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。
説明自己適応型LLM社会における集団推論へのコミュニケーションの影響：マフィアゲームからの証拠
要約本研究は、情報を持つ少数派（マフィア）が情報のない多数派に紛れる人狼（Mafia）ゲームで、コミュニケーションが敵の特定に役立つかを検証しています。claude-haiku-4-5エージェントからなる8〜100人の社会で7,416局を分析し、通信プロトコルを比較しました。同時ブロードキャストは全ての人数構成で沈黙より敵の特定を改善しましたが、順番発言ではその利点の大半が失われました。70人では一日に8つの発言を読むエージェントが沈黙するエージェントより敵の特定が劣り、適応は速くても必ずしも有益ではないことが示されています。
注目点厳密解の零情報基準と対応実験により、通信と適応が集団推論に与える相互作用を示し、新規性と根拠は十分だが適用範囲はMafia游戏に限られる。
説明ラベル不足下での収穫後焼畑耕地マッピングのための校正付き弱教師あり手法
要約本論文は、インド・パンジャーブ州における収穫後の焼畑耕地のマッピングを対象に、Sentinel-2の分光変化、VIIRSの火災情報、MODIS MCD64A1を用いて校正する弱教師ありフレームワークを提案しています。最良の構成は多層パーセプトロンと全光学特徴量ですが、画素レベルのMODISとの一致は限定的で、年をまたぐ安定性も弱いと報告されています。著者らは、地区規模の被害評価やホットスポットのスクリーニングには有用だが、正確な焼け跡境界や時間的に安定した年次マッピングへの支持は限定的だとしています。
説明エージェント・ハーネス最適化のための因果改善グラフ（CIG）：永続グラフで改善状態を管理するメタハーネス手法
要約本論文は、エージェントの実行基盤（ハーネス）を反復的に改良する際、改善の状態を永続的なグラフとして外部化する「因果改善グラフ（CIG）」を提案している。CIGはエビデンス、仮説、介入、結果の各ノードとその関係を蓄積し、先行知見が後続の最適化を直接導く仕組みである。著者らは、各種エージェントタスクにおいて既存のメタハーネス手法より強いハーネスを発見し、タスク解決器や提案器の選択に対して頑健であると報告している。
説明有限和単調包含問題に対する最適オラクル計算量
要約本論文は、平均二乗Lipschitz連続性の下での有限和単調包含問題に対し、オラクル最適な手法を提案している。正則化段階ごとに分散削減ソルバーを再起動することによる追加コストを避けるため、切り替え型の正則化手法を用いる。さらに、対応する下界を示し、この計算モデルにおいて期待成分計算量が普遍定数の範囲で最適であることを主張している。
注目点正則化の切替と演算子推定の再利用により再始動のn log nコストを除去し、一致する下界で最適性を証明している。
説明SparseCraft：疎計算向けのエージェント型ハードウェア・ソフトウェア協調最適化
要約本論文は、言語モデルを閉ループ内で用いて疎アクセラレータ（Gemmini ベース）の RTL、メモリ構成、計算スケジュールを反復的に修正する SparseCraft を提案しています。各反復では、シミュレーションや逐一の出力検証、合成といった実測結果がフィードバックとして用いられます。512×512 の GraphChallenge 疎 DNN 層では、ブロック疎の Gemmini ベースラインに比べ、サイクル数が 2.1 倍少なく、オフチップトラフィックが 9.8 倍少なく、面積は 22.8% 小さいと報告されています。
説明Code2Games：コーディングエージェントによるゲーム世界の自動生成
要約本論文は、自然言語のゲーム構想からゲーム世界を生成するエージェント型フレームワーク Code2Games を提案しています。まず同じ構想から Blender の基礎世界を作成し、それを Unreal Engine 5 に適応させます。適応時の不整合は、コンパイル診断、実行時フィードバック、ゲームプレイテストの結果を用いて修正します。評価用に GameCode4D ベンチマーク（固定の十種類のプロンプト）を導入し、視覚品質、インタラクションの忠実度、マルチモーダルな成果物の品質、プレイ可能性の四つの観点で評価した結果、直接生成や既存手法より優れていると報告しています。
説明マスク誘導によるブロック拡散言語モデルのKVキャッシュ削除手法
要約この論文は、ブロック拡散言語モデル（block diffusion language models）の推論でKVキャッシュが大きくメモリを占め、各ノイズ除去ステップで参照される問題を扱っています。学習を必要としないMaskAheadは、マスククエリに基づく順位付けによって、現在のブロックで使う過去のトークンと、後続ブロックのために保持するトークンを同時に決めます。量子化版のQ-MaskAheadは低ビットのKVから直接計算します。長いプロンプトのQAでは、MaskAheadは平均9.5倍のKVメモリ削減で平均F1が1.2ポイント低下し、Q-MaskAheadは20.1倍の削減で2.3ポイント低下しました。
説明大規模言語モデルを診断ツールの上に置くと：産業用故障診断で実現されない相補性
要約本論文は、大規模言語モデルを専用の診断ツール（軸受振動、プロセス監視、半導体装置など5つのデータセット）の上位の統合層として用いた場合に、外部の診断情報を信頼して活用できるかを検討している。外部情報が矛盾すると、当初正しかったモデルの判断が覆されることが多く、Tennessee Eastmanのデータでは統合出力（77.43%）が単独の専門ツール（83.33%）を下回った。著者らは、統合層は未支援の大規模言語モデルだけでなく、より強い単独の構成要素と比較すべきだと主張している。
説明EVISKILL：再生可能な証拠に基づくLLMエージェントのスキル進化フレームワーク
要約本論文は、モデルパラメータを更新せずに、LLMエージェントが対話経験から再利用可能な手続き的スキルを蓄積・改良できるようにするEVISKILLを提案している。実行観察を再生可能な証拠カードに整理し、編集を支持する文脈と明示的に結び付けたうえで、対象を絞った再生による再実行で編集を検証する。3つの対話型ベンチマークと6つのLLMバックボーンでの実験により、本手法の有効性が示されている。
説明SPACE-CLIPv2：凍結したCLIPから局所幾何を復号し単眼深度推定に用いる手法
要約本論文は、凍結したCLIPバックボーンの上に構築する深度デコーダSPACE-CLIPv2を提案します。CLIPのトークン空間で固定された局所近傍を集約し、細かな局所構造を復元します。選択された復号段階で集約重みを予測し、ゲート付き残差更新によって結果を注入します。また、浅い層の局所コントラストを保つ高域通過分岐も備えます。NYU Depth V2では、対応するSPACE-CLIPベースラインより改善が見られ、iBims-1のゼロショット評価では境界と平面幾何の指標がさらに向上しました。
説明共同上限カバレッジと経路選択効用：2つの都市の代理タスクによる実証評価
要約本論文は、交通予測の精度や不確実性のカバレッジを高めることが経路判断の改善につながるかを検討しています。北京と成都の道路速度データを用いてオフラインの代理タスクを構築し、生の90パーセンタイル経路時間上限と共同校正された上限を比較しました。共同カバレッジは向上しましたが、経路選択後の遅延率と平均所要時間はむしろ増加しました。そのため、カバレッジは下流の経路効用の代わりにはならず、結果はオフライン実験に限られます。
説明GeoBridge-VLA：視覚・言語・行動モデルのための幾何認識残差適応手法
要約本論文は、事前学習済みVLAの凍結された視覚エンコーダから幾何特徴を学習し、行動予測に用いる二段階手法GeoBridge-VLAを提案しています。第一段階では深度監督により特徴ブリッジと幾何デコーダを学習し、第二段階ではゲート付き残差インターフェースを通じて既存の視覚トークンに幾何情報を加えます。展開時にはRGB、ロボット状態、言語のみを用い、深度入力は必要ありません。LIBEROでの成功率は70.9%で、SmolVLAの60.0%を上回りました。実機のROBOTIS OMYでは、4つのタスク200回中148回（74.0%）成功し、SmolVLAは108回（54.0%）でした。
説明DART-ES：進化戦略によるLLM微調整のための難易度認識型再重み付けと標的リプレイ手法
要約本論文は、進化戦略（ES）を用いて大規模言語モデルを全パラメータ微調整するDART-ESを提案する。各問題の摂動集団における正答率から局所的な解きやすさを推定し、履歴を集約した動的な難易度状態を作る。これにより連続的な再重み付けと希少な解ける問題のリプレイを行い、追加の難易度モデルや逆伝播は不要とされる。報告によれば、ESより数学推論などの複数課題で精度が向上し、GRPOと比べて1ステップあたりの実行時間とGPUピークメモリが削減されている。
説明予測精度の向上が信号制御の改善につながらない理由：予測から意思決定への価値を階層的に診断する研究
要約本論文は、中国・宣城の再構成された29日分の交通需要データを用い、交通予測の精度向上が信号制御の意思決定改善に結びつくかを検証します。点予測、共形区間、依存性を考慮したシナリオ、閉ループ制御器を段階的に評価しています。予測誤差は低下したものの、テスト日の閉ループ制御では因果予測とイベントオラクルの双方で待ち行列車両秒が増加しました。予測の価値は時間的な観測可能性、行動の識別可能性、動力学の整合性、目的の一致に依存するという結論です。
説明予測不確実性で汎用推論を起動する二系統VLA（TUD）
要約二系統の視覚・言語・行動（VLA）モデルは、低速で推論能力を持つ汎用モデルと高速な動作専門家を組み合わせて、リアルタイムのロボット制御を行います。本論文は、同じ行動チャンク位置におけるステップ間の再予測のばらつきを予測不確実性として測り、不要な汎用モデル呼び出しを選択的に省くTUDを提案しています。著者らは、VLA-Arenaでは同じ呼び出し予算で従来の不確実性基線より高い成功率を得たと報告し、実ロボット実験では最強の固定間隔基線に比べて汎用モデルの呼び出しを75%削減しつつ、より高い成功率を得たとしています。
説明LightVLN：無人機の視覚言語ナビゲーションを軽量化する履歴認識フレームワーク
要約本論文は、無人機の視覚言語ナビゲーション向けの軽量フレームワーク LightVLN を提案している。約 0.5B の小型言語バックボーンを用い、過去フレームを 1 トークンに圧縮し、現在の観測を 256 から 32 の視覚トークンに削減する。公開データセット OpenFly では Test-Seen 50.93%、Test-Unseen 36.14% の成功率を報告し、AerialVLN-S Val-Seen では 25.83% を達成した。DJI M350 RTK と Jetson Orin NX 上での機上実時間ハードウェア・イン・ザ・ループ評価も行われている。
説明言及した場所を見る：視覚推論のための自己接地型アテンション
要約本論文は、視覚言語モデルの視覚的注意を、推論中に言及した画像領域とより整合させるための学習手法 Self-Saliency を提案します。グラウンディングモデルで各推論ステップの言及物体の領域を特定し、それをモデルの視覚的注意の教師信号とします。統一した 25 の視覚推論ベンチマークで、既存の注意誘導手法や画像テキストの接地を行うベースラインを上回る結果が報告されています。
説明大腸がんおよび肺腺がんにおける希少な複合分子表現型予測のための状態認識型相互作用MIL
要約本論文は、病理画像から複合分子表現型を予測する弱教師あり手法State-Aware Interaction MILを提案している。バイオマーカー固有の組織学的表現を保持し、それらの相互作用をモデル化するとともに、四つの分子状態の組み合わせ全体を教師する。大腸がん（BRAF+/MSI+）と肺腺がん（EGFR+/TP53+）において、UNI2-hおよびCONCHの表現を用いて評価され、平均適合率は比較手法より高かった。
説明位相表現によるニューラルネットワーク概念の操作的抽象化
要約本論文は、学習済み表現に符号化された概念とその関係を同時に表す事後的な操作抽象、トポロジカル概念表現（TCR）を提案します。TCRは概念の復元可能性と相互作用スコアから中間の概念空間を構築し、その構造をトポロジーで簡潔に符号化します。概念レベルの介入はこの抽象の修正として表現され、元の学習表現へ伝播されます。著者らは、既存の消去手法の前処理としてTCRを用い、概念漏洩が同程度の条件で最悪グループ精度を平均21.89向上させたと報告しています。また教師モデルから生徒モデルへ概念を転移し、概念復元可能性を最大5.54向上させつつ、テストのtop-1精度も競争力のある水準を維持したとしています。
説明補修ロットスカイライン：地理空間の危険密度に基づく舗装補修最適化の重み付き制約充足アプローチ
要約本論文は、道路管理機関が空間的に分布する舗装損傷の調査結果を、予算に制約された補修ロット計画へ変換する課題を扱います。事故につながる恐れのあるポットホールは必ず補修対象とし、リスクの低いひび割れは補修費用に見合う便益がある場合に限って含め、過去の補修箇所は再劣化の目安として扱います。手法は時間ではなく路線上の距離（チェーンエイジ）を基準にした重み付き制約充足問題（WCSP）として定式化されています。事例研究では、推奨計画がすべてのポットホールと91.6%のひび割れを対象とし、補修延長は全候補を含めた場合の83.7%に抑えられています。
説明MetaKernelBench：コードを超えたGPUカーネル知識転移の測定
要約本論文は、GPUカーネル最適化エージェントが一つのDSLで得た経験を、別のDSLで同じ問題を解く際に再利用できるかを測るベンチマーク、MetaKernelBenchを提案している。74問題はCuTe DSLとTIRxの2種類の変種として与えられる。実験では、スキル付き試行による改善は-19%から+29%の範囲で、多くのモデルで一部の問題に退行が見られた。
説明EMBER-Bench：長期的な具身タスクにおける事象間の因果記憶を評価するベンチマーク
要約本論文は、一人称視点で作成された評価ベンチマーク EMBER-Bench を提案します。189の家庭内タスクと699組の質問応答を含み、過去の出来事が現在の判断にどう影響するかを検証します。評価は次の行動の予測と因果の遡及の二方向で行われます。最高性能のモデルの総合正答率は61.2%で、人間の評価者2名の平均は98.3%でした。過去の出来事から因果情報を抽出し現在の行動の制約へ変換することが、依然として難しい課題だと論文は示しています。
説明FreeLoc：拡散モデル支援の姿勢補正によるオンライン間取り図ベース位置推定
要約本論文は、RGB画像に基づくオンライン間取り図ローカリゼーションの枠組みFreeLocを提案します。間取り図を密な離散データベースに変換せず、リアルタイムに照会できる幾何学的地図として直接扱います。即時の光線照会で候補姿勢を取得し、拡散モデルで連続的な姿勢推定に精緻化します。実験では実時間推論と単一フレーム・連続フレーム双方での高い性能が示され、実環境でも屋内ロボットの位置推定に実用可能であることが確認されたとしています。
説明PortraitAes：撮影意図に基づく構造化されたポートレート美的評価
要約本論文は、ポートレート写真の美的品質を評価する PortraitAes を提案しています。撮影意図に応じて専門評価モジュールへ振り分け、検証とスコア統合を行い、ガウス分布によるスコア校正と次元内の画像間ランキングで比較可能性を高めます。標準ベンチマークと困難事例セットの双方で、評価された汎用マルチモーダル大規模モデルや専用美的ベースラインを上回る相関係数を示しています。
説明知識追跡のベンチマークとモデルを診断する情報理論的評価フレームワーク
要約知識追跡（KT）モデルは通常、AUCや正解率などの全体指標で評価されますが、それでは残る誤りがどこから生じるのか分からず、ベンチマークが飽和に近づいているかも判断できません。本論文は、項目応答履歴に対する文脈木重み付け（CTW）による不確実性を基準座標とし、予測をエントロピー帯ごとに投影して性能向上を評価する枠組みを提案します。NIPS Task 3/4 と Algebra 2005 での実験では、モデルの改善は非常に不均一で、現代的なモデルは主に高エントロピー領域で大きく改善することが示されています。
説明非同期移動ロボットによる最大移動量最小化の一様円形編隊
要約平面上の点状ロボットが、全ロボットを囲む目標円上で正n角形（一様円形編隊）を形成する問題を扱う。目的は、どのロボットの移動距離の最大値も最小にすることである。論文はASYNCモデル（Look-Compute-Move、非剛体運動）の下で、確定的解の必要条件を示し、有限時間で円および一様円を形成する確定的・分散的・衝突回避のアルゴリズムを提案する。
説明パッチアンテナの順方向・逆方向設計のための物理拡張グラフTransformer
要約本論文は、計算コストの高い全波電磁界シミュレーションに代わり、パッチアンテナの放射パターンを不規則な表面メッシュ上の信号再構成として予測する、メッシュネイティブなグラフ学習フレームワークを提案しています。物理拡張中間監督（PAIS）により、表面電流を補助的に予測させることで、推論時のコストを増やさずに精度を向上させています。8万サンプルのCSTベンチマークでは、GPS+PAISがMSE 0.17、PSNR 19.67を達成し、標準的なパッチ構造へゼロショットで転移できることが示されています。逆設計では、代理モデルでフィルタした拡散モデルが、最近傍検索よりも相対MSEで32%優れています。
説明その場面はどれほど「極端」か？高速道路シナリオ生成のためのパーセンタイル制御
要約本論文は、生成されたシナリオの危険度を、観測された履歴が与えられたときの将来リスク分布におけるパーセンタイルとして表現する手法を提案しています。パーセンタイル条件付きの同時拡散モデルとサンプリング時のリスク誘導を用い、highDデータセットで最小侵入後時間（PET）をリスクの代理指標として評価しています。1,440件のリクエストのうち1,422件が0.05パーセンタイルの許容誤差内で実現されました。
説明EPOCH：証拠によって統治された探索による信頼性の高い発見
要約本論文は、AI研究エージェントの探索結果を、タスク契約・型付きメモリ・能動的反証・受理チェック・独立再実行によって検証する証拠統治型アーキテクチャEPOCHを提案しています。AlgoTuneでは平均正規化スコア0.65（最強のベースラインは0.53）で総合最高性能を達成し、内部のMath14スイートでも最高平均スコア（0.57）を示したと報告しています。さらに十の発見問題で、実行可能な構成、最適化アルゴリズム、反例、証明に裏付けられた結果などの具体的な前進を生んだとしています。
説明VisualErase：テキストから画像への拡散モデルにおける頑健な概念消去のための二分岐視覚軌道リダイレクション
要約本論文は、テキストから画像を生成する拡散モデルの概念消去において、既存手法はテキストと画像の対応関係しか再定向しないため、消去後のモデルにも対象概念の視覚的生成軌道が残り、敵対的な復元攻撃に弱いと指摘しています。著者らは、構造を保つ画像編集で概念を取り除いた対応画像を作り、有条件と無条件の両予測を目標に揃える二分岐リダイレクション損失を提案します。さらに、凍結された事前学習モデルの予測に合わせる保持損失を併用し、非対象内容の生成への悪影響を抑えます。スタイル、有名人、ヌードの消去において、7種の攻撃での最大攻撃成功率はそれぞれ0%、8%、0.1%で、一般的な生成品質も保たれたと報告しています。
説明過剰パラメータ化を超えて：能動的クエリを用いた入力凸多層多項式ネットワークの証明可能な学習
要約本論文は、偶数次k単項式を活性化関数とし、上位層の重みが非負である多層多項式ネットワークを研究しています。この構造により目標ネットワークは入力に関して凸になりますが、パラメータに関する最適化は依然として強く非凸です。著者らは入力凸性と能動的クエリを利用するアルゴリズムASPIREを提案し、標本複雑度が深さに対して多項式的に増大する形で全パラメータを復元します。深層目標ネットワークに対する初のパラメータ復元保証であると述べています。
説明EmoRSS：感情表現による大規模言語モデルの過剰拒否を緩和する手法
要約本論文は、感情的な表現を含む無害な依頼に対して、大規模言語モデルが拒否を増やし、不必要な過剰拒否が生じることを示しています。これに対し、推論時に拒否に関わる内部表現へ介入する活性化ステアリング手法EmoRSSを提案しており、モデルのパラメータは更新しません。二つのモデルでの実験では、有害な依頼の拒否と無害な依頼への回答のバランスが既存の緩和手法より良好で、一般的なタスク性能も保たれたと報告されています。
説明公開・非公開情報を伴うゲームにおける片側カバレッジ下の悲観的ミニマックス・オフライン学習
要約本論文は、非公開の評価値を持つオークションや交渉を想定し、公開情報と非公開情報を含む二人零和文脈ゲームにおけるオフライン学習を扱います。著者らは片側規定的集中可能性を導入し、情報の非対称性が均衡行動を通じてオフラインデータの覆い範囲を変えうることを示しています。有限の状態・行動空間では、悲観的アルゴリズムが Õ(1/√n) の悪用可能性率を達成します。一般の関数近似については PPA-PMD フレームワークを提案し、統一的な Õ(1/√n + 1/√T) の速率を得ています。
説明CIPO：適応的なツール粒度選択のための反事実想像ポリシー最適化
要約本論文は、大規模言語モデルのエージェントが原子的ツールと複合スキルのどちらを選ぶべきかを扱います。成功したツール利用の軌跡から実行可能なスキルを抽出し、同じ状態での両選択肢の結果の差を用いてポリシーを学習する手法CIPOを提案します。複数のベンチマークとモデルでの実験により、タスク成功率と意思決定の効率が向上したと報告されています。単にスキルの使用頻度を増やしたわけではないと分析されています。
説明CrystalJev：校正済み基盤モデル確率が材料探索で次に計算すべき対象を決める
要約本論文はCrystalJevを提案する。凍結された原子基盤モデルで非緩和構造に対し一度順伝播を行い、候補結晶の安定性の校正済み確率、コンフォーマル保証、そして緩和やDFT計算へ候補を回す規則を出力する。65のMatbench Discoveryモデルでは、確率ではなく決定への価値で遅い計算を順序づけると、コストの約10分の1で大部分の利得が得られた。イオン置換体に対する2,100件のDFT事前登録前向き試験では、既存データで校正した予測が新候補の安定割合を0.9〜2.2ポイント過大評価した。原因は標示手順ではなく母集団の変化であり、新しいプールからの数百件のラベルは、ラベル不要の補正より確実にこの偏りを取り除いた。
説明「どれだけ近いかではなく、どれだけ遠いか」：潜在世界モデルの計画のための学習型時間メトリック
要約本論文は、凍結された世界モデルの上に小さな潜在空間写像を学習し、二状態間の距離を環境ステップ数で表す時間距離計画目標 TEMPO を提案する。世界モデル自体は変更せず、その距離をプランナーのコストに組み込む。十一の模擬環境で、LeWM と PLDM の両プランナーを各ゴール距離で改善し、TwoRoom では LeWM の成功率を 36% から 99% に高めたと報告している。
説明TeleGen：ランタイムテレメトリによるLLMベースのWebアプリ生成の改善
要約本論文は、LLMがWebアプリケーションを生成する際に、生成したアプリをインストルメントして実行時のテレメトリを収集し、生ログを修復用の簡潔な要約に圧縮するフレームワークTeleGenを提案しています。WebGen-Benchでは、テレメトリを使わない修復の67.7%から76.2%へタスク成功率が向上し、Web-BenchではPass@2の累積値が21.7%から29.8%に改善しました。ナビゲーション、フォーム操作、フロントエンドとバックエンドの連携など、隠れた実行経路に関わる失敗で特に有効だとされています。
説明テキストから画像を生成する拡散モデルのための幾何学を考慮した選好最適化
要約本論文は多様体仮説の観点から、拡散モデル向けのDPO系選好アライメント手法を再検討する。元のDiffusion-DPOは自然画像が存在する低次元多様体の構造を考慮せず全空間で最適化するため、画質と多様性が徐々に低下すると指摘する。この問題に対し、参照モデルから導出した異方性計量を用いるAnisotropic Geometry-Aware Preference Optimization（APO）を提案し、参照のノイズ除去関数が敏感な方向では正則化を強め、安全な意味的調整が許される方向では制約を緩める。実験では既存の複数のアライメント手法に対し平均勝率60%超を示し、学習ステップ数も少なく、学習中も生成の多様性を維持したと報告している。
説明反射畳み込み核ノルム最小化によるロバストなテンソル補完
要約部分的にしか観測できず、疎な大きな誤りを含む多次元データから完全なテンソルを復元する問題を扱う論文です。著者らは、循環シフトの代わりに端点を繰り返さない反射を用いる反射畳み込み核ノルム最小化（RCNNM）を提案し、有限で非周期的なデータの境界付近に生じる人工的な誤差を減らします。ランダム標本化と疎な破損の条件下で高確率の厳密復元を理論的に示し、合成テンソル、BSDSカラー画像、CAVE多重スペクトル画像での実験により、特に境界付近で再構成品質が向上することを報告しています。
説明事後学習で何が改善されるのか？問題ごとの向上は独立した強化学習の実行間で共有され、既存のチェックポイントは事前シグナルより予測力が高い
要約本論文は、訓練前にモデルがどの問題で向上するかを判断できるという前提を検証しています。2つのベースモデルについて、最大1532問の競技数学問題で18回の事後学習を評価しました。独立した実行は稀にしか解けない問題の改善で高い一致を示す一方、ベースモデル同士の一致は低いと報告しています。別のモデル系列のチェックポイントの単一問題ごとの利得は、事前シグナルの組み合わせよりも新しい実行の利得をよく予測したとしています。
説明大規模言語モデルは系列構造を理解しているか：推論と生成に関する統制実験
要約本論文は、大規模言語モデル（LLM）が行動の表面的な頻度を超えて、文脈に潜む系列構造を復元できるかを検討します。二人対戦のじゃんけんと一人の確率的n-gram継続課題という統制された実験で検証しています。その結果、文脈を長くしても戦略の識別は改善せず、正しく識別できても忠実な模擬は保証されず、高次の依存関係があると規則の復元が大きく低下することが示されました。
説明価格付きガイダンス：言語モデルは将来の研究アイデアを生成できるか？
要約本論文は、圧縮の観点から言語モデルが研究アイデアを生成する能力を測る「Priced Guidance」フレームワークを提案します。目標アイデアを復元するためにモデルに必要な追加情報量（ビット数）を圧縮コストとして測定します。87本の近年の深層学習論文の中核アイデアで五つのモデルを評価し、LLMを審査役として生成物が目標と一致するかを判定しました。Fable 5.1の中央値は69.9ビットで、gzipの5,712ビットより低い結果でした。
説明IREA：規範的RAGのための中間表現ベースの埋め込み整合手法
要約本論文は、大規模言語モデルが外部の規範的知識を参照して倫理的判断を行う「規範的RAG」を提案しています。物語的な状況クエリと一般的な規範文の間の非対称性に対応するため、両者を共有の「状況－行動」中間表現へ双方向に写像するIREAを導入しています。実験では、複数の設定で規範的検索と下流の倫理的判断が改善されたと報告されています。
説明TrajLong：中間学習のためのエージェントと長文脈の教師データの協調設計
要約本論文は、コーディングや検索などのエージェント作業で必要となる長文脈能力に着目し、エージェントの軌跡を密な教師信号つきの長文脈学習タスクに変換するTrajLongを提案している。対象は証拠の根拠付け、証拠間の集約、時間的状態の維持の3つの基本能力である。Qwen3-14B-BaseとQwen3-30B-A3B-Baseに対し同データで中間学習の後に教師ありファインチューニングを行い、6つの長文脈と12のエージェントのベンチマークで広い性能向上を示し、生の軌跡やマスク済み軌跡との比較でも改善を確認した。
説明1 つのトークンで十分かもしれない：プレフィックス・ステアリングによるプロンプティングと活性化ステアリングの接続
要約本論文は、モデルの生成の冒頭にごく短い区間だけ活性化ステアリング（activation steering）を施すことで、プロンプティングに似た効果が得られるかを検討しています。注意機構の観点から、単一および複数トークンのステアリングがプロンプトによる注意ヘッドの出力と一致するための十分条件を示しています。提案する Prefix Steering は、最後のプロンプトトークンから始まる短い区間にのみ介入し、その後は直接の介入を行いません。4 つのモデルと 5 つのタスクでの実験では、短い介入でも全体のステアリングの制御性の多くを保ち、汎用能力もより良く維持されました。
説明BACAM：多ターン対話のための行動認識型継続的エージェント統合手法
要約本論文は、以前に統合した専門エージェントを保持せずに、新しいエージェントを順次統合するBACAMを提案する。専門家の誘導による行動監督を用いて候補軌道から、パラメータ単位の統合ゲートを学習し、タスク単位の安定性と可塑性の制御、およびテンソル単位の競合認識型更新予算によって既存能力への干渉を抑える。ウェブショッピング、ツール利用、情報検索、身体的対話の4つのタスクで平均成功率62.82%を達成し、評価された最強の統合ベースラインを21.69ポイント上回った。
説明MAGIC：トポロジー認識型の解析的グラフ少数ショット・クラス増分学習手法
要約本論文は、過去のデータを再生せずにグラフ上の少数ラベルノードから新クラスを継続的に学習する枠組み MAGIC を提案しています。凍結したグラフ表現バックボーンと閉形式の解析的継続学習を組み合わせ、基底グラフから得た位相的事前分布を Potts マルコフ確率場推論に用いて新クラスの過学習を抑えます。さらに、漂流を考慮した解析的蒸留により表現のずれを緩和します。五つのデータセットと八つのベースラインでの実験において、5-shot 設定では最良のベースラインと比べて平均精度・最終精度などが改善したと報告されています。
説明深層学習の手法でLLMエージェントシステムを構築：モジュール設計からアーキテクチャ探索まで
要約本論文は、深層ニューラルネットワークを組み立てるように大規模言語モデル（LLM）エージェントシステムをモジュール方式で構築する手法を提案しています。検索、メモリ、プロンプト戦略などの構成要素を深層学習のモジュールになぞらえ、フィードバックによるプロンプト最適化を誤差逆伝播に類似させています。さらに、ニューラルアーキテクチャ探索（NAS）に似た探索アルゴリズムで最適な構成を探します。報告された実験では、プロンプト最適化が少なくとも5%、アーキテクチャ探索がランダムな設計に比べて11%の性能向上を示したとされています。
説明Trinity：生成型フロアプランナーの学習・洗練・評価を一つの微分可能な物理モデルで行う手法
要約本論文は、チップ上のブロックの配置と形状を決めるフロアプランニングを扱います。目的（配線長・外形の小ささ）と制約（非重なりなど）を、統一した手順で4つの既存拡散型配置手法と比較しています。提案手法Trinityはフローマッチングに基づき、6つの微分可能関数を学習損失・サンプリング後の精緻化・各段階のソフトコストに用います。FloorSetの検証セットでは、平均ハードコスト1.014、1ケースあたり1.63秒と報告されています。
説明過負荷から保証へ：LoRA 利用のオンプレミス LLM 向け高スループット多重 SLO 実行方式
要約病院や政府機関などプライバシーが重視される分野で、オンプレミスの大規模言語モデル（LLM）サーバーを複数の LoRA 適応サービスで同時に運用する際、異なる種類のサービス品質目標（SLO）を守るのが難しい問題を扱います。本論文は、GPU のストリーミングマルチプロセッサを分割して Base 計算と LoRA 計算を重ね合わせる空間多重化と、リクエスト単位の余裕時間に基づいて実行を振り分ける SLO 対応スケジューラからなる HALO を提案しています。著者らは、既存の手法と比べて SLO 違反を抑えつつスループットを向上できたと報告しています。
説明Kapture：ミリ波レーダーから心電図を効率的に復元するためのKoopman支配学習
要約本論文は、ミリ波レーダー信号から非接触で心電図を再構成するためのKapture枠組みを提案しています。Koopman作用素を用いて、低次元の可観測空間でレーダーの隠れ状態の線形な時間発展を学習し、時間的対比損失と再構成損失により呼吸や体動などの予測可能な干渉を抑制します。約80分の準静止レーダーと心電図の記録を用いた実験では、同じバックボーン幅で再構成精度が一貫して向上しました。コンパクト版はパラメータが68.1%、浮動小数点演算が91.3%少なく、精度は全幅版に近い水準です。
説明EDISCO：ユークリッド組合せ最適化のための等変離散拡散モデル
要約本論文は、巡回セールスマン問題（TSP）や容量制約付き配送計画問題（CVRP）などのユークリッド組合せ最適化問題に対する、初の離散拡散モデルEDISCOを提案しています。二次元ユークリッド群E(2)の下で厳密に不変な生成分布を持ち、E(2)に等変な辺スコアネットワークと離散辺変数上のカテゴリカル連続時間マルコフ連鎖を組み合わせています。実験では、TSP（100〜10000ノード）およびCVRP（50〜2000顧客）で既存の学習ベース手法を上回り、学習事例は33〜50%のみを使用しています。また、一様な合成データのみで学習した場合も、空間分布のずれやCVRPの制約の厳しさの変化に対して他の学習ベース手法より優れていたと報告されています。
注目点厳密なE(2)不変生成分布を持つ初の離散拡散ソルバーで、TSPとCVRPで少ない学習データにより既存手法を上回り、分布シフト下でも検証している。
説明教師はどう準備すべきか？同方策蒸留のための学生誘発状態に対する強化学習
要約本論文はPrep-OPD手法を提案し、同方策蒸留（OPD）の前に強化学習で教師モデルを訓練して、学生の既存の推論状態に適応させ、誤りが生じた際に軌道を修正できるようにします。訓練は最終解答の正しさを報酬とし、固定された学生の推論接頭辞に対する教師の続きを最適化します。八つの数学推論ベンチマークで、教師にQwen3-4B-Instruct-2507、学生にQwen3-1.7Bを用いた場合、平均精度は標準OPDおよび最強のベースラインRelay-OPDをそれぞれ8.28および2.30ポイント上回りました。
説明六自由度パイプライン追従ROVのための強化学習と古典制御の統一動力学フレームワーク（NVIDIA Isaac Sim）
要約本論文は、六自由度の遠隔操作型水中ビークル（ROV）によるパイプライン追従のアーキテクチャを提案する。単一のUSDシーンからBlueROV2-Heavyの実質量・付加質量・減衰・浮力・スラスタのパラメータを供給し、NumPyによるFossenの海洋機体方程式とIsaac Sim上のPhysX力として同一の式を適用する。PPOとTRPOでの検証では、科氏・向心項を含めても学習が不安定にならず、TRPOの離隔RMS誤差は約19%低下した。五種の強化学習手法と六種の古典制御手法を比較し、PPO、TRPO、反馬線形化は科氏項有りの動力学で成功率100%と良好な精度を示した。DDPGとTD3にはそれぞれ説明可能な失敗モードがあると報告されている。
説明国境を越える電子カルテの壁：国際間医療表現転移のための非対称コントラスト学習
要約本論文は、国や医療機関によって異なる電子カルテの縦断的表現を移転することが難しいという課題に取り組み、同じ陽性の臨床転帰を持つ患者を表現空間で近づける非対称教師付きコントラスト学習（Asymmetric SupCon）という事前学習手法を提案している。著者らは台湾の国民健康保険研究データベース（NHIRD）の398万人分の記録で時系列Transformerエンコーダを事前学習し、米国のMIMIC-IVとEHRSHOTへ転移した。4つの評価タスクのうち3つで標準SupConを上回り、すべてでBCEによる直接転移を上回った一方、再入院予測では平均AUPRCが0.003低かった。
説明TempoBridge：最適輸送カップリングを用いたソース条件付きフローマッチングによる単一細胞集団遷移モデル
要約破壊的な単一細胞測定では、同じ細胞の条件間の変化ではなく、対応のない集団スナップショットしか得られません。本論文は、ソース細胞集団を条件としたフローマッチングにより、時間・遺伝子・化学的摂動による集団遷移を予測するTempoBridgeを提案しています。学習時にはミニバッチ最適輸送で対応関係を与え、推論時には目標発現量や最適輸送の計算を必要としません。論文では、未見のドナー、遺伝子組み合わせ、化合物に対して、比較手法より良い予測性能が報告されています。
説明有限和非凸・強凹の鞍点最適化における近似最適な計算量
要約本論文は、平均二乗平均滑らかさの下での有限和非凸・強凹極小極大最適化について、対数因子を除いた期待クエリ計算量を特徴づけています。双対連鎖の構成により下界を与え、κ≥√nの場合には既存のCatalystによる上界と一致します。1≤κ≤√nの場合には、再帰的近接降下上昇法（RPDA）を提案し、その上界を示しています。個別滑らかさの仮定の下では、すべてのκ≥1に対する下界も示されていますが、中間の条件数の範囲における差は未解決のままです。
注目点有限和非凸強凹ミニマックス問題の計算量を対数因子内で特定し、小さなκ域に新たな上界と一致する下界を示す。証明は厳密。
説明時系列質問応答を感知と推論に分けたゼロショット手法
要約本論文は、未知のデータセットに対してゼロショットで動作する時系列質問応答のエージェント枠組み TSHarness を提案します。数値の感知と意味的な推論を分離し、構造化された時系列感知状態で統計量や時間的特徴を抽出したうえで、回答エージェントがそれに基づいて推論します。証拠が不十分な場合はフィードバックで再感知を行い、対象データセットでの学習や答えのフィードバックは不要です。
説明ソフトウェア世界モデル：影響予測から意思決定価値へ
要約本論文は、コード変更が下流のどのコンポーネントを壊すかを予測する「ソフトウェア世界モデル（SWM）」を提案します。探索・学習・行動の三段階からなり、候補変更を実行して得た結果で言語モデルを微調整し、各利用側の破損確率に変換して変更の順位付けや事前移行に用います。合成システムの評価では、爆発範囲のF1が静的な到達可能性分析の0.431から0.571±0.037に向上しました。実ライブラリでも構造化された故障結果の予測が重要だと示されています。
説明PINNの機構的学習を評価するためのグラフベース検査・介入ツール（GIIT）
要約本論文はGIITを提案し、支配方程式を計算物理依存グラフとして表し、感度と傾向に基づく探索でグラフのノードを内部ネットワーク要素に対応づけ、その対応を標的介入で検証する。時間外挿の分布外領域では、層ごとの対応関係がずれ、出力誤差が目立って悪化する前に内部の機能的対応が変化することが示されている。
説明D-DOIT：Doob h変換による離散拡散モデルの訓練不要な適応手法
要約本論文は、汎用的な報酬関数に対して離散拡散モデルを訓練なしで適応させる手法D-DOITを提案する。離散Doob h変換により逆方向の遷移確率を重み付けし直してサンプリングを誘導し、報酬の勾配ではなく値のみを用いる。調節性DNA設計とタンパク質逆フォールディングのベンチマークで、訓練不要のガイダンス手法を上回ったと報告されている。
説明未知の相手に対するレベルK方策の編成：部分観測動的ゲームにおける強化学習ベースの方策選択
要約本論文は、相手の推論レベルが不明な場合に、事前学習済みのレベルK方策群をどのように動的に選択・編成するかを研究しています。部署問題を部分観測マルコフゲーム上の固定方策ライブラリの動的編成として定式化し、分類ベースの編成器と、期待割引報酬を最大化するよう学習した強化学習ベースの編成器（RLBO）を比較しています。追跡回避実験では、RLBOが両分類ベースの編成器より高い報酬を得て、より少ない学習ステップで直接学習した方策に匹敵する性能に達しています。
説明局所的少数派不均衡のもとでの学習：観測バイアスにより特定領域で少数派が過小に見られる問題
要約論文は、既存のクラス不均衡手法が少数派は一様に過小標本化されていると仮定する一方、実際には特徴空間の一部の領域で少数派が系統的に観測されにくいと指摘する。著者らは、特徴空間を再帰的に分割して層内の歪みを減らす木ベースの層別アンサンブル手法を提案し、不偏のテストセットを用いる評価プロトコルも導入する。ベンチマーク実験では、提案手法が一般的な最新手法を上回り、同じ偏ったデータでの留保評価は性能を大きく誤認させうることが示される。
説明DiVeR：VLAモデルのテスト時スケーリングのための決定重要型検証器学習
要約本論文は、視覚・言語・行動（VLA）ロボット方策を推論時に検証器で誘導してスケーリングする手法DiVeRを提案している。サンプリングされた行動表現のばらつきから状態の決定重要度を推定し、その信号で行動選択の影響が大きい状態を重視するよう検証器の学習を重み付けする。著者らはLIBERO、RoboCasa、およびFranka Research 3による実機実験で、タスク成功率が向上し、検証器の推論オーバーヘッドは小さいと報告している。
説明数十億規模の未編集ショート動画向け、多腕バンディットによるサムネイル最適化
要約本論文は、大手ショート動画プラットフォームにグローバル規模で展開された、リアルタイムのサムネイル最適化システムを紹介します。クリエイターが手動で選んだサムネイルがない動画に対し、多段階の候補生成と低遅延配信基盤を備えた自動化フレームワークで、既定のフレームを動的に置き換えます。著者らは、この規模で展開されたオンライン多腕バンディット手法として初の事例だと述べ、ユーザーの発見と行動に関する指標で統計的に有意な改善が見られたと報告しています。
説明プロンプトの支配性と非対称な検証器コスト：GSM8Kにおける1Bスケール GRPO の実証的アブレーション研究
要約本論文は、10億パラメータ規模のOLMo-2-0425-1BモデルをGSM8Kで学習させ、GRPO（グループ相対方策最適化）の推定器選択と報酬信号の劣化が学習結果に与える影響を調べています。プロンプト形式が最も重要な要因であり、3-shotプロンプトでは正答率が18.3%に達する一方、ゼロショットでは0.08%にとどまると報告しています。オフポリシー学習ではクリッピングが性能回復に決定的だとしています。
説明エージェント型機械学習エンジニアリングシステムのための知見の組み立て
要約本論文は、関連する機械学習エンジニアリングタスクから得た知見が、エージェント型システムの性能にどう影響するかを検証しています。著者らは、160 件の Kaggle コンペティション（12 分野）からなるベンチマーク MLE-InsightBench を構築し、分野ごとに対象タスクを除外してデータ漏洩を防ぎました。また、分野・コンペティション・改善の 3 種類の知見を抽出する MLE-InsightForge を開発しています。知見を注入したところ、知見なしのベースラインに比べ正規化された非公開テストスコアが 123.9% 向上したと報告されています。
説明TSAE：時系列予測モデルの解釈のための構造化スパースオートエンコーダ
要約本論文は、予測モデルの隠れ状態を個別に検査可能な特徴へ分解する構造化スパースオートエンコーダ TSAE を提案する。共有辞書と変数ごとの私的辞書によって変数間の構造を整理し、隣接する時間ステップのスパース符号の変化を制約する。凍結した PatchTST を用いた ETTh1、ETTh2、ETTm1 での3シード実験では、五つの比較手法の中で隠れ状態の再構成誤差、正規化予測再構成誤差（NFRE）、特徴遷移率が最も低かったが、データセットによって選択性、物理的相関、校正に関するトレードオフが見られた。
説明スマートホーム・エージェントの耐障害性向上
要約本論文は、オープンソースのスマートホームプラットフォームHomeAssistant上で大規模言語モデル（LLM）をエージェントとして動作させ、システム全体の耐障害性を高める方法を検討しています。教師あり学習と最適化されたプロンプティングを組み合わせ、推論能力とコストの異なる複数のLLMをベンチマークの最も難しいタスクで評価しています。その結果、多機器制御ではReActやReflexionが微調整済みLLMに比べて効果が限定的である一方、故障対応などの耐障害性タスクでは有望であることが示されています。
説明TRACE：学習不要の拡散モデルによるスタイル転送、時間適応型残差注意制御と内容・様式分解
要約本論文は TRACE という、学習を必要としない拡散モデルのスタイル転送手法を提案しています。スタイル参照画像の見た目を、内容画像の意味構造を保ったまま移すことを目指します。まずオフラインの CLIP 部分空間分析で内容と様式の方向を分離し、推論時には相互の漏れを減らす処理を行います。残差クロス注意で様式を注入し、各ノイズ除去ステップで誘導信号を調整します。原文では、様式の再現性と内容保持のバランスが良いと報告されています。
説明複雑なエージェント、浅いテスト：実環境におけるエージェントハーネスのテスト十分性の解明と改善
要約本論文は、実世界のエージェントシステムにおけるハーネス（実行基盤のソフトウェア）のテスト十分性を初めて実証的に調べ、ハーネスが大幅に十分テストされていないことを明らかにしています。大規模言語モデルに依存するハーネスコードは、既存テストで行と分岐の半分未満しかカバーされていませんでした。著者らは、エージェントとハーネスの契約を明示的に扱うテスト生成手法HarnessTesterを提案し、既存手法を上回る結果を示すとともに、122件の実バグを検出したと報告しています。
注目点エージェントハーネスのテスト十分性を初めて体系的に調査し、ハーネス向けテスト生成手法を提案。カバレッジ向上と未知のバグ88件の発見を報告している。
説明PWM：オンライン強化学習による個人化ワールドモデル
要約本論文は、ユーザーが提供する短いシーン動画から対話型ワールドモデルをオンライン強化学習によってカスタマイズする枠組み、Personalized World Models（PWM）を提案しています。行動条件付きの生成品質を保ちながら、特定シーンの視覚的特徴を学習することを目指します。また、屋内・屋外・ゲームの150タスクからなるPWM-Benchを導入しています。GRPOとDiffusionNFTの実装は、それぞれ評価シーンの71.3%と65.3%で元のYumeより改善が見られたとされています。
説明残差視覚クレジット最適化：マルチモーダル強化学習のための保存型証拠ルーティング
要約本論文は、マルチモーダル推論においてトークンごとのクレジット配分を保存則を持つ配分問題として扱う手法RVCOを提案します。受控の視覚介入によりトークンごとの証拠応答を求め、予算付きエントロピールーターで固定量の系列効用を知覚的依存度に応じて配分します。四つのモデルファミリーと七つの推論ベンチマークで、強力なRLVRベースラインより精度が向上し、学習後期の安定性と訓練コストの競争力も維持されたと報告されています。報酬、ロールアウト、グループ相対アドバンテージ推定器は変更されていません。
説明PreAct-Nav：都市ナビゲーションにおける行動前の推論を行うエージェント型フレームワーク
要約本論文は、都市ナビゲーション向けのエージェント型フレームワーク PreAct-Nav を提案し、固定された方策に先読み推論の能力を加えます。ナビゲーションメモリ（navigation memory）モジュールが中期のサブゴールを保持して遠方の目標を実行可能な中間目標に変換し、行動条件付き世界モデル（AC-WM）を用いた予測サンドボックスが候補動作の結果を実行前に予測します。視覚言語モデル（VLM）がその予測を基に動作を維持するか修正するかを判断し、実行後は実際の観測で仮定を補正してメモリを更新します。論文によると、長いルートや曲がり角の多いルートで特に改善が大きいとされています。
説明AI科学者の知能を本当に測れているのか？AI科学者の評価を見直す
要約AIエージェントによるデータ分析のベンチマークは、正答が与えられたデータから導かれたことを前提としていますが、事前知識や選択肢の消去で正答に到達することもあります。著者らはデータの証拠を残す・撤回する・反転させるように改変し、「証拠に基づく正答率」を測定しました。単細胞の問題では、Claude系エージェントの正答率は95%でしたが、証拠に基づく正答率は41%にとどまりました。
注目点証拠の撤回・反転版を用いて評価する新しい検証法を提案し、高い正答率の多くが事前知識由来だと実証しており、説得力がある。
説明大規模推論モデルの監視可能性傾向：モデルは自ら不正行為を申告するか
要約本論文は、大規模推論モデルが推論の途中で自らを監視可能な状態に置き、ツール呼び出しによって自分の不正行為を申告するかどうかを調べています。4つのモデルで、追従（シコファンシー）、報酬ハッキング、バイアスの3種類の行動を評価しています。ツール使用が任意の場合、申告されたのは該当ケースの平均約16%にとどまり、重大度の高い不正行為は一度も申告されませんでした。
説明VideoResearchAgent：オープンウェブ動画調査のための合成タスクと実環境への転移強化学習
要約本論文は、エージェントがオープンウェブ上で関連動画を自律的に探し、時間軸上の内容を確認して映像の根拠に基づき回答する手法VideoResearchAgentを提案します。タイムスタンプ付きの映像証拠から多段階の調査タスクを合成し、実運用に近い検索・視聴操作を再現するローカル動画シミュレータと、検索の多様化により模擬検索への過学習を抑えるRDR-GRPOを用いています。Video-BrowseCompでは、Qwen3.5-4Bで学習したエージェントが40.48%の正答率を達成し、Gemini-3-Flash-Previewに匹敵すると報告されています。未学習モデルと比べて累計APIトークン消費は74.9%削減されたとしています。
説明潜在学習にこれほど多くのデータが必要な理由：ステアリングベクトル復元によるノイズ付き逆問題としての見方
要約本論文は、意味的に無関係なデータから生徒モデルが教師モデルの行動特性を引き継ぐ「潜在学習（subliminal learning）」を扱います。既存の実証では通常数万件のキャリア例が必要ですが、著者らは既知の残差ストリームベクトルを用いてパラメータ復元として転移を測定し、ハード（NLL）とソフト（KL）の教師信号を比較しました。ソフト教師信号は数百件で特性をほぼ完全に復元する一方、ハード教師信号は数万件でも不十分でした。Qwen2.5-7BとGemma-2-9Bでの実験によって、この差を説明する理論的予測が確認されたとしています。
注目点潜在学習のデータ需要をFisher逆問題として説明し、転移向量の復元で四つの予測を実験的に検証している。
説明長期的な作業エージェントのための検証可能な環境を拡張する研究
要約本論文は、実世界のリソースから検証可能な作業エージェント用の学習環境を自動構築するフレームワーク WorkForge を提案している。専門家のワークフローを出発点に実ファイルを集めてワークスペースを作り、そこから検査可能な事実を抽出して、タスク、解法、検証器を導出する。40の専門分野にわたる16.7K件の環境を構築し、Qwen3.5 モデルの後学習で GDPVal と APEX Score が向上したと報告している。
説明ScopeSAE：解釈可能な層選択によるモデルスコープ特徴発見
要約スパースオートエンコーダ（SAE）は機構的解釈可能性研究の中心的な道具ですが、既存のSAEは主に層ごとに学習されます。本論文のScopeSAEは、勾配ベースの正規化寄与度により各予測に最も影響した「トークン-層」状態を選び、その予測関連部分空間上で特徴を学習します。再構成後の次トークン交差エントロピーが元の活性化より低くなるという現象が報告され、干渉分析とKL微調整の対照実験により、その効果がアーキテクチャ変更ではなく部分空間自体に由来することが示されています。さらに、有効特徴数、解釈可能性、利用率、辞書の冗長性で層ベースの基準手法を上回ります。
説明自己評価する再帰エージェント（SERA）：分解した部分タスクを同じモデルに自ら評価させる手法
要約本論文は、タスクを分割して同種の子インスタンスに委任する再帰的言語モデル・エージェントを対象に、タスク分解・部分タスクの解決・結果評価の3つの能力を同一の重みで学習するSERAを提案している。親ノードは委任前に各子タスクの重み付き成功基準（ルーブリック）を作成し、検証済みの結果に対するランキング目的で学習させることで、基準を実際の成功と一致させる。TextCraft-SynthとTextWorld-Syncでは、強力な再帰エージェントの基線をそれぞれ平均5.38点、13.14点上回ったと報告されている。
説明エンドオブライン試験データを用いた変速系の教師なし監視のためのデータ駆動型フレームワーク（フォード・モーター社の事例）
要約本論文は高次元データ向けの多変量監視フレームワークを提案し、前処理と時間整列の後に非線形次元削減と管理図に基づくフェーズI監視で异常を検出する手法を示しています。教師なしと教師あり両方の設定で使用できます。フォード・モーター社の実生産データで評価した結果、正解率、再現率、F1スコアが既存モデルの0.50、0.30、0.429から0.625、1.00、0.769に向上したと報告されています。
説明重要な箇所を書き換える：エージェント型強化学習による適応的な多言語クエリ書き換えで推論を改善
要約本論文は、意味は同じでも言語が異なるクエリがモデルを異なる推論経路へ導き、性能差を生むと指摘します。著者らは、多言語クエリ書き換えを多段階の逐次意思決定過程として定式化したエージェント型フレームワークmRewriter-R1を提案します。適応的な演算子選択によって複数の観点から最適化を行います。実験では、複数の大規模推論モデルで強力な多言語書き換えベースラインを上回り、クエリの特性に応じて書き換え方を選べることが示されています。
説明言語モデルの驚き度（surprisal）による中国語読書時間の予測力に関する体系的分析
要約本研究は、言語モデルから得られるトークン単位の驚き度（surprisal）が普通話の読書時間をどの程度予測するかを分析しています。眼球運動コーパスの単語分割と言語モデルのサブワード分割が食い違う問題に対処するため、最短一致系列（SMS）という対応付け手法を提案しています。14M〜1.4Bパラメータの Chinese-Pythia モデルを用い、3つの段落単位の普通話眼球運動コーパスで検証した結果、驚き度は中国語の読書時間を予測するものの、その予測力がモデル規模や学習量とどう関係するかはコーパスごとに異なり、HKPやMECOでは逆スケーリングが見られたと報告しています。
説明SFlexRCA：産業用IoTエッジシステム向けの軽量・拡張可能・柔軟な根本原因分析手法
要約本論文は、計算資源が限られた産業用IoT（IIoT）環境向けに、トポロジー情報を必要としない根本原因分析（RCA）フレームワークSFlexRCAを提案しています。多変量テレメトリをコンパクトな直交表現に変換し、共有の軽量線形モデルを適用することで、明示的なグラフ構築や変数ごとのパラメータ増加を避けています。BATADAL、SWaT、WADIの3つの公開データセットで、10種類のベースラインと比較し、精度、学習効率、推論遅延、メモリ使用量を評価しています。
説明ForkPilot：長期タスク型エージェントにおける後方探索の自己進化ポリシー
要約本論文は、言語モデルエージェントが多段階のツール呼び出しで後戻り探索を誤って配分しやすい問題を扱い、探索の利得とコストの変化を表す探索価値ダイナミクス（SVD）を提案しています。これに基づくForkPilotは二段階の方策学習フレームワークで、完了した軌跡からオフラインで探索価値方策を学習し、その後現在の観測に基づいて判断しつつ新しい軌跡で更新します。6つのベンチマークと複数のLLMで評価され、同等の最先端性能を保ちながらトークン使用量を最大59.2%削減したと報告されています。
説明LLMファクトチェックにおける「未来情報の漏れ」：誤情報検出の漏えい経路を測定する
要約本論文は、ソーシャルメディアの自動ファクトチェックで大規模言語モデルの評価が過大に見える理由を検討します。AVeriTeCとQuanTemp++の両ベンチマークで、主張時点で利用可能だった証拠の条件を再現し、モデル内部表現に含まれる結果情報を調べて、事前学習で記憶された結果と主張後に公開された検索証拠という二つの漏えい経路を測定しています。総合精度の陰に隠れうる明確なパラメトリックな漏えいが見つかったとしています。また、主張後の証拠を使うと、AVeriTeCではゼロショット精度が6.3ポイント上がり、QuanTemp++ではその影響はわずかだったと報告しています。
説明光場を用いた反射に頑健な6DoF物体追跡
要約本論文は、環境を映す反射面で外観が変化する問題を逆手に取り、光場を用いて6自由度の姿勢を追跡する手法を提案します。各フレームで反射に頑健に深度を推定し、表面法線を求め、物体の視点依存の外観を拡散反射アルベドと反射する環境マップに分解して、再照明可能な表面光場を構築します。そのうえで光度損失により姿勢を最適化します。評価では、4段階の反射率で再レンダリングしたデータセットと実撮影の2系列を用い、拡散物体では最強の基準手法にやや劣るものの、完全反射物体では精度を維持できた唯一の手法だったと報告されています。
説明ResOPD：疎なオンポリシー蒸留のための尾部残差化手法
要約本論文は、オンポリシー蒸留における疎な教師信号の勾配分散の問題を扱う。サンプルトークン推定は不偏だが分散が大きく、Top-k 目的関数は系統的バイアスを生じる。著者らはResOPD（尾部残差化によるオンポリシー蒸留）を提案し、未観測の語彙を観測可能な粗い尾部事象にまとめて厳密な集約勾配を計算し、尾部内の細粒度残差のみをサンプリングする。追加の教師クエリは不要である。評価された設定において、勾配分散の大幅な低減、学習の安定化、下流性能の向上が報告されている。
説明SpecFold：マルチブランチの冗長性を畳み込み、拡散言語モデルの投機的デコーディングを高速化
要約拡散大規模言語モデル（DLLM）の投機的デコーディングで、複数ブランチの検証時に隠れ状態が高く似通う計算上の冗長性に着目した論文です。提案手法SpecFoldは、トークン単位の残差ゲーティングと、折り畳まれたアテンションおよびFFNによる親ブランチ計算の選択的再利用を行い、Tritonカーネルで疎なマルチブランチ実行を実装します。2つのDLLMファミリー、5つのモデル、5つの標準ベンチマークで、Spiffyに対し最大1.64倍、通常のデコーディングに対し最大1.99倍のスループットを達成し、タスク性能はほぼ同等に保たれたと報告しています。
説明非可換な算術・幾何平均不等式が成り立つ条件
要約本論文は、n ≥ 2⌈m/2⌉² のとき非可換な算術・幾何平均不等式が成り立つことを証明している。動機は De Sa（NeurIPS 2020）が構成した反例にある。証明では、ブール立方体上のチェビシェフ節点に基づく頂点測度を構成して相異なる添字を取り出すが、この測度は非整数節点上で正値にならないことが主な難点である。
説明時系列リンク予測は「誰が活動しているか」を見ていない：モデル間で転用できる欠落要因
要約この論文は、時系列リンク予測が相互作用の「どの相手を選ぶか」に集中し、「送信元ノードが活動するか」を捉えていないと指摘しています。提案手法の源ノード活動モデリング（SNAM）は、20未満のパラメータからなる自己励起型イベント強度モデルで、既存の複数モデルのスコアに加えることで、多くのデータセットと設定で平均精度（AP）を向上させたと報告しています。
注目点標準的な負例サンプリングが送信元の活動度を厳密に打ち消すことを証明し、複数モデルに転移可能な小規模因子を提案している。
説明記憶から指針へ：手続き的コーディング記憶のための時空間コンポーザー
要約本論文は、エージェントの手続き的記憶を、テキストプロンプトへの受動的な挿入から推論時の能動的な方策調整へ移す「From Memory to Guide」という枠組みを提案します。これを実装した「Spatio-Temporal Composer（時空間コンポーザー）」は、検索された知識を現在の環境制約に合わせて調整し、適用される期間も管理します。EngramBench の長期的なソフトウェア工学タスク13件での評価では、最も複雑なタスクで合格率が絶対値で7.2ポイント向上し、主エージェントのトークン使用量は32.2%削減されました。
説明言語モデル事前学習のための貪欲な局所学習：性能差と目的関数設計
要約この論文は、ネットワークを勾配が分離されたブロックに分け、それぞれ局所的な補助損失で学習させる手法を、125Mと400Mパラメータの言語モデルで端到端学習と比較したものです。ブロック数を2から4に増やすと差が2倍以上に広がるものの、400Mでは差が縮小することが示されています。補助部分をTransformerベースにすると差の22〜41%が回復し、多トークン予測の補助目標は最初のブロック境界でのみ有効でした。
説明クエリ認識型ストリーミング潜在推論による長尺動画VLM埋め込みの強化
要約本論文は、視覚トークン数が限られる条件で、クエリに関連する疎な証拠をクリップごとに蓄積し、固定次元の埋め込みを生成するQASLR手法を提案しています。均一なサンプリングでは短い出来事を見落としやすい問題に対応します。学習には最終的な対照学習、ステップごとの対照監督、最終埋め込みへの自己蒸留を組み合わせています。HourVideoの検索タスクではHit@1が、2Bモデルで54.2から70.7、8Bモデルで57.4から72.8に向上したと報告されています。また、時刻検索と動画QAでも改善がみられ、別のQwen系埋め込みモデルにも転用できたとされています。
説明GitSwarm：分散型の複合推論システム
要約本論文は、推論段階の中間成果を永続的に保存し、検査・継続・結合できるようにする「複合推論（compounding inference）」という考え方を提示している。これを実装したGitSwarmでは、同質のエージェントが共有の分岐可能なGitリポジトリ上で非同期に協働し、中間成果物と意味的な依存関係を記録する。IMOProofBench-AdvancedやProgramBenchなどで結果が報告されており、三つのニューラルアーキテクチャ研究課題では複数回の実験を経て初期構造を改善したとされる。
説明一つのタイル、複数のインスタンス：疎な診断証拠のためのMILの再考
要約本論文は、全スライド画像（WSI）の弱教師あり分類において、特徴抽出器が各タイルを一つの全体埋め込みに圧縮するため、注意機構からサブタイルの細かな証拠が見えなくなる問題を扱います。著者らは、凍結された基盤モデルの密な空間トークンをタイル内でクラスタリングし、一つのタイルを複数の独立に重み付けされたインスタンス埋め込みに変換するDI-MILを提案します。細胞診データでの評価では、多くの指標で性能向上が示されています。
説明CURIO：オープンエンドな発見のための好奇心駆動型テスト時学習
要約本論文は、タスク報酬に加えて好奇心による内発的報酬（隠れ状態の遷移予測誤差に基づく）を組み合わせ、低報酬でも有望な方向を探索させるCURIOフレームワークを提案しています。Qwen3（8Bから235B）を用いた6つの数学発見タスクと単一細胞ノイズ除去タスクで、タスク報酬のみの強化学習と比べ、多くの数学的目標で改善が見られ、ノイズ除去のScoreとMSEも各規模で向上したと報告しています。
注目点好奇心駆動の内在世界モデルを提案し、予測誤差ボーナスで低報酬方向を探索、六つの数学発見課題と単一細胞ノイズ除去で課題のみのRL対照を上回る。
説明PIT-GCL：位相的グラフ対照学習によるタンパク質相互作用予測
要約本論文は、二つのタンパク質が結合するかを予測するデュアルタワー型フレームワークPIT-GCLを提案します。各タンパク質は、ESM-2によるアミノ酸配列の埋め込み、Cα座標の点群、および持続的ホモロジーから得た大域的な位相記述子から個別に符号化され、構造を考慮したTransformerで処理されます。三つの二値相互作用ベンチマークのうち、汎用PPIとPPB-Affinityでは代表的な基準手法を上回りましたが、TCR-pMHCでは特定タスク用の配列ベースモデルに及びませんでした。各表現は事前計算して再利用できるため、大規模スクリーニングに適しています。
説明どの選好で学習すべきか？敵対的選好分布による端から端までの多目的アライメント
要約本論文は、大規模言語モデルが有用性や無害性など相互に trade-off の関係にある複数の目標を同時に満たす必要があるという課題に取り組み、MAESTRO（Multi-objective Alignment via End-to-end STeering and Robust Optimization）を提案している。この手法は多目的アライメントを選好分布に関する min-max 問題として定式化し、オンラインミラー降下法で更新されるディリクレ分布を敵対的な選好分布として用いて、単一のプロンプト条件付きポリシーを強化学習で端から端まで学習する。著者らによれば、HH-RLHF、BeaverTails、要約タスクの多くで、単一の学習実行によって最良のパレートフロントを達成し、比較手法の中で学習コストが最も低いという。
