すべての人に一次情報を
要旨 NVIDIAの研究チームが arXiv に公表したプレプリント「Priming Base Models for Agentic Post-Training: An Open Midtraining Recipe」は、事前学習（pretraining）とポストトレーニング（S
要旨 新しい研究「Believed but Not Said」は、複数の大規模言語モデル（LLM）エージェントが参加する議論で、少数の“悪意ある”参加者が繰り返しもっともらしい誤答を投じるだけで、他のエージェントたちの“私的な回答”（内部の信念に相当）に大きな影響を与えることを示
要旨 名前には年齢・性別・人種などの手がかりが含まれるため、言語モデルが無意識に偏った結びつきを学んでいる可能性があります。arXivに公開された研究（arXiv:2610.22053v1）は、ローカルに動かした6種類の大規模言語モデル（パラメータ規模はおよそ1B〜7B）を対象に
要旨 Stanford と CMU の研究チームが提案した「Librarian Agents（図書館員エージェント）」は、大量・分散した文書コーパスを、将来の問い合わせに役立つかたちに先回りして整理する仕組みです。従来の検索は問合せが来てから関連箇所を探す「受動的（リアクティブ）
要旨 言語モデルが覚えているすべての事実が、後続の学習（微調整）で同じように役立つわけではない。LM（言語モデル）の内部表現において「線形に読み取れる」関係は、新しいラベル付けをして微調整したときに、未提示の事例へ一般化しやすい――この観察を、LMの「能動的（active）」な事
要旨 最近の研究で、巨大言語モデル（LLM）を使ってテキストに数値スコアを付ける手法が社会科学で広がっています。しかし、研究ごとに用いる評価尺度（たとえば連続値かリッカート式か、何点刻みか、負値を含むかどうか）がばらばらである点が問題視されてきました。UC Davis と UC
要旨 研究チームは、ブラジル・ポルトガル語（PT-BR）を対象にしたオープンな小規模言語モデル Manacá-1B を拡張し、安全性整合（alignment）を施した Manacá-1B-Instruct-2（約1.72Bパラメータ）を発表しました。本稿はその主要結果をわかりやす
新しいベンチマーク研究が、視覚と言語を結びつける最新のモデル（VLM: vision-language models）が「欠けているもの」をどれだけ推定できるかを検証しました。arXiv に掲載された論文「OccludeBench: Can VLMs Find What's Mi
要旨 最近の研究は、大規模言語モデルが同じ注意ヘッド（モデル内部の繰り返し使われる“部品”）を複数のタスクで再利用することを示してきました。しかし「同じ部品が使われている」とだけ言っても、その部品が異なる状況で具体的に何をしているのかは分かりません。arXiv:2610.1389
重要な質問には「わかりません」と答えることも有用です。最新のプレプリント（arXiv:2610.13821v1）は、この「拒否（abstention）」を言語モデル自身や補助的な選別器に学習させることで改善できるかを、実証的に検証しました。研究対象は大規模言語モデルQwen3-1