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LEAP：長時間音声・映像知覚のための学習型ブロック単位証拠検索
要約本論文は、数時間規模の音声・映像質問応答における文脈長の制約に対し、LEAP という枠組みを提案しています。録音を固定長のブロックに分けて候補時間窓を採点し、高得点の窓を結合して一度の有界な回答パスで再符号化します。原文では、複数の AVQA ベンチマークで Qwen3-Omni-30B-A3B 基準モデルを 4.5～16.8% 上回り、MiniCPM-o 4.5 にも移転できたと報告されています。
説明ドメイン汎化における信頼性考慮型チェックポイント選択：精度制約の下でソース領域の信頼性により候補を再選択する手法
要約本論文は、ドメイン汎化でソース検証精度のみに基づきチェックポイントを選ぶと、未知の対象ドメインで信頼できる確率が得られるとは限らないと指摘する。提案手法AC（accuracy-constrained reliability selection）は、ソース検証精度が最良に近いチェックポイントを残し、正規化負の対数尤度とクラス別校正誤差により順位付けする。対象データや追加学習は不要である。OfficeHomeとTerraIncognitaの360回の実験で、ソース精度のみの手法と比べ、対象ドメインの校正誤差と負の対数尤度が低下し、平均対象精度はわずかに上昇した。
説明ConflictGuide：競合する振る舞いを可視化し、AutoResearch を改善する
要約本論文は、機械学習モデルの複数の望ましい性質が互いに対立しやすい点に着目し、単一のタスク指標だけを使うLLMベースのAutoResearchがこの trade-off を考慮していないと指摘します。提案手法ConflictGuideは、競合する振る舞いを特定してプローブ指標を設計し、二段階の進化でその情報を用いて改良を導きます。五つのモデルファミリーで、スカラー指標のみの基準と比べてタスク誤りと競合関連誤りをそれぞれ最大28%、14%削減したと報告されています。
説明TauIndianBankBench：手順と行動を重視したツール利用型対話エージェントの評価ベンチマーク
要約本論文は、インドの個人向け銀行業務に関する1,000件のタスクからなる評価ベンチマーク「TauIndianBankBench」を提案している。これは、模擬顧客を支援するアシスタントが行う対応を評価するものである。最終的な記録だけでなく、必要な手順をすべて実行したか、依頼されていない変更を行わなかったかも確認する。最終記録のみを確認した場合、各モデルで6.5〜12.0%のセッションが成功と判定されたが、その中には必要な手順を飛ばした、または依頼されていない変更を行ったものが含まれていた。
説明RoPE は限界か？長文脈での失敗の理論・診断・緩和
要約本論文は、RoPE（回転位置埋め込み）を用いる言語モデルが長い文脈で失敗する原因を調べています。RoPE には、安定した語彙の選好を保つことと近接する位置を区別することの間に本質的なトレードオフがあると指摘しています。著者らは周波数ごとのクエリとキーのスケールが異なることを許す理論を提案し、キャッシュ済みの活性値を再利用して意味と位置の2つの診断スコアを出す RoPE Profiler を紹介しています。49 の長文脈タスク設定の評価では、推論タスクは主に意味の反転に、検索タスクは主に位置への不感受性に弱いとされています。高周波成分の再スケーリングにより、追加学習なしで一部モデルの精度が最大 20〜25 ポイント向上したと報告されています。
説明AdaGEPA：反省型プロンプト最適化のための適応的フィードバック配分手法
要約本論文は、プロンプトの性能とタスク構造に基づいて次のプロンプト修正に用いる例を選ぶ、適応的フィードバック配分手法AdaGEPAを提案する。各フィードバックのミニバッチでは、特定された弱点に対応するため、最大1つの例のみを入れ替える。6つの下流ベンチマークでの主要実験では、ロールアウト予算を揃えた条件下で、非適応的なフィードバック選択より高い平均検証スコアを達成した。Schema-Guided Dialogue（SGD）の予備研究では、半分の予算で得たプロンプトが、非適応ベースラインの全予算プロンプトを共同目標精度で上回った。
説明空間演算子によって未知のハイパースペクトルセンサーを任意スケールで超解像する手法
要約本論文は、単一モデルでセンサーをまたいだ汎化と任意スケールの再構成を実現するOmniHSRを提案する。分光値を直接予測するのではなく、全バンドで共有される空間演算子を予測し、それを連続場に合成して再構成に用いる。ARADのみで学習した0.538Mパラメータのモデルは、対象ドメインのデータや適応なしで六つの未知データセットにおいて直接転移させた基準手法を上回り、推論は最大36倍高速であると報告されている。
説明CoVisco：画像と動画を統一的に理解するコーデックネイティブ型視覚エンコーダ
要約本論文は、動画の符号化形式を直接扱い、符号化の過程で視覚トークンを圧縮する視覚エンコーダ CoVisco を提案し、画像と動画の統一的な理解を目指すものです。長い動画を時間セグメントに分け、各セグメントに学習可能な抽象トークンを持たせ、セグメント化された注意機構と抽象通信層によって動画全体の文脈を保持します。4 セグメント・64 フレームの設定では、抽象トークンのみ（400 個の視覚トークン）で、OneVision-Encoder に近い、一部ではそれを上回る動画理解性能を示しています。
説明MCD：大規模視覚言語モデルのマルチモーダル文脈内学習に対する因果的蒸留法
要約大規模視覚言語モデル（LVLM）のマルチモーダル文脈内学習（ICL）能力は、モデルサイズが小さくなるほど大きく低下します。本論文は、構造を保持したトークン介入によって因果的な根拠を特定・検証し、その根拠を残した場合と除いた場合の教師モデルの応答を移転する、マルチモーダル因果蒸留（MCD）フレームワークを提案しています。3つのモデルファミリーと7つのベンチマークによる実験では、MCDが生徒モデルの性能を平均7.23ポイント向上させ、通常の蒸留を4.68ポイント上回りました。
説明スコアは安定、ベンチマークは漏洩：公開脳腫瘍MRI分類データセットの汚染度測定
要約本論文は、公開されている脳腫瘍MRI分類データセットの完全性を検証し、画像・患者・取得元の三層にわたる汚染検出フレームワークを提案しています。胸部X線を対照として三つの主要データセットを監査した結果、重大な漏洩が確認されました。たとえば、あるデータセットの公式テスト分割の28.8%に訓練分割内のほぼ同一画像が存在します。漏洩した画像をすべて除去しても平衡精度はほぼ変わらず、安定した性能だけでは完全性を証明できないと著者は述べています。汚染ファイルのリストと去重済み分割を公開しています。
注目点三層の汚染フレームワークを提案し、主要な脳腫瘍MRIデータセットを9アーキテクチャで検証。重複除去後も性能が変わらないという意外な結果を示し、評価手法に貢献する。
説明NavHarness：エージェント型視覚言語ナビゲーションのための適応的目標フレームワーク
要約本論文は、指示と観測に基づいて移動するロボットのための視覚言語ナビゲーション（VLN）において、エージェント型フレームワーク NavHarness を提案します。目標設定、目標達成の検証、多モーダル履歴の圧縮、視覚運動制御をそれぞれ担う四つのエージェントで構成されます。R2R-CE と RxR-CE で評価し、実環境では八つの難しい経路を各三回ずつ試験し、成功率 83.3%、航行誤差 1.51 m を報告しています。
説明パラメトリック偏微分方程式を解くためのクラスタ注意ニューラルオペレータ
要約パラメトリック偏微分方程式の従来のシミュレーションは、パラメータごとに繰り返し計算が必要で、高精度な設計には現実的ではありません。本論文は、クエリを動的にクラスタリングしつつキーと値を全解像度で保持する新しいクロスアテンション機構を用いた、クラスタ注意ニューラルオペレータ（CANO）を提案しています。著者らは、流体・固体力学、非構造格子形状、長期時間発展などのベンチマークで最先端の性能を示したと報告しています。
説明具体と任意の差：LLMの親族関係推論は提示方法に無関心ではない
要約研究者は、形式的に同一の500組の親族関係グラフを用い、関係を身近な語彙で表した場合と、明示的に定義した造語述語で表した場合を比較した。身近な語彙の正答率は四つのモデルすべてで、約5〜36ポイント高く、いずれの差も統計的に有意であった。推論の予算や提示言語を調整すると差を大きく縮められ、この差は固定的な能力不足ではなく変えうるものであることが示された。
説明TRACE：検索エージェントの並列スケーリングのための軌跡選択手法
要約本論文は、多数決では選べない正解を並列検索の軌跡から選び出す軽量な学習型セレクタ TRACE（Trajectory Ranking with Aggregated Cross-Rollout Evidence）を提案します。各軌跡の検索証拠を共有内容や文書の同一性でつなぎ、関連するロールアウトの情報を伝播させます。報告によると、追加の検索や生成的集約なしで、複数の WebQA および長期タスクで投票を上回り、既存手法より少なくとも 10 倍高い処理速度を示したとしています。
注目点並列検索の統合を軌跡選択として定式化し、軌跡間の証拠伝播に基づく軽量セレクタを提案。複数ベンチマークで投票や生成型集約と比較して検証している。
説明慢性多疾患患者のための患者中心の治療計画：選好モデリングのための階層型強化学習フレームワーク
要約本論文は、慢性的な複数疾患（高血圧と2型糖尿病）の治療計画に向けた階層型強化学習の枠組み FAHOC（Patient-Centered Factored-Action Hierarchical Option-Critic）を提案し、患者の服薬への協力意欲を意思決定に組み込みます。米国南東部の5つの病院における約5万人の縦断データで評価され、質調整生存年の期待値では臨床現場の実践より改善を示し、テストデータでは患者の選好に反する判断は一度もなかったと報告しています。
説明DoGBench：エージェントは利用者向けドキュメントの専門家基準を満たせるか
要約本論文は、実際の利用者向けソフトウェアドキュメントの生成と保守を評価する、著者らの知る限り初のベンチマークDoGBenchを提案します。Helm、PostHog、Mauticなどのオープンソースプロジェクト由来の292項目を含みます。エージェントはまず文書更新の要否を判断し、必要な場合は一度で受理可能なパッチを作成し、不要な場合は見送ります。最高得点のエージェントは117項目の保留データで100点満点中47.3点でした。失敗としては、読者の利用方法を確認せずにインターフェースだけを説明すること、根拠不足を妥当な仮定で埋めること、最初に見つけた文書だけを修正し他の古いページを残すことが挙げられています。
注目点ユーザー向けドキュメントの生成と保守を対象とした初のベンチマークで設定は新しい。実OSSプロジェクト292件と保守者検証の評価基準があり根拠は十分。
説明子どものごっこ遊びにおけるAIに対する保護者の複雑な見方の理解
要約本研究は、米国の保護者10名への半構造化インタビューを通じて、AIが子どものごっこ遊びを支援することへの保護者の態度を調べた。保護者は、AIが役割遊びを多くの子どもに身近なものにし、家族の遊びへの親の参加を助けうると考える一方で、想像力や創造性の喪失、AIへの情緒的愛着、人との交流の減少などを懸念している。著者らは、技術的な安全策や親による管理に加えて、AIの適切さと子どもとAIの相互作用が重要な要件であると述べ、長期的な縦断研究の必要性を強調している。
説明OSWorld-Science：科学ソフトウェアの学習と利用を行うコンピュータ操作エージェントのベンチマーク
要約本論文は、視覚言語モデルに基づくコンピュータ操作エージェントが科学ソフトウェアをどれだけ扱えるかを評価する、OSWorld-Science というベンチマークと評価環境を提案している。146 件のタスクと 12 のモデルを含み、分子描画・逆合成、病理画像解析、統計計算、物理シミュレーションなどのワークフローを対象とする。評価は生成された成果物やアプリケーションの状態に基づき、未完了の場合は部分点を与える。論文によれば、現在の最先端モデルも、強力な実行ハーネスを用いた場合でも、科学分野の重要な課題を解くには困難があるという。
説明転移可能なグラフメタネットワーク：重み空間で異なる幅へ一般化する手法
要約メタネットワークは別のニューラルネットワークの重みを入力として、その性質を予測します。本論文は、異なる幅のネットワークで同じ関数を表す方法に対する不変性と、類似の関数を表す重みに類似の予測を与える連続性を備えた、転移可能なグラフメタネットワークを提案します。すべての対象タスクで汎化が大きく改善し、μP（最大更新パラメータ化）で学習したネットワークでは訓練時の幅の42倍まで性能が保たれると報告しています。
注目点異なる幅の入力に転移可能なグラフメタネットワークを提案し、無限幅極限での汎化保証を証明している。新規性と理論的裏付けは明確だが、影響は重み空間学習の一分野に限られる。
説明より良いゴール表現は目標条件付き強化学習を改善するか？
要約本論文は、オフライン目標条件付き強化学習において、目標表現の品質が性能にどこまで影響するかを検討しています。決定論的迷路で正確な時間距離の目標表現を作成し、学習器を固定したまま幾何学的品質を系統的に劣化させています。その結果、目標表現の品質を大きく変えてもOGBenchのナビゲーションタスクの性能はほぼ変わらず、現在状態に同じ介入を行うと成功率が2倍以上になったため、状態側の表現がボトルネックであるとされています。
説明「どこを見るか」を学ぶ：心臓MRI視覚言語モデルのための解剖学的グラウンディングと誘導型注意
要約本論文は、心臓MRI（CMR）画像に対する細粒度の視覚的質問応答を、解剖学的グラウンディングと誘導型注意によって研究するものです。著者らは、複数のCMR撮像系列にわたる約12万8千件の解剖学的グラウンディングデータと約4万2千件の臨床QAデータを構築しました。さらに、心臓解剖ルーティング注意（CARA）を提案し、解剖学的グラウンディングの事前学習と組み合わせたCARA-VLモデルを示しています。実験では、臨床評価と領域定位で良好な結果が報告され、外部の臨床コホートへの一般化も期待されています。
