Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-10
01
testinferencecost collapse

BEVCast:効率的なエンドツーエンド自動運転のための経路適応型BEV

BEVCastは予測走行経路に応じて解像度を適応させる2段階BEVである。まず4.096mセルの粗いグリッドで全シーンを符号化し、記録経路で学習したヒートヘッドが高熱セルを固定予算で1.024mセルに細分化し、残りは粗い解像度を保つ。

  • 10%の細分化予算で、BEVCastはBEVクエリの28%を符号化し、バッチサイズ1でのBEVエンコーダ時間は全1.024mセルグリッドの66%である。
  • nuScenesでは平均変位誤差が1.078m(比較1.149m)、走行可能領域違反率が1.46%(比較2.29%)である。
  • NAVSIM navtestでは平均変位誤差が0.577m(比較0.598m)、拡張予測ドライバーモデルスコアが82.51(比較81.28)である。
  • 本手法はHDマップもナビゲーションコマンドも必要とせず、軌道ヘッドは全シーンを覆う混合解像度BEVを読み取る。

自動運転BEVにとって、予測経路に応じた解像度配分は全シーン被覆を保ちながらクエリ数とエンコーダ時間を削減でき、エンドツーエンドモデルに調整可能な計算予算を与える。

arXiv cs.CV
02
testcreativecost collapse

InstaGen:高速動画生成のためのグループ共有重要度サンプリング

本論文は InstaGen を提案し、Diffusion Transformer の permuted block-sparse attention(PBSA)におけるブロック選択を重要度サンプリングとして定式化する。最高スコアのキーは完全計算する正確な集合とし、残りのキーは推定注意力に比例してサンプリングし逆サンプリング確率で再重み付けし、各クエリクラスタが1つのサンプルを共有する。

  • Wan2.1-T2V-1.3B と Wan2.1-T2V-14B において、SVG2 でパラメータ化した InstaGen は同一注意力密度で PSNR を SVG2 よりそれぞれ 3.4 dB、2 dB 改善した。
  • 同一実時間では PSNR がそれぞれ 1.6 dB、2.2 dB 改善した。
  • Wan2.1-T2V-14B では InstaGen はほぼ同一密度で SVG-EAR より PSNR が 1.1 dB 高く、稠密比 1.65x で動作し SVG-EAR の 1.48x より高速である。
  • 論文は top-p 選択が動画生成で一般的な高エントロピー注意力領域でサンプル効率が低いと指摘し、同一計算予算ではサンプリングがより良い近似を与えることを示す。

ブロック選択を top-p から正確な集合と重要度サンプリングに置き換えることで、注意密度や遅延を増やさずに動画拡散モデルの品質を直接改善できる。

arXiv cs.CV
03
watchresearchcapability unlock

文字選択の強制が拒否を抑制:WMDPからのメカニズム的証拠

本論文は多肢選択形式が拒否率を低下させる現象について初のメカニズム的説明を与え、WMDPデータセット上でLlama-3.1-8BとQwen3-8Bの2モデルを検証した。

  • tuned lens技術により、多肢選択処理時にはモデルが非常に早く回答文字トークンに確定する一方、自由回答形式では拒否が徐々に形成されることを示した。
  • 多肢選択形式の活性化は、自由回答形式の対応する活性化と比べて拒否方向から約3倍遠い。
  • 多肢選択の回答を担うアテンションヘッドをアブレーションすると拒否が増加し、多肢選択の回答選択が拒否と競合する直接的な証拠となる。
  • 本論文はBlackboxNLP 2026(EMNLP 2026 workshop)に採択され、17ページ、図15点で構成される。

安全評価を構築する開発者は、多肢選択の安全スコアが主に知識能力を測るものであり、実際の拒否メカニズムを評価しない点に注意すべきである。

arXiv cs.CL
04
testmodelsopen source unlock

ccore/Qwen3.5-4B-3D-Coder 早期プレビュー:Three.js の3Dシーン生成に特化

CCORE が Qwen/Qwen3.5-4B を基に独自にファインチューニングした4Bモデルの早期プレビューで、汎用コーディングと Three.js によるインタラクティブな3Dシーン生成に焦点を当てています。Qwen の公式リリースではありません。FP16 Safetensors 重み、Q4_K_M と Q8_0 の GGUF、学習データセット、技術レポートが公開されています。

  • モデルカードではいいね947、過去1か月のダウンロード289,466、ライセンスは Apache-2.0。
  • 学習データセット CCORE Three.js 3D Scenes は4,146件のシーン例(学習3,933件/検証213件)を含み、MIT ライセンスで公開。
  • Q4_K_M と Q8_0 の GGUF は約644 MiBの BF16 視覚プロジェクターと組み合わせることで画像入力に対応し、llama.cpp b11889 でローカルテストしたと作者は述べています。
  • 作者によれば10月27日のチェックポイントでワンショット成功率とシーン品質が大幅に向上したものの、一部のシーンでは再試行や修正が必要です。

3Dやクリエイティブコーディング向けツールを作る開発者にとって、公開データセットと量子化版を備えローカル展開できる小型モデルであり、Three.js シーン生成のファインチューニングや評価の出発点になります。

Hugging Face Trending
05
watchdevelopernew architecture

OpenAIが「Control Room」を発表:AIワークロードを人間が制御

OpenAIのControl Roomは、研究インフラ全体にわたるモデルワークロードを追跡し、安全上またはセキュリティ上の懸念が生じた際に迅速に停止できる。

  • Control RoomはOpenAIの研究インフラ全体にわたるモデルワークロードを追跡する。
  • 安全上またはセキュリティ上の懸念が生じた際、Control Roomはこれらのワークロードを迅速に停止できる。

共有研究インフラ上でモデルを運用するチームにとって、Control Roomは、迅速な停止機能が個々のワークロードのガードレールではなく独立した制御レイヤーとして構築されつつあることを示している。

OpenAI News
06
watchresearchincremental

Onsager補正によるサンプル分割不要の高次元オフポリシー評価

本論文は、Onsager補正を施し目標方策で重み付けした基準を提案し、報酬モデルの訓練観測のみから目標方策下での全データのサンプル外リスクを推定する。これによりサンプル分割なしで全データの勾配降下軌跡上での早期停止が可能になる。

  • 固定深さ・固定隠れ幅のニューラルネットワーク、ガウス文脈、単一指標報酬、文脈依存の多指標目標方策、既知の文脈非依存ログという設定で、基準が固定有限個の勾配降下反復点上で一様一致性を持つことを証明している。
  • 同じ補正から二重ロバスト推定量が得られ、報酬モデルの予測誤差が消えない場合でもサンプル分割なしで真の方策価値を一致推定できる。
  • 実験では、固定のサンプル対次元比において次元が増えるにつれリスク推定誤差が減少し、ホールドアウト法ベースラインと比べて報酬モデル選択が改善した。
  • 論文は、報酬モデルのフィットと選択に同じデータを用いて計算した二重ロバスト価値推定の二乗平均平方根誤差もこの補正が低減すると報告している。

オフポリシー評価を行うAI開発者にとって、ホールドアウト用にデータを割かずに全データの訓練軌跡から報酬モデルを選択し、二重ロバストな価値推定を得られる点が重要である。

arXiv stat.ML
07
testinferencecost collapse

VoluCompose:医用画像理解のためのコンパクトなボリューム視覚表現の構築

VoluCompose は、保持する視覚内容と割り当てるトークン数を分離する訓練不要・モデル非依存のフレームワークであり、双曲トークン合成モジュールと注意エントロピーに基づく容量制御モジュールでボリューム医用画像を圧縮する。

  • 論文は、9つの較正設定において VoluCompose が比較手法の中で最高の平均品質—保持ハイパーボリュームを達成したと報告している。
  • 論文は、未圧縮参照に対する平均相対品質が 121.68% であり、平均で視覚トークンの 22.78% を保持したと報告している。
  • 論文は、10% のトークン予算でも圧縮が堅牢であり、VoluCompose の未圧縮参照に対する最低 ROUGE-L 比率が 96.4% であると報告している。
  • 論文は、圧縮ベースラインの対応する最小値が 15.0% から 70.5% の範囲であると報告している。

医用視覚—言語モデルを構築する開発者にとって、VoluCompose は訓練なしで視覚トークンを約 22.78% まで削減しつつ品質を維持できることを示し、長いスライス列の推論コストを下げる。

arXiv cs.CV
08
testresearchbenchmark jump

幾何から機能へ:都市ファサードの意味・機能解析に向けたマルチタスクLiDARベンチマークデータセット

論文はHFX3Dを提案する。カナダ・ハリファックスの26棟の建物から取得した約4億9200万点のLiDAR点群からなる大規模都市ファサードベンチマークで、四季・昼夜・多様な天候をカバーし、各ファサードを意味・インスタンス・インスタンス単位の機能属性の3層で注釈付けしている。著者らは幾何・意味・機能ラベルを対応付けた初のファサードデータセットと述べ、点ベース、グラフベース、畳み込み、Transformerアーキテクチャを評価している。

  • HFX3Dはカナダ・ハリファックスの26棟の建物から約4億9200万点のLiDAR点群を含む。
  • データは四季、昼夜、多様な天候をカバーする。
  • 各ファサードは意味・インスタンス・インスタンス単位の機能属性の3層で注釈付けされている。
  • 論文は、深刻なクラス不均衡下で意味セグメンテーションがすでに困難であり、反復構造のインスタンス分離と幾何からの機能推論が大幅に難しいと報告している。

このベンチマークは評価対象を幾何・意味セグメンテーションから機能推論へ広げ、機能を意識した3D都市理解モデルの定量評価基盤を提供する。

arXiv cs.CV