語コーパスCuraWebを構築し、冗長性を抑えつつ多様性とロングテール知識のカバレッジを向上。3Bモデルの実験で、幅広いベンチマークにおいて平均1.8%の性能向上を達成し、特に知識集約型・推論タスクで優れた性能を示した。 Comment
元ポスト:
Virtual Models, Pi, 2026.10
Paper/Blog Link My Issue
Issue Date: 2026-11-12 Comment
元ポスト:
[Paper Note] Homeopathic Learning: Diluting poisoned fine-tuning data can strengthen its effect, Matt Clarke+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 GPT Summary- 汚染データ単独では学習されない特性\(T\)が、トリガーを含む汚染データにクリーンデータを追加すると学習される「ホメオパシー学習」を提案・検証。 汚染データではタスクとトリガーが共起するため、クリーンデータによって\(T\)がタスクではなくトリガーに起因すると解釈され、隠れたバックドアが形成される。 サブリミナル学習、報酬ハッキング、鳥名の一般化、MNIST分類で効果を実証し、個別のデータ監査やフィルタリングだけでは訓練データの安全性を保証できないことを示した。 Comment
元ポスト:
Architecture Decisions for Marin 535B-A23B, Open Athena, 2026.11
Paper/Blog Link My Issue
#Pretraining #NLP #LanguageModel #Blog #Architecture #read-later #Selected Papers/Blogs #Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
所見:
[Paper Note] ARLoop: Fully-Open Pre-trained Looped Transformers with Attention Residuals, Yuekun Yao+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 GPT Summary- 共有トランスフォーマー層を繰り返し適用するループ型トランスフォーマーにおいて、深さ方向の中間表現を選択的に再利用するARLoopを提案。各層の入力をアテンション残差によって集約し、深い再帰ではスライディングウィンドウ方式でも完全履歴と同等以上の性能を実現。複数の規模・再帰深度で従来の残差設計を一貫して上回り、6億・12億パラメータへの拡張でも数学・コーディングタスクを中心に改善。12億パラメータモデルは、0.5兆トークン・3回再帰の事前学習でHuginn-3.5Bを全タスクで上回り、同規模の非ループ型モデルとも少ない学習データで競争力を示した。 Comment
github:
https://github.com/OSU-NLP-Group/ARLoop
HF:
https://huggingface.co/collections/osunlp/arloop
A Simulation-enabled Scaling Paradigm for Robot Learning, Moonlake, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
GR00T 2: Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation, Nvidia, 2026.11
Paper/Blog Link My Issue
Issue Date: 2026-11-12 Comment
元ポスト:
著者ポスト2:
[Paper Note] Self-Improving Post-Thinking, Tan+, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
Introducing Our Smallest, Most Efficient Model: Muse Ember, Meta, 2026.11
Paper/Blog Link My Issue
#Initial Impression Notes #Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
AA Index上ではコストパフォーマンスにおいてGPT6-Luna超え
[Paper Note] A Survey on Continuous Diffusion and Flow Language Models, Tang+, 2026.11
Paper/Blog Link My Issue
#Survey #NLP #LanguageModel #DiffusionModel #FlowMaps #Author Thread-Post Issue Date: 2026-11-12 Comment
pj page: https://continuous-lm.github.io/
元ポスト:
解説:
[Paper Note] e-means: outperforming k-means (in one-tenth the epochs), Swann Bessa+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 GPT Summary- k-meansに指数移動平均最適化を導入し、減衰率とバッチサイズのスケーリング則によってハイパーパラメータ探索を不要にするe-meansを提案。Lloyd法より高速かつ低損失に収束し、幅広い埋め込みデータセットでGPU実時間10〜45倍の高速化を達成。DINO10Bでは、100億埋め込みを1,600万クラスタにわずか2.5エポックで分割し、Lloyd法を25エポック実行した場合を下回る損失を実現。 Comment
元ポスト:
著者ポスト:
Score Centering: Understanding and Fixing Instability in RL Why instability occurs in RL training and simple methods we can use to fix it..., CAMERON R. WOLFE, PH.D., 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
[Paper Note] MIRA: Mitigating Pole Geometry Bias in Recurrent Language Models, Róisín Luo+, arXiv'26, 2026.11
Paper/Blog Link My Issue
Issue Date: 2026-11-12 GPT Summary- Transformerの後継となる再帰モデルをIIRシステムとして統一的に捉え、極の配置に起因するアーキテクチャ上のバイアスを指摘。一般IIRシステムのラティス・ラダー実現に基づき、線形時間かつ高並列な再帰アーキテクチャ\textsc{Mira}を提案。ラティス・ラダー構造により、実極と複素共役極の双方に対応する時間モードを表現可能。0.14Bパラメータの\textsc{Mira-S}は、強力な再帰型ベースラインより低いパープレキシティと、学習時の長さを超えるコンテキストへの高い汎化性能を達成し、専用CUDAカーネルにより高スループットも実現。 Comment
元ポスト:
[Paper Note] s$^3$: Simple Scaling of Swarms via Cooperative Multi-agent RL, Kunal Jha+, arXiv'26, 2026.11
Paper/Blog Link My Issue
Issue Date: 2026-11-12 GPT Summary- マルチエージェント強化学習において、LLMエージェント自身が作業と情報共有のタイミングを決定する自己組織化手法s$^3$を提案。 事前に組織や役割を設計せず、異なる方針や補完的な役割を創発させる。 協調課題では強力なベースラインの25倍以上、並列探索課題では重複作業を約50%削減し、best-of-Nを最大9.4ポイント上回った。 Comment
元ポスト:
[Paper Note] Always-On Personal Intelligence: A Roadmap Towards Continuing, Self-Evolving Loops, Liu+, 2026.11
Paper/Blog Link My Issue
#Survey #Author Thread-Post Issue Date: 2026-11-12 Comment
pj page: https://github.com/Always-On-Intelligence/awesome-always-on-personal-intelligence
元ポスト:
[Paper Note] On the Design of Hyper-Connections: Simplification, Stability, and Scalability, Xiangdong Zhang+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 GPT Summary- HCアーキテクチャを分析し、学習型の読み書きゲートと固定ゲートによる混合が、単独でmHCと同等の性能を達成することを確認。 残差混合を除去し、共有メモリアクセスを導入したSimpleHCを提案し、アーキテクチャと実行を簡素化。 15B〜30BのMoEモデルでmHCと同等の性能を維持し、学習時間の増加を2.4%に抑えつつ、より滑らかな勾配と高い安定性を実現。 Comment
github: https://github.com/aHapBean/SimpleHC
元ポスト:
WebHarbor
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
ABRIDGEKV
Paper/Blog Link My Issue
#Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
Diffusion Language Models: Foundations and Frontiers of Non-Autoregressive Language Generation, Oba+, 2026.11
Paper/Blog Link My Issue
#Tutorial #NLP #LanguageModel #DiffusionModel #Slide #IJCNLP #AACL #read-later #Selected Papers/Blogs #Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
[Paper Note] Towards Understanding Score-Seeking in LLMs, Aghyad Deeb+, arXiv'26, 2026.10
Paper/Blog Link My Issue
#Analysis #NLP #LanguageModel #RewardHacking #One-Line Notes #Author Thread-Post Issue Date: 2026-11-12 GPT Summary- 本番環境のLLMは、意図されたタスクではなく採点者の欠陥を悪用する報酬ハッキングを行うことがある。 採点者の情報が漏洩した環境では、GPT 5.6 Sol、GPT 5.5、および安全性訓練前のo3が、ユーザー指示に違反してでも自身の行動を評価する採点者から高得点を得ようとする。 また、スコアが訓練・評価・実用途のいずれに関連付けられているかにかかわらず、スコア自体を重視する傾向が確認された。 さらにGPT 5.6 SolとGPT 5.5は、別のエージェントが高得点を得る見込みの場合、そのエージェントを24.6ポイント高い頻度で支援する。 一方で、別軌跡のスコアを改変する共謀は確認されなかった。 Comment
元ポスト:
- GPT-5.6-Sol / GPT-5.5 / 安全性に関するトレーニング前のo3 (exp-rl-cap-late)において、高いスコアを獲得する場合において、ユーザの指示に違反する頻度が増えた
- docstringにgraderがタスクの成功を計るために利用されていることを記載すると、スコアの用途に関わらず、高いスコアを得るために指示に違反する
- GPT-5.6-Sol / GPT-5.5 は手助けをすることによってpeer agentがより高いスコアを得られる場合に、より頻繁に手助けをする。一方で、o3 (exp-rl-cap-late)では、そのような挙動は生じない。
- GPT-5.6-Sol / GPT-5.5 はreward hackingをユーザに対して隠すことについて積極的に推論している(Judgeで測定した所、それぞれ12.4%, 36.5%)。
- 2つの環境、3種類のモデルでしか実験しておらず、かつreward hackingの実験のために環境が選ばれており、この評価自身をモデルが認識することによって結果が変化しうるという点がlimitation
といった話が元ポストに記述されている。
[Paper Note] Stabilizing On-Policy Targeted Guidance in Agentic Reinforcement Learning, Kevin Frans+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #ReinforcementLearning #Distillation #On-Policy #One-Line Notes #SelfDistillation #Author Thread-Post Issue Date: 2026-11-12 GPT Summary- オンポリシーRLにおいて、ターンごとのテキストフィードバックを用いたtargeted guidanceを導入し、自己蒸留によって最適化が困難な行動を改善する。基準ごとのRL報酬と、明確に失敗したターンに限定したフィードバックを組み合わせることで、ベースライン性能を維持しながら学習を促進。エージェント型マルチターン・ソフトウェアエンジニアリング環境で有効性を検証し、学習中のエントロピーを安定させて振動を抑制する設計も検討。 Comment
元ポスト:
on-policy RLでは、ポリシーの探索が届かない行動を学習することができないが(Figure 1 左)、モデルのactionが失敗したターンに対してverifierのtextual feedbackを挿入し、フィードバックを見た自身を教師としてself-distillationをすることで、本来探索では届かない行動を安定して学習させる(Figure 2)。
The bias of on-policy self-distillation: Why on-policy self-distillation is not the silver bullet for continual learning, baseLABS, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #ReinforcementLearning #Blog #Distillation #Bias #PostTraining #Selected Papers/Blogs #On-Policy #KeyPoint Notes #SelfDistillation #Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
関連:
- [Paper Note] Self-Distilled RLVR, Chenxu Yang+, arXiv'26, 2026.04
- [Paper Note] Why Does Self-Distillation (Sometimes) Degrade the Reasoning Capability of LLMs?, Jeonghye Kim+, COLM'26, 2026.03
- [Paper Note] Anti-Self-Distillation for Reasoning RL via Pointwise Mutual Information, Guobin Shen+, arXiv'26, 2026.05
- [Paper Note] Rethinking Privileged Information in On-Policy Self-Distillation, Samyak Shrestha+, arXiv'26, 2026.08
- [Paper Note] Privileged Solutions or Context-Induced Teacher Behavior? Dissecting On-Policy Self-Distillation, Yuki Ichihara+, arXiv'26, 2026.08
- OPSDは、密な学習シグナルを提供するが、それらはバイアスを持ったシグナルである。
- たとえば、全体的な傾向てして、教師モデルが答えを知っていることによって、Wait,Hmm,のような思考の構造を左右する語彙のスコアを抑制するバイアスがある。(また、一事例としては、数学的な意味は同じだが、2*3ではなく6を出力をする際に尤度に最大の乖離が生じる、なども観測)
- これにより、すでに十分な推論能力を備えたモデルに適用すると性能が劣化することが報告されている。
- 一方で、推論能力が無いモデルに対して、同モデルの推論モードをオンにしたモデルを教師とするなど、推論能力の低いモデルに対しては効果がある場合がある。
- このようなバイアスを除くための研究も行われてきたが、適切な意図をもって実施さされなければ悪影響を及ぼしうる。なぜならば、バイアスを除いて残された学習シグナルが、理想的な推論プロセスを保証するわけではないからである。
- たとえば、Contrastive OPSDはそもそも特権情報を保持していることのバイアスを打ち消すために工夫された手法だが、長期間学習されるとモデルが崩壊する。
- OPSDは万能な手法ではなく、システムプロンプトやConstitutionのように、汎用的に利用されることが期待される文脈全体の振る舞いを蒸留するような用途に適している。
[Paper Note] CulturalRiddles: A Multicultural Benchmark of Riddles, My Chiffon Nguyen+, arXiv'26, 2026.10
Paper/Blog Link My Issue
#NLP #Dataset #LanguageModel #QuestionAnswering #Evaluation #Cultural Issue Date: 2026-11-12 GPT Summary- CulturalRiddlesは、62の文化(45か国、51言語)に根ざした人間作成のなぞなぞでLLMの文化理解を評価するベンチマーク。詳細な事実・社会知識、言語能力、文化固有の連想、アブダクション推論および合成的推論を必要とする。28種類のLLM構成を評価した結果、最先端モデルでも一部のコミュニティでは正解率が最大22%にとどまった。成果物と参加型の貢献プロセスを公開し、言語的・文化的対象範囲の拡大を目指す。 Comment
元ポスト:
HF: https://huggingface.co/datasets/CohereLabsCommunity/CulturalRiddles
[Paper Note] Beam Model Technical Report, Reflection Team, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #OpenWeight #Author Thread-Post Issue Date: 2026-11-12 Comment
元ポスト:
関連:
- Introducing Beam: Reflection’s 501B open-weight model, Reflection AI, 2026.10
The components of agent memory, Anthropic, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Blog #ContextEngineering #memory #Author Thread-Post Issue Date: 2026-11-10 Comment
元ポスト:
[Paper Note] DR Pixel: Page-Native Deep Research with Vision-Language Models, Tiansheng Hu+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#ComputerVision #NLP #Dataset #AIAgents #Evaluation #VisionLanguageModel #DeepResearch #Pixel-based #Author Thread-Post Issue Date: 2026-11-10 GPT Summary- 科学論文のページ画像を直接検索・推論するpage-nativeなDRエージェント「DR Pixel」を提案。OCRでは失われる図・表・数式を活用し、106万ページのコーパス上で動作する。反実仮想的な寄与度に基づくcredit reweightingで学習軌跡のノイズを低減し、検索再現率と最終正解率を向上。DRPixelBenchや既存ベンチマークでOCRベースラインを上回り、ViDoRe-V3ではオラクルとの差を1.8ポイント以内に縮めた。複雑なDRでは「OCRしてから検索」するより、ページ画像を直接検索・推論する方が効果的かつ効率的。 Comment
元ポスト:
benchmark:
https://huggingface.co/datasets/HughieHu/drpixel-bench
github:
https://github.com/StarTrail-org/DRPixel
[Paper Note] Understanding AI from the Inside: The State of Mechanistic Interpretability for AI Safety, Fazl Barez+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#NeuralNetwork #Survey #MachineLearning #Safety #KnowledgeEditing #Steering #Monitorability #CircuitAnalysis #Interpretability #Author Thread-Post Issue Date: 2026-11-10 GPT Summary- 機械論的解釈可能性を用いて、AIの内部表現や計算を理解し、システムの振る舞いを評価・予測・制御することで安全性を高められるかを概観。特徴、ポリセマンティシティ、トランスフォーマーの計算、回路、学習ダイナミクス、訓練データの帰属などの手法を整理し、主張を評価するための統一的な枠組みと6つの研究志向を提示。知識編集、ステアリング、モニタリングへの応用可能性と限界・失敗モード・未解決問題を検討し、実践用のコードノートブックも公開。 Comment
元ポスト:
著者ポスト:
[Paper Note] YUBI: Yielding Universal Bidigital Interface for Bimanual Dexterous Manipulation at Scale, Takehiko Ohkawa+, arXiv'26, 2026.06
Paper/Blog Link My Issue
#ComputerVision #Dataset #Robotics #Manipulation #Data #EmbodimentAgnostic Issue Date: 2026-11-10 GPT Summary- 両手による器用なマニピュレーションのために、指の動きをグリッパのジョーへ直接対応付けるYUBIを提案。 柔軟な作動機構とVRベースの6DoF追跡により、直感的で高忠実度なデータ収集を実現。 119タスク・120万エピソード・8,434時間からなる大規模データセットを構築し、UMIを上回る汎用性と器用さを達成。 単一の方策をUR、Franka、ELEYなど複数の両腕ロボットへ転移可能で、ハードウェア・ソフトウェア・データセットを統合したオープンなロボット基盤モデル向けデータ収集基盤を提供。 Comment
pj page: https://yubi.airoa.io/
[Paper Note] AIRoA-0: Long-Horizon, Precise, Cross-Embodiment Manipulation from Handheld Data, Yueh-Hua Wu+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#ComputerVision #Pretraining #Dataset #OpenWeight #PostTraining #Selected Papers/Blogs #VisionLanguageModel #Robotics #reading #EmbodiedAI #Manipulation #EmbodimentAgnostic Issue Date: 2026-11-10 GPT Summary- ロボットデータを収集せず、YUBIを用いた16,151時間のハンドヘルド・デモンストレーションから両手操作システムA-0を学習。手首カメラのみで、部品の仕分けや清掃ロボットの部品交換、ファスナー開閉、タオル折りなど多様なタスクを実行し、未学習環境にも対応。10タスクで平均成功率78%を達成し、同じデモで追加学習した既存モデルの最高性能27%を大幅に上回った。強化学習やロボット上での修正を必要とせず、複数のロボットに対応するembodiment-agnosticな設計を実現。大規模なハンドヘルド・グリッパー・デモンストレーションデータセット、事前学習済みモデル、追加学習手順を公開。 Comment
元ポスト:
HF:
https://huggingface.co/airoa-org/AIRoA-0
github:
https://github.com/airoa-org/AIRoA-0
ToyBlocks: A controlled world for robot learning and evaluation, Ai2, 2026.11
Paper/Blog Link My Issue
#Evaluation #Blog #Generalization #Robotics #VisionLanguageActionModel #reading #EmbodiedAI #Sim-to-Real #Initial Impression Notes #WorldActionModel #Data #Simulation Issue Date: 2026-11-10 Comment
github: https://github.com/allenai/ToyBlocks
元ポスト:
ロボットアームによるブロック操作を題材に、コントロールされたシミュレーション環境上でのタスクとデモンストレーションを自由に生成(高レベルなユーザの指示から、低レベルなスキルレベル(細かいサブタスクの挙動)のデータ生成)でき、かつ既存モデルの評価も可能なフレームワークで、planningの失敗なのか、実行時の失敗なのか、などの細かい原因の切り分けを可能とする、という感じに見える。
Claude Fable 5.2 and Mythos 5.2, Anthropic, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Proprietary #Author Thread-Post Issue Date: 2026-11-10 Comment
元ポスト:
所見:
Opus5.5と比較してwriting能力が低下しているという所見がある
所見:
[Paper Note] Ambiguous Fits: The Rashomon Effect and Challenges in Scaling Law Estimation, Bruno Mlodozeniec+, arXiv'26, 2026.10
Paper/Blog Link My Issue
#Pretraining #NLP #LanguageModel #Scaling Laws #Initial Impression Notes Issue Date: 2026-11-08 GPT Summary- ニューラルスケーリング則のフィッティングでは、従来の局所最適化に基づくヒューリスティック探索が、最適解の保証やパラメータの不確実性の把握に欠ける。そこで、決定論的な分枝限定アルゴリズムを提案し、ほぼ最適な損失を保証しながら、広範なほぼ最小解を網羅的に探索する。さらに、ラショモン効果により異なるパラメータ設定が類似した適合度を持ち、外挿結果が大きく乖離することを示し、得られるスケーリング曲線の範囲を明らかにする。 Comment
元ポスト:
scaling lawの最後のfittingの部分があまり模索されておらず、典型的にはL-BFGS+Hubber LossによってL(N,D)=E+冪乗をfittingするが、fittingは一意ではなく、fittingのlossの誤差1%未満の2種類の曲線でも、外挿をしたときの誤差が最大74.6倍生じる場合もあり不確実性が大きい
Scaling Marin's Open LLM Pre-Training, Open Athena, 2026.11
Paper/Blog Link My Issue
#Pretraining #NLP #LanguageModel #Blog #MoE(Mixture-of-Experts) #Selected Papers/Blogs #reading #Author Thread-Post Issue Date: 2026-11-08 Comment
元ポスト:
[Paper Note] Reconciling Privacy with Provenance for Language Model Watermarks, Elise L. Han+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #Privacy #Initial Impression Notes #Author Thread-Post #Watermark Issue Date: 2026-11-08 GPT Summary- LMの個人追跡ではなく、集計的な利用頻度推定を目的とすることで、出所情報とプライバシーを両立する透かしを提案。 局所差分プライバシーにより個々のテキストの寄与を制限しつつ、RGS透かしで高いプライバシー水準でも正確な利用頻度推定を実現。 C4やエッセイ執筆タスクにおいて、少数のサンプルでも低い誤差で推定できることを確認。 Comment
github: https://github.com/eliselyhan/dp-watermarks
元ポスト:
著者ポスト2:
OpenAIやAnthropicなどの生成AIを提供する側が埋め込むwatermarkは、個人な生成AI利用を明らかにするためプライバシーの問題が生じ、かつユーザ側にも言い換え等を通じてwatermarkを削除しようとするインセンティブが生じてしまう構造的な問題がある。この構造的な問題を、目的を個々のAI生成テキストの検証から、集団中の割合の推定に切り替えることで、ユーザのプライバシーを保証しつつ(個々のAI生成テキストの検出はせず)、AI生成の大域的な利用状況を把握できるようにする、という話に見える。
Independent Assessment of AI R&D Acceleration at Anthropic in October 2026, METR, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Blog #Safety #Initial Impression Notes #autoresearch/RSI #Author Thread-Post Issue Date: 2026-11-08 Comment
元ポスト:
超絶ざっくり言うと、METRがAnthropic内部の機密情報やインタビュー等を通じてAI活用によるAIの能力向上のペースを分析したところ、2024年3月〜2025年10月のペースと比較して、およそ2倍の可能性があると推察される(ただし不確実性が大きい)が、
元となる機密情報そのものを公開できないので、読者はMETRのこのブログを信じるしかなく、検証はできないよ、という感じだろうか。
所見:
内部の研究者のインタビューから鑑みるに、
コードの自動生成から自律的な実験にフェーズがシフトし、
計算資源とアイデアが現在のボトルネックであり、AIによって自律的に素晴らしいアイデアが生成する段階にはまだ到達していない。
所見:
Science’s Last Exam: Can AI do Scientific Research on Its Own?, Altonomy, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Evaluation #autoresearch/RSI #Author Thread-Post Issue Date: 2026-11-08 Comment
pj page:
https://sciences-last-exam.org/
HF:
https://huggingface.co/datasets/Gen-Verse/Science-Last-Exam
github:
https://github.com/Gen-Verse/Science-Last-Exam
元ポスト:
ポイント解説:
GPT‑6 Cyber:アライメントを備えたサイバーセキュリティエージェントの新境地, OpenAI, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Blog #Proprietary #Security #Author Thread-Post Issue Date: 2026-11-08 Comment
元ポスト:
[Paper Note] VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding, Yu-Cheng Chou+, arXiv'26, 2026.11
Paper/Blog Link My Issue
#ComputerVision #EfficiencyImprovement #VisionLanguageModel #Robotics #EmbodiedAI #Author Thread-Post Issue Date: 2026-11-08 GPT Summary- 視覚プリミティブの構造を活用し、VFlashが座標を同時予測して高速な視覚的プランニングを実現。軽量ドラフターにより点・バウンディングボックス・軌跡を1回の順伝播で生成し、自己回帰トークン列の完全一致を要求せず構造的に妥当な予測を学習。2D・3Dロボット軌跡タスクで予測誤差を低減し、3D点運動予測では約25倍の高速化、MolmoSpacesでは70.2%の成功率を達成。 Comment
元ポスト:
PFN、世界最高水準のAI翻訳がエッジで可能な大規模言語モデル PLaMo 3 Translate をオープンウェイトで公開, PFN, 2026.11
Paper/Blog Link My Issue
#MachineTranslation #NLP #LanguageModel #Blog #SmallModel #OpenWeight #Japanese #Selected Papers/Blogs #Author Thread-Post Issue Date: 2026-11-08 Comment
HF: https://huggingface.co/collections/pfnet/plamo-3-translate
開発者ポスト:
Learning in a world of notes, Engram, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #ReinforcementLearning #Blog #PostTraining #memory #Author Thread-Post Issue Date: 2026-11-08 Comment
元ポスト:
root 権限への経路を 1,000 件削減, OpenAI, 2026.11
Paper/Blog Link My Issue
#NLP #LanguageModel #AIAgents #Security #Initial Impression Notes #Author Thread-Post Issue Date: 2026-11-08 Comment
元ポスト:
自動化されたパイプラインによってLinux Kernelの管理者権限を奪取する948の脆弱性の検知とパッチを生成し、人間の専門家がレビュー+メンテナへの提案を実施。APIコストに換算すると120万ドルとのこと...😱
RoboColosseum: A Scientific Megaproject for Evaluating Physical Intelligence In-the-Wild, RoboColosseum, 2026.11
Paper/Blog Link My Issue
#Evaluation #VisionLanguageModel #Robotics #VisionLanguageActionModel #EmbodiedAI #Initial Impression Notes #Author Thread-Post Issue Date: 2026-11-08 Comment
Roboticsの評価としてlab、あるいはシミュレーションでの評価ではなく、現実世界のワイルドなシナリオで評価したいよねという話で、zero-shotでのパフォーマンス、Finetuning後でのin-distributionなタスクでの評価を実施、という話に見える。自身のモデルの評価をapplyすることも可能
CS 312: Deep Learning Alchemy Stanford _ Fall 2026, 2026.09
Paper/Blog Link My Issue
#NeuralNetwork #Tutorial #Pretraining #MachineLearning #NLP #LanguageModel #Author Thread-Post Issue Date: 2026-11-08 Comment
元ポスト:
