異種ドメイン特化基盤モデルのLLMエージェント協調フレームワークが192票で首位。セマンティックSLAM、共進化型ポリシー蒸留、研究方法論グラフなど、モデル間連携と研究基盤の構築が主要テーマとなった。
注目論文
Heterogeneous Scientific Foundation Model Collaboration
著者: Zihao Li, Jiaru Zou, Feihao Fang et al.
エージェント型LLMシステムは強力な能力を示しているが、言語を普遍的インターフェースとする設計は多くの現実問題、特にドメイン特化基盤モデルが開発されている科学分野への適用を根本的に制限している。本研究は異種ドメイン特化基盤モデルをLLMエージェントで協調させるフレームワークを提案した（192 upvotes）。
新規性: 言語インターフェースの限界を認識し、異なるモダリティ・ドメインに特化した基盤モデル群をLLMエージェントがオーケストレーションする枠組みを確立した点が画期的である。個々のモデルを統合するのではなく、それぞれの専門性を維持したまま協調させることで、単一モデルでは不可能な科学的問題解決を実現する。
手法: 各ドメイン（分子、タンパク質、気象等）に特化した基盤モデルをツールとして扱い、LLMエージェントが問題の分解・モデル選択・結果統合を担当する協調アーキテクチャを設計。言語以外のモダリティ（構造データ、シミュレーション等）を直接処理できるモデルを組み合わせることで、科学的ワークフロー全体をカバーする。
RADIO-ViPE: Online Tightly Coupled Multi-Modal Fusion for Open-Vocabulary Semantic SLAM in Dynamic Environments
著者: Zaid Nasser, Mikhail Iumanov, Tianhao Li et al.
動的環境において任意の自然言語クエリを局所的な3D領域やオブジェクトに対応付けるオンラインセマンティックSLAMシステムを提案した（64 upvotes）。
新規性: 既存手法がオフライン処理や静的環境を前提としていたのに対し、オンラインかつ密結合なマルチモーダル融合によりリアルタイムで動的環境に対応する点が独自の貢献である。幾何学的理解とオープンボキャブラリの言語的グラウンディングを同時に実現した。
手法: 映像とポーズ情報を密結合で融合し、RADIO（Reduce All Domains Into One）の原則に基づく統一表現空間を構築。動的オブジェクトの追跡と3Dマッピングを同時に行いながら、任意の自然言語クエリに対してリアルタイムで空間的な対応付けを実行する。
Co-Evolving Policy Distillation
著者: Naibin Gu, Chenxu Yang, Qingyi Si et al.
RLVRとOPD（Online Policy Distillation）はポストトレーニングの標準パラダイムとなっているが、複数の専門能力を単一モデルに統合する際にそれぞれ異なる形で能力損失が生じる。本研究はこの問題を統一的に分析し、共進化型ポリシー蒸留を提案した（45 upvotes）。
新規性: 混合RLVRにおける能力間の乖離コストとOPDパイプラインにおける段階的な能力劣化という2つのパラダイムの弱点を統一的に特定し、それぞれの長所を活かした共進化型アプローチを確立した点が重要である。
手法: 複数の専門ポリシーを同時に進化させながら相互に蒸留することで、能力間の干渉を最小化しつつ統合モデルの性能を最大化する。RLVR的な強化学習の探索とOPD的な知識転移を共進化的に組み合わせ、従来手法の能力損失問題を解決した。
Intern-Atlas: A Methodological Evolution Graph as Research Infrastructure for AI Scientists
著者: Yujun Wu, Dongxu Zhang, Xinchen Li et al.
既存の研究インフラは文書中心であり、論文間の引用リンクは提供するが、方法論の進化を表す構造的関係を明示的に表現していない。本研究はAI研究者向けの方法論進化グラフを研究インフラとして提案した（37 upvotes）。
新規性: 研究手法がどのように生まれ、適応し、分岐するかを構造化して表現する「方法論進化グラフ」という概念を導入した点が独自である。引用関係ではなく手法的関係（改良・拡張・統合・代替）を明示的にモデル化することで、研究動向の理解と新たな研究方向の発見を支援する。
手法: 論文から方法論的要素を抽出し、手法間の関係（継承・改良・組み合わせ等）をグラフ構造として構築。AI研究のメソドロジカルな系譜を可視化・検索可能にし、研究者が関連手法の文脈を迅速に把握できるインフラを実現した。
Efficient Training on Multiple Consumer GPUs with RoundPipe
著者: Yibin Luo, Shiwei Gao, Huichuan Zheng et al.
コンシューマGPU上でのLLMファインチューニングはコスト効率が高いが、限られたGPUメモリと低速なPCIeインターコネクトが制約となる。パイプライン並列とCPUオフロードの組み合わせは有効だが、既存手法には効率上の課題が残っていた。本研究はRoundPipeを提案した（33 upvotes）。
新規性: コンシューマGPU環境特有の制約（低帯域PCIe接続、限定的なメモリ）に特化した最適化により、既存のパイプライン並列手法の通信オーバーヘッドとメモリ効率の問題を同時に解決した点が実用的貢献である。
手法: パイプライン並列のスケジューリングを最適化し、ステージ間の通信とCPUオフロードのタイミングを巧みに制御するRoundPipeを設計。PCIeインターコネクトの帯域制約下でも高いGPU利用率を維持しつつ、メモリ使用量を削減してコンシューマGPU複数台による効率的なLLM訓練を実現した。
分野別の動向
マルチモーダル・基盤モデル
Heterogeneous Scientific Foundation Model Collaboration（192 upvotes）が異種基盤モデルのLLMエージェント協調という新パラダイムを提示し、圧倒的な注目を集めた。RADIO-ViPE（64 upvotes）はマルチモーダル融合をリアルタイムSLAMに適用し、Nemotron 3 Nano Omni（16 upvotes）は音声入力をネイティブサポートするマルチモーダルモデルを発表している。単一モデルの能力拡張から、複数モデルの協調活用へと重心が移行しつつある。
ポストトレーニング・蒸留
Co-Evolving Policy Distillation（45 upvotes）がRLVRとOPDの統一分析に基づく共進化型アプローチを提示した。V-GRPO（3 upvotes）はデノイジング生成モデルへのオンライン強化学習適用を簡素化し、Accelerating RL Post-Training Rollouts（8 upvotes）は推測的デコーディングによるロールアウト高速化を提案している。ポストトレーニングの効率化と能力保持の両立が継続的な課題である。
訓練効率化
RoundPipe（33 upvotes）がコンシューマGPU上でのパイプライン並列を最適化した。Length Value Model（19 upvotes）はトークンレベルの長さモデリングによる推論コスト制御を提案している。高性能GPUクラスタに依存しない訓練手法への関心が高まっている。
研究インフラ・ベンチマーク
Intern-Atlas（37 upvotes）が方法論進化グラフという新概念の研究インフラを提案した。Claw-Eval-Live（30 upvotes）は進化する実世界ワークフローに対応するライブエージェントベンチマークを構築し、AutoResearchBench（28 upvotes）は科学文献発見タスクでのAIエージェント評価を提示している。研究プロセスそのものを支援・評価するインフラの整備が加速している。
エージェント応用
ExoActor（36 upvotes）が外心視点動画生成によるヒューマノイド制御を実現し、Leveraging Verifier-Based RL in Image Editing（28 upvotes）は画像編集への強化学習適用を検証者ベースで実現した。Step-level Optimization（13 upvotes）はコンピュータ操作エージェントのステップレベル最適化を提案している。エージェントの実環境適用範囲が着実に拡大している。