AI ニュースを検索

Xiaomiは150元のAIハードウェアを発売し、一般の人々でもVibe Codingを気軽に楽しめるようにしたいと考えています。

一般の人々でも、自然言語を用いて独自のAIハードウェアを自ら作成できます。

地下鉄内のAIによる擬人化広告が、集団で人間をいじめている

誠意と創意だけは決して裏切ってはいけません#愛范兒の公式WeChatアカウント「愛范兒」（WeChat ID：ifanr）をぜひフォローしてください。さらに魅力的なコンテンツをいち早くお届けします。

定常状態実行プリミティブとしての移行：低軌道における仮想的静止性のためのランタイム

arXiv:2610.32720v1 発表タイプ：新規 要旨：低軌道（LEO）衛星によるメガコンステレーションは、遅延が極めて重要な地球中心型アプリケーション向けに軌道上エッジコンピューティングを実現しますが、衛星の運動により視線通信の窓はわずか数分にまで圧縮されます。論理的な地理的近接性を維持するため、仮想静止状態（VS）と呼ばれるパラダイムでは、アプリケーションはコンステレーション内を通過する各衛星間で継続的に移動しなければなりません。従来のライブマイグレーション手法は、個別に開始される移動や複製を最適化するものですが、軌道運動によって必要となる連続的なホスト間の引き継ぎには対応していません。そこで私たちは、ライブマイグレーションを定常状態の実行モデルとして再定式化し、新たな仮想静止状態ランタイムパラダイムを提案します。さらに、連続的な移行の実現可能性を形式的に定式化し…

Bounding Queue Waits for Fair Scheduling of Bursty HPC Workloads via Hierarchical Algorithms

arXiv:2610.32027v1 Announce Type: new Abstract: HPC clusters are shared among many projects, each holding an allocation of node-hours, and ensuring fairness is becoming harder. Foundation models workflows and automated pipelines have made job submissions bursty and concentrated among a few heavy users, so occasional users absorb queueing delays created by frequent ones, with no indication of how long their jobs will wait. Existing schedulers either forget past usage, protect only the job at the head of the queue, or assume that running jobs can be preempted. We propose HyDRA, a Hybrid Deadline and Ranking-Aware scheduler that enforces fairness among users while bounding the queue wait of every job. HyDRA assigns each job a deadline on arrival based on its size, the priorities of its projec

CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition

arXiv:2610.32022v1 Announce Type: new Abstract: Intent recognition in human-robot interaction requires agents to resolve ambiguous natural language instructions by inferring the speaker's underlying goals. Research has increasingly focused on two notable paradigms for addressing this task: structured symbolic reasoning and multimodal input enrichment. However, it remains unclear whether enrichment-based methods provide benefit in settings where the ambiguity concerns unstated human intent rather than missing observable scene information. In this paper, we present a comparative and diagnostic study benchmarking FISER - a framework utilizing structured social and embodied reasoning - against CEMIR (Context-Enriched Multimodal Intent Recognition), a method that performs multimodal enrichment

Tradeoff-Aware Territory Design: A Multi-Objective Decision System for Enterprise Customer-to-Seller Allocation

arXiv:2610.31701v1 Announce Type: new Abstract: Enterprise customer journeys are shaped not only by product experiences and marketing, but also by recurring resource-allocation decisions. In B2B go-to-market (GTM) organizations, territory carving determines which accounts receive seller coverage, which seller-account relationships are preserved, and how limited field capacity is distributed. Yet the process often remains manual, making it difficult to compare opportunities, value continuity, and evaluate tradeoffs among growth, balance, capacity, and feasibility. We present a production decision system for tradeoff-aware customer-to-seller allocation in enterprise GTM planning. It integrates three components: a multidimensional account-value layer that combines predictive signals to score

Collaborative In-Context Learning for Indoor Radio Map Estimation

arXiv:2610.31702v1 Announce Type: new Abstract: Indoor radio map estimation (RME) is essential for wireless applications such as coverage planning, localization, and network deployment. However, most existing methods follow a supervised learning paradigm that requires costly labeled data and task-specific model training. Moreover, indoor environments involve privacy-sensitive information, such as building layouts and structures, that often cannot be centralized. To address these challenges, we make the first attempt to formulate indoor RME as a collaborative in-context learning (ICL) problem. We propose Poly-Ripple, a framework in which multiple clients perform ICL using large autoregressive vision models (LAVMs) without model updates. Each client is prompted by its private demonstrations

Patronizing and Condescending Language Detection in English and Mandarin

arXiv:2610.31808v1 Announce Type: new Abstract: Patronizing and condescending language (PCL) is a form of harmful language that belittles and assumes pity for vulnerable groups, reinforcing negative societal stereotypes. However, unlike overt hate speech, it is often difficult to detect, even for human judges. This paper proposes a system for the automated detection of PCL. Our first approach uses static word embeddings and a convolutional neural network for classification, while our second approach uses pre-trained BERT embeddings fine-tuned for the PCL task. Our second approach was considerably more successful, and achieved an F1 score of 0.528 over the development set.

Does LeWorldModel Preserve Local Action Geometry?

arXiv:2610.31716v1 Announce Type: new Abstract: We examine how closely pretrained LeWorldModel (LeWM) reproduces the effects of small action changes. Using matched simulator and model responses, we measure action sensitivity with Gram matrices at three perturbation scales. Across nearly a thousand states from Reacher and OGBench Cube, the most sensitive action directions differ by median angles of about $36^\circ$ and $42^\circ$, respectively, at the smallest scale. Increasing the perturbation tenfold reduces median normalized Gram discrepancy by roughly 70\% on Reacher and 47\% on Cube. Geometry measured in pixels and embeddings varies more across scales than the chosen physical-state geometry. On held-out directions, environment Grams achieve median embedding response errors of 17\% and

The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection

arXiv:2610.31704v1 Announce Type: new Abstract: Non-Destructive Inspection (NDI) is a cornerstone of modern quality assurance, critical for ensuring the safety and reliability of infrastructure and manufactured components without causing damage. This paper presents a comprehensive review of the current NDI landscape, analyzing the field through four distinct lenses, namely, computational algorithms, physical techniques, industrial applications, and research objectives. We synthesize a broad range of academic literature to illustrate the rapid evolution from manual, analog interpretation to a digitized, data-centric paradigm known as NDE 4.0. Our analysis highlights the dominance of ultrasound and visual inspection as primary physical techniques, while revealing a significant shift toward d

金融犯罪分析のための敵対的ロバスト性を備えた多グラフニューラルネットワークへ

arXiv:2610.31718v1 発表タイプ：新規 要旨：金融取引ネットワークは自然に多重グラフとして表現され、同一の口座ペア間の繰り返し取引は異なる辺としてモデル化される。近年提案された多重グラフニューラルネットワークのアーキテクチャは、この構造を明示的に活用することで、アンチマネーロンダリング（AML）タスクにおいて高い性能を実現している。しかし、検出を回避するために取引構造を操作する敵対者に対するそのロバスト性については、依然としてほとんど研究されていない。本稿では、ノード・エッジ接続行列を用いた多重グラフニューラルネットワークに対する構造的攻撃および敵対的学習のための、初めてのスケーラブルなフレームワークを提示する。さらに、このような多重グラフ上で構造的摂動を最適化するため、射影勾配降下法および射影ランダム化ブロック座標降下法を適用している。

Autoregressive Multimodal Anomaly Detection with Large Language Models for Microservice Systems

arXiv:2610.31722v1 Announce Type: new Abstract: Microservice systems have become a dominant architecture for large-scale cloud applications, enabling rapid deployment and elastic scaling. However, ensuring the reliability and availability of microservice systems critically relies on effective anomaly detection, as failures and performance anomalies can quickly propagate across services and severely impact end-to-end system behavior. Existing multimodal anomaly detection approaches for microservice systems often struggle with two fundamental limitations: (i) the neglect of modality-specific characteristics in favor of cross-modality fusion, and (ii) the "identity-shortcut" problem that affects the feature reconstruction process. To address these issues, we propose LLMMAD, an autoregressive

NVIDIAを引きずり込んでAppleに真っ向から対抗し、マイクロソフトのハイエンドAI PCという賭け

マイクロソフトは、NVIDIA RTX Sparkを搭載したSurface Laptop Ultraで、ローカルAI開発者およびハイエンドクリエイターの獲得を目指している。ハードウェアは大容量の統合メモリ、CUDA、RTXグラフィックス機能をポータブルデバイスに持ち込んだが、Macに対する持続的な競争力を確立できるかどうかは、依然としてアプリケーションの適応性、エージェント体験、そして実際のワークフロー次第である。

注目する理由：この競争が最終的に問うべきは、ローカルAIが創作や開発の効率を実際に向上させられるのか、そしてユーザーがそれに伴うデバイス・ソフトウェア・移行コストを負担する価値があるのか、という点です。ハードウェアは新たな可能性をもたらしますが、その可能性がどれほどのユーザーに届くかは、エコシステムと実際の使用体験によって決まります。

PHPの「メルトダウン」問題は、AIが古い脆弱性の脅威をいかに拡大するかを明らかにする

セキュリティ研究者はAIツールを活用し、長年存在し、かつ利用が困難だとされてきたPHPの脆弱性（総称してPHP2Shell）を、実際に悪用可能な攻撃面へと変換しました。この脆弱性は公開後数時間以内に数百万回もの悪用試行が行われましたが、これまでのところ成功した侵入事例は報告されていません。

注目する理由：この事件は、AIが新たな脆弱性を無から生み出すのではなく、既存の脆弱性の悪用に対する障壁を大幅に低減していることを初めて明確に示し、攻撃と防御の両面において既存のセキュリティ状況を加速させるAIの二重の役割を浮き彫りにしています。また、有効な発見のすべては、人間とAIの協調に依存しています。

Metaは、裁判所からAIの学習に使用された海賊版ダウンロードを承認した幹部の名簿を開示するよう命じられた

Metaに対するAI学習に係る著作権侵害訴訟が複数提起されるなか、裁判所はMetaに対し、Anna’s ArchiveやLibGenなどのシャドー図書館から海賊版書籍をダウンロードしたことを認めた幹部を明確に特定するよう命じた。これに先立ち、Metaは責任を末端の従業員に帰しており、初期段階のAIデータ収集は「非公式なプロセス」であり、ダウンロード行為について「正式な意思決定」を行った者はいなかったと主張していた。

Meta Museの共有機能にプライバシー上の脆弱性が存在する：生成された対話リンクが容易に列挙可能であり、個人情報や企業秘密の漏洩を招くおそれがある

セキュリティ企業のClarocは、Metaが新たに導入したAIエージェント「Muse」において、対話共有機能を有効にした際、生成されるURLに十分なランダム性が欠けており、攻撃者が単純な列挙により6,800件ものユーザー共有リンクを取得できる状況が生じていたことを発見しました。そのうち数百件のリンクでは、非公開の個人情報やビジネス上の機密情報が漏洩していました。Metaは当該共有機能を一時停止し、調査を開始しています。

Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle

Generative AI