[en] Added Add GPT-5.5 model support for OpenAI Codex subscription users. Fixed Remove hardcoded "What’s New" fallback items in webview; only remote-configured welcome banners are shown. Changed Improve cl
Added Add GPT-5.5 model support for OpenAI Codex subscription users. Fixed Remove hardcoded "What’s New" fallback items in webview; only remote-configured welcome banners are shown. Changed Improve cl
AI要約 Claude Codeに新登場したauto modeにより、これまで煩雑だったpermission設定が不要になる。コマンドごとの許可確認に悩まされず、自動的に適切な権限管理が行われるため、開発体験が大きく向上する。
EN Claude Code's new auto mode eliminates the hassle of manual permission configuration. It automatically handles command authorization, freeing developers from repetitive approval prompts and improving the overall development experience.
og AI要約 記事や動画を保存しAIで要約・整理できるChrome拡張機能「SaveSmart - AI Reading List」をChrome Web Storeで公開した。読みたいコンテンツを効率的に管理できるリーディングリストツールである。
EN The author released SaveSmart - AI Reading List on the Chrome Web Store, a browser extension that lets users save articles and videos and organize them with AI-powered summarization for efficient reading management.
og AI要約 筆者は最近Claude Codeの応答品質や指示追従性が低下していると感じている。Anthropic公式も一部モデルで品質劣化のバグを認めて修正対応中であり、ユーザーの体感は実際の不具合に起因していた可能性があると報告している。
EN The author noticed a recent decline in Claude Code's response quality and instruction-following. Anthropic has officially acknowledged bugs causing degraded output on some models and is rolling out fixes, suggesting users' frustrations were rooted in real issues.
og AI要約 Claude Codeに@mentionでSubagentを呼び出せる新機能が追加された。複数のサブエージェントへ並列にタスクを委任できるようになり、コード生成やレビューなどの作業を分担して同時実行することで開発速度の向上が期待される。
EN Claude Code introduced a new @mention feature for subagents, allowing developers to delegate tasks to multiple subagents in parallel. This enables concurrent execution of work like code generation and review, potentially boosting development speed.
og AI要約 個人開発者向けにClaudeとGeminiの無料プランを比較した記事。コード生成精度、利用制限、UIなどの観点で実際の使用感を検証し、用途に応じた使い分けを提案している。
EN A comparison of the free tiers of Claude and Gemini for individual developers in 2026, evaluating code generation quality, usage limits, and UX to suggest which suits various use cases.
AI要約 本論文は、エージェント間のコミュニケーションを通じて数学的推論が創発するかを評価する新しいテストを提案する。単独での問題解決ではなく、二者の協調による数学的概念の伝達能力に焦点を当てている。
EN This paper proposes a new test for evaluating emergent mathematical reasoning in agent-to-agent communication, focusing on cooperative transmission of mathematical concepts between two parties rather than solo problem-solving.
og AI要約 マルチモーダル基盤モデルの推論・学習を加速するハードウェアおよびソフトウェア技術に関するフォーカスセッション論文。複数モダリティを扱うモデル特有の計算課題に対応する最適化手法を議論する。
EN A focus session paper discussing hardware and software techniques to accelerate multimodal foundation models, addressing computational challenges unique to handling multiple modalities in inference and training.
og AI要約 陸上競技における選手のパフォーマンス異常を検出するためのベンチマーキングシステムを提案。視覚分析手法を統合し、コーチや分析者が異常な成績変動を直感的に把握できるよう支援する枠組みを示している。
EN This paper proposes a benchmarking system for detecting performance anomalies in athletics, integrating visual analytics to help coaches and analysts intuitively identify abnormal variations in athletes' results.
og AI要約 本研究では、グラフベースのソフト調和関数を用いた条件付き異常検知手法を提案する。臨床現場での患者管理アラート生成に応用し、専門医の判断を逸脱する治療を検出することを目的としている。
EN This paper proposes a conditional anomaly detection method based on graph-based soft harmonic functions, applied to clinical alerting to detect patient management decisions that deviate from expert practice.
og AI要約 複数の関連タスクをネットワーク構造として捉え、その上で協調的に最適化を行うマルチタスク学習手法を提案する論文。タスク間の関係性を活用することで効率的な学習と性能向上を目指す。
EN This paper proposes a multi-task optimization framework where related tasks are organized as a network, leveraging inter-task relationships to enable collaborative optimization and improved learning efficiency.
og AI要約 本論文は、指値注文板(LOB)における一時的な機械的流動性の劣化を検出する手法を提案する。クォート崩壊現象を定量化し、市場マイクロストラクチャの観点から流動性リスクを評価する枠組みを示す。
EN This paper proposes a method to detect transient mechanical liquidity erosion in limit order books, quantifying quote-crumbling phenomena and providing a framework to assess liquidity risk from a market microstructure perspective.
og AI要約 本論文は、グラフ基盤モデルにおける事前学習と推論のミスマッチを解消する手法Mochiを提案する。メタ学習を用いて両段階を整合させることで、効率的かつ高精度なグラフ表現学習を実現する。
EN This paper proposes Mochi, a meta-learning approach that aligns pre-training and inference stages for graph foundation models, enabling more efficient and accurate graph representation learning.
og AI要約 異種ハードウェア(GPU/TPU/NPU等)間でMLカーネルの正当性を保証するための仕様記述言語「Kernel Contracts」を提案。数値精度や形状、メモリ整合性などを宣言的に記述し、移植時のバグ検出や検証を容易にする枠組みを示す。
EN This paper proposes Kernel Contracts, a specification language for verifying ML kernel correctness across heterogeneous silicon (GPUs, TPUs, NPUs). It enables declarative descriptions of numerical precision, shapes, and memory invariants to detect portability bugs.
AI要約 Kolmogorov-Arnoldネットワーク(KAN)の計算コストを削減するため、Bスプラインを線形時間で評価する新手法LTBs-KANを提案。従来のKANと同等の精度を保ちつつ、計算効率を大幅に改善した。
EN This paper proposes LTBs-KAN, a linear-time B-spline evaluation method for Kolmogorov-Arnold Networks (KAN), which significantly reduces computational cost while maintaining accuracy comparable to standard KAN implementations.
EN arXiv:2604.22056v1 Announce Type: new Abstract: Optimal wireless transmitter placement is a central task in radio-network planning, yet exhaustive search becomes prohibitively expensive at scale. This
EN arXiv:2604.22063v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly utilized in clinical reasoning and risk assessment. However, their interpretive reliability in critical an
AI要約 本論文は大規模言語モデルに内在するランダム性を定量化する新指標「背景温度」を導入する。温度0設定でも残る出力ばらつきを測定し、モデル固有の確率的性質を特徴づける枠組みを提案する。
EN This paper introduces 'background temperature' as a metric to characterise the hidden randomness inherent in large language models, quantifying output variability that persists even at temperature zero settings.
og AI要約 エージェント社会の集合知を能動的に評価する新手法「Superminds Test」を提案。プロービングエージェントを社会に投入し、集団としての知性を測定する枠組みを構築した研究。
EN This paper proposes the Superminds Test, a framework to actively evaluate the collective intelligence of agent societies by injecting probing agents that measure the group's emergent intelligence.
og EN arXiv:2604.21999v1 Announce Type: cross Abstract: We study learned memory tokens as computational scratchpad for a single-block Universal Transformer (UT) with Adaptive Computation Time (ACT) on Sudok
EN arXiv:2604.22050v1 Announce Type: cross Abstract: Transformers are mostly relying on softmax attention, which introduces quadratic complexity with respect to sequence length and remains a major bottle
EN arXiv:2604.22002v1 Announce Type: new Abstract: Social media platforms have become primary channels for health information in the Global South. Using gomutra (cow urine) discourse on YouTube in India
EN arXiv:2604.22027v1 Announce Type: new Abstract: One of the most common complaints about large language models (LLMs) is their prompt sensitivity -- that is, the fact that their ability to perform a ta
EN arXiv:2604.22038v1 Announce Type: new Abstract: We define and investigate source-modality monitoring -- the ability of multimodal models to track and communicate the input source from which pieces of
EN arXiv:2604.22061v1 Announce Type: new Abstract: Patient-trial matching requires reasoning over long, heterogeneous electronic health records (EHRs) and complex eligibility criteria, posing significant
EN arXiv:2604.22062v1 Announce Type: new Abstract: There are 7,407 languages in the world. But, what about the languages that are not there in the world? Are humans so narrow minded that we don't care ab
EN arXiv:2604.22067v1 Announce Type: new Abstract: Psychiatric intake is a sequential, high-stakes information-gathering process in which clinicians must decide what to ask, in what order, and how to int
EN arXiv:2604.22074v1 Announce Type: new Abstract: Reinforcement Learning from Verifiable Rewards (RLVR) on chain-of-thought reasoning has become a standard part of language model post-training recipes.
EN arXiv:2604.22095v1 Announce Type: new Abstract: This paper presents a highly efficient Retrieval-Augmented Generation (RAG) system built specifically for Ukrainian document question answering, which a
EN arXiv:2604.22098v1 Announce Type: new Abstract: Time introduces fundamental challenges in model development and deployment: models are usually trained on historical data while deployed on future data
EN arXiv:2604.22127v1 Announce Type: new Abstract: Hybrid language models that interleave attention with recurrent components are increasingly competitive with pure Transformers, yet standard LoRA practi