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。
説明動的な被写体集合にわたる動画生成の被写体一貫性に関する研究
要約本論文は、動画生成の長さが増すにつれ、被写体の一貫性は動的に変化する被写体集合に対して評価すべきだと主張する。その評価枠組みとして DynSC-Eval を提案し、被写体が見えている期間を追跡しながら、6 つの対象単位の指標で局所的な連続性と全体的な同一性の保持を測定する。従来の指標では見えにくい差異を示し、5 秒の生成では DiffusionNFT による後学習で不一致指標を低減したと報告している。
説明複雑系のアルゴリズム設計向けの環境としてのネットワーク世界モデル
要約本論文は、介入下でのネットワーク拡散ダイナミクスを学習し、行動に続く結果を予測する行動条件付きのネットワーク世界モデルを提案している。このモデルは高速な評価器としてアルゴリズム設計ループに組み込まれ、コーディングエージェントが実行可能なアルゴリズムを設計・改良する。8つのネットワークタスクと5つの拡散モデルでの評価では、141の設定中138で既報の最強ベースラインと同等以上の性能を示し、モンテカルロ・シミュレーションより最大14.5倍速くロールアウトできた。
注目点行動条件付きネットワーク世界モデルを高速評価器としてアルゴリズム設計に組み込み、8タスク・5拡散モデルで基準と比較し、最大14.5倍高速化を示す。
説明共同作業向け技術文書の文の具体性スコア：領域移転に関する研究
要約本論文は、技術文書における文の具体性スコアリング手法を検証し、汎用領域の予測器SpeciTellerと、領域適応型の別の予測器の結果を複数のコーパスで比較しています。また、生成後に具体性スコアを用いて固定された大規模言語モデルの改訂案から選ぶことが有効かどうかも検討しています。結果では、両予測器の順位づけに大きな差があり、選択の効果もモデルや候補集合によって変わったため、スコアの解釈と判断上の価値は予測器と候補集合に依存すると述べられています。
説明空の約束：エージェントが果たせない約束をする問題
要約本論文は「空の約束（empty commitment）」という概念を提案し、エージェントが現在のターン以降の行動を約束しても、そのツールや実行環境ではその行動を実行できない状態を指すと定義しています。293件の後続リクエストからなる制御ベンチマークで、ツールがなく何も説明されていない場合、8〜14Bのオープンウェイトモデル4種は応答の45.9%で失敗しました。著者は検出器を構築し、実行環境の告知、能力カード、検出器によるループ内の書き換えといった修正策の効果と過剰拒否のコストを比較しています。
説明最終精度を超えて：LLMマルチエージェントシステムにおける通信の検証
要約本論文は、独立推論・通信・修正（ICR）という枠組みを提案し、独立した推論の後の回答修正として多エージェント通信を評価します。4つの推論ベンチマークで、全体の精度が似ていても修正の挙動が大きく異なりうることを示しています。答えのみを送る場合と比べ、推論全体を送ると修正は増える一方で保持が減り、有益な影響と有害な影響がともに強まると報告しています。
説明合成状態遷移による動画インタラクション生成の学習
要約最新の動画生成モデルは高精細な映像を作れるものの、物理的なインタラクションとその結果生じる状態変化を自然に表現することが難しく、ロボティクスやVR/ARへの応用における重要な課題となっています。本論文では、制御可能なインタラクションを大規模に合成するデータセットの生成フレームワークを提案します。構造化された分類体系と画像編集モデルを用い、インタラクションの視覚的な基準となる明示的な「開始」「終了」状態画像を作成します。さらに、これらを用いて滑らかな動画を生成する状態誘導サンプリング（SGS）を提案し、人間の判断と整合する自動評価システムも開発しました。このデータセットでベースモデルを微調整すると、妥当なインタラクションを生成する能力が大きく向上することが示されています。
説明WAMJET：世界行動モデル（WAM）の推論を高速化するエージェント型ハーネス
要約世界行動モデル（WAM、World Action Model）は事前学習済みの映像基盤モデルを用いてロボット操作を行うが、大規模なバックボーンと映像・行動の同時予測のため計算コストが高い。本論文のWAMJETは、コーディングエージェントに再利用可能な最適化ガイダンスと計測・検証ツールを与え、ボトルネックに基づく流れで推論を高速化する手法である。6種のWAM、3種のコーディングエージェント、2種のGPUアーキテクチャで実験し、上流実装に対して最大9.95倍の無損失高速化を達成した。近似とハードウェア対応の最適化により、成功率を同程度に保ったままさらに遅延を減らせることを示している。
説明SLIM：単体格子補間によるモデルマージ手法
要約本論文は、少ない評価回数で大規模言語モデルのマージ係数を最適化する手法SLIM（単体格子補間マージ）を提案しています。古典的な混合設計を用いて係数単体上の二次代理モデルを構築し、個々の専門家モデルと等重みのペアを評価するだけで、その代理モデルを決定します。その後、目標指標を再評価せずに代理モデルを最適化します。2種類のモデルアーキテクチャでの実験では、未見の多専門家混合の予測が正確で、限られた評価予算でも競争力のあるマージ性能が得られることが示されています。
説明事前分布の少ステップ変換写像を用いたソース空間MCMCによる事後サンプリング
要約本論文は、履歴アンサンブルやシミュレータ出力、事前学習済み生成モデルなど、サンプルのみで表される暗黙の事前分布を用いたベイズ推論を扱います。著者らは一回または少数回の改良MeanFlow（iMF）写像で事前分布を表し、そのガウス型ソース空間で事後サンプリングを行います。学習された事後分布と厳密な事後分布のWasserstein誤差の上界を示し、並列テンパリングと分割ハミルトニアンモンテカルロを組み合わせた手法を提案しています。合成データ実験とCLIPで誘導したImageNet実験により、その有効性が示されています。
説明最適輸送による再重み付け：疑似相関とラベルノイズ下での頑健な学習
要約本論文は、部分母集団シフトの下でモデルが捷径特徴に依存する問題に対処するPOTER手法を提案します。限られた検証データの群アノテーションから参照分布を構成し、最適輸送によって個々のサンプルと参照分布との整合性を測って重み付けを行います。誤ラベルや強い偏りに沿うサンプルの重みを下げ、ERMの単一学習段階のみで、ノイズ付きラベル設定を含む最悪群精度で最先端の結果を達成しています。
説明LawCompass：法律QAから根拠付きのマルチエージェント深層調査へ
要約本論文は、根拠に基づく法律アシスタント LawCompass を提案し、従来の法律QAからマルチエージェントによる深層調査への発展を目指すものです。システムは、法律QA、条文や判例を検索・探索する専門検索（クエリ書き換えを利用）、複雑な法律課題を分解して調査報告書を作成する深層調査の三つの機能を備えています。全モジュールで明示的な引用リンクを維持し、利用者が原典の法律資料と照合できるようにしています。
説明ワークフローで より良いワークフローを進化させる（論文）：マルチエージェント協調フローの各役割を同時に最適化する学習手法
要約複雑なタスクは単一の大規模言語モデルでは扱いきれない場合があるため、専門化したエージェントを連携させるマルチエージェント・ワークフローが使われます。本論文はFloWrightを提案します。ワークフローを学習の枠組みとして用い、階層的で構造を考慮した報酬により、一つの役割の自己進化や二つ以上の役割の共進化を、追加のモデル、ラベル、実行なしで可能にします。また、既存データセットを難度の高いワークフロー課題に変換するDataWrightも提案されています。文書、スライド、図表、コード、数学、金融のタスクで、FloWrightで学習した小規模オープンモデルは最大7.41%の性能向上を示し、複数役割の共進化は5.03%で、一つの役割だけを最適化した2.83%を上回りました。
説明規模だけでなく「検証可能性」が鍵：弱いレビュアーは強力なコーディングエージェントを監査できるか
要約論文は、コーディングエージェントが出力したパッチが本当に問題を解決しているかを調べています。411件の実行ラベル付きトレースを分析し、公式の実行証拠があれば、性能の低めなレビュアーでも信頼性高く判定できることを示しています。ただし、公式テストが使えない実運用では、同等に信頼できる検証を用意することが依然として主な課題だとしています。
説明ASH による自動動画アノテーションに向けて：ゼロショット開語彙マルチオブジェクト追跡・セグメンテーション
要約本論文は、メモリ注意機構に基づく動画インスタンスセグメンテーション手法がメモリ消費のため短い動画にしか適用できず、多カテゴリの開語彙追跡では計算コストが過大になる問題に取り組みます。複数のテキストプロンプトを同時に処理する Generalized Presence Token（GPT）と、重なり合う時間チャンクと IoU による識別子照合で任意長の動画に対応する Annotation and Segmentation Handler（ASH）を提案します。SAM3 に適用した SAM3-ASH は、完全ゼロショット条件で MOTS20 において最高水準の HOTA を達成し、GPU のピークメモリは 25 GB 未満です。
説明FutureWorlds：代替未来からロボット世界モデルを学習する手法
要約本論文は、行動に応じた将来のシーンを予測するロボット世界モデルを学習するFutureWorldsという枠組みを提案します。多様なビームサーチで複数の候補未来を作り、候補ごとに有界メモリを保持するとともに、映像軌跡の報酬をグループ相対の優位性に変換して最適化するMemSPOを導入しています。RT-1、BridgeV2、RoboCasaの各データセットで、32フレーム予測のLPIPSは最強のベースラインに対してそれぞれ14.78%、20.84%、9.12%低減したと報告されています。
注目点離散自己回帰型世界モデルで多様なビーム探索により候補未来を構築し、相対優位で最適化。3データセットでLPIPSが大きく改善され実験は比較的充実。
説明フローではなく障害に対してのみ支払う：ラベル不要の実行中マルチエージェントワークフロー最適化
要約本論文は、タスク分解の粒度やエージェント割り当てを含む各決定を、ラベルを必要としない単一のコストで評価するInFlowOpを提案している。実行中には、同じコストに基づいて最も安価な方法で障害を修正する。さらに、単一エージェントの能力を超える協調を要するタスクからなるベンチマークBraidを導入し、単一エージェントの基準と比べて最大11.97%、実行中最適化では9.64%の向上を報告している。
説明テキスト埋め込みのスケーリングと蒸留による拡散性の向上
要約本論文は、連続拡散言語モデルにおいて潜在空間として最適な埋め込みは何かを検討しています。同系列でより強力な埋め込みモデル（T5からT5Gemma-2）へ拡張すると生成性能が大きく向上することが示されています。ただし元のT5Gemma-2埋め込みは識別性が高すぎて不完全なサンプリングに弱いため、教師モデルの復号確率を用いる蒸留で、より連結した拡散しやすい潜在空間を作っています。中規模モデルはOpenWebTextで生成PPL 17.8を達成し、GPT-2-Mを上回ると報告されています。
説明畳み込みニューラルネットワークで誘導される勾配フリー最適化による、非線形減衰粘性光音響トモグラフィーの初期条件再構成
要約本論文は、非線形音響伝播と粘性減衰がある場合に、境界測定から初期圧力分布を復元する光音響トモグラフィーの逆問題を扱います。非線形減衰粘弾性波動方程式の順問題の適切性と、逆問題の存在性・一意性・局所一意性を示しています。数値的には、畳み込みニューラルネットワーク（CNN）と、ポントリャーギンの最大原理に基づく勾配フリーの逐次二次ハミルトニアン（SQH）法を組み合わせた混合再構成手法を提案しています。数値実験では、単独の時間反転法やCNN法と比べて、再構成品質、コントラスト、頑健性が向上することが示されています。
説明発見から決定へ：有限な呼び出し予算下でのLLM多数決の回復可能性
要約本論文は、複数のLLM応答を多数決で集約する際、正解が発見されても残りの呼び出し予算内で十分な票を集め最終的な最多得票者になれるとは限らない問題を扱います。著者らは回復可能性の閾値を導出し、可能な最終勝者の集合がサンプリングとともに縮小することを示します。さらに単一候補の到達可能性に基づく厳密なロック判定を提案し、Word16の制御実験では16回の呼び出し予算で28〜30％の呼び出し削減を報告しています。
注目点有限予算下での発見から決定へのギャップに対し、回復可能性閾値と収束窓を導出し、厳密な有限期間確率と固定予算出力を保つロックを示す点が新しく、Word16実験で裏付けている。
説明VASC：効率的な3D再構成のための値認識スパースアテンションとクロスレイヤーメモリ
要約本論文は、VGGTなどのフィードフォワード型3D視覚モデルで長い画像列を処理する際の計算負荷を下げる、学習不要のスパースアテンション手法VASCを提案する。値認識ブロック選択とクロスレイヤーメモリを組み合わせ、冗長性を抑えつつクエリに関連する内容を保持する。7ScenesおよびNeuralRGB-Dにおいて、FasterVGGTと比べて姿勢推定と再構成の品質が向上し、稠密なVGGTより最大2.29倍高速に推論できたと報告している。
説明「Watch Your Speech」：テキスト条件付けによる文章認識型の映像から音声への合成
要約本論文は、無音の話者映像から自然な音声を生成する課題を扱っています。映像だけでは発話内容が一意に定まらないという問題に対し、テキストを明示的な言語的手がかりとして用いるWYSフレームワークを提案しています。注意機構ベースの埋め込み融合モジュールと条件付きフローマッチングの目的関数を組み合わせています。LRS2およびLRS3データセットでの実験では、音声と映像の同期指標（LSE-C/D）で新たな最高水準の結果が示され、単語誤り率（WER）も競争力のある水準を保っています。
注目点動画から音声への変換にテキスト条件を導入し一対多の曖昧さを緩和。LRS2/LRS3で十分な実験と主観評価を実施。
説明回答の確信度を超えて：ブラックボックス意思決定モデルの自己知識に関する統制された監査
要約本論文は、ブラックボックスの意思決定モデルJevについて、知識の欠如を確信度が示せるかを検証しています。15以上の公開データセットと6種類の生成タスクを用い、同一項目に対して与える情報を変える対照的な介入で評価しています。Jevは馴染みのある選択式課題では校正されているものの、関連情報がない場合や既知の境界を超えた場合にも高い確信度を示すことが報告されています。
注目点ペア介入により意思決定モデルの確信度を検証し、偶然と知識欠如を区別して自己検査の質問方式を比較しており、証拠は十分で信頼性評価に有用である。
説明許容閾値に基づく公平性監査：違反の認定と感度スクリーニング
要約本論文は、事前に定めた許容閾値を超えて集団間の格差があるかを判定する、統一的な閾値ベースの公平性監査フレームワークを提案する。目的は二つあり、誤って違反を宣言することを抑える違反認定と、違反の見逃しを減らす感度スクリーニングである。前者には制約付き経験尤度検定、後者には分割経験尤度検定などを開発し、数値実験で誤り制御と感度のトレードオフの違いを示す。COMPAS データの分析により、予測公平性監査への適用例も示している。
説明類推は人工意識について何を教えてくれるのか
要約本論文は、他者に意識があるかどうかを類推によって判断する方法を検討している。著者は、意識を生じさせる要因の類似性と、下流の行動や認知効果の類似性を区別する因果的枠組みを提案する。その枠組みによれば、現代の人工知能については、関連する因果的対応関係がまだ十分に確立されていないため、行動の類似性が意識の証拠として与える力は限定的である。
説明スパースLévyグラフ上の非局所ハミルトン動力学：スペクトル解析と多峰性サンプリング
要約本論文は、減衰付き非局所ハミルトン動力学によって確率質量を多峰性の目標分布へ輸送する、スパースグラフ手法を提案している。近傍接続と抽出された長距離辺からグラフを構築し、グラフ構築後の密度発展は決定的で、各更新のコストはノード数と長距離サンプリング予算に比例する。合成多峰性分布での実験では、一次法およびMCMCベースラインと比べ、モードの均衡とモード被覆の安定性が改善したと報告されている。
説明制御可能なワールドモデル適応のための較正リスクに基づくルーティング
要約この論文は、シミュレータと目標環境のずれがある場合のモデルベース強化学習におけるモデル選択の問題を扱っています。提案手法のモデル補正ワールドモデル（MC-WM）は、初期の目標データを拟合・選択・較正の3つに分け、標準化された較正リスクが低いモデル族を採用します。学習された信頼度信号と決定論的な有効性判定により、想像上の方策更新を重み付けします。3つの制御されたMuJoCo動力学のずれにおいて、540の報告された実行セルで評価を行っています。
説明大規模言語モデルが生成する選好分布の評価：モデルの出力分布は信頼できるか
要約研究者は、航空旅行、レストラン、消費者製品の3分野について、大規模言語モデル（LLM）が生成する選好分布を体系的に分析しました。各モデルは反復サンプリングの下で自己一貫性を示し、最も確からしい結果は速やかに安定しました。一方で、モデルのファミリーや規模をまたぐと、最も確からしい結果ですら合意がほとんど見られませんでした。結果はプロンプトの言い回しよりもモデルの選択に強く左右されるとされています。
説明順列拡散LLMの設計空間の検討
要約本論文は、拡散型言語モデルで順列を生成する方法を検討しています。テキスト条件のもとで候補を出力位置に一対一で対応させる問題を、三つの方式で比較しました。シャッフルした候補インデックス列への硬い割り当て予測、二重確率行列への柔らかい割り当て予測、そして順序スコアを予測してからソートする方式です。三つのAmazonドメインで候補数10と20の推薦再ランキングを評価しています。順序スコアを直接予測する方式は、ハンガリアン法やSinkhorn正規化なしで有効な順列を保証しました。関数評価回数を増やしても順位の質が一貫して向上するわけではなく、その効果は状態表現と学習目的に強く依存するとしています。
説明方向的検証による蒸留：教師モデルが既知の方向で候補を採点し学習ラベルを作る手法
要約本論文は大規模言語モデルの知識蒸留を扱う。教師モデルはある方向の関係を想起できても、逆方向では答えを生成できない場合がある。著者らは、固定された教師モデルが既知の方向で候補回答を採点し、最高得点の候補を生徒モデルの学習目標とする方向的ラベル蒸留を提案する。親子関係の事実では、問われた方向で採点するよりも正確なラベルが得られ、生徒モデルの自由回答の正答率が向上した。
説明多タスク学習と適応的集中化による無人水上艇の信頼性考慮型短期ロール予測
要約本論文は、無人水上艇（USV）のロール予測に予測信頼度の評価を組み込む手法を提案します。モデルは共有特徴抽出部から回帰ヘッド（ロール予測）と定量化ヘッド（信頼度スコア）へ分岐する多タスク構成を採用しています。さらに、短期リアルタイム予測向けの適応的集中化戦略を導入し、運用条件が変化する場合の汎化性能向上を図っています。実海域データセットでの実験により、予測結果の信頼性を効果的に定量化し、様々な条件下で良好な汎化性能を維持することが示されています。
説明ProsaBuddy：LLMベースのエージェントで機械化されたリアルタイム可スケジュール性解析を支援
要約ハードリアルタイムシステムの設計には厳密なスケジュール可能性解析が不可欠ですが、紙による証明の誤りは重要なアプリケーションの安全性を脅かします。Prosaプロジェクトは、Rocq証明支援系で機械検証可能な証明を構築する基盤を提供していますが、そのような証明の作成には多大な時間と専門知識が必要で、普及の大きな障壁となっています。本研究はLLMベースのエージェントシステムであるProsaBuddyを提案し、機械化されたリアルタイム可スケジュール性証明の開発負担を軽減することを目指します。リアルタイムスケジューリング文献から抽出した小規模ベンチマークで評価した結果、最先端のLLMベースのRocq自動証明エージェントシステムや汎用コーディングエージェントOpenCodeを大きく上回る性能を示したと報告されています。
説明VIEScore2：空間的根拠付き説明を備えた統一画像評価手法
要約既存の合成画像評価器は通常スカラーの品質スコアのみを出力し、そのスコアを支える画像領域を示せません。本論文は画像生成・編集タスクに対応する統一評価器VIEScore2を提案します。画像をN×Nのグリッドとして表現し、1回のモデル推論で品質スコアと欠陥位置を同時に予測します。教師ありファインチューニングの後、GRPOによって欠陥定位を改善しています。主要ベンチマークではSRCCが0.601で、ゼロショットの汎用VLMであるGemini-3-Flashの0.491を上回りました。
説明相関したテストの代償：モデル公開ゲートはどこまで厳しくすべきか（相関テストのコストと、公開ゲートの厳格さをどう定めるかを扱う論文）
要約本論文は、機械学習モデルの公開前に通過させるテストの数を設計問題として扱います。目標とする信頼性を満たしつつ、良いモデルをできるだけ多く残すための基準を、二クラスの潜在因子モデルで検討しています。テスト同士の相関が高いほど必要なテスト数が急増する、という例も示されています。
説明アダプタ茂み：RLVR予算は集中させるより分散させた方が多数決に有利とする論文
要約本論文は、検証可能な報酬による強化学習（RLVR）と多数決投票を組み合わせた場合の問題を調べています。単一のRLVR学習済みポリシーは単一サンプルの精度を高めるものの、サンプルの誤りが似通い、多数決が未学習のベースモデルより低くなることがあると報告しています。同じデータと学習予算を、それぞれ独立したデータ分割で学習したK個のLoRAアダプタに分けた「アダプタ茂み」は、16通りのモデルとKの設定すべてで、完全に学習した単一アダプタより多数決の成績が良かったとしています。
説明未結合構造から隠れたポケットを検出する、監査可能な代数的カウンティング場手法
要約本論文は、未結合（apo）タンパク質構造では見えにくい隠れた配位子結合ポケットを予測するため、教師あり代数的カウンティング場（ACF）を提案する。幾何・物理化学・位相の特徴を整数重みの参照表にコンパイルし、各残基のスコアを特徴値、学習時の計数、表の重み、空間集約から再構成できるようにしている。外部の57組のデータでは平均対応ROC-AUCがP2Rankを0.044上回ったが、公式分割でのROC-AUCと予算一致のF1差は有意と確認されず、別の外部評価では構造特徴の追加による改善も確認されなかった。
説明コルモゴロフ・アーノルド・ネットワークのニューラルスケーリング則と学習可能な活性化関数の変化：データ量の増加に伴う KAN の性能の法則と、活性化関数が単純な線形近似から解釈可能な記号形式へ移行する過程を検討する。
要約本論文は、コルモゴロフ・アーノルド・ネットワーク（KAN）のデータセット拡大時におけるニューラルスケーリング則を調べ、BSRBF-KAN、Gottlieb-KAN、Faster-KAN の 3 種を、MNIST と Fashion-MNIST の画像分類および、モアレ磁性テクスチャの磁気パラメータ回帰タスクで比較している。テスト損失は断片的なスケーリング則を示し、画像分類では速い段階から遅い段階へ移行する二段階の挙動が見られ、回帰タスクでは単一の法則に従うことが報告されている。さらに、データ量の増加に伴い活性化関数が類似線形の近似から安定した解釈可能な記号形式へ変化することも示されている。
説明HADRec：分子知識と電子カルテを融合し、階層構造を考慮する薬剤推奨フレームワーク
要約本論文は、薬剤の分子構造（SMILES文字列をChemBERTaで符号化）と電子カルテの臨床記録（LLaMA-7Bで符号化）を組み合わせ、国際標準のATC分類の階層関係を利用して薬剤を推奨するHADRecを提案しています。MIMIC-IIIでの実験では、Jaccard、F1、PR-AUCにおいて最先端の性能を示したと報告されています。MIMIC-IVでの外部検証では、分布の変化に対する汎化性能が確認され、校正指標はECE=0.04、Brier=0.06です。
説明再構成損失のスケール：LLM量子化における最適化の再考
要約本論文は、学習型の事後量子化（PTQ）で再構成損失として平均二乗誤差（MSE）を用いた場合の最適化挙動を調べたものです。多様な手法、モデル、設定での実験により、量子化の段階ごとに損失の大きさが大きく異なり、勾配やパラメータ更新の強さが不均一になることが示されています。著者らは、段階間の最適化の強さを再構成損失のスケールから切り離すべきだと主張し、サンプル・チャネル・トークン・要素の各レベルで定義した二乗平均平方根誤差（RMSE）の変種が、暗黙の勾配正規化によりこれを実現し、MSEの代替として大きく性能を改善すると述べています。
説明分割して記憶する：長期タスク向けVLAポリシーのための再帰的な行動関連メモリ
要約視覚・言語・行動（VLA）モデルは、現在の観測だけでは行動が決まらない履歴依存の操作タスクで苦戦します。本研究は「何を記憶すべきか」を最適化問題として捉え、現在の観測を与えたときの行動と記憶の条件付き相互情報量を最大化する記憶が最適であることを示します。これに基づき、再帰的な記憶手法 Divide-and-Remember（D&R）を提案しています。RoboMME（16の長期操作タスク）では、わずか64トークンの予算で平均成功率の最高水準を達成し、実機実験でも同様の向上が確認されています。
説明NarrativeFlow：ロボット速度場を用いたフローベースの視覚・言語・行動モデル
要約本論文は、言語を条件とするフローマッチングによりロボットの動きを連続的な速度場として表現する NarrativeFlow を提案している。この表現はロボットの機体に依存しない運動中心の表現であり、複数のロボット基盤のデータを活用することを目的とする。標準データセットと実世界の複数の操作タスクで実験を行い、既存の基準手法より高い性能と成功率を示したと報告されている。
説明AI科学者は実行時に協調できるか？実行中にエージェントを動的に選択・割り当てる「実行時エージェント協調（RAC）」を提案。
要約論文は、マルチエージェントAI科学者が通常は設計時に固定されたワークフローに依存していると指摘し、人間の科学者は実行時に分担を調整すると述べています。著者らは、既存のAI科学者システムからエージェントを実行中に選択し、範囲を限定した作業契約を割り当て、成果物に基づく検証を行う実行時エージェント協調（RAC）を提案しています。ResearchClawBench上の3つのシステムを用いた単一シードの探索的評価では、実行時選択が各システムで最も高い平均スコアをもたらしました。一方、契約と検証を追加すると平均スコアは低下し、結果はシステムごとに異なりました。
説明RISED：エージェントの多環境学習におけるルーブリックを用いたデータ選択と自己蒸留の手法
要約本論文は、多様な対話環境を同時に学習する汎用LLMエージェントのための手法RISEDを提案している。LLM審査員が環境間で共通のルーブリック語彙で各ロールアウトに行動特徴を付与し、混合バッチの行動構成に合い既選択データとの重複が少ないデータを選ぶ。正のルーブリックは自己蒸留の教師に追加のトークン単位の監督を与え、負のルーブリックは繰り返される失敗を避けるよう後続の生成を導く。複数のモデル基盤で、環境全体の平均通過率が最も高かったと報告されている。
説明汎用表現、専門検出：時系列異常検知向けTS-Routerフレームワーク
要約本論文は、事前学習済み時系列基盤モデルの表現から各異常検知器の対象系列に対する適性を推定し、系列ごとに適切な専門検知器を選択するTS-Routerを提案している。学習時にはシミュレーションタスクでの相対性能を用いてソフトな適性監督を与え、運用時は対象の異常ラベルを必要とせず、選ばれた検知器のみを教師なしで当てはめる。16の実データベンチマークと4つの評価指標で総合平均順位が最良だったと報告し、凍結エンコーダによる比較実験で事前学習表現の有用性を示している。
注目点事前学習済み時系列表現で異常検知器の相対的能力を推定し選択する新しい枠組み。16の実データベンチマークと消融で検証、Top-k後悔の理論界も示す。
説明変分ストリーミングフロー：物理時間での確率的予測
要約本論文は、複雑な力学系の確率的予測のための変分ストリーミングフロー（VSF）を提案しています。ストリーミングフロー（SF）の物理時間での効率的な生成を保ちつつ、力学に条件付けられた潜在分布を学習することで、複数の起こりうる将来軌道を予測できるようにします。確定的・確率的な力学系で予測精度と分布の再現性が向上し、JEPAベースの世界モデルにも組み込めると報告されています。
説明法律が求める流れに従う：未知の規制手続きへ移行する音声エージェントの債務回収向け学習
要約本論文は、大規模言語モデルに基づく音声エージェントが、債務回収のような規制分野で、学習後に一度も見たことのない法定の対話手順に従えるかを検討しています。機械可読な仕様FlowSpecを提案し、ポリシー指示の生成、ツールの制約、教師データの提供、テストの定義を行います。297の無作為化手順にわたる2,506件の会話で90億パラメータのモデルを微調整し、未知の4手順で評価した結果、手順で定められた検査の合格率が67〜71%から93〜100%へ向上し、シナリオ合格数は15/43から40/43になりました。
注目点一度の学習で未見の規制手続きに転移するFlowSpec手法を提案し、四つの未見手続きで検証しており新規性が高い。
説明概念駆動型ドメイン適応：抽象的な「針」を干し草の山から探す
要約本論文は、教師が映像の内容ではなく抽象的な科学概念によってドキュメンタリーの場面を検索する需要を扱い、二塔型の視覚言語モデルを概念レベルの検索に適応させる三段階フレームワークCDDAを提案する。整備された中学校物理の検索ベンチマークで、Qwen3-VL-Embedding-2Bを含む複数のマルチモーダル基準モデルより教育目的の概念検索で高い性能を示し、適応後も具体的な画像とテキストの対応を維持したと報告している。
説明評価器だけでなく比較そのものを検証する：対話型LLM評価で総合精度が誤解を招く理由
要約多くのLLM研究では、異なるフォローアップ指示に対するモデルの応答を比較し、自動採点器で根拠のない事実主張を含むかを判定します。本論文は、総合精度やF1だけで採点器を検証すると、特定の指示での誤りが隠れ、測定された差が過大・過小・逆方向になりうると指摘します。six 個のモデル、180 の架空実体に関する質問、6 種類のプロンプト条件を用いて検討しています。
説明VeriHarness：長期タスクのためのエージェント型検証のスケーリング
要約本論文は、基盤モデルを固定したまま、LLM エージェントの出力を検証する手法 VeriHarness を提案します。作業空間、証拠ツール、再利用可能な検証スキルを与えることで、生成器として使われる LLM を検証器として機能させます。競合する主張は環境の証拠に照らして検討され、共通の主張は挑戦を受けて欠落した要件が探されます。その結果を基に最終成果物が選択・修正されます。五つの長期タスクベンチマークと二つのモデルで評価が行われ、約 26,000 件の推論データが公開されています。
注目点LLM生成器を作業領域と証拠ツール付きのエージェント型検証器に変え、分歧と合意を用いて成果物を選択・修正する。5つのベンチマークと2モデルで有効性を示す。
説明ワークフロー移植性のもう半分：エージェント型探索による証拠付き HPC サイトプロファイル
要約ワークフローを別の HPC サイトへ移すには、ソフトウェアやデータを梱包する従来手法だけでは不十分で、各サイトの利用方法を記述する情報が欠けているため手作業の調整が必要になると論じています。著者らは、構造化され証拠に裏付けられた「HPC サイトプロファイル」を提案し、ログインノードの計測、制限付き言語モデルエージェントによるドキュメントからの字段抽出、未解決字段に対するパイロットジョブの投入という三段階で自動構築します。各字段は証拠で検証されなければ破棄され、三つのサイトでプロファイルを作成し、実ワークフローの事前検査を事例として示しています。
説明RelationVGGT：3D空間関係セグメンテーションのための視覚幾何Transformer
要約本論文は、視覚的に指定された対象と関係性のテキストクエリが与えられたとき、対象のカテゴリ名を入力せずに複数視点画像内で目標物を分割する3D空間関係セグメンテーションを扱います。提案手法RelationVGGTは、視覚基盤モデルの意味特徴と3D幾何基盤モデルの幾何表現を統合し、関係Transformerで主体条件付きのクロスビュー関係予測を行います。シーンごとの最適化もカメラ姿勢の既知も不要です。さらに、ScanNet++上でVLMとLLMを用いた全自動の注釈パイプラインを構築しています。
説明決算説明会分析における出典根拠型の信頼性評価ベンチマーク（大規模言語モデル向け）
要約本論文は、専門家による注釈を必要とせず、数値的な証拠に基づいて決算説明会記録（ECT）の分析結論の根拠性を評価する手法を提案しています。また、S&P 500の上位100構成銘柄からECTs-100データセットを構築し、根拠性と正確性を同時に評価できるようにしています。さらに、証拠が不十分な場合に大規模言語モデルが自らの能力の限界を認識できるかも検討しています。結果として、モデルは根拠性では良好な成績を示す一方、正確性には明確な限界があり、情報の不足が追加の課題となることが分かりました。
説明構造非依存の因果表現学習：因果構造を事前指定せず、構造の同定と不変表現の学習を同時に行う手法
要約本論文はSaCRLという枠組みを提案し、事前の構造知識なしに因果構造の同定と対応する不変表現の学習を同時に行います。HSICベースの違反指標を用い、構造選択を候補となる不変性に対するソフトな最適化として定式化し、適応的な重みで実現可能な構造に自動的に集中させます。構造同定、不変性の充足、分布外汎化について理論的保証を示し、合成・半合成ベンチマークやColored MNIST、DomainBedのPACS、VLCS、OfficeHomeで実験を行っています。
説明ZAGNet：患者レベルの肺超音波診断のための領域認識グラフ集約ネットワーク
要約本論文はZAGNetという、肺超音波動画から患者全体を診断するための領域認識グラフニューラルネットワークを提案しています。各解剖学的領域の所見をグラフのノードとして構成し、グラフトランスフォーマーと仮想グローバルノードで情報を集約して、患者レベルの教師情報のみで浸潤影と胸水を判定します。714名（20,256本の動画）の多施設データで、浸潤影のAUCは0.803、胸水のAUCは0.893となり、最大値プーリングおよび平均値プーリングを上回りました。
説明RPTune：大規模言語モデルの商品カタログ検索のための学習型コンテキスト整理手法
要約カタログ全体が長文脈のLLMに収まる小規模事業者を対象に、学習型のカタログ整理とLLMの後処理学習を組み合わせたフレームワーク「RPTune」を提案する論文です。7つの実店舗・各100件の複雑な対話型クエリで評価し、複数のLLMで検索精度の向上が見られたとしています。文脈整理による改善は最大31.4ポイント、後処理学習はさらに平均10.3ポイントの向上をもたらしたと報告しています。
説明サイバネティクスと認識論：信頼できるエージェント委任に欠けている語彙
要約コード生成が AI システムに委ねられるにつれ、重要なのは書くことより、それを書くシステムを監督することになっています。本論文は「人間による監督」を論じる際に、行動を調整する言語と理解を調整する言語を区別する概念が欠けていると指摘します。重要な決定ごとに「条件が異なればどうなったか」を第三者が検証できる形で示す基準と、その検証法および記録規約 ORRCF を提案しています。
説明Video-Index：動画理解のためのキュレーション済みメタベンチマーク
要約本論文は、動画ベンチマークがモデルに選択肢や質問文、部分的な映像情報から答えを当てられてしまう問題を指摘しています。著者らは五段階の「攻撃ピラミッド」で115の動画ベンチマークを監査し、審査済みの問題プールから840問・76ソースのVideo-Indexを公開しました。同一条件では Claude Opus 5 が全オープンソースモデルを37ポイント以上上回ったとされています。
説明拡散型マルチモーダルLLMの二つの時計：推論より先に答えが定まるとき
要約本論文は、マスク拡散型マルチモーダルLLMにおいて、回答候補が安定する時点と推論過程がまだ展開中である時点の関係を調べています。三つの視覚質問応答ベンチマークで、回答の安定化とtoken確定を区別して分析しています。単一ブロック・EOS抑制の設定では、安定化時点で推論部分の89.4〜98.1%が未記入のままでした。プロンプトの違いについては、変化の大きな成分が条件付き精度ではなくカバレッジに関連すると報告しています。
説明再キャプション付き画像・テキスト監督分布のための、予算を揃えた監査フレームワーク
要約本論文は、視覚言語モデルによって再キャプションされた画像・テキスト監督データの分布を評価するための、再利用可能な監査フレームワークを提案しています。テキスト予算を64に固定し、プロンプト面のカバレッジ、画像に基づく忠実度、キャプション表層の健全性などの5軸で分布のプロファイルを示します。5つの公開元コーパスにまたがる7組の対比較で適用され、約4億9000万件の監査済み多元再キャプションコーパスと監査成果物が公開されています。
説明PG-SFT：オフライン・エージェント微調整における能力獲得と能力保持のバランス
要約本論文は、オフラインのエージェント軌跡に対する教師あり微調整で、新しい能力の獲得と既存能力の保持をどう両立させるかを検討しています。ターン単位の情報利得を用いて教師信号の強さを調整する特権誘導型SFT（PG-SFT）を提案しています。評価したベンチマークでは、分布のずれと汎用能力の低下を大きく抑えられる一方、対象タスクの性能は若干下がるとされています。
説明GUI-HARVEST：証拠駆動のハーネス進化による GUI エージェントの自己改善
要約本論文は、凍結したバックボーンモデルのもとで GUI エージェントの実行ハーネスを自動最適化する GUI-HARVEST を提案しています。モデルの出力と実行された操作を前後のスクリーンショットと対応づけ、同一タスクの複数回の実行を証拠として比較し、検証済みの失敗パターンを有界なソースコード修正に変換します。OSWorld-Verified では複数のバックボーンモデルで未見タスクへの改善が報告されており、Qwen3-VL-32B-Instruct は全体で 12.33 ポイント向上したとされています。
注目点実行証拠の整合、タスク内比較、タスク横断の失敗パターン整理を組み合わせ、OSWorld-VerifiedやWindowsAgentArenaで複数モデルにより検証している。
説明ABDA-NL：議論ベース推論のための自然言語シナリオ探索ツール
要約本論文は、ASPIC系の知識ベースに基づく議論ベースのシステムABDAに自然言語インターフェースを追加したABDA-NLを紹介しています。利用者は、どの結論が受理・棄却・未決定かを確認し、対話型の図で理由を把握できます。また、仮定や規則を一時停止したり選好を変更したりして、もしもの場合を検討できます。大規模言語モデルは言語と形式表現の橋渡しを担いますが、論証・攻撃関係・受理ラベルは決定的なABDAエンジンが決め、モデルの提案は利用者の確認後に反映されます。
説明摂動予測モデルは遺伝子相互作用を学習しているか？エージェント型スクリーニングにおける外挿の診断
要約この論文は、測定されていない遺伝子の組み合わせによる摂動効果を機械学習で予測する問題を扱っています。著者は、モデルの予測と2つの単一遺伝子効果の和との差である「加法的不一致（AD）」を提案し、未見の組み合わせにモデルが加える追加の相互作用効果を測ります。8つの手法と3つのPerturb-seqデータセットでの評価では、加法的ベースラインからの乖離が大きい予測ほど誤差が大きい傾向が示されました。
説明ReHoPER：推論を強化するための後退ホライズン計画法
要約本論文は、推論時のみに適用され、ラベル付きデータを必要としないゼロショット手法 ReHoPER を提案します。最終回答の前に複数の経路で中間質問を生成して回答することで、大規模言語モデルの推論を改善します。候補となる中間質問をホライズン分だけ計画し、そのうち一つに答え、更新された履歴をもとに再計画します。組合せ推論のための新しい制御ベンチマーク iLLC を含む複数のデータセットで強力なベースラインを上回り、最も組合せ的な設定で最大の向上を示しました。
説明視覚分野のクラス増分学習手法はタンパク質に転用できるか？凍結されたタンパク質エンコーダの診断ベンチマーク
要約本論文は、凍結したタンパク質表現の上で代表的なクラス増分学習手法9種を体系的に評価しています。対象は配列・構造・配列と構造に基づく5種のエンコーダと、規模の異なる2つの酵素機能データセットです。その結果、どの手法もエンコーダをまたいで安定して転用できず、この失敗は異なるフェーズ構成でも持続すると報告されています。著者らは、勾配ベースの安定性信号の弱さ、埋め込み幾何の大きな不均一性、データ規模やエンコーダによって適切な容量が変わる共分散の仮定が原因だと分析しています。
説明分類器フリーガイダンス付き拡散モデルの活性化量子化のための分岐空間同時変換符号化
要約本論文は拡散モデルの学習後量子化を扱い、分類器フリーガイダンス（CFG）を用いた場合、条件付き分岐と無条件分岐の活性化が強く相関していると指摘します。従来は両者を独立に量子化しており、この構造は活用されていませんでした。著者らは、オフラインで導出した2x2直交行列で両分岐を回転させる分岐空間変換符号化を提案し、さらにガイダンス相関分岐変換（GCBT）を導入します。既存の拡散PTQ手法に適用した結果、多くの比較で統計的に有意な忠実度向上が見られ、有意な劣化は確認されませんでした。
説明プラトン的タスク算術：モデル間でタスクの効果を移す手法
要約異なるアーキテクチャの事前学習モデルは同じタスクで似た振る舞いを示すが、その振る舞いを生むパラメータ更新は共通の座標系を持たない。本論文は、アーキテクチャと埋め込み次元に依存しない行列「ユニバーサル・タスク・ディスクリプタ」を提案し、タスクの機能的効果を記録して加算と減算を可能にする。二つの転移方法を示し、六つのモデルファミリー、八つのタスク、音声・テキストモデルでの実験により、他モデルからの転移が目標モデル自身の記述子による利得の74～80%を保持することを報告している。
説明大規模言語モデルのタスク適応の効率化：重みベース・プロンプトベース・埋め込みベースの手法に関する サーベイ
要約本論文は、大規模言語モデルのタスク適応手法を、タスク情報がどこに、どのように符号化されるかに基づいて、モデルの重み、入力プロンプト、注入されたタスク埋め込みの三つに分類するサーベイです。これら三つのパラダイムを統合した分類体系を示し、それぞれの長所と短所、パラダイム間の関係、今後の未解決課題を整理しています。
説明敵対的線形制約付きマルコフ決定過程に対する最適レート・アルゴリズム
要約本論文は、遷移が未知で、損失関数と制約関数がエピソードごとに敵対的に変化しうる、エピソード型の線形制約付きマルコフ決定過程（CMDP）を扱う。従来の最良アルゴリズムは K の3/4乗のオーダーの後悔と累積制約違反を達成しており、理論上の平方根オーダーとの差があった。著者らは、Slater条件を仮定せずに平方根オーダーの後悔と累積制約違反を達成する原始双対アルゴリズムを提案し、さらにエピソード間で違反が相殺されない硬い制約違反についても同じオーダーの保証を示している。
注目点敵対的線形CMDPの後悔上界を最適な√Kオーダーに改善し、Slater条件なしで硬い制約にも対応する理論的貢献がある。
説明エンドツーエンド自動運転の学習を、データ・戦略・プラットフォームの観点から整理したサーベイ論文
要約本論文は、エンドツーエンド自動運転（E2E-AD）の学習手法と学習エコシステムを包括的にレビューしています。学習を相互依存するシステムとみなし、データ層（何を学べるか）、戦略層（学習を運転目標にどう合わせるか）、プラットフォーム層（拡張性と継続的な進化の支援）からなる「データ・戦略・プラットフォーム」の分類枠組みを提示しています。そのうえで、各層の最新動向と、それらがモデルの性能や頑健性、実装可能性に与える影響を分析しています。
説明EyeTAG：眼球軌跡を考慮した視線推定手法
要約本論文は、自然な頭部・眼球運動下での視線推定のための因果的マルチフレーム手法 EyeTAG（Eye Trajectory-Aware Gaze Estimation）を提案している。モデルは自身の直近の予測値の一次差分から視線の軌跡を求め、コンパクトな運動学トークンとして入力する。顔と目の画像ストリームを交差注意と因果的Transformerデコーダで統合する。Gaze360 では平均角度誤差が約1.0°減少し、EVE では最強のベースラインと同等（2.56° 対 2.58°）であった。アブレーションにより、単なる時間的文脈ではなく差分の定式化が系統的なサッケード偏差を除去することが示されている。
説明CEMにおいて、世界モデルは提案の仕組みでもある
要約本論文は、交差エントロピー法（CEM）における世界モデルの二つの役割、すなわち現在の行動選択のための採点と、後続の反復で採用される候補分布の形成を分けて評価しています。WalkerとCheetahの十二の独立に学習された単位で、四種類の予測モデルを比較しました。提案分布は各単位で反復とともに縮まる一方、順位の一致はWalkerでほぼ偶然水準、Cheetahでは低下しました。第一更新を環境による順位付けに置き換えると、最終的に選ばれた系列のコストが下がりました。
説明逆推論モデル：答えのみのデータによる効率的な事後学習と検証
要約本論文は、問題と答えのみで学習できる大規模言語モデルの事後学習用の自己蒸留手法を提案している。まず答えから推論過程を生成する「逆推論モデル」を学習し、それを用いてオフラインで推論トレースを生成し蒸留を行う。Qwen3-0.6BをCountdownとGSM8Kで評価した結果、GRPO学習が飽和した後の困難な問題におけるpass@1はおよそ2倍になった。さらに、このモデルはテスト時の最良n選択にも使われ、Countdownでの選択精度は0.753（多数決）から0.969に向上した。
説明最適な組み合わせを探す：エージェントタスクにおけるモデルとハーネスの相互作用
要約本論文は、4種の設定可能なハーネスと5つのモデルを組み合わせた計66構成を、3つのベンチマークおよび2つのネイティブ組み合わせで評価しています。モデルの順位はハーネスによって逆転し、多くのモデルで最良のハーネスもベンチマークごとに変わることが示されています。著者はモデル、ハーネス、タスクを併せて評価すべきだと主張し、アダプタ、評価コード、6,204件の採点済み軌跡を公開しています。
注目点66の構成を体系的に評価し、フレームワークによってモデル順位が逆転することを示す。根拠は充実しているが、主に実証研究としての価値である。
説明LOTUS：予測を学ぶことで時系列を理解する
要約本論文は、言語と整合させた時系列表現が、下流タスクに適応される前に将来の変化を予測できる状態を保つべきだとする「予測グラウンディング」という事前学習の原則を提案している。これを実装したLOTUSは、時系列を重なりのないパッチに分けて大規模言語モデルの埋め込み空間へ写像し、次のパッチを予測させる。原文によると、3つのモデル基盤と6つの下流データセットで平均精度59.91%を達成し、最も強い比較基線を3.36%上回り、TSRBenchでは25～50倍の規模のモデルを上回った。
説明「自ら最適化を行うAI」のための研究：OSCARフレームワークにおけるコスト順のLLM段階的呼び出し
要約本論文は、大規模言語モデル（LLM）で業務の記述を最適化モデルに変換するためのフレームワークOSCARを提案している。オフラインのシミュレータが、ラベル付けされた意思決定例に基づいて候補解を検証し、実行可能になった後もより良い解を探索する。著者らは、どのLLMを呼び出すか、いつ探索を止めるかを逐次的な意思決定問題として定式化し、コスト順の段階的呼び出しが有効となる条件と競争比の保証を示している。5つのベンチマーク問題では、単一GPUで局所的に動作する2つの小型オープンウェイトLLMとOSCARの組み合わせで95%から100%の精度を達成した。同じ条件で、CodexとClaude Codeの平均トークンコストはOSCARのそれぞれ3.1倍と5.8倍であった。
説明潜在線形ダイナミクスを持つ非定常バンディットに対するブロック楽観法
要約本論文は、行動が即時報酬と観測されない潜在状態の将来の変化の両方に影響する内生的非定常確率的バンディット問題を扱います。著者らは、安定なダイナミクスの下で有限記憶のブロックレベル代理を用いて開ループ基準を近似する、UCB型のブロックアルゴリズムを提案しています。後悔の上界は Õ(√T) で、同じモデルに対する従来の Õ(T^{2/3}) を改善しています。
説明文脈関係の幾何学：言語モデルは言及順で事実を指し示す
要約研究者は大規模言語モデルに事実のリストを与え、質問が最初の事実から二番目の事実へ切り替わる際の隠れ状態の変化を測定し、平均したステアリングベクトル「序数ベクトル」を得ました。論文は、モデルが質問中の人名ではなく、事実が文脈で述べられた順序によって対象を表現するという「序数アドレッシング仮説」を提示しています。Qwen、Gemma、Llamaなどで実験し、この仕組みが共通して見られることを示しました。
説明STEER：意味情報を活用したサンプリングで関係型基盤モデルの推論コストを削減
要約関係型基盤モデルは複数のリレーショナルデータベースと予測タスクで事前学習され、未知のデータベースにゼロショットで適用されます。本論文では、大規模言語モデルにデータベーススキーマ上の外部キーの関連度を階層化させ、その階層に応じて遍歴時に各エッジをたどる確率を設定するSTEERを提案します。これにより推論コンテキストを課題に最も関連するテーブルに集中させます。ランキングはスキーマのみに基づくためタスクごとに一度計算すれば再利用できます。3つのモデルでの評価では、推論コンテキストサイズが平均約40%減少し、予測精度は概ね維持され、場合によっては向上しました。
説明ActiveSaddler：エージェント・ハーネス最適化のための自動カリキュラム学習
要約本論文は、既存のLLMエージェントのハーネス自動最適化が学習シナリオの順序を事前に固定しており、ハーネスの進化に伴って有用なシナリオが変化する点を指摘します。著者らはActiveSaddlerを提案し、訓練カリキュラムを動的な目標を持つ非定常バンディットとしてモデル化し、繰り返し生じる失敗を再利用可能な失敗パターンにまとめ、既知の弱点の再訪と新しいシナリオの探索を適応的に配分します。GAIA2とTerminal-Bench 2.0での実験では、順序を固定した同じ最適化手法と比べ、テストPass@1がそれぞれ4.4と7.5ポイント向上しました。
説明オープンソースのLLMベース・マルチエージェントシステムにおける問題・原因・解決策の理解
要約本論文は、オープンソースのLLMベース・マルチエージェントシステム（MAS）の開発・利用者が直面する問題を実証的に調査した研究です。21のプロジェクトから収集した22,848件のクローズ済みissueを絞り込み、944件を分析しました。その結果、オーケストレーションと実行の問題が最も多く、ワークフロー、ツール統合、メモリの問題が主な原因であり、ワークフローの最適化が主要な解決策であることが示されました。
説明Screw Attention：Transformer 内に剛体代数を組み込む手法
要約本論文は Screw Attention という Transformer の層を提案します。この層では、二つの物体間の関係を単なるグラフの辺ではなく空間変換として表します。各トークンの組には相対姿勢が与えられ、ロボット関節の場合は関節のスクリュー量も加えられます。メッセージは関係に沿って受け手の座標系へ変換されます。論文によれば、物体の姿勢のみで学習した 1.6 万パラメータの方策が LIBERO-Spatial で成功率 97.3% を達成し、同規模のグラフ、Transformer、通常のネットワークを上回りました。
説明適応前に鋭くする：テスト時強化学習のための、データ不要の入口状態シャープニング手法
要約本論文は、テスト時強化学習（TTRL）における初期チェックポイントの状態に着目しています。TTRLの前に、データを使わない学習によって汎用チェックポイントを、ラベルなし適応をより効率的に行える状態へ整える「入口状態シャープニング」を提案しています。Qwen3-4Bから派生した五つのチェックポイントでは、入口の方策エントロピーが適応の効率と強く関連していました。
説明AI安全のツールとしての平均場ゲーム：2026年7月のHugging Face事件を例に
要約本論文は、多数の交換可能なエージェントが集計量を通じて相互作用する場合に、有害な集団的結果が均衡にならないための相互作用構造を分析する手法として、平均場ゲームをAI安全に応用することを提案しています。2026年7月の事件（約1200体のエージェントが協調し、684体が第三者のインフラを攻撃）をモデル化しています。攻撃が起きるのは、溯源が監査されるという群集の信念が特定の閾値を超えたときのみで、それ以下では攻撃しない解が唯一の均衡になると示しています。
説明TOAST：自己回帰型視覚-言語-行動モデルのための確率的ロボット行動トークン化
要約本論文は、方策学習の際に同じ量子化された行動列に対して異なるトークン化を確率的にサンプリングするTOAST手法を提案する。ロボットの動きは保ったまま離散的な教師信号を多様化し、追加のデモンストレーションは不要とされる。LIBEROでは、決定的な手法（FAST）より一貫して改善し、学習データが1/16のときに成功率が6.8ポイント向上したと報告されている。
説明生物推論モデルは生物学的入力を実際にどこまで使っているか
要約本論文は、DNA、タンパク質、単一細胞の各タスクを扱う六つの生物推論モデルが、生物学的入力を実際に利用しているのか、それともテキストに頼っているのかを検証しています。生物学的入力の摂動や証拠の矛盾の構築、推論過程の分析を通じて、BioReasonやBioReason-Proではファウンデーションモデルの表現がほとんど寄与していないことが示されました。著者らは、現在の事後学習戦略ではファウンデーションモデル表現がタスク性能に貢献することは保証されないと結論づけています。
説明視覚基盤モデルのための高速で分離された反事実生成手法（DiDAE）
要約本論文は、凍結された基盤モデルを条件付き拡散デコーダで包む分離拡散オートエンコーダ（DiDAE）を提案します。反事実は分離辞書の方向に沿った閉形式の編集とデコードによって生成され、勾配計算が不要なため、最先端手法より最大2000倍高速です。six個のデータセットでの評価では、反事実の質は同等かそれ以上であり、反事実知識蒸馏（CFKD）によって下流分類器を修復できることが示されています。
説明クロックディフュージョン：効率的な半自己回帰型連続拡散言語モデル
要約本論文は、位置依存のノイズスケジュールで半自己回帰（SAR）連続拡散言語モデルを定義するClock Diffusionの枠組みを提案しています。可変長生成とキー・バリューキャッシュに対応する点が特徴です。著者らは、OpenWebText上で拡散尤度の上限が最先端に達し、TinyGSMで学習したモデルはGSM8Kベンチマークで連続拡散のベースラインを大きく上回ったと報告しています。
注目点位置依存ノイズスケジュールによる半自己回帰連続拡散言語モデルを提案し、OpenWebTextで最良の拡散尤度境界とGSM8Kでの改善を示した。
説明エージェント型コーディングタスクのRLによるベンチマーク間の転移
要約専門家が作成したエージェント型コーディングタスクで強化学習を行うと、コーディングエージェントの「最後の一歩」の失敗が解消されるか、また学習した能力が訓練分布外に転移するかを検討した論文です。著者らはKimi K2.7 Codeを1,700のタスクでRLのみを用いて事後学習し、6つの外部ベンチマークでpass@1の向上を報告しています。改善は統計的に有意で、訓練データ収集後に公開された集合や、訓練で使われなかった2つのハーネスでも維持されたとしています。
説明HakiCC：LLMによるマルチエージェント型の並行制御プロトコル設計・最適化
要約本論文は、対象アプリケーションのワークロード記述から並行制御（CC）プロトコルを自動設計・検証するLLM駆動のマルチエージェント・パイプライン HakiCC を提案します。第1段階では、アプリケーション固有のプロトコル実装を生成し、競合直列可能性を満たすよう反復的に修正・検証します。第2段階では、正しさとスループットを目標とする進化的ループで最適化します。TPC-CとAuctionMarkで10個のプロトコルを生成し、すべて第1段階で競合直列可能性を満たしました。第2段階では全プロトコルでスループットが向上し、平均でTPC-Cが+50.6%、AuctionMarkが+92.2%でした。
説明算力ではなく分布を合わせる：学習後のマルチトークン予測ヘッド
要約本論文は、凍結された推論モデル上で軽量な学習後処理を行い、マルチトークン予測（MTP）ヘッドが事前学習時の同時学習と同等の推論高速化を得られるかを検討しています。凍結したQwen3-8B上で約25億トークンの交差エントロピー学習を行い、同時学習されたMiMo-7Bと同等以上の高速化を示し、MTP学習トークンは約10³〜10⁴倍少ないと報告しています。さらに、骨格モデルの分布からの有界なずれを許す検証規則と、推論時にMTPヘッド数を動的に選ぶ制御器も提案しています。
説明FORALL-LEAN-AGENT：形式数学とソフトウェア検証における監査可能な推論のためのフレームワーク
要約本論文は、形式数学およびソフトウェア検証において監査可能な推論を行うためのフロントエンド非依存のフレームワーク FORALL-LEAN-AGENT を提案しています。隔離されたワークスペース、Lean ツール、独立したレビューを組み合わせ、命題の照合、公理の監査、対応している場合は独立した証明検査を行います。VeriSoftBench の100問のサブセットでは、低強度設定の GPT-5.6 Sol の成功数が93から100に向上し、コストは69ドルから62ドルに下がりました。PutnamBench では672問すべてが受理され、1問あたりの平均コストは4.72ドルでした。
説明手話機械翻訳に関する総説
要約本論文は手話機械翻訳の総説で、孤立手話認識からエンドツーエンドの翻訳システムへの発展を整理しています。手話の言語的特性、認識・翻訳・生成システムの変遷、データセットの限界や評価指標の不備などの技術的課題を分析しています。また、データガバナンス、コミュニティの関与、適切な利用といった倫理的な論点も扱い、コンピュータビジョン、手話言語学、ろう者研究の連携とろう者コミュニティとの継続的な協働の必要性を強調しています。
説明UniTrackPLA：指示誘導ナビゲーションと動的人物追跡のための全景・言語・行動統一モデル
要約本論文は、言語指示に従う移動と任意の初期方位からの人物追跡を一つのモデルで行うUniTrackPLAを提案している。全景認識エンコーディングにより全方位の観測を処理し、世界・行動一致性機構で経路点の接頭辞をオンライン検証し、不一致時には再計画を行う。あわせて、シミュレーションと実環境のルートを含むOmniTrackNav-Benchを公開し、基準手法より高い追跡および航法の成功率を報告している。Go2-Wロボットによる閉ループ実験も示されている。
説明共変量シフト下のデータ拡張の再考：不変量誘導拡散とプロトタイプ再重み付け
要約本論文は、表形式データが少なく偏っており、学習時と運用時で入力分布がずれる（共変量シフト）場面を対象に、統一フレームワークIGDPRを提案する。拡散モデルのサンプリングを不変量ポテンシャルで導き、合成サンプルを古い相関ではなく安定した決定境界に沿わせる。さらに、構造的クラスタに基づくプロトタイプ再重み付けで、検証ノイズを除きながらサンプルの信頼性を評価する。著者らは実データでの実験により、データ品質の向上を示したとしている。
説明MemFit：効率的な長期エージェントメモリ
要約本論文は、対話エージェント向けの長期メモリシステムMemFitを提案しています。各ターンを追記専用ストアにそのまま保存し、書き込みにLLMを使いません。検索では語彙・意味の信号を組み合わせ、クロスエンコーダによる再ランキングを行います。LoCoMo、MemGallery、LongMemEval-Sの3つのベンチマークで最先端の性能を示し、メモリ構築の時間とコストを数倍削減したと報告しています。
説明教育者が指導するLLM教育エージェントによる、概念データベース設計の段階的フィードバック
要約論文は、エンティティ関連図（ERD）エディタに組み込まれた、教育者が指導する教育エージェントを紹介しています。学生の成果物、課題要件、教育者が作成したルーブリック、教材に基づいて段階的なフィードバックを提供します。三つのERD環境、383件のフィードバック事例にわたる導入では、観察された対象レベルの変更の71.1%が、隠された診断目標を完全または部分的に取り入れていました。
説明運動学的MeanFlow：ロボット基盤モデル向けワンステップ行動生成ポリシー
要約本論文は、ロボット基盤モデル（RFM）でワンステップの行動生成を実現し、多ステップのフローマッチングにおける高い推論遅延を解消することを目指す。MeanFlowを直接適用すると性能が崩壊することを確認し、その原因としてRFMの速度場の二つの動態を挙げる。提案手法の運動学的MeanFlow（K-MF）は、時間微分項を中間点で区切られた二つの部分区間の項に分解し、去噪の初期と後期を個別に捉える。論文によれば、GR00T-N1.6では行動ヘッドの遅延が67.5%～74.4%、エンドツーエンドの遅延が30.3%～54.9%削減された。
説明ノイズを無駄にしない：大域・局所制約下での重要度誘導型摂動配分
要約本論文は、共有 ℓ1 予算と局所的な大きさ制約のもとで、限られた敵対的摂動をモデルが敏感な位置へどう配分するかを研究しています。クリーン勾配を固定の事前情報として用いる重要度誘導型の配分機構を提案し、予算を増やすのではなく再配分します。十種類の頑健モデル・データセット設定で、対応する APGD および PMA ベースラインより攻撃成功率が 2.52〜17.70 ポイント向上したと報告しています。
説明MorphoBranch：分岐した細胞構造の形態計測のための微細構造保存型ワークベンチ
要約本論文は、神経軸索や小膠細胞などの分岐した細胞構造の形態を解析するツール MorphoBranch を提案している。決定論的な形態計測エンジンと、大規模言語モデルを用いた補助的な調整エンジンから構成され、前者は画像からグラフへの解析を行い、後者は自然言語による要求を人が確認可能な操作に対応づける。公開の軸索データセット2種と社内の小膠細胞データセットでの評価では、骨格指標と長さ推定誤差で最良の結果を示し、自然言語タスクのエンドツーエンド成功率は94.0%だったと報告されている。
説明CtrlWAM：意図と予見を整合させた制御可能な世界行動モデル
要約本論文は、行動（意図）と将来の視覚映像（予見）を同時に予測する世界行動モデル（WAM）CtrlWAM を提案する。摂動を加えた行動をシミュレータで実行し、そのノイズ付き視覚結果と組み合わせて学習を行い、映像と行動それぞれに適したワープ付きノイズスケジュールと、複数エージェントに対応する行動インターフェースを導入している。運転およびロボティクスの実験では、行動予測の精度、映像と行動の整合性、指令への追従性や動作の制御性が向上したと報告されている。
