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。
説明汎用テスト時学習（uTTT）：全層で一つの高速メモリを共有する手法
要約本論文は、すべての層が一つの共有メモリを読み書きし、各層固有のバックボーンパラメータは保持する汎用テスト時学習（uTTT）を提案している。共有メモリは時間と深さの二つの次元で再帰的に更新される。uTTT-MoEとuTTT-Denseの二つの実装を示し、言語モデリングではuTTT-MoEが層ごとに私有のメモリを持つ版よりRULER精度で高く、新規視点合成でも性能向上が報告されている。
説明FLEX-WAM：長期的な想像と計画のための柔軟なブロック因果型ワールド・アクションモデル
要約本論文は、将来の状態を予測しながら行動を生成できる統合モデルFLEX-WAMを提案しています。可変長の文脈と無限の自己回帰生成に対応し、学習時の勾配バランスとForward-Dynamics弾性による調整で、行動への応答性を高めています。論文によれば、多段階予測の品質と遅延で既存手法を上回り、PushTやOGBench Puzzle-4x4を想像内で解くことができ、双腕ロボットでは実時間での方策実行とモデルと現実の差異の検出に用いられています。
説明AI共同落書きツールと創作の境界についての振り返り
要約本論文は、共同創作型AIシステムとの間で創作の境界を交渉することが、個人の創作的振り返りの機会になりうることを検討しています。研究対象は、ユーザーがAI「協力者」（Froggi）の関与時期と程度を決められる単一主導型の共同落書きシステム「Froggi-Draw」です。新人と経験者の計8名が1週間、毎日このシステムで描いたパイロット調査から、参加者が創作上のリスクや不確実性にどう対処したか、また時間の経過とともにFroggiの利用と認識がどう変わったかを報告しています。
説明CodeForge-MA：実行検証付きマルチエージェント学習と言語条件付きLoRAによる多言語コード生成の枠組み
要約本論文はCodeForge-MAという、大規模言語モデルのコード生成能力を高める枠組みを提案しています。Composer、Reviewer、Executor、Curatorの4つのエージェントが指示とコードの組を反復的に改良し、テストで検証し、重複やベンチマーク漏洩を除去します。学習では、マスク付き教師あり微調整とテスト駆動の強化学習目的を組み合わせています。著者によると、データ・目的関数・アダプタ設計を組み合わせることで、複数のプログラミング言語にわたって頑健な改善が得られたとされています。
説明規模拡大かデータ希釈か？分散学習における局所トポロジー進化のダイナミクス
要約本論文は、分散学習でクライアント数が増えた際の影響を、リング、静的ランダムグラフ、友達の友達発見に基づく局所適応型トポロジー（LFHE）を比較しながら、CIFAR-10上でN=10〜200の条件で検討している。各クライアントのローカルデータ量を固定すると、総データを分割したことによる性能低下が大きく軽減されることが示された。残る性能低下は通信構造に強く依存し、リングは高い不一致状態に入る一方、静的ランダムグラフとLFHEは合意に近い状態を保つ。LFHEの次数閾値を上げると精度と合意が向上するが、モデル送信コストは大幅に増加する。
説明言語モデルエージェント向け安定した時間的抽象化を伴う階層型強化学習
要約本論文は、明示的な階層構造だけでは時間的抽象化の安定性は保証されないと指摘します。サブゴールがほぼ毎ターン置き換えられたり、不適切になっても保持されたりする問題を扱い、早すぎる再計画と古い保持を制約コストとして表すSTAC手法を提案しています。ALFWorldとWebShopの2つのベンチマークで、強力な階層型ベースラインより成功率が向上したと報告されています。
説明推論ライフサイクル全体における幻覚：インターフェースの可視性、因果的証拠、リリース制御（大規模推論モデル）
要約本論文は312本の論文と一次報告をまとめ、テキストベースの推論における幻覚を検討しています。観測可能な証拠は何か、どの研究設計で因果関係を立証できるか、そして既存の証拠がどの是正措置を支持するかを問うています。著者は、根拠のない前提、無効な推論、依存的な再利用、回答トレースの一貫性、行動方針の失敗の5類型からなるUIPCA分類を提案しています。審査対象の58の情報源のうち、条件を揃えた比較によって、ある介入が事実の信頼性を下げずに推論を改善すると示したものはありませんでした。
説明風を形づくる：都市風予測のための運動学的に許容される入れ子ポテンシャル法
要約本論文は、都市の非定常風場を予測するために、質量保存と壁面不透過性の制約をパラメータ化に直接組み込む入れ子ポテンシャル枠組みSculptを提案している。三次元スタッガード格子上の体積ベクトルポテンシャルの離散回転によって発散のない速度更新を生成し、共有スカラーポテンシャルで境界条件を課す。さらに大規模流れ構造を捉えるため多解像度で体積ポテンシャルを表現する。精度と運動学的許容性を評価するため、都市形態と流入条件を含むLESデータセットUrbanWindFlowも導入している。
説明執筆を自己組織化臨界過程として捉える
要約本論文は、テキストに広く見られる自己相関の減衰べき乗則を自己組織化臨界性で説明します。最近公開されたKLiCKeキーストロークデータセットを分析し、最終テキストの自己相関が有限サイズスケーリングを伴うべき乗則に従うこと、そして推敲が修正の規模に応じた復元動態を生むことを示しています。そのうえで、人間の執筆はテキスト内の意味的相関を臨界状態へ動的に調整しているように見えると結論づけています。
説明人間らしい注意？人間と多モーダルLLMの視覚探索を比較した心理物理学研究
要約本研究は、1,250名の被験者と多モーダル大規模言語モデル（MLLM）に、同一の2Dおよび3D刺激を用いて異なる刺激数で視覚探索課題を行わせ、成績を比較した。両者とも特徴探索では効率的に、結合探索では刺激数の増加に伴い成績が低下した。誤り率の相関は強い（ρ=0.82）が、人間は目標不在試行で正確に答えるために探索時間を延ばした一方、MLLMは複雑な探索で極端な有無の判断の偏りを示した。著者らは、MLLMは高水準の人間的な成績パターンを再現するが、その内部の計算過程は大きく異なると結論づけている。
説明討論（デベート）によるAI安全性は認知バイアスに損なわれる
要約本論文は、AIの監督手法である討論（デベート）による安全性が信頼できるかを検討しています。著者らは探偵ミステリーに関する大規模言語モデル生成の対話68件を作成し、一方の側に錨付け、誤謬の見落とし、専門用語の多用、冗長さという修辞的介入を加えました。369名の参加者による研究では、これらの介入が全体として操作された側への判断を有意に変化させることがわかり、人間による裁定が操作的な修辞に影響されやすいことが示されました。
説明言語モデルのGPUベンダー間不一致の測定と低減
要約同じ言語モデルを異なるGPUベンダーで動かすと、重みと入力が同一でも出力（logit）が異なる場合があります。本論文は2つの高密度モデルと2つのMoEモデルについて、五種類の指標でこの不一致を分析しています。原因の一つはベンダーの行列命令内部の累積順序にあるとされ、FP32への昇格で高密度モデルのlogit誤差は43%減少するものの、実行時間は約3倍になると述べています。MLPのみをBF16に保つと、その利得の94%を実行時間約1.3倍で保持できるとしています。
注目点複数指標でGPUベンダー間の数値差を体系的に分析し、MLPのみBF16で増加分の94%を保持できることを実験で示す。
説明ネットワーク化マルコフ決定過程における、モデルフリー強化学習のためのテイラー表現
要約本論文は、遷移ダイナミクスが未知で、エージェント数とともに状態・行動空間が急速に増大するネットワーク化マルコフ決定過程（Networked MDP）を扱う。局所報酬が滑らかで導関数が制御されている条件下でテイラー展開によりQ関数を近似し、遠方のエージェントの係数を破棄して周辺化することで、グラフの局所性で誤差を抑えたスケーラブルな局所テイラー表現を得る。これに基づくモデルフリーのアクター・クリティックを提案し、線形LSTD批評家に有限サンプル保証を与え、さらにニューラルTDによる拡張も導入する。3つの制御ベンチマークで、スペクトル法の基準と同等以上の性能を示す。
説明生物医学分野のニューラル機械翻訳におけるモデル圧縮の検討：知識蒸留と量子化を組み合わせ、仏英翻訳で軽量化と高速化を図る研究
要約本論文は、知識蒸留と量子化を組み合わせた、生物医学分野のフランス語から英語への機械翻訳モデルの圧縮を検討しています。専門用語が多く対訳データが少ない条件に適応させるため、複数の微調整戦略を比較しています。実験では、協調的に蒸留・量子化した生徒モデルが、元のベースラインと比べてサイズを69%削減し、推論速度を98.21%向上させ、CO2排出量を98.46%削減しつつ、翻訳品質を維持したと報告されています。
説明Artemis：幾何情報に基づくマルチエージェント運転世界モデル。共有3D状態と段階的メモリ更新
要約本論文は、幾何学的制約を用いたマルチエージェント運転ビデオ世界モデル Artemis を提案する。複数エージェントの観測から明示的な3D世界地図を再構築し、エージェント間で統一された3D状態を保つことで視点間の一貫性を高める。非エージェントの背景動態も区別して扱い、キーフレームによって3D地図を段階的に更新する。CARLA シミュレータから作成した MA-CARLA データセットでの実験で、視覚的忠実度と視点間一貫性で既存手法を上回ったと報告している。
説明LLMベースのマルチエージェント協調による制約付き多目的コンテナ配置
要約本論文は、データセンターにおけるコンテナ配置で消費電力の最小化と親和性の最大化を同時に行い、多資源容量と反アフィニティ制約を満たす、LLM駆動のマルチエージェント協調フレームワークを提案しています。四つのエージェントが各配置ステップでクローズドループのReActサイクルとして動作し、候補表により各行動がハード制約を満たすようにしています。Google Cluster Trace（アプリケーション100個、マシン25台）での実験では、電力貪欲型ベースラインと比べて消費電力が8.36%減少し、親和性が39.30%向上しました。
説明VERA：適応型LLM評価器のための判定条件付き信頼性軸
要約本論文は、LLM評価器が新たに検証されたフィードバックを取り入れつつ既存の振る舞いを保つ際の判断の信頼性推定という課題を扱います。出力レベルの信頼度に頼る従来手法の問題を指摘し、予測判定ごとのグループ内で正しい判断と誤った判断を隐れ層の活性から区別して信頼性を推定するVERAを提案しています。VERAを制御信号とした周期的適応フレームワークをChatbot Arenaで適応させると、8Bおよび14Bパラメータの評価器は四つの公開ベンチマークすべてで最強のベースラインを上回り、相対的な向上は最大23.01%でした。独自の時系列監査タスクでは、焦点クラスの再現率が最強の適応ベースラインに対して最大16.1%向上しています。
説明選好ベースの整合における群ごとの歪み保証：群条件付きポリシーを学習する手法
要約RLHF や NLHF などの選好ベースの整合手法は、ペア比較からLLMの方策を学習しますが、社会的厚生の最大化という目標は比較だけでは特定できない場合があります。本論文は、ユーザーごとに1回の比較だけで、群条件付きの単一の方策を学習する GLHF アルゴリズムを提案します。Bradley–Terry モデルの下で、事前に指定された（重なりを含みうる）複数の群すべてについて、既知の最適な歪み上界に漸近的に一致します。実験では、各群で歪みが下がり、最悪群の歪みも NLHF などの基準手法より大きく下がったと報告されています。
注目点重なりを許す複数グループに対する歪み保証を分組条件付き方策へ拡張し、標本複雑度はグループ数に対数的に増える。理論と実験で裏付けている。
説明オフポリシーのサブゴール価値学習のための階層的時間認識ブートストラッピング
要約オフポリシーの階層型強化学習では、低レベル方針が変化する中で高レベルの意思決定の価値を推定する必要があります。HIRO（階層型強化学習手法）はサブゴールの再ラベリングによりリプレイデータを流用しますが、ラベル変更後の価値更新は、高レベル方針が本来更新すべきサブゴールではなく、新たに付与されたサブゴールを対象にしてしまいます。本論文は、現在の低レベル方針のもとで指定されたサブゴールを評価し、蓄積されたタスク報酬を保持する階層的時間認識ブートストラッピング（HTB）を提案します。残りの実行時間により、サブゴールの継続と新たな高レベル意思決定を区別します。論文では、AntFallタスクにおいて、HTBの成功率は32.8%、同条件の局所HIROは9.6%だったと報告しています（5組の対応するシード、1,000万環境ステップ）。
説明サブレベル Flood 双フィルトレーション：スケーラブルな 2 パラメータ永続ホモロジーへ向けて
要約本論文は、大規模な点群に対して 2 パラメータ永続ホモロジーを効率的に計算する新しい手法を提案している。提案手法はサブレベル Flood 双フィルトレーションと呼ばれ、サブレベル・オフセット双フィルトレーションのスケーラブルな近似である。著者らは理論的な安定性を示し、効率的な計算方法も説明している。低次元の合成データ（密度の考慮が重要）と実世界の時系列データでの分類タスクで性能を示している。
説明ReRAMベースのインメモリ処理CNNアクセラレータの故障脆弱性に関する実証研究
要約本論文は、抵抗変化型メモリ（ReRAM）を用いたインメモリ処理（PIM）方式のCNNアクセラレータを対象に、ソフトウェアとハードウェアの両面で大規模CNNの脆弱性を調べる故障注入フレームワークを開発しています。CNNのパラメータをReRAMのクロスバーに写像し、High固着（SaH）とLow固着（SaL）の故障を注入して分析を行っています。結果として、脆弱性は層の種類や深さ、パラメータの位置、故障の種類と値に左右され、モデルごとに異なることが示されています。また、SaLはSaHよりも分類精度をさらに低下させることが示されています。
説明TeleTune：オフラインのテレメトリログからエージェントのスキルを進化させる手法
要約コンピュータ操作エージェントには、人がソフトウェアを使う手順の知識が必要であり、利用者のテレメトリログはその拡張可能な情報源です。ただしログには目的が記録されず、再生もできず、複数のタスクが混在することがあります。TeleTune はオフラインログから、動作予測の誤りに基づいてテキスト形式のスキルライブラリを改善し、保持データでの予測精度を向上させる編集のみを残します。WorkArena と Online-Mind2Web では、平均成功率がそれぞれ 77.1% と 80.6% で、各ベンチマークの最強の比較手法を上回りました。
説明事前学習済み拡散表現から識別可能な世界モデルを得る：凍結した拡散モデルに軽量な整列層を加え、潜在座標を実際の状態変数に対応させる手法
要約本研究は、生成バックボーンを再学習せずに、凍結された事前学習済み拡散モデルに識別可能な潜在座標を持たせる方法を検討しています。著者は、凍結された拡散潜在表現の上で軽量な整列写像のみを学習する対照拡散整列法（ConDA）を提案し、標準的な TCL/GCL 仮定の下で、整列後の表現が置換と成分ごとの可逆変換を除いて潜在状態を識別することを示しています。物理系およびロボット系の動画での評価では、TCL・GCL 版が高精度な状態復元と競争力のある遅延グラフ復元を達成し、模擬落下物体系では完全な復元が得られました。
説明PharmAgent：凍結言語モデルを用いた制約考慮型分子最適化探索法
要約本論文は、限られた評価回数の中で標的活性を高めつつ開発性の制約を満たす分子最適化手法PharmAgentを提案する。ラグランジュ制御器が採用された状態の制約違反を累積的な制約圧として扱い、構造インデックス付きリプレイで関連する評価済み遷移を後続の提案に活用する。5つのタスクで比較した結果、目標のみの探索と制約付き探索の両方で、評価された全手法の中で首位となったと報告している。
説明成対選好フィードバックによる連続ゲームの学習
要約本論文は、プレイヤーが二つの行動のどちらが好ましいかという成対選好情報のみを受け取る連続ゲームの学習を扱う。標準的な外部リグレットと粗相関均衡は、この順序情報だけからは識別できないことを示し、正規化された単独偏好方向に基づく一階の順序理論と、順序的方向リグレットの基準を提案する。各プレイヤーが毎ラウンド一回の比較を行う方式で、有限分解能の下で劣線形の順序リグレットを達成し、順序ポテンシャルゲームではナッシュ均衡集合へほぼ確実に収束することを示す。
説明言及されない所見チェックリストが、胸部X線報告書の検査で強化学習の効果をどう見せるか
要約本研究は強化学習で視覚言語モデルを訓練し、胸部X線画像から12項目の所見チェックリストを作成させ、その内容に基づいて別のモデルが報告文を判定しました。未見の患者データでは、規則ベースの検査と独立した医療検査器でそれぞれ12.6%と11.8%の判別向上が測定されましたが、事前に定めた誤警報基準を満たしたのは規則ベースのみでした。未言及の所見を陰性として扱う訓練形式に変えると結果が分かれ、ラベルは放射線科医の裁定ではなく報告書から得られたものです。
説明EvoMem-VLA：長期タスク向けロボット操作の状態進化メモリ
要約本論文は、多くの視覚・言語・行動（VLA）モデルが現在の観測のみに依存し、視野から外れた関連情報を失うため、長期かつ記憶依存のタスクで性能が制限されると指摘します。著者らはEvoMem-VLAを提案し、過去の状態間の変化を明示的に符号化・保持して状態進化メモリを構築するとともに、タスクに応じた経路選択を導入しています。RMBench、RoboMME、実機4タスクでそれぞれ80.7%、82.0%、83.8%の成功率を達成し、従来の最先端手法を上回ったと報告しています。
説明Render to Reason：新規視点の意味予測がVLMの空間理解を高める
要約既存研究では、事前学習済み3Dモデル由来の幾何特徴をVision-Language Modelに加える試みが行われてきましたが、幾何特徴を融合して通常の空間QAで学習させるだけでは、多段階推論の高次タスクでの改善はわずかでした。著者らはこれを学習信号の問題と捉え、未観測視点の意味的レイアウトを予測させる補助タスク「新規視点意味レンダリング」を提案しています。3つのベンチマークで幾何拡張ベースラインを上回る改善が示され、完全モデルはVSI-BenchとReVSIで従来のオープンソース手法を超えたと報告されています。
説明Prism：2K動画・音声同時生成モデルの学習のための動的スパースアテンション手法
要約本論文は、2K解像度で動画と音声を同時に生成するモデルをネイティブに学習するための動的スパースアテンションの枠組みPrismを提案している。トークン列を時空間のマクロゾーンに分割し、映像特徴の分散と音声から映像へのクロスアテンションの特徴ノルムに基づいて、各ゾーンに適したブロック形状を動的に割り当てる。実験では、全アテンションと比べて学習が2.5倍高速化され、生成品質も上回ったと報告されている。
説明マルチモーダル大規模言語モデルにおける視覚エンコーダ評価のための強力なベースライン
要約本論文は、マルチモーダル大規模言語モデル（MLLM）で視覚エンコーダの性能をどのように評価するかを検討しています。大規模な実験により、従来のクロスモーダル評価手法の実験設計と方法論上の限界を指摘し、改良を加えています。そのうえで、学習不要でクロスモーダル最近傍検索に基づくRAVELを提案し、実験で先行手法を大きく上回る最高水準の性能を示しています。
説明CleanMDM：マルチモーダルなモーションクリーンアップのためのクリーンモーション拡散モデル
要約モーションキャプチャデータは欠損、ジッター、ドリフト、接触アーティファクトを含むことが多く、そのまま使いにくいのが実情です。本論文は、マスク付き条件付き生成として定式化した統一フレームワーク「CleanMDM」を提案し、ノイズのある3次元モーション、疎な2次元・3次元キーフレーム、テキストを任意に組み合わせて入力できるとしています。さらに潜在モーション品質判別器とメッシュ対応の接触投影を加え、滑りや貫通などの問題を抑えるとしています。実験では既存手法より優れ、テキストと2次元キーフレームが制御性を高めたと報告されています。
説明BeliefGraph-JEPA：行動条件付き時系列のための構造化潜在世界モデル
要約本論文はBeliefGraph-JEPAを提案します。これは将来の駆動要因の影響を型付きの潜在効果状態に分解し、予測期間にわたって展開したうえで、グラフを通じて個々の目標ノードへ伝達する構造化潜在世界モデルです。臨床、農業、環境、産業の4つの多目的システムにおいて、事前学習済みおよび教師あり既知将来共変量ベースラインを上回ったと報告されています。（BeliefGraph-JEPA：Joint-Embedding Predictive Architecture を基盤とするモデル）
説明「どの概念も監査を逃れない」：拡散モデルで検証可能な概念消去のための監査考慮型アンラーニング
要約テキストから画像を生成する拡散モデルの概念消去手法の多くはテキスト入力側で介入し、出力だけで評価するため、ネットワーク内部に残る概念を見落としていると指摘しています。潜在空間の監査では、敵対的プロンプトに強いとされる手法でも消去した概念が内部表現から復元できることが示されました。著者らはAVCEを提案し、各概念の埋め込み近傍を監査して脆弱な方向を最も弱い幾何学的点に集約し、そこでクロスアテンションとセルフアテンションの射影を閉形式で編集した後、直交勾配射影で複数の概念を統合します。SD v1.5、SDXL、Flux 1.0での実験では、最強のベースラインと比べて攻撃成功率を5.07倍低減し、監査スコアを3.84倍改善しつつ、生成品質も競争力を保ったと報告しています。
説明タスクベクトル降下法：非IIDバッチからの学習（ランダムに混ざらないデータで学習する際に、過去の知識を忘れにくくする方法の研究）
要約本論文は、言語モデルの継続学習で、学習データが分布ごとにまとまって届く場合に生じる問題を扱っています。新しい分布に適応すると古い知識を忘れることがあるため、学習で生じたパラメータの変化（タスクベクトル）を全量で反映するか、係数λで部分的に反映するかを比較しています。継続事前学習、ランダム初期化からの事前学習、教師あり後学習、強化学習後学習で実験を行い、中間のλが多くの場合、全量反映より平均性能が高いと報告しています。
説明CASE：効率的な長尺動画エージェントのためのコスト考慮型停止フレームワーク
要約長尺動画エージェントは質問に関連する証拠を能動的に収集できるが、いつ回答できるだけの情報が集まったかという判断は通常暗黙のままである。本論文はプラグイン型の終了フレームワークCASE（Cost-Aware Stopping for Efficient Long-Video Agents）を提案し、軽量なRidge回帰で「今答える」と「後で止める」の差を学習して停止か継続かを決める。Video-MMEでは端到端精度が平均+0.67ポイント変化し、モデルトークン使用量は53.63%削減された。凍結したポリシーはLongVideoBenchとMLVUにゼロショットで転移した。
説明MMPostTrainBench：マルチモーダル事後学習のための自律研究ベンチマーク
要約本論文は、画像・音声・動画・音声動画統合理解など8つのタスクからなるベンチマーク MMPostTrainBench を提案し、固定予算のもとでLLMエージェントがマルチモーダルモデルを反復的に改善できるかを評価します。全タスクの平均の52.1%が基盤モデルを下回り、非対象能力の退行も見られ、エージェントは最良の候補を安定して選択できませんでした。著者らはこれを受け、階層型メモリと開発評価を用いる MMResearch フレームワークを提案しています。
注目点マルチモーダル自律的後学習のベンチマークと階層メモリ付き研究フレームワークを提案し、8タスクで回帰と選択ギャップを系統的に評価している。影響は主にマルチモーダル研究エージェント分野に及ぶ。
説明直接予測とフローマッチングによる効率的なグラフ生成（DiGFM）
要約本論文は、グラフ構造データを生成するためのグラフTransformerモデルDiGFMを提案する。ノイズ予測ではなく、連続フローマッチングの枠組みで干淨なグラフを直接予測する手法を採用している。論文によると、拡散モデルの2.5％から15.6％のステップ数で高品質なサンプルを生成でき、推論時間は5.3倍から257倍高速化された。一般的なグラフベンチマークと分子データセットで、既存の最先端モデルと同等以上の結果を示したとされる。
説明「隠れ状態クックブック」：産業利用における雑音に強い対話意図分類のための大規模アブレーション研究
要約本論文は、対話型データベースインターフェースにおいて、挨拶や社交的な前置きなどの会話上の雑音が混じったクエリの意図分類精度をどう高めるかを検討している。Llama-3.2-1B-Instruct を用い、BANKING77 と CLINC150 の両データセットで、複数のプーリング手法を比較する 360 件の対照実験を行った。雑音のある条件では注意機構（アテンション）プーリングが最も良い結果を示し、平均プーリングは性能を大きく下げた。
説明オフラインAIモジュール：音声優先のオフライン構成、ハードウェア参考スタック、量子化とベンチマーク
要約インターネット接続が不安定または存在しない地域、特にアフリカの言語コミュニティを想定し、完全オフラインで動作する音声優先のAIシステムを扱った論文です。NVIDIA Jetson Orin NXとRaspberry Pi 5の2種類のハードウェアで、2〜5Bパラメータ級の指令調整済みモデル3種を4つの量子化形式で評価しました。主な結論として、両ハードウェアにおいてQ4_K_M量子化がサイズと品質のバランスに最も優れているとされています。
説明GNN-CB：人間とLLMを評価するグラフニューラルネットワーク競技ベンチマーク
要約本論文は、人間と大規模言語モデル（LLM）のGNNコーディング能力を競技形式で評価する初のベンチマーク、GNN-CBを提案している。ノード・エッジ・グラフレベルの予測にまたがる18の競技を含み、隠しテストセットと標準化された採点による自動評価パイプラインで提出物を評価する。この評価条件では、LLMが人間の最上位の成績に並ぶことは稀で、競技ごとの性能も安定しなかった。ただし、多くの課題では依然として人間が最高得点を保持している。
説明Sibyl：長期タスク向けの小規模・大規模モデル協調フレームワーク
要約本論文は、小規模言語モデルのエージェントが重要なステップでクラウドの大規模モデルに選択的に助言を求め、その指導を後続の判断に取り込むSibylという手法を提案しています。学習は三段階で行われ、成功率とクラウド呼び出し回数を同時に最適化します。ALFWorldとWebShopでは、0.6Bパラメータのモデルのみで、ベースライン手法より成功率がそれぞれ95.2%、80.4%高く、1軌跡あたりのクラウド呼び出しは平均0.8回と3.9回でした。
説明Harness-Search：マルチエージェント協調による長期探索の誘導
要約本論文は、長期探索のためのマルチエージェント枠組み Harness-Search を提案し、検索動作の提案、永続状態の更新、停止判断という三つの役割を権限の限られた三つのエージェントに分担させます。七つの長期探索ベンチマークで、同じポリシー基盤の下、最も強いハーネス系ベースラインを上回る再現率と最終回答の再現率の向上が報告されています。軌跡分析では、探索履歴が増えるにつれて有用な証拠を蓄積し、冗長な検索を減らしながら証拠の範囲を広げることが示されています。
説明VHDL-REPOBENCH：VHDL設計生成における大規模言語モデルを評価するリポジトリレベルのベンチマーク
要約本論文は、VHDL向けの大規模かつ複数ファイルにまたがるリポジトリレベルのベンチマーク「VHDL-REPOBENCH」を提案しています。約100件のオープンソースVHDLリポジトリ、約2,500ファイル、約500のテストベンチを収録し、構文、意味的正しさ、階層的推論、ファイル間依存関係の解決、機能検証を評価します。GPT-4oなど複数のモデルを評価した結果、行・ブロック単位の精度は中程度であるものの、多ファイル推論や階層的設計理解、仕様からのモジュール生成には依然として課題が残ることが示されました。
説明データドリフト後も説明可能性は維持されるか？：入力分布の変化で説明が信頼できなくなるかを調べた論文
要約本論文は、データドリフト後に機械学習モデルの局所的な説明が、新しいモデルの判断を忠実に反映しているかを検討しています。IEEE-CIS取引不正検知データセットを用いて、有意な共変量シフトは確認されたものの、有意な概念ドリフトは検出されなかったと報告しています。以前の説明は再学習後のモデルとの関連性を保つ一方で、新たに生成された説明より忠実度が一貫して低いことが示されています。
説明分散型サブリミナル学習：モデル更新をランダム担体出力に置き換える
要約本論文は分散型サブリミナル学習（DSL）を提案します。参加者は共通モデルをローカルで調整した後、タスクと無関係な入力でモデルを探り、その出力のみを送信します。調整役がそれらを集めて共有モデルへ蒸留します。LLMの統合ではLoRA平均化と比べて選好の保持率と通信量の削減が、連合学習の分類ではFedAvgより少ない上り通信量での性能が報告されています。
説明不完全データから局所推定を全体的に補正して場を再構成する学習手法
要約本論文は、常に不完全な訓練サンプルから物理場を再構成する方法を扱います。局所的に構成し全体で修正可能な推定器を提案し、共有座標条件付き予測器が不完全なパッチから局所場を学習して一貫した場にまとめ、全領域推定器が元の観測に基づいて残差補正を学習します。実際の観測欠損を持つ3つの海洋データセットで、最も強い外部ベースラインと比べMSEを28.9%から34.5%削減し、最低のMSEと最高のPSNRを達成しました。
説明ブロック拡散言語モデル向けの偏りのないオンポリシー蒸留
要約オンポリシー蒸留は言語モデルの学習後処理として有効な手法で、近年はブロック拡散言語モデルにも適用されています。ただ既存研究は小さいブロックサイズに偏っており、大きいブロックを持つ生徒モデルへの蒸留は十分検討されていません。本研究では、教師と生徒のブロック境界の不一致による文脈のずれと、生徒が高支持の信号を急速に取り込み低支持の更新に遅れる最適化の偏りを指摘し、学習の不安定さを示しました。これに対しUn-OPDを提案し、境界を考慮したステップのフィルタリングと、支持度に基づく信頼度の再調整で安定化を図り、rollout再利用で生成の負担も減らしています。数学推論とコード生成のベンチマークで、学習を安定させつつ性能を向上させ、学習時間はおよそ半分になったと報告されています。
説明WiSPER：WiFi CSIを用いた多人数3D姿勢推定のための姿勢教師付き予測・残差フロー精緻化手法
要約本論文は、WiFiチャネル状態情報（CSI）から複数人の3D姿勢を推定するWiSPERフレームワークを提案しています。二段階構成で、PAMELは姿勢教師付きの予測事前学習を、ReFTは条件付き残差フローによる姿勢候補の精緻化を行います。PiW3Dデータセットでの全体平均関節位置誤差は63.72mmで、WiFi-JEPAに比べ40.0%低減しました。推論時にはCSIのみを必要とします。
説明科学的逆問題のための頑健なアンサンブル誘導（REG）：予測散らばりによる重み付けと残差クリッピングで再構成精度を改善
要約本論文は、拡散事前分布とブラックボックス順方向モデルを組み合わせるアンサンブル誘導の補正を、重み付けと残差のクリッピングで頑健化する手法REGを提案しています。アンサンブルの予測散らばりで観測量の尺度を調整し、極端な残差の影響を制限します。Navier-Stokes反転、ブラックホール撮像、音響全波形反転で実験を行い、元のアンサンブル解法より再構成が改善したと報告しています。ブラックホール撮像ではPSNRが6.2〜8.2 dB向上し、Navier-Stokesでは計算量を揃えた比較で再構成誤差が26.4%減少しました。
説明EnGRICH：人間の批評で生成型報酬モデリングを強化する手法
要約生成型報酬モデル（GRM）は好みの判断とともに自然言語の批評を生成しますが、既存の訓練では最終判断の正誤のみを監督信号としており、信頼性の低い批評が強化されることがあります。本論文は、少数の人間の批評から学習した訓練時のMetaCriticを組み合わせるEnGRICHを提案します。MetaCriticは回答ごとの評価基準を作り、生成された批評の根拠の網羅性と正確性を評価するとともに、人間の批評で得た基準を結果のみの好みデータへ一般化します。推論時にはGRMを単独で利用でき、七つの報酬モデルのベンチマークで競合手法を上回りました。
説明欠損パターンの不一致が時系列分類の手法選択に与える影響に関する制御実験
要約時系列分類器は検証データで選ばれることが多いが、展開時の欠損パターンは検証時と異なる場合がある。本論文は64の単変量UCRデータセットを用い、点欠損とブロック欠損を2×2の設計で比較した。不一致な検証では、選ばれた分類器のテスト平衡精度が平均1.14ポイント低下し、欠損率が高いほど影響が大きいことを示している。
説明AIProver：証明書駆動型の進化ハーネスによる数学研究の自動形式化
要約本論文は、数学の定理と証明をLeanなどの形式言語へ自動変換し証明を生成するエージェント型フレームワーク AIProver を提案する。119Bのオープン重み言語モデルを微調整しつつ、HarnessEvolve によって工具呼び出しの制御フローを進化させ、型・証明の完全性・意味的正しさの検証証明書に基づいて強化学習を行う。また、58.9k件のインスタンスからなるベンチマーク LoCoBench を導入している。原文によれば、意味的正しさ（pass@4）はベースモデルの15.7%から36.7%に向上し、Numina-Lean-Agent より24%低コストであるという。
注目点証明書駆動の進化的ハーネスと後学習を組み合わせ、研究レベルの形式化で基準を大きく上回り、証拠も比較的充実している。
説明IrọyinSpeech テキストコーパス：音声・言語技術向けに厳選された24,905のヨルバ語文
要約本論文は、IrọyinSpeech（ヨルバ語朗読音声コーパス）のテキスト部分の公開を報告しています。声調記号が付された24,905の一意の文を人手で検証し、2022年に録音用のプロンプトとして整理しました。約11,000文は公開ライセンスのニュース資料を改編したもので、残りは既存の宗教翻訳中心のコーパスを超えて範囲を広げるために作成されました。音声合成のフロントエンド開発や変音記号の復元などに利用できます。
説明未モデル化の状態依存性下での学習済み批評家を用いた最適制御
要約本論文は、解析的な動力学モデルを基に、残差動力学ネットワークで欠けている状態依存の効果を学習し、学習済みの行動価値批評家で局所的なiLQR最適化に長期的な情報を組み込む、学習ベースのモデル予測制御の枠組みを提案しています。また、多数の軌道最適化問題を並列に解くGPUバッチiLQRソルバーも開発しています。バイアスや不完全なモデル化を含む制御課題での実験では、モデルベースの構造を保ちつつ閉ループ制御性能が向上したと報告されています。
説明FACET：高忠実度蛍光顕微鏡画像合成のための分解非対称条件付け生成手法
要約本論文は、タンパク質のアミノ酸配列と細胞の形態的文脈から蛍光顕微鏡画像を生成し、未撮影タンパク質の局在をin silicoで予測するFACETフレームワークを提案しています。配列と形態的文脈の役割を分けてモデル化し、事前学習済み拡散モデルを用いて効率的に生成を行います。保留したタンパク質に対し、ベースラインより空間的重なりが向上し、FIDが低下、ネットワーク評価回数は75%削減されたと報告されています。
説明データストリーム上の表形式基盤モデルの再検討
要約本論文は、表形式基盤モデル（TFM）をデータストリーム上で系統的に検討したものです。パラメータを更新せず文脈を更新することで適応する仕組みを対象に、メモリ管理、計算コスト、概念ドリフトや遅延ラベルといった課題を扱っています。結果として、TFMは最も高い予測性能を示し、直近の例だけを保持する単純な方法も既存手法と同程度に有効でした。一方で、予測のたびに文脈を再エンコードするため提供コストが高く、著者らはアーキテクチャの効率化が今後の方向性だとしています。
説明最小二乗法を超える行動基盤モデルのタスク推論
要約行動基盤モデル（BFM）は、報酬関数からタスクベクトルを推論することで、テスト時の方策学習なしに多様な下流タスクを解こうとします。本研究は、通常の最小二乗法（OLS）による推論が報酬の再構成誤差しか最小化せず報酬の順序を制約しないため、得られるゼロショット方策の後継測度が最適方策から逸れうると指摘します。提案手法BLSは、報酬の再構成誤差を抑えつつ後継測度の不一致も減らします。移動、操作、ヒューマノイド制御のベンチマークで既存の推論手法を上回り、計算負荷はわずかです。
説明時系列フロー・マッチングのためのフロー反転による条件付きソース分布の学習
要約本論文は、時系列生成のためのフロー・マッチング手法 CNP-Flow を提案します。条件付きノイズ予測器を用いて、各時系列条件に対する等方性ガウス分布のソースを生成し、事前学習済みモデルのフロー反転で得たサンプルで監督します。映像予測、映像補間、7自由度 Franka ロボットの動作計画で生成品質の向上が報告され、より少ない関数評価回数で基準手法と同等の性能を示しています。
説明MemStrata：ローカルQwen 27BによるLongMemEval・LoCoMo上の対話記憶システム評価
要約本論文は、ローカル環境のQwen 3.8 27B（Q4_K_M）を読解器として用いる対話記憶システムMemStrataを提示します。ソース照合採点（判定時に完全な原文を参照）により、LongMemEval-S で 475/500（95.0%）、LoCoMo で 1,400/1,540（90.91%）を報告し、参照解答のみの採点結果や全履歴対照群、他手法との比較も併せて示しています。著者は、ソース照合採点が人手による裁定より優れることは確立されておらず、独立した再現やランキングへの主張はできないと明記しています。
説明IRSTD-Agent：ズーム誘導型インタラクション学習による赤外線小目標検出エージェント
要約本論文は、動的な視覚探索によって赤外線小目標を検出する、エージェント型フレームワーク「IRSTD-Agent」を提案している。マルチモーダル大規模言語モデルが、PROPOSAL、ZOOM、DETECT、DROP、REFINEの5つの視覚ツールを使い、原解像度の画像上で段階的に目標を特定する。学習には、アノテーションから得た対話軌跡を用いてツールの選択と引数を教師する「ズーム誘導型インタラクション学習」を用いる。WideIRSTD-FullおよびIRSTD-1kデータセットでの実験で、評価された視覚言語モデルを上回る結果が示された。
説明WILLIE：創傷の分類・セグメンテーション・位置特定のための統一フレームワークとベンチマーク
要約本論文は、共通プロトコルの下で創傷の分類、セグメンテーション、位置特定を統合的に評価するフレームワーク兼ベンチマーク「WILLIE」を提案している。三つの公開創傷データセットを共有ベンチマークに統合し、三つのスケール設定の統一モデルを10個の単一タスク基線と比較した。最良のモデルは単一の順伝播で三つの出力を同時に生成し、分類精度91.88%、Dice 91.41%、AP@0.5 96.23%を達成した。また、セグメンテーションから導いた位置特定が専用の検出基線を上回ることも示された。
説明階層型強化学習における半マルコフ的な準最適性の研究
要約本論文は、時間的に拡張されたサブタスクの実行に固執することで生じる準最適性を、実行と方策の二つに分けて分析する。タスク木と実行木、統一価値関数、四段階の一般化階層ベルマン方程式を導入し、有界報酬と一様終了の条件下で階層方策と実行の改善結果を示す。オプションベースおよびゴール条件付きの実験では、実行の変更と学習目標の変更が相補的な利得をもたらすことが確認された。
説明グリーン経路付きニューラル演算子：物理方程がネットワークの読み取り位置を決める
要約本論文は、多くの偏微分方程式で輸送場が読み取り座標の選択に使われる一方、ニューラル演算子では入力値としてのみ扱われがちな不一致を指摘する。著者らは、支配方程式によって潜在特徴の採样位置を決める「グリーン経路付きニューラル演算子（GRNO）」を提案している。5つの2次元・3次元偏微分方程式系の実験では、40ステップの自己回帰評価で4つの系において最も低い平均最終相対L2誤差を達成し、Keller-Segel系でも競争力のある結果を示している。
説明AgentDiscover：最小限の探索足場による自律的発見
要約本論文は、コーディングエージェントが自ら探索を計画し、アイデア・候補解・それらの関係を記録するデータベースを長期記憶として用いるフレームワーク AgentDiscover を提案しています。実験では、カーネル工学、生物学、アルゴリズム設計、数学のタスクで既存の発見フレームワークを上回り、より低いコストでより良いスコアに到達したと報告しています。さらに、過去の AtCoder ヒューリスティックコンテスト7回で1位相当になり得たとしています。
注目点固定アルゴリズムではなく符号化エージェントが探索を計画しデータベースで記憶する点は新しく、複数分野と過去のAtCoder大会で比較実験を行っている。
説明拡散 Transformer は証明可能に最適な文脈内生成器である
要約本論文は、多様なタスクで事前学習された拡散 Transformer（DiT）が、推論時に与えられたデモンストレーションから新しいクエリの予測分布を学習・生成する仕組みを理論的に分析しています。有限のデモンストレーションから生成すべき対象は単一タスクの推定出力ではなく、観測後も残るタスクの不確実性を捉えた予測分布であることを示しています。事前学習資源と拡散サンプリングのステップが十分であれば、DiT は Hölder クラスのテスト時タスクに対して極小極大最適な速度を達成します。
説明多クラス分類におけるコンパクトな集合値深層アンサンブル手法
要約本論文は、深層ニューラルネットワークを構成要素とする深層アンサンブル学習の課題に取り組む。学習と保存の負担を減らすため、ベイズニューラルネットワークやモンテカルロ・ドロップアウト付き畳み込みニューラルネットワークなどのコンパクトなアンサンブルで確率的予測を生成し、各入力について代表分布を定めてベイズ最適予測を導出する。また、単一ラベル予測の頑健性の問題に対し、望ましい性質を持ち集合値のベイズ最適予測を効率的に求められる集合効用の族を提案し、その枠組みの利点と欠点を実験で示している。
説明VAMPS：サンプリングベース計画による視覚・運動ポリシー学習
要約本論文は、人間のデモを使わずにモデル予測経路積分（MPPI）制御を用いて再利用可能なロボットポリシーを学習するフレームワークVAMPSを提案しています。シミュレーションではポリシーとMPPIを反復的に改良し、学習した歩行ポリシーをUnitree Go2に転移しました。実機では自律収集データから視覚運動ポリシーを学習し、ピック＆プレースや力を考慮した白板消去のタスクで実証しています。
説明CT-Miner：デカルト木による高速で粗粒度な時系列パターンマイニング
要約本論文は、デカルト接尾辞木（Cartesian suffix tree）に基づき、構造的に等価な頻出パターンを時系列から効率よく抽出するアルゴリズムを提案しています。デカルト木の等価性は、具体的な値を捨てて階層的な順序構造だけを残します。著者らは、CT出現の網羅的収集の計算量をO(n^4)からO(n^2)に削減し、正しさと計算量の上界を証明したと述べています。複数の時系列データセットで、少数のCTパターンが意味のあるクラスタ構造を保持したと報告しています。
説明大規模言語モデルの学習における重み平均化の仕組みと、学習後量子化への影響の理解
要約大規模言語モデル（LLM）は通常高精度で事前学習されたのち、学習後量子化（PTQ）によって低精度で展開されます。事前学習中の重み平均化は学習率減衰よりPTQ性能を改善することが報告されていますが、その仕組みは十分に説明されていませんでした。本論文は重み平均化を、学習の進捗の保持と摂動に対する頑健性向上とのトレードオフとして定式化し、両者のパレート frontier を達成する平均化カーネルの連続族を導出します。さらにPTQ下での理論枠組みを示し、量子化が粗いほど摂動の影響を受けやすいことを示します。実験により予測と提案手法が検証されています。
説明ランク1二次センシングにおける近似メッセージパッシングの定量的普遍性
要約本論文は、ランク1二次センシング行列を用いた近似メッセージパッシング（AMP）アルゴリズムの振る舞いを検討する。固定された反復回数において、この行列と共分散を揃えた等方的ガウス行列の結果の差は、正規化された信号の重なりや滑らかな線形スペクトル統計量についてO(d^{-1/2})に収まることを示している。これにより、正規化平均二乗誤差、固定スペクトルモーメント、経験的スペクトル分布の普遍性が導かれる。規定された滑らかなスペクトル去雑音器の場合について、Maillardら（arXiv:2408.03733）が提唱したAMPの普遍性予想を証明している。
注目点ランク1二次センシングにおけるAMPの定量的普遍性を示し、Maillardらの予想を確立しており理論的に実質的な前進だが適用範囲は限定的。
説明Kendall形状空間における脳梁の黎曼形状解析：加齢とアルツハイマー病
要約本論文は、OASIS-1コホートの正中矢状面における脳梁の加齢関連形態変化を解析するための黎曼形状空間フレームワーク（リーマン幾何に基づく形状表現）を提案している。輪郭を128個のランドマークで表し、測地線回帰によって年齢に関連する変形を推定した結果、前方領域（膝部と前体部）が変化の大部分を占め、測地線回帰はユークリッド線形ベンチマークより優れていた。一方、アルツハイマー病群では年齢が形状変動をほとんど説明せず、病態が健康な加齢の軌跡を乱している可能性が示された。
説明拒否パターンを超えて：堅牢で汎化可能なLLM安全性アラインメントのための安全ロール内在化
要約本論文は、安全性アラインメントを事前定義された安全ロールの内在化として再定式化したSSRFT（教師付き安全ロール微調整）を提案します。心理測定の質問、限定的な脱獄プロンプト、安全ロールの記述からSRQAデータセットを構築し、ロールに一貫した応答を生成・検証・拡張します。複数のモデルでの実験では、標準的なSFTと比べ、プレフィル攻撃に対してより堅牢で、未知の脱獄ドメインへの汎化も優れ、良性の質問への過剰な拒否を減らしつつ一般的能力を維持することが示されています。
説明影特徴精錬ネットワーク：知識蒸留に基づく段階的特徴精錬による影除去手法
要約本論文は、教師あり学習、特徴精錬損失、知識蒸留を組み合わせて影除去性能を高める影特徴精錬ネットワーク（SFR-Net）を提案しています。また、生成された影なし画像の自然な色の一貫性を回復する後処理アルゴリズムも導入しています。公開データセットISTD+とSRDでの評価では、全画像のRMSEはそれぞれ3.4627と4.3781、SSIMは0.9382と0.9341でした。
説明CoDance：動画から学ぶ人間とヒューマノイドの反応的・柔軟な相互作用
要約本論文は、単一の双人ダンス動画から、ヒューマノイドと人間のパートナーの反応的で柔軟な相互作用を学習するフレームワーク「CoDance」を提案している。多リンク柔軟性拡張により、動作デモンストレーションを両手の力を考慮した学習データに変換する。シミュレーションでは、パートナーの変化に応じて歩幅を調整し、拡張されたデモの手首変位の約80%を再現した。実機のヒューマノイドでは、前後動作の反復的な切り替えを含め、人間のパートナーと両手で持続的に踊れることを示した。
説明より長い推論はいつ役立つのか：発見と実行による数学的推論の予測
要約本論文は、「発見―実行」（DE）フレームワークを提案し、短い計算予算での試行から、追加の計算量に応じて数学的推論の成功率がどう伸びるかを予測する手法を示しています。35題の新しいオリンピアド問題とIMO-ProofBench Advancedの非幾何問題で4つのモデルを評価しました。実行過程を測定すると、短予算の成功率だけでは捉えにくい長い推論の効果をより正確に予測できるとしています。
説明アナログハードウェア上で頑健かつパラメータ効率の高いLLM適応
要約本論文は、アナログ・インメモリ計算上で大規模言語モデルをLoRA（低ランク適応）により適応させる手法を扱います。事前学習済みの重みはアナログアレイに固定し、LoRAの重みのみを学習して、下流タスクとハードウェアの非理想性に適応させます。入力の再整形で入力由来の行列ベクトル積誤差を減らし、更新の累積で微小な更新を保持してから有限状態のデバイスに書き込みます。Llama-3.2-1B-InstructとLlama-3-8Bを用い、MuonとAdamWの両方で、両手法がノイズ下での適応を改善したと報告しています。
説明階層的安定化による音声基盤モデルの転移可能な敵対的ロバスト性
要約凍結された音声基盤モデル（SFM）に対し、タスクごとに敵対的サンプルを生成せずに頑健性を獲得する手法を提案している。まず中間層全体で表現を安定させつつクリーンな表現を保ち、クリーン適応で選ばれた層の混合を固定したうえで、分類器のマージンのみを拡大する。Wav2Vec2、HuBERT、WavLM Largeを4つのタスクと適応型30 dB攻撃で評価し、12の組み合わせで堅牢精度を46.4ポイント向上させ、マージン調整でさらに4.0ポイント加えた。
説明RubricArmor：敵対的進化による LLM ベースの評価基準生成の改善
要約評価基準（ルーブリック）に基づく強化学習は、クエリごとの評価基準で応答を採点し、大規模言語モデルに解釈可能な報酬を与えます。しかし LLM が直接生成した評価基準は、基準の欠落や不十分な記述により、低品質な応答でも高い報酬を得られる「報酬ハッキング」に弱いという問題があります。本論文は、攻撃と修復を交互に多ラウンド行う敵対的フレームワーク RubricArmor を提案し、強化学習の前段階で評価基準の脆弱性を検出・修正します。実験では既存の基準生成手法より優れ、下流の強化学習の効果も高まったと報告されています。
説明運動学中心の連続手話検索：グロス誘導型境界認識アライメント
要約本論文は、手話と文章の対応付けを、3D SMPL-X動作を主表現とする運動学的枠組みで行う手法を提案しています。見た目のRGB情報への依存を減らし、グロス（語の注釈）の時間区間を弱い教師信号として連続動作を区切り、細かな対応を作ります。CSL-Dailyでは双方向検索で最先端の性能を、PHOENIX-2014Tでは競争力のある結果を報告しています。
説明LLM推論における並列化戦略の計算と通信のトレードオフ分析
要約本論文は、テンソル並列・パイプライン並列・ハイブリッド並列で分散実行されるLLM推論を解析するための統一的な理論フレームワークを提示しています。エンドツーエンドの遅延を計算、GPU間通信、パイプラインバブルの各オーバーヘッドに分解し、プリフィルとデコードの実行特性の違いを示します。複数GPU環境での実験によりモデルを検証し、並列化戦略の選択や推論基盤の設計に実務的な指針を与えています。
説明ASCENT：検証済み経験の自己蒸留による長期タスク・エージェントのオンライン テスト時学習
要約本論文は、大規模言語モデルのエージェントが連続する関連タスクを実行しながら、展開中に自らの重みをオンラインで更新する手法を研究しています。ASCENT は、固定された初期モデルの複製に検証済みの実行軌跡を特権情報として与え、その軌跡に沿った次トークン分布を予測させ、その分布を永続的な LoRA 高速重みに蒸留して後続タスクに用います。論文は、ALFWorld、WebShop、AppWorld で経験の蓄積とともにタスク成功率と操作効率が向上し、未見のシーンにも転移すると報告しています。
注目点検証済み軌跡を自己蒸留で重みに取り込む新しい枠組みを提案し、三つのベンチマークで比較しており、エージェント学習の分野に影響が及ぶ。
説明MESH-Harness：バンディット誘導の構成的進化による自己改善型エージェントハーネス
要約本論文は、モデル重みを固定し評価予算が限られた条件で、エージェントハーネス（文脈の整理、状態管理、ツール呼び出しを担うコード）を改善する MESH-Harness を提案する。ハーネスを役割ごとのインターフェースを持つ機能モジュールに分け、LinUCB などで組み合わせを選んで評価する。テキスト、検索拡張数学推論、コード生成、対話型科学タスクで、同じ候補評価予算のもと Meta-Harness を上回り、テスト時の総コストも低かったと報告している。
説明高速動画からの正解データ合成の再検討：厳密な有効条件と監査済みの民生用撮影コーパス
要約モーションデブラー用データセットは、連続する複数の高フレームレート画像を平均し、中央のフレームをラベルとして作られることが多い。本論文は、ウィンドウが奇数でかつ各フレームの露光時間が等しい場合にのみ、このラベルに偏りがないことを示す。ウィンドウが偶数だと、ブレの長さの一定割合だけすべてのラベルがずれる。作者らは公称240fpsのスマートフォン動画51本を監査し、19本が約176fpsで撮影されていたことを確認した。その情報はコンテナの時刻表にのみ記録されていた。両条件を復号せずに検査するツールと、動画および時刻表の公開も予定している。
説明FlexCast：任意の気象変数集合から適応的に天気予報を行う手法
要約本論文は、ERA5の69変数から任意に選んだ変数の部分集合に対し、単一のパラメータ群で予報を行う適応型の天気予報深層学習モデル「FlexCast」を提案しています。メタデータ条件付きアダプタ、共有の低ランク投影、マスク付き集合融合などにより異なる変数を統一的に扱い、6時間増分を再帰的に適用して長いリードタイムの予報を生成します。2020年のERA5テストセットでの実験では、互換性のある他変数の文脈は予報誤差を下げ、不一致の文脈は誤差を増やすことが示されています。
説明読み取れることと行動を変えられることの違い：間接的プロンプトインジェクションの因果追跡
要約本論文は、LLMエージェントが外部データに埋め込まれた命令に従ってしまう間接的プロンプトインジェクションを扱います。反実仮想的な役割プローブ、コンポーネント単位の活性化パッチング、AgentDojoの軌跡への個別の介入を用いて分析しています。役割の信号は読み取れるものの、次の行動を実際に変える有効な介入方向は、テストしたチャネル間でうまく転移しないことが示されています。
説明BossouChimpanzee：長期にわたる野生チンパンジーの映像データセット
要約このデータセットは、ギニアのボッソウにある屋外の野外実験施設で撮影された野生チンパンジーの映像を収めたものです。1988年から2018年までの約30年間に、1200時間を超える連続録画が記録されています。論文では実験の経緯と映像アーカイブの概要を紹介し、個体と行動の認識を対象とした約74時間の初期版BossouChimpanzee70h（23頭の識別済み個体を含む）を公開しています。
説明消去か、経路変更か、スケール変更か？事後学習と言語モデルの信念状態の因果商
要約本論文は、事前学習済みモデルが既に符号化している情報が、事後学習で使われなくなった後にどうなるかを検討する。情報は消去される場合、決定から経路を外されても表現は残る場合、分散を小さくしつつ残って使われる場合がありうる。著者らは報酬に無関係な核を用いて、情報の復元可能性、決定の因果的依存、占める活性化分散を別々に測定する。受控環境では多くの場合、情報は経路変更またはスケール変更されて復号可能なまま残り、消去は長期の重み減衰下でのみ現れると報告している。
説明小型で寛容なライセンスのオープンモデルによる較正された証拠推論
要約本論文は、Qwen3-4B-Base を低ランクアダプタと分類ヘッドで微調整し、ランダム化比較試験の結果が有意な増加、有意な減少、有意差なしのいずれかを判定させる手法を示しています。学習には CC BY、CC0、パブリックドメインのライセンスの論文のみを用い、モデルは Apache License 2.0 で公開されています。期待較正誤差は 0.017、マクロ F1 は 0.925 と報告され、最も確信度の高い 80% の回答では誤り率が 2.6% だとされています。
説明非凸連合型確率的二段階最適化のための平滑化勾配法
要約本論文は、非凸な連合型確率的二段階最適化問題に対し、二次のヘッセ行列やヤコビ行列の計算負荷を抑えるため一次の勾配情報のみを用いる、確率的二重平滑化勾配法を提案している。上位変数と下位変数の学習率を分離でき、下位損失関数の強凸性を必要としない。収束速度はO(κ^{15/2}/ε^5)、通信計算量はO(κ^4/ε^3)（κは条件数、εは解の精度）と示され、条件数への依存性は既存手法より良いとされる。実験によりアルゴリズムの有効性が確認されたという。
説明いつ再考すべきか：視覚言語モデルのための多視点自己検証学習
要約視覚言語モデルはマルチモーダル推論で高い性能を示す一方、もっともらしいが誤った回答を生成することがあります。本論文は検証器の能力と提示文の設計が自己検証の効果に与える影響を体系的に分析し、効果が提示文の選択に強く左右されることを示しました。これを踏まえ、複数の相補的な視点から候補回答を評価し、正解との整合性を持つ信頼度スコアを学習するMOTIVEを提案します。このスコアにより回答を直接採用するか、履歴を用いて再考するかを判断します。複数のベンチマークと基盤モデルでの実験で、既存の自己検証・自己修正手法を上回りました。
説明Mobile-4DGS：スマートフォン向けの静的・動的統合リアルタイムガウシアンスプラッティング
要約本論文は、静的および動的な3Dガウシアンスプラッティング（3DGS）を、スマートフォンなど計算資源の限られた端末でリアルタイムに描画できる軽量フレームワーク Mobile-4DGS を提案しています。高次の放射残差を一次の球面調和関数に圧縮し、多視点の整合性を保ちながら冗長なプリミティブを削減します。また、動的シーンを変形ネットワークなしの明示的な4D表現で扱い、再生時には既存の深度順序を再利用して計算を減らします。実験では、競争力のある画質を保ちつつ、記憶容量と描画負荷を大きく低減したと報告されています。
説明融合が新たな変異に：バンディットによる誘導でワークフローグラフを進化させるDAGO
要約本論文は、エージェント型ワークフローの自動最適化のための枠組みDAGOを提案します。複数の親ワークフローの組み合わせを腕とみなし、LinUCBという文脈付きバンディットで、限られた評価予算の下でどの親を融合するかを学習します。選ばれた組み合わせからLLMが子ワークフローを生成し、その検証スコアを報酬として用います。数学推論、コード生成、質問応答の6つのベンチマークで最高の平均スコアを示し、同じ予算でAFlowの80.3を81.7に改善、探索コストは11.2%削減したと報告しています。
説明エージェントのコンテキストが古くなるとき：変動するコンテキストにおける不整合
要約エージェントはツールが返したファイル内容などの観測結果に基づいて推論することが多いが、元のデータはその後変更されることがあり、モデルは古い内容を保持したままになる。論文は、観測結果と変更可能なソースを結び付け、変更を検出して、再利用前に古いコンテキストを更新・注釈・抑制する一貫性フレームワーク「Concord」を提案している。ConcordBenchという基準で評価したところ、3つの評価対象モデルで復元された作業状態と一致する回答が得られ、最強の非オラクル基準より46.4%少ないトークンを使用した。
