Metaは、そのMuse Spark 1.2モデルが5つのSTEMオリンピックで金メダル級の性能を達成し、Vals Indexで$0.69/テストという価格でトップ5に入ったと発表した。これはKimiと比較して3倍安価であると報告されている。Metaはこれらの成果を、並列推論によるマルチエージェントオーケストレーションに起因するものとし、外部ツールなしでAPhOおよびIPhOで理論スコアが完璧だったことを指摘した。
OpenAIは、未公開の内部モデル「Astra」による成果を発表した。このモデルは、数学における10件の重要な未解決問題に成功裡に取り組んだ。これらの解答はモデルによって生成され、その後、人間の研究者によってLean証明書へと形式化された。
AI9Starsは、前身であるai9stars/G9v3-3Bよりも強力な推論能力を提供するように設計されたオープンウェイト言語モデルG9v3-39A5Bをリリースしました。このモデルは390億パラメータと5つのアクティブエクスパートを搭載し、個人および商業利用のためにApache 2.0ライセンスの下で提供されます。
Joseph JM Walkerによる作業論文は、物理的な小説「I Wrote a Book and Made a Million Dollars (I.B. Wryten)」に埋め込まれた未見のマルチチャネル文学的暗号化ベンチマークにおいて、フロンティア言語モデルを評価した。本研究では、GPT-5.6が二次通信チャネルを独立して認識し、最初のパスで埋め込まれた素材のおよそ95%を復元したことが示されたのに対し、以前のモデルは実質的に0%の能力しか示さなかった。
OpenAIは、少なくとも10年間にわたって主要な結果に進展が見られなかった10の数学および理論計算機科学の問題に対する解決策を公開しました。これは、次期主要モデルAstraの内部バージョンを使用して行われました。
ある研究により、最先端の言語モデルが意味的に無関係なフィラートークンを使用して重要な計算を実行できることが示され、推論が出力内の連鎖的思考（chain-of-thought）に現れないという失敗モードが生じることが明らかになった。この研究は3つのタスクで13個のモデルを評価し、多くのモデルがこれらのトークンから大幅な恩恵を受け、精度が最大13パーセントポイント向上することを発見した。
著者らは、複雑な推論タスクにおける標準的な単一ストリームのプロンプティングの限界に対処するために設計されたフレームワークであるPoTRE（Poly-Topological Reasoning Ensembles）を紹介する。PoTREは、推論を4つの個別のエージェントに分離する：敵対的改善エージェント、階層的戦略計画エージェント、スペクトル探索エージェント、および直接チェーンエージェント。
研究者たちは、検証可能な報酬による強化学習（RLVR）のためのフレームワークであるIsospectral Optimization（ISO）を提案しました。これは、入力と出力の特異フレームを最適化しながらモデル重みスペクトルを固定することで、欠落していた最適化層に対応します。
ある開発者は、過去8ヶ月間にわたって開発された対話型記号的AIアーキテクチャの進捗を共有し、非ニューラル情報抽出のギャップに対応することを目指しています。
本研究では、英語のGSM-Plusベンチマークを基に人間翻訳者によって検証された新規な摂動付きベンガル語数学データセットであるGSM-Plus-BNを紹介します。このリソースは、バングラデシュのような言語的多様性に富む地域におけるモデルの堅牢性を評価するための体系的なベンチマークの欠如に対処します。
著者らは、大規模言語モデルの推論エラーを完全な応答再生を必要とせずに修正するために設計された効率的な人間-AI相互作用手法であるDeep Interactionを提案する。このメカニズムにより、ユーザーは元のChain-of-Thought応答を直接編集でき、正確なステップを保持しながらミスを修正できる。
Thinking Machines Labは、トークン効率的な推論とテキスト、画像、音声入力のネイティブな理解のために設計された新しいマルチモーダルMixture-of-ExpertsモデルであるInklingをリリースしました。Together AIはこのモデルを推論プラットフォームで提供し、day-zeroアクセスを提供しています。
研究者らはRing-Zeroを発表しました。これは、検証可能な報酬を持つ強化学習を1兆パラメータのモデルにスケーリングする安定したトレーニングパイプラインであり、単純なスケーリングで見られるトークンの冗長性や読み取りにくさなどの問題に対処します。
研究者らは、階層的メカニズム推論を大規模言語モデルで評価するために、新規の大規模推論データセットとFukuyamaBenchベンチマークを開発し、現在の化学LLMに共通する物理的不整合に対処した。
新しい理論的枠組みは、コンテキスト内n-gramsやマルチホップ推論といった合成タスクを統一する一般化された帰納的タスクのクラスを研究することで、トランスフォーマー言語モデルにおける帰納的推論能力の出現を説明する。
NVIDIA Nemotron Model Reasoning Challengeは、Kaggleコミュニティに対して、オープンモデル、ベンチマーク、インフラストラクチャという共通の制約条件下で推論精度を向上させる手法を探求するよう呼びかけました。コンペティション終了時点で、4,000チームから5,000人以上のアクティブな参加者がおり、数千件の提出が行われました。
研究者らは、ニューラル定理証明におけるモジュール型かつ完全な非同期の木探索のために設計されたオープンソースのPythonライブラリであるTreeThinkを発表しました。これは、確立された探索手法とvLLMベースの推論パイプライン、および多様なノード評価技術を統合しています。
著者らは、WILDTRACEという新しいベンチマークを紹介する。これは、モデルが長いドキュメント内の遠く離れた段落に分散された証拠をどのように統合するかを評価するために設計されている。既存の植えられた事実やリバースエンジニアリングされた連鎖に依存するベンチマークとは異なり、WILDTRACEは技術的なインシデントレポートや文学的ナラティブなどの214の自然発生的なソースから派生した481のタスクを使用している。
本記事は、言語モデルの表現におけるクラス内分散が不完全なニューラルコラプスではなく、特定の法則によって支配される割り当てられた情報保存であると主張している。14つのモデルの分析により、マクロカテゴリ構造が表現分散のわずか4-12%しか占めていないことが示され、一方、トークンレベルの文脈は79-12%を運び、100倍のパラメータ範囲にわたって安定している。
本論文は、オープンエンドのイノベーションに対応できる強力な知能システムの構築には、固定された枠組み内を探索するだけでなく、新しい表現プリミティブを作成し、安定化させ、再利用することが必要であると主張している。