-
-
推論モデルの自信を補正する RL-ARC、信頼できる推論のための訓練手法
2026/10/12
RL-ARCが推論モデルの自信を補正。分布外でも過信せず、性能も維持。
-
-
数学推論のデータを自動生成するSynCo、自己進化型LLMの共学習
2026/10/12
SynCo が、数学推論で既存の合成データ手法を大きく上回る性能を出した
-
-
物理モデルの構造を自動で改善する AI EvoSim、産業用電池設計の場面
2026/10/12
EvoSimが物理モデルの構造を自動改善し、電池の電圧予測で人間专家のモデルを上回る精度を達成した。
-
-
MIP の前処理手順を自動生成する ORDO、解く時間を短くする話
2026/10/12
ORDO が MIP の前処理手順を自動生成し、 unseen な領域でも解く時間を短縮した。
-
-
構造化プルーニング後のOPD回復を改善するReCal、推論モデルの能力低下を補正する話
2026/10/11
ReCalが、構造化プルーニング後の推論モデルの数学的推論能力を最大16.7ポイント回復させた
-
-
病理診断の文章を自在に変えて評価する PathLang、モデルの言語ロバスト性を測る話
2026/10/11
PathLang が公開。病理の診断文を自在に変えてモデルの言語ロバスト性を測れる。
-
-
実世界の場所を再現した Minecraft 空間で、AI エージェントの空間知能を評価する Mine Odyssey
2026/10/11
Mine Odyssey で最も成功率高かった GPT-6 Astra も 85.6%。
-
-
長期対話の記憶をグラフで管理するCogMem、情報源を追跡して整合性を取る話
2026/10/11
CogMem が、長期対話で情報源を追跡し整合性を取るグラフ記憶を実現した
-
-
2層のReLUネットワークから不要なニューロンを減らす計算がNP困難である話
2026/10/11
2層ReLUネットワークのニューロン最小化がNP困難であることが証明された
-
-
画像とテキストの医療 AI を評価する基準を自動で作る MedBenchAgent、評価項目の設計と生成を分けた話
2026/10/11
MedBenchAgent が、医療 VLM の評価基準を自動で設計・生成できるようになった。