主張単位で化学文献を統合するAskChem、記憶を基盤モデルに内在化するMetis・Memory Decoder、MLEでの再帰的自己改善を狙うFrontis-MA1が上位に集まった。実デバイスGUIエージェントや物理言語の世界モデル、RAGのスケーリング比較も並び、エージェントの記憶・検証・自己改善が焦点となった。
注目論文
AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis
著者: Bing Yan, Gregory Wolfe, Stefano Martiniani et al.
化学文献の統合は多数の論文に散在する具体的な知見を集める作業を要するが、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（292 upvotes）。AskChemは主張（claim）単位で情報を扱う基盤を提示する。
新規性: 文書リストではなく主張を中心単位に据え、科学者やAIエージェントが情報の所在確認と出所検証を経ずに知見を組み立てられる点が新しい。
手法: 文献から個々の主張を抽出・構造化し、各主張に出所（provenance）を紐づけることで、検証可能な形での文献統合を可能にする基盤を構築する。
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機器を横断する汎用実行者となる可能性を持つ（283 upvotes）。実世界での利用に向け、実デバイス上で確実に動作し、プラットフォームをまたぐワークフローを実行するエージェントを目指す。
新規性: GUI操作とCLI実行を組み合わせ、実デバイス上で長期タスクをこなす「実世界中心」の次世代GUIエージェント基盤モデルを提示した点が貢献である。
手法: 実デバイス上での信頼性の高い動作、クロスプラットフォームのワークフロー実行、GUIとCLIの統合、長期タスクの遂行を狙って基盤モデルを設計・訓練する。
Metis: Memory Foundation Model
著者: Zeyu Zhang, Ziliang Guo, Yihang Sun et al.
近年のAIエージェントはネイティブ能力を基盤モデルへ内在化し、マルチモーダル基盤モデルや大規模推論モデルを生んできたが、エージェントの記憶は依然として外部モジュールとして実装され、モデルにネイティブな記憶能力が欠けている（256 upvotes）。
新規性: 外部モジュール依存だっ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「メモリ基盤モデル」という枠組みを提示した点が貢献である。
手法: 記憶を外部化せず基盤モデルの内在能力として扱えるよう設計し、エージェントのネイティブなメモリ能力を実現する。
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）は、AIを構築するプロセス自体を改善するAIシステム（AI4AI）を要する（168 upvotes）。機械学習エンジニアリング（MLE）は、この能力を研究するための具体的で実行可能な試験場を提供する。
新規性: MLEを試験場としてRSIを狙うAI4AIモデルと、そのためのオープンなフルスタック基盤OpenMLEを提示した点が新しい。
手法: 検証可能な要素を含むMLEのフルスタックを対象に、AIがAI構築プロセスを改善する能力を訓練するオープンシステムOpenMLEを構築する。
PhiZero: A World Model Built Around Physical Language
著者: Shuyao Shang, Yuqi Wang, Ruopeng Gao et al.
PhiZeroは、世界状態の遷移を「物理言語（physical language）」というコンパクトな離散表現で表す物理世界モデルである（159 upvotes）。既存の物理世界モデルは将来映像をピクセル空間で直接予測するため、世界のダイナミクスが高次元表現の中に暗黙化される問題がある。
新規性: 世界状態遷移を離散的な物理言語で明示表現し、ピクセル空間予測の限界を超える世界モデルを提示した点が貢献である。
手法: 世界状態の遷移をコンパクトな離散表現に落とし込み、暗黙化されがちなダイナミクスを明示的に扱えるよう世界モデルを構築する。
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）ベースの多段階パイプラインを採用するが、初期化段階とDMD段階を切り離してしまい、両者が異なる目標分布を追う問題がある（89 upvotes）。
新規性: 初期化とDMDの目標分布の乖離を解消し、モード被覆（mode covering）とモード探索（mode seeking）を協調させる点が新しい。
手法: 初期化とDMD段階が同じ目標を追うよう調整し、被覆と探索のバランスを取ることで中間段階の学生モデルの評価を適切化する。
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モデルは高い視覚品質を達成したが、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ねばならず、物理的に整合したダイナミクスの生成に苦労する（64 upvotes）。
新規性: コードをCoT（chain-of-thought）として用いるエージェント型のデュアルエンジンシステムで、物理的整合性を担保した動画生成を実現する点が新しい。
手法: 中間的な計画をコードとして表現し、二つのエンジンが協調するエージェント構成により、暗黙推論に頼らず物理的に整合した時間発展を生成する。
Memory Decoder at Scale: A Pretrained, Parametric Long-Term Memory
著者: Rubin Wei, Jiaqi Cao, Jiarui Wang et al.
デコーダ専用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めて持つため、記憶容量を独立にスケールするのが難しい（49 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、比較的小規模でしか検証されていなかった。
新規性: 長期記憶と推論を分離し、パラメトリックな長期記憶モジュールを大規模に事前学習して検証した点が貢献である。
手法: 記憶を独立したパラメトリックモジュールとして切り出し、大規模設定で事前学習することで、記憶容量を推論から独立にスケールできるようにする。
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、洗練されているが非効率な推論パラダイムを与えることではなく、複雑タスクでのMLLMの成功率を高めることにある（48 upvotes）。本研究は二つの観点から視覚推論を捉え直す。
新規性: エージェント的視覚推論を「いつ」「どのように」行うかの判断問題として再定式化し、非効率な推論を避けて成功率向上に直結させる点が新しい。
手法: 視覚推論を発動すべき状況とその方法を判断する仕組みを導入し、不要な推論を省いてMLLMの複雑タスク成功率を高める。
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・グラフベース索引・エージェント検索にまたがるが、通常は異なるベンチマークで単一のコーパスサイズでしか評価されず、精度対コストのスケーリングが不明瞭だった（46 upvotes）。
新規性: 複数のRAGパラダイムを統制条件で比較し、大規模では古典的なBM25が優位になるという精度対コストのスケーリング知見を示した点が貢献である。
手法: コーパスサイズを変えながら各RAGパラダイムを同一条件で評価する統制実験を行い、規模に応じた精度とコストの関係を明らかにする。
分野別の動向
エージェント記憶のネイティブ化
エージェントの記憶を外部モジュールから基盤モデルの内在能力へ移す研究が上位に集まった。Metis（256 upvotes）は記憶を基盤モデルにネイティブ内在化する「メモリ基盤モデル」を提示し、Memory Decoder at Scale（49 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。いずれも記憶を計算の暗黙的副産物ではなく、独立にスケール・制御できる第一級の対象として扱う方向で一致している。
検証可能性と自己改善
AIが知識を扱い、自らを改善する過程の信頼性に踏み込む研究が並んだ。AskChem（292 upvotes）は主張単位で化学文献を統合し出所検証を組み込むことで、ランク付け文書リストの限界を超える。Frontis-MA1（168 upvotes）はMLEを試験場に再帰的自己改善を狙うAI4AIモデルとフルスタック基盤OpenMLEを示す。知見の出所を辿れること、そしてAI構築プロセス自体をAIが改善することが共通の関心となっている。
世界モデルと物理的整合性
物理的に整合したダイナミクスの生成に取り組む研究も更新された。PhiZero（159 upvotes）は世界状態遷移を離散的な「物理言語」で表現し、ピクセル空間予測に暗黙化されるダイナミクスを明示化する。VideoCoCo（64 upvotes）はコードをCoTとするエージェント型デュアルエンジンで、圧縮されたテキストからの暗黙推論に頼らず物理的に整合した動画を生成する。表現の明示化によって物理法則を守らせる工夫が焦点である。
GUI・視覚エージェントの実用化
実世界で確実に動くエージェントを目指す研究も並んだ。Qwen-UI-Agent（283 upvotes）は実デバイス上でGUI操作とCLI実行を組み合わせ長期タスクをこなす基盤モデルを提示し、Beacon（48 upvotes）はエージェント的視覚推論を「いつ・どう行うか」の判断問題として捉え、非効率な推論を避けて成功率を高める。洗練さよりも実タスクでの信頼性と効率を優先する姿勢が共通する。
効率化と蒸留
生成・検索の効率化に関する研究も見られた。DistillAlign（89 upvotes）は自己回帰動画蒸留で初期化とDMD段階の目標分布の乖離を解消し、モード被覆と探索を協調させる。BM25 Wins at Scale（46 upvotes）はRAGパラダイムを統制条件でスケーリング比較し、大規模では古典的なBM25が精度対コストで優位になることを示す。手の込んだ手法が必ずしも規模で勝るとは限らないという実証が目を引く。