K-Search: CUDA カーネルの専門知識を Apple Silicon MLX に転送
研究者は、CUDA-to-MLX 変換レイヤーを K-Search 進化フレームワークに追加し、高性能な Apple Silicon カーネルを自動生成して、専門家レベルに近いパフォーマンスを達成できるようにしました。
ABBEL: 効率的な長時間相互作用のためにLLMに信念の更新を教える
BAIRは、長時間タスクにおける再帰的コンテキスト要約に関連するパフォーマンスギャップとメモリオーバーヘッドを削減する、教師あり自然言語信念状態を使用するフレームワークABBELを紹介します。
インテリジェンスは無料になった、では次は？ エージェントのための、エージェントによる、エージェントのデータシステム
BAIR研究者は、AI推論コストがゼロに近づく中で、エージェントワークロード、エージェント状態管理、エージェント駆動のシステム合成に向けて再設計されたデータシステムのための新しいフレームワークを提案しています。
BAIR 2026 卒業生ショーケース
バークレー人工知能研究所（BAIR）は、2026年度の博士課程修了生クラスを発表し、ロボティクス、大規模言語モデル、AI安全、およびヘルスケアにおける研究を強調しました。
適応型並列推論：効率的推論スケーリングの次なるパラダイム
BAIR は Adaptive Parallel Reasoning（APR）を導入しました。このパラダイムは、LLM が推論スレッドを並列化するタイミングを動的に決定し、レイテンシを削減し、コンテキストロットを回避しながら精度を維持できるようにします。
GRASP: 長期ホライズンにおけるワールドモデルの勾配ベース計画
BAIR は GRASP を導入しました。これは、軌道を仮想状態に持ち上げ、アクション勾配のみを利用して状態入力に対する敵対的感度を回避することで、学習されたワールドモデルにおける堅牢な長期ホライズン計画を可能にする勾配ベースプランナーです。
BAIRがスケーラブルなLLMインタラクション発見のためにSPEXとProxySPEXを紹介
BAIRはSPEXとProxySPEXを導入しました。これらのアルゴリズムは信号処理と符号理論を用いて、スケール上で特徴、訓練データ、モデルコンポーネント間の影響力のある相互作用を特定します。
情報駆動型イメージングシステム設計
BAIR の研究者は、相互情報量を用いてイメージングシステムを評価・最適化するフレームワークを開発し、タスク固有のデコーダを必要とせずに高性能なハードウェア設計を可能にしました。
Transitive RL: 分割統治によるオフポリシーRLのスケーリング
BAIRは、Transitive RL（TRL）と呼ばれる分割統治型の価値学習アルゴリズムを導入しました。これは、時間的差分（TD）学習を排除し、nステップのチューニングを必要とせずにオフポリシーRLを長時間範囲のタスクにスケーリングします。
word2vecが学習すること: 特徴学習の閉形式理論
BAIR の研究者は、word2vec の学習が重みなし最小二乗行列因子分解に還元されることを証明する予測的理論を構築し、学習された表現が特定のターゲット行列に対する主成分分析（PCA）の結果であることを示しました。
BAIR PEVA：全身条件付きエゴセントリックビデオ予測
BAIRは、全身の高次元運動学的姿勢軌道に基づいてエゴセントリックビデオフレームを予測する、具現化エージェント向けのワールドモデルであるPEVAを導入しました。