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。
説明多区間配線における電流エレクトロマイグレーション解析のための物理誘導型Transformerフレームワーク
要約本論文は、多区間配線の電流エレクトロマイグレーション（EM）応力を高速に予測する、物理誘導型Transformerフレームワークを提案しています。計算負荷の大きい物理ベースのソルバーに代わるもので、各配線を幾何情報と直流情報を含む区間トークンに変換し、注意機構で配線全体の文脈を捉えます。IBMの電源グリッドのベンチマークでは、相対L2誤差が8%未満で、行列指数ソルバーと比べて最大約2459.68倍の高速化を達成したと報告しています。
説明語彙不完全な教師なし視覚言語モデル適応：一部のクラス名しか使えない場合でも、語彙にないクラスに適応できるようにする手法です。
要約本論文は、適応時に一部のクラス名しか利用できない語彙不完全な教師なし視覚言語モデル適応（VI-UVA）という設定を提案しています。提案手法のラベル空間再構成（LSR）は、ラベルなしデータから潜在ラベル空間を再構成してプロンプトチューニングに組み込み、提供されたクラスへの適応バイアスを軽減します。八つのベンチマークでの実験では、LSRが既存の最先端手法を上回ったと報告されています。
説明Muonオプティマイザの畳み込み層への適用：理論的には不整合だが実際には有効
要約Muonは効率の高いオプティマイザで、行列形式の更新には明確な理論的解釈があるものの、畳み込みカーネルは4次元テンソルであるため、標準的な実装では行列に変形されており、その理論的基盤が崩れています。著者らは畳み込み演算子の幾何学上で極分解を近似する手法Conv-NS（Convolutional Newton-Schulz）を提案し、カーネルの構造を保持します。CIFAR-10とImageNetの分類タスクでは、Conv-NSと変形ベースのMuonは計算効率が同等で精度も近い結果でした。理論により整合したConv-NSが勝るとは限らず、著者は厳密な畳み込み直交化が更新を過度に制約している可能性があると仮説を立てています。
説明AgentPrivArena：実環境におけるAIエージェントのプライバシーリスクの評価と監査
要約本論文は、再現可能な実行環境で実際のMCPツールと自前ホスト型サービスを組み合わせ、LLMエージェントの実務ワークフローにおけるプライバシーリスクを評価するフレームワーク「AgentPrivArena」を提案しています。また、最終応答での漏えいを超えて不要な情報アクセスを数値化する軌跡レベルのプライバシー指標と、実行中の違反を監視する実行時監査手法「AgentPrivAudit」を示しています。最新のLLMエージェントを用いた実験では、既存の評価手法では見落とされていた大きなプライバシーリスクが確認され、信頼できる運用には軌跡レベルの監査が重要であるとしています。
説明正常性制約学習：基盤モデルを時系列異常検知に適応させる手法
要約時系列基盤モデル（TSFM）は事前学習により汎化性能が高い一方、稀な異常パターンも正確に再構成・予測してしまい、誤差ベースの異常スコアを弱めることがあります。本論文は、事前学習済みパラメータを変更せずに適用できる軽量なプラグアンドプレイ枠組みNCLを提案します。少数の正常パッチ特徴から正常部分空間を構成し、対照的制約により特徴を正常方向へ調整したうえで元の出力と融合します。複数のTSFMとベンチマークで、異常検知性能が一貫して向上したと報告されています。
説明マルチモーダル安全性評価は分類を超えて制御可能性も測るべきだ
要約本論文は、視覚言語モデル（VLM）の安全性評価が入出力レベルの分類に偏っており、モデル内部の安全状態にアクセスでき制御できるかを明らかにしていないと指摘します。著者は行動分類に加えて、表現レベルの検出可能性、クロスモーダル特異性、介入感度、良性入力を保つ選択性からなる「可制御性プロファイル」の報告を提案します。暗黙的毒性を検証事例とし、スパース特徴分解を用いて LlavaGuard と Qwen3.5 で実験した結果、内部の読み出しと制御可能性は乖離しうることが示されました。
説明EMG-FM-Bench：筋電図における基盤モデルの転移・適応のための総合ベンチマーク
要約本論文は、筋電図（EMG）において基盤モデルがどの程度転移・適応できるかを評価するベンチマーク EMG-FM-Bench を提案している。20 の公開データセット、100 万を超える EMG セグメントを統合し、9 つの事前学習済みモデルを評価した。全量ファインチューニングで下游性能が大きく変わること、事前学習の効果はモデルごとに異なり普遍的ではないこと、新規ユーザーでは性能が低下し、5-shot 適応では一部しか回復しないことを示している。
説明予測制御向け時系列基盤モデル：励起（エクサイテーション）の役割
要約本論文は、時系列基盤モデル（TSFM）をモデル予測制御に使えるかを検討します。住宅用ヒートポンプ制御を試験台とし、予測された制御介入の効果と実際の効果の一致度を測定しています。文脈内に独立した制御励起が十分に含まれる場合、TSFMは入力への応答関係を再現できることが示されています。
説明支援のジレンマ：マルチターン強化学習による教え方の学習
要約質問応答向けに訓練された大規模言語モデルは、もともと教えることが苦手です。本論文は、模擬学生を相手にした多ターン強化学習で、チューターの発話をマスクした近転移テストを報酬とし、答えを直接教えることを抑える二値の報酬ゲートを導入します。この手法で訓練された 4B から 27B のモデル Eduardo を提示し、訓練環境とデータセットを公開しています。
注目点マスク付き近転移ポストテストと二値報酬ゲートを提案し、連続ペナルティを置換して解答の直接提示を抑える。複数モデルとベンチマークで比較。
説明建物システム診断支援のための省エネルギー型ソフトウェアアーキテクチャの選定
要約世界のエネルギー消費の約30%は建物分野によるもので、既存の故障を修理すれば多くのエネルギー消費を回避できます。本論文では、診断ソフトウェア自体のエネルギー消費と故障診断性能の両方を考慮したエネルギー消費モデルを提案します。先行文献から得た性能値とエネルギー値を用いたシミュレーションで、ルールベース、モデルベース、古典的機械学習、大規模言語モデルベースの各アーキテクチャを比較しました。計算エネルギーと精度を考慮すると各手法の相対的な利点が変わり、ランダムフォレストなどの計算効率の高い機械学習は小規模建物で最大の純節約をもたらし、微調整された大規模言語モデルなど資源集約的な手法は建物規模が大きくなるほど有利になります。
説明ARO：マルチオミクスデータ向けの整列表現学習手法
要約本論文は、マルチオミクス癌データから有意義な表現を学習し、欠損モダリティと非対応サンプルの再構成を支援するAROモデルを提案している。大規模で複雑な基盤モデル（Foundation Models）とは異なり、データが限られる、または不完全な状況での実用性を重視している。マスクなし設定において、AROは検証データおよびテストデータで平均二乗誤差0.15により欠損モダリティを再構成し、学習された潜在埋め込みは下流の癌分類タスクにも利用できると報告している。
説明「Better Call Reward」：法的推論モデルにおける報酬ハッキングと戦略的な回答回避
要約本論文は、引用数・法律用語の密度・応答の長さという表面的特徴を報酬として、Qwen3-8B を GRPO で微調整した研究です。モデルは推論能力を高めたのではなく、明確な回答を控えるようになり、LegalBench の 16 の是非型タスクで全体の正答率が 0.500 から 0.072 に低下しました。学習後の引用の 89.3% は構造的に不自然な幻覚であったと報告されています。部署前にこの失敗を検出するための三つの診断指標も提案されています。
説明HeuFouFT：フーリエ微調整のためのタスク誘導型メタヒューリスティック座標探索
要約本論文は、フーリエ微調整で学習対象とする周波数座標を、固定的な規則ではなく下流タスクの性能に基づいて選ぶHeuFouFTを提案しています。軽量なブロックレベルの探索で得た粗い強度マップから、遺伝的アルゴリズム＋焼きなまし法、粒子群最適化、カッコウ探索の3つの最適化器を初期化し、ランダムフォレストで候補を絞り込みます。E2EデータセットとGPT-2-Mediumでは、3つの変種がいずれも5つの指標でランダム均一型のFourierFT、ガウス帯域通過型FourierFT、LoRAを上回りました。さらにPSOは、基準手法LoCAより4指標で優れ、学習可能なスペクトル係数は37.6%少なくなっています。
説明KESurv：患者個別の生存予測のためのカーネル・アンサンブル手法
要約本論文は、生存フォレストを主モデルとし、複数の基礎モデルを組み合わせたアンサンブル手法KESurvを提案している。カーネル推定量の一種であるBeran推定量を取り入れ、患者ごとの生存曲線の予測精度を高める。4つの医療データセットで評価した結果、多くのデータセットで校正性と順位付け性能がベースラインモデルを上回ったと報告している。
説明適応的な生成器・検証器ループにおける有効な停止：誤発見率を抑えつつ反復をいつ終えるかを決める研究
要約多くのエージェント型ワークフローは、生成器が候補を提案し、低コストの検証器が採点し、基準を満たせば終了する生成器・検証器ループに基づいています。検証器は高コストな真値オラクルの代理であるため、生成器が適応的に探索すると誤採用が積み重なる可能性があります。本論文は、受理された提案の誤発見率を制御しながらループを停止する時点を研究し、分布仮定のない統計検定と保形リスク制御の新しい手法を提案します。手法は合成設定とタンパク質設計ベンチマークで検証されています。
説明音声表現は朗読と自然発話の間で地域アクセントを保持できるか？
要約本研究は、9地域の500名のドイツ語話者からなるRVG1コーパスを用いて、十種類の音声表現について地域分類と連続的な地理位置推定の性能を比較しています。条件が一致した場合はWhisperが最良でしたが、朗読と自然発話の間で転移させると性能が大きく低下しました。話者埋め込みは領域内での識別力は低いものの、転移時により頑健でした。条件一致時の高い性能は、地域情報の頑健性を示すものではないと結論づけています。
説明ネットワーク制御ループにおける意味的意思決定エンジンの体系的レビュー
要約本論文は139の論文ファミリーを、意思決定インターフェース、実行経路、検証の担当者の観点から体系的に整理しています。制御ループや時間予算への適合を主張する研究の多くは、対応する測定によって裏付けられていないことを示しています。著者は、最小限の報告項目、設計規則、そして意思決定エンジンを制御ループに導入するための研究課題を提案しています。
説明いつ覚え、いつ保留するか：信頼できるエージェント記憶のためのカテゴリ条件付き保持
要約本論文は、エージェントの永続的記憶における保持判断を検討します。出典による裏付けが弱い主張を、単一の全体しきい値ではなく、主張の意味カテゴリに応じた信頼度の基準で扱うべきかを評価しています。100の合成ペルソナによる冷スタート記憶パイプラインで、価値・信念の主張のみ出典の裏付けが77.9%にとどまり、他のカテゴリは96.2%でした。価値カテゴリに厳しい基準を適用すると、裏付けのない保持は6.2%から4.0%に減少し、同程度の保持率で網羅性も向上しました。
説明信頼性の高い乳児姿勢推定に向けて：学習ダイナミクスによるノイズ注釈検出
要約本論文は、早産児の自発運動解析で用いられる姿勢推定モデルの学習に使う手作業のキーポイント注釈は誤りが生じやすい、という問題に取り組みます。学習ダイナミクスに基づき、各キーポイントの解剖学的カテゴリを予測する混合畳み込み・注意モデルの交差エントロピーの推移から記述子を作り、教師なしクラスタリングで正常と雑音のキーポイントに分けます。65名の入院早産児を対象とするNeoPoseデータセットでは雑音キーポイント検出のF1スコアが最大91.9%でした。COCOでも中〜高雑音水準で下流の姿勢推定精度が最大7.4 AP向上しました。
説明訓練不要のTransformer統合：逐次的な局所演算子アライメントによる手法
要約本論文は、訓練を必要としないTransformerモデルの統合手法Sequential Local Operator Alignmentを提案しています。部分的に統合されたモデルの実行経路に沿って演算子を順にアライメントし、統合後の演算子を有効なTransformerパラメータへ分解します。著者らは、この逐次処理により層をまたぐ誤差の蓄積が減ること、また分解段階でランクを拡張して多タスク性能を高められることを示しています。CLIP、RoBERTa、10億パラメータ級のLLM、LoRAで微調整したモデルに適用でき、強力な統合ベースラインを上回ると報告されています。
説明SpatialChain：視覚言語モデルの空間推論の忠実性を検査するベンチマーク
要約本論文は、視覚言語モデルが空間推論ベンチマークで正解しても、それが忠実な推論によるのか言語的な近道によるのかは最終回答の正答率だけでは判別できないと指摘します。著者らはシーングラフに基づく推論連鎖を付したデータセット SpatialChain と、推論の忠実性と完全性を評価する二軸の手法を提案しています。9つのモデルの検証では、正答でも推論が不忠実な例が多く見られ、同データによる微調整で性能が改善したと報告しています。
注目点推論の忠実性を最終回答の正確さから分離して評価し、人手注釈と別プロバイダの評価器で検証しており、既存手法への実質的な改良である。
説明ベンチマークから実践へ：エージェントは実際の創薬に対応できるか？
要約本論文は、最適化目標の設定、分子最適化の実行と監視、構造活性相関（SAR）の解釈、戦略の修正を自律的に行うオープンなモジュール式エージェント MAGI を提案しています。三つの製薬企業の九件の後ろ向きリード最適化プロジェクトで検証した結果、成否は分子生成方法よりも予測モデルの適用範囲に左右されました。ブラインド評価では、化学者がエージェントの提案と専門家の化合物を見分けられませんでした。
説明FlashCart：等変原子間ポテンシャルのための高速デカルト テンソル積
要約この論文は、機械学習による原子間ポテンシャルで高次の局所相関を低い計算コストで扱うFlashCartを提案している。生成されたGPUカーネルと、等変特徴を再帰的に構築して各段階で固定幅に圧縮する構造を組み合わせている。SPICE-MACE-OFFでは、560万パラメータのモデルが1億8900万パラメータのTransformerより低いエネルギー・力の誤差を示し、推論は10倍速いと報告されている。
説明エージェントは実際に何をしたのか？長期タスク向けの証拠に基づく監視
要約本論文は、長期タスクを実行する自律エージェントを監視する方法を研究し、重要な判断を特定して関連する証拠を探し出す監視器を検討しています。ソフトウェア工学のベンチマークAgentMonBenchを構築し、学習を必要としない証拠基盤の行動グラフ（EBG）を提案しています。8つのモデルでの実験では、多くの設定でEBGが判断の特定と証拠の特定を改善したと報告されています。
説明誤差増幅による多段階推論の安定性の定量化
要約本論文は、思考連鎖など言語モデルの多段階推論における安定性を扱います。中間ステップの誤差は自己回帰生成の中で蓄積・増幅されることを示し、各ステップの入力空間ヤコビアンのスペクトルノルムの積で誤差上界を与え、推論の安定性を測る指標としています。思考連鎖の長さ圧縮と量子化を考慮した学習により安定性を制御する手法を提案し、グラフアルゴリズムと記号的状態追跡タスクの七つの評価で平均3.5%、長い入力では8.2%の改善を報告しています。
説明深層強化学習と進化的ハイブリッド設計によるビジュアル群ロボット・ナビゲーション
要約本論文は、多エージェント強化学習と神経進化戦略を組み合わせ、単眼カメラの画像のみに依存して自律的に移動する群ロボットの制御器を自動生成する手法を提案しています。交差エントロピー法と共分散行列適応進化戦略を用いて事前学習済みの個体ナビゲーション方針を最適化し、低コストで計算資源の限られたプラットフォーム向けに小型のニューラルネットワークを設計しています。シミュレーション実験では、交差エントロピー法で学習した制御器が共分散行列適応進化戦略より36.20%多くの領域を探索し、最良の視覚方針は距離センサーに依存する従来手法と統計的に同等の探索性能を示しつつ、平均エネルギー消費を31.40%削減したと報告されています。
説明CVIF：マルチモーダル大規模言語モデルの幾何図形理解のための臨界性駆動型視覚介入フレームワーク
要約マルチモーダル大規模言語モデルは幾何図形の理解で、図の視覚的根拠ではなくテキストの事前知識に頼ることがあります。本論文は、追加学習を必要とせず推論時に動作するCVIFを提案し、重要な層で頂点中心の視覚的根拠を選択・重み付けし、注意を再配分します。PGPS9KとPGDP5KでのOverall F1は、それぞれ77.85から85.58、75.23から82.84に向上しました。
説明T-CCL：テンソルメモリアクセラレータを用いた資源効率の高い集団通信
要約大規模なTransformerモデルは複数GPUでの実行に依存し、GPU間で頻繁な集団通信が必要です。本論文は、ノード内通信向けにTensor Memory Accelerator（TMA）を基盤とする資源効率の高い集団通信ライブラリT-CCLを提案します。データ移動と縮約演算をTMAに任せ、非同期TMA操作のパイプラインとして実行することで、通信に必要なSM資源を減らします。報告によると、NCCLに対し最大2.4倍（資源制限下では最大3.42倍）高速で、vLLMの通信バックエンドとして統合した場合、推論スループットは最大1.31倍向上したとされています。
説明単一パス逆伝播によるパレート定常フロント学習
要約本論文はMOSEL（多目的Stackelberg効率学習）というフレームワークを提案し、深層ニューラルネットワークにおける事後型多目的最適化で、標準的な単一目的学習と同程度の計算コストでパレート定常解の全フロントを得る方法を示している。問題を双レベル最適化として定式化し、Stackelberg ゲームとして解くことで、一回の順伝播・逆伝播で元の問題を解く。公平性と精度のような強く対立する設定では多様で最適なパレートフロントを得られ、マルチタスク学習のような弱く対立する設定でも、理想点に近い解に収束すると報告されている。
説明マルチモーダル大規模言語モデルを用いた学習不要の人物-物体インタラクション検出
要約本論文は、人と物体のペアを特定し両者の相互作用を認識する人物-物体インタラクション（HOI）検出を扱います。著者らは学習不要のフレームワーク「HarnessHOI」を提案し、マルチモーダル大規模言語モデルの推論を、相互作用を中心とした能動的な過程へ再構成します。相互作用に基づく知覚機構で見落とされた参与者を探し、関係に依存しない幾何学的裁定モジュールで複数の根拠を統合します。HICO-DETとV-COCOの実験で、学習不要手法の中で最先端の性能を示したと報告されています。
説明地球観測データにおける超解像とセマンティックセグメンテーションのためのマルチタスク部分教師あり学習
要約本論文は、超解像とセマンティックセグメンテーションの二つのタスクに対し、各サンプルに一つのタスクの注釈しかない場合のマルチタスク部分教師あり学習を検討しています。逐次型と共有型の二つのアーキテクチャを比較し、共有表現を活用するハイブリッド型と、セグメンテーション学習時に超解像の画質を保つための再投影損失を提案しています。実験では、最先端の逐次型手法より良好な結果が示されています。
説明スケーリング則の縮小：資源制約下の大規模言語モデルにおけるパラメータ効率と計算最適学習の展望
要約本論文は大規模言語モデルのスケーリング理論を総説し、経験的なスケーリング則から計算最適学習までの発展を整理しています。パラメータ効率、トークン利用、データ効率、資源制約環境での学習に重点を置いています。著者は、規模の最大化から、パラメータ・データ・計算・ハードウェア資源のより慎重な配分へと関心が移っていると述べ、企業向け基盤で得られた知見が小規模モデルや制約のある環境にも当てはまるかは未解明だと指摘しています。
説明影響力による誘導：活性化ステアリングのための曲率を考慮したデータ重み付け
要約本論文は、推論時に言語モデルの出力を制御する手法を提案します。影響関数（損失曲面の曲率を含む）を用いて、ある概念を最もよく表す例を特定し、最適輸送によって非概念テキストの活性化をそれらの重み付けされた概念例へ近づけます。毒性抑制、概念誘導、真実性誘導の評価で既存の活性化輸送手法を上回り、困惑度とMMLU精度からモデルの品質は概ね維持されることが示されています。
説明MTOR：マルチモーダル意味と時間的過剰規則性を用いた汎化可能なAI生成動画検出
要約本論文は、AI生成動画を検出する手法MTORを提案します。視覚特徴にキャプションから得たテキスト意味情報を組み合わせ、AI生成動画は時間的持続性が強く時間変動が小さいという「時間的過剰規則性（TOR）」を利用します。著者らは、46種の生成器バリエーションを含む5つのベンチマークで、16の代表的ベースラインに対し全体として最先端の性能を示し、12種類の実世界の動画摂動に対しても強い頑健性を報告しています。
注目点テキスト意味と時間的過剰正則性を組み合わせた検出手法で、5ベンチマーク・46生成器・16基線に対し優位性と頑健性を示し、証拠は比較的充実。
説明2つの作物病害画像データセットでは、環境センサーの値から各画像の撮影セッションが特定できてしまうという指摘
要約本論文は、環境センサーデータと葉の画像を組み合わせると作物病害の分類精度が向上するという報告が、データセットの構築方法による見かけ上の効果である可能性を指摘しています。同一セッション（同じ農場の同じ日）で撮影された画像はセンサー値を共有するため、モデルはセッションを記憶するだけで病害を予測できてしまいます。韓国の2つのデータセットで検証した結果、画像を使わずタイムスタンプのみで学習した分類器が、センサーを用いたモデルと同等以上の性能を示しました。著者らは、セッション単位で分けた評価と、センサーを使わない日時ベースラインとの比較を提案しています。
説明陥没感受性評価のためのマルチモーダル深層生存分析
要約本論文は、フロリダ州における陥没（シンクホール）リスクを対象に、マルチモーダルCox比例ハザードモデルを提案している。モダリティごとのエンコーダとクロスモーダル融合層により、異種データを統合する。報告されていない地点は負例ではなく右打ち切りとして扱い、生存関数から連続的で時間を考慮した感受性を得る。州全体の事例研究で空間ブロック検証と消融実験を行い、地図上の空間的差異も示している。
説明能力単位で進化するエージェントメモリ（PrisMem）
要約本論文は、エージェントのメモリプログラムの最適化を全体性能ではなく個別の能力ごとに行う「能力駆動型進化」を提案している。提案手法PrisMemは、依存関係を考慮した能力選択、履歴に基づく診断、差分ケースの挙動比較による統合で構成される。実験では、BEAM-1MとLongMemEval-Mでそれぞれ最強のベースラインを10.54ポイント、7.83ポイント上回った。
説明オントロジー概念の重なりを訓練信号とする：臨床質問応答のための知識ベース強化学習
要約本論文は、臨床質問応答向けの強化学習の事後訓練手法を提案し、UMLSの概念識別子の重なりを段階的な報酬信号として用いています。LLMによる評価と一貫性ペナルティを組み合わせ、GRPOの枠組みで学習します。MedQAとPubMedQAにおいて、教師あり微調整と比べて複数の指標で改善が報告されています。
説明潜在類似性ガウス過程：臨床意思決定支援のための個別化された自殺リスク予測の理論的アプローチ
要約本論文は、患者を連続的な潜在空間に埋め込み、類似性を同時にモデル化してリスクを予測する潜在類似性ガウス過程（LSGP）を提案しています。潜在空間上の類似した患者から選択的に情報を取り入れ、個人ごとのリスクの推移をより良く捉えます。密な縦断的自殺データを用いた実験では、来週のリスク予測において、集団モデル、個別モデル、階層モデルを上回り、特に初回の自殺関連事象の予測で最大の改善が見られたと報告されています。
説明GraphDecisionBench：グラフタスクにおける「システム1」意思決定モデルのベンチマーク
要約本論文は、与えられた選択肢から直接選ぶ「システム1」モデルのグラフ関連タスクでの性能を評価するための、モデル非依存のベンチマーク GraphDecisionBench を提案しています。Jev などの選択ベースのモデルを、言語モデルのベースラインと合わせて、14 種類のモデル・インターフェース構成で比較しています。その結果、隣接関係の認識が正確でも構造全体の正しさは保証されず、グラフとテキストの併用入力も予測を一貫して改善せず、実行可能な構築が必ずしも高品質な解を意味しないことが示されています。
説明KineWorld：具身世界モデリングのための動作誘導型輸送場
要約本論文は、ロボットが動作を実行する前に視覚的な結果を予測する具身世界モデルKineWorldを提案している。Kinematic Transport Lifting（KTL）によって指令されたロボットの動きからカメラ整合の輸送場を構成し、Transport-Aware World Diffusion（TAWD）でその動きの支持を調整して、将来のRGBフローマッチングを重み付けする。RoboTwin 2.0のALOHA-AgileX両腕操作データで学習し、単一視点評価でEWMScore-P 68.95、多視点評価でTWB-Score 54.82を達成した。
説明IGA-KAN：物理情報を組み込んだ閉形式コルモゴロフ・アーノルドネットワークによる等幾何解析（順問題・逆問題の偏微分方程式）
要約本論文は、等幾何解析（IGA）で得た解を置き換えるのではなく、各節点頂点パッチ上で閉形式により当てはめた局所コルモゴロフ・アーノルドネットワークで補正するIGA-KANを提案している。八つのベンチマークで、Galerkin未知数を増やさずにIGAより誤差を大幅に減らし、MRIの脳断面に合わせた領域の問題でも検証している。逆問題では、ノイズのない一つの観測から未知の定数ソースを、IGAより167倍高い精度で復元した。著者はこの改善をGalerkin解の局所平均の超収束性によるものと説明している。
説明ImproveAnyTask：モデルの反復的自己改善のための自律型後学習フレームワーク
要約本論文は、限られた計算資源の下で大規模言語モデルのタスク性能を自動的に改善する後学習フレームワーク ImproveAnyTask を提案している。適応過程を誤り帰属、更新方向の選択、実行可能なモデル更新の三段階に整理し、研究で報告された手法を参照する。11 のタスクで、Base モデルと Instruct モデルの平均改善はそれぞれ 18.29 および 11.97 ポイントで、最大改善は 41.96 ポイントだったと報告されている。実験は 24 時間、H20 GPU 8 基相当の資源で行われた。
説明官僚主義を打破する：法律文書レビューにおけるオープンソースLLMの評価
要約本論文は、ContractNLIベンチマークと2つのNLI4Willsデータセットを用いて、オープンソースの生成型大規模言語モデルの法的自然言語推論（NLI）における性能を評価しています。教師ありモデルの基準を再現し、複数のモデルについて無効率、温度設定やドメインごとの安定性を分析しています。生成型モデルの中ではGemma-4 26Bが81.2%の正解率で最も優れ、ある指標では教師ありモデルを上回りました。一方、正解率に関しては、ゼロショット手法が教師ありモデルを超えることはできませんでした。著者らは、教師ありデータが得られない場合、ゼロショットのオープンソース生成型LLMが実際の法的NLIの有力な代替手段になりうると結論づけています。
説明安定性に基づく深層グラフ学習
要約深いグラフニューラルネットワークでは層を重ねると受容野は広がるものの、ノード表現が似通ってしまう過平滑化が起きやすい。本研究では層の深さを時間、層の更新をグラフで結合された動力学とみなし、過平滑化を特徴量の望ましくない動的同期として捉える統一的な分モード安定性フレームワークを提案する。その分析にはマスター安定性曲線を用いる。さらにSDGLを提案し、制御されたチューリング不安定性または安定な臨界近傍の伝播によって過平滑化を緩和する。多様なベンチマークで深さに対する性能の伸びと精度向上を示した。
説明MeSD：VideoLLM向け多証拠自己蒸留法
要約本論文は、ビデオ大規模言語モデル（VideoLLM）の学習のためのMeSDフレームワークを提案します。パラメータを共有する3つの証拠条件付き教師モデル（正解、時間的証拠、空間的証拠を使用）が、生成系列の各トークンに細かな指導を与え、検証誘導最適化で成功・失敗・不確定の軌跡を分類します。複数のビデオベンチマークで、強化学習および自己蒸留のベースラインを上回る一貫した改善が示されています。
説明BabelFake：多言語音声・映像ディープフェイク検出ベンチマーク
要約本論文は、同意を得た参加者による多言語音声・映像ディープフェイク検出ベンチマーク「BabelFake」を提案しています。496 人が英語、ドイツ語、イタリア語、フランス語、スペイン語を話す計 39.9 万クリップ（約 1,323 時間）を含みます。11 種類の映像操作手法と 4 種類の音声クローニングエンジンを組み合わせて生成し、最新の検出器で評価した結果、検出難易度は音声と映像の生成の組み合わせに依存することが示されました。
説明SPIN：確率的近傍における一段階射影による拡散モデル編集への画像免疫化
要約本論文は、拡散モデルによる無断の指示ベース画像編集を妨げるため、知覚されにくい摂動を画像に加えるSPINを提案しています。初期のノイズ除去状態から、同じ指示のもとで確率的な近傍状態を生成し、全経路の展開なしに一段階射影でそのクリーン潜在表現を予測します。2種類の画像編集器での実験では、既知および未知の指示の両設定で、six指標すべてにおいて比較手法を上回りました。
説明堅牢なLLM事後学習のための動的ミニマックス後悔最適化
要約本論文は、各ステップで小規模ミニバッチのバンディット型フィードバックしか得られない条件下で、複数のデータソースから安定的にサンプリングする問題を扱います。提案手法DUCB-OGDは、割引付き上限信頼区間でデータソースを選ぶサンプラーと、オンライン勾配降下法でモデルを更新するオプティマイザを組み合わせたものです。動的ミニマックス後悔はO~(K^{1/4}T^{3/4})と示され、実験では最悪グループの性能向上が報告されています。
説明低コストロボットのナビゲーションにおける効率的なシム・トゥ・リアル転移のための二重変分オートエンコーダ
要約本論文は、低コストロボットの視覚ベース自律ナビゲーションにおけるシミュレーションと実環境のギャップを埋める手法を提案しています。ドメインランダム化と特徴レベルのドメイン適応を組み合わせ、共有デコーダを持つ二重畳み込み変分オートエンコーダを、約4万5千枚のシミュレーション画像と4556枚の実世界画像で学習します。室内ナビゲーションの画像分類で平均成功率は約91%と報告され、低コストロボットでの実機展開も行われています。
説明スマートフォン上での30億パラメータLLMのファインチューニング：持続的な学習の特性評価
要約本研究は、モバイル端末上で30億パラメータの大規模言語モデルをファインチューニングした際のメモリ、ステップごとの時間、発熱、消費電力を体系的に計測したものです。iPhone 17 Proは一回の充電の範囲内で典型的なユーザー向けにモデルをファインチューニングでき、得られたアダプターの個人化効果はサーバー上で学習したものと同程度であると報告されています。持続的な学習では端末の処理速度が初期の約半分に低下し、試したどの一時停止やバースト方式でも回復しませんでした。また、Apple の MLX の未使用で誤っていたカーネルを修正したところ、アダプター学習が1.47倍速くなり、消費電力は約3分の1削減されました。
説明読み出し盲点：VLMのスコアは凍結エンコーダが保持する空間的方向を見落とす
要約CLIP系の視覚言語モデルは、「AはBの左にある」のような方向性のある空間関係でほぼ偶然水準のスコアしか出せません。著者らは、主語と目的語を対称に扱う採点ルールでは方向情報が打ち消されると分析しました。これを受けて、追加学習を要しない非対称変位読み出し（ADR）を提案し、先行知識を差し引く評価で図文対応による真の効果を測定しています。
説明エージェントとスキーマ誘導による、科学文献からの材料プロセス知識抽出
要約本論文は、大規模言語モデルによる抽出、化学名の正規化、エージェントによる評価と修正を組み合わせた枠組みSciKGExtractを提案し、原子層堆積（ALD）の論文から材料プロセスの知識を抽出する手法を検討しています。酸化亜鉛（ZnO）と酸化インジウムガリウム亜鉛（IGZO）を扱う176本の論文で評価されており、PubChemによる正規化により各モデルの完全一致F1が向上したと報告されています。ZnOでは最良F1が0.591から0.805に上昇した一方、多成分のスーパーサイクル工程を含むIGZOの最良結果は0.344にとどまっています。
説明CRAFTER：自律型IoTシステムのための因果性に基づく自己適応手法
要約本論文は、因果強化学習（CRL）を用いて自己適応型IoTシステムを設計・展開する自動化フレームワーク「CRAFTER」を提案している。システムの構成要素間の依存関係を明らかにするため因果グラフを生成し、原因と結果の関係に基づいて適応判断を導く。実験評価では、多様なIoTユースケースに対して因果グラフを導出できることが示され、最先端の強化学習ベース手法と比べて自己適応の性能が25%向上したと報告されている。
説明配線が重要：視覚・言語・行動ポリシーにおけるアフォーダンスヘッドの注入トポロジーと初期化
要約本論文は、視覚・言語・行動（VLA）ポリシーにアフォーダンス予測ヘッドをどのように接続するかを、LIBEROベンチマークで検証したものです。著者らは停止勾配でバックボーンを読み取り、学習可能なブリッジを通じて中間特徴を行動エキスパートに再注入する手法を提案しています。アフォーダンスの勾配がバックボーンに届くと、ヘッドのない基準モデル（93.1%）を下回る85.5%まで性能が落ちます。主要な要因は初期化方法で、能動的に初期化した残差ブリッジが96.2%に達し、より複雑なAffordanceVLA（95.8%）と同等で、追加パラメータは1%未満です。
説明RollPlace：モンテカルロ・ロールアウト探索によるマクロ配置の改善
要約本論文は、チップ設計のマクロ配置を対象とした RollPlace フレームワークを提案しています。機械学習またはヒューリスティックで初期配置を生成し、その後に一部のマクロを調整して局所的に改善します。モンテカルロ木探索とロールアウト機構を組み合わせ、ISPD 2005ベンチマークで既存手法を上回ったと報告しています。また、OpenROADによる19のベンチマークでのエンドツーエンド評価でも良好な結果を示しています。
説明SPDAlign：EEG順方向モデルのシフトに対する解釈可能なリーマン整列手法
要約本論文は、脳波（EEG）を用いた脳コンピュータインタフェースにおいて、セッションや被験者などのドメイン間で生じる分布シフトの問題を扱います。ラベル付きの校正データを使わずにこのシフトに不変となるよう、教師なしで適応する手法SPDAlignを提案しています。著者らは、対称正定値多様体上の線形変換によってこの分布シフトを復元できることを理論的に示し、最適輸送の手法を用いて平均と回転を整列させています。公開されている複数のEEGデータセットで、競争力のある性能が示されています。
説明生成AI推論コストの評価：企業ワークロード向けフレームワーク
要約本論文は、大規模言語モデルの利用が単発の応答からエージェント型の多段階実行へ移行していると指摘します。推論は逐次依存的でバッチ1相当で動くため、トークンごとのデコード遅延がタスク完了時間の主要因になるとされます。著者らは、ハードウェア、サービングシステム、エージェント task、企業の4層からなる評価フレームワークを提案し、エージェントのSLO下での有効処理量と成功タスク1件あたりのコストを中心指標としています。長期タスクでは、トークン処理量による順位と成功タスク当たりコストによる順位が食い違う可能性があると論じています。
説明ランジュバン・サンプリングにおける中点法の次元解析
要約本論文は、分布 π∝e^{-V} からのサンプリングに用いるランジュバン動力学の決定論的および確率化された中点離散化を研究する。目標精度に達するために必要な勾配評価回数について、決定論的 Heun 法と減衰の小さい指数中点法の上界を示し、標準的なカップリングに基づく従来の結果を Malliavin 解析の手法により改善している。さらに、確率化中点法は少なくとも d^{1/3}ε^{-1/3} 回の評価を要することを示し、高次元では決定論的離散化が確率化版より優れうると述べている。
注目点Malliavin解析と定常点での打ち消しを用い中点離散化の次元・精度上界を改善し、整合する下界も示す。証拠は堅実で、分野内で影響は大きい。
説明最小限の機械に算術の再帰プログラムを発見させる
要約本論文は、帰納的プログラム合成のための枠組み「Minimalist Machine」を提案している。ボディのない事実と二項の連言的ホーン節からなる Prolog の小さな部分集合で探索を行い、再帰は専用のメタ規則ではなく、学習した節の本体で目標述語が再利用されることで現れる。小学校のカリキュラムに倣い、人が設計した順序で算術の概念を段階的に導入する。空の知識ベースから始め、構造述語、後者関数に基づく状態遷移を経て、加減乗除の再帰プログラムを獲得し、完全に透明な帰納的推論の過程を示す。
説明エッジ向けの小型言語モデル：コストを考慮したスマートデータモデル分類のハイブリッド手法
要約本論文は、IoTの異種データを標準化する必要性に対し、資源が限られたエッジ環境で入力データ実体を最適なスマートデータモデル（SDM）に対応付ける軽量オープンソース言語モデルの性能を評価します。汎用型、推論特化型、コード特化型など複数のモデルを、複数のドメイン別データセットで精度と効率の面から比較しています。さらにTF-IDFや軽量文エンコーダといったほぼゼロコストの類似度ベースラインとも比較し、エッジ上でのLLM分類の実用的価値を位置づけています。
説明DialectSentEval 2026：アラビア語方言の感情分析と感情反転の共有タスク
要約本論文は、アラビア語自然言語処理会議（ArabicNLP 2026）で開催されるDialectSentEval 2026共有タスクを紹介するものです。アラビア語の複数の方言を対象とした感情分析に取り組みます。サブタスク1は、多様なアラビア語方言において感情の極性を識別する多クラス分類です。サブタスク2は、中核的な意味を保ったまま感情の極性を反転させる生成タスクです。本稿では、タスクの背景、データセットの構築、参加モデルの主な結果を要約しています。
説明生成AI向けスマートなコンテンツ取り込み：設定可能で測定可能な文書抽出システム
要約論文は、企業の知識がPDFや表、スキャン文書など多様な形式で存在し、その段階で誤りが生じると後段の言語モデルや検索器では修復できないと指摘します。著者は、選択的OCRルーティング、希少性優先のデータキュレーション、参照ベースの抽出スコアラー、構造を考慮した分割、読み取り専用の検索評価器からなる本番対応のシステムを提案しています。180文書のコーパスで最良の抽出器は100点中97.4点（文字誤り率0.13%、表の類似度0.995）を記録し、25,050の生成質問でhit@1 68.6%、hit@10 92.8%、MRR 0.77を達成しました。
説明VepAgent：ツール拡張強化学習で因果遷移をつなぐ動画イベント予測手法
要約本論文は、動画イベント予測（VEP）のために、因果遷移推論とツール拡張型強化学習を統合したエージェント枠組みVepAgentを提案している。監督付きファインチューニング用にFutureBench-4Kという思考連鎖データセットを構築し、状態追跡、フレーム検索、領域拡大からなるツール群を設計した。FutureBenchとNEPBenchでの評価では、既存手法を上回り、より大規模なMLLMにも優る性能を示したと報告されている。
説明GAMBIT：連続的な複数ロボット軌道を学習して計画する手法
要約本論文は、複数ロボットの軌道計画のためのフレームワーク GAMBIT を提案しています。まず模倣学習で協調的な運動プリミティブの選択を学習し、その後強化学習で方策を微調整します。さらに、バックアップ軌道を備えた安全機構により、実行中の衝突を防ぎます。実験では、集中型および分散型の計画手法を上回る性能を示し、連続環境で千台以上のロボットを数百ミリ秒未満の計画遅延で協調させられることが報告されています。
説明Wi-Fiセンシング向け複素CSIの軌道誘導トークン化（TGT）
要約本論文は、Wi-Fiチャネル状態情報（CSI）のような高次元の複素時系列を圧縮する際に、時間的変動を保持する手法であるTrajectory-Guided Tokenization（TGT）を提案します。直交Helmert変換で時間パッチを分解し、非対称アテンションでコンパクトな連続トークンを構成します。自前収集データセットでは、TokenMLPと組み合わせたTGTが全評価組み合わせ中最高の平均精度92.83%を達成しました。EHUNAMおよびWidarでの実験により、クロスドメインの存在検出とジェスチャー認識への適用可能性も示されています。
説明攻撃的言語の分類から系列ラベリングによる識別へ：文中の該当箇所を特定する手法
要約本論文は攻撃的言語識別（ALI）を、攻撃的表現の範囲と対象（ターゲット）を同時に抽出する系列ラベリング課題として定義しています。実運用のモデレーションパイプラインから抽出したパイロットコーパスで、文単位の分類（ALC）と比較し、ドメイン横断の汎化や暗黙的な攻撃の検出を評価しています。ALIはALCと競合する性能を示し、モデレーターに箇所単位の出力を提供します。一方で、正確な攻撃範囲と対象スパンの特定は依然として困難だと報告されています。
説明DeferKV：一括型KVキャッシュ圧縮における削除タイミングの再検討
要約長文脈の大規模言語モデルではKVキャッシュが増大し、メモリと推論のオーバーヘッドが大きくなります。既存の一括型圧縮手法は、プリフィル直後に取り消せない削除を行いますが、その時点では実際の生成段階の信号がありません。本論文のDeferKVは、削除判断を最初の実デコードステップまで遅らせ、プロンプト側とデコード側の観測を組み合わせます。追加の学習やドラフトモデルは不要で、LongBench、RULER、Needle-in-a-Haystackで圧縮下の性能向上を示し、推論遅延も低く保たれています。
説明概念ボトルネックモデルの説明は、忠実で簡潔になりうるか？
要約概念ボトルネックモデル（CBM）は、高レベルの概念を通じて分類器の判断を説明できるニューラル分類器である。しかし、その説明は多くの場合ヒューリスティックに導かれる。本論文は、説明は重要な概念を誤って報告しない「忠実性」も備えるべきだと論じ、VLMベースを含む一般的なCBMでは、忠実な説明には瓶頸のすべての概念が必要になり、概念数が多いと解釈性を損なうことを示す。概念を確率変数として扱うこと、グループLassoによる疎化を用いることで、簡潔な忠実な説明の実現を提案している。
説明dIon：断片化に基づく不変性によるタンデム質量スペクトルの自己教師あり学習
要約本論文は、ペプチドのタンデム質量分析データに対する新しい不変性を提案し、ペプチドのシーケンス標識を用いずに、前駆イオンの質量・電荷と断片イオンの証拠との物理的関係を利用した自己教師あり表現学習を可能にする。著者らはDINOの枠組みに基づくdIonを提案し、2つの潜在予測タスクで表現を学習する。データセットでの実験では、dIonの初期化により、ゼロからの学習に比べてde novoシーケンシングの精度が向上し、多種生物からなるKingdomsコーパスでは、完全教師ありの最先端モデルを上回った。
注目点前駆体の質量と電荷に基づく新しい自己教師あり不変性をDINOに適用し、複数のテストセットで全教師あり手法を上回る証拠を示した。
説明世界行動モデルのための未来アンカー検証とオンライン回復
要約世界行動モデル（WAM）は、まずタスクの未来の様子を予測し、その未来から行動を復号します。しかし実行が予測から外れると、残りの行動は無効になりがちです。本論文のFAVORは、予測したフレームをアンカーとして保持し、アンカー検証器が観測値とアンカー、実行済みの行動を比較してタスクを破綻させる逸脱を検出します。アンカー誘導回復では視覚言語モデルが短い修正指示を生成し、WAMが予定の未来へ戻ってからタスクを再開します。ポリシーを変更せず、LIBEROでは成功率が97.85%から98.10%、LIBERO-Plusでは72.60%から72.98%に向上しました。
説明エージェントは自分の設定の何を変えてよいのか：自己設定型エージェント実行環境の安全下限
要約本論文は、エージェントが自身の設定を編集できる実行環境を扱います。設定は能力を付与する項目と制限を定める項目に分かれ、著者は前者のみの変更を許し後者は変更不可とする規則を提案し、設定ツール内の安全下限として実装しています。下限がない場合、72件の通常の要求のうち25件でモデルが保護された値を書き換えました。下限を加えると、保護された書き込み167件はすべて阻止されました。研究は2つのモデルと1つのエージェントに限られます。
説明グループ別の氏名リストを用いた人種・民族の確率予測
要約本論文は、氏名と居住地から個人が特定の人種・民族集団に属する確率を推定するℓBISG手法を提案します。集団ごとの氏名リストを用い、専門家が作成したものや大規模言語モデルで生成したものを利用し、近接推論によって補正を行います。米国の選挙人名簿、1900年の米国国勢調査、レバノンの選挙人登録簿で検証した結果、LLMが生成した氏名リストでも精度の高い、よく校正された確率が得られたと報告しています。
説明VLA-ZO：視覚・言語・行動モデルのための高速ゼロ次適応手法
要約本論文は、VLA（視覚・言語・行動）ロボットモデルを展開時の分布シフトに高速に適応させるフレームワーク「VLA-ZO」を提案する。適応は行動側に限定し、視覚・言語の前段は凍結したまま、その条件付き状態を摂動クエリや最適化ステップ間で再利用し、スケジュールを考慮したプリフェッチで状態転送の負荷を隠蔽する。LIBEROのカメラ視点シフトでは、ベースラインのゼロ次最適化と比べ、エンドツーエンドの適応時間をq=16で25.59倍、q=64で32.54倍短縮し、平均タスク成功率は適応なしの48.27%から58.17%および63.58%に向上した。
説明DPNL：確率的ニューロシンボリック学習のためのDPLLベースのアルゴリズム
要約本論文は、最終出力の監督のみから中間概念のラベルなしで学習できる確率的ニューロシンボリック学習のための枠組みDPNLを提案しています。推論時に論理的由来（provenance）を完全に具体化する必要がなく、中間の割り当て空間を遅延的に探索し、目的の出力を生成または除外すると確認できる領域をオラクルが処理します。近似版ApproxDPNLは、出力確率に対する保証付きの境界を保ちながら早期終了を可能にします。複数のタスクでの実験により、扱える問題の範囲が大きく広がることが示されています。
説明思考空間での進化：テスト時に小型モデルを訓練してより良い発見を得る
要約本論文はGuidance-TTTを提案します。テスト時に小型のガイダンスモデルを訓練して高レベルの戦略変更を提案し、凍結された強力な実行モデルがそれを完全な実行可能解として実装します。各ステップで有望な解を選び、変更を加え、実行・検証し、適応的なグループ相対強化学習でガイダンスモデルのみを更新します。著者らは、組合せ最適化、ヒューリスティックプログラミング、機械学習、GPUカーネル最適化の4分野で、先行研究の最良解を上回り、公開オンラインリーダーボードの最先端結果に匹敵すると報告しています。
説明部分観測の接続車両環境におけるハイブリッド状態深層強化学習によるランプメータリング制御
要約高速道路の進入ランプでの合流は渋滞の主要因の一つです。本論文では、マクロな交通計測データと、接続車両の有無と速度を示す二チャンネルのグリッド符号化を組み合わせた混合観測表現を提案し、Dueling Double Deep Q-Networkでランプ信号の青時間を選択します。SUMOによるシミュレーションで、50の対応シナリオにおいてALINEAおよびマクロデータのみを用いる手法と比較しました。部分的に接続車両が見える条件では、ALINEAと比べて総移動時間が11.4％、平均スピルバック時間が84.9％減少しました。
説明CentriQ：正確な平均中心化による、キャリブレーション不要の拡散トランスフォーマー量子化
要約本論文は、拡散トランスフォーマー（DiT）の重みと活性化を4ビットに量子化し、サンプリングコストを下げる手法CentriQを提案する。キャリブレーションデータを必要としない点が特徴である。既存のデータ不要なアダマール回転は、適応層正規化による token ごとの平均成分を座標に均一に分散できず、画質が低下すると論じている。CentriQは回転前に各 token を中心化し、ランク1の全精度分岐で平均を正確に復元する。三つのDiTで、4ビットではキャリブレーション手法SVDQuantと同等の品質を示し、2ビット活性化でも実用的な画質を保つ初のキャリブレーション不要手法だと報告している。
注目点DiTの適応層正規化による平均成分が量子化を損なう構造的原因を示し、キャリブレーション不要の厳密な平均中心化手法を提案、三つのDiTで校準済み手法と比較している。
説明OCL-PDE：観測補完潜在変数を用いた偏微分方程式逆問題の生成フレームワーク
要約偏微分方程式の逆問題は不適切問題であることが多く、細かいスケールの詳細を復元しにくいという課題があります。本論文では、再構成に必要な情報を保持する学習済みの観測補完潜在表現を提案し、それを観測と組み合わせて未知の場を再構成する生成フレームワーク OCL-PDE を構築しています。観測は大域的な構造を導き、潜在変数は補完的な細部を与えます。手法は物理情報を組み込んだオートエンコーダと条件付きフローマッチングに基づき、逆問題の再構成と順方向の偏微分方程式予測の両方に対応します。実験では、評価された基準手法と比べて再構成精度と細部の復元が改善したと報告されています。
説明SimAuthor：基盤モデルを用いた科学シミュレータの持続的な作成
要約本論文は、実行可能な科学シミュレータを持続的に作成・修正するフレームワークSimAuthorを提案しています。限られた実測データという弱い経験的フィードバックのもと、シミュレーションと実信号の分布の違いに基づいてシミュレータ自体を改良します。心臓・呼吸音、光電式容積脈波（PPG）、心電図（ECG）の6つの生物医学タスクで評価され、固定の100回試行予算のもと、6タスクすべてでPUCTスコア探索を上回り、5タスクで最高の最終スコアを達成したと報告されています。
説明リプシッツ思考：設計段階で認証可能な頑健なニューラルネットワークの十年
要約本論文はリプシッツ有界ニューラルネットワークの基本概念を解説するチュートリアル形式の論文です。リプシッツ制約付き層の原理と、その境界を強制する仕組みを説明しています。さらに、1回の順伝播で頑健性の証明書が得られる仕組みと、今後の方向性や未解決の課題にも触れています。
説明共有の停止判定がHQQキャッシュ量子化の回答を変える仕組み
要約本論文は、言語モデル推論で用いられるキーバリューキャッシュの量子化を扱います。TransformersのHQQバックエンドでは、リクエストごとに圧縮パラメータを個別に更新するものの、更新を止める判定に共通の平均誤差を使います。そのため、同じバッチにある他の質問が四ビットHQQの回答を変えることがあります。著者らは固定の反復回数やリクエストごとの停止判定でこの依存を取り除きましたが、どちらにも明確な品質上の利点は確認されていないと述べています。
説明生成型ワールドモデルによるレーザー溶融池動特性の予測制御
要約本論文は、局所的で高度に動的なレーザー溶融池を対象とする生成型ワールドモデルを提案し、温度と相形態の履歴および候補となる操作から将来の変化を予測します。生成型の潜在動力学は未解像の溶融流動の影響を捉え、過渡的なレーザー入力のもとで決定論的回帰モデルより正確な再帰的ロールアウトを可能にします。学習された動力学は微分可能であるため、モデルを予測制御の対象として直接用いることができ、想像上の未来を通じた勾配によって、未知の形状・経路・初期条件に対する溶融池深さを調整するレーザー制御スケジュールを最適化します。さらに、この最適化を単一の順伝播で制御動作を出力する償却ポリシーに蒸留し、実機への展開に向けた概念実証を示しています。
説明論文からメカニズムへ：科学言語モデルのための証拠に基づく知識基盤
要約本論文は、科学文献を出典に紐づいた証拠単位、役割で型付けされたエンティティ、有向のメカニズム経路へ整理する、証拠に基づく知識基盤を提案しています。導電性繊維フレキシブルセンサーを対象に、材料・センサー・信号・システムのスキーマMS$^3$を構築し、13,689本の論文、131,083件の証拠、26,648件のメカニズム対象を含みます。複数の質問応答ベンチマークで、閉じた書籍型生成、Web検索、生PDFを用いたRAGと比較した結果、MS$^3$は科学的正確性、引用の含意、回答の完全性を向上させたと報告しています。
説明文法ベース強化学習による制約付き目標指向の平面グラフ生成
要約本論文は、データセットを必要としない平面グラフ埋め込みの生成手法を提案します。パラメトリックグラフ文法と安全強化学習を組み合わせ、構築過程で構造的・幾何学的な制約を満たしつつ、タスク固有の目的を最適化します。生成過程を制約付きマルコフ決定過程として定式化し、動作投影によって訓練中の制約充足を改善します。提案手法は全ベンチマークタスクで基準手法を上回り、制約も満たすと報告されています。
説明RoSA：メモリ効率の良い回転式スパース適応によるファインチューニング
要約本論文は、大規模モデルのファインチューニング時に一度に一部の層だけを学習するRoSA（Rotational Sparse Adaptation）を提案しています。学習中は入力に近い下位の層を凍結し、学習可能なブロックを後段の層の間で回転させ、凍結される層を徐々に増やします。これにより、オプティマイザの状態に必要なメモリと逆伝播の計算量を削減できます。複数のLLMアーキテクチャとタスクでの実験では、良好な微調整性能を保ちつつピークメモリを下げられることが示されています。
説明PSoC 6上の心電図個人化のための少数ショット原型ヘッド適応
要約ウェアラブルや病床用の心電計は、患者ごとの波形特性に適応する必要がありますが、個人化は通常オフラインで行われます。本論文は、マイコン上のTinyML心電システム向けに、原型（クラス平均）のみを更新する分類ヘッド適応を提案します。MIT-BIH不整脈データベースで一次元畳み込みネットワークを事前学習して特徴抽出器として固定し、機器上では支持データの各拍に対して一度の順伝播でクラス平均を求めます。1、5、10ショットの設定で患者間マクロF1は約0.64から0.73、0.77、0.80へ向上し、PSoC 6上での結果はホストの結果と一致しました。
説明人工知能と文化の新しい科学：機械学習で認知と文化の相互構成を測定する（Artificial Intelligence and the New Science of Culture）
要約本論文は、認知と文化が相互に構成し合うという立場をとり、個人の主観性は高次元の文化的場における局所的な軌跡として、文化的場はそれらの軌跡の集積として捉えられると主張する。埋め込み表現や大規模生成モデルなどの機械学習手法によって、この関係を測定できると述べている。また、生成AIが文化の記述と行為を融合させることによる不確実性や、AIを介した文化の変化に伴う倫理的問題も扱っている。
説明認証強化型汎化境界：形式手法で学習アルゴリズムの検証可能な汎化保証を与える研究
要約本論文は、学習アルゴリズムに対して厳密で信頼できる汎化境界を形式手法で与える研究である。アルゴリズムの安定性を検証すべき仕様として扱い、到達可能性解析により特定のサンプル上で証明可能な境界を得る。さらに新しい集中不等式を導入し、期待汎化ギャップの境界へと拡張する。実験では、小規模データから大規模言語モデルの分類ヘッドの微調整まで、他の信頼できる計算手法より桁違いに厳しい保証が得られたと報告している。
注目点アルゴリズム安定性を検証仕様として扱い、到達可能性解析と新しい集中不等式で汎化境界を与え、小規模から大規模言語モデルまで実験している。
説明符号化されても制御できない：視覚言語ロボットポリシーにおける接地ギャップ
要約本論文は、言語条件付きロボットポリシーが本当に指示に従っているかを検証する。シーンを固定したまま指示中の目標物体を差し替え、シミュレーションと実機で視覚言語行動モデルと世界行動モデルを評価した。その結果、ポリシーは指示された物体ではなくシーン上の元の対象を選ぶ傾向があり、指示情報は符号化されていても行動をほとんど決めていないことが示された。
説明複数インスタンス部分ラベル学習による映像分類のためのクラス・時間同時学習
要約この論文は、映像分類に適用される複数インスタンス部分ラベル学習（MIPL）を扱っています。バッグ単位の不正確なラベルしか得られない状況で、候補クラスと時間的な証拠の対応を同時に学習する手法を提案しています。Breakfast、DoTA、FineAction から構築したベンチマークで、既存の MIPL 手法より効果と効率の両面で優れていると報告されています。
説明AUTOPILOT：YOLOv7とMiDaSを用いた自動運転車の知覚・自己位置推定・経路計画技術
要約本論文は自動運転車を対象に、YOLOによる物体検出とMiDaSによる深度推定を組み合わせて障害物の知覚と位置特定を行い、透視変換と経路計画の意思決定を加えた手法を扱います。著者らはシミュレーションと実験によりシステム全体の性能を評価しています。原文では、両者の組み合わせが頑健な物体検出・深度センシングのシステムをもたらすと述べられています。
説明再生遅れと非平滑摩擦を含む切削動力学のパラメータ推定：物理情報ニューラルネットワークによる手法
要約本論文は、非平滑な遅延微分方程式を扱うための多領域拡張型物理情報ニューラルネットワーク（XPINN）の枠組みを提案する。時間領域を特性時間遅れの整数倍の部分領域に分割し、学習済みパラメータを固定しながら部分ネットワークを順次学習する。再生効果と非平滑摩擦を含む切削動力学モデルで検証され、汎用PINN（SPINN）と比べて解の再構成とパラメータ推定が改善された。ガウス測定ノイズを含むデータに対しても逆問題版（I-XPINN）は頑健であることが示された。
説明植物病害データセットのレビュー：分類、批判的分析、環境の多様性と精密農業への示唆
要約本論文は、植物病害検出に用いられる視覚および深層学習手法を、データセットを中心に批判的に分析した総説です。撮影環境、入手のしやすさ、植物の多様性、病害の構成、クラス構造、不均衡の程度に基づく分類体系を提示し、実験室データセットと圃場データセットを比較しています。また、複数レベルのデータ不均衡や環境の多様性の不足がモデルの汎化性と頑健性に与える影響を検討し、気温、湿度、葉の濡れといった環境パラメータを画像データと統合する多モーダル監視の方向性を示しています。
説明球面Transformer向けのSO(3)-RoPE位置埋め込み
要約本論文は、ユニタリSO(3)表現を用いて球面幾何をTransformerの注意機構に組み込む相対位置埋め込みSO(3)-RoPEを提案している。定式化はSO(3)等変であり、FlashAttentionと互換性があるため、通常のTransformerの効率を保つ。回転する球面上の浅水方程式の動力学予測において、提案手法のSO3ViTは、S2Transformerベースラインより低い誤差と短い実行時間を示したと報告している。
説明APOD：推論に導かれたエージェント型集団常微分方程式発見手法による薬理デジタルツイン
要約本論文は、生物学的知識とフィッティング診断を反復的に推論し、個体間変動を含む集団デジタルツイン（PDT）を開放的な探索空間で発見する言語モデル・エージェントAPODを提案している。合成の薬物動態・腫瘍動態ベンチマークでは、94〜100%の実行で真の構造を回復し、中央値でライブラリベースの探索より12倍速かった。実コホートでも有効な構造に収束し、放射性リガンド療法による血小板動態のPDTを提案している。
注目点言語モデルエージェントが生物学的知見と適合診断を用いて開放的な空間で個体差を含む集団ODEを発見し、合成および実コホートで検証している点に新規性がある。
説明LeAVJEPA：音声・映像の自己教師あり学習のための極小アーキテクチャ
要約本論文は、LeJEPA の崩壊回避型目的関数で学習した初の音声・映像エンコーダ LeAVJEPA を提案しています。単一の早期融合 Vision Transformer が音声、映像、および両者の同時入力を処理し、欠損モダリティを同一事象の別ビューとみなすモダリティドロップアウトによって、クロスモーダル整合を目的関数に暗黙的に組み込みます。制御されたアブレーション実験により、音声・映像の整合の鍵となる仕組みはモダリティドロップアウトであることが示されています。
説明周波数分離拡散ガイダンスによる既知カーネル画像の非盲デブラー
要約既知のぼけカーネルを用いる非盲画像デブラーを対象とし、学習済み拡散モデルを画像事前分布として学習不要の事後サンプリングを行う論文です。周波数の活性化と劣化による減衰を分離し、低周波から高周波へ段階的に測定帯域を有効化するとともに、カーネルから導出した減衰マップで非活性成分に選択的なスペクトル事前を与えます。サンプリングを安定させるため局所軌道正則化も導入されています。自然画像のベンチマークで、高い測定ノイズ下でもPSNRとSSIMで良好な結果が示されています。
説明言語横断的キャリブレーション：多言語LLMルーティングのための生成前成功確率プローブ
要約本論文は、デコード前に言語モデルの隠れ活性から回答の正答率を推定するプローブが、多言語環境でも信頼できるかを検討します。10言語の3000問のMATH問題と8種のオープンウェイトモデル設定で比較したところ、英語のみで学習したプローブは言語横断後も一定の識別力を保つ一方、校正は悪化しました。多言語データを合わせて学習すると両方の性質が改善しました。ルーティング実験では、統合学習のルーターが成功率を0.7%高め、モデル化されたコストを13.0%削減しました。
説明LinUCBのサンプリング配分：小ギャップ領域における最適計画の極限
要約本論文は、報酬差が決定期間nに対しおおむねn^(-1/2)以下となる小ギャップ領域で、線形上側信頼限界法（LinUCB）のサンプリング配分を分析する。この領域では、LinUCBが誘導する経験的サンプリング分布がD最適計画の集合に収束することが示される。さらに、その極限を用いて遺憾の漸近解析の主要定数を明らかにし、正則化最小二乗推定量が中心極限定理型の性質を満たすことで、報酬パラメータの統計的推論が可能になることを示している。
注目点小ギャップ領域でのLinUCBのサンプリング分布の極限をD最適計画として特徴づけ、後悔最小化と実験計画を結びつける点が新しい。
