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。
説明原子核散乱実験における標的偏極最適化のための強化学習手法
要約動的偏極標的は、放射線損傷や材料特性の変化を補うためマイクロ波周波数を継続的に調整する必要があり、従来は熟練オペレーターによる試行錯誤で行われてきました。本研究はAPOLLO極低温標的系の運転データを用い、代理モデル（多層パーセプトロンとガウス過程回帰）と強化学習を組み合わせたデータ駆動型制御の枠組みを提案しています。著者らは、強化学習エージェントを用いると操作員の操作に比べて約2倍の改善が得られたと報告しています。
説明シミュレーションに基づくエージェント型VLMによる山火事の監視・報告フレームワーク
要約本論文は、2次元の山火事シミュレーションをラベル付き動画エピソードへ自動変換する、シミュレーションに基づく視覚言語モデル（VLM）フレームワークを提案しています。Blenderによる低詳細度の3Dプロキシと制御可能な動画生成を組み合わせ、マルチモーダルな記憶を構築します。この記憶を用いる学習不要のマルチエージェントVLMが参照エピソードを検索し、構造化された山火事報告を作成します。留保された生成エピソードでの精度は、動画記憶の4タグ完全一致で51.5%と報告されています。
説明定理ごとの記号的検証器による反例生成：模倣が有害になる場合と強化学習による修復
要約大規模言語モデルは定理を順方向に証明できても、近い偽の命題を反証できないことが多いと論文は指摘します。著者らは、誤りである大学レベルの代数と実解析の予想4,707件に実行可能な検証器を組み合わせたデータセット SymCE を公開し、検証器を強化学習の報酬関数としても用いました。反例のみによる教師ありファインチューニングでは真の定理の認識率が0.27から0.00に低下しましたが、疎な報酬によるRLVRでこれを修復し0.66まで向上させました。
注目点決定的検証器を報酬とする反例生成の訓練環境を提示し、模倣の罠とRLVRによる修復を示した。複数シードと複数ベンチマークで裏付けられ、影響は一部分野に限られる。
説明AI駆動の熱対応データセンター容量計画
要約大規模言語モデルのGPU集中計算は、データセンター内に局所的な高温点を生じさせ、負荷の急増は冷却応答の予測と制御を難しくします。本論文は、実在のデータセンターに対して数秒で熱を考慮した容量計画を行うAI駆動のフレームワークを提示しています。AIモデルはラック電力、サーバー電力、サーバー配置、空調設定などのパラメータから学習し、ミリ秒単位で温度を予測します。未見の設計に対して高精度CFD（数値流体力学）シミュレーションと比較したところ、高い精度を保ちつつ約10000倍の高速化が示されています。
説明加法的量子化表現によるバンディット手法
要約本論文は、オフラインで学習した残差量子化（RQ）のコードブックで連続的な文脈を多段の離散的な重心割り当てに変換する表現層を提案し、加法的なバンディットアルゴリズムに非線形性を持たせる手法を示している。著者らによれば、メモリは厳密に有界のまま非線形表現力を実現できる。13のデータセットのうち11で、RQ版が非RQ版を上回ったと報告されている。
説明グラフォンとニューラル逆演算子による複雑ネットワーク生成モデル：機構的解釈性と償却推論を統合する枠組み
要約本論文は、マルチフラクタル・ステップ・グラフォン（multifractal step graphon）を再帰的な構成で用い、複雑ネットワークをコンパクトにパラメータ化する生成モデルを提案している。ニューラル逆演算子によりパラメータを復元するため、学習時に見ていない規模のグラフにも推論できる。ゼロショットのグラフ生成ベンチマークでは四つの指標のうち三つで平均性能が最良であり、単一観測のネットワークでは各グラフごとに最適化する手法と同程度の性能を示した。多被験者EEG研究では、推定されたパラメータが従来のネットワーク統計量よりも脳状態の可逆的変化を敏感に捉えたと報告している。
注目点多重フラクタル階段グラフォンとニューラル逆演算子を組み合わせ、機構モデルと償却推論を統一。ゼロショット評価とEEG事例で有効性を示し、影響は網科学の一分野に及ぶ。
説明LLMは合成しているのか、それとも想起しているのか？アルゴリズムコード検索でのLLM評価
要約本論文は「パラメトリックなコード検索」という概念を提示し、古典的なアルゴリズムについて、大規模言語モデルは事前学習で得た知識から既存のアルゴリズムを再現していると論じている。著者らは77種の古典アルゴリズム、599問からなるベンチマーク「AlgoREval」を構築し、ゼロショット設定で7Bから34Bパラメータの15モデルを評価した。結果として、言語や入力表現によって検索精度に大きな差があることが示され、プロンプト拡張やSFT、GRPOの効果も比較されている。
説明スタイルを学び、意味を忘れる：分類タスクにおけるSFTとRFTの事例研究
要約教師の示例がすべて意味的に正しくても、教師あり微調整（SFT）が強化微調整（RFT）より多くの忘却を招く理由を検討した論文です。同じ意味クラス内で異なる文体を用いる分類タスクを対象とし、線形softmax方策を用いて更新を意味成分と文体成分に分解しています。非一様な教師のもとではSFTがタスク平均に沿って文体のドリフトを生じ、特定の条件下で忘却に正の下界が存在することを示しています。一方、厳密な方策勾配のRFTは意味誤差がゼロのままであり、シミュレーションがこの理論的予測を裏付けています。
説明局所信頼領域最適化によるon-policy蒸留のトークン効用（論文）
要約本論文は、on-policy蒸留（OPD）で重要なトークンを選ぶ問題を扱い、蒸留目的関数そのものからトークン重要度を導出します。学生の予測分布上で等しい局所KL予算のもとで各位置の損失がどれだけ下がるかを効用s_t=g_t^T F_t^†g_tとして定式化し、連続的で平均正規化された重み付け手法FUWを提案しています。七つの数学推論ベンチマークと三組のQwen3師生モデルで、均一なOPDより改善し、既存の選択的手法と同等の性能を示したと報告しています。
説明CRISP：二値ニューラルネットワークの最終層活性を解釈可能な命題節で再構成する枠組み
要約本論文はCRISPという枠組みを提案し、二値ニューラルネットワーク教師モデルの最終層活性ベクトルをTsetlin機械（TM）の節で再構成します。これにより、各隐れビットを入力の閾値まで辿れるようにします。MNIST、KMNIST、FMNIST、SVHN、CIFAR10で評価され、試験したBNN設定では符号二値化によって教師の出力層精度は低下しなかったと報告されています。
説明フローマップ蒸留のための幾何を考慮した時間再パラメータ化
要約本論文は、教師モデルの時間パラメータ化を変えることで、フローマップ蒸留（flow-map distillation）を学習しやすくできるかを検討しています。法線加速度の大きい軌道区間ほど蒸留が難しいという仮定に基づき、教師の幾何学的経路と終端分布を保ったまま、そうした区間により多くの生徒の時間を割り当てる手法を提案しています。蒸留前に一度だけ時計を推定し、追加のパラメータや推論時のネットワーク評価は不要です。CIFAR-10 と CelebA-64 などでの実験では、同じ推論予算において画像生成の品質が向上し、特に一段階生成で効果が見られました。
説明正解手を見つけることは対局に勝つことではない：LLMエージェントの閉ループ評価のための象棋ベンチマーク XiangqiBench
要約本論文は、中国将棋（象棋）で大規模言語モデルのエージェントを実際の対局で評価する実行可能なベンチマーク XiangqiBench を提案します。強制詰みのある119の終盤局面で、エージェントはエンジンの守備側に対して詰ませる必要があります。12の最先端モデルによる8,568件の多ターン対局記録から、正しい手を示せてもその後の勝利には結びつかず、複数回の試行で成績が大きく落ちること、また模擬展開が実際の相手の応手と一致しないことが示されています。著者らは、エージェント評価では閉ループでの結果を基準にし、信頼性も併せて報告すべきだと主張しています。
説明AIによる多段階手法：低倍率頭皮画像からの男性型脱毛症評価（雄性ホルモン性脱毛症の評価）
要約本論文は、男性型脱毛症（AGA）を評価するための、自動化された頭皮定量分析と臨床意思決定支援の枠組みを提案しています。毛包単位の局在化、可視毛幹の計数、校正された毛幹幅の推定、領域ごとの集計、解釈可能なルール層を組み合わせています。患者を分けた評価では、YOLOv8mのテストmAP@0.5は0.920、再現率は0.860でした。本システムは皮膚科医の判断に代わるものではなく、それを補助することを意図しています。
説明AI Theorist が α-RuCl3 の励起子構造を明らかに
要約本論文は、仮説生成・第一原理計算・証拠に基づく修正を通じて物理模型を自律的に発見する AI エージェント群システム「AI Theorist」を提案している。対象は、キタエフ量子スピン液体の実現候補物質 α-RuCl3 の光学スペクトルと光電流の観測である。システムは、光学選択則と実空間分布が異なる複数の励起子状態を特定し、これらの観測に対する新たな解釈を示した。著者らは、未発表の実験観測を説明する物理模型を AI が量子材料について自律的に構築した初めての例だとしている。
説明判別を促す：実環境で悪意ある入力を検知するプローブを汎化する
要約LLMエージェントの活性化プローブ（プロンプトインジェクションや脱獄などの有害入力を検知する仕組み）に、ユーザー入力の後に分類指令を付け加える効果を検証した論文です。13の安全性ベンチマークと3つのオープンウェイトモデルでの留一データセット評価により、分類形式の接尾辞が未知の攻撃種別での検出精度を最大約4 AUCポイント向上させることを示しています。効果は具体的な判定基準よりも分類形式そのものに由来します。
説明適応的カバレッジと重点サンプリングによる効率的なニューラルフィールド学習（ACES）
要約暗黙的ニューラル表現は高次元の連続場をモデル化するが、一様サブサンプリングが空間的な不均一性を無視するため学習効率が低い。本論文は、適応的な空間分割で領域の被覆と冗長性の抑制を行い、領域単位の重要度重み付けで情報量の多い領域を優先するACES（Adaptive Coverage-aware Efficient Sampling）を提案する。理論解析と科学場の学習実験により、一様サンプリングや点単位の適応サンプリングより速く収束し誤差も小さいことが示され、局所的に複雑な場で最も大きな改善が見られたと報告している。
説明ターミナル・エージェント学習が停滞する理由：データ生成と検証の課題を解明
要約Claude Opus などのフロンティアモデルをメタエージェントとして使い、RL 学習用のターミナルタスクと検証器を生成する手法が広がっている。本論文は、実行可能な Docker イメージとテストスイートがあっても、エンドツーエンドの学習パイプラインが正しいとは限らないと指摘する。ベンチマークの無効性、ハーネスの脆弱性、報酬の不整合という三つの失敗類型を診断するパイプラインを提案している。また、困難なタスクを追加すると、学習設定を変えずに平均 pass@2 が 20.6% まで下がったと報告している。
説明学習型エージェント的コンテキスト管理：小型モデルが少ないコンテキストで長文を扱う手法
要約本研究は、長いコンテキストをネイティブに学習させたり、複雑な長文処理フレームワークを設計したりするのではなく、最も単純なハーネスでモデルを訓練します。そのハーネスは、任意のプロンプトで自分自身を呼び出すツールと、入力コンテキストの指定範囲のトークンを読むツールの2つです。著者らはこのハーネスを用いて、Qwen3.6-35B-A3B を多様な合成データセットでファインチューニングしました。文書長が 40K トークンを超える場合、わずか 8,000 トークンのコンテキストを持つこの小型モデルは、OOLONG-synth ベンチマークにおいて 100 万トークンのコンテキストを使う GPT-5.4 と同等の性能を示したと報告されています。
説明5G以降ネットワークにおける省エネ：量子強化学習によるアプローチ
要約本論文は、5G以降のネットワークにおける消費電力の問題を扱い、基地局の電力使用を最適化する量子強化学習（QRL）アルゴリズムを提案しています。パラメータ化された量子回路を用いることで、従来の深層ニューラルネットワークに依存する深層強化学習（DRL）より収束が大幅に速いとされています。シミュレーションでは、利用者の動きが激しい場合でも、サービス品質を維持しながら消費エネルギーを大きく削減できることが示され、収束速度と学習の複雑さでDRLおよびQ学習を上回ったと報告されています。
説明VisAudit：可視化の診断と修復を行うマルチモーダルエージェントの評価ベンチマーク
要約本論文は、マルチモーダルエージェントがデータ可視化の欠陥を自律的に診断し、可視化コードを修正して結果を検証できるかを評価するベンチマーク「VisAudit」を提案している。21種類のグラフ、10種類の欠陥カテゴリに及ぶ1,900件の欠陥あり事例と、300件の初期状態で正しいグラフを含む。実験では、最も性能の高いモデルでも自律修復設定で欠陥グラフを完全に修復できたのは47.4%にとどまり、信頼できる自律的審査には大きな差があることが示された。
説明米国の建物メーターデータを用いたAI需要予測のためのデータ取り込み検証：設計、対照実験、修正された否定的結果
要約本論文は、予測時点で利用可能な情報のみを使い、モデル学習の前にメーターデータの欠陥を検出・修復するパイプラインを提案しています。公開データセットBuilding Data Genome 2の12棟の時間別電力データに欠陥を注入すると、勾配ブースティングの予測誤差は86%増加しましたが、検出と修復後は clean データの水準に戻り、訓練データの93%が保持されました。初期版が自然なデータを過剰に清浄化して予測を25%悪化させた結果も記録され、その原因と日付付きの修正（建物ごとの較正）が文書化されています。
説明Inherit-MAS：ワークフローと実行の継承によるマルチエージェントシステムのテスト時進化
要約本論文は、大規模言語モデルで構成されるマルチエージェントシステムを改良する手法 Inherit-MAS を提案します。ワークフロー面では、各改良を最新の完了済み候補から引き継ぎ、実行面では入力と文脈が完全に一致する既存結果を再利用して、重複した呼び出しを減らします。WorkBench と HotpotQA FullWiki では、EvoAgent、EvoMAS、TacoMAS を上回る結果を示し、トークン使用量も削減しました。
説明FlashSinkhorn 2：ブロック疎なエントロピー最適輸送ソルバー
要約本論文は、単一GPU上で大規模な離散エントロピー最適輸送（EOT）問題を解くFlashSinkhorn 2（FS2）を提案する。低次元点群の二乗ユークリッド距離コストを対象とし、質量重心上で解く粗い段階と、Morton順序で分割されたブロック疎な細かい段階を組み合わせる。著者らはA100 1基で、宇宙論的N体シミュレーション由来の約1.34×10^8粒子の2つの測度間の問題を、2.5時間未満で周辺残差0.01未満まで解いたと報告しており、実装も公開されている。
注目点粗-細の2段階ブロック疎ソルバーで既存のストリーミングSinkhornを実質的に改良し、1.34億粒子規模で大規模実験により検証している。
説明迷いには幾何学がある：エントロピーで学習した双曲プローブによる疎な活性化ステアリング
要約本論文は、大規模言語モデルが数学問題を解く際の推論が階層構造をもち、次トークンのエントロピーが高い少数の箇所で分岐することに着目し、双曲エントロピーステアリング（HEST）を提案している。ポアンカレ球に隠れ状態を埋め込み、モデル自身の次トークンエントロピーを唯一のラベルとする軽量プローブを学習し、エントロピーが閾値を超えた箇所でのみ、プローブの読み出し値が最も速く下がる測地線に沿って状態を動かす。三つの指示調整モデルで検証した結果、Busemann読み出しのHESTは六つの設定のうち五つでMATH-500とGSM8Kの貪欲法精度を向上させ、全トークンに対比ステアリングベクトルを加えた場合は精度が下がった。
説明八分木を明示的な3D言語として：OctLLMは稀疏八分木で形状を表し、独立分岐で大規模言語モデルに3D能力を追加
要約本論文はOctLLMを提案し、形状を八分木の占有トークン列として明示的に表現し、ランダムな剪定により短い稀疏八分木（S-Octree）を得る手法を示す。モデル構造では、メッシュトークンは一部のブロックにある学習可能な独立分岐を通り、テキストと画像のトークンは凍結された視覚言語経路を保つ。両者は共有自己注意で相互作用する。学習パラメータは全量微調整より大幅に少なく、統一マルチモーダルLLMで新たな最先端の結果を得て、一般言語ベンチマークでは骨格モデルと同等と報告されている。
説明ChatGPT時代のソーシャルボット検出：課題と機会
要約高度なAIチャットボットの台頭を背景に、ソーシャルボット検出の課題と機会を包括的に概観した論文です。既存の検出技術と実際の応用事例を検討し、特にAI生成の会話や行動がもたらす独自の問題に焦点を当てて、分野の空白と新たな動向を明らかにしています。生成エージェントによる合成データの作成と評価、協調や影響力のネットワーク・行動シグネチャに基づくマルチモーダルかつクロスプラットフォームな検出、非英語および低リソース言語への拡張、利用者のプライバシーを守りつつ組織間で協力できる連合学習型検出モデルという四つの研究の方向性を提案しています。
説明ループ型Transformerにおける共有メモリの意外な有効性
要約ループ型Transformerは、各トークンに同じ層を何度も適用し、パラメータを増やさずに計算量で品質を高めます。しかし各ループが独自のキー・バリューキャッシュを書き込むため、メモリは計算量とともに増えます。本研究では、最初のループだけがキャッシュを書き込み、後続のループはそれを読み取りつつ独自の短いウィンドウを保持するように事前学習しました。共有メモリは品質を損なわず、むしろ改善することが分かりました。150Mから1Bパラメータの規模で、5回のループ時にハイブリッド版は同規模の標準Transformerに比べFineWeb-Eduの検証パープレキシティを1.12から1.82下げ、文脈メモリを76%から79%削減しました。
説明FactorSplat：医用ボリュームレンダリング向けの外観制御可能なガウス代理モデル
要約本論文は、医用ボリュームレンダリングのためのシーンごとのガウススプラッティング代理モデルFactorSplatを提案している。推論時に領域ごとの強度からRGBAへの曲線を受け取り、色と不透明度を変更できる。幾何と指向性外観は共有され、可視性制御も保持される。七件のCTおよびMRスキャンで、領域認識型のVEGに比べて平均PSNRと変化領域の誤差が改善したと報告されている。
説明Latent-MOPD：潜在表現を用いたマルチ教師のオンポリシー蒸留（大規模言語モデル向け手法）
要約本論文は、学生モデルが自ら生成した応答で学習するオンポリシー蒸留（OPD）を、複数の教師モデルから行うLatent-MOPDを提案しています。出力確率分布だけでなく隠れ状態も用いて表現レベルで監督し、教師モデルの追加学習は行いません。数学、コード、論理の9つのベンチマークで、出力のみ・表現のみ・均等平均の各ベースラインを上回り、多くのベンチマークで学生モデルが各ベンチマークの最良教師を超えたと報告しています。
注目点LLM向けに表現層の多教師オンライン蒸馏を初めて提案し、9つのベンチマークで単一チャネル基準を上回る。根拠は十分だが適用範囲は蒸馏枠組み内に限られる。
説明THPL：循環式養殖（RAS）におけるニジマスの給餌管理のための映像から言語への意思決定支援フレームワーク
要約本論文は、循環式養殖（RAS、Recirculating Aquaculture Systems）でのニジマスの精密給餌決定を支援するTHPLフレームワークを提案しています。まず魚の軌跡から摂餌強度を表す活動係数を求め、階層型行動エンコーダで物理的表現と暗黙的表現の二種類のトークンを生成します。これらを環境パラメータや専門家ルールとともに大規模言語モデルの微調整に用い、決定精度は33.33%から93.33%に向上し、反事実的な多モーダル選好最適化で96.67%に達したと報告されています。
説明フローマッチングによるベイズ逆問題の高速事後サンプリング
要約本論文は、条件付きフローマッチング（分布を段階的に変換する生成手法）を、従来のマルコフ連鎖モンテカルロ法の代わりに用い、偏微分方程式に関連するベイズ逆問題の事後サンプリングを行う研究です。モデルは一度学習すれば、任意の観測に対して近似事後サンプルを素早く生成できます。著者らは、総変動距離と カルバック・ライブラー情報量の下での近似事後分布の精度を計算可能な形で評価し、メトロポリス補正によって漸近的に厳密となる混合サンプラーを提案しています。電気インピーダンストモグラフィや尤度不要のLotka-Volterraモデルなどの数値例で、これらの結果を検証しています。
説明Coco：ハードウェア・ソフトウェア協調設計ライフサイクル向けのエージェント型コパイロット
要約本論文は、TPUアーキテクトと共に展開されたエージェント型プラットフォーム「Coco」を紹介し、実験の設定、シミュレータの一括実行、知見の導出という協調設計のプロセスを加速させることを目的としています。Coco は、シミュレーション結果を正規化されたリレーショナルスキーマに自動登録するデータストア、型付きAPIを備えたツール群、等実行条件での比較分析を含む定型分析をエンコードしたエージェント、そしてナビゲーション状態をエージェントの文脈としても使うUXの4層で構成されます。著者らは初期の導入経験として、シミュレーションおよび知見獲得までの時間の短縮を報告しています。
説明EviDent-CBCT：報告の監督が不完全な歯科CBCTからの、証拠ボトルネック型レポート生成
要約本論文は、歯科用コーンビームCT（CBCT）の読影レポートが網羅的に記載されないという課題に対し、EviDent-CBCTという枠組みを提案する。まず解剖学を考慮したネットワークが、各スキャンを歯単位・全体・歯槽神経管（IAC）に関する離散的な証拠記録に変換し、その記録のみを用いて決定論的レンダラーと画像を参照しない言語モデルがレポートを生成する。ODIN 2026チャレンジでは、自動評価で2位、ブラインドの臨床比較で3位となった。
説明テキストから画像への拡散モデルにおける満足度と多様性のフロンティア探索
要約同じプロンプトから複数画像を生成する際に、報酬と多様性を両立させる課題を扱った論文です。各画像が報酬の下限を満たし、画像群が多様性の基準を満たす「満足化」として生成を定式化しました。学習が不要な推論時手法SatisDiveを提案し、Pick-a-Pic上でFK steeringと比べ最悪候補の報酬を改善し、重なるDreamSim範囲でパレート優位を示したと述べています。
説明大規模ネットワーク・イン・ザ・ループ学習：並列ロボット学習のためのGPUバッチ型5Gシミュレーション
要約本論文は、Isaac Labの物理シミュレーションと同期して数千環境の上り回線を進める、GPUでバッチ処理する5G New Radio（NR）モジュール「Isaac-Net」を提案しています。各0.5ミリ秒のスロットで、基地局がどのロボットが送信するかを全環境について同時に決定します。実験では、中央値の遅延がns-3の5G-LENAと概ね一致し、AoI（情報の鮮度）の末尾分布も再現できることが示されています。メッセージごとに独立した遅延とする簡略化では、その末尾が約3倍軽くなるとされています。コードはオープンソースで公開されています。
注目点GPUバッチ処理で5Gネットワークを大規模ロボット学習のループに組み込み、ns-3との比較で遅延とAoIを検証しており、新規性と根拠は十分だが影響範囲は限定的。
説明HCI原則の自動適用：オンデマンドUI構築のスキル、人とAIの思考空間、HCIの未来
要約本論文は、大規模言語モデルが自然言語によるタスク記述からオンデマンドでUIを生成できる現状を踏まえ、ユーザーとAIの対話を、タスク分解を通じてUIを生み出す共有の思考空間として位置づけています。Nielsenのヒューリスティクスや WCAG（Web Content Accessibility Guidelines）などの従来のHCI設計知識を、生成エージェントが実行時に読み込む機械可読なskill.mdファイルとして符号化することを提案しています。
説明Co-design Gym：身体設計と制御方策を同時最適化する統一ベンチマーク
要約本論文は、エージェントの身体設計（embodiment）と制御方策を同時に最適化するためのベンチマーク環境群「Co-Design Gym」を提案している。既存のベンチマークの多くは身体設計を固定し方策学習のみを扱うが、両者を別々に最適化すると最適解から外れることが多いと指摘している。環境はロボット操作・歩行、多ロボット協調、ビデオゲーム、電力網、無線ネットワーク、多エージェント倉庫など20の環境ファミリー、85種類以上の協調設計プリセットからなる。さらに代表的な協調設計アルゴリズムを体系的に評価している。
説明領域シフト下の歩行者検出におけるXAI監査：信頼度を統制した評価
要約本研究は、固定されたYOLOv8s歩行者検出器の事後説明を、PIEとJAADの両データセットで監査したものです。ROIベースのD-Deletionで説明の忠実性を評価した結果、削除ベースの忠実性は説明時の検出信頼度と強く相関していました（D-RISEのSpearman相関は0.70〜0.82）。信頼度を統制した後も、中程度の信頼度域ではD-RISEの忠実性がデータセットによって異なり、PIEがJAADより高い結果となりました。
説明ArrivalBench：エージェントが生成したデータパイプラインは一度なら正しいが、到着順が乱れると誤る
要約本論文はArrivalBenchというベンチマークを提案し、エージェントが残したデータパイプラインを、遅延・重複・順序の乱れ・再試行を含む再現可能な配信スケジュールの下で再実行し、最終状態が全ログのバッチ再計算と一致するかを検証します。40のタスクで、単一実行による採点では11モデルのパイプラインの86%～100%が合格となりましたが、再実行すると合格分の7.0%～79.2%が静かに誤っていたと報告しています。
説明SEDIMA：進化的探索エージェントのための実行横断型階層的インサイト記憶
要約大規模言語モデルによる進化的探索は、プログラムやアルゴリズムの自動発見に有効ですが、既存のシステムの多くは記憶を持たず、毎回ゼロから探索するため、同じ改善の再発見や同じ行き止まりへの再遭遇が起きます。本論文は、進化的探索エージェントのための永続的な階層的インサイト記憶であるSEDIMAを提案します。生の実行トレースを自然言語のインサイトに蒸留し、意味的類似性でクラスタリングして、後続の変異を導く指針を検索します。100個の評価候補という固定予算の下で、AlgoTuneでは平均最終性能が5.5%、ALE-Bench LITEでは6.6%向上しました。OpenEvolveでは、基準の最良性能に到達するまでの反復回数が平均32.3%少なくなりました。
説明辞書式多目的オンポリシー蒸留（LMOPD）：優先順位を守って複数の専門方策を統合する言語モデル学習法
要約本論文は、各報酬に特化した専門方策を優先順位を明示したまま一つの言語モデルに統合する、辞書式多目的オンポリシー蒸留（LMOPD）を提案する。各サンプルについて、最初に不足が検出された目的の専門家を選び、より高い優先度の専門家と対立する成分を射影で取り除く。30B-A3B混合エキスパートモデルで、3つの数学ベンチマークにより2専門家と4専門家の設定を評価し、比較した基準手法より高優先度の能力を保持できることを示した。
説明深層系列モデルによる時系列のコンフォーマル予測
要約本論文は、時系列のコンフォーマル予測（conformal prediction）において、再帰型ニューラルネットワークやTransformerなどの深層系列モデルをどう活用できるかを体系的に調べている。条件付き分位点回帰、条件付き分位点関数の推定、局所化コンフォーマル予測の3つの手法を取り上げる。著者は適切な仮定の下で3手法の漸近的条件付きカバレッジ保証を理論的に示し、実データでの実験によりその有効性を確認している。
説明適応的バッチサイズは大規模言語モデルの事前学習になぜ有効か：有界でない分散の視点から
要約本論文は、大規模言語モデルの事前学習でバッチサイズを段階的に増やす理論的根拠を検討しています。勾配の分散が初期点からの距離とともに増大することを許す広義のBG-a雑音モデルを提案し、L-滑らかさの仮定の下で成長に依存する下界と対応する上界を導出しています。さらに、C4データセットで最大10億パラメータのOLMo2を事前学習した結果、同じトークン予算のもとで小バッチ・大バッチ両方の学習より低い検証損失を達成し、反復回数は小バッチ学習の10%未満だと報告しています。
説明各ユーザーに専用の LoRA は必要か？個人化と利用者ごとの適応の分離
要約この論文は、ユーザーごとに完全な適応パラメータを保持する個人化大規模言語モデルの方式は、利用者数の増加に伴ってスケールしにくいと指摘します。著者らは、再利用可能な低ランク個人化因子のバンクを学習し、利用者条件付きの想起とクエリ依存の校正で組み合わせる LINEUP を提案します。目標ユーザーが最適化するのは 8 個のスカラーのみで、私的 LoRA 構成の利用者ごとの 419 万パラメータと比べて小さいです。six つの個人化タスクの 12 指標すべてで LINEUP が上回り、履歴が限られた場合にも優位を保つと報告されています。
注目点共有の低ランク個人化因子と微小なユーザーコードで個人適応を分離する新しい設計で、六課題十二指標の結果と理論保証が示されている。
説明DeReAct：推論と行動を分解し信頼性を高めたAIエージェント
要約本論文は、単一の大規模言語モデルが担っていた行動の承認とタスク完了の判断を分離するモジュール型エージェント構造DeReActを提案します。行動を実行前に検証するCriticと、環境に裏付けられた状態を再構成して完了を認定するContext Managerを外部に置きます。GAIAとSWE-bench Verifiedでは、Brainモデルが弱いほどPass@1の向上が大きく、Qwen3-Coder-480Bで6.5〜7.0ポイント、Claude Sonnet 4.5で4.2〜5.2ポイントの改善が報告されています。Claude Opus 4.5ではPass@1はReActと同程度ですが、根拠が揃い制約を満たす軌跡が増えたとされています。
説明振る舞いから出所へ：表形式基盤モデルを合成事前学習データに帰属させる研究
要約本論文は、出所情報を持つ合成タスク生成器 O'PRIOR を用いて、表形式基盤モデルの学習データ帰属を検証するテストベッドを構築しています。各事前学習タスクには構造的機構、欠損、交絡、ショートカット、分布シフトに関する系譜情報が付与されています。行動条件付き帰属、反事実的再学習、出所を考慮した介入を組み合わせて検証した結果、帰属上位5%の合成タスクを除去すると実タスクの平均 ROC-AUC が0.013低下し、ランダム除去の0.002を上回りました。一方、出所の判別は順位 AUROC で0.55から0.62にとどまりました。
説明固定ターゲット型異常検知器の収束崩壊をカーネル固定局所性正則化で緩和する研究
要約本論文は、ニューラルネットワークを固定ターゲットに合わせて学習させ、テスト時の残差で異常を判定する表形式データ向け異常検知器を扱う。学習を進めるほど検知性能が落ちる「収束崩壊」を指摘し、異常データでも目標に追従してしまい残差信号が消えることが原因だと述べる。これに対し、閉形式で学習不要なカーネル収縮マッチング（KCM）を提案し、さらにカーネル固定正則化（KAR）を導入して、長時間学習下でのAUROCの改善を示している。
説明駆動と減衰：結合埋め込み予測アーキテクチャの学習ダイナミクスに関する研究
要約本論文は、結合埋め込み予測アーキテクチャ（JEPA）の学習初期に生じる表現崩壊を扱います。勾配フローを線形化し、駆動項と減衰項の競合をモードごとの安定比で分析しています。800以上の表形式JEPA構成で相境界を実証的に確認し、その理論に基づいて、表形式ベンチマークとI-JEPAの事前学習で有効ランクと精度を改善するResidualPredを提案しています。
注目点JEPAの崩壊を統一する初期学習安定性理論と位相境界を示し、ResidualPredを提案。800以上の設定とCIFAR・ImageNetで検証し、影響は中程度。
説明SCOPE-4D：内視鏡向けの4次元幾何基盤モデル
要約本論文は、単眼RGB動画から、カメラパラメータ、稠密な幾何情報、組織の3次元軌跡を一度の順伝播で同時に推定するSCOPE-4Dモデルを提案しています。約5,000本の内視鏡・腹腔鏡動画からなるデータセットSCOPE-5Kを構築し、カメラ運動と組織変形を区別するため共通-残差運動（CRM）の制約を導入しています。公開ベンチマークと新たに収集した評価データで、幾何推定、3次元追跡、長時間の大腸再構成における性能が示されています。
説明自然可視グラフに基づくサイバー攻撃検出におけるトポロジー指標の重要度と効率の多手法分析
要約本論文は、自然可視グラフ（NVG）から得られる21種類のトポロジー指標がサイバー攻撃の分類にどう寄与するかを検討しています。SHAP、グループ置換重要度、Boruta、再帰的特徴削減（RFE）の4手法をコンセンサスランキングで統合し、上位の指標のみを用いた構成をCICIDS2018データセットとCNN分類器で評価しました。上位3指標のみの構成（Top3）は平均精度97.148%で、全21指標（95.999%）を上回り、総実行時間も14,961.39秒から589.22秒に短縮されました。
説明NEEDLEWORK：検証済みの局所接続によるロボットデータのオフライン書き換え
要約本論文はNEEDLEという、高次元ロボットデモンストレーションに短く検証済みの動作ブリッジを加えるオフラインのデータ拡張手法を提案しています。非効率な迂回を回避し、動作の網羅性を広げ、失敗した軌道も取り込みます。学習では、中間画像を合成せず元のデモを捨てない形で、採用されたブリッジを組み込む手法を用います。実機タスクでは、各タスクで最強のベースラインより成功率が平均21ポイント向上したとされています。
説明SoTa：器用な操作のためのソフト触覚スキン
要約本論文は、人の手と仕様の異なるロボットハンドの両方を全面的に覆い、指と手のひらの対応領域で202個の触覚素子（タクセル）の共通レイアウトを保つ、低コストの静電容量式ソフト触覚スキン「SoTa」を提案している。これにより、人間のデモンストレーションをロボットの学習に利用できる。接触の多い3つの操作タスクでは、触覚情報を用いた方が視覚のみのポリシーより成功率が高かった。固定量のロボットデモに人間のデモを加えると、8つの評価条件の平均成功率は22.8%から45.9%に上がった。
説明移動型身体性AIネットワークにおける移動・圧縮率・送信電力の同時設計
要約本論文は、移動型身体性AIネットワーク（MEAN）のアップリンクを対象に、送信電力、移動距離、セマンティック圧縮率を同時に最適化する手法を検討しています。目的は最小エネルギー効率の最大化です。信号対干渉雑音比の結合、移動に依存するチャネル利得、分数形の目的関数により問題は非凸であり、交互最適化とDinkelbach変換を組み合わせたアルゴリズムを提案しています。シミュレーションでは、移動なし・圧縮なしのベースラインより優れた結果が示されています。
説明ワールド編集：実行可能な世界への段階的に深い介入
要約本論文は、既存の実行可能な世界に対し、変更してはならない性質を保ったまま介入する「ワールド編集」という課題を提案し、編集が世界の実体・動的挙動・システムをどれほど強く結びつけるかを表す「介入深度」を導入しています。ゲームモッディングを通じてIGMWorldを実装し、MinecraftとTerrariaにまたがる110タスク・1,100件超の基準からなるベンチマークIGMBenchを提示しています。最も優れた構成は厳密なタスク単位の基準で78.2%のタスクを解決し、信頼性は一般に介入深度とともに低下する一方、全構成の視覚的合格率は50%未満にとどまりました。
説明行動前に比較する：長期ツール利用エージェントのための比較型価値推定
要約本論文は、ツール利用エージェントが次のツール呼び出しを実行する前に、その呼び出しが最終的なタスク成功に与える長期的な価値を推定すべきだと主張しています。そのために、比較推論モデル（CIM）を学習するCITA手法を提案します。CIMは、観測されたツールの挙動、ベイズ型ツールグラフシミュレータによる監督信号、LLMによる意味的比較を組み合わせて学習されます。三つのツール利用ベンチマークと複数のバックボーンLLMにおいて、CITAはTool F1とタスク成功率の向上を示しました。
説明時系列予測のための最小二乗法：二つの目的関数の比較
要約本論文は二種類の最小二乗目的関数を比較する。一つは予測対象の座標に対する誤差を直接最小化するもの、もう一つは次の潜在ベクトル全体をフィッティングするものである。四次元の時系列実験では、前者が重みを真の信号に集中させ、イノベーション分散に一致する一方、後者はランク1で重複座標に重みを割り当て、予測が大きくずれる。
説明スロー・ファスト型マルチ教師オンポリシー蒸留：汎用能力の維持
要約本論文は、複数の分野別教師モデルの専門能力を一つの生徒モデルに統合しつつ、能力間の干渉を抑えるSF-MOPD手法を提案している。高速モデルは各教師から直接更新を受け、低速モデルは生徒の指数移動平均として学習成果を徐々に取り込み、能力の参照点となる。実験では複数のモデル規模で能力干渉が緩和され、専門的なマルチモーダル能力が向上し、汎用能力ベンチマークでの平均的な低下も小さく、従来のMOPDを上回った。
説明世界校正された提案から行動への流れ：視覚・言語・行動モデルのための手法
要約本論文は、フローベースの視覚・言語・行動（VLA）ロボット方策を扱います。既存手法は、タスクに依存しない等方性ガウス分布から行動を生成しており、直前の動作や予測される将来の状況を反映していないと指摘しています。提案手法ProActでは、提案エキスパートが直近の動作から場所を考慮した仮説を作り、ワールドエキスパートが将来の潜在状態を予測して、その仮説に基づき異方性の生成元を校正します。論文によると、π0.5と比べてシミュレーションと実機の双方で性能が向上し、デノイジングのステップ数は50%削減、推論遅延は最大25.8%低減、スループットは最大34.8%向上したとされています。
説明SCION：インスタンス化されたニューラルプリミティブによるシーン構成表現
要約本論文はSCIONという階層的な合成シーン表現を提案し、独立したガウシアンの代わりに再利用可能な小規模なプリミティブ語彙と、世界座標系で変換済みのコピーを配置する軽量なインスタンスを用いる。多視点撮影データに対して離散パラメータと連続パラメータを同時に最適化する手法で、原文によれば1.2 MBという小さな容量でも高い品質を保ち、既存のガウシアン圧縮手法より優れたレート歪み特性を示す。再学習なしにインスタンス単位のシーン編集やアニメーションが可能である。
説明DeskForge：デスクトップ環境から高密度な教師データを生成し、コンピュータ操作エージェントを改善する研究
要約本論文は、実アプリケーションを組み合わせて大規模な教師データを生成する制御可能なデスクトップ環境「DeskForge」を提案しています。120万件の注釈付きデスクトップ観測からなるDeskForge-1M（要素インスタンス1.597億件）を構築し、そこから抽出した20万件の定位例で4つの視覚言語モデルを微調整しました。その結果、複数のGUI定位ベンチマークと長期タスクで性能向上が報告されています。
注目点実デスクトップ環境を制御可能に合成して大規模な密なアノテーションを生成し、複数の外部ベンチマークと長期タスクで一貫した改善を示しており、証拠は十分で実用的な価値がある。
説明ムーア、エッシャー、ペンローズ：共形の黄金の組紐
要約本論文は、エッシャーの1956年版画『版画館』に着想を得て、共形べき写像 z↦z^α を用いて自己参照的な場面を構成する。凍結したテキスト画像拡散モデルで新しい画面を生成し、非可逆変換 T の一般化逆 T† を導入している。源空間と変換空間の間でデノイジングを交互に行い、場面とその歪みを同時に生成する。
説明Sphere Encoder 2：球面エンコーダによる画像生成の改良版
要約Sphere Encoder は、高次元の潜在球面上のランダムな点をデコードして画像を生成するオートエンコーダです。本論文は元の手法の二つの限界を指摘します。ランダムな点と符号化後の潜在分布との間にずれがあること、また画素単位の再構成損失によりデコーダが結果を平均化してぼやけた画像になることです。著者らはこの二点に対処する Sphere Encoder 2 を提案し、オートエンコーダの速度と簡潔さを保ったまま生成品質を大きく向上させたとしています。
説明共通の基底で全アバターをリアルタイム駆動：リアルタイムアバターのためのガウシアン・ブレンドシェイプ蒸留法
要約本論文は、学習済み3Dガウシアンアバターの動きを、身元に依存しない線形ブレンドシェイプの線形結合で近似できることを示し、GALA（Gaussian Animation via Linear Approximation）を提案している。毎フレームの重いニューラル復号を、浅いMLPによる係数予測と線形ブレンドで置き換え、3種類のアバターモデルで顔表情と服の動きを含む全身アニメーションのCPU計算コストを最大約3桁削減しつつ、描画品質の大部分を維持する。未見の身元にも汎化し、モバイル端末で最大約60fpsに達する。
説明PROWBench：ビデオモデルはプログラムが指定した通りに描画できるか？
要約本論文は、プログラム可能な世界モデルが生成する映像が、プログラムで指定された世界イベントを忠実に描画しているかを評価するベンチマーク PROWBench を提案しています。170 のプログラム生成エピソードと 600 のプロキシ映像を含み、エンティティの状態や時刻付きイベントを記録して生成映像と照合します。評価はエンティティ制御、長期記憶、そして二つの VLM ベース指標に基づきます。
説明再構成・練習・実機へ：身体性エージェントの誘導付き自己改善
要約本論文は、モデルの重みを更新せずにロボット実行システムを自律的に改善するフレームワークRPG（Reconstruct, Practice, Go Real）を提案します。オフライン データセットから操作能力を特定し、シミュレーション上で練習タスクを構築して、実行フィードバックに基づき失敗を診断しながらスキルとシステムプロンプトを改良します。22の操作タスクの未見の初期条件での成功率は、第1ラウンドの28.6%から第15ラウンドには95.0%に向上し、ASPIREやCaP-Agent0などの比較手法を上回りました。実機の3タスク、各10回・計30回の試行ではすべて成功したと報告されています。
説明埋め込み予測が画像生成を助ける：固定のクラスやテキスト条件の代わりに、予測された埋め込みを毎ステップ条件として使う手法の研究。
要約拡散トランスフォーマーでは、クラスラベルやテキストプロンプトを一度埋め込み、その同じ条件を全ての去雑ステップで再利用するのが一般的です。本論文は、次の連続埋め込みを予測するNEPA（次埋め込み予測自己回帰）を用い、多埋め込み予測で条件と雑音画像の後に続くクリーン画像の埋め込みをまとめて予測します。その予測を各去雑ステップでDiTジェネレータの条件として使い、現在の雑音状態に適応させます。ImageNet 256×256のクラス条件生成では、REPAと組み合わせた最終モデルNEPA-DiT-XLがFID 1.32を達成し、学習計算量はREPAの約3分の1です。
説明ScholarCatalyst：新しい研究を刺激した論文を検索するベンチマーク
要約本論文は、研究者が過去の論文のどの考えを自身の研究に活かしたかを、184名の筆頭著者が207件の最近のコンピュータサイエンス論文について注釈を付けたベンチマーク「ScholarCatalyst」を構築しました。課題は、研究開始時点で利用可能だった文献から、初期の研究問題に基づいてこれらの論文を検索することです。エージェント型検索（Recall@20 で 0.42）は埋め込み検索（0.48）を上回らず、Claude Fable 5.1 を用いたエージェントでも 0.51 にとどまりました。
説明SILSA：トポロジーを保つ高解像度3D生成のためのスライディングウィンドウ・スライス潜在表現
要約本論文は、ボクセル潜在表現の代わりに三つの正準軸に沿った重なり合うスライス潜在表現で三次元形状を表すSILSA（Sliding-Window Slice Latents）フレームワークを提案しています。切片VAEと体積アンカー格子を用い、持続性図とBetti数の遷移に基づくトポロジー監督を導入しています。報告によれば、構造の忠実度が向上し、生成コストとトークン数が大幅に削減されています。
説明VISTA：対話型世界での推論のための視覚ハーネス
要約本論文は、汎用マルチモーダルモデルに長期的な視覚能力を与える視覚ハーネス「VISTA」を提案します。モデルは視覚的観察から環境を直接知覚し、過去の観察を元の形で保持する無損失の視覚メモリを保ちます。推論中にそれらを能動的に検索し、視覚入力を再編成できます。ARC-AGI-3では、Claude Opus 5.0の相対人間行動効率スコアが40.68から100.00に向上し、25の公開ゲームを初回の人間の参加者より57.4%少ない行動数で完了しました。さらに別の3つのベンチマークでも、同じモデルに最小限のハーネスを組み合わせたベースラインを大きく上回りました。
説明TACO：LLMファインチューニング用の三値絶対最大列単位スパース最適化手法
要約大規模言語モデル（LLM）の全パラメータファインチューニングでは、オプティマイザの状態が多くのメモリを消費します。本論文は、各列の絶対値が最大の要素の符号のみを用いるTACO（Ternary Absolute-max Column-wise One-sparse optimizer）を提案します。一階の勾配情報を保ちつつ、オプティマイザ状態のメモリをほぼ無視できる水準まで削減します。OPT-13Bでは、永続的なオプティマイザ状態が27.7 GBから0.16 GBへ、ピーク学習メモリが80.6 GBから27.5 GBへ減少したと報告されています。精度と実行時間は同等で、単一の80 GB H100上で30〜32Bパラメータのモデルを微調整できるとしています。
説明FERPO：評論家の行動勾配に頼らない前向きエントロピー正則化方策最適化
要約本論文は、連続制御のオンライン強化学習のためのFERPOアルゴリズムを提案します。評論家を行動について微分せず、評論家の価値を用いて方策を改善し、エントロピーとKLダイバージェンスで正則化した目標行動分布を導きます。その後、前向きKL目標で方策を目標に近づけます。MuJoCo PlaygroundとManiSkillでの実験により、競争力のある性能とサンプル効率の向上が示され、方策更新はREPPOより速いと報告されています。
説明HiPhy：多原理の物理的に妥当な動画生成のための階層的アライメント手法
要約本論文は、動画生成モデルは映像の忠実度が高いものの、物理法則に従う動画を生成できない問題があると指摘しています。特に同一動画内で複数の物理原理が同時に作用する場面で課題が顕著だとしています。著者らは、個々の物理原理の時間的ダイナミクスを局所的に、シーン全体の物理的・意味的整合性を大域的に制約する強化学習フレームワーク HiPhy を提案しています。あわせて 5 万件のプロンプトのデータセットと評価ベンチマーク MultiPhyBench を構築し、既存手法を上回る結果を報告しています。
説明InterEvolve：ヒューマノイドの移動・操作タスクのための報酬プログラムのテスト時進化
要約本論文は、再学習なしに、既存のスキルを再利用し、自身の試行から改善し、学習内容を保持することで、制御器が訓練されていない移動・操作タスクを解決する手法を研究している。手法は、物体を考慮した前後向き行動基盤モデルと、大規模言語モデルのエージェントおよび数値最適化器が段階的な報酬プログラムを修正・調整する仕組みからなる。実験では、進化したプログラムが人手設計の報酬では引き出せなかったモデルの能力を解放し、シミュレーションで多様なタスクを実行できることが示された。さらに、進化したスキルは実機のUnitree G1で自律的に動作した。
説明グラフ上のコスト付きシュレーディンガー橋は厳密に解ける：学習制御の代わりにFeynman-Kac傾斜を用いる
要約グラフ上の一般化シュレーディンガー橋は、二つの分布間で質量を移動させつつ、通過する状態にコストを課す問題です。本論文は状態コストをFeynman-Kac傾斜として参照過程に組み込み、コスト付き橋を傾斜後の参照過程に対する通常の橋として扱うため、時間差分ペナルティが不要になると示しています。橋は二つの端点再スケーリングを交互に行うことで厳密に計算され、時間離散化も学習も行いません。
説明階層型連続拡散言語モデル：離散トークン生成と連続潜在軌道を結合した文章生成手法
要約本論文は、離散拡散言語モデルで並列復号する際にトークン間の統計的依存関係が切断される問題と、連続拡散言語モデルのデノイザが有効なトークン配置と結びついていない問題に取り組み、階層型連続拡散言語モデル（HC-DLM、Hierarchical Continuous Diffusion Language Models）を提案している。単一の去雑過程で離散トークン生成と連続潜在軌道を結合し、学習目標はトークン尤度の変分下界から導かれる。数独、カウントダウン（Countdown）、LM1Bでの実験では、同等のモデル規模の離散・連続拡散ベースラインと比較して、パズル正答率と生成パープレキシティの改善が報告されている。
説明論文：大規模言語モデルの数学的推論を診断し修復する
要約本論文は、大規模言語モデルが解の背後にある数学的構造を本当に理解しているかを検証します。著者は「数学的プリミティブ」という概念を提案し、発見・生成・消化・実行の4つの観点から数学的推論を評価するベンチマークを構築しました。正答率だけでは能力の違いが見えず、発見が主なボトルネックであること、そしてそれに起因する失敗は修復しやすいことが示されています。これを踏まえ、プリミティブに導かれた推論を生徒モデルへ選択的に移す自己蒸留フレームワークを提案し、複数のモデル規模と難しいベンチマークで基準手法を上回ったと報告しています。
説明方向は信頼し、ステップは探索する：LLMファインチューニングのためのゼロ次・一次混合最適化法
要約本論文は、一次最適化器で探索方向を決め、その一次元方向に沿って追加の目的関数評価を2回行い局所モデルを作って曲率を考慮したステップ幅を選ぶ、軽量なZFO（Zero-and-First-Order）フレームワークを提案します。理論的な保証を示し、言語モデルとデータセットで固定ステップの一次法と比較しました。多くの場合で最適化と最終性能が改善し、その度合いや適した局所モデルは目的関数によって異なります。コードは公開されています。
説明稀疏オートエンコーダ特徴を強化して内在性不規則タンパク質領域を生成する手法
要約本論文は、AlphaFold データベースから予測された5,400万件の内在性不規則領域（IDR）で学習させた自己回帰型タンパク質言語モデル IDiom を提案します。生成配列は天然 IDR の組成、配列パターン、予測される不規則性を再現します。さらに、指定した特徴を活性化する配列に報酬を与える事後学習法 RL-SAE を導入し、8つの設計課題で目標特徴の平均90%を活性化したと報告しています。
注目点無秩序領域向けの言語モデルとスパースオートエンコーダ特徴による強化学習後学習を提案し、8つの設計課題で既存手法を大きく上回り、証拠も比較的充実している。
説明DMAD：分布マッチングを敵対的蒸留として扱う高速視覚生成手法
要約本論文は、補助的な拡散モデルを別途当てはめる代わりに、識別器で対数密度比を直接学習する DMAD 手法を提案しています。少数ステップの学生モデルを訓練し、ImageNet-64x64 の一段生成、SDXL の四段生成、Wan2.1-T2V-14B の四段生成などで比較対象の少段階手法の中で最良の値を得たと報告しています。
注目点分布マッチングを敵対的分類として再定式化し、補助スコアモデルなしで対数密度比を直接学習する。ImageNet、SDXL、Wan2.1など複数設定で検証され、影響範囲は広い。
説明生成モデルと基盤モデルのための高次分子文法
要約本論文は、分子を組合せ複体に持ち上げ、文脈自由な高次文法の生成規則の compact な列に変換する高次文法表現（HGR）を提案している。これにより環系などの高次トポロジーを標準的な系列モデルで扱えるようにする。また、118万分子を含む環に富むベンチマーク RingDiv と、環系の網羅性を測る環多様性指数（RDI）を導入している。生成タスクでは構成上100%の妥当性を保証し、五つの生成ベンチマークすべてでFCDが首位であった。表現学習では、七つの MoleculeNet ベンチマークで平均 AUC が最も高かった。
説明ループ型Transformerをより良く復号する（ほぼ無料で）
要約ループ型Transformerは同じブロックを繰り返し実行することでパラメータ効率を高めます。本論文は、追加の学習なしで最終予測と初期のループ出力を比較して次のトークンを選ぶ復号手法LoopCDを提案します。logit空間または隠れ状態空間で動作し、複数のモデル系列で完全なループ深度において一貫した改善を示します。さらに、ループ回数を半分にしても全深度の未誘導ベースラインと同等以上となり、順伝播のFLOPsを22.5%から48.2%削減します。
説明SoftServe：深層学習向けのスケーラブルな準ニュートン法
要約本論文は、深層学習の学習に用いる準ニュートン法のファミリーであるSoftServeを提案しています。非凸性と巨大なパラメータ数という障壁を、直線探索や場当たり的な曲率補正なしで克服することを目指しています。対角型およびKronecker分解型の二つの変種を提示し、安定した結合Newton-Schulz反復で行列演算を行います。再帰型ネットワーク、深層オートエンコーダ、物理情報ニューラルネットワーク、1億3600万パラメータの拡散モデルなどで、Adam、Muon、SOAPより低い損失を得られたと報告しています。
説明OmniSeek：多ターン視聴覚推論のためのネイティブツール統合フレームワーク
要約本論文は、全モダリティ大規模言語モデル（Omni-LLM）を、ネイティブなツール利用によって複数ターンにわたり能動的に証拠を取得する推論エージェントに変えるOmniSeekを提案しています。モデルは音声または映像のどの時間区間を取得するかを自ら決め、取得した原音声・映像の断片を文脈に追加して推論を続けます。学習には交互に音声と映像の証拠を含むOmniTraj-170Kを用い、教師あり学習と二段階の強化学習を行い、視聴覚必要性の目標で単一モダリティへの近道を抑制します。実験では視聴覚推論の性能向上が報告されています。
説明生成型シネマトグラファー：3D空間でカメラと物体の動きを同時に構成する手法
要約本論文は、単一画像を編集可能な3Dシーンに持ち上げ、カメラ経路と前景物体の動きを同時に指定できる GenCine を提案しています。局所的な3D動きハンドルで前景の一部を独立に動かし、事前学習済みの Wan モデルへ誘導マップとして伝えます。実験では、視点変化の下で動きと幾何の一貫性が向上したと報告されています。
説明SimuVerity：工学レベルの Simulink モデル生成におけるエージェントのベンチマーク
要約既存の Simulink ベンチマークは、生成されたモデルがコンパイル・実行できるか、参照モデルに似ているかを主に評価しており、工学的要件を満たすかどうかは確かめられません。本論文は、十の工学分野にまたがる 101 件のテキストから実行可能な Simulink モデルを生成するタスクからなる SimuVerity を提案します。階層的な評価器が成果物の提出、ネイティブな実行可能性、工学的適格性を順に確認したうえで六つの観点から採点します。six 体のエージェントを評価した結果、最良の総合スコアは 42.86 にとどまり、構造的類似性は工学的性能の指標として不十分であることが示されました。
説明勾配から能力へ：多教師オンポリシー蒸留の理解
要約本論文は、強化学習で訓練された複数の領域別教師モデルの能力を一つの生徒モデルに統合する多教師オンポリシー蒸留（MOPD）を扱っています。Qwen3-1.7Bを対象に、教師信号による勾配、オプティマイザの更新、タスクの学習曲線を比較し、補助的にSmolLM3-3Bでも診断を行っています。損失の平均化方法、Adamの一次モーメント、BF16丸め、top-64交差KL勾配といった要因が教師信号とパラメータ変化に与える影響を検討し、平均化方式によって数学タスクの正解率に差が出ることを報告しています。
説明PowerBench：権力移転リクエストにおける言語モデルの偏りを測定する
要約本論文は、言語モデルが権力移転を伴うリクエストをどのように扱うかを検証する評価基準 PowerBench を提案しています。自己の権力強化、他者からの権力剥奪、権力の掌握を区別し、権力移転を伴わない対照群も設けています。研究者は該当するデータセットを構築・公開し、米国と中国の開発者によるモデル計 24 種（各 12 種）を評価しました。結果として、モデルは権力掌握の拒否が最も多く、次いで他者からの権力剥奪、自己の権力強化の順に拒否する傾向があり、国籍、利用者の種類、リクエストの言語によって偏りが見られたと報告されています。
説明組織特異的相互作用ネットワークにおける実効抵抗とグラフニューラルネットワークの信頼性
要約本論文は、組織特異的なタンパク質相互作用ネットワークにおいて、実効抵抗がタンパク質機能予測の信頼性を判断する手がかりになるかを検討している。24の組織特異的ネットワークで実験を行い、実効抵抗は主に次数の逆数に支配されることを示した。予測エントロピーや次数などの要因を統制した後も、一部の追加的な損失を説明できた。この信号は再現可能だが、次数の劣化によって効果が制限される。
説明すべてのアブレーションは用量である：カウンターウェイトと自己修復の見せかけ
要約本論文は、言語モデルの構成要素をアブレーションすると他の要素が調整・補償するように見える「自己修復」現象を扱う。著者らは、この現象はアブレーション以前から存在する利得によって説明できると主張し、単位ごとの修復応答を表す線形の法則を提示する。四つのモデルとGPT-2 SmallのIOI回路での検証結果が示されている。
説明観察・推論・協調：ゼロショット協調のためにロボット相手の物理的制約を推定する
要約本論文は、物を一緒に運ぶような物理的に結合された作業において、協力ロボットが別のロボットとの協調を観察することで、相手の物理的制約（ハードウェアの劣化やアクチュエータの故障など）を推定できるかを検討しています。三つの物理結合型マニピュレーション設定からなるベンチマーク「Watch, Infer, Coordinate」と、観測された共同動作に基づいて候補となる制約を評価する推定手法を提案しています。その結果、本手法は制約推定とゼロショット協調を大きく改善し、真の制約を知る理想的な場合に近い性能を示しました。
説明『Keep It CALM』：テキストからの画像生成における全体的な不安全信号の限界の分析
要約本論文は、テキストから画像を生成する学習不要の安全対策が、全体的な不安全方向に依存する問題を指摘しています。コンパクトな不安全部分空間は多様な不安全な意味を覆いきれず、広く集約すると安全に近い無害なプロンプトが歪むという分析結果を示しています。これを受けて、プロンプトごとの局所的な反事実補正を行う CALM（Counterfactual Adaptive Local Modulation）を提案し、論文では不安全な内容の抑制を改善しつつ無害な有用性を保つと報告しています。
説明AutoCompact：長期タスクのコーディングエージェントで文脈を圧縮する時期を学習する手法
要約本論文は、コーディングエージェントが作業中に文脈を圧縮する時期、保持する作業状態、圧縮後の継続方法を自ら判断するよう訓練するAutoCompactを提案する。学習データは評価モデルが圧縮の判断や要約を修正して収集し、教師あり微調整とタスク成功報酬による強化学習を行う。SWE-bench VerifiedとSWE-PolyBench Verifiedでは、基礎モデルに比べ通過率がそれぞれ絶対値で9.2%と5.0%向上したと報告している。
説明World Observer：持続的な世界モデリングのための俳優・観察者の同時生成
要約本論文は、動画世界モデルが行為者の現在の視野内しか扱えない問題に取り組み、観察と行動を分離する World Observer を提案します。視点を持つ行為者と、選択された領域を監視する一つ以上のパノラマ観察者を同時に生成するため、視野外に出た物体も観察者の中で状態が更新され、再び視野に入ったときに反映されます。さらに、世界空間の評価指標と実写・合成シーンを含むベンチマークを導入し、視野外の動きを大きく改善しつつ、視覚品質、カメラ制御、三次元整合性でも競争力を保つことを示しています。
説明DuoMind：意味通信による分散型マルチロボット協調の実現
要約本論文は、複数のロボットが意味通信によって協調してタスクを遂行するための分散型階層フレームワーク「DuoMind」を提案しています。各ロボットは、低レベルの実行をVLAベースの行動モデルが、高レベルの推論と他ロボットとの調整をVLMベースのオーケストレーターが担います。また、長期的な協調操作タスクからなるベンチマーク「RoboPoly」を新たに構築しています。RoboPolyおよびRoboTwinでの実験では性能向上が示され、アブレーション実験で階層的オーケストレーションと意味通信の寄与が確認されています。
説明4Director：剛体3D幾何でビデオ世界モデルを制御
要約本論文は、明示的な4Dシーン表現を条件とするビデオ世界モデル4Directorを提案し、カメラと物体の動きを精密に制御します。各物体は入力画像から正準メッシュとして一度再構成され、フレームごとに一つの剛体変換で動かされます。Motion Adapterが幾何の骨組みを、視点に一貫した外観・照明・非剛体動態を持つ映像へ変換します。実験では、視覚品質やカメラ・物体制御の点で既存手法を上回ったと報告されています。
説明内発的報酬はいつ探索につながるのか？
要約本論文は、強化学習で予測誤差や計数、エンパワーメント、情報利得などの内発的報酬が、最も情報量の多い経験をエージェントに得させるかを検討します。著者らは、反事実的情報の獲得という観点から政策を比較する形式的な探索基準を提案し、いくつかの内発的目的の最適政策がパレート最適でない例を示す単純な環境を構築しています。さらに、既存の内発的報酬が最適な探索を促す条件と、基準上で探索が改善されるときに高い価値を与える目的関数も示されています。
説明Muonと馴化ランジュバンの出会い：凸性・勾配リプシッツ性を超えるモーメンタム前処理
要約本論文は、ポテンシャルエネルギーが凸でも大域的な勾配リプシッツ連続でもない行列空間上のギブス分布からのサンプリングを扱う。非二次の運動エネルギー族を導入し、運動エネルギーの勾配がモーメンタムの滑らかなスペクトル馴化として働く、モーメンタム前処理付きの劣減衰ランジュバン系を構成している。このより緩い仮定の下で、力学系が目標のギブス測度を不変に保つこと、重み付き全変動距離で平衡へ指数収束することを示す。さらに、対応するオイラー・丸山離散化が時間によらない一様なモーメント評価を持ち、サンプリングアルゴリズムの安定性が保証されることを示している。
説明Ψ-Resilience：一次元トポロジカル信号に基づくモデル非依存の特徴量重要度手法
要約本論文は、予測モデルに依らずデータから直接特徴量の重要度を導く手法 Ψ-Resilience を提案する。各クラスの条件付き密度を推定し、特徴軸に沿った点ごとの絶対差から一次元信号を作成した上で、その0次元永続ホモロジーを計算し、利用者が設定したロバスト性スケールで生き残るトポロジカル特徴を集計する。合成データと実データで評価した結果、SHAPや相互情報量などの手法と順位の一致が見られ、合成データでのSpearman順位相関は最大約0.8、実データでは最大約0.9であった。
説明MosaiChunk：自己回帰型動画生成のための時空間メモリ合成手法
要約自己回帰型の長尺動画生成は有限のコンテキストウィンドウに制約され、文脈から外れた物体や場景の細部は再登場時に失われやすくなります。本論文は、履歴のキー・バリュー（KV）エントリを時間と空間にわたって選び、モザイク状に合成する時空間メモリ機構MosaiChunkを提案します。動画生成器は固定したまま、固定の活性メモリ予算の下でどの履歴区間を含めるかを決める軽量なルーターのみを学習します。また、プロンプト駆動のテキストからの動画生成（T2V）とカメラ駆動の画像からの動画生成（I2V）の分割を持つ長期再訪ベンチマークRememBenchを導入します。実験では、同じメモリ予算のもとで、両設定において滑り窓推論や全チャンク検索よりも再訪時の一貫性が向上することが示されています。
説明EditHero：長期的なパーツ単位3D編集とバイブモデリングのベンチマーク
要約本論文はEditHeroを提案します。作者らの知る限り、長期的かつパーツ単位の3D編集のための初のベンチマークで、自然言語の指示と形状・テクスチャの目標画像を含みます。各編集後の正解は決定論的な組み立てエンジンで生成され、全系列を人手で確認しています。非エージェント型は学習済み3D表現から全体を再生成する手法、LLM/VLMエージェント型はコードでメッシュを調べ、指示に必要な部分だけを書き換える手法で、両者を比較しています。非エージェント型は要求された変更を見逃し、変更すべきでない領域を乱すことが多いです。多くのLLMは指示により忠実で未編集部分の保持も優れていますが、1回の編集に数分かかります。
