2026-05-05

MolmoAct2：現実世界展開のための行動推論モデル

ロボットAIの「オープンソース革命」が始まり、参入コストが数分の一になりそう

ロボット向けの汎用コントローラーを目指すVision-Language-Action（VLA）モデルは、実世界展開の観点でクローズドモデルや高価なハードウェア依存、高レイテンシといった課題を抱えている。本研究ではAllen AIが完全オープンな行動推論モデル「MolmoAct2」を発表。5つの軸で改善を加え、空間・身体的推論に特化したVLMバックボーン「MolmoER」（330万サンプルで訓練）、低〜中コストプラットフォーム向け3種の新データセット（最大規模のオープン双腕データセット「MolmoAct2-BimanualYAM」720時間を含む）、オープンな行動トークナイザー「OpenFAST」、フローマッチング連続行動エキスパートをKVキャッシュ条件付けで統合した新アーキテクチャ、さらに変化領域のみ深度トークンを再予測する適応型推論「MolmoThink」を提供する。7つのベンチマークでPi-05を上回り、MolmoERは13の身体推論ベンチマークでGPT-5およびGemini Robotics ER-1.5を超えると報告している。モデル重み・訓練コード・データはすべて公開される。

PhysicianBench：実際の電子カルテ環境におけるLLMエージェントの評価ベンチマーク

「医療AIは知識があっても動けない」─臨床エージェントの実力差が数値で可視化される時代へ

電子カルテ（EHR: Electronic Health Record）環境における医師業務をLLMエージェントで評価するベンチマーク「PhysicianBench」が提案された。既存の医療エージェント評価は静的な知識想起や単一ステップの行動に限定されており、実臨床の複雑な長期ワークフローを再現できていないという課題があった。PhysicianBenchは、一次診療と専門診療間の実際のコンサルテーション事例を元にした100の長期タスクで構成され、21専門科・複数のワークフロー種別を網羅、1タスクあたり平均27回のツール呼び出しを必要とする。商用EHRと同じ標準APIを用い、670のチェックポイントで実行結果を検証可能な形で評価する。13のLLMエージェントを評価した結果、最高性能モデルでも成功率46%（pass@1）にとどまり、オープンソースモデルは最大19%と、現状のエージェント能力と実臨床要求の間に大きなギャップがあることが示された。

Reinforcement Learning for LLM-based Multi-Agent Systems through Orchestration Traces

As large language model (LLM) agents evolve from isolated tool users into coordinated teams, reinforcement learning (RL) must optimize not only individual actions but also how work is spawned, delegated, communicated, aggregated, and stopped. This paper studies RL for LLM-based multi-agent systems t...

A decoupled diffusion planner that adapts to changing cost limits by using cost-conditioned generation for safety and reward gradients for performance

Offline safe reinforcement learning often requires policies to adapt at deployment time to safety budgets that vary across episodes or change within a single episode. While diffusion-based planners enable flexible trajectory generation, existing guidance schemes often treat reward improvement and co...

Benchmarking Retrieval Strategies for Biomedical Retrieval-Augmented Generation: A Controlled Empirical Study

Retrieval-Augmented Generation (RAG) offers a well-established path to grounding large language model (LLM) outputs in external knowledge, yet the question of which retrieval strategy works best in a high-stakes domain such as biomedicine has not received the controlled, multi-metric treatment it de...