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。
説明クラス不均衡フェデレーテッド学習における分散データ拡張による高速な収束
要約この論文は、フェデレーテッド学習におけるクラス不均衡の問題を扱っています。既存の手法は少数クラスのデータ拡張を経験的に行い、拡張量が収束にどう影響するかを明確にしていないため、過剰な拡張と学習時間の増加を招くことがあります。著者らは拡張と収束挙動の関係を示し、各クライアント・クラスの組に必要な最小限の拡張量を決める分散拡張フレームワークDAFLを提案しています。実験では、DAFLが少数クラスのF1スコアを改善しつつ学習時間を大幅に短縮することが示されています。
説明検証可能な指標は言い回しに左右される：指示遵守における言い回しの頑健性の監査
要約本論文は、既存の検証可能な指示遵守ベンチマークが各制約を一つの固定テンプレートで表現している点を問題視します。作者らは、操作上の要件を変えずに言い回しだけを変えた評価スイートWISEを提案し、語数の厳密な一致、キーワードの一回出現、8〜12語の範囲などを対象に検証しました。言い回しの違いだけで遵守率が大きく変動し、モデルの順位や失敗パターンも変化することが示されています。
説明ギャップに注意：故障帰属からコード言語モデルの閉形式修復へ
要約本論文は、ライブラリのAPI変更後にコード言語モデルを修復する問題を扱います。PythonとRustの実行可能なAPI進化タスクで、故障帰属が示すニューロンと補丁を載せられるニューロンが大きくずれること、また汎用的な更新が個々の故障に合わないことを明らかにしました。これに対しASTRAを提案し、対比的意味によってニューロンを特定し、一つの小さな線形方程式を閉形式で解いて失敗したトークンをまとめて修正します。報告では平均Pass@1が66.7%で、最良の基準手法の48.4%を上回り、1サンプルの修復に約2.7秒かかります。
注目点帰属ニューロンと修正可能ニューロンのずれ、汎用更新の不適合という二つのギャップを特定し、閉形式解の修復法を提案、複数モデルで基準手法を上回ることを検証した。
説明大規模な帰納的クレーム抽出
要約本論文は、大規模言語モデル（LLM）を用いてソーシャルメディアの大規模コーパスから「クレーム」（単文の断定的な主張）を帰納的に抽出し、分類・目録化するパイプラインを提案しています。2020年米大統領選と2022年FIFAワールドカップに関するTwitterの2つのデータセットに適用され、人手で注釈した標本に対する再現率と適合率で評価されています。また、アブレーション実験や定性的な誤り分析も行われ、各データセットから得られたクレーム目録が示されています。
説明根拠付きで答える：路側交通シーン向けの一貫性を考慮した根拠付き視覚質問応答
要約既存の根拠付きマルチモーダル大規模言語モデル（MLLM）は、回答文と、モデルが示すバウンディングボックスが矛盾する「言葉と位置の不一致」を起こしやすいと指摘しています。著者らは34.7K組の質問応答ペアを含むRoadSceneVQA-Gベンチマークと、回答と根拠の一致度を測る評価指標AGCを構築しました。手法としてはEnumerate-then-Answer（EtA）と、Enumeration-Consistent Policy Optimization（ECPO）を提案し、一貫性を26.6%から93.7%、定位F1を52.2%から73.0%に向上させ、ECPOでF1は75.6%に達したと報告しています。
説明いつ、何を刈り込むか？効率的なVLAのための段階認識型視覚トークン刈り込み
要約本論文は、視覚言語行動（VLA）モデルの推論を高速化するための、学習不要な視覚トークン刈り込み手法SAPruneを提案します。少量の較正データを用いて、行動と視覚の間の注意が層ごとにどう変化するかを観察し、注意パターンが十分に信頼できるようになってから刈り込みを行う層を選びます。各層では、強く注目されたトークンを保護する経路と、周辺の有用な文脈を残す経路からなる二経路規則を適用します。LIBERO、SIMPLER、実機ロボットタスクの実験では、視覚トークンの87.5%を刈り込み、最大1.718倍の推論高速化を達成しつつ、競争力のあるタスク成功率を維持したと報告しています。
説明配達ドローンの注文プーリングと道路網監視を、監視タスクの注文化によって両立させる研究
要約本論文は、オンデマンド食品配達と都市道路網の監視に共用されるドローン群のリアルタイム配車を扱います。混雑して情報が古くなった道路網ノードを定期的に仮想の監視注文へ変換し、配達注文と統一したタスク集合にまとめます。その上でグラフ型マルチエージェントQ学習（Graph-MAQL）と動的な異種二部マッチングを用いて解きます。実データでの実験では、監視性能が25.1％向上し、配達性能の低下は1％未満にとどまったと報告されています。
説明時系列基盤モデルの統一スケーリング則：モデル容量と履歴情報が予測をどう支えるか
要約本論文は、モデル容量と過去の履歴情報が予測をどのように支えるかを理解するため、統一スケーリング則と時系列学習の統一理論を提示する。異なるルックバック長と予測期間にわたる 18,768 の実験結果（21 チェックポイント、6 分野の 23 データセット・頻度タスク）に基づき、五つのパラメータからなる法則を当てはめた。この法則は Toto 2.0 を含めずに当てはめたにもかかわらず、入力長 2048 と 4096 で平均絶対パーセント誤差 1.09% と 1.50% の予測を示した。
注目点5パラメータの統一スケーリング則と履歴利用の理論を提案し、18,768の実験セルで検証しており、時系列基盤モデルへの影響は中程度。
説明Loopy：ループ型言語モデル向け低ビット量子化フレームワーク
要約ループ型言語モデルは、共有の再帰コアを繰り返し実行することで、パラメータ効率よくテスト時の計算を拡張します。本論文では、再帰深度を考慮した目的関数により、目標の展開深度での最終予測損失に基づいて共有コアの低ビット表現を選ぶ学習後量子化フレームワーク Loopy を提案します。候補表現はチャンネルスケーリングと直交回転でパラメータ化され、校正ウィンドウを有望な候補に段階的に割り当てることで選択を効率よく近似します。著者らは8つの設定で各ベースラインを上回る結果を報告しており、Ouro-1.4B の W4A4 では LAMBADA のパープレキシティが SpinQuant に比べ 36.5% 低下したとしています。
説明効率的な音声ディープフェイク検出のためのタスク認識型の枝刈りと蒸留の併用手法
要約音声合成技術の進歩により、ディープフェイク音声はますます本物らしくなり、安全上の脅威が高まっています。自己教師あり学習（SSL）ベースの検出器は最先端の性能を示しますが、パラメータ数は通常3億を超え、資源の限られた機器への展開は困難です。本論文は、クロスドメイン知識蒸留と運動誘導型の構造化枝刈りを組み合わせたフレームワークを提案し、強い圧縮下でも重要な構造を保ちます。モデルは3190万パラメータに削減され、FLOPsは6.3倍低減しました。非圧縮のベースラインと比べ、複数データセットでの平均性能低下は1.30%にとどまり、機器上での展開の可能性を示しています。
説明不完全な教師モデルから学ぶ、低リソース音響汎化のための手法
要約本論文は、低リソースの音響学習における知識蒸留の課題を扱います。限られた、または不均衡なラベルで訓練された教師モデルは偏った出力分布を生じ、そのまま模倣すると生徒モデルの汎化性能を損なう恐れがあります。著者らは境界アンカー補正（BAC）と質量分割蒸留（MPD）からなるBA-MPDを提案し、誤った順位付けやノイズの多い低信頼度情報を抑制します。2つの音響ベンチマークと複数のラベル予算での実験では、監督学習ベースラインや通常の知識蒸留を上回り、教師と生徒のラベル予算が異なる場合にも有効性が示されました。
説明ハイブリッド基底による特徴予測：拡散サンプリングを高速化する学習不要の手法
要約本論文は、拡散モデルのサンプリングを高速化する、学習不要で既存モデルに組み込める枠組みHybridFF（Hybrid-Basis Feature Forecasting）を提案しています。複数の相補的な基底関数族それぞれについて移動最小二乗法で係数を推定し、融合重みで予測値を組み合わせます。融合重みは固定版と、指数移動平均に基づき推論中に更新される適応版の二種類が示されています。DiT-XL/2、FLUX.1-dev、SD3.5-Large、HunyuanVideoでの実験において、単一基底の予測手法やキャッシュ手法と比べ、良好な高速化と品質のトレードオフが報告されています。
説明Anchor and Adapt：少数ショット産業用異常検知のための非対称プロンプト適応
要約本論文は、少数ショット産業用異常検知で正常画像しか得られず欠陥の教師情報がない問題に対し、二段階のプロンプト学習フレームワーク Anchor and Adapt を提案します。第一段階では注釈付きの補助データから、転移可能な正常・異常アンカーを学習します。第二段階ではこれらを固定し、少数の対象正常サンプルで追加の正常ブランチを適応させます。MVTec-AD と VisA の相互データセット実験では、1、2、4 ショット設定で競争力のある検出・局在性能が示されています。
説明MGPO：タスク認識型データセット蒸留のための多様体誘導拡散アライメント手法
要約本論文は、拡散モデルによるデータセット蒸留に目的の不一致があると指摘します。尤度に基づく拡散モデルは密度の近似を優先し、下流タスクに必要な判別的な決定境界を十分に扱えず、生成サンプルが少数の高密度モードに集中して多様体の構造的多様性を捉えられない問題があります。著者らはMGPOを提案し、蒸留を多目的強化学習問題として定式化し、画素空間の判別報酬と、クラスごとの最小全域木に基づく潜在空間の幾何報酬によって双空間アライメントを実現します。実験では既存手法を上回り、低予算のセグメンテーションでmIoUが8.0%向上したと報告されています。
説明ExtraSensory における個人コンテキスト認識のためのコルモゴロフ・アーノルドネットワーク
要約本論文は、個人コンテキスト認識のためにExtraSensoryデータセット上で複数のKolmogorov-Arnold Network（KAN）variantを評価し、多層パーセプトロン（MLP）およびTabMと比較しています。5つのユーザー分割と分割ごとに3つの乱数シードで実験を行い、平均Macro-F1、Micro-F1、学習時間を報告しています。さらに、グリッドサイズ、グリッド数、データ正規化がKANの性能に与える影響を浅いアブレーション研究で調べています。結果として、評価したすべてのKAN variantはMLPを有意に上回り、TabMと同程度の性能を示しましたが、学習時間は一般に長くなりました。著者らは、KANには有望性がある一方で計算効率が課題であると結論づけています。
説明ArticuTable：単一画像から相互作用可能な剛体・関節式3Dテーブル場景を生成する手法
要約本論文は単一画像から3Dテーブル場景を再構成し、実行可能な部品単位の関節構造を復元するフレームワークArticuTableを提案しています。GRAMは多モーダル大規模言語モデルに導かれた関節フィッティングと意味的状態推論を組み合わせ、不完全な一体型プロキシメッシュから関節パラメータと可動範囲を得ます。PSGSRは計量・平面・入力視点の制約のもとで位置・スケールの探索空間を段階的に絞り込み、入力視点と整合する場景配置を得ます。あわせて、シミュレーション可能な100のテーブル場景からなるデータセットArticuTable-100も公開されています。
説明TEMPLAR：大規模臨床コーパスから標準化された放射線報告テンプレートを自動生成・進化させるエージェント型フレームワーク
要約本論文は、大規模な臨床コーパスから標準化された放射線報告テンプレートを自動的に帰納し、継続的に改訂する複数エージェント型フレームワーク「TEMPLAR」を提案している。テンプレートを中心的な状態として扱い、解剖学グラフと診断グラフを併用する。四つのデータセットで、ASTAR、医療用LLM、汎用LLMより網羅性・情報忠実性・診断忠実性で優れ、データセット間の転移後も優位性が保たれた。
説明StateWise：エージェントの行動前に永続的な運用状態を診断・修復する手法
要約LLMエージェントは保存された運用記録を後続の行動の前提として再利用するが、環境や要件の変化によりその記録は無効になり得る。本論文は、行動の実行前に決定的な記録を反事実的な再計画で特定し、その有効性を確認・修正するフレームワーク「StateWise」を提案している。150件のコーディングエージェントの評価では、状態が破損した条件での全体正答率が38.7%から93.3%に向上し、安全でない行動は見られなかったと報告されている。
説明Pythia：マルチモーダル時系列のための基盤ワールドモデルへ向けて
要約本論文は、結合埋め込み予測アーキテクチャにより、複数データセットを横断して文脈条件付きの潜在動態を学習する基盤ワールドモデル「Pythia」を提案しています。予測表現の学習と確率的な出力部を分離し、公開されたMUSEリーダーボードで最も強いモデルと比べ、MASEとWSQLの誤差をそれぞれ6.26%と5.00%削減したと報告しています。
説明DTFormer：RGB-Dセグメンテーションのためのテキスト誘導型意味的整合手法
要約本論文は、RGB、深度、テキストの3つのモダリティを統合する意味的セグメンテーションフレームワークDTFormerを提案している。中核となるテキスト誘導型意味的整合モジュール（TSAM）は、テキストの手がかりを意味的プロトタイプの集合に符号化し、複数のエンコーダおよびデコーダ層でRGB-D特徴をそれらに明示的に整合させる。著者らは、複数のベンチマークで一貫した性能向上が得られ、手法はシンプルで効率的であると報告している。
説明三値評価関数における最大最小割当問題の計算複雑性
要約本論文は、分割不可能な品物の割当てにおいて、最も不利な主体の効用である平等主義的厚生を最大化する計算問題を研究する。主体の品物価値または限界価値は小さな集合に属するとする。加法的評価関数や劣モジュラ評価関数などの種類ごとに、多項式時間アルゴリズム、定数ギャップの困難性証明、近似アルゴリズム、下界などを示している。これにより、この分野の未解決問題を解決し、三値評価関数の下での計算複雑性の全体像を明らかにしている。
注目点三値評価関数の下での最大最小割当の計算複雑性に関する未解決問題を解決し、多項式時間アルゴリズムと硬さの結果を厳密な証明で示している。
説明EMG-GPT：残差量子化された筋電トークンによる予測型事前学習と手姿勢推定
要約表面筋電図（sEMG）は、手姿勢推定やジェスチャー分類に使える低消費電力・低コストの生体信号です。本研究では、sEMGに対する自己教師あり事前学習によって、連続的な手姿勢推定に転用可能な表現が得られるかを検討しています。著者らは因果的Transformerベースのモデル「EMG-GPT」を提案し、凍結された残差ベクトル量子化（RVQ）トークナイザーによる離散sEMG表現を入力として、深さ方向の自己回帰的な将来コード予測によって時間的ダイナミクスを学習します。回帰とトラッキングの両タスクで競争力のある結果を示し、sEMGのみによる事前学習が転用可能な表現を学ぶ現実的な方法であることを支持しています。
説明PixReenact：ピクセル条件付き因果ビデオ拡散によるストリーミング顔アバター再演
要約本論文は、ライブの駆動ビデオに合わせて参照画像のアバターを動かすPixReenactフレームワークを提案します。専用の身元や動きの表現を使わず、VAEで符号化した参照フレームと駆動フレームを直接条件とします。跨身元の擬似教師信号と長い自己ロールアウトにより、身元の安定性と自己回帰ドリフトの抑制を図っています。論文によると、4NFEのローリング学生モデルは平均発信遅延239ミリ秒で動作します。
説明Vela：適応的アクション曲線パラメータ化による視覚-言語-行動モデルのスケーリング
要約本論文は、ロボットの将来の動作を固定周期のアクション列ではなく連続軌道として表す基盤モデル Vela を提案します。コンパクトなスプライン型アクション表現と動きに応じた時間的支持を用い、固定の出力量で動きごとに時間分解能を調整します。大規模な複数機種ロボットデータで事前学習し、LIBERO-X、EBench、および卵ケーキ調理とジャガイモの千切りという2つの実世界長時間タスクで評価しました。
説明GFGE：解釈フレームワークによる説明可能AI手法の統合
要約本論文は、解釈フレームワークおよび「意味の読み取り（sense-reading）」と「意味の伝達（sense-giving）」という補完的な活動に基づく一般的説明生成フレームワーク（GFGE）を提案している。その概念基盤として、分析者によるシステム証拠の解釈、選ばれた説明の伝達、受け手によるその説明の解釈を結びつける解釈・説明スキーマ（IES）を用いる。GFGEは、データ解釈、モデル解釈、出力解釈、任意の事後分析、集約という五つの役割によって実装され、帰属、代理、反事実、概念・プロトタイプ、内在的ルール、論証、言語モデルの各手法に適用して示されている。
説明慎重に判断してから行動する：LLMエージェントが内部知識と外部検索を自ら使い分ける手法
要約本論文は、多くのLLMエージェントが常に外部情報を検索する「常時検索」方式を採っており、資源の浪費や無関係な文脈の混入を招くと指摘しています。著者らは、検索をコストとして扱い、モデル自身が内部知識の不足を感じた場合にのみ検索を行うニューロシンボリックな枠組みMARTAを提案しています。行動前に自らの思考の不確実性を評価させることで、内部知識と外部情報のより効率的なバランスを目指しています。
説明観察可能な閲覧深度を持つカルーセル型インターフェース向けランキング・バンディット
要約カルーセル型UIでは、システムがユーザーの最大閲覧深度を直接観測でき、表示されたが未クリックの項目と未表示の項目を区別できます。本論文はこの設定をランキング・バンディット問題として定式化し、UCB、Thompson Sampling、DMEDに基づく3つのアルゴリズムを提案します。いずれも観測された露出のみで統計を更新します。合成環境およびRecGazeのログに基づく実験では、提案手法の最終平均リグレットがPBM-UCBより小さく、OD-TSはPBM-TSに近い結果でした。
説明エージェントの安全な文脈切り替え：直交適応によるサブスペース干渉の緩和
要約論文は、大規模言語モデルが論理推論と安全アライメントという二つの逐次タスクの間で干渉しうることを指摘しています。論理タスクでのファインチューニング後、アライメントベンチマークで23.3%の干渉ペナルティが生じたと報告されています。著者らはスペクトル正則化手法AURAを提案し、推論の更新をアライメント多様体の零空間の直交補空間に制約します。原文によると、AURAは失われた性能の23.0%を回復し、0.98を超えるコサイン忠実度を維持したとされています。
説明時系列生成の制御のための画像合成中間表現（VisualBridge）
要約本論文は、時系列のプロットを視覚的な中間表現として用い、高次の時間的意味と数値系列を橋渡しするVisualBridgeを提案しています。マルチモーダルLLMがプロット画像を構造化された意味表現に変換し、下流の予測報酬で意味編集方針を学習します。生成された系列は時間VAEでモデル化され、公開の予測ベンチマークで従来の拡張手法より数ショット予測を改善したと報告されています。
説明F²SLAM：フィードフォワード幾何を持続的なSLAM因子へ変換する手法
要約本論文はF²SLAMを提案し、フィードフォワード型3Dモデルが与える多視点幾何の事前情報を、最適化可能な目標重み付き計測として永続的な稠密因子グラフに直接組み込みます。高頻度ストリームが局所追跡制約とグラフの連結性を維持し、低頻度ストリームはより広い多視点情報を用いて状態整合性チェック後に既存の計測を選択的に更新します。両者は同一の稠密バンドル調整により、姿勢、逆深度、任意のカメラ内部パラメータを共に拘束します。複数のベンチマークで、較正あり・なし双方において軌跡推定と稠密再構成の改善が報告されています。
説明生成したデータを選別して学習する、汎化可能な少数ショット クラス増分学習
要約本論文は、基底データと増分データがともに少ない少数ショット クラス増分学習（G-FSCIL）を扱い、凍結した潜在拡散モデルで合成サンプルを生成してクラスごとに候補プールを作成します。意味的一貫性と視覚的多様性を両立させるサンプル選択方針を基底セッションで学習・蒸留し、その後は再最適化せずに再利用します。さらに、合成データに基づくプロトタイプ初期化と双方向の境界校正により、新旧クラス間の衝突を抑える増分適応手法を提案しています。著者らは、既存のベースラインより忘却が少なく、新旧クラスの均衡が良いと報告しています。
説明上書きせずに学ぶ：継続的推論におけるセルフ蒸留と教師あり微調整の理論
要約本論文は大規模言語モデルの推論を有向非巡回グラフ上の探索として捉え、継続学習におけるオンポリシー自己蒸留（OPSD）と教師あり微調整（SFT）の学習動態を統一的に理論解析している。正解出力のヒントを用いた自己蒸留は疎な勾配更新により忘却なしの継続学習を可能にし、正解の推論経路へのSFTは密な更新により既存知識を上書きして破滅的忘却を招きうる。また事前学習の多様性は、中間状態から出発した際に正しい出力へ到達するために重要であると示している。
説明拡散サンプリングにおける時間横断的な方向選択：初期の摂動が後期でより増幅される理由
要約本論文は、拡散サンプリングにおける二種類の摂動を比較している。一つは初期ステップから後期の潜在状態へ運ばれた摂動の方向、もう一つは新たにサンプリングした等方性ノイズである。調査したサンプラーでは、前者の角度ゲインの後者に対する中央値の比が1.14から2.35の範囲にある。軌道間で方向をシャッフルすると効果は弱まり、その優位性は受け取る軌道との整合性にも依存することが示される。
説明予測は同じでも害は異なる：患者世界モデルの因果的監査
要約本論文は、臨床試験シミュレーションに用いる患者世界モデルについて、治療を切り替えた場合に害を受ける患者の割合という反事実量の信頼性を検討します。2段階の共有応答型構造因果モデルを用い、独立性の仮定の下での厳密な害の区間や、依存性・応答不一致の予算を考慮した較正済みの外側境界を示します。公開されている臨床シミュレータでの実験では、追加の結論が得られないなど否定的な結果も報告されており、結論は記述された因果モデルの下でのみ成り立つとされています。
説明科学的観測から機構へ：AI科学者による仮説生成能力のベンチマーク
要約本論文は、AIエージェントやAI科学者が経験データから機構的仮説を立てられるかを評価する初のベンチマーク「MechHypoBench」を提案しています。14の科学分野の論文から導いた機構と、1,798万件のレコードを含む実データセットを組み合わせています。評価枠組みは、保留された条件下での帰結によって自由形式の仮説を評価します。実験では、生成された仮説と基礎となる機構との間に大きな隔たりがあることが示されています。
説明Long-MDR：マルチモーダル深層研究エージェントのための長文脈強化学習手法
要約本論文は、マルチモーダル研究エージェントが扱う長い研究履歴に着目している。オンライン強化学習を128kの文脈長と75回以上のツール対話ターンまで拡張した。学習手法としてOn-Policy Distillation Warmup、Progressive Horizon Expansion、Entropy-Triggered Rescueの三要素からなるLong-MDRを提案し、長期的な強化学習の効率と安定性を高めるとしている。
説明順序が重要：RNN物体検出のための競合を考慮したクエリ並べ替え
要約DETR系検出器は学習時に一対一の二部マッチングで物体クエリを正解物体に割り当てますが、明示的な重複除去がないため、同じ物体に対して非常に似た予測を出すクエリが残り、学習が不安定になることがあります。本論文は、NMSの逐次的な順序付けに着想を得たプラグアンドプレイモジュールDETRNNを提案します。先行予測の信頼度と類似度に基づいてクエリを順序付け、その順序に沿ってRNNで再帰的に精緻化し、デコーダ内でクエリ間の競合をモデル化します。複数のDETR系検出器で一貫した改善が示され、効率はほぼ同等です。
説明FORGE：生成型言語モデルのための検証ゲート付き振る舞い修復フレームワーク
要約本論文は、生成型大規模言語モデルに含まれる偏見や有害な出力といった振る舞いの欠陥を修復するためのFORGEフレームワークを提案しています。欠陥の特定、重み編集、振る舞いの検証を独立した段階に分け、局所的な欠陥生成を明確な最適化目標に変換します。5つのオープンソース大規模言語モデルでの実験では、勾配ベースの微調整よりも偏見と毒性をより大きく低減し、パープレキシティの悪化はわずかでした。欠陥例が少数しかない場合にも有効であったと報告されています。
説明5人を超える専門家の助言による予測問題について
要約本論文は、6人以上の専門家がいる専門家助言付き予測問題において、ランク順に並んだ敵対的戦略の中に大域的に最適なものは単一には存在しないことを、幾何学的停止と有限時間ホライズンの両設定で証明する。証明は、ある一人の専門家が他から大きく先行する場合の首位の補正項を確立することに基づいている。これにより、n人の場合とj<n人の場合の最適戦略を結び付け、5人の専門家問題における厳密な最適性集合に関する最近の結果を利用している。
説明GUI位置特定のための再帰的潜在視覚探索（ReLaViS）
要約本論文は、視覚言語モデルによるGUIエージェントがスクリーンショット内の要素を特定する能力を高める手法ReLaViSを提案しています。単一の対話ラウンド内でモデル内部の再帰的な空間探索を行い、フラットな要素アノテーションから粗から細へ進む学習軌跡を構築します。Qwen2.5-VL-7Bを基盤とし、ScreenSpot-Proの精度は3.1ポイント向上して56.3%となり、推論FLOPsの増加は3.5%にとどまり、5つのベンチマークすべてで単一ステップのベースラインを上回りました。
説明TIRMamba：赤外線画像超解像のための百万パラメータ未満の熱事前情報変調型状態空間ネットワーク
要約本論文は、単一チャネル赤外線画像向けの超解像ネットワークTIRMambaを提案します。パラメータ数は約90万で、既存の約2600万〜3700万パラメータのMamba系手法より大幅に小さく、機上や携帯型機器への展開を想定しています。熱事前情報で状態空間主干を変調し、学習データ不足にはリプレイ学習で対応します。倍率4では、公式テストセットで主要手法と同等の結果を、29〜40分の1のパラメータ数と2.8〜9.4分の1の遅延で達成したと報告されています。
説明AECG：マルチエージェントシステムにおける非対称な経験の統合とガバナンス
要約本論文は、大規模言語モデル（LLM）ベースのマルチエージェントシステムにおいて、繰り返し検索される記憶の誤りが持続する問題と、知識が本来の調整範囲を超えて不適切な意思決定に再利用される問題を取り上げています。提案手法AECGは、記憶を静的な保存から信頼性を動的に管理する仕組みへと転換し、限られたレビュー予算の中で高リスクの知識を優先的に修正します。3つのフレームワークと4つのベンチマークで評価し、12設定中11設定で最高スコアを達成したと報告しています。
説明p指数カーネルに対する局所敏感ハッシュと密度推定への応用
要約本論文は、カーネル関数k(x,y)=exp(-||x-y||_p)が局所敏感ハッシュ（LSH）で実現できるかを検討する。1<p≤2の場合、このp指数カーネルは有界な領域でLSH可能であることを示した。従来この結論はp=1に限られていた。著者らは、ℓ1バイアスをもつp安定ベクトルとしてサンプルした超平面によるポアソン超平面過程を用いる新しい手法「mosaic LSH」を提案し、効率的なサンプリング手順も開発した。これらの結果に基づき、これらのカーネルに対する効率的な密度推定手法を提示している。
説明検証の罠：コード生成において誤った前提の下でのテスト時選択の失敗を理解する
要約この論文は、コード生成でテスト時に複数の候補プログラムをサンプリングし、検証器が見える証拠に基づいて最終出力を選ぶ手法を検討しています。生成器と検証器が同じ誤った前提を共有すると両者が結びつき、隠しテストで不正解の候補が選ばれる「検証の罠（Verification Trap）」が生じると述べています。3つのベンチマークと5つのコードモデルでの実験では、誤った前提が正答率を下げ、誤選択を増やすことが示されています。
説明CreativeFlow：3Dアセット生成のための一対多の類推関係転移手法
要約認知科学に着想を得て、本論文は類推的発散思考を明示的にモデル化し、テキストから3Dへのパイプラインにおける創造性の同質化を緩和する類推生成フレームワーク CreativeFlow を提案する。本手法は、それぞれ異なる幾何学的構成を持ち、関係が類似した意味のある源—目標アセットのペア群を導出する。専門家による評価では、本フレームワークが創造的な新規性と視覚的な魅力を大きく高めることが示された。このワークフローとそこから生成されたアセットは、今後の関係認識型3Dモデル学習のための基礎的なデータセットとベンチマークとなる。
説明安全な行動だけでは不十分：視覚・言語・行動ポリシーのための実行可能な未来の復号
要約本論文は、安全な行動が必ずしも実行可能とは限らないことを指摘する。凍結された視覚・言語・行動（VLA）ポリシーは、局所的に許容される動作を好む一方で、安全にタスクを完了する経路を残さない場合がある。著者らは再training不要の再順位付け手法VICS-Gを提案し、6つのSafety-CHORES設定で平均累積安全コストを1.9%から57.5%削減し、成功率はポリシーサンプリングと2.5ポイント以内に収まったと報告している。
説明MemAdapter：記憶が引き起こす追従（おべっか）に対する反事実的適応手法
要約本論文は、LLMエージェントの長期記憶が、利用者の既存の信念に過度に合わせてしまう追従（シコファンシー）を引き起こしうることを指摘しています。提案手法MemAdapterは、反事実的推論、文脈認識型の内省、根拠に基づく推論の3要素から成り、検索された記憶を適応的に統合します。著者らは3つのベンチマークで、さまざまな場面で記憶の信頼性が向上したと報告しています。
説明指示遵守を超えて：スキル契約による根拠に基づくスキル遂行の学習
要約本論文は、専門家が作成した固定のスキル手順を、環境観察に基づいて各フェーズにわたり実行するエージェントの課題「根拠に基づくスキル遂行」を提案します。スキルを可視の指示と明示的な契約ランタイムを組み合わせた「スキル契約」として定式化し、マイルストーン達成報酬と契約状態フィードバックで学習を導きます。Qwen3.5-4B では、Math と Search でプロトコル完了率がそれぞれ 99.27% と 99.96%、タスク結果が 82.95% と 46.61% で、元のベースラインをわずかに上回りました。
説明クロスモーダル対比学習による、組織病理画像からの免疫療法関連分子シグネチャの検索
要約胃腺癌は癌死亡の主要な原因の一つです。本研究では、クロスモーダル対比多重インスタンス学習（CCMIL）という枠組みを提案し、通常のH&E染色スライドから、免疫療法への反応と関連する分子シグネチャを直接推定します。費用のかかる10遺伝子RNAシグネチャの測定は不要です。視覚的形態と分子表現型を共有潜在空間に整合させ、病理医が転写産物的に類似した症例を検索できるようにし、解釈可能な注意ヒートマップも示されています。
説明MTG FCI画像を用いたほぼリアルタイム火災検知のための機械学習モデルの構築と評価
要約本研究は、静止衛星MTG FCIの観測画像を用いて、1kmと2kmの空間解像度で火災検知を行う機械学習モデルを構築し、閾値ベースのアルゴリズムと比較したものです。欧州、アフリカ、中東の多様な生態地域におけるVIIRSの火災参照データで学習と評価を行いました。1kmモデルは2kmモデルおよび運用中の閾値ベース製品を大きく上回り、F1スコアは基準製品より最大0.36高くなりました。また、最大260分早く火災を検知できたとされています。学習済みモデルは公開されています。
説明R1A-PC：複雑な静的環境における人体三次元点群の物理誘導型電磁逆解析
要約本論文は、壁や床などによる強いマルチパス応答の中で、電磁測定から人体の三次元形状を復元する問題を扱います。提案手法R1A-PCは、対象の有無で測定した複素場のペアを用いて、2048点の人体点群を再構成します。複素背景差分と三次元空間の物理特徴を組み合わせ、二段階の有界変形デコーダで点座標を更新します。全波シミュレーションで生成した未知の背景において、Chamfer距離は0.001434平方メートル、0.05メートルでのFスコアは0.963080で、TopNetと比べChamfer距離は70.28%減少しています。
説明分布外強化学習のための算術アクターヘッドと学習安定化
要約強化学習の方策は、入力の大きさが学習時の分布から外れると性能が低下することがあります。本論文はソフトアクタークリティック（SAC）と前作のBAPRを基に、因果記号的BAPR（CS-BAPR）手法群を検討しています。提案法は6種類の学習安定化設定と代替のアクターヘッドを組み合わせ、ニューラル加算ユニット（NAU）にNMUに着想を得た二次補正を加えたもの、Kolmogorov-Arnoldネットワーク（KAN）、ReLUまたは双曲線正接活性化を用いた多層パーセプトロン（MLP）などを含みます。
説明SemCam：動画生成のための意味的カメラモーション制御
要約既存動画で移動する被写体に対してカメラを制御するのは難しく、明示的な軌道を事前に指定しにくいという課題があります。本論文は、参照動画と目標モーションラベルで被写体基準のカメラ動作を指定する「意味的カメラモーション制御」を提案し、手法SemCamを示します。SemCamは共有基底の低ランク適応と運動条件付き変調を組み合わせ、背景一致性損失を用います。661組の動画を構築し、109シーンのベンチマークで評価したところ、意味的運動の成功率は68.6%で、最強の比較手法Vista4D（45.3%）を上回り、被写体の同一性保持は同程度でした。
説明AutoSciBench：科学エージェント評価ベンチマークを自動生成する枠組み
要約論文はAutoSciBenchを提案し、エージェントの能力向上で既存ベンチマークが飽和する問題に対し、科学分野の評価課題を自動生成・反復改良する方法を示している。解答の軌跡と判定フィードバックをもとに課題を修正し、計算生物学、材料科学、臨床画像の3分野で評価した。計算生物学と材料科学では、生成されたベンチマークが人手で作成したものより解答者の平均正答率をそれぞれ22.4ポイント、25.5ポイント低下させ、生成課題は3分野すべてで平均品質評価が高かった。
説明コメントに潜む攻撃：コードLLMの文脈注入による攻撃面
要約本論文は、コードLLMがコード生成時に、コメントなどの文脈に埋め込まれた安全でない指示によって脆弱なコードへ誘導されるかを検証しています。10種のオープンウェイトモデルを用い、10種類のWebアプリケーションの弱点について、攻撃条件と無害条件を比較しました。その結果、攻撃条件では脆弱性を含む出力が大幅に多く見られ、推論時の文脈注入が重要な攻撃面であると論じ、来歴を考慮した学習目標を提案しています。
注目点10モデルの実験で示し影響は広い。
説明幾何形状は生成された運動にどのように入り込むか：ビデオ生成モデルにおける幾何条件付き運動合成の研究
要約本論文は物理法則と初期状態を固定し、最初のフレームに描かれた幾何形状（軌道の起伏や障壁の高さなど）だけを変えて、ビデオ生成モデルが出力する軌跡をシミュレータの予測と比較します。九つの画像からビデオへのモデルで検証した結果、幾何形状は運動に反映される（ボールの速度が軌道の起伏に従う）ものの、生成された運動の状態の推移は固定された物理法則とは系統的に異なることが示されました。
注目点物理法則を固定し最初のフレームの幾何だけを変えて、生成動画の軌道をシミュレータと比較し、物理からの系統的な乖離を示した。
説明RoMod：混合専門家による時間的ルーティング変調を用いたビデオ異常検知
要約本論文は、マルチモーダル大規模言語モデルの中間層特徴がなぜビデオ異常検知に有効なのかを、スパース混合専門家（MoE）モデルを用いて調べたものです。少数の専門家に異常関連の情報が集中し、それらが動的なルーティング・サブネットワークを形成することを示しています。これを踏まえ、弱ラベル付きビデオの5%のみで学習するRoModを提案し、三つのベンチマークで最先端の性能と、同規模の稠密なバックボーンより高速な動作を報告しています。
説明確率的最適化とプラグアンドプレイ正則化に基づく対比源反転法
要約本論文は、確率的最適化（STO）とプラグアンドプレイ（PNP）正則化を対比源反転（CSI）に統合した電磁逆解析手法STO-PNP-CSIを提案する。各反復で1つの送信機の対比源ベクトルのみを無作為に解くことで計算コストを下げ、Swin-Conv-UNet（SCUNet）デノイザーを陰的正則化項として組み込んで再構成を安定化させる。合成データと実験データで検証され、強い非線形性や測定ノイズがある場合でも、CSIより低い計算コストで高精度な再構成が得られたと報告されている。
説明説明可能な弱教師あり動画異常検知のための表現-挙動アライメント
要約マルチモーダル大規模言語モデルは動画異常検知の説明可能性を高められますが、最終判断が隠れ状態内の識別情報を十分に使えていないことがあり、本論文ではこれを表現-挙動の不整合と呼びます。著者はこの差を容量成分と方向成分に分解し、方向成分が支配的であることを示し、中・後段の注意層で分離性が急上昇する箇所を特定しました。そのうえで、動画レベルのラベルのみを用い骨格パラメータの約0.012%を更新するRBAを提案し、3つのベンチマークで性能向上を報告しています。
説明CFD向け結晶成長シミュレーションにおける適応型PINN学習の要素別評価
要約本論文は、固定重みPINN、勾配正規化PINN（GNPINN）、規則ベースの適応制御器（AgenticPINN）を、熱方程式ベンチマークと簡略化したチョクラルスキー法の熱流体問題で同条件下で比較しています。適応制御によりPDE残差は下がる一方、境界条件の損失が大きく増加し、解の誤差もPDE残差とは一致しない結果となりました。そのため著者らは、重み付き総損失だけでなく、PDE、境界条件、解の誤差を別々に評価すべきだと主張しています。
説明データ制約のある事前学習におけるモデル規模ごとの反復回数の選択
要約本論文は、有限の対象コーパスを一定割合の汎用データと混ぜて事前学習する際、最適な反復回数がモデル規模とともに変化することを検討しています。小規模モデルの損失曲線から有望な反復回数の候補を絞り込み、大規模で評価する手法を提案し、PubMed と Caselaw で候補保持が有効であることを示しています。
説明ベイズ的エントロピーに基づく並べ替えによる、校正された拡散言語モデルのデコーディング
要約マスク付き拡散言語モデルは、マスクされたトークンをモデルの予測で反復的に置き換えて系列を生成します。本論文は、通常は較正が不十分なsoftmax信頼度の代わりに予測エントロピーを用いて確定する位置を決める、事後ベイズ型デコーディング手法BayesERを提案します。事前学習済みチェックポイント周辺に軽量な近似事後分布を構成し、コード生成、数学的推論、計画、分子生成のベンチマークで評価しています。その結果、BayesERは精度を維持または向上させつつ系列レベルの較正誤差を減らしました。また、あるコードデータセットで当てはめた事後分布は、再学習なしに別のデータセットでも較正誤差を減らしました。
説明メモリ正規化：永続的LLMメモリのモデル間ドリフトのための枠組みとベンチマーク
要約本論文は、書き込み時に生の記憶データにある曖昧さ、条件構造、感情的負荷を検出し、構造を明示した正規形に書き換える「メモリ正規化」の手法を提案します。感情の極性は口調から推定せず独立したフィールドとして表します。また、モデル間の意味ドリフトと感情一貫性を測るベンチマーク（CMSC-E）を提示し、合成記憶176件と3つのモデル系統でパイロット実験を行いました。完全に正規化した記憶では感情の一貫性が改善しましたが、多重比較補正後は有意ではなく、事実ドリフトの比較もいずれの補正水準でも有意に達しませんでした。著者らはこの結果を確証的ではなく探索的なものとして報告しています。
説明LexiHorizon：長期的な深層検索のための強化学習の安定化手法
要約本論文は、反復的な検索と言い換えを必要とする深層検索エージェントを対象に、長期的な学習フレームワークLexiHorizonを提案する。軌道のコンテキスト予算を拡大し、推論履歴を保持したまま直近のツール観測結果をウィンドウで管理する。また、答えの報酬が非ゼロの軌道にのみ、ツール呼び出しに対する有界な報酬を与える結果ゲート型の検索努力報酬を導入する。XBench、WebWalkerQA、BrowseComp-ZHでの実験で、9Bモデルは基盤モデルとMiroThinker-1.7-miniを上回り、絶対値での最大向上は8.7ポイントと23.8ポイントであった。
説明PCLM：凍結CLIPによるプロトタイプ対比と局所拡大を用いた小物体局在化
要約本論文は、凍結したCLIPエンコーダを用い、クラスごとに5枚のマスク付き支持画像から前景・背景プロトタイプを作成し、その差分の方向で查询パッチを採点するPCLMを提案している。查询画像は重なりを持つ9つのウィンドウに分けて拡大し、それぞれ独立に符号化したうえで、再投影と被覆平均により連続的な局在化マップを得る。VOC、COCO、ADE20K、Oxford-IIIT Petsの5,047件の小物体查询において、論文は評価した全テキスト条件付き局在化ベースラインより高い平均ピクセルAPを報告している。
説明信念軌跡エネルギー：予測に至る経路を測る
要約本論文は、大規模言語モデル（LLM）の各Transformer層で予測がどのように修正されるかを用いて入力を特徴づける指標、信念軌跡エネルギー（BTE）を提案しています。BTEはスカラー値または層ごとの構造化プロファイルとして要約できます。実験では、スカラーBTEが多様な推論課題の相対的な難易度を示し、より豊かなBTE表現は人間とLLMの文章判別や生成元の特定に使え、マクロAUROCは最大0.998、8択の帰属精度は95.6%に達したと報告しています。
説明InstMoE：専門エキスパートを用いた適応型マルチモーダルルーティング
要約本論文は、多モーダル学習のための適応型エキスパートルーティング枠組みInstMoEを提案している。入力ごとに、単一モーダルおよびクロスモーダルの専門エキスパートへ動的に振り分ける仕組みである。モーダル固有の無関係な変動によるルーティングの誤りを抑えるため、対照的意味整合モジュールを導入している。CMU-MOSEIとCH-SIMS v2の多モーダル感情分析ベンチマークで、比較対象より大幅に少ないパラメータで最高水準の性能を示したと報告している。
説明SPERA：球面事前分布と幾何・周波数を考慮した潜在予測による脳波基盤モデル
要約本論文は、潜在空間で予測を行う結合埋め込み予測アーキテクチャを採用した脳波（EEG）基盤モデルSPERAを提案している。ルジャンドル多項式による空間事前分布を注意機構に組み込み、異なる頭皮電極配置に対応させるとともに、時間・空間の因子分解型注意機構と関係的スペクトル正則化を用いる。約8万時間・29,048名・106データセットで事前学習し、九つの下流タスクで最高の平均バランス精度を達成した。
説明LoopMoEVR：統一超高精細動画復元のためのループ型・劣化認識Mixture-of-Experts
要約本論文は、超高精細（UHD）動画の去霞、去雨、ノイズ除去、低照度強調を一つのモデルで扱う、ループ学習に基づくMixture-of-Expertsモデル「LoopMoEVR」を提案する。劣化条件付きの低ランク・ループ埋め込み、局所特徴と大域的なループ文脈を融合する時空間反復適応正規化モジュール（IterAda3DN）、入力に応じてループ回数を決める深度予測器から構成される。学習可能パラメータは約0.884Mとされ、公開ベンチマークと実世界シナリオで最先端の復元性能を達成したと報告している。
説明拡散モデルのテスト時アライメントのための Best-of-N ガイダンス（BoNG）
要約拡散モデルが生成したサンプルは、報酬モデルで測定される人間の選好に合わせにくい場合があります。Best-of-N サンプリングは最後に最高報酬のサンプルを選ぶだけで、生成過程には影響しません。本論文は BoNG を提案し、逆拡散過程に Best-of-N の原理を組み込んで、ノイズ除去粒子を高報酬領域へ導きます。36 件の比較のうち 29 件で最良の結果を得たと報告しています。
説明SearchJev：検索エージェント向けの較正済みSystem-1モデル（素早い直感的判断を担う仕組み）
要約本論文は、検索エージェントが関連性・証拠の十分性・検索行動について行う短い判断を扱う SearchJev を提案します。文章を生成せず、適法な選択肢にスコアを付ける方式です。不確実な教師信号から判断確率を学習する SLCD と、6種類の検索判断を統一した SearchDecision-Bench も導入されています。双系統エージェントでは、不確実な判断を System 2 に委ね、判断速度の向上と較正誤差の低減、BrowseComp-Plus における検索時間の短縮と正答率の改善が報告されています。
説明SharpDraft：基数を考慮したクエリスケーリングによる長文脈投機的デコードの高速化
要約本論文は、文脈が長くなると投機的デコードの高速化効果が低下する問題に取り組み、学習を必要としない手法SharpDraftを提案する。基数を考慮したクエリスケーリングによって注意の質量希釈を抑える。AIME-26、GPQA-Diamond、LongGenBench Diaryでは、DFlash、PARD、EAGLE 3.1に適用すると、ターゲットモデルのみの自己回帰デコードに対して幾何平均で2.59〜3.19倍のエンドツーエンド高速化を達成した。
説明LLMエージェント向け、セル状ワークフロー複体上の位相一貫性タスク計画
要約本論文は、ツール依存グラフをセル状ワークフロー複体へと持ち上げ、LLMによるツール計画の位相を考慮した文脈として用いるTopoPlannerという枠組みを提案しています。コシーフ一貫性のあるセル検索により、要求に関連する閉じた部分複体を取り出し、その位相について多次元の構造推論を行います。四つのツール計画ベンチマークでの実験では、複数のローカルLLMで、プロンプトベースおよびグラフ強化型のベースラインを一貫して上回りました。
説明METRO：計量強化トークンルーティング演算子。複雑なメッシュ上のニューラルオペレータ向けの幾何認識型ルーティング手法
要約本論文は、複雑なメッシュに対しスライス処理を行うニューラルオペレータが用いる線形の互換性スコアに注目し、スライス固有の異方性局所性が欠けている点を指摘する。著者らはこれに代えて学習可能なマハラノビス計量を用いるMETROを提案し、各潜在スライスが局所的な異方性テンソルを学習できるようにする。Transformer と Mamba の両バックボーンで一貫した改善が見られ、不規則領域や標準的なPDEベンチマーク、産業設計課題で基準手法を上回り、レイノルズ数や形状構成が変わる分布外条件でも頑健性が高まったと報告している。
説明セマンティック検索を使う小型エージェント：効率的な多言語コード位置特定
要約本論文は、自然言語の要求からコードリポジトリ内の関連ファイルを特定する作業を、小型の専用モデルに任せる手法を検討しています。著者らはColGREP（遅延相互作用型検索モデルに基づくローカルのセマンティック検索ツール）を中心とした学習フレームワークを提案し、教師軌跡での微調整と強化学習を組み合わせています。SWE-bench LiteおよびMulti-SWE-bench Flashでの評価では、ColGREPを用いたエージェントが基盤モデルおよびGREPベースのエージェントを上回りました。
説明Advectra：非定常物理のための非対称な潜在輸送ニューラルオペレータ
要約本論文は、ソース座標系とターゲット座標系を分離する正則化された運動座標写像を用いて、輸送を考慮した潜在オペレータ Advectra を提案している。これにより、ほぼ共動する潜在参照系と非対称な特徴集約・再構成が可能になる。状態空間モデルのための幾何学を考慮した順序付け機構と組み合わせることで、移流ダイナミクスを捉える。著者らは、Navier–Stokes 流れにおける受動スカラー輸送や Rayleigh–Taylor 不安定性を含む移流主導型ベンチマークで、評価した基準手法の中で最良の性能を示し、実世界の工学課題でも良好な汎化性能を示したと報告している。
説明ReMAP：推論時の潜在視覚メモリで知覚サイクルを回復する
要約マルチモーダル大規模言語モデルは推論が長くなると初期の視覚入力への注意が弱まり、視覚的根拠が薄れます。本論文は視覚メモリの選別、構成、アクセスを対照実験で分析し、静的なグローバルメモリと動的なローカルメモリを組み合わせたReMAPを提案しています。強化学習によるアクセス方策が、いつ推論を続け、いつメモリを呼び出すかを決めます。十のベンチマーク群で、四つのマルチ画像ベンチマークにおいて既存の視覚メモリ手法を上回ったと報告されています。
説明vMF文ベースLDA：文埋め込みに基づく球面トピックモデル
要約本論文は、文の埋め込みを観測する トピックモデル vSLDA（vMF Sentence LDA）を提案する。LDAの混合構造を保ち、各文をL2正規化された埋め込みとして表し、各トピックをvon Mises-Fisher（vMF）分布でモデル化する。これは文埋め込みのコサイン幾何に適合するものである。2つのコーパスで、同じ大分類内の細分類を行うタスクにおいて、8つのベースラインに対して最良の平均順位を達成した。
説明LLM を審査員として使う際の設計選択はどれほど重要か：プロンプト設計・評価尺度・モデルの系統的比較
要約研究者はモデル出力の評価に大規模言語モデルを審査員（LLM-as-a-judge）として使うことが増えていますが、その設計の標準はまだありません。本研究は10の推論モデルを、感情と毒性の尺度評価および問答ペアの二値正誤判定という2つのタスクで、複数の設計条件のもとで比較しました。全体としては信頼できる一方、評価尺度やプロンプト、モデルの選択によって結果が変わり、ばらつきの主な要因はモデルそのものであることが示されました。
説明拡散を飛ばすべきか？残差接続を取り除くDDT-RFEで、より抽象的な表現を学習する手法
要約本論文は拡散Transformer（DDT）の条件エンコーダにおけるスキップ/残差接続を検討し、浅い特徴が変換を迂回して段階的な抽象化を妨げる可能性を指摘しています。提案手法DDT-RFEは、各エンコーダブロックの自己注意とMLP周りの残差接続を除去し、入力パッチ埋め込みと中間・最終エンコーダ特徴を融合してデコーダに渡します。画像分類、意味セグメンテーション、物体発見、意味的対応などでDDTを全体的に上回り、エンコーダブロック数も少なく、ImageNetの画像生成ではFIDが低くなったと報告されています。
説明オンライン目標条件付き強化学習のための方向条件付きポリシー
要約本論文は、対比学習型強化学習（CRL）を改良した方向条件付きポリシー（DCP）を提案する。DCPはオンライン学習中に既訪問状態を経由点として選び、表現空間における方向と距離をポリシーの条件とする。九つのナビゲーションおよび操作タスクのうち七つで、DCPはCRLより高い最終成功率を示した。
説明機械翻訳を用いた民謡歌詞の異文化比較研究に向けて
要約本論文は五言語の民謡歌詞コーパスを統合し、事前学習済みのニューラルトピックモデルでピボット言語に機械翻訳したうえで、各言語内、および婚礼歌について言語間で、歌詞の内容と社会的機能の関係を調べている。人手による評価では、非インド・ヨーロッパ語族の言語は全体的に翻訳品質が低いことが示された。トピックモデルの実験では、歌詞の内容は全言語で民謡の社会的機能と部分的にしか関係しないとされる。著者らはこれを異文化民謡歌詞分析の第一歩と位置づけている。
説明LLMベースの音声合成における疎な感情制御回路の追跡
要約本論文は、LLMベースのTTSモデルが参照音声の感情情報をどのように経路づけ、生成音声に反映させるかを調べています。著者らは2つの感情感応指標を提案し、アクティベーション・パッチングによる介入を評価しました。その結果、考慮された構成要素のおよそ5%にあたる疎な回路が見つかり、後期の感情読み出しの変化の74〜88%を再現または抑制できることが示されています。解码された音声では、音の高さ、エネルギー、スペクトルの明るさに一貫した変化が見られました。
注目点活性化パッチングによりLLM音声合成の感情制御回路を特定し、復号音響変化で因果経路を検証しており、新規性と証拠は比較的高く、分野への影響は中程度。
説明CGDD-Net：網膜血管セグメンテーションのための文脈誘導型動的詳細モデリングネットワーク
要約本論文は、網膜血管のセグメンテーションを目的としたCGDD-Netを提案します。文脈に基づく適応的な特徴抽出を共有デコーダ経路に接続し、血管の形状を捉えつつ細部の情報を保持します。DRIVE、CHASE_DB1、STARE、HRFの4データセットでAUCはそれぞれ0.9824、0.9938、0.9895、0.9874、F1スコアは0.8323、0.8102、0.8510、0.8157で、学習可能なパラメータは約196万です。
説明執行の前提が短期シャープレシオの順位をどう変えるか：合成取引ベンチマークによる検証
要約本論文は、合成価格パス上で5種類のプロンプト型LLM取引戦略と7種類の古典的ベースラインを、ほぼ理想的な約定から遅延・スプレッド・参加率・市場インパクトのストレスまで6つの執行設定で比較したものです。高ボラティリティ局面では、理想設定と既定ストレス設定の順位の一致度が大きく低下することが示されています。著者らは、執行の前提もリターンとあわせて報告すべきだと主張しています。
説明自己生成フィードバックはテスト時学習を不安定化させる：長期適応の因果分解
要約本論文は、テスト時学習でモデルが自身の生成テキストから重みを更新する場合の問題を扱う。128Kトークンの連続ストリームでは、生成テキストによる更新を保持すると、独立した人間が書いたテキストに対する予測が悪化し、125M、760M、3Bの三つのTTT-E2E構成およびQwen3-4BのAdam更新でも同様であった。固定生成、記録リプレイ、単一更新の比較、決済の各対照実験により因果経路を追跡し、更新を保持する前に独立した証拠で予測を確認すべきだと述べている。
説明ReDiffNet：低照度UAV向け車両検出のための信頼性条件付き差分RGB-赤外線学習ネットワーク
要約本論文は、夜間の低照度条件下でUAVが撮影するRGB画像と赤外線画像を用いた、方向付きの小型車両検出を扱う。提案手法ReDiffNetは、局所的なモダリティの信頼性に基づいて証拠を選択し、モダリティの優先度が曖昧な領域では両モダリティの差分から補完的な情報を回復して、統一的な表現に統合する。DroneVehicleとVEDAIのデータセットでそれぞれmAP50 85.3%と73.9%を達成したと報告している。
説明離散アクションマッチング：状態グラフを通じてサンプルから確率的ダイナミクスを学習
要約本論文は、対応のない時間周辺分布から集団ダイナミクスを学習する問題を扱い、有限状態版のアクションマッチング（DAM）を提案している。離散 Wasserstein 幾何に基づき、最小運動エネルギー流に対応するアクション最小化目標を導出し、離散アクションの密度依存が隣接する密度比に帰着することを示す。合成ダイナミクスとマウス原腸形成データで周辺分布の再構成と補間を評価している。
説明結果誘導型オンポリシー自己蒸留（OG-OPSD）：正誤と教師エントロピーに応じて蒸留信号を動的に調整する学習手法
要約本論文は、オンポリシー自己蒸留（OPSD）を改良するOG-OPSDを提案する。元のOPSDは誤った推論軌跡に対する罰則が不十分で報酬が過大になりがちであり、教師の監督の信頼性は軌跡の結果と累積平均教師エントロピーに関係するとしている。OG-OPSDは二値の結果報酬と累積平均教師エントロピーに基づき、発散目標と蒸留位置を動的に調整する。Qwen3の1.7B、4B、8B、およびQwen3-VL-2Bでの実験では、数学推論、マルチモーダル推論、分布外タスクにおいて元のOPSDや複数の強力なベースラインを上回る性能が示されたとされる。
説明大規模言語モデルにおける利用文脈で変調される感情表現：共有の感情方向に加え、語調や聞き手への適応といった利用要因も内部表現に現れるかを検証した論文
要約論文は、感情はLLMの活性化空間においてほぼ線形の方向として捉えられることが多いが、単一の方向では感情表現を十分に説明できない可能性を指摘している。著者らは出来事の内容を固定し、感情の極性と利用要因を変えた対照データセットを構築し、Llama、Mistral、Gemmaを分析した。共有の感情方向は頑健である一方、それを除去しても元の正負の表現差のノルムの0.833〜0.909が残り、残差には再現可能な利用条件付きの構造が含まれることが示された。Llamaでは、残差の語調成分に沿って生成を誘導した出力が、ブラインド比較の92.8%で好まれ、評価した出力の98.7%で指定の感情極性を保った。
説明ステップ蒸留拡散モデルに内在するスタイル転移能力を言語で引き出す研究
要約論文はStyleForgeという、学習不要で完全自動の手法を提案しています。参照画像のスタイルを再利用可能な描画指示文に変換し、凍結したステップ蒸留型テキスト画像モデルがその指示で異なる被写体やシーンを同じスタイルで描けるようにします。実験では、最強のベースラインと比べて生成品質スコアが最大29.47%向上したと報告されています。また、スタイル化と要求内容への忠実さを両立できることも示されています。
説明上書き後に明らかになる：履歴依存ロギングにおける指数的な POMDP オフポリシー評価の下界
要約本論文は部分観測マルコフ決定過程（POMDP）におけるオフポリシー評価を扱います。履歴に依存するロギングの下では、動作・履歴のカバレッジが有界であっても、必要なサンプル数が時間長 H に対して指数的に増えることを、厳密に実現可能な POMDP の構成によって示します。さらに、共通の観測可能な価値表現を用いた有限クラスの評価保証と、固定四動作連続モデルにおける受動的・予算付き読み取りの速度を分析します。
注目点各ホライズンH≥3で成り立つ指数的なOPE下界を構成し、有限クラス保証と整合する読み出し速率を与えており、理論的な新規性が高い。
説明誤り分類に基づくNL2SQLのクエリ修正：どこを、なぜ、どう直すか
要約大規模言語モデルが生成するSQLは、実行できても結果が誤っている場合があり、実行結果だけでは何を直すべきか分かりません。本論文は、診断された誤りの種類を構造化された修正入力に変換するTEG（Taxonomy-guided Error Grounding）を提案します。確認すべき構文要素と適用する編集操作を示し、実行フィードバックで候補を選びます。NL2SQL-BUGsでは、単一誤りのクエリにおいて評価したすべてのベースラインを上回りました。
説明信頼ゲート型能力制御：マルチエージェントLLMシステムにおける信頼-脆弱性パラドックスの解消
要約本論文は、マルチエージェントLLMシステムの階層的信頼モデルを実際に動作する形にする研究です。五層の信頼スタックに対し、層間の相乗効果の演算子、失敗の観測に基づくオンライン重み推定、そして複合信頼と前提層が閾値を満たした場合にのみ短期間で取り消し可能な能力を付与する仕組みを提案しています。数値実験では、潜伏型攻撃者を用いて理論の予測が確認されたと報告されています。
説明PMI推定とSGNS単語埋め込みのための統計的推論フレームワーク
要約本論文は、単語の関連性を測る点相互情報量（PMI）の推定と、それとSGNS（負例サンプリング付きSkip-gram）との関係について統計的な枠組みを示します。経験的PMI推定量の一致性、漸近不偏性、漸近正規性を証明し、デルタ法で分散を導出しています。Brownコーパス（d=100）での実験では、SGNSが理論的関係PMI + log Kから系統的にずれることが示され、単語のアナロジー検証ではモデルが有効であることが確認されています。
説明CoDG-Net：構造誘導型スタイル拡散と協調学習による医用画像ドメイン汎化の破局的忘却の緩和
要約本論文は、医用画像セグメンテーションのドメイン汎化（DG）において、クロスドメインの頑健性を追求する際にモデルが送信元ドメインの知識を忘れてしまう問題に取り組みます。解剖学的構造の一貫性を周波数領域で制約した、振幅スペクトルへの構造誘導型スタイル拡散によるデータ拡張を提案し、さらに二分岐の協調学習ネットワーク（CoDG-Net）と学習バイアス誘導戦略を設計して、送信元ドメインでの破局的忘却を緩和します。単一ソースおよび複数ソースのベンチマークで、目標ドメインの性能が既存手法を上回り、送信元ドメインでの忘却率も低いと報告されています。
説明LogSig-SSM：状態空間モデル向けの多スケール対数シグネチャ圧縮による時系列モデリング
要約本論文は LogSig-SSM を提案しています。これは多スケールのウィンドウ付き対数シグネチャ（log-signature）で長い多変量時系列を短いトークン列に圧縮し、その後で選択的状態空間モデル（SSM、Mamba など）で処理する手法です。不規則サンプリングと長期依存性を扱う時系列を対象とします。長系列分類、高頻度の生理信号回帰、多変量気象予測、不規則サンプリングの臨床予測の4つのベンチマークで、強力なベースラインと同等以上の性能を示し、最長系列では Mamba と比べて最大 30 倍速く学習し、GPU メモリ使用量は最大 37 倍少ないと報告しています。
説明E²-OPSD：同方策略自己蒸留におけるエントロピー過剰上昇の抑制
要約本論文は、同方策略自己蒸留（OPSD）で生徒モデルのトークンエントロピーが教師を上回り高止まりする「エントロピー過剰上昇」を扱い、E²-OPSDを提案する。検索された解決済みの類似問題を例示として用い、生徒と教師のエントロピー差に基づいて各トークンの修正方向と強度を決める。数学推論ではOPSDより mean@16 で最大4.3ポイント向上し、領域外評価では基礎モデルに対し mean@16 で最大4.9、pass@8 で最大5.5ポイントの改善を示す。追加の前向き計算やネットワークは不要である。
説明AraYoungVoices：アラビア語の子どもと青少年の音声コーパス（母語話者と第二言語話者を含む）
要約本論文は、7〜18歳の286名が朗読したアラビア語音声151.72時間分のコーパス「AraYoungVoices」を紹介します。児童（7〜12歳）と青少年（13〜18歳）のグループに分かれ、母語話者146名と第二言語話者140名を含みます。著者らは未見の話者や提示文を用いた設定で、4つの事前学習済み音声認識モデルを評価しました。その結果、第二言語の音声は認識がより難しく、特に年少の第二言語話者で誤りが最も大きいことが示されました。
説明CI-JEPA：自己教師あり学習の結合埋め込み予測アーキテクチャにおける潜在表現の反事実分析
要約本論文はI-JEPAを拡張したCI-JEPAを提案し、元画像と加工画像の間の表現変化を予測するよう学習させます。Flowers102では、凍結エンコーダの線形プローブで最良検証精度78.14%を示し、I-JEPAおよび事前学習済みViT-B/16の77.55%を上回りました。花の中心の遮蔽（意味的介入）による表現変化は背景のぼかしや色付け（無関係な介入）より大きく、論文はこれが全ての視覚変化に対する頑健性を示すものではないと述べています。
