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。
説明隠れた交絡変数を含む循環線形ガウス モデルの微分可能な構造学習
要約本論文は、有向閉路と上限付きで未知数の外生的な潜在交絡変数を含む線形ガウス構造因果モデルについて、観測データから因果構造を学習する方法を扱います。有向辺と潜在変数の数を数えるログスケールの複雑さペナルティ付きのガウス負対数尤度を最小化する形で問題を定式化し、ベルヌーイゲートで辺と潜在変数の採用を連続的に最適化します。実験では、いくつかの設定で既存手法より回復誤差が小さいと報告されています。
説明「どこへ」を修正し「どう動くか」を保つ：参照ガイダンスによる視覚・言語・行動モデルの構成的汎化
要約視覚・言語・行動（VLA）モデルは、ロボット訓練データの多様性が乏しいと、タスクに無関係な視覚的近道に頼り、既知の物体・目標・背景を組み直すことが難しくなります。著者らは、把持モジュールが出す物体姿勢を用いて意味的・幾何学的な再結合を行い、エンドエフェクタを実演で支持された目標配置へ導く、学習不要のラッパー「ReGuide」を提案しています。シミュレーションと実ロボットの実験では、構成的なずれの下で成功率がそれぞれ最大56.8ポイント、75.0ポイント向上し、標準タスクの性能は維持されました。
説明Exo2EgoHOI：手と物体の相互作用を保持する第三者視点から一人称視点への動画生成
要約本論文は、第三者視点の操作動画を一人称視点に変換しつつ、手と物体の相互作用を保つ動画生成フレームワーク Exo2EgoHOI を提案しています。シーン幾何、関節を持つ手のレンダリング、手と物体の関係場を組み合わせた 4D の事前情報と、分解ゲート付きクロスアテンションにより、物体の一貫性を維持します。ARCTIC-HOI では、最良のベースラインと比べて物体の mIoU が 32.3% 向上し、MPJPE と PA-MPJPE はそれぞれ 34.7%、50.0% 低下しました。
説明StreamDecisionBench：変化する言語ストリームにおける有効な判断を評価するベンチマーク
要約本論文は、4つのアプリケーション分野にまたがる8つのストリーミングシナリオからなるデータセット StreamDecisionBench を公開し、公開ルールから導いた実行可能な参照判断を付けています。0.5〜8秒の更新間隔で、適用中の判断が正しかった時間の割合を示す指標「有効時点正答率（in-force accuracy）」を提案しています。最良のシステムでも、正しい判断が有効になっているのは約3分の2の時間にとどまり、リアルタイム利用には大きな差があると報告しています。
説明注意力残差U-Netによる毎時降水後処理手法の変更点について
要約本稿は、GRAFモデルの決定論的予報を毎時降水の確率予報に変換する注意力残差U-Netについて、先に公開されたプレプリントの技術的補足です。季節ごとに学習させた単一モデル（FiLMによる条件付け）が、月別・予報時間別に学習した192個のモデルに置き換えられ、予報時間は48時間から72時間に延長されました。さらに、地方太陽時と月別変動する降水気候値の2つの入力チャネルが追加されています。新しい学習による予報は、従来の学習に比べ小幅ながら一貫した改善を示したと報告されています。
説明標本選択バイアス下での学習可能な推定：厳密な特徴づけ
要約本論文は、結果変数が選択フィルターを通過した後にのみ観測される場合に回帰が可能かどうかを検討する。選択は共変量と結果そのものの双方に依存しうる。臨床試験での患者の脱落、自己選択のある労働市場、戦略的参入のある入札などが例として挙げられている。著者らは、標本選択バイアスがある状況で回帰が可能となる条件を特徴づけ、選択フィルター自体は識別できなくても回帰関数は識別できる場合があることを示す。さらに、条件を強めた下で有限標本の推定保証と効率的なアルゴリズムを示している。
説明十年を経て：エージェント型学習データで影除去を現実世界へ
要約本論文は、影除去は既存のベンチマークではほぼ解決されたように見えるが、実世界では依然として不安定であると指摘します。その原因は、影のない目標画像を得るための配対学習データがほぼ十年変わっていないことにあります。著者らは、物理に基づく生成、失敗検出、フィードバック駆動の再試行、候補選択、決定的補正を組み合わせたオフラインのエージェント型ワークフローを提案し、既存の影検出データセットを配対教師データに変換しています。その結果、17,138組の画像・マスク・目標の三つ組からなるAgenticShadowデータセットを構築しました。
説明理想的なコミュニケーションを超えて：誤解と変化する意図の下での対話型意図整合の評価
要約既存のベンチマークは、ユーザーが固定された意図を正確かつ十分に伝えられると仮定していますが、実際にはそう限りません。本論文は、不完全な伝達と変化する目標の中でユーザーの現在の意図を把握する「対話型意図整合」という課題を定義し、Drift-Bench++ベンチマークとGRIP評価プロトコルを提案しています。結果として、対話を重ねると性能は向上するものの、理想的な場合の水準には遠く及ばないことが示されています。
説明Aperture：リモートセンシング向け学習不要のマルチスケール概念ボトルネック
要約本論文は、リモートセンシング画像モデルの解釈性不足に対し、学習を必要としない APERTURE を提案しています。貪欲な四分木ルーティングで小さな概念を捉え、事前学習済みのマルチモーダル大規模言語モデルで概念スコアを算出します。3か国にまたがる細粒度データセット SiFC では、マクロ F1 スコアが最良の学習不要ベースラインを10ポイント以上上回り、教師あり概念ボトルネックモデルも超えています。
説明「Sense and Sensitivity」：医師専門家を基準に大規模言語モデルの臨床トリアージ提案を評価する研究
要約本論文は、臨床状況を変えない文章の摂動の下で、大規模言語モデルの臨床トリアージにおける信頼性を、現役医師と比較して検証しています。6,000以上の臨床シナリオ、7,000件の医師アノテーション、22万5,000件のモデル応答からなるベンチマークを構築しました。その結果、ベースラインではモデルが医師より不要な医療措置を推奨しやすく、摂動入力ではその傾向が強まること、また性別や口調の変化に対してモデルの推奨が人間より敏感に変化することが示されました。
説明JARQ：量子化のための同時交互精緻化手法
要約本論文は、任意のグループ単位量子化器の出力に後から適用できる精緻化手法 JARQ を提案します。すべてのグループのスケールを同時最小二乗法で再推定する処理と、現在のグリッド上で複数の符号を同時に動かす有界 Babai 提案を交互に行います。Llama-2、Llama-3、Qwen などのモデルで評価され、96 件中 90 件で困惑度が低下し、三ビット RTN では最大 36% 低下したと報告されています。
説明複素数メモリによる強化学習：複素値リカレントネットワークで部分観測環境に対処
要約本論文は、部分観測環境における強化学習を扱い、複素ベクトル空間で再帰と隠れ状態を表現するユニタリ再帰ネットワーク（uRNN）を再検討している。著者らは、再帰PPOアーキテクチャにそのまま置き換えられる三種類のuRNNを提案し、連続制御を含む複数のメモリ依存タスクで基準手法を上回る結果を示している。また、量子状態の測定と類比させて、位相を保持する位相認識型ポリシーについても検討している。
説明PixelUMM：エンコーダ不要の統一画像・動画理解・生成モデル
要約本論文は、ピクセル空間上で画像と動画の理解および生成を統一的に行うエンコーダ不要のモデル「PixelUMM」を提案しています。画像は空間パッチ、動画は時空間チューブレットとして表現され、単層の線形射影によって共有のマルチモーダル基盤に接続されます。Mixture-of-Transformers構造により、テキストの自己回帰予測とピクセル空間のフローマッチングを同時に扱い、実験では画像・動画の各タスクで競争力のある性能が示されています。
説明Prompt2Skill：自然言語の指示だけで行う教師なしのスキル最適化
要約本論文は、大規模言語モデルが利用する「スキル」を、タスクの自然言語記述のみから構築する枠組み Prompt2Skill を提案しています。システムはプロンプトからタスク仕様を導き、データセットを探索または合成したうえで、反射的な編集の閉ループでスキルを改良します。質問応答、読解、スプレッドシート操作、数学的推論の4分野で、直接プロンプトを与える基準手法を上回り、オープンソースモデルとフロンティアモデルの平均で10.8の改善を示したと報告しています。
説明StereoGaussians：ステレオ画像から3Dガウススプラッティングをフィードフォワードで生成する手法
要約本論文は、キャリブレーション済みのステレオ画像ペアから、シーンごとの最適化なしにメトリックな3Dガウススプラッティング（3DGS）表現を予測するStereoGaussiansを提案します。凍結された事前学習済みステレオネットワークの中間表現を用いてガウス属性を予測し、キャリブレーション済み視差で幾何を固定します。第2のガウス層と拡張された画像キャンバスにより、遮蔽されていた領域や視野外の内容も扱えるとしています。未見の実写およびフォトリアリスティックなステレオベンチマークで、強力な視点合成ベースラインを上回ったと報告されています。
説明忘却なしの画像復元：パラメータ空間積分勾配によるフィルタレベルの継続学習
要約本論文は、過去データを再利用せずに画像復元モデルを新しいタスクへ継続的に適応させる際の破局的忘却の問題を扱います。提案手法RwFは、パラメータ空間積分勾配で劣化に重要なフィルタを特定し、低ランク分解で生成したタスク専用フィルタを局所的に組み込みます。六つの復元タスクでの実験では、忘却を回避しつつ、LoRA型手法より約10倍少ない追加パラメータで性能を示したとされています。
説明NeurDuo-EEG：持続状態と明示的メモリを備えた長系列脳波基盤モデル
要約本論文は、チャネル単位の持続メモリを持つ因果的な脳波（EEG）基盤モデル NeurDuo-EEG を提案している。多時間スケールのメモリ管理により、固定サイズの状態で連続脳波を持続的にモデル化する。17 の公開データセット、計 3,955 時間の脳波で事前学習されており、5 つの下流タスクのうち 4 つで最良の性能を示した。てんかん発作検出では AUC-PR が 0.285 から 0.471 に向上した。
注目点チャネル単位の永続メモリと多時間スケールの統合・検索を備えたEEG基盤モデルで、多くのベンチマークで最良の結果を示し、大規模事前学習と比較実験で裏付けている。
説明FlexRouter：補完的なモデル集合を学習し柔軟にLLMをルーティングする手法
要約既存のLLMルーティング手法は各モデルを独立に採点して上位k個を選ぶため、モデル間の相関を無視し、失敗パターンが同じ冗長なモデルを選びがちです。FlexRouterはモデルの補完性を明示的にモデル化し、選ばれたモデルのうち少なくとも1つが正しい回答を出す確率である「回答カバレッジ」を最大化します。ルーティング方策は行列式点過程（DPP）でモdelル化され、推論時には行列式の対数増分に基づく貪欲法で、事前の予算なしにサブセットサイズを適応的に決めます。大規模ベンチマークRouterEvalでの実験では、領域内外のタスクの両方で強力なベースラインより高いカバレッジと低い冗長性を示しました。
説明学習可能な平坦化によるさまざまなスケルトンへのモーション再ターゲティング
要約本論文は、異なるスケルトン構造間で動きを移すためのTransformerオートエンコーダを提案します。中核となるのは、スケルトンのグラフを学習によって平坦化する手法で、グラフに基づく位置エンコーディングを乗法的に組み込みます。単一のアーキテクチャで多様なスケルトンを扱い、対応データを使わずに教師なしで学習します。ゼロショット評価では、全体の関節位置誤差を43〜47%削減しました。専門のアニメーターを含む37名のユーザー調査でも、動きの整合性と物理的妥当性で最も高く評価されています。
説明拡散モデルによる創造的なチェスパズルの条件付き生成
要約本論文は、指定した戦術テーマや部分的な盤面を条件として、マスク付き拡散モデルでチェスのパズルを生成する手法を提案しています。最善手の同時予測という補助タスクを加え、解の一意性とテーマ条件への適合精度を向上させました。さらに DDPO を応用した強化学習で改善を図り、初のオープンウェイトモデルを公開しています。
説明「モデル・アズ・ライブラリ」に向けて：アフリカの低資源言語のためのオフライン・コミュニティ由来AI
要約本論文は、小規模なコミュニティ登録型音声モデルをバージョン管理されたオンデバイス依存関係として扱うソフトウェア構造「Model as a Library（MaaL）」を提案します。語彙は、ウェブ収集テキストではなく、展開時に話者自身が少数の録音から直接登録します。仕組みは、閉じた語彙のテキストフォームを音声フォームに変える、キーワード検出を中核としています。論文は立場表明とシステム設計の文書であり、概念、仕組み、分析的な実現可能性の検討を示しています。
説明リッジ回帰における新規スケッチの利点：毎ステップ新たにランダム化して収束を速める論文（arXiv）
要約本論文は、反復的なリッジ回帰において、同じスケッチを再利用するか各ステップで新たに作成するかを検討しています。新規スケッチには証明可能な利点があることを示し、現在の残差を考慮したサンプリング手法を導出しています。合成データおよび実データでの実験では、収束が大幅に速いことが示されています。
説明LongTake：長時間の動画生成で動きを持続させる学習手法
要約本論文は、自己回帰型ビデオ拡散モデルによる長時間動画生成を改善する二段階の学習手法LongTakeを提案している。実写の長尺動画を用いた長期地平教師強制により、長い正解プレフィックスを条件として後続フレームを予測させ、動きと映像品質の維持を図る。著者らは、30秒の自己ロールアウトで短期教師強制による初期化より高い動的度を、同程度の美的品質で得たと報告している。
説明パラメータフリーのゼロ次最適化と楕円体サンプリング：POEM-ES 手法
要約本論文は、チューニング不要の確率的ゼロ次最適化アルゴリズム POEM-ES を提案し、既存の POEM 手法に部分空間前処理と楕円体ランダムサンプリングを組み合わせています。前処理行列で問題の低次元構造を表し、有効次元 d* によりサンプリングと平滑化パラメータを導きます。低ランク構造の仮定の下で次元削減された収束率を示し、LibSVM データセットのヒンジ損失二値分類で数値実験を行っています。
説明菌状息肉症検出のための二重スケール機械学習フレームワーク：細胞の細部と全体構造の併用
要約本論文は、皮膚T細胞リンパ腫の一種である菌状息肉症（MF）を自動検出する診断フレームワークを提案しています。10倍と20倍の2つの倍率の病理組織画像を、畳み込みニューラルネットワークの後期融合で解析し、16の臨床特徴で学習したランダムフォレストと組み合わせています。6,267枚の画像（463名の患者）を用いた実験では、画像ベースの融合モデルの正解率は83.58%、感度は89.13%、臨床モデルの正解率は96.6%、感度は93.8%でした。
説明臨床試験における人とAIの相互作用の定義と分類：多次元分類アプローチ
要約本論文は、AIのタスク、人とAIの関係、相互作用の構成、関与する人のグループという4つの観点から臨床試験の人とAIの相互作用を分類する多次元フレームワークを提示しています。既報のデータセットから15件の臨床試験を選び、人間の評価者2名と大規模言語モデル（LLM）分類器6種がそれぞれ独立に分類しました。結果から、LLMによる支援分類の可能性が示される一方、試験記録が不完全または曖昧な場合には人間の判断が依然として重要であることが示されています。
説明人口統計的多元主義：推論時に多元的な人間の選好分布をモデル化する手法
要約本論文は、意見分布の学習データやタスク固有の微調整を用いず、人口統計的に定義された集団内で複数の視点を生成することで、集団レベルの意見分布を推定する推論時フレームワーク「人口統計的多元主義（Demographic Pluralism）」を提案している。GlobalOpinionQAとVITALで、4つのバックボーンモデルを用いた実験では、Modular Pluralismと比べてJensen-Shannon距離を8.4%から26.4%削減した。加重、等重み、逆加重の集約方式の比較では、全体として等重みが最も良い結果となった。
説明公平性の見せかけ：ベンダーが管理する早期警告システムにおける事後的公平性介入の評価
要約本論文は、カナダ・オンタリオ州の公立大学の学生記録を用い、調達制約を模した条件下で、研究用の早期警告システムに対する六つの事後的公平性介入を評価しています。公平性、精度、集団間の格差を比較し、誤りの種類の分析によって介入が偽陽性と偽陰性をどのように再配分するかを追跡しています。その結果、介入は格差を再配分するだけで一貫して減らさず、集団規模で不利を定義した二つの実装では既に有利な集団が優遇され、小規模で周縁化された集団は依然として十分な支援を受けられていないことが示されました。
説明フローマッチングによるユニバーサル Wasserstein 重心の近似
要約本論文は確率測度の加重平均（Wasserstein 重心）を扱います。従来の手法は固定の重みに対する計算が中心でしたが、本研究は BaryFM（フローマッチングモデル）を提案し、周辺分布を Wasserstein 単体上の任意の重心へ輸送します。学習後は常微分方程式を通じてサンプルを生成できます。ドメイン適応、汎化、ベイズ事後分布の統合、アルゴリズム的公平性の4つの下流タスクで検証され、10 のドメイン適応ベンチマークでは 15 手法中で平均順位が最良でした。
説明MedKIT：大規模言語モデルの知識統合と汎化を評価するベンチマーク
要約本論文は、臨床的な更新が続く状況で、モデルが新たに統合した医療知識を実際に使えるかを評価するベンチマーク MedKIT（Medical Knowledge Integration and Transfer）を提案しています。汎用モデルと医療用LLMを含む5つのモデルで、12の知識統合手法を大規模に検証しました。その結果、元の更新課題や語彙の言い換えでは多くの手法が改善する一方、関係の汎化は限定的で、組み合わせ推論や運用的なタスクでは意味のある改善が見られませんでした。
説明ThinkV2V：指示誘導型動画編集のためにMLLMの推論能力を引き出す手法
要約既存の指示誘導型動画編集は多モーダル大規模言語モデル（MLLM）を主に意味エンコーダとして使うため、因果的・意味的推論が必要な暗黙的な編集では不十分な場合がありました。本論文は視覚生成の前にモデルの思考を明示的に働かせるフレームワークThinkV2Vを提案し、段階的カリキュラム学習と推論時の思考スケーリングで推論を引き出します。また、ThinkV2V-150Kデータセットと評価ベンチマークThinkV2V-Benchを構築しました。実験では5BのDiTモデルが10B規模のベースラインを上回ったと報告されています。
説明平坦性プロキシが関数ではないとき：頑健性証明書と学習介入
要約最後の層の相対平坦性プロキシを、曲率上界としての有効性と、頑健性証明書や学習介入への利用可否という観点から検討した論文です。経験リスクの定常性では逐点の一次損失項が消えず、大域的に有効で規約不変な特徴空間の修正を導出しています。さらに、softmaxの行シフトはプロキシを非有界にするため、行の中心化によってその不変性を回復させる手法が示されています。
説明ReLaG：潜在関係をもつデータへランダム分割を一般化するスケーラブルな枠組み
要約データセットに互いに関連するサンプルが含まれる場合（生化学研究などでよく見られます）、ランダム分割では独立でない訓練・テストデータが生じ、汎化性能が過大に見積もられることがあります。本論文では、データの種類に依存しない枠組み ReLaG を提案します。階層的潜在変数過程でサンプル間の関連性をモデル化し、近接グラフとコミュニティ検出で関連するサンプル群を推定して、独立した訓練・テストデータを作成します。分子・タンパク質データセットでは、既存の関係考慮型手法と同等の性能を示しつつ、はるかに優れたスケーラビリティを実現しています。
説明この行動はまだタスクを説明できるか？拡散言語モデル・エージェントのための逆方向スコアリング
要約論文は、拡散型大規模言語モデル（dLLM）を用いたエージェントが並列デコードのもとで、失敗した行動を繰り返し再発行するリトライループに陥ることを指摘しています。原因はマスク付きデコードが確信度の高い位置を先に確定するため、失敗行動がそのまま再利用される点にあるとしています。著者らは、状態と候補行動が与えられたときのタスクの尤度を評価する、学習不要の逆方向スコアリング手法（Reflect Reverse）を提案しています。4つのマルチターン具現化ベンチマークで、順方向スコアリングの基準手法より高いタスク成功率と進行率を示したとしています。
説明拡散・フロー型テキスト画像モデルの編集における、インスタンスごとのCFG調整手法
要約本論文は、テキスト画像拡散・フローモデルによるプロンプト型画像編集で、多くの既存手法が固定のCFG（分類器なしガイダンス）尺度を用い、編集ごとに必要な変更量が異なることを無視している点に着目しています。インスタンスごとにCFG尺度を設定するとCLIP-Tを損なわずLPIPSを大きく改善できることを示しました。編集を繰り返し実行する調整は非効率なため、与えられた編集事例とCFG尺度から指標を予測する軽量ニューラルネットワークを学習し、推論時に事例固有のCFG尺度を素早く選択します。複数の編集手法とベンチマークで、ベースラインより優れた性能が示されています。
説明位置エンコーディングの選択が文脈内検索の仕組みを変える理由
要約本論文は、言語モデルにおける位置エンコーディング（RoPE、NoPE およびそれらの混合）の選択が、文脈内検索で用いられる内部メカニズムにどう影響するかを分析しています。八つのファミリーにわたる 22 のオープンウェイトモデルを調べ、標準的な RoPE モデルは主に位置に基づく検索に頼る一方、混合型はより意味に基づく検索へ移行することを示しています。制御された事前学習実験では、位置エンコーディングを局所層に限定すると、この意味的な移行が起きて位置情報の表現が劣化することが確認されています。さらに、混合型の長文脈での向上は、検索上のトレードオフを覆い隠していると述べています。
説明報酬最適化のスケーリング則の再検討（AIアラインメントにおける報酬モデルへの最適化の性能法則）
要約本論文は、AIアラインメントで報酬モデルに対して最適化を行う際の性能が、学習に用いる選好データ量（比較の数M）と方策のKLダイバージェンス予算Kにどう依存するかを検討しています。性能はおおよそΘ(√min{log M, K})に比例するとし、情報理論モデルで上界を示して構成的手順により達成可能であることを証明しています。70Bの金標準報酬モデルが生成したフィードバックで0.6Bから4Bの代理報酬モデルを学習した実験では、決定係数R²が97%から99%でした。
注目点学習用比較データ数と発散予算を合わせたスケーリング則Θ(√min{log M,K})を提案し、情報理論的上界と構成的な緊密性証明を与えた。70Bの金標準報酬モデルと0.6B〜4Bの代理モデルで検証。
説明予測状態に基づく無限記憶過程の生成的系列モデリング
要約本論文は、多変量確率過程の一期先条件付き分布の推定を扱い、特に無限の長距離記憶を持つ過程を対象とします。過去の履歴が未来を予測するのに十分な低次元の統計量に圧縮できる場合、推定は速い収束率を達成し、推定問題の統計的複雑さは予測状態空間の固有次元によって決まることを示します。深層ニューラルネットワーク推定器に基づく具体的手法の保証を与え、実験でその理論結果を裏付けています。
説明MM-FinEval：実世界の金融予測のためのマルチタスク・マルチモーダルベンチマーク
要約本論文は、決算説明会を題材とした金融タスクでマルチモーダル大規模言語モデルを評価するベンチマーク MM-FinEval を提案しています。データセットは 2019 年から 2022 年までの S&P 500 構成企業の決算説明会 2,045 件からなり、書き起こしテキスト、プレゼンテーション資料、音声の三つのモダリティを含み、12 の金融タスクラベルが設定されています。19 のベースラインモデルを評価した結果、三つのモダリティすべてを処理する小型モデルが、二つのモダリティのみを扱う大型の商用モデルより高い性能を示しました。
説明ShamAN-Q：サブ1ビットLLM重みのためのShampoo拡張型量子化手法
要約本論文はサブ1ビットの学習後量子化手法ShamAN-Qを提案する。NanoQuantの対角再構成幾何を、Shampoo最適化器の考え方に基づく稠密な曲率計量に置き換える。少数の校正データの経験的Fisher情報行列にKronecker積を当てはめ、その結果からマハラノビス再構成損失を構成する。さらに層間の階数を再配分する。Qwen3-Baseでは約1 bpwでWikiText-2の困惑度を、0.6Bモデルで27.56から22.96に下げ、0.8 bpwでNanoQuantの1.0 bpwの困惑度に並んだと報告している。
説明GazeFlow：人の注視行動から生成的な一人称視点の注視予測へ
要約一人称視点での注視予測は多くの応用に役立つ一方、人の注視は本質的に確率的であるため難しい課題です。本論文は、注視を、ボトムアップの視覚的顕著性とトップダウンのタスク情報の両方を条件とする、時間的な注視位置の同時分布としてモデル化する GazeFlow を提案します。条件付きフローマッチングを用い、ガウスノイズから妥当な注視軌跡を生成します。標準データセットでフレームごとの指標において最先端の性能を達成しています。
説明テキストはニューラルPDE代理モデルを制御できるか？OperatorCLIPによる対照診断
要約本論文は、OperatorCLIPを用いて、無条件のFNO、定数文によるFiLM対照モデル、対比学習で整合させた固定タスク記述モデルを比較し、Darcy2D、ShallowWater2D、三次元圧縮性Navier-Stokes（CNS3D）で3シード実験を行っています。二次元の2タスクでは定数条件の平均テスト誤差が低く、誤差が下がったことだけではモデルがテキストの意味を使っていると証明できないと著者は指摘し、経路の対照実験の必要性を論じています。
説明単独学習から社会的学習へ：LLMにおける再帰的社会的改善の特徴づけ
要約本論文は、各エージェントが自らの報酬を追求する場合に、複数のLLMエージェントが互いに学び合って集団全体を改善できるかを検討しています。エージェントはスキルファイルを修正し、いつ誰からスキルを複製するかを自ら選択します。その際、独立探索、仲間からの学習、行動はいずれも同じトークン予算を共有します。実験では、3つのLLMは仲間から学んでも、単独で学ぶ場合よりトークンあたりの報酬が低くなりました。スキルの複製は学習の効率を高める一方、独立した発見の増加にはつながっていません。
説明VAmoS Part Deux：より難しく現実的な音声エージェント・シミュレーション基準
要約本論文は公益事業の請求と支払い支援に関する100件の通話からなるベンチマーク「VAmoS Energy」を提案している。各発信者は2〜4件の要求を行い、エージェントは16種のツールを用いて状態を持つ請求シミュレーション環境で評価される。14種の音声システムの完了率は17.3％から44.7％で、背景のテレビ音声により全体の完了率は38.7％から8.6％に低下した。
説明DEdit：投機的デコーディングのための反復的ドラフト編集手法
要約本論文は、自己回帰型LLMの投機的デコーディングを高速化する拡散ベースのドラフターDEditを提案します。DEditは並列生成に加え、トークン間の予測によりドラフトを反復的に編集し、初期の誤りを修正して受理される接頭辞を延長できます。Qwen3-4BとQwen3-8Bを用いた7つのベンチマークでは、評価したドラフターの中で平均トークン受理率と高速化率が最も高く、貪欲デコーディングでの平均高速化は自己回帰生成に対してそれぞれ5.72倍と5.97倍でした。
説明LVMH：長尺動画エージェントの記憶を最適化するメタ最適化フレームワーク
要約本論文は、長尺動画エージェントの記憶ポリシーを、固定された回答モデルの下での多目的コード探索として自動開発するマルチエージェント枠組みLVMHを提案しています。実装と独立レビューを分離し、自己認証や開発セットへの過学習を防ぐ仕組みを備えています。この枠組みで発見されたSEEMは、「まずテキスト、次に視覚」という方針で、簡潔な構造化イベント記憶と証拠専門家から回答し、選択的な視覚ゲートを通じて局所フレームを参照します。原文によると、GPT-5を用いたSEEMは3つのベンチマークで平均精度65.7%を達成し、従来の最高水準を7.7ポイント上回りました。また平均評価トークン使用量は約32分の1、平均応答時間は約91分の1とされています。
説明自己回帰的フロンティア拡張：グラフ機械学習による樹状構造の生成
要約本論文は、反復的な拡張過程によって樹状構造を構築し、実際の樹木の成長を模擬する自己回帰的フロンティア拡張（Autoregressive Frontier Expansion）の生成枠組みを提案しています。各ステップでは、SO(2)等変GNNでパラメータ化されたフローマッチングモデルが、アクティブな枝が分岐するか終端するかを予測します。皮質ニューロンと植物の樹木を対象に、無条件、クラス条件付き、形態誘導型の生成を評価し、生成された形態が参照分布および条件付き実験では指定の目標とよく一致することを示しています。
説明従来型からAI対応Simulinkコントローラーへのアーキテクチャ移行に関する実証研究
要約本論文は、実世界のSimulinkモデル62件（8種類のコントローラー、10の応用分野）と13名の実務者への調査に基づき、従来型とAI対応コントローラーの構造差を比較している。文献から導出した10の構造カテゴリと9つの機能役割の分類体系を用いている。結果として、どの方式でもサブシステム構成がコントローラー全体の68〜72%を占めること、AI対応モデルでは制約実施ブロックがほぼ消えることが示されている。安全機構は明示的な構造から学習時の暗黙的な成果物へ移行し、トレーサビリティが損なわれると指摘している。
説明何に注目し、何を保持するか：技能条件付き視触覚表現と進捗誘導型イベントメモリ
要約本論文は、ロボット操作において視覚と触覚をどう組み合わせるべきかを、基本技能ごとに検討しています。現在の技能に応じて視覚・触覚の短期観測の融合を条件付けし、直近K個の実行済み技能の終端観測を保持するスパースなイベントメモリを併用する表現を提案しています。接触の多い3つのタスクでの技能進捗推定において、微調整された最先端の進捗モデルと比べて滑り検出の遅延を87%削減し、視覚のみの消去実験と比べて捻り完了の遅延を67.5%削減したと報告しています。
説明精神科臨床音声録音における役割誘導型話者削除検証（音声言語モデル利用）
要約本論文は、精神科の面接録音から指定された話者（医師または患者）の音声を削除し、その削除が完全に行われたかを検証する問題を扱う。対象役割ごとに生音声を秘匿化したうえで、音声言語モデルと大規模言語モデルで出力を走査し、削除漏れを検出する。48件の二者対話録音で4つのオープンウェイトモデルを評価し、14のモデル・文脈構成によるOR型アンサンブルでF1は0.478、再現率は0.870となった。モデル間に補完性があることが示されている。
説明活性化ステアリングのための対照共分散部分空間：交絡因子を除去する学習不要の手法
要約本論文は、推論時に大規模言語モデルの隠れ活性化へ方向ベクトルを加えて挙動を制御する活性化ステアリングについて、対照共分散ステアリング（CCS）を提案している。CCSは対照的な分散目的を閉形式で解いて得た低次元部分空間へ導入ベクトルを投影し、無関係な交絡変動を抑える。3つのLLM・4つの領域の計12設定で、すべての基準手法を上回ったと報告されている。
説明臨床エージェント向けの個別化された状態遷移認識メモリ（STAM）：患者の状態変化を記録し、現在の情報と過去の情報を区別する記憶フレームワーク
要約本論文は、臨床記録を扱う大規模言語モデルエージェント向けのメモリ枠組みSTAM（State-Transition-Aware Memory）を提案している。新しい臨床記録が届くたびに状態の変化を記録し、意味検索と型付けされた臨床関係を組み合わせて影響を受ける記憶を特定する。現在の情報はActive、置き換えられた情報や解決済みの情報はHistoryに保持される。読み出し時にはクエリに応じたゲートが過去の記憶を選択的に提供する。4つの縦断的臨床ベンチマークで、下流の質問応答、状態維持の診断、およそ同等の文脈長での比較により評価が行われている。
説明ガウシアン・スティップリング：ハイブリッドサンプリングと時空間再構成による、ソート不要の高速3Dガウシアン描画
要約本論文は、3Dガウシアン・スプラッティングの連続的な透明度を離散的な確率的可視サンプルに置き換え、深度ソートを不要にする「ガウシアン・スティップリング」を提案しています。プリミティブ単位とフラグメント単位の手法を適応的に組み合わせ、軽量な時空間再構成ネットワークで疎なサンプルから画像を復元しノイズを抑えます。著者らは、未修正の3DGSアセットをそのまま使い、未知のシーンでもモバイル端末で対話的に描画できると述べています。
説明多次元観測者モデルと人間の画質評価の知覚次元
要約本論文は、人間が画質を判断する際の潜在的な知覚空間を理解するための枠組みを提案している。画像を潜在知覚空間上の分布として表し、人間の判断をノイズを含むサンプルの比較としてモデル化する多次元観測者モデルを構築した。霊長類の腹側視覚経路の神経表現で制約され、大規模な行動データに適合させている。その結果、人間の画質判断を説明するのに必要な知覚空間の次元は非常に低く、低次の判断と高次の判断で空間構造が異なることが示された。
注目点潜在知覚空間上のノイズ付き比較として画質判断を捉える多次元観察者モデルを提案し、大規模行動データで検証して極めて低次元な知覚空間を示した。
説明大規模言語モデル時代の擬人化：潜在的リスクと緩和策の概観
要約本論文は、AIの擬人化（anthropomorphism）に関する近年の文献を整理したサーベイです。理論的枠組み、言語がAIを人間的に描く役割、機械を擬人化することのリスク、そしてその緩和策を扱っています。著者は21の懸念を認知、感情、人間の主体性、規範、社会・制度の五つの分析カテゴリーに分類し、設計・コミュニケーション・教育・ガバナンスにおける介入策と関連づけています。
説明縦断的医用画像に対する深層学習：スコーピングレビュー
要約本論文は、2018年から2025年に発表された、縦断的医用画像に深層学習を適用した102件の研究をスコーピングレビューしたものです。神経疾患（48%）と眼科疾患（12%）が最も多い臨床応用で、主な画像モダリティはMRI（67%）でした。最も多い手法は、畳み込みニューラルネットワーク（CNN）とLSTM/RNNなどの時系列モデルを組み合わせるもの（40%）で、分類タスクが最も多く（56%）、外部検証を行ったのは24%の研究のみでした。著者らは、この分野に有望性はあるものの、新しい時系列アーキテクチャと大規模データセットが必要だとまとめています。
説明層を超えて：統一マルチモーダルモデルにおける位置別勾配衝突と位置認識変調
要約統一マルチモーダルモデルは画像理解と自己回帰的な画像生成を共有パラメータで同時に学習するが、両目的は互いに干渉することが知られている。本論文は、視覚トークンの位置ごとに理解と生成の勾配衝突を帰属させる位置別干渉マップを提案し、系列の前4分の1の平均勾配コサインは-0.18、後4分の1は-0.02であることを示す。これに基づき、高衝突位置でのみ生成勾配の逆向き成分を除去する位置認識変調（PAM）を提案し、Show-oでは層別分離法よりMMEとGenEvalを改善した。
説明RetroGEF：一段階逆合成のための動的グラフ編集フロー
要約逆合成は標的分子に至る実現可能な合成経路を見つけるための手法で、創薬や材料設計で中心的な役割を果たします。本論文では、フローベースの生成モデルRetroGEF（Dynamic Graph Edit Flow）を提案します。標的分子から出発し、分子グラフに原子を追加し結合を変更して候補となる反応物を構築します。同一の生成過程で分子の変換とグラフサイズの変化を扱い、産物と反応物のペアから直接学習して、事前に定めた編集順序は必要としません。代表的な逆合成ベンチマークで最先端の性能を示したと報告されています。
説明PANDA：拡張性と耐障害性を備えた多エージェントシステムのための、分散型・柔軟なオーケストレーション構造
要約本論文はPANDA（分散型アーキテクチャ）を提案します。多数の異種・独立管理のエージェントが互いの能力を発見し、タスクごとに小規模な専門チームへ自己組織化する仕組みです。集団通信とチーム内通信を分離して拡張性を確保し、スター型、チェーン型、メッシュ型の3つの計画・実行パターンを選択できます。故障を検出して失敗した構成要素の周りで動的に再計画し、信頼ネットワークモデルでエージェント間の相互作用を制約します。HotPotQAベンチマークでの評価では、数千エージェントへの拡張、ミリ秒単位のチーム編成、最大8倍の効率での最先端水準の精度、障害下でも100%のタスク完了が報告されています。
説明KlinikeBench：診断精度を超えて言語モデルを評価するベンチマーク
要約本論文は、臨床医が作成した333件のタスクからなるベンチマーク KlinikeBench を提案している。各タスクは仮想患者、臨床ツール、成功基準を備えた独立したサンドボックス環境で、問診・検査依頼・最終診断という臨床の一連の流れを評価する。最良のモデルは診断精度が90.7%に達したが、タスク成功率は30%未満であり、診断精度だけでは対話的な臨床評価能力を示せないことが示された。
説明キャプションを介した歩行者ルートの知覚安全性推定
要約本論文は、歩行者ルート案内のための説明可能な手法を提案します。視覚言語モデルで街路画像の文章による説明文を先に生成・保存し、その構造化された特徴だけから知覚リスクを判定するため、利用者は各区間の評価を確認できます。9つの条件でCLIP画像埋め込みベースラインと比較したところ、同等の性能でした。イングランド北部のマンチェスターとハダースフィールドでの現地検証では、人間の評価との相関は統計的に有意だが控えめ（r=0.262）でした。
説明タスク特化型視覚認識のための合成データのキュレーション
要約本論文は、専用の視覚システムにとって重要なのは「より多くのデータを生成すること」ではなく「どのデータを生成するか」だと主張します。シーン、外観、センサー特性、アノテーションを特定のタスクに合わせて意図的に設計する、キュレーション済み合成データを論じ、手続き的レンダリング、物理ベースシミュレーション、生成AIの三つの手法を比較します。工業製品の表面欠陥検出、劣化したオートクローム原板のデジタル復元、RGBとイベントデータによる6自由度姿勢推定を例に挙げ、可制御な監督と学習された外観を組み合わせるハイブリッド手法が、信頼性の高いシミュレーションから実世界への転移に最も有望だと結論づけています。
説明再ランキングと遅延相互作用が検索品質を左右する：科学質問応答向けRAG戦略の制御比較
要約本論文は、2024〜2025年付のarXiv論文463,971件を対象に、科学質問応答のための6種類の検索戦略を比較しています。比較対象は、通常の密ベクトル検索、クエリ言い換え、言い換え後のLLM再ランキング、RRFによる複数クエリ融合、生成器が検索要否を判断するエージェント型ツール呼び出し、ColBERTv2による遅延相互作用検索です。全手法は同一の生成モデル、プロンプト、評価手順を共有します。著者は、19,484件の合成質問データセットとコードを公開しています。
説明Diffusion-2BC：自動運転のオフライン行動模倣における拡散学習と回帰学習のハイブリッド訓練
要約本論文は、拡散ノイズ除去目的関数に加え、共有視覚エンコーダ上で補助的な決定論的行動模倣損失を用いるDiffusion-2BCを提案します。補助分岐は訓練時のみ使用され、推論は拡散ベースのままです。手法は制御されたClaw環境と鳥瞰図のCARLA走行で評価され、Claw課題では拡散ベースの行動模倣基準と比べ平均マスク距離誤差が約10%、標準的な決定論的行動模倣と比べ約85%低減しました。経路なしCARLAでは、Town01とTown02の両方で両基準より大幅に長く走行しました。
説明量子化スカラー向け高密度バイナリハイパーベクトル符号帳の非ランダム化
要約ハイパーディメンショナル計算とベクトル記号アーキテクチャは、量子化されたスカラー値のレベルを、隣接レベル間の類似度がスカラー間隔の所定関数に従うように、高密度バイナリ符号帳で表現します。有限次元では、ランダムに構成された符号帳は標本ノイズや初期化の偏り、更新回数の変動などのため目標から逸脱します。本論文は、指数減衰と線形減衰の2種類の目標類似度に対し、遷移ベースの非ランダム化フレームワークを提案し、平均類似度、バイアス、分散、二乗平均平方根誤差の有限次元の厳密式を導出しています。シミュレーションでは、各制約が特定の類似度ずれの要因を減らすことが示されています。
説明背景環境がエージェントに与える代償を明らかにするBACKDROP
要約本論文は、他者の干渉がある現実的な環境でエージェントがどれだけ能力を保てるかを測るベンチマーク「BACKDROP」を提案します。同じタスクに、権限の偽装、注入テキスト、境界外の要求、書き込み失敗という四種類のリスクを個別または同時に加え、3,678の変種と16モデルで検証しました。四つのリスクが同時にある場合、平均通過率は69.5%から31.3%に低下し、最も強いモデルほど低下が大きいことが示されています。
説明PAMI：身体部位アンカーによるテキストから人と物体のインタラクション動作を生成する手法
要約本論文は、テキストから全身の人と物体のインタラクション動作を生成するPAMIフレームワークを提案します。ホough変換に着想を得て、身体部位のアンカーが物体の動きに投票する仕組みを用い、PamiVAEで潜在空間を学習します。粗い生成から細かい接触の精緻化までを段階的に行い、InterActデータセットで従来手法より接触再現率が14.5%高いと報告されています。
説明システム1型決定モデルを学習済み分類器や言語モデルと比較し、自動意思決定ゲートでの性能を検証した研究
要約本論文は、六つのモデル系統に属する八つの決定モデルチェックポイント（ホスト型モデル Jev を含む）、三つの開発元による四つのオープン生成モデル、そして教師あり・ゼロショット分類器を、ワークフロー、意図、感情、社会科学の項目で同じ枠組みを用いて比較しています。ラベルがある場合、微調整された DeBERTa-v3-large がほぼすべてのラベル付きベンチマークで最も高い精度を示しました。ラベルがない場合、決定モデルはワークフローと意図で Jev より有意に高い精度は示さず、Gemma-4-31B は一部で同等以上ですがコストと遅延は高くなっています。是と否を入れ替えた際の感度や学習データへの露出なども検討され、自動決定ゲートの条件付き設計ルールが提案されています。
説明勾配の衝突は理解と生成のトレードオフを予測できるか？統一マルチモーダルモデルにおける衝突指標の妥当性の制御された検証
要約統一マルチモーダルモデル（UMM）では、理解と生成の目的間の勾配衝突を減らせば下流のトレードオフが改善するという前提が置かれてきた。著者らは真のトレードオフを厳密に計算できる制御テストベッド GRIDUMM で、63 の構成と 372 のチェックポイントを検証した。その結果、学習中の衝突と最終的なトレードオフとの間に、信頼区間が 0 を含まない意味のある相関を示す方向性衝突指標はなかった。衝突の有効性は仮定ではなく検証する必要があるとし、再利用可能な監査プロトコルを公開している。
注目点統一マルチモーダルモデルの勾配衝突仮説を管理された環境で検証し、診断指標の妥当性評価プロトコルを示す点に新規性がある。
説明自己回帰型物理情報ニューラルオペレータ代理モデルと4次元地震・生産データの同時ベイズ履歴照合の解説
要約本論文は、約10万セルの合成貯留層モデルで検証した、代理モデルで高速化したベイズ履歴照合の枠組みを提案する。順方向計算をフーリエニューラルオペレータで置き換え、黒油モデルの残差を物理制約として学習させる。生産データと4次元地震データを適応正則化アンサンブルカルマン逆解析で同化する。検証データで圧力と飽和度のR²は0.999を超え、1回の推論は0.579秒で、約2500倍の高速化が報告されている。
説明TrafficSignBench：自動運転における交通標識遵守を規則中心に閉ループで評価するベンチマーク
要約本論文は、自動運転プランナーが交通規則を守るかを体系的に評価するベンチマーク TrafficSignBench を提案しています。実際の地図に基づくシミュレーションと、規則ごとのシナリオ自動生成を組み合わせ、34 種類の交通標識に対応する自動規則チェッカーを備えています。既存のプランナーは標準指標では高い性能を示しても、交通規則の遵守が不十分な場合があると報告しています。また、明示的な標識制約によって規則遵守型の軌道エキスパートに変換し、微調整用の参照軌道を生成する方法も示しています。
説明NAQD-Env：言語エージェントの選択的撤回能力を評価するベンチマーク
要約本論文は、証拠の変化、許可の取り消し、停止指示が生じた際に、言語エージェントが影響を受ける行動だけを中断し、影響のない作業を保持して、十分な修復後に再開できるかを評価する合成環境NAQD-Envを提案します。350の固定シナリオで3つのオープンウェイトモデルを評価した結果、撤回の再現率は最大0.06にとどまり、有効な再開はほとんど観測されず、参照ポリシーに完全一致したのは1エピソードのみでした。著者らは選択的撤回をエージェントの信頼性の独立した要素として評価する必要があると主張しますが、この設定は構造化された入力下でのポリシー適用を測るものであり、現実世界での封じ込めや情報源の検証能力を示すものではありません。
説明PrivMeSA：ローカルとリモートのLLM連携により、プライバシーに配慮しながら自己進化する医療マルチエージェントシステム
要約本論文はPrivMeSAを提案します。これは医療分野で、ローカルのエージェントが遠隔の専門モデルへ開示する情報を管理し、強化学習で診断精度とプライバシーリスクのバランスを取るマルチエージェントシステムです。完了した相談は一般化された臨床ガイダンスとして蓄積され、以降の症例で再利用されます。MIMIC-IV-EDの救急記録に基づくベンチマークでは、委任と比べて平均タスク精度が最大15.8ポイント向上し、個人情報の開示率は98.0%から0.2%に低下しました。
説明最小ノルム補間の観点から見たGrokking（遅延汎化）現象
要約本論文は、訓練データへの適合後にニューラルネットワークが真の規律を遅れて学習する「Grokking」現象を、高次元回帰の統計理論で分析します。正則化の幾何と信号の疎性が補間付近の汎化にどう影響するかを示し、強い過剰パラメータ化かつノイズなしの場合の零一汎化則や、ℓr正則化経路上の訓練・汎化誤差の精密な特徴づけを提示しています。対角線形ネットワークとモジュラ演算を学習したTransformerでの実験により、理論予測の妥当性を検証しています。
説明CHOIR：自由リスト調査で大規模言語モデルのアンサンブルに潜む異なる「声」を明らかにする
要約本論文は、認知人類学の自由リスト手法を応用したCHOIRという枠組みを提案します。複数のLLMに順位付きリストを繰り返し出させ、項目を提示レベルの概念にまとめ、モデル・プロンプト変種・ペルソナ条件ごとの概念の目立ちやすさを測定します。Infinity-Chat 100の提示集では93/100の提示で表面的な一致が偶然より高く、狭い問いと広い問いを区別できました。基盤モデルの同一性が最も安定して識別可能な特徴であり、ペルソナ提示は各基盤モデルの範囲内で提示される概念を変えることがわかりました。
説明天候データを用いた国レベルの作物収量予測のための低入力型深層学習フレームワーク：ブラジル大豆を事例として
要約本論文は、日常的な気象データと2つの軽量な静的背景変数のみを用いて作物収量を予測する深層学習フレームワークを提案し、他作物や他地域への転用が可能であることを示しています。ブラジルの大豆について2001/02年から2020/21年までの20作期を対象に、留年交差検証で複数のモデルを比較しています。Transformerが最も高い精度を示し、5年移動平均の基準と比べて誤差を47.6%削減しました。
説明事前学習と中間学習は報酬からの学習可能性をどう左右するか？
要約本論文は、事前学習と中間学習が報酬ベースのタスク適応に必要な情報と計算能力をどのように提供するかを検討しています。逐次的な状態計算と文脈記憶の課題で、すべての訓練報酬に一致しながら未見の入力に異なる答えを要求する機構を特徴づけ、タスクに依存しない源予測によってこの曖昧さが解消されることを示しています。Qwen2.5 の事前学習チェックポイントを用いた実験では、八つの環境で正しい源監督と最初の操作の監督で訓練したモデルの成功率は 82.61% で、私的なランダム源の対照群は 44.15% でした。
説明AIM：自動化研究のためのエージェント型アイデア管理フレームワーク
要約本論文は、自動化研究において研究方向を管理・探索するためのエージェント型アイデア管理器（AIM）を提案する。ベイズ最適化に着想を得て、エージェント型サロゲートと獲得機構でアイデアを整理・選択し、解の監査と資源計画の仕組みで整合性と実験予算の配分を管理する。10のAutoLabベンチマークタスクで、システム最適化では最強ベースラインを1.6ポイント、長期のモデル開発・CUDAタスクでは4.9ポイント上回り、ベースライン最良性能への到達は最大3.1倍速かったと報告している。
説明聴こえる世界モデル：3D空間のための空間認識型サウンド生成
要約本論文は、テキストや画像から生成された3D環境に音を加えるための、学習不要のフレームワークを提案する。まずパノラマ3Dプロキシを構築して意味レイヤーに分割し、発音する前景物体と環境音の背景領域を特定して、各音ラベルのドライ音声を合成する。その後、音源を再構成された幾何構造に結び付け、幾何音響伝搬によって聴取者の位置と動きに応じた空間音声を生成する。80の生成シーンでの実験では、テキスト・動画・パノラマを条件とする基準手法より空間的一貫性が大きく向上し、意味的整合性も競争力を保った。
説明BIND：3D ロボット動作と 2D 画像特徴の結びつけ
要約本論文は、視覚運動ロボットポリシーのための新しい動作表現 BIND を提案します。カメラ幾何を用いて、候補となるエンドエフェクタの 3 次元位置を各カメラ視点での対応する 2 次元画像特徴と結びつけ、それに基づいて動作を選択します。実ロボットでの実験では、5 回の デモンストレーションでほぼ完璧な成功率を達成し、カメラ視点の大きな変化や未知の物体位置でも性能が緩やかにしか低下せず、座標回帰のベースラインは完全に失敗しました。
説明回転運動論的プラズマ乱流の代理モデリングのための事前学習済み変分オートエンコーダ
要約本論文は、Stable Diffusionの事前学習済み変分オートエンコーダ（VAE）で乱流場を空間的に圧縮し、ConvLSTMで潜在空間上の時間発展を学習するPreVAE-Turb枠組みを提案します。二次元Hasegawa-Wakatani漂移波乱流で検証し、GENEコードの回転運動論的乱流にも拡張して、静電ポテンシャル、密度、平行・垂直温度揺らぎを同時に予測しています。学習後は単一GPUで数秒のうちに数千時間ステップを生成できるとされています。
説明TACIT：誤りから学習する最適化モデル
要約実世界の最適化問題は、目的関数や制約の多くが領域専門家の暗黙知に含まれるため、正確にモデル化しにくいという課題があります。本論文は、過去の解と利用者による後からの修正（オーバーライド）の履歴データを用いて、誤って定式化されたモデルを自動的に修復するTACITを提案します。大規模言語モデルの推論能力と最適化による形式的な裏付けを組み合わせ、38の誤指定シナリオ（9種類の最適化問題）で評価した結果、78.9%を修復でき、最良のベースラインの60.5%を上回りました。
説明AI-Experiment：人工知能と共同制作した拡張現実アートプロジェクト
要約本論文は、芸術家、計算機科学者、生成AIツールの協働によって制作された実物のアート作品について述べている。研究者は当該芸術家の作品写真で潜在拡散モデルをファインチューニングし、類似の画風の合成作品を生成させた。その中から選ばれた一部を、元の芸術家がアクリルでキャンバスに描き直した。さらに拡張現実の要素を加え、生成動画モデル群によって作品を動かしている。作者は一部の学習データ、生成に用いたコード、拡張現実体験を公開している。
説明MOBA-VL：リアルタイムMOBA実況のためのイベント局所化マルチターン強化学習モデル
要約本論文は、MOBA系eスポーツの試合を秒単位でリアルタイムに実況する視覚言語モデルMOBA-VL（90億パラメータ）を提案する。ゲームのテレメトリ（各イベントの発生時刻を記録したデータ）を教師信号とし、各イベントを説明するターンに報酬を与える手法で学習する。また、三つのMOBAゲームの計860試合（約460時間）の単語単位タイムスタンプ付き実況データセットMOBACastと、そのベンチマークMOBACast-Benchを公開している。MOBACast-Benchでは、MOBA-VLが全試合・クリップの両方で総合スコアの最高値を記録し、教師ありファインチューニングに比べてイベント再現率も向上したと報告している。
説明ポリシー条件付きAI利用検出：学術出版のための証拠的枠組み
要約本論文は、会議や学術誌が一般的に用いるAI文章検出ツールは「文章がAIによって書かれたかどうか」を推定するものであり、役割や作業ごとに定められた規則の遵守を判断するという実際の必要とずれていると指摘します。著者らは、明示された規則を入力として扱い、「AI検出」という判定ではなく仮説・証拠・校正方式・不確実性を報告する「ポリシー条件付きAI利用検出」の枠組みを提案します。評価は事前に定めた誤検出率での真陽性率で行われ、査読を事例として、会議側が構造化された開示、審査員の機密性を守るツール経路、結果に異議を申し立てる手続きを整備する必要があると述べています。
説明LoopVL：再帰的な視覚知能——ループ計算を視覚言語モデルに導入する試み
要約本論文はLoopVLを提案し、ループ型Transformerを視覚言語モデルへ有効に拡張できるかを検討する。共有モジュールを通じて複数のループで統一された視覚言語状態を反復的に更新し、言語事前学習、マルチモーダル学習、事後学習を経て一から学習される。多モーダル理解および視覚推論のベンチマークで、同程度またはより大規模な非再帰モデルを上回ったと報告され、ループ間で視覚的注意が顕著に変化する現象も観察されている。
説明有限時間ホライズン制御としてのグラフ異常検知：経験ベイズによる学習不要のスコアリング
要約本論文は、学習を必要としないグラフ上のノード異常検知フレームワーク EB-GAD を提案します。正常性を、グラフを考慮した広義 Ornstein-Uhlenbeck 緩和としてモデル化し、経験ベイズでグラフ精度を推定したうえで、閉形式の有限時間ホライズン制御エネルギーにより異常スコアを算出します。11 のベンチマークでラベルを一切使わず、9 件で最良または同率最良の AUROC を達成しました。
注目点グラフ異常検知を有限時間水平の制御エネルギーとして定式化し、学習不要かつ経験ベイズで事前分布を推定する点が新規性が高い。11のベンチマークで多くが最良の結果を示し、証拠は比較的充実している。
説明「考えたこと」ではなく「述べたこと」：思考連鎖（CoT）検証のための Type-6 論理
要約本論文は、大規模言語モデルの思考連鎖（CoT）推論の流れをモデル化するため、不確実性と再帰の二つの演算子を備えた動的認識論理の拡張である Type-6 論理を提案しています。この論理に基づき、推論の痕跡からグラフを構築して公理と推論規則に照らして検証する検証器を構築し、形式的推論と非形式的推論の両方の資料で評価しています。著者らは、表層的なヒューリスティクスでは見逃される構造的に不健全な推論ステップを検出できること、また検証方法ごとの一致度には大きなばらつきがあることを報告しています。
説明適応的データ拡張と多解像度アンサンブルモデルによる大腸がんセグメンテーション
要約本論文は、全スライド病理画像において大腸がんのグレード1～3の腫瘍と正常粘膜を自動でラベル付けするセグメンテーションパイプラインを提案しています。複数のエンコーダを持つ密な予測トランスフォーマー、重なり合うパッチ、テスト時拡張を用い、大規模言語モデルが導く適応的拡張方針で学習を改善しています。上位モデルはソフト投票で統合され、後処理を経て、ある大腸がんグレードのデータセットでF1スコアが62.92から69.84に向上したと報告されています。
説明学習不要の合成データ：表形式・時系列・リレーショナルデータのための推論専用パイプライン
要約本論文は、モデルの学習を行わずに合成データを生成する推論専用パイプラインGENSCRIPTを提案しています。元データの統計的プロファイルを計算し、それを言語モデルに渡して列の意味と制約を推定した後、コーディングエージェントが監査可能なサンプラーを作成します。単一表、時系列、リレーショナルデータに対応すると述べられています。
説明VidHarness：低コストな長尺動画理解のための進化するエージェント・ハーネス
要約視覚言語モデル（VLM）は1時間ほどの動画への質問に答えられますが、全フレームを処理するのは非常に高コストです。本論文は、凍結したVLMを包む「ハーネス」プログラムの設計を自動化するVidHarnessを提案します。モンテカルロ木探索と不確実性を考慮した多忠実度検証で反復的に進化させ、フレーム予算ごとに問題を振り分ける混合ハーネスも導入しています。LongVideoBench、Video-MME、Video-Holmesで新たな最高水準を達成し、Video-MMMUとMMVUにも均等サンプリングの半分未満のフレーム数で汎化したと報告されています。
説明ブラジル・ポルトガル語金融ニュースの多クラス分類のための大規模データセット
要約本論文は、ブラジル・ポルトガル語の金融ニュース約16万件からなる大規模コーパスを公開し、同言語の金融自然言語処理用データが乏しい問題に対応しています。意味的類似度に基づく弱教師あり多クラス分類の初期ベンチマークとして、コサイン類似度、KNN、FAISSの3手法を評価しました。人手ラベル付きの部分集合ではKNNが正解率47.3%、F1値31.9%で最良でした。一方、LLMによるラベル付き部分集合では正解率は約50%でしたがF1値は約20%に落ち、ラベルの質と不均衡の影響が大きいことが示されています。
説明ArgGYM：構造化された覆しうる推論のための、手続き的で記号エンジンにより検証されるベンチマーク
要約本論文は、結論が暫定的に支持され、反証で覆され、後の議論で回復しうるといった構造化された覆しうる（defeasible）推論のためのベンチマーク ArgGYM を提案します。推論を12のタスクに分解し、記号的議論エンジンが評価に用いる形式的状態を計算します。凍結ベンチマークには1,440件の検証済みインスタンスが含まれ、依存関係が長く構造がより複雑な後半の課題設定ほど成績が低下することが報告されています。ベンチマーク、生成器、検証器は公開されています。
説明分歧正則化模倣学習：ガウス分布とベータ分布の方策による画像ベース連続制御
要約本論文は、複数のクローン方策間の不一致を強化学習の報酬に変換する分歧正則化模倣学習（DRIL）が、画像ベースの連続制御を改善するかを検討しています。実験はCarRacing環境で、ガウス方策とベータ方策を比較し、デモンストレーションは1軌道または20軌道を用いています。少数のデモでDRILの改善が大きく、多数のデモでは有界なベータ方策の行動クローニングが引き続き高い性能を示しました。
説明大規模言語モデルは欠落部分を確実に補完できるかを検証する研究
要約本論文は、四つの物語タイプ（百科事典的文章、常識的な物語、ニュース記事、視覚的な物語）から約9.2Kの事例を用意し、一〜三文をマスクして補完させるマルチドメインのベンチマークを構築しています。1.5Bから70Bパラメータまでの20の指示チューニング済みオープンソースLLMを評価した結果、モデル規模は補完品質を確実に予測せず、より小さいGemma-2-2Bが最高評価を得ました。また、明示的な推論の効果は限定的でした。
説明コードベースから犯人へ：意味検索と階層型強化学習でバグ探索範囲を絞り込むC2C（From Codebase to Culprit）フレームワーク
要約本論文は、ファイル、関数、コード行の三段階で粒度を絞り込みながらバグを特定するC2Cフレームワークを提案しています。第一段階では、CodeBERTを対比学習で微調整した埋め込みを用いて、バグ報告文（利用可能な場合はスタックトレースを含む）から意味ベクトル検索により候補を広く抽出します。第二段階では階層型強化学習でファイルから関数、さらにコード行へと段階的に位置を特定します。論文によると、実世界のJavaおよびPythonデータセットで検索精度と特定精度が向上したとされています。
説明GestAdapt：人型ロボット向けの、作業空間を条件とした音声同期ジェスチャー生成
要約本論文は、ロボットが音声に合わせて身振りを生成する際に、利用可能な作業空間（例えば壁際）の制約を考慮するGestAdaptフレームワークを提案しています。制約なしの動作を後から修正するのではなく、最初から制約を満たす動作を生成します。6つのコーパスから共通の動作表現を学習し、異なるロボット機種への適用も可能です。ユーザー調査では平均3.24/5で、作業空間制約なしの版（2.43/5）を上回り、参照動作（3.68/5）には及びませんでした。Reachy2での比較では69.7%で首位となりました。
説明SimTrace：オンラインユーザーモデリングのための実軌跡に基づくマルチモーダル行動軌跡生成
要約本論文は、匿名化された実際のユーザー操作と模擬Web環境に基づいて、コンピュータ操作型のクライアントエージェントで細粒度の合成マルチモーダルクリックストリームを生成するフレームワーク「SimTrace」を提案している。電子商取引の場面で評価され、8つの忠実度指標のうち7つで比較基準を上回った。合成データで学習したモデルは、購買予測や推薦などの下流タスクで実データで学習したモデルと同等の性能を示し、次の行動予測では実データに合成データを加えると精度が相対で11.0%向上した。著者はオープンソースパッケージとして公開している。
説明ラフパス理論と伊藤フレームワークにおける確率最適制御の統一的最適性条件
要約本論文は、伊藤解析とラフパス理論の二つの枠組みで確率的最適制御を扱い、それぞれのポントリャーギンの最大値原理による最適性条件を比較します。両者の随伴方程式が条件付き期待値によって結ばれることを示し、それに基づいて統一的な最大値原理を導出しています。応用として、生成モデルのファインチューニングのための随伴マッチング法の再導出と、一類のフィードバック問題に対する間接打ち切り法が提案されています。
説明自己教師あり学習で残るタスクはどれか——自己教師あり表現に保持される下流タスク情報を論じる論文
要約本論文は、同一インスタンスの自己教師あり学習（SSL）で得られた表現にどの下流タスクの情報が残るかを検討し、表現関数空間が捉えるタスクの事後スコアの割合である「意味的回復可能性」を定義します。中心化・白色化された表現では、この回復可能性が方向性のクラス間距離正規化分散（CDNV）を決定し、少数ショットの最近傍重心分類を左右することを示します。さらに二視点SSL目標の母集団最適解をスペクトル的に特徴づけ、合成データと実データで予測を検証しています。
