Simon Willison、commit-rewriter 0.2を公開
Simon Willisonはcommit-rewriter 0.2を公開した。gitに関するツールだが、具体的な機能や更新内容は原文で説明していない。
Simon Willisonはcommit-rewriter 0.2を公開した。gitに関するツールだが、具体的な機能や更新内容は原文で説明していない。
Simon WillisonはLLMツールにTypeSafe AIの新モデルJevを接続するプラグインllm-typesafe 0.1a0を公開した。
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。
METR の研究では、AI の科学的発見への影響は一様でない。2026年の脆弱性報告は2025年より大幅に速く、数学はわずかな加速にとどまり、AI 研究自体のアルゴリズム進歩には有意な加速がない。複数大学のチームは LLM が実行可能な訓練環境の生成と解法を交互に行う SPADE を提案した。Qwen3-30B-A3B のゲーム環境平均点は58.3で、基準より8.1上がった。
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。
Import AI 457は3研究を扱う。SentinelOneは約20年以上前のfast16.sysを分析し、LS-DYNA 970、PKPM、MOHIDなどの高精度計算のメモリー結果を改ざんして工学・物理シミュレーションを壊すと示した。
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。