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LA-CPD：人間とLLMの共著文における著者分割のための局所証拠考慮型変化点検出手法
要約本論文は、人間とLLMが共同で執筆した文書において、LLMが生成した部分を特定する手法LA-CPDを提案しています。著作権侵害や詐欺などの場面で、AI生成テキストの帰属を明らかにすることを目的としています。凍結された文単位の検出器のスコアに対し、セグメント内残差と窓付き二平均対比を組み合わせ、動的計画法とAICに基づく基準で分割を決定します。保持された人間-LLM共著テストセットでは、WCP+AICを上回り、文単位の正解率が0.747から0.796に向上したと報告されています。
説明不確実性マップが誤っているのか、それとも目標値が誤っているのか？Tweedie対角成分の厳密な診断と勾配不要の代替手法
要約拡散モデルはベースライン画像から追跡検査の画像を予測できますが、臨床では予測をどこまで信頼できるかを示すボクセル単位のマップが必要です。本論文は6つのチェックポイントと14の条件で、Tweedie事後共分散の対角成分を厳密に計算しました。実画像の4条件では、対角成分と去噪誤差が負の相関を示し（最小で-0.13）、問題は推定器ではなく目標値にあることを示しています。さらに勾配不要のプローブ手法T-PTを提案し、全解像度の脳MRIと肺CTでモンテカルロ法との比較を行っています。
説明「Larry caused the car to stop」と「Larry stopped the car」の違いをモデルは捉えられるか：TransformerのM-ヒューリスティックへの盲点
要約本論文は、DeBERTaなどのエンコーダ型Transformerが、有標の形式は有標の意味を含意するというM-ヒューリスティック（新グライス派の語用原理）を利用しているかを検証する。自然言語推論の枠組みで、語彙的使役文と迂言的使役文を15の作格動詞、188条件で比較した。その結果、DeBERTa、RoBERTa、BARTのいずれもこの語用上の区別を捉えた証拠はなく、DeBERTaは全事例で「中立」と予測した。
説明予想外の成功と繰り返す失敗：エントロピーに基づく大規模言語モデル推論の探索向けクレジット割り当て
要約本論文は、検証可能な報酬による強化学習で大規模言語モデルの推論を改善する手法EAPO（Entropic Advantage Policy Optimization）を提案しています。方策エントロピーと応答のアドバンテージの符号を組み合わせ、成功した応答の高エントロピーな判断を強く強化し、失敗した応答の低エントロピーな判断に強い罰を与えます。また、不確実な位置での罰を弱めて回復の機会を残します。複数の推論タスクで最良の総合性能を示し、より効果的な探索を促すことが報告されています。
説明多様なSFT推論経路を選ぶと強化学習後の汎化が向上する研究
要約本論文は、教師ありファインチューニング（SFT）データにおける推論ステップの系列の多様性（経路多様性）を調べ、それを選ぶための軽量なルールベースの指紋手法を提案しています。同じ条件で多様な経路を選んだ場合、強化学習後のパズルや数学問題での解答カバー率が向上したと報告しています。著者らは、強化学習に向けてSFTデータを選ぶ実用的な基準として推論経路の多様性を挙げています。
説明証拠‐推論再構成：証拠は得られたが推論が誤った場合
要約本論文は、証拠‐推論再構成（EIR）という手法を提案します。構造化された状態で一回の検索過程を導き、取得した出典証拠を蓄積します。関連証拠が集められていれば、途中の推論ミスで誤った証拠が混入していても、最後のモデル呼び出し一回で正しい答えを生成できるとしています。HotpotQA、2WikiMultiHopQA、MuSiQue の各 1,000 問の部分集合で、EIR は基準手法やAgentic SSR、Reflexion より答えの F1 が高く、1 問あたりの平均モデル呼び出しは 4.85 回と少なくなっています。
説明誰が古文書を温めたのか？LLMは歴史的な暖かさを過大評価する
要約本論文は、大規模言語モデル（LLM）を用いて歴史的文書から気温指数を抽出し、気候記録を過去に延長できるかを検討しています。ドイツ語の五世紀分のテキストをPfister気温指数と比較したところ、語彙ベースの手法が、歴史的ドイツ語で微調整したTransformerをすべて上回りました。テストした六つのLLMすべてに、年代が新しくなるほど強まる暖かい方向への偏りが見られ、著者は相関だけではLLMを歴史的気候指数の判定に十分な根拠にはならないと述べています。
説明評価者を突破する戦略の学習：エージェントで AI 審判の弱点を探る
要約本論文は、エージェント型の評価者（judge）の弱点を、解釈可能な失敗メカニズムとして明らかにする手法を提案しています。数学的推論を対象に、敵対的エージェントが正しい証明に評価者が見抜けない誤りを注入し、その成功例を少数の変異戦略にまとめて失敗モードを分析します。GPT-5.6-sol と Claude Opus 5 およびそれぞれのエージェント基盤で検証した結果、すべての評価者で評価をすり抜ける戦略が得られ、難度が上がるほど信頼性が下がり、研究レベルの原稿の欠陥は検出されにくいことが示されています。
説明Skill2Env：スキルから能力志向で環境を合成する汎用エージェント向けの手法
要約本論文は、スキル（再利用可能な領域知識や道具利用の手順）を出発点に、エージェントの能力要求に基づいてタスクと実行可能な環境を合成するフレームワーク Skill2Env を提案しています。難易度パターンを目標・課題・環境の事実・情報境界・受け入れ基準を含むタスク設計図に具体化し、指示文、実行環境、作業空間、評価基準に基づく評価器を共同で構築します。さらに、ソルバーの実行結果をもとに難易度を引き上げる反復的タスク強化を導入しています。Skill2Env の環境で生成した高得点の軌跡 1.5K 件で教師あり微調整を行うと、幅広いエージェントのベンチマークで一貫した改善が見られたと報告しています。
説明M3-Score：放射線画像生成モデルを評価する忠実度・記憶・被覆の三軸指標
要約本論文は、放射線画像で事前学習された凍結済みのVision Transformer（RadioDINO-s16）に基づき、生成画像を忠実度、記憶性、被覆度の3つの相補的な軸で評価するM3-Scoreを提案します。BraTS脳MRIでは、忠実度の軸が重大度の異なる5つの比較集合を正しく順位付けし、無条件拡散モデルは実分布の38%しか被覆できませんでした。また、サンプル数の変化に対する感度はFréchet Inception Distanceより小さいことが示されています。
説明DEALS：マルチエージェントLLMシステムのための分散型専門性認識負荷分散手法
要約本論文は、複数のLLMエージェントが協調する分散型で低複雑度のフレームワーク DEALS（Decentralized Expertise-Aware Load Serving）を提案する。各エージェントは受信タスクのローカルキューを持ち、未処理量と成功率の差に基づいて、自ら処理するか隣接エージェントへ転送するかを決める。部分的に解かれたタスクは他のエージェントが再開できる。実験では、同種・異種のエージェント群の双方で回答精度とタスクスループットが向上し、専門性と負荷が自己組織的に均衡することが示された。
説明固定特徴を超えて：ヘテロフィリー下におけるノード表現に対するアーキテクチャ依存の感度差
要約グラフニューラルネットワーク（GNN）は同質性の高いグラフでは良好に動作しますが、接続されたノードのラベルが異なることが多い異質性の高いグラフでは苦戦します。本論文は、Roman-Empire と Amazon-Ratings の二つの大規模異質性ベンチマークに対し、静的な fastText ベクトルから文脈的な Transformer 埋め込みまでの複数の特徴版を作成し、七種類の GNN アーキテクチャを評価しています。同じ表現の変更でもアーキテクチャごとに性能向上の度合いが異なるため、両者は独立した評価要因として扱えないことを示しています。
説明EfficientAgent：並行エージェントにおいてKVキャッシュのオフロードが効果を発揮する条件は何か
要約LLMエージェントは毎ターン会話全体を再送するため、サービングシステムはKV状態をキャッシュし、GPUメモリが不足するとホストメモリへオフロードします。本論文では、オフロードの効果がデプロイ構成によって一定しないのは、ホスト層がエージェント全体の再利用可能なコンテキスト（「再利用ワーキングセット」）を保持できるかどうかに依存するためだと示します。EfficientAgentはスタック距離モデルでこの量を推定してホスト層を設定し、層が小さいときは書き込みを絞り、十分なときは全て書き込みます。SWE-bench Verifiedのコーディングエージェントでは、推定ワーキングセットに合わせたホスト層により、再計算されるプロンプトトークンが93%、エンドツーエンドの時間が39%削減されました。
注目点エージェント群の再利用ワーキングセットをスタック距離モデルで推定し、KVキャッシュのオフロード容量と書き込み方針を決める点で既存手法を実質的に改良し、SWE-bench上で対照実験も行っている。
説明周辺キャリブレーションが多変量時系列の生成器間の差を隠す問題：ERA5気象系列への適用
要約多変量時系列の生成モデルでは、周辺キャリブレーション後にプールされた分布指標で評価することが一般的ですが、本論文はこの場合に生成器の差がほとんど反映されないことを示します。ERA5気象系列を用い、事前に定めたプロトコル（最後の2年を168時間のエンバーゴ付きで留出）でStatD2GANをRCGAN、TimeGANと比較しています。統計検定にはHolm補正付きのWilcoxon符号付順位検定を用いています。著者らは、ノイズと平行移動に基づく下限を基準とした周辺評価、対応ペアの検定、依存性や系列レベルの指標の利用を推奨しています。
説明確率的な入力と敵対的な出力を持つ、最適化オラクル効率の良いオンライン分類（計算しやすい学習手法）
要約本論文は、文脈が未知の独立同分布から得られ、損失関数が適応的に選ばれる二値予測問題を扱います。観測されたそれぞれの文脈にガウス摂動を加えるFollow-the-Perturbed-Leader（摂動リーダーに従う）アルゴリズムが、N個のエキスパートからなるクラスに対して Õ(√(T log N)) の後悔（regret）を達成することを示しています。毎ラウンドの最適化オラクル呼び出しは1回で済み、仮説クラスの明示的な列挙は不要です。無限の仮説クラスに対しては、後悔は Õ(√(T·VC(H))) となります。
注目点各文脈へのガウス摂動を用いた単純なFollow-the-Perturbed-Leaderで、一回のオラクル呼び出しで解けることを示し、未解決問題を解決している。
説明位置は事実ではない：KVキャッシュと記憶のずれ
要約本論文は、事実が変わったときに言語モデルがキー・バリュー（KV）キャッシュ内の履歴をどう更新すべきかを検討しています。古い記録の全体を隠す方法、置き換えられた値だけを隠す方法、古いテキストを削除してキャッシュを再計算する方法を比較しています。値だけを隠すと単位などの情報が失われる一方、以前の状態には有用な情報が残ること、また保持すべき内容の識別は別の課題であることを示しています。
説明ENet-GP：幾何と光度の歪みを同時に補正する統一文書画像修復
要約実際に撮影された文書には、ページの反りや不均一な照明、ぼけなど複数の劣化が同時に生じることが多い。著者は物理ベースレンダリングで複合劣化をモデル化した大規模データセットGutenDocを提案し、単一のネットワークと一度の学習で幾何的・光度的歪みを同時に補正する手法を示した。実験では、単一歪みのベンチマークで競争力を保ちつつ、複合劣化下での頑健性が大きく向上したと報告されている。
説明YuE2：記号と音声の音楽生成を統合したフロンティア品質のモデル
要約本論文はYuE2を提案し、まず旋律と和声を指定する読める楽譜を生成し、それを音声へ変換する音楽生成モデルを示す。記号的プランニングを用いる版は、専門家評価で全体品質において49.3%の選好を得て、プランニングなし版の34.6%を上回ったと報告されている。WildSongBenchでは、八候補から選ぶ方式で平均6.96点に達した。あわせて、表現学習用のMERT2と、リードシート転写用のSheetSage2が紹介されている。
注目点記号的計画と音声生成を統合する枠組みを提案し、専門家評価と複数ベンチマークで優位を示しており、新規性と根拠は十分。
説明スマート低消費電力ヒアラブル機器向けリアルタイム音声強調のためのTransformerベースのニューラルビームフォーミング
要約本論文は、マイクロコントローラ上でリアルタイムに動作する、ニューラルネットワークによるMVDR（最小分散無歪応答）ビームフォーマを提案しています。6本のマイクを用いて音声を強調しノイズを抑制する仕組みで、重みを推定するCNNと、フレームごとに補正する軽量Transformerを組み合わせ、混合精度で実装されています。原文では平均45.9 mWの消費電力でSTOI 97.65%、SI-SNR 20.26 dB、広帯域PESQ 3.676を達成したと報告されています。無音時は音声活動検出モジュールにより処理を迂回します。
説明組織間の協調による合成データで欺瞞検知のプライバシーを守る研究
要約金融詐欺は事例が少なく、データが組織ごとに分散しプライバシー制約も受けるため、分析が難しいと指摘しています。本論文は拡散モデルに基づく協調的手法 CollaFuse を検討し、5つの詐欺データセットで従来のオーバーサンプリング、ローカル生成モデル、集中型拡散モデルと比較しています。結果として局所的な忠実度は最高ではないものの、多くのデータセットで下流の詐欺検知を一貫して改善したと報告しています。
説明非同期半二重ネットワークにおける同時符号化信号多重化測距
要約本論文は、信号多重化ネットワーク測距（SM-NR）で測距周期がネットワーク規模に比例して増えるという課題に対し、非同期半二重ネットワーク向けの並列符号化方式CC-SM-NRを提案します。二値の送受信符号語で同時送信を調整し、並列数に上限がない場合の最小の送受信ラウンド数を導出しました。その数はネットワーク規模に対して対数的に増えることが示されています。さらに、有限の並列数上限下で定重み符号語が成立する条件を示し、低計算量のスケジューリング手法とその貪欲法による拡張を提案し、シミュレーションで有効性を確認しています。
説明ResDiffFRG：複数の適切な表情反応を生成する残差拡散フレームワーク
要約本論文は、対話における聞き手の表情反応を多様に生成する課題を扱い、ResDiffFRG という手法を提案しています。拡散過程を話し手の表情に固定し、話し手と適切な反応との残差を拡散の目標とすることで、ノイズ除去器は比較的小さな反応固有の残差のみをモデル化すればよくなります。実験では、相関ベースの適切性指標において既存手法より大きな改善が示されています。
説明微分可能な論理ゲートネットワークのタスク認識型離散化
要約微分可能論理ゲートネットワーク（DLGN）は、訓練時に離散的な論理ゲートを緩和して勾配法で学習し、推論時に離散化することで高効率なブール型ネットワークを実現する手法です。本論文は、一般的な局所的離散化が、緩和問題の大域最適解であっても必ずしもタスクにとって最適ではなく、高いゲート信頼度も保証にならないことを示します。そのうえで、一次の下流タスク情報を用いた段階的離散化の信頼性を検討し、局所的argmax決定の評価には有効である一方、非局所的介入には信頼できないことを実験で示しています。
説明PQ-HSA：乗積量子化スコアを再利用するハイブリッド疎・近似アテンション
要約言語モデルは復号の各ステップで過去のすべてのキーバリューキャッシュを読み込むため、長い文脈ではメモリ帯域が制約になります。PQ-HSA は逆ファイル乗積量子化インデックスで未選択トークンの近似スコアを求め、それを選ばれたトークンの正確な計算と同じソフトマックスに組み込みます。論文によると、128K 文脈・検索予算 1〜2% で Quest や SnapKV より高い精度を示し、NVIDIA H20 上では復号アテンション呼び出しが FlashAttention-3 より 1.6 倍速いとされています。
注目点IVF-PQの近似スコアを未選択トークンの背景項に使い疎注意と組み合わせる点は既存手法の実質的改良で、128Kでの複数モデルとvLLM実測で検証されている。
説明DuraS2ST：思考連鎖と強化学習による時間長整合型音声翻訳
要約本論文はDuraS2STという枠組みを提案し、単一の音声言語モデルがまず明示的な思考連鎖で訳語と音声の長さを計画し、その後に対応する音声トークンを合成するようにします。著者らは教師あり初期化のためにDuraSet-440Kという思考連鎖コーパスを構築し、時間長マージン報酬を用いたマルチモーダル強化学習で翻訳品質と時間長の一致を両立させています。CVSS-Tでの実験では、翻訳品質と時間長一致のバランスが良好であると報告されています。
説明明示的なアンカー・正例・負例の結合による対照学習のための多周辺逆最適輸送
要約本論文は、従来の逆最適輸送ベースの表現学習が負例を利用しないため次元崩壊を起こし、下流タスクの性能が低下すると指摘しています。著者らは、アンカー・正例・負例の三つ組に対する全体的な多周辺輸送の結合を集中させる手法Neg-MMIOT-CLを提案し、合成データと実データで既存の最適輸送ベース対照学習法を上回ったと報告しています。
説明連続的処置の効果推定のための分布バランシング付き重み付きスプライン拡張ネットワーク
要約本論文は、観察研究において連続的な処置（用量など）の因果効果を推定する重み付きスプライン拡張ネットワーク（WSENet）を提案する。まず距離共変量最適重み（Distance Covariate Optimal Weights）により共変量と処置の分布的独立性を確保し、その後スプライン展開された処置入力と共変量表現を融合して用量反応関係をモデル化する。残差バイアスを抑えるため、有効影響関数に基づく重み付きターゲット正則化を導入し、二重頑健推定量を得ている。半合成データおよび高次元のゲノム・環境健康データでの評価において、WSENetは既存の基準手法より精度と安定性で優れていたと報告されている。
説明段階的な指示提示が言語モデルの創作文章に与える影響：複数ターンの対話で要件を分けて伝えると、作品の構成や一貫性が損なわれるかを調べた研究です。
要約本論文は、利用者が対話の中で執筆要件を段階的に示した場合に、大規模言語モデルの創作文章の質がどう変わるかを検証しています。6つのジャンルにわたる人手作成の創作課題160件を、要件を一度に示す場合と5〜9ターンに分けて示す場合で比較し、6つのオープンウェイトモデル系統で合計960組の対を分析しました。その結果、段階的提示では明示的な制約の遵守が低下し、構成と一貫性の低下が最も大きいことが示されました。また、段階的提示でもモデルは全体提示時の完全な創作完全性スコアの71.2%を維持しました。
注目点段階的指示と一括指示が創作文章に与える影響を体系的に比較し、構造性の劣化を人手評価で検証しており、証拠は比較的確かである。
説明学習不要のフロー編集のための制約付き編集フィールド（CEF）：目的の箇所だけを変更し、無関係な内容を保つ画像編集手法
要約本論文は、事前学習済みの整流フローモデルを用いたテキスト誘導型の画像編集のための制約付き編集フィールド（CEF）を提案します。各空間位置に、所望の編集との関連度を示す連続的な編集責任値を割り当て、各ステップで編集フィールドをプロンプト由来と軌道由来の成分に分解して、意図しない変化を抑えます。PIE-Bench の全700例で評価した結果、Stable Diffusion 3.5 Medium と FLUX の両方で、構造距離、背景 LPIPS、背景 MSE において最先端の性能を達成し、指示への整合性も競争力のある水準を保ちました。
説明Unicodeにおけるヨルバ語の問題の概要
要約本論文は、ヨルバ語（Yorùbá）をインターネットやコンピュータで書く際に長年続いてきた文字符号化の問題を記録している。ヨルバ語に必要な事前合成文字の一部がUnicodeに符号化されていないため、組み合わせ文字列に頼らざるを得ず、プラットフォームによって表示が異なり、フォント置換で崩れ、検索できないことがある。著者は実例と経験的証拠に基づいてこの問題を示し、Unicodeの NFC 正規化安定性ポリシーが簡単な修正を妨げる構造的制約であると指摘する。そのうえで、根本的な解決策として、四つの主要なヨルバ語文字について正式な符号化要求を提出することを提案している。
説明マルチサーバーMCPツール連携のための調整層としてのHTNプランニング
要約本論文は、階層的タスクネットワーク（HTN）プランナーが検証可能なクロスサーバー計画を一度生成し、ランタイムミドルウェアが複数のMCPサーバー上でそれを決定的に実行する調整アーキテクチャを提案しています。大規模言語モデルが毎回の工具呼び出しに関与しない点が特徴です。著者らは五つのHTN領域でこの構成を実装し、ブラウザベースの計画コントローラから、実際の生物学データベースに問い合わせる八つの稼働中のサードパーティMCPサーバーに対して、エンドツーエンドの実行を示しています。
説明ALDER：世界に働きかけながら法則を発見する手法
要約本論文は、数式で表された世界モデルを能動的に設計した実験によって検証・修正するALDER手法を提案しています。パラメトリックな方程式を提案し、係数を数値的に当てはめ、独立したデータで検証します。対立する仮説は介入実験で区別され、成立しない法則は破棄されます。ベンチマーク、常微分方程式の発見課題、ロボット実験で、初期の式集合を超える法則の発見や分布外予測の改善が報告されています。
説明知識蒸留の統計的視点：基礎、古典的手法、大規模言語モデルへの拡張に関するレビュー
要約本論文は知識蒸留（KD、大規模モデルの能力を小型の「生徒」モデルに移す手法）についてのレビューです。教師モデルの予測を事前情報とみなす統一的なベイズの枠組みを提示し、教師の情報が生徒の学習にどのように取り込まれるかを説明するとともに、不確実性の定量化と結びつけています。生成モデルや基盤モデルにおける新しい発展も、同じ統計的原理に基づいていることを示し、未解決の重要課題を挙げています。
説明TutlAit v1：アラビア語転写と地域アクセント注釈付きのクラウドソーシング製モロッコ・タマジグト語音声データセット
要約本論文は、モロッコ・タマジグト語の音声コーパス TutlAit データセットを紹介します。各音声には現代標準アラビア語のテキストと地域アクセントのラベルが付けられています。データは専用の Web アプリケーションを通じて母語話者から収集され、録音と書き起こしの二つの作業手順が用いられました。全体で 13,384 件、約 20.9 時間の音声があり、音声認識、音声翻訳、アクセント識別に利用できます。
説明タンパク質の複数の立体構造に強いバイオ分子複合体設計：推論時進化的適応フレームワーク
要約タンパク質は複数の立体構造をとるが、構造ベースの設計は通常一つの標的構造に対して候補を最適化するため、別の構造では相互作用を失ったり立体衝突を起こしたりすることがあると指摘しています。著者らはFlexEvoを提案し、推論時に単一の標的構造から候補を一度適応させ、再学習や構造アンサンブルを必要としません。九つの結合分子カテゴリで評価したところ、カテゴリ平均の相対性能低下は47.8%から4.4%に減少し、サンプルあたりの追加時間は約1.4〜3.1分でした。
説明空間的コヒーレンスによるオンライン継続学習の信頼できるリプレイ
要約本論文はSPHERE（空間的コヒーレンスに基づくリプレイ配分手法）を提案します。表現カーネルで関連する記憶の符号付き損失変化を集約して根拠のないスパイクを抑え、エントロピー正則化された輸送で一様なリプレイ質量を支持されたハイリスク領域へ再配分し、遠距離の移動にはペナルティを課します。雑音ラベルの視覚タスク、言語モデルの指示調整、不完全なテスト報酬によるコード生成の強化学習で、精度の向上と忘却の低減が示されています。
説明「羅生門的ウィキペディア」：データ視点から見た歴史叙述の食い違い分析
要約本論文は、ルーマニア史の争いのある三つの出来事（1330年のポサダの戦い、1940年のソ連によるベッサラビア占領、1462年のタルゴヴィシュテの夜襲）について、ルーマニア語、ハンガリー語、ロシア語、トルコ語、英語版ウィキペディアの記事を比較しています。人手による注釈と大規模言語モデルを用い、2005年から2024年までの引用の立場と叙述の変化を分析しています。言語版間で引用がほとんど共有されていない点を明らかにし、対立を保持させる自動調停の手法も提案しています。
説明GeoShrink：2行のコードで拡散Transformerを高速化する学習不要の手法
要約拡散Transformerは、サンプリング過程でモデルを繰り返し評価するため推論コストが大きくなります。GeoShrinkは学習を必要としない高速化手法で、あらかじめ定めたアンカー段階のみでモデルを評価します。省略した段階では、直近の正確な出力に、最新の観測された変化量を幾何学的に定めた割合で加えて予測します。画像、動画、モーション、音声生成と、適応させた3Dバックエンドで実験を行い、約5倍の高速化で FLUX の PSNR が列挙された最強の基準手法より 3.10 dB 高いと報告しています。
説明BOReFT：ブラックボックス最適化のための言語モデルのマニフォールド制御
要約本論文は、凍結された言語モデルの隠れ状態への介入からなる小規模な低次元空間を学習し、外部のスコア関数を用いたベイズ最適化の探索領域として利用するBOReFTを提案します。解釈可能な単語探索課題Semantleと、新規分子の性質最適化における3つの課題で評価され、強力なLLMベースラインと比較して、Semantleでより多くの隠れ目標を発見し、3つの分子目標のうち2つで高い性質スコアを達成したと報告しています。
説明経験は共有、学習は分離：LLM向けのコンパニオン信頼度較正（CoCal）
要約大規模言語モデルは誤答時にも高い確信度を示すことが多い。本論文は、能力の向上と並行して信頼度を学習する「同時信頼度較正」を検討する。提案手法CoCalは、ロールアウトの隠れ状態と検証器による正誤の教師信号から軽量なコンパニオンを学習し、タスクの最適化は変更しない。Qwen3-8BとQwen3-14Bでの実験では、タスク性能を損なわずに信頼度推定が改善し、領域や方策の変化をまたいで汎化することが示された。
説明粒度の細かい改訂操作から意味のある改訂単位へ：改訂境界検出におけるLLMの評価
要約本論文は、構造化された改訂操作データの中で、LLMが意味のある改訂単位の境界を識別できるか、また単純な非LLMベースラインを上回る価値があるかを検証します。学部生の文章の113組の草稿と改訂稿を用い、専門家の注釈で4,344個の候補境界を得ました。タスクに合わせて微調整したQwen3-32Bが最高のマクロF1（.859）を示した一方、プロンプトのみのLLMは近接ヒューリスティック（マクロF1 .825）を上回りませんでした。
説明長期タスク向けエージェントのための自己設計評価器とウォームメモリ
要約本論文は、長い一連のタスクを処理する、ツールを使う言語モデルエージェントが報酬を受け取れないため成否を判断しにくい問題を扱います。提案手法SelfSuiteでは、エージェント自身の基盤モデルが公開資料のみを基に、重み付きの評価器とタスクごとの簡易な指示書からなる評価セットを設計し、それを固定して再試行の制御や型付きで結果を追跡するメモリへのラベル付けに用います。tau2-benchとAppWorldでの比較実験では、ラベルなしでも通常のエージェントを上回り、tau2-benchでは専門家ラベル10件を用いた手法と同等の結果を示したと報告されています。
説明教師なしドメイン適応のための拡散モデル微調整の再検討
要約本論文は、拡散モデルに基づく教師なしドメイン適応において、1つのラベル付きソースドメインのモデルを複数の無ラベルのターゲットドメインへ適応させる多ターゲットデータ生成を扱う。提案手法MUSE（Multi-target UDA-oriented Synthesis with Efficient diffusion fine-tuning）は、ラベル付きソースデータで更新する共有の意味分岐と、各ターゲットに特化した様式分岐を分離する。ターゲットごとに拡散微調整を繰り返す方法と比べ、微調整コストを抑えつつ、ターゲットドメインの平均精度を向上させたと報告されている。
説明理論に基づき解釈可能なニューラルオペレータ設計による偏微分方程式学習
要約本論文は、ニューラルオペレータ学習と適応フーリエ分解（AFD）理論を、専用設計の変分オートエンコーダ構造に組み込んだ偏微分方程式ソルバーAFDONetを提案します。滑らかな多様体上の一般的な非線形偏微分方程式を対象とし、いくつかのベンチマーク問題で高い解精度と競争力ある計算効率を示したとしています。任意のリーマン多様体や急峻な勾配を持つデータセットで優れた性能を示すとしています。
説明BIRD：決定境界を根拠へ蒸留し、MLLM を適応させる手法
要約本論文は、汎用マルチモーダル大規模言語モデルを専門分野へ適応させる BIRD フレームワークを提案します。モデル自身が混同しやすいサンプル対から未解決の局所的な決定境界を特定し、その混同を解消する視覚的根拠を蒸留して、教師ありファインチューニング用の単一サンプルの根拠を作成します。医療および図表の視覚質問応答で、他の根拠拡張手法を上回ったと報告しています。
説明DuoOPD：教師と生徒の共同結果から学ぶ多タスク・オンポリシー蒸留
要約本論文は、オンポリシー蒸留（OPD）において生徒と教師の正誤が問題ごとに異なる点に着目し、DuoOPDを提案する。生徒の正誤でフィードバックの方向を決め、教師と生徒の共同結果によって教師の支援方法を決める。Qwen3とLlamaでの実験では、平均マクロ精度がOPDを2.58ポイントおよび5.98ポイント上回り、五つのベースラインより高い結果を示した。
説明合成学習のスペクトル理論：深層線形ネットワークの学習ダイナミクスを数学的に分析し、学習の中で構成的推論が現れる仕組みを説明する
要約本論文は、深層線形ネットワーク（deep linear networks）の学習ダイナミクスを数学的に分析し、構造化された合成環境でこれらのネットワークを訓練します。経験の構造と構成的学習を結びつける理論を導き、構成的推論がいつ現れるか、利用可能な証拠から識別できるか、新しい関連証拠がこれまで得られなかった推論をどのように素早く解き放つかを予測します。著者らは、これらの結果が人間の認知で観察されるいくつかの現象を定性的に説明すると述べています。
説明敵対的学習は多視点VLAモデルの汎化性能を向上させるか？視点崩壊の発見と緩和
要約本論文は、ロボット制御用の多視点視覚・言語・行動（VLA）モデルについて、敵対的学習（AT）が分布シフト下での汎化性能に与える影響を検証しています。LIBERO-Plusの7つのシフト軸で評価した結果、直接的な敵対的学習はカメラ視点とセンサーノイズのシフトに効果がある一方、他のシフトでは効果が混在するか悪化することが示されました。さらに、モデルが手首視点に偏る「視点崩壊」が見つかり、視点交換による介入でATの効果が一部向上したと報告しています。
説明アフィン分割によるスパースなErdős–Rényiグラフの非適応学習
要約本論文は、指定した頂点部分集合に辺が含まれるかを問い合わせて未知のグラフの辺集合を復元する問題を扱います。すべての問い合わせを結果を見る前に固定する非適応方式を対象としています。Erdős–Rényi（ER）ランダムグラフに対し、O(k̄ log n) 回の問い合わせと同じオーダーの復号時間で、高確率に正確な復元を達成する方式を提案しています。これは従来の O(k̄^{1+δ} log n) の復号保証を改善し、より広いスパース領域に拡張するものです。
説明活性化の説明における作話の理解と再構成手法の再検討
要約自然言語オートエンコーダ（NLA）は、モデルの活性化を教師なしで文章により説明します。記述器が活性化を文章にし、再構成器がその文章から活性化を復元します。従来の点再構成の訓練では、説明はモデルの振る舞いの予測に有用になる一方、根拠のない詳細や文章の欠陥が増えることが示されています。本論文は、これらを分けて評価する標準化された枠組みを提示し、説明と両立する活性化の分布をモデル化し、拡散尤度の下界で記述器を訓練するFlow-NLAを提案します。Qwen、Gemma、Apertusでの実験では、有用性を保ちつつ作話と文章の欠陥の増加を抑えたと報告されています。
注目点点再構成に代えて分布的再構成でNLAを学習する新しい手法と評価枠組みを提案し、複数モデルで検証しているが、摘要では結果の詳細が限定的である。
説明生物医学視覚言語モデルのための、プロンプトを錨とする残差適応（PARA）
要約事前学習済みの生物医学視覚言語モデルはゼロショット分類で高い性能を示しますが、下流タスクではクラス間の微妙な視覚差が必要になることがあります。本論文のPARAは、凍結したプロンプト予測を意味的な錨として保持し、少数の支持例から学習した視覚予測を錨に対する残差として組み込みます。残差は閉形式で計算されます。さらに、支持例の選択による変動を分離し、平均と最悪20%の性能を報告する評価プロトコルを提案しています。著者らは、少数ショット分類と基底クラスから新規クラスへの汎化で最先端の性能を達成したと述べています。
説明SpecRead：言語モデルがハードウェア仕様を理解しているかを測定するベンチマーク
要約本論文は、ハードウェア仕様の理解力をコード生成能力から切り離して評価するベンチマーク SpecRead を提案しています。10 個のオープンソース OpenTitan IP ブロックに基づく 385 問と 82 問の対照問題で構成され、正確な検索、章をまたぐ推論、矛盾検出、仕様と RTL の整合性確認を含みます。小型モデル Ministral-3B による初期評価では、全体の正答率は 33.2% でした。
説明一つの潜在表現、多くのトークン：効率的な言語拡散のための圧縮埋め込みの同時学習
要約既存の連続拡散言語モデルは、サンプリングの各ステップで各トークンに対応する潜在位置を処理するため、生成コストが高くなります。二段階方式は潜在長を短くできますが、拡散モデルを学習する前に圧縮埋め込み空間を固定してしまいます。本論文はJPEG-DLM（拡散言語モデルによる効率的生成のための同時埋め込み予測）を提案し、圧縮器、フローマッチングモデル、デコードモジュールを同時に学習します。論文によれば、LM1BとOWTで平均Gen-PPLが最も低く、スループットが最も高く、OWTの圧縮率0.5ではGen-PPL 34.52に達しています。
説明半教師あり等化のための幾何学的帰納バイアス：コンステレーション認識型Transformer（CAT）
要約本論文は、未知のチャネル上での信号等化において、既知のコンステレーション（信号配置）の幾何構造を明示的に組み込むコンステレーション認識型Transformer（CAT）を提案しています。CATはカスタムのTransFIRmerブロックを積み重ねた構成で、FIR（有限インパルス応答）に着想を得たフィルタと幾何的精緻化のためのMLPを並列に持ちます。半教師あり設定では、ISIチャネルの一部においてCATが64個のパイロットで、VAEや標準Transformerが128個で達成するより低いSERを示したと報告されています。
説明見ること・解くことだけでは不十分：視覚言語モデルの合成失敗問題
要約本研究は、視覚言語モデルの誤答が必ずしも視覚情報抽出や問題解決の失敗によるものかを検証しています。両方の能力を個別に試すと正解できるのに、元の問いには直接答えられない「合成失敗」が、直接回答の誤りの17.7%から75.6%を占めることを示しました。これに対し、最終回答の前に正解のタスク状態を出力させる状態実現チューニング（SRT）を提案し、標準の教師ありファインチューニングより1.7から14.1ポイント向上させています。
説明複雑な幾何・位相上の偏微分方程式のための動的Kuramoto-Hodge演算子
要約本論文は、複雑な領域上で偏微分方程式の演算子を学習するための動的Kuramoto-Hodge演算子（DKHO）を提案する。場の量を頂点・辺・面の位相的な台上で符号化し、境界・余境界演算子を通じてKuramoto型の関係状態を発展させ、直交Hodge部分空間で非調和および調和応答を出力する。多孔質媒体のダルシー流、トーラス上の輸送・拡散、キャビティの静磁場問題において、大型版のDKHOは主要なベースラインと比べて平均約61%予測誤差を低減し、小型版はパラメータ数を11.5〜24.3%に抑えながら競争力を保つ。
説明エージェントはいつ役立つのか：古典テキストと訳文の整列における埋め込み、LLM、エージェント方式の比較
要約本研究は、パーリ語、サンスクリット語、ミシュナ・ヘブライ語、チベット語の452篇（人手による整列単位9,833件）を対象に、七つの整列システムを比較している。比較対象は四種類の埋め込みパイプライン、LLMの直接呼び出し、自律型エージェント、独立した監査者で修正されたエージェントである。生成型の手法は参照対応の93〜94％を再現したが、埋め込み方式は最大77％にとどまった。エージェントは452篇すべてで構造的に有効な出力を生成し、直接呼び出しは437篇であった。短い段落では、エージェントは判定された欠陥を減らしたが、長文書での優位性は分割後に消え、準備済みの段落では独立監査による測定可能な追加効果はわずかだった。
説明TopoMamba：位トポロジー最適化のための荷重支持関係に基づく多方向状態空間モデル
要約本論文は、トポロジー最適化において高性能な材料分布を予測するTopoMambaフレームワークを提案します。物理場と荷重支持関係を結び付け、空間条件に応じて多方向スキャン特徴を適応的に融合します。また、Mambaを固体等方性材料ペナルティ法と組み合わせ、計算効率を保ちながら構造の力学性能を高めるとしています。二次元ベンチマークでは、予測精度、分布外汎化、計算効率が先行モデルより優れていると報告されています。
説明帯域制約のある衛星搭載高次元データ向けの資源認識型パラメータ効率的モデル適応（NE-LoRA）
要約低軌道（LEO）衛星のアップリンク帯域が限られるため、軌道上で大規模モデルを頻繁に更新するのは困難であるという問題を扱う論文です。論文は、搭載型ハイパースペクトルモデルの更新に向けたパラメータ効率的な適応フレームワーク「NE-LoRA」を提案しています。主たる低ランク分岐と非線形補助分岐を組み合わせ、多行列アダプタには差異化された学習戦略を用います。4つのハイパースペクトルデータセットと3種のバックボーンモデルでの実験では、LoRA系のベースラインを上回り、全パラメータ微調整と同等かそれ以上の結果を示し、平均して全体のごく一部のパラメータのみを更新しています。
説明T-MoXAI：時系列マルチモーダルデータ向けの階層的説明可能性フレームワーク
要約本論文は、時系列マルチモーダルAIモデルの判断を三つの階層で説明するT-MoXAIを提案している。時系列Shapley値で予測に影響する時点を、注意機構の分析で各モダリティの寄与を、勾配ベースの帰属で特徴量や画像領域の役割を示す。体外受精の治療結果予測と小麦収量予測の二つのタスクで評価され、時間モデリングを除くと性能がランダムな推測と同等になることが報告されている。
説明SWE-Game：コーディングエージェントは私たちが望むゲームを作れるか？AIプログラミング支援による ゲーム開発能力を評価するベンチマークです。
要約著者らは247件のタスクからなるSWE-Gameベンチマークを提案します。これは41本の実行可能なGodot参照ゲームに基づき、2Dと3Dにわたる13のゲームプレイカテゴリを対象とします。タスクは簡単な説明からの開発、ゲーム設計書に基づく実装、骨格の補完、注入された故障の修復、Godotからunityへの移植の5種類です。評価はエンジン状態の確認、参照入力の再生、プレイ可能性の実演を組み合わせ、映像面は別途視覚言語モデルの評価基準で判定します。6モデル中、Opus5が5種類すべてのタスクで最高総合スコアを得ましたが、3つの構築タスクの最高総合スコアは100点満点中60点未満でした。
説明クエリ条件付き帰属による エージェント行動の監査
要約大規模言語モデルのエージェントは、ユーザー、ポリシー、外部ツールとのやり取りを通じて重要な行動を取るようになっています。本論文は、自然言語の監査クエリを入力とし、そのクエリが指す行動の側面について出典と順序付けられた中間的な根拠を特定する「クエリ条件付きエージェント行動帰属」という新しいタスクを提案します。1,396件の監査クエリからなるベンチマーク A^3Bench も構築されています。著者らは小規模なオープンウェイトモデルを用い、クエリ条件付き勾配顕著性と意味的関連性を組み合わせて履歴単位を順位付けしており、最強のフロンティアモデルの基準より出典精度が高い（64.5％対60.4％）と報告しています。
説明一般的なノルムと分布における良性過学習：学習データに含まれるノイズを完全に補間しても線形回帰が汎化できる理由を、非ユークリッドノルムと非ガウス分布へ拡張して分析する研究。
要約本論文は線形回帰における「良性過学習」を扱います。ノイズを含む学習データを完全に補間しても、モデルがうまく汎化する現象です。従来研究は最小 2 ノルム解が中心でしたが、Adam や Muon などの最適化器は別のノルムに偏った解を選びます。著者らは一般的なノルムと亜ガウス分布に対する分析手法を提案しました。条件を満たせば、p>1 の最小 p ノルム補間は非ガウス分布でも良性過学習しうることが示されています。一方、1 ノルムについては、性質の良い非ガウス分布では一般には成り立たないとされています。
注目点一般ノルムと劣ガウス分布へ良性過学習の解析を拡張し、p>1のノルム補間の成立と、1ノルム結果がガウス性に依存することを示した。
説明到達可能性だけでは不十分：GNNの長距離挙動の診断
要約本論文は、グラフ上の各距離にある入力が予測にどれだけ強く影響するかを測定し、アーキテクチャ、有限近似、学習、数値実行に起因する制約を切り分ける枠組みを提案しています。局所的なメッセージパッシングでは影響の伝播が遅く、有限な実装は理想的な計算がグラフ全体を使う場合でも主に近傍の入力に依存しうることを示しています。制御された課題では、アーキテクチャ上の到達範囲が似たモデルでも遠方の情報の使い方が大きく異なり、平均誤差が低くても遠方の相互作用での失敗が隠れることがあります。
説明リセットは回復ではない：偽の対話文脈からの回復可能性を迎合ヒステリシスで評価
要約本論文は、多ターン対話でユーザーが誤答を繰り返し支持し、その後圧力を取り下げた後に、モデルが文脈のない状態の振る舞いに戻れるかを調べています。複数の指示調整済みオープンウェイトモデルと二つの事実ベンチマークで検証したところ、通常のリセットでは圧力による偏りが減るだけで消えないことが分かりました。圧力を伴う履歴そのものを削除または切り詰めた場合のみ完全に回復し、履歴を残す修復策の効果は限定的でした。
説明方言間のギャップを埋める：Text-to-SQLにおけるポータブルなインターフェースとしてのクエリプラン
要約既存のText-to-SQLシステムはSQLite一つだけで学習・評価されることが多いが、実運用ではPostgreSQLやMySQL、ClickHouseなど複数の方言が使われており、方言が変わると精度が大きく低下すると論文は指摘している。著者らは、LLMに方言固有のSQLではなく、方言に依存しない関係代数のクエリプランを生成させ、決定的なコンパイラが各バックエンド向けのSQLに変換する方式を提案している。13のモデルでの実験では、この方式により方言間の移植性がほぼ回復し、微調整後はSQLを直接生成させる場合より高い性能を示したと報告している。
説明RSD-Poker：不完全情報ゲームにおける残差方策のための、構造適応型・分布シフト頑健なリスク効用認証フレームワーク
要約本論文は、強力な参照方策を修正する残差方策について、リスクと効用を認証する RSD-Poker フレームワークを提案します。独立した分割で可視な分類を学習し、較正の前に凍結したうえで、候補と群の組ごとにリスクと効用の上下の信頼限界を与えます。分層された保留状態では、学習された分割に基づく双対選択器が弱い応答効用を向上させ、違反率を低下させています。
説明ノイズとロングテールが併存する場合に頑健な擬似ラベル：特徴量と閾値の二重校正
要約論文は、強い撮像ノイズとロングテールなクラス分布が同時に存在する場合、セマンティックセグメンテーションの擬似ラベル手法の効果が大きく落ちることを指摘しています。固定の高い閾値では尾部クラスの予測が除外され、教師信号を得られないとしています。提案手法FTC-Segは、直交プロトタイプ再構成で画素特徴を浄化し、適応的閾値校正で尾部クラスの低信頼度擬似ラベルを救済します。4つの公開ベンチマークで既存手法を上回り、尾部クラスで特に大きな改善が示されています。
説明学習中のモデル挙動の拡張可能な帰属と制御：相互情報量と行動勾配の一意性で各サンプルの寄与を測り、重みを調整して挙動を誘導する手法です。
要約本論文は、次の更新の前に各サンプルがモデルの挙動にどれだけ寄与したかを素早く判定する問題を扱います。同一バッチ内のサンプル同士の干渉を相互情報量で考慮し、この相互情報量が行動勾配の一意性（BGU）の対数関数であることを示します。バッチ空間で計算を共有するBS-Ghostアルゴリズムを提案し、モデル規模のサンプル勾配を保存せずに済ませます。Qwen2.5-7B-Instruct・1,000サンプルの実験では、通常の学習約5.5分に対して約27秒（8.0%）の追加で済み、データを除去して再学習した結果からBGUが最終挙動に因果的に影響するデータを識別できることが示されています。
注目点相互情報量と行動勾配の一意性を結び、バッチ内で効率的に計算する点は新しい。実験は単一の7Bワークロードに限られ証拠は限定的。
説明一つのモデルは群衆にはならない：複数LLMと観点条件付けによる多様なコメント生成
要約本論文は、大規模言語モデル（LLM）が生成したコメントが人間のネット上の議論の多様性を再現できるかを検討しています。複数のモデルを組み合わせ、議論の観点ごとに条件付けして生成する手法を提案し、意味・言語・社会語用の各側面について、散らばり、網羅性、整合性の三軸で多様性を評価しています。200万件以上のYouTubeコメントを用いた大規模実験の結果、この手法は人間のコメント分布により近づくものの、人間の多様性には及ばないことが示されています。
説明CompoWorld：汎用エージェントのための合成的環境スケーリング手法
要約本論文は、再利用可能なサービスの有限ライブラリを組み合わせることでタスク空間を広げる CompoWorld を提案します。コーディングエージェントがツール仕様を型付き状態と共通インターフェースを持つ検証済みサービスに変換し、随機ウォークで依存グラフを通じてサービス同士を接続し、複数サービス間で情報が流れるタスクを生成・検証します。八つのベンチマークで基盤モデルより平均 9.17 ポイント向上し、AutomationBench では Claude Opus 4.6 などの最先端モデルを上回ったと報告されています。
説明LieDiscover：明示的な開形式対称性発見のための適応的記号ライブラリ構築
要約本論文は、データから未知の無限小生成元、すなわちデータの背後にある対称性を発見する手法LieDiscoverを提案します。対称性発見を関数ライブラリと係数に関する同時最適化問題として定式化し、エンコーダ・デコーダ構造で記号式を動的に生成してライブラリを拡張します。さらに、ステップごとの報酬による強化学習で記号探索を加速します。実験では、既存手法では扱いにくい高次多項式や超越関数を含む開形式の生成元を発見でき、下流のPDEの求解・発見タスクでも性能向上が示されています。
説明監査優先のVAPO：不完全な検証下でリスクを認証する選択的更新
要約本論文は、離散的な更新方向の受け入れと連続的な更新幅の制御を分離するAudit-First VAPOを提案します。有限の二次検証予算を用いて受理・異議申し立て・棄権を判断し、正解ラベルを結合する前に動作の記録を凍結します。その後、有限標本の境界で選択された有害リスク、カバレッジ、検証呼び出し率を認証し、受理後は有界のクリップ・KL制御で更新幅を調整します。Qwen3.5-0.8BとGSM8Kで、目標リスク0.08において正解率は74.1%と報告されています。
説明証拠対応の読み出しによるマルチモーダル埋め込み学習
要約本論文はEviAlignを提案し、共有のマルチモーダル大規模言語モデル内で、タスクに関連する証拠を5つの意味単位に整理し、各単位の境界で文脈化された状態を読み出して、検索用の単一の正規化埋め込みに集約する。生成と対照的検索の目的関数を同時に学習する。証拠の意味的構成と読み出し位置の組み合わせによって追加の利得が得られることが示されている。12のMMEB検索タスクで平均Recall@1は76.9に達し、単一ベクトルによるインデックス作成とスコアリングを維持している。
説明AgentBoundary：ツール利用型LLMエージェントの安全性に関する反事実評価
要約本論文は、ツールを使用する大規模言語モデルエージェントを対象に、見かけのリスクと行動の許可性を独立に変える四象限の反事実生成・評価フレームワーク AgentBound を提案しています。人手で検証された4000件のタスク評価セットを構築し、17のモデルと実行環境の構成で検証しました。高い安全性は許可されたタスクの完了率の低さと同時に現れることが多く、著者らは行動判断を権限に関連する実行証拠に沿わせるための軽量な実行時キャリブレーションモジュールを学習させています。
説明数学推論のカリキュラム学習における破滅的忘却の解消に向けて
要約本論文は、カリキュラム学習で生じる破滅的忘却を調べ、理論解析により、その原因がタスク間の最適解の乖離にあり、これは学習の高速化に通常必要なため完全には除去できないと示します。そのうえで、弾性重み統合（EWC）をカリキュラム学習の目的関数に組み込んだIV-EWCを提案し、影響関数で学習データから代表的な検証集合を作って動的な正則化に用います。実験では、通常のカリキュラム学習と比べて忘却が平均162%削減され、後向き転移も確認されたと報告しています。
説明デモンストレー ション不要の成功確率報酬学習による汎用ロボットポリシー（デモ不要で成功確率を報酬として学習する手法）
要約本論文は、専門家のデモンストレーションを用いずに、疎なタスク結果と方策自身の経験から密な報酬を学習する手法を提案しています。自己ブートストラップにより混合品質の試行から成功確率を学習する eVTA₀ と、方策の進化に合わせて報酬を更新する閉ループの RLER を導入しています。LIBERO のタスク群および実機の操作実験で、既存手法より良い結果が示されたと報告されています。
説明Tsubame：拡散ベース投機的デコーディングのためのツリー再生手法
要約本論文は、拡散ベースのドラフトモデル向けの二段階ツリー型投機的デコーディング枠組み Tsubame を提案している。第1段階では草案パスのスコアを用いて文脈に応じたツリー構造を計画し固定する。第2段階では固定された構造を再生し、ノードをサンプリングで埋めて検証用の候補ツリーを作る。著者は互換的なサンプリングおよび検証戦略の下で無損失であることを証明し、3つのドラフトモデル、6つのデータセット、複数の候補予算で、決定論的ツリーより受理長とスループットが向上したと報告している。
説明FuseAlign：実環境における強制アライメント
要約本論文は、Transformerベースの単語レベル強制アライメント手法FuseAlignを提案し、転写テキストの各単語が音声中のどの時刻に現れるかを推定します。また、評価指標の改善、実際のASR転写結果に対する採点手順、そして多様な話者・音響・テキスト条件を含むベンチマークAlignBenchを提示しています。AlignBenchにおいて、FuseAlignは全ての基準手法を大きく上回り、実際のASR転写でも頑健であることが示されています。
説明分布から確率過程へ：測度値写像のニューラル近似
要約本論文は、入力と出力が確率分布として表される写像の学習を扱い、分布から分布への学習の近似理論を構築し、確率過程の間の写像へ拡張しています。2-Wasserstein距離において、有限次元確率法則のコンパクト族上の連続作用素をニューラルネットワークで一様に近似できることを示しています。実験では、オルンシュタイン＝ウーレンベック過程の初到達時間分布とダフィング振動子の応答経路分布を予測し、提案モデルが固定特徴量のMLPや分布空間のカーネル回帰より優れた結果を示しています。
説明Probe to Act：能動的な視覚プロービングによるブラウザ操作エージェントの強化
要約本論文は、ブラウザエージェントが操作の前に能動的にプローブを行う枠組み Probe to Act（P2A）を提案します。DOM 構造と画面ピクセルの対応づけを意思決定の時点で行い、状態を変える操作の前に軽量なプローブで DOM ハンドルを画面上の証拠に変換します。保持されるのは、プローブ・実行・確定された観測のみです。3 つのベンチマークで成功率の向上が示され、VisualWebArena では Gemini-3-Pro が 54.1% から 61.2%、Qwen3-VL-8B が 24.6% から 32.9% に改善しました。
説明文脈から学ぶ大規模言語モデル：摂動を加えた公開文書による合成学習
要約本論文は、人手による注釈を用いず、軽微な摂動を加えた高品質な公開文書から、文書に依拠する質問・採点基準・回答を生成し、学生モデルの学習に用いる手法を提案しています。論文によると、Qwen3.6-35B-A3B の CL-bench 上の正答率は、SFT で 13.7% から 22.8% に上がり、評価基準に基づく報酬の強化学習を経て 24.6% に達しました。長文理解、指示追従、推論の能力にも改善が広く及ぶ一方、コード生成と知識の項目はほぼ変わらなかったと報告されています。
説明保守・修理・オーバーホール（MRO）工程における拡張可能なデータ駆動型意思決定支援
要約本論文は、ガスタービンなどの鋳造部品の修理工程全体で技術専門家を機械学習によって支援する「スマート・エキスパート・システム（SES）」を提案している。ITアーキテクチャと、代表的なMROのユースケース向けに用いた機械学習モデルを紹介している。ある大手ガスタービン企業の実産業データで評価し、意思決定支援の適合性とITアーキテクチャの安定性について、定めた要件を満たすことを示している。
説明SafeMol：分子マルチモーダルモデル向けの二重モダリティ安全性アライメント
要約分子マルチモーダルモデルは多様な理解・生成タスクに使われますが、危険な分子を扱う際に安全上の脆弱性を生む可能性があります。本研究はテキストのみとグラフ入力の両方の条件で脱獄攻撃への脆弱性を示し、618種の危険分子を含む3702サンプルのSafeMolBenchを構築しました。これに基づき、軽量モジュールを共同最適化し、MMDで表現を揃えるパラメータ効率の良い安全性アライメント手法SafeMolを提案しています。実験では攻撃成功率を数十ポイント下げつつ、過剰拒否を低く保ち、分子タスクの有用性を維持したと報告されています。
説明LLMベースのエージェントにおける軌跡の忘却：望ましくない行動経路を忘れさせる研究
要約従来のLLM忘却研究は主に特定の知識の削除に焦点を当ててきましたが、本論文はエージェントが望ましくない行動の軌跡を再現しないよう、軌跡レベルの忘却という新しい問題を提起しています。著者らは、忘れるべき軌跡をペナルティ付き報酬とともに方策のロールアウト群に注入し、正規化統計量を分離するGiRPO手法を提案しています。ALFWorldとWebShopでの実験では、タスク成功率を維持しつつ目標軌跡を効果的に忘れさせ、既存の知識忘却の基準手法を上回ったと報告されています。
説明ブラックボックス言語モデルにおける稀な行動の裾野の定量化
要約本論文は、ブラックボックスの大規模言語モデルで深刻な振る舞いが起こる確率を推定するフレームワーク RareTrap を提案している。代理モデルを用いて潜在空間からトークン埋め込み空間への写像を構成し、再現可能な入力プロンプトの分布を定義する。その上で逐次的な稀少事象シミュレーションにより、より深刻な振る舞いに評価を集中させる。10 のオープンウェイトモデルと 2 つのフロンティアモデルで検証し、約 200 回の評価で資源消費の深刻な振る舞いの確率を計算できたと報告している。
