機械学習、人工知能、自然言語処理、コンピュータビジョン、マルチエージェント。
説明Sol-H3：MiniMax-H3視覚拡散モデルのクラウド・エッジ向け再帰的自己改善型推論高速化
要約本論文は、330億パラメータの大規模オープンソース動画拡散モデルMiniMax-H3が、クラウドでは生成遅延、エッジでは厳しいメモリ制限を抱える問題に取り組みます。アルゴリズム面では、低解像度から高解像度へ段階的に生成する二段階スケジューラと、VAEの復号・再符号化を省く潜在変数間マッピングを提案しています。演算子面では、カーネル融合とメモリレイアウトを探索する再帰的自己改善ループを導入し、最大30倍の高速化と約20%のメモリ削減を報告しています。
説明文脈だけでは不十分：個人化報酬モデリングのためのテスト時学習
要約本論文は、文脈内学習に基づく個人化報酬モデルが、文脈として与えられた選好ペアが示す選好関係を捉えられないことを指摘しています。これに対し、選好整合型テスト時学習（P-TTT）を提案し、それらの関係をユーザー固有の高速重みに符号化して個人化された報酬予測に用います。推論時の逆伝播なしで単一の順伝播により重みを更新でき、実験では既存手法を大きく上回ると報告されています。
説明言語モデルのイントロスペクションの機序的研究
要約大規模言語モデルが、入力に介入の痕跡がない場合でも内部活性化への摂動を検出し位置を特定できるかを検討した論文です。入力テキストを固定し、十の位置のいずれかの隠れ状態に概念ベクトルを注入するか、介入なしの条件で、モデルに摂動位置の特定または介入なしの報告を求めます。三つのモデル系統で、内省的報告に異なる役割を持つ二種類の注意ヘッド群を特定しました。
説明DoAtlas-2：自己進化型の因果生物医学発見のための基盤
要約本論文は、因果メカニズムを中心に知識を整理し、人口集団からの外部エビデンスによって進化する基盤システム DoAtlas-2 を提案する。48 か国、72 万人超の参加者を対象とした 771 の研究資源と、約 470 万件の文献由来エビデンス記録を統合している。システムはエビデンスの空白から研究課題を自律的に立て、因果デザインを事前に定めて分析を行う。Human Phenotype Project（HPP）では 4,014 件の候補経路の問いを立て、最初の 1,079 件を検討して 756 件で統計的支持を得た。研究では血圧が、肥満・肝臓・脂質の表現型と血管アウトカムを結ぶ収束ノードであることが示されている。
説明DRIFT：単一細胞摂動予測のための解きほぐされた応答・不変フロー輸送法
要約本論文は、薬剤処理などの摂動後に細胞状態がどう変化するかを予測するDRIFTという枠組みを提案しています。変分エンコーダで各細胞を摂動の影響を受けない不変部分と変化する応答部分に分け、条件付きフローマッチングで応答部分のみを輸送することで、既存の細胞間変動と摂動効果の混同を避けています。著者らは、組み合わせ摂動と未知の摂動の予測において、複数のベンチマークで既存の最良手法を上回ったと報告しています。
説明E3J：GPU・TPU向けユークリッド等変演算の高効率オープンソースバックエンド
要約本論文は、幾何深層学習のためのユークリッド等変演算の高速バックエンド e3j を提案し、GPU と TPU 向けの JAX バインディングを備えています。最適化された CUDA と Pallas カーネル、およびアルゴリズムの改良により、順伝播と逆伝播の両方で高いスループットを達成したと報告されています。MACE を用いた水ボックス NPT シミュレーションでは、cuEquivariance より最大 34% 高速だとされています。ライブラリは Apache 2.0 ライセンスで公開されています。
説明SpikeLite：時系列予測向けの軽量スパイキングニューラルネットワーク
要約本論文は、スパイキングニューラルネットワーク（SNN）に基づく時系列予測フレームワークSpikeLiteを提案します。周波数選択型スパイキングエンコーダ（FSSE）と疎なスパイキングチャネルアテンション（SSCA）の2つのモジュールから構成され、前者はLIFダイナミクスの低域通過特性を用いて周波数に敏感な符号化を行い、後者は二値マスクにより必要なチャネル間相互作用だけを選択します。複数のベンチマーク実験で両プロトコルにおいて総合的に最良の性能を示し、ECLデータセットでは報告された中で最も低いエネルギー消費を達成したとしています。
説明DF-CBM：ディープフェイク検出のための領域認識型コンセプト・ボトルネックモデル
要約本論文は、説明可能なディープフェイク検出のための領域認識型コンセプト・ボトルネックモデル「DF-CBM」を提案している。テキストによる痕跡の注釈から改ざん関連のコンセプト語彙を作成し、各コンセプトを顔や境界の領域に対応づけ、解析された顔マスクで誘導される注意機構により視覚特徴からコンセプトを予測する。最終的な真偽判定は予測されたコンセプト・ボトルネックから行われる。実験では、コンセプトベースの基準手法より高い性能を示し、最先端のブラックボックス検出器に匹敵することが報告されている。
説明マルチビュー字幕による動画・テキスト事前学習の高度化
要約本論文は、動画とテキストの事前学習において言語による教師信号の質が十分に研究されていない点を指摘します。各動画に疎な字幕が一つしかない既存のウェブデータセットの問題に対し、マルチモーダル大規模言語モデルに基づき、要約と詳細の二つの視点から多視点字幕（MVC）を生成する枠組みを提案しています。要約と詳細を別々のCLSトークンで扱う表現も導入されています。ゼロショットおよびファインチューニングの検索性能が向上し、従来より小さな事前学習コーパスで済んだと報告されています。
説明生成AIはメタ分析のデータ抽出を自動化できるか：間作研究を事例として
要約メタ分析では多数の既存文献からデータを抽出する必要がありますが、作業は煩雑で、研究設計や単位、用語が標準化されていないという課題があります。本研究では、直接的なゼロショットプロンプト、段階的ワークフロー、マルチエージェントシステムという3つのLLMベースの手法を、6つのオープンウェイトモデルで間作（作物の混植）文献に適用して比較しました。直接ゼロショットプロンプトが最も強く安定していましたが、いずれの手法も完全な正確さには遠く及びません。多くの組み合わせで変数間の関係の方向は捉えられたものの、その大きさは正確に推定できませんでした。
説明GraphHCA：長期タスクの大規模言語モデルエージェント向け閉形式の事後的クレジット割り当て手法
要約本論文は、長期タスクにおける大規模言語モデルエージェントのために、ステップ単位のクレジットを割り当てる、モデルフリーの事後的クレジット割り当て手法GraphHCAを提案する。事後比率を隣接する状態間の成功確率の比に帰着させ、遷移グラフ上の割引再帰によって成功ポテンシャルを推定するため、追加のモデルや順伝播は不要である。ALFWorld、WebShop、Sokobanでいずれも比較対象の基準手法を上回る結果を報告している。
説明連続変分合成：連続空間で学習し、DNA化学合成の制約に合わせて離散化する生成手法
要約本論文は、設計したDNA配列を化学的に合成する際にモデル学習が制約される問題を扱う。連続空間で確率的勾配降下法により変分合成モデルを学習し、学習後の量子化で実機と湿式実験の制約を課す。酵素、ペプチド、抗体CDRH3、調節DNA要素でのモデル学習を示し、厳しい報酬基準を満たしつつ多様な設計が得られ、体外での性能はin silicoの結果と一致すると報告している。
説明長期的エージェント強化学習のためのクロスロールアウト・ベルマン閉包（CRBC）：共有状態の情報で各ステップに信用を割り当てる手法
要約本論文は、GRPOなどのグループベース強化学習でLLMエージェントを訓練する場面を対象に、クロスロールアウト・ベルマン閉包（CRBC）を提案している。同一タスクの複数のロールアウトを有限の経験過程にまとめ、一回の線形求解で行動方策のベルマン不動点を求めることで、共有状態を通じて証拠を伝播させ、代替の継続を集約して各ステップの信用を算出する。ALFWorld、WebShop、Sokobanの各ベンチマークで、複数のモデル規模において最終性能と学習効率の向上が示されており、ALFWorldのQwen2.5-1.5B-Instructでは最強の比較手法を5.59ポイント上回った。
説明伝播してから先鋭化：凍結ノード分類器の事後的精緻化
要約本論文は、ノード特徴量、モデルパラメータ、勾配にアクセスせず、グラフと凍結モデルが予測したクラス分布のみを用いて精度を改善できるかを検討する。著者らはPotts エネルギーをDirichlet項（隣接ノード間の不一致を罰する）とGini項（各ノード内の迷いを罰する）に分解し、クラス確率の伝播と質量を保つ先鋭化を交互に行うPropagate, Then Sharpen（PtS）を提案している。9つの同好性グラフで凍結MLPを用いた場合、PtSは独立に調整したAPPNPよりもクリーン入力で平均テスト精度を1.71ポイント、ガウス特徴量ノイズの強い条件で3.90ポイント向上させた。
説明RefineDrive：視覚・言語・行動による自動運転のための信頼性の高い失敗誘導学習
要約本論文は、自動運転の視覚・言語・行動（VLA）モデルが専門家のデモンストレーションに依存し、自身の失敗が十分に活用されていない問題に取り組む。シミュレータの状態に基づく検証可能な失敗診断、人間の軌道データベースから安全制約を満たす修正軌道を検索する手法、修正付きSFT、安全階層型報酬を用いたGRPO強化学習からなるRefineDrive後学習フレームワークを提案している。NAVSIM v1では4Bベースモデルの PDMS が 87.7 から 91.7 に向上し、同じチェックポイントはNAVSIM v2の拡張指標によるNAVTEST評価で 89.4 EPDMS を達成した。
説明本番環境の大規模言語モデルでは何が引用を左右するか――約1万ページのウェブページに対する約200万件のAI引用を観察的に分析した多手法研究
要約本論文は、ChatGPT、Claude、Google AI、Gemini の4つの商用エンジンによる約200万件の引用を6か月間観察し、19のB2B SaaSワークスペースから収集した1万ページと照合しています。9つの手法を組み合わせた枠組みで60以上のページ特徴を検証しました。主な結果は、ページ内容とプロンプトとの一致度が最も強い予測因子であること、一般的なAEOチェックリストの効果はドメイン固定効果を入れると消失または反転すること、ドメインレベルのAI権威性が他のページ特徴を大きく上回ることです。
説明ReCo：配備制約下でセンサーキットをいつ移設するか――NILMを事例とした研究
要約本論文は、センサーキットを現地に留めるか移設するかの判断を、非侵入型負荷監視（NILM）を事例に研究しています。制約ベースの移設フレームワークを提案し、それをReCo（カバレッジ利得による移設）として実装しました。ReCoは目標と背景の結合特徴空間で新たな動作状態を数え、各住戸の将来の利得を予測し、毎晩、留まる場合と移動する場合の利得を比較します。Plegmaデータセットでのリプレイ実験では、すべての設定でReCoが固定滞在型、件数ベース、閾値ルールより優れていました。
説明確信度が早すぎる上昇：早期の答え確定によるショートカット推論の検出
要約本論文はConfLensという枠組みを提案し、大規模言語モデルが推論の過程で最終回答に対する確信度をどう変化させるかを追跡します。ショートカット推論の事例では、推論の早い段階ですでに回答への確信が高くなる傾向が見られました。さらに、各推論ステップにおける回答確定の確率分布のエントロピーを測る分布型スコアDACSを提案し、正解や課題固有の検証器を必要としません。数学およびコード推論の課題で、強力なベースラインより F1 が4.3%以上改善したと報告しています。
説明Fruchterman-Reingold グラフ可視化と凝集型クラスタリングの関係を調べる研究
要約本論文は、Fruchterman-Reingold グラフ可視化法と、単連結・完全連結・平均連結・Ward 連結の4種類の凝集型クラスタリングとの関係を検討しています。二次元および十次元のデータセット、さらに十次元データを PCA で二次元に射影したものを用いて比較しました。その結果、データの種類によって両者の関係はあまり変わらないこと、凝集型手法同士は互いに似た結果になりやすく元データとは中程度の類似性を示すこと、Fruchterman-Reingold 可視化は元データに近い一方で凝集型手法との類似性は比較的低いことが報告されています。
説明すべての軌跡が学習に値するわけではない：事後学習強化学習のための軌跡評価
要約本論文は、強化学習のオンライン訓練において有害な軌跡を特定し抑制する方法、すなわち軌跡評価の問題を扱う。提案手法である動的軌跡評価（DTV）は、ミニバッチ単位で勾配情報のみに基づき軌跡の有用性を推定し、有害な軌跡を除外する。PPO、GRPO、DPOを含む多様な設定での実験により、性能向上、データ効率の改善、最適化の安定化が示されている。
説明行為の残響：道徳的履歴は大規模言語モデルの行動選択を形づくり、導くことができる
要約本論文は、大規模言語モデル（LLM）の道徳性の評価は通常、個々の決定を切り離して扱っており、無関係な過去の行為が後続の選択に影響するかどうかを見落としていると指摘する。著者らはMoralLedgerという枠組みを提案し、固定された意思決定文脈のもとで行為者の道徳的履歴がモデルの行動に与える影響を、出力と内部表現の両面から検討する。その結果、過去の道徳的履歴は極性と強度に応じて後続の選択を体系的に変化させ、残差ストリーム内に線形に復元可能で汎化する方向を生じさせること、そしてその方向に沿った介入が強度に依存した双方向の選択変化を引き起こすことが示された。
説明神経車両経路問題のための仓庫閉鎖型多成分構築法
要約車両経路問題（VRP）の多くの神経構築型ソルバーは、一本の経路を完成させてから次へ進む逐次構築を用います。本論文は複数の経路成分を同時に保持し、任意の順序で結合する多成分構築を提案します。各成分を暗黙に仓庫へ戻る閉じた経路とみなすことで、中間状態がすべて実行可能解となり、結合による厳密なコスト削減はClarke-Wright節約値に等しくなります。CVRP100のみで学習した方針は、CVRP100-500で代表的な神経ソルバーの報告結果を上回り、容量10から500までのゼロショット評価でも各設定で上回ると報告されています。
注目点複数のルート成分を同時に構築しClarke-Wright節約信号を組み合わせる点が新しく、大規模・ゼロショット実験も充実しており、神経ルーティング解法への影響が見込まれる。
説明TempoKV：メモリ意味論的フラッシュ向けLLM KVキャッシュのタイミング制御ステージング
要約本論文は、大規模言語モデル推論における再利用可能なKVキャッシュを、GPUとSSDバックの階層メモリの間で扱うためのタイミング考慮型リソース確保層TempoKVを提案します。再利用されるKVのヒットをメタデータのみの要求として記録し、検索までの推定時間がKVの常駐と退避防止に必要な推定時間に近づいた時点で確保を要求します。vLLMとLMCacheへの実装では、即時ステージングと比べて要求ごとの保護済み高速層バイト時間が63%から91%削減され、事前ステージングの利点の多くが維持されました。
説明勾配流を超えて：分布スナップショットからの同定と復元
要約本論文は、進化する分布のスナップショットから力学を推定する問題を扱います。単一時刻のフォッカー・プランク方程式だけでは漂移場を一意に決められないことを示し、複数時刻の制約によって多項式ゲージ方向を除去できることを証明しています。統計的な収束速度の下界と上界も導出され、光滑なテスト関数を用いる推定法と有限標本誤差の評価が提案されています。数値実験で理論的予測が確認されています。
注目点複数時刻のFokker-Planck制約によりドリフト場のゲージ自由度を識別する新しい枠組みを示し、下界速率と明示的な障害を与えるが、応用範囲は理論寄り。
説明汎化可能な3D異常検出に向けた関係的不整合モデリング
要約この論文は、工業検査で用いられる点群データの三次元異常検出を扱っています。既存手法は正常データの分布学習を中心とし、欠陥自体を明示的にモデル化しないため、判定境界があいまいになるとされています。著者らは、欠陥を近接構造間の幾何学的一貫性の違反として捉える枠組みを提案し、Anomaly-ShapeNetとReal3D-ADでの実験において、ドメイン内・ドメイン間の両方で従来の最先端手法を上回る結果を報告しています。
説明TIDE：エージェント型強化学習のための、情報蒸留と探索による教師-生徒遷移手法
要約本論文は、多ターンのエージェントを強化学習で訓練する際、固定比率の教師蒸留と報酬最適化の組み合わせが小規模モデルの探索を制限し、教師を超える能力を妨げうる問題を扱っている。提案手法TIDEは、師弟間の不一致の推移を指標として、訓練中に蒸留から強化学習へ動的に重みを移し、各ターンでも両者の更新を配分する。複数のベンチマークと生徒モデル規模での実験により、その有効性が示されている。
説明因果Transformerの文脈長をまたぐ普遍性と汎化（長さによらない一つのモデルで任意長の系列を近似できるかを調べた論文）
要約本論文は、マスク付きTransformerが一組の長さに依存しないパラメータで、任意長の系列上の因果的なトークン間写像を一様に近似できるかを検討しています。異なるサンプリング解像度を、α-Hölder系列または共通の連続係数によって関連づけています。さらに有界回帰について汎化誤差の上界を示し、物理時系列を用いた実験で結果を検証しています。
注目点長さに依存しない単一のTransformerで任意長の因果写像を一様近似できることを示し、長さ因子を含まない汎化界を与える点が新しい。実験は物理時系列に限られる。
説明知覚品質の損失か、それとも知覚品質の喪失か――音声強調におけるPESQ補助損失の評価
要約本論文は、深層音声強調（SE）モデルが知覚指標を高めるために損失関数にPESQ補助項を加えることが多いが、指標の向上が必ずしも聴取体験の改善に結びつかないと指摘しています。客観評価と主観実験により、2種類のPESQ損失で学習したモデルを比較し、他の多くの指標では有意な変化がなく、聴取実験ではPESQ損失を含むモデルが一貫して好まれなかったことを示しています。さらにCSIG、CBAK、COVLの複合指標ではPESQが支配的であり、完全な評価手順の重要性を強調しています。
説明OPIS：動画ワールドモデルにおける複数物体の記憶を入力に基づいて評価するベンチマーク
要約本論文は、動画ワールドモデルが時間経過の中で複数物体の視覚的状態をどこまで保持できるかを評価するためのベンチマーク「OPIS」を提案します。初期観測に含まれる固定された物体インスタンスを評価の基準とし、生成された履歴や選ばれた視点による影響を抑えています。データセットは実世界、具現化ロボット、ゲーム世界の500件からなり、12,672個の剛体・関節体・変形体に物体レベルの注釈が付けられています。八つのモデルでのOPISスコアは48.65から56.01の範囲で、基準となる物体数の増加に伴い全体的な低下が見られたと報告されています。
説明EMPIRIC：実験により学習するロボット計画用の残差世界モデル
要約本論文は、物理エンジンに欠けている機構（接着剤の硬化、水の加熱、風など）を補うコードを加えた残差世界モデルを学習するエージェント EMPIRIC を提案します。ベイズ推論がノイズを含む観測から、それらの機構のパラメータと隠れた状態を推定します。五つのシミュレーション領域で、EMPIRIC は三つのベースラインより少ない環境インタラクションでより多くのタスクを解決しました。実機ロボットでは、風力と多骨牌の質量を学習して操作タスクを解決しました。
注目点物理エンジンに欠落機構のコードを学習させる残差世界モデルは新しく、五つのシミュレーション領域と実ロボットで検証したが、規模と比較は限定的。
説明LEGAU：スケーラブルなカテゴリレベル姿勢推定のための意味的ガウス事前分布の学習
要約本論文は、単一のRGB-D観測からNOCS対応、物体の姿勢とサイズ、規準形式の意味的ガウス場を同時に予測するLEGAUフレームワークを提案しています。ガウス場はカテゴリ条件付きの構造事前分布として、Transformerベースの融合モジュールで視覚・幾何・カテゴリ情報と統合されます。合成および実世界のベンチマークで評価され、単一モデルの多カテゴリ設定でSOPEにおいて最大22%の向上が報告されています。
説明BA-DPO：言語モデルのアライメントのためのバイアス調整型直接選好最適化
要約本論文は、人間の選好に基づく言語モデルのアライメントを改善するBA-DPOという手法を提案している。アノテーターは名前、言語変種、書式、長さなど特定の属性に対して系統的な偏りを持つことがあり、直接選好最適化（DPO）はそれらを取り込んで増幅してしまう。BA-DPOは、宣言された属性を持つ回答に対する各アノテーターの偏りを表すパラメータを追加する。植え付けられたバイアスを持つデータとMultiPrefの実アノテーションデータでの実験では、DPOによる属性の偏りを大きく除去し、KLダイバージェンスやジャッジによる品質を損なわないことが示されている。
説明オープンセット認識における混合事前分布の決定リスク（MPRisk）：判定の誤りを直接スコア化する不確実性手法
要約本論文は、オープンセット認識で生じる三種類の誤り（誤受理、誤拒否、誤識別）を扱い、KLダイバージェンスに基づく従来のベイズ的不確実性の要約が決定リスクと必ずしも単調に対応しないことを示します。著者らはMPRiskを提案し、同じベイズ事後分布の上で、選ばれた判定に対応する誤りの事象を直接スコア化します。必要なのは検証集合で調整する四つの非負の重みのみです。九つの画像・音声・テキストのベンチマークで、MPRiskは多くの動作点で最良または同率最良のPRRを達成し、五つのベンチマークではHolUEに対して有意な改善が確認されています。
説明グラフ学習による火星大気の多時間スケール予報
要約本論文はMaGMAフレームワークを提案し、OpenMARS再解析データをグラフ構造の学習対象に変換して火星大気の多時間スケール予報を行う。局所的な大気パッチをノードとし、空間近傍・時間的連続性・動的に類似した大気状態で結び付けてモデル化する。未知の火星年5つで評価した結果、通常年の全体R²は約0.73〜0.85、沙塵柱の予報は多くの比較で古典的・深層時系列ベースラインを上回った。全球砂嵐の年では最初の2つの時間スケールで沙塵柱のR²が0.8を超えたが、多変量の性能は低下した。
説明GUIDE-FBO：不確実性介入と分布交換による連合ベイズ最適化の誘導手法
要約本論文は連合ベイズ最適化の手法GUIDE-FBOを提案する。各エージェントは生の観測データではなく、局所ガウス過程の事後分布から推定した最適解の位置分布を交換する。サーバーはこれらの分布を統合・再重み付けして各エージェントに返し、エージェントは連合介入ガウス過程を構築して局所の意思決定を行う。12の合成ベンチマークと3つの実世界タスクで実験を行っている。
説明ペルソナ追従は選択的制御ではない：LLMユーザーシミュレーションにおける「中立性ギャップ」
要約本論文は、大規模言語モデルでユーザーをシミュレーションする際に一般的なペルソナ指定が、一つの属性だけを変えるという前提を検証する。監査した8つのブラックボックスモデルすべてで、目標属性の変更が言及されていない他の嗜好にも影響することが示された。非目標属性を中立と宣言した場合も、5つのオープンウェイトモデルで目標属性の影響が残り、これを「中立性ギャップ」と呼んでいる。
説明THEIA：アナログ回路レイアウトの視覚・言語分析のためのマルチモーダルデータセットとベンチマーク
要約本論文は、アナログ回路のレイアウト画像と質疑応答の対話を組み合わせた数千件規模のデータセットTHEIAと、それを用いたベンチマークを提案しています。微調整した視覚言語モデル（VLM）によりGDSII形式のレイアウトファイルを分析し、設計者が物理レイアウトを問い合わせられるようにします。五つの課題で評価した結果、微調整モデルは汎用VLMを最大73%上回りました。
説明順位依存の閲覧を考慮したオフポリシー評価：閲覧と関連性の分解による推薦ランキング手法
要約本論文は、ログデータから推薦ランキング方策の性能を推定するオフポリシー評価を扱います。クリックを閲覧（examination）と関連性（relevance）に分解する2つの推定量、LE-IIPS と ED-DR を提案しています。実験では、サンプルサイズが大きく閲覧が順位に依存する場合に、ED-DR が既存手法より低い平均二乗誤差を示しました。一方、小標本やカスケード型のユーザー行動では限界があるとされています。
説明JRDB-AVR：実環境の身体性エージェントのための能動的視覚推論ベンチマーク
要約既存の実ロボットデータセットJRDBを基に、視野が限られたエージェントが時刻と視点を指定して観測を要求し、最終回答と根拠となる視覚証拠の両方を評価するベンチマークJRDB-AVRを構築しています。参照手法JRDB-AVR-Agentとして、観測に基づくグラフ型の世界モデルを用いる能動的推論エージェントも提案されています。実験では、現行ベースラインで回答精度と証拠精度の間に大きな差があることが示されています。
説明PEAR：産業用検索システム向けの段階的エビデンス駆動型自動研究フレームワーク
要約本論文は、産業用検索システムを反復的に改善するためのPEARフレームワークを提案しています。「より良いものを保持する」単純な規則に代えて、仮説に基づく研究状態の更新と、四段階の信頼度ゲート付き評価を組み合わせ、統計的に有意な正の効果が示された候補のみをコストの高いオンライン実験へ進めます。実際の産業用検索システムの二つのA/B実験では、PEARで最適化された戦略がそれぞれのベースラインに対し、Main Order/DAUを2.7336%および3.2957%向上させました。
説明訓練ステップ数が増加する場合の浅い線形ネットワークにおける高速な学習率転移
要約本論文は、ネットワーク幅の増大に伴い訓練ステップ数も増える場合の学習率の転移を調べる。単一の隠れ行列をもつ浅い線形ネットワークを全バッチ勾配降下法で訓練する設定で、追加のスペクトル仮定の下、T=o(√n)のとき高速な学習率転移が成り立つことを示す。さらに転移速度を特徴づけ、最適学習率と最適損失の極限分布を導出している。
説明VEX-Bench：大規模言語モデルが生成する誤情報の検証困難度を測るベンチマーク
要約本論文は、LLMが生成した誤情報が選別段階でどの程度検証しにくいと見なされるかを評価する統合ベンチマーク「VEX-Bench」を提案しています。検証可能性、被害の可能性、情報源の信頼性の手がかり、なりすましの正当性などの多面的な指標と、それらを組み合わせた VEX スコアを定義しています。7種の最先端モデルと7種の生成手法で計5,880本の記事を評価した結果、単一の手法がすべての指標で優れることはなく、高い VEX の内容はエージェントによる検証より大幅に低コストで生成できることが示されています。
説明WebPageBench：ウェブエージェント向けのイベント単位の検証と制御されたUIバリアント生成
要約本論文は、インターフェースのイベントログから各タスクの達成を検証する、ウェブエージェント評価のためのオープンなフレームワーク WebPageBench を提案している。判定モデルもレンダリング済みページのスクレイピングも使わず、事前に宣言されたイベントの照合で成否を決める。152 のタスクと公開リーダーボードを含み、152 タスクでは、エージェントが完了と宣言した内容とログで確認された内容の差が 41 ポイントに達したと報告している。
説明AutoDataBench：エージェントは自己改善ループを支えるデータを作成できるか？
要約本論文は、実行可能なエージェントタスクについて、有効性・新規性・難易度・振る舞いのカバレッジという受け入れ基準に沿って、エージェントが新しいタスクを作成できるかを評価するベンチマーク AutoDataBench を提案しています。3つのベンチマークでは、既定の45分の時間制限下で、評価したどのエージェントも100点満点中20点を超えませんでした。最も強いエージェントに4倍の時間を与えると得点は大きく向上し、使用可能なタスク1件あたりのコストはほぼ変わりませんでした。
説明Proxy2World：ペアデータなしで軽量プロキシから世界を生成する制御可能モデル
要約本論文は、軽量なシーンプロキシ（レイアウトや動きの枠組み）から映像を生成する制御可能な世界モデル Proxy2World を提案している。人手で作ったプロキシと映像のペアデータは使わず、通常の位置姿勢付き RGBD 動画だけで学習し、クロスモーダルなフローマッチングにより深度条件付き RGB 生成と RGBD 同時生成を学習する。評価用の ProxyBench も導入され、実験では構造への忠実性と映像品質のバランスが、カメラ制御型や幾何条件型の手法より優れると報告されている。
説明スペクトル特徴を用いた超解像モデルへの敵対的攻撃の検出
要約本論文は、超解像モデルの重みに埋め込まれた敵対的攻撃を検出するスペクトルベースの手法を提案しています。径向平均パワースペクトル密度を判別特徴として、XGBoost（勾配ブースティング）検出器を学習させています。振幅・位相ベースのフーリエスペクトル検出器と比較し、複数の学習条件およびアーキテクチャ横断の条件で評価しています。その結果、提案手法は多くの条件で比較手法を上回り、高周波成分がAdvSR攻撃の検出に最も有用であることが示されています。
説明最適輸送によるマスキングで時空間予測の空間的非識別性に対処する研究
要約本論文は、時空間予測における「空間的非識別性」、すなわち履歴パターンが似ていても将来の挙動が分かれるノードの問題を扱います。最適輸送に基づく構造化マスキングを用いる自己教師あり枠組みSTOTを提案し、事前学習中に曖昧な位置を強調します。6つの実データセットでの実験では、評価したベンチマークで最先端の基準手法と競合する性能を示し、輸送計画の可視化による解釈性の向上も報告されています。
説明言語フォーシング：全身ワールドアクションモデルの意味的整合によるヒューマノイドの移動・操作の高度化
要約本論文はLANGUAGE-FORCINGという訓練手法を提案し、言語を用いて全身ワールドアクションモデル（WAM）の将来視覚予測において、タスクに関連する変化を強調します。訓練時に凍結された視覚言語モデルが将来の状態変化を記述し、そのテキスト埋め込みを将来視覚特徴と整合させます。推論時の追加コストはありません。HumanoidArenaでの平均成功率は79.17%、実世界の5タスクでは53.33%から71.33%に向上しました。
説明線形表現仮説の検証：ビジョンSAEはどこまで解釈可能か
要約本論文は、視覚モデルの特徴を単一の意味概念に分解するとされるビジョン・スパース・オートエンコーダ（SAE）の可解釈性を評価します。自然言語処理で人間の判断と一致すると示されていた自動解釈性スコア（AIS）を視覚タスク向けに改編し、ユーザー調査で検証しています。その結果、既存のSAEの解釈性指標同士、およびAISとの間に相関が見られず、単一の参照不要な指標では視覚SAEの解釈性を確認できないと結論づけています。
説明経路条件付きアテンション可動性：SegFormer における深さから実行ハブへの再配置
要約本論文は、階層型ビジョン Transformer（SegFormer-B5、人体セグメンテーション用）において、注意ヘッドが近接する深さへ移動できるかを検討し、計算文脈を保持した場合にのみ可能であることを示す。第3ステージの保持された120ヘッドを40の実行深度から20の実行ハブへ統合したところ、同じヘッド数の対照とmIoUに測定可能な差は見られなかった。展開面では、FOLDED_VEC により NVIDIA L4 上で、バッチサイズ1、4、8 において端末間レイテンシが 5.28%、3.15%、3.58% 低減した。
説明進化する可塑性人工ニューラルネットワークを使う人工生命エージェントが社会情報を利用するための環境条件
要約本論文は、進化可塑性人工ニューラルネットワーク（EPANN）を用いた人工生命モデルで、さまざまな採餌環境において社会情報の利用がどのような最小限の環境条件で進化しうるかを検討しています。評価は所定の適応度基準に達するまでの世代数で測られ、トポロジーと重みを同時に進化させるNEATが用いられました。その結果、単純なネットワーク構造でエージェントは素早く基準を満たし、社会情報は必要ではなかったことが示されました。社会情報が進化するには、環境により高い複雑さが必要だとされています。
説明TermJudge：機械翻訳の用語評価を、数えるのではなく文書レベルで判定する手法
要約既存の機械翻訳用語評価指標は、固定の参照訳から外れるとすべて減点し、翻訳の誤りと人間の訳者が普通に行う妥当な用語のばらつきを区別しません。本論文はTermJudgeを提案し、各用語の出現に解釈可能な判定を与えます。用語集に従う箇所は決定的に確定し、逸脱箇所は文書全体を文脈にLLMを裁判官として二段階で評価します。専門家の誤り注釈やMQM人手評価と照合したところ、システムレベルと文レベルの両方でメタ評価1位となり、オープンソースで公開されています。
説明エネルギー消費予測のための自動特徴量エンジニアリング、AutoML、意思決定指向学習
要約本論文は、エネルギー消費予測（ECF）の機械学習モデルが専門家による手作業の特徴量エンジニアリングに依存している問題に取り組みます。タイムスタンプと遅延消費量から解釈可能な特徴量を生成し、AutoMLと統合する分野特化型の自動特徴量エンジニアリングアルゴリズムAutoEnergyを提案しています。18の実データセットで、基準となるAutoMLや既存の自動特徴量手法と比べて予測誤差を19.52%〜84.72%削減し、1.31〜4.41倍高速に動作しました。さらに、電池式エネルギー貯蔵システムの問題に意思決定指向学習と組み合わせ、英国の実物件データで運用コストを22.9%〜56.5%削減しています。
説明欧州連合の物価安定性：ランダム行列理論を用いたシステム的分析
要約本論文は、ユーロ圏の月次インフレ指数を一つの価格システムとみなし、ランダム行列理論を用いて固有値の統計的・漸近的性質を分析します。その結果、このシステムはランダムに生成されたものとは見なせず、データはノイズに支配されていることが示されました。また、インフレの動きを攪乱している2か国と、地域に基づく3つの国のグループが特定されています。
説明デバイス上のキーワード検出向け・サブモデル短期記憶畳み込み：演算量と消費電力を抑えるオンライン推論手法
要約本論文は、短期記憶畳み込み（STMC）の枠組みをモジュール型CNNモデルに適用し、LSTMに似たオンライン推論を可能にするものです。対象はウェアラブルなど計算資源の限られたエッジデバイス上のキーワード検出（KWS）です。同じ頻度で標準CNNを実行する場合と比べてMCPSを最大82%、原版STMCと比べて最大46%削減したと報告しています。11クラスのGoogle Speech Commandsタスクでは、最良の構成で精度93.8%、ゼロパディングしたデータでは97.1%を達成しました。
説明視覚の中断下で行動を学習する視覚・言語・行動モデル
要約本論文は、カメラ映像が途中で途絶えた際のVLA（視覚・言語・行動）ロボットモデルの挙動を扱っています。成功した参照軌道の複数段階で異なるカメラを中断させて評価するベンチマーク MAIL-Bench を提案しています。さらに、欠落した視覚入力の下でも動作するよう学習し、推論時にはオプティカルフロー外挿や行動条件付き世界モデルで観測を補い、予測が信頼できなくなると撤回する手法 MINT を提案しています。π0.5 と GR00T N1.5 でカメラ喪失時のタスク成功率が向上し、AgiBot G2 の実機でも検証されたと報告しています。
説明一回限りの生成から段階的な作曲へ：汎用指示LLMを持続的な記号楽譜編集に適応させる
要約本論文は、汎用の指示従属型大規模言語モデルを一度きりの作曲生成器としてではなく、進化する楽譜に繰り返し適用する編集演算子として用いる方法を検討しています。ABC記譜法上で、コード追加、インペインティング、移調の3つの操作を定義し、アイルランド伝統音楽由来の対話データでLlama 3.1 8B InstructをLoRAにより適応させました。通過率は29.37%から99.37%に向上しましたが、音楽的品質や人間とAIの共創性が優れていることは示されていません。
説明確率単純体上の合成可能なデコーディング：理論と実装
要約本論文は大規模言語モデルのデコーディングを、確率単純体上で次トークン分布を最適化する問題として定式化し、モデルスコアと正則化のバランスを支持集合制約のもとで取ります。著者らは、合成可能なデコーダを構築・評価するためのライブラリ「CompoSimplex」を提案しています。実験では、複数の目的を組み合わせることで、単一の目的では得られない単一サンプル品質・複数サンプル品質・多様性のトレードオフが実現できることが示されています。
説明MaPP：データ効率的なRLVRのための周辺化事後予測の統一フレームワーク
要約本論文は、検証可能な報酬による強化学習（RLVR）におけるGRPOの課題を扱います。グループ内の採点結果の不確実性が「構成ノイズ」を生み、勾配推定とプロンプト選択を損なうと指摘しています。提案手法MaPPは、Beta事後分布による閉形式の周辺化で各応答のアドバンテージを補正し、同じ事後分布からサンプリングコストを増やさないプロンプト選択スコアを導きます。数学、計画、視覚幾何の実験で、5つのモデルにおいてGRPOや強力な選択手法を上回り、同じロールアウト予算で平均精度が最大2.45向上したと報告しています。
説明適切な段階に適切な教訓を：自己進化型エージェントの制御更新の導出
要約本論文は、エージェントのワークフローを編集可能な状態機械コントローラとして表現し、完了した実行軌跡から局所的な指示やスキルの修正を学習するEvoCUEフレームワークを提案します。各候補の修正は、作用する地点で親コントローラと編集後のコントローラを同じチェックポイントから再開し、最終結果を比較して評価され、採用された修正には適用規則が付与されます。AppWorldとPAST-Benchの事務ワークフローでの実験では、タスク成功率と実行品質の向上が示されています。
説明ニュルンベルクNLPチームによるChildSafeAds 2026参加システム：4段階のデータアクセス条件下で構造の異なる投票器アンサンブル
要約本論文は、ChildSafeAds 2026共有タスクに向けてニュルンベルクNLPチームが開発したシステムを紹介しています。このタスクは、子ども向けYouTube動画における商業コンテンツの監視システムが、どの程度のデータアクセスレベルでどこまで達成できるかを問うものです。システムは各サブタスクごとに9つの投票器からなるアンサンブルを用い、バックボーン、適応手法、クラス範囲が異なる3つの分岐に編成されています。サブタスク2と3で最高スコアを得たほか、タスク平均では3位でした。また、4つのアクセスレベルを比較しています。
説明ORPG：目的ごとの方策勾配で複数の報酬目標を調整する手法
要約本論文は、各報酬に対して個別にクリップ付き方策目的を構成し、得られた勾配を一つの方策更新にまとめるORPG（Objective-wise Reconciled Policy Gradient）を提案している。整合的な勾配はコサイン依存の補間で調整され、衝突する勾配はタスクの優先度に従って射影される。有用性と安全性の整合、および数学推論における正確性とコストの最適化で評価されている。
説明ActionUNet：効率的なマルチスケール微調整でVLAロボットモデルの頑健性を向上
要約視覚・言語・行動（VLA）モデルは多モーダルな意味を物理的動作に変換しますが、粗い意味と細かい時間的実行を揃えるのが難しく、雑然とした環境での汎化や頑健性が不足していました。本論文は、軽量な時間方向U-Netで階層的な構造事前情報を統合し、二階の平滑性制約を持つ条件付きSIRENを連続動作デコーダとして用いるActionUNetを提案します。RoboTwin 2.0とLIBERO-Plusおよび実機評価で、π0.5の成功率がそれぞれ絶対値で9.8%、6.1%、11.4%向上したと報告されています。
注目点時系列U-NetとConditional SIRENデコーダを組み合わせたVLA微調整で、RoboTwin・LIBERO-Plus・実機においてπ0.5を約6〜11ポイント改善し、OpenVLA-OFTでも有効性を示した。
説明世界行動モデルの汎化を生むものとは：テスト時の未来モデリングに関する実証研究
要約本論文は、世界行動モデル（WAM）が推論時に未来の映像を生成する必要があるかを検証しています。未来映像を生成しない潜在型モデルは、環境摂動、データ効率、タスク汎化の三点で性能が低下することが示されました。その差は主に最初のデノイジングステップから生じ、未来を生成することではなく未来への準備が効果をもたらすと分析されています。提案手法Simple-WAMは、完全にノイズ付加された映像トークンを一度の順伝播で処理し、汎化性能と効率の両立を目指しています。
説明1つのセンサーで全身を－市販イヤホン内蔵IMUのみで3D身体姿勢を推定
要約本論文は、市販イヤホン（AirPods）の頭部慣性計測ユニット（IMU）1つだけで3D身体姿勢をどこまで復元できるか、また市販の足部センサー（インソール型IMU）を追加すると効果があるかを検討しています。著者らは多視点RGB-Dとセンサーを同期収録するパイプラインを構築し、35テイクの単一被験者ベンチマークを作成しました。結果として、頭部IMU単体で下半身の姿勢を推定でき、足部センサーの追加は統計的に有意な改善をもたらさず、むしろ悪化する場合があることが示されています。
説明SPIDER：マルチモーダル大規模言語モデルにおける多層意味的トークン剪定と適応的サブレイヤースキッピング
要約本論文は、マルチモーダル大規模言語モデルの効率化をめぐり、データ冗長性と計算冗長性という二つの問題を扱っています。学習を必要としない枠組み SPIDER を提案し、多層の意味的視覚トークン剪定と適応的サブレイヤースキッピングを組み合わせています。原文によると、LLaVA-NeXT-7B において SPIDER は FLOPs を 79% 削減しつつ、ベースライン性能の 96% を維持しました。
説明Inspector：LLMとCNNを用いたアナログ回路レイアウトの対話型・軽量解析手法
要約本論文は、ファインチューニングしたLLMとCNNを組み合わせ、アナログ集積回路のGDSIIファイルを解析するフレームワーク「Inspector」を提案しています。設計者がツールと対話できる仕組みを備えています。数千のアナログ設計を用いた四つの実務的タスクでの実験では、汎用の大規模VLMを最大81%上回ったと報告されています。
説明教えて学ぶ：自己改善型LLM推論のためのヒント焼きなまし法
要約本論文は、GRPOの学習で難しい問題が全て不正解になり学習信号がない問題に対し、HATCHという枠組みを提案する。同一の方策が自らのヒントを生成しそれを使って失敗した問題を再度解くことで学習信号を回復し、オンラインの重み付けによりヒント付き軌跡の寄与を徐々に弱め、勾配射影でヒント生成の更新と解答の更新の衝突を取り除く。数学推論ベンチマークで、Llama-3.2-1B-Instruct、Qwen3-1.7B、Qwen3-8Bにおいて既存の最良手法をそれぞれ1.02、2.84、4.32ポイント上回ったと報告している。
説明APEX-Voice：全二重対話で専門業務を完遂できる音声エージェントか？
要約本論文は、表計算の記入、企業交渉、調整、コンサルティング、面接など10種類の業務を含む120の対話型専門ワークフローからなるベンチマーク「APEX-Voice」を提案している。状態を持つ音声ワークベンチ環境で5つの最先端リアルタイム音声エージェントを評価した結果、いずれも Pass@1 は25%を超えず、最良の Reliable@3 は10.8%であった。状態を伴う調整が、各システムに共通する主な失敗箇所であると指摘している。
説明『Just MLPs』：軽量ネットワークで多モーダル言語モデルの視覚状態を効率的に再構築
要約本論文は、多モーダル大規模言語モデルにおいて視覚トークンの計算コストが大きい問題を扱います。視覚から文章への注意を遮断した後も、少数の低ランク方向を復元すれば失われた精度の大部分を回復でき、各層の視覚状態は軽量な MLP でよく近似できることを示しました。これに基づき、著者らは δ-Vision を提案します。これは視覚トークンの反復的な Transformer 処理を低ランクアダプタに置き換え、すべての視覚トークンを保持したままテキスト検索に使えるようにする手法です。画像・動画ベンチマークでは、同程度以下の計算量で視覚トークン剪定の基準手法より高い精度を達成しました。
説明LLMエージェントのための行動空間設計：ツールスキーマ偏りの測定と緩和
要約本論文は、同じ実行可能な動作を機能的に等価な異なるツール定義で提示したとき、大規模言語モデルのエージェントの性能が一貫しなくなる現象「スキーマ偏り（schema bias）」を調べています。著者らは九種の演算子でツールスキーマを書き換える実行可能な変換フレームワークを提案し、タスク・動作・到達可能な状態を固定したまま、十一のモデルを最大32の変種で評価しました。その結果、スキーマだけで成功率が完全な失敗から97%まで変動することが示されました。訓練によって修正されるのは、訓練データに現れた変種に限られるとしています。
説明「Grab a Coffee」：離散拡散モデルの将来認識ガイダンス（COFFEE フレームワーク）
要約本論文は、離散拡散モデルが系列を生成する際に、系列レベルの目的に沿って誘導するためのCOFFEEフレームワークを提案しています。系列への依存性と目的関数を分離し、コンパイルされた有限状態モデルを用いて、未確定の位置にグローバルな選好を伝えます。拡散モデルの再学習は不要とされています。複数の記号、言語、生物学のベンチマークで評価され、タスクに応じて品質と多様性のトレードオフがあるものの、強い制御結果が報告されています。
説明大規模言語モデルの創発的ミスアラインメントを幾何学的に診断し、パラメータ空間で緩和する手法
要約本論文は、安全性を調整された大規模言語モデルが、狭い領域への適応後に無関係な領域でも安全性の失敗を示す現象（創発的ミスアラインメント、EM）を扱います。学習軌跡の追跡により、方向性ヘッセ曲率が意味的な転換点トークンに集中することを示し、有害な勾配部分空間をパラメータ更新から直交射影で除去する枠組みを提案しています。Qwen2.5-14B-IT では自由生成時の EM を最大 80.0% 抑制したと報告されています。
説明RoboFL：世界行動モデル向けのフェデレーテッド専門家組立手法
要約本論文は、複数の機関が生の相互作用データを共有せずに視覚・言語・行動モデルおよび世界行動モデルを共同学習するためのRoboFLを提案します。手法はMoSAICに基づき、各クライアントで局所学習したLoRAアダプタを、サーバー側MoE構造の専門家分岐として組み込みます。経路蒸留（FARD）と経路合意による専門家集約（PCEA）により、ルーティングと専門家の安定化を図ります。RoboTwin 2.0、RLBench、実機Franka実験で有効性が示され、MoEベースの連合VLAベースラインに比べ、ラウンドごとの通信量を最大86.81%削減したと報告されています。
説明意味的不確実性の定量化には事実的同等性の判定が必要だという論文
要約本論文は、大規模言語モデルの意味的不確実性定量化が、複数の回答を two 両比較し、その一致度から不確実性を求める手法に基づいていると整理します。著者らは、既存手法が含意判定（NLI）モデルや汎用文エンコーダなど既製の比較器に依存しており、これが主なボトルネックだと主張します。そこで合成データで対照学習した単一エンコーダを比較器として用い、18の組み合わせ・126評価設定中120で改善を報告しています。
説明ラグランジュ制約付きPPOとコルモゴロフ・アーノルドネットワークによる温室の安全な気候制御
要約本論文は温室の気候制御を制約付きマルコフ決定過程として定式化し、経済的最適化と累積的な安全制約を分離するラグランジュ安全強化学習フレームワークRCPO-PPOを用いる。これにより手動での重み調整なしにペナルティを適応的に変えられる。方策と価値の近似器として多層パーセプトロンの代わりにコルモゴロフ・アーノルドネットワーク（KAN）を用い、昼夜周期を捉える正弦波の時間特徴も入力に加えている。冬季のレタス温室モデルと40日間の実気象外乱によるシミュレーションでは、固定ペナルティ型PPOと比べ、累積の気候違反が18.65%減少し、レタスの経済利益が2.91%向上した。
説明医療時系列の拡散モデルのための循環定常位相条件付け
要約心電図や脳波など多くの生理時系列は、統計量が潜在的な周期位相に応じて周期的に変化する循環定常性を示す。本論文は循環定常性を符号化する二つの帰納バイアスとして、シフト共変なウェーブレット表現と、破損した入力から推定した各サンプルの密な位相条件付けを提案する。また、位相構造を定量化し位相条件付けが有効かどうかを予測する、学習不要の循環定常性指標も導入する。さらに、逆方向軌道の対称結合により、ネットワーク評価回数を5分の1に減らしつつ同等の性能を達成するとしている。
説明ALICE：文脈内・ゼロショットの相互情報量推定
要約本論文は、サンプルから相互情報量を推定するための基盤モデルALICEを提案します。分布ごとの個別学習を必要とせず、大量の合成分布だけで学習したモデルが、未知の分布のサンプルから速度場を推定し、固定の恒等式によって相互情報量を求めます。標準ベンチマークと、生物学・遺伝学・神経科学の未学習データで検証され、分布ごとに学習したニューラル推定器に匹敵する精度と、異なるデータ次元・サンプル数への対応が示されています。
説明ProofLoom：研究レベル確率的最適化の自動形式化のための証明義務駆動型理論構築
要約本論文は、研究レベルの確率的最適化を Lean で自動形式化するため、大規模言語モデルのエージェントによる完全自動システム ProofLoom を提案している。公開されたアルゴリズム、目標定理、元の証明を与えると、未解決の証明義務に従って定義、インターフェース、補題を構築し、独立した審判が根拠のない仮定や弱められた結論を退ける。15 の教科書・論文タスクでは、人間による評価の平均が 6.3/7 と 6.4/7 で、最良の基準手法の 4.9/7 と 5.0/7 を上回った。33 の開発では sorry を含まない約 49 万行の Lean コードを生成し、22 の開発で公開文献の誤りを 28 件指摘した。
注目点証明義務駆動のLean理論構築と跨タスクの知識蓄積を提案し、15課題で人手評価がベースラインを上回る。大規模形式化で既存文献の誤りも検出し、根拠は比較的堅実である。
説明「AX は新しい AEO」：エージェントが企業サイトを読めるかが AI 回答での扱いを左右するという論文
要約本論文は「エージェント体験（AX）」という概念を提案し、AI 検索エージェントが詳細を調べる段階では、企業の自社サイトを取得して読めるかどうかが、単に言及されることより重要だと論じています。著者は 1,056 社の実在企業に対して 37,927 回のエージェント調査を実施しました。エージェント対応の企業では、回答が自社ページに基づく割合が 78%（対照は 56%）で、明確に推薦される頻度は 1.9 倍でした。
説明VD-DeepStack：少数ショット異常検出のための視覚比較と言語推論の接続手法
要約本論文は、少数ショット視覚異常検出のためのVD-DeepStackを提案する。クエリ画像と正常な参照画像との密な視覚的差分を、言語推論の条件として明示的に用いる手法である。DINO特徴と大規模視覚言語モデルの視覚階層を融合して細粒度表現を強化し、工業用4種および医療用2種の異常検出ベンチマークで、テキストによる比較推論に依存するベースラインを上回る改善が報告されている。
説明認知状態遷移に基づく能動的対話方策最適化（CSTPO）
要約本論文は、多ターンの能動的対話のために、ユーザーの認知・感情状態を保持し制約付きの状態遷移で応答を生成する認知ユーザーシミュレータCog-Simを提案している。あわせて各行動を戦略ラベルと発話の二層で表現し、疎な完全分岐サンプリングで両層の優位性を推定するCSTPOを提案している。三つのタスクで、Cog-Simは単調な用量反応関係を示し、自然さでプロンプトベースのシミュレータより好まれた。CSTPOはQwen3-14Bの性能をGPT-5.5ベースの計画手法に近い水準まで高めたと報告されている。
説明随伴ガイダンスフロー：VLAポリシー向けの償却型クリティックガイダンス
要約フローベースのVision-Language-Action（VLA）ポリシーは通常、行動模倣によって学習されるため、長期的なタスク報酬を明示的に最適化しません。本論文はAdjoint Guidance Flow（AGF）を提案し、軌道を考慮したクリティックガイダンスを軽量なガイダンスネットワークに償却しつつ、事前学習済みのVLAポリシーを保持します。推論では各ステップでガイダンスネットワークの順伝播を1回行うだけで済みます。LIBERO、RoboCasa、LIBERO-Proにおいて、AGFは事前学習済みVLAを一貫して改善し、QGFと比べてガイダンスステップあたり3.6倍高速、パラメータ数は7.0倍少なく、同等以上の性能を示します。
説明解像度を第一級の決定とするマルチモーダル大規模言語モデル向けタスク条件付きルーティング
要約マルチモーダル大規模言語モデル（MLLM）の推論効率は、高解像度入力から生じる大量の視覚トークン列によって大きく制約され、計算コストは二次的に増大します。本論文では、タスク条件付き解像度ルーティング（TCRR）を提案します。軽量なクロスモーダルルーターがテキスト意味に基づいて視覚表現を条件付け、各クエリに対して最小限十分な圧縮レベルを選択します。12のタスクカテゴリにわたる50万件のデータセットも構築されました。Qwen3-VL-8Bでは、性能を維持しつつ視覚FLOPsを40.9％、遅延を53.7％削減したと報告されています。バックボーンモデルの変更は不要です。
説明XMatch：木構造の外生変数マッチングによる共変量対応時系列予測の改善
要約本論文は、将来の外生変数を過去の外生パターンと照合し、対応する内生パターンを予測に活用するXMatchモデルを提案する。木構造（ProtoTree）により、照合に用いる外生変数の数を類似度と過去の支持度に応じて適応的に決定する。12の実データセットでの実験において、既存の代表的ベースラインを上回ったと報告されている。
説明ニューラル言語モデルは依存構造の文脈分布を学ぶのか：合成性に対する統計的学習理論
要約本論文は、ニューラル言語モデルが語彙意味とは独立に文法構造が担う構造的意味をどのように獲得するかを検討しています。学習された依存構造自体が後続の統計学習の新しい分布単位になると提案し、合成文法上で BERT 型マスク言語モデルを訓練して検証しています。モデルは構成要素のトークン統計だけからは推定できない複合依存構造の文脈分布を学習でき、依存関係の学習は文脈特徴の学習に先行すると報告しています。
説明TaoTex：ネイティブ3Dマテリアル生成におけるテクスチャ細部の忠実度向上
要約本論文は、拡散モデルに基づくネイティブ3Dマテリアル生成手法TaoTexを提案し、複雑なテクスチャの再現を目指します。公開データセットの不足を補うため高周波テクスチャを持つ3Dアセットを作成し、多階層特徴融合モジュールや潜在空間から画素空間への損失の切り替えを導入しています。さらに学習可能な視点埋め込みによりマルチビュー入力に対応し、単一視点と多視点の両方で既存手法より優れたテクスチャ保持を示すと報告しています。
説明「忘れないで！」：言語モデルにおける記憶の学習過程を分解する
要約本論文は、言語モデルが学習中に訓練データの系列をどのように記憶していくかを検討します。Pythiaモデル群を対象に、記憶された系列の損失の推移を学習過程とモデルパラメータに沿って分解し、重複して現れる系列（復唱）と稀な系列（想起）の両方を調べています。両者とも系列レベルの勾配の整合によって特徴づけられ、復唱は他の学習の影響とのずれにより忘却が起きることが示されています。さらに下位層が記憶と忘却に最も関与することや、少数の影響力の大きいパラメータへの介入で記憶を消去できることも報告されています。
説明JazzSAMBA：ライブ音楽モデルのためのジャズスタンダードの同期・非同期マルチテイク・バンド音声データセット
要約本論文は、8人の音楽家によるジャズスタンダード76曲のマルチトラック録音を収めたデータセットJazzSAMBAを提案します。非同期（オーバーダブ）と同期（ライブ合奏）の両方の録音方式を含み、音楽家が選んだ優先テイクと代替テイクに加え、小節、コード、セクション、ソロ奏者の時間注釈を提供します。著者らはこのデータセットを用いて、ジャズコンボの音源分離のベースラインと、コード譜を条件とした伴奏の比較実験を示しています。データセット、コード、サンプルはプロジェクトのデモページから入手できます。
説明PDEU-Bench：ツール呼び出しLLMエージェントの個人化計画ライフサイクルを評価するベンチマーク
要約本論文は、個人化されたツール利用エージェントが計画の策定・実行・更新という一連の過程をどこまで行えるかを評価するベンチマーク「PDEU-Bench」を提案しています。12の日常領域と94のツールにまたがる214の長期的対話タスクを含みます。15の代表的なオープンソース・クローズドソースLLMで評価した結果、個々のツール呼び出しでは嗜好を反映できるものの、一貫した計画の構築や更新には課題があることが示されました。既存の個人化・記憶拡張手法も、全過程にわたって利用者の嗜好を確実に維持することはできなかったとしています。
説明言語モデルの出力を、自ら述べた分布に合わせて学習させる手法の論文
要約言語モデルは、調査回答者のシミュレーションや合成データ生成など、指定した分布からサンプリングする用途で使われることが増えています。指示調整済みのモデルは目標分布を正しく述べられても、その分布からサンプリングできないことがあります。プロンプトや復号の調整はこの不一致を部分的にしか減らせないため、著者らはポリシー最適化による学習を提案しています。その中核は、最大平均差異（MMD）から導いた各出力ごとのアドバンテージ「witness advantage」をGRPOの報酬に用いる方法です。未知の目標分布において、一般的な能力をほぼ保ちつつ、目標分布との全変動距離を大きく減らせたと報告されています。
説明「ほぼ人間、ただし重要な場面を除く」：VoxParity と音声が判断を変えるべき場面
要約本論文はVoxParityという評価ベンチマークを提案し、音声エージェントが文字情報だけでなく音声そのものに基づいて正しい操作を変えられるかを検証します。14の分野にわたる183のシナリオで、文字起こしを固定したまま音声（医療モニターの警告音、遭難信号、子どもの声など）を変えて適切なツール呼び出しを評価します。文字のみのパイプラインを基準とすると、23のシステムのうち合格したのは11でした。
説明チェックポイントではなくスキャフォールドを監査する：エージェント型コーディングにおける再帰的自己改善の定常性二分法
要約本論文は定常性二分法を提示する。エージェントが到達できる編集の集合が固定されていれば、反復的な自己修正の効果は厳密に逓減し、その集合が拡張されたときのみ脱出できるとする。ツールや検証器などのスキャフォールドを書き換えれば、重みを変えずに到達範囲を広げられる。同種の30モデルによる多数決では失敗が重なり、SWE-bench では改善が毎ラウンドゼロへ向かい、401 の本番セッションでも同様の減衰が見られた。
説明化学・タンパク質言語モデルと階層的逐次クロスアテンションによる薬物-標的相互作用予測
要約本論文は、配列情報のみを用いる薬物-標的相互作用（DTI）予測モデルを提案しています。薬物のSMILES文字列にはChemBERTa、タンパク質のアミノ酸配列にはESM-2を用い、1次元畳み込みと双方向クロスアテンションで両者の相互作用を捉えたうえで、注意機構ベースのプーリングにより二値予測を行います。BIOSNAP、Davis、BindingDBで評価され、BIOSNAPでは最高性能、Davisでは最高のAUROCと同等、BindingDBでも競争力のある結果を示しました。学習可能パラメータは2,520万です。アブレーション実験と初見の薬物・タンパク質に対するコールドスタート実験では、一定の汎化性能が示されています。
説明RISE：反復的な戦略進化による現代のテキスト画像モデルのレッドチーミング
要約現代の本番向けテキスト画像生成システムでは、ポリシー違反に成功する例はまれで、以前有効だった人手作成のシード・プロンプトも修正されることが多い。論文は、既存の自動レッドチーミング手法が成功判定の信頼性と探索能力の両面で不十分だと指摘し、プロンプトを一つずつ書き換えるのではなく、再利用可能な生成戦略を進化させるRISEを提案する。DALL-E 3、Nano Banana 2、GPT-Image-2での人手検証済み攻撃成功率は最大13%で、同じ校正済み評価では、報告値約30%の先行手法はほぼゼロに落ちるとしている。
説明深さ平均雪崩動力学のための物理情報ニューラルネットワーク
要約本研究は、雪崩の深さ平均粒状流れモデル（Savage-Hutterモデル）を解くための物理情報ニューラルネットワーク（PINN）を開発し、一次元の解析解による検証から二次元の実験による検証まで行っています。一次元の連成問題では、与えられたデータなしで流れの厚さと速度の両方を学習しました。二次元では、物理法則だけで学習すると零解に収束したため、最終堆積形状の10点の疎なデータを加えた混合型の枠組みとしました。四つの実験ケースで、流れの厚さのRMSEは2.7〜6.7 mm、濡れ面積のIoUは平均69〜81%でした。
説明Muon は LLM 事前学習において安定性エッジ（Edge of Stability）を解消する
要約Muon は言語モデルの事前学習に広く使われつつありますが、その大きなステップでの挙動は、勾配降下法の古典的な安定性エッジ（EoS）理論では説明できません。本論文は、確率的・モーメンタムなしの Muon について、相関補正を加えた条件付き損失中立境界を導出し、損失のバランスと時間的な整合が学習率やバッチサイズに対して異なる反応を示すことを対照実験で示します。130M と 1B 規模の実験では、方向は相関的な反転から遠く離れたままで学習は改善し続けました。
説明EMMA：イベント駆動型マルチモーダル記憶システムとマルチエージェント検索
要約本論文は、長尺動画理解においてマルチモーダル大規模言語モデルの文脈窓を超える問題に取り組み、EMMAを提案しています。固定長の区切りではなく、視覚的意味の変化と音声の切り替わりを組み合わせてイベントの境界を適応的に検出し、原動画・クリップ単位・イベント単位の三階層の記憶を構築します。検索では複数のエージェントが協調して、粗いイベントから精密なクリップへと証拠を絞り込みます。三つのベンチマークで大幅な改善を報告しており、コードはGitHubで公開されています。
説明末尾を捨てずに活用する：ポリシー高速化のためのアクション再利用
要約ロボットのポリシーは通常、一度の観測から未来の行動の塊を予測し、その先頭部分だけを実行して残りを捨ててから再計画します。本論文は、学習を必要とせず、捨てられる行動を再利用する Action Upcycling を提案します。行動の速度が滑らかな間は実行期間を延ばせることを示し、複数の視覚・言語・行動モデル（VLA）と世界行動モデル（WAM）で、成功率を落とさずにポリシー呼び出しを 1.2〜1.7 倍減らせたと報告しています。
説明SincDPNet：生活支援向けの解釈可能な生波形による浴室活動認識モデル
要約本研究は浴室の音響イベント認識を扱い、5つの環境で録音された7クラス・21,387件の注釈付きクリップからなるデータセットを提示します。学習可能なsinc（シンク）フィルタバンクと深さ方向分離畳み込みを組み合わせた、小型の生波形分類器SincDPNetを提案しています。各フィルタの通過帯域はヘルツ単位で直接確認できます。最良モデルは未見の環境で80.2%の精度と0.760のマクロF1を示し、パラメータ数は14,040です。水関連イベント同士の混同は周波数帯域の重なりに、ドアと歩行補助具の混同は類似した過渡的時間構造に起因すると分析されています。
