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ResNetはルーティングを行うのか？残差ネットワークにおける疎な相互作用エキスパート
要約本論文は学習済みResNetを二値の残差分岐マスクに対する集合関数として定式化し、メビウス反転によって出力を個々の残差補正と高次相互作用に厳密に分解します。ImageNetで事前学習したResNet-18とResNet-34の網羅的解析では、相互作用の強度のピークは低次ではなく、それぞれ5次と10次に現れました。研究は、密なResNetには暗黙的なソフトルーティングが生じており、入力ごとに異なる残差相互作用エキスパートに依存していると述べています。
説明接線シュレーディンガー橋マッチング：機構的感度を用いた確率的輸送の学習
要約本論文は、終点観測と機構的感度から確率的輸送を学習する接線シュレーディンガー橋マッチング（Tangent-SBM）を提案している。パラメータの導関数を軌道と並行して伝播させ、与えられた目標に対して教師あり学習を行う。ガウス系、双井戸系、反応拡散系、確率的ナヴィエ–ストークス系での実験では、条件付き橋ベースラインと比べて感度と有限変化予測が改善され、終点および分布の精度は同程度に保たれた。
説明ViTok：PHI-SとマスクドイメージモデリングでAM-RADIO式マルチティーチャー蒸留の密な意味情報を改善
要約本論文は、大域的な認識能力と密な意味情報を同時に保つマルチティーチャー蒸留の手法を整理する研究です。SigLIP2とDINOv3-Lから蒸留した学生モデルに、分離アダプタヘッド、マスクドイメージモデリング（MIM）、PHI-Sによる特徴のバランス調整などを加えています。その結果、ImageNet-1KのkNN分類でDINOv3-Lの教師をわずかに上回り、ADE20Kでは教師と同等の性能に回復しました。ImageNet22Kへの拡張やSAM3、HOGを追加教師とする試みは効果が一貫せず、干渉が生じたという負の結果も報告されています。
説明LUMOS：学習データから振る舞い出力まで、LLMのパラメトリック知識を追跡する
要約本論文は、学習コーパスが完全に公開されているOLMo 2を用いて、学習データへの露出から行動出力までの因果連鎖をたどる診断フレームワークLUMOS（Traceable Knowledge in LLMs）を提案している。希少な事実は内部で高い分離性（84%）で符号化されている一方、行動として表出できるのは54%にとどまり、その差はモデル規模の拡大とともに縮まるという。また、未見の内容に対する自己反省は学習済み内容の83%から偶然水準の49%に低下し、この傾向はチェーン・オブ・ソート提示でも残ると報告されている。
説明書き込み時に解釈する：複数目標のエージェントメモリに対する方策アブレーション研究
要約長期間動作するアシスタントはすべての経験を保持できず要約を作るが、何を残すかは記録の用途に基づいて決まる。本論文は、目標なしの要約、全目標を網羅する一つの要約、目標ごとに一つずつ要約を書く、という三つの書き込み方策を、複数のモデルと事象ストリームで比較している。異なる目標向けに書かれた要約同士は重なりが少ない。目標別の要約が関連性・網羅性・正確性で最も優れ、全目標向けの要約は、より小さい予算で書かれた中立的な要約にも劣っていた。
説明マッチング原理はいつ信頼できるか：有限サンプルとモデル不確実性下の頑健な展開幾何学
要約本論文は、信頼比 τ = ε/γ（推定の不確実性とスペクトル分離の比）を用いて、どの幾何学にマッチングを適用するかを判断する枠組みを提案します。線形二次マッチング応答の下で、推定と真の射影行列の間のずれは τ² に比例し、τ<1/2 のDavis-Kahan分離領域で成り立つと述べています。これに基づき、τが小さいときは方向性マッチング、大きいときは徐々に等方的にする置信校正マッチング（CCM）を提案します。閾値は定理ではなく校正から得られるとされています。UCI HARの埋め込みでは、常にマッチングする方法が各条件で棄権より劣ると示されています。
説明因果不変マスキングによるマルチモーダルLLMの認識的不確実性の可視化
要約マルチモーダル大規模言語モデル（MLLM）は幻覚を起こしやすいため、信頼できる運用には不確実性定量化（UQ）が必要です。本論文は、原予測と因果的に焦点を当てた視点での予測との意味的ずれを測る因果不変マスキング（CIM）を提案し、モデル自身の限界に起因する認識的不確実性を捉える指標として意味的発散を用います。さらに高速な幾何学的代理指標として期待埋め込みドリフト（EED）を提案しています。実験では複数のベンチマークで最先端の性能を示し、EEDは性能をほぼ保ったまま約50%高速化したとされています。
説明トリガーなしの誤情報：事実回答から下流の意思決定まで
要約本論文は、学習データに虚偽が含まれる場合に言語モデルが事実回答だけでなく後続の判断にも影響を受けるかを調べたものです。制御された「首都を当てる」課題と、2019〜20年のオーストラリア森林火災に関する虚偽のSNS投稿という現実の例を用いて比較しています。直接の回答が正しくても判断が正しいとは限らず、誤った数値を取り除いても誤解を招く話は残ると示しています。
注目点事実回答と下流の判断の間にある「監査ギャップ」を提示し、統制課題と実際の山火事誤情報事例で検証しており新規性は高い。対照実験と複数モデルで証拠も比較的充実している。
説明PsyEvo：テスト時に自己進化する個別化カウンセリングエージェント
要約本論文は、大規模言語モデルに基づくカウンセリングフレームワークPsyEvoを提案します。テスト時に個々のクライアントへの個別化と応答方針の改善を行い、階層ベイズ技能方策、セッション間リストワイズ選好最適化、状態条件付き順序的クレジット割当の三要素で構成されます。模擬クライアントによる評価では、PsychEvalで総合スコア7.684を獲得し、三回の対応実験のいずれでも各構成要素の変種を上回りました。
説明DyRA：DNNにおける効率的な行列積のための動的残差近似手法
要約本論文は、推論時に入力に応じて構造化された重み近似によって生じる出力誤差を補正し、DNNの行列積を高速化するDyRAを提案している。重みのみを近似する従来手法よりも、同じ計算量で完全な行列積に近い結果を得られるとしている。視覚・音声・言語モデルの実験で精度と効率のトレードオフを改善し、DINOv3ではエンドツーエンドのGPU速度が1.5倍になり、精度低下は重みのみの手法の3分の1以下に抑えられたと報告している。
説明オムニ・マルチモーダルグラフ基盤モデルへ：トポロジー駆動の結合手法
要約本論文は、グラフのトポロジーを用いて多様なモダリティの情報を統一された共有空間に結合する手法 GraphBind を提案しています。トポロジーによってノード自身の意味と信頼できる近傍の意味を整理し、軽量なインターフェースで識別タスクと生成タスクに適応させます。11 の代表的なベースラインとの比較で、両タスクにおいて最も高い性能を示し、最強のベースラインに対して最大 28.1% の相対的改善を達成したと報告されています。
説明見つけたが読めていない：抽出テキストは文書VLMの検索と読解のギャップをどう埋めるか
要約本論文は、検索拡張型の文書質問応答では正しいページを見つければVLMが読めると想定されがちだが、「証拠は見つかったが使われない」という検索—読解ギャップが生じることを示している。FoveDoc-Bench上で、ページ画像のみの回答と、同じ画像に抽出テキストを加えた回答を比較した結果、CPU-OCRテキストの追加で厳密精度が向上した。その効果は複数のモデルで確認された。抽出テキストは文章的な証拠には有効だが、グラフや図では効果がないか悪化させ、検索品質が下がると利得も小さくなる。
注目点検索と読解の間のギャップを対比プロトコルで切り分け、複数のVLMで検証し、テキスト効果の境界も示しており新規性がある。影響は文書QAの分野に主に及ぶ。
説明協調の原則を用いた視覚言語モデルの視覚質問応答評価
要約本論文は、質問がグライスの公準（不要・曖昧・誤った情報を含むこと）に違反する場合に、視覚言語モデルの視覚質問応答性能がどう変化するかを検討しています。モデルに不要・曖昧・誤りを含む質問修飾語を生成させ、ChatGPT、Claude、Gemini、Llavaを評価したところ、違反がある場合に性能の低下が見られました。さらに、人間とモデルの語用推論の違い、および人為的違反とAI生成違反への対処の違いも比較しています。
説明スコア一致を超えて：LLM評価の残余難易度を心理測定学で分析
要約本論文は、LLMを自動評価者（LLM-as-a-judge）として用いる際の信頼性を検討します。要約評価データセットSummEval上で、多相Raschモデルを人間とLLMそれぞれの評点に適用し、潜在的な要約品質、評価者の厳しさ、次元の厳しさ、評点尺度の閾値に分解しました。さらに「残余難易度」を定義して両者の判断の難しさを比較した結果、潜在品質で中程度の一致があっても残余難易度は一致しないことが分かりました。ずれは次元によって異なり、一貫性ではLLMにとって難しい方向、整合性では人間にとって難しい方向へ偏っていました。
説明見て言えても使えない：マルチモーダル大規模言語モデルにおける、報告可能な空間的事実から利用可能な状態への距離
要約本論文は、マルチモーダル大規模言語モデルが空間的事実を正しく報告できても、後続の推論でその事実を使うとは限らないことを指摘します。著者らは23,196件の入力からなるSpaceConflictベンチマークを提案し、局所的事実の結合、関係の合成、観測間の一貫性、変換下の状態判断の4段階を評価します。モデルは視覚的証拠から初期状態を復元できても、その状態を変換の計算に使うと失敗することが多いと報告されています。そこで作者らは操作的状態監督（OSS）を提案し、特に一貫性と変換の段階で改善が見られたとしています。
説明クエリに応じたルーティングによる多言語エンコーダの言語横断検索性能向上
要約多言語エンコーダは、クエリと関連文書の言語が異なると、同一言語の場合は高い性能を示しても検索精度が低下することがあります。本論文は、既存の同一言語性能と文書インデックスを保ったまま、フィンランド語とスウェーデン語の言語横断検索を改善できるかを検討します。クエリ側のみに作用する低ランクアダプタ（SampoTron）を凍結された文書埋め込みに対して学習し、クエリと索引の言語に基づく決定的ルーティングを組み合わせています。言語を跨ぐクエリにはアダプタを、同一言語のクエリには元のエンコーダを用います。サンプリングした金融ベンチマークの6方向で、平均nDCG@10は0.241から0.291へ改善されました（相対増加20.9%）。
説明SceneFactory-3D：二次元の交通シーンを三次元の物理的反事実へ拡張し、拡張可能な物理ベースの安全性評価を行う手法
要約本論文は、GPUバッチ処理に対応した物理ベースの多エージェント運転シミュレータSceneFactory-3Dを提案します。車両はタイヤと路面の接触点ごとのサスペンションと摩擦に制限された力によって加減速と操舵の指令を実行します。交通シナリオと車両制御器を固定したまま路面条件のみを変えた並列の反事実評価を行い、摩擦係数が1.0から0.18に下がると、学習型方策では工事区間を安全に通過する車両の割合が6〜90ポイント低下し、近接衝突も増えたと報告しています。
説明ConvoDrift：語調スタイルの変化をモデル化する多ターン対話データセット
要約本論文は、意味的な意図を固定したまま、対話中に語調のスタイルが徐々に変化する現象を研究するためのデータセット ConvoDrift を提案しています。15,727件の多ターン対話構造を基にし、各対話に六組のプロンプトと応答を含み、スタイルの漂流と方向のラベルを付与しています。さらに、意味は同じでスタイルの異なる応答を組み合わせた対比データを作成し、個人化と多元的アラインメントの研究に用いています。人手およびLLMによる評価の結果、スタイルの変化は語彙を変えるが意味の類似性は保たれることが示されています。
説明符号付きネットワークにおける仲間効果：正の紐帯と負の紐帯による影響の分離
要約本論文は、支持的な関係と敵対的な関係の両方を含む符号付きソーシャルネットワークにおいて、介入が人々の社会的関係を通じてどのように影響するかを研究している。著者らは正の紐帯、負の紐帯、およびそれらの相互作用による効果を定義し、SiDEと呼ばれる二重頑健推定量を提案している。六つの実在の符号付きネットワークでの半合成実験では効果を正確に推定できた。また、公表された学校実験データの探索的再分析では、多重比較補正後に四つの効果の区間がいずれもゼロを含んだ。
説明サブ集団シフトと外れ値汚染の下での分布ロバスト生存モデル
要約本論文は、生存分析において潜在的なサブ集団シフトと訓練データの外れ値汚染を同時に扱う分布ロバストな枠組みを提案します。外側の最小化では汚染サンプルの影響を抑えて名目分布を修正し、内側の最大化では最も困難なサブ集団に焦点を当てます。シミュレーションと二つの生存ベンチマークの実験で、両問題が同時に生じても安定して学習でき、最悪グループの性能が大きく向上することが示されています。
説明TACD：終端増幅制御によるテキストからモーションへの効率的な蒸留手法
要約本論文は、実モーションデータを使わず、テキストプロンプトと事前学習済み教師モデルから効率的なモーション生成器を学習する終端増幅制御蒸留（TACD）を提案しています。教師へのクエリを学生のステップサイズに結び付け、クリーンなモーション空間での有効な損失の重みを抑えることで、少ステップ生成の品質を改善します。HumanML3D と KIT-ML での実験では、この制約のない蒸留と比べて八ステップの HY-Motion 学生モデルの FID が 58% 低減し、HY-Motion と Kimodo では教師に対して 7.7〜11.9 倍のエンドツーエンド高速化が報告されています。
説明DIVINE：多様なテクニカル指標の再構成による市場横断型株式事前学習手法
要約本論文は、生の OHLCV 価格・出来高履歴からテクニカル指標を再構成して金融時系列のエンコーダを事前学習する DIVINE フレームワークを提案している。6つの株式市場データで共同事前学習し、16の標準指標から導出した77の目標を再構成した後、学習済みエンコーダのみを下流の株式ランキングタスクへ転用する。著者らは、0.05Mパラメータの軽量エンコーダで6市場すべてにおいて平均的なポートフォリオ性能が最も高かったと報告している。
説明時系列予測における忘却学習（機械学習モデルから特定データの影響を取り除く技術）について
要約本論文は、時系列予測モデルから特定の学習データの影響を、全体の再学習なしに取り除く方法を研究しています。提案手法RDTUは、保持データに基づくニューラル接線カーネル予測器で削除に適した基礎予測を求め、保持参照データを用いて各影響ウィンドウの構造的支持度を定量化します。さらに拡散モデルで残差補正を生成して擬似ラベルを作り、軽量なモデル更新を導きます。実験では、正確な再学習の結果に最も近いモデルが得られたとされています。
説明NeuroLens：慢性記録からニューラル意味の潜在埋め込みを学習する手法
要約本論文は、JEPA枠組みに基づく自己教師あり モデル NeuroLens を提案し、慢性的な神経記録からノイズを除去した意味的な潜在表現を学習します。適応エンコーダが変化する神経集団を共通の潜在空間へ写像し、時間予測器が将来の潜在状態を予測します。マウスとヒトの皮質内データで、意思決定や意味課題変数の解読を改善し、長期間にわたり既存の基準手法より安定した解読を示しました。
説明反実仮想による行動評価、観測のボトルネック、結合埋め込み予測型世界モデルにおける表現幾何
要約本論文は、世界モデルの潜在予測誤差が小さくても、行動の結果を区別できているとは限らないことを示します。制御された変形物理シミュレーションで、同じ介入をシミュレータ状態、ラスター観測、目標埋め込み、予測器出力の各段階で追跡しています。指令を変えると粒子の運動は変わるものの、1ステップのラスター画像ペアの41.5%は同一でした。予測器の動作への応答は目標埋め込みの変化よりはるかに小さいとされています。著者らは、物理的効果、観測の可視性、表現幾何、行動依存性を個別に監査すべきだと提案しています。
説明ハーネスを考慮した小型言語モデルエージェントの蒸留（HAD）：ハーネスの外で教師モデルが持つ能力を小型モデルに学ばせる手法
要約本論文は、大規模言語モデルのエージェントを小型モデルへ蒸留する手法Harness-Aware Distillation（HAD）を提案する。ハーネス（モデルを包むソフトウェア）が提供できない教師モデル固有の能力を学生モデルが学ぶことに焦点を当て、ハーネス情報の有無で教師の行動選好を比較し、ハーネスの記録と矛盾する選好ペアを除外する。複数の長期的エージェントのベンチマークとモデルで、同じ固定ハーネスの下で既存のオンポリシー蒸留を上回ったと報告されている。
説明適応的相互蒸留：大規模言語モデルのバランス型マルチタスク事後学習
要約本論文は、タスクごとに学習データ量が偏る大規模言語モデル（LLM）のマルチタスク事後学習を対象とし、適応的相互蒸留（AMD）という枠組みを提案しています。タスク均衡戦略の異なる2つのモデルを協調して学習させ、共有の短い学習プローブと検証スコアにより、タスクごと・転移方向ごとに蒸留重みの調整を選びます。6つのベンチマークと3種のLLMでの評価では、両モデルとも同じサンプリング戦略の教師あり微調整（SFT）より平均スコアが高く、2つのモデルを統合すると、マルチタスクSFTより3つのバックボーン平均で2.91ポイント高くなりました。
説明収縮制約付き状態空間モデルによる有界到達可能性とジェイルブレイク検出
要約本論文は、状態空間モデル（SSM）に基づく安全性分類ヘッドが、埋め込み空間における有界な摂動の範囲内のすべての入力に対して同じ予測を出力することを形式的に保証できるかを検討しています。状態遷移行列の無限大ノルムが1未満であるという収縮条件のもとで、区間境界伝播による厳密な認証が可能になることを示し、有害コメントデータで認証可能な割合が41%から59%に向上したと報告しています。またJailbreakBenchで学習したS4ヘッドは、AdvBenchやHarmBenchへゼロショットで転移し、検出性能はMamba埋め込みに対するロジスティック回帰と同等以上である一方、形式的な認証を提供する点が特徴です。
説明順序不変性だけでは不十分：マルチエージェント Transformer 方策における行動の崩壊
要約本論文は、協調ナビゲーションにおいて、エージェントの順序を入れ替えた際の Transformer 方策の挙動を検討しています。順序を入れ替えても誤差が小さい場合、全エージェントが同じ行動を選んでいるだけかもしれないと指摘し、行動の多様性や同一行動の割合などの指標で評価しています。結果として、N=3 では弱い等変性正則化が頑健性を高めつつ行動の多様性を保ち、N=4 ではより小さい正則化重みが必要だとしています。
説明開放型チーム向けマルチエージェント強化学習における、メンバー交代と直交する信用割当（TOCA）
要約本論文は、エピソード中にエージェントが参加・離脱・交代しうる開放型チームのマルチエージェント強化学習を扱います。提案手法TOCAは、行動の効果、純粋な交代の効果、そして両者の相互作用を分離し、外部の交代イベントによって生存エージェントの信用信号が歪まないようにします。受控実験および交代のみを扱うDynamic Spreadベンチマークでは、TOCAがイベント対応のMAPPO型ベースラインより高い収益を示し、相互作用の信用項を除くと性能が大きく低下することが示されています。
説明強化学習における富化（enrichment）の仕組みを理解する
要約報酬がまばらな場合、検証可能な報酬による強化学習（RLVR）では、ヒントや中間的な指導を使って成功したロールアウトを増やすことがよくあります。しかしこの富化は方策勾配の更新に偏りを生むため、重要度重みで補正する必要があります。本論文は、補正を省略または切り詰めると定義された報酬が暗黙のうちに重み付け直されることを数学的に示し、生じる勾配誤差をスケール、回転、分散に分解しています。また、逐次モンテカルロ（SMC）による重み補正法を提案し、標準的な補正で生じる分散の指数的な累積を加法的な累積に抑えられることを示しています。さらに、Qwen3-1.7B を OpenMathReasoning の疎なデータで微調整した結果を分析し、補正の有無にかかわらず富化が疎な領域での学習崩壊を防ぐ仕組みを示しています。
説明DNAlign：大規模言語モデルのための動的ヌル空間安全アラインメント手法
要約本論文は、制御理論的最適化とヌル空間射影を組み合わせた軽量な大規模言語モデル（LLM）の安全アラインメント枠組み DNAlign を提案しています。摂動を有害内容に関連する部分空間に制限することで、一般的な知識と応答品質を保ちながら有害な出力を減らします。複数のLLMでの評価では、流暢さや事実性を維持しつつ有害出力を抑えることが示されています。
説明LLMによる言い換えは、マルチモーダルな主張検証の判断にどの程度影響するか
要約本論文は、LLMが文章に加える文体の変化が、学術的タスクにおけるモデルの判断にどう影響するかを検証しています。対象タスクは、テキストの主張が与えられた証拠に裏付けられているかを判定するマルチモーダル主張検証です。研究では、自然な言い換えと、LLMに特徴的な単語を一語挿入する統制的な手法の二種類を用いて、5つの視覚言語モデル系列にまたがる11のオープンウェイトモデル（2Bから38B）を評価しています。その結果、大半のモデルで正解率の有意な低下は見られませんでしたが、慎重な表現（ヘッジ）を加える改写では、ほぼ全モデルで確率に有意な変化が生じました。
説明PointWAM：器用なロボット操作のための3D世界行動モデル
要約本論文は、環境のシーンと手（アクター）を分けて扱い、共通の時空間座標系で両者の3D点軌跡を同時に予測する3D世界行動モデルPointWAMを提案している。入力は色付き点群と言語指示で、予測された手の動きはロボットの動作へ変換される。人間の実演動画による事前学習とシーン軌跡の監督を加えることで、DexJoCoの成功率が向上したと報告されている。DexJoCoの10タスクで従来の最高性能を上回り、実機ロボットでも強力なVLAモデルを上回ったとしている。
説明データ分布の彼方へ：システム挙動、因果税、非因果ベースモデル
要約本論文は、データ空間の外にある系統の振る舞い S を証拠下界の不可分な要素として組み込む SBD フレームワークを提案します。S を考慮すると、言語モデルの因果性は必須でも最適でもない可能性があると主張し、S を無視した場合に因果性は構造的誤差を伴う次善の近似になるという「因果税」を示します。さらに非因果的な変分族 Green Shell（GSH）を構築し、NTK 解析で従来の因果的手法より誤差上界が厳しく、信号対雑音比が 7dB 以上改善すると報告しています。
説明「仕事ばかりで遊ばないとジャックは退屈な男になる」：RLVRにおける壊滅的な戦略崩壊の理解と防止
要約大規模言語モデルを検証可能な報酬による強化学習（RLVR）で事後学習する際、GRPO系アルゴリズムは後期に深刻な崩壊を起こすことがあります。本論文はこの現象が良性の戦略の刈り込みではなく、有効な戦略容量の有害な縮小であることを示します。最適化ダイナミクスと情報理論を組み合わせた理論枠組みを提案し、軽量なオンライン警告信号としてMirrored Entanglement Index（MEI）を導出しています。さらに、複数の推論戦略を保持する「Mesh Learning」を提案し、崩壊の防止を図っています。
説明FastOPD：軽量化VLAモデルの展開に向けたオンポリシー蒸留手法
要約大規模な視覚・言語・行動（VLA）基盤モデルは計算コストが高く、実機への展開が難しくなっています。本論文は、オンポリシー蒸留により大規模モデルを軽量な生徒モデルに変換するFastOPDを提案します。単一状態のフローマップによる教師監督と自己一致性目標を組み合わせています。LIBEROでは2回の推論ステップでπ0.5の性能の約84％を保ち、推論遅延を78.1％削減しました。
説明AMBER：リストワイズ視覚言語再ランキングのための多視点適応型予算配分手法
要約視覚言語モデル（VLM）はマルチモーダル検索の再ランキングに強力ですが、推論コストが高く、評価できる候補は小さな局所的ビューに限られます。既存の複数回呼び出し手法は固定スケジュールのため、情報量の少い候補ペアや易しいクエリにVLM呼び出しを浪費します。本論文は、Elo更新を用いて軽量な全体ランキング状態を保持し、候補ビューの構成とクエリのスケジューリングを動的に配分するオンライン型の予算制約付き多視点再ランキング手法AMBERを提案します。CIRR、CIRCO、PhotoBenchでの実験では、比較可能なVLM呼び出し予算の下で、比較対象の複数回呼び出し手法の中で全体として最良の性能を示したと報告されています。
説明LLM内の臨床概念センター：潜在空間で臨床概念の表現を特定し検証する研究
要約本論文は、オープンウェイトの大規模言語モデル（LLM）の内部に、特定可能で因果的に利用される臨床概念の表現が存在するかを検討します。テストした11のオープンモデルすべてで、対応する臨床記述にのみ反応し、制約付きと自由記述の両方の場面で振る舞いに因果的に影響する専用の臨床概念センターが見つかりました。また、これらのセンターに沿ったステアリングにより下流の臨床性能が改善すること、さらに盲検化された臨床医による評価で、その活性化や利用が医師の選好を予測することが示されています。
説明FSPO：予算制約付きLLM強化学習事後学習のための方策整合リスクとパレート可行制御
要約本論文はFSPOを提案します。これは、ロールアウト温度、グループサイズ、クリッピング、KL正則化などの複数の訓練パラメータを同時に調整する、LLM強化学習事後学習のためのフィードバック状態コントローラです。手法には、展開時の制御器と整合する将来リスクモデル、交差適合軌跡に基づくリスク校正（DCTC）、残りの期間にわたる資源が実行可能かを判定するパレート資源留保証明（PRCC）が含まれます。同一のGRPO資源予算の下で、FSPOは保持データおよび分布外評価において、最も強い適応的ベースラインであるPB2を上回る精度を示しています。
説明MLCommons ジェイルブレイク・ベンチマーク v1.0：単一ターンのテキスト型攻撃に対する大規模言語モデルの頑健性を評価する枠組み
要約本論文は、単一ターンのテキストベースのジェイルブレイク攻撃に対する大規模言語モデルの頑健性を評価するための MLCommons ジェイルブレイク・ベンチマーク v1.0 を提示している。システムと攻撃の選定、ベースラインと対抗的評価、人手による注釈、評価器の較正、採点までを一つのパイプラインで行う。8 つのオープンウェイト系と 264 の種子プロンプトを用いて評価し、ベースライン条件での不安全応答率は 11.08%、ジェイルブレイク条件では 18.65% に上昇した。平均の「レジリエンス・ギャップ」は 7.57% である。
説明再帰的自己書き換えによる複雑タスクの学習軌跡の拡張
要約本論文は、同一のベースモデルが多様な補助ハーネスの下で難しいターミナルタスクの成功解を見つけ、それを汎用ハーネス下の学習軌跡へ再構成する手法、Recursive Self-Rewrite（RSR）を提案している。約3000の自作タスクで得た2001件の成功軌跡を11094件に拡張し、教師ありファインチューニングに用いた結果、複数のベンチマークでベースモデルと直接軌跡学習の双方を上回った。
説明TerrainForge：自動運転の反事実シナリオ生成のための物理に基づく道路形状編集
要約本論文は、再構成された複数車両の走行シーンに対して、クレスト、サグ、スピードハンプ、摩擦変化などの道路形状を編集し、反事実シナリオを生成するフレームワーク TerrainForge を提案している。統一的な道路モデルにより、四輪車両の動力学、カメラ視点、車間距離へ変化が伝播する。さらに、道路編集が自車の終端車間距離に与える影響を、完全な複数車両シミュレーションの前に予測する一次スクリーニング用の代理モデルを学習している。
説明MetaRubric：ルーブリックベース強化学習のための報酬学習手法
要約本論文は、ルーブリックベースの強化学習において、回答に必要な情報がないにもかかわらず評価者が高い基準スコアを与えてしまう「空虚な得点（Vacuous Credit）」の問題を扱います。提案手法MetaRubricは、証拠を考慮した方策最適化と回答に基づくルーブリック調整を交互に行い、各プロンプトの事実を一つ変えた反事実的な例も構築します。複数のバックボーンで、PubMedQAの精度が静的評価者のGRPOより6.00〜20.40ポイント向上したと報告されています。
説明時間的ドメイン汎化のための適応的スペクトル・Koopman動力学モデリング
要約本論文は、時間とともにデータ分布が変化する問題（時間的ドメイン汎化）に対応するAdaSpecKフレームワークを提案しています。潜在空間でのスペクトル正則化されたKoopman動力学モデリングによりノイズを除去して低周波軌道を抽出し、目標条件付きの注意機構とルーターで過去の情報を適応的に活用します。著者らは8つの分類・回帰ベンチマークで最先端の性能を達成したと報告しています。
説明全モーダル推論のためのテキスト中心の事後学習手法
要約本論文は、全モーダル大規模言語モデルにおける音声・映像の共同推論の学習を扱う。単一ホップの質問にはすべて正答できても多ホップ推論には困難があることを示し、知覚と推論の目的の局所最適化が部分的に分離している可能性を論じている。テキストのみの推論学習でも推論性能は向上するが、知覚は低下する。そこで、テキスト学習で主な推論最適化を行い、その後データを削減した音声・映像の強化学習で知覚を補うパラダイムを提案し、推論の利得の93.5%を保持したとしている。
説明ゲート付きスロットアテンション2：線形アテンションにおける両側の連想メモリ補正
要約線形アテンションモデルは固定サイズの再帰メモリを効率的に扱うことが難しいという課題があります。本論文は、キー側の補正にゲート付きOja則2、値側の補正にゲート付きDelta則2を共有潜在スロットで組み合わせたGated Slot Attention-2（GSA2）を提案し、並列学習のための分割アルゴリズムも示しています。実験では、線形時間の系列モデリングと定数メモリの再帰デコードを保ちつつ、強力な線形アテンションのベースラインを上回ったと報告されています。
説明iS-KV：ブロック増分SVDによるオンライン低ランクKVキャッシュ圧縮
要約長い連鎖的推論では、自己回帰デコード中のKVキャッシュが生成長に比例して増え続けます。本論文は、直近のウィンドウは正確に保持し、古い状態は有界ランクの表現へ段階的に畳み込み、基底の更新に合わせて過去の座標も同期させるiS-KVを提案しています。DeepSeek-R1-Distill-Llama-8Bでは4.06倍の圧縮で82.6%の精度（元モデルは83.6%）、Qwen3-8Bでは5.64倍の圧縮で89.2%の精度を達成しました。同じメモリ予算では、トークン削除型のベースラインより優れていると報告されています。
説明ROUTEAUDIT：予算制約付き多検証器ルーティングのための相互作用考慮型同定手法
要約本論文は、適応型多検証器システムの比較を、検証器の構成や会計、情報の制限などを固定した条件で行う同定問題として定式化し、ROUTEAUDITという枠組みを提案します。この枠組みは、方策に依存しない応答の記録、各比較に対する帰属証明書、要求単位の区間推定などを含みます。原文によれば、保留された1,319件のタスク要求で、学習型とRLVR手法の品質は0.9522と0.9553で、一致させた静的方策の0.9484を上回りました。
説明VIGOR：潜在空間の一貫性によるモデルベース強化学習のゼロショット視覚汎化手法
要約本論文は、背景・照明・カメラ位置の変化など未知の視覚的ノイズに対して、モデルベース強化学習の性能が低下する問題に取り組むVIGORフレームワークを提案しています。非対称な弱→強データ拡張、動力学レベルの一貫性、エンコーダの安定化により、ゼロショットでの汎化を実現します。DMCとRobosuiteでの評価では既存手法を上回り、アブレーション実験から堅牢性は拡張手法の選択ではなく潜在空間の一貫性によるものだと示されています。
説明BitNest：メモリ効率を高める入れ子ビット型投機的デコーディングによるLLM推論高速化
要約本論文は、高精度のターゲット表現の中に低精度のドラフトを直接埋め込み、両モデルが単一の物理的な重み表現を共有するBitNestフレームワークを提案しています。この段階的精度設計はKVキャッシュにも拡張され、長文脈推論に対応します。7〜8B規模の複数のエッジ向けLLMにおいて、平均投機的受理率は95.2%に達し、FP16の自己回帰デコーディングと比べてエンドツーエンドで1.48〜1.61倍の高速化を実現したと報告されています。
説明FUSEye：重なり視点とゼロ初期化アダプタを用いた少学習型魚眼物体検出
要約魚眼カメラは移動ロボットに低コストで広い視野を与えますが、COCOで事前学習された一般的な検出器は魚眼画像でうまく動作しません。FUSEyeは凍結バックボーンのYOLO26-xに約22.7万のパラメータを追加し、重なり格子ビュー、ゼロ初期化残差アダプタ、複数視点の一致を用いる融合の3段階で転移ギャップを埋めます。WoodScapeベンチマークではmAP50が0.148から0.266に向上し、全体微調整時の精度の84.3%を保ちました。ラベル付き画像の25%のみでも全ラベル時の97.6%の性能を維持しました。
説明Muon は事実をよりよく学習する：スペクトル直交化の役割
要約本論文は、解析可能な事実想起モデルを用いて、Muon オプティマイザーのスペクトル直交化が特徴学習にどう作用するかを調べています。スペクトル勾配流は、通常の勾配流に比べ、主語と関係の情報の学習時間比が Θ̃(√(S/R)) から Θ̃(1) に縮小し、誤差もより速く減衰することが示されています。また、スペクトル勾配流と勾配流はトークン埋め込みの直交変換に対して等変である一方、符号勾配流（Adam の連続極限）はそうではないとされています。
注目点解析可能な事実想起モデルで、スペクトル直交化が学習時間比を√(S/R)からΘ(1)へ下げることを示し、新規性が高い。
説明EEG-fNIRSによる被験者横断の連続感情回帰：共有構造と個人構造のモデル化
要約本論文は、対象被験者のラベルを使わず、脳波（EEG）と機能的近赤外分光法（fNIRS）の信号から、秒単位の感情価と覚醒度を推定する手法を扱っています。感情の推移を、同じ映像を見た被験者間で共有される構造と、ラベル不要のEEGα帯域の通道間同期性から推定される個人構造に分解します。未見の被験者に対する平均絶対誤差は、EEGNetやASAC-Netなどのベースラインより低いと報告されています。また、単一の同期性指標を上回る信号が見つからなかった負の結果も記載されています。
説明非定常分布シフト下のグラフ学習のための高効率メモリ結晶化（EMC）
要約本論文は、グラフ分布が時間とともに変化する環境でのモデル適応を扱い、学習不要のテスト時フレームワークEMCを提案します。EMCは補助生成モジュールを使わず、各入力グラフ領域を意味を保った簡潔なメモリに圧縮します。さらに状態遷移するメモリで領域間の依存関係を捉え、直接適応より厳しい汎化誤差上界を理論的に示しています。実験では、最近の競合手法と比べて平均実行時間が87.4%、GPUメモリ使用量が92.4%削減されたと報告されています。
説明PAPER2LLM++：研究論文から大規模言語モデルを継続的に自己進化させる手法
要約本論文は、大規模言語モデルが新たに発表された研究論文から継続的に学習できるようにするフレームワーク PAPER2LLM++ を提案しています。各論文から根拠に基づく知見を抽出し、論文が指摘するモデルの欠陥が現在のモデルで残っているかを検証し、必要に応じて候補となる学習信号に変換します。更新は、対象の挙動が改善され、既存の改善を大きく忘れず、一般的な能力も低下させない場合にのみ採用されます。実験では、モデルが以前の成果を保ちつつ新しい知見を段階的に取り込めることが示されています。
説明「Law And Order」：税法の自動形式化に関する研究
要約本論文は、税務書式や記入説明などの法律文書を、実行可能な記号プログラムへ自動変換する方法を検討している。著者らはニューロシンボリックな枠組み Law&Order を提案し、大規模言語モデルによる生成、セル単位の検証、局所的な反復修正を組み合わせている。生成や修正の過程で一切使われなかった 51 件の独立した申告書では、セル単位と様式単位の両方で 100% の正確さを達成し、単独の大規模言語モデルの最高精度 66% を大きく上回った。
説明トークン精度を超えて：視覚再構成のために重要な情報を優先する
要約本論文は、再構成品質を重視した適応型視覚トークン通信フレームワークAdapToCを提案します。送信側では画像内容・チャネル状態・通信予算を総合的に考慮し、画像ごとにトークン数と保護レベルを動的に決定します。受信側の適応型MaskGIT受信機は、チャネルの信頼性を考慮して欠損・破損したトークンを復元します。同じ通信コストの下で、最も強力な静的ベースラインに対し、平均PSNRで最大4.20 dBの向上を示しています。
説明効率的なガウス型DAG学習のための留出スコアリング（HOST）
要約本論文は、部分集合探索の代わりにノードごとの留出（ホールドアウト）スコアリングと凸回帰を用い、事前に与える入次数上界を必要としない高斯有向非巡回グラフ（DAG）学習アルゴリズム HOST を提案する。順序の回復には順序スコアの一方向の誤差制御で足りるとし、留出サンプルによるスコア推定は選ばれるべきでない候補のスコアを期待値として押し上げるため、この方向に有利だと論じる。一定の条件下で、HOST は最大入次数 d の p ノード DAG を多項式時間で、おおよそ d log p のサンプル数で厳密に復元できる。実験では、グラフ復元の精度が競争力を持ち、実行時間の増加も良好であることが示されている。
注目点部分集合探索の代わりに留出サンプル採点と凸回帰を用い、多項式時間で最適に近い標本複雑度を得る点が新しい。実験の規模と比較は限定的。
説明評価基準ベースRLの前に在来方策蒸留で初期化する二段階学習法
要約本論文は、評価基準（ルーブリック）に基づく言語モデルの学習を二段階で行う枠組みを提案します。第一段階では、評価基準を教師モデルの特権情報として用い、評価基準を見られない生徒モデルが自ら生成した接頭辞上で教師の次トークン分布に合わせる在来方策蒸留（RP-OPD）を行います。第二段階では評価基準の報酬で強化学習を行います。HealthBench、ResearchQA、RubricHub Scienceでオープンウェイトモデルを用いて評価したところ、評価した手法の中で最高スコアを示したと報告されています。また、RubricHub Scienceでは、SFT＋RLのベースラインが必要な内容を示さずに基準への適合を主張する回答に高い報酬を与える傾向があったのに対し、提案手法にはそのような報酬ハッキングの兆候が限定的であったとされています。
説明拡散モデルの暗記を遅らせるための極性露出制御
要約訓練サンプルの複製が始まる前に拡散モデルが有用な品質に到達できる時間の窓を研究しています。著者らは、高速な極性更新を行ったあと、品質ゲートを通過したら固定ゲインのモメンタムを段階的に戻す制御手法QGDを提案しています。2,000枚のCIFAR-10サブセットでは、有用区間を8.32倍に広げ、共通チェックポイントの複製を75.9%減らし、FIDは同じ選択器でのSGDの79.37に対しQGDが75.56でした。
説明TRAC：自己回帰型ビデオ生成のための軌跡認識型キャッシュ再利用と適応的補正手法
要約本論文は、自己回帰（AR）型ビデオ生成を高速化しつつ品質を保つためのフレームワーク TRAC を提案している。構成は、Robust Cumulative Scheduling（RCS）、Autoregressive Trajectory-aware Guidance Scheduling（ATGS）、Spectral Structure Correction（SSC）の三要素である。SkyReels-V2 の VBench 評価では、元のモデルに比べて 6.03 倍の高速化を達成し、VBench スコアの低下は約 0.6% にとどまると報告されている。
説明オンラインコミュニケーションにおける精神保健スティグマの自動評価：細粒度アノテーションによるベンチマーク
要約本論文は、オンラインニュースやソーシャルメディアの文章における精神保健スティグマを自動評価するための、理論に基づくベンチマークを提案しています。6種類の精神保健状態に関する文章を、細粒度の分類体系で注釈付けしています。既存の感情分析や有害性・ヘイトスピーチの検出モデルでは十分に捉えられないこと、また大規模言語モデルは明確な判定ルールがないと過剰にスティグマを予測することが示されています。
説明LatticeSMC：チャンク単位の系列生成器で推論時の計算をどこに使うか
要約本論文は、音楽・動作・動画などをチャンクごとに生成する長尺系列モデルに向けて、計算量を揃えた推論時ステアリング手法 LatticeSMC を提案します。チャンク番号と去雑音ステップからなる二次元格子上で再サンプリングを行います。同一計算量の下で、音楽からダンスへの生成と40秒のテキストから音楽への生成において、拍の一致度と指示への従順性を向上させ、保留データでの品質も維持しました。人間の評価者による two-way 比較では60〜77%で好まれました。
説明非構造化知識編集における聚焦ビューによる原子事実の想起改善
要約大規模言語モデルは事前学習後に変化した情報をパラメータに自動では反映できません。知識編集は再学習なしに一部の知識を修正する手法です。本論文は既存の非構造化知識編集に、編集文の原文文脈がないと個別の事実を想起できない「文脈依存」問題があると指摘します。提案手法FOVEATEDは、編集時に先行文脈のキーに割り当てる回転位置埋め込み（RoPE）の位置を無作為にずらして各文の聚焦ビューを作り、推論時には摂動を除去します。複数の編集器、モデル、ベンチマークで一貫した改善を示したと報告しています。
説明1ビットフィードバックにおける近最適な固定信頼度の最良腕識別
要約本論文は、厳密な1ビットフィードバック制約の下での固定信頼度最良腕識別を扱う。各ラウンドで学習者は腕と照会集合を選び、サンプルされた報酬がその集合に属するかを示す1ビットのみを受け取る。ランダム化された閾値照会と打ち切りテール積分恒等式に基づく時間一様な1ビット平均推定法を提案し、候補-挑戦者型の算法に組み込む。位相的適応打ち切り算法は差に適応したサンプル複雑度を与え、有限分散の1ビットフィードバックに起因する対数的ペナルティが本質的であることを示す下界を証明し、その主項は位相算法と低次の log log 因子を除いて一致する。
説明AptMQL-Bench：SQLからMQLへの自然言語変換ベンチマーク
要約本論文は、自然言語をMongoDBのクエリ言語（MQL）に変換する能力を評価するAptMQL-Benchを提案しています。既存のBIRDデータセットを、アクセスパターンに基づいてドキュメントスキーマを設計し、SQLiteからデータを欠損なく移行して構築しました。21のデータベース、3,186件の自然言語リクエストと対応するMQLクエリを含みます。最も性能の高いClaude Opus 4.5の精度は、外部知識なしで57.38%、ありで70.34%であり、この課題が依然として難しいことを示しています。
説明履歴が経験に変わらないとき：言語エージェントにおける行動の校正
要約本論文は、言語エージェントが同一タスク内の過去の試行や環境からのフィードバックをどのように利用するかを検討しています。履歴は全体としてタスク成功率を高めますが、過去の行動をシャッフルしても利得の大部分は残り、行動と観測の対応を崩しても成功率の低下はわずかでした。そこで著者らは、エージェントが過去の行動とその結果を確実に結びつけていないと仮定し、各観測を直前の行動の結果として明示的にラベル付けすることで成功率を改善し、繰り返しの行動を減らしたと報告しています。さらに、過去の行動を再評価して経験を選択的に記録する学習型の校正器を提案しています。
説明「無料のグラフはない」：マルチモーダルデータはいつグラフ化すべきかを学習する
要約マルチモーダルグラフ学習は、エンティティ間の関係を表現に取り入れる手法として注目されているが、グラフ化が常に有益とは限らない。本論文は複数のデータセット、タスク、グラフ構築手法での実験から、関係構造の導入が大きな改善をもたらす場合もあれば、効果が限られたり負の影響を与えたりする場合もあることを示す。そこで、完全なグラフを生成する前に構築の有用性を評価するフレームワーク MAG-SCOUT を提案し、6つのデータセットと3つのタスクで、グラフ作業の約33.1%を削減しつつ正の利得の約96.7%を保持したと報告している。
説明接頭辞キャッシュを用いる言語モデル推論のための厳密なメモリ・時間最適化
要約本論文は、言語モデルの接頭辞状態を保持する際に、再計算と記憶時間のトレードオフをどう最適化するかを扱います。著者らは接頭辞証明書保持（PCR）という手法を提案し、使用可能な接頭辞の報酬を最大重み閉包として定式化し、一回の最小カットに帰着させています。評価は公開された Mooncake のリクエストトレースで行われ、測定対象は GPU の遅延ではなく、使用可能な接頭辞ブロック数と記憶時間です。
説明視覚言語モデルを用いた自動運転の局所的コンフォーマル安全監視
要約本論文は、凍結された視覚言語モデル（VLM）の上に載せる後処理キャリブレーション手法SLLCPを提案する。これにより、信頼性の低いVLMの衝突予測を、確率的に校正された安全予測集合へと変換する。走行シーンに応じて関連する過去の経験に重みを付け、不確実性の閾値を算出する。CARLAの未知シナリオ1.5万本の軌道で評価したところ、衝突を起こす軌道の89.6%（Qwen）と88.4%（Cosmos）を検出し、基本のVLMはそれぞれ4.6%と39.1%しか検出できなかった。
説明パーソナルAIメモリを評価予測に使う際の統制された監査
要約本論文は、構造化された評価予測において、パーソナルAIが過去の「アイテムと評価」の関連を使っているのか、それとも主にユーザーの評価傾向に依存しているのかを検証する。各ユーザー内で過去の評価を、評価分布・アイテムの出現数・メタデータを保ったまま並べ替える対照実験を用い、Coat と MovieLens 上の400の保留ユーザープロファイルと6,160件の対象評価で評価している。著者は、抽出、関連の利用、出力の信頼性、リーダーの選択はそれぞれ別々に評価する必要があると結論づけている。
説明Sentinel-1 SAR時系列による近リアルタイム森林異常検知のための二段階カスケード手法
要約本論文は、Sentinel-1レーダー時系列を用いた近リアルタイムの森林異常検知のための二段階統計エンコーダカスケードを提案している。雲による光学観測の制約と、季節的な後方散乱変動による誤検知という二つの課題への対処を目的とする。第一段階はロバスト統計に基づくz検定、第二段階は安定林パッチで学習した畳み込み自己符号化器の潜在空間SSIMによる確認ゲートであり、両段階が一致した場合にのみ警報を出し、信頼度と危険度階層を付与する。
説明動的LLMルーターはしばしば的外れ：六つの商用ルーターの分析
要約本論文は、8種類のタスクにまたがる14の設定で六つの商用動的LLMルーター（問い合わせを適切なモデルに振り分ける仕組み）を評価し、コストを揃えた場合に、二つの適切に選んだモデルの間でランダムに選ぶルーターより優れたものはないと報告しています。一部は10ポイント以上劣っていました。著者は難易度の無視、長さの逆転、意味的マッチング、モデル候補リストの最適でなさという四つの傾向を挙げ、新たな評価手法と二モデルの簡単なルーターの例を示していますが、ランダム振り分けに対する改善は限定的です。
説明注意機構の拡張：テイラー級数による、再帰状態数が固定の線形時間 Transformer
要約本論文は、注意機構の指数カーネルを n 項のテイラー級数に展開し、因果的な履歴を n 個の再帰状態に圧縮する手法を提案します。各状態は、トークンごとに一つのランク1外積で更新され、文脈長 N に依存しません。N=8192 で softmax の 20.8 倍、N=65536 で単一トークンの復号が 76.0 倍速いと報告されています。また、n=3 が誤差と要素数の最適なトレードオフであり、クエリとキーの正規化が前提条件であると述べています。
説明FiberGeoText：浅部白質の集団レベルの構造化のための視覚言語モデル
要約浅部白質は隣接する脳領域を結ぶ短距離の線維束からなる脳領域ですが、その構造はまだ十分に解明されていません。本論文は、超高解像度拡散MRIから再構成された短距離線維束を集団レベルのクラスタに整理する視覚言語モデルFiberGeoText（FGT）を提案します。FGTは各線維束の三次元軌跡、皮質の解剖学的文脈、形状を同時に表現し、皮質端点の記述を事前学習済み大規模言語モデルで符号化します。0.76mm拡散MRIデータでの評価では、既存手法よりも皮質パーセルの一貫性、クラスタ内形状の一貫性、被験者間の対応性に優れた結果を示し、未見の被験者にも概ね汎化しました。
説明上下にジャンプ：離散順序データ向けのデノイザー拡散モデル
要約本論文は、離散的な順序（整数値）データを対象とした、デノイザーに基づく拡散モデル JUD（Jumping Up and Down）を提案している。データを上方向と下方向の双方に摂動できる点が特徴である。著者らは、学習目的がシンプルであり、異なるデータモダリティで競争力のある結果が得られたと述べている。
説明スペクトル整合によるガイド付き拡散モデルの軌道補正
要約本論文は、中間状態のスペクトルが順方向過程の想定されるスペクトル変化と整合しているかを判断基準とし、サンプリング中に解析的参照スペクトルからのずれを補正するSpectral Correction Guidanceを提案している。本手法は学習を必要とせず、基盤モデルを変更せずに様々な拡散モデルと条件付き生成タスクに適用できる。著者らは、テキストからの画像生成とImageNetにおいて、基準となるガイド手法およびCFGに対して品質の向上を報告しており、その改善は複数のガイドスケールや少ないデノイジングステップでも維持されるとしている。
説明ベクトル検索が幾何学的に容易でも、クエリエンコーダの学習は困難になりうる
要約本論文は、文書インデックスを固定した場合に単一ベクトルのクエリエンコーダが、インデックスが支えうる最大の再現率に到達できるかを検討しています。複数の実世界の検索ベンチマークでは、クエリエンコーダの検索品質がインデックスの上限を大きく下回ることが示されています。さらに理論面では、完全な再現率を持つ小型の単一隠れ層 ReLU ネットワークで表現可能なクエリエンコーダが存在するにもかかわらず、統計的クエリ学習器がランダム基準 k/n を上回るには指数的な数の統計的クエリが必要な検索課題を構成しています。
説明EpiWorld：疫学的世界モデルで LLM 政策エージェントを支える研究
要約本論文は、学習された介入行動を条件とする疫学的世界モデルと、公衆衛生プロトコル、サーベイランスツール、事後分析で蓄積された教訓からなる技能ライブラリに基づき、大規模言語モデル（LLM）の政策エージェントを支えるEpiWorldフレームワークを提案しています。候補となる介入について反事実的なシミュレーションを行い、プロトコル上の制約は固定したまま政策選択を改善します。COVID-19とインフルエンザの過去データでは、6種類のLLMバックボーンの平均で累積入院数を約16%、データセットによっては最大59%削減し、強化学習や最適制御のベースラインを上回ったと報告しています。
説明ループ型言語モデルにおける思考連鎖の監視可能性についての研究
要約本論文は、共有 Transformer 層を繰り返し適用するループ型言語モデル（LoopLM）について、思考連鎖（CoT）の監視可能性、すなわち推論過程から望ましくない振る舞いを検出できるかを初めて体系的に評価しています。MonitorBench の 8 タスクで、同一モデル系列内のループ深度の違いと、パラメータ数・層数・実効深度を合わせた非ループモデルとを比較しました。その結果、一部のストレステストで特定タスクでは深いループにより監視可能性が低下しましたが、非ループモデルと比べて系統的に監視しにくいという証拠はなく、ループ構造だけで監視可能性が下がるとは限らないと結論づけています。
説明事前的な後知恵：予測と現実のギャップによる自己校正型強化学習
要約本論文は、長期的タスクを行うエージェントの強化学習のために「事前的な後知恵（PH）」という訓練原理を提案します。既存の後知恵ベースの手法に、フィードバック前の予測と評価後の結果との差を加えるもので、予測が外れやすいサンプルの勾配寄与を増やします。単一ターンと多ターンのタスクで、性能と校正の両方が改善したと報告されています。
説明正しさを超えて：エージェント型テキストからSQLにおける未指定事項の解決
要約エージェント型テキストからSQLシステムは、SQLを生成する前にユーザーと対話して、曖昧な問い合わせを明確化することができます。本論文は、実行結果が正しくても、エージェントが潜在的な曖昧さを十分に解決したとは限らず、未検証の仮定を黙って置いている可能性があると指摘します。著者らは、明確化の計画を変更可能な質問プールとして外部化するPlanPoolを提案し、計画された各質問を提出前に必ず尋ねるか破棄することを求めます。三つのベンチマークで、曖昧性のカバー率が向上し、無言の失敗が減少したと報告されています。
説明TPBench：対話圧縮における転換点のベンチマーク
要約本論文は、対話の圧縮時に、ユーザーが価格や選択、制約を変更した転換点のターンが失われる問題を評価するTPBenchを提案しています。ベンチマークは、ユーザーの初期目標（P1）、修正されたスロットの現在値（P2）、両方を問う結合プローブ（P3）の3種類を含みます。現在値の正解はMultiWOZとSGDの人手による対話状態アノテーションから得られ、新たなクラウドソーシングは不要です。保持率0.30の結合プローブでは、試したすべての圧縮手法が完全なコンテキストを下回りました。
説明線形計画法による正規化を用いたベルマン誤差の最小化
要約本論文は、高次元の動的計画法および強化学習問題におけるベルマン誤差を減らすための新しい関数近似手法を提案している。収益管理におけるネットワーク容量制御という古典的な動的計画問題を例に、深層ニューラルネットワークと線形計画による近似アルゴリズムを組み合わせて動的計画問題の近似解を得られることを示している。シミュレーションの結果、提案手法はベンチマークと比べて競争力のある性能を示したとされている。
説明SymRegFlow：ビデオ世界モデルのための対称性正則化フローマッチング手法
要約本論文は、連続的に変化するカメラ視点で多視点一貫性のあるビデオを生成するための、対称性正則化フローマッチングフレームワーク SymRegFlow を提案しています。新視点のRGB真値による教師なしで学習でき、ソース視点を幾何学的変換によりノイズ付きアンカーへ写像し、双アンカー監督とアンカー間の一貫性制約を組み合わせます。nuScenes では評価したベースラインの中で FVD と FVMD が最も低く、最良のベースラインより FVD を 31% 以上削減しました。
説明マルチモーダル超グラフ・フローマッチングによる構造・機能的脳結合の生成：脳領域間の高次相互作用を超グラフでモデル化し、潜在空間でSCとFCを同時に生成・変換する手法。
要約本論文は、構造結合（SC）と機能結合（FC）を共同で生成し、両者間のクロスモーダル変換を行うMHG-FMフレームワークを提案している。各モダリティについて超グラフを構築し、超グラフニューラルネットワークで高次表現を学習した後、双方向のDual Cross-Attentionで融合する。融合表現は変分オートエンコーダでコンパクトな潜在空間に写像され、条件付きフローマッチングによって結合の合成と変換が行われる。ヒューマン・コネクトーム・プロジェクト若年成人（HCP-YA）データセットでの実験では、再構成品質、トポロジー保持、分布類似性、SC-FC結合の点で複数の最先端ベースラインを上回り、同規模の拡散モデルと比べて約8倍のサンプリング速度を達成したとしている。
説明カーネル正準相関分析によるVLMの視覚表現強化の再検討
要約CLIPなどの視覚言語モデルは意味の汎化能力が高い一方、細粒度の視覚知覚には限界があります。本論文は、DINOv2との整合損失を弱めても細粒度の視覚性能が必ず低下するわけではなく、カーネル行列の差異だけでは視覚表現の向上に不十分な可能性を示します。そこで、射影の相関を最大化するカーネル正準相関分析（KCCA）に基づく整合手法を提案し、テキストエンコーダの射影も加えた3視点の3vKCCAに拡張しています。CLIP ViT-L/14をImageNet-1Kで評価した結果、MMVP-VLMの精度は17.8から25.9に向上し、ゼロショット画像・テキスト検索の性能も維持されています。
説明Ego2World：一人称視点の調理動画を実行可能な環境に変換し、信念状態に基づく計画を評価する研究
要約本論文は、注釈付きの一人称視点調理動画を部分観測下で実行可能な計画環境へ変換するベンチマーク Ego2World を提案しています。エージェントが選んだ行動を実行し、その結果を検証できます。6 種類のプランナーを 105 タスクで評価した結果、受理された操作でもタスク目標が達成されないことが多いと示されています。対照実験の Qwen-Plus では、持続的な信念により行動の有効性が 4.15 ポイント向上し、視覚照会の試行は 90.27% 減少しましたが、完了率の向上は確認されず、トークン使用量は増えました。
説明WakeKV：注意ヘッドの挙動変化に対応する可逆的KVキャッシュ配置手法
要約多くのKVキャッシュ圧縮手法は、注意ヘッドをプリフィル時やオフラインで一度だけ分類し、生成中もその分類を固定します。論文は、3つのモデル（1.5Bから8B）と3種類のタスクで測定し、多くのヘッドが生成中に少なくとも一度は読み取り挙動を変えることを示しています。提案手法WakeKVは、冷えたヘッドを凍結や恒久的な破棄ではなく、復元可能なCPU領域へ移動します。同じメモリ量や予算のもとで、固定分類や破壊的な削除より見逃し率を改善し、Mistral-7BのFlexiCache/vLLM実装では実機でスループットを向上させつつLongBench品質を保ったとしています。
説明高齢者における人間活動認識の性能差の分析
要約本論文は、手首装着型加速度計による人間活動認識（HAR）モデルが高齢者に対してどの程度機能するかを検討しています。平均年齢71歳の自由生活下の高齢者データセットMyMoveを用い、複数の深層学習アーキテクチャを評価しました。若年者向けベンチマークでの改善は高齢者データへ同程度には移転せず、性能差が持続し、しばしば拡大することが示されました。一方、年齢の多様なUK Biobankで事前学習した固定型の自己教師あり特徴量は高齢者データでの性能を大きく向上させ、差を縮めましたが、格差は残っています。
説明科学分野のターミナル環境を自己教師ありで拡張する手法
要約本論文は、既存の科学ソフトウェアの実行可能なワークフローから参照出力と検証目標を自動的に得る「ソフトウェア・イン・ザ・ループ再構成（SWR）」フレームワークを提案しています。エージェントは元のソースに触れずに、公開観測から編集可能なプログラムを再構築し、非公開の設定で評価されます。500ワークフロー、6分野にわたる実験で3000件の学習例を作成し、Qwen3.8-27Bの平均性能をTerminal-Bench 2で47.94%から53.56%に改善したと報告しています。
説明MuonIO：埋め込みテーブルと言語モデルヘッドのためのノルム考慮型最適化手法
要約本論文は、Muon 最適化手法の更新則を入力埋め込みテーブルと言語モデルの出力ヘッドに共通して適用する MuonIO を提案します。標準的な Muon では、この両層は AdamW で最適化されています。著者らは、softmax 出力の幾何には Lipschitz 連続性に基づく作用素ノルム、one-hot 入力の幾何には別の作用素ノルムを対応させ、語彙方向で統一できることを示しています。C4 上の 1B LLaMA の事前学習では、Muon と比べて入出力層の最適化器状態メモリが 50%、関連する更新の浮動小数点演算量が約 46% 削減され、検証パープレキシティも改善したと報告されています。
説明大規模時系列分類のラベル効率化：反事実的帰属を備えたデュアルストリーム OSSE-LSTM
要約本論文は、時系列データのアノテーションが高コストである問題に取り組み、クラスごとのラベル付き例が少ない場合の分類手法を検討しています。多尺度畳み込みと双方向 LSTM を組み合わせた Dual-Stream OSSE-LSTM を提案し、説明のために反事実積分勾配（C-IG）を導入しています。19 の単変量 UCR データセットで、各サポート数において平均精度と勝利データセット数が最も高い結果を示しています。
説明分割単位のオンポリシー蒸留で推論を修正することを学習する手法
要約本論文は、大規模言語モデルの推論を改善するオンポリシー蒸留（OPD）の課題に取り組みます。トークン単位のOPDでは明確な代替推論ステップが得られず、生徒モデルの推論が退化すると効果が下がるとされています。提案手法のSeg-OPDは、不確実性指標で生徒の推論セグメントを選び、教師による書き直しを得て、その方を優先するよう学習させます。数学推論と競技プログラミングで、ベースラインより高い修正成功率と平均5.22%の相対的な精度向上が報告されています。
説明『沈黙の異議』：多数派に従うLLMエージェントも元の前提を内部に保持している
要約本論文は、マルチエージェント討論でLLMエージェントがしばしば多数派に同調する理由を調べたものです。中間の実体が明示されない二段階の事実問題を用い、台本化された同伴者が一致して誤答を示す設定で、ヤコビアンレンズ（J-lens）とlogitレンズにより回答時の内部表現を読み取っています。改めた後も元の中間実体が内部に残っていることが報告され、先の回答を隠すと同調率も変化します。
注目点残差ストリームから橋渡し実体を読み取り、発話の変化と内部信念の変化を区別する新しい手法を、事前登録の複数モデル実験で検証。
説明混合専門家（MoE）粒子 Transformer における条件付き容量とルーティング
要約本論文は、188 クラスの JetClass-II データセット上で、密な Particle Transformer と混合専門家（MoE）版を比較し、専門家数、ルーティング容量、top-K、補助損失を変化させています。トークンの破棄を避けた場合、top-1 の MoE モデルは名目上の順伝播計算量をほぼ変えずに密なベースラインを上回りましたが、保存する専門家数をさらに増やしても精度向上はわずかでした。トークンごとに複数の専門家を活性化すると予測性能はさらに向上しますが、計算コストが高くなります。ルーティング分析では、一部の構成で専門家の割り当てが粒子の種類や運動学とより強く関連しましたが、その構造は分類性能と単調に増加するわけではありませんでした。
説明誤りの変化から学ぶ：同方策蒸留のための適応的反復修復（AIR-OPD）
要約本論文は同方策蒸留のためのAIR-OPDを提案する。生徒モデルが誤答すると、指導生成器が現在の誤りに対する修復ガイダンスを作り、生徒はそれを用いて再試行する。なお誤りが残れば新たなガイダンスを生成する反復修復の仕組みである。DAPO-Math-17Kで学習し、AIME24、AIME25、HMMT25などの数学推論ベンチマークで評価した結果、最強のベースラインを最大3.6ポイント上回り、MMLU-ProとGPQAでは基盤モデルの性能を維持したと報告している。
説明STRIDE：膠芽腫の経時MRIにおける間隔条件付き疾患進行の時空間表現法
要約本論文は、治療後に撮影された2回のMRIとその撮像間隔を入力として、膠芽腫の安定疾患（SD）、偽増悪（PsP）、真の増悪（TP）を予測するSTRIDEフレームワークを提案している。病変事前情報に基づく空間表現と、撮像間隔に依存した潜在遷移の推定、観測された随訪表現との融合を組み合わせる。Burdenko三分類タスクでは、マクロROC-AUCが0.816、マクロF1スコアが0.796であった。
説明GeoScaffold：再構成により小型の幾何潜在表現を学習し、効率的な視覚言語ナビゲーションを実現
要約本論文は、視覚言語ナビゲーション（VLN）のストリーミング型 Video-LLM ポリシーに、学習時のみ幾何情報を与える GeoScaffold を提案する。まず学習軌跡の深度マップで紧凑な深度トークナイザを学習して凍結し、その後いくつかの学習可能な幾何クエリトークンの隠れ状態に、深度・連結性・走行可能性などの重要な幾何情報を再構成させる。学習後は補助モジュールを破棄し、推論時にはセンサーや追加の知覚ツールを必要としない。連続 VLN ベンチマークで視覚のみのナビゲータを上回ったと報告されている。
