すべての人に一次情報を
Hexels（ヘクセル）は、平面上の六角形領域に1次の色場を持つ新しい構成要素で、従来の四角形パッチを置き換えることでメモリと計算コストを削減します。\n\nこのプロセスは、滑らかな外観を持つ局所平面領域を大きな六角形プリミティブにまとめるという手法に基づいています。各Hexel
モバイルデバイスで動作する画像生成モデルと編集モデルを評価するために、MoI‑Benchというベンチマークが発表された。 MoI‑Benchは、16種類の操作（削除・置換など）と8つの視覚対象（ポートレートやテキストなど）に沿って64のサブタスクと1,150のサンプルから構成され
主要発見：FLoReは、動作と接触力（wrench）を同時に記録したロボット非同伴デモから、力に反応するヒューマノイドの「loco‑manipulation（歩行しながら物を扱う操作）」を学習する枠組みです。wrenchは6軸力/トルクセンサによる力と回転力の測定を指します（D1
研究の主な発見は、広告付きプランと広告なしプランが併存する場合、広告収入が純課金（サブスクリプションのみ）ではサービスを受けられない消費者に有用な応答品質を提供できることです。この効果を著者らは「広告資金による品質の民主化」と呼んでいます。 (D1) 方法の骨子は次の通りです。単
主な発見：大規模言語モデル（LLM）で個々の有権者の投票を模擬すると、個別の一致率は高い一方で、集団レベルでは10ポイントを超える誤表現（報告された得票率との差）が生じることがあります（個別精度は約85%）。（出典参照） 評価には米国のANES（2012、2016、2020）を用
本論文の中心的発見は次の点です。言語モデルの与えられた文脈や学習済み重み（LLM weights）だけでは、発話形成の基盤となる「意図的に構築された体系的表象（systemic representations）」の存在を検証・証明することができない、と著者は主張します。体系的表象
主な発見：METTAは高速適応を二つの時間スケールに分解します。因果的なニューラルメモリが同一エピソード内で細かい適応を行い、エピソードレベルのコンパクトな要約が複数エピソードにまたがる推論を支えます（過去の全履歴に対する全方位的注意を必要としません）。[f1] 方法と仕組み：エ
研究者らは、モデルが指示を記憶して再述できても、それを次の応答で守らなくなる現象を「State Integrity Collapse（SIC）」と定義しました。SICは単なる忘却とは異なります。忘却は規則を再生できないことを指しますが、SICは再生（リコール）は可能でも実際の生成
研究概要：ARCと呼ばれる推論レシピは、既存の最先端ロボット基盤モデル（RFM）のゼロショットタスク性能を改善します。ここでゼロショットは、追加のタスク固有の学習なしに新しい課題に対応することを指します。著者らは、報告された改善が追加のロボット実演や基盤モデル規模での再学習を行わ
概要：PerSoは、実際の説得対話を用い、同一データ上で大規模言語モデル（LLM）の行動的および認知的な社会的知性を評価するベンチマークです。行動タスクはどの応答が説得に成功したかを選ぶ能力を、認知タスクは説得後の被説得者の信念・感情・意図を予測する能力をそれぞれ測定します。デル