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。
説明多層平面巻線インダクタンス推定のための説明可能な機械学習
要約本論文は、SHAPと置換重要度による特徴量寄与の分析と、Kolmogorov-Arnold Network（KAN）に基づく記号回帰（SR-KAN）を組み合わせ、多層矩形平面巻線の自己インダクタンスを求める解析式を導く説明可能な機械学習の枠組みを提案しています。1万件を超える有限要素法シミュレーションで評価したところ、木ベースのモデルは学習範囲外で誤差が36%を超えましたが、SR-KAN式の相対誤差は8.22%でした。8層までの基板試作55点による実測では平均絶対相対誤差6.26%でした。データと測定結果はオープンソースで公開されています。
注目点SHAPとKAN記号回帰を組み合わせた平面巻線インダクタンス推定は新しく、1万件超のFEAと55件の実機試作による検証で、電力変換器設計への有用性も示されている。
説明ポイントワイズかペアワイズか：ペアワイズ損失はいつ報酬学習に有効か（理論的に証明）
要約本論文は、逐次的な報酬が観測できる場合でもペアワイズ損失が報酬学習に使われる理由と、それがポイントワイズ損失より優れる条件を検討する。文脈ごとに複数の行動を許す離線型コンテキストバンディット設定で、報酬を直接回帰するVRと、同一文脈内の行動対の報酬差を回帰するVDRを比較する。有限関数クラスではVDRが誤指定項を除去し、線形関数クラスでは特徴の幾何構造に依存するバイアスと分散のトレードオフが生じることを、理論解析と数値実験で示す。
説明答えだけでなく証明も学ぶ：自然言語論理推論のための形式検証に基づく強化学習
要約大規模言語モデルは自然言語による論理推論に使われることが増えていますが、推論過程の正しさは確認しにくいという課題があります。本論文は、形式検証に基づく強化学習フレームワーク「Proof-R1」を提案します。生成された中間結論は、UNSATに基づく機械検査可能な形式検証で推論の義務を満たした場合にのみ証明状態に採用されます。さらに、最終解答を支える依存関係を追跡し、結果への報酬を証明の依存関係に合わせます。3つのベンチマークと4つのベースモデルで解答精度が向上し、推論過程の検証可能性でも従来手法を上回ったと報告されています。
説明高圧環境下の噴霧シミュレーションのための液滴衝突の確率的シンボリック蒸留モデル
要約本論文は、液滴衝突の結果を記述する確率的シンボリック蒸留モデルを提案している。約4万件の実験事例をもとに、機械学習モデルが衝突結果の同時確率分布を学習し、その後シンボリック回帰によって8つの分類ごとの解析式に蒸留している。このモデルは急激な領域切り替えの代わりに有限幅のファジーな境界を用い、評価された従来の解析的境界モデルより優れた結果を示した。欧拉-ラグランジュ式噴霧シミュレーションへの適用も示されている。
説明適応的報酬ルーティング：前向き過程強化学習によるaudio-video同時拡散モデルの動的多報酬最適化
要約本論文は、音声と映像を同時に生成する拡散モデルを多報酬の強化学習で訓練する際に、更新位置と報酬の組み合わせを学習中に動的に調整する手法「適応的報酬ルーティング」を提案している。手法は、双方向クロスアテンションの応答を用いて更新箇所と勾配スケールを決める部分と、事前設定の重みを保持しつつ、ウォームアップ後に報酬勾配の相互作用で補正する部分からなる。著者らは、モダリティ品質、意味的一貫性、音声映像の同期で強化学習の基準手法を上回り、消融実験で両部分の補完的効果を確認したと報告している。
説明V-Engram：モジュール式テキスト画像生成パーソナライズのためのトリガー索引付き外部メモリ
要約本論文は、Stable Diffusion 3.5 向けの外部メモリ機構 V-Engram を提案しています。各概念には明示的なトリガーが割り当てられ、それに対応する概念固有のメモリを検索して、凍結されたテキストエンコーダと MMDiT の文脈状態に相対残差として組み込みます。このメモリをバックボーンの適応から分離することで、モデル更新を統合せずにプロンプトに応じた選択的な呼び出しや複数概念の利用を可能にしています。実験では、全体的な被写体忠実度が DreamBooth-LoRA と概ね同等であることが示されています。
説明手書き文字認識における文脈内学習の検討
要約手書き文字認識（HTR）は歴史文書のデジタル化に用いられていますが、多くの研究は大量の注釈付きデータを必要とする専用モデルに依存しています。本論文は、モデルのパラメータを更新せずに、事前学習済みの視覚言語モデル（VLM）による文脈内学習で転写パイプラインを構築することを検討しています。複数のコレクションとモデルで評価した結果、ドメイン内と異なるドメインの双方で、文脈例が増えると誤差は平均的な性能に近づく傾向が示されました。また、文脈例の選び方によって性能に差があることも報告されています。
説明JoyAI-Voice 2.0：意味と音響の共同表現を用いた全連続自己回帰型音声生成モデル
要約本論文は、全連続の二重エンコーダ構造に基づくエンドツーエンドの人間らしい音声生成モデル JoyAI-Voice 2.0 を提案しています。意味と音響の表現を統合して因果的自己回帰 Transformer に入力し、局所拡散 Transformer で 48kHz の音声を合成します。Seed-TTS での平均単語誤り率は 2.51% で、最強のベースラインに比べ 14.9% 低減したと報告されています。
説明HaPRL：人間の探索過程を基準とした視覚検索エージェント向け強化学習
要約本論文は、高解像度画像について複数ターンで視線を決める視覚検索エージェントを対象とします。最終回答のみを報酬とする従来の強化学習では探索過程が監督されず、推論は誤っていても結果が正しい経路が生じることを指摘しています。著者らは人間の探索行動を強化する枠組みHaPRLを提案し、細粒度の行動信号を持つ1000件超の人手注釈データを収集して、人間の探索軌跡を基準に各ロールアウトを採点します。実験では結果ベースの強化学習を上回り、初期段階の過程監督により後続の結果ベース学習の改善が6.7倍になったとされています。
説明報酬と資源消費が汚染された場合の、ナップサック制約付きスパース線形文脈バンディット
要約本論文は、報酬と資源消費が同時に汚染される状況で、ナップサック制約を持つスパース線形文脈バンディット問題を研究している。著者らは、汚染を考慮した信頼幅、オンラインの資源価格、予算安全則を組み合わせたロバスト楽観的原始-双対フレームワーク（ROPD）を提案している。探索条件と設計の被覆条件ごとに後悔の上界を示し、汚染水準が未知の場合に適応する手法Shared-Gridも提案している。両手法とも、観測された予算が超過しないことを保証する。
説明InsightMap：身体性マルチモーダル推論のための構造化空間モデリング
要約本論文はInsightMapを提案する。俯瞰地図を明示的な空間記憶兼動作条件付き予測の対象として用い、言語指示に基づくナビゲーションで行動予測と行動後の地図生成を同時に学習する。R2R-CEとRxR-CEの未見検証分割での成功率は、それぞれ56.9%と54.9%である。地図予測の教師信号を加えると、R2R-CEではSRが4.3ポイント、SPLが3.2ポイント向上した。
説明確率的システムの時間発展を加速する代理ダイナミクス手法
要約本論文は、動的・確率的システムのシミュレーションは計算コストが高いという課題に対し、機械学習による代理モデルの枠組みを提案している。変分オートエンコーダ（VAE、畳み込みまたはグラフ構造）でシステムの次元を削減し、その潜在ベクトルを時間融合トランスフォーマー（TFT）で時間方向に伝播させる。TFTは長距離・短距離の効果と静的共変量を扱える。三つの異なる事例で検証され、シミュレーションとほぼ同等の結果を大幅に短い時間で得られたと報告されている。また、不確実性定量化も組み込まれている。
説明EgoHumanoid-V2：人の全身協調動作を人型ロボットへ移し、移動と操作を行う技術
要約本論文は、一人称視点の人間のデモンストレーションから人型ロボットへ、移動と操作を伴う全身協調スキルを移転するフレームワーク EgoHumanoid-V2 を提案している。中核は粗から細への動作整列で、運動学的参照の補正と動力学を考慮した精緻化を組み合わせ、全身の協調を保ちつつ末端の姿勢精度を高める。ロボットアームのレンダリングと学習時の画像拡張により視覚的な身体差も縮めている。実世界の四課題では、整列した人間データで学習した視覚・言語・行動方策が、対象課題のロボット示範なしにゼロショットで移転し、遠隔操作データで学習した方策と同程度の成績を、より低い収集コストで達成したと報告している。
説明画像データのトポロジー保存を効率化するスパース立方体複体
要約本論文は、画像セグメンテーションでトポロジー構造を保つための持続ホモロジー（PH）計算の代替基盤として、スパース立方体フィルトレーションを提案しています。実データにおいて後続の計算コストを最大100倍削減できるとしています。3Dデータや大きなパッチサイズなど、他のPHベースの目的関数が実用上動作しにくい学習設定でも有効性を示し、6つのデータセットで位相的精度を最大80%向上させつつ、画素・領域単位の精度も維持したと報告しています。
説明『Absorbed in Inertia』：コンピュータ操作エージェントの活性化分析。無駄な操作を繰り返す理由を調べ、その回避法を提案する論文
要約この論文は、自然言語の指示で実際のデスクトップを操作するコンピュータ操作エージェントを扱います。著者らは、無効だと分かっている操作をエージェントが繰り返す「慣性」という現象を見いだしました。モデル内部の活性化値を分析すると、慣性は活性化空間の抜け出しにくい領域に対応するとしています。提案手法R³（Reset、Reroute、Restore）は、文脈を一時的にリセットしてその領域から抜け出し、その後履歴の文脈を復元して課題を完了させます。その結果、無修正のエージェントと比べて測定された慣性が17～55%低下しました。
説明エンドツーエンド組合せ最適化のための視覚言語モデル微調整
要約本論文は、テキストによる問題記述に入力から得た視覚表現を加えた汎用の視覚言語ソルバーを提案しています。単一の視覚言語モデルを複数の組合せ最適化タスクに適用し、教師あり微調整の後、検証器に導かれる強化学習で訓練しています。実験では、テキストのみのモデルと比べて解の品質が概ね向上し、CVRPやJSSPなど複雑な問題で特に明確な改善が見られました。その利点は問題規模が大きいほど顕著だと報告されています。
説明SimpleEvol：人手による事前知識を最小限に抑えたLLM駆動ヒューリスティック設計のエージェントループ枠組み
要約論文は、LLMを用いた自動ヒューリスティック設計の多くが、LLMを交叉や突然変異などの固定的な部品として、人手で作り込まれた進化的枠組みに組み込んでいると指摘します。著者らは枠組みの人為性を測るAHI指標と知能変換効率ICEを提案し、3つの組合せ最適化問題で10種のLLMを評価した結果、人手の事前知識が少ない枠組みほどICEが高いことを見いだしました。これを受けて、ほぼすべての人手の事前知識を取り除きLLMが自律的に動作するSimpleEvolを提案し、最も高いICEを達成したと報告しています。
説明生成文脈知識の融合によるRAGの意味的ギャップの解消
要約本論文は、検索拡張生成（RAG）において、クエリと検索された文脈の間に生じる意味空間の不一致という課題に取り組んでいます。知識認識型意味ブリッジング（KASB）という枠組みを提案し、生成的知識と検索ベースの知識を多段階で融合して意味空間を整合させ、段落選択の質を高めます。三つの代表的なオープンドメイン質問応答データセットで評価を行っています。
説明補間ポリシー蒸留：オフポリシーとオンポリシー蒸留の間を制御可能に連続させる手法
要約本論文は、補間ポリシー蒸留（IPD）を提案します。各デコードステップで生徒と教師の次トークン分布を線形補間し、その係数によって軌跡の品質と生徒の学習しやすさのバランスを調整します。効率化のため、補間後の分布を正確に保つ新しい投機的デコード規則も導入しています。テキストおよびマルチモーダル推論ベンチマークで、IPDは両端のポリシー（SFT、OPD）、その二段階組み合わせ、近年の発見的な片段交互方法を上回りました。
説明Trajectory Soup：多様な学習軌跡による大規模言語モデル中間学習の計算スケーリング拡張
要約論文は、大規模言語モデルの中間学習では単一の直列計算を増やしても下流性能の向上が小さく、一部の能力が低下することもあると指摘しています。提案手法 Trajectory Soup は、中間学習の予算を共通チェックポイントから分岐した複数の独立した分岐に配分し、検証で選んだ最良のチェックポイントを軌跡内および軌跡間の平均化で一つのモデルに統合します。学習率スケジュールやトークン数、軌跡数などを変えた実験で、同じ予算下で単一軌跡の最良平均を上回り、予算拡大に伴って改善が続くことが報告されています。
説明視覚・言語・行動（VLA）モデルの擬似相関を、ドメイン不変な潜在先読み予測で取り除く研究
要約視覚・言語・行動（VLA）モデルは視覚分布の変化に弱く、タスクと関係の薄い特定ドメインの要因に依存しがちです。本論文は、ドメイン変換された軌道データから学習したドメイン不変な将来の潜在表現で方針を監督するDILLを提案します。タスク・ドメインエンコーダは対比目標とガウス分離正則化で訓練されます。LIBERO-Plusでの平均成功率は69.1%で、最も強いベースラインを11.4ポイント上回ったと報告されています。
説明擬似ラベルと密な注釈を用いないエンドツーエンド自己教師ありRGB-T追跡（ESMTrack）
要約本論文は、オフラインの擬似ラベル生成や毎フレームの密な境界ボックス注釈を必要としない、エンドツーエンドの自己教師ありRGB-T物体追跡フレームワークESMTrackを提案します。学習には視覚追跡で一般的な最初のフレームの注釈のみを用い、注釈付き初期フレームに対するgroundingトリプレット損失と、未注釈の探索フレームに対するフレーム間時系列トリプレット損失で表現を学習します。融合分支と可視光・熱赤外の単一モダリティ分支からなる三分岐構造により、モダリティ主導の偏りを抑えます。5つのベンチマークで競争力のある性能が報告されています。
説明投票が失敗を隠す：心雑音検出における集約方式の選択とノイズ耐性
要約本論文は、心音図（PCG）の心雑音を自動検出する2種類のパイプライン（HMS-Net-CNN と BiLSTM-LSTM）を、さまざまな強度のノイズ条件下で比較しています。ノイズ増強による微調整と未見データでの汎化評価を行い、同一の集約方式では BiLSTM パイプラインが全条件で正確度と加重正確度において HMS-Net を上回ったと報告しています。ノイズ耐性の結論は、モデルだけでなく評価方法にも大きく左右されると述べています。
説明GLASS：スロットベース集合デコードによるグローバル潜在集約と、スケーラブルな全原子結晶生成
要約本論文はGLASS手法を提案し、結晶構造を置換不変な大域潜在空間に符号化して、フローマッチングでその分布を学習します。学習済みのスロットデコーダがすべての原子を並列に生成するため、生成過程での原子対応問題を回避します。MP20では粒子空間モデルと同等の性能を示し、QMOFのサブセットでは単位格子あたり最大150原子の金属有機構造体（MOF）を、構成単位・トポロジー・組成の条件なしに生成し、学習データに近い構造的妥当性を達成しました。一方、有効性と新規性の間にトレードオフがあることも報告されています。
説明学習者の行動から再利用可能なスキルへ：効果的かつ効率的な学習者シミュレーション
要約本論文は、過去のインタラクションから得られた学習者シミュレーション能力を、永続的かつ再利用可能な「シミュレーションスキル（Simulation Skill）」として外部化する手法 Learner2Skill を提案しています。このスキルは学習者の現在の学習状態と繰り返し現れる応答パターンを捉え、新たな実際のインタラクションに応じて更新されます。学習者を一から再構築せずに、軽量な実行器の調整によって新しい大規模言語モデルへ適応させることができます。実験では、細かな学習者行動をより忠実に再現しつつ全体のトークンコストを削減できること、また構築したスキルが異なる LLM 実行器間で有効に再利用できることが示されています。
説明世界モデルの「明晰夢」：想像を疑い、信頼に基づいて決める学習
要約本論文はLucid World Model（LucidWM）を提案し、強化学習エージェントが想像内で計画する際の不確実性を推定します。主観論理（Subjective Logic）をカテゴリカルな潜在遷移に組み込み、各遷移に疑いの度合いを割り当てます。その補数が遷移レベルの信頼度であり、想像された軌道に沿って乗算的に蓄積され、方策学習の収益の重み付けや行動選択に用いられます。4つの基礎世界モデルと17種類の不確実性指標で評価され、環境変化の検出や行動が乱れた展開での不確実性の提示が確認されました。制御された航行事例では、信頼に基づく行動により目標到達までのステップ数が362から190に減少しました。
説明DShuttleNet：バドミントン・ダブルスにおけるチーム連携を評価するためのデータセット
要約本論文は、BWFワールドツアーのトップ大会から収集したバドミントン・ダブルスのデータセット「DShuttleNet」を紹介しています。軌跡データに加え、専門家が付与した「失点理由」を含み、戦術の評価に用いられます。また、チームメイト相対角度と垂直打球角度という幾何学的表現や、コート被覆効率指数と脅威負荷非対称指数という指標を提案しています。実験では、これらの連携特徴を取り入れないと従来モデルが過少適合することが示されています。
説明FlowMAS：情報誘導型生成フローネットワークによるマルチエージェント・ワークフロー・トポロジーの学習
要約本論文は、生成フローネットワーク（GFlowNets）を用いてマルチエージェントシステムのワークフロー構造を自動的に学習するFlowMASを提案している。ワークフロー生成を、トポロジー空間上の報酬誘導型フローとしてモデル化している。GFlowNetベースの生成基盤、構造的に新しいワークフローの探索を促す好奇心駆動モジュール、中間トポロジーを評価する情報誘導型最適化モジュールで構成される。6つのベンチマークデータセットと3種類のLLMバックボーンによる実験で、FlowMASが複数のベースラインを一貫して上回ることが示されている。
説明高次の行動構成概念のマルチモーダル検出：構造化された内省的対話における自己慈悲
要約本論文は、動画・音声・テキストから直接観察しにくい心理的特性を識別する方法を検討しています。例として、挫折に対して厳しい自己批判ではなく忍耐をもって応じる傾向である自己慈悲を取り上げています。技術を介した訓練の場で行われた51件の内省的な対話セッションを収集・注釈し、時間窗ベースの多モーダル処理パイプラインを構築しました。確率レベルの単純な融合は、最良の単一モダリティに対して控えめながら一貫した向上を示しています。
説明改良型分布的拡散モデル：少ないステップで画像を生成する確率的手法
要約分布的拡散モデル（DDM）は、平均を予測する従来のノイズ除去器の代わりに、スコアリング規則で学習する分布的ノイズ除去器を用い、条件付き平均ではなく条件付き分布を近似します。本研究では粒子の拡張を後段のTransformer層に遅らせ、時間依存のスコアリング規則スケジュールを導入して、クラス条件付きImageNet-256²での学習を実用的にしました。DiT-XL/2を用い、教師モデルなしで一段階学習したモデルは、4ステップで FID 4.48、50ステップで 2.38 を達成し、同じ手法はテキストから画像への生成にも応用できるとしています。
注目点DDMに時間依存のスコアリング規則スケジュールと後段層での粒子拡張を導入し、ImageNet-256で単段階学習により強いFIDを得ている。
説明判断の質から下流での有用性へ：オープンエンドタスクにおけるLLM-as-a-Judgeの再考
要約本論文は、正解のない自由記述型タスクで大規模言語モデルを評価者（LLM-as-a-Judge）として用いる方法を検討しています。判断の出し方として、評定の粒度、批評の利用、バッチ評価の三点を変え、判断の使い方としては、方策の学習に加え、推論時のBest-of-N選択、評価に基づく修正、ビームサーチへも拡張しています。その結果、判断の質と下流での有用性は必ずしも一致せず、評価者の設計が両方に大きく影響し、評価者による誘導が推論時の計算を性能向上に変えることが示されました。
説明LoLBench：大規模ソフトウェアで長期的提案を扱うコーディングエージェントの評価ベンチマーク
要約本論文は、大規模ソフトウェアシステムにおいて提案書から実装までの全過程を評価するベンチマーク「LoLBench」を提案している。29のシステムにまたがる100タスクを含み、各タスクには人間が書いた機能拡張提案が付く。評価では最良のエージェントでも解決率は14%にとどまり、不完全なコード特定が主な課題とされた。参照ファイルツリーとAPI仕様を与えると解決率が16〜22ポイント向上したと報告されている。
注目点要望提案から実装までの全過程を評価する新しい枠組みを提示し、28のエージェントによる100タスクの大規模実験で、意図理解と実装の両面の課題を示している。
説明MSTypography：文字の可読性と物体の認識しやすさを両立させる多文字セマンティックタイポグラフィ
要約本論文は、単語の視覚的な形が意味を表しつつ可読性も保つ、多文字単語向けのセマンティックタイポグラフィ手法を提案します。全体レベルではマスクに基づく輪郭近似を行い、局所レベルでは意味情報を用いた細部の調整を行います。可読性のために構造損失とOCR制約を導入し、拡散モデルの事前知識で字形を目標概念へ近づけます。英語、中国語、日本語、韓国語、アラビア語で既存手法より優れていたとされ、コードは公開予定です。
説明BandPC：柔軟な共役勾配ソルバー向け残差バンド前処理器組み合わせの学習
要約本論文は、グラフニューラルネットワークを用いて、柔軟共役勾配（FCG）法の反復中に切り替えるべき多段階の前処理戦略を行列構造から予測するBandPCを提案します。反復を残差ノルムに基づく3つのバンドに分け、5種類の古典的前処理器から125通りの候補組み合わせを構成します。合成問題とSuiteSparseの行列での実験では、テスト行列の41.3%で最小の反復回数、33.1%で最短の求解時間を達成したと報告されています。
説明TaoFlowForge：カスケード型フローマッチングによる段階的なネイティブメッシュ生成
要約TaoFlowForgeは、制作にそのまま使えるアーティスティックなメッシュを生成する基盤モデルです。メッシュ生成を頂点の生成と、辺にあたる頂点間の接続予測に分けており、頂点は粗いものから細かいものへ二段階で生成されます。手作りの3Dアセットと公開のトポロジーデータセットを組み合わせて学習し、画像条件付き生成では自己回帰手法を上回り、オープンソースのメッシュトポロジー生成器で最先端の結果を示したとしています。
説明命令分解に基づく多粒度言語誘導模倣学習
要約本論文は、タスク全体の指示をより細かいサブタスク単位の言語指示に分解する多粒度の言語誘導手法を提案している。複数段階の操作において、段階ごとに異なる動作を区別することを目的としている。マルチタスク模倣学習の設定で手法を評価し、有効性を検証したと述べている。
説明先に学習し、後で蒸留する：大規模言語モデルのためのブートストラップ型オンポリシー自己蒸留
要約本論文は、方策モデルを先に学習させて「未来の教師」を得て、その後に生徒モデルを元の方策状態へ戻し、未来の教師がトークン単位の監督を与えるB-OPSD手法を提案します。Qwen3-4BとQwen3-8Bによる数学的推論の実験では、標準のOPSDより一貫して改善が見られ、rollout特権設定では27.50から41.30、48.80から64.44への向上が示されています。
説明SkillCome：分岐比較と二重メモリによるスキル最適化手法
要約本論文は、分岐比較（group contrast）と二重メモリを用いて大規模言語モデルのスキルを最適化する SkillCome を提案している。従来手法は問題ごとに一本の軌跡しか生成しないのに対し、SkillCome は複数の軌跡を生成し、成功と失敗の軌跡の間にある重要な行動の違いを比較して、より信頼できる最適化シグナルを得る。二重メモリは過去の証拠を蓄積し、異なるグループ間で共通するパターンを捉える。六つのベンチマークと五つのモデルで基線を上回り、最大で +5.69 ポイントの向上を示した。
説明LLMのアンブランディング：一般的な有用性を保ちつつ商業的アイデンティティを消去
要約本論文は、大規模言語モデルが文章中でブランドに言及することで商標の希釈、誤った帰属、ブランド中傷などのリスクが生じると指摘し、「LLMアンブランディング」というタスクを正式に定義しています。標語的な言い回しや文体上の特徴などブランドのトレードドレスをテキストから取り除くことに焦点を当て、複数の商業分野の著名ブランドを含む評価データセットを構築しました。既存の機械的アンラーニング手法には選択的なテキストの脱ブランド化に限界があることを示した上で、パラメータ更新を必要とせず、反復的な指示の改良によってブランド情報の漏洩を防ぎつつ汎用能力を保つ推論時手法MUTEを提案しています。
注目点LLMの脱ブランド化という新タスクと推論時の反復最適化手法MUTEを提案し新規性は高いが、評価の規模と深さは摘要からは判断しにくい。
説明動く障害物に対する非ホロノミックロボットの敵対的ロバスト幾何学的安全証明書
要約本論文は、有界な能力の範囲で能動的に動く障害物に対して、敵対的にロバストな幾何学的安全証明書を提案する。証明書パラメータの閉形式収縮により、許容される障害物機動の最悪ケースの影響を安全集合の幾何で直接扱う。運動学的自転車モデルの下で、収縮した安全集合の前向き不変性に関する十分条件を示す。シミュレーションでは、バリア違反と衝突が大幅に減少し、バリア導関数の点ごとのロバスト化では幾何の収縮を代替できないことが示された。
説明エージェントはいつ外部状態を確認すべきか：保存された意図のための観測予算配分
要約本論文は、将来の条件に紐づく意図を保持したエージェントが、その条件の成否を確認するためにいつ資源を使うべきかを検討する。共有予算の下で外部観測を配分するBudgetPMを提案し、静的版と逐次版の二つの方策を示す。評価では、一部のベンチマークと設定において、より少ない観測回数で既存手法と同等以上の結果が報告されている。
説明EviViT：細粒度な視覚認識のための証拠適応型ビジョントランスフォーマー
要約本論文は、事前学習済みのビジョントランスフォーマーに付加できる軽量なモジュールEviViTを提案しています。人間の視覚探索の軌跡を用いて質問に応じた証拠の密度を学習し、それに基づいて元の画素の領域を再観察し、視覚トークンを割り当てます。九つのホストモデルでの実験では、細粒度の平均精度が一貫して向上したと報告されています。また、同じトークン予算では、全体画像のみを処理する方法より高い性能を、より少ない視覚トークンで示したとされています。
説明三角輸送写像の構造を学習する手法
要約三角輸送写像（triangular transport map）は、密度推定・生成モデリング・ベイズ推論などに使えるサンプリングベースの確率モデリング手法です。本論文は、写像・変数順序・疎性パターンを同時に学習する自己構造化輸送写像（SSTM）を提案し、単調なBatchEnsembleで高次元にも対応させます。合成データと実データでは、構造と写像を同時に学習する方が、先に構造を推定する方法より良い密度推定が得られると報告しています。
説明二言語音素ベビーLMにおける言語間効果
要約本論文は、音素表現の音声入力で双言語の小規模言語モデルを学習させ、英語を第二言語に固定して、ドイツ語、スウェーデン語、ペルシア語、バスク語を第一言語として比較する研究です。その結果、正書法テキストより音素入力の方が、第一言語の違いに関連して文法学習の軌跡がより大きく変化することが示されました。初期の語彙差は音素目録の類似度と一致していました。
説明評価器を活かす：大規模言語モデルの事後学習のための報酬不要ポリシー最適化
要約本論文は、校正済みで凍結した評価器（critic）を、軌道全体の報酬、一般化アドバンテージ推定のベースライン、未完了prefixの成功予測器として再利用する報酬不要ポリシー最適化手法RFPOを提案します。評価器ベースの強化学習の不安定性は主に最適化上の問題であり、ポリシー更新を小さく低分散に保てば安定収束すると述べています。スコアを二値化したRFPOは、訓練ループにラベルを使わずに教師ありPPOと同等になり、計算量とメモリ負荷も抑えられるとしています。
説明マルチチャンネル音声品質評価：事前学習済み知覚モデルの空間音声への拡張
要約本論文は、限られたチャンネル構成向けに学習された事前学習済みの知覚品質モデルを、5.1チャンネルの空間音声に再利用する方法を検討しています。信号・予測・潜在・特徴の4段階でのマルチチャンネル統合を比較し、潜在レベルの空間グループ表現の集約と、特徴レベルのFeature-Band Group Attention（FGAtt）を提案しています。5つの5.1チャンネル試験セットでは、FGAttが全体として最も高い性能を示しました。
説明NRF-GS：表現力とコンパクトさを両立するガウススプラッティング向けニューラル残差場
要約本論文は3Dガウススプラッティング（3DGS）における外観モデリングの役割を検討し、標準手法で用いる低次球面調和関数では視点依存の高周波な反射を表現しきれず、その補償のためにスプラットの数が増えると指摘します。著者らは、各ガウスごとの球面調和基底を共有のニューラル残差場に置き換えるNRF-GSを提案し、視線方向などを入力とする軽量な全体MLPが視点依存の残差を予測するとしています。論文によれば、描画品質は同等以上を保ちつつガウスの数を最大50%削減でき、鏡面反射や高周波の細部も改善されるとのことです。
説明距離と角度の成分別キャリブレーションによる解釈可能な固有次元推定
要約本論文は、DANCo（角度と距離の集中による次元推定）を成分ごとに再構成し、距離と角度の差分曲線を別々に保持して推定値の出所を判別できるようにする手法を提案しています。距離成分については、一般化比率の本質次元推定器（Gride）に対する閉形式のKullback-Leibler距離を導出しています。24の多様体上で、ノイズがある場合の平均誤差率が27.7%から17.6%に下がったと報告しています。
説明一般化反応拡散系統のためのニューラル構成則学習：方程式の構成則をニューラルネットで学習し、共通の積分器で時間発展を計算する手法
要約本論文はNCL-MCTソルバーを提案し、偏微分方程式ごとの構成則応答（輸送の移動度と熱力学的駆動力、反応の相対反応速度）をニューラルネットで学習する一方、時間発展は共通のMCT積分器で行います。これらの構成則応答は初期条件や経過時間ではなく現在の密度に依存するため、異なる初期条件や時間範囲への再利用が想定されています。七つの系で個別に学習した構成則モジュールは、相対ロールアウトL²誤差10^-4から10^-2を達成しています。また、解の軌道を生成せずに構成則を学習できることも示されています。
説明成功可能な失敗プレフィックスから学ぶ：長期タスクLLMエージェントのためのマイルストーン可能性ポテンシャル方策最適化（MVPO）
要約本論文は、疎で遅延する報酬の下で長期タスクを行うLLMエージェントの強化学習において、GRPOやGiGPOなどの既存手法が、比較対象の報酬に差がない場合に中間決定へ信用を割り当てられない「ゼロクレジット失敗」を指摘します。提案手法MVPOは、Union-Find による可能領域上でプレフィックスのポテンシャルを推定し、ポテンシャル差による優位性でゼロクレジット群を補正し、相対的な性能進捗に応じてポテンシャル分岐を減衰させます。Qwen2.5-1.5B-Instructでの実験では、GRPOやGiGPOを含む8つの強力なベースラインを上回り、ALFWorldとWebShopでGiGPOより成功率が4.4ポイントと5.3ポイント高く、優位性構築の追加コストは0.16%〜0.20%にとどまります。
説明AI規制サンドボックスにおける協働的な社会技術的意味形成のための境界交渉アーティファクトの設計
要約本論文は、AI規制サンドボックス（AIRS）では従来、法制度上の設計が中心に研究されてきたが、社会技術的な解釈は関係者に委ねられており、意味形成に欠落があると指摘する。著者らはResearch-through-Design（設計を通じた研究）の手法で、各関係者がAIの評価で協働できる境界交渉ツールを反復的に開発した。さらに、それを既存のAIRSフレームワークの技術的基盤として位置づけている。定性的評価は今後の課題とし、設計過程で得られた知見を報告している。
説明Waypoint-1.5：一般向ハードウェア向けのリアルタイム動画ワールドモデル
要約本論文は、一般消費者向けハードウェアで動作するリアルタイム拡散型ワールドモデルWaypoint 1.5を紹介する。約10万時間、数百のゲームにまたがる映像データで事前学習され、キーボードとマウスの全入力に応じて操作可能な動画を生成する。レンダリングFPS、潜在FPS、制御レートを区別し、遅延とスループットで対話性を評価している。さらに、こうした対話型ワールドモデル特有の安全性と倫理上の課題にも触れている。
説明VACE：検証ゲート付きでエージェントのモデルとハーネスを交互に共進化させる手法
要約本論文は、言語モデルエージェントの重み更新と、タスク実行を導くハーネス（枠組み）の改良を交互に行うVACEという手法を提案しています。各強化学習段階の後、新しいハーネスは検証性能が向上した場合にのみ採用されます。OfficeQAとAutomationBenchでは、重みのみを更新する強化学習や検証なしの交互更新より高い成績を示したと報告されています。
説明多言語推論において事後学習は何を変えるのか：オープンソース推論モデルの監査研究
要約本論文は、オープンソースの推論モデルについて、11言語の競技数学問題での性能を検証した。英語では92.9%の問題で正しく完結した解答が得られたのに対し、英語以外の10言語では、要求された言語で推論を見せつつ正しく完結した解答が得られた割合は、16回のサンプリングのいずれかで見ると低いことが示された。同一モデル系列の13のチェックポイントを比較し、多言語の教師ありファインチューニングは目標言語での推論を回復させるが正答率を下げること、強化学習は終了性を回復させるが、報酬に言語項が含まれる場合にのみ目標言語での出力が保たれることを報告している。
説明V2X-WAM：エンドツーエンド自動運転のための協調型ワールド・アクション・モデル
要約本論文は、車路協調による認識・行動生成・将来世界の推論を密接に結合したV2X-WAMを提案します。車両側と路側インフラの観測から信頼性を考慮した時空間表現を構築し、路側情報は通信効率のため量子化された小さなメッセージに圧縮されます。計画器が生成した予測軌道は将来の占有状況と動的フローの予測に条件付けられ、その予測結果が軌道の修正にフィードバックされます。大規模な実世界データセットでの実験では、代表的な手法と比べて計画精度と安全性が向上し、将来予測も強化され、通信負荷も大幅に低減されました。
説明静的評価下で査読の信頼性という幻想を打ち破る：LLM査読者のためのSCOPEファジング
要約論文は、LLMベースの査読者が過大な主張などの内容の摂動を検出・減点できるとする従来の結論が、静的テンプレートによる少数の摂動戦略に基づいており、根拠が限られると指摘しています。著者らは表層的提示、論証の論理、価値判断の三段階からなる評価枠組みを構築し、摂動の効果が論文の元の評価スコアの高低によって異なること、また単一テンプレートでは多様な実現形で現れる脆弱性を見逃すことを示しました。これを受けて、フィードバックに基づく戦略選択と論文内容の適応的変異を組み合わせた SCOPE-Fuzzer を提案し、静的評価や他のベースラインが見落とした脆弱性を発見できることを報告しています。
説明MLLMが数え上げに苦労する理由：ConvStackによる個体化と集約のボトルネックの克服
要約本論文は、マルチモーダル大規模言語モデルが細粒度の視覚的な数え上げで失敗する原因を分析し、グローバルな注意機構に含まれる二つのボトルネックを特定しています。一つは画像のパッチ分割に起因する個体化のボトルネック、もう一つは数が増えるにつれて注意の圧縮により表現の分離が崩れる集約のボトルネックです。著者らは視覚トークン空間で局所的な空間構造を集約・注入する軽量なアーキテクチャ ConvStack を提案し、数え上げタスクのみでの微調整により、密集物体の計数や空間理解のベンチマークで改善を示しつつ、汎用的な視覚能力は損なわれていないと報告しています。
説明無線ネットワーク上の大規模言語モデルベース・マルチエージェントシステム：エージェントとネットワークの協調設計の視点
要約本論文は、大規模言語モデル（LLM）のエージェントの推論と実行が無線エッジノードに分散されつつあり、無線ネットワークがマルチエージェント推論の流れ自体を支える必要があることを論じています。エージェント側とネットワーク側を同時に決定する協調設計の考え方を示し、相互作用のスケジューリングと資源配分、メッセージの選択と伝送の共同設計などを扱います。車車間・路車間通信（V2X）の事例では、エージェントとネットワークの操作を共同で調整することで、通信とエッジ資源の制約下でもタスク完了率が向上し、個別設計より優れることが示されています。
説明残差ベクトル量子化によるタスク指向の視覚特徴圧縮、端末-エッジ型マルチモーダル推論向け
要約本論文は、端末-エッジ協調推論で視覚データの伝送に遅延が生じる問題を扱い、クエリ誘導型のタスク指向特徴圧縮手法Q-TOFCを提案しています。残差ベクトル量子化（RVQ）で特徴を圧縮されたコードブックインデックス列に符号化し、クエリとの関連性を特徴集約に組み込み、量子化誤差補償アダプタで離散量子化による歪みを抑えます。7つのマルチモーダルベンチマークでは、TOFCと比べて視覚ペイロードが53.6%削減され、平均正規化タスク性能は同等を保ちました。帯域制限のある上り回線では端末-エッジ間の遅延も低減されたと報告されています。
説明Real2Gym：動画からシミュレーション・ジムを構築し、ロボットにスキルを届ける
要約本論文は、人間やロボットの実演動画を編集可能な対話型シミュレーション環境に再構築し、そこで得たスキルを実機ロボットに移すフレームワーク Real2Gym を提案する。論文によると、シミュレーションでの成功率は GPT-6 Astra Direct Mode より 16.7% 高く、ポリシー実行トークンは約 74.9% 少ない。実機の Franka ロボットでの4タスクでは、成功率が 33.3% 高かったと報告されている。
説明現代のコンピュータビジョンモデル学習におけるエネルギー消費の差に関する研究
要約本研究は、同一の1万枚のImageNet画像サブセットと40エポックの統一条件で、7種類のコンピュータビジョンモデルの学習時の消費電力を、2基のNVIDIA Tesla P100 GPU上で測定しました。浮動小数点演算量（GFLOPs）と消費エネルギーの相関は0.85ですが完全ではなく、演算量が近いモデル間でも最大3.1倍の差が見られました。EfficientNet系は分類性能と効率のバランスが最も良く、Vision Transformerは評価した条件下で消費エネルギーが最も高く、分類性能は低い結果となりました。
説明ARGOS：強化学習によるコンピューティング連続体のサービス編成における多次元弾力性
要約本論文は、リソース拡張だけでは不十分な場合に分析品質（カバレッジ、サンプル、鮮度）とクラスタ負荷を同時に調整する、強化学習ベースのエンドツーエンド制御器ARGOSを提案しています。制御された負荷と異種クラスタでの評価では、深層強化学習方策が非学習ベースラインを上回り、個別に調整された最良固定参照に近い結果を示しました。ライブ評価では静的な中点設定より改善が報告され、CPUやメモリの違反は記録されなかった一方、カバレッジの違反は残ったとされています。
説明代理信号の偏りとラベル汚染下における遺伝的多基準ソーティングと学習型ランカーのバイアス頑健性の比較
要約本論文は、ラベルを使わない遺伝的多基準ソーティングと、ラベルで学習する学習型ランキング（LTR）モデルを比較しています。MSLR-WEB10K、Baidu-ULTR、WANDS、Expedia の各データセットで、指定されていない代理信号にモデルがどの程度引き寄せられるかを二つの制御実験で検証しています。遺伝的手法は代理信号との Spearman 相関が低く、ラベルが汚染されてもバイアスと効用の曲線が変わりませんでした。一方、LightGBM と XGBoost は汚染の増加に伴い偏りが大きくなりました。
説明因果表現学習による非構造化データからの常微分方程式の同定
要約本論文は、画像などの非構造化・高次元の観測から力学系の支配的な常微分方程式を復元する問題を扱います。因果表現学習で得られた変数は、そのまま方程式発見に使うと一般には適さないと示し、事前学習済みの因果表現学習手法に成分ごとの自己符号化器を組み合わせたSPEED-AEを提案しています。Lotka-Volterra系、Lorenz系、二重振り子系での実験では、分離性能の向上、真の方程式に近い方程式の復元、そして最先端の予測性能が報告されています。
説明Traverse：長期的なWeb検索で「いつ覚える・リセットする・方向転換するか」を学習する手法
要約本論文は、長期の情報探索エージェントが雑音や誤解を招く文脈を蓄積し、初期の誤りが残り続ける問題を扱います。提案手法Traverseでは、エージェントが Rubric、Answer、Verify の3状態で自らの探索を管理し、文脈を能動的に管理する Seal Memory ツールも備えます。強化学習での学習を安定させるため、文脈管理の後の最終区間のみを学習する戦略を採用しています。35BモデルはBrowseCompで72.83を記録し、複数のベンチマークでベースモデルを上回りました。
説明LDM-is-AE：潜在拡散モデル自体がオートエンコーダであるエンドツーエンド画像生成手法
要約本論文は、従来の潜在拡散モデルが自己符号化器を別途事前学習してから拡散モデルを学習する二段階方式に、表現のずれがあると指摘する。提案手法LDM-is-AEは、DiT主幹を互いに逆の役割を持つDiT-EとDiT-Dに分割し、全時刻の中間特徴に画像空間での教師信号を与えて一段階のエンドツーエンド学習を行う。256x256および512x512のクラス条件付き画像生成でそれぞれFID 1.80と1.90を達成したと報告されている。
説明ZeroDiff：情報付き事前分布による拡散モデルを用いたゼロショット時系列再構成手法
要約対象変数の観測が乏しく、未観測地点では測定値がない問題を扱い、ゼロショット時系列再構成という課題を提示しています。提案手法ZeroDiffは、外生変数のみから情報付き事前分布を構築し、拡散モデルで再構成誤差を補正する仕組みを学習します。観測地点で学習したモデルを未観測地点に一般化させ、実世界の複数データセットで既存手法より大きく改善したと報告しています。
説明UnlearningSoup：大規模言語モデルのアンラーニングに繰り返しのチューニングは必要か？
要約本論文は、大規模言語モデルから有害または不要な内容を削除しつつ他の知識を保持する「アンラーニング」を扱います。異なる学習で得られたモデルが重み空間上の共通の性能領域にあることを見いだし、二分探索による補間で良好なモデルを素早く見つける EfficientSoup と、重み付き統合で後期の性能を引き出す PerformanceSoup からなる UnlearningSoup を提案しています。実験では、多様なデータセットとモデルにおいて、ハイパーパラメータ選択の効率が 2.4 から 3.3 倍向上し、性能も一貫して改善したと報告されています。
説明翌日太陽光発電予測のための物理情報付き状態空間モデル
要約本論文は、微分可能な太陽光発電変換モデルと選択的状態空間バックボーン（PowerMamba）を組み合わせた物理情報付き状態空間フレームワークを提案し、24時間先の翌日太陽光発電予測に用いる。物理モジュールは太陽幾何、日射強度、温度影響、インバータ制限に基づく構造化されたベースラインを与え、状態空間モデルは数値気象予報の入力から残差補正を学習する。一年分の大規模太陽光発電データでの実験では、物理のみのベースラインと比べてRMSEが38.5%、MAEが45.8%低減し、純粋なデータ駆動モデルよりも優れた結果を示した。
説明エッジGPUの遅延を左右するのはFLOPsではなくメモリ帯域：セグメンテーションデコーダの解析と高速化
要約本論文は、クエリベースのセグメンテーションモデルのTransformerデコーダがエッジデバイス上でメモリ帯域幅に強く律速されることを示し、標準的なFLOP分析ではこの瓶頸が見えないと指摘しています。提案手法CompactInstは、パラメータを持たない4倍の空間プーリングでデコーダ内のデータ転送量を減らし、2層の畳み込み精緻化ヘッドで空間的詳細を回復します。Jetson Orin Nano上で、精度をほぼ保ったままデコーダとモデル全体の高速化を達成し、遅延を決めるのはFLOPsではなくデコーダのバイト数であることを示しています。
説明『Context without Commitment』：非剛体変形下で頑健な稠密対応付け手法
要約本論文は非剛体点群の位置合わせを対象とし、領域パッチで稠密な点特徴を強化しつつ、パッチの予測が最終的な点単位探索を制限しない手法CoCo-Regを提案している。ModelNet10の726個の未学習オブジェクト、9段階の変形レベルで評価したところ、平均対応誤差は0.0547となり、2つの既存ベースライン（0.1993、0.1921）より低かった。点単位ベースラインと比べて72.6%の削減である。
説明脚式移動ロボットの頑健性向上のための予測型安全カリキュラム（PSC）
要約本論文は、将来の安全コストの学習済み予測を用いて脚式ロボットの移動訓練経験を配分する枠組み、予測型安全カリキュラム（PSC, Predictive Safety Curricula）を提案しています。分布型安全クリティックが地形条件やランダム化イベントの優先度を決め、タスク報酬と方策最適化損失は変更しません。ANYmal-D実機では、学習進捗カリキュラムと比べ、3つの対応シードで脛の衝突発生率を63%低減しました。生産用階段昇降プラットフォームの評価試験では、観測された脛の衝突が解消されました。
説明FACT：忠実度を考慮した関節型ツインの構築手法
要約本論文は、幾何・接触・動力学の忠実度向上を目的として関節型ツインを段階的に構築する、エージェント型フレームワーク FACT（Fidelity-Aware Construction of Articulated Twins）を提案します。共有の編集可能な表現上で、証拠・診断・修正のループを回し、画像から関節型の幾何を再構成し、衝突プロキシを修復し、受動応答動画から応答モデルを構築します。実験では、基準手法より幾何再構成が改善され、未知の物理応答の再現性も直接的なパラメータ推定より向上したと報告されています。
説明圧縮を超えて：事後学習が数学的推論をどう変えるかの診断
要約本論文は、大規模言語モデルの三種類の事後学習経路（自前の離方策蒸留、Qwen3 の離方策と同方策を組み合わせた蒸留、DeepSeek-Math の GRPO）を、言い換え・翻訳などを含む横断的な pass@K 指標で比較しています。易しい AMC 問題では主に採用コストの圧縮、難しい AIME 問題ではベースモデルより大きな K での成功上限の拡大が見られました。GRPO は大きな K で充分な離方策蒸留を上回らず、英語中心の蒸留は非英語の推論を改善しますが言語間の差は残ります。
説明RL-PaO：予測を行動として扱う不確実性下の意思決定手法
要約本論文は、システムの定式化、最適化、意思決定の実行を一つの強化学習環境に統合する RL-PaO フレームワークを提案しています。予測を行動とみなし、予測誤差と実際のコストを整合させる方式です。実データを用いた翌日エネルギー計画の評価では、テスト年の年間コストが非オラクルのベースラインの中で最も低く、平均約10%の削減となりました。
説明vSkipper：動的レイヤースキップを LLM サービング性能の向上へ変換する仕組み
要約動的レイヤースキップは、各トークンがモデルの一部の層のみを実行するようにして計算量を減らします。しかし既存の手法は専用の生成ループに依存し、主要なサービングエンジンと統合されていないため、実行層が減ってもレイテンシが必ず下がるわけではありません。著者らは、動的レイヤースキップ器をサービングエンジンに差し込める仮想化層 vSkipper を提案し、SGLang に実装して評価しました。GSM8K と BBH では、負荷が上流システムの変曲点付近にあるとき、平均エンドツーエンド遅延がそれぞれ 36.8% と 13.6% 減少し、飽和時のリクエストスループットはそれぞれ 11.3% と 7.4% 向上しました。
注目点動的レイヤースキップを現代の推論エンジンに組み込む仮想化層を提案し、実負荷で遅延と throughput の改善を示し、子分野への影響が大きい。
説明分布安定性による公平性の包括的な見方
要約本論文は、公平性を分布安定性の性質として捉えます。保護されたグループの構成を変える摂動の下で予測器の出力がどう変化するかを検討し、そうした変化の下でも安定していれば公平とみなします。この枠組みでいくつかの古典的な公平性の定義を、特定の摂動に対する安定性として位置づけ、重み付き予測器の凸結合に基づく学習手法（二次錐計画として定式化）と汎化境界を示しています。標準的なベンチマークでの実験も行われています。
説明疎なメッセージパッシングで少ない計算量でもグラフ上のIn-Context学習を実現
要約本論文はEphrisを提案する。これは疎なメッセージパッシングに基づくグラフ上のIn-Context学習モデルで、データセットごとの学習やチューニングが不要であり、推論コストはノード特徴量の数とグラフの辺数に対して線形に増加する。モデルは構造的因果モデルから生成した合成グラフのみで事前学習される。51のノード分類データセットでの評価では、Elo、改善余地、平均順位、精度の4つの総合指標すべてで首位となり、推論コストは GNN を1回学習するのとほぼ同程度で、既存のグラフ In-Context学習モデルより10倍以上高速である。
注目点密な注意機構の代わりに疎なメッセージパッシングでグラフ文脈学習を実現し、51データセットで調整済みGNNと既存手法を上回り、推論は10倍以上高速。
説明大規模言語モデルによる探索で二元線形符号を改良：最小距離の大きい符号を探す
要約本論文は、大規模言語モデルに導かれた進化的プログラム探索を用いて、二元線形符号の既知の最良境界を改善する研究です。著者らは LinCodeEvolve を提案し、厳密な最小距離評価器に基づいて符号構成プログラムを進化させ、探索が停滞した際には新しい戦略で方向を変えます。七つの記録を更新する符号を見つけ、標準的な符号変換技術と合わせて表の 22 項目を改善したと報告しており、すべての符号は全数列挙により検証されています。
注目点LLM誘導の進化的プログラム探索を二元線形符号に適用し、7つの記録更新符号と22の表の改善を穷举検証で示した。
説明Spatial-OPSD：ラベル不要の自己蒸留による空間推論の自己改善
要約本論文は、正解ラベルを必要とせずに視覚言語モデルの空間推論能力を高める自己改善フレームワーク Spatial-OPSD を提案している。学習時には、深度、再構成された3D関係、カメラ幾何などの自動取得可能な空間事前情報を持つ教師モデルが、学生モデル自身が生成した軌跡に対して、トークン単位の密な監督信号を与える。ラウンドごとに再帰的に学習を繰り返す方式を採り、各ラウンドで教師を固定して安定した学習目標とする。著者らは、4つの視覚言語モデル系列で1ラウンドの学習により5ベンチマークの平均が向上し、3ラウンドの学習で空間特化モデルがオープンモデル中で最高の平均値に達したと報告している。
説明ACTR：推論型LLMの多言語安全性のために思考と応答を言語横断で整合させる手法
要約本論文は、推論型大規模言語モデル（LLM）が非高資源言語で脱獄攻撃を受けた際、推論過程では安全上のリスクを特定していても不安全な応答を生成しうるという問題に取り組みます。提案手法ACTRは、推論痕跡の寄与を言語間で比較する思考ギャップスコア（TGS）と、安全な推論を支えるニューロンを特定する手法、そして凍結した判定モデルで推論と応答の安全カテゴリの一致を報奨し、選択したニューロンのパラメータのみを更新する最適化（NSCO）から成ります。2つの推論モデルでAdvBench-XとMultiJailにおいて、評価された先端手法より平均攻撃成功率が低く、多言語知識・数学推論の性能を維持し、良性要求への誤拒否も抑えたと報告されています。
説明MatToolBench：実際の材料科学ワークフローにおけるマルチモーダルエージェントの評価ベンチマーク
要約本論文は、専門的な材料科学ソフトウェアを操作するマルチモーダルGUIエージェントの能力を、実環境で評価する初のベンチマークであるMatToolBenchを提案しています。10種のツールに関する204のタスクを含み、GUI操作、OriginPro（グラフ作成ソフト）のスクリプト、コードによるデータベース照会の3形式で構成されています。汎用ベンチマークでの高い性能は専門的な科学ワークフローには移転せず、最良のモデルでもGUIタスクの成功率は25%、コードタスクでは45%にとどまったと報告されています。
説明OmniRoute：時間的意味証拠を音声・映像トークン予算へ対応付け、全モーダル大規模言語モデルを効率化
要約本論文は、学習不要の二段階圧縮フレームワーク OmniRoute を提案する。全モーダル大規模言語モデルが長い音声・映像トークン列を処理する際のプリフィル負荷を軽減することを目的とする。第一段階の TEGB は意味的関連性と局所的内容変化からチャンクごとの主導モダリティと予算を決める。第二段階の BCSC は主導モダリティを圧縮し、実際の保持割合を用いて従属モダリティの保持目標を調整する。四つのベンチマークで、競合するベースラインより推論効率と性能の良いトレードオフを示したと報告している。
説明NHO：アンカーに基づく領域定位と稠密対応のためのニューラル・ハミルトン演算子
要約本論文は、疎なアンカーから部分形状と完全曲面との非剛体的な対応を求める問題を扱い、NHO手法を提案します。疎なアンカーと部分形状の内在的幾何を組み合わせ、局在化された固有空間が領域の支持と稠密対応のための内在座標を同時に符号化するニューラル・ハミルトン演算子を学習します。演算子の推定と対応の復元を交互に精緻化することで、疎なアンカーに起因する空間的曖昧さを解消します。実験では両タスクで競争力のある精度を示し、一様スケーリングや回転に対して頑健であることが報告されています。
説明多深度時間融合：フィードフォワード型・局所学習のスパイキングニューラルネットワーク
要約静的画像とイベントストリームを、最初のスパイク到達時間（TTFS）で処理する新しいスパイキングニューラルネットワークの設計を提案している。ネットワークは、早期視覚フロントエンド、教師なし STDP で学習する4層の畳み込みバックボーン、決定的な多深度時間融合（MDTF）、報酬変調 STDP で学習する分類器からなる。Fashion-MNIST と CIFAR-10 では従来の STDP/R-STDP ベースラインを上回る性能が示されている。
説明死角の速度：自動運転向けVLMの動的知覚に関する解釈可能性分析
要約本論文は速度理解を統制された診断課題とし、nuScenes上で周囲車両の速度、自車の現在速度、短期の将来自車速度という三つのタスクについて、視覚言語モデルの能力を評価しています。自車の現在速度は内部表現から線形プローブで比較的正確に読み取れる一方、言語による出力では誤差が大きくなります。将来速度の改善の多くはフレームの順序を入れ替えても残り、時間的な理解は限定的であることが示されました。運転特化モデルのAlpamayo-1.5は運動表現を強めますが、信頼できる読み出しや時間的理解を保証するものではありません。
説明オンポリシー蒸留による思考モードの優位性の学習
要約本論文は、オンポリシー蒸留（OPD）を通じて、大規模言語モデルが明示的な中間推論（思考モード）から得る優位性をどのように学習させるかを研究している。著者らは、グループ内の相対的報酬利得と、トレース・応答間の乖離（TRD）に基づく適合性指標を組み合わせ、応答単位で監督を振り分ける手法ThinkOPDを提案している。数学推論とコード生成の実験で、統一的な思考蒸留のベースラインより優れた結果を示した。
説明エネルギーベース離散サンプリングのための反復的厳密離散ガイダンス（IEDG）
要約本論文は、大規模な離散状態空間で正規化されていない多峰性分布をサンプリングする問題を扱い、反復的厳密離散ガイダンス（IEDG）を提案している。焼きなましの軌道に沿って段階ごとに局所的な事後修正を学習し、相対有効サンプルサイズ（rESS）により各段階の増分を決める。Ising・Potts模型およびMax-Cut問題で神経ベースラインと比較し、複数の指標で優れた結果を報告している。
説明GleanVID：高効率なビデオ大規模言語モデルのための相補的トークン選択手法
要約ビデオ大規模言語モデルは高い理解能力を持つ一方、視覚トークンが多く推論コストが大きいという課題があります。本論文は、学習を必要としない推論高速化フレームワークGleanVIDを提案します。時間的な新規性に基づいてフレーム間でトークン予算を配分し、局所的な代表性と部分空間の相補性を考慮してトークンを選択し、フレーム間の冗長性を抑えます。視覚トークンの25％のみを保持した場合でも、Qwen3-VLの元の性能の98.6％を維持し、プリフィル遅延を44.7％削減したと報告されています。
説明反事実コンテキストによるテスト時自己蒸留としてのビームサーチ
要約自己蒸留ファインチューニング（SDFT）は、言語モデルが自分自身を教師として学習する手法ですが、学習時の勾配更新と専門家のデモンストレーションが必要です。本論文では、固定されたテキストテンプレートを反事実コンテキストとして用い、2つの条件下での候補回答の対数オッズ比を報酬信号とする、推論時の自己蒸留手法を提案します。パラメータ更新や報酬モデル、学習データは不要で、ビームサーチで目標分布を近似します。数学推論、コード生成、大学院レベルの科学QAで、標準サンプリングや低温サンプリング、ビームサーチ、パワーサンプリングを平均的に上回りました。
説明自然言語オートエンコーダにおける情報量の多いトークンの選択
要約本論文は、自然言語オートエンコーダでプロンプトインジェクションや隠蔽による潜在的な脅威を把握するために、どのトークン位置を優先して説明すべきかを研究しています。460万件の説明を比較した結果、チャット構造のみで学習したランカーが、モデル計算由来の信号より多くの関連する説明を選べることを示しています。四つのデータセットのうち三つでは、全位置の5%を説明するだけで、ほぼ全ての成功率が保たれました。また、事前学習済みの言語化器が、微調整によってモデルが隠すよう学習した単語を追加学習なしで復元できることも示しています。
説明NowcastDiT：拡散トランスフォーマーは効果的な降水ナウキャスティング手法になり得る
要約本論文は、標準的な拡散トランスフォーマー（DiT）を短時間降水ナウキャスティングに用いる手法を検討しています。提案手法NowcastDiTは、時間的に整合した予測のための力学を考慮したノイズ事前分布と、気象スキルのための時間ステップ認識報酬による強化学習を組み合わせています。SEVIRおよびMRMSのベンチマークで、知覚品質と気象スキルの両面で最先端の性能を達成したと報告されています。
説明グラフ変量フローマッチングによる高解像度動的機能的結合の生成
要約高解像度の動的機能的結合（DFC）は脳ネットワークの急速な相互作用を明らかにできますが、短い時間窓では共分散推定がノイズを含みやすくなります。本研究はGVD-CFMという、クラス条件付きの生成モデルを提案します。各試行をリーマン多様体上のSPD行列として表し、対数ユークリッド写像と可逆なDCT時間基底で変換した後、Transformerベースの条件付きフローで軌道全体を非自己回帰的に生成します。複数のEEG運動想像データセットで、分布の忠実度、時間的動態の保持、合成データから実データへの分類において全体として最良の結果を示し、計算効率も生ベース信号やGVD空間の生成ベースラインより優れています。
説明Watch-Think-Interact：強化学習で長期マルチターン・ストリーミング動画推論を学習
要約本論文は、固定のコンテキスト予算で非同期の質問に答えるストリーミング動画支援の課題を扱い、映像の時間範囲を付したコンパクトな自然言語メモリを用いる閉ループ型フレームワークWTIを提案しています。必要に応じて過去の区間を再呼び出しして細部を確認し、82,335問を含むWTI-82Kデータセットと、軌跡単位のフィードバックで最適化するStream-GDPOを構築しています。論文によると、比較対象のオープンソース・ストリーミング手法の中で、StreamingBenchで83.3%、OVO-Benchで加重総合精度73.6%と、総合性能が最も高い結果を示しています。
説明FedLAFP：連合ファインチューニングにおける低ランク集約と全ランク個人化の融合
要約本論文は、連合型パラメータ効率的ファインチューニングのためのFedLAFPフレームワークを提案します。全体で共有されるLoRA分岐と、クライアント専用のRandLoRA分岐を組み合わせ、共有されるLoRAパラメータのみを交換します。四つの視覚認識ベンチマークで、平均個人化精度は86.93%で、最良のベースラインを平均1.30ポイント上回ったと報告されています。
説明FLUX.1 Kontextにおける制御可能な照明切り替えのためのLoRA方向抽出
要約本論文は、大規模な学習データを必要とせずに現実的な人工照明のモデル化を目指す、フローマッチング拡散モデル向けの微調整手法を提案している。室内画像の制御可能な編集を対象とし、シーンの形状、物体の配置、材質、元画像の視覚的同一性を保ったまま人工光源のオン・オフを切り替えることを目的とする。著者らはLoRA Direction Training Methodを導入し、拡散モデルのフロー場からLoRAアダプタの効果の純粋な方向を抽出するとともに、逆変換の現実性を保つための専用の損失関数を設計している。さらに、得られた増分マップを用いて照明の色と色温度をより精密に調整できるとしている。
説明UniBuild：多元光学リモートセンシング画像からの統一建物マッピング（詳細復元と幾何正則化）
要約本論文は、多元的なRGB光学リモートセンシング画像から建物を統一的に抽出するフレームワークUniBuildを提案する。複数データセットによる統一学習、高解像度の詳細を保持するHR-DPTデコーダー、構造テンソルに基づく方向認識損失と鞍点認識損失による幾何正則化を導入している。10件の公開高解像度データセットと2件の自作低解像度データセットでの実験では、建物領域の精度、境界の鮮明さ、隣接建物の分離が改善したと報告されている。また、10mまでの解像度の画像にも対応し、マスクは簡易なポリゴン化によりGIS対応の建物フットプリントへ変換できる。
説明MotionInsight：生成動画における物体の動きの欠陥を診断する手法
要約動画生成モデルは物体の動きが不正確になる欠陥をしばしば示しますが、既存の評価は主に美的品質やテキストと映像の整合性に注目してきました。本論文は、物体の一貫性、動きの連続性、物理的妥当性の三観点から物体中心の動き忠実度を評価します。6,879本の動画に細粒度の注釈を付けた診断用データセット VidMotion を導入し、運動空間で明示的に診断する評価器 MotionInsight を提案しています。実験では、三つの観点で人間の判断と整合するスコアと根拠のある説明を提供できることが示されています。
説明LongSpark：固定コストの並列ドラフターによる効率的な投機的デコーディング手法
要約本論文は、大規模言語モデルの推論を高速化する投機的デコーディングのための LongSpark を提案します。既存のドラフターは文脈が長くなるほどコストが増えるため、その開銷を前置トークンの長さから切り離せると論じています。LongSpark は、ターゲットモデルの検証処理から固定サイズの多スケールビューを抽出することで、文脈とともに増える永続状態を不要にします。複数のモデル規模と実運用に近い条件での評価では、エンドツーエンドの効率が最先端水準に達し、長文脈タスクでは出力トークンあたりの時間が最も短いと報告されています。
説明低ランク化を超えて：勾配分解によりLoRAと全パラメータ微調整の差を縮める
要約LoRAは広く使われるパラメータ効率型の微調整手法ですが、全パラメータ微調整（FFT）との性能差が残ることがあります。本論文は、LoRAが各ステップで到達できる勾配方向が現在のパラメータ化で制約されることを示し、それが現在のパラメータ化によって定まる接空間と一致することを明らかにします。そこから完全な重み勾配を直交分解し、直交成分（法線勾配）で基底重みを直接更新するGDLoRAを提案しています。自然言語理解、数学的推論、常識推論、画像分類の実験で、GDLoRAはLoRAを一貫して上回り、FFTとの差を縮めたと報告されています。
