Command Palette
Search for a command to run...
ICML 26優秀論文：清華大学JustGRPOがdLLM推論のボトルネックを克服。単純な指示テストに別れを告げる：エージェント最終試験がインテリジェントエージェントの長期的な専門能力を包括的に評価。
新たに発表されたICML 26では、清華大学の研究チームが優秀論文賞を受賞した。
本研究は拡散言語モデル（dLLM）に焦点を当てています。dLLMは、その無秩序な生成と並列デコードという特性により、自然言語処理の分野で大きな進歩を遂げてきましたが、研究チームは、数学やプログラミングなどの一般的な推論タスクを扱う際に、このメカニズムには「柔軟性の罠」があると指摘しています。無秩序な生成によって、モデルは不確実性の高い論理語をスキップしてしまうため、推論能力が制限されてしまうのです。
この課題に対処するため、研究チームはJustGRPOモデルを提案した。このアプローチでは、複雑な強化学習の適応を放棄し、トレーニング中に自己回帰（AR）シーケンスと標準的なGRPOアルゴリズムを直接導入する一方、推論時にはdLLMの並列デコーディングの利点を維持する。このミニマルな設計により、モデルの推論能力が効果的に発揮され、GSM8Kベンチマークで89.11 TP3Tの精度を達成した。
HyperAIのウェブサイトに「JustGRPO：標準GRPOで拡散言語モデルの推論能力を解き放つ」という記事が掲載されましたので、ぜひお試しください！
論文のタイトル:柔軟性の罠：拡散言語モデルにおける任意順序の価値を再考する
論文リンク:https://go.hyper.ai/hM7mt
オンラインでの使用:https://go.hyper.ai/c1a0C
より詳しい情報については、弊社の公式ウェブサイトをご覧ください。
hyper.aiの公式サイトにおける7月4日から7月10日までの更新内容の概要は以下のとおりです。
* 高品質の公開データセット: 10
* 厳選された高品質のチュートリアル：9
* コミュニティ記事分析：1件
* 人気のある百科事典のエントリ: 5
公式ウェブサイトにアクセスしてください:ハイパーアイ
公開データセットの選択
1. エージェント最終試験データセット（インテリジェントエージェント向け長期タスクデータセット）
Agents Last Examは、長期的な専門業務におけるコンピュータエージェントのパフォーマンス評価に特化したタスクデータセットです。エージェント評価のための構造化された記述を提供することを目的としています。このデータセットには、Agents Last Exam（ALE）ベンチマークテストの153のタスクに関する情報が含まれており、タスクタイトル、概要、分類システム、完全な指示プロンプト、必要なアクションのリスト、想定されるソフトウェア、入力ファイル記述子などのデータが含まれています。
オンラインでの使用:https://go.hyper.ai/p8Y8D
2. WGO-Benchロボットビデオベンチマークデータセット
WGO-Benchは、Macrodata Labsが公開したロボット動画ベンチマークデータセットです。このデータセットは、ロボットや一人称視点のアクション動画をタイムスタンプ付きのサブタスク注釈に変換する視覚言語モデルの能力を評価することを目的としています。このデータセットは主に、境界検出とサブタスク注釈という2つのタスクに焦点を当てています。注釈ラベルは、動画クリップに映る完全なアクションイベントと状態変化を記述することに重点を置いています。
オンラインでの使用:https://go.hyper.ai/TPr8O
3. RedlineBench 法務契約交渉ベンチマークデータセット
Crosby社が2026年にリリースしたRedlineBenchは、法的契約交渉を評価するためのベンチマークデータセットです。これは、現実世界のビジネス取引シナリオにおいて、AIエージェントが赤ペンによる注釈付けや交渉判断を行う能力を測定することを目的としています。このデータセットには、実行可能なHarborタスクが140個含まれており、それぞれ4つの交互ラウンドからなる3つの複数ラウンド交渉シナリオを網羅しています。
オンラインでの使用:https://go.hyper.ai/b2EzE
4. FIFAワールドカップ2026試合データセット
FIFAワールドカップ2026データセットは、2026年FIFAワールドカップの試合データを含むデータセットで、サッカーデータ分析と機械学習モデリングのために設計されています。このデータセットは、詳細なサッカー情報分析、統計モデリング、および機械学習による予測タスクをサポートすることを目的としています。データセットは、構造化された試合データ、選手データ、チームデータの3つの主要コンポーネントで構成されており、試合、選手、チームレベルでの多次元統計情報を網羅しています。
オンラインでの使用:https://go.hyper.ai/idr4l
5. OmniVideo-100K オーディオおよびビデオ推論コマンドデータセット
OmniVideo-100Kは、南京大学が中国科学院自動化研究所と共同で2026年6月に公開した音声・動画推論データセットです。マルチモーダル大規模言語モデルの指示を微調整するために設計されており、長期的な時系列とクロスモーダルな依存関係におけるモデルの協調能力の向上を目指しています。このデータセットには、5,214本のYouTube動画から抽出された10万組の質問と回答のペアが含まれており、音声と動画に関する10種類の質問応答タスクを網羅し、アライメント、理解、推論という3つの認知レベルに分類されています。
オンラインでの使用:https://go.hyper.ai/aJIuZ
6. Nemotron-SFT-SWE-v3命令ファインチューニングデータセット
Nemotron-SFT-SWE-v3は、NVIDIAが2026年にリリースしたソフトウェアエンジニアリング命令の微調整データセットで、SWE-Benchスタイルのタスクにおける大規模言語モデルのコード理解および修復能力を向上させることを目的としています。このデータセットには、OpenHands、SWE-agent、mini-SWE-agentなどの様々なエージェントフレームワークを使用したエージェントの軌跡から収集された237,970個のサンプルが含まれており、自動化された合成手法を用いてラベル付けされています。
オンラインでの使用:https://go.hyper.ai/qOzpP
7. Open-SWE-Tracesエージェント命令微調整データセット
NVIDIAが2026年にリリースしたOpen-SWE-Tracesは、大規模言語モデルにおけるエージェント命令の微調整を目的としたデータセットです。ソフトウェアエンジニアリングにおけるモデルのコード修復機能と複数ステップのツール呼び出し機能の向上を目指しています。このデータセットには、Minimax-M2.5およびQwen3.5-122B-A10Bアルゴリズムを用いて合成され、SWE-agentおよびOpenHandsフレームワークを使用して収集された、複数のプログラミング言語を網羅する207,489個のエージェントインタラクション軌跡が含まれています。
オンラインでの使用:https://go.hyper.ai/WckNP
8. RadImageNet-VQA 医用画像視覚質問応答データセット
RadImageNet-VQAは、放射線医学における視覚的質問応答（VQA）タスクのための大規模な医療データセットです。CT/MRI画像における医療マルチモーダルモデルの視覚的理解力と質問応答推論能力の向上を目的としています。医療における視覚的質問応答タスク、放射線画像解析モデルのトレーニングと評価、マルチモーダル医療AIの研究開発などに幅広く活用されています。
オンラインでの使用:https://go.hyper.ai/WzGOV
9. AgentWorldBench言語ワールドモデルベンチマークデータセット
Qwen社が2026年にリリースしたAgentWorldBenchは、言語世界モデルを評価するための包括的なベンチマークデータセットであり、環境モデリングと推論能力を評価するように設計されています。このデータセットには、平均22.8回のインタラクションラウンドを含む2,170のサンプルが含まれており、Tool Decathlon、Terminal-Bench 1.0/2.0、OSWorld-Verifiedといった主要なベンチマークにおける実世界のモデル軌跡に基づいて構築されています。
オンラインでの使用:https://go.hyper.ai/y1s1b
10. GeneBench-Pro 公開パッケージ: 遺伝子症例ベンチマークデータセット
GeneBench-Pro Public Packageは、OpenAIが公開している遺伝子解析用のベンチマークデータセットです。ゲノミクスおよび生物医学分野におけるAIエージェントのための、再現可能な研究事例評価環境を提供することを目的としています。このデータセットには、統計遺伝学、臨床ゲノミクス、集団遺伝学、シングルセル解析、三次元ゲノミクス、機能ゲノミクスといった分野を網羅する、ゲノミクスおよびバイオインフォマティクスの分野における10の独立した問題事例が含まれています。
オンラインでの使用:https://go.hyper.ai/qd9PF
選択された公開チュートリアル
1. JustGRPO: 標準GRPOによる拡散言語モデルの推論能力の解明
JustGRPOモデルは、2026年1月に清華大学のLeapLabチームによってリリースされました。その主な特徴と革新性は、トレーニング中に拡散言語モデル（DLM）を標準的な自己回帰モデルとして扱い、グループ相対方策最適化（GRPO）を直接適用するミニマルな強化学習手法であることです。軌道近似、周辺尤度推定、拡散特有の適応などを一切行わずに、最先端の推論性能（GSM8K 89.1%）を実現しています。
オンラインで実行:https://go.hyper.ai/c1a0C
2. 冠動脈疾患の予測：フラミンガムデータセットに基づく
フラミンガムは、1948年9月に米国国立心肺血液研究所が公開した心臓病研究用のデータセットです。このデータセットを用いて、今後10年以内に冠動脈性心疾患（CHD）を発症するリスクを予測するための複数の機械学習分類モデルが構築されました。本プロジェクトでは、データクリーニング、探索的データ分析、特徴量エンジニアリング、クラス不均衡処理、ハイパーパラメータチューニング、アンサンブル学習など、主要なステップを網羅的に実施しました。
オンラインで実行:https://go.hyper.ai/tMRDG
3. 遺伝的アルゴリズム入門チュートリアル：自然選択に基づくグローバル最適化アルゴリズム
遺伝的アルゴリズム（GA）は、ダーウィンの自然選択説に着想を得た最適化アルゴリズムです。生物進化における選択、交叉、突然変異のメカニズムをシミュレートすることで、探索空間における最適な解を効率的に見つけ出します。このチュートリアルでは、遺伝的アルゴリズムの核心概念を分かりやすく解説し、球面関数最適化を例として、GAのプロセス全体を段階的に説明します。
オンラインで実行:https://go.hyper.ai/Bm7Pr
4. Higgs Audio v3 TTS: 会話型多言語音声合成モデル
2026年6月にBoson AIからリリースされたHiggs Audio v3 TTSは、音声エージェントのシナリオ向けに設計された対話型テキスト音声合成モデルです。約40億個のパラメータを持つ自己回帰デコーダーをベースとし、Higgsトークナイザーを使用して音声を8つのコードブックに25fpsでエンコードし、24kHzのサンプリングレートで波形を再構築します。このモデルは100以上の言語のゼロショット合成をサポートし、ゼロショット音声クローニングを直接実行でき、インライン制御タグを通じて感情、スタイル、韻律、ポーズ、効果音をきめ細かく制御できます。
オンラインで実行:https://go.hyper.ai/Sj9mk
5. シェイクスピアデータセットを用いてnanoGPTでGPTを微調整する。
nanoGPT Shakespeareは、Andrej Karpathy氏が2023年1月に発表したnanoGPTプロジェクトをベースに構築された、シェイクスピア風のテキスト生成フレームワークです。2019年2月にOpenAIが発表したGPT-2（1億2400万）を事前学習ベースとして使用し、Transformerファインチューニング戦略を導入することで、一般消費者向けGPU上で迅速に学習させ、シェイクスピア風のテキストを生成できます。
オンラインで実行:https://go.hyper.ai/iqcyS
6. セグメンテーション-3.0：「Powerset」マルチスピーカーセグメンテーションモデル
Pyannoteチームが2023年9月にリリースしたSegmentation-3.0は、pyannote.audio 3.0.0で学習された軽量な音声セグメンテーションモデルで、主にフレームレベルの音声分析タスクに使用されます。このモデルは、10秒間の16kHzモノラル音声ファイルを入力として受け取り、マルチスピーカー分類行列を出力します。PyanNetアーキテクチャに基づいており、SincNet、LSTM、および線形層で構成され、約147万個のパラメータを持ちます。
オンラインで実行:https://go.hyper.ai/rXNuo
7. Qwythos-9B-Claude-Mythos-5-1M GGUF 推論展開
Qwythos-9B-Claude-Mythos-5-1Mは、Emperoが2026年6月に開発した推論ベースの大規模言語モデルで、Qwythos3.5-9Bの全パラメータで学習されています。このモデルは推論能力が強化されており、元のQwythos3.5-9Bと比較してMMLUで34ポイント、gsm8k-strictで30ポイント向上しています。ネイティブ関数呼び出しをサポートし、Qwythos3.5で指定されたツール呼び出し形式に準拠しています。YaRNロープスケーリングはデフォルトで有効になっており、1Mの超長文コンテキストをサポートします。また、Qwythos3.5-9Bのマルチモーダルビジョン機能を継承しています。このモデルは検閲制限の対象外であり、サイバーセキュリティや生物医学などの特殊な技術的問題にも対応できます。
オンラインで実行:https://go.hyper.ai/dxqRP
8. 意図しないバイアス毒性のジグソー分類—EDA探索的データ分析チュートリアル
2018年、KaggleとJigsawは、有害なコメントを分類するコンペティションを開催しました。しかし、トレーニングデータの不均衡により、モデルに意図しないバイアスが生じ、「ゲイ」などのアイデンティティ用語を有害性と誤って関連付けてしまい、中立的なコメントが有害と誤分類されるという事態が発生しました。この問題に対処するため、チームは特定のアイデンティティグループに対するバイアスを排除することを目的とした新たなコンペティションを開始しました。
オンラインで実行:https://go.hyper.ai/LnJ2r
9. Qwen-AgentWorld-35B-A3B: 7つの主要なエージェント相互作用領域を網羅する最初の言語世界モデル。
Qwen-AgentWorld-35B-A3Bは、アリババグループのQwenチームが2026年6月にリリースしたネイティブ言語ワールドモデルです。これは従来の大規模な対話型言語モデルではありません。Qwen3.5-35B-A3B-Baseをベースに構築されており、エージェントの行動とインタラクション履歴を入力として受け取り、ロングチェーン推論によって次の環境状態を予測することで、端末、検索、ツール呼び出しなどのエージェントのインタラクション環境をシミュレートします。
オンラインで実行:https://go.hyper.ai/PbwGD
コミュニティ記事の解釈
1. OpenAIは、129の質問と10の分野にわたるAI研究能力を評価するGeneBench-Proをリリースした。
OpenAIの研究チームは最近、GeneBenchのアップデート版であるGeneBench-Proを発表しました。これは、より幅広い産業分野と学術分野を網羅しています。もはやゲノミクスに限定されず、分子生物学、定量的生物学、薬理ゲノミクス、がん生物学、微生物ゲノミクス、臨床応用など、多段階の統計的推論を必要とするシナリオにも対応しています。
レポート全体を表示します。https://go.hyper.ai/yS7Cv
人気のある百科事典の項目を厳選
1. 世界行動モデル（WAM）
2. グリッチトークン
3. 調和平均
4. シャドウモードのテスト
5. ベイズモデル平均化
ここには何百もの AI 関連の用語がまとめられており、ここで「人工知能」を理解することができます。
上記は、今週編集者が選択したすべてのコンテンツです。hyper.ai 公式 Web サイトに掲載したいリソースがある場合は、お気軽にメッセージを残すか、投稿してお知らせください。
また来週お会いしましょう！
HyperAIについて Hyper.ai
HyperAI（hyper.ai）は、中国をリードする人工知能とハイパフォーマンス・コンピューティングのコミュニティである。国内データサイエンス分野のインフラとなり、国内開発者に豊富で質の高い公共リソースを提供することに注力しています。
* 2100以上の公開データセット向けに、国内高速ダウンロードノードを提供
* 700以上の定番かつ人気のオンラインチュートリアルを収録
* 300件以上のAI4Science論文事例を分析
* 700以上の関連用語の検索に対応
*Apache TVM の最初の完全な中国語ドキュメントを中国でホストします
学習の旅を始めるには、公式 Web サイトにアクセスしてください。
