AI論文ウィークリーレポート｜汎用エージェント開発／物体検出／オープンソース物理推論モデル…AIの最先端を1記事で理解

近年、大規模言語モデル（LLM）の発展により、研究の最前線はパズルを解くような課題から科学的推論へと進展しました。科学的推論とは、単なる採点基準ではなく、自然法則に照らして解答を検証する必要がある複雑な問題を扱う能力です。物理学は、記号体系と現実世界を根本的に結びつけ、ほとんどの現代技術の礎石となっているため、この変化を最も厳密に測る指標となります。

これに基づき、上海人工知能研究所の研究チームは、優れた物理推論能力を備えた大規模言語モデルを開発し、特にオリンピックレベルの問題の解決に優れた物理研究を進展させることに成功しました。研究者らは、強化学習（RL）のみで学習するオープンソース物理推論モデル「P1シリーズ」を提案しました。その中でも、P1-235B-A22Bは、2025年国際物理オリンピック（IPhO 2025）で金メダルレベルの成績を達成した初のオープンソースモデルであり、2024年から2025年にかけて13の国際および地域物理学大会で12個の金メダルを獲得しました。

ペーパーリンク:https://go.hyper.ai/NxT8f

最新のAI論文:https://go.hyper.ai/hzChC

学術界における人工知能分野の最新動向をより多くのユーザーに知ってもらうため、HyperAI の公式サイト (hyper.ai) に「最新論文」セクションが開設され、最先端の AI 研究論文が毎日更新されます。おすすめのAI論文5選今週の最先端のAIの成果を簡単に見てみましょう⬇️

今週のおすすめ紙

1. Lumine: 3Dオープンワールドでジェネラリストエージェントを構築するためのオープンレシピ

本論文では、複雑な3Dオープンワールド環境において、複雑なタスクを何時間もリアルタイムで実行できる、初のオープンソース汎用エージェント開発ソリューションであるLumineを提案します。Lumineは、人間のようなインタラクションパラダイムを採用し、視覚言語モデルを通じて、知覚、推論、行動をエンドツーエンドで統合します。生のピクセル入力を毎秒5フレームの頻度で処理し、キーボードとマウスの正確な操作を毎秒30フレームで生成し、必要な場合にのみ推論モジュールを動的に呼び出します。

ペーパーリンク:https://go.hyper.ai/wfGhN

2. YOLOv13: ハイパーグラフ強化適応視覚認識によるリアルタイム物体検出

本論文では、高精度かつ軽量な物体検出器YOLOv13を提案する。また、研究者らは、ハイパーグラフに基づく適応型相関強化メカニズム（HyperACE）も提案する。これは、潜在的な高次相関を適応的にマイニングすることで、ハイパーグラフ計算に基づくペアワイズ相関モデリングに限定されていた従来の手法の限界を克服する。このメカニズムは、効率的なグローバルなクロスロケーションおよびクロススケールの特徴融合と強化を実現する。

ペーパーリンク:https://go.hyper.ai/cKMGI

3. 1,000語から画像を生成する 構造化キャプションによるテキストから画像への変換の強化

本論文では、長大な構造化記述に基づく、オープンソース初のテキスト画像変換モデルであるFIBOを紹介します。FIBOでは、各トレーニングサンプルに同一の細粒度属性セットが付与されます。この設計により、表現力が大幅に向上し、視覚的要素を分離した制御が可能になります。長大な記述を効率的に処理するために、研究者らはDimFusionメカニズムを提案しています。これは、軽量大規模言語モデル（LLM）の中間トークンを、トークン長を増やすことなく融合できる融合手法です。

論文リンク:https://go.hyper.ai/zyUcE

4. 深度何でも3：あらゆる視点から視覚空間を回復する

本論文では、入力に既知のカメラポーズが含まれているかどうかに関わらず、任意の数の視覚入力から空間的に一貫性のある形状を予測できるモデル、Depth Anything 3（DA3）を提案する。研究者らは、カメラポーズ推定、任意視点形状再構成、および視覚レンダリングタスクをカバーする、新たな視覚形状ベンチマークを構築した。このベンチマークにおいて、DA3は全てのタスクにおいて新たな最先端の性能を達成し、従来の最先端手法であるVGGTと比較して、カメラポーズ推定精度が平均44.3%、形状再構成精度が平均25.1%向上した。

ペーパーリンク:https://go.hyper.ai/WvSU4

5. P1: 強化学習で物理オリンピックを制覇する

本論文は、優れた物理推論能力、特にオリンピックレベルの問題を解く能力を備えた大規模言語モデルを開発することで、物理学研究を前進させることに成功した。我々は、強化学習（RL）のみで学習されたオープンソースの物理推論モデルP1シリーズを提案する。

ペーパーリンク:https://go.hyper.ai/NxT8f

今週の論文推薦は以上です。さらに最先端のAI研究論文をご覧になりたい方は、hyper.ai公式サイトの「最新論文」セクションをご覧ください。

質の高い研究成果や論文の提出を歓迎いたします。ご興味のある方は、NeuroStar WeChat（WeChat ID: Hyperai01）にご登録ください。

また来週お会いしましょう！