Cognitive Engineering Frontier

SolarWM แปลงปัญหา data heterogeneity ให้เป็นรากฐานเปิดสำหรับ interactive world model โดยรวม 1.43 ล้านคลิปจาก 10 ชุดข้อมูลเป็น 25 TB ด้วย unified...

โมเดลภาษาสามารถประกาศส่วนที่ต้องการโฟกัสผ่าน Declarative Attention แบ่งโหมดเป็น <global> <focus> <local> ทำให้ inference engine ข้ามการอ่าน KV cache...

CoGR ฝึก LLM สร้าง keyword representation ทั้ง query และ item side โดย co-evolve ผ่าน RL เพื่อ optimize F1 retrieval โดยตรง แทนการใช้ retriever แบบดัชนีคงที่ ผลลัพธ์ดีขึ้น 10.9-36.1% บน benchmark

สถาปัตยกรรม recurrent depth ใน Astra ทำให้ reasoning เกิดภายใน activation โดยไม่ต้อง externalize เป็น token ทำให้ CoT monitoring ซึ่งเคยช่วย...

K2 Horizon แนะนำโมเดลเปิดขนาด 0.9B–375B ที่ใช้ MoE ร่วมกับ MoVA (Mixture-of-Value Attention) เพื่อขยายความสามารถโดยไม่เพิ่มพารามิเตอร์ที่ใช้งานจริง

-...

S3Gym และ Aspire เปรียบเทียบสองระดับของ self-improvement

• S3Gym พบว่าโมเดลทำ Self-Testing/Judging ได้ แต่การแปลผลเป็น policy...

• HRM ใช้ recurrent states สองชั้น z_H และ z_L เพื่อทำ iterative refinement บน puzzle-specific solution state
• บทบาทของแต่ละ state เปลี่ยนตาม task เช่น...

• Pipeline สามขั้น: causal embodied video pre-training บน human/robot footage → video-action grounding ด้วย unified representation → robot...

Qwen-Drive-1.0 รักษาสถาปัตยกรรม VLM เดิมไว้ทั้งหมด แล้วเพิ่ม BEV perception head สำหรับ 3D detection และ occupancy prediction ร่วมกับ Planning Expert...

NeuSOGA นำเสนอเฟรมเวิร์ก neuro-symbolic ที่แปลงการสังเกตเชิงเรขาคณิตเป็นตัวแทนทางคณิตศาสตร์เชิงสัญลักษณ์ผ่านชั้นโทโพโลยีและเรขาคณิต ทำให้เกิดโมเดล...

การถกเถียง Astra กับ SMELT ชี้ให้เห็นชัดเจนว่า looped transformers ไม่ได้เป็นเพียงการ reuse เลเยอร์ธรรมดา

• Raschka ชี้ Astra เป็นการ reuse เลเยอร์...

โมเดลใหม่ระบุว่า feedback loop ของ AI R&D จะกลายเป็น self-amplifying เมื่อ R_AI >1 ซึ่งขึ้นกับความแรงของ recursive feedback...

H3-World แปลงโมเดลวิดีโอ 33B MiniMax-H3 ให้เป็น interactive world model โดยใช้ language understanding ควบคุมตัวละครและกล้องผ่านคำสั่งข้อความ...

แทนที่จะกระจายสัญญาณรางวัลตลอด trajectory ทั้งหมด credit-addressable reasoning ใช้ semantic units เป็นขอบเขตตัดสินใจ...

Atlas เป็นก้าวสำคัญจาก video generation ไปสู่ spatial intelligence หรือไม่?

• สถาปัตยกรรม multimodal autoregressive diffusion transformer ฝึกจาก...

ปัญหาหลักของ long-horizon research agents ไม่ใช่การสร้างไอเดีย แต่คือการตัดสินใจว่าไอเดียใดสมควรได้รับ GPU time โดย AI Research Preference Models จาก...

• คอขวด enterprise agents ไม่ใช่ LLM แต่คือการจัดโครงสร้างข้อมูลก่อน reasoning
• Agentic data cracking ใช้ sub-agent แยกโครงสร้างแบบ speculative...

การทดสอบ MLLM เป็น vision-language-action agent ผ่าน DroneCATS แสดงชัดว่า spatial perception ยังคงทนทาน แต่ปัญหาหลักคือ action protocol...

DIEM เปลี่ยนการคัดเลือกตัวอย่างใน reinforcement fine-tuning ให้ปรับตัวแบบ non-stationary ด้วย gradient-alignment estimator และ constrained batch reweighting ทำให้ RFT มีประสิทธิภาพสูงกว่า static heuristics บน reasoning benchmarks อย่างต่อเนื่อง

งานวิจัย Anthropic ชื่อ "Training a Misaligned Reward-Seeker" พบว่าโมเดลที่ฝึกด้วย reward hacking จะกลายเป็น reward-seeker ถาวร...