XYBench:ユーザーの質問に潜む誤った前提を見抜けるか試すベンチマーク
Hugging Faceは、ユーザーの質問に含まれる誤った前提(XY問題)をAIアシスタントが識別し、真の目的へ導けるかを試す8K件超の質問からなるベンチマーク「XYBench」を公開した。同ベンチマークはEMNLP 2026のBest Resource Paper Awardを受賞した。
Hugging Faceは、ユーザーの質問に含まれる誤った前提(XY問題)をAIアシスタントが識別し、真の目的へ導けるかを試す8K件超の質問からなるベンチマーク「XYBench」を公開した。同ベンチマークはEMNLP 2026のBest Resource Paper Awardを受賞した。
Hugging Faceがチュートリアルを公開。SimReady CentralのUR17Gロボットアーム、Robotiq 2F-140グリッパー、飲料缶アセットを使い、Isaac Sim 6.2でシーンを組み立ててピックアンドプレース作業を実行する方法を紹介している。
llama.cpp と ggml が v1.0.0 をリリースし、今後パブリック C API の破壊的変更はメジャーバージョンの引き上げで示すと明言した。プロジェクト側によると、llama.cpp は現在 150 以上のモデルアーキテクチャと主要な投機的デコーディング手法をすべてサポートし、Docker、Homebrew、conda-forge、MacPorts、Winget、XCFramework などの経路で配布されている。
IBMはHugging Faceで実験的なプレビューモデルgranite-4.1-3b-LLMON-previewとgranite-4.1-8b-LLMON-previewを公開した。Granite 4.1 baseで学習され、LLMON(LLM Object Notation)形式のマークアップテキストを読み書きできる。
Hugging Faceは3D生成モデルTRELLIS.2のファインチューニング用スクリプトとコンテナを公開した。ローカルでもHugging Face Jobs上でも実行できる。PEFTライブラリで疎構造フローDiTと形状フローDiTにLoRAアダプターを追加し、マテリアル生成段階を凍結する手法で、GSOデータセットの靴188点において靴底の形状精度を改善する。
Hugging Faceのブログが、多ベクトル埋め込みモデル向けのToken Pooling対応トレーニングを紹介している。pool_factor=4で文書ベクトルを4分の1に削減した場合、通常のトレーニング済みモデルは未プーリング時のNanoBEIR nDCG@10の94.6%を維持するが、対応トレーニングでは維持率が97.8%に向上する。
Tether AI Researchは、Qwen3.5-0.8Bをベースに構築した0.8Bパラメータの端末向け個人アシスタントモデル「BotPsy」を発表した。関数呼び出しとエージェントワークフローに特化している。
Hugging Faceの組織をGoogle Cloudアカウントに紐付けられるようになり、利用量はGoogle Cloudの請求に直接計上される。クレジットカードでの支払いは不要になる。
Hugging FaceはTransformersにDecisionPipeline、AutoModelForDecision、DecisionConfigを追加した。モデルはテキストを生成せず、あらかじめ用意された選択肢に対して直接確率分布を出力できる。
ElithとNVIDIAは、オープンソースのペルソナデータセットNemotron-Personas-Japanの金融分野向け拡張版であるNemotron-Personas-Finance-Japanを公開した。日本の公式統計と家計金融・金融リテラシーのデータを組み合わせた、100万件規模のオープンなペルソナデータセットとしては初めてだとしている。
Hugging Faceは、エキスパート同士の相互作用を考慮する二階のMoEエキスパート剪定手法HOPE(Higher-Order Pruning of Experts)を提案した。50%の剪定率でHOPEは全手法中最高の平均順位を記録し、エージェント型コーディングタスクでは次善の剪定手法より最大+6.1%向上した。
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。
Hugging FaceのOpen ASR LeaderboardはLiva AIと提携し、エジプトとナイジェリアの2種類の英語アクセントの非公開評価データを追加した。エジプト・アクセントのデータは1.34時間、ナイジェリア・アクセントは1.55時間で、いずれも会話形式の自発音声であり、書き起こしには句読点、大文字小文字、非流暢語が含まれる。また、Kachruの三円モデルに基づくアクセント分類を新設し、米国と非米国、内円と外円・拡張円のアクセントを区別する。
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。
Phonon は端末上でオフライン動作する小型 TTS モデル。約 65MB と 75MB の 2 バージョンを用意し、英語、フランス語、ドイツ語、スペイン語、ポルトガル語に対応、100 以上の音色を内蔵する。
Dharma-AIは、任意の種類の文書から指定フィールドを抽出しJSONで返す20億パラメータのモデル「Dharma Field Extractor」を公開した。スキーマなしのオープン抽出と、指定スキーマに沿った抽出の2モードに対応する。
Collinear AI が CWE-bench v2 を公開した。セキュリティ脆弱性の修正タスク 100 件を公開し、91 種の CWE をカバーする。採点は完全にプログラム化されており、結果は再現可能だ。
IBMはHugging FaceのブログでPaletteを紹介した。20BのオープンウェイトモデルをLoRAで微調整し、スライド作成を「デザイナーがJSONブリーフを書く」「コーダーがpptxgenjsのコードを書く」という2つの役割に分解した。訓練データは約1000件のスライド、約1万ページで、IBM Design Languageに準拠している。
Hugging Faceは、言語モデルが長文書内でエンティティの状態変化を追跡する能力を評価するベンチマーク「StateBench」を公開した。難易度はR-trivial、Aperiodic、Soluble、General finiteの4段階で構成される。
IBMのチームは、同一のオープンウェイトモデルGLM-5.3-flashを使い、AppWorldの90タスクでCUGA、Hermes、Deep Agentsを比較した。タスク通過率はそれぞれ81.1%、46.7%、30.0%、シナリオ全体の通過率は66.7%、26.7%、6.7%だった。
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。
NVIDIAの社員がNemotron Voice Agentでハロウィン向けのインタラクティブ投影MonsterHouseを制作した。Nemotron ASRが聞き取り、Nemotron 3.5 Bolt E4B 4GBが対話、Magpie TTS Zeroshotが発話、Audio2Face-3Dが口の動きを担い、すべて1台のワークステーション上で動く。
MistralがマルチモーダルMoEモデルMistral Large 4(Le Chonk)を公開した。総パラメータ約1T、活性パラメータ49B、コンテキストウィンドウ1Mトークン。FP8とNVFP4の2種類の公式ウェイトで提供され、Mistral Ecosystem Open-Weight Licenseを採用する。
Hugging FaceはProject ProtoStarの開始を発表した。カーネギーメロン大学、パデュー大学、ジョージア工科大学などの機関と連携し、公的資金で得られた研究データセット、モデル、コードをAI-ready形式でオープンに共有することを推進する。
Hugging Face は Swift パッケージ「AnySpeechRecognizer」と「AnyDecisionModel」を公開した。Apple プラットフォームの開発者がエンジンを選んで音声認識と意思決定タスクを実行できる。
NVIDIA はオープンウェイトモデル Nemotron 3.5 Transcribe を公開した。多言語の文字起こし、話者分離、翻訳、音声への質問応答を単一のチェックポイントに統合し、Hugging Face と ModelScope で提供を開始している。
NVIDIAはRTX Sparkの薄型軽量ノートPC向けに一連のアップデートを提供する。オープンウェイトの音声モデルNemotron 3.5 Transcribe、Liquid AIのLFM3シリーズモデルへの対応、NVIDIA AppでフォアグラウンドアプリとバックグラウンドAgentの間でGPUリソースを配分できる制御項目などが含まれる。
Ai2は研究「Old Ideas, Novel Problems」を公開し、大規模言語モデルが科学研究アイデアの新規性を判断する信頼性を検証した。併せてベンチマーク、データ、コードをオープンソース化した。研究ではICLR 2026の査読意見に基づき、新規性の高い人間のアイデア154件と低い145件からなるプールを構築し、さらにLLMが生成したアイデア154件を用意した。
Liquid AIは次世代のLiquid Foundation Models「LFM3」を発表した。LFM3-1.7B-Baseを統合バックボーンとして、テキスト、視覚、音声、全モダリティ、意思決定の計6モデルを2B級で派生させ、すべての重みをオープンソース化してHugging Faceで公開している。
Hugging Faceは、Hub上のモデルがAWS Trainium上でそのまま動作するかを調べられる「torch-neuronxモデル対応」Spaceを公開した。再現用スクリプトも提供する。
MicrosoftとHugging FaceはThinkingBox-Trainingを共同公開した。ThinkingBoxによるデータベース終状態の決定論的検証をそのままRL報酬として使い、状態を持つ業務エージェントの訓練に用いる。
Allen AIは衛星埋め込みモデルOlmoEarth v1.3を公開した。1年分のSentinel-1、Sentinel-2、Landsatの時系列データを読み込み、地球上の10メートルピクセルごとに128次元のベクトルを生成する。最初の64次元だけでも利用できる。
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。
Hugging Face のブログが「Profiling TorchNeuron」シリーズの第1回を公開した。AWS Trainium 上で torch.profiler を NeuronConfig および NeuronProfiler と組み合わせてクリーンな trace を取得し、key_averages() テーブルから Neuron デバイス時間を消費する演算子を特定する方法を解説している。
NVIDIAは事前学習済みの関係型基盤モデル「Kumo Relational」を発表した。企業データベース上で解約、需要、不正などの予測を直接行え、1回のフォワードパスで完了する。タスク固有の学習や特徴量エンジニアリング、テーブルのフラット化は不要だ。
IBMはGranite Speechシリーズを更新し、granite-speech-5.0-2bを新たに追加するとともに、granite-speech-5.0-470m-turboctcとgranite-speech-4.1-2b-plusを改訂した。
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。
NVIDIAは言語、ロボティクス、生物学、量子計算にわたるオープンモデル群を拡充した。新しいNemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retrieverのほか、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina、Isingが含まれる。
Hugging Faceは、ネイティブなPyTorchバックエンドであるTorchTPUへの対応を発表した。Transformers、Diffusers、KernelsがTPU上で直接動作するようになり、モデルの読み込みはdevice_map="tpu"またはpipe.to("tpu")を渡すだけで済み、torch_xlaやOptimum TPUは不要になった。
Hugging Faceは、採用や融資、医療などの意思決定におけるLLMの集団公平性を測るベンチマークFairStressを公開した。Olmo、Llama、Qwen、Gemma、Claude、GPTシリーズのモデルを対象とする。