yukke

Building my own AI 🤖 / Sovereign AI × Agentic AI / CyberSec / Pythonista🐍 / Sometimes DTM 🎹

[alphaXiv @askalphaxiv]

“Self-Evolving Multi-Agent Systems via Decentralized Memory”

Multi-agent systems usually share one memory pool, but that makes agents converge toward the same behavior and lose useful specialization.

This paper gives each agent its own memory, split into reuse and exploration pools, so agents can learn from past collaboration without collapsing into one shared strategy.

This paper's DecentMem gets O(log T) regret, up to 23.8% better accuracy than centralized memory, and up to 49% fewer tokens.

[yukke @yukke_]

@gosrum 部分的に言語判定入れて軽めの翻訳モデルに送るとか。

[alphaXiv @askalphaxiv]

"From AGI to ASI"

This paper from Google DeepMind defines how AGI is one human-level general system, and ASI is a system or collective that beats large expert human organizations across almost everything.

They argue that the jump may come from scaling, new paradigms, recursive self-improvement, or huge multi-agent AI collectives.

With the key idea that digital minds can copy, speed up, share memory, and run in parallel, so superintelligence may look less like one breakthrough and more like accelerating AI civilization.

[DailyPapers @HuggingPapers]

WeaveBench

Microsoft Research Asia introduces
114 long-horizon tasks that force agents
to interleave GUI and CLI in one trajectory.

The same frontier models
that score over 78% on OSWorld-Verified
collapse to 41.2% on WeaveBench.

[yukke @yukke_]

リポジトリやバイナリを解析し、0dayを発見し、検証まで行ってくる可能性のある脅威に対して、「管理対象資産へのパッチ適用を高速化かつ自動化します」という説明で対策済みと解釈するのは無理がある。

それはレジリエンス強化の一要素であって、未知の脆弱性を探索および実証さらには試行してくる相手への根本対策ではない。

価値がないとは言わないし、人手の足りないご時世において便利な機能だろうけれど、これら「AI駆動型の脆弱性探索や悪用脅威」の包括的な防御のように過大かつ強引に売るのはやめてほしい。また変な期待値が持ち込まれて相談が増える。

Taniumの機能が無意味と言っている訳じゃ無い。Claude Mythosというのは、昨今のトレンドの一例でしか無く、これらの脅威は今後もずっと続く。したがって、「対策済み」という安易な評価は、誤認識を生むのでやめてほしいという話。

[yukke @yukke_]

本当に現実が見えているのだろうか。評価が甘すぎて笑えた。

[お侍さん @ZanEngineer]

クロード・ミュトス、あれだけ慎重に扱っていたのに、もう対策できてしまうのか。AIの流れがあまりにも速すぎる。未来の話だと思っていたものが、数週間後には実現している。すさまじい勢いだ。

[DailyPapers @HuggingPapers]

FlashMemory-DeepSeek-V4

Lookahead Sparse Attention cuts the KV cache by over 90% at 500K context, compressing it to just 13.5% of full size while maintaining or improving accuracy on RULER, LongBench-v2, and LongMemEval.

[金のニワトリ @gosrum]

DiffusionGemma、NVIDIAがNVFP4版を公開していた！
これでRTX5090に乗りそう

https://t.co/JZ7ikkc1mj

[alphaXiv @askalphaxiv]

"Self-Harness: Harnesses That Improve Themselves"

What if an AI agent improves the harness that controls how it acts?

So instead of humans tuning prompts, tools, retry rules, and verification for every model, this paper explores letting the agent mines its own failures, proposes small harness edits, and keeps only the ones that pass regression tests. All without fine-tuning or teacher model.

On Terminal-Bench-2.0, it improves held-out pass rates across MiniMax, Qwen, and GLM.

[Kafka @kafkasudo]

NVIDIA 刚推出了一个 0.6B 的语音辨识模型

叫 Nemotron-3.5-ASR

支持 40 种以上语言、实时串流输出——不需要 GPU，纯 CPU 就能跑

速度是官方 Nemo runtime 的 2.5 倍，辨识结果完全一致

离线环境也能用，直接整进你的 agent pipeline

[FabScene（ファブシーン） @FabSceneJp]

組み立て不要で買えるオープンソースの四足歩行ロボット「Q8botOne」 https://t.co/fFdX6ahczP

[Joseph Suarez 🐡 @jsuarez]

You can train drones in 30 seconds. This was a year ago. PufferLib is 5x faster now!

[Rohan Paul @rohanpaul_ai]

Strong AI agents still struggle with long research work because they often fail to keep testing and improving.

New Stanford, MIT, NVIDIA, Google and other top labs paper shows shows that today’s strongest research agents win less by brilliance than by refusing to stop testing.

The paper proposes AutoLab, a benchmark with 36 tasks where each agent starts from working but weak code and must make it better within a fixed time limit.

The tasks cover system speedups, puzzles, model development, and CUDA kernel work, so the test is not just about writing code once but about managing a long work session.

The authors tested 17 strong models and found that the best results did not mainly come from the first idea being good, but from the model staying active, testing often, and using feedback well.

The best first idea was not the strongest predictor of success; persistence was.

Claude Opus 4.6 led the benchmark not because it always guessed the right move immediately, but because it kept benchmarking and folding empirical feedback into the next attempt.

Several other frontier models failed in a more revealing way: they either quit early with time left on the clock, or thought so long that they ran out of time before submitting anything useful.

----

Link – arxiv. org/abs/2606.05080

Title: "AutoLab: Can Frontier Models Solve Long-Horizon Auto Research and Engineering Tasks?"

[Tom Dörr @tom_doerr]

Generates parametric 3D models from text and images

https://t.co/uPigsMO8yN

[DailyPapers @HuggingPapers]

NVIDIA just released their text-to-image world model on Hugging Face

Cosmos 3 is a 64B-parameter omnimodal foundation model for Physical AI

Ranking #1 among open models on R-Bench and Artificial Analysis

[mr-r0b0t @mr_r0b0t]

Check out this crazy dataset!
Big credit to @KyleHessling1 and co. for this one! Looks like this will be a valuable tool 🔥
https://t.co/5eufd9cn8V

[mr-r0b0t @mr_r0b0t]

@King0James0 Qwen3.6-35B-A3B native MTP
https://t.co/bWVXesFUgm
Nemotron-3-Super-120B native MTP
https://t.co/8bywLCNxEY
Qwen3.6-27B Text native MTP
https://t.co/yla6w8nG1O
Gemma-4-31B-IT NVFP4
https://t.co/ynumIaVOEi
Gemma-4-26B-A4B native CUTLASS
https://t.co/zNjBfMK8so

[HiSeven｜🕊️ @hisevenih]

Ai语音圈直接炸锅了。
这个 GitHub 开源黑科技，把 AI 语音做到了离谱的程度，
真正实现了：一句话，一个声音。

记住这个项目名字：VoxCPM2
它在 GitHub 已经拿下了 20K Star。

最夸张的是，
它甚至无需参考音频，
只需要告诉 AI 你的想法，
它就能精准生成你想要的声线。

更狠的是它的语音克隆能力。
只要给它一段音频，
它就能一比一复刻原本的音色、情绪，
甚至连说话节奏都能一起还原。

还原度高达 99%，
几乎听不出差别。

而且不只是日常说话，
连唱歌的声音它都能克隆。
这就真的有点离谱了。

[yousukezan @yousukezan]

7-Zipに深刻なヒープバッファオーバーフロー脆弱性CVE-2026-48095が見つかった。細工ファイルを開くだけで任意コード実行が可能となり、PoCも既に公開されているため悪用リスクが高まっている。

問題は7-Zip 26.00のNTFSアーカイブ処理に存在する。細工したNTFSイメージにより整数シフト処理が異常値となり、本来256MB必要な領域に1バイトしか確保されなくなる。その後、攻撃者制御データが大量書き込みされ、ヒープ領域とvtableポインタが破壊されることでコード実行へ至る。

危険なのは拡張子偽装でも攻撃可能な点だ。7-Zipは署名ベース検査を行うため、.zipや.rar、.7zを装っていても内部的にNTFSアーカイブとして処理される可能性がある。

GitHub Security LabはPoC生成スクリプト「gen_ntfs_sparse.py」も公開済みで、攻撃コード流用は容易とみられる。利用者には不審アーカイブを開かないことと、即時アップデート適用が推奨されている。
https://t.co/kpSnHeHpzn

[FabScene（ファブシーン） @FabSceneJp]

M5Stack、ラズパイ搭載のカードサイズLinux端末「CardputerZero」のクラファン開始 https://t.co/1mij4jrG5W