単一デスクトップGPUで動く行動条件付き世界モデルABot-World-0(165)が首位。生成レンダラや効率的画像基盤など世界モデル・生成系が厚い一方、"JSONで返答"だけで回答多様性が崩壊する現象や、大規模モデルほど誤りを速く増幅する信頼性の逆スケーリングなど、モデルの盲点を突く分析研究も並んだ。
注目論文
ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU
著者: Fan Jiang, Zhaoxu Sun, Mengchao Wang et al.
リアルタイムかつ長期のクローズドループ相互作用を可能にする行動条件付き動画世界モデルを提示する。AAAゲーム・シミュレーションエンジン・インターネット動画にまたがるマルチソースのデータ基盤に支えられ、制御可能な世界ダイナミクスを学習する（165 upvotes）。
新規性: 単一のデスクトップGPU上で無限に近いインタラクティブなワールド展開を実現し、エージェント駆動の探索（WorldExplorer）と組み合わせて長期の閉ループ制御を可能にした点が新しい。
手法: 行動を条件とする動画生成により、多様なソースから学習した制御可能な世界ダイナミクスをリアルタイムに展開し、長期の相互作用を維持する。
DataFlow-Harness: A Grounded Code-Agent Platform for Constructing Editable LLM Data Pipelines
著者: Runming He, Zhen Hao Wong, Hao Liang et al.
LLMはデータ処理ワークフローの自動化に広く使われるが、コーディングエージェントが生成するスクリプトは永続的で編集可能なプラットフォーム成果物として自動的に具現化されない。この乖離を「NL2Pipelineギャップ」と呼ぶ（120 upvotes）。
新規性: 自然言語から生成されたデータパイプラインを、永続的かつ編集可能なプラットフォーム上の成果物として接地（grounded）させ、NL2Pipelineギャップを埋めるコードエージェント基盤を構築した点が貢献である。
手法: コードエージェントの出力を実行可能かつ編集可能なパイプライン成果物として materialize し、LLMベースのデータ処理を反復的に構築・修正できるようにする。
Text Template Tokens Are Implicit Semantic Registers in Diffusion Transformers
著者: Maohua Li, Qirui Li, Yanke Zhou et al.
テキスト画像拡散トランスフォーマ（DiT）はテキストと画像トークンを同時に処理するが、デノイズ中の内部計算は依然として十分に理解されていない。本研究はその内部機構を因果的解釈の枠組みで解明する（66 upvotes）。
新規性: テンプレート的なテキストトークンが暗黙の「意味レジスタ」として機能していることを明らかにし、注意分解と標的介入を組み合わせた大規模DiT向けの因果的解釈フレームワークを提示した点が新しい。
手法: 注意の分解と targeted intervention を組み合わせ、DiT内部でテキストトークンがどのように意味情報を保持・伝達するかを因果的に検証する。
Generative World Renderer at the Speed of Play
著者: Guixu Lin, Zheng-Hui Huang, Siqi Yang et al.
生成的ワールドレンダラAlayaRendererは、物理エンジンから書き出された構造化された世界状態を受け取り、RGBフレームを合成する。テキストや制御ヒントからフレームを生成するモデルとは異なり、基盤となる世界ダイナミクスを変えずにシーン構造を保持する（64 upvotes）。
新規性: 物理エンジンの構造化世界状態を入力とし、シーン構造を忠実に保持したままリアルタイムにRGBフレームをレンダリングする生成モデルである点が新しい。
手法: 物理エンジンからエクスポートされた世界状態を条件として受け取り、世界ダイナミクスを改変せずにプレイ速度（speed of play）でフレームを合成する。
Mage-Flow: An Efficient Native-Resolution Foundation Model for Image Generation and Editing
著者: Xinjie Zhang, Peng Zhang, Shicheng Zheng et al.
大規模な視覚生成モデルは能力を高める一方で、訓練・微調整・展開のコストが高い。本研究はテキスト画像生成と指示ベースの画像編集を効率化するコンパクトな4B規模の生成スタックを提示する（55 upvotes）。
新規性: ネイティブ解像度に対応した4B規模の軽量な生成スタックを、共設計された2つのコンポーネント（Mage-VAEなど）から構築し、生成と編集を単一モデルで効率的に扱う点が貢献である。
手法: Mage-VAEを含む co-designed なコンポーネント群により、テキストからの画像生成と指示ベース編集を native-resolution かつ低コストで実現する。
Subliminal Clocks: Latent Time Modelling in Diffusion Language Models
著者: Maximo Eduardo Rulli, Thomas Vaitses Fontanari, Simone Petruzzi et al.
拡散言語モデル（DLM）は自己回帰モデルの有望な代替として登場した。標準的な拡散手法と異なりDLMはタイムステップに明示的に条件付けられておらず、「モデルは内部でデノイズの進行度を表現しているのか」という自然な問いが生じる（32 upvotes）。
新規性: タイムステップ条件を持たないDLMが、それでも内部的にデノイズ進行度を潜在表現として保持していることを明らかにした点が新しい。
手法: DLMの内部表現を解析し、明示的な時刻条件なしに「潜在的な時計」としてデノイズ過程がどのように符号化・利用されているかを検証する。
Structured Output Collapses Answer Diversity Across 44 Language Models
著者: Tapan Parikh
言語モデルが多数の等価な選択肢から一つの答えを選ぶとき、「JSONで返答せよ」という形式指定だけで選ぶ答えが変わる。スキーマ強制も制約付きデコードもなく、単なる要求だけで多様性が崩壊する（arXiv 2607.18476）。
新規性: 44モデルにわたり、構造化出力の「要求」だけで回答の収束が急激に深まることを実証した点が貢献である。最頻回答が41%→64%へ上昇し、異なる回答数が52→36に減少、平均サプライザルが1.80→1.58ビットへ低下した。
手法: One-Word Censusを再実行し、JSON/XML/YAML/CSVなど各フォーマットで比較。圧縮はモデルが訓練されている回答配信フォーマット（JSON −0.22ビット、XML −0.19ビット）に特異的で、デコーダ側のスキーマ強制ではこれ以上圧縮されないことから、崩壊がレジスタへの応答に宿ることを示す。
Reliability Scales Inversely: Bigger Models Compound Mistakes Faster via a Hidden Auto-Regressive Risk Regime
著者: Kushal Chakrabarti
モデルが大規模化すると答えは真実に近づき始めるが、崩れるのも速くなる。スケーリングは能力を買う一方で信頼性を侵食する。知識ギャップの説明では見落とされる自己回帰的なリスク残差をスケールが鋭くする（arXiv 2607.18292）。
新規性: 各位置での不一致 δ の二乗を、バイアス（KLダイバージェンス）とリスク（分散）へ厳密に分解し、大規模化で知識ギャップが約6倍縮小する一方で知識劣化が11〜39倍に増大するという逆スケーリングを提示した点が新しい。
手法: より強力な同一系列オラクルを参照して δ=log p_M − log p_O を追跡。捏造箇所では自己が感じる不確実性は速く緩和されるがオラクル参照のリスクは最大17倍長く持続する。固定KLの分散収縮介入により3系列でWeb検証済み幻覚を35〜74%削減し、この regime が意味エントロピー等の自己監視を構造的に回避することも示す。
MUX: Continuous Reasoning via Multiplexed Tokens
著者: Ayhan Suleymanzade, Halil Alperen Gozeten, Michael Bronstein et al.
言語モデルは中間推論ステップを自然言語で articulate して複雑な問題を解くが、この過程は計算的にボトルネックとなる。各ステップはサブワード1個しか伝えず、多くが計算ではなく思考の表現に費やされる（arXiv 2607.18264）。
新規性: 離散的な推論を、潜在空間の連続的な多重化（multiplexed）トークンへ蒸留することで、高帯域かつコンパクトな推論を実現した点が新しい。各潜在トークンは離散サブワード列の可逆な線形重ね合わせを表す。
手法: 幾何減衰などの位置依存重み付けにより可逆な多重化を保証し、潜在崩壊によるショートカットを防ぐ。4モデル・32評価設定で強力な潜在推論ベースラインを上回り、探索を要する問題での並列探索も可能にする。
AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents
著者: Kunlun Zhu, Xuyan Ye, Zhiguang Han et al.
LLMエージェントの障害は、エラーが表面化するステップが原因となったステップと一致しないことが多く、デバッグが難しい。既存の観測ツールは実行トレースを再生するだけで、根本原因の特定や診断から回復への変換をほとんど支援しない（17 upvotes）。
新規性: 障害の観測（observability）・原因帰属（attribution）・回復（recovery）を一体で支援するオープンソース・ツールキットとして、単なるトレース再生を超えた根本原因診断を可能にした点が貢献である。
手法: 実行トレースを解析してエラーの根本原因ステップを特定し、診断結果を回復アクションへ変換する仕組みを提供する。
分野別の動向
世界モデルと生成レンダリングの実用化
インタラクティブな世界モデルが本日の最大テーマとなった。ABot-World-0（165 upvotes）は単一デスクトップGPUで無限に近いワールド展開を実現し、AlayaRenderer（64 upvotes）は物理エンジンの構造化世界状態からシーン構造を保持してリアルタイムにレンダリングする。HF上位にはAlayaWorld（46）やMasked Visual Actionsなど世界モデル系が相次いで並び、動画生成の priors を制御可能な環境シミュレーションへ転用する潮流が鮮明になっている。
効率的な生成基盤と拡散モデルの内部解剖
生成モデルは「大きさ」より「効率と理解」へ重心が移りつつある。Mage-Flow（55 upvotes）は4B規模のコンパクトなスタックで生成と編集を統合し、Text Template Tokens（66 upvotes）とSubliminal Clocks（32 upvotes）はそれぞれDiTのテキストトークンの意味レジスタ機能、拡散言語モデルの潜在的な時刻表現を因果的・解析的に解明する。生成能力の向上と並行して、内部機構を解剖する解釈研究が厚みを増している。
モデルの盲点を突く分析研究
能力の裏に潜む構造的な弱点を突く研究が目立った。Structured Output Collapses（44モデル）は「JSONで返答」という要求だけで回答多様性が崩壊し、しかもこれがデコーダのスキーマ強制ではなくレジスタへの応答に宿ることを示す。Reliability Scales Inversely は大規模モデルほど自己回帰的リスク残差で誤りを速く雪だるま式に増幅し、この regime が自己監視を構造的に回避すると論じる。評価・運用の前提そのものを問い直す視点が続いている。
エージェントの効率化と信頼性
エージェント運用を支える基盤研究も継続する。DataFlow-Harness（120 upvotes）はNL2Pipelineギャップを埋めて自然言語から編集可能な永続パイプラインを構築し、AgentDebugX（17 upvotes）は障害の観測・原因帰属・回復を一体で支援する。MUX は離散推論を連続多重化トークンへ蒸留して高帯域な潜在推論を実現しており、生成・推論・デバッグの各層でエージェントを実運用に耐える形へ整える動きが共通する。