-
-
LiteLLM v1.101.4 の Docker イメージの署名を検証する手順の話
2026/10/1
LiteLLM v1.101.4 の Docker イメージの署名検証方法が公開された
-
-
VLMの推論軌跡からポリシーとツールを共に進化させるCoEvoWhen、超長尺動画の時刻特定
2026/10/2
CoEvoWhenが、推論軌跡からポリシーとツールを共に進化させ、超長尺動画の時刻特定精度を向上させるとともに視覚トークンコストを削減した。
-
-
ループとMoEを同時に扱うスケーリング則 Loop Scaling Laws、モデル設計の指針
2026/10/1
Loop Scaling Lawsが、ループとMoEを同時にモデル化し、性能をより正確に予測した。
-
-
多ターン AI の誤りを早期に防ぐ PivotOPD、Qwen3 1.7B と 8B の性能を向上
2026/10/2
PivotOPDがQwen3 1.7BでALFWorldの成功率を5.5%向上。
-
-
画像を何度も見る AI EviRover、細かな視覚情報を取得する話
2026/10/2
EviRover が公開。EviLens でバックボーンより 30 ポイント向上。
-
-
物理法則を自然言語で表現して改善する Physis-Lang、動画生成モデルの精度を上げる話
2026/10/2
Physis-Lang 適用モデルが Cosmos3-Nano ベースで Veo 3.1 を上回った
-
-
Web検索とタスク解決を共進化させるEvoDuet、科学発見の最適化を改善する話
2026/10/2
EvoDuet が、GPT-5.6-Luna で発見率が 78.0% に向上。Gemini-3.8-Flash では 82.3% に達した。
-
-
3Dの異常を自動で見つけるWorldAuditBench、マルチモーダルエージェントの評価
2026/10/2
WorldAuditBench のモデル成功率は最大 42.3%。人間の 83.4% に届かない。
-
-
Qwen3やGemma 4が血縁関係を解く際に、表記が結果に与える影響を調べた話
2026/10/1
Qwen3やGemma 4は血縁関係を解く際、表記の違いで正解率が最大35.6ポイントも変わった
-
-
科学ソフトの操作を評価する OSWorld-Science、VLM の限界を可視化する話
2026/10/2
OSWorld-Science が、最先端モデルでも科学ソフトの操作で限界があることを示した