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Jevは「わからない」と考えているのに言わない：確率校正のためのSys1Cal-v1データセットの紹介
要約本論文は、確率分布を返すSystem Oneモデル「Jev」の確率が校正されているという主張が公開テストで裏付けられていない点に着目し、確率が既知の真偽問題からなるSys1Cal-v1データセットを提案している。Jevとオープンソースのベースラインであるなどを全変動距離で評価した結果、Choice回答では第三の真理値（「わからない」）が抑制されているように見え、それを補正すると中央値の軟正解率が0.771から0.978に向上したと報告している。
説明生成の不確実性を自己教師信号とする意味的類似性学習：テキストから動画を生成するモデルの出力のばらつきを使い、人手の注釈なしで安定した動画特徴を選び出す研究
要約本論文は、テキストから動画を生成する拡散モデル（T2V）の生成的不確実性を使い、人手の注釈なしに動画の意味的類似性を学習する自己教師あり手法を提案しています。一般的な概念では生成結果が一貫し、専門的な概念では分散が大きくなるという観察に基づき、VideoMAEやV-JEPAなどの事前学習済み表現上にマスクを学習します。生成ノイズに関連する特徴を除き、生成をまたいで安定した特徴を残します。3つの主要タスクでの実験では、学習された特徴部分空間が元の事前学習特徴や基準となる特徴選択手法を上回りました。
説明回答プーリング：選択式ベンチマークを再び難しくする手法
要約論文は AnswerPool を提案します。同じ文脈を共有する N 問の選択肢をすべて一つのリストにまとめ、モデルに各問の答えを割り当てさせる方式です。問題を新たに作成する必要はなく、消去法による推測の成功率を下げることを目指します。テキスト・画像・動画の 8 つのベンチマークと 18 のモデルで検証され、プーリング後はすべてのモデルで難易度が上がり、最も弱いモデルが消去法で最も多く得点していたことが示されています。
説明TMCS：組合化学問題を解くためのツール連携型マルチエージェント推論
要約大規模言語モデルは計算化学での活用が期待されていますが、定量的制約のある分子修飾、候補分子の検証、失敗後の系統的な修正を要する組合せ化学問題は依然として難しいとされています。本論文は、化学問題解決を解釈可能なツール連携型ワークフローとして定式化したマルチエージェント枠組みTMCSを提案します。専門化したエージェントが外部ツール、少数例の軌跡メモリ、構造化された省察を用いて解を反復的に改良し、生成・理解・編集・記述・最適化を閉ループで連結します。複数の化学タスクで、オープン・クローズド両方の基盤モデルの化学推論を一貫して向上させ、最先端の性能に達したと報告しています。
説明大規模言語モデルによる機械学習タスク種別の自動判定：ベンチマークデータセットと評価
要約本論文は、ユーザーがターゲット特徴量のみを指定した場合に、大規模言語モデル（LLM）がデータセット単位の情報からデータ領域と予測タスクを推定できるかを検討しています。表形式と時系列の計625件の公開データセットからなる注釈付きベンチマークも公開されています。表形式データではLLMベースの手法がAutoGluonを上回り（F1 macroは0.93に対し0.98）、クロスドメインでは最良モデルが0.90、小規模なローカル展開可能モデルが0.75を達成したと報告されています。
説明再帰的アルゴリズム蒸留によるスケーラブルな文脈内強化学習
要約本論文は、重みを更新せずにTransformerが文脈内で強化学習を行う手法を拡張した、再帰的アルゴリズム蒸留（RAD）を提案しています。RADは、長い相互作用履歴を圧縮Transformerでコンパクトな潜在トークンに蒸留し、AD Transformerがそれらの圧縮記憶と直近の遷移を組み合わせて行動を生成します。著者らは、多様な環境において、標準的なアルゴリズム蒸留と同等の漸近性能を、大幅に小さい文脈窓で達成したと報告しています。
説明逆順逐次比例承認投票ルール（RevSeqPAV）の比例性と近似保証
要約本論文は、承認ベースの委員会選挙における逆順逐次比例承認投票ルール（RevSeqPAV）を研究している。比例代表性（拡張正当化代表性、その近似、比例度で測定）と、インスタンスの最大PAVスコアに対する近似という二つの観点から分析している。まず一般的で制約のない選挙インスタンスについて強い否定的結果を示し、そのうえで、このルールが意味のある公平性と最適化の保証を提供する設定を特定している。
説明ハイパーアルゴリズム設計エージェント：ゼロから学習可能なオプティマイザを進化させる
要約本論文は、メタブラックボックス最適化（MetaBBO）のアルゴリズム設計を、コーディングタスクとして扱う二重エージェントの枠組みを提案しています。タスクエージェントは対象手法のコードベースをコード進化によって改良し、ハイパーエージェントはタスクエージェントと自身を修正して開放的な設計の振る舞いを実現します。実験では、単純なテンプレートから人手で作られた基準手法を上回る新たな変種が自動的に見つかり、異なる最適化領域への迅速な適応も示されています。
説明重み付けスケジュールは、スコアベース生成モデルがマルチモーダルデータから何をいつ学ぶかを決める
要約本論文は、スコアベース生成モデルがマルチモーダルデータで学習する際の動態を研究している。著者らは時間積分された損失を単一時刻の寄与に分解し、固定された信号対雑音比で各寄与を解析した。その結果、信号対雑音比がモードの方向と相対重みが学習される速度を決めることが示された。高い信号対雑音比では全モードの方向が同時に学習され、相対重みはほぼ学習されない。信号対雑音比が1程度になる分化時刻付近でのみ、すべての特徴がそれぞれ異なる時間スケールで学習可能になる。結論は、不均衡かつ階層的なガウス混合の厳密な高次元解析と、画像およびヒトゲノムのハプロタイプ生成実験によって裏付けられている。
注目点積分損失を単一時刻の寄与に分解し、信号対雑音比で多峰性特徴の学習速度を分析。権重スケジュールの役割を示し、高次元の厳密解析と画像・ゲノムでの実験で裏付けている。
説明教師と生徒の差だけでは不十分：多段階自律エージェントのための結果誘導型オンポリシー蒸留
要約本論文は、多段階の自律エージェントを対象とするオンポリシー蒸留（OPD）を扱う。教師と生徒のトークン分布の差が大きくても有益とは限らず、差が小さくても結果を左右しうるという不一致を実験で示す。そこで、生徒の後続の続きから得られる最終タスク結果を用いて教師監督の重みを校正する結果誘導型オンポリシー蒸留（OG-OPD）を提案する。ALFWorld、ScienceWorld、WebShop で既存手法を上回り、タスク成功率は素のOPDより3.6〜17.7ポイント向上した。
説明AIシステムの信頼性工学：課題・手法・今後の方向性
要約本論文は、AIシステムが規定の期間と条件のもとで意図した機能を信頼性高く果たせるかを検討します。故障の定義、FMEA、加速試験、現場監視などの従来の信頼性工学の手法をAIに適用し、故障を構成要素、運用ループ、エージェントの振る舞い、ネットワーク・ガバナンスの四層に分類する診断枠組みを示しています。畳み込みニューラルネットワークの敵対的テスト、知覚誤差の伝播、自動運転の解除事例の三つで方法を説明し、自己進化するシステムには新たな測定手法と安全策が必要だと述べています。
説明科学的発見のための証拠移転による協調的原理進化
要約本論文はCOEVOLVEを提案し、複数の並列な原理進化ブランチが共有された測定結果を通じて協力し、大規模言語モデルベースの仮説探索を加速する仕組みを示します。6つの科学発見タスクにおける平均解品質は66.5%で、単一ブランチ方式の57.0%を上回り、GPT-5.6-Terraでは平均1.80倍の実時間高速化が得られました。証拠共有が有効な場合と、負の移転を抑えるための保護機構が必要な場合についても検討しています。
説明衛星による蒸発散量の推定値はいつ補正すべきか？ニューラル補正手法のストレステスト
要約本研究は151観測地点の通量塔データ16,366件を用い、OpenETの衛星推定蒸発散量をニューラル残差補正で改善できるか、また補正が有効なタイミングを選択器が判断し、裏付けのない入力を棄却できるかを評価しています。異常入力を含む検証では、Gain手法が物理的に無効な32件すべてを受け入れ、OpenETに比べて平均絶対誤差を21.6 mm/日増加させました。SupportGainは空間的に分離した異常入力で誤差を減らしましたが、原文はこれらの故障分析を探索的なものとし、事前計画された時間比較の多くは多重比較補正を通過しなかったと述べています。
説明MemoReason：パラメトリック記憶が大規模言語モデルの文脈推論に与える影響の評価
要約本論文は、大規模言語モデルの推論ベンチマークでの高い成績が、文脈に基づく真の推論によるものか、パラメータに記憶された事実への依存によるものかを検討します。作者は、実在の人名・企業名・日付を同じ種類の架空の実体に置き換えた MemoReason ベンチマークを提案しています。最近のモデルは架空の設定で最大 15.7% の性能低下を示しましたが、事実に基づく答えを直接返すことはまれで、記憶の影響は単純な事実想起より複雑であることが示されています。
説明RoGSW4RLD：ロボット世界モデルのロールアウト向けフィードフォワード型4Dガウシアン・リフティング
要約本論文はRoGSW4RLDを提案し、複数カメラで同期したロボット世界モデルのロールアウト映像を、時間で問い合わせ可能な統一的な計量4Dガウシアン場へ持ち上げる手法を示す。第1段階では、視点間の情報とロボットの関節幾何・運動学を融合して計量4D場を形成し、第2段階では初期の時間変位を保ったまま幾何と外観を精緻化する。保持された256のDROIDエピソードで、カメラごとに再構成して較正済みの統合を行う手法より優れ、新規視点PSNRは2.15 dB向上、深度AbsRelは47%低減、ロボット変位誤差は61%低減した。Cosmos 3のロールアウトでも同様の改善が確認された。
説明マルチターンLLMの汚染における認識論的ポリシーの乖離：情報源権威の勾配に基づくプロトコル研究
要約大規模言語モデルは会話履歴を未検証の文脈として扱うため、前のターンに混入された誤った前提が後に事実として採用されることがあり、本研究はこれを「セッションレベルの汚染」と位置づけています。情報源の権威性に沿って並べた5つの汚染プロトコルを設計し、3モデルで22,500ターンの評価を行った結果、モデルごとに構造的に異なる認識論的ポリシーが見られました。評価フレームワークと分類体系も公開されています。
注目点信頼性勾配に沿った多ターン汚染プロトコルを提案し、三モデルの認識ポリシーの差異を比較しており新規性がある。22,500ターンの実験と人手注釈による検証を備える。
説明PIVOT：多ターン視覚言語モデルエージェント向けの転換点認識型オンポリシー自己蒸留学習法
要約本論文は、多ターンの視覚言語モデルエージェントを強化学習で訓練する手法を扱います。著者らは、オンポリシー自己蒸留の性能向上が、回復不能な行動が起きた転換点での物理的な状態巻き戻しに主に由来することを示しました。しかし実環境では巻き戻しは困難です。そこで提案手法PIVOTは、転換点の特定と状態復元をトークン単位のパラメータ更新に内在化し、学習時の環境巻き戻しとテスト時の追加ヒントを不要にします。五つのタスクで、Qwen2.5-VL-3Bは全体精度0.90、Qwen3-VL-2Bは0.92に達したと報告されています。
説明視野の狭まり：生成的モノカルチャーにおけるトピック顕著性の変化を定量化
要約本論文は、大規模言語モデルのファミリー間でトピックの顕著性がどう変化するかを測定する手法を提案し、事後学習の過程でどの論点が目立ち、どれが目立たなくなるかを追跡しています。気候変動の議論を事例に、モデルごとに多様な解決策の提示がどのように均質化するかを示し、特化型モデルがより幅広い視点の維持に役立つことを検証しています。
説明学習なしの臨床推論：医療オントロジーと認知マッピングによる記号・確率知識グラフの枠組み
要約本論文は、学習データを必要とせず、患者の所見を医学知識に対応づける診断枠組みCKG Reasonerを提案しています。証拠特徴ノード、情報ゲート、知識重み付けによる証拠の蓄積などを組み合わせています。デング熱、マラリア、インフルエンザの回顧的な6コホートで評価され、結果ラベルを使わない手法で正例F1は0.634から0.996でした。ただし前向きな臨床的有効性や他手法に対する優位性を示すものではないと明記されています。
説明AbGaze：エンドツーエンド抗体設計のための注意型幾何表現学習
要約本論文は、注意機構に基づく幾何表現学習によるエンドツーエンド抗体設計フレームワーク「AbGaze」を提案している。抗原表面の距離・空間方向・表面法線を抗体残基の局所座標系に対して符号化し、界面の文脈に応じて適応的に集約する。この表現を多CDR共同設計、複合体構造予測、親和性最適化の3タスクで共有し、いずれも従来手法を上回ったと報告している。
説明板状リバーブ系の同定のためのシミュレーションベース推論
要約本論文は、第1回 DAFx パラメータ推定チャレンジのタスク A、すなわちインパルス応答から板モデルの物理パラメータを推定する課題を扱います。シミュレーションベース推論（SBI）の枠組みを用い、シミュレータで生成したデータでニューラルネットワークを学習させ、インパルス応答が与えられたときの板パラメータの分布を推定させます。新しいインパルス応答の推論はネットワークの順伝播のみで行え、シミュレータは不要です。各テスト観測について、現在の推定分布からパラメータをサンプリングして追加のシミュレーションを行い、ネットワークを微調整して専用モデルを得ます。
説明少なく話すことを超えて：情報量が多く忠実な視覚言語モデルのための細粒度アライメント
要約大規模視覚言語モデルには、画像にない物体を述べてしまう物体幻覚という課題があります。論文は、オンライン強化学習では、有効な主張を減らすことで幻覚を抑えてしまう近道が生じると指摘しています。著者らは、物体の存在・不在を密に注釈したDOPAデータセットと、サブ文単位で報酬を割り当てるSCAPO手法からなる細粒度アライメントの枠組みを提案しています。実験では、生成タスクで情報量が多く忠実な記述が得られ、判別評価でも性能向上が示されています。
説明生成ではなく判定を：Jev の型付き判断による競争力のある次元型 ABSA
要約本論文は、文に対する評価対象ごとの感情分析（ABSA）において、テキスト生成に頼らずに済むことを示す。凍結モデル Jev に評価ルーブリックのスコア、ラベル確率、はい・いいえの判断を答えさせ、CPU 上で当てはめた 488 個の係数で注釈スキームに合わせることで、SemEval-2026 Task III Track A の3課題を処理する。6言語10コーパスの価数・覚醒度回帰では RMSE 1.0645 を達成し、参加システム中で最も低い総合誤差となった。三つ組・四つ組抽出では連続 F1 がそれぞれ 52.09 と 44.06 で、微調整済みの Llama-3.3-70B と GPT-OSS-120B の基準を上回った。
説明まず足場として与え、後に内在化する：拡散Transformerのための表現注入
要約本論文は、事前学習済みの視覚エンコーダの表現を一時的な足場として拡散Transformerに注入し、段階的に内在化させる学習フレームワークREPI（表現注入）を提案している。拡散表現をエンコーダ空間へ射影するREPA手法とは逆向きで、相補的な関係にある。著者らは、REPIが多様なバックボーンでREPAを上回り、両者の組み合わせでさらに大きな改善が得られると報告している。また、REPI+REPAは160Kステップの学習で、バニラのSiTを7Mステップ学習した結果に匹敵するとしている。
説明狭い範囲のマルチモーダル微調整が創発的ミスアラインメントを誘発しうることを示す論文
要約本論文は、視覚言語モデルを脆弱なコード、不注意な家庭用品の扱い、日常場面の陰謀論的解釈といった狭いタスクで微調整すると、創発的ミスアラインメント（EM）が起きるかを検討しています。15の商用・オープンソースモデルで検証し、無関係なタスクへ転移する広範な不適切な振る舞いが見られたと報告しています。
注目点創発的ミスアラインメントを視覚言語モデルへ初めて拡張し、15モデルで横断的転移と緩和策を検証。証拠は充実し影響範囲も広い。
説明EvoIn：進化と内在化をつなぐエージェント微調整フレームワーク
要約本論文は、実行トレースを分析して新たな意思決定手順を進化・検証し、改良された推論トレースを自己完結的な形に書き換えてモデルを微調整するEvoInを提案します。これにより、推論時に進化させたハーネスがなくても改良された意思決定が保たれます。複数のベンチマークで、ドメイン内では合格率が10.9ポイント、ドメイン外でも向上したと報告されています。学習した手順は未知のタスクにも一般化し、別のモデル系列でも一貫した改善が見られたとしています。
説明局所制約付き拡散ガイダンスによるドメイン適応型ゼロショット画像強調（LocDiff）
要約本論文は、事前学習済み拡散モデルのゼロショット拡張として機能する、画像強調のための局所制約ガイダンス手法LocDiffを提案します。ドメイン適応の際に重要な局所特徴を保持しつつ、重要度の低い領域は制約を受けないようにします。絵画から写真への変換と低品質な胎児超声画像の強調の2つの課題で評価され、既存手法と比べて写実性と忠実性の良好なトレードオフが示されています。
説明λ-JEPA：自己教師あり学習のためのスペクトル崩壊防止正則化
要約本論文は、結合埋め込み型の自己教師あり学習で表現の崩壊が起きる問題を扱い、射影ヘッドの後に課す防止策がバックボーンの次元崩壊を防げない場合があることを示す。著者らは層間の重み行列の相対的スケールを捉えるλバランスの分析に基づくスペクトル正則化器SACRegを提案し、これをJEPAに適用したλ-JEPAを提示する。論文によれば、ImageNet-1kの分類と8つの下流画像データセットでの線形プローブ転移でLeJEPAやVISRegを上回り、動画データでもLeVJEPAやV-JEPA 2を上回るという。
注目点λバランスに基づくスペクトル正則化をJEPAに導入し、線形・非線形の解析とImageNetや動画ベンチマークでの比較実験を行っており、実質的な改良といえる。
説明論証と便箋：AI評価における出典と立場の一貫性
要約この論文は、AIの評価者が「議論そのものの良し悪し」と「誰が述べたか」を区別しているかを調べたものです。米国のAI政策、ドイツの債務ブレーキ、スイスの原子力エネルギーに関する6つの固定テキストを、複数の出典表示の下で提示し、有効な評価2,976件を収集しました。議論の内容が変わると出典間の評価差も変わり、作者はこれを出典と立場の一貫性で説明できる可能性があるとしていますが、信頼性や真正性などの他の説明も残されています。
説明テキスト化されたユーザーの好み：大規模な基盤モデル推薦システム向けの自然言語ユーザーコンテキスト
要約本論文は、再生行動、インタラクション信号、コンテンツメタデータ、任意のユーザーフィードバックから構造化された自然言語の好みプロファイル（Textual User Taste）を生成し、数百万人のSpotifyユーザーに展開したシステムを提示します。生成、評価、最適化、保守を含む本番運用の全ライフサイクルと、多面的な評価枠組みを説明しています。行動埋め込みと組み合わせると、将来の曲予測でMRRが0.6%、検索ランキングでNDCG@7が2.2%向上したと報告しています。一方で、否定表現や短期的な時間変化への適応には限界があることも示されています。
説明同質的LLM討論における崩壊と修正の測定
要約本論文は、同種の大規模言語モデルが多肢選択問題について討論する際の回答の変化を扱い、変化が必ずしも改善を意味しないことを指摘しています。著者らは、崩壊・修正などの遷移を記録する監査可能なプロトコルを提案し、MMLU-Proの6,925件の討論で253件の崩壊を特定しました。崩壊の防止だけを基準にすると、修正を多く失うため誤った方針を推奨しかねないと報告しています。
説明階層認識型深層学習によるティロ速記記号認識の評価
要約本論文は、ティロ速記記号の間の構造的関係が自動認識に役立つかを検討しています。Hellmann の Supertextus Notarum Tironianarum（SNT）を用い、ResNet18、ConvNeXt、Swin、ViT などの平坦な分類器と、階層的な粗から細へのモデルおよび経路選択モデルを比較しました。手書きサンプルと Vergilius Turonensis の写本サンプルで評価し、少数例による適応の有無も検証しています。適応しない条件では HD-CNN が Top-1 で 45.43% と最良、少数例適応後は平坦な分類が 82.09% で最良でした。
説明多アトラクタGNN：一意の平衡点を超える集合値の表現力
要約本論文は、多くの組合せ・科学問題には同等に有効な複数の解が存在する一方、従来の再帰型・平衡型グラフニューラルネットワークは一意の不動点または単一の学習目標に限られる点を指摘する。著者らは、複数の平衡点を利用すると、重み共有型のメッセージパッシングネットワークで集合値の置換同変写像を表現でき、初期値の違いによって異なる有効解に収束することを示す。イジング基底状態、タンパク質グラフのモジュール検出、化学反応の定常状態での実験では、学習された更新により複数の高品質な予測が得られ、比較対象の基線より平均的な解の品質が高かった。
説明言葉が画像より強く働くとき：視覚言語モデルにおける言語バイアスの理解に向けて
要約視覚言語モデル（VLM）は、視覚的証拠よりも言語的手がかりを優先し、誤った予測を出すことがあります。本論文は単語補完タスクを基に、推論過程を相互に依存する四つの段階に分解する診断フレームワークを提案し、言語バイアスの伝播を追跡します。各段階で言語的事前分布と言語・視覚の横断的カバレッジがどう変化するかを調べ、両者の相互作用による仕組みを明らかにしています。
説明eval-unlearn：テキストから画像を生成する拡散モデルにおけるアンラーニングの統一ベンチマーク
要約テキストから画像を生成する拡散モデル（T2I）の概念アンラーニング手法は増えているものの、評価条件がそろっておらず比較が難しい状況です。本論文はオープンソースのPythonライブラリeval-unlearnを提案し、12の公開済み手法と9つの評価指標を統合した、再現可能な統一ベンチマーク枠組みを提供します。あわせてHuggingFace上のリーダーボードと対話型ツールを公開し、ヌード概念の消去を事例に全12手法を比較しています。
説明SpikeCredit：疎な報酬の強化学習のための時間的クレジット担体
要約本論文は、疎な報酬下の強化学習で信用割り当てが難しい問題を扱い、膜電位の軌跡とイベント駆動型スパイクによって信用に関連する情報を保持できるスパイキングニューラルネットワーク（SNN）の役割を「時間的クレジット担体（TCC）」として定式化しています。これに基づき、高速な読み取り経路と低速な書き込み経路からなる SpikeCredit フレームワークを提案しています。疎な報酬の MuJoCo タスクでは、疎な SNN ベースラインに比べ、Last10 リターンが Ant で +1169%、Hopper で +953%、Swimmer で +723%、Walker2d で +1781% 向上し、Swimmer では稠密な報酬のベースラインを 113% 上回ったと報告しています。
説明WavePP：プレフィックス再利用下での高スループットなパイプライン並列LLMプレフィル
要約本論文はTensorRT-LLM上に構築されたプレフィル実行基盤WavePPを提案し、パイプライン実行中にリクエストの受け付けを重ねることで、ステージ間でのキャッシュ前置詞の再利用に伴う調整コストを軽減する。GLM 5.2とMiniMax M2.7の40設定のうち37設定でプレフィルのスループットが向上した。並行数128でキャッシュ再利用率が高い場合、それぞれ約2.91倍と2.02倍に向上したと報告されている。Kimi K3の28設定では、並行数8以上の18設定すべてで最も高いスループットを記録した。
説明LLMパーソナライズ向けのルーブリック対応オンポリシー自己蒸留（GRASP）
要約本論文は、大規模言語モデルの個別化応答のためのGRASPフレームワークを提案しています。ユーザー固有のルーブリック項目を、トークン単位の細粒度な教師信号に変換します。ルーブリックを使わない生徒モデルを、ルーブリックを参照する教師モデルの次トークン分布に揃えます。さらに、教師が目標項目を十分にカバーしたサンプルのみを残すRTVを導入しています。著者らは、LaMP-QAの個別化質問応答ベンチマークで複数のバックボーンにおいて最先端の性能を示したと報告しています。
説明Imprint Reader：重み更新の読み出しから行動介入へ
要約本論文は、凍結された重み更新を自然言語で説明するよう SMaRT で学習させた Imprint Reader モデルを提案している。未見の更新に対する判定ベースの Pass@100 は、知識で 2%、行動で 16% であり、自然言語での読み出しは可能だが、更新間での信頼性が今後の課題だとしている。さらに Reader は目標行動と重み更新のギャップを示す微分可能な代理として働き、MetaEdit による介入を導く。報告された安全性や推論関連の指標の改善も示されている。
説明スパイキングニューラルネットワークにおける遅延と精度のトレードオフ
要約本論文は、低消費電力の音声コマンド認識に使われるスパイキングニューラルネットワーク（SNN）の遅延を分析します。提案手法のPipeline Delay Searchは、各層の待機時間を精度向上と遅延増加のバランスで選び、スパイク量子化認識学習などで調整します。フレームワーク名はFalconで、GSCV2とSSCで精度96.31と83.02、モデル化された遅延は119.64μsと124.00μsと報告されています。
説明オンポリシーかオフポリシーか？蒸留のダイナミクスに関する体系的研究
要約本論文は、強いモデルから弱いモデルへの蒸留を統制された条件で行い、ロールアウトポリシー、トークン単位のKL方向、学習率を独立に変えて影響を調べています。対象はLlama3とQwen2.5、科学・医療・算術の推理タスクです。結果として、トークン単位のKL方向がタスク性能と出力の網羅性を、学習率が忘却と更新の疎性を主に左右することが示されました。順KLはロールアウトポリシーに対して頑健である一方、逆KLは感度が高く学生モデル生成のロールアウトを好みます。オンポリシーデータはCountdown算術の難しい版への汎化を改善しますが、その効果は後続のRLVRを経ても確実には残りません。
説明AIM-ZO：ゼロ次最適化によるLLM微調整のための活性化情報付き部分空間維持手法
要約本論文は、大規模言語モデルの微調整に用いるゼロ次最適化手法AIM-ZOを提案しています。この手法は逆伝播や活性化の保存を必要とせず、摂動したパラメータの順伝播評価のみから更新を推定します。順伝播の活性化を局所的な方向情報として使い、学習中に進化する広い部分空間へ継続的に統合し、活性化する方向は少数に絞ります。5つのLLMと11の下流タスクで、同じ順伝播評価予算のもと、6タスクの平均は、OPT-2.7Bでは最強の既存ゼロ次手法を1.26ポイント、OPT-30BではMeZOを2.85ポイント上回りました。
注目点ゼロ次微調整において活性化情報に基づく部分空間維持を導入し、既存の低次元部分空間手法より実質的に改良；5つのLLMと11タスクで比較が充実している。
説明信頼できるAIデータサイエンティストに向けて：ワークフローハーネス付きデータエージェント
要約本論文はワークフローハーネスを中心の視点からデータエージェントを整理したサーベイです。感知、計画、実行、検証、修復の5段階に分類し、各段階の技術的アプローチを分析しています。さらに、未解決の信頼性課題4点と、タスクの種類、応用分野、評価ベンチマークをまとめています。
説明SCBO：LLMベース社会調査のための意味的に一貫したバッチ化・順序付け手法
要約本論文は、LLMが1つのプロンプトで複数の調査質問を予測できるようにする、学習不要のフレームワークSCBO（Semantically Coherent Batching and Ordering）を提案している。質問の意味表現を抽出して関連する質問をバッチにまとめ、共有参照バンクを構築し、易しい質問から難しい質問の順に並べる。四つの大規模調査データセットと四つのLLMでの実験では、非バッチ化のベースラインと比べてトークン消費と推論時間を大幅に削減し、概ね予測精度も向上したと報告している。
説明空間グラフティング：フローマッチング型ロボット方策のための3D特徴の接地
要約本論文は、事前学習済みの視覚言語行動モデル（VLA）や世界行動モデル（WAM）が相互作用に関わる計量幾何を暗黙のままにしている問題に対し、凍結した3D再構成特徴をロボット基準の計量幾何に結び付ける軽量な空間モジュール「Spatial Grafting」を提案する。このモジュールは計量に基づく空間トークンを作り、交差注意によってフローマッチングの動作エキスパートへ注入し、元の知覚経路は変更しない。RoboTwin 2.0の双腕ベンチマークでは、組み込んだπ0.5がクリーン環境とランダム化環境でそれぞれ94.0%と92.4%に達し、公表済みの3D条件付き方策WAM4D（93.8%と89.9%）を上回ったと報告している。
説明AnswerMap：回答事後確率に基づく視覚言語モデルの忠実な空間的解釈手法
要約本論文は、学習を必要とせず、タスクに依存しない黒箱型の視覚的根拠提示手法AnswerMapを提案する。画像を行と列の帯に分割し、それぞれを質問とともに凍結モデルに示して関連性を「はい」か「いいえ」で判定させ、行と列の「はい」確率の外積から空間マップを得る。4つのモデルと3種類の質問分布での検証では、マップの位置はモデル自身の指し示しと一致し（AUC 0.85、注意機構は0.38）、該当領域を削除すると正解の53%が誤答に変わった（注意機構は19%）。
説明ブレグマン・コンセンサス：マルチエージェントのパラメータ合意を反復で求める手法
要約本論文は、エージェント群がパラメータの集合について合意に至る方法を研究している。各エージェントは同じブレグマン型ダイバージェンスで推定値の相違を測るが、他のエージェントの能力に対する信頼度は異なる。各エージェントは、より信頼するエージェントに大きな重みを与えた全個別推定値の加重重心へ自分の推定値を改める。この改定が反復アルゴリズムになり、唯一の合意推定値に収束することを示している。
説明DrawingsDreamer：統一型マルチビュー工学図面生成モデル
要約本論文は、マルチビューのベクター形式工学図面を生成する、大規模言語モデル（LLM）ベースの統一フレームワーク DrawingsDreamer を提案している。工学図面の生成を系列モデリングのタスクとして定式化し、ラスター画像エンコーダを不要にしている。階層的な後置トークン化による簡素化された表現を用い、段階的なタスク認識型カリキュラムで学習させる。論文によると、条件付きと無条件の多様な生成タスクで、幾何学的忠実度と構文的正確性の両面で良好な性能を示した。
説明肺がんCT/LDCT向けAI研究の体系的エビデンスマップ：臨床課題・証拠連鎖・転換研究のギャップ
要約CTまたは低線量CT（LDCT）を用いた肺がんAI研究を体系的に整理した論文で、2016年から2026年の293件を対象としています。内訳は検出が230件、将来のリスク予測が8件、その他が55件です。臨床変数、3D CT/LDCT、ラジオミクスが多く用いられる一方、外部検証やキャリブレーション、決定曲線分析などは少なく、六層の実質的証拠連鎖を完全に満たしたのは31件（10.6%）にとどまりました。
説明長期ホライズンのスケーリング：モデル能力が計算の見返りをどう左右するか
要約本論文は、持続的な対話・実行・タスクフィードバックを通じて解を改善する長期ホライズン型エージェントを扱います。AutoLabとEdgeBenchの2つのベンチマークで、初期性能と後の伸びが異なる能力に対応することを示し、カテゴリごとのロジスティック型べき乗則でその関係を表現しています。さらに、実行を継続すべきかを判断する方針を導出し、リプレイ実験では完全実行時間の約3分の1を節約しつつ、相対スコア損失はAutoLabで2.4%、EdgeBenchで3.3%だったと報告しています。
説明EP-Mem：社会関係を考慮するLLMエージェント向けの弾力的プライバシーメモリ
要約本論文は、ユーザーが社会的役割ごとに情報の境界を管理するものとしてプライバシーを捉えた弾力的プライバシーメモリ構造EP-Memを提案しています。また、長期間・複数当事者の関係開示を評価するベンチマークEP-Benchを構築したとしています。実験では、プライバシー分類精度94.0%、開示許可判断の精度が22%から68%に向上、プライバシー漏洩が75.6%減少したと報告されています。
説明選択を超えて：極端な視覚トークン圧縮のためのトークンパラメータ化
要約本論文は、極端な圧縮予算下での視覚言語モデルの視覚トークン圧縮を扱い、トークンのパラメータ化の観点から圧縮を捉え直しています。圧縮可能性と学習可能性という二つの目標を定式化し、変換基底の切り捨て、基底座標埋め込み、直交再パラメータ化、空間残差トークンを組み合わせた軽量な四段階の符号化器 Braco を提案しています。実験では23～64倍の圧縮で良好な精度と効率のバランスを示し、144倍でも競争力があると報告されています。
説明視覚・言語推論のためのトークン分離型潜在テスト時スケーリング：トークンの役割に応じて隠れ状態を最適化する手法
要約本論文は、推論時に、生成された初期の推論軌跡の上で、短い隠れ状態の接頭辞だけを最適化する手法を提案します。視覚的な入力に敏感なトークンには視覚フィードバック、不確実性の高いトークンには推論フィードバックを振り分け、どちらにも属さないトークンはアンカー正則化で制約します。Qwen2.5-VL-7BとInternVL3.5-8Bで、知覚・推論ベンチマークのマクロ平均精度がCoTよりそれぞれ+2.57と+1.51向上したと報告されています。コードは公開されています。
説明生成AIによる口腔病変分類のデータ拡張：PhotoMOCIデータセットとベンチマーク
要約口腔がんは写真画像による早期発見が期待されますが、高品質な注釈付きデータの不足が深層学習モデルの開発を妨げています。本論文は口腔腫瘍学の複数の診断タスク向けのPhotoMOCIデータセットを紹介し、従来手法とGAN・拡散モデルなどの生成手法によるデータ拡張の効果を比較しています。さらに、合成画像フィルタ（SIF）を提案し、本物らしさと対象クラスらしさの二つの補助モデルで有用な合成画像のみを選択します。SIFを用いた設定は、PhotoMOCIでResNet50とViTの精度をそれぞれ1.73%と2.35%向上させたと報告されています。
説明SignFLIP：段階的アラインメントで手話翻訳と生成を統合する大規模モデル
要約本論文は、手話翻訳と手話生成を一つにまとめた、大規模言語モデル中心のフレームワーク SignFLIP を提案しています。テキストと手話の双方向の対応づけを可能にするため、対称的な構造と、大規模データに基づく段階的な学習戦略を採用しています。事前のアラインメントで共有表現を段階的に洗練し、その後に手話翻訳向けに調整した表現が手話生成にも役立つとされています。複数のベンチマークで、タスク専用モデルに匹敵する性能と、手話認識への高い転移性が示されています。
説明大規模言語モデルの3段階機能分割に基づく層情報活用ファインチューニング
要約本論文は、大規模言語モデル（LLM）が多言語資料で推論を行う過程を調べ、各層が概念化・推論・テキスト化という3段階で役割を分担しているという仮説を提示しています。感度分析を用いて、特定のタスクに最も重要な機能段階を特定する仕組みを導入しました。さらに、その重要な層だけを更新するLIFT（Layer-Informed Fine-Tuning）を提案し、学習の高速化と性能向上を示したとしています。
説明関係深層学習のための時系列異種グラフ事前学習：2種類の時間符号化で下流予測を改善
要約本論文は、データベースの行と外部キーの関係を異種グラフとして扱う関係深層学習（relational deep learning）における時間情報の扱いを研究しています。レコードの経過時間を捉えるMulti-scale Time Encodingと、レコード間の符号付き間隔を表すRotary Time Encodingを組み合わせ、3種類の自己教師あり目的関数による二段階の事前学習を提案しています。RelBenchの5つのデータセット・11タスクでの評価では、最良の段階的スケジュールが、同じ符号化での教師あり学習に対して2つのバックボーンでそれぞれ3.02%と1.06%、事前学習なし・両符号化なしの対照に対して3.24%と2.37%改善したと報告しています。
説明CADENCE：高速かつ高精度な時系列分類のための信頼度適応型デュアルエキスパートネットワーク
要約本論文は、CPU上で動作する二重エキスパート型の時系列分類アーキテクチャ CADENCE を提案します。畳み込み線形エキスパートと分布区間エキスパートから構成され、検証用のメタルーターがどちらかを選ぶか、信頼度で重み付けして融合します。109のUCRアーカイブ等長データセット（各30回の再サンプリング）での平均精度は0.8864で、HIVE-COTE 2.0（0.8895）に次ぐ2位です。その差は統計的に有意ではありません。データセットあたりの平均処理時間は、デュアルコアCPUで約17.53秒です。
説明多変量予測の不確実性に対するエントロピー・Shapleyゲームの階層的帰属手法
要約本論文は、多変量確率予測の出力に含まれる不確実性について、どの入力特徴が寄与しているかを調べる手法を扱います。単一の値への集約ではなく、単成分の周辺エントロピーから完全な同時エントロピーまでの3段階のエントロピー基盤Shapleyゲームを提案します。この階層により、出力成分間の依存構造に対する各特徴の影響を表す跨成分項を分離して評価できます。連鎖律による分解、条件付き総相関による特徴づけ、閉形式および標本ベースの推定量が示され、分布回帰からゼロショット時系列基盤モデルまでの比較にも用いられています。
説明ASCT：エージェント型強化学習における信用割当のための反事実木上の注意探索
要約本論文はASCTフレームワークを提案し、学習時の多段階探索を用いて、エージェントワークフロー内の個々の行動に局所的な信用を割り当てます。HotpotQAのエージェント型検索拡張生成では、Uniform、UCT、コスト考慮型AgentUCTの3方式がいずれも、軌道リターンPPOおよびワークフロー適応型VinePPOより平均効用が高くなりました。3シードでのASCT-AgentUCTの効用は0.6187で、VinePPOの0.5939を上回っています。
説明超高速超音波による心臓モデル個別化における不確実性の定量化
要約本論文は、超高速超音波剪断波エラストグラフィ（SWE）で心周期にわたる心筋硬さの変化を追跡し、それを目標として個別化した心臓モデルのパラメータを推定する手法を扱う。著者らはシミュレーションベース推論（SBI）とニューラル事後推定を用い、能動硬さスケール、収縮速度、弛緩速度の事後分布を求めた。健康なボランティア6名のうち4名が先験的支持の診断を通過し、定量解析に用いられた。事後予測中央値では、曲線の二乗平均平方根誤差が先験予測中央値の12.61±5.55 kPaから1.14±0.38 kPaへ低下した。
説明多視点クラスタリングのための敵対的一貫性誘導表現学習：敵対的学習により共有表現から視点の識別情報を減らし、視点間のクラスタリングの一貫性を高める手法。
要約本論文は多視点クラスタリング向けのACGRLという枠組みを提案しています。視点間の一貫性を捉えるために学習された共有表現には、なお視点を識別する情報が残り、視点間のクラスタ構造の一貫性を損なう恐れがあると指摘しています。ACGRLは勾配反転を用いた視点判別器で視点の識別可能性を下げ、不変な参照表現を得てそれを固定します。著者らは4つのベンチマークデータセットで、代表的な多視点クラスタリング手法より高い性能を示したと報告しています。
説明オンポリシー蒸留の理解：スパースクロスコーダーによる機構的解釈可能性の視点
要約本論文は、スパースクロスコーダーを用いて、オンポリシー蒸留（OPD）が生徒モデルの内部表現にどのような影響を与えるかを調べています。著者らは、訓練前後の生徒モデルの各特徴の使われ方の変化を測る「スワップ読み出し」という手法を提案しています。その結果、OPDは新しい特徴を作らず教師固有の特徴も伝えず、既存の共有特徴を重み付け直すことが示されました。OPD前のSFTによる事前学習も、主に共有特徴の重み付けを変えることで効果を生むとされています。
説明提示された身份がマルチエージェントLLMの協調を低下させる
要約論文は、複数のLLMエージェントが互いの基盤モデルの身份を知らされた場合の協調への影響を調べています。エージェントが互いのモデル系統を知ると、タスクがそれを求めていなくても、同じラベルのエージェントと優先的に交流する派閥に分かれることを示しています。2つの協力ゲームと1つの推論ベンチマークで、成功率は96％から81％に低下し、決定までのラウンド数とトークン数も増加しました。身份ラベルを隠すことが簡単で有効な緩和策だとしています。
説明NucShare：軽量な細胞核インスタンスセグメンテーションのための共有デコーダ枠組み
要約本論文は、核ピクセル、水平-垂直、分類の3タスクで一つの U-Net 型デコーダを共有し、各タスクには軽量なヘッドのみを付けるNucShareを提案しています。独立した3つのデコーダと比べてパラメータは37%で、精度は同等かやや上回ります。教師モデルはUNI2-hエンコーダを使用し総計6億9,050万パラメータ、学生モデルNucShare-SはConvNeXt V2-Tinyエンコーダを使い総計3,470万パラメータで、出力レベルの蒸留で知識を伝えます。PanNukeでは学生モデルが教師のmPQの99.1%（0.519）を保持し、CFR-SAM-Hの0.511を上回り、タイルあたりの処理は教師の27.5倍速いとされています。
説明規範的枠組みからアライメントデータへ：SFTと選好データの構築と評価
要約本論文は、専門家主導の手法により、イスラム倫理・神学・法学の伝統に基づく規範的枠組みを言語モデルのアライメント用データに変換する方法を提示しています。7名の専門家が約1年かけてモデルの欠陥を探り、望ましい応答と選好ペアを作成し、約2.8Kの教師ありファインチューニング例と5.4Kの選好ペアを得ました。対照実験では、精選SFTデータのみで学習したモデルが盲検評価で好まれ、選好データの追加では差が縮小し統計的に有意ではありませんでした。汎用ベンチマークでの大きな性能低下は見られませんでした。
説明ReCAT：ロボット操作のための構造化再帰メモリ（記憶・計数・時間把握）
要約本論文は、構造化された再帰メモリを備えた言語条件付きポリシーReCATを提案します。現在のセンサーでは得られない情報、たとえば以前の視覚的手がかりの想起、イベントの計数、経過時間の推定を用いて、ロボットが判断できるようにします。LIBEROでの平均成功率は95.3%、RMBenchでは62.4%です。実機の3タスクでは最良の変種が平均66.7%に達し、最強の短履歴ベースラインの8.3%を大きく上回りました。
説明「アラインメント・ゲーム」：人間とAIの協働における概念の修復フレームワーク
要約本論文は、人間とAIのやり取りにおいて、タスクに関係する概念理解のずれを可視化し修復するための「アラインメント・ゲーム」という枠組みを提案します。例えば「五歳児向けに魅力的な」という依頼は、協働者によって解釈が異なりえます。著者らは状況的概念化の理論に基づいてタスク固有の概念フレームを定義し、状況・解釈の推論・結果のフレームに働きかける対話的な操作を示しました。教育コンテンツ生成、クリエイティブコーディング、論証的文章作成の例を通じて、これらの操作を修復の連鎖として組み合わせる方法と、実行時の設計原則を導出しています。
説明GAC-PINN：幾何適応型・制約強化型の物理情報ニューラルネットワーク
要約急峻な勾配や鋭い界面、強い時空間結合を持つ問題に対し、幾何適応かつ制約強化型のPINN（GAC-PINN）を提案する。勾配駆動の適応格子写像、境界遷移幅が空間的に変化する適応帯域幅の硬制約、スペクトル前処理としてのガウス・フーリエ特徴写像、偏微分方程式に時間微分が含まれるかで硬制約を選ぶ演算子認識ルーターで構成される。粘性Burgers方程式、鋭いピークを持つ2次元Poisson問題、Allen-Cahn方程式の各ベンチマークで、相対L2誤差が基準手法を一貫して下回った。
説明CarveMix-RC：脳転移の分割におけるレア클ラス不均衡を病変認識型の合成拡張で解決する研究
要約本論文は、治療後の脳転移の分割課題のうち、発生頻度の低い切除腔（RC）領域に着目しています。nnU-Net を基盤に、RC 重み付け損失、解剖学的に整合した腔拡張、残差エンコーダ、病変認識型の形態学的後処理を組み合わせています。BraTS-MET 2026 Task 1 のオンライン検証で、アンサンブルモデルの RC の病変単位 Dice は 0.575、NSD は 0.474 でした。
説明ConRAG：軽量なマルチホップ関係推論手法
要約本論文は、大量の文書から既知の二つのエンティティを結ぶ中間の橋渡しエンティティと証拠連鎖を見つけ、証拠に基づく説明を生成する課題を扱います。著者らは、エンティティの共起とLLMによるエンティティフィルタリングで軽量なエンティティ・文書グラフを構築し、両端点間の経路を検索して意味的に順位付けするConRAGを提案しています。MuSiQueおよび2WikiMultiHopQAでは、主要なRAGベースラインより橋渡しエンティティと推論連鎖の回収が改善され、グラフ索引のトークンコストも大幅に削減されたと報告されています。
説明G³-LoRA：勾配誘導型グループ LoRA で報酬重み付き動画データを整理する手法
要約本論文は、異種の報酬重み付き動画データでテキストから動画を生成するモデルを事後学習する際、カテゴリごとの勾配が互いに整合しない問題を扱います。提案手法 G³-LoRA は、カテゴリ別勾配から共通の全体更新方向を除き、残差勾配の整合性でカテゴリをクラスタリングし、グループ専用の LoRA を学習した後、重み統合とオンポリシー蒸留で一つのアダプタにまとめます。Wan2.1-T2V-1.3B-Diffusers では、VBench2.0 の評価で基準モデルや共同学習のベースラインを上回りましたが、カメラ運動などの一部の次元は依然として難しいとされています。
説明トークンの下を探る：GPU 加速 LLM 推論における多トークン予測の性能工学的研究
要約本研究は、単一リクエストの環境で NVIDIA A10G GPU を用い、2 トークン多トークン予測（MTP）と自己回帰デコードを比較したものです。普通のテキスト、推論集約型、ツール呼び出しの 360 リクエストで評価しています。MTP は出力スループットを 1.91〜2.19 倍に高め、最初の出力までの時間を 10.0〜14.2％短縮し、生成トークンあたりの反復 CUDA Graph 実行回数を 56.4〜78.1％減らしました。
説明5W1H+Which：文脈の妥当性を保つ意味索引とオントロジーの段階的バインディング手法
要約本論文は、ソースに基づくコンテンツ抽出と、オントロジーへの段階的バインディングを分離する設計「5W1H+Which」を提案している。5W1Hで独立に参照できるコンテンツ単位を整理し、Whichでバージョン管理されたオントロジー要素、対応関係、適用範囲、検証状態へのリンクを記録する。ただし実験はまだ行われておらず、性能向上も主張していない。
説明長期的な科学研究エージェントの研究プロセスを機構で担保する設計（論文）
要約本論文は、数十時間にわたり多数の実行を重ねる長期的な科学研究向けプラットフォーム AfS（Agent for Science）を紹介しています。研究の規律を機械的に強制される規則として組み込み、非準拠の状態が表現できないようにすることで、機械が生成する研究の信頼性を高めるという考え方です。ノード制約、書き込みゲート、二層の知識ベース、実行基盤を説明し、三つの失敗事例と二つの完了した研究活動を例として示していますが、ベンチマークによる評価は報告されていません。
説明高次元ブラックボックス積分近似のための部分群ランク1格子
要約本論文は、カーネル平均埋め込みや自己注意機構のソフトマックスカーネルなど、高次元のブラックボックス関数の積分を推定する手法として、部分群ランク1格子を提案しています。生成元の乗法位数を固定することで、特徴写像に関する計算をFFTにより O(n log m) の時間と O(n) のメモリで正確に行えることを示しています。理論的な収束速度の証明と、合成データおよび実データでの既存手法との比較結果も報告されています。
注目点部分群の秩1格とFFTを組み合わせ、任意の非線形特徴写像の積分計算をO(n log m)に落とし、誤差収束の厳密な閾値を証明。
説明ProtoSeam：潜在ガウス混合モデルを用いた分類器学習の改良
要約本論文は、ネットワークの中間の一箇所に各クラスの学習可能なプロトタイプを置き、学習時にはサンプルをクラスのプロトタイプに引き寄せる一貫性の罰則と、プロトタイプ周辺でサンプリングした点への分類損失を組み合わせる手法を提案している。推論時にはプロトタイプを捨て、元のネットワークをそのまま用いる。CIFAR-10、CIFAR-100、TinyImageNet 上で ResNet と視覚 Transformer を用いた実験を行い、理論的な裏付けも示している。
説明QAM：逐次一貫性による二次精度チェックポイント統合（保存済みの学習チェックポイントを組み合わせて、別の更新スケジュールでの終点を再構成する手法の論文）
要約本論文は、保存されたチェックポイントだけを使って、異なる更新強度で逐次学習した場合の終点をどこまで正確に再構成できるかを研究しています。固定長の勾配降下履歴だけでは、滑らかな強凸損失の一様な類に対して誤差をo(h^3)未満にできないという情報理論的下界を示しています。提案手法QAMは一致するO(h^3)の誤差上界を達成し、2つの公開Adamチェックポイント軌跡と15タスクで評価されました。
説明EdgeCraft：エッジIoT向けの自動モデル構築システム
要約本論文は、大規模言語モデルによって高レベルの要件をエッジデバイスに展開可能な機械学習モデルへ自動変換するシステム EdgeCraft を提案しています。制約を考慮した合成ツリーで候補解を探索し、多忠実度検証器によって対象デバイス上での検証コストを抑えます。50の公開タスクでは、多くのタスクで特定タスク向けの参照手法を上回り、自前収集のSENデータセットでも競争力のある性能を示しました。
説明再起草の学習：離散拡散モデルのための変分シュタッケルベルク・ゲーム
要約離散拡散モデルは生成の途中で以前のトークンを見直して修正できますが、その効果は前向きの破損過程に依存します。本論文は、リーダーとフォロワーによるゲームとして学習を定式化する変分シュタッケルベルク離散拡散（VSDD）を提案します。リーダーはデノイザのトークン埋め込みで parameterize された意味を考慮した破損過程を学習し、その破損から学習した後にデノイザがどれだけ改善したかに基づいて報酬を得ます。分子、テキスト、プレイリスト生成の3つで評価され、分子の妥当性は一様拡散・マスク拡散より大きく向上し、テキストの困惑度は一様拡散より低く、マスク拡散と同程度とされています。
説明方程式モデルと個体ベースモデルを組み合わせた感染症シミュレーション枠組み
要約本論文は、コンサートやスポーツ試合、祭りなどの大規模集会における短時間の密接接触を、都市全体の通勤ネットワークと結び付けるマルチスケールの シミュレーション枠組みを提案している。スペインのマドリードを事例として、複数種類の集会を比較し、感染の伝播力が異なる条件下での影響を検討した。その結果、大規模集会は流行規模を一貫して拡大させ、進行を早め、地区ごとの到達時刻を前倒しし、空間的な拡散を同期させることが示された。集会会場で生じる初期感染者数が加速効果の大部分を説明する一方、集会後の伝播条件も侵入時期について補完的な予測情報を与えた。
説明小型Transformerが文脈に依存しない仕組みで潜在的共通原因のベイズ的証拠を追跡する研究
要約本論文は、解析しやすい小型Transformerにおいて、文脈をまたいで一般化する形でベイズ的な共通原因推論がどのように現れるかを調べている。モデル内部の因果メカニズムと、真のデータ生成過程の因果構造を切り分け、自然言語予測に近い潜在的共通原因の推論を扱う。さらに、潜在的共通原因に関するベイズ的証拠の蓄積が、新しいテストケースへ一般化できる表現と仕組みとして実装されうるかを検討している。
説明FONDANT：反鎖（アンチチェイン）による強い計画と最善努力型計画
要約本論文は、完全可観測な非決定的（FOND）計画において、強い計画と最善努力型計画の両方に対応するアルゴリズムを提案している。状態集合の極小元（反鎖）によって勝利領域などを表現し、一様な方策と敗北状態集合の証明書を返す。既存の計画器との比較ベンチマークでは、カバレッジは同等以上で、大規模な事例では実行時間でも優れていた。
説明PEARL：エージェント型強化学習向けの適応的なプリフィル・デコード弾力的実行システム
要約この論文は、エージェント型強化学習で最もコストの大きいマルチターン・ロールアウトの高速化を目指し、非同期システムPEARLを提案しています。外部リソースの弾力性、学習用GPUの一時的な再利用、プリフィル・デコード（PD）構成の適応的な切り替えを連携させ、実行時プロファイルに基づいて構成を選び、変更を最小限に抑える移行計画を作成します。評価では、固定リソースのROLLと比べて2.17〜2.79倍のスループットを達成し、RLBoost+と比べてQwen3-8BとQwen3-30B-A3Bでそれぞれ最大約26.9%と36.3%向上したと報告されています。
説明規範的損失景観ナビゲーション：増分学習における忘却を抑える軌道ベースの手法
要約本論文は、継続学習で生じる破滅的忘却に対処するため、TMLN（軌道変調型景観ナビゲーション）を提案している。継続学習を曲がった損失景観上の最適制御問題として定式化し、対角経験フィッシャー情報行列により局所的なリーマン多様体を定義する。さらにパラメータの過去の軌道を用いて前処理子を動的に調整する。原文によれば、類増分および領域増分のベンチマークで、連続するタスク間の損失障壁を大きく低減したとされる。
説明合流・分流リスクを考慮した連続織り込み区間の車線別可変速度制限・ランプ制御：MPCとマルチエージェント強化学習のハイブリッド手法
要約都市高速道路の連続織り込み区間（SWS）は繰り返し渋滞や衝突が起きやすいボトルネックである。本論文は、モデル予測制御（MPC）とマルチエージェント強化学習（MARL）を組み合わせた階層型フレームワークにより、車線別の可変速度制限とランプ制御を協調させる手法を提案する。上位のMPC層は車線別マクロ交通流モデル（L-METANET）で長期的な最適化を行い、下位のST-MAPPO層が短期的な補正動作を生成する。中国長春市の東部高速道路18kmでの実験では、従来手法より収束が速く複数指標で優れ、需要変動下でも純粋なMARLより汎化性能が高いことが示された。
説明文化に適応した中国語エージェントに向けて：中独異文化交流における非言語行動のウィザード・オブ・オズ研究
要約本論文は、ドイツ人中国語学習者による社会規範の違反に対して中国語母語話者が示す多モーダルな行動データを収集するための、ウィザード・オブ・オズ（WoZ）研究設計とリアルタイムシステムを提案しています。システムには写実的なデジタルアバター、リアルタイムの行動操作コンソール、同期記録機能が含まれます。心理学理論に基づく階層的アノテーション枠組みと4つの場面を用い、中国語学習向けの文化に適応した対話エージェントの基盤を提供することを目指しています。
説明移行から較正へ：エージェントを配備要件に合わせる
要約本論文は、エージェントを配備・移行・拡張した後は、移行元の模倣ではなく、移行先の要件に合わせて較正すべきだと提案しています。能力と運用性、技術的・専門的精度、利用者の文脈という三つの基準群を示し、四種類の手段で調整可能な報酬信号を与える枠組みを説明しています。試行結果は部分的な予備的証拠にとどまり、確認的検証は未完了とされています。
説明Timeline-Bench：実際の映像編集タスクでエージェントを評価する、素材から完成版まで
要約本論文は、生の撮影素材を完成動画に仕上げることをエージェントに求める56の実際の映像編集タスクからなるベンチマーク、Timeline-Bench（タイムラインベンチ）を提案します。各タスクは、納品形式・内容・指示要件のテストに加え、43名の編集者による2,582件のブラインド評価で較正された品質テストで判定されます。16のエージェントを評価した結果、最良のものでも56タスク中15件（26.8%）、平均は14.0%でした。
説明戦略的にロバストなゲーム理論的マルチエージェント軌道最適化
要約本論文は、先進航空モビリティ（AAM）において各機体が他機の制御入力を予測しながら自律的に軌道を計画し、衝突を避ける問題を扱います。各エージェントが、各時刻に有界な予算内で他機の制御入力を乱し、距離を最小化する仮想の敵対者に備える戦略的ロバスト定式化を提案しています。合理的な仮定の下で、この博弈は厳密な動的ポテンシャルゲームのままであり、線形動力学では内側の敵対問題に準閉形式解が得られることを示しています。最大8エージェント、対数距離コストによる実験では、衝突リスクの高い状況でより頑健な軌道が選ばれ、低リスクの軌道はほぼ変わらず、計算時間の増加はわずかでした。
説明CacheRepair：RAGにおけるチャンク間文脈を修復しKVキャッシュを融合する学習手法
要約多文書検索拡張生成（RAG）では、言語モデルが質問に答える前に検索された複数のテキストチャンクを処理する必要があります。CacheRepair は、独立に計算されたKVキャッシュと、チャンクをまとめて処理して得られるキャッシュとの差分を学習する軽量ネットワークです。三つの対象LLMと四つの下流データセットでの評価では、十二の組み合わせのうち十一で回答品質と遅延のパレート最適境界に位置しました。最大の修復ネットワークは、完全プリフィルに比べ最初のトークンまでの時間の中央値を1.69〜4.61倍短縮し、直接キャッシュ再利用に比べ平均F1を2.1〜26.1ポイント向上させました。
説明FlexiWorld：複数の時間スケールにわたる柔軟な行動チャンクによる学習と計画
要約本論文は、JEPAに基づく潜在世界モデルFlexiWorldを提案し、長期的な目標志向の制御を改善することを目指す。学習時には様々な長さの目標区間をサンプリングし、行動を可変長のチャンクに分割する。因果的行動エンコーダと自己回帰型アクターを同時に学習し、Student Forcingで露出バイアスを軽減する。計画にはARCEMを用い、4つのベンチマークで平均成功率89.29%を達成したと報告されており、最強のベースラインは83.98%である。
説明VideoPhysEdit：剛体物理シーン再構成による物理反事実ビデオ編集
要約本論文は、元の動画と物理的な編集操作が与えられたとき、その編集によって生じる後続の運動や相互作用を描いた反事実動画を生成する物理反事実ビデオ編集（PCVE）を提案します。学習を必要としない手法VideoPhysEditは、シミュレーション下で観測された運動を再現する物理シーン再構成を行い、編集を介入として適用して得られた軌跡で反事実動画の生成を導きます。また合成ベンチマークPCVE-RigidBenchとPhysical Edit Scoreを作成し、比較手法の中で唯一の正のスコアを示したと報告しています。
説明CTP-FL：連合学習のための共通軌道勾配予測手法
要約本論文は連合学習向けのCTP-FL手法を提案します。全クライアントが現在のグローバルモデルと前回の集約方向から予測した同一の軌道上で勾配を計算し、その平均をサーバーに送って一度だけグローバル更新を行います。全員参加のFedAvg-Mと計算量・通信量は同等です。滑らかな非凸目的関数に対する平均定常性の上界を示し、予測経路を延ばすと先読み情報は増える一方で変位バイアスも増えることを指摘しています。
説明幾何を考慮した関連性伝播による双曲ニューラルネットワークの説明
要約本論文は、双曲ニューラルネットワークの幾何演算が特徴量の寄与度（帰属）にどう影響するかを検討します。局所的な関連性が保存されていても、同等の幾何学的実装によって異なる帰属が生じうることを示しています。著者らはLRP-radial-allという規則を提案し、原点中心の径方向モジュールの幾何スケーリングを変調として扱い、関連性を信号側の分岐にすべて割り当てます。双曲MNIST、sEEG、CIFAR-10の分類器による実験では、帰属の忠実度が競争力を持ち、実行時間はGradient×Inputに近く、Integrated Gradientsより大幅に短いとされています。
説明歯髄刺激への反応を客観的に評価する多様式自律神経センシングの枠組み
要約本研究は、歯髄検査における痛みの感じ方が主観的で表現しにくいという課題に対し、49名の患者に冷刺激の歯髄検査を行いました。ECG由来の皮膚神経活動、R-R間隔、皮膚電気活動を組み合わせ、ベースライン信号や不安スコア、性別などの情報も加えて分類を行いました。その結果、反応なしと反応ありの二値分類で平衡精度80.2%、三分類で60.0%を達成し、非侵襲的な客観評価の実現可能性が示されました。
説明スタイル駆動データ合成と劣化認識型強調による超音波画像復元
要約手持ち型超音波機器は低コストですが、画像の劣化が大きく臨床判断を誤らせるおそれがあります。本論文は二段階の枠組みを提案します。第一段階では、非対応の実画像ペアから循環一貫性のスタイル変換モデルを学習し、画素対応の低品質画像データセットを生成します。第二段階では、双劣化誘導型LoRAで低品質から高品質への変換モデルを微調整します。USenhance2023データセットでは、最強のベースラインと比べFIDが16.7%改善しました。
説明ツール利用が大規模言語モデルの拒否メカニズムに与える影響
要約本論文は、外部ツールを使う大規模言語モデルが、通常の会話に比べて有害な要求を拒否しにくい理由を調べたものです。複数のオープンウェイトモデルでの分析により、要求の有害性に関する情報は会話でもツール利用でも内部に保持されるものの、ツール利用時は拒否に至るまでの有効閾値がより高いことが示されました。また、ツール経由の拒否は弱まりやすく、従来の安全性評価がLLMエージェントに十分適用できない可能性が示唆されています。
注目点ツール経由の入力で拒否機構が弱まることを、表現幾何学・ニューロン分析と介入実験で示し、エージェント安全性に重要な知見を与える。
説明DuplexCadence：音声モデルが宣言するタイムラインから正確な状態と実行を得る手法
要約本論文は全二重音声モデルのリアルタイム推論を扱い、一秒ごとに入力を音声出力へ変換しなければならない厳しい期限と、合成末尾段の処理待ちや静的定数で過剰確保される状態メモリが問題であると指摘します。著者らはモデル固有のクロックを実行時に明示するDuplexCadenceを提案し、需要に応じた状態割り当てと、パディングなしの正確な形状でのグラフ再生という二つの規則を導きます。四つの公開モデルと三種のデコーダ構造での評価では、出力はビット単位で一致し、既存ランタイムの約2.85倍の速度でピークメモリは38.8%低減しました。
説明SymbolicArena：記号回帰のためのベンチマーク蒸留と動的評価の統一基盤
要約本論文は、データから簡潔で解釈可能な数式を求める記号回帰（symbolic regression）の評価を行うSymbolicArenaフレームワークを提案する。664の異種タスクを統一し、課題の網羅性とアルゴリズムの識別力を保ったまま、50タスクからなるCore50ベンチマークに蒸留している。Core50は評価作業量を92.5%削減し、全タスクセットでの評価結果と整合することが示された。また、現行の手法では数値的な当てはめと記号的な式の復元との間に大きな差があることが明らかにされている。
