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。
説明今学び、次に使い、後で信頼する：LLMエージェントのための逐次的テスト時学習（StepLearn）
要約本論文は、デプロイ中の大規模言語モデル・エージェントが新しい経験からどのように学習できるかを扱い、非パラメトリックな枠組みであるStepLearnを提案しています。個々の遷移を次のステップを導く仮説に変換し、その仮説は後続の観測によって検証され、十分に支持されたものだけが持続的な指針として利用されます。WebArena-LiteとALFWorldでの五ラウンドの実験では、モデルパラメータを固定したまま、ベースラインのEvoTestを上回る結果が報告されています。
説明APOLO：オントロジー学習のための自動プロンプト最適化手法
要約本論文は、テキストからのオントロジー学習（OL）を、大規模言語モデルモジュールに対する明示的なプロンプト最適化問題として定式化するAPOLOを提案する。専門家が作成したオントロジーから、マルチエージェントシステムでテキストとオントロジーの対の学習データを生成し、貪欲型と自己回帰型の2種類の学習器を、DSPy上に構築された進化的最適化手法GEPAで最適化する。生物医学オントロジーDOIDと植物オントロジーPOでの実験では、ほぼすべてのモデルと方式の組み合わせで改善が見られ、自己回帰型が最も大きな向上を示した。
説明TSGate：拡散 Transformer 向けのタイムステップ認識ゲート付きアテンション
要約拡散 Transformer（DiT）は高精細な画像・動画生成の主流アーキテクチャです。論文は、ユーザーが入力する自由記述のプロンプトなど学習分布外（OOD）のプロンプトで生成品質が大きく低下することを示し、その原因をアテンションシンクと初期ステップにおける画像からテキストへのアテンションの低下に関連づけています。提案手法 TSGate は、タイムステップ条件付きのバイアスをゲート信号に加え、ゲートの振る舞いをノイズ除去の各ステップに応じて適応させます。複数のベンチマークで基準手法や標準のゲート付きアテンションを上回り、生のプロンプトでの DPG スコアは基準比で 9.5% 向上しました。
説明浅い問い合わせ、成熟した値：ループ型Transformer向けの深さ非同期自己投機デコーディング（DAS）
要約ループ型Transformerは同じブロックを複数の再帰深度で再利用するため、自己回帰デコーディングのコストが高くなります。本論文では、クエリとキーが値より早く最終深度の表現に近づくことを示し、浅い深さでの下書き計算が全深度の前置表現の値を読めるようにする深さ非同期自己投機手法DASを提案します。さらにDAS-Waveを開発し、4つの再帰モデルと数学・コードの課題で、同一の推論環境における全深度自己回帰デコーディングに対して平均4.00～6.96倍のスループット向上を報告しています。
説明科学推論のマラソン：多ターン対話における摂動に対する科学エージェントの頑健性
要約本論文は、大規模言語モデルを基盤とする科学エージェントが、多ターンの問題解決中に科学的に妥当な摂動を受けた際の頑健性を評価するベンチマーク「SciARP」を提案しています。620の科学問題を3〜13ターンの相互依存タスクに変換し、13種類の摂動を定義しています。4つのモデル系列の8つのLLMによる実験の結果、現行の科学エージェントは依然として頑健性が不十分で、誤りが検出されないまま伝播し、回復しにくいことが示されました。
説明コードのない論文：*CL 論文に掲載された GitHub リポジトリの利用可能性
要約本ショートペーパーは、計算言語学ジャーナル（CL）および ACL とその併設イベントで過去 10 年に発表された論文にリンクされた GitHub リポジトリが、現在も利用可能かを検証しています。予想に反して、近年の ACL 論文のリポジトリは古い論文と同程度の割合で利用できず、その一因として空や仮のリポジトリの増加が挙げられています。他の *CL 会議でも同様の傾向が見られますが、GitHub 以外のプラットフォームでは見られません。
説明プロンプトの不一致を利用した、選好誘導型のオープン語彙セマンティックセグメンテーション適応手法
要約本論文は、医療画像、リモートセンシング、産業検査などの専門分野でオープン語彙セマンティックセグメンテーション（OVSS）の性能が低下する問題を扱い、ピクセル単位のマスク注釈の代わりに二値の選好を用いる適応フレームワークを提案しています。同じ画像に対して異なるプロンプトテンプレートが系統的に異なる分割結果を生むという「プロンプトの不一致」を選好監督の源として再利用し、テンプレート間の不確実性が高い領域から局所的な選好クエリを抽出します。領域局所選好最適化（RLPO）と一貫性正則化を組み合わせてモデルを適応させ、MESSベンチマークでは画素レベルの注釈なしで多様なバックボーンに対して一貫した改善を示し、ノイズのある選好下でも有効だと報告しています。
説明RRG-SLAM：屋内シーン向けの、反射を考慮したリアルタイムガウシアンSLAM
要約本論文は、屋内シーンの反射を扱う初のリアルタイム対応ガウシアンSLAMシステムを提案しています。TSDFとガウシアンを組み合わせた表現で、拡散的な見えと反射成分を分けて扱います。レンダリングは三段階で行われ、基礎画像と反射画像を合成して最終出力を生成します。反射平面は幾何・意味・時間の手がかりで識別されます。実験では、反射のある屋内環境で再構成品質、追跡の頑健性、新視点レンダリングが既存のSLAMを上回り、リアルタイム性能も維持されたと報告されています。
説明PairPref：記憶はいつ回答を導くべきか？文脈に応じた嗜好の利用を評価するベンチマーク
要約本論文は、記憶を備えたアシスタントがユーザーの嗜好をいつ適用すべきかを評価するベンチマーク PairPref を提案しています。各ペアは状況のみを変え、嗜好と依頼、四つの候補回答は固定しています。選択タスクでは、嗜好を適切な場面でのみ適用した回答を選ぶことが求められます。自由生成タスクでは、候補なしで適用の要否を判断します。評価の結果、モデルは両方の状況で嗜好を適用しがちで、自由生成で両方の回答が適切だった割合は 3.6% から 18.3% にとどまりました。
説明SAGE：Mixture-of-Experts拡散モデルにおけるClassifier-Free Guidanceのための部分空間アライメント
要約論文は、Mixture-of-Experts（MoE）ルーティングを用いた拡散Transformerでは、Classifier-Free Guidance（CFG）の条件付き分岐と無条件分岐の活性化が異なる部分空間に分布し、高いガイダンススケールで生成が崩壊すると指摘しています。著者らは、ルーティングの多様性を制限せず無条件のMoE活性化を条件付き部分空間に揃える学習時の正則化手法SAGEを提案し、推論時のコストはゼロとしています。論文によると、玩具実験では極端なドリフトを9.2倍抑制し、10億パラメータのテキストから画像への生成モデルでは、DPG-Benchの最高スコアが9.3%向上したとされています。
説明精度より根拠を先に：MRI-PET融合ネットワークによるアルツハイマー病分類と因果的領域検証
要約本論文は、T1 MRIとFDG PETを組み合わせた融合ネットワークでアルツハイマー病を分類する手法を提案し、ADNIの554名の対応データで学習させています。モデルはAUC 0.962、正解率0.909、F1 0.891を達成しています。さらに、ショートカット対照、領域アブレーション、帰属手法により、判定が疾患関連の脳領域に基づくかを検証し、海馬の根拠はMRI、後部帯状回の根拠はPETに由来することを示しています。
説明EOPSA：効率的な同方策自己蒸留による安全アラインメント手法（大規模モデルをより安全にする学習技術）
要約本論文は、同方策自己蒸留（OPSD）を安全アラインメントに用いる際の非効率性に着目し、生成が長くなると教師モデルの補正効果が急速に低下する問題と、安全と無関係な文体差が安全信号を埋もれさせる問題の二つを指摘しています。著者らはEOPSAを提案し、適応的ロールアウト制御と選択的蒸留により、計算と勾配を安全上重要なトークンに集中させます。最大32Bパラメータの推論モデルでの評価では、ロールアウト計算量が約50%削減され、約2%のトークンのみで逆伝播を行いながら、全トークン蒸留のベースラインより安全性と推論能力の維持で優れると報告されています。
説明XFlow：胸部X線画像の病変セグメンテーションを指示で行うワークフローモデル
要約本論文は、胸部X線画像における指示ベースの病変セグメンテーション（ILS）のためのワークフローモデルXFlowを提案する。放射線科医の粗から細への読影過程を模し、肺と病変のボックスを特定した後、複数回の点プロンプトで輪郭を修正する。内部・外部評価の双方で最高のセグメンテーション品質を示し、同じ病変アノテーションで学習した場合でもROSALIAを上回ったという。
説明HALO：超球面潜在表現とマスク付き自己回帰モデルによる時系列生成の改善
要約既存の時系列生成手法の多くは、まず離散的な潜在表現を学習し、次にそれを自己回帰で予測する二段階構成である。離散化では情報が失われ、自己回帰では誤差が蓄積しやすい。HALO は連続潜在空間で生成を行い、超球面 VAE（hyperspherical VAE）で潜在変数を固定半径の球殻上に制約して数値の変動を安定させ、マスク付き自己回帰モデルで並列復号と時間的相関の学習を両立させる。論文によれば、生成性能は最先端水準に達し、推論効率も既存の先進的ベースラインより大幅に向上している。
説明低信頼度リマスキングが柔軟性を制限する：拡散LLMにおける任意順序生成の多様性ポテンシャルの実現
要約本論文は、マスク拡散言語モデルで任意順序生成を行う際に出力の多様性が低下する原因を調べ、その主因が一般的に用いられる低信頼度リマスキング（LCR）というデコード規則にあり、任意順序生成そのものではないと主張している。LCRを最高確率位置選択（TPP）に置き換えると多様性が回復し、さらにエントロピー誘導初期化（EGI）を提案して、左から右へのデコードを上回る多様性と解の網羅性を実現している。
説明KiT：拡散Transformerを用いた金融時系列予測の基盤モデル
要約本論文は、ローソク足データ向けの拡散Transformer基盤モデルKiTを提案し、将来予測をフローマッチングによる条件付きパス生成として定式化しています。履歴ウィンドウから、もっともらしい将来のOHLCV軌道のアンサンブルを生成します。3つの市場と7つの時間解像度にまたがる数十億本のローソク足データで事前学習を行い、平均リターンRankICは0.057、平均ボラティリティRankICは0.66と報告されています。論文によれば、各時間軸で特化型の金融予測モデルや汎用時系列基盤モデルを上回っています。
説明モデルの不確実性は人間の曖昧さを反映するか？多数アノテータの視覚ベンチマークによる検証
要約本研究は、画像ごとに複数の人間による注釈があるデータセット（FER+、CIFAR-10H）を用い、モデルの不確実性が人間の意見の分かれ方と対応するかを検証しています。三種類のアーキテクチャにわたる八つの事前学習済みモデルを評価した結果、両者の対応は弱いことが分かりました。CIFAR-10Hの50.4%、FER+の33.5%の画像では人間は複数の有効な分類を与えた一方、モデルは一つの分類に収束していました。そのため、高リスクな意思決定においてモデルの不確実性を既定で信頼できる指標とみなすべきではないとしています。
説明クラス増分学習のための分布条件付きタスクルーティング：再学習を伴わない推論時の補正手法
要約本論文は、パラメータ効率型のクラス増分学習において、入力のタスクIDが分からない状況で既出の全クラスに分類する際のタスクルーティングの問題を扱います。特徴・タスク・クラスの三段階の不整合が誤りの原因だとし、特徴分布補正（FDC）を提案しています。FDCは再学習や追加のルーターを必要とせず、八つの手法に適用した実験で、五つのベンチマーク全体で最終精度が平均約4.39ポイント向上したと報告しています。
説明SubjectAnchor：複数ショット物語のための被写体認識型メモリ・ツー・ビデオ手法
要約本論文は、複数ショットの物語生成のための被写体認識型メモリ・ツー・ビデオ手法SubjectAnchorを提案しています。現在のショットを、前のショットから抽出した明示的な視覚メモリを条件として生成します。主体関連メモリの構築、被写体認識型時間回転位置符号化、メモリ認識型アテンション分割の3要素で構成されています。実験では、代表的なメモリ型およびホリスティック型のベースラインと比べ、ショット間での被写体の同一性の一貫性が向上し、視覚品質も競争力のある水準を保つと報告されています。
説明最適化前に攻撃の難しさを判定できるか？人物消失攻撃における最適化前難易度の研究
要約本論文は物体検出器への敵対的攻撃を対象に、最適化を始める前に入力画像ごとの攻撃の難しさを推定できるかを検討しています。二次近似に基づく幾何学的推定器 Quad-CLEVER を提案し、観測された最適化コストと相関することを示しました。さらに推定難易度に応じて最適化予算を配分する攻撃フレームワークを提案し、BDD100K と EventPed データセットで攻撃性能を維持または向上させつつ反復回数を削減したと報告しています。
説明消費を抑えた効率的なメッセージパッシングによる、スケーラブルなGNNベースの知識グラフ表現学習
要約グラフニューラルネットワーク（GNN）は知識グラフ上のリンク予測やエンティティ分類で高い性能を示しますが、メッセージパッシングの計算量が大きく、大規模な知識グラフへの普及が妨げられてきました。既存のサブグラフサンプリングなどの対策はタスクやモデルに依存し、無損失での実行時間・メモリ削減を確実には保証しません。本論文は、組み合わせ型メッセージパッシングの空間計算量を無損失で下げるために設計された関係スパース行列積（RSPMM）を、2x2ブロック対角行列積、Givens回転、循環相関などのより表現力の高い関数に拡張しています。著者らは、この手法により既存のGNNの実行時間とメモリをタスクに依存せず大きく削減でき、困難な知識グラフタスクで最先端に近い性能を、少ない計算コストで維持できるとしています。
説明QAMM：少ステップのオフライン強化学習のための随伴 MeanFlow マッチング
要約本論文はQAMM手法を提案し、Criticの行動勾配から得られる随伴信号を、MeanFlowの平均速度の教師信号として用いています。これにより、フローポリシーは有限区間の輸送を直接学習し、少数回のネットワーク評価で行動を生成できます。HumanoidMazeの10タスクで評価され、2回呼び出しで有効なポリシーが得られ、強力なフローポリシーのベースラインに対して競争力のある性能が示されています。
説明MASTraceBench：提案の軌跡から協調の効果を診断する、LLMベースのマルチエージェントシステム向けベンチマーク
要約本論文は、マルチエージェントシステムにおけるエージェントの提案の変化を追跡し、協調による効果がどのように生まれ、保たれ、失われるかを診断するベンチマーク「MASTraceBench」を提案しています。研究では、最終的な回答が最も強い初期提案を上回ることは少なく、弱い初期提案は対話によってそれに近づく一方、強い初期提案はさらに改善されにくく、後退することもあると報告されています。これを受けて著者らは、提案全体の交換に代えて主張単位で評価を行う「CLEARS」を提案し、六つのタスクのうち五つで最も高い協調効果を達成したとしています。
説明ConCAD：二重粒度報酬による制約認識型の画像からCAD生成手法
要約本論文は、参照物体の画像から実行可能なパラメトリックCADプログラムを生成するConCADフレームワークを提案します。GRPOで最適化され、コードレベルの制約報酬と実行レベルの幾何報酬を組み合わせています。また、B-rep幾何制約充足率（G-CSR）という指標を導入して設計意図の再現度を評価します。DeepCADとZero2CADの実験では、IoUとChamfer Distanceで基準手法を上回り、G-CSRでも優れた結果を示しています。
説明LLN：パラメータ効率の良い長期動力学予測のための学習可能レンズネットワーク
要約本論文は、特徴空間での残差加算を、拡張された位置-角度位相空間における学習可能な光学的輸送に置き換える学習可能レンズネットワーク（LLN）を提案しています。自由伝播と学習可能なレンズ場を交互に配置し、理論的に可逆性と体積保存性、さらに座標ごとのガウス輸送では辛性を示しています。多様な動力学系の実験で、同じ深さの比較モデルより大幅に少ないパラメータで長期予測が改善されたと報告しています。
説明PowerBench：電力システムにおけるエージェント型の検索と推論のためのベンチマーク
要約本論文は、電力システムの場面で大規模言語モデル（LLM）エージェントが自律的に証拠を検索し推論する能力を評価するベンチマーク「PowerBench」を提案しています。実運用データは機密のため、共通の依存連鎖から相互に関連する異種データを生成する枠組みと、それによる合成データセットを構築しました。データセットは761台の機器、1,335万件の毎時テレメトリ記録、24,939件の運用文書を含み、300問の課題で評価した結果、最良のモデルでも連結正解率は74.2%にとどまりました。
説明M3OS：モンテカルロ木探索で統括するマルチエージェントLLM分子最適化システム（証拠追跡つき）
要約本論文は、モンテカルログラフ探索によって分子設計の推論と最適化状態の管理を分離するマルチエージェント大規模言語モデルシステム M3OS を提案している。永続グラフに候補分子、親子変換、評価の証拠を記録し、報酬と訪問統計で親分子の選択を支援する。3つの分子最適化ベンチマークにおいて、M3OS はベースラインより高い成功率を示した。
説明知覚計算の意思決定価値：高精度な知覚への切り替えが常に判断を改善するとは限らない
要約本論文は、適応的知覚において、入力を低コストの知覚モードから高コストのモードへ切り替えた際の、下流の意思決定損失の変化を検討している。選択・遅延・エネルギーの予算の下で割り当て手法を評価するベンチマーク DEEP を提案し、KITTI、nuScenes、nuPlan で検証している。その結果、切り替えの一部は損失を悪化させること、また知覚段階での利得と決定価値の符号が一致しない場合が多いことが示されている。
説明HPMD：行レベル注釈付きの単語検索用・歴史的ペルシア語写本データセット
要約本論文は、223ページ、3,678行、37,631語からなる歴史的ペルシア語写本のデータセットHPMDを紹介する。注釈は領域、行、テキストの各レベルで付与されている。著者らは行レベルの注釈のみで学習しつつ単語の位置を出力するベースラインを提案し、文字の事後確率行列を用いた検索により、テストセットで単語検索のF1を0.487から0.558へ向上させたと報告している。
説明データが少ないと小型教師モデルが有利になる：知識蒸留における教師容量と データ選択の再考
要約本論文は、知識蒸留（KD）において教師モデルの容量と学習データ量の関係を検討し、データが限られる場合は小型の教師モデルが大型の教師モデルより優れることがあると示しています。教師の監督をクラス順序とスコア幾何に分解して分析し、それに基づいて小型教師をプロキシとして用いるDVA手法を提案しています。DVAは学習ダイナミクスの統計を必要とせず、学習ダイナミクスを使わない基準手法を上回ります。
説明FlexLoop：深層強化学習における適応的テスト時計算のための深さ弾力的ループ方策
要約本論文は、事前学習済みの固定深さループ方策を深さ弾力的な方策に変換する後処理フレームワークFlexLoopを提案します。既存のループ方策は信頼できる判断が学習時の完全な深さ付近に集中しており、必要な計算が少なくても展開時の計算量を下げにくいことを示しています。FlexLoopは元の強化学習目標での学習を続けながら、隣接する深さ間の方策蒸留により、判断の質を深いループステップから浅いステップへ段階的に移します。30の長期的な目標条件付き環境での実験では、完全な深さの性能を保ったまま、平均ループ深さを最大43%削減し、ストレステストで最大1.34倍の実時間高速化を達成しました。
説明PACER：臨床情報が不完全な状況での放射線科レポート生成のための、段階的な利用可能性条件付き証拠ルーティング
要約本論文は、マルチビュー胸部X線画像や過去のレポートなどの臨床的証拠が一部欠ける場合に放射線科レポートを生成する、PACER（Progressive Availability-Conditioned Evidence Routing）という枠組みを提案しています。手法は精緻化、校正、確定の3段階からなり、視覚表現の精緻化、利用可能な証拠に応じた言語モデルの校正、報告の前に構造化された臨床的判断を生成することを行います。著者らは、MIMIC-RG4の4つの設定とMIMIC-CXRで臨床的有効性について高い性能を報告しています。
説明ARS：汎用視覚言語モデルで進捗報酬を推定するロボット学習用エージェント型報酬システム
要約本論文は、報酬モデルの追加学習なしで汎用視覚言語モデルを用いてロボットのオフライン軌跡の進捗を推定する、エージェント型報酬システム（ARS）を提案しています。サブエージェントがタスク関連のイベント時系列を提案し、主エージェントがそれを検証・修正してからフレームごとの進捗を推定します。意味的不一致ベンチマークとシミュレーション・実ロボットでの評価では、一部の基準手法より誤った進捗の付与を抑制し、シミュレーションで性能が上回ったと報告されています。
説明CARDAMOM：ASR向けのアラビア語微方言音声データセット
要約本論文は、アラビア語の自動音声認識（ASR）を細粒度で評価・適応させるための微方言音声データセット CARDAMOM を提案する。エジプト、ヨルダン、レバノン、モーリタニア、パレスチナ、サウジアラビアの21種の微方言にわたる、約40時間の文字起こし済みYouTube音声を含む。各区間には方言ラベル、コードスイッチング情報、話者の知覚性別が付与されている。4つの多言語ASRシステムをゼロショットと適応の両条件で比較した結果、最良のゼロショットシステムの全体WERは43.47%、適応後は35.21%となった。
説明画像から答えが決まるのか？チャートとシーンにわたる視覚的回答可能性のベンチマーク
要約本論文は、視覚的質問応答モデルが根拠が十分なときに正しく答え、不十分なときに回答を控えられるかを検証するベンチマークを提案しています。PlotQAのチャート、CLEVRの描画シーン、GQAの写真を対象とし、各質問に元画像と編集後画像を組み合わせています。6種類のモデル構成による72,000件の回答では、完全タスクの成功率の最高値はそれぞれ57.0%、43.5%、33.7%でした。判断の正解率が高くても、答えが誤っているグループが残ることが示されています。
説明SentZero：多タスク・ゼロショット胸部X線解析のための文中心型視覚言語事前学習の改良（胸部X線画像と放射線科報告を用いて、学習なしで複数の解析タスクを行う手法の改良版）
要約本論文は、胸部X線のゼロショット多タスク解析のためのSentZero（文中心の視覚言語事前学習フレームワーク）を提案しています。大規模言語モデルで報告文を抽象レベルで構造化・対応付けして正例ペアの多様性を広げ、対照学習で生じる偽陰性を抑える損失項を加えています。また、入力文に応じて視覚特徴を調整する残差変調も導入しています。著者らは、複数の下流タスクとデータセットで既存の多タスクゼロショット手法を上回ったと報告しています。
説明保持領域の活性化アトラスに基づく入力条件付き可塑性：ここで学び、他では動かさない
要約本論文は、保持領域の表現から入力依存の適応ルールを作る ATLAS 手法を提案し、新しいタスクを学習する際の既存回答の書き換えを抑えることを目指します。Qwen3-8B などの5つのバックボーンと2つの保持領域で実験を行い、コーディング性能を向上させつつ保持領域出力の変化が小さいことを示しています。
説明因果ルーティングによるアンラーニング：特定の概念を担うニューロンだけを抑制する手法
要約本論文は、大規模言語モデルから特定の内容を忘れさせる手法「因果ルーティングによるアンラーニング（CRU）」を提案している。学習なしの順伝播で、忘却対象データに対する活性化の変動が大きいニューロンを特定し、小さなルーティングモジュールでそれらのみを抑制する。ベースモデルは凍結したままで、基準手法と比べて少ないパラメータで動作すると報告されている。TOFUとRWKUのベンチマークで、忘却と有用性の両立について比較結果を示している。
説明VL-AcneSeg：領域認識型ニキビ病変セグメンテーションのための視覚言語フレームワーク
要約ニキビの評価は臨床判断に重要ですが、従来の段階評価や病変数のカウントは主観的で、病変の大きさを考慮していません。本論文は、CLIPと領域レベルのテキストプロンプトを用いて顔全体で病変を局在化するマルチモーダル手法VL-AcneSegを提案します。社内の臨床データセットでは、領域情報を必要としない全体プロンプト設定でDice 0.5082を達成しました。分割結果から算出した病変面積は、IGAスコアとの相関（r=0.719）が専門家の注釈（r=0.658）と同程度でした。
説明インタラクティブな世界における精密な編集と柔軟な参照
要約EditWorld は、生成された対話可能な世界の内容を精密に編集し、参照画像を柔軟に使えるビデオ世界モデルです。自己回帰的な生成の途中で編集指示と参照画像をストリーミング入力し、ゲート付き因果注意と疎なコンテキスト機構を導入しています。作者らが提案した WBench-Editing では総合スコア 73.8、編集スコア 80.0 を達成し、編集関連の指標で既存手法を大きく上回ったとされています。
説明「ラストマイルはファイルそのもの」：保全を意識したOffice編集のためのOfficeEditBench
要約本論文は、表計算・プレゼンテーション・文書の小規模な変更保守を評価する170タスクのベンチマーク「OfficeEditBench」を提案します。必要な更新をすべて反映することと、保護された内容を変更しないことの両方が求められます。WorkBuddy、Doubao、Codexの510件の記録を分析した結果、有効なファイルの納品率は92%から100%でしたが、完全な契約を満たした出力は一つもありませんでした。
説明アライメント誘導型フロー・トランスフォーマー：視覚・言語・行動ポリシー学習の効率化
要約本論文は、視覚・言語・行動の三つのモダリティ間の整合を専用のアライメント損失で明示的に強制するAGFTという枠組みを提案しています。あわせてフローマッチング目標を採用し、拡散型ポリシーより推論ステップを大幅に減らすとしています。実験では、ベースラインより高い成功率と低い推論遅延が示され、三モーダル整合が頑健なロボット操作の拡張に重要だと論じています。
説明PhysioTRACE：生理基盤モデル向けの出所認識型ストレステスト
要約本論文は、凍結されたエンコーダーが信号の記録条件（取得の出所情報）を近道として使っているかを検出する四軸の行動監査手法PhysioTRACEを提案している。出所情報の解読可能性の評価、同一の保持データで出所と標的の関連を反転させるストレステスト、学習で局在化した出所成分の除去、ランダム投影との比較による検証を組み合わせる。EEGとECGでの実験により、依存なし、補正の認証、補正の拒否という三つの判定が示されている。
説明構造化された数学知識はニューラル定理証明をいつ助けるのか：Lean 4における知識グラフによるLLM増強の研究
要約本論文は、Mathlibの364定理・定義を9,434本の型付き意味エッジで結んだ知識グラフMathKGを構築し、それでLLMの定理証明を増強するMathAgentを提案します。miniF2Fなどのベンチマークで、5つのモデルと4種類の増強モードを比較する対照実験を行いました。Lean向けの特化学習が解決率を大きく上げる一方、増強単独の効果は小さく、知識グラフ文脈は小型モデルには有益で大型モデルには有害でした。増強モードごとに解ける問題が異なるため、モデル能力と問題に応じて増強戦略を選ぶ方法が提案されています。
注目点数学知識グラフでLean定理証明器を強化し、統制された削除実験によりモデル特化が拡張より効果的で、効果はモデル能力と問題に依存することを示し、新規性と根拠は十分。
説明局所的視点からの脱出：解釈可能なマルチエージェント強化学習のための潜在概念の発見
要約本論文は、マルチエージェント強化学習で各エージェントが部分的にしか観測できないために協調が難しい問題に取り組み、解釈可能な枠組みELVを提案している。各エージェントは局所観測と行動-観測の軌跡から意味的な概念を抽出し、変分オートエンコーダで文脈的潜在変数に統合する。決定のモデル化には二経路のアテンション機構を用い、次の概念の予測誤差を内発的報酬として意味的に新しい領域の探索を促す。複数の環境での実験で、ELVは競争力のある性能を示し、エージェントの意思決定の推論過程も明示できることが確認されたとしている。
説明汎化の理解には普遍的帰納が必要：アルゴリズム情報理論で現代AIの汎化を説明する論文
要約本論文は、古典的統計理論は正当化できない人為的な帰納バイアスに依存するため、汎用AIモデルの成功を説明できないと指摘します。「没有免费午餐」定理を出発点とし、既存の全情報を視点として短いプログラムを優先するSolomonoff帰納（SI）を提案しています。さらに、フロンティアAIシステムはこれを大まかに近似していると述べています。
説明ZonoGPT：大規模GPTモデル検証のための抽象ドメイン（ゾノトープ型の形式的検証手法）
要約本論文は、大規模Transformerモデルを検証するための抽象ドメイン「ZonoGPT」を提案しています。構造化ゾノトープと生成子削減の仕組みにより、ネットワークの深さに依存しない空間計算量で変数間の相関を保持します。Attention、LayerNorm、GELUには精度を保つための専用変換が用いられ、著者らによればHuggingFaceの公式GPT-2 Medium（24ブロック、3億以上のパラメータ）まで対応し、テキストおよび視覚タスクの1,339件を検証したとしています。
注目点深さに依存しない空間計算量の抽象ドメインと融合変換を提案し標準GPTモデルの検証を初めて示したが、実験規模と比較は限定的である。
説明RGDT-Bench：規則に基づく判断とその根拠に対するLLMの推論能力を評価するベンチマーク
要約本論文は、政策・契約・コンプライアンスの場で求められる、外部規則を事実に適用して判断し根拠を示す「規則準拠判断タスク（RGDT）」を扱います。四つのタスク領域と八つのタスク・プローブ組み合わせからなるベンチマーク「RGDT-Bench」を提案し、規則の使用、条件、証拠、総合判断の四層で失敗を分析します。六つの評価対象LLMでは、正答のうち根拠の不完全率が平均40.2%でした。既存の評価器の最良値は任務平均AUROC57.69%にとどまる一方、根拠の監督信号で学習した簡易な報酬モデルは69.24%を達成し、結果のみで学習した基準を上回ったと報告しています。
説明言葉では足りないとき：LLMの信頼度推定における言語化推論と隠れ特徴の反復的相乗効果
要約本論文は大規模言語モデル（LLM）の信頼度推定を扱う。実験では、専用の推定器が、モデルが自ら言語化した信頼度報告よりも大きく上回ることが示され、モデル内部の表現にはより豊かな信頼度信号が含まれることが示唆された。著者らは、方策最適化と推定器の更新を交互に行う反復的フレームワーク IPoET（Iterative Policy-Estimator Training）を提案している。複数のデータセットとQwen、Llamaのバックボーンでの実験では、ドメイン内で両種類のベースラインを一貫して上回り、ドメイン外の指標でも同等以上の結果を得たとされる。
注目点方策最適化と推定器更新を交互に行う枠組みを提案し、隠れ表現と言語化推論を組み合わせる。複数データセットと二種のモデルで域内外とも基線を上回る。
説明災害画像の多タスク地理空間推論：視覚言語モデルとクラウドソーシング画像による災害マッピング
要約本論文は、視覚言語モデルを用いてクラウドソーシングされた災害画像を理解・位置特定・推論するGRDisasterフレームワークを提案します。PhotoMappersから構築した26,340枚の新しいベンチマークデータセットを用い、2018年から2024年の複数の災害事例を対象としています。クロスビュー位置特定と多視点融合を組み合わせ、空間推論指標により対応関係の検証と被害深刻度の評価を行います。
説明SPACE-LoRA：継続学習のための活性化部分空間保護の割り当て
要約本論文は、LoRA（低ランク適応）を用いて逐次的に新しいタスクを学習する際に生じる破滅的忘却を扱っています。既存手法の多くはパラメータ更新や学習部分空間を制約してきましたが、固定された旧モデル上に追加された残差アダプタが旧タスクに重要な入力方向で非ゼロの応答を生じさせる加法的干渉は十分に考慮されていませんでした。これに対し、著者らはSPACE-LoRAを提案します。新しい残差分岐が旧タスクに重要な活性化方向で生じる応答を直接抑制し、Fisher感度に基づく推定で得た旧タスクの感度をもとに、各モジュールの保護範囲を適応的に決定します。
説明全スライド画像を動的な腫瘍微小環境場としてモデル化する手法
要約全スライド画像は解像度が非常に高く、多重インスタンス学習として扱われることが多いです。本論文は、パッチグラフ上の潜在的な腫瘍微小環境場としてWSIをモデル化するTMEvolveを提案します。適応的な組織領域を形成したのち、領域内拡散と概念誘導型の境界フラックスによって擬似時間で発展させます。生存予測、遺伝子発現予測、組織亜型分類の3課題、6つのデータセットで代表的手法より高い性能を示したと報告されています。
説明CORTEX：密な言語モデルで共有と特化を学習する手法
要約大規模言語モデルは多様な領域のデータで学習され、共有知識と専門化の両方が求められます。本論文は学習ダイナミクスに着想を得た枠組みCORTEXを提案し、密な言語モデル内部でモジュール化を自動的に学習します。領域条件付き勾配と領域間勾配の類似度に基づき、学習可能な行列をパラメータ群に分けてモジュールを割り当てます。160M、Qwen3-8B、Qwen3-32Bの実験では、合成領域での完全一致率と平均パープレキシティの低減が最も高く、実領域の評価でも競争力を保ち、識別可能なモジュールが形成されたと報告しています。
説明オン・ポリシー蒸留のための不偏Top-k推定：大規模言語モデルの事後学習における勾配推定手法
要約オン・ポリシー蒸留（OPD）は、強力な教師モデルの推論能力を弱い生徒モデルへ移すために用いられ、勾配推定には計算コストと監督情報の量との間のトレードオフがあります。Top-k OPDは選ばれた上位k個のトークンのみを用いますが、それ以外の確率質量を捨てるためバイアスが生じます。本論文は尾部補正付きのTop-kオン・ポリシー蒸留（TT-OPD）を提案し、top-kトークンに加えて生徒が生成したサンプルトークンも用いることで、期待値の意味で失われた確率質量を回復し、逆KLダイバージェンスの勾配の不偏推定量を得ます。実験では、テストされた他のOPD変種を大きく上回る結果が示されています。
説明「Livin' on a Prior」：逆問題のための尤度スコア近似法
要約本論文は、事前学習済みの無条件生成事前分布を固定したまま、成対データから観測条件付きモデルを学習して尤度スコアを近似する生成フレームワーク、尤度スコア近似（LSA）を提案する。得点座標または速度座標で学習でき、決定論的サンプリングと確率的サンプリングの両方に対応し、学習後に事前モデルを差し替えられることも示す。音声と画像の逆問題において、完全な学習データの約0.01%でも有効に動作し、ImageNet-256では強力な事後サンプリング手法と同等以上の復元品質を、数桁少ないネットワーク評価回数で達成するとされる。
説明マルチエージェントのエコーチェンバーの背後にある社会的回路：受信側の内部活性化からメッセージの影響を追跡し、有用なメッセージを選ぶ研究
要約言語モデルのエージェントはメッセージを交換して証拠を統合しますが、そのやり取りが共通の誤りを強めるエコーチェンバーを生むこともあります。本研究は、受信側の活性化を通じてメッセージの影響を追跡する「社会的回路（Social Circuits）」の枠組みを提案します。メッセージを変更する前後で受信側の回答を比較し、元のメッセージで記録した活性化の一部を復元して、その影響をどれだけ再現できるかを調べます。これに基づき、受信側の活性化の変化を使って有用なメッセージを選ぶ「回路誘導型審議（CGD）」を提案しています。3つのモデルと4つのデータセットでの実験では、CGDが主要な比較で最高または同率最高の平均精度を示し、マルチエージェントの基準手法より少ないトークンを生成しました。
説明LLMを本当に忘れさせる：知識経路の探索・選択・遮断による深層アンラーニング
要約論文は、言語モデルが事実を直接思い出さなくなっても、関連知識からの多段推論によって復元できる場合があると指摘しています。既存のアンラーニング手法と組み合わせられる深層アンラーニングの枠組みを提案し、グラフの最小カットで復元経路をすべて遮断しつつ無関係な知識を残します。実験では、支持知識を選択的に忘れさせる方法が表層的な手法より深く忘却でき、モデルの有用性も保たれたと報告されています。
説明スコアが最適化の目標になるとき：自動運転における指標の妥当性の再検討
要約本論文は、自動運転のベンチマークスコアが評価だけでなく最適化の目標としても使われるようになった中で、スコアを最適化した後も、その向上が実際の運転性能の向上を示す信頼できる証拠であるかを検討しています。評価過程を実行、測定、サブスコア対応、集約の4段階に分解し、制御された介入と閉ループ比較で検証しています。その結果、要求された動きと実行された動きの違いが省略、閾値化、減衰されるため、大きな行動変化がスコアにほとんど反映されないこと、また実行インターフェースが変わると最適化による利得が逆転することが示されています。
説明医療用視覚・言語事前学習における臨床経過アラインメント（MedCTA）
要約既存の医療用視覚・言語事前学習は、各受診ごとに画像と報告書を対応づける方式が中心で、時間経過に伴う病態の変化を学ぶ力が限られています。本論文は異常所見と患者の経過という二つの観点から臨床変化をモデル化するMedCTAを提案し、オフラインの大規模言語モデルで縦断的報告書から時系列の傾向を抽出して、手作業の時間注釈を不要にしています。時系列画像分類、画像・テキスト検索、ゼロショット分類の実験で、強力な既存ベースラインを上回る結果が示されています。
説明質問による検索で記憶を進化させる：LLMエージェント向け検索誘導型メモリ枠組み（RIME）
要約本論文は、大規模言語モデルのエージェントが長期記憶を保つためのRIME（Retrieval-Induced Memory Evolution）枠組みを提案しています。記憶を書き込む際、汎用的な自己質問で対話の重要な証拠を検索し、過去の記憶と合わせて、時間情報と出典情報を持つ記憶バンクを更新します。推論時に圧縮された記憶で答えられない場合は、元の対話とその文脈を検索して補います。LoCoMo上の実験では、三つの品質指標で比較手法を上回り、問い合わせ時のLLMトークン消費も大幅に少なかったと報告されています。
説明ADMIT：多モーダル介入軌跡のための許容拡散フレームワーク
要約本論文はADMITという枠組みを提案する。不規則な多モーダル表現、治療条件付きの潜在拡散モデル、生成される状態や行動への明示的制約を組み合わせ、異なる治療下での臨床軌跡を推定する。模擬投与スケジュール実験では、固定総投与量の再配分によって生じる腫瘍体積の変化の大部分を予測できた。多モーダル入力は隠れ状態の回復と治療対比誤差を改善し、制約射影は制約違反を減らしたが、制約の執行は不完全であった。
説明TTS向け条件付きフロー・マッチングにおけるスペクトル進化の調和
要約本論文は、テキスト音声合成（TTS）の条件付きフロー・マッチング（CFM）モデルで推論時に周波数の進化が不整合になる問題を扱い、学習を必要としない周波数選択的な強調手法を提案しています。離散ウェーブレット変換（DWT）を用い、ODE積分の過程でメル・スペクトログラムのサブバンドを動的に調整し、低周波の急激な増大を抑え、遅れている高周波の細部を強調します。Matcha-TTS、F5-TTS、IndicF5などの構造で検証され、必要な関数評価回数（NFE）は32から26に減少し、Fréchet音響距離（FAD）は最大61%改善しました。平均オピニオン評点、話者類似度、音声の明瞭性は損なわれていません。
説明HUMAN-TCI：テキストからのモーション検索のための、胴体中心の相互作用を備えた階層型マルチストリーム動作認識ネットワーク
要約本論文は、自然言語の記述から人の動作シーケンスを検索するHUMAN-TCIを提案している。モデルは上半身、下半身、胴体の動きをそれぞれ別のストリームで扱い、三者の相互作用を明示的に捉える。さらに専用の胴体アテンションを導入している。著者らによれば、単一動作の文だけでなく、連続または重複する動作を含む複雑な記述にも、複雑なモデルに頼らず対応できるとされている。
説明AgentHop：エージェント型多段階科学質問応答の診断ベンチマーク
要約本論文は、1,011問の多肢選択式問題と、固定のトークン数・ターン数・ツール呼び出し回数の制約下で動作する7種のツールを備えたサンドボックス環境からなる診断ベンチマーク「AgentHop」を提案している。単一の正答率を、検索、統合、ツール呼び出し、リソース管理の4つの観点に分解し、モデルの弱点を明らかにする。19のモデルで評価した結果、振る舞いはモデルファミリーごとにまとまることが示され、完全なベンチマークセットと評価ハーネスが公開されている。
説明適応型メタソルバーとしてのLLM：産業規模最適化のための戦略多様化強化学習
要約本論文は、実世界の産業規模の最適化問題を解くためにオープンソースのLLMを訓練する枠組みを提案します。ソルバー統合推論、厳密な組合せアルゴリズム、ヒューリスティック探索は問題構造や規模によって異なる強みを持つことを示し、それを活かしてLLMを適応型メタソルバーとして訓練する戦略多様化強化学習（SDRL）を導入しています。著者らは、複数のベンチマークおよび産業規模タスクの平均において、既存の微調整手法やDeepSeek-V4-Pro、GPT-5.5などの最先端モデルを上回ったと報告しています。
説明安全なオフライン強化学習のためのQ学習ペナルティ付きTransformer（QPT）
要約本論文は、オフラインデータセットを用いて安全制約を満たす方針を学習する安全オフライン強化学習を扱います。著者らは、軌跡の文脈と目標の報酬・コストに条件付けて行動を生成するTransformer方針に、報酬・コストのQ関数に基づくペナルティを加えたQ学習ペナルティ付きTransformer方針（QPT）を提案しています。推論時には同じQ関数でコスト閾値を守りつつ、実行可能な行動のうち報酬が最大のものを選びます。DSRLベンチマークの38タスクで強力なベースラインを上回り、異なる制約閾値へゼロショットで適応できることが示されています。
説明手がかりに基づくゼロショット話題分割（音声文書向け）
要約本論文は、話し言葉の文書を一貫したまとまりに分割する、学習を必要としない枠組み Cue-Grounded Segmentation（CGS）を提案する。まず新しい話題の始まりを明示するフレーズを特定し、その文の位置を区切りとして用いる。手がかりが不十分な場合は、手がかり抽出の過程で推定した文書構造を用いて意味に基づく分割を行う。著者らは、6つのベンチマークと6種の大規模言語モデルで既存手法を上回り、ノイズの多い音声認識の書き起こしにも頑健で、商用モデルでは低いAPIコストでこれを実現したと報告している。
説明区間後悔と動的後悔の関係
要約本論文は、変化する環境での性能を測る2つの指標、区間後悔（interval regret）と動的後悔（dynamic regret）の関係を検討しています。区間後悔が最適なアルゴリズムが、必ずしも動的後悔で最適になるわけではないことを示し、両者の直接的な含意を否定しています。そのうえで、拡大したユークリッド球上で区間後悔最小化を行い、変換した代理損失を用いることで、凸関数と曲率を持つ関数の双方で最適な動的後悔を得る方法を提案しています。副産物として、指数凹関数に対する初の適切かつ効率的な最適動的後悔アルゴリズムも示されています。
注目点区間後悔の最適性が動的後悔の最適性を含意しないという否定的結果を示し、指数凹関数に対する初の適切かつ効率的な最適動的後悔アルゴリズムを導出している。
説明コーディングエージェントのメモリ事後学習：強化学習で事前学習済みのファイル操作の記憶能力を長期タスクで引き出す
要約言語モデルエージェントは、対話履歴がモデルの有効コンテキストを超える長期タスクに取り組むことが増えています。本論文は、Shop、Coding、DeepResearch、AutoResearch の4つの長期タスク用強化学習環境からなる Coding Agent Memory Gym（CAMG）を提案します。各環境には実行可能なシェルと、エピソード中保持されるワークスペースが用意され、エージェントはファイルを作成・修正・検索・再利用して記憶として使えます。さらに CAMG-RL を提案し、非同期 PPO で4環境を通して単一のポリシーを学習させ、下流タスクの報酬から直接このファイルベースの記憶行動を獲得させます。SWE-bench Verified と MLE-bench Lite では、CAMG-RL-4B と CAMG-RL-9B が、それぞれ Qwen3.5-35B-A3B と Qwen3.5-122B-A10B と競合する性能を示しています。
説明MegaGraph：大規模グラフTransformerを効率的に学習するための自動ハイブリッド並列化フレームワーク
要約グラフTransformer（GT）は、従来のグラフニューラルネットワークの深さの制限や過平滑化の問題を克服できますが、大規模グラフへの拡張では、アテンション行列とトポロジー対応のバイアス行列によるメモリ負荷や、グラフ埋め込み層による負荷の偏りが問題になります。本論文は、GT学習のために設計された初の自動ハイブリッド並列化フレームワーク「MegaGraph」を提案します。グラフ認識型コンテキスト並列、異種パイプライン並列、ハイブリッドデータ並列の3つの戦略を備え、Profile-Model-Searchのワークフローで最適な並列構成を探索します。評価では、ベースラインがメモリ不足（OOM）で失敗する大規模グラフで学習できること、デバイスあたりのピークメモリを最大77.8%削減し、最大4.51倍の学習高速化を達成しつつ精度を維持することが示されています。
説明エンドツーエンドのブラックボックス写像を超えて：認知駆動型の表情反応生成のための意図的エージェント枠組み
要約本論文は、人間に近い表情反応を生成する「意図的エージェント（Intentional Agent）」枠組みを提案します。話し手の行動を聴き手の表情へ直接対応づけるのではなく、明示的な内部状態を介して生成を行います。感情的駆動と反復的な内的思考フロー（ITF）を組み合わせた内部動態モデルを用い、この状態は会話の沈黙中も更新され続けます。REACT 2025データセットではFRDistが72.39、FRDivが0.5057と報告されています。人による盲検評価では、完全モデルと正解データの平均スコアに有意差は見られず、2つの比較手法より有意に高い結果でした。
説明OSPD：人物設定に一貫した対話のためのオンポリシー自己蒸留手法
要約本論文は、同一モデルが非対称な情報のもとで教師と生徒を兼ねるOSPDフレームワークを提案している。教師は完全なキャラクタープロファイルを受け取り、生徒は簡潔な要約のみを受け取り、生徒が自身のポリシーで対話の軌跡を生成する。さらに、役割を考慮した発散切り替えと、特性を段階的に隠す学習カリキュラムを導入している。CharacterBench、CharacterEval、SocialBenchでの実験では、外部教師や報酬モデルを使わずに、教師ありファインチューニングやマルチターンRLのベースラインより人物設定の一貫性が大きく向上したと報告している。
説明PROACT-Agent：リアルタイム安全のための段階的ランタイム監督と能動的遮断フレームワーク
要約本論文は、LLMからエージェントへの移行により、安全上のリスクが有害なテキストから不可逆的な環境被害へ移ったと指摘しています。既存の防御は事後的な検出が中心であるため、著者らは実時間ガードレール用の高忠実度トラジェクトリを合成するPROACT-Agentを提案し、155,780状態を多モデル判定で二言語ラベル付けしたPROACT-Benchを構築しました。完全なソース留保下の評価で、学習済みガードは不安全クラスF1 91.46%、境界検出率90.63%を示し、AgentDojoではDoS以外の標的攻撃の成功率を20.82%から0.40%に低下させました。
説明人間の認知と数学：問題解決のボトルネックを資源合理的に探す理論
要約本論文は、人間の認知的制約は問題解決を妨げるだけでなく、数学の発展を促す役割を果たしうると論じています。数学的抽象化を、問題解決におけるボトルネックを資源合理的に探索する過程として捉える理論を提案しています。認知的制約から生じるボトルネックは既存の知識の再構成を促し、当初の問題を超えて応用できる新しい形式体系を生み出す可能性があるとしています。数学史の事例を用いてこの過程を説明し、機械による数学的発見への示唆も議論しています。
説明意図修正下のコミットメント階層：ツール利用エージェントにおける既存結果の救済に関する信念修正の考察
要約利用者がタスクの途中で考えを変えた場合に、エージェントが既にキャッシュした部分結果を保持・修正・破棄のどれにするかを扱う論文です。主な結論は、モデルの能力よりも役割の設計が救済の質を左右するという点で、修正の分類を一度だけ行い決定論的な層で伝播させる方式が最適な結果を示しました。また、局所的な情報のみを見る方策では安全性と最適コストを両立できないことを証明し、3つの環境で最初からやり直す場合より43%安く、正答率は100%だったと報告しています。
説明MASCIT：自然に不規則な時系列のためのマスク認識型状態空間分類器
要約本論文は、観測の非同期性、欠損値、長さの不揃い、不均一なサンプリングを含む自然に不規則な時系列を分類するMASCIT（マスク認識型状態空間分類器）を提案している。観測マスクをエンコーダに入力し、無効な時間ステップをゲート付き時間集約から除外する。34の不規則時系列データセットで評価し、部分的な選択性が完全な選択性より優れる傾向を要因分析アブレーションで示している。
説明視覚推論をテキスト空間へ蒸留：中間画像を生成せずに視覚推論を行う大規模視覚言語モデルの手法
要約大規模視覚言語モデルは、入力画像に直接見えない概念を必要とするタスクで苦戦することがあります。本論文はV2T（視覚からテキストへの思考連鎖蒸留）を提案し、推論時に中間の視覚表現を生成せずに視覚推論を内在化させます。教師モデルで学習した後、知識蒸留により学生モデルを訓練します。複数のベンチマークで教師モデルと既存手法を上回り、学習は最大42倍高速だと報告されています。
説明少ステップ拡散モデルを忠実なプレビューに活用する手法
要約拡散モデルの画像生成では、多数の候補を生成して一部だけを採用するため、サンプリング遅延が積み重なります。本論文は、標準的な少ステップサンプラーの低品質な出力が再構成能力の不足によるものではないことを示します。初期ノイズのみを最適化すると、固定された3〜4ステップのサンプラーでも対応する全ステップ出力をよく再現できます。著者らは、端点監督を用いて初期ノイズとノイズ除去更新の補正を学習し、少ステップのプレビューを全ステップ出力に近づけます。実験では、無条件ベンチマークで再学習したLD3と比べ再構成MSEが53〜78%低下し、SD1.5、SDXL、FLUX.1-devで候補の順位保持と選択も改善しました。
説明Eval4DiRec：拡散モデルベース推薦システムのための統一的・体系的評価フレームワーク
要約拡散モデルに基づく推薦システムが新たな推薦パラダイムとして注目を集めていますが、統一された評価基準が不足しており、データ処理や学習設定、評価手法の違いから、実験結果の再現が困難で比較も公平でないという問題があります。本論文はこれに対応するため、拡散モデルベース推薦システム向けに設計された初の統一・オープンソース評価フレームワーク「Eval4DiRec」を提案します。5つの推薦シナリオにわたる14の代表的モデルを対象に、統一プロトコルの下で大規模な実証研究を行い、拡散モデルの有望性と性能に影響する主要因や課題を明らかにしています。
説明GeoCFM：鉱床点の正例のみを用いた条件付きフローマッチングによるサンプリング
要約本論文は、鉱物探査において既知の鉱床（正例）しか得られず、信頼できる負例がないという問題に取り組み、地球物理画像を条件として鉱床の位置の条件付き空間分布を学習する手法を提案しています。提案モデルGeoCFMは、疑似負例を使わずに鉱床点集合を生成する条件付きフローマッチングモデルです。合成データおよびUSGS Earth MRIデータ（空間的に重ならないタイル分割）での評価において、スコアマップ型および非条件型のベースラインより観測された鉱床との幾何学的一致度が高く、条件付きサンプリングによって認識的不確実性を表現できるとしています。
説明SkillFocus：能力分解によるエージェントスキルの進化
要約本論文は、大規模言語モデルエージェントの再利用可能な手続き的指針を反復的な改訂によって改善する方法を扱います。SkillFocusは、タスク間で繰り返される要求を、スキルの進化中も固定された能力空間に分解し、どこを修正しどの証拠を使うかを決めます。四つの異種タスクのベンチマークで、保留データ上の正解率が全てで最良となり、最強の比較結果を平均5.7ポイント上回りました。
説明HyperDAM：SAM 3 追跡のためのハイパースペクトル妨害物認識メモリとアモーダル拡張
要約本論文は、DAM4SAM3 をベースとしたハイパースペクトル動画の物体追跡手法 HyperDAM を提案する。材質に関する分光情報を用い、見た目の似た対象を区別する。分光一貫性ゲートや因果的な時空間拡張により、メモリ更新と遮蔽への対応を改善している。主催者の非公開評価で HOTC 2026 の第2位となり、AUC は 68.0093%、DP@20 は 87.7703% であった。
説明Org-Agent：個人アシスタントから組織向けエージェントへ、複数ユーザーの依頼を調整し横断的な知識を使う言語モデル・エージェントの枠組み
要約組織に仕える言語モデル・エージェントは、複数ユーザーの依頼を調整しつつ、各対話に分散した知識を活用する必要があると論文は述べています。著者らはこの状況に必要な二つの能力と、それらを規定する組織的制約を整理し、制約中心の推論枠組みOrg-Agentを提案しています。Org-Agentはタスクを原子的なサブタスクに分解して依存グラフを作り、トポロジカルソートで実行順を決め、証拠取得と記憶管理のツールを用いて実行します。MUSES-BenchとGroupMemBenchでの実験により有効性が示され、依存関係モデリングとツール利用の寄与もアブレーションで確かめられたとしています。
説明P2P：対応のない単一細胞摂動応答予測のためのクロスビュー集団ノイズ除去手法
要約本論文はP2P（Perturbation-to-Perturbation）を提案し、遺伝子摂動後の細胞集団の転写応答を予測します。Perturb-seqは破壊的なシーケンシングのため、対照細胞と摂動細胞は対として観測されず、同一条件内の細胞も異質でノイズが多い問題があります。P2Pは確率的な細胞集合を教師単位とし、同一条件から抽出した二つのビュー間で再現可能な集団効果を学習します。Adamson、Norman、Replogle K562、Replogle RPE1の四データセットで、発現RMSE、Effect Pearson、DEG F1、DEG平均精度においてGenePert、LinearPert、SLIM、Scouter、scPILOTを上回りました。Replogle K562では、最強のベースラインScouterに対しEffect Pearsonが0.643から0.702、DEG F1が0.067から0.178に向上しました。
説明VastMAT：多動物追跡のための大規模・多カテゴリのベンチマーク
要約本論文は、多動物追跡（MAT）向けの大規模ベンチマーク「VastMAT」を提案している。2,947本の動画、100万枚を超える注釈付きフレーム、337の動物カテゴリを含み、大量の境界ボックスと個体の軌跡が付与されている。既知カテゴリと未知カテゴリの二つのプロトコルで8つの代表的な多物体追跡手法を評価し、最高のHOTAはそれぞれ66.37%と52.90%であった。さらに、追加学習を必要としない中心距離拡張型の関連付けモジュール（CDA）を提案し、TrackTrackのHOTAを両プロトコルでそれぞれ1.58および1.31ポイント向上させた。
説明SynIL：不完全なデモデータからのオフライン模倣学習に協調性を活用する手法
要約本論文は、ラベル不要でオフライン強化学習におけるデモンストレーションの品質を自動評価するフレームワーク、SynIL（協調性ベースの模倣学習）を提案します。運動の協調性が運動熟練度と相関するという神経科学的知見に基づき、自己教師あり報酬回帰により遷移ごとの密な報酬信号を生成します。D4RLの移動ベンチマークおよびRobomimicの複数人操作データセットで、協調性由来の報酬は真の報酬と強く相関し、SynILは行動クローニングを大きく上回りました。また、疎な報酬の人間による遠隔操作では、真の環境報酬で学習したオフライン強化学習に匹敵し、一部では上回りました。
説明相互ガイダンス（RecGuide）：拡散ドラフトと自己回帰検証の予算を調整し、自己投機デコードの吞吐性能を高める手法
要約拡散モデルでドラフトを作り自己回帰モデルで検証する投機的デコードについて、実行時にドラフトと検証を調整する枠組み RecGuide を提案しています。低並列時はドラフトと検証を重ねて空きの計算資源を使い、高並列時は各リクエストのドラフトブロックサイズを動的に割り当てます。さまざまな並列度の実験で、通常の自己投機デコードより一貫して吞吐が向上し、最大 1.8 倍の高速化が示されています。
説明CAR-VLA：自動運転向けの複雑度・リスク適応型推論モデル
要約本論文は、シーンの複雑度と動的リスクを同時に考慮して推論の深さ、緊急性、注目点を決める自動運転用の視覚・言語・行動モデルCAR-VLAを提案しています。4つの複雑度・リスクの組み合わせを、高速直感、低速思考、反射応答の3つの推論モードに対応づけ、段階的な教師あり学習と強化学習で訓練します。NAVSIM v1（PDMS 91.1）、NAVSIM v2（EPDMS 90.3）、Navhard（EPDMS 35.0）で競争力のある性能を報告しています。
注目点シーンの複雑さと動的リスクを組み合わせて推論モードを選ぶ点は既存手法からの実質的な改良で、NAVSIMの複数ベンチマークで競争力のある結果を示している。
説明「選んでから見る」：オンポリシー蒸留における語彙スパース化の再検討
要約本論文は、オンポリシー蒸留（OPD）における語彙のスパース化を検討する。提案手法SparseOPDは、まず教師モデルによる全語彙の補正を用いて重要な補正を特定し、選ばれた語彙のlogitsのみに逆伝播を行うことで、長い系列の学習時のメモリ消費を抑える。数学、化学QA、マルチモーダル推論の6つのタスク・規模設定で、タスク平均精度がSampled TokenおよびTopKを上回り、Full Vocabularyと同等以上だと報告されている。4B規模の数学タスクでは勾配のコサイン類似度が99%に達し、8Kの全パラメータ学習では逆伝播時のメモリが70.5%削減されたとしている。
説明実行時にエージェント的に検索して文脈を構築する即時型エージェントメモリに関する論文
要約本論文は、リクエストが届く前に記憶を構築する従来方式とは異なり、具体的なリクエストに応じて実行時に文脈を構築する学習可能な枠組みJAMを提案しています。Memorizerが完全な生履歴と簡潔なナビゲーション要約を保持し、Researcherが各リクエストごとに証拠を反復的に検索・精査・統合します。著者らはMemory-Gymというデータ合成パイプラインを導入し、Researcherを教師ありファインチューニングとHint-guided Group Relative Policy Optimizationで訓練しています。論文は、複数のベンチマークで提前構築型より高い性能を示し、従来の学習型エージェントメモリより大幅に効率的だと報告しています。
説明RoboIRGBench：視覚・言語・行動モデルにおける暗黙的参照グラウンディングのベンチマーク
要約視覚・言語・行動（VLA）モデルはロボット操作で高い能力を示していますが、既存のベンチマークは指示内に必要な情報が明示されていることを前提としています。本研究は暗黙的参照グラウンディング（IRG）を取り上げ、RoboMMEを基にした11タスク由来の40バリアントからなるRoboIRG-Benchを提案します。直接、推論介在、空間、文脈の4種類の参照を評価した結果、明示的指示では良好な性能のモデルも、文脈から情報を復元する必要があると大きく低下することがわかりました。Franka Research 3ロボットアームでも同様の差が確認されています。
説明動画と音声の共同・クロスモーダル生成および編集：統一的定式化と設計分類
要約本論文は、動画と音声を同時にモデル化する生成手法を扱うサーベイです。共同生成、一方のモダリティからの他方の生成、結合的な編集を、音声・映像ペアの単一分布上の問題として統一的に定式化し、五つの設計軸で手法を分類しています。著者らによれば、音声・映像の共同編集を体系的に分類した初の概説で、9つの編集カテゴリ、28種類の編集タイプに整理しています。各設定の手法、データセット、評価指標を紹介し、重要な未解決課題を挙げています。
説明DPS：半統一メモリを用いたデュアル精度LLM推論サービスシステム
要約既存のLLM推論システムはKVキャッシュのメモリのみを最適化し、モデル重みのメモリは実行中ずっと固定されている。本論文は、負荷が通常時は全精度モデルを使い、KVキャッシュ圧迫時には入れ子構造の低精度版に切り替えて、空いた重みメモリをKVキャッシュブロックに充てるDPSを提案する。DPSは半統一メモリ（SUM）を基盤とし、vLLM上に実装されている。論文によれば、複数のモデルと負荷トレースで持続スループットは2.1〜3.3倍に向上し、FP16並みの精度を維持したという。
説明Marathoner：超長期自律型インテリジェンス（複雑なタスクを数時間にわたり継続実行するAIモデル）
要約本論文は、超長期の時間軸で作業を継続できる自律型エージェントモデル「Marathoner」を提案している。大規模なコード追加を含むGitHubのリリースPRからタスクを合成し、複数タスクを連結する手法や、拒否サンプリング微調整、強化学習を含む後学習パイプラインでこの能力を付与する。5つの超長期タスクのベンチマークでベースモデルを上回り、一部の強力な独自モデルも超えたと報告し、10時間以上・1000回以上のツール呼び出しを継続できることを示している。
説明LRC-JEPA：動的挙動と残差コンテキストを分離する効率的な世界モデル
要約本論文はLRC-JEPAを提案する。これは軽量なエンドツーエンドの世界モデルで、情報をコンパクトな予測潜在変数zと残差コンテキスト埋め込みuに振り分け、計画にはzのみを用いる。四つのシミュレーション制御環境では、パラメータ数を揃えたJEPAベースラインより平均計画成功率が9ポイント向上した。実世界のBridge-v2データセットでは、DINO-WMおよびV-JEPA2のエンコーダを上回り、計画も高速になったと報告している。
説明ABC-Align：適応的バイアス制御を備えた予測支援アラインメント手法
要約言語モデルの事後学習は、人手による選好データの収集が高コストで拡張しにくいことがボトルネックになっています。ABC-Align は大量の擬似ラベル信号で分散を抑え、少数の人手ラベル付きデータに基づく軽量な適応的補正を行い、補正の強さは学習中に自動調整されます。論文によれば、RLHF、DPO、GRPO による大規模言語モデルの調整実験で、規模を拡大した各実験において従来の半教師あり手法を上回る性能を示したとされています。
説明帯域幅ではなく創発：物理結合と学習型マルチエージェント通信の限界
要約本論文は、通信速度が制限されたマルチエージェントチームが学習によって通信プロトコルを獲得する仕組みを研究しています。3つのMuJoCo環境で、各判断につき2ビットに統一した条件下で、工夫して設計した送信者と強化学習で得た送信者を比較しました。通信の価値は帯域幅よりも物理的な結合の度合いに左右されると示されています。部分的な結合の条件では、設計したプロトコルは四分位平均1.000に達した一方、学習で得たプロトコルは0.482で、通信しない場合とほぼ同じでした。ウォームスタートの実験から、強化学習がプロトコルを発見できないことが問題だと分かりました。
注目点レート制限付きマルチエージェント通信の理論的限界を示し、物理結合実験で工学的設計と学習プロトコルの差を区別する。証拠は比較的十分で、分野への寄与は中程度。
説明PersMem：人格を二重経路メモリに内在化したLLMエージェント向けメモリ手法
要約ロールプレイエージェントの人格は通常システムプロンプトで定義されますが、記憶の優先順位付けや検索は人格と独立しており、行動が設定どおりかを検証しにくいという問題があります。本論文は、人格を感情評価、記憶の保持、受動的な感情駆動検索、能動的な目標駆動検索の四段階に対応付けるPersMemを提案します。愛着類型と五因子性格の設定での評価では、人格に依存した区別可能な記憶処理パターンが示されています。
説明静的から動的へ：画像拡散モデルから動画拡散モデルへのオンポリシー蒸留
要約本論文はMILD（動きを保持する画像から動画への潜在空間蒸留）という枠組みを提案し、動画拡散モデルが学生モデル自身の生成軌跡上で画像の専門モデルから指導を受けられるようにします。これにより、美的感覚や文字認識などの能力を、高コストな動画データを使わずに取り込めます。学習可能な線形コネクタで異なる潜在空間を揃え、事前学習済みの動画の動きを保つよう補正を制約し、オプティカルフローに基づく運動報酬で動きの質と時間的一貫性を高めます。複数の動画学生モデルで、動画教師を用いる既存のベースラインを上回る結果が示されています。
説明Spexis：LLM推論のための投機的先読みスケジューリング
要約Spexisは、投機的並列処理によってパイプライン並列とテンソル並列の効率を高める、マルチGPU向けLLM推論フレームワークです。投機的デコーディングを単にトークン生成の高速化に使うのではなく、通常の実行と並行して投機を走らせ、KVキャッシュのメモリ使用量を増やさずに新たな並列化の軸を導入します。さらに先読みスケジューリングにより投機の質と将来のメモリ圧力を予測し、無駄な投機、KVキャッシュの追い出し、再計算を減らします。vLLM上に構築され、さまざまなGPU構成で提供性能が大きく向上し、パイプライン並列とテンソル並列の最適な組み合わせを用いたベースラインに対して最大34%の高速化を達成しています。
