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。
説明汎化可能なディープフェイク検出のための、クロス再構成手法の再検討
要約本論文は、未知の改ざん手法に対して画像偽造検出器が汎化しにくいという課題に取り組み、改ざんアーティファクトに着目した解きほぐし（ディスエンタングルメント）フレームワークを提案しています。著者らは、生成過程ごとに異なる改ざんアーティファクトの多様性が、有用な鑑識の手がかりを含むと主張し、明示的な整列ではなく意味的に整合したクロスジェネレータ再構成によって、その多様性を保持します。さらに、改ざんに関連する残差を強調するマスク付き周波数認識再構成戦略を導入しています。複数のベンチマークデータセットにおけるクロスデータセットおよびクロスジェネレータ評価で改善が示されています。
説明データ不足下でのまれな出血性病変セグメンテーションのための合成学習法
要約本論文は、脳微小出血（CMB）と皮質表在性含鉄ヘモジデリン沈着症（cSS）の自動セグメンテーションを対象に、学習時に実際の病変アノテーションを必要としない合成学習フレームワークを提案している。解剖学的脳区分から出発し、病変の位置と形態に関する臨床的事前知識を用いて画像とラベルを合成する。10例のcSSと13例のCMBでの評価では、従来のフィルタ手法より高い性能を示した。
説明AI評価サンドボックス・コンフィギュレーター：AI規制サンドボックスにおける技術評価を支援する枠組み
要約EUの人工知能法は、各加盟国に2027年8月までにAI規制サンドボックス（AIRS）の設置を求めています。本論文は、AIRSにおける技術テストを支えるインフラに関する11の要件を導き、それに応えるオープンソースの枠組みAI評価サンドボックス・コンフィギュレーターを紹介します。この枠組みはプラグインAPI経由のテスト目録、出力を統一する共通データモデル、役割別ダッシュボード、対象者別の報告機能を備えます。ライブのAIRS案件での初期段階のパイロットでは、統一と報告の機能が検証され、公式の終了報告書の作成に寄与したと報告されています。
説明FedFit：ベクトルバンクパラメータ化と量子化による LLM の連合ファインチューニング
要約本論文は、連合学習（Federated Learning）において大規模言語モデルを微調整する手法 FedFit を提案しています。互いに素な二つのグローバルなベクトルバンクから適応行列を再構成して通信量を削減し、交互最適化と残差スペクトル集約により LoRA の集約上のジレンマを解決します。さらに分割量子化とクライアント側の誤差フィードバックを組み合わせています。Qwen2.5 モデルでの実験では、標準的な連合 LoRA 手法と同程度のパープレキシティを保ちつつ、最大 100 倍の圧縮率を達成したと報告されています。
説明白でも黒でもなく：グラフ情報付きセマンティックID（GrIS）による意味情報と協調情報の両立
要約本論文は、生成型推薦で用いられるセマンティックID（SID）の構築を、グラフ上の再帰的クラスタリング問題として再定義し、統一フレームワークGrISを提案しています。RQ-VAEとRQ-KMeansはグラフが空の場合の特殊例として位置づけられています。微分可能なグラフプーリングで階層的な割り当てを行うRecDMoNと、グラフ認識型の項目表現とグラフ再構成目標を加えたRQ-GAEの二つの実装が検討されています。複数の実データセットで、協調フィルタリングを考慮した最先端手法を一貫して上回り、Hit@10で最大52%の向上が報告されています。
説明自動運転向け信頼性の高い視覚言語モデルに関する研究
要約本論文は、4つの自動運転関連の質疑応答データセットで5つの視覚言語モデルを評価し、単一フレーム、多視点、多フレーム、単眼といった異なる視覚入力条件下で、視覚的な劣化が精度と信頼度の信頼性にどう影響するかを調べています。さらに、推論時の手法であるVisual Evidence Augmentation（VEA）が、劣化した視覚条件下でモデルの信頼性を改善できるかを検証しています。結果として、VEAは一部のモデルとデータセットで性能を向上させるものの、すべての条件で一貫した効果は見られませんでした。
説明多目標ハイパーパラメータ最適化による残存耐用年数予測の予測時期の調整
要約本論文は残存耐用年数（RUL）予測を対象とし、早すぎる予測と遅すぎる予測では誤りの影響が非対称であるのに、従来のハイパーパラメータ最適化は単一の精度指標しか扱わない点を指摘しています。著者は最適化目標そのものを設計変数とみなし、R²の単目的最大化、NASA採点関数の単目的最小化、両者を同時に最適化する多目的手法の三つを、五つのモデルで比較しました。C-MAPSSデータセットでは多目的手法により早期と遅延の予測の方向の偏りが約33%減少し、BackBlazeデータセットでは明確な汎化ギャップが見られたと報告しています。
説明非マルコフ意思決定過程における厳密な識別可能性
要約本論文は、非マルコフ環境を正則決定過程（RDP）として扱う際、固定された行動方策のもとで収集されたデータが二つの候補RDPを区別できるかを研究している。観測的に等価な候補については、サンプルサイズにかかわらず事後オッズが事前オッズと等しいままであることを証明し、Lean 4で形式的に検証している。さらに、この等価性を厳密に特徴づけ、積オートマトンの大きさに線形な時間で判定するアルゴリズムPECを提案している。
説明AIリスク・オブザバトリー：年次報告書におけるAI開示から社会的レジリエンスについて何がわかるか
要約本研究は、大規模言語モデル（LLM）を用いて英国上場企業1,362社の2020年から2025年までの年次報告書9,821件を分析し、企業がAIへの対応をどのように開示しているかを調べたものです。AIリスクに言及する報告書の割合は2.8%から41.2%に上昇しましたが、実質的な内容を含むAIリスク開示は2025年時点で4.3%にとどまり、重要インフラ分野やAIM市場の開示率は低く、危害に関する開示はほぼ存在しないことが示されています。
説明Langevin情報付き転移学習：黒箱フィードバックでターゲット標本を置き換える
要約本論文はLITLという枠組みを提案し、偏ったソース標本と黒箱フィードバックのみから目標のLangevin動力学を復元します。Dirichlet表現学習により、目標の無限小生成作用素の主要なスペクトル構造と投影ドリフトを推定し、スペクトル形式での動力学再構成や遅い多様体上の勾配場推定を行います。また有限標本でのSobolevノルムにおける保証も示し、分子シミュレーションや生成モデル、ニューラルネットワークの潜在表現の操作で有効性を検証しています。
注目点Dirichlet表現学習により偏った標本からLangevin動力学を復元し、有限標本のSobolev保証を与える点は新規性が高く、根拠も比較的充実している。影響範囲はやや限定的。
説明ニューロシンボリック予測器の自動形式化：LLMで文章の知識を論理制約に変換
要約ニューロシンボリック（NeSy）予測器は、事前知識を論理制約として神経ネットワークに組み込み、出力が指定条件を満たすようにします。本論文は、大規模言語モデルが文章で書かれた領域知識を使用可能な記号制約へ自動変換できるかを調べ、評価用ベンチマーク auto-nesy-bench を提案しています。結果として、生成された論理式は人間の専門家が与えたものにかなり近く、構文的に正しい場合は下流の予測も高品質になったと報告されています。
説明SuperMotion：テキスト駆動の人体動作編集向けソース保持型ノイズ除去手法
要約本論文は、テキスト指示に基づいて人体動作を編集するSuperMotionフレームワークを提案しています。各逆拡散ステップで元の動作を再利用し、学習された保持ゲートで融合することで、時間的な細部の劣化を抑えます。MotionFixで全プールR@1 33.20%を達成し、アブレーション実験で保持ゲートが性能向上の要因であることを確認しています。
説明FedMIX-P：連合学習で局所と全体の前処理行列を混合する視覚・言語モデル訓練手法
要約本論文は、連合学習においてクライアントごとの適応的前処理行列の幾何学的差異が更新を偏らせる問題に取り組み、各局所ステップで共有と局所の前処理行列を混合するFedMIX-Pを提案している。滑らかな非凸目標、確率的勾配、部分参加の条件下で O(R^{-1/2}) の定常性上界を示し、固定の正の混合では非定常点が保持されうる二クライアントの反例も示している。SOAP、Sophia、Muonなどを用いた視覚・言語タスクの実験では、60Mから350Mの言語モデルで精度と検証損失の改善が報告されている。
説明監査ルールは大規模言語モデルの要因説明の誠実さをどう左右するか
要約本論文は、大規模言語モデルが入力の各要因の影響を正直に報告するかを、限られた検証予算の下で検討しています。この相互作用を検証ゲームとして定式化し、報告内容に応じて監査が行われると、重要と報告された要因ほど検査されて推定ノイズで罰せられやすく、過小報告の誘因が生じることを示しています。報告に依存しない監査を用いると、この経路が除かれ、正直な報告が有利になります。反実仮想Brierスコア（CBS）で4つのNLPベンチマークを評価し、理論予測が合成エージェントと一致することを確認しています。
説明Decision Titan：オフライン強化学習における長期記憶のためのテスト時学習
要約本論文は、テスト時学習（TTT）の枠組みをオフライン強化学習に応用する可能性を検討し、Decision Transformer に TTT 層を加えた Decision Titan を提案しています。系列記憶を確かめるために設計された X-Maze 環境で性能を分析し、ゲート値の時間変化を可視化して記憶機構の学習過程を調べています。文脈窗の約 20 倍の長期依存を学習でき、訓練データの 1.7 倍の長さまで汎化するとされています。時間方向の汎化には使用する時間埋め込みが重要で、長期依存の学習能力は関連情報の符号化方法に左右されると報告されています。
説明VoxelSynth3D：解釈可能な3Dボリューム画像領域の金属アーチファクト低減法と合成ベンチマーク
要約術後の筋骨格CTでは金属アーチファクトがインプラントと周辺軟部組織の境界を不明瞭にします。本論文は、再構成済み3DCT画像に対して学習不要で動作するVoxelSynth3Dを提案します。支持マスク、正規化された組織合成、偏差ゲーティング、制限付きエッジ補正を組み合わせ、検出されたインプラント領域は保持したまま周囲組織の伪影を補正します。40の保留症例で、RMSEは801.48 HUから786.18 HUに低下し、全症例で改善が見られました。一方、金属近傍ではエッジ一致度が低下しました。
説明GAW-PO：勾配整合トークン重みによる選好最適化手法
要約本論文はGAW-POを提案します。これはDirect Preference Optimization（DPO）において、棄却された応答の各トークンを優先応答の勾配方向との整合性に基づいて重み付けする手法です。優先行動と整合するトークンへの負の寄与を弱め、対立するトークンには強いペナルティを残します。数学、推論、コード、質問応答にわたる11のベンチマークで、標準DPOより平均0.97ポイント、最強の比較手法より0.65ポイント高い性能を示しました。DPOの正則化パラメータβを下げると標準DPOは急速に劣化しますが、GAW-POは改善を続けました。
説明FedCKA：走行ドメインをまたぐ連合型3D認識のための表現誘導型レイヤー個人化手法
要約本論文は、時間帯・地域・天候などの領域変化に対して3D物体検出器が頑健であるべき課題を扱い、FedCKAを提案しています。学習中に中心化カーネルアライメント（CKA）を用いて、各クライアントのモデルと全体モデルの層ごとの特徴類似度を計算し、それに基づいて共有する層を選択します。nuScenesに基づく多領域ベンチマークでは、最強のベースラインより平均NDSが7ポイント向上したと報告されています。
説明事後学習における「シャープ化税」：強化学習による解けた問題の範囲の縮小について
要約本論文は、大規模言語モデルの強化学習による事後学習後の能力変化を検討しています。軽量な推論ハーネスを備えた事前学習モデルは、テスト時の予算が十分であれば、単発精度（pass@1）は低いものの、解答カバレッジ（pass@K）では事後学習モデルを上回る場合が多いと報告しています。著者はこの損失を測る「シャープ化税」という指標を提案し、さらに問題ごとの推定難度に応じてサンプリング温度を調整するPTGSという手法を示しています。
注目点事後学習によるテスト時スケーラビリティの損失を測るSharpening Taxを提案し、42事例と3つのエージェントベンチマークで検証しており、新規性と説得力がある。
説明MCRI：エージェントスキルを分析・評価する四次元フレームワーク
要約本論文は、エージェントのスキルを体系的に分析・評価するための四次元フレームワーク MCRI を提案し、大規模言語モデルに基づく評価手法 MCRI-Eval として実装しています。OpenClaw のスキルハブ上の公開スキル 63,812 件を対象に、BigCodeBench、BFCL-Fundamental、Mind2Web の三つのベンチマークで計 58,275 回のスキル条件付き実行を行いました。MCRI-Eval のスコアは地域社会での人気指標と正の相関を示し、比較した手法の中で下流の順位一致度が最も高く、三つのベンチマークすべてで上位一位のスキル選択も改善しました。
説明拡散モデル向けの学習型エンドツーエンド誘導スケジュール（LEEGS）
要約本論文は、確率的勾配降下法によって時間依存の誘導強度スケジュールを学習するLEEGS手法を提案し、少ないサンプリング回数で生成品質と条件の充足を両立させることを目指しています。学習時は誘導付きサンプリングの逆伝播コストを抑えるため、勾配の近似を用います。画像補完、ノイズ付き画像の逆問題、顔ID誘導生成、PDEの順問題・逆問題で評価され、同じ計算予算（50または100回のNFE）で基準手法を上回るか、一定の誘導と同等の結果を約10%のステップで達成したと報告されています。
説明VTR-Bench：動画生成における視覚テキスト描画を評価する体系的ベンチマーク
要約動画生成モデルは映像の品質が映画水準に近づいているが、既存の評価では画面内の文字が正しく描画されるかはあまり検証されていない。本論文は広告や科学動画など5つのシナリオにわたる300のプロンプトからなるベンチマーク「VTR-Bench」を提案し、文字の忠実性を自動評価パイプラインで測定する。11の最新モデルでの実験では、場面内の文字描画に広く困難があることが示され、最良モデルの総合単語誤り率（WER）は0.250だった。さらに、反復改善のためのキーフレーム誘導型エージェント枠組みも提示されている。
注目点動画生成で見過ごされてきた視覚テキスト描画を対象に、300プロンプトの体系的ベンチマークと11モデルの評価、キーフレーム誘導型フレームワークを示す。
説明OpenMTB-Audit：LLMベースの分子腫瘍ボード安全性評価における過剰拒否と臨床専門家の視点の検証
要約本論文は、500例の合成非小細胞肺がん症例からなるオープンソースのベンチマークOpenMTB-Auditを提案し、分子腫瘍ボードにおける大規模言語モデルの安全性判断を評価しています。結果として、評価対象の全モデルで部分的に裏付けられる症例が十分に保持されず過剰拒否が広く見られ、臨床的に妥当な推論ではなくラベルの崩壊によって総合安全スコアが高くなっていたと報告されています。著者らは証拠検証から棄権までを分担する決定論的7モジュールの枠組みMTB-AuditAgentを開発し、過剰拒否を6.7%に抑え、正解率91.2%を達成したとしています。
説明SALD：拡散モデルのための自己参照アドバンテージ学習。外部の教師ネットワークなしで同一モデルの二つのノイズレベルを使って学習する手法
要約本論文はSALDという学習フレームワークを提案します。同じ画像とキャプションのペアを、同一の拡散モデルで二つのノイズレベルにおいて評価します。ノイズの少ない側は勾配を計算せずに参照として使い、ノイズの多い側が学習勾配を与えます。二つの経路の誤差の差を用いて目的関数を調整し、その際に提案手法であるAGD、TAM、SADがそれぞれサンプル単位の重み、学習を通じた難易度の蓄積、周波数に基づく潜在要素の重みを構成します。外部の教師ネットワークや追加の学習可能パラメータ、推論手順の変更は不要です。複数のアーキテクチャとデータセットで生成品質の一貫した向上が示され、各構成要素の寄与はアブレーションで検証されています。
説明注意力残差Transformerにおけるルーティングエントロピーを不確実性信号とみなす検証
要約本論文は、注意力残差（AR）Transformerで各サンプルのルーティングエントロピーが、モデル自身の信頼度を超えて予測の正しさに関する情報を持つかを検証しています。CIFAR-10/100で一から学習したAR版Swin-TinyとDeiT-Smallの実験では、多重性補正後に有意な検定はなく、結果も別の乱数シードで再現されませんでした。著者は、これらの非検出は制御条件に依存する利得と推定量の回復の不完全さを示すもので、条件付きルーティング情報が存在しないことの証明ではないとしています。
説明ヘッド同士を通信させる：対角グラフ注意機構を超えて
要約本論文は、層理ニューラルネットワークにおける行列値の輸送写像を、クイバー表現を用いて多頭注意機構と結びつけて分析しています。標準の多頭注意機構は、対応する受信ヘッドへの対角的な経路しか持たないと指摘し、エッジに依存する異なるヘッド間の経路を学習するトポロジカル注意機構（Top-A）を提案しています。関係推論、異種グラフ学習、アルゴリズム推論などでの実験の結果、ヘッド間の輸送は相互作用に依存する変換を必要とするタスクで最も有効であり、異質性だけでは系統的な利点はないことが示されています。
説明モデル不要：テキストのエントロピー率フィルタリングによる反復ファインチューニング崩壊の緩和
要約本論文は、合成データで反復的にファインチューニングを行うと出力の多様性が狭まる「モデル崩壊」を扱っています。著者らは、モデルを一切使わず生テキストの一致長統計から計算するノンパラメトリックなKontoyiannisエントロピー率推定量h_kを、学習データのフィルタとして提案しています。Llama-3.1-8BでのQLoRAによる6世代の実験では、h_kフィルタリングがテキスト多様性の指標で、モデルの対数確率に依存する基準手法よりも優れた結果を示したと報告しています。
説明Q-SPT：低フレームレート音声トークン化のための学習可能なクエリ圧縮法
要約本論文は、音声言語モデル向けの離散表現を生成する低フレームレートの二重ストリーム音声トークナイザ Q-SPT を提案しています。意味ストリームと音響ストリームそれぞれに、文脈を考慮して学習される独立したクエリ型圧縮器を用い、自己回帰テキスト損失で意味圧縮器が言語情報を保持するよう監督します。実験では、同じフレームレートで比較対象のコーデックより高い再構成性能を示し、下流の音声言語モデルでは音声認識精度と音声合成の知覚品質で良好な結果を得ています。
説明WebArena-Lite における Web エージェント評価の監査：結果と行動軌跡の人手による検証
要約本論文は WebArena-Lite の全 165 タスクを人手で監査し、GPT 5.5 と未学習の Qwen3.5 9B モデルを六つの評価条件で比較しています。人手による確認により、自動評価器が見逃した成功例を修正し、軌跡中の最初の重大な誤りを特定しています。実行状態を明示的に保持する仕組み（MASM）と手順的な指示文（Guide Text）の効果も検討されています。最終スコアだけでは Web エージェントの挙動を十分に説明できないことが示されています。
説明ペルソナは残っているが、話しているのは誰か？永続型AIエージェントにおける潜在的アイデンティティの回帰
要約本論文は、常時稼働する個人向けAIエージェントが定期的な自動ハートビート確認の後、設定されたペルソナとして応答せず、基盤のハーネスであると名乗る現象を検討している。システムプロンプトでペルソナを継続的に固定した場合と、システムレベルでの再注入を外した対照実験を通じ、ペルソナの継続性はシステムレベルの固定と会話文脈の両方に依存することを示した。「表象されたアイデンティティ」と「実際に演じられるアイデンティティ」を区別し、人格情報が履歴に残っていても「私」として結びつくとは限らないと論じている。
説明多人数会話におけるあいづち（バックチャネル）予測：診断・ベンチマーク・性能の上限
要約本論文は、これまでほぼ一対一の会話で研究されてきたあいづち予測を、多人数の会議へと拡張する。AMIコーパス（AMI Corpus）に基づく多人数ベンチマークを構築した。一対一向けの既存モデルを会議音声にそのまま適用すると偶然水準の性能（AUROC 0.499）にとどまるが、凍結された音響特徴は依然として有用な情報を含み、再学習によって性能が向上することを示す。また、学習時に見た聴取者には効果がある聴取者条件付けが、未見の聴取者には効かないこと、そして話者の同一性情報とあいづちの手がかりが絡み合っていることを分析している。
説明FiVOS：対話型ビデオ物体セグメンテーションとフィルタ強化に基づく魚類セグメンテーション手法
要約本論文は、養殖における魚の行動監視のために、改良した対話型ビデオ物体セグメンテーション（IVOS）手法FiVOSを提案し、魚専用の2つのデータセットを構築しています。マスクブロックフィルタで伝播中の誤ったマスクブロックを早期に検出・修正し、ノイズフィルタを直列に用いて誤ったマスクノイズをさらに除去することで、頑健性を高めています。実験では、魚の動画セグメンテーションタスクにおいて最先端（SOTA）の性能を達成したと報告されています。
説明ALFRED：長期的な植物モニタリングのための、要求駆動で開発されたオープンソースのモバイルマニピュレータ
要約市販部品で組み立てたオープンソースの移動マニピュレータALFREDを紹介する論文です。同じ植物を繰り返し観測するため、耐久性、モジュール性、修理性、センシング範囲、航続時間、再現性の6つの要件に基づき4世代にわたって改良されました。直近3世代の分析では、アームの到達可能な姿勢のうち使用可能な割合が34.0%から66.1%へ上昇し、最終版のみフレーム搭載LiDARの前後の視界が遮られないことが示されています。1年間にわたり528回の森林調査を完了し、予定された収集を一度も逃していません。
説明ゼロフラックス：フローに基づく高次元離散分布の比較手法
要約本論文は、二つの高次元離散確率分布を比較するための「ゼロフラックス」基準を提案する。連続分布に対するフローマッチングの考え方を離散領域へ拡張し、局所確率フラックスに基づく差異尺度を定義している。独立結合の下では、両分布が同一である場合に限り、中点で全ての局所フラックスが消失することを示している。また、この推定量はサンプルから効率的に推定でき、有限サンプル誤差上界が与えられている。合成データと実データの実験により、疎な依存信号の検出と分布変化の追跡が安定して行えることが示されている。
説明二つ目のモデルはいつ役立つか：LLM検証における異なるモデル間のレビュー
要約本論文は、別のモデルによる二回目のレビューがいつ有効かを検討しています。30件の成果物に人為的に埋め込んだ150件の誤りを用い、10種類のレビュー条件、計900回のレビューセッションで、同一モデルによるレビューと異なるモデルによるレビューを比較しています。トップクラスの異モデルレビュアーは、新しいセッションでの同一モデルレビューとF1値に有意差がなく、両者が発見する誤りは一部のみ異なると報告されています。
説明LESS：数分で完了する軽量な進化的スーパーネット探索（ニューラルアーキテクチャ探索の手法）
要約本論文は、低コストなニューラルアーキテクチャ探索手法LESS（Lightweight Evolutionary Supernet Search）を提案します。短い公平なハードパスのウォームアップと、CMA-ESによる離散探索を組み合わせています。NAS-Bench-201では409.1秒でCIFAR-10のテスト精度93.189±0.467%を達成し、FairNASとの差は0.04ポイントで、探索時間は約1/24です。調整なしの固定設定でCIFAR-100、ImageNet16-120、より大きなDARTS空間にも転移でき、単一GPUで約43.5分の探索が完了します。
説明NextMe-800：数か月分の一人称視点動画から個人の行動を予測する研究
要約本論文は、ある志願者が126日間にわたって記録した約800時間の一人称視点データセット NextMe-800 を提案する。映像、視線、音声を含み、原子的な動作から主要な活動までの5つの抽象度レベルで注釈が付けられている。著者らは個人の行動予測を開放語彙のK段階系列予測として定式化し、複数人のデータセット EgoLife を組み合わせた1,500件のベンチマーク NextAct を構築して、異なる抽象度と予測期間でのモデルの性能を評価している。
説明分離可能なロジスティック回帰における安定端での遷移時間の厳密な上界と下界
要約本論文は、線形分離可能なデータに対して大きな定数ステップサイズで勾配降下法を用いるロジスティック回帰を研究する。このダイナミクスでは、損失が最初に振動したのち単調減少の安定段階へ移る「安定端（Edge of Stability）」現象が現れることがある。既存研究は次元d=2で η→∞ のとき Θ(1) の厳密な上界を与え、任意の次元でも η に依存しない上界を予想していた。本論文はこの予想を否定し、固定のサンプル数 n≥2 と十分小さなマージン γ に対して、最悪ケースの遷移時間が d≥2 によらず Θ((log η)^{min{n-2,d-2}}) になることを示す。
注目点既存の予想が成り立たないことを示し、ステップサイズに依存する厳密な遷移時間の上下界を与え、対応する困難事例も構成している。
説明事後分布の集中を踏まえた確率報酬型強化学習の再考
要約検証器を必要としない確率報酬による強化学習が、長い推論過程では信頼性を欠く問題を検討している。推論過程が長くなると、参照解答の条件付き確率が低分散の区間に集中し、報酬の差が見えにくくなることを指摘する。これに対応するため、不確実性を考慮したデータサンプリングと集中を考慮した正則化からなるRLCPRを提案し、七つのベンチマークのうち六つで最先端の基線を最大4.0%上回ったと報告している。
説明頑健な最大最小多様性選択のためのストリーミングアルゴリズム
要約本論文は、距離空間から k 個の点を選び、その最小ペア距離を最大化する多様性問題を扱います。この目的関数はノイズ点の影響を受けやすいため、外れ値を除外する頑健な定式化が既に提案されています。著者らは、既存のストリーミングアルゴリズムに、全データに対するオフライン計算が必要なこと、k 点未満しか返さない場合があること、外れ値除外の保証が確率的であることという三つの欠点があると指摘しています。本論文では、類似の内点・外れ値分離の仮定の下で、恒等的に k 個の内点を返し、近似比が (2+ε) である決定的なコアセット型アルゴリズムを提案します。メモリ使用量は広いパラメータ範囲で入力数 n に依存しません。
説明CLEAN：アーキテクチャ隔離による概念空間拡張下での心理測定的一貫性を保つ増分認知診断
要約本論文は知的教育における認知診断を扱い、新規項目が未知の概念を導入して概念空間が拡張される際、既存の増分モデルで過去の診断が忘却されてしまう問題を指摘します。著者らはCLEANフレームワークを提案し、過去の診断関数を凍結して直交列マスクで勾配干渉を遮断し、新概念には拡張可能な分岐を設けることで、過去の診断の不変性を構造的に保証します。三つの大規模教育データセットでの実験では、表現ドリフトはゼロで、旧項目の指標は静的基準と同一に保たれ、新項目では強力な継続学習ベースラインと同等以上の結果が示されています。
説明部署後の適応のために陳腐化した表現を再利用する
要約本論文は、長期間運用される深層ニューラルネットワークにおいて、タスク要件の変化により一部の出力が陳腐化する問題を扱います。提案手法 Deep Repurposing（DR）は、学習後に適用できる枠組みで、陳腐化領域と保持領域の潜在幾何を推定し、陳腐化を支える成分を除去したうえで、解析的な修復写像により保持タスクに適合する根拠を再配分します。勾配更新は不要です。分類ベンチマークでは、陳腐化した予測を除去しつつ保持精度を維持し、競合する手法より最大60倍速く適応できると報告されています。
説明不確実性誘導型の人間協調によるグリオーマ分割：少ない手作業で重大な構造誤りを修正
要約本論文は、脳グリオーマの自動セグメンテーションで生じる局所的な重大誤りに対し、テスト時拡張による不確実性と階層的トポロジーフィルタリングを組み合わせた人間協調型フレームワークを提案します。分布外の臨床テストコホート（N=362）で、模擬的な人間オラクルの下、全腫瘍のDiceは0.891から0.914、HD95は5.82mmから4.76mmに改善しました。腫瘍コアのHD95は17.96mmから14.83mmに低下しました。中央値の対話的作業量は対象体積の11.3%です。著者らは、現実の認知的負荷を含まない模擬的な上限であると明記しています。
説明個別化された健康診断結果の解釈と指導のためのマルチエージェントLLMフレームワーク
要約本論文は、健康診断結果を個別に解釈するためのマルチエージェント大規模言語モデルシステムを提案している。システムはユーザーの複数の意図を識別し、各意図に専用のエージェントを割り当てて並列に実行し、その出力を統合する。合成健康診断記録を用いた120件の韓国語複合クエリでの評価では、マルチエージェント版の加重スコアは1.695から1.797に向上した（p = 0.027）。改善は主に有用性、一貫性、複合クエリの各要件への対応にみられた一方、医療安全性には有意差がなく、重大な失敗率も近い水準であった。また、遅延とコストはそれぞれ1.31倍、2.02倍に増加した。
説明コードスイッチング音声の言語識別をマルチラベル集合予測として扱う研究
要約複数の言語を混ぜて話す音声（コードスイッチング音声）は、大規模音声コーパスの収集に使われる単一言語向け言語識別フィルタをすり抜けることがあり、本研究はこの問題に対応する言語識別手法を扱っています。発話に含まれる言語の集合を直接出力する生成モデルを提案し、原子的な言語ペアやスコアベースの分類を基準として比較しています。言語数が既知の場合のOracle Top-kが最も強い基準でしたが、単一の閾値ではコードスイッチング音声と単一言語音声を分けられないとされています。提案手法は未知の言語ペアで言語数を予測できる一方、完全一致の集合精度ではOracle Top-kに及ばないと報告されています。
説明ibUMAP：UMAP最適化のための一貫性と拡張性を備えた場評価手法
要約UMAPは確率的な負例サンプリングによって拡張可能なレイアウト最適化を実現しますが、サンプリング順序に依存するため、再実行ごとに埋め込み結果が不安定になることがあります。本論文では、同一の埋め込みスナップショットから引力と斥力を同期的に評価するibUMAPを提案し、補間ベースのFFT手法で重み付き斥力場を効率的に計算します。実験では、CPUとGPUで大幅な高速化と実行間の安定性向上が示される一方、局所と大域の忠実度の間に測定可能なトレードオフがあることが報告されています。
説明DRelay：全体ドラフト文脈を用いた、プレフィックス考慮型の並列投機的デコード修復手法
要約本論文は、大規模言語モデルの並列投機的デコード（speculative decoding）において、正しいトークンが候補集合にあっても初期の選択誤りにより後続の予測が使えず、受理されるプレフィックス長が制限される問題を扱います。提案手法DRelayは、ドラフトブロック全体の情報を用い、目標モデルによる検証の前に候補選択を選択的に修復します。八つのベンチマークで、DFlash、Domino、DSpark と比べて平均受理長とエンドツーエンドの復号性能が向上し、SGLang 上では平均のエンドツーエンド高速化率がそれぞれ 14.7%〜16.8%、8.7%〜9.3%、8.1%〜9.3% 改善したと報告されています。
説明無人機写真測量の高精度計測に対する処理パラメータの影響
要約本研究は、220ヘクタールの調査地で1.5年にわたり収集した10組のUAVデータに対し、768通りの処理条件を網羅的に評価し、8つの主要パラメータを分析した。最良の条件での三次元二乗平均平方根誤差（RMSE）は16ミリメートル、最悪の条件では303ミリメートルであった。影響が最も大きかった要因は、地上基準点の数、追加のカメラ校正補正の適用、およびカメラ投影中心の決定にPPK GNSS法を用いるかどうかであった。
説明MITRE ATLAS に沿った実行可能ルールと形式検証を備えた、決定的で監査可能な AI セキュリティリスク評価フレームワーク
要約本論文は、証拠に基づいて AI システムのセキュリティを評価するフレームワークを提案します。評価を決定的な判定関数として定式化し、結果を再現可能かつ監査可能にしています。工学的な成果物を統一された Control ID の分類に正規化し、固定版の MITRE ATLAS スナップショットに基づいて技術単位の実現可能性と影響度を出力します。評価器の有界性、全域性、順序的な意味の一貫性、単調性は形式的に検証されています。五つの公開オープンソース AI プロジェクトで評価した結果、観測可能な統制を強化すると実現可能性は全体として低下する一方、関連する中核的統制が欠けている場合には最悪ケースの残存実現可能性が残ることが示されました。
説明表形式基盤モデルを効率的な予測器へ蒸留する手法
要約表形式基盤モデル（TFM）は文脈内学習によって高い予測性能を示しますが、推論のたびにラベル付きデータを与える必要があり、コストが高くなります。本論文では、その予測能力をデータセット固有の軽量な生徒モデルへ蒸留する方法を検討し、教師の監督信号の作り方とクエリ範囲の拡大が有効かを分析します。提案手法は、学習データ全体を教師の文脈として用い、観測クエリと合成クエリに対する教師の予測のみで生徒を学習させます。TabArenaでは、調整・アンサンブルされた教師あり学習の生徒を57〜98 Elo点上回り、TALENTでも多くのデータセットで改善が見られ、推論は3.0〜21.6倍高速化されました。
注目点表形式基盤モデルを軽量な学生モデルへ蒸留する手法を示し、二つのベンチマークで教師あり学習の学生を大きく上回ったため、既存手法の実質的改良と言える。
説明MWOP：効率的なマルチモーダル大規模言語モデルのためのモダリティ認識型幅方向演算剪定手法
要約マルチモーダル大規模言語モデルは長い画像・テキスト系列を処理する際に推論コストが大きくなります。本論文は、各層のアテンションにおいて視覚から視覚、テキストから視覚、テキストからテキストの3つの経路を個別に剪定し、視覚入力とテキスト入力のフィードフォワード層のチャネルも別々に選択するMWOPを提案します。剪定基準には一次テイラー基準を用い、LoRAによる回復学習を行います。LLaVA-OneVision-7Bでは、MWOP単独で預充填を1.6倍高速化し、12のベンチマークで平均99.7%の性能を維持しました。
注目点同一アテンションヘッド内でV2V・T2V・T2Tの経路を分けて剪定し、視覚とテキストで別々にFFNを選ぶ細粒度化で、12ベンチマークによる検証がある。
説明第一原理からの相場モデル学習：分子動力学と機械学習で介観スケールの組織形成をシミュレーションする手法
要約本論文は、分子動力学をMori-Zwanzig射影により種濃度場へ投影して介観方程式を導出し、その中で未決定となる非局所自由エネルギーと易動度をニューラルネットワークで表現する枠組みを提案している。学習データには第一原理精度の機械学習原子間ポテンシャルで生成した短い分子動力学軌跡を用いる。鉄ホウ素融体と惑星条件下の水素ヘリウム混合物に適用している。
注目点Mori-Zwanzigの射影で分子動力学から介観的な相場方程式を導き、ニューラルネットで非局所自由エネルギーと移動度を学習する点が新しい。鉄ホウ素と水素ヘリウムの二系で検証しているが、比較の詳細は限定的。
説明汎化は正確さではなく安定性である：LLMの多軸評価
要約本論文は、大規模言語モデル（LLM）の汎化能力を、全体的な正解率ではなく、同じ入力を異なる表現で与えたときの出力の一貫性と意味的安定性で評価すべきだと論じています。著者らは、生成の一貫性、内部活性、確信度、応答のミラーリングなど複数の観点からモデルの挙動の変化を測る枠組み SAGO（Stability-Aware Generalization Objective、安定性を考慮した汎化目標）を提案しています。その結果、よく使われるモデルの多くに統計的に有意で一貫した汎化の不安定性が見られ、各評価軸は独立した失敗モードを捉え、データセットによって結果が変わるとモデルの順位が入れ替わることがあると報告しています。
説明SHAMS：レバント・アラビア語向けの音声対応発音ベンチマーク
要約本論文は、公開音声コーパスから選ばれた1,300発話からなるベンチマーク SHAMS を提案します。五つのレバント・アラビア語変種（パレスチナの都市部・農村部、ヨルダンの都市部、レバノン、シリアの都市部）をほぼ均等に含みます。各発話は音声、無母音表記、母音記号付きテキスト、音声転写の四つの対応する層で表されます。著者らは複数のタスクで既存のモデルを評価し、ベンチマークを公開しています。
説明最短時間勾配流（Least-time Gradient Flow）：リスクの低下速度を指定して最適化する手法の研究
要約本論文は、リスク値が事前に指定した速度で減少するような勾配流の力学を提案し、損失の地形には依存しないことを示します。ゼロリスクに到達するまでの時間を最短にする問題を、正則化を加えて適切な問題にし、最適解が存在し一意であり、線形にスケールされたサイクロイドであることを証明しています。さらにゼロリスク付近での最適な減少率の振る舞いを示しています。
説明訓練と検証の差はなぜ生じるのか：事前学習済みバックボーンにおける更新圧力密度のダイナミクス
要約本論文は、事前学習済みモデルを適応させる過程で、訓練データと検証データの性能差が時間とともに広がる仕組みを動的な構造的観点から説明します。継続的な学習により、広く再利用可能な特徴から、汎化の弱い狭い特徴へと更新の需要が移ることを提案しています。制御されたシミュレーション、自然言語処理（RoBERTa、DeBERTa、Qwen）および視覚（ResNet-18）の実験で、この説明が概ね裏付けられたと報告しています。
説明SpikeMoE：脳にヒントを得た競合型ルーティングによる柔軟なスパイキング混合エキスパートモデル
要約本論文は、海馬CA1領域の競合抑制に着想を得た、スパイク数に基づいてTop-Kのエキスパートを選ぶスパイクベースのk-WTAルーターを提案します。これを土台にSpikeMoEを構築し、ニューロン規模のスパイキング動態とモデル規模のエキスパート選択を統合しています。さらに、欠損モダリティに対応する二段階のモジュールも備えています。視覚、言語、マルチモーダルのベンチマークで、SNNベースラインを上回り、ANNと同等以上の性能を示したと報告されています。
説明記憶を超えて：明示的な信念状態で長期タスクのエージェントを活用
要約本論文は、大規模言語モデル（LLM）エージェントの推論時に、明示的な信念状態を構築・継続的に維持するPoSフレームワークを提案しています。信念は現在の世界状態の推定と未解決のタスク要件を組み合わせ、一貫性の検証と進捗監視によって「信念トラップ」を検出し、その種類に応じて回復を行います。四つのベンチマークで、三種類のLLMのいずれでもPoSが最高の総合性能を示しました。
説明最適輸送と強化学習：サーベイ
要約本論文は、強化学習の目的関数やアルゴリズムにおける最適輸送（OT）の利用をまとめたサーベイです。確率質量をある分布から別の分布へ移動させるコストで分布を比較する手法であり、分布の重なりが弱い場合に一般的なダイバージェンスより有効とされます。各手法について、OTの役割、比較対象の分布、用いられるOTの定式化、時間構造の扱いを整理し、コスト設計や計算上の課題、未解決の問題にも触れています。
説明事前学習済み物体検出器向けの位置推定を考慮した不確実性推定
要約本論文は、基礎となる検出器を凍結したまま、各検出枠の位置推定が信頼できないかを学習する軽量な事後型エビデンシャルメタモデルを提案します。顕著性に基づく画像改変により、徐々に難しくなる学習カリキュラムを構成し、位置誤差、改変の度合い、予測の不安定性を学習目標として用います。検出器の変更は不要で、元の位置推定結果も保持されると述べられています。複数の敵対的攻撃の下で、TP-FP AUROCは場合によって最強の比較手法に対し22%向上し、分布内の検出性能も維持されたと報告されています。
説明対照的軌道反発によるより滑らかなフローマッチング（CoFlow）
要約本論文は、フローマッチング（Flow Matching）において生成軌道が交差する問題に着目し、交差点が速度場の局所Lipschitz定数を大きくして、ニューラルネットワークの学習と少ステップ推論での数値積分誤差を悪化させると論じています。著者らは学習中に対照学習の考え方を取り入れたCoFlowを提案し、確率微分方程式の視点から反発ドリフト項を加えて、正例の軌道を負例の軌道から遠ざけます。ImageNet 256x256での実験では、20ステップなどの少ステップ推論において、標準的なフローマッチングと比べてFIDが大きく低下し、学習コストは増えないと報告されています。
説明対照的アテンションによるスパイキングTransformerのスペクトルバイアス緩和
要約本論文は、スパイキングニューロンとスパイキング自己注意（SSA）がいずれもローパスフィルタのように働き、高周波成分が失われることを多重スケールのスペクトル解析で示しています。これを解決するため、全体的な対照的集約と局所的な差分の精緻化により高周波情報を強調するスパイキング対照的注意（SCA）を提案しています。画像分類、意味的セグメンテーション、イベントベース追跡で性能を向上させ、元のSSAより計算量も少ないと報告しています。
説明近接方策最適化（PPO）における過去サンプルの再利用：いつ、どのように有効か？
要約本論文は、強化学習のPPO（近接方策最適化）で過去のサンプルを再利用する効果を検証する。多重重要度重み付けの枠組みで、直近数回の反復のサンプルのみを再利用する二つの変種wPPO-UとwPPO-BHを構築した。両者について方策改善の下界を導出し、連続制御タスクで、データ再利用がいつどのようにサンプル効率や最終性能を向上させるかを実験的に分析している。
説明AF-Muon：共有埋め込みモデル向けのAdamW不要Muonオプティマイザ
要約本論文は、AdamWを使わないMuonオプティマイザの拡張であるAF-Muonを提案する。隠れ重み行列にはMuonの行列更新を維持し、共有語彙テーブルには有限上限を持つ支持認識型の線形最小化オラクルを、一次元の補助パラメータにはRMS正規化更新を用いる。9つの共有トークン設定での実験では、平均検証損失とパープレキシティがHybrid MuonおよびSCION式のSign手法を上回った。オプティマイザ状態のメモリは約20%削減され、学習時のステップ時間の増加は約1%である。
説明大規模言語モデルを用いた、オントロジー間の型付き意味リンクの発見とオントロジーネットワーク構築
要約本論文は、オントロジー間の域内・域間の関係を自動的に発見して生成するエンドツーエンドの枠組みを提案している。ドメイン適応したDistilBERTの埋め込み、クラスタリングによる事前絞り込み、GPT-4oによる関係生成を組み合わせる。33のオントロジーからなるReproduceMeONに適用し、約80万の概念対を9.5万の候補に絞り込んだ。専門家による429件の検証で総合精度は80.19%、F1は0.890であり、最良の類似度ベースラインのF1は0.581であった。
説明AiSearch：視覚言語モデルを用いた対話型マルチモーダル検索
要約本論文は、視覚言語モデル（VLM）のゼロショット能力を活用し、画像や動画を自然言語で検索できるマルチモーダル検索フレームワーク「AiSearch」を提案している。ユーザーのフィードバックによって検索結果を対話的に絞り込み、利用者の意図に合わせられる。また、複数のVLMを視覚的に比較でき、タスクに適したモデルを選べるようになっている。
説明実世界の自己運動による音源定位の教師あり学習
要約本研究は、自己運動（エゴモーション）を教師信号として用いて両耳音源定位を学習する手法を提案しています。映像の中でカメラが動くと、音源の方向もカメラから見て変化します。モデルは、多視点幾何学の従来手法で得られるカメラ運動の視覚的推定と整合する音の方向を予測するよう学習されます。この弱いながら豊富な教師信号は、従来の両耳手がかりと組み合わされます。また、自己運動を含む実世界の視聴覚動画データセットが提案され、モデルが実データから学習し音源定位タスクで良好に動作することが示されています。
説明潜在一貫性による頑健な証拠学習
要約本論文は、証拠的深層学習の頑健性を高める軽量で課題非依存の事後処理手法CLEARを提案します。再学習や基本予測の変更は不要です。検証用データを用いてモデルの潜在空間の分組構造を特徴づけ、推論時に潜在空間で摂動ビューを生成して予測グループとの矛盾を測定し、根拠の乏しい証拠の強度を選択的に下げます。ImageNet→CUBでは、OODおよび敵対的入力のAUROCがそれぞれ8.29、5.01向上し、競合する事後処理手法より17.4倍高速で、分類・回帰・物体検出でも予測性能を維持したと報告されています。
説明PRISM：圏論に基づくマルチモーダル類推の測定と改良の枠組み
要約本論文はPRISMという枠組みを提案し、圏論に基づく関係写像で類推を表し、「プルバック・スコア」で生成結果の関係的整合性を測定します。AnaloBenchでは、このスコアのみで正しい類推を選んだ場合の正解率は82.5%でした。さらに反復的な修正ループで画像を関係の深さが増すよう改良し、人間の評価では洗練後の出力が57.65%の対比較で選ばれました。ただし著者は、改良が視覚的に混み合った構図を好む傾向があることも指摘しています。
説明ガチャ・デコーディング：指示追従による多様な生成手法
要約本論文は、言語モデルの多様な出力を引き出すための推論時手法「Gacha Decoding」を提案しています。モデルの指示追従能力が高まるほど多様性も向上するとされます。雑談、創作、画像生成の計画、タンパク質設計などの自由記述的な領域で、既存手法より高い多様性を、同等の品質のもとで示したと報告しています。中心的な考え方は、多様性を指示追従の問題として扱い、外部の乱数ツールと組み合わせる点です。
注目点指示追従と外部乱数を組み合わせて多様性を得る新しい発想で、複数の自由生成領域で少ないサンプルにより多くの高品質モードを示している。
説明SupraTITO：超分子系向けの転移可能な生成的分子動力学
要約本論文は、超分子系のための転移可能な生成的分子動力学（GenMD）フレームワーク SupraTITO を提案し、ペプチドの自己組織化を例に示しています。モデルはペプチド配列、分子トポロジー、周期的幾何構造を条件として暗黙的転移演算子を学習し、MD の積分ステップよりはるかに長い物理時間にわたって配置を伝播させます。二ペプチドのベンチマークでは、学習に含まれない配列への汎化を示し、長い推論でも分子の完全性を保ちました。同じ軌道データで学習した直接的なアンサンブル予測と比べ、組織化構造をより正確に再現し、その時間変化も捉えています。
説明行動帰属の前に生成由来を確認する：合成音声研究対象の監査
要約本論文は、合成音声サンプルの元仕様、生成内容、波形、ラベル、事実要件、品質信号、レビュー履歴、マニフェスト識別子を結び付ける生成由来（プロヴナンス）の枠組みを提案しています。非公開の日本語介護引き継ぎパイプラインを事例として、113件の資産（合成音声約1.552時間）を監査しています。著者らは、由来の確認は訓練データの因果的寄与を判断する必要条件だが十分条件ではなく、凍結された学習実行と介入または影響の証拠が別途必要だと論じています。
説明反事実的公平性を持つ因果ロジスティック・バンディットにおける極小最適後悔
要約本論文は、学習者が事実上の報酬しか観測できない条件で、反事実的公平性制約付きの因果ロジスティック・バンディット問題を研究する。ある種のカバレッジ条件が必要であることを示し、弱い満ランク条件のもとで情報尺度V⋆を定義して下界と上界を与える。両者は対数因子を除き、T、V⋆、min{log K,d}に関する主要項で一致する。
説明アクション・オン・アイテム選好フロー：予測型と生成型のパーソナライズに共通するイベント表現
要約本論文は、映画・ニュース・対話など異なる種類の利用者履歴を、動作の役割と内容埋め込みを組み合わせた共通のイベント表現で扱い、同じ更新機構を再利用する手法を提案している。PENS データセットでは次のニュース予測と個別化見出し生成の両方に同じ履歴エンコーダを用いている。PENS から MovieLens への転移実験では、凍結したソース学習コアが同構造のランダムコアを MRR で 15.23 ポイント上回ったと報告している。
説明計画のための通勤時間保存型世界モデルの学習
要約本論文は、エージェントが潜在空間で目標状態への距離を最も縮める行動列を選べるよう、通勤時間保存型世界モデル（CTWM）を提案している。既存の自己教師あり手法は表現の崩壊を防ぐために等方的な表現を促すため、グラフラプラシアンのスペクトル埋め込みに必要な固有値依存のスケーリングを損ない、通勤時間の表現が不正確になると指摘している。CTWMは潜在変位予測器と崩壊を防ぐ対数行列式正則化を組み合わせ、可逆かつ決定的な力学の下で正しくスケールされた表現を理論上復元する。数値実験では、タスク非依存のベースラインLeWMと同等以上の性能を、パラメータ数半分で示した。
説明冗長性から最小性へ：不動点に導かれた学習済み区分線形力学の階層的縮約
要約本論文は、時系列から非線形力学系を学習する際に、ReLU非線形性を一部のユニットだけに持たせる区分線形RNN（AL-RNN）を扱います。ReLUユニットの多い網を先に学習し、一部を段階的に線形化して線形領域と遷移グラフを統合し、親モデルのパラメータから初期化して再学習する手法を提案しています。3-scroll Chua系では、直接学習の約20%に対し、最終的な非線形容量を同じにしたまま約71%の種で成功率が向上したと報告しています。
説明LLMによるマルチエージェント制御：スキルベース智能製造の研究
要約本論文は、各工場モジュールにLLMベースのエージェントとOPC UAでスキルを公開するMCPツールサーバーを組み合わせる手法を提案し、エージェント同士はMQTTで連携し、工場の実時間状態を反映します。六モジュールの六角形工場のシミュレーションで、三つのエージェント構成を九つの生産課題で比較しました。単一構成と非中央集権型が平均93%の解決率を示し、オーケストレーター型は全十回で無音のコンベア故障を解決しました。
説明多層ネットワークのコミュニティ検出のための次数補正付き同時行列分解
要約本論文は、多層ネットワークにおけるコミュニティ検出を対象に、同時非負対称行列三因子分解に基づく手法を提案しています。各層のグラフを非負対称行列の三因子分解で近似し、因子行列に制約を課すことで、コミュニティは互いに重ならず各層で共有される一方、各層は独自の接続パターンと節点次数を持てるようにしています。効率的に解くアルゴリズムも開発されています。多層次数補正確率的ブロックモデル（MDCBM）で生成したグラフを用いて評価した結果、多様な条件下で信頼性高くコミュニティを検出できたと報告されています。既存手法は厳しい構造的仮定に制約されることが多いとされています。
説明Fold'EM：クライオ電子顕微鏡の粒子像から原子構造を直接推定する手法
要約本論文はFold'EMという推論時フレームワークを提案しています。タンパク質生成モデルの事前情報を、クライオ電子顕微鏡の単粒子像と直接組み合わせ、少数の粒子像から原子モデルを決定します。中間の密度マップ再構成と後続のモデル構築は行いません。合成データと実験データの両方で、粒子の向きが既知の場合も、向きと構造を同時に推定する場合も正確な原子構造が得られたと報告されています。不均一なデータでは、混合した粒子群から異なる立体配座状態を区別できたとされています。
注目点タンパク質生成モデルの事前分布をクライオ電子顕微鏡の粒子画像と直接組み合わせ、中間の密度再構成を経ずに原子構造を推定する点が新しく、合成・実験データで検証されている。
説明複数の漸近安定平衡点をもつ系のためのポート・ハミルトニアンニューラルネットワーク
要約安定なポート・ハミルトニアンニューラルネットワークは構造上、漸近安定性を保証するが、そのハミルトニアンは単一の大域最小値をもつ大域リャプノフ関数であるため、一つの吸引子をもつ系しか表現できない。本論文は、一つの入力凸ネットワークから生成されるBregman発散の積としてハミルトニアンを表し、二重井戸型のエネルギー地形をもつ系も扱えるようにする。モデルが局所リャプノフ安定であることを証明し、三つの系で、エネルギー曲面の特徴を復元し収束速度を1.8〜8.5倍に改善したと報告している。
説明離散ワッサースタイン流：一段階生成モデリングのための離散ドリフト手法
要約本論文は、有限状態空間における一段階生成モデリングの新しい枠組みを提案し、ドリフト手法を連続領域から離散領域へ拡張します。離散ワッサースタイン幾何を用い、可逆マルコフ核の遷移上でターゲット相対的なKL勾配流を定義し、マルコフジャンプによって粒子レベルで実現します。学習時の反復的な更新は潜在変数条件付き生成器に償却され、推論は一段階のままです。分布と輸送ダイナミクスを厳密に計算できる制御された設定で、KL散逸と数値スケーリングを検証し、有限容量のニューラル生成器がこの厳密な輸送目標を追跡できることを示しています。
説明AI生成の学術文は人間の論証パターンに従うのか？CARSモデルによる研究論文序論の比較
要約本論文はSwalesのCARSモデルを用いて論文序論の修辞構造を分析し、出版済みの言語学論文の原文序論と、同じ論文をもとに大規模言語モデルが生成した序論を比較している。人間が書いた序論は用いる論証の段階とその順序がより柔軟である一方、生成された序論はより画一的であることが分かった。モデルにCARSの定義を与えると、構造はむしろ硬直化するという。
説明MMVistaReason：マルチモーダル推論のためのオープンデータと後学習手法
要約本論文はMMVistaReason（MVR）を提案し、分析的推論と実世界推論の能力範囲を広げ、MVR-SFT-528KおよびMVR-RL-63Kという学習データを効率的に構築し、強化学習の専門家を個別に訓練して多教師オンポリシー蒸馏で統合する後学習手法を示している。15のマルチモーダルベンチマークで、4Bモデルは平均72.8点を獲得し、MMFineReason-8Bを上回った。9Bモデルでは平均74.4点に向上し、MMFineReasonより約70%少ないサンプル数で学習している。
説明ARCCS：自動化された法令遵守チェックシステム
要約本論文は、対象文書が規制上の義務を満たしているかを判定する、エンドツーエンドの自動化された法律NLPシステムARCCSを提案しています。規制文を追跡可能な原子的要件に分解し、検索された証拠、信頼度スコア、人が理解できる根拠を用いて文書を評価します。GDPRの方針文書の評価では、LLMベースの審査者が判断と根拠の法的・証拠的整合性を最大96.67%のケースで認めました。EU公共調達のベンチマーク（1,200件超のルール検査）では、違反検出の正解率が98.8%でした。
説明多インパルス惑星間遷移のための到達可能性情報付き強化学習
要約本論文は、決定論的な多インパルス惑星間遷移の軌道設計に向けた到達可能性解析情報付き強化学習（RARL）を提案する。方策は一次の到達可能性マップから得られる楕円体集合の中で中間経由点を選び、Lambert再構成によりその点への機動を求める。地球-火星の二体ベンチマークでは、3回の独立学習の平均機動コストは10.23 km/sで、検証済みの局所逐次凸計画法の参照値より1.72%高い。多状態方策は保留された10,000回のモンテカルロ出発条件すべてでインパルス上限を超えず、単一状態方策の平均実現可能率は6.49%であった。
説明分類モデルを用いたロバストな非先見型スケジューリング
要約本論文は、各ジョブの処理時間が完了まで不明な非先見型の設定で、全ジョブの完了時刻の総和を最小化する単一機械スケジューリング問題を扱う。分類器の混同行列を用いて不確実性を各予測クラス内の順列の集合として表現し、3つのロバスト基準に対して最適な非適応戦略を提案する。さらに、行列が特定の構造を持つ場合には、適応型および乱択アルゴリズムがこの非適応戦略より優れうることを示している。
説明CLASP：単一のハイパーネットワークで空間的に配置された概念の継続的低ランクアダプタを学習する手法
要約テキストから画像を生成する拡散モデルを継続的にパーソナライズする手法を提案する論文である。固定サイズの一つのハイパーネットワークが、凍結されたモデルに対して概念ごとの適応を動的に生成し、既に学習した概念を保持する。さらに、個人化した概念を画像内のどこに出現させるかを空間的に指定できる仕組みを組み込んでいる。実験では既存の学習済み概念の保持と空間的な位置指定が良好で、長い系列のタスクにも効果的に拡張できると報告されている。
説明部門横断型危機管理オントロジー：コアモジュールと公衆衛生モジュール
要約本論文は、欧州危機管理オントロジー（ECMO、OWLベース）を提案しています。災害リスク低減と対応のための部門横断的な参照枠組みで、危険・事象・曝露・影響・対応措置などの基本概念を定義するコアモジュールと、SNOMED CTおよびICD-11に整合した公衆衛生モジュールから構成されます。著者らは、欧州委員会共同研究センターの開放情報源による疫学情報システムのデータをECMOで表現し、知識グラフを生成しました。初期結果では、知識表現の一貫性と統合に有用であることが示されています。
説明縦断的臨床記録に対するLLM質問応答における生物医学的再順位付けの評価
要約本論文は、長期にわたる臨床記録に対して患者固有の質問応答を行う際、生物医学的再順位付けが根拠の検索と回答品質を改善するかを検証しています。ローカルに展開した検索拡張生成パイプラインで、PubMedBERTによる密ベクトル検索、BM25、重み付き相互順位融合、MedCPTのクロスエンコーダによる再順位付けを組み合わせました。減量手術患者200名の1,000組の質疑応答で評価したところ、上位10件のHit@10は46.6%から60.6%に向上しましたが、回答の正確さは44.8%から48.6%の上昇にとどまり、検索の改善が回答の改善に比例しないことが示されました。
説明TRACE：多ターン安全性のための軌道リターン帰属と対照的消去手法
要約安全整合された大規模言語モデルは、単一ターンでは有害な要求を拒否しても、同じ目的を複数ターンに分散させると応じてしまうことがあると指摘しています。論文は、単一ターンの文脈での抑制が多ターン軌道のリスクを抑える条件を示し、それに基づく語彙レベルの学習目的TRACEを提案しています。5つのオープンウェイトモデルと7種類の多ターン攻撃による評価で、TRACEは35のモデルと攻撃の組み合わせすべてで最も低い攻撃成功率を示し、MMLUとHellaSwagにおけるモデル性能の低下は最大1.23ポイントでした。
説明Clifford層ニューラルネットワーク：幾何グラフに対する同変モデル
要約本論文は、セル層（cellular sheaf）の各ステークにClifford代数を置き、辺に沿って多重ベクトル特徴を輸送する同変ニューラルネットワーク（CSNN）を提案しています。制限写像として、版子共役の代わりにK項サンドイッチ形式を採用し、得られる層ラプラシアンは構成上半正定値で、異なる次数の混合も行えます。著者はこの写像族を、結合する次数、到達できる自己準同型空間の範囲、条件数の三つの観点から特徴づけ、項数が表現力を決めることを示しています。
説明ProtoFlow：プロトタイプ事前分布を用いたフローマッチングによる多変量時系列予測
要約本論文は、多変量時系列予測のためのProtoFlow（プロトタイプ事前分布付きフローマッチング）という枠組みを提案している。まずベクトル量子化オートエンコーダで系列を離散潜在表現に変換し、学習済みのコードブックから構造化された事前分布を作る。次にDiTベースの整流フローで、その事前分布から歴史的観測に条件づけられた将来の潜在表現へ写像を学習する。著者らは、この手法が自己回帰的生成の学習と推論のずれを避け、学習の収束を速めると述べ、ベンチマークデータセットで優れた予測性能と効率的な推論を示したとしている。
説明拡散モデルにおける特徴選択的モデル崩壊：全置換と固定予算訓練の比較
要約本論文は、合成データで拡散モデルを繰り返し学習させた際に生じるモデル崩壊を検討しています。合成データによる実データの全置換と、過去データをすべて保持しつつ各世代で一定量のサンプルのみで学習する方式を比較しています。2次元螺旋データセットおよびMNIST、Fashion-MNIST、CIFAR-10での実験では、固定予算方式では劣化が部分的にとどまり、一部の特徴が保持されることが示されています。
説明予測補助型ニューラルアーキテクチャ探索（PPNAS）：少数の性能ラベルと大量のゼロコスト代理情報を組み合わせる手法
要約本論文は、ニューラルアーキテクチャ探索（NAS）において、性能ラベルは得にくい一方でゼロコスト代理（ZCP）は安価だがノイズがあるという課題を扱います。提案手法PPNAS（prediction-powered inference を用いる）は、性能が観測された少数のアーキテクチャと、ZCP情報のみを持つ多数のアーキテクチャを統合します。ZCPの順序情報から追加の順位付け監督を作り、ZCPと実性能の順位の系統的なずれをPPIで補正します。著者らは、限られた評価予算の下で予測器ベースNASにおいて最先端の結果が得られたと報告しています。
説明投票で勝つのは何か？フランス語Compar:IA LLMアリーナにおける書式・長さ・語彙の多様性
要約本研究は、2026年7月のCompar:IA公開データに含まれる137,293件のフランス語対戦投票を分析し、回答の書式、長さ、読みやすさ、語彙の多様性などと勝利との関係を検討しています。太字の使用と語彙多様性（MATTR）の関連は、各モデル設定で最も変化が少なかったと報告されています。一方で、表示形式と長さは同時に現れやすく、個別の寄与を切り分けることは困難です。著者らは、外部ベンチマークでは調整後のランキングが能力をより正しく測るとは示されなかったため、元のランキングと調整後のランキングを並べて公表することを推奨しています。
説明EP-Flow：サイトレベルの注釈なしで無秩序結晶構造を予測する手法
要約本論文は、化学式のみを入力として無秩序結晶構造を予測するEP-Flowという手法を提案している。置換混合、空孔、格子間占有などを含む結晶を占有分布行列で統一的に表現し、エントロピー制約付きフローマッチングによって占有、分数座標、格子定数を同時に生成する。COD・MPDSに基づくベンチマークにおいて、改変した秩序結晶生成モデルを大きく上回る性能を示したと報告されている。
説明ARROW：実世界における任意の4D観測の再構成と追跡（任意の画像集合から3D再構成と3D点追跡を同時に行う手法の紹介）
要約本論文は、任意の画像集合から3D再構成と3D点追跡を統一的に行うフィードフォワード型モデルARROWを提案している。中核は、入力の順序に依存しないクエリ手法で、任意の入力にある観測とクエリを対応付けられる。学習時により多様な入力集合を用いると性能が向上し、多視点追跡などへの汎化も可能だと報告している。WorldTrackとTAPVid-3Dで3D追跡の新たな最高性能を示し、コードと重みは公開されている。
注目点順序不変のクエリ手法で3D再構成と点追跡を統一し、WorldTrackとTAPVid-3Dで新たな最高水準を示した。
説明DAYJOB：長期的な専門業務のためのベンチマーク
要約本論文は、医療（50件）と金融（80件）の専門家が作成した130件のタスクからなるベンチマーク「DAYJOB」を提案しています。推定所要時間は医療で平均13.6時間、金融で16.6時間です。各タスクは専門家が作成した二値の評価基準で判定され、すべての基準を満たした場合のみ合格となります。最良のモデルでも合格率は約24%にとどまり、多くの構成では極めて低い結果でした。さらに、エージェントが記録と矛盾する前提を受け入れ、誤った入力を後続の分析にそのまま持ち込む事例が報告されています。
注目点医療と金融の計130タスクからなる長期的専門業務の新ベンチマークを提案し、30のモデル構成を体系的に評価し事例分析も行っている。
説明モバイルネットワーク上のLLM向け連合学習：RAN伝送における課題と解決策
要約本論文は、連合LLMのファインチューニングがネットワーク端で締切に敏感な周期的通信負荷を生むことを指摘します。従来の伝送網は非同期なデバイス更新を独立したフローとして扱うため、資源を効率よく割り当てにくいとしています。著者らは、RANが学習を意識したトラフィック整形器として働き、gNBでの網内集約により転送回数を減らし、集約転送の間だけ光接続を動的に確保する構成を提案しています。
説明STAGE：テキストから3Dモデルへの部分空間指向アフィン概念消去手法
要約本論文は、テキストから3Dを生成するネイティブモデルで特定の概念（形状、素材、物体など）を消去するための、学習不要の閉形式フレームワークSTAGEを提案しています。編集は、消去対象と安全なアンカーの埋め込みの差分が張る低次元部分空間に限定され、概念の種類に応じて構造段階、外観段階、またはその両方に適用されます。標準的なオープンモデルTRELLISでの15概念の実験では、総合スコアが66.7で、最も強い適応済みベースラインの53.2を上回りました。
