実デバイスで動くGUIエージェント基盤Qwen-UI-Agent（264 upvotes）が最上位。外部モジュール任せだったエージェント記憶を基盤モデルへ内在化するMetis・Memory Decoder、画素予測に頼らない世界モデルPhiZero、主張単位の文献統合AskChemなど、記憶・世界モデル・エージェント基盤の研究が集中した。
注目論文
Qwen-UI-Agent Technical Report: Toward Next-Generation Real-World Centric Foundation GUI Agents
著者: Hanzhang Zhou, Panrong Tong, Xu Zhang et al.
GUIエージェントは既存のデジタルデバイスを横断的に操作する汎用実行体になりうるが、実デバイス上で信頼性高く長期タスクをこなすには至っていない（264 upvotes、本日最上位）。本研究は実世界で確実に動く次世代GUIエージェント基盤モデルを目指す。
新規性: 実デバイス上での動作、プラットフォームを跨ぐワークフロー実行、GUI操作とCLI実行の組み合わせ、長期タスクの遂行という「実世界中心」の設計を据えた基盤GUIエージェントを提示した点が貢献である。
手法: 単一操作の精度に閉じず、実デバイスでの信頼動作・クロスプラットフォーム実行・GUIとCLIの融合・長期タスクを一貫して扱える基盤モデルを構築する。
AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis
著者: Bing Yan, Gregory Wolfe, Stefano Martiniani et al.
化学の文献統合では、多数の論文に散在する個別の知見を組み立てる必要があるが、既存の文献検索システムは主にランク付けされた文書リストを返すにとどまる（260 upvotes）。そのため研究者やAIエージェントは、関連情報の所在特定・出所検証・組み立てを自力で行わざるを得ない。
新規性: 文献を文書リストではなく「主張（claim）」単位で構造化し、出所検証（provenance）まで担う文献統合基盤を提示した点が新しい。
手法: 各知見を主張中心に整理し、その根拠となる出所を辿れる形で提供することで、化学文献の統合を検証可能なインフラとして構築する。
Metis: Memory Foundation Model
著者: Zeyu Zhang, Ziliang Guo, Yihang Sun et al.
近年のAIエージェントは、マルチモーダル基盤モデルや大規模推論モデルのように能力を基盤モデル自体へ内在化させてきた（240 upvotes）。しかしエージェントの記憶は依然として外部モジュールで実装されることが多く、ネイティブな記憶能力は基盤モデルに欠けている。
新規性: 外部モジュールに委ねられてきたエージェント記憶を、基盤モデルにネイティブに内在化する「記憶基盤モデル」という枠組みを提示した点が貢献である。
手法: 一過性の注意、再帰的な状態など多様な記憶機構を、外部化するのではなくモデル内部の記憶能力として統合的に扱う基盤モデルを設計する。
PhiZero: A World Model Built Around Physical Language
著者: Shuyao Shang, Yuqi Wang, Ruopeng Gao et al.
物理世界モデルの多くは将来の映像を画素空間で直接予測するため、世界のダイナミクスが高次元の映像内に暗黙的に留まってしまう（148 upvotes）。PhiZeroは世界状態の遷移を「物理言語（physical language）」という表現に置く。
新規性: 世界状態遷移をコンパクトな離散表現である物理言語で記述し、画素予測に頼らない世界モデルを構築した点が新しい。
手法: 高次元の映像を直接生成する代わりに、世界の状態遷移を離散の物理言語で表現し、その上で世界ダイナミクスを明示的にモデル化する。
Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering
著者: Junlin Yang, Che Jiang, Yu Fu et al.
再帰的自己改善（RSI）には、AIを構築するプロセス自体を改善するAIシステム（AI4AI）が必要であり、機械学習エンジニアリング（MLE）はその能力を検証する具体的で実行可能な試験場を提供する（123 upvotes）。
新規性: MLEを実行可能なテストベッドとし、再帰的自己改善を研究するためのオープンな全スタックシステムOpenMLEを提示した点が貢献である。
手法: 検証可能な要素を含むMLEの全工程をカバーするオープンシステムを構築し、AIがAI構築プロセスを改善する能力（AI4AI）を実行環境上で研究可能にする。
DistillAlign: Coordinating Mode Covering and Mode Seeking in Autoregressive Video Distillation
著者: Jiaxing Li, Kai Zou, Cindy Zhou et al.
既存の自己回帰動画蒸留は、分布マッチング蒸留（DMD）に基づく多段パイプラインを採ることが多い（87 upvotes）。しかしこれらは初期化段とDMD段を切り離しており、両者が異なる目標分布を追ってしまう。
新規性: モード被覆（mode covering）とモード探索（mode seeking）を協調させ、初期化段とDMD段を統合する点が新しい。
手法: 初期化とDMDが別々の分布を目指す構造を見直し、モード被覆とモード探索を協調的に扱うことで、自己回帰動画蒸留の各段を一貫した目標へ揃える。
VideoCoCo: Code-as-CoT for Physically-Consistent Video Generation via an Agentic Dual-Engine System
著者: Haodong Li, Tianfei Ren, Xiaoxiao Ma et al.
テキストから動画への生成は視覚品質で目覚ましい成果を挙げたが、シーンの時間発展を高度に圧縮されたテキストプロンプトから暗黙的に推論せざるを得ず、物理的に整合したダイナミクスの生成に依然苦戦する（61 upvotes）。
新規性: コードを思考連鎖（Code-as-CoT）として用い、エージェント的な二エンジンシステムで物理整合な動画生成を実現する点が貢献である。
手法: 中間計画をコードとして明示する Code-as-CoT を導入し、生成と検証を担う二つのエンジンをエージェント的に連携させて、物理的に整合した時間発展を担保する。
Memory Decoder at Scale: A Pretrained, Parametric Long-Term Memory
著者: Rubin Wei, Jiaqi Cao, Jiarui Wang et al.
デコーダのみの言語モデルは長期記憶と推論を単一のパラメータ集合に絡ませており、記憶容量を独立にスケールさせるのが難しい（45 upvotes）。Memory Decoderはパラメトリックな長期記憶モジュールを導入したが、これまでは比較的小規模でしか研究されてこなかった。
新規性: パラメトリックな長期記憶モジュールを大規模化し、事前学習済みの長期記憶として提示した点が新しい。
手法: 長期記憶と推論を分離し、記憶を担うパラメトリックモジュールを独立にスケールさせることで、記憶容量を拡張可能にする。
Beacon: Knowing When and How to Perform Agentic Visual Reasoning
著者: Qixun Wang, Yang Shi, Letian Cheng et al.
エージェント的視覚推論の本来の目的は、洗練されつつも非効率な推論様式をモデルに与えることではなく、複雑なタスクでのマルチモーダルLLMの成功率を高めることにある（44 upvotes）。
新規性: エージェント的視覚推論を「いつ・どう発動するか」という観点から捉え直し、効率と成功率を両立させる点が貢献である。
手法: 二つの鍵となる観点からエージェント的視覚推論を再考し、推論を無条件に行うのではなく必要に応じて適切な形で発動する判断機構を導入する。
BM25 Wins at Scale: A Scaling Study of Retrieval-Augmented Generation Paradigms
著者: Pengyu Wang, Benfeng Xu, Shaohan Wang et al.
RAGは語彙検索・密検索・グラフインデックス・エージェント検索にまたがるが、これらは通常異なるベンチマーク上で単一のコーパス規模でしか評価されず、精度とコストのスケーリング関係が不明瞭なままである（38 upvotes）。
新規性: これらのRAGパラダイムを統制された条件下でコーパス規模を変えて比較し、大規模では古典的なBM25が優位になることを示した点が新しい。
手法: コーパス規模を系統的に変化させる統制実験で各RAGパラダイムの精度・コストのスケーリングを測り、規模拡大に伴う優劣の変化を明らかにする。
Flux-OPD: On-Policy Distillation with Evolving Contexts
著者: Yuran Wang, Zekun Wang, Bohan Zeng et al.
検証可能な報酬を欠くオープンエンド領域でのLLM訓練では、タスク選好を有効な監督として形式化するのが難しい（36 upvotes）。文脈はそうした選好を伝えうるが、いったん生徒に蒸留されるとそれ以上の監督をほとんど与えられなくなる。
新規性: 生徒とともに進化する文脈（evolving contexts）をオンポリシー蒸留に用いる点が貢献である。
手法: 固定された文脈ではなく、蒸留の進行に応じて進化する文脈を導入し、検証可能報酬のないオープン領域でも選好を継続的な監督信号としてオンポリシーで供給する。
Voice Memory for Agentic Speech Recognition
著者: Chao-Han Huck Yang, Zih-Ching Chen, Piotr Zelasko et al.
Voice Memoryは、エージェント的音声認識のための推論のみ（inference-only）のスキームである（7 upvotes）。ストリーム時に、凍結された補正器がドメインごとの単一の memory.md を読み、発話ごとに仮説に手を加えるか、棄権して1-best を保持するかを判断する。
新規性: 追加学習なしに、per-domain の memory.md を参照して発話単位で採否を判断し、非同期にそのファイルを改訂していく推論のみの音声認識スキームを提示した点が新しい。
手法: 凍結補正器が memory.md を読んで発話ごとに介入・棄権を選び、スコアで門番したオプティマイザが非同期にそのメモリファイルを更新することで、学習なしに認識を改善する。
分野別の動向
エージェント記憶の基盤モデル化
外部モジュール任せだったエージェント記憶を、モデルの内側へ取り込む方向が明確に前景化した。Metis（240 upvotes）は一過性の注意や再帰状態を含む多様な記憶機構を基盤モデルへネイティブに内在化する「記憶基盤モデル」を掲げ、Memory Decoder at Scale（45 upvotes）は長期記憶と推論を分離してパラメトリックな記憶モジュールを大規模化する。Voice Memory（7 upvotes）は memory.md という外部ファイルを推論時に読み書きする対照的な軽量手法を示しており、記憶をどこに・どう持たせるかという設計軸が共通の論点になっている。
世界モデルと物理整合な生成
シーンのダイナミクスをどう表現するかを問う研究が並んだ。PhiZero（148 upvotes）は世界状態遷移を離散の「物理言語」で記述し、画素予測に頼らない世界モデルを構築する。VideoCoCo（61 upvotes）はコードを思考連鎖として用いエージェント的二エンジンで物理整合な動画を生成し、DistillAlign（87 upvotes）は自己回帰動画蒸留でモード被覆と探索を協調させる。映像を直接予測する路線から、状態遷移や物理制約を明示化する路線への移行がうかがえる。
実世界エージェントと自己改善
エージェントを実環境で動かし、さらにAI構築自体を改善する研究が目立った。Qwen-UI-Agent（264 upvotes、本日最上位）は実デバイス上でクロスプラットフォームに長期タスクをこなす基盤GUIエージェントを提示し、Frontis-MA1（123 upvotes）は機械学習エンジニアリングを試験場に再帰的自己改善（AI4AI）を狙うオープン全スタックシステムを構築する。Beacon（44 upvotes）はエージェント的視覚推論を「いつ・どう発動するか」から捉え直し、実用的な効率と成功率の両立を図る。
RAG・蒸留・文献統合
検索と知識統合の設計を問う研究も更新された。BM25 Wins at Scale（38 upvotes）は語彙/密/グラフ/エージェント検索を統制下で規模比較し、大規模では古典的BM25が優位になることを示す。AskChem（260 upvotes）は文献をランク付き文書列でなく主張単位で構造化し出所検証まで担い、Flux-OPD（36 upvotes）は検証可能報酬のないオープン領域で進化する文脈をオンポリシー蒸留に用いる。規模・検証可能性・出所を軸に、検索と知識の扱いが問い直されている。