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。
説明経験とデモンストレーションによる6自由度把持合成の継続学習
要約本論文は、雑然としたシーンで平行グリッパーが単一視点から6自由度の把持を合成するための継続学習フレームワークを提案する。大規模なパラメトリックモデルを微調整する代わりに、学習された埋め込み空間上のメモリを通じて適応し、把持結果が将来の把持スコアを更新し、任意のユーザーデモンストレーションを呼び出して新しいシーンへ候補把持として転移する。シミュレーションと1500回以上の実機把持試験で評価されている。
注目点埋め込み空間のメモリで把持を継続学習し大規模モデルの微調整を避ける方式を、1500回超の実機試行で検証しており、分野内で有用である。
説明アンケート誘導型の家庭用スマートメーターデータによる家電別電力使用量の分解手法
要約本論文は、アイルランドの家庭用スマートメーターが記録する30分間隔の電力データを、ラベル不要のシステムで9種類の家電カテゴリーに分解する手法を提案しています。高出力負荷のイベント検出とアンケートに基づく推定を組み合わせています。複数のデータセットで、独立に開発された2つの分解システムと比較し、全建物で全体の分解誤差が最も小さく、54の対応する月で月単位の性能も優れていたと報告されています。
説明ITC-MoE：MoE拡散言語モデル向けの重要度誘導型トークン認識圧縮手法
要約本論文は、混合専門家（MoE）拡散言語モデルのパラメータ数が多く計算・保存コストが高いという課題に対し、ITC-MoEという圧縮フレームワークを提案しています。重要度を考慮した適応的Tucker圧縮で固定パラメータ予算の下に各モードのランクを割り当て、トークン認識型の補償・ルーティングで頻出トークンには低ランク補償を、偏ったルーティングの低頻度トークンには候補専門家を制限します。原文によれば、SDAR-30B-A3B-Chat-b32で30%の圧縮予算のもとMultiArithの精度96.33%を維持し、エンドツーエンドで最大7.22倍の高速化を達成しています。
説明報酬誘導によるワンステップ影除去拡散モデル（ODDR）
要約本論文は、実世界のペア画像を用いずに影を除去するフレームワークODDRを提案しています。まず合成影データで学習したワンステップ拡散ベースラインODDを構築し、人手の注釈を使わずに学習した報酬モデルShadowRewardで微調整して、合成データと実データの領域差を縮めます。実験では、ODDが実データの教師あり手法に近い性能を示し、ODDRはさらに結果を改善したと報告されています。
説明VLM誘導・学習不要の深度基盤モデルによる4D再構成（Dyna3）
要約本論文は、微調整を行わずに深度基盤モデルDepth Anything 3（DA3）を動的シーンの4D再構成へ拡張するDyna3を提案します。DA3の視点間特徴とフレーム間の最良一致探索を組み合わせ、静的な面と動く物体を区別します。さらに視覚言語モデル（VLM）でSAM 3用のシーン固有の意味的プロンプトを生成し、インスタンス単位の分割を行い、背景と各フレームの動的点群に分解します。動的物体のセグメンテーションでは対応関係で学習された手法VGGT4Dを上回り、位置姿勢推定と4D再構成は高速化されています。
説明機械学習におけるモデル検証：ホールドアウトからネスト型グループ交差検証までのシナリオ別ガイド
要約本稿は、ホールドアウト法、反復ランダムサブサンプリング、k分割および留一法などの交差検証と、グループを考慮した検証、ネスト型グループ交差検証を整理した解説です。著者は8つの統制されたシナリオで、不適切な設計と情報漏洩を防ぐ設計を比較し、特徴量選択、正規化による漏洩、依存するレコード、施設の混在などを扱っています。データ量の行列、決定木、報告チェックリスト、MATLABとscikit-learnの再現可能なテンプレートも提供されています。結論として、万能な検証法は存在せず、独立単位は想定される運用対象に合わせる必要があり、性能推定に用いた観測値は、データに依存するすべての処理から除外しなければならないとしています。
説明ShelfChange3D：小売棚監視のためのオブジェクトレベル3D変化検出
要約本論文は小売棚監視を、オブジェクトレベルの3D変化検出として定式化します。異なる時刻に撮影された2組のRGB-D観測から、変化した商品を特定し、3Dバウンディングボックスで位置を示します。研究者らは合成14.5万組と実世界5千組の配対RGB-D観測と物体レベルの注釈を含むデータセット ShelfChange3D を作成し、深度と重力の事前情報を用いる幾何学的精緻化を備えたエンドツーエンドの手法 ChangeBox を提案しています。実験では既存の基準手法を上回り、合成データから実世界データへの転移も有効であることが示されています。
説明インテリジェント交通・物流のための信頼できるデータ・MLオペレーションの総説
要約本論文は、インテリジェント交通・物流（ITS&L）分野における信頼できるデータ運用（DataOps）と機械学習運用（MLOps）を包括的にレビューしたものです。既存文献の不足点を示したうえで、必要性、主要構成要素、利用可能なツール、実践例、事例を検討し、AIの信頼性を高める手法にも触れています。最後に、この分野の残された課題と今後の展望を論じています。
説明PickMoment：去ブラーとブラーからの動画生成を学習して実現する連続時間の単一画像から動画への手法
要約本論文はPickMomentを提案し、露光区間内の任意の部分区間の平均ブラーを直接学習する連続時間モデルを示します。単一の決定論的モデルで、単一画像の去ブラー、ブラーからの動画生成、任意時刻のフレーム復元を同じネットワークへの異なる問い合わせとして実行します。報告によると、GoPro と HIDE で生成ベースの去ブラー手法の中で最高水準を示し、RealBlur では復元ベースの手法と競合します。
説明SCOPE-AD：アルツハイマー病診断エージェントのための、エネルギーベースモデルによる逐次コスト考慮型順序信念計画
要約本論文は、検査コストと患者負担が制約となる中で、認知正常・軽度認知障害・アルツハイマー病の3群を段階的な検査によって分類するSCOPE-ADという枠組みを提案しています。エネルギーベースの教師モデルから方策モデルへ知識を蒸留し、次にどの検査を行うか、あるいはいつ診断を下すかを決定します。ADNIデータでは、平均検査コスト50.46ドルで宏量F1が77.70%に達し、全モダリティ評価より検査を選択的に行うほうが費用対効果が高いことを示しています。
説明正しいトークンを保持する：一様状態拡散言語モデルにおける自己修正の課題
要約本論文は、一様状態拡散言語モデル（USDM）が任意のトークンを修正できる一方、正しいトークンを保持する能力に欠けており、毎ステップ多くの不要な編集が生じて多様性が損なわれることを指摘しています。著者らは、摂動されなかったトークンを保持するよう学習させる補助損失「CTR-Reg」を提案し、サンプラーの変更は不要としています。実験では、クリーンなトークンの精度が6つのベンチマーク平均で26.5ポイント向上し、生成困惑度も大きく改善したと報告されています。
説明失われたわけではない：パーソナライゼーションエンコーダの有損失なユーザー嗜好状態を修復する
要約本論文は、パーソナライゼーションエンコーダが変化する対話履歴を嗜好状態に圧縮すると、その状態だけを用いるタスクヘッドが、凍結されたエンコーダの各時刻のキャッシュ表現に残る有用な情報を取りこぼす可能性があると指摘する。著者らはREPAIRを提案し、コンパクトな学習済み座標空間でキャッシュ表現と現在の嗜好状態を比較し、有用な時刻のパターンを選んで集約的な補正を状態に加える。エンコーダとタスクヘッドを凍結したままREPAIRのみを学習させると、四つのデータセットの十二の推薦モデルでMRRとnDCG@10が向上したと報告している。
説明IQS-BO：ベイズ最適化のための文脈内クエリ選択手法
要約本論文は、Prior-data Fitted Networks（PFN）に基づくIQS-BOを提案します。合成事前分布上の教師あり学習により次の評価点を選択し、代理モデルの逐次的な再学習や獲得関数の数値的最大化を必要としません。単一の順伝播で各候補点が目的関数の最大値となる確率を予測します。著者らは、合成および実世界のベンチマークでガウス過程によるベイズ最適化や既存の文脈内手法と同等以上の性能を示したと述べています。
説明待たずに受け取るフィードバック：大規模数学授業での生成AI演習プラットフォームの試行
要約本論文は、大規模な電気工学の数学授業で、生成AI（GenAI）演習プラットフォームを設計・試行したパイロット研究です。このプラットフォームは、学生が自主的に演習を行う際に、段階的な支援つきの即時フィードバックを提供します。人による監督は、リアルタイムの採点から解答の事前検証へと移されています。研究では、学生のツールの利用状況、フィードバックの価値と信頼性の受け止め方、そして他の工学科目への応用可能性を検討しています。
説明PROMO：四足ロボット向けの選好条件付き多目的強化学習
要約本論文は、四足歩行ロボットの単一の移動ポリシーが、指令追従・安定性・エネルギー効率のトレードオフを実行時の選好入力として受け取るPROMO手法を提案しています。シミュレーションで採用した100の選好のうち67の振る舞いが厳密なパレート支配の下で非支配解となり、Unitree Go2へゼロショットで転移した際には、選好の変更だけで比エネルギーが最大30.4%低下したと報告されています。
注目点嗜好を実行時入力として単一方策に条件付けし、実機Unitree Go2へゼロショット移転した点に新規性がある。100嗜好のシミュレーションと実機結果で裏付けられる。
説明科学のユートピア？LLMによる閉ループ模擬で学術研究エコシステムを検証
要約本論文は、研究者、機関、助成機関、共同研究ネットワーク、学術文献が互いに影響し合いながら変化する過程を、LLMエージェントによる持続的な閉ループ型シミュレーション（SciUtopia）で検証する枠組みを提示します。研究テーマ選択、投稿、査読、再投稿、引用、助成、研究者の離脱などを模擬し、61の模擬世界で約4万人の研究者を扱いました。その結果、査読による不採択を経た再投稿が人口増加以上に査読者の負担を大きくすること、慎重な探索が引用の影響と長期的なテーマの多様性のバランスを取ること、また検出可能な累積的優位がなくても資源の不平等が生じうることが示されています。
注目点投稿・査読・引用・助成を含む学術生態系を閉ループのLLMエージェントで模拟する新しい枠組みを提案し、61の模拟世界で反事実比較を行う。ただし結論の現実性はLLM模拟に依存する。
説明大規模言語モデルによるモバイルアプリレビューの細粒度感情分類に関する実証研究
要約本論文は、大規模言語モデルを用いて、モバイルアプリのレビューを複数ラベルの細粒度な感情に自動分類する方法を検討しています。データはPlutchikの感情分類体系に基づく人手アノテーションで、クラスの偏りが大きい条件です。エンコーダの微調整、デコーダのゼロショット・少数ショット提示、不均衡対策（損失の重み付け、再サンプリング、生成的データ拡張）を比較しています。最良のデコーダによる少数ショット提示はマクロF1 0.642を示し、最良のエンコーダもデータ拡張と重み付き損失により差を大きく縮めました。実験パイプライン、合成コーパス、微調整済みチェックポイントは公開されています。
説明DeFA：LLMエージェントの失敗原因を依存関係から特定する手法
要約本論文は、LLMエージェントの実行失敗の原因を依存関係に基づいて特定するフレームワーク DeFA を提案します。実行全体にわたるイベント依存グラフを構築し、タスク要件に反する可能性のあるイベントの発生源と影響を追跡して失敗伝播グラフを作成します。これにより決定的な誤り、責任のあるエージェント、誤りの種類を特定します。評価では帰属精度が高く、その診断結果はスキル改善による後続タスクの精度向上にも使えると報告されています。
説明動的推論のための改訂対応型独立エージェントグラフ（RIAG）
要約本論文は動的タスクルーティングを研究し、イベントストリームがタスクの対応づけを変更する場合に、各クエリ時点で有効な文書版を選んでから解答させる問題を扱います。MMLU、MMLU-Pro、MedMCQA、MATH、GPQA、HumanEval の六つのベンチマークを、373,428 件の時間分類済みクエリを含む 31,119 件の動的エピソードに作り替えています。提案手法 RIAG は、不変の文書IDで解答をキャッシュし、必要に応じて監査と修復を行い、クエリあたり 0.62 回の呼び出しで、ルーティングと解答を合わせた正解率 54.24% を達成したと報告しています。
説明正しい答えでも状態は誤り：マルチエージェント協調に潜む隠れた情報の失敗
要約本論文は、マルチエージェントシステムが現在の判断を正しく下しても、協調後の共有情報状態が汚染されうることを示し、これを「オフクエリ失敗」と呼びます。医療と災害対応の2つの場面でOffQueryを提案し、証拠検証、共有状態の再構築、タスク解決を別々に評価しています。その結果、タスク解決の成績は状態の信頼性より大幅に高くなりました。また、矛盾する証拠を解消し、信頼できる状態を再構築して推論するReGroundを提案し、3系統7モデルで3つの能力すべてが向上したと報告しています。
説明判定者が動くとき：文化的文脈のプロンプトにおけるVLM誘導の画像選択の監査
要約視覚言語モデル（VLM）は、生成された複数の画像から最良のものを選ぶ判定者としての役割を強めており、その選択がユーザーに見える内容を決めます。本研究は、画像スコアの人間評価との一致ではなく、判定者が返した画像そのものを監査します。300件の文化的文脈のプロンプトで、判定者が見ていない人間の評価およびランダム選択と比較し、候補の順序を入れ替えて各判断を繰り返しました。4Bパラメータの判定者はランダムにほぼ勝てず、CLIP類似度のベースラインにも届きませんでした。一方、8Bの判定者は位置バイアスがほとんどなくCLIPを上回りましたが、順序を入れ替えた際の一致によるフィルタは、その良い判断の多くを捨ててしまいます。
説明日本語LLMのIME関連およびタイプミスに対する頑健性の評価
要約本論文は、実際の日本語入力で起こりやすい日本語特有のタイプミスに対し、日本語大規模言語モデルがどの程度頑健かを評価しています。文字の転置、文字の置換、同音異義語変換、IME変換、全角変換の五種類の摂動を設計し、三つの日本語ベンチマークで十一のモデルを試験しました。その結果、文字の転置と置換は精度を一貫して下げる一方、IME変換、全角変換、同音異義語変換の影響は比較的限定的であることが分かりました。
説明混合データで学習する重みマージ：統合型多目的モデルのための手法
要約本論文は、単一目的ではなく目的に偏った混合データで各ブランチを学習させる混合データ学習マージ（MTM）を提案しています。これにより、マージ時にブランチ同士の互換性が高まります。マージ後モデルの評価を低コストな指標としてデータ混合を選び、qNEHVIに基づく多目的ベイズ最適化で反復的に最適化します。コード、数学、指示追従、思考/非思考の制御において、MTMは単純なマージより優れ、単一目的マージでは崩壊する振る舞いの分離を保つことが示されています。
説明質問することを学ぶ：予算制約下でのSLM・LLM協調のための情報取得
要約本論文は、小規模言語モデル（SLM）と大規模言語モデル（LLM）の協調を、計算の割り当てではなく、API予算制約下での情報取得の問題として定式化しています。SLMが主たる推論者であり、必要なときだけブラックボックスのLLMアドバイザーに的を絞った質問を行います。三段階のRLVRフレームワークにより、いつ助言を求めるか、どのように有用な質問を立てるかを学習し、数学推論とコーディングのタスクで既存手法より性能とコストのバランスを改善したと報告しています。
説明Harness Annealing：外部制御を減らして行動することの学習
要約本論文は、言語エージェントが外部のハーネス（harness）に依存して行っている状態追跡、作業手順の整理、回答の検証などの制御判断を、モデル自身に内在化させる方法を研究しています。著者らはHARNESS ANNEALING TRAINING（HAT）を提案し、明示的な制御の教師あり学習と、段階的に弱めたハーネス支援のもとで収集した教師軌跡のカリキュラムを組み合わせています。9Bと35Bのモデルを SWE-QA と SWE-QA-Pro で評価した結果、一部の退火済みチェックポイントはツールのみでも、完全なハーネス下の初期チェックポイントに近い得点を達成しました。
説明ASCRIBE：タイ語臨床SOAPノート生成のための原子事実と重要度に基づく推論フレームワーク
要約本論文は、会話から抽出した各原子事実に臨床的重要度を付与してから要約する、医師の思考を模した推論フレームワークASCRIBEを提案しています。あわせて、実際の診療記録を非識別化したタイ語臨床要約ベンチマークThaiClinicBenchと、実臨床記録から導出した合成学習コーパスを公開しています。概要によれば、プロンプトとして用いた場合は医師の判断に沿うLLM評価指標で思考連鎖プロンプトを上回り、GRPOの報酬として用いた場合は合成データのみで学習したGemma-4-E4Bが事実精度でGemini 3.1 Proに並び、完全性で上回ったとされています。
説明『Jev時代の判断：評価の希少性から評価の過剰へ』：安価な機械評価が組織の判断に与える影響の考察
要約本論文は、生成AIが妥当な記号的成果物を生み出す費用を下げたことで、評価と識別力が新たな制約になったと論じています。TypeSafe AIの型付き確率的決定モデルJevを出発点とし、機械評価の総限界費用が大きく下がれば組織での利用が増える可能性があるという条件付きのジェヴォンズ仮説を提示します。反跳効果の経済学や意思決定権限などの研究を統合し、安価な機械評価が人間の評価作業をいつ代替するのか、また組織的コミットメントの根拠にどう影響するのかを検討しています。
説明HHR：大規模言語モデル生成を効率化する階層的ハッシュ検索手法
要約本論文は、大規模言語モデルの長文脈推論における計算ボトルネックに対し、階層的ハッシュ検索フレームワークHHRを提案する。幾何認識キールーティングと学習型ハッシュ射影の二段階により、ハッシュ二値化による誤検索と見落としを抑える。論文によれば、LongBenchでは平均スコアが1.10点向上し、128Kの文脈長ではLlama-3.1-8B-Instructで復号が最大3.30倍、エンドツーエンドで2.83倍高速化したという。
注目点ハッシュ検索でハミング距離と注意関連性がずれる問題に対し、粗から細への階層的手法を提案し、LongBenchと128Kで具体的な高速化を示している。
説明動的シーンのためのコンパクトな明示的4D表現
要約本論文はSparc4Dを提案します。これは既知のカメラ情報を持つ単眼動画を、疎な4Dシーン状態へ符号化するフィードフォワード型オートエンコーダです。静的特徴はクリップ全体で共有され、時間変化する特徴は空間的に固定された時間スロットに格納されます。32フレームのMultiCamVideoクリップでは、新視点の描画品質がMoVieSより高い結果を示し、微調整なしでDyCheckとNeu3Dへ転移できると報告されています。
説明成功基準で教師する：潜在世界モデルの計画のための基準整合補助損失
要約潜在世界モデルは、潜在空間での距離によって候補の行動系列を評価して計画を立てます。しかし課題の成否は物理量で判定されます。著者らは、検討した4つのモデルすべてで、エンドエフェクタ位置の符号化誤差が成功基準の許容範囲を超えていることを示しました。そこで、成功基準に対応する物理量を訓練目標とする補助損失を提案します。補助の線形ヘッドは訓練後に破棄されるため、推論時のモデルは変わりません。この損失だけで、PushTとcubeの成功率がそれぞれ絶対値で3.5%、3.4%向上し、いずれも統計的に有意でした。
説明大規模言語モデルに異常検知器を書かせる：時系列向けの小型で解釈可能な検知器の自律的発見
要約本論文は、大規模言語モデルを検知器そのものではなく、その作者として用いる自律的研究ループを提案する。モデルは短いNumPyプログラムを繰り返し編集し、リークのない目的関数で最も高いスコアを得た検知器を残す。その結果、局所的なスペクトル特徴で短いウィンドウを記述し、共分散を考慮した距離で学習区間の分布と比較する、単変量用と多変量用の二つの小型検知器が得られた。TSB-AD ベンチマークでは、Time-RCD を含む古典的・深層・基盤モデルのベースラインを各指標で上回り、ネットワークの学習もGPUも使用しない。多変量検知器は同程度の性能のベースラインより高速である。
説明評判・戦略・感情が生成AIの協力行動に与える影響：推論モデルと非推論モデルの比較
要約本研究は反復囚人のジレンマを用いて、最先端の生成AIモデルの協力傾向を検証し、相手の評判、戦略（恐喝か寛大さか）、表情による感情シグナルを操作しました。非推論モデルを対象とした第1研究では、3つの要因すべてが協力に体系的な影響を与えましたが、重視の度合いはモデルごとに大きく異なりました。推論モデルを対象とした第2研究では、戦略と評判への依存がより集中し、感情の影響はより条件付きでした。また最終ラウンドの行動はモデルによって異なり、モデル固有の悪用されやすさが示されました。著者らは、対話的な場面での責任ある展開のために標準化された協力ベンチマークの開発が重要だと述べています。
説明AGO AI品質ゲート：検索拡張生成のための証拠優先のリリース判断フレームワーク
要約本論文は、検索拡張生成（RAG）システムのバージョンを公開・修正・阻止のいずれにするかを判断するための、AGO AI品質ゲート（AGO）という枠組みを提示しています。四状態の判断モデル、階層的なスコアリング、層別ベータ二項式ゲート、LLM評価器に対する必須のメタ評価を組み合わせています。公開ベンチマークRAGBenchで評価器を検証した結果、低コストのモデルは高性能モデルより判別力が大きく劣り、領域ごとの性能差も大きいことが示されています。
説明AutoGUIWorld：画像生成モデルを視覚的世界モデルとして用いGUIエージェントを学習させる（実ソフトを動かさずにGUI操作軌跡を生成するデータ生成フレームワーク）
要約本論文は、画像生成モデルの視覚的事前知識とプランナーのタスク知識を組み合わせ、実際のソフトウェア環境を動かさずにGUI操作の軌跡を合成するデータ生成フレームワーク AutoGUIWorld を提案している。初期画面を生成したうえで、プランナーが原子的操作と想定される視覚的結果を指定し、画像生成モデルがスクリーンショットを反復編集して次の観測を作る。品質フィルタリングを経て、Ubuntu、Windows、macOS、Chrome にわたる 79,266 件の空間注釈付きステップ単位学習データが得られた。これで Qwen3.5-35B-A3B を微調整すると、OSWorld の平均タスクスコアは 33.0% から 40.8%、ScienceBoard のタスク成功率は 14.0% から 32.2% に向上した。
注目点実ソフトを動かさず画像生成器でGUI軌跡を合成する新しい手法で、OSWorldとScienceBoardで明確な改善が示され証拠は十分。
説明EgoFound3R：世界座標で一人称視点の手を端から端まで再構成し、点ごとの相互作用属性を予測する手法
要約本論文は、シーンと共通のメトリックスケールで世界座標の手の幾何を推定し、可視性・接触・距離などの点ごとの相互作用属性も予測する統一的なエンドツーエンドモデルEgoFound3Rを提案している。構造化された手のプロンプト、手の明示的表現、共有パラメータによる多レート設計の三つの要素を含む。OakInk-v2、TACO、HOI4Dでは、平均関節位置誤差（MPJPE）が既存手法より43.2%、22.4%、11.6%低減し、スループットは約6倍に向上したと報告されている。
説明エージェント型強化学習のための依存関係考慮型報酬整形（DARS）
要約本論文は、大規模言語モデルの強化学習で最終的な成否報酬しか得られず各ステップの貢献が分からない問題に対し、DARSを提案している。タスクの進捗を前提関係で結ばれた述語のグラフとして表し、アノテータが各ステップがどの述語を検証・無効化・修復したかを標記して、ステップごとの報酬を割り当てる。1.5Bから8Bのモデルと五つのタスク群で評価され、既存の学習手法と組み合わせて成功率などの改善が報告されている。
説明単一光子LiDARの混合エコーを分離し、前景と遮蔽された背後のシーンを再構成する研究
要約半透明のスクリーンや保護カバーがあると、前景の材料と背後のシーンからのLiDAR反射が混ざります。本論文は、各光線の反射状態を推定し、その結果に基づいて二つの出力を持つニューラルフィールドを学習する状態認識型の手法を提案します。また、遮蔽あり・なしを同一姿勢で撮影した実データセットも構築しています。実データでの実験では、隠れたシーンの深度と点群の精度がベースラインより向上したと報告されています。
説明顕微鏡立体動画における意味的RGB-深度情報に基づく手術技能評価
要約本論文は、顕微鏡立体動画から手術技能を評価する意味的RGB-深度フレームワークを提案します。疎な立体深度と密な単眼深度を融合して手術場面の幾何表現を作り、器具と解剖構造ごとに分解したRGB映像ストリームと階層的注意機構で統合します。6名の術者による33例の離体経口微細喉頭手術で、留め置き医師交差検証を行い、技能レベル分類のF1スコアは0.938でした。意味的RGBのみ（0.696）や意味的深度のみ（0.929）より高い結果です。
説明分布シフト下での自己回帰ボーリング孔モデリング：逐次地層予測のためのベンチマーク
要約本論文は、西オーストラリアの49,671本のボーリング孔を用いた逐次的な岩相予測と自己回帰的地層生成のベンチマーク「DrillBench」を提案しています。空間・地球化学的条件付けは局所では有効だが、シフトが強まると大きく性能が落ちる一方、岩相系列の自己回帰モデルはより頑健に転移することが示されています。さらに、過去のボーリング孔による事前学習と近傍の岩相の空間検索を組み合わせ、空間的・地域的シフト下での汎化を改善しています。
説明iSEE：自己教師あり学習による物体永続性
要約本論文は、動画中の物体が遮蔽されている間も同一性と位置を追跡する「物体永続性」を、ラベルを一切使わずに実現するフレームワーク iSEE を提案しています。注意の変化から物体が隠れたことを検出し、外観と位置を別々のストリームで扱い、再出現した位置のみを用いて位置追跡器を学習します。LA-CATER static データセットでは、遮蔽後の 86% で再出現した物体を元のスロットに戻せたと報告され、比較対象の SlotContrast は 32% でした。
説明エントロピック最適輸送による低予算アクティブラーニング
要約本論文は、少数のデータにしかラベルを付けられない低予算のアクティブラーニングを扱います。事前学習済みの自己教師あり モデルから抽出した特徴空間で、Sinkhorn ダイバージェンス（エントロピック最適輸送）を基準にコアセットを選び、勾配法と交換型局所探索で求解します。画像ベンチマークと医療データセットの実験で、低予算設定において既存のヒューリスティック手法を上回ったと報告されています。
説明連合エージェント最適化：生の経験を共有せず分散エージェントが協調して改善する手法
要約本論文は連合エージェント最適化（FAO）という問題を提示し、異なる組織に分散したLLMエージェントが、生データ、完全な軌跡、私的知識をローカルに保ったまま、制御された情報交換によって協調的に改善する方法を検討しています。エージェントの効用、プライバシー漏洩、通信コストを両立させる多目的問題として定式化し、方策、記憶、ツール利用、報酬、構造化知識・スキルの観点から最適化空間を整理しています。さらに、私的な経験を抽象化・保護・集約し、移転可能な能力へと変換する方法を論じ、今後の研究課題を挙げています。
説明フローマッチングによる反事実生成：結合感度を考慮したエンドツーエンド収束率
要約本論文は、観測データから仮想的な介入下の結果を生成するため、フローマッチングに基づく手法を提案します。サンプル分割の二重頑健な学習目標と、観測された元の結果と目標結果の間で学習される結合を組み合わせ、ガウス平滑化補間に基づくスコア補正付き確率的サンプラーを用います。理論面では、オイラー離散化に対する結合依存のKL誤差上界と、速度場およびスコア場の有限標本non-parametric保証を示しています。合成および半合成画像ベンチマークでの実験では、有限の離散化ステップ数において確率的サンプラーが決定的ODEサンプラーを上回る場合があることが報告されています。
説明FlashBack：ストリーミング視覚言語モデルでいつ記憶を呼び出すか
要約ストリーミング視覚言語モデルは、限られた計算量で増え続ける映像を処理しなければならず、リアルタイム認識と長期記憶の間に緊張関係があります。本論文は、学習を必要としないFlashBackフレームワークを提案します。履歴が必要かどうかを判断し、通常の推論経路を維持するか、近時の文脈と検索した長期記憶を組み合わせる独立した想起経路を使うかを決めます。OVO-BenchとStreamingBenchでの評価では、一部の長期・記憶依存タスクで改善が見られ、リアルタイム性能はおおむね保たれたと報告されています。
説明ベンガル語手書き文章からの色に依存しない単語分割
要約本論文は、OCR（光学文字認識）の最初の段階である、手書きベンガル語画像からの単語分割を研究しています。スマートフォンで撮影された画像に生じうる影などの障害を含むよう構築されたデータセットを用い、紙やインクの色・種類に依存しない手法を目指しています。7374語に対して7278個のバウンディングボックスを生成し、再現率90.60%、適合率91.80%、F1値91.20%を達成しています。
説明運動固有の関節選択はいつ有効か：評価と統制設計の監査
要約本論文は、骨格ベースの動作正確性分類において、運動固有の関節選択がもたらす改善が実際に何を示すのかを検証する。REHAB24-6の10名の被験者による1,057回の反復を分析し、評価の集計方法、関節サブセットの構造、時間表現の影響を切り分けている。その結果、改善幅は評価の定義によって大きく変わり、構造を揃えたランダム対照との比較が必要であることが示される。本研究は新しいアルゴリズムや臨床的効果の確立を主張するものではない。
説明独立マルコフ連鎖を持つ確率ゲームにおける完全オンライン分散学習
要約本論文は、各プレイヤーの状態遷移が独立で遷移核が未知の確率ゲームを扱います。プレイヤーは自身の局所状態と実現報酬のみを観測します。著者らは、占有測度の双対空間で定常ナッシュ均衡方策を近似する、完全オンライン・分散型・非協調の鏡像降下法を提案し、各時刻で一つのサンプルのみを用います。均一エルゴード性と有限被覆の仮定の下で、時間平均の後悔値は O(T^{-1/2}) の速度で減少し、計算量は積状態空間ではなく各局所状態空間の被覆時間に依存します。
説明スケルトン＆ストラテジー・プロンプティング：学習不要で視覚言語モデルの否定理解を改善
要約視覚言語モデルは多くの視覚質問応答タスクで高い性能を示すものの、否定を含む質問では誤答しやすいという課題があります。本論文は、パラメータ更新を伴わない文脈内学習手法SSP（Skeleton-and-Strategy Prompting）を提案します。質問を構造の骨格に抽象化し、同じ骨格の質問を少数検索して、モデルに共通の否定パターンを分析させ一文の回答戦略を生成させ、テスト質問の前に付加します。原文では、複数の否定VQAベンチマークで最先端の性能を達成し、計算効率も良好だと報告されています。
説明デノイジング時点ごとのトークン帰属で見る拡散言語モデルの生成動態
要約本論文は、拡散言語モデル（DLM）向けのトークン帰属手法である拡散層積分勾配（DLIG）を提案します。積分勾配（IG）を任意の層とデノイジング段階に拡張したものです。入力プロンプトに対してモデルが生成内容を段階的に確定していく過程を追跡できます。DLIGはIGの完全性、実装不変性、線形性、対称性保存の公理と対応することが示されており、単語の意味曖昧性解消、多段推論、文の穴埋めの各課題で検証されています。
説明情報ボトルネックの再検討：ラベルに基づく分割による構造化分解
要約本論文は、標準的な情報ボトルネックが単一のスカラーI(Z;X)で表現の圧縮を制御するため、ラベルに関連する構造と条件内の残差変動が混ざり、無関係な変動が表現に残ると指摘します。著者らは、全体の情報容量を制御する標準KL項と、条件内の情報を対象とする条件付きKL項からなる二重ボトルネック枠組みを提案し、条件付きKL項が条件内情報項と事前分布の不一致項に厳密に分解できることを示します。実験では、低データ量の分類で最も明確な向上が見られ、密な予測のベンチマークでも一貫した改善が報告されています。
説明CAGE-NAS：効率的なモデル成長のための認証付き関数降下法
要約CAGE-NAS は、ニューラルネットワークをいつ拡張すべきかを関数空間で判断する手法です。関数勾配の近似に対する許容性判定を満たす限り構造は固定し、判定に失敗した場合のみ関数を保つ拡張を行います。精密な認証を用いた制御実験では、同じパラメータ予算内の全許容候補の中で、検証用RMSEが99.8パーセンタイルを上回る構造が得られたと報告されています。
説明Transformer と SSM を組み合わせたハイブリッドアーキテクチャにおける学習率転移の研究
要約本論文は、Transformer と状態空間モデル（SSM）ブロックを組み合わせたハイブリッド構造の学習率スケーリングを検討しています。固定状態サイズの簡略化 ZOH Mamba という実用設定では、元の μP 手法だけで、幅 256〜2048、深さ 4〜32、十億パラメータ規模でも学習率の転移差がほぼゼロになったと報告しています。その理由として、全体の更新対重み不変性と AdamW による局所的バランスの二条件を挙げ、製品モデル Nemotron-H でも同様の傾向が見られたとしています。
説明HeadEdit：凍結されたアンエンベディング行列による言語モデルの振る舞い調整
要約本論文は、勾配を使わずパラメータも更新せずに、アンエンベディング行列を通じて言語モデルの振る舞いを調整する手法 HeadEdit を提案する。良性の依頼を拒否したり、不要なツールを呼び出したり、誤ったユーザーの主張に従ったりする問題が対象である。成対の補完から低ランクの行動部分空間を抽出し、各プロンプトの座標を用いて語彙全体にわたる補正を生成する。3つのタスクと3つのモデル系列にわたる9つの実験設定で改善が見られ、推論時の追加コストは小さく、汎用能力の体系的な低下は報告されていない。
説明検出・説明・解釈：時系列異常検知、説明可能性、解釈可能性のためのエンドツーエンドベンチマーク
要約本論文は、Scalityが運用する実世界の分散クラウドストレージシステムから収集した215本の多変量・高次元時系列からなるベンチマーク「SHAD（Scality高次元異常検知ベンチマーク）」を提案しています。重大度の異なる3種類の異常を含み、豊富な文脈情報が付与されています。検出、説明可能性、解釈可能性の各段階についてベースライン手法を評価し、各次元の寄与度から正確な異常の帰属が得られるか、また凍結された大規模言語モデル（LLM）が異常を特定し解釈できるかを検証しています。
説明CineMR：心臓MRIの定量評価のためのツール統合型視覚言語推論モデル
要約本論文は、心臓シネMRIの定量評価のために心臓画像解析ツールを呼び出す、ツール拡張型の視覚言語モデルCineMRを提案しています。複数コホートからなる視覚質問応答ベンチマークも構築され、定量指標の抽出、多クラス診断、鑑別診断を対象としています。実験では、CineMRのpass@1は35.9%で、ベースラインモデルを大きく上回りました。またツールを除くと性能が低下し、信頼できるツール利用の重要性が示されています。
説明言語モデル事前学習におけるブロック迂回応答の変化：深さの順序は持続しつつ強度は変動する
要約本論文は、言語モデルの事前学習過程において、複数のチェックポイントにまたがる単一層のアイデンティティ迂回（identity bypass）への応答を検証しています。5つの公開学習軌跡と11のモデル・ドメインの組み合わせで実験を行い、応答の深さの順序はおおむね保たれる一方、その大きさは再配分されることを示しています。層感度は構造を持つが静的ではなく、単一チェックポイントの介入結果は学習中の摂動経路の変化と併せて解釈すべきだと結論づけています。
説明PhysicsLENS：動画生成モデルの物理属性の見落としを診断する
要約本論文は、ロボット動画を含む動画生成モデルにおける物理属性の妥当性を評価するためのデータセット兼ベンチマーク「PhysicsLENS」を提案している。同じ条件フレームとタスクを保ち、シーン記述の物理属性のみを変えた対のシナリオを用い、衝突、重力、運動量、摩擦、変形、流体、因果関係の7領域で評価する。4つの動画生成モデルを用いて、400件を超える人手による注釈ラベルを得た。その結果、もっともらしく見える動画の多く（47件中34件）は記述された属性を反映しておらず、属性を明示しても妥当性の低下はわずかで有意ではなかった。
説明My FAULT：自己診断による自己進化型エージェント強化学習のクレジット割り当て
要約この論文は、大規模言語モデルのエージェントが多段階タスクで最終結果報酬のみに頼ることで生じるクレジット割り当ての問題に取り組み、自己診断に基づく終端クレジット再配分手法FAULTを提案しています。FAULTは診断されたエラーを、最終結果に裏付けられたステップ単位のクレジットに変換し、診断の根拠を検証するとともに、タスク結果から各エラーの相対的なコストを学習します。ALFWorldでは、結果が同じグループから学習信号を回復し、信号カバー率はGRPOの41%、GiGPOの72%に対して95%に達し、特定のエラーステップへのクレジットの局在化も改善しています。長期にわたるALFWorldとWebShopでは顕著な改善を示し、短期のSearch-based QAでも競争力を保っています。
説明二回を超えるループ：スケーラブルな循環型MoEの手法（LOOM）
要約本論文は、大規模な混合エキスパート（MoE）言語モデルにおける循環Transformerを扱い、ループ回数が二回を超えると効果が逓減し、むしろ性能が低下する原因として、隠れ状態の分散の蓄積とエキスパート選択の崩壊を指摘しています。提案手法LOOMは、残差更新のスケーリング、各ループでの入力埋め込みの再注入、ループごとの独立ルーターおよびループ残差によって、再帰の安定化と計算の多様化を図ります。実験では9〜12回のループまで安定して拡張でき、比較対象より低い困惑度と高いゼロショット精度を示したと報告されています。
説明BanglaDial-Abuse：攻撃的なベンガル語テキストにおける地域方言識別のためのデータセット
要約本論文は、攻撃的・敵対的なベンガル語テキストの地域方言を識別するための、バランスの取れたベンガル文字データセット BanglaDial-Abuse を提案しています。標準ベンガル語、チャッタグラム語、シレット語、バリサル語の4つの言語変種にそれぞれ250文ずつ、計1,000文を収録しています。コーパスに基づく合成手法で構築され、元の敵対的な意味を保ったまま地域的な変異を反映しています。現バージョンは研究・試作用であり、母語話者による検証を経た金標準リソースではありません。
説明削除順序はいつ扱いやすいか：更新ダイナミクスから順列構造へ
要約保留中の削除要求の集合を、固定ポリシーに従って順次処理する場合に、最終モデルが要求の順序に依存する問題を検討しています。著者らは二つの簡約化構造を提示します。位置加法性により、目的関数は要求と位置のコストで表され、割り当て問題、共通の位置プロファイルがあれば並べ替えに帰着します。接尾辞局所化により、遠い接頭辞への依存を除けます。共有アフィン更新の下で加法性を妨げる二次交互作用を特徴づけ、接尾辞条件付き割り当てで近似率が O(p^L) から O(p^(2L)) に改善することを示しています。実験では、実行された目的関数からこれらの構造が復元でき、未知の順序の予測にも使えることが示されています。
説明OptimusMesh：スパース潜在ピボットによる点群からのコンパクトな自己回帰メッシュ生成
要約本論文は、点群から直接コンパクトな三角形メッシュを生成する手法OptimusMeshを提案しています。2,048個の有向入力点を16個のスパース潜在ピボットに圧縮し、条件付けの集合を128倍削減します。二段階の自己回帰フレームワークで頂点を生成してから三角形の面を予測し、比較対象の近年の自己回帰手法より面数を25.7%から94.1%少なくしつつ、幾何学的忠実度と分布の品質を保っています。
説明サブ集団シフト下での表形式基盤モデルのパラメータ効率的な分布ロバスト適応
要約表形式基盤モデル（TFM）は平均精度が高くても、学習時と展開時で群の割合が変わるサブ集団シフトの下では、少数派の群で性能が低下することがあると論文は指摘しています。著者らは、真の群ラベルを必要としないDR-TFMを提案し、既存のクエリスケーリングネットワークを微調整するか新たに追加して学習し、他のパラメータは固定します。TabPFN-3では事前学習済みモデルの0.016%のパラメータのみを更新し、5つの表形式ベンチマークで平均の最悪群精度を大きく向上させつつ、全体の群精度も競争力を保ちました。
説明胸部X線の視覚言語モデルに対する信頼性ストレステストと意思決定時ルーティング
要約本論文は、胸部X線読影を行う医療用視覚言語モデルについて、2つのバランスの取れたデータセットを用いた信頼性ストレステストを構築しています。3つのモデルを3種類のプロンプトと単一モデル・マルチエージェントの2つのワークフローで評価し、36の構成を比較しました。完全一致の正解率だけでは、「正常」を既定で出力する保守的なモデルの有効性を過大評価しうること、また診断の信頼性はモデル系統や規模に大きく依存することを示しています。これを踏まえ、有益な場合にのみマルチエージェント推論へ切り替える意思決定時ルーティングの枠組みを提案しています。
説明ReSolve：選択的な生成的モデレーションによる候補推論の再利用
要約本論文は、学習を必要としない推論手法ReSolveを提案する。候補解答同士が食い違う場合や解答を解析できない場合に、モデルが既存の導出過程を検討し、生成された解を有限回のループに組み込む。130問の競技数学問題では、同じ4候補に対する多数決より高い正解数を示し、8回サンプリングの自己整合性手法よりも少ないトークンで済んだ。著者は候補推論を再利用可能な推論計算として位置づけるが、追加サンプリングに対する精度上の優位性や、専用のルーティング指示による独自の効果は示していない。
説明多言語エンコーダは言語間で一貫したセマンティックIDを生成するか？
要約本論文は、生成的検索で用いられるセマンティックID（SID）について、同じ商品の異なる言語版に言語一貫したSIDが割り当てられるかを検討しています。Amazon ESCIの商品データを英語、スペイン語、日本語で用いた実験では、多言語E5エンコーダにより翻訳版が英語原文から測定可能な距離を持って離れることが示されました。例えば日本語訳が英語原文の最初のコードを保持するのは7.7%にとどまりました。また、量子化器の学習データの言語バランスを取ると、コードブックの使用は均一になるものの、言語間の接頭辞の一致はさらに低下しました。多言語データへの露出やコードブックの均等な使用だけでは、言語一貫性は保証されないと結論づけています。
説明LLMエージェント環境における行動決済の監査：順序、進捗、リプレイ
要約大規模言語モデル（LLM）エージェント環境では、個々の提案が有効であっても並行する行動の調停が必要となる。本論文は型付きスナップショット決済契約を実装し、順序感度、有効な進捗、リプレイ一貫性の三つの性質を監査する。28,800回の全順列試行と2,160の脚本化された多段階エピソードで五つの決済方針を検証している。
説明RSNA頭蓋内動脈瘤データセット（RSNA-ICA）：AI動脉瘤検出のための多施設公開画像データ
要約本論文は、北米放射線学会（RSNA）が米国神経放射線学会（ASNR）などと協力して構築した頭蓋内動脈瘤データセット（RSNA-ICA）を紹介しています。2025年RSNA頭蓋内動脈瘤検出チャレンジ用に作られ、12か国21施設の成人患者4278人から得たCTA、MRA、MRIの7202シリーズを含みます。専門家が動脉瘤の有無と位置を注釈し、178シリーズには三次元血管セグメンテーションも付与されています。5041シリーズはMIRAで公開され、非商用の研究利用が可能です。
説明変分リスク最小化に基づく信頼度ゲート付きクラウド・エッジ段階的トリアージ（医用画像向け）
要約救急の胸部X線トリアージでは、読影レポートがトリアージ判断の後に届くため、画像とテキストを入力とするマルチモーダルモデルに模態の欠落が生じます。本論文はVariational Risk Minimization（VRM）という蒸留手法を提案し、大規模視覚言語モデルが生成したレポート候補を潜在的な臨床解釈のモンテカルロサンプルとして扱います。同じエンコーダ系列の条件下で、VRMは直接微調整のベースラインを上回り、較正も改善しました。エッジ側の小型学生モデルに信頼度ゲートの段階的処理を組み合わせると、AUCは0.941、平均遅延は103ms、クラウドへの移行率は20.3%でした。
説明転写されたベンガル語テキストからのオープン語彙単語認識
要約本研究は深層学習を用い、手書きのベンガル語単語画像を認識します。SSD（MobileNetV2）、Faster R-CNN（InceptionResNetV2）、およびその両者のアンサンブルモデルを比較し、改良された非極大値抑制も導入しています。9841枚の手書きベンガル語単語画像から成る独自データセットで評価した結果、アンサンブルモデルが最良で、F1スコアは92.61%、単語レベルでは96.12%の単語を正しく認識しました。
説明強化学習の学習はさらに必要か——完了したRL学習履歴を使って方針空間を広げる研究
要約本論文は、学習の延長や推論時の計算増加なしに、完了した強化学習の学習履歴から得られる方針の集合を広げる「方針空間スケーリング」を提案しています。手法SURGEは、同じ学習の中の高精度なアンカーチェックポイントと、より短い回答を生成するドナーチェックポイントを固有空間分解で統合します。1.5Bの数学推論2件と7Bのコード課題1件で、融合モデルは入力の両チェックポイントより平均精度が高く、アンカーより少ない推論トークンで済むと報告されています。
説明DSGEシミュレーターに大規模言語モデルを組み込み、政策生成と予測を行う研究
要約本研究は、Snowdropに基づく六つの動的確率的一般均衡（DSGE）シミュレーターに指示調整済みの言語モデルを組み込み、各ターンで経済状態を観察して有界の政策行動を選び、次のシミュレーション状態と経済報酬を受け取る仕組みを検証します。主要手法はPPO、価値関数を持たないGRPOを対照ベースラインとして用い、言葉のもっともらしさではなく、政策行動がもたらす模擬的な経済結果で判断することを目指しています。
説明大規模言語モデルのトークン化における出現回数計数と最小コスト符号化の手法
要約本論文は、トークナイザの学習手法 CNF（Counting and Filtering）と、テキスト符号化アルゴリズム MCE（Min-Cost Encoding）を提案している。MCE は全体の分割コストを大域的に最小化して最適な分割を決め、CNF は有効な部分文字列を数えて生の語彙を作り、学習コーパスの実際の使用状況に基づいて語彙を絞り込む。6種類のテキストと2種類の語彙規模の実験で、CNF-MCE は比較した BPE トークナイザより高い圧縮率を示し、11のベンチマークで BPE モデルと同等の平均性能を保った。
説明フェデレーテッド学習を加速するための潜在情報共有手法
要約本論文は、フェデレーテッド学習におけるクライアントドリフト（各クライアント間のデータの不均一性による問題）に取り組みます。隠れ層の活性化値を少量共有する新しい手法を提案し、収束性とデータプライバシーを保ちながら学習効率を高めると述べています。固定ラウンド数の条件下で、FedProx、SCAFFOLD、FedPVR、FedProto、SplitFedなどの既存手法より高い精度を示し、通信負荷も過度に増やさないとしています。
説明CortexBridge：皮質アラインメントで異なる電極配置のEEG基盤モデルへの適応を可能にする手法
要約脳波（EEG）基盤モデルは固定のチャネル構成や限られた電極配置で事前学習されることが多く、電極レイアウトが変わると転移が難しくなります。著者らは、EEG特徴と電極・アトラス座標を組み合わせて任意の電極配置を共有の皮質潜在空間に写像する軽量アダプタ CortexBridge を提案しています。3つの凍結された基盤モデルと MOABB の5つのBCIデータセットで評価したところ、15の評価のうち13で改善が見られ、平均バランス精度の向上はEEGPTで0.80%、LaBraMで0.70%、CBraModで3.26%でした。
説明AbsorbEvo：マイクロ波吸収体の自律的逆設計のためのエージェント型フレームワーク
要約本論文は、自然言語による性能目標を全波シミュレーションで検証された設計へ変換する、エージェント型フレームワークAbsorbEvoを提案している。大規模言語モデルがパラメータ調整の方向と幅を提案し、全域サンプリングと組み合わせて候補を生成し、低コストの物理予測モデルで順位付けする。保留されたAbsorbBench-36タスクでのタスク成功率は79.17%で、汎用エージェントの25.00%、ランダム探索の12.50%を上回った。
説明Madeleine：模擬された人生から会話記憶の非自発的想起を学習する手法
要約長期的な対話アシスタントは、ユーザーの現在の発言に似ていなくても最も重要な記憶を適切な瞬間に想起する必要があります。本論文はMadeleineを提案し、オフラインでLLMが模擬した人生の手がかりと想起トリガーの組から、固定された類似度の上に残差の連想を学習するクエリエンコーダを訓練します。オンラインでは LLM を呼び出さず、ベクトル記憶のクエリエンコーダを差し替えるだけで利用できます。LoCoMo-Plusの公式プロトコルでは、HyperMemに組み込むと66.6を記録し、単独利用ではHyperMem原版と同等（52.4対52.9）で、LLM呼び出しはゼロです。
説明StepCAD：LLMポリシーと幾何ガイド付き探索によるメッシュからCADコードへの生成
要約本論文は、3次元メッシュから実行可能なCADプログラムを復元するStepCADを提案しています。状態条件付きCADポリシーと、IoUに基づく木探索による局所編集を組み合わせています。また、150万個の実行可能CADプログラムからなるデータセットARCADE-1.5Mを公開しています。論文では、複数のベンチマークで最先端の幾何再構成精度を報告し、最強の比較手法に対しIoUが最大87.2%相対的に向上したとしています。
説明最先端を超えて：AI研究における環境影響指標の標準化
要約本論文は、大規模言語モデルの環境負荷が増大する一方で、機械学習分野には統一された炭素会計の手法がないことを指摘しています。著者らはNeurIPS 2025で採択された5,285本の論文を自動文献調査し、環境影響の報告がほぼ存在しないことを明らかにしました。学習効率の標準化された持続可能性指標と、LLM推論の炭素コストを推定する簡易な手法を提案し、排出量の追跡・報告ソフトウェアcarbonbenchmarkを実装しています。さらに、「タスクを達成する最小のモデル」（SMAJ）という枠組みを提示しています。
説明動画表現における正準ガウシアン構築のためのアフィン整列アトラス手法
要約本論文は、動画再構成のためのアフィン整列アトラス型の正準ガウシアン表現を提案する。フレームごとのアフィン変換で、カメラ移動などの大域的な動きを正準ガウシアン構築の前に吸収し、より大きな整列アトラス空間で正準ガウシアンを作る。この変更は正準構築段階のみに作用し、既存の正準ガウシアン手法にほとんど追加パラメータなしで組み込める。実験では、カメラ運動が大きい系列で再構成品質が向上すると示されている。
説明言語モデルはテスト時計算でどれだけ性能を伸ばせるか：コストを考慮した評価フレームワーク
要約本論文は、数学競技、競技プログラミング、エージェント型ワークフローにおけるテスト時計算による性能向上を測定するベンチマーク SELF-POT を提案している。統一された予算のもとで、直接推論、並列サンプリング、自己修正を比較し、選択や評価の呼び出し費用もすべて計上する。結果は、領域、選択ルール、失敗時の処理によって効果が異なることを示している。
説明AgSpec：コーディングエージェント向け検索ベース投機的デコーディングの改良手法
要約本論文は、コーディングエージェントのパイプラインにおける検索ベース投機的デコーディング（SD）を改良するAgSpecフレームワークを提案する。セッション、ワークスペース、グローバルの各コーパスから検索して草稿を作成し、検証結果に基づいて草稿の長さをオンラインで調整する。2つのリポジトリレベルのマルチエージェントコーディングベンチマークで、5つの検索ベース手法およびEAGLE-3（EAGLE-3）を多くの条件で上回った。
説明MisconceptDialogue：評価基準がLLM数学指導の測定上の成功率を左右する
要約本論文はMisconceptDialogueという枠組みを提案し、5つのオープンウェイトLLM（7B〜14B）が模擬学生と5,000回以上の対話を行い、誤りの発見、誤解の診断、修正の能力を検証しました。標準的な完全一致評価では補救成功率が42.1%、人間で校正したLLM審査では81.3%となり、その差は39.2ポイントに達しました。また、与えられた診断情報が正しいか誤っているかによる性能差はほとんど見られませんでした。著者らは、能力評価と同様に測定方法も慎重に検討すべきだと論じています。
説明MASkillBlender：スキルブレンディングによる複数ヒューマノイドの分散型全身協調ロコマニピュレーション
要約本論文は、複数のヒューマノイドロボットが分散的に全身協調で移動・操作を行うための多エージェント強化学習フレームワーク MASkillBlender を提案している。再利用可能な単体ヒューマノイドの事前学習済みスキルの上に、共有された分散型の高レベル方策を学習し、タスクレベルの報酬のみで協調動作を実現する。同質な複数ヒューマノイド向けに置換ベースのデータ拡張も導入され、二種類のヒューマノイド形態による複数の協調タスクのシミュレーションで評価されている。
説明MVDG：制約のない実画像に対する効率的な多視点3D曖昧性解消
要約本論文は、外観が似ているが別物である3D表面どうしの誤対応（ドッペルゲンガー）が、3D再構成や視覚的位置推定の課題となる問題を扱います。3D基盤モデルVGGTを用いた多視点消歧フレームワークMVDGを提案し、任意枚数の画像を一度に処理します。AerialMegaDepthから作成した擬似ペアの学習データで微調整し、SfMの精度と推論速度が既存手法より向上したと報告しています。
説明YouRA：証拠を追跡可能な自律研究エージェントのための永続状態アーキテクチャ
要約エンドツーエンドの研究エージェントは完全な論文を生成できますが、原稿の主張が実際の実験と食い違うことがあります。YouRA（Your Research Agent）は、研究状態・実行証拠・失敗履歴を永続的に保持する構造を提案し、検証状態アーキテクチャ、独立コントローラ、状態付きリフレクションの三要素で構成されます。MLR-Bench の十タスク端到端サブセットで、MLR-Agent および AI Scientist V2 を総合スコアで上回ったと報告されています。
説明新奇性ではなくデータセットの同一性：OOD検出の過大な利得の原因
要約本論文は、事後型OOD検出器がOODデータセットに対して当てはめを行う際、通常の評価が新奇性ではなくデータセットの同一性を検出して得られた利得を過大に報告する可能性を検討している。著者らはOOD全体を留保して虚高を測定し、ImageNetとCIFAR-100のバックボーンで検証した。
説明OrbitTAMP：宇宙機ランデブー計画に向けた言語モデルの接地（タスク・動作計画）
要約本論文は、宇宙機のランデブーおよび近接運用のためのタスク・動作計画（TAMP）の階層的枠組みを提案します。事前学習済みの大規模言語モデルが自然言語の指示を部分的なミッション仕様に変換し、計画モジュールが許容される運用空間内で未指定の判断を補い、最後に軌道最適化が動力学的に実現可能な軌道を生成します。実験では、この構造が大規模言語モデルによる直接生成よりも意図の再現性を改善したと報告されています。
説明Ego2Act：一人称視点動画生成における目標指向の操作能力を評価するベンチマーク
要約本論文は、日常の実世界タスク110件から作られた2,640本の動画を含むベンチマーク「Ego2Act」を提案しています。初期のシーン画像と高レベルの目標を与え、手が物体を操作してタスクを完了する一人称視点の動画を生成できるかを評価します。また、参照解答を必要としない評価パイプライン「Ego2ActJudge」を提案し、タスク完了度と物理的妥当性の判定で人間の合意との一致度が関連基準より高いと報告しています。生成された動画は手順を飛ばしたり一部しか実行しなかったりして目標が達成されず、複雑な物体操作や持続的な世界モデリングで細かな物理的動態の再現に失敗することが明らかになりました。
説明ガウス混合のランダム再重み付け NPMLE は多対数的に疎になること
要約本論文は、ガウス位置混合モデルの非パラメトリック最尤推定量（NPMLE）を扱う。尤度にごく小さなランダムな重み摂動を加えたランダム再重み付け NPMLE を定義し、高い確率で台の点数が O{(log n/log log n)^d + log n} となることを示す。推定される混合密度は、対数因子を除きパラメトリックな Hellinger 速度を達成する。数値実験では、通常の NPMLE と同程度のリスクと台のサイズが確認されている。
注目点乱択再重み付けにより、NPMLEが多対数オーダーの疎性を持つことを示し、従来の線形界を改善。有効次元の証明と数値実験で裏付ける。
説明規模より精度：ポーランド語・シロンスク語のベンチマークと、オープンソース及び商用モデルを上回る翻訳システム
要約本論文は、方言の機械翻訳がデータ不足や標準的なベンチマークでは捉えきれない言語変異のために難しいという問題を取り上げ、ポーランド語とシロンスク語（Silesian）の翻訳を、ニューラルシステムとルールベースシステムで比較しています。新しいテストセットSiLTTを提案し、BOUQuETおよびFLORESのベンチマークでも評価しています。ルールベースシステムはSiLTTとBOUQuETで最も安定して高い性能を示し、精選データで微調整したTranslateGemmaは強力なニューラル基準を上回るものの、方言の場面ではルールベースシステムには及ばなかったとしています。著者はSiLTTと最良のニューラルモデルを公開しています。
説明イベント誘導型ニューラル動画圧縮：イベントストリームを用いてRGB動画の符号化効率を高める手法
要約本論文は、エンコーダとデコーダが共有するイベントストリーム（フレーム間の輝度変化を記録したもの）を用いてRGB動画の圧縮効率を高める、イベント誘導型ニューラル動画コーデックENVCを提案している。動きについてはイベントに基づく動き事前分布を作り残差のみを符号化し、フレーム符号化ではイベント条件付き予測器でマルチスケール特徴を供給して時間的文脈を洗練する。6つのベンチマークでDCMVCと比べ、平均BD-rate削減率はPSNR-RGBで39.13%、LPIPSで67.63%であった。
説明価値誘導型の情報的探索による数学的推論の改善
要約本論文は、検証可能な報酬による強化学習（RLVR）のための訓練時フレームワークAPIVISを提案します。これは有限予算のGumbel探索をチャンク単位の数学的推論に適用するものです。各ロールアウトグループで直接生成の回答と探索で得られた回答を組み合わせ、探索による改善が有益な相対報酬を生むようにし、探索で改善されたトークンに選択的な教師信号を与えます。複数の数学推論ベンチマークと異なるモデル規模での実験で、既存の探索ベース手法を上回る結果が報告されています。
説明GLoC-EHR：全体文脈と局所EHRイベントに基づく、根拠を引用する臨床推論
要約本論文は、構造化電子カルテを全体記憶と局所事件記憶を通じて読み取るマルチモーダル言語モデルGLoC-EHRを提案しています。モデルは入院経過の要約や、マスクされた概念の説明を生成するよう学習し、その後、理由付け微調整とGRPOによって、回答前に根拠を引用するよう訓練されます。三つのMIMIC-IV結果予測タスクで、直接回答時の宏平均AUROCを比較モデルと比べ、またEHRSHOTへの転移も報告しています。
説明論文の説明：論理ゲートネットワークの拡張におけるカーネル冗長性の克服
要約本論文は、論理ゲートのみで動作する微分可能な論理ゲートネットワーク（従来型ニューラルネットワークの効率的な代替手法）の幅方向のスケーリングを扱います。単純に幅を増やすと論理カーネル同士に冗長性が生じ、性能が頭打ちになることを示しています。これに対し、カーネル群間の特化を促す動的論理カーネルの枠組みを提案し、推論時には入力に応じたカーネルのルーティングと計算をすべてゲートレベルのブール演算で実行します。また、冗長性は最初のゲート層で最も顕著であるため、その層に適応を集中させる早期段階の戦略も採用しています。実験では、カーネルの利用率と多様性が向上し、パラメータ効率を保ったまま精度が高まることが示されています。
説明「参加賞」で大規模言語モデルの能力を探る：能力プローブとしてのランダム報酬強化学習
要約本論文は、ランダム報酬による強化学習を用い、現在の性能だけでなく、指定された制約のもとで追加学習によって到達しうる水準（到達可能性）を探る手法を提案しています。同じ正答率（合成算術で3.5%）のOLMoチェックポイント2つが、正解報酬による強化学習後にはそれぞれ8.5%と55%に達したと報告しています。事前学習と中間学習の段階によって学習応答の型が異なることを示し、このアプローチが探測結果はモデルの能力を表すのか、それともタスク自体を学習したのかを区別するのに役立つと論じています。
説明JoinGR：テーブル検索のために結合グラフをたどることを学習する手法
要約本論文は、データベースの結合グラフを検索空間として扱う、結合関係を考慮したテーブル検索手法 JoinGR を提案しています。質問文に現れないテーブルでも、関連するテーブルとの結合関係を通じて特定できる点に着目しています。BIRD と Spider では最強の検索ベースラインと競合し、多段階の結合が必要な企業向けベンチマーク BEAVER では、密ベクトル検索や再ランキング手法より再現率が大きく向上したと報告しています。
説明カーネル化アクティベーション・ステアリング：カーネル法で表現空間を適応的に制御する手法
要約本論文はカーネル化アクティベーション・ステアリング（KAS）を提案し、アクティベーション・ステアリングを再生核ヒルベルト空間へ拡張する。明示的な特徴写像を構成せず、カーネル評価だけで活性化に依存する操作スコアを求める。全活性化に同じ固定ベクトルを用いるDifference-in-Means（DiM）と異なり、各活性化を源・目標の参照集合との相対位置に応じて局所的に調整する。線形カーネルではDiMが特殊ケースとして得られ、LLMのジェイルブレイクや画像スタイル制御などで既存手法と同等以上の成績を示したとされる。
説明HierGF：幾何認識メッセージパッシングによる階層型ガウシアン場、スパース視点3D再構成のための手法
要約本論文は、少数の視点画像しかない場合の3次元再構成を扱う。提案手法HierGFは、二段階の幾何認識バックボーンにより、粗い3次元幾何情報と2次元生成事前分布を構造化された擬似教師信号へ変換する。さらに、視点間で一貫した内容へ勾配を導く学習可能な信頼度ネットワークと、幾何学的に一貫した高密度化モジュールを導入し、未サンプリング領域の再構成を改善する。
説明タスク演算子で文脈内学習のダイナミクスを捉える
要約本論文は、大規模言語モデルの文脈内学習（重みを更新せず、例示だけで新しいタスクを行う仕組み）を研究しています。各注意ヘッドの出力は、文脈をマスクしたものの affine 変換であり、その変換パラメータは同一タスク内のサンプル間でほぼ安定していることを示しました。これに基づき、この変換を注意出力投影への解析的な更新として再現する Task Operator（TO）を提案しています。語彙、アルゴリズム、推論の各タスクで、TO は既存手法の中で総合的に最良の性能を示し、ゼロショットと文脈内学習の差を縮めています。
