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。
説明全方位ガウススプラッティングのためのレート歪み適応型プリミティブ選択（OIC-GS）
要約本論文は、全方位（360度）画像向けのガウススプラッティング符号化器OIC-GSを提案します。階層型HEALPixプリミティブグリッドを用い、ガウスプリミティブを事前定義された球面位置に配置します。球面レート歪み目的で最適化し、レート歪み上の利得が不十分なプリミティブは量子化不透明度がゼロになると自動的に除去されます。原文によれば、単一のビットストリームで全球面、ビューポート依存、段階的な復号に対応し、100枚の全方位画像ベンチマークで WS-PSNR の BD-rate を GaussianImage++ 比で49.6%、SGI 比で68.6%削減しました。
説明ハーネスがスケールに勝るとき、読解力が両方に勝るとき：DocSem文書根拠付き定量推論タスクに関する論文
要約論文は、DocInsights 2026のDocSem文書根拠付き定量推論共有タスクに向けた著者らのシステムを紹介し、ラベル付きデータでは成功したもののテストセットでは失敗した理由を分析しています。このシステムは、ハイブリッドブロック検索、サンドボックス内で実行されるProgram-of-Thoughts生成、自己一貫性サンプリング、チャンク単位の知識グラフによるエンティティ強化を組み合わせています。アーキテクチャがモデル規模より指標に大きく影響し、ラスター形式の透かし入りテストPDFでは共同正解率が13.58%（163件中149位）にとどまりました。
説明SyncRA：全モーダルモデルにおける音声と映像の時間的対応の学習
要約最近の全モーダルモデルは音声と映像をよく認識できるものの、同じ瞬間に聞こえた内容と見えている映像を結びつけることに苦労する場合があります。そのため、誤った音声と映像の組み合わせに基づいて、もっともらしいが不正確な回答を出すことがあります。著者は時間的入れ替えの制御実験によりこの問題を検証しました。これに対し、軽量な手法 SyncRA（Synchrony-Guided Representation Alignment）を提案します。これは各動画内で中間層の音声・映像表現を対比させ、対応する瞬間を近づけ、対応しない瞬間を引き離します。監督信号は既存の入力タイミングから直接得られ、追加の注釈は不要で、推論過程も変わりません。4つの公開全モーダルモデルと5つの公開動画ベンチマークで評価した結果、SyncRA は回答のみの微調整を一貫して上回りました。
説明CoeF-SFL：通信効率を高めつつサーバーとクライアントの協調学習を維持する手法
要約分割連合学習では、リソースの限られたクライアントも協調学習に参加できますが、従来手法はバッチごとに中間データと勾配を交換するため通信負荷が大きくなります。既存の補助ネットワークを使う手法は、クライアント側が端から端までの目標とは異なる局所目標を最適化してしまう問題があります。本論文のCoeF-SFLは補助ネットワークを使わず、ラウンドごとに一度だけデータと勾配を交換し、活性化空間での曲率に基づく補正で古くなった勾配を補償します。視覚と言語のタスクで、補助ネットワーク方式を上回る結果が示されており、特に視覚タスクで改善が大きいとされています。
説明実行時プログラム状態の推論によるコード向け大規模言語モデルの改善
要約本論文は、大規模言語モデルに実行時のプログラム状態を推論させる訓練が、ソフトウェア工学の能力向上につながるかを検討している。バグのある入出力の推論と、事前条件・事後条件の推論という二つのタスクを設計し、Qwen3.5-9B Baseを基にした90億パラメータのComet-9Bを訓練した。リポジトリレベルのパッチ生成、回帰テスト生成、セキュリティPoC生成で評価し、各ベンチマークで成功率の向上を報告している。
説明FORGE：凍結LLMエージェント向けに問いごとの証拠形式と推論深度を選ぶ経路制御フレームワーク
要約本論文は、重みにアクセスできないAPI提供の凍結大規模言語モデルを対象に、各質問について提示する証拠の形式と推論の深さを動的に選択するFORGEを提案します。軽量な269Kパラメータのルーターを、オフライン列挙、ボルツマン目標からのKL蒸留、GRPOによる強化学習の3段階で訓練します。5つの知識集約型ベンチマークと7Bから671Bパラメータの8つの凍結モデルで、主要な2モデルにおいてトークンコストを42〜45%削減しつつ精度を向上させたと報告しています。
説明予測的意味的安全性：視覚的物理推論から安全重視制御へ
要約本論文は、視覚言語モデルによる物理事象の予測と、バックアップ動作に基づく安全フィルタを結び付ける予測的意味的安全性（PSS）フレームワークを提案します。分割型コンフォーマル予測で物体位置の誤差を校正し、予測された占有領域を安全制約に組み込みます。MuJoCo上のUnitree Go1を用いた実験では、PSSの安全エピソード率は99.3%で、現在の障害物形状のみを用いる基準手法の43.3%を上回りました。
説明FAST-Brain：安静時脳機能MRI信号をモデル化する流れ整合型時空間代理脳モデル
要約本論文は、全脳の神経活動を理解するための安静時機能的MRI（rs-fMRI）データをモデル化するFAST-Brainを提案しています。流れ整合型生成フレームワークでノイズ除去後のBOLD信号を直接予測し、グラフ畳み込みネットワークで脳の解剖学的空間構造を、Transformerで長距離の時間依存性をとらえます。合成データおよびヒューマンコネクトーム・プロジェクト（HCP）のデータセットでの実験では、機能的結合、有効結合、低次元信号部分空間の復元において最先端の性能を示したと報告されています。
説明SemRD-V2X：協調知覚のための閉包誘導型通信と有界推論の手法
要約本論文は車車・路車協調知覚における通信効率を扱い、自車の観測を前提に受信側がどの遠隔証拠を必要とするかを閉包忠実度の観点から分析します。提案手法SemRD-V2Xは、厳密な予算内でのBEV特徴選択、画素単位のチャネル圧縮、マスク付き共有重み再構成を組み合わせて伝送量を削減します。シミュレーションデータセットV2XSetでは、ローカルで再現したV2X-ViT-v1ベースラインと比べ、特徴伝送量を26.6倍削減し、AP@0.5とAP@0.7をそれぞれ4.13ポイントと8.57ポイント向上させ、平均計算遅延の増加は3.81%でした。
説明因果関係を保持する合成表形式データ生成のためのファジィ分布モデリング
要約本論文は、ファジィ集合理論に基づく合成表形式データ生成の新手法を提案します。特徴量の分布をファジィ集合で表現し、特徴量間の依存関係をファジィ認知地図でモデル化するため、パラメータが少なく解釈しやすいデータ表現が得られます。生成では生の値ではなくファジィな概念をサンプリングし、混合型データ、欠損値、ドメイン制約を扱えます。ベンチマークデータセットでは、有用性、忠実度、プライバシーの点で最先端手法と競合する性能を示し、解釈性も大きく向上しています。
説明交換子メモリ：言語モデルにおける疎で経路局所的な読み出しと制御
要約本論文は、2つのデータを異なる順序で学習させた言語モデルの重みが順序に依存して異なることに着目し、その差が訓練履歴を保持する記憶として読み取れるかを検討します。著者らは2回の勾配更新の李括弧で重み差を近似し、語彙トークンごとのスコアに射影しています。これらのスコアは局所的で介入可能であり、学習済みモデルがどの順序から得られたかの判別にも使えると報告しています。
注目点リー括弧で定義した学習順序メモリをlogit経由でトークンに射影し、複数モデルで局在性と因果介入の効果を検証しており新規性が高い。
説明SAIL：分離型音響・空間エンコーディングと二重ストリームQ-Formerによる大規模言語モデルのための空間音声理解
要約本論文は、大規模言語モデルで空間音声を理解するためのSAILフレームワークを提案します。メルスペクトログラムと両耳間位相差を別々の音響ストリームと空間ストリームとして扱い、音源ごとに音イベント、方向、距離の情報を学習します。二音源の音イベント検出、方向・距離推定、空間推論において、早期融合ベースラインより一貫した改善を示しています。
説明E-WAVE：イベントカメラを用いた、相関ボリュームを使わない連続オプティカルフロー推定手法
要約本論文は、イベントカメラのデータから高時間分解能のオプティカルフローを推定するフレームワーク E-WAVE を提案しています。全対の相関ボリュームを構築せず、グローバルアテンションで長距離の特徴依存性をモデル化し、ベジェ曲線による軌跡誘導の特徴ワーピングを行います。反復更新により、任意のタイムスタンプで再推論なしに問い合わせ可能な軌跡を予測します。MultiFlow と DSEC-Flow での実験では、最新のベースラインと比べて軌跡誤差が 25% 低く、端点フロー精度は同程度でした。ヘッドマウント型の試作機で自ら撮影したデータでの評価でも、実環境で頑健であることが示されています。
説明CRISP：暗黙の状況的適切性のための文化的報酬モデリング
要約大規模言語モデルが各国・地域で利用されるにつれ、多様な文化的文脈を認識し適切に応答する能力が重要になっている。本論文は、自由記述の社会的場面における文化的適切性に基づいて報酬を与える文化的報酬モデルCRISP-RMを提案し、方策最適化中に関連する文化規範への感度を高める規範接地監督（NGS）を導入している。実験では、CRISP-RMが一般的な報酬モデルを上回り、GRPOによる方策最適化で文化的行動が改善され、NGSを加えるとさらに向上したと報告されている。
説明操舵を学び、操舵で見る：学習可能なベクトルによる大規模言語モデルのRLVRの幾何学の解明
要約本論文は、検証可能な報酬による強化学習（RLVR）が大規模言語モデルの学習においてどのように働くかを、ベクトル操舵を用いて分析します。活性化空間において強化学習による性能向上に関連する低次元の有効多様体を特定し、その幾何学的性質を2点挙げています。さらに、訓練の安定化を図るAlpha-Stablerというフレームワークを提案し、5つのモデルと6つのタスクで実験を行ったと述べています。
説明データセット蒸留における合成ギャップ：個別に蒸留したデータを結合しても、結合データの学習と同等になるとは限らない
要約論文は、複数の当事者がそれぞれ蒸留したデータを結合して使う場合に、実データの和集合で学習したことと同等になるかを検討しています。各ソースが厳密に蒸留されていても、学習軌跡の圧縮は非線形であるため失敗しうることを示しています。二次目標の場合の誤差を導出し、学習済み合成データでは誤差が局所的な不一致と全体的な残差に分解されると述べています。
説明SAGE：効率的なLLMゲームプレイのための構造化された戦略推論フレームワーク
要約本論文は、学習を必要とせず推論時に動作するフレームワーク SAGE を提案します。大規模言語モデルの戦略的推論を、アンカー、適応、再較正の3段階で構成します。まず均衡戦略を基準に据え、相手の行動傾向に関する確率的信念に基づいて逸脱を調整し、さらに関連する過去の対戦を反事実的仮説にまとめて推論を修正します。Leduc Hold'em、Liar's Dice、Goofspiel の3つのゲームで、Liar's Dice では推論型エージェントに対して最大127.6%の利得向上を示し、入力と出力のトークン使用量をそれぞれ最大80%と90%削減しました。
説明SkillPE：テキストから動画へのプロンプト工学のための創造性重視の映画的スキル進化手法
要約本論文はSkillPEという枠組みを提案し、非専門家の作成したプロンプトでも映画的な表現が得られるようにする。専門家が作成した種スキルから、再利用可能な映画的スキルを進化させる。StoryEvalとVBenchでの実験では、最強の外部ベースラインを最大1.40点、種スキルを0.51点上回った（7点満点の4次元評価）。
説明MiCo：意味消去モデリングによる相互情報量カバレッジ最適化で、MLLM推論を効率化する手法
要約マルチモーダル大規模言語モデルは大量の視覚トークンを処理するため計算コストが高くなります。本論文は学習不要の二段階剪定手法MiCoを提案します。まず視覚信号で代表的な候補集合を選び、その中からタスクに応じた部分集合を選択し、トークン上限のもとで単調劣モジュラー被覆関数を貪欲に最適化します。7Bから13Bのさまざまなモデルと画像・動画のベンチマークで、ほぼすべての設定で最良の性能を示しました。LLaVA-NEXT-13Bでは視覚トークンを5.6%だけ使い、ベースライン性能の97.5%を保持し、推論を3.8倍高速化しました。
注目点相互情報量カバレッジ目標から学習不要の二段階視覚トークン剪定を導き、多数のMLLMとベンチマークで検証した点は子分野に有益。
説明考えるだけでは足りない時を知る：小型推論モデルに自身の知識を超えて推論させる
要約本論文は、小型推論モデルにおいて推論時に思考を増やすことが常に有効かを調べ、自己洗練は新たな解を到達可能にするのではなく、現在の状態から既に到達可能な解へ確率を集中させることが多いと報告している。これを踏まえ、まず推論して未解決の点を診断し、知識のボトルネックでは より強いモデルに選択的に問い合わせる FlyBy を提案し、教師ありファインチューニングとコストを考慮した強化学習で訓練している。1,158問の難問で FlyBy-4B は pass@8 が 45.96% となり、Qwen3-14B（41.64%）を上回りつつ提供コストは約2.7倍低い。FlyBy-8B は 51.81% まで向上する。
注目点中間推論状態への介入で実行ボトルネックと知識ボトルネックを区別し、選択的クエリ枠組みFlyByを提案。新規性は高いが、評価は限定的。
説明埋め込みを使わないルーティング：正規表現による高速で解釈可能な大規模言語モデルルーティング
要約論文は、Qwen2.5エンコーダを0.5Bから72Bに拡大しても大規模言語モデル（LLM）のルーティング精度はほとんど向上しないことを示している。著者らは、スパースオートエンコーダで解釈可能な特徴を見つけ、LLMがそれを正規表現に変換するREGEXROUTE（レジェックスルート）を提案する。推論時にニューラルエンコーダは不要である。4つのベンチマークで、固定の128特徴による平均ルーティング精度は76.43%で、最強のニューラルテキストエンコーダ基準（76.41%）と同等であり、遅延はより小さい。
説明DORA：ビジョン・トランスフォーマーのトークン削減のための動的オンライン強化学習エージェント
要約ビジョン・トランスフォーマー（ViT）の自己注意計算量はトークン数に対して二次的に増加します。本論文では、凍結されたViTに対して入力に応じて適応する剪定方針を学習するDORAを提案します。各ブロックで、何回剪定するか、いくつのトークンを削除するか、どのトークンを削除するかを階層型アクターが決定します。ImageNet-1KでDeiT-Baseを用いた場合、精度低下を1ポイント以内に抑えつつ、FLOPsを38.4%削減しました。
説明予算制約下の多属性検証によるテスト時スケーリング：LLM回答の認証手法
要約本論文は、共有の計算予算の下で、どの候補回答を検査し、どの検証属性を評価するかを決める問題を扱います。すべての属性で所定の閾値を超える候補をできるだけ多く認証することを目標とし、コストを考慮した候補選択と属性の適応サンプリングを組み合わせた BMA-GAI アルゴリズムを提案しています。漸近的な被覆保証と情報理論的な逆定理を示し、合成ベンチマークと LLM の回答検証課題で、既存手法より効率よく予算を配分し高品質な候補を多く認証できることを報告しています。
説明一度の試行で勝負：GUIエージェントのための完全テスト時適応
要約展開後のGUIエージェントは重みが固定され、運用中の経験を学習に使えません。本論文は完全なテスト時適応という制約を定義し、軽量な手法SOLOを提案します。補助モデルが成功したエピソードを選別し、失敗エピソードの接頭部を再ラベルした上で、小型アダプタを自己蒸留により更新します。WebArena、VisualWebArena、MobileWorldから作られた反復タスク列で、SOLOは凍結したエージェントより成功率を向上させ、ウェブ系タスク列では同設定の二つのメモリ手法を上回りました。
説明LLMエージェント評価の認証付き選択的自動化：自動判定の誤り率を保証しながら人手を減らす研究
要約本論文は、LLMエージェントの軌跡評価を自動判定器がどの程度担えるかを扱います。自動判定の誤り率が予算alpha以下に収まることを証明する認証手法として、タスク単位のブートストラップ認証を提案しています。4Bの評価モデルは、alpha=0.1のもとでツール利用とWebの2つのコーパスについて、評価の0.30〜0.59を認証付きで処理できたと報告されています。
注目点タスク単位のブートストラップ認証を提案し、相関した軌跡による誤差過小評価を解決。複数コーパスとモデルで検証され、自己学習フィルタにも応用。
説明テキスト・ビジョン協調トークンキャッシュ：効率的な視覚・言語・行動推論のための学習不要フレームワーク
要約視覚・言語・行動（VLA）モデルは汎用的なロボット制御を可能にしますが、計算コストが高いという課題があります。本論文では、テキストと視覚の情報の集中度に基づいてアテンションヘッドを選別し、テキスト・視覚のエントロピー差によって再利用するレイヤーを選ぶ、学習不要のTVCacheを提案します。4つのVLAモデル、2つのシミュレーションベンチマーク、実機タスクでの実験では、同じトークン保持率において既存のVLAキャッシュより高いタスク成功率を示したと報告されています。
説明動的パラメータ：時系列基盤モデルの解釈可能性フレームワーク
要約本論文は、時系列基盤モデル（TSFM）において、ある動的性質が隠れ状態から読み出せても、その性質の変化に対して予測が正しく応答しない場合があるという問題を扱う。著者らはトレンドの傾き、振動周波数、自己回帰依存性などを「動的パラメータ」として定式化し、隠れ状態からの復元による表現の可読性と、予測の応答を比較する。9つの凍結モデルと13の法則にわたる分析で、63のモデル・パラメータの組の多くで可読性は高い一方、予測応答の中央値は参照値に対して0.46にとどまった。因果幾何による分析では、パラメータ介入によって生じる隠れ状態の変化の向きが、必要な向きと異なることが示された。
注目点動的パラメータの枠組みを提案し表現の到達可能性と予測応答の差を因果幾何で説明。9モデル・13法則で検証され証拠は比較的充実。
説明PlaylistEval：日単位以上の長い動画でも映像言語ジャッジは信頼できるか？
要約映像言語モデルは、モデル出力の評価や報酬モデルの学習に、映像理解の裁判役として使われることが増えています。本論文は、人手による注釈なしに100時間規模のプレイリストで裁判用ベンチマークを構築するエージェント型フレームワーク「PlaylistEval」を提案します。因果的劣化で回答ペアの差を制御し、七つの領域にわたる630組のペアを作成しました。152組の層化サブセットでは人間の判断と93.0%一致し、17モデルの評価では最先端のジャッジでも両者比較の正答率は75.4%にとどまりました。
注目点人手による注釈なしで百時間規模の動画評価ベンチマークを構築する枠組みを提案し、人間との一致で検証。新規性と実験の充実度が高い。
説明ControlScope：LLMエージェントのワークフロー修正と信頼性に関する研究
要約本論文は、言語モデルのエージェントが実行中のワークフローをどの程度修正すべきかを検討しています。生成済みコードをそのまま続行する方法、次のツール呼び出しのデータ引数のみを編集する方法、同じ公開実行状態から未完了のワークフローを丸ごと置き換える方法の三つを比較します。ファイルシステムのタスク、ALFWorld、AppWorldなどで評価を行い、修正の権限の範囲が完了率やコストに影響することを示しています。どの方法が常に優れるとは主張せず、修復能力はエージェントの実際の選択と後続の実行に対応すべきだと述べています。
説明K平均法クラスタリングのためのリーマン差分凸最適化：基数制約付きの定式化を用いて、新たな解法RADA-DCを提案する研究。
要約本論文は、コンパクトな埋め込み部分多様体上の基数制約付き定式化としてK平均法クラスタリングを研究している。基数制約を差分凸（DC）ペナルティで置き換え、ペナルティパラメータが有限の閾値を超えると、ペナルティ付き定式化と制約付き定式化が同じ大域的最小点を持つことを示す。その後、問題を極小極大問題に変換して解くRADA-DC法を提案し、標準的な仮定のもとでO(ε^-3)回の反復でε-リーマン臨界点を見つけられることを示す。合成データと実データでの実験では、クラスター数が多い場合に、K-means++を含む比較手法より解の質が高いと報告されている。
説明MaLiang-Harness：プログラムで画像と動画を生成するための枠組み
要約本論文は、マルチモーダル大規模言語モデルが実行可能なプログラムを生成して画像や動画を作る際に、プログラムは正しく動いても要求された構図や外観、動きを満たさないという問題に取り組みます。構築、検査、修正を繰り返す持続的な過程を組み込んだ統一フレームワーク MaLiang-Harness を提案しています。MaLiang-IBench と MaLiang-VBench で複数の閉鎖型モデルを評価し、汎用能力のスコアと視覚生成の性能との間に差があることを示しています。
説明CAT-Free：キャリブレーション・注釈・対象シーン学習なしの多視点歩行者定位
要約本論文は、同期されたRGB映像のみを入力として多カメラで歩行者の位置を推定するCAT-Freeを提案します。カメラ構成は映像から直接推定され、信頼性の低い位置推定は適応的な幾何フィルタで除去されます。WildTrack、MultiviewX、GMVDでそれぞれ82.5、84.5、65.7のMODAを達成し、再調整なしで別の設置環境にも転用できることが示されています。
説明同一の系列、多様なデコード：CAGenMol-2 による薬剤設計のマスク付き分子推論への再定式化
要約本論文は、分子、連続的な数値特性、三次元タンパク質ポケットを単一のラップされた系列に統合する、マスク付き拡散分子言語モデル CAGenMol-2 を提案します。推論時に観測する領域とマスクする領域を選ぶことで、一つのチェックポイントで特性予測、条件付き生成、部分制約設計を実行できます。さらに、勾配を用いない探索手法 AdaFO を提案し、CrossDocked2020 で成功率を 30.2% から 70.8% に向上させたと報告しています。
説明世界モデルが誤るとき：誤った想像の下での適応的安全性分析
要約論文は、ロボットの世界モデルの予測に偏りや過信があると、それを基に学習した潜在空間の安全フィルタが楽観的すぎる安全判断を下す可能性を指摘しています。著者らは、適応的コンフォーマル推論を用いて、予測された潜在状態と観測から推定した潜在状態の差からオンラインで不確実性集合を構築し、それを基に保守的に安全性を評価する手法を提案しています。シミュレーションと実機実験では、既存の手法と比べて失敗が大幅に減り、タスク完了も維持されたと報告されています。また、適応的な不確実性半径に対する有限時間の被覆保証も示されています。
説明PSM：難易度に基づく精密統計マッチングによるデータセット蒸留
要約データセット蒸留は、大規模な元データセットを学習効用を保ったまま小さな蒸留データセットに圧縮する手法です。既存の分離型統計マッチング法は、元データ全体の統計量で全蒸留サンプルを監督するため、サンプルごとの難易度の違いを捉えられないと指摘されています。PSMは、グローバル精度スコアで画像の難易度を推定してクラス内を難易度グループに分け、グループごとに教師モデルのBN統計量を更新し、対応するグループの元画像で蒸留サンプルを初期化します。複数のデータセットとモデルで、多くの設定において蒸留サンプルの難易度範囲が広がり、下流性能が向上したと報告されています。
説明Dr.Credit：評価基準に基づく深層研究エージェントのプロセス信用割当
要約本論文は、評価基準（rubric）スコアを強化学習の報酬とする開放型タスクにおいて、従来の報酬が最終回答のみを評価し中間決定の寄与を区別しない点に着目しています。著者らはタスク要件を共通の基準とし、ツールが返す情報が各評価基準をどの程度新たに支えるかを評価するプロセス信用割当手法を提案し、深層研究エージェントの学習に用いています。四つのベンチマークで、評価対象となった公開の深層研究ベースラインを上回り、8Bパラメータのモデルは評価された最先端の非公開モデルと競合する平均性能を示しました。
説明固体物理に着想を得たLLM圧縮の事前登録検証：小規模言語モデルでのクラスタ単位の否定的結果
要約著者らは、事前学習済み言語モデルに対し、固体物理に着想を得た五つの圧縮手法を三か月にわたる自律型研究エージェントで検証しました。予測は試験データの出現前にgitへ登録され、3シグマの基準で採否を判定しています。多くの予測は反証され、注意機構の減衰則も想定と逆の結果になりました。この結論は3.5億パラメータ以下のモデル規模に限られます。
説明ReScraper：大規模言語モデルの事前学習に向けた、Webデータの抽出と清浄化を一体化する手法
要約論文は、従来は手作業のヒューリスティクスで行われてきたWebページの本文抽出とフィルタリングを、わずか0.6Bパラメータの統一言語モデルで置き換えるReScraperを提案している。モデルはまず生データから本文を抽出し、そのページを保持する、ノイズ行や範囲を編集する、ページを削除する、質は低いが情報のあるページを書き換える、の4つの操作から選択する。このデータで400M、1.4B、2.8Bのモデルを事前学習すると、各規模で最強のベースラインに比べDCLM Coreスコアが相対で約3.8～4.7%向上した。
説明器用な触覚世界モデル：映像と触覚で手の操作の未来フレームを予測
要約本論文は、両手に装着したグローブの触覚信号と映像を用いて一人称視点の手作業の未来フレームを予測する、Dexterous Tactile World Model（DTWM）を提案しています。事前学習済みの映像拡散Transformerに触覚信号を組み込み、構造・パラメータ・学習条件を揃えた視覚のみのモデルと比較しました。その結果、手の動きの過小評価率が23%から9%に下がり、手の領域の知覚誤差が7.4%減少しました。
説明不精密なアノテーションからの認識論的学習：信用集合を監督信号に用いる手法
要約本論文は、複数の妥当なラベル分布を凸集合（信用集合）で表し、予測分布の集合を学習する「信用監督からの認識論的学習」の枠組みを提案します。悲観-楽観信用分類器（POCC）は、共有バックボーンと、最悪ケースと最良ケースの損失をそれぞれ最小化する2つの分類ヘッドから成ります。その出力の広がりを不確実性スコアとして用います。人間の注釈者の不一致や教師モデルの予測、ラベル平滑化を用いた評価で、精度・校正・選択的分類のバランスが良好であると報告しています。
説明過剰なパーソナライズは判断の失敗：LLMにおける生成由来の「適用バイアス」
要約パーソナライズされたLLMは、保存された各好みを現在の文脈で適用すべきか抑制すべきか判断する必要がありますが、文脈上不適切な好みまで適用してしまう過剰パーソナライズが頻発します。本研究は好みの処理を三段階に分けて個別に測定し、多くの場合、誤った判断が忠実に実行されていることを示します。提案手法ABIDEは、回答生成を求めるだけで判断スコアがApply側へ偏り、感度はおおむね保たれることを明らかにします。推論時に単一のバイアス値を差し引くことで、充足度をほぼ維持したまま情報漏えいを減らせることも示されています。
説明仮説と証拠に基づく探索を行うエージェント型高次元ベイズ最適化
要約本論文は、変数数が評価予算に比べて多い高次元ベイズ最適化において、LLMやエージェントに基づく手法が有効に転用できるかを検討しています。実験の結果、これらの手法は高次元領域では信頼性が十分でないことが示されました。そこで著者らは、タスク文脈・最適化フィードバック・構造診断を用いて探索仮説を修正し、戦略を選択・設定するエージェント「HERA」と、数値最適化エンジン「PRISM」を提案しています。HERAは八つの実世界タスクのほとんどで、評価したすべての手法の中で最良の平均最終目的値を達成したと報告されています。
説明MoSPR：形態・空間のマクロ状態と低ランク分子プログラムを用いた組織像からの遺伝子発現予測
要約本論文は、組織病理画像から遺伝子発現を予測する手法MoSPRを提案します。画像パッチを形態的ミクロ状態にクラスタリングし、空間的隣接パターンが似たものを共有のマクロ状態にまとめ、学習済みの低ランク遺伝子発現基底へ線形に写像します。著者らは3つのがんコホートで平均予測スコアが最高だったと報告しています。
注目点隣接情報を用いた形態マクロ状態と低ランク分子基底を組み合わせ、既存の組織像から遺伝子発現予測手法を実質的に改良。TCGAの3コホートで比較と消去実験を行い、証拠は充実しており当該分野に有用。
説明直接自己進化最適化（DEO）：挑戦者の訓練なしで大規模言語モデルを進化させる手法
要約本論文は、挑戦者モデルのパラメータ更新を解答器に導かれたタスクサンプリングで置き換える、直接自己進化最適化（DEO）を提案している。固定された大規模言語モデルがタスクを生成・変異させ、解答器が採点し、近似Metropolis選択規則で訓練プールを更新する。学習されるのは解答器のみである。著者らは、実験でR-Zeroと競合する推論性能を示し、壁時計時間での訓練時間を50%以上削減したと報告している。
説明病理画像で視覚的根拠に基づく推論を学習する研究（ASPECTとPathoVernierベンチマーク）
要約本論文は、組織病理画像の細部を捉える能力が視覚言語モデルで不十分である問題に取り組み、細胞の外観と数の明示的な監督によって視覚的根拠に基づく推論を改善するASPECTを提案しています。また、5つの病理データセットから専門家が確認した759問を含むPathoVernierベンチマークを構築し、最終回答と中間測定の両方を評価します。論文によると、ASPECTはPathoVernier上で最強のベースラインGemini-3.1-Proに対して相対約19.2%、バックボーンのQwen3-VL-8Bに対して99.3%の精度向上を示し、外部の3つの病理ベンチマークでもバックボーンを上回ったとされています。
説明BIABench：実世界の生物画像解析タスクにおけるAIエージェントの評価ベンチマーク
要約本論文は、既発表の生物学研究から再構成した16タスクからなるベンチマーク「BIABench」を提案します。各タスクは科学的な問い、画像データ、正解データを保持しています。評価は出力ファイルと正解との比較による結果スコアと、専門家が作成した基準に基づき視覚言語モデルが手法選択と品質管理を判定する過程スコアの二軸で行われます。二次元の基本的タスクは良好に解けた一方、三次元や時間軸を含むタスクでは、どのエージェントも0.19を超えるスコアを得られませんでした。
注目点公表された生物学研究から16課題のエンドツーエンド生物画像解析ベンチマークを構築し、3次元・時系列課題での性能の大きな欠陥を実験で示した。
説明Transformerの注意機構の幾何学におけるクエリ拡張とキー特化の研究
要約本論文は、Transformerの注意機構におけるクエリ（Q）とキー（K）の射影が、学習中にどのような幾何学的変化をするかを調べたものです。文字レベルのWikiText-103で、4・6・8層の小規模GPT型モデルを、3種の初期化と複数の乱数種で学習しました。参与比（participation ratio）により有効次元を測定した結果、クエリの有効次元は拡大し、キーは縮小することが示されました。さらに、キーのスペクトルを直接制御する実験から、キーの縮小が注意の鋭さを高める因果関係が確認されたと報告しています。
説明BF16注意機構の対称性の破れ：FlashAttentionの勾配が学習後半で爆発する理由
要約本論文は、FlashAttention-3を用いてBF16で4億5000万パラメータのTransformerを事前学習した際、約250億トークン後に勾配ノルムが急増し、損失がFP32注意機構より高くなる現象を報告している。原因として、前向きsoftmaxにおける融合積和演算の問題と、BF16への丸めがsoftmax分数勾配の各行の総和ゼロという保存則を破ることの2点を挙げている。提案手法GProjは各行に2つのランク1補正を加えて総和ゼロを回復させ、勾配誤差を大幅に減らし、FP32注意機構と同等の損失で学習できることを示している。
注目点BF16融合アテンションの勾配爆発の原因として、softmax勾配の和ゼロ保存則の破れを指摘し、GProjで修正して事前学習で検証した点が特徴である。
説明百万規模のデータセットで汎用的な3D資産編集を拡張する研究
要約本論文は、3D資産の訓練と評価のための統一フレームワーク「Alchemy3D」を提案し、データ構築、モデル構造、ベンチマーク評価を扱っています。125万件の資産と7種類の編集タイプにまたがる138万件の編集ペアからなる大規模データセット「Alchemy3D-1M」を構築し、それを用いて生成フローモデル群を訓練しています。モデルは画像・テキスト条件付き編集、少ステップ推論、多視点3D部品セグメンテーションへの転用に対応します。また、多次元評価を備えた大規模オープンワールド・ベンチマーク「GEdit3D-Bench」も導入されています。著者らは、既存および新規のベンチマークの多くの指標で既存手法を上回ったと報告しています。
説明対話型ロボット計画における意図の曖昧さ解消のためのベイズ能動学習
要約人間の自然言語指示は曖昧で不完全なことが多いため、本論文では、明確化の過程を信号時相論理（STL）によるタスク仕様に関する能動学習問題として扱うベイズの枠組みを提案します。大規模言語モデルで候補となる形式仕様を生成し明確化質問を作成する一方、ベイズ最適化でユーザー意図の不確実性を推定し、情報利得が最大となる質問を選びます。推定されたSTL仕様は形式プランナーに渡され、検証可能なロボット軌道が生成されます。四つのシミュレーションおよび実環境のタスク領域で、大規模言語モデルのベースラインより高いタスク達成度と少ない明確化回数が概ね得られたと報告されています。
説明SAGE：LLMタスクプランナー向けの記号的な行動ゲーティングと局所編集
要約本論文は、家庭用ロボットのタスク計画を行う単一のLLMプランナー「SAGE」を提案しています。実行前に前提条件を満たさない行動を遮断する約250行のPython製記号的ゲートと、失敗したサブゴールの後続部分だけを再生成する局所編集を組み合わせています。AI2-THORの75タスクのベンチマーク上で、5つのオープンウェイトモデルを用いてリーク防止の手順で評価を行い、多目標の組み合わせや実行途中の失敗時の結果を報告しています。
説明ZeroCode：強化学習により零行列から誤り訂正符号を必要に応じて構築する手法
要約本論文は、強化学習に基づき全零行列から逐次的に検査行列を構築するZeroCodeを提案し、さまざまな用途の設計要件に対応する。(32,16)符号では、ビット誤り率10^-4において従来の強化学習手法より約1 dB向上し、実験では遺伝的手法、微分可能手法、古典的符号設計手法を上回った。マスキングにより最大次数、4サイクルなし、準巡回構造などの制約も組み込める。
説明低ランク適応のための回転多様体最適化手法
要約本論文は、低ランク分解のゲージ対称性を明示的に取り入れた、低ランク適応（LoRA）用の新しいオプティマイザを提案します。全パラメータ学習向けの行列オプティマイザを、回転した基底の下での正規化として解釈し、固定ランク行列の多様体へ拡張しています。回転と正規化を固定ランク多様体と効率的に統合する方法も示されています。その結果、保留データでの損失がより低く収束し、教師ありファインチューニングと強化学習の両タスクで、下流性能が同等以上になったと報告されています。
説明能力が高まるエージェントに対してベンチマークを維持する：不当な合格の検出と修復
要約本論文は、合格したタスクの軌跡を監査し、証拠のある報酬ハッキングと検証器の弱点を区別し、修復すべき悪用可能な箇所を特定する過程検証の枠組みを提示しています。29のモデル・ベンチマーク群の3,810件の合格軌跡を分析し、確認された違反はモデル世代とともに増える傾向があるものの単調ではないと報告しています。修復事例では、記録された悪用を遮断するだけでは不十分であり、最小パッチ、悪用の再現、新たなエージェント評価を組み合わせる必要があるとしています。
説明RoboICL：GPT-6 Astraを用いた身体化インコンテキスト学習によるロボット制御フレームワーク
要約本論文は、ロボット固有のパラメータ更新や学習済みVLAを必要とせずに、汎用視覚言語モデルのゼロショットロボット制御を改善するRoboICLを提案している。デモンストレーション文脈と相互作用メモリを分離し、有界な固定アンカー記憶を組み合わせて、タスク段階をまたいだ経験を保持する。30のRoboDojoタスクでは公式ゼロショットのGPT-6 Astraを上回り、実機3タスクでは示範数の増加に伴って進捗が向上したと報告されている。
説明QuantaSpike：大規模言語モデル向けの短時間窓スパイク駆動量子化手法
要約本論文は、大規模言語モデルの推論を対象とした短時間窓のスパイク駆動量子化フレームワーク QuantaSpike を提案します。中核は対数三値積分発火（LTIF）ニューロンで、推論時の消費エネルギーの低減を目指します。グループ適応ゲインと選択的な外れ値受け入れによって、激活値の外れ値を扱います。OPT と Llama-2 では、同種のスパイク駆動手法の中で最先端または競争力のある困惑度とゼロショット精度を示し、4 ステップの発火窓で FP16 基準に近い結果を得たと報告されています。解析的な推定では、SpikeQuant と比べて一つの線形変換のエネルギーを OPT で約 80.0%、Llama-2 で約 67.1% 削減するとされています。
説明複数解問題による人間とAIの違いの検証
要約この論文は、正解が複数ある推論問題に対して、人間とAIモデルが選ぶ有効な解の分布が異なるかを調べています。5種類・計270問（各問題に3〜8個の有効解）を用いて比較を行いました。結果として、モデル同士は人間よりも互いに似ており、どの問題群でも人間よりも解の多様性が低いことが示されています。
説明生物医学質疑応答における言語モデルの再帰的劣化：世代横断研究
要約本論文は、言語モデルが自ら生成したデータで繰り返し学習する際の性能変化を調べたものです。PubMedQAデータセットとQwen2.5の0.5Bおよび3Bモデルを用い、再帰的な合成データ学習と元の人間データによる学習を、4世代・2つの乱数シードで比較しています。再帰的学習では疾患実体F1、化学実体F1、文脈支持率、ROUGE-L、コサイン類似度などが、より大きく低下しました。主な行動変化は回答の長大化で、差は3Bモデルの方が大きいとされています。著者らは、これは生物医学質疑応答に限った結果であり、臨床的な幻覚率や普遍的なモデル崩壊は確立されていないと述べています。
説明DreamingGoose：自己回帰 Transformer から双方向リカレント拡散言語モデルへの段階的蒸留
要約本論文は、Qwen3 の 1.7B および 8B の自己回帰教師モデルを、三段階で注意機構を使わない双方向・ゲート付きデルタ則の拡散学習モデルに変換する手法 DreamingGoose を提案しています。各能力がどの段階で保持または喪失されたかを追跡できるようにしています。言語モデリングは部分的にしか移行せず、文脈内検索はまったく移行しませんでした。学習モデルは多クエリ想起テストで 0.000 を記録し、教師モデルは 0.34 から 0.58 でした。キーと値の間隔を徐々に広げる検索カリキュラムで検索能力は回復しますが、固定スケジュールでは三つの乱数シードのうち一つしか学習できませんでした。正解率の閾値に応じて間隔を進める方式では三つすべてが学習に成功し、8B モデルにも適用できました。
説明WAM-OPD：オンポリシー蒸留によるワールドアクションモデルの強化
要約本論文は、オンポリシー蒸留（OPD）を用いて事前学習済みのワールドアクションモデル（WAM）を、目標タスクの専門家レベルまで高めるWAM-OPDを提案している。繰り返しの環境ロールアウトを避けるため、前缀加重軌跡リプレイ（PWTR）を導入し、固定された軌跡プールを再利用して蒸留損失を重み付けする。シミュレーションと実ロボットの実験で、目標タスクの性能向上と、適応対象外タスクでの初期水準の維持が示されている。
説明共感的強化学習における支援の優先順位の変化：文脈適応型ルーブリック進化（CARE）の提案
要約本論文は、共感的強化学習では対話の状態に応じて支援の優先順位が変化する一方、既存手法は固定された報酬仕様を最適化していると指摘します。作者らは認知的・感情的・先回り的共感の3次元の重みと詳細な評価基準を各ターンで調整するCARE（文脈適応型ルーブリック進化）を提案しています。RLVERおよびMICAと統合したCAREは、SentientBench、EQBench3、EMPAで最先端の性能を示し、EMPAではEPM-Idxが最強のベースラインを少なくとも13ポイント上回りました。
説明SALMONN-duo：全二重音声エージェントのための適応型デュアルシステム連携
要約本論文は、認知の二重過程理論に着想を得た適応型デュアルシステム音声エージェントSALMONN-duoを提案する。高速なシステム1（全二重音声LLM）が常時リアルタイムに対話を担い、非同期で動く低速なシステム2（LLMエージェント）が道具の利用や熟考的な推論を担当する。システム1は直接回答するか委譲するかを学習する。単一ターン音声QAと多ターン対話での評価では、適応的委譲が知識集約型および多段階推論の質問で精度を高めることが示された。
説明CasEm：長期的なニューラルエミュレーションのためのカスケード型アーキテクチャ
要約自己回帰型のニューラルエミュレータは、短期予測は正確でも、長い時間のロールアウトでずれたり発散したりすることがあります。本研究はCasEm（Cascaded Emulation）を提案します。これは既存の全状態バックボーンに、物理的に定義された集約量を独立に時間発展させるモデルを追加する構成で、バックボーンから集約量モデルへのフィードバックはありません。集約量の予測で全状態予測を補正します。4つのODE/PDEベンチマークで長期ロールアウト誤差を減らし、全球気候エミュレーションでは、地域の全水量サブシステムを加えることで、凍結したACEとSpherical DYffusionのバックボーンについて10年間の全状態時間平均誤差をそれぞれ66.6%、46.3%削減しました。推論時間の増加は3%未満です。
説明Stashbird：対話エージェントのメモリ向けエピソード基盤ライフサイクル照合手法
要約本論文は、エピソードと来歴情報を利用して、更新や削除の際にグラフおよび検索の派生状態を整合させる記憶システム Stashbird を提案する。繰り返し現れた証拠は支持関係を延長し、訂正は既存の有効な関係を置き換え、削除では支持を失った状態を取り除きつつ残りの支持関係を保つ。固定された意味判断のもとで、照合は 20 件の更新系列すべてで正しい最終状態を生み出し、263 件の削除操作で定義された検査を満たした。4 つの長期記憶ベンチマークにおいて、質問応答の精度は競争力があり、LoCoMo では Graphiti より取り込み時のプロンプトトークンが 76.4 倍、再現した Hindsight より検索時のプロンプトトークンが 8.1 倍少ないと報告されている。
説明AdaGuard：ユーザー定義ポリシーに適応する安全ガードモデル
要約本論文は、推論時に与えられるユーザー定義ポリシーに基づいて、言語モデル・エージェントの行動が規則に違反するかを判定するガードモデル AdaGuard を提案しています。学習用に 10,939 件、テスト用に 1,000 件からなるデータセット AdaptiveSafety を構築し、規則数は 1〜100 としています。さらに強化学習アルゴリズム SafePO を提案し、0.6B・4B・8B の3種類のモデルを開発しました。4B モデルの二値分類精度は AdaptiveSafety で 89.30%、DynaBench で 71.82% です。
説明開かれた文章生成のための、一貫性を考慮した分布評価（CHORD指標）
要約既存の開かれた文章生成の指標（尤度、語彙の多様性、分布の類似度など）は、局所的には自然でも全体として矛盾・脱線している文章を見逃すことがあると指摘しています。本論文は、凍結された大規模言語モデルの隠れ状態表現に一貫性を引き出すプロンプトを与え、RBF-MMDで生成文と人間文の分布を比較するCHORDを提案しています。反事実的な評価セットでは、関係・篇章・構造の不整合を検出でき、人間の判断とも強く一致したとしています。
注目点凍結LLMの隠れ状態とRBF-MMDで全体的一貫性を測る分布指標を提案し、反事実評価で連貫性の失敗と無害な言い換えを区別しており、新規性がある。
説明DecFlowEdit：ガイダンス分離による自己局所化フローベース画像編集
要約論文は、FlowEditの既定の分類器フリーガイダンス（CFG）設定が、ソースとターゲットのスケールの非対称性により背景漏れを大きく引き起こすことを指摘しています。提案手法DecFlowEditは、局所化と編集それぞれに最適なガイダンススケールを分離し、CFGなしの速度差分から編集関連の事前情報を抽出して既定CFG下の更新を重み付けします。学習とインバージョンを必要とせず、外部マスクや注意機構の操作も不要です。PIE-Benchでの実験では、FLUX、SD3、SD3.5においてFlowEditと比べ、同程度の編集精度で構造距離を約61〜73%、背景LPIPSを68〜80%削減しました。
説明SegBanana：統一マルチモーダルモデルを医用画像セグメンテーションに転用する手法
要約本論文は、学習なしで医用画像セグメンテーションを行うエージェント型視覚生成フレームワークSegBananaを提案しています。凍結した統一マルチモーダルモデルを中核に、解剖学的知識検索と比較品質評価を組み合わせ、状態管理コントローラが予測結果を反復的に改善します。八つの医用セグメンテーションデータセットで平均mDice 77.45%を達成し、挙げられた汎用・医療特化型ベースラインを上回りました。
説明MAS-OPD：マルチエージェントシステムのためのオンポリシー蒸留手法
要約本論文は、複数の専門役割に分かれて協働するマルチエージェントシステム（MAS）を共同で事後学習する問題を扱い、MAS-OPDを提案する。学生モデルがサンプリングした軌道に対して教師モデルがトークン単位の監督を与えるオンポリシー蒸留を用い、役割優位性の専門化と協調のための特権的帰属により、役割分担と協働を改善する。コードと数学のベンチマークでは、両方の学生モデル規模で平均スコアが最も高かったと報告されている。
説明信頼できる合成視覚メディア：メディアのライフサイクル全体にわたる証拠
要約本レビューは、生成システムの時代に画像や動画の真正性をどう判断するかを整理したものです。外見だけでは撮影・合成・改変の区別がつかないため、資産の経路と利用状況を説明する証拠が信頼の基盤になると論じています。証拠の一部はメディアから復元でき、一部は制作時に記録して流通の過程で保存する必要があるとしています。単一の普遍的な真正性マーカーは存在せず、証拠は問いに適合し、判断する人に届き、より良い情報が出た際に修正可能であるべきだと主張しています。
説明ReGDiff：メタマテリアルのボクセル形状を探索するための、正則化された潜在空間におけるガイド付き拡散モデル
要約本論文は、ボクセル表現、潜在空間の正則化、ガイド付き拡散を組み合わせて、メタマテリアルの三次元形状を生成するフレームワーク ReGDiff を提案しています。反発・沈降（RAS）機構で妥当な形状の潜在分布を平滑化し、短距離反発（SRR）ガイダンスで既知のサンプルに近すぎる生成を抑えます。トラス型および殻型のメタマテリアルを対象としたボクセルベンチマークと評価モジュールも提供され、二つのデータセットで平均して幾何学的妥当性が8.9%、新規性が46.4%、多様性が128.6%向上したと報告されています。
説明SleuthBench：表形式の隠れた信号を使って統計分析能力を評価する大規模言語モデルのベンチマーク
要約本論文は、公開の表データに制御された品質問題と特徴量の効果を注入し、正解を自動計算できるSleuthBenchというベンチマークを提案する。6つの先進的なLLMを評価した結果、データ品質問題の検出精度は83.8%だったが、特徴量の寄与の特定は41.9%にとどまった。著者らが提案する事前計算済みの統計成果物（Empirical Layer）を提供すると、特徴量寄与の精度は68.0%に向上した。
説明選択は抽出を置き換えられるか？型付き決定モデルを用いたエージェント記憶の事前登録型検証
要約本論文は、対話記憶に LLM による事実抽出が必要か、それとも適切な生の発話ターンを選択すれば十分かを比較しています。LoCoMo と LongMemEval の未使用の対話を用いた事前登録研究で、型付き決定モデル Jev による単一呼び出しで選ばれた生ターンは、抽出ベースの記憶手法に統計的に劣らず、書き込みコストは大幅に低いと報告されています。再ランキングの効果は予算が増えると縮小することも示されています。
注目点事前登録された実験で生のターン選択とLLM抽出型記憶を比較し、新しい知見を示す。LoCoMoとLongMemEvalでの証拠は比較的充実しており、対話記憶の分野に実用的示唆を与える。
説明USA：言語エージェントのクロスドメイン同方策蒸留のための更新認識型SAM手法
要約本論文は言語エージェントの同方策蒸留を扱い、単一ドメインの学習は早期に飽和するため他ドメインのデータが必要になると指摘しています。モデルマージの一部のドメイン組み合わせで負の転移が生じ、その原因はドメイン間の更新の結合にあると分析しています。そこで、ウォームアップ時の更新量から座標ごとの摂動半径を定めるUSAを提案し、数学・科学・コードの実験で単一ドメインの基準を上回り、負の転移も反転させたと報告しています。
説明視聴覚LLMにおける順序マッチングバイアスの解明
要約本研究は、複数話者が映る場面で、視聴覚大規模言語モデル（AVLLM）が音声を正しい話者に対応づけられるかを扱っています。合成診断データセットの分析により、3つのオープンソースモデルが、口の動きなどの視聴覚的手がかりではなく、発話順序と顔の左右・上下の並びを単純に対応させる傾向があることを示し、これを順序マッチングバイアスと名付けています。話者の位置と発話順序を独立にランダム化した合成動画400本で微調整するOD-FTという手法により、このバイアスが抑えられ、実世界の動画を用いた3つのベンチマークで平均的な改善が見られたと報告しています。
説明WorldWeave：動画生成のための持続的な幾何学的世界の拡張
要約本論文は、世界状態の維持と視覚レンダリングを分離するWorldWeaveフレームワークを提案しています。拡散モデルによる画像アウトペインティングで連続的な標高マップを生成し、エージェントがシーンを組織・接続して、拡張可能な明示的3D世界を構築します。動画生成時には、カメラ軌跡が世界の幾何情報を読み取るだけで、生成結果は世界状態に書き戻されません。これにより、複数視点や再訪時の構造の一貫性を保ちます。
説明mmHRI：ミリ波レーダーによるプライバシー保護型の人と ロボットの対話
要約本論文は、識別可能な映像を撮影せずにミリ波レーダーで人の動作と三次元姿勢を検出し、それを文章による指示に変換してロボットの配送・回収作業を制御する mmHRI フレームワークを提案しています。プライバシー遮蔽の条件下で動作認識精度は 85.09% に達したと報告されています。視覚的に遮られた状況でも作業が安定して行えたことが示されています。
説明Loop Dropout：ループ型言語モデルにおける共有更新の正則化
要約本論文は、同じTransformerブロックを繰り返し適用するループ型言語モデルのファインチューニングを扱っています。標準のLoRAでは、共有更新がループの初期位置で十分に適応しないことが示されました。提案手法のLoop Dropoutは、アダプタの適用を確率的にマスクし、生存確率の逆数で再スケーリングして期待更新強度を保ち、各ループでの適応を促します。数学的推論、一般的な指示チューニング、コード生成で改善が報告されており、推論時は追加パラメータなしで標準LoRAを用います。
説明自発話に基づく、説明可能で汎化性のあるLLMによる認知機能低下検出
要約本研究は、生の音声を直接処理し、音響と意味の表現を同時に学習して、アルツハイマー病および軽度認知障害の自動認知スクリーニングのための説明を生成する、バイリンガル音声大規模言語モデルの枠組みを提案しています。新たに収集したPUTH-AD データセットと複数のオープンソースコーパスを用い、六つのデータセット・タスク条件で最も高い平均精度とAUROCを達成し、タスク固有の微調整なしで未見の認知タスクでも分類精度を維持しました。臨床医による評価では、生成された説明が臨床的に関連性があり、音声の根拠と概ね一致していることが確認されました。
説明同じ勝者、異なる成功率：LLMエージェントが失敗から回復する仕組みの評価
要約本論文は、既存のチェックポイント型ベンチマークが、独立実行間で最良の行動が一致するかという「集合一致度」だけで回復能力を測っている点を指摘します。この順序的指標は絶対的な成功水準を反映せず、すべての行動が失敗すると偽りの安定性が生じることを示しています。凍結された864のRecoveryBenchエピソードと、合計3,456件の応答を含む2つの計画コホートによる実験で理論的予測を確認し、一致度、全ゼロ割合、留保データでの成功率、プールされた成功率の4つの診断指標の併記を提案しています。
説明GlyphBench：言語モデルの強化学習のための遊び場となる環境スイート
要約本論文は、言語モデル・エージェントの強化学習ポストトレーニング用に、多様なゲームにまたがる360以上のタスクを含む環境スイート GlyphBench を提案している。空間的な観測を二次元の Unicode グリッドとして描画し、統一インターフェースで学習・評価・軌跡の再生を行う。Craftax の実験では、グリフによる観測がネイティブのテキストやピクセルより優れていた。100 タスクでの強化学習後、Qwen3.5-4B は未見の Reasoning Gym 問題で 63.48% の正答率に達し、基礎モデルや数学・コード学習のベースラインを上回った。
説明X-MoD：Mixture-of-Depths を超える疎な深さルーティングの実用的スケーリング則
要約本論文は、トークンの疎性とアンカー間隔を切り離し、有効な活性容量をほぼ一定に保ったまま総パラメータ数を増やせる、拡張可能な疎深度 Transformer アーキテクチャ X-MoD を提案しています。深い疎ルーティングを学習可能にするため、密なアンカー、分散スケーリングを用いた層ごとのゲーティング、深さ方向のトークン均衡を組み合わせています。さらに、FLOP を揃えた密なベースラインとの比較から、検証損失を予測する解釈可能なスケーリング則を導出しています。
説明取引行動に基づく意味情報の拡張：金融詐欺のモデリングと推論のために
要約金融詐欺検出では、公開されている実データはプライバシー制約により意味情報や文章による文脈が乏しいことが課題です。本論文は、元の取引行動に基づいて多モーダルな金融データを模擬する意味拡張フレームワークを提案し、役割別の複数エージェントと一貫性の調整によって解釈可能な金融意味情報を生成します。また、構造化・テキスト意味情報を加えた多モーダル金融詐欺データセットMS-FFSDを公開しています。結果として統計的忠実性と汎用性が示され、豊かな意味情報が詐欺モデリングとLLMの文脈推論に有益であることが示されています。
説明振幅・位相の関数オートエンコーダ：形状と時間ずれを分離する教師なし表現学習の手法
要約本論文は、単変量・多変量の関数データを扱う振幅・位相関数オートエンコーダ（AP-FAE）を提案している。潜在空間を振幅埋め込みと位相埋め込みに分解し、共有の単調かつ端点を保存する時間変換で位相変動を捉える。合成データと六つの実世界ベンチマークにおいて、多くのクラスタリング・位置合わせ指標と全ての再構成指標で既存の基準手法を上回ったと報告している。
説明WorldGuide：潜在世界モデルで成功と失敗の境界を学習し、視覚・言語・行動ポリシーを改善する手法
要約本論文は、成功と失敗の軌跡による予測事前学習と、対になった成功・失敗ペアに対する対照学習を組み合わせたWorldGuideフレームワークを提案しています。学習された予測器は微分可能な報酬を与え、ポリシーと視覚エンコーダの共同最適化を導きます。予測器は学習後に破棄され、展開時に追加の世界モデル推論は不要です。著者らはLIBERO 100で96.8%、SimplerEnvで72.0%の性能を報告しています。
説明ソルバーに基づくセルフプレイによる最適化問題モデリングの学習
要約本論文は、外部の学習データを一切必要としない最適化モデリングのためのセルフプレイ学習フレームワーク「OPT-Zero」を提案しています。単一の大規模言語モデルが、問題と数理モデル・求解コードを生成する出題者と、自然言語の問題文のみから解答する解答者の二役を担い、外部最適化ソルバーの実行結果をフィードバックとして強化学習で交互に学習します。著者らは、データを用いない条件でも既存のデータ依存手法と同等の性能を示し、汎化性能はより高いと報告しています。
説明固定された審判、変化するエージェント：バージョン依存の LLM 審判誤差と審判支援評価の限界
要約論文は、LLM を審判として新旧のエージェントを比較すると、固定された審判がバージョンによって系統的に誤る場合があることを示します。著者らは35件の符号化エージェント提出、2つのカスタマーサービス用エージェント、および多数の専門家ラベル付き軌跡を分析し、多重性補正後も多くの審判がタスク条件付きの誤差不変性を満たさず、アップグレードを誤って認めるケースがあることを見出しました。審判のみに基づく公開判断や旧版の校正の移植より、現行出力の対応付き監査が望ましいと論じています。
注目点LLM審査員がエージェントの版ごとに系統的な誤りを生むことを多数のベンチマークと多重検定補正で示し、証拠は比較的充実、評価実務への影響は中程度。
説明ConvCue：視覚言語モデルに畳み込み由来の視覚特徴を補う手法
要約本論文は、既存の視覚言語モデルの元の視覚エンコーダを置き換えず、凍結された事前学習済みCNNの最終段特徴を補助的に加える手法ConvCueを提案します。学習可能なアダプタとゲート付きクロスアテンションで元の視覚トークンと融合し、二段階の学習で適応させます。Qwen3-VL-2B、Qwen3-VL-4B、LLaVA-OneVision-7Bの13のマルチモーダルベンチマークで、三つのバックボーンすべてにおいて、元モデルおよび同条件の二段階微調整対照群より平均性能が向上したと報告しています。Qwen3-VL-4Bでは、平均スコアが対照群との比較で75.00から78.82に上がったとしています。
説明PainterBench：ツールを使う言語モデルのための図形的拡散思考ベンチマーク
要約本論文は、人間の不完全図形描画課題をエージェント設定に移植したベンチマーク「PainterBench」を提案します。モデルはツール呼び出しでキャンバスに描画し、描かれた開始図形を消せない条件のもと、最も独創的な絵を目指し、完成のタイミングも自ら判断します。14のマルチモーダル言語モデルを評価し、2,700枚の作品と人間による創造性・認識可能性の評価を集めました。自動採点器ViDrA-adaptedは人間の創造性評価を相関係数0.85で予測します。モデル間の差は大きく、エージェントの作品は人間の作品より創造性が高い一方、認識可能性は低いとされています。
説明買い物かご規模で層別した相互作用分解：取引かごデータにおける解釈可能なペアおよび高次構造
要約本論文は、取引かごデータの共起関係を、残りの商品数で層別した対数オッズ比から、商品集合固有の成分と規模に共通する成分へ分解するCSIDを提案する。全体の同時分布は推定しない。シミュレーションでは両者の効果がゼロでも、通常のIsingの結合は小さなかごの規模効果により負に推定されたのに対し、CSIDのペア推定値はほぼゼロ付近にとどまった。三つの食料品データセットでは、情報量の高い三項成分が時期をまたいで再現され、期間間の転移評価でも比較手法より良い一致が示された。
説明MotionSpaceFlow：直接的動作空間における表現認識型フローマッチングによるテキスト駆動の人体動作生成
要約本論文は MotionSpaceFlow（MSFlow）を提案する。これは、エンコーダやデコーダを学習せず、連続的な動作空間で直接クリーンな動作を予測するフローマッチングの枠組みである。表現を考慮したノイズスケーリングと RA-MMDiT アーキテクチャを導入し、テキストから動作への生成で最先端の性能を報告している。さらに、全体表現の変種では、制御条件付き学習なしで推論時に任意の関節やフレームを制約する零ショット制御が可能であるとされる。
説明AlphaPareto：LLM誘導型多目的強化学習による定式化アルファ発見
要約本論文は、量的取引における定式化アルファ（alpha）の発見を扱い、AlphaPareto手法を提案している。アルファプールに応じて報酬が変化する非定常性に対し、構築中のアルファと現在のプールを状態に含め、大規模言語モデル（LLM）でプールを符号化する。また単一目的の報酬を多目的ベクトル報酬に置き換え、予測力、時間的安定性、摂動に対する頑健性、多様性を同時に考慮し、パレート正則化学習で最適化する。著者らは実データでの実験により、既存手法を上回ると報告している。
説明大規模言語モデルは「確率的オウム」ではない：人工言語型タスクによる意味媒介的抽象化の証拠
要約本論文は、大規模言語モデル（LLM）は統計的パターン照合を超えられないとする「確率的オウム」仮説を検証している。研究者は、学習データの一般的なパターンに反する虚構の言語の自然言語による説明のみをモデルに与え、例示出力は示していない。その結果、多くのモデルが規則に従い意味関係を調整し、一部は複雑な翻訳の正解と完全に一致したとしており、著者らは強い形の仮説を否定する根拠になるとしている。
説明EntroPack：任意ビットレートで高速かつ高精度なエントロピー符号化による重み圧縮
要約本論文は、ニューラルネットワークの重み圧縮手法 EntroPack を提案する。キャリブレーションや微調整なしに任意の目標ビットレートを指定でき、行正規化 E8 格子量子化と格子座標の条件付き確率モデルを組み合わせる。分割された符号化単位により、GPU 上での高速な復号と重み再構成が可能である。画像生成モデル Z-Image-Turbo で目標 4 bit/パラメータとした場合、NF4 より重みの相対 L2 誤差が約 24% 低く、保存容量も少ないと報告されている。
説明CASS：モデル統合のための寄与認識型構造化スパース化手法
要約タスクごとに微調整された複数のモデルを一つのマルチタスクモデルに統合する際、タスクベクトル同士の競合する更新によってパラメータ干渉が生じます。本論文は、タスクに関連するアテンションヘッドとFFNニューロンを特定して保持することで干渉を減らすCASS（Contribution-Aware Structured Sparsity）を提案します。事後統合のためのCASS-Mergingと、微調整が可能な場合にタスクベクトル間の構造的重なりを抑えるCASS-Tuningがあります。著者らは、視覚・言語のベンチマークで複数の代表的な統合手法の性能が向上したと報告しています。
説明CRF損失：弱教師あり分割で境界をどう学習させるか
要約本論文は、画像レベルのタグだけで画素単位の予測を学習する弱教師あり意味分割において、セグメント境界の精度を高める方法を扱っています。従来の後処理DenseCRFは低次の色情報に頼るため、正しいラベルを誤ったものに変えることがあり、SAMを中間の細分化段階として使う手法では、CAMの不確かさを捨てて独熱の疑似ラベルを作ってしまいます。著者らはDS-CRFを提案し、軟らかい疑似ラベルを単項監督、二値のエッジマップを二項監督として、それぞれ別の損失で学習させます。MS COCOで56.5% mIoUの新たな最高水準を達成したと報告しています。
説明人間のデモンストレーションから学ぶ、器用な操作のための視覚・触覚・動作の統合モデル化
要約ロボットの触覚デモは規模を拡大しにくいのに対し、人間のデモはより多様な触覚的相互作用を提供できるという点に着目した研究です。著者らは画像、触覚信号、手の動きを同期して記録する触覚モーションキャプチャシステムを構築し、五つの接触の多いタスクにわたるUVTAデータセットを作成しました（タスクごとに人間のデモ1,000件、ロボットのデモ150件）。提案する統合視覚・触覚・動作モデル（Unified Visual-Tactile-Action Model）は両者を整合した表現に写像し、将来の動作と触覚の軌跡を同時に予測します。実機評価では平均成功率70%となり、最も強い視覚・触覚ベースラインの29%、構造の一部を外した比較版の42%を上回りました。
説明潜在空間での制約付き最適化による効率的な推論
要約大規模推論モデルは過剰思考により冗長な推論ステップを生成し、多くのトークンを消費します。本論文は、効率的な推論ステップが潜在空間の集中領域にまとまることを観察し、二次計画法で領域から外れた隠れ状態を領域内に戻す、学習不要の手法を提案しています。1.5Bから14Bまでの4モデルと、数学・コーディング・科学QAの6つのベンチマークで検証され、精度は最大12.1%向上し、生成トークンは11.8%から52.8%削減されたと報告されています。
注目点隠れ状態を効率的推論領域へ射影する二次計画法は既存手法の実質的改良である。4モデル・6ベンチマークで検証され証拠は充分だが、影響は推論効率の分野に限られる。
説明テキスト媒介の動画異常検知における判定読み出し方式：JevとQwenの探索的評価
要約本研究は、動画から得たテキスト証拠を固定した上で、UCF-CrimeとXD-Violenceの40本の動画・400個の対象アンカーにおいて、Jevの型付き判定と3種類のQwen読み出し方式を比較したものです。XDの字幕ではJev Noulの平均適合率（75.99%）がQwenの生成確率や有序尤度期待値を上回りましたが、UCFでは同様の優位性は見られませんでした。著者らは、これは順位付け・確率の質・インターフェースの不具合を記述する探索的なオフライン結果であり、因果的な利点や一般的な優越性を示すものではないと述べています。
説明RAGWarrant：品質・コスト・遅延・リスク制約下でRAG方針の昇格を監査可能に管理する枠組み
要約本論文は、検索拡張生成（RAG）システムの方針変更をリリースしてよいかを判断するオープンソースの枠組みRAGWarrant（RAGWarrant）を提案します。事前に宣言された品質とリスクの基準、証拠クラスごとの主張上限に基づき、PROMOTE、BLOCK、REJECT、INCONCLUSIVEのいずれかを監査可能な形で出力します。著者らは複数のデータセットで評価し、主張は監査可能な昇格管理の抽象化であり、最適化手法の優位性や本番運用への準備完了を示すものではないとしています。
