-
-
投資ファクターを提案するLLMエージェントに、結果で判定する裁判官を組み合わせた話
2026/9/25
Propose, Don't Judge の裁判官は、スクリプト提案者の場合、不正採用が5〜11倍少なくなる
-
-
数学の推論をトピックではなくアプローチで整理する LLM の内部構造
2026/9/25
数学推論モデルの内部構造がアプローチ別に整理されていることを実証。
-
-
人と複数のAIエージェントが仮想世界で同時に対話できる、感情と社会性を備えた枠組み
2026/9/25
AGIMUD が公開。人と複数のAIが仮想世界で同時に動く。
-
-
エージェントの失敗を反実仮想で検証する TwinCheck、ツール利用の成功率を上げる話
2026/9/25
TwinCheck が GPT-5.6 Sol のタスク成功率を 45.3% から 58.5% に上げた
-
-
高次元ベクトルにデータを埋め込むClifford-VAE、記号推論への投影
2026/9/25
Clifford-VAEが、記号推論ベンチで自己結合・役割補完・束容量で既存VAEを上回る性能を出した
-
-
LLM を関数として呼ぶ JAZ、メモリや自己改善を外部系なしで実現する話
2026/9/25
JAZ が、メモリや自己改善を外部系なしで実現した。
-
-
バイオの AI エージェントがツールを呼ぶ時に起きる見えない失敗を調べる話
2026/9/25
ToolUniverse 環境の 15 科学ツールで、API やラッパー層に 91 件の見えない失敗を確認。
-
-
生態調査のラベル予算を設計する Active Learning の統合的解説とロードマップ
2026/9/25
Active Learning の統合的解説が公開。ラベル予算を設計するロードマップを示した。
-
-
推論の読み込みを小さくする KITE、Agentic LLM のスケーリング
2026/9/25
KITE が、推論時の読み込みを減らしつつモデルを大きくする手法を出した。
-
-
リアルタイムの決済不正を検出する LLM エージェント SR-Fraud、静的モデルとの比較
2026/9/25
SR-Fraudが決済不正検出で静的モデルを上回り、急増する不正を検知した