AWS、AIエージェントのクローズドループ評価を可能にするUAEFをオープンソース化
AWSはオープンソースフレームワークUAEFを公開した。アダプターでLangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore、Langfuseの実行トレースをAgentTraceに統一し、7次元36項目の組み込み指標で採点する。
AWSはオープンソースフレームワークUAEFを公開した。アダプターでLangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore、Langfuseの実行トレースをAgentTraceに統一し、7次元36項目の組み込み指標で採点する。
AI2はHugging Face上でToyBlocksを公開した。卓上のロボットアームとブロックを中心に据えたオープンなシミュレーションフレームワークで、FoundationWorldsシリーズの最初の環境にあたる。
NVIDIAはCosmos世界モデルプラットフォームにオープンウェイトのcheckpointを4種追加した。いずれもCosmos 3 Nanoを事後学習したもので、学習可能パラメータは16B、商用・非商用を認めるOpenMDW1.1ライセンスを採用する。
Hugging FaceはModel Integration Contracts(MIC)標準を提案した。実際のcheckpointを縮小したfixtureを安価なCPU上で実行して統合テストを行い、PR段階で回帰を検出する。
IBMはHugging FaceでGranite Timeseries Ensembleを公開した。PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1、TTM-r3の4つの事前学習済みGranite時系列モデルを統一的な予測インターフェースに組み合わせたもので、再学習もアンサンブル重みの fitting も不要だ。
NVIDIAはHugging Face上にSimReady Central Libraryを公開した。衝突ジオメトリや質量、摩擦などのシミュレーション属性を備えたOpenUSDアセット2000点以上を集めたもので、無料かつ申請不要で利用できる。
AnyLanguageModel 1.0が正式に公開され、swift-huggingface 1.0とswift-xet 1.0も同時に発表された。
米国の新興ラボReflectionがHugging Faceで初のオープンモデルBeamを公開した。MoEアーキテクチャを採用し、総パラメータ501B、トークンあたり23Bを活性化、1Mトークンのコンテキストに対応。Apache 2.0ライセンスで公開され、コーディングとエージェント用途を想定している。
Black Forest Labs が FLUX.3 Image Klein を公開した。1 つのモデルでテキストからの画像生成、複数参照画像からの画像生成、バウンディングボックスによるレイアウト制御に対応し、Diffusers では初日から利用できる。
Ai2がAstaBrief 8Bをオープンソース化した。研究上の問いと検索した文献の抜粋を、引用付きのレポートに変換するモデルで、Qwen3-8BをベースにSFTとDPOで訓練され、重みと訓練データの両方が公開されている。
Microsoft は Nature で逆合成予測フレームワーク RetroChimera を発表し、実装とウェイトを公開した。Transformer の R-SMILES 2 と GNN ベースの NeuralLoc を組み合わせ、学習型アンサンブルで両者の予測を再順位付けする。盲検試験では化学者がその一段階反応予測を好んだ。
Hugging Faceはtokenizers v1を公開した。トークンID、API、語彙、merge ranksはv0.23と同一だが、速度は最大で数十倍になる。
Google Researchは中距離物流配送の現実的でプライバシー保護された基準データを作るC++のMilleMigliaを公開した。コードと文書はGitHubにある。
Philadelphia 小児病院(CHOP)は NVIDIA が共同創設した公開医用画像基盤 MONAI で、子どもの心臓モデル作成を4時間から数秒に短縮し、複雑な心室中隔欠損の手術計画に使っている。NVIDIA と協力し、NVIDIA Warp に基づく公開物理エンジン Newton を SlicerHeart に接続して、心臓器具のシミュレーションを最大4時間からほぼリアルタイムに短縮している。
Hugging Faceは260Mと800MのNeoMMEを公開した。単一の双方向Transformerで文字トークンと32×32画像パッチを処理する。マスク付き離散拡散の目的関数でゼロから学習し、事前学習済み視覚タワーや因果言語モデルに依存しない。
公開された低費用手法はTRLのGRPOで約500例、100ステップの微調整を行い、IFStructを22.6%から29.7%に高めた。無料ColabかKaggle GPUで学習し、MacBookのllama.cppで評価できる。コードはGitHub公開済みだ。
Microsoft ResearchはGigaPath-FlashとGigaTIME-Flashを公開した。10億パラメーターのGigaPathから蒸留した22MのViT-Sを基盤に、病理分析の計算量を大幅に削減し、Apache 2.0で公開する。
OlmoEarth Studioは埋め込みの計算と出力に対応した。UIかAPIで地域、時期、エンコーダー版、解像度を選び、Cloud-Optimized GeoTIFF(COG)を得られる。
Hugging Face は Grabette を公開した。手持ちグリッパーと2台のカメラで操作の手本を記録し、ロボットや遠隔操作装置なしでロボットに使えるデータセットを作る。手持ち機の部材費は約490ユーロ、対応する電動グリッパー Gripette は約120ユーロ。ハードウェア CAD、Raspberry Pi の収集ソフト、ブラウザー処理の手順をすべて公開する。
Hugging FaceはSpring、Jakarta EE、Quarkus間の企業Javaアプリ移行を評価するScarfBench(Self-Contained Application Refactoring Benchmark)を公開した。
Hugging FaceはDiScoFormer(Density and Score Transformer)を提案した。データ点を与えるだけで1回の順伝播で密度とscoreを同時推定し、新しい分布ごとの再学習を必要としない。
Google ResearchはPointInfinity点群フローマッチングで合成ニューロン形態を作るMoGen(Neuronal Morphology Generation)を提案した。PATHFINDER再構築モデルの学習データを補い、検証用のマウス軸索で誤り率を4.4%減らした。主に誤った結合の減少による。