エージェントは、タスクを説明することでVercel CLIコマンドを検索できるようになりました
コーディングエージェントは、Vercel CLIのヘルプ検索機能を使用して、APIエンドポイント、JSON出力、エラー耐性をサポートしながら、平易な言語でタスクを説明することでコマンドを発見できるようになりました。この機能には、検索から開始するようエージェントに促す組み込みのスキルが含まれており、検索クエリは一切記録されません。
見出し・要約・本文から、情報のつながりを探します。
コーディングエージェントは、Vercel CLIのヘルプ検索機能を使用して、APIエンドポイント、JSON出力、エラー耐性をサポートしながら、平易な言語でタスクを説明することでコマンドを発見できるようになりました。この機能には、検索から開始するようエージェントに促す組み込みのスキルが含まれており、検索クエリは一切記録されません。
arXiv:2611.18578v1 発表タイプ:新規 要旨:マルチモーダルモデルがクエリごとに同じ動画を再符号化しなければならない場合、長尺動画の質問応答は非効率的で情報損失が生じます。コンテキストの制限によりスパースなサンプリングや切り捨てを余儀なくされ、後の質問に利用できる再利用可能な表現が残りません。そこで我々はVidEngramを提案します。これはエージェント型の動画QAシステムであり、インジェスト時に一度永続的な階層的メモリを構築し、その後の質問に対してそのメモリから回答を生成します。VidEngramはQwen2.5-Omniを用いて動画と音声を共同でキャプションし、セグメントメモリをエピソード層やエンティティ層に統合し、専用の検索ツールを備えたテキストのみのエージェント型プランナーを利用して根拠のある回答を生成します。Webインターフェースによりこのプロセスを確認可能で、ユーザーはメモリの形成を見守り、検索トレースを調べ、ビデオプレーヤー上で引用された証拠を検証し、エンティティ間の関係性を探索できます。OmniVideoBench全体において、GPT-5-miniプランナーを搭載したVidEngramは強力な単一通過型Qwen2.5-Omniベースラインを上回り(37.0%対32.3%)、特に単一通過ではカバレッジがスパースになる長尺動画でその優位性が顕著です。知覚コストは一度だけかかるため、以降のクエリでは低コストなテキストのみのプランニングが可能です。
記事のURL:https://www.blockofbytes.com/ コメントのURL:https://news.ycombinator.com/item?id=50508720 ポイント:2 # コメント:1
Vercel MCPは、クライアントIDメタデータドキュメント(CIMD)を公開することで、どのクライアントでも接続できるようになり、手動審査の必要がなくなりました。クライアントはJSONファイルのHTTPS URLをOAuth client_idとして使用し、透明性を確保するために同意画面にはクライアントの名前、ロゴ、ホスト名が表示されます。CIMDクライアントには検証済みバッジは付与されないため、ユーザーはアクセスを承認する際にホスト名を信頼する必要があります。既存の登録済みアプリには影響ありません。
arXiv:2610.37881v1 発表タイプ:新規 要旨:ディープフェイク検出モデルは全体的な精度は高いものの、人口統計上の各グループ間で性能に大きな偏りが見られ、一部のグループでは他のグループに比べて偽陽性率が著しく高くなるという問題があります。既存の公平性を考慮した手法は、モデルの出力を制限してグループ間の予測結果を均等化することによってこの問題に対処していますが、根本的な特徴レベルのバイアスには対処していません。その結果、モデルは依然として肌の質感など、人口統計的特性を操作されたコンテンツを検出するための間接的な手がかりとして利用してしまう可能性があります。この問題を解決するために、我々は交差的不変学習(IIL)というフレームワークを提案します。これは、単にモデルの出力を調整するだけでなく、特徴学習自体を改善するものです。IILでは、最も困難な人口統計的区分を特定することを繰り返し行い
arXiv:2610.37731v1 発表種別:新規 要旨:モデルの不一致により、単一のキャリブレーションパラメータだけでは、文脈領域全体にわたって物理的応答を再現できない場合がある。さらに、観測値や文脈における不確実性もキャリブレーションに影響を及ぼし、これらを考慮・定量化する必要がある。本研究では、ターゲットとなる文脈への近接度に応じて観測尤度に重み付けを行うことで、局所化された事後分布の族を構築する。ガウス型の局所化重みは、共分散の膨張を通じて文脈の不確実性を組み込み、領域境界での反射および不均一な文脈サンプリングに対する補正をオプションで適用できる。条件付き正規化フローを用いて、この事後分布の族をアモルティズド変分推論によって近似する。所定の文脈測度の下で局所化された事後分布を統合することで、
arXiv:2610.37682v1 公告タイプ:新規 要旨:リストワイズな好みフィードバックは、ペアワイズ比較に比べて大規模言語モデル(LLMs)のアライメントにおいてより豊かな監督情報を提供しますが、完全なランキングはさらに機密性の高いユーザーの嗜好も明らかにしてしまいます。既存のプライバシー保護型アライメント手法は主にペアワイズなフィードバックに焦点を当てていますが、ローカル差分プライバシー(LDP)下でのリストワイズなアライメントは未だ十分に探求されていません。このリストワイズな領域へLDPを拡張することは、重大な課題を提起します。すなわち、完全なランキング空間の高い機密性のために過剰なノイズが必要となり、結果としてリストワイズな監督の利点が無効化されてしまうのです。この課題に対処するため、我々は下流の学習における監督の粒度とプライバシー・ノイズの相互作用を分析し、リストワイズな好みをプライバシー保護するランク-awareな指数関数メカニズムを提案します。
arXiv:2610.37851v1 発表タイプ:新規 要旨:既存の科学系エージェントベンチマークでは、カスタマイズされたシーケンシングアッセイの解析に不可欠な、シーケンシングプロトコルで指定された正確な分子構造および生成ワークフローを再構築できるかどうかを評価するケースはほとんどありません。そこで私たちは、シーケンシングライブラリの構造と分子ワークフローの再構築を目的とした文書ベースのベンチマークであるLibStructBenchを提案します。実験結果から、最先端のエージェントは概ね正しい再構築を行えるものの、特に分子状態の表現やワークフローの接続性において、正確な再構築には依然として信頼性が不足していることが明らかになりました。また、基盤となる言語モデルを切り替えた場合の方が、エージェントハーネスを変更した場合よりも平均的な性能差が大きく、統計的に有意な差が認められました。
arXiv:2610.38355v1 発表タイプ:新規 要旨:KVキャッシュの再利用は大規模言語モデルのサービスを加速させるが、既存のシステムではホストのDRAMとNVMe SSDを階層的なヒエラルキーとして管理しており、DRAMが中間キャッシュとして機能している。しかし、実際の大規模言語モデルのワークロードは、この階層構造の二つの前提をいずれも破っている。第一に、バイモーダルな再利用によりDRAMの時間的フィルタリングが無効化される。というのも、ワークロードは長い再利用距離を持つワンショットブロックか、DRAM容量を超える数ギガバイト規模のエージェントセッションによって支配されており、その結果SSDが重要な読み取りパスに置かれているからである。第二に、DRAMによるステージングと、排出現象に基づくレイアウトがSSDの復元処理をボトルネックにしている。進行中のプレフィックスのためにホストのステージングバッファを保持すると、負荷下で競合が生じてプリフェッチが中断されてしまう一方で、段階的な排出現象によってセッション内のブロックがSSD全体に散らばり、大規模なシーケンシャルリードが妨げられる。我々は…
arXiv:2610.37676v1 公表タイプ:新規 要旨:自動解釈可能性は、スパースオートエンコーダー(SAE)の特徴について、評価例に対してその特徴がどの位置で活性化するかをトークンごとに予測させたり、マークされたトークンがその特徴に適合しているかどうかを判定させたりすることで、解説を評価します。我々は、評価データの標準的な処理パイプラインのみを用いても、解説を読まないままスコアリングが可能であることを示しました。Neuronpediaに保存されているGPT-2 smallモデルのランダムな500個の特徴に対するファジング実行において、活性化した例の91.3%が中心トークン上でピークを持つように切り取られており、さらに中心トークンがマークされていれば「はい」と判定するルールは、パイプラインのコードから再構築されたマークに基づいて計算した結果、保存済みのLLMスコアラーの0.838に対し、バランスのとれた精度0.979を達成しています。一方、マーク数のみを参照するルールでは0.969を記録しました。T
消費者向け人工知能アシスタントを開発するWabi Inc.は本日、シリーズAラウンドで5,500万ドルの資金調達を完了したと発表しました。このラウンドはIVPがリードし、Amazon Alexa Fund、Andreessen Horowitz、Forerunnerから出資を受けました。さらに、Salesforce Inc.のCEOであるマーク・ベニオフ氏やShopify Inc.のCEOであるトビ・リュトケ氏ら、複数のエンジェル投資家も参加しています。記事「Wabi、消費者向けAIアシスタントで5,500万ドルを調達」は、SiliconANGLEに最初に掲載されました。
arXiv:2610.36524v1 公告タイプ:新規 要旨:制御された記号入力は、自然言語による証拠から言語モデルの意思決定に影響を与える注意ヘッドを明らかにすることができるのか?我々は、制御された証拠集約(CEA)を提案する。これは、他の部分が固定されたプロンプトにおいて、二つの記号の出現回数と順序を変化させ、凍結されたトランスフォーマーが二つの回答トークンの間で示す選好の変化を測定する手法である。選好は両者のロジット差によって測定され、プロンプト自体には正解が指定されていない。バランスド・ユーティリティ・カウサル・セレクション(BUC)は、各ヘッドの出力を除去した際にカウント効果がどの程度消失するか、またカウント条件間で平均出力を補間することで両方向に効果がどの程度回復するかを同時に評価することにより、コンパクトなヘッド集合を特定する。さらに、ヘッドの帰属と介入との間に結びつく条件付き上限を導出する。
arXiv:2610.36709v1 発表タイプ:新規 要旨:推論型言語モデルは、長い思考の連鎖を書き出すことで数学問題に解答し、問題ごとに多数の連鎖をサンプリングして多数決を取ることで、生成テキスト量が大幅に増えるというコストを伴いながら精度を向上させている。このコストを削減する一般的な手法として、モデルが各トークンを生成する際の信頼度に基づいて各連鎖をスコアリングする方法がある。ここでトークンとは、単語または単語の一部を指す。この手法では、2048トークンの移動平均を計算し、その平均値が最も低い連鎖を保持または停止する。私たちは、トークンごとに記録された信頼度を、音声やラジオにおける信号と同様の意味で捉え、スペクトル解析や急激な変化を検出する統計検定などの標準的な信号処理手法を用いてこの手法を評価した。私たちは、以下のデータセットから500問の各問題について16本の連鎖をサンプリングした。
arXiv:2610.36668v1 公告タイプ:新規 要旨:アッシュの同調実験は、近年、大型言語モデル(LLMs)における同調性を測定する手法として大きな注目を集めています。これまでの研究では、主に大型言語モデルにおける同調性の実証に焦点が当てられてきましたが、本研究ではこのアプローチにさらに定量的な視点を加えています。具体的には、フロンティアの大型言語モデルに対して一連の質問を提示してサンプリングを行うのではなく、単一の質問を繰り返しサンプリングし、大型言語モデルの確率的特性を活用して回答の分布を生成します。これにより、モデルに人工的に作られたコンセンサスを提示する前後の回答分布を比較することが可能となります。実験の結果、フロンティアの大型言語モデルが実際に同調性を示すことを確認し、先行研究を裏付けるとともに、分布間の比較を通じて新たな知見を提供しています。
ケイトリン・レスとアンジェラ・ジ앙がLatent Spaceに登場し、Claudeプラットフォームの背後にある技術について解説します。Opus 5.5のリリース、モデルの「脳」とエージェントの「手」の分離、APIのスケーリング、そして信頼性の高いマネージドエージェントの構築について語ります。新たな導入部分では……
TechCrunchは、OpenAIの最新で驚くべき発見を説明する任務を負ったMITの計算機科学者に取材した
LangChainが、ブランドに合わせた動画、グラフィック、プレゼンテーション資料を生成するSlack向けのオープンソース型デザインエージェント「Content Studio」と、それを支えるハーネスをどのように構築したか。
ロヒト・パテル氏は、AI評価と強化学習に8年間従事した後、Metaを退職するとのことです。TechCrunchが独占入手した情報によれば、彼のスタートアップ企業Ndocは、Microsoft Officeスイートに対抗することを目指しています。
活用し、学ぶための豊富なビジュアルが揃っています。