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。
説明隠れた森構造を持つ並列アンマスキングのための反事実プロービング
要約マスク型生成モデルにおける並列サンプリングを扱う論文です。トークン間の依存関係が未知の場合に、モデル評価の回数を抑えて安全な並列バッチを見つける手法を提案しています。隠れた森構造を持つ離散分布を対象に、依存関係の完全な復元を行わずに安全なバッチを特定するサンプラーを示し、総評価回数と逐次深さが系列長に対して劣線形になるという理論的上界を与えています。また、同じクラスの不可逆な積コミット型サンプラーでは最悪ケースで追加の反事実評価やコミットラウンドが必要になることも示しています。
説明視覚言語モデルは潜在的リスクに直面しても有用性を保てるか？意図特権に基づくOPSDによる効率的な安全性と有用性の整合
要約本論文は、学習時に根拠のある意図を特権的な監督情報として用い、視覚言語モデルが画像と文章の組み合わせに潜むリスクを認識し、一律に拒否するのではなく安全で有用な回答を出せるようにする意図特権オンポリシー自己蒸留（OPSD）を提案しています。安全関連の例は1,447件のみで、多数のロールアウトを用いるGRPO型学習と比べて学習時間を5分の1に、平均推論長を7%削減しています。SIUOとHoliSafeを合わせた評価では、安全かつ有用な回答の割合が43.9%から53.5%に上昇しました。
説明動作の収束が表現の収束を意味しない：ニューラルネットワークに残る学習履歴の依存性
要約研究者は、同じ初期重みから出発したネットワークに逆順のタスクを学習させ、その後同じ共通学習を行う実験を行いました。MNISTでの20組のうち16組は事前に定めた動作一致の基準を満たしましたが、内部表現には学習履歴の痕跡が残り、予測の不一致は約3.1%でした。共通学習を5万回の更新まで延長しても、この差は消えず、精度の差は0.18ポイントにとどまりました。
説明自己改善型ブランチの混合によるエージェント・ハーネス最適化：複数の探索経路を並行して進化させ、入力ごとにルーターが最適なハーネスを選ぶ手法
要約本論文は、エージェントの実行枠組み（ハーネス）を実行結果のフィードバックによって再帰的に改善する方法を扱います。探索を、進化する開発用サブセットと提案方針をもつ複数のブランチに分け、局所最適に陥るリスクを下げています。推論時にはルーターが、各入力に対して各ブランチから一つのハーネスを選びます。Meta-Harness と比べた相対改善は、オリンピアド級数学推論で34.8%、Terminal-Bench 2.0で11.6%、SWE-bench Liteで3.8%と報告されており、ハーネスの選択とルーター設定は開発データのみに基づいています。
説明キャッシュ可能な意思決定モデルはルールに従えるか？——小型非生成型モデルの研究
要約本論文は、Qwen3-4Bに基づく小型の非生成型意思決定モデルCertoを検討します。このモデルは回答を生成せず、候補行動をテキストから採点して確率を返します。状態・ルール・候補を同時に読む結合採点は候補数に応じてコストが増え、独立エンコードは候補を一度だけ符号化して再利用できる一方、状態と候補が分離されます。実験では、キャッシュ可能な方式に変えるとルールへの感度が大きく低下することが示されました。実ルールでの利点は確立されておらず、結合採点が依然として優位です。
説明ReCaVSR：再利用潜在表現と学習型キャッシュルーティングによるワンステップ・ストリーミング拡散型動画超解像
要約本論文は、Wan2.2を基盤としたワンステップのストリーミング動画超解像手法ReCaVSRを提案します。再利用されたSR潜在表現で局所的な時間的文脈を保持し、各Transformer層がKVキャッシュの時間範囲を学習する設計です。さらに、グローバル・空間・時間の各フィードバックを組み合わせた判別器と、LR入力を取り入れたデコーダを用います。1080×1920出力、単一のNVIDIA A100-80GBで21.20 FPS、ピークGPUメモリ15.16 GBと報告されています。
説明正しい記憶が誤用されるとき：LLMエージェントの永続メモリ利用に対するファジング
要約本論文は、LLMエージェントの永続メモリが、クエリの変化や記憶状態の推移によって、内容が正しくても誤って使われうることを指摘しています。著者はこの問題をファジングの課題として定式化し、メモリチェックポイントを出発点にクエリや記憶状態を変異させてメモリ利用の失敗を探すU-Fuzzを提案しています。実験では、複数のメモリシステムやメモリ検索が見えないAPIベースのLLMにおいても、より多くの確認済みの失敗を発見できたと報告されています。
説明DIET：ビデオ拡散 Transformer 向け、削除応答に基づく専門家（エキスパート）剪定手法
要約本論文は、ビデオ拡散 Transformer の混合専門家（MoE）構造向けに、学習不要の専門家剪定フレームワーク DIET を提案している。全専門家を用いた一度の較正で専門家削除後の応答特徴を記録し、整体多様性損失（ODL）を最小化して残す専門家を選び、層内・層間で剪定予算を配分する。LingBot-Video 30B-A3B で専門家の 50% を削除すると、チェックポイントは 57 GB から 30 GB になり、48 GB の GPU 1 枚で動作する。固定の VBench 評価では総合スコアが 0.7941 から 0.8115 に向上した。
説明『Privy to the Foil』：RLVRにおける自己特権型クリティックによる価値推定の再設計
要約多段階推論タスクで大規模言語モデルを学習させる際、終端のみの疎な報酬では中間ステップへの功績配分が難しい問題を扱います。本論文は、アクター・クリティック法の価値推定を見直し、自己特権型フレームワーク πPPO を提案します。同じプロンプトで検証済みの成功・失敗の試行を対比証拠として再利用し、標準的な方策最適化と展開インターフェースを保ったまま中間推論の評価を助けます。実験では、価値推定の品質が大きく向上し、数学推論ベンチマークで代表的な手法を上回ったと報告されています。
説明Transformer残差ストリームにおける推論の幾何構造：中間表現が最終予測へ収束する過程の説明
要約本論文は、Transformer言語モデルの中間残差状態が層を重ねるにつれて最終出力にどのように特化していくかを調べたものです。6つの事前学習済みモデルで、中間状態を自身の最終状態および他の文脈の最終状態と比較し、深さとともに競合する候補は概ね減少することを示しています。あわせて、関連する高次元モデルと数学的な証明も提示しています。
説明どのモデルが相性よく協働できるか？LLMチーム選択のための異質性の測定
要約本論文は、複数の大規模言語モデルからチームを構成する方法を扱っています。個々のモデルの能力をオフラインで評価し、誤りパターンの無相関性と予測挙動の相違という2つの補完的指標でモデル間の補完性を測ります。チーム選択は品質と補完性を組み合わせた最適化問題として定式化され、貪欲探索で解かれます。複数のベンチマークで、品質のみを基準とする手法より優れた結果が示されています。
説明深く考え、直接話す：副言語に基づく再帰的潜在推論の音声対話モデル
要約本論文は、ループ型Transformerに基づく潜在推論モデルLoopSLMを提案します。各パスでデコーダブロックを再利用し、音響情報を用いて隠れ状態を精緻化します。二段階の学習により、副言語の知覚と推論のギャップを縮め、思考連鎖なしで直接推論できるようにします。EchoMindでは、Qwen2.5-Omni-7Bより副言語理解・推論・返答品質が向上し、CoT-SFTベースラインと比べて推論精度が20ポイント以上高く、生成トークンは64.5%少なく、遅延は半分になりました。
説明ミンコフスキー・アトラクターネットワーク：視覚表現のための閉形式双曲フロー
要約本論文は、負の曲率をもつ双曲幾何を模して視覚表現を学習するミンコフスキー・アトラクターネットワーク（MAN）を提案している。線形ローレンツ群変換、非線形のコーン持ち上げ、閉形式の動径スケーリングを組み合わせ、数値常微分方程式ソルバーや反復的なリトラクションを使わず単一の順伝播で計算する。二次元版（MAN-2D）と四次元版（MAN-4D）を示し、四次元版では二つの可換な二次元平面写像で四次元ローレンツ等長変換を計算する。
説明WINGS：参照ビュー不要で3Dネイティブ生成事前分布を用いたガウシアン・スプラッティング修復手法
要約本論文は、3Dガウシアン・スプラッティング（Gaussian Splatting）シーンの欠損部分を、3D空間上で直接補完する手法を提案しています。大規模な事前学習済み3D事前分布の埋め込み空間と構造補完ネットワークを組み合わせ、欠損領域の形状と外観を生成します。修復済みの2D参照画像に依存せず、従来の2Dベース手法より高速だと報告されており、実験およびユーザー調査で有効性が示されています。
説明探索・実行・進化：身体性エージェントのためのスキル獲得と再利用のループ
要約本論文はRoboSkillという枠組みを提案し、「探索・実行・進化」のループによってスキルの獲得と再利用を結びつけます。エージェントは課題に関する情報を探索で集め、フィードバックに適応しながら実行し、実行記録をもとにスキルライブラリを更新して次のサイクルで再利用します。LIBERO-10では、4つのエージェントで初回試行の成功率が12.5〜25.0ポイント向上し、平均実行時間は7.6〜72.4%削減されました。実ロボットでは成功率が8.3ポイント向上しました。
説明リモートセンシングにおける画素単位Transformer：樹冠高推定の事例研究
要約本論文は、中解像度の衛星画像から樹冠高を推定するため、画素単位のアテンションを用いたTransformerモデルを検討しています。画素単位のモデルは、大きなパッチサイズに依存するモデルより一般に高い性能を示すことが報告されています。さらに効率的なアテンション手法により予測精度と計算資源の間のトレードオフを調べ、既存の有力モデルと比較して適切なハイパーパラメータ設定でTransformerが優れうることを示しています。
説明実験フィードバックで校正するタンパク質最適化（バッチ整合テール調停）
要約本論文は、限られた実験予算の下で次に測定する変異体を選ぶタンパク質最適化の課題を扱い、バッチ整合テール調停（BATA）を提案しています。この手法は実験フィードバックを用いて、事前情報に基づく順位と課題特化型予測器の順位を適応的に組み合わせ、バッチに整合した高適応度領域に校正を集中させます。GB1、PABP、TrpB の実測データで、480 回の測定後の最良適応度において平均順位が最良（1.67）でした。
説明CompOrca：指示チューニングデータの大規模コンプライアンス（指示遵守）ラベル付け
要約本論文は、OpenOrcaコーパスの全4,233,923件の例に対してコンプライアンスラベルを付与したものです。オープンウェイトのLLM（LongCat-2.0）を評価者として、各例を5回判定しています。全員一致で遵守が94.75%、全員一致で不遵守が1.28%、判定が割れたものが3.97%で、生の投票数も公開されています。人手注釈450件との比較では、全員一致の遵守・不遵守ラベルの適合率はそれぞれ97.3%と86.7%でした。
説明ByteTraX：最適化された閾値で ByteTrack 追跡アーキテクチャを強化する研究
要約本論文は、多物体追跡手法 ByteTrack を改良した ByteTraX を提案しています。単一の統一マッチング閾値を用い、厳しい軌跡開始基準によって ID の切り替えを抑えます。GMOT-40、SportsMOT、TeamTrack など複数のベンチマークで、HOTA、IDF1、FPS の向上と ID 切り替えの40%超の削減が報告されています。ソースコードと YOLO 系検出モデルとの統合手順も公開されています。
説明実環境での バンディット の課題と解決策：コホート横断スレート推薦のためのウォームスタート混合バンディット
要約本論文は、推薦システムに繰り返し現れるコールドスタートのユーザー群を対象に、CohortMix-TS（ウォームスタート混合バンディット）を提案しています。以前のコホートから潜在的なユーザーグループを学習し、メタデータを用いて新規ユーザーの事前分布を構築します。推薦スレートはトンプソン・サンプリングに多様性と在庫枯渇の制御を組み合わせて構成されます。シミュレーション、半合成実験、713名が登録したキャンパスゲームのクイズアプリでの25日間の無作為化実環境展開で評価され、コホート横断の転移により初期の推薦品質が向上したと報告されています。
説明GLaS-JEPA：工学的に設計した予測ターゲットを使わないガウス正則化音声自己教師あり学習
要約本論文は、マスクされた位置でエンコーダの現在の連続表現を直接予測する GLaS-JEPA を提案します。対照学習、離散ターゲット、別個の EMA ターゲットエンコーダは使わず、SIGReg による表現空間の正則化で表現の崩壊を防ぎます。LibriSpeech 960 時間で事前学習した 5,700 万パラメータのモデルは、凍結エンコーダの SUPERB ASR で単語誤り率 6.89%、スロットフィリングで文字誤り率 25.87% を達成し、90M 未満の蒸留なしベースラインをそれぞれ 43.1%、22.0% 上回りました。
説明文脈に基づいて記憶を保持・検索するニューラルネットワーク
要約本論文は、エピソード記憶バッファを備えたリカレントニューラルネットワークを訓練し、自然な映画を視聴しながら次の場面を予測する過程でベイズ推論により文脈を推定させました。推定された文脈が低ランク形式で再帰結合（ワーキングメモリの基盤）を変調すると、同じ映画をfMRIで視聴した人間の神経応答と最もよく一致しました。文脈は記憶の検索にも影響し、内容の類似性だけでなく文脈の類似性にも基づいて記憶を取り出します。この仕組みは文脈調整のないモデルより人間に近い速さで学習しました。
説明予測型自己教師あり学習は、ノイズ混在下でも確率的信号を証明可能に識別できる
要約本論文は、入力データを生成せず潜在空間で予測を行う一般的な自己教師あり学習手法が、予測に関係する確率的な潜在変数と観測ごとに固有の妨害情報とを区別できることを証明しています。その根拠として、予測互情報の最大化と潜在分布の整合という二つの原理を挙げています。ガウス予測器によるシミュレーションでは、動的で妨害情報を含む環境でも、真の信号をアフィン変換の範囲で回復できることが確認されています。
注目点潜在空間での予測型自己教師あり学習が妨害変数の下でも確率的信号を同定できることを証明し、ガウス予測器の数値実験で確認している。
説明大規模言語モデルの臨床推論表現を評価するためのルーブリック（提案）
要約本論文は、金標準の臨床症例に対する大規模言語モデルの自由記述回答に表れる臨床推論を評価するための多次元ルーブリックを提案する。医学教育の評価枠組み、臨床LLMベンチマーク、汎用LLM推論評価研究を統合し、事実性を臨床向けに調整した「根拠性（groundedness）」を導入している。著者らは、このルーブリックが評価者間信頼性、構成概念妥当性、臨床的有用性についてはまだ検証されていないと明記しており、その目的は実証検証の前に評価の判断を明示し、検討可能にすることにある。
説明一般化平滑性下で二次モーメント型確率的勾配を用いた Adam の収束解析
要約本論文は、目的関数が大域的な平滑性から大きく外れる場合にも安定して動作する Adam について、確率的勾配の二次モーメント情報のみを仮定して収束性を調べる。従来の解析が必要としていたほぼ確実な有界性や準ガウス性といった強い裾の仮定を用いず、L0-Lp 一般化平滑性条件と一般化二次モーメント ABC 条件のもとで、Jin ら（2026）の自己正規化フレームワークを拡張している。p<2 の全範囲で高確率収束率を示し、信頼度依存は δ^{-1/2} のオーダーであることを、二次モーメント情報のみの場合の困難事例によって確認している。
説明CHOQOLATE：Choquet積分で概念ボトルネックの潜在空間を整理する手法
要約本論文は、CLIPなどの視覚言語モデルに基づく概念ボトルネックモデルにおいて、関連する概念を圧縮されたノードにまとめる、設計段階から解釈可能な層CHOQOLATEを提案している。2加法Choquet積分を用いており、4つのデータセットで精度と解釈性のよいバランスを示したとされる。さらに、学習後に疑似相関の概念を抑制する手法が、グループ注釈や再学習を必要とする既存手法と同程度の性能を示すと報告している。
説明惑星特徴場：地球表現をスケールさせる手法
要約本論文は、衛星観測、事前計算された埋め込み、地図製品を時空間の連続関数として惑星規模で同時にモデル化する惑星特徴場（PFFs）を提案しています。空間的に局所的な明示-暗黙のハイブリッド型ニューラル場を用い、因子分解された特徴ボリュームを製品間で共有し、軽量な暗黙デコーダで個々の製品を再構成します。原文によると、元データに対して約1800倍の圧縮でも、画素単位のセグメンテーション、変化検出、パッチ単位の分類で元の特徴の約90%以上の性能を保持し、特徴アクセスの遅延を一桁削減したとされています。
説明RxnOptBench：有機反応条件最適化における LLM の評価ベンチマーク
要約本論文は、実際の反応条件スクリーニング表から触媒、配位子、溶媒、温度などの最良の組み合わせを大規模言語モデルが選べるかを評価するベンチマーク RxnOptBench を提案しています。データは 2025 年の有機合成方法論論文の最適化表から取られ、収率と立体選択性指標を組み合わせた効用に基づく連続的な相対スコアで採点されます。文献参照の有無を比較する対照設計により、文献の文脈利用と記憶による回答を区別しています。最先端モデルでも改善の余地が大きく、化学特化モデルは多軸選択でランダム基準程度に留まるとされています。査読済みのテストセットと評価コードも公開されています。
説明法廷でAIによって改変された視覚的証拠を検出するためのベンチマークとデータセット
要約本論文は、法廷や司法の文脈で画像証拠の真偽を判定するためのベンチマーク「CIFAR Synthetic Evidence Corpus」を提案しています。監視映像、ドラレコ、一般の写真など1,505点を収録し、うち720点は真正なコントロール、785点は改変または捏造された画像です。公開されている画像改変検出器で基準評価を行った結果、現行システムの誤り傾向は証拠利用の観点でなお問題があることが示されています。
説明重要な情報を選ぶ：長文埋め込みのための意味圧縮に基づく選択的プーリング
要約本論文は、学習を必要としない長文埋め込み手法SCSPを提案している。文書を文単位のチャンクに分割し、各チャンクに意味圧縮プロンプトを付加して、その注意パターンから各トークンの重要度を推定する。重要なトークンを選び、その中間層表現を集約して最終的な埋め込みを作る。長文埋め込みのベンチマークで、ゼロショットモデルと微調整済みモデルの両方に組み込め、性能を一貫して向上させることが示されている。
説明HiRAE：残差予算付き階層表現オートエンコーダによる画像再構成と生成アライメントの改善
要約本論文はHiRAE（階層表現オートエンコーダ）を提案し、エンコーダの各層を深さごとにグループ化して、最も深い表現への残差補正を学習します。グループごとのノルム上限で補正量を制限し、浅いグループほど厳しい予算を設定します。ImageNet-256では、HiRAE-24がRAEv2に比べて再構成FIDを0.299から0.209に下げ、誘導生成の品質も競争力を保っています。文章から画像への生成では、GenEval、DPG-Bench、GenAI-BenchでRAEv2より高いアライメントを示し、教師ありファインチューニング後のGenEvalは84.86から87.70に上がりました。
説明OmniVCBench：AI仮想細胞に向けた根拠に基づくマルチモーダル推論のベンチマーク
要約本論文は、AI仮想細胞が実験証拠をどのように解釈するかを評価するため、図を中心とし出典を追跡できるベンチマーク「OmniVCBench」を提案しています。科学文献の図と実験文脈から作成した6,077組の単一・複数サブ図の質問応答ペアを含み、三つの科学的推論タスクで構成されています。また、自由記述回答を評価するMLLM判定枠組み「AIVC-Judge」と、モデル推論で見られた誤りを選択肢の誤答に変換する「MDHNM」手法も紹介されています。
説明パピルス手書き文字認識はどの程度の精度があれば十分か：ギリシア語テキストにおける4種の文献学的タスクの文字誤り率許容度
要約著者らは papyri.info に収録された63,846件の出版済みギリシア語テキストの校訂版を正解データとして用い、文字誤り率1%から50%に劣化させた認識結果を模擬しました。文書種別、年代推定、documentary と literary の分類、キーワード検索の4タスクについて検証した結果、タスクごとに許容度が異なることが分かりました。誤りを含むテキストで再学習させると、誤り率15%を超えた際の急激な性能低下がほぼ解消されました。
説明混合専門家型大規模言語モデルにおける交差エントロピー誘導ルーティング
要約疎な混合専門家（MoE）大規模言語モデルは、各トークンを少数の専門家に振り分けることでモデル容量を拡大します。しかし既存のルーターの学習目的では、ルーティングの親和度とトークン単位の誤差を直接対応させることができません。本論文は、専門家ごとに誤差スコアを予測する方式と、ルーターの親和度をモデルの目的関数に直接合わせる方式という、二種類のトークン誤差監督を提案します。二つのMoEバックボーンと四つの多肢選択式質問応答ベンチマークで評価したところ、Graniteでは同パラメータ数のルーティング基準線に比べ平均で約2.3ポイント精度が向上しました。
説明肺塞栓症検出の商用AIの複数施設における実臨床性能に関する研究
要約本研究は、同一の商用プラットフォーム上にあるFDA承認済みAIアルゴリズム2種を後ろ向きに評価したものです。一つはCT肺動脈造影での肺塞栓の振り分け用、もう一つは通常の造影CTでの偶発性肺塞栓の検出用で、17施設からなる学術医療システムを対象としています。結果として、両モデルの感度はFDA承認時の基準を下回った一方、特異度は承認基準を上回りました。末梢性および非急性の塞栓では性能が低下しており、著者らはAI医療機器の市販後の標準化された監視の必要性を指摘しています。
