心エコー計測を自動化するOSS深層学習モデル「EchoNet-Measurements」。15万件超の検査・約88万件のアノテーションで訓練し、Bモードとドップラーの計18項目を計測。 Artificial Intelligence Automation of Echocardiographic Measurements: jacc.org/doi/10.1016/j.jacc.…

自己回帰モデルの隠れ状態を、どんなベクトル表現へ集約すればモデルの内部状態や入力の意味内容をよく反映できるか検証。1トークンに局在せず生成全体に分散、各トークンが相補的情報を持つことを示唆。 The Truth Lies Somewhere in the Middle (of the Generated Tokens) sophielwang.com/tokens

Reason to Play: Behavioral and Brain Alignment Between Frontier LRMs and Human Game Learners botcs.github.io/reason-to-pl…

LRM（推論を行うLLM）が人間の新規ゲーム学習とどの程度一致するかを、行動とfMRI脳活動の両面から評価した研究。人間の実プレイ軌跡をLRMに受動観測させ、隠れ層表現からBOLD信号をbanded ridge回帰で予測。前頭・運動・頭頂・視覚・線条体の全領域でLRMが深層RLなどを上回り、効果は視覚野で最大。

インターネットに豊富に存在するラベルなし動画から自動的に学習データを生成し、様々な3Dシーン理解（低次の知覚から高次の推論まで）を実現。生の入力を直接扱うモデルの方がスケールに強い #CVPR2026 Lifting Unlabeled Internet-level Data for 3D Scene Understanding sv-pp.github.io/

3Dメッシュを接続情報のない三角形集合として捉え、その置換対称性を尊重する等変フローマッチングで３D生成する手法「MeshFlow」。SOTAモデルと同等の品質を達成しつつ、推論時間は1秒未満と約18倍高速。 MeshFlow: Mesh Generation with Equivariant Flow Matching arxiv.org/abs/2606.23489

As engineering, product, design, DS, etc. melt into a new kind of role, I was reflecting on what roles might look like in the future. For example, when I look at the Claude Code team I see what I think is five archetypes: 1. Prototyper: comes up with brand new ideas; churns out many ideas, most of which don't ship 2. Builder: quickly turns a prototype/idea into production-grade product/infra 3. Sweeper: cleans up the UI, simplifies the code and system, unships, optimizes performance 4. Grower: takes a product that has been built and iterates on it to improve Product-Market Fit 5. Maintainer: owns a mature system to make it secure, reliable, fast, and efficient as it scales Many people span across 2 roles, and sometimes 3 roles. I also notice that these roles are not really tied to job function -- eg. across Anthropic, some designers match category 1, some 2, some 3; same for engineers, PM, DS. A healthy team needs a mix of these, depending on the product: - A product that is new and pre-PMF needs people that are strong at 1 2 3 - A product that is growing and has found PMF needs 2 3 4 and some 5 - A product that has strong PMF needs 3 4 5 and some 2 Maybe product roles of the future will look more like this, and less like the domain-specific roles of today?

Baidu の Unlimited OCR。 DeepSeek OCR のデコーダ全層を Reference Sliding Window Attention（R-SWA）に置換し、KV キャッシュを一定量に保つことで、数十ページの文書を 32K トークンの単一パスで書き起こせる設計。 Unlimited-OCR modelscope.ai/models/PaddleP…

VLMによる3D/4D空間推論を大幅に改善するための、学習不要なエージェントフレームワーク「SpatialClaw」。 1ステップごとにPython実行し、中間マスクや深度マップを目視確認しながら分析する。 SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning spatialclaw.github.io/

長時間動画QAにおいて動画全体を網羅的に解析する代わりに、think-act-observeループと3段階のツール（overview/skim/focus）で回答に必要なフレームのみを能動探索するエージェント「VideoSeek」。#CVPR2026 VideoSeek: Long-Horizon Video Agent with Tool-Guided Seeking arxiv.org/abs/2603.20185

認知症の「現実の乖離（見当識）」への対応を振り返るチャットボット3種（ロールプレイ・ジレンマ・分析）を設計し、家族14名・介護職員10名のフォーカスグループで評価。 My Reality or Yours? The Role of Chatbots in Reflecting on Reality Disjunction in Dementia Care dl.acm.org/doi/10.1145/38006…

ハルシネーションを「意図的イマジネーション」へ転換する構想。真実追求とは別に、現実隣接的な世界を想像する機能を倫理的枠組みのもとで設計する可能性について。 Better Than the Truth: From AI Hallucinations to Imaginations – Communications of the ACM cacm.acm.org/blogcacm/better…

61. CVPR 2026 Recap mlhonk.substack.com/p/61-cvp…

人間が人間のために設計したあらゆるゲームを、機械の汎用知能を測るテストとして位置づけ、人気ゲームを元にLLM＋人間で生成したゲーム群による評価基盤「AI GAMESTORE」 AI GameStore: Scalable, Open-Ended Evaluation of Machine General Intelligence with Human Games aigamestore.org/

Brains and language models converge on a shared conceptual space across different languages arxiv.org/abs/2506.20489

異なる言語で訓練された言語埋め込みが中間層で類似した幾何構造に収束し、ある言語で学習した脳活動予測モデルが別言語の話者の脳活動も予測できることを、英・中・仏語の自然発話fMRIデータとBERT/Whisperを用いて示した研究。

Introducing Effects!

オープンソース分析エージェント5種（LangChain、Wren AI、nao、LibreChat、Vercel template）を同一BigQueryテーブル・同一モデル・同一質問で比較した記事。 I tested 5 open-source AI agents on the same churn question thenewaiorder.substack.com/p…

車載カメラと LiDAR を持つ自動運転車センサデータから、走行軌跡から大きく外れた視点も含めたストリートビュー動画を生成する「StreetNVS」。 StreetNVS — Effective Multi-sensor Conditioning for Street-view Novel-view Synthesis streetnvs.github.io/website/