Lightnews — Scholar-powered news

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

1/30 https://arxiv.org/abs/2510.26692
2/30 https://arxiv.org/abs/2511.02864
3/30 https://arxiv.org/abs/2510.26745
4/30 https://arxiv.org/abs/2511.10647
5/30 https://arxiv.org/abs/2510.24797
6/30 https://arxiv.org/abs/2511.07416
7/30 https://arxiv.org/abs/2510.27688
8/30 https://arxiv.org/abs/2511.09030
9/30 https://arxiv.org/abs/2510.25741
10/30 https://arxiv.org/abs/2510.18212
11/30 https://arxiv.org/abs/2510.21890
12/30 https://arxiv.org/abs/2510.16888
13/30 https://arxiv.org/abs/2510.22371
14/30 https://arxiv.org/abs/2510.20822
15/30 https://arxiv.org/abs/2510.27190
16/30 https://arxiv.org/abs/2510.26583
17/30 https://arxiv.org/abs/2510.18002
18/30 https://arxiv.org/abs/2510.17800
19/30 https://arxiv.org/abs/2511.04570
20/30 https://arxiv.org/abs/2511.06876
21/30 https://arxiv.org/abs/2511.02743
22/30 https://arxiv.org/abs/2510.19788
23/30 https://arxiv.org/abs/2510.18147
24/30 https://arxiv.org/abs/2510.21614
25/30 https://arxiv.org/abs/2510.23607
26/30 https://arxiv.org/abs/2511.08892
27/30 https://arxiv.org/abs/2511.02208
28/30 https://arxiv.org/abs/2510.23564
29/30 https://arxiv.org/abs/2510.18121
30/30 https://arxiv.org/abs/2511.03276

November 18, 2025 at 12:06 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

1/30 https://arxiv.org/abs/2510.26692
2/30 https://arxiv.org/abs/2511.02864
3/30 https://arxiv.org/abs/2510.26745
4/30 https://arxiv.org/abs/2510.24797
5/30 https://arxiv.org/abs/2511.10647
6/30 https://arxiv.org/abs/2511.07416
7/30 https://arxiv.org/abs/2510.27688
8/30 https://arxiv.org/abs/2511.09030
9/30 https://arxiv.org/abs/2510.25741
10/30 https://arxiv.org/abs/2510.18212
11/30 https://arxiv.org/abs/2510.21890
12/30 https://arxiv.org/abs/2510.22371
13/30 https://arxiv.org/abs/2510.16888
14/30 https://arxiv.org/abs/2510.20822
15/30 https://arxiv.org/abs/2510.27190
16/30 https://arxiv.org/abs/2510.26583
17/30 https://arxiv.org/abs/2510.17800
18/30 https://arxiv.org/abs/2510.18002
19/30 https://arxiv.org/abs/2511.04570
20/30 https://arxiv.org/abs/2511.06876
21/30 https://arxiv.org/abs/2511.02743
22/30 https://arxiv.org/abs/2510.19788
23/30 https://arxiv.org/abs/2510.18147
24/30 https://arxiv.org/abs/2510.23607
25/30 https://arxiv.org/abs/2510.21614
26/30 https://arxiv.org/abs/2511.08892
27/30 https://arxiv.org/abs/2510.23564
28/30 https://arxiv.org/abs/2511.02208
29/30 https://arxiv.org/abs/2510.18121
30/30 https://arxiv.org/abs/2511.03276

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

2510.23564
実世界のタスクは、さまざまな粒度での意思決定を必要とするが、人間は、プランニングが基本的に高レベルの行動として理解される統一された認知表現を活用することで、これを得意としている。しかし、現在のラージ・ランゲージ・モデル（LLM）ベースのエージェントには、意思決定の粒度を超えて流動的に動作...

実世界のタスクは、さまざまな粒度での意思決定を必要とするが、人間は、プランニングが基本的に高レベルの行動として理解される統一された認知表現を活用することで、これを得意としている。

しかし、現在のラージ・ランゲージ・モデル（LLM）ベースのエージェントには、意思決定の粒度を超えて流動的に動作するこの重要な機能が欠けている。

この限界は、高レベルのプランニングと低レベルのアクションを厳格に分離している既存のパラダイムに起因しており、動的適応性を損ない、汎化を制限している。

我々はReCode（再帰的コード生成）を提案する。これは、プランニングとアクションを単一のコード表現に統合することで、この制限に対処する新しいパラダイムである。

この表現では、ReCodeは高レベルの計画を抽象的なプレースホルダー関数として扱い、エージェントはそれをより細かいサブ関数に再帰的に分解し、プリミティブなアクションに到達する。

この再帰的アプローチは、プランとアクションの間の硬直した境界を解消し、エージェントが動的にその決定の粒度を制御することを可能にする。

さらに、再帰的な構造は、本質的に豊かで多粒度の学習データを生成し、モデルが階層的な意思決定プロセスを学習することを可能にする。

広範な実験によれば、ReCodeは推論性能において先進的なベースラインを大幅に上回り、トレーニングにおいて卓越したデータ効率を実証している。これは、再帰的なコード生成を通じてプランニングとアクションを一体化することが、普遍的な粒度制御を達成するための強力かつ効果的なアプローチであるという我々の中核的な洞察を検証するものである。

コードはhttps://github.com/FoundationAgents/ReCode。

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

[27/30] 119 Likes, 1 Comments, 1 Posts
2510.23564, cs․AI | cs․CL | cs․LG, 28 Oct 2025

🆕ReCode: Unify Plan and Action for Universal Granularity Control

Zhaoyang Yu, Jiayi Zhang, Huixue Su, Yufan Zhao, Yifan Wu, Mingyi Deng, Jinyu Xiang, Yizhang Lin, Lingxiao Tang, Yingchao Li, Yuyu Luo, Bang...

Real-world tasks require decisions at varying granularities, and humans excel at this by leveraging a unified cognitive representation where planning is fundamentally understood as a high-level form of action.

However, current Large Language Model (LLM)-based agents lack this crucial capability to operate fluidly across decision granularities.

This limitation stems from existing paradigms that enforce a rigid separation between high-level planning and low-level action, which impairs dynamic adaptability and limits generalization.

We propose ReCode (Recursive Code Generation), a novel paradigm that addresses this limitation by unifying planning and action within a single code representation.

In this representation, ReCode treats high-level plans as abstract placeholder functions, which the agent then recursively decomposes into finer-grained sub-functions until reaching primitive actions.

This recursive approach dissolves the rigid boundary between plan and action, enabling the agent to dynamically control its decision granularity.

Furthermore, the recursive structure inherently generates rich, multi-granularity training data, enabling models to learn hierarchical decision-making processes.

Extensive experiments show ReCode significantly surpasses advanced baselines in inference performance and demonstrates exceptional data efficiency in training, validating our core insight that unifying planning and action through recursive code generation is a powerful and effective approach to achieving universal granularity control.

The code is available at https://github.com/FoundationAgents/ReCode.

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

2511.02208
既存の研究は、主にタスクの成功に焦点を当てているが、我々は、効果的な実世界のエージェントは、生産性（タスクの完了）、積極性（本質的な質問をする）、およびパーソナライゼーション（多様なユーザーの好みに適応する）の3つの側面を最適化する必要があると主張している。LLMベースのユーザ・シミュレー...

既存の研究は、主にタスクの成功に焦点を当てているが、我々は、効果的な実世界のエージェントは、生産性（タスクの完了）、積極性（本質的な質問をする）、およびパーソナライゼーション（多様なユーザーの好みに適応する）の3つの側面を最適化する必要があると主張している。

LLMベースのユーザ・シミュレータを備え、多様なユーザ嗜好を設定可能なインタラクティブ環境、UserVilleを紹介する。

UserVilleを活用し、3つの次元すべてを共同で最適化する多目的強化学習アプローチであるPPPを紹介する：PPPは、生産性、積極性、パーソナライゼーションの3つの次元を共同で最適化する多目的強化学習アプローチである。

ソフトウェアエンジニアリングとディープリサーチタスクの実験では、PPPで訓練されたエージェントは、GPT-5のような強力なベースラインを大幅に上回り（平均+21.6）、戦略的で明確な質問をし、未知のユーザーの好みに適応し、より良いインタラクションによってタスクを成功に導く能力を実証しています。

この研究は、実用的で効果的なAIエージェントを構築するためには、ユーザー中心のインタラクションを明示的に最適化することが重要であることを示している。

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

[28/30] 117 Likes, 17 Comments, 1 Posts
2511.02208, cs․AI | cs․CL | cs․LG, 04 Nov 2025

🆕Training Proactive and Personalized LLM Agents

Weiwei Sun, Xuhui Zhou, Weihua Du, Xingyao Wang, Sean Welleck, Graham Neubig, Maarten Sap, Yiming Yang

While existing work focuses primarily on task success, we argue that effective real-world agents require optimizing three dimensions: productivity (task completion), proactivity (asking essential questions), and personalization (adapting to diverse user preferences).

We introduce UserVille, an interactive environment with LLM-based user simulators enabling diverse, configurable user preferences.

Leveraging UserVille, we introduce PPP, a multi-objective reinforcement learning approach that jointly optimizes all three dimensions: Productivity, Proactivity, and Personalization.

Experiments on software engineering and deep research tasks show that agents trained with PPP achieve substantial improvements over strong baselines such as GPT-5 (+21.6 on average), demonstrating the ability to ask strategic clarifying questions, adapt to unseen user preferences, and improve task success through better interaction.

This work demonstrates that explicitly optimizing for user-centered interaction is critical for building practical and effective AI agents.

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

2511.03276
厳密に制御された事前学習設定の下で、我々はクロスオーバーを観察した：ユニークなデータが限られている場合、拡散言語モデル（DLM）は、より多くのエポック数を学習することで、一貫して自己回帰（AR）モデルを上回る。クロスオーバーは、データが多いほど、あるいは質が高いほど遅くなり、モデルが大きい...

厳密に制御された事前学習設定の下で、我々はクロスオーバーを観察した：ユニークなデータが限られている場合、拡散言語モデル（DLM）は、より多くのエポック数を学習することで、一貫して自己回帰（AR）モデルを上回る。

クロスオーバーは、データが多いほど、あるいは質が高いほど遅くなり、モデルが大きいほど早くなる。

我々は、3つの複合的な要因によるものだと考えている：(1)任意の次数のモデリング、(2)双方向ノイズ除去の繰り返しによる超高密度計算、(3)内蔵のモンテカルロ補強。

規模が大きくなると、10BのユニークなPythonトークンに対して1.5T-トークンの計算予算で訓練された1.7B DLMは、厳密にマッチした設定で訓練されたARコーダーを追い越す。

さらに、1BパラメータのDLMは、特別な仕掛けをすることなく、標準的な事前学習データを繰り返すだけで、1Bトークンのみを用いて、HellaSwagで56%以上、MMLUで33%以上の精度を達成した。

また、この領域では、検証のクロスエントロピーの上昇が下流の性能低下を意味しないことも示す。

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

[30/30] 116 Likes, 15 Comments, 2 Posts
2511.03276, cs․LG, 05 Nov 2025

🆕Diffusion Language Models are Super Data Learners

Jinjie Ni, Qian Liu, Longxu Dou, Chao Du, Zili Wang, Hang Yan, Tianyu Pang, Michael Qizhe Shieh

Under strictly controlled pre-training settings, we observe a Crossover: when unique data is limited, diffusion language models (DLMs) consistently surpass autoregressive (AR) models by training for more epochs.

The crossover shifts later with more or higher-quality data, earlier with larger models, and persists across dense and sparse architectures.

We attribute the gains to three compounding factors: (1) any-order modeling, (2) super-dense compute from iterative bidirectional denoising, and (3) built-in Monte Carlo augmentation; input or parameter noise improves AR under data constraint but cannot close the gap.

At scale, a 1.7B DLM trained with a ~1.5T-token compute budget on 10B unique Python tokens overtakes an AR coder trained with strictly matched settings.

In addition, a 1B-parameter DLM achieves > 56% accuracy on HellaSwag and > 33% on MMLU using only 1B tokens, without any special tricks, just by repeating standard pre-training data.

We also show that rising validation cross-entropy does not imply degraded downstream performance in this regime.

November 17, 2025 at 12:06 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

November 16, 2025 at 12:08 AM

Paper

@paper.bsky.social

2511.08892
3Dオープンワールドのチャレンジングな環境の中で、何時間にも及ぶ複雑なミッションをリアルタイムでこなすジェネラリスト・エージェントを開発するための、初のオープンレシピ「Lumine」を紹介する。ルミネは、視覚言語モデルによって、知覚、推論、行動をエンド・ツー・エンドで統合する、人間のようなイン...

3Dオープンワールドのチャレンジングな環境の中で、何時間にも及ぶ複雑なミッションをリアルタイムでこなすジェネラリスト・エージェントを開発するための、初のオープンレシピ「Lumine」を紹介する。

ルミネは、視覚言語モデルによって、知覚、推論、行動をエンド・ツー・エンドで統合する、人間のようなインタラクション・パラダイムを採用している。

生のピクセルを5Hzで処理し、正確な30Hzのキーボードとマウスの動作を生成し、必要なときだけ適応的に推論を呼び出す。

ルミネは「幻神インパクト」で訓練され、5時間に及ぶモンドシュタットのメインストーリーを人間レベルの効率ですべてクリアし、自然言語の指示に従い、収集、戦闘、謎解き、NPCとの対話など、3Dオープンワールド探索と2D GUI操作の両方で幅広いタスクをこなす。

ルミネは、ゲーム内でのパフォーマンスに加えて、ゼロショットのゲーム横断的な汎化も実証している。

微調整なしで、『Wuthering Waves』では100分のミッションを、『Honkai: Star Rail』では5時間の第1章をフルでこなす。

これらの有望な結果は、ルミネが異なる世界やインタラクション・ダイナミクスにおいて有効であることを強調するものであり、オープンエンドな環境におけるジェネラリスト・エージェントへの具体的な一歩を示すものである。

November 16, 2025 at 12:08 AM

Paper

@paper.bsky.social

[30/30] 138 Likes, 10 Comments, 1 Posts
2511.08892, cs․AI, 12 Nov 2025

🆕Lumine: An Open Recipe for Building Generalist Agents in 3D Open Worlds

Weihao Tan, Xiangyang Li, Yunhao Fang, Heyuan Yao, Shi Yan, Hao Luo, Tenglong Ao, Huihui Li, Hongbin Ren, Bairen Yi, Yujia Qin, Bo An, Libin Liu, Gua...

We introduce Lumine, the first open recipe for developing generalist agents capable of completing hours-long complex missions in real time within challenging 3D open-world environments.

Lumine adopts a human-like interaction paradigm that unifies perception, reasoning, and action in an end-to-end manner, powered by a vision-language model.

It processes raw pixels at 5 Hz to produce precise 30 Hz keyboard-mouse actions and adaptively invokes reasoning only when necessary.

Trained in Genshin Impact, Lumine successfully completes the entire five-hour Mondstadt main storyline on par with human-level efficiency and follows natural language instructions to perform a broad spectrum of tasks in both 3D open-world exploration and 2D GUI manipulation across collection, combat, puzzle-solving, and NPC interaction.

In addition to its in-domain performance, Lumine demonstrates strong zero-shot cross-game generalization.

Without any fine-tuning, it accomplishes 100-minute missions in Wuthering Waves and the full five-hour first chapter of Honkai: Star Rail.

These promising results highlight Lumine's effectiveness across distinct worlds and interaction dynamics, marking a concrete step toward generalist agents in open-ended environments.

November 16, 2025 at 12:08 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

1/30 https://arxiv.org/abs/2510.26692
2/30 https://arxiv.org/abs/2510.14876
3/30 https://arxiv.org/abs/2511.02864
4/30 https://arxiv.org/abs/2510.15061
5/30 https://arxiv.org/abs/2510.26745
6/30 https://arxiv.org/abs/2510.24797
7/30 https://arxiv.org/abs/2510.27688
8/30 https://arxiv.org/abs/2511.07416
9/30 https://arxiv.org/abs/2510.25741
10/30 https://arxiv.org/abs/2510.18212
11/30 https://arxiv.org/abs/2511.09030
12/30 https://arxiv.org/abs/2510.15511
13/30 https://arxiv.org/abs/2510.21890
14/30 https://arxiv.org/abs/2510.15742
15/30 https://arxiv.org/abs/2510.22371
16/30 https://arxiv.org/abs/2510.16888
17/30 https://arxiv.org/abs/2510.15831
18/30 https://arxiv.org/abs/2510.20822
19/30 https://arxiv.org/abs/2510.26583
20/30 https://arxiv.org/abs/2510.27190
21/30 https://arxiv.org/abs/2510.17800
22/30 https://arxiv.org/abs/2510.18002
23/30 https://arxiv.org/abs/2511.04570
24/30 https://arxiv.org/abs/2511.10647
25/30 https://arxiv.org/abs/2510.21614
26/30 https://arxiv.org/abs/2510.19788
27/30 https://arxiv.org/abs/2511.02743
28/30 https://arxiv.org/abs/2511.06876
29/30 https://arxiv.org/abs/2510.18147
30/30 https://arxiv.org/abs/2510.23607

November 15, 2025 at 12:07 AM

Paper

@paper.bsky.social

2511.09030
LLMは、推論、洞察、ツールの使用において目覚ましいブレークスルーを達成したが、これらの能力を、人間、組織、社会が日常的に実行する規模の拡張プロセスに連鎖させることは、まだ手の届かないところにある。例えば、「ハノイの塔」ベンチマーク・ドメインでの最近の実験では、せいぜい数百ステップでプロ...

LLMは、推論、洞察、ツールの使用において目覚ましいブレークスルーを達成したが、これらの能力を、人間、組織、社会が日常的に実行する規模の拡張プロセスに連鎖させることは、まだ手の届かないところにある。

例えば、「ハノイの塔」ベンチマーク・ドメインでの最近の実験では、せいぜい数百ステップでプロセスは必然的に脱線することが示された。

このように、LLMの研究は、比較的少数の従属的な論理ステップを持つタスクのベンチマークであることが多いが、LLMが長距離タスクを実行する能力（または能力不足）に注目が集まっている。

本論文では、100万ステップを超えるLLMタスクをエラーゼロで解くことに成功した最初のシステムであり、原理的にはこのレベルをはるかに超えるスケールを持つMAKERについて述べる。

このアプローチは、タスクをサブタスクに極端に分解し、それぞれのサブタスクに焦点を絞ったマイクロエージェントが対処できるようにするものである。

分解による高いモジュール性により、効率的なマルチエージェント投票スキームを通じて、各ステップでエラー訂正を適用することができる。

この極端な分解とエラー訂正の組み合わせによって、スケーリングが可能になる。

したがって、この結果は、現行のLLMの継続的な改善に頼るのではなく、大規模分解エージェントプロセス（MDAP）が、組織や社会のレベルで効率的に問題を解決する方法を提供する可能性を示唆している。

November 15, 2025 at 12:07 AM

Paper

@paper.bsky.social

[11/30] 338 Likes, 56 Comments, 4 Posts
2511.09030, cs․AI | cs․CL | cs․MA, 12 Nov 2025

🆕Solving a Million-Step LLM Task with Zero Errors

Elliot Meyerson, Giuseppe Paolo, Roberto Dailey, Hormoz Shahrzad, Olivier Francon, Conor F. Hayes, Xin Qiu, Babak Hodjat, Risto Miikkulainen

LLMs have achieved remarkable breakthroughs in reasoning, insights, and tool use, but chaining these abilities into extended processes at the scale of those routinely executed by humans, organizations, and societies has remained out of reach.

The models have a persistent error rate that prevents scale-up: for instance, recent experiments in the Towers of Hanoi benchmark domain showed that the process inevitably becomes derailed after at most a few hundred steps.

Thus, although LLM research is often still benchmarked on tasks with relatively few dependent logical steps, there is increasing attention on the ability (or inability) of LLMs to perform long range tasks.

This paper describes MAKER, the first system that successfully solves a task with over one million LLM steps with zero errors, and, in principle, scales far beyond this level.

The approach relies on an extreme decomposition of a task into subtasks, each of which can be tackled by focused microagents.

The high level of modularity resulting from the decomposition allows error correction to be applied at each step through an efficient multi-agent voting scheme.

This combination of extreme decomposition and error correction makes scaling possible.

Thus, the results suggest that instead of relying on continual improvement of current LLMs, massively decomposed agentic processes (MDAPs) may provide a way to efficiently solve problems at the level of organizations and societies.

November 15, 2025 at 12:07 AM

Paper

@paper.bsky.social

2511.10647
我々はDepth Anything 3(DA3)を発表する。DA3は、カメラのポーズが既知であるか否かに関わらず、任意の数の視覚入力から空間的に一貫した形状を予測するモデルである。最小限のモデリングを追求した結果、DA3は2つの重要な洞察を得た。アーキテクチャに特化しなくても、単一のプレーンなトランスフォーマー（...

我々はDepth Anything 3(DA3)を発表する。DA3は、カメラのポーズが既知であるか否かに関わらず、任意の数の視覚入力から空間的に一貫した形状を予測するモデルである。

最小限のモデリングを追求した結果、DA3は2つの重要な洞察を得た。アーキテクチャに特化しなくても、単一のプレーンなトランスフォーマー（例えば、バニラDINOエンコーダー）でバックボーンとして十分であり、単一の深度線予測ターゲットにより、複雑なマルチタスク学習が不要になる。

教師と生徒によるトレーニングパラダイムにより、このモデルはDepth Anything 2 (DA2)と同等の詳細さと汎化レベルを達成した。

カメラのポーズ推定、任意のビューのジオメトリ、ビジュアルレンダリングをカバーする新しいビジュアルジオメトリベンチマークを確立する。

このベンチマークにおいて、DA3はすべてのタスクで最先端を更新し、カメラのポーズ精度で平均44.3%、幾何学的精度で平均25.1%と、従来のSOTA VGGTを上回った。

さらに、単眼での奥行き推定ではDA2を上回る。

すべてのモデルは、公的な学術データセットのみで訓練されている。

November 15, 2025 at 12:07 AM

Paper

@paper.bsky.social

[24/30] 185 Likes, 24 Comments, 2 Posts
2511.10647, cs․CV, 13 Nov 2025

🆕Depth Anything 3: Recovering the Visual Space from Any Views

Haotong Lin, Sili Chen, Junhao Liew, Donny Y. Chen, Zhenyu Li, Guang Shi, Jiashi Feng, Bingyi Kang

We present Depth Anything 3 (DA3), a model that predicts spatially consistent geometry from an arbitrary number of visual inputs, with or without known camera poses.

In pursuit of minimal modeling, DA3 yields two key insights: a single plain transformer (e.g., vanilla DINO encoder) is sufficient as a backbone without architectural specialization, and a singular depth-ray prediction target obviates the need for complex multi-task learning.

Through our teacher-student training paradigm, the model achieves a level of detail and generalization on par with Depth Anything 2 (DA2).

We establish a new visual geometry benchmark covering camera pose estimation, any-view geometry and visual rendering.

On this benchmark, DA3 sets a new state-of-the-art across all tasks, surpassing prior SOTA VGGT by an average of 44.3% in camera pose accuracy and 25.1% in geometric accuracy.

Moreover, it outperforms DA2 in monocular depth estimation.

All models are trained exclusively on public academic datasets.

November 15, 2025 at 12:06 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

November 14, 2025 at 12:06 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

November 13, 2025 at 12:07 AM

Paper

@paper.bsky.social

2510.27190
大規模言語モデル（LLM）が自動化されたマルチステージパイプラインにますます統合されるにつれて、処理ステージ間の信頼性が検証されないことから生じるリスクパターンが現実的な懸念となっている。本稿では、商業用LLMで繰り返し発生する41のリスクパターンについて、メカニズム中心の分類法を提示する。こ...

大規模言語モデル（LLM）が自動化されたマルチステージパイプラインにますます統合されるにつれて、処理ステージ間の信頼性が検証されないことから生じるリスクパターンが現実的な懸念となっている。

本稿では、商業用LLMで繰り返し発生する41のリスクパターンについて、メカニズム中心の分類法を提示する。

この分析から、入力はしばしば非中立的に解釈され、明示的な命令がなくても、実装に似た反応や意図しない状態変化を引き起こす可能性があることがわかる。

我々は、これらの挙動がアーキテクチャ上の故障モードであり、文字列レベルのフィルタリングだけでは不十分であると主張する。

このようなクロスステージの脆弱性を軽減するために、我々は、実績の強制、コンテキストの封印、計画の再検証を含むゼロトラスト・アーキテクチャの原則を推奨し、これらの防御を実装するための概念的な青写真として「カウンターマインド」を紹介する。

November 13, 2025 at 12:07 AM

Paper

@paper.bsky.social

[24/30] 183 Likes, 21 Comments, 2 Posts
2510.27190, cs․CR | cs․AI, 03 Nov 2025

🆕Unvalidated Trust: Cross-Stage Vulnerabilities in Large Language Model Architectures

Dominik Schwarz

As Large Language Models (LLMs) are increasingly integrated into automated, multi-stage pipelines, risk patterns that arise from unvalidated trust between processing stages become a practical concern.

This paper presents a mechanism-centered taxonomy of 41 recurring risk patterns in commercial LLMs.

The analysis shows that inputs are often interpreted non-neutrally and can trigger implementation-shaped responses or unintended state changes even without explicit commands.

We argue that these behaviors constitute architectural failure modes and that string-level filtering alone is insufficient.

To mitigate such cross-stage vulnerabilities, we recommend zero-trust architectural principles, including provenance enforcement, context sealing, and plan revalidation, and we introduce "Countermind" as a conceptual blueprint for implementing these defenses.

November 13, 2025 at 12:06 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

November 12, 2025 at 12:06 AM

Paper

@paper.bsky.social

2511.07416
映像の生成から物理世界のモデリングを通じてロボットの学習を可能にするフレームワーク、PhysWorldを紹介する。最近のビデオ生成モデルは、言語コマンドと画像から写実的なビジュアル・デモンストレーションを合成することができ、ロボット工学のための強力な、まだ未開拓の学習信号源を提供する。しかし、...

映像の生成から物理世界のモデリングを通じてロボットの学習を可能にするフレームワーク、PhysWorldを紹介する。

最近のビデオ生成モデルは、言語コマンドと画像から写実的なビジュアル・デモンストレーションを合成することができ、ロボット工学のための強力な、まだ未開拓の学習信号源を提供する。

しかし、生成された動画からロボットにピクセルモーションを直接リターゲットすることは、物理学を無視することになり、しばしば不正確な操作になる。

PhysWorldは、ビデオ生成と物理世界の再構築を組み合わせることで、この制限に対処しています。

1枚の画像とタスクコマンドが与えられると、本手法はタスクに応じた動画を生成し、その動画から基礎となる物理世界を再構成する。生成された動画モーションは、物理世界モデルを用いたオブジェクト中心の残差強化学習により、物理的に正確な動作に根拠付けられる。

この相乗効果により、暗黙の視覚ガイダンスが物理的に実行可能なロボット軌道に変換され、実際のロボットデータ収集の必要性がなくなり、ゼロショットで汎用可能なロボット操作が可能になる。

様々な実世界タスクの実験により、PhysWorldは従来のアプローチと比較して操作精度を大幅に向上させることが実証されています。

詳しくはプロジェクトのウェブページをご覧ください。

November 12, 2025 at 12:06 AM

Paper

@paper.bsky.social

[11/30] 313 Likes, 11 Comments, 4 Posts
2511.07416, cs․RO | cs․AI | cs․CV, 11 Nov 2025

🆕Robot Learning from a Physical World Model

Jiageng Mao, Sicheng He, Hao-Ning Wu, Yang You, Shuyang Sun, Zhicheng Wang, Yanan Bao, Huizhong Chen, Leonidas Guibas, Vitor Guizilini, Howard Zhou, Yue Wang

$We introduce PhysWorld, a framework that enables robot learning from video generation through physical world modeling. Recent video generation models can synthesize photorealistic visual demonstrations from language commands and images, offering a powerful yet underexplored source of training signals for robotics. However, directly retargeting pixel motions from generated videos to robots neglects physics, often resulting in inaccurate manipulations. PhysWorld addresses this limitation by coupling video generation with physical world reconstruction. Given a single image and a task command, our method generates task-conditioned videos and reconstructs the underlying physical world from the videos, and the generated video motions are grounded into physically accurate actions through object-centric residual reinforcement learning with the physical world model. This synergy transforms implicit visual guidance into physically executable robotic trajectories, eliminating the need for real robot data collection and enabling zero-shot generalizable robotic manipulation. Experiments on diverse real-world tasks demonstrate that PhysWorld substantially improves manipulation accuracy compared to previous approaches. Visit \href{https://pointscoder.github.io/PhysWorld_Web/}{the project webpage} for details.$

November 12, 2025 at 12:06 AM

Paper

@paper.bsky.social

Top 30 most popular arXiv papers in the last 30 days.
[1/30] [2/30] [3/30] [4/30] [5/30] [6/30] [7/30] [8/30] [9/30] [10/30] [11/30] [12/30] [13/30] [14/30] [15/30] [16/30] [17/30] [18/30] [19/30] [20/30] [21/30] [22/30] [23/30] [24/30] [25/30] [26/30] [27/30] [28/30] [29/30] [30/30]

November 11, 2025 at 12:06 AM

Paper

@paper.bsky.social

[18/30] 212 Likes, 125 Comments, 2 Posts
2511.02824, cs․AI, 05 Nov 2025

🆕Kosmos: An AI Scientist for Autonomous Discovery

Ludovico Mitchener, Angela Yiu, Benjamin Chang, Mathieu Bourdenx, Tyler Nadolski, Arvis Sulovari, Eric C. Landsness, Daniel L. Barabasi, Siddharth Narayanan, Nicky Evans, ...

Data-driven scientific discovery requires iterative cycles of literature search, hypothesis generation, and data analysis.

Substantial progress has been made towards AI agents that can automate scientific research, but all such agents remain limited in the number of actions they can take before losing coherence, thus limiting the depth of their findings.

Here we present Kosmos, an AI scientist that automates data-driven discovery.

Given an open-ended objective and a dataset, Kosmos runs for up to 12 hours performing cycles of parallel data analysis, literature search, and hypothesis generation before synthesizing discoveries into scientific reports.

Unlike prior systems, Kosmos uses a structured world model to share information between a data analysis agent and a literature search agent.

The world model enables Kosmos to coherently pursue the specified objective over 200 agent rollouts, collectively executing an average of 42,000 lines of code and reading 1,500 papers per run.

Kosmos cites all statements in its reports with code or primary literature, ensuring its reasoning is traceable.

Independent scientists found 79.4% of statements in Kosmos reports to be accurate, and collaborators reported that a single 20-cycle Kosmos run performed the equivalent of 6 months of their own research time on average.

Furthermore, collaborators reported that the number of valuable scientific findings generated scales linearly with Kosmos cycles (tested up to 20 cycles).

We highlight seven discoveries made by Kosmos that span metabolomics, materials science, neuroscience, and statistical genetics.

Three discoveries independently reproduce findings from preprinted or unpublished manuscripts that were not accessed by Kosmos at runtime, while four make novel contributions to the scientific literature.

November 11, 2025 at 12:06 AM

Add to Home Screen

Light up
your news

Add to Home Screen

Light upyour news

Sign in to Lightnews

Sign up to start reading

Connect Bluesky

Connect with Bluesky

Light up
your news