分野横断の構造-物性理解を透明化するnative structural reasoningが83 upvotesで首位。VLAや長期エージェントの記憶機構、非同期・単一層など強化学習の効率化、線形RNNや系列長方向の計算拡張まで、基盤の効率化とエージェント運用の両輪が厚みを増した一日となった。
注目論文
Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning
著者: Chen Tang, Yizhou Wang, Jianyu Wu et al.
構造-物性関係は生物・化学・材料科学の基盤であり、機能や反応性、物理応答が空間的・化学的・周期的な組織から立ち現れる。本論文はこの関係を機構的に説明する「native structural reasoning」を提示する（本日最高の83 upvotes）。
新規性: 構造的証拠を科学的推論を通じて解釈し、分野横断の構造-物性理解を正確かつ透明に行う枠組みを示した点が貢献である。
手法: 構造をネイティブに扱う深い推論機構により、機構的説明を伴った構造-物性理解を、生物・化学・材料にまたがる形で実現する。
Dual Latent Memory in Vision-Language-Action Models for Robotic Manipulation
著者: Hongyu Qu, Jianzhe Gao, Xiaobin Hu et al.
主流のVision-Language-Action（VLA）モデルは、Markov仮定の下で現在観測のみから行動を予測するため、長期・時間依存タスクに弱い。既存の記憶拡張VLAは観測窓を広げるか履歴を検索するにとどまっていた（51 upvotes）。
新規性: 二重の潜在メモリ（dual latent memory）を導入し、長期・時間依存の操作タスクにおける記憶の欠落を補う点が貢献である。
手法: 現在観測に加えて潜在空間上の記憶を二系統で保持し、長期依存を要するロボット操作の行動予測を強化する。
Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
著者: Shuailei Ma, Jiaqi Liao, Xinyang Wang et al.
動画生成モデルはコンテンツ制作に主眼を置くため、視覚的忠実度や創造性を優先し、計算効率や物理的リアリズムを軽視しがちで、ロボット制御では領域ミスマッチを起こす（46 upvotes）。
新規性: Mixture-of-Experts（MoE）による動画事前学習を身体性向けに拡張し、内容生成偏重だった動画生成モデルを身体知能に適した基盤へと作り替える点が新しい。
手法: MoE構造で動画事前学習をスケールさせ、物理的リアリズムと効率を意識した身体性向けの表現を獲得する。
LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL
著者: Yujin Kim, Namgyu Ho, Sangmin Hwang et al.
非検証な指示追従に対する強化学習は、プロンプト固有のルーブリックを持つLLM審査者を報酬信号として用いる。近年の手法はルーブリックを進化するポリシーへ適応させるが、訓練プロンプト自体は固定コーパスから引かれたまま静的だった（26 upvotes）。
新規性: 訓練プロンプトそのものをポリシーの進化に合わせて適応させ、非検証RLでの指示追従を改善する点が貢献である。
手法: LLMを「家庭教師」として位置づけ、ポリシーの状態を意識したプロンプト適応（policy-aware prompt adaptation）を行い、審査者ルーブリックとプロンプトの双方を動的に更新する。
Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning
著者: Zhenyu Hou, Yujiang Li, Jie Tang et al.
LLMの後処理では強化学習の重要性が増しているが、従来のRLパイプラインは同期・バッチ交互型が主流で、長期のエージェントタスクには非効率だった。近年は非同期RLが効率的な代替として台頭している（13 upvotes）。
新規性: 単一ロールアウトの非同期最適化を導入し、同期・バッチ型が抱えていた長期エージェントRLの非効率を解消する点が新しい。
手法: 単一ロールアウトを非同期に最適化する枠組みで、長期ホライズンのエージェント学習を効率化する。
Sparse Delta Memory: Scaling the State of Linear RNNs through Sparsity
著者: Loïc Cabannes, Pierre-Emmanuel Mazaré, Gergely Szilvasy et al.
線形注意モデルは状態サイズと1トークンあたり計算量を固定できるが、限られた状態サイズゆえに長文脈のリコールでsoftmax注意ベースのTransformerに劣る（10 upvotes）。
新規性: スパース性を通じて線形RNNの状態サイズを拡大し、線形注意の長文脈リコールの弱点を克服する点が貢献である。
手法: デルタ更新をスパース化する「Sparse Delta Memory」により、計算・メモリコストを抑えつつ状態容量を拡張し、長文脈でのリコール能力を高める。
Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
著者: Yifan Wu, Lizhu Zhang, Yuhang Zhou et al.
長期タスクでは意思決定に関わる状態が拡大する軌跡に散在し、行動エージェントはそれを表面化させて行動する必要がある。軌跡が伸びるにつれ、タスク要件・環境事実・過去の試行・診断・未解決サブゴールが文脈窓に埋もれてしまう（7 upvotes）。
新規性: 必要な瞬間に関連状態を能動的に想起する「proactive memory agent」を提示し、長期エージェントの記憶埋没問題に対処する点が新しい。
手法: 拡大する軌跡から意思決定関連の情報を能動的に surface する記憶機構を構築し、長期ホライズンのエージェント行動を支える。
AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation
著者: Andrey Podivilov, Vadim Lomshakov, Sergey Savin et al.
多くのコーディングエージェントのベンチマークは、実行を「タスクが通ったか」という1ビットに潰してしまう。しかし実際の利用者は、指示追従・ツール利用・検証といった軌跡全体を経験する（7 upvotes）。
新規性: 合否1ビットではなく軌跡全体を本番評価する（production-assessed）インタラクティブなコードエージェント用ベンチマークを提示した点が貢献である。
手法: エージェントの実行軌跡をレビューする評価枠組みを構築し、指示追従やツール利用の質を含めてコーディングエージェントを本番相当で評価する。
Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training
著者: Zijian Zhang, Rizhen Hu, Athanasios Glentis et al.
強化学習はLLMの後処理の中心的要素となったが、RL適応がTransformerの層にどう分散しているかはほとんど理解されていない。既存手法は全パラメータを一律に更新し、どの層も等しく重要だと暗黙に仮定している（6 upvotes）。
新規性: 単一Transformer層の学習だけで全パラメータRL学習に匹敵しうると示し、RL適応が層間で不均一であることを明らかにした点が新しい。
手法: 全層一律更新の代わりに単一層を学習する設定を比較し、後処理RLにおける層ごとの寄与の偏りを分析する。
Hidden Decoding at Scale: Latent Computation Scaling for Large Language Models
著者: (研究チーム)
LLMのスケーリングは主にTransformer本体の拡大で進められてきたが、既に強力なモデルではもう一度の高コストな事前学習を要する。本研究は本体を固定したまま、各トークンへ計算を追加して改善を続けられるかを問う。
新規性: depth-recurrent（ループ）Transformerの並列化困難を回避し、系列長方向に計算を追加してパイプライン並列と整合させる「Hidden Decoding」を提示した点が貢献である。
手法: 追加計算を「より長い入力」として系列長方向に配置し、標準の大規模学習と互換なまま各トークンの計算量を拡張する潜在計算スケーリングを継続事前学習で適用する。
分野別の動向
エージェントの記憶・長期化
エージェント研究では、現在観測に縛られない記憶機構が焦点となった。Dual Latent Memory（51 upvotes）はMarkov仮定に縛られたVLAへ二重潜在メモリを導入し、Remember When It Matters（7 upvotes）は拡大する軌跡に埋もれる意思決定関連状態を能動的に想起する。単発の観測から、長期ホライズンで情報を保持・想起する設計へと軸が移りつつある。
強化学習の効率化と局所化
LLMの後処理RLでは、効率化と適応対象の見直しが進む。Single-Rollout Asynchronous Optimization（13 upvotes）は同期・バッチ型が非効率だった長期エージェントRLを単一ロールアウトの非同期最適化で効率化し、Is One Layer Enough?（6 upvotes）は全層一律更新に代えて単一層学習が全パラメータRLに匹敵しうると示す。LLM-as-a-Tutor（26 upvotes）は固定だった訓練プロンプト自体をポリシー進化に合わせて適応させる。RLの「どこを・どう更新するか」を問い直す流れが厚い。
長文脈と計算スケーリングの基盤
基盤側では、状態容量と計算配分の工夫が並んだ。Sparse Delta Memory（10 upvotes）はスパース化で線形RNNの状態サイズを拡大し、線形注意の長文脈リコールの弱点を克服する。Hidden Decoding は本体を固定したまま系列長方向に計算を足し、depth-recurrentの並列化困難を回避して各トークンの計算量を拡張する。事前学習をやり直さずに能力を伸ばす方向が模索されている。
身体性・分野横断への展開
応用の裾野も広がった。Scaling MoE Video Pretraining（46 upvotes）は内容生成偏重で身体知能に不向きだった動画生成モデルをMoEで身体性向けに拡張し、Deep Native Structural Reasoning（83 upvotes）は構造-物性理解を機構的・透明に行い生物・化学・材料へ横断する。生成・推論の技術が、ロボットや自然科学といった具体領域へ接地していく動きが見える。
評価の実運用化
評価軸の実運用化も進む。AgentLens（7 upvotes）はコーディングエージェントの実行を合否1ビットに潰さず、軌跡全体を本番相当で評価する。単一スコアでは捉えきれない指示追従やツール利用の質を、運用の視点から測ろうとする志向が続いている。