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。
説明測定を減らして理解を深める：自己教師ありのテスト時特徴取得
要約本論文は、テスト時にすべての特徴量を取得せず、コストを考慮して情報量の多いモダリティを順次選択する手法 ECHO-k を提案しています。下流タスクを事前に知らなくても使えるよう、事前学習済みモデルの内部表現を代理ターゲットとして利用します。線形の簡略化設定で理論的保証を示し、それに基づいて強化学習による逐次選択方策を学習させています。予算制約下で、複数の基盤モデルのバックエンドにおいて既存のベースラインより性能が向上したと報告しています。
説明I2CD：単一画像から直接、シミュレーション用の凸分解衝突形状を生成
要約物理シミュレータや動作計画には凸形状の衝突ジオメトリが必要ですが、画像から3Dを生成するモデルの出力は高密度で非多様体を含むことがあります。従来は修復・間引き・近似凸分解を含む遅く脆い再構成後分解パイプラインが必要でした。本論文のI2CDは、単一のRGB画像から凸分解を直接予測します。事前学習済みのHunyuan3D-2を凍結し、約38Mパラメータの軽量な交差注意ヘッドのみを学習させます。評価対象の227物体では体積IoUが最も高く、エンドツーエンドで6〜37倍高速です。MuJoCoなど4つのシミュレータで後処理なしに利用でき、実機xArm7での実験も示されています。
説明非定常性を利用した瞬時的・遅延的因果関係の表現学習
要約本論文は、時系列データから潜在状態とその因果関係を特定する因果表現学習を扱います。時間間隔をまたぐ遅延因果関係と、区間内で瞬時的な関係として現れる因果効果の両方を、時系列の非定常性を考慮してモデル化することが目的です。遷移ノイズ分布の変化に関連する補助変数（時刻や条件ラベルなど）を用いて、潜在状態と因果構造を特定するための十分条件を示し、対照学習に基づくフレームワーク iCReN を提案しています。合成データでは潜在状態と両種の因果構造を正確に復元し、実データでは学習した表現が予測タスクに有用であることを示しています。
説明汚染されても正しい：視覚言語モデルが内部で「自己欺瞞」する理由
要約本論文は、視覚言語モデル（Qwen2.5-VL-7B-Instruct を用いた例）が敵対的摂動を受けたときの振る舞いを調べたものです。摂動によって固定の目標キャプションに対する教師強制の学習損失はほぼゼロまで下がるのに、自由生成させると元の正しい説明が出力されることを示します。COCO の200枚の画像に対する二段階の PGD 攻撃と、logit lens および全層の解析によって、この差が言語デコーダの一回の自己回帰ステップで生じることを特定しています。
注目点訓練損失と推論出力の乖離を発見し、logit lensで単一の自己回帰ステップと層ごとの差異的調停を特定する点は新しいが、200枚規模と探針の循環性の懸念がある。
説明機械学習による分子吸収スペクトル予測：電子密度と分子構造の入力比較
要約本研究は、分子吸収スペクトルを機械学習モデルで予測する際、入力として基底状態の電子密度と分子の幾何構造のどちらが有効かを比較したものです。QM7データセットから選ばれた6874個の分子を用い、スペクトルは線形応答時間依存密度汎関数理論（TDDFT）で計算されました。電子密度を用いた畳み込みニューラルネットワークの検証相関は0.9926で、幾何構造を用いた最良のグラフモデルの0.9795を上回り、残差の非相関は約64%減少しました。
説明ChromaGS：テキスト駆動による4Dガウシアンアバターの意味的色編集
要約本論文は、アニメーション可能な3Dガウシアン頭部アバターを、自然言語で指示してリアルタイムに色編集する手法ChromaGSを提案しています。編集は再学習なしにレンダリング時に適用されます。色を領域ごとの基本色とガウシアンごとの残差に分解し、細部の外観を保ちながら領域の色を一貫して変更できるようにしています。
説明深度仮説に基づく反復的洗練によるイベント・画像単眼深度推定
要約本論文はHypoDepthを提案しています。これはイベントカメラと画像を組み合わせた単眼深度推定のための、初の反復的洗練フレームワークです。離散的な深度仮説ボリューム（DHV）を導入し、深度回帰を制約付きの深度探索タスクに置き換えています。多重スケールの相関探索により安定した残差最適化を行い、DSECおよびMVSECで最先端の結果を報告しています。小型モデルは資源の限られたデバイスでのリアルタイム動作も可能としています。
説明音声の形：音声駆動3D顔アニメーションにおける調音結合の幾何学的指標
要約本論文は、音声駆動の3D顔アニメーションについて、隣接する音が調音の軌道に与える影響（調音結合）を測る幾何学的指標を提案します。唇の経路長を、母音・子音・母音の位置を通る最短経路と比較します。評価した4つの既存手法はいずれも、実際の音声より平坦な唇の軌道を描くことが示されました。97名、3,523件の判断による事前登録済みの研究では、視聴者は文の比較で73.4%の割合で実際の音声を選好しました。
説明「信頼しつつ検証する」：離散拡散モデルのための領域ごとに非一様な順方向ダイナミクスの設計
要約本論文は、離散言語拡散モデルで文脈が生成全体を通して完全に信頼されてしまう問題を扱う。吸収カーネルと一様混合カーネルを領域依存の速度と組み合わせ、学習時に観測されるが不確かなトークンへモデルを曝す。推論時には、疑わしい文脈にノイズを再注入し、軌道の後半では文脈の更新を凍結する手法を用いる。1.7億パラメータのモデルを微調整した実験では、ランダム置換による破損文脈の検出と補完のトークンF1の改善が示されている。
説明OptiSelect：オプティマイザはデータのカリキュラムをどう形作るか
要約本論文は、大規模言語モデルの事前学習においてオプティマイザが在線データ選択にどう影響するかを検討します。著者らは、選択の効果がオプティマイザによって導かれる効用スコアの識別可能性に左右されるという枠組み（OptiSelect）を提案しています。理論的には、LionやMuonの符号ベース・極接線型前処理では識別可能性が崩壊し、AdamWやSophiaのような対角適応型の方が良い上界を持つことを示しています。124Mおよび720Mモデルの事前学習実験は、この理論分析と整合的であると報告されています。
説明割り込みの悪用：LLMスケジューリングにおける長さ予測への攻撃
要約本論文は、長さ予測に依存する大規模言語モデル（LLM）のリクエストスケジューラに対する攻撃手法JILを提案しています。敵対的サフィックスを最適化して軽量な出力長プローブが長さを過小評価するよう仕向け、優先度を高めます。実験では予測長が最大83.4%減少し、敵対的リクエストは平均で最大1.53倍速く完了しました。また、応答品質との トレードオフや、予測を粗い区間にまとめる防御策の効果も検討されています。
説明国境を越えて「疑わしさ」が生まれるとき：アルゴリズムによる域外適用とAI型金融監視
要約本論文は、マネーロンダリング・テロ資金対策における「疑わしさ」概念の変化を検討しています。AIが金融監視に組み込まれるにつれ、疑いはデータ駆動型のプロセスで生成されるようになり、特定の法域内で人間が行う法的判断とは性質が異なると論じています。著者は、正式な管轄権の主張ではなくデータ基盤を通じて行使される規制権限として「アルゴリズムによる域外適用」の概念を提示しています。また、個人がデータ化された疑いの対象とされることで、説明責任や異議申し立てが難しくなると指摘しています。
説明OuroReward：テキストから3D生成の強化学習のための逐次報酬スケジューリング手法
要約本論文は、テキストから3D生成（T23D）の強化学習において、複数の品質次元の報酬を同時に集約する既存手法が次元間の依存関係を明示的に扱わず、最適化の偏りや次元間の干渉を招く問題を指摘しています。提案手法OuroRewardは、次元間の依存関係を推定して累積干渉を最小化する循環的な最適化経路を構築し、現在の報酬の残りの最適化余地に応じて次の報酬へ適応的に移行します。さらにAdaSelectにより、モデルの現在の能力に適合した信頼性の高い有益なプロンプトを選択して学習を安定させます。複数のT23Dモデルと強化学習アルゴリズムでの実験により、複数次元で生成品質が一貫して向上することが示されています。
説明CLIMB：信頼度に基づく相補的証拠によるマルチモーダル検索拡張生成の手法
要約本論文は、学習を必要とせず推論時に用いるマルチモーダル検索拡張生成フレームワーク CLIMB を提案しています。関連性と冗長性の抑制を両立させて相補的な証拠プールを構築し、その中で信頼度が上がった場合にのみ回答を更新します。Encyclopedic-VQA と InfoSeek において、検索拡張型のマルチモーダルベースラインを上回ったと報告されています。
説明深層ベイズREFoCUS：深層生成事前分布による超音波多静的データからの画像復元
要約本論文は、任意の送信シーケンスによる超音波多静的データの復元をベイズ推論問題として定式化している。古典的な線形REFoCUSデコーダが機能しない階数不足の状況に対応するため、多静的データセットで深層生成事前分布を学習する。階数不足の程度とノイズレベルのすべての条件で線形ベースラインを上回り、逆変換が正確な場合には線形デコードに一致する。また、線形REFoCUSが点推定しか与えないのに対し、取得データの零空間における不確実性も表現できる。さらに、シミュレーションと生体内取得データの分布のずれの影響を分析し、微調整なしでも高い汎化能力を示すとしている。
説明情報の増加を通じたノード分類における認識的不確実性の再検討
要約本論文は、データ生成過程に関する情報が増えるにつれて、グラフ上のノード分類における認識的不確実性が減少するかを検証する統計的枠組みを提案している。既存のグラフ証拠的深層学習（EDL）手法は、モデルのハイパーパラメータによって認識的不確実性を調整しており、一貫性を満たさないと指摘している。代わりに、グラフ再サンプリングとランダム化学習により、データと手続きの不確実性を捉えるグラフ・ブートストラップ・アンサンブルを提案し、同じ実験条件で標準的な深層アンサンブルより大きな認識的不確実性の低減を示している。
説明反復一貫性モデル：安定性・誤差上界・ノイズスケジュール
要約本論文は、一貫性モデル（CM）による多段階サンプリングの理論的誤差を分析する。多段階サンプリングをノイズ付加と近似ノイズ除去の演算子の合成とみなし、検証可能な安定性の仮定のもとで、初期誤差の収縮と近似誤差の蓄積を分けた非漸近的な誤差上界を導く。上界は、早期の大きなノイズ水準が収縮を促し、後期の小さなノイズ水準が残留バイアスを抑えることを示す。強対数凹および準対数凹の目標分布に対する明示的な定数も得られる。実験では、収縮と近似の特性を信頼性高く測定でき、理論が予測する関数形と一致することが示されている。
説明AIBL：構造化メモリと神経埋め込みを用いた拡張型インスタンス学習
要約本論文は、インスタンスベース学習理論の記号的マッチングを学習されたベクトル空間の類似度に拡張したAIBL（拡張型インスタンス学習）モデルを提案し、テキストや画像などの高次元逐次データを扱う。メモリは活性、忘却、驚きの三種類に分けられ、繰り返し現れる驚きインスタンスは昇格アルゴリズムによって活性メモリへ移される。著者らは五つの機械学習課題と三つのシミュレーション課題で評価し、精度が6〜17ポイント向上したと報告している。
説明対比学習による神経埋め込みは会話の役割を超えた個人特性を示す（対話者の脳波へのCEBRA適用）
要約本論文は、対比表現学習手法CEBRAを会話中の二者の脳波に適用し、学習された埋め込みを2次元球面上で分析しています。埋め込みから対話者に関するラベル（両者の自閉症スペクトラム指数の差の絶対値を含む）は chance を上回って復号できましたが、ラベルを置換する際に符号化器を再学習しない対照では有意性が検証できませんでした（p = 0.50）。埋め込みは自閉傾向の差ではなく個人の同一性に沿って構造化されており、話し手と聞き手の役割の分析は chance レベルでした。著者らは、群化されたデータの対比埋め込みでは再学習に基づく帰無仮説を標準とすべきだと提案しています。
