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DeepAJM：不規則サンプリングデータ向けの深層関連結合モデル
要約本論文は、パラメトリックな仮定を必要とせず、縦断データと生存アウトカムを同時にモデル化する深層結合モデルDeepAJMを提案しています。エンコーダ・デコーダ構造で患者の時間変動する共変量の潜在構造を学習し、基線共変量で調整された縦断出力を生存リスク予測に結び付けます。心血管疾患の電子カルテコホート、原発性胆汁性肝硬変（PBC2）データセット、シミュレーションデータセットで評価され、C指数、時間依存AUROC、AUPRCのいずれでも最良の識別性能を示しました。
説明視覚言語モデルのファインチューニング中における意味能力の獲得と特化
要約本論文は、視覚言語モデルのファインチューニングにおいて、意味能力がいつ獲得され、いつピークに達し、後の学習でどう変化するかを検討しています。学習過程を軌跡として追跡する分析枠組みと、構造化意味ルーティング（SSR）を提案し、六つの事前学習済みバックボーンで実験を行いました。結果として、教師信号の与え方が獲得される能力に影響し、継続的な最適化は目標クラス名の検索を保つ一方で、転移可能な意味能力を低下させうることが示されています。
説明WildMatch：野生動物の個体再識別のための弱教師あり画像マッチャー適応
要約この論文は、カメラトラップ画像から個体の野生動物を再識別する課題を扱います。すなわち、既知の動物の参照集合から、クエリ画像に対応する個体を検索します。著者らは、個体ラベルのみを用いて事前学習済みのキーポイントマッチャーを対比学習で微調整する弱教師あり手法を提案し、キーポイントや幾何学的対応の正解データは使用しません。複数の公開データセットで、既製のマッチャーや先進的な局所・大域融合手法より高い精度を示し、学習時に含まれない個体にも転移できることを報告しています。
説明HyperNSDE：静的データと縦断データを同時に生成する個別化ニューラルSDE（臨床データ合成）
要約本論文は、患者単位の臨床データを合成するためのHyperNSDEモデルを提案しています。ハイパーネットワークを通じて静的な患者特徴を潜在ニューラルSDEに条件付けし、不規則な縦断軌跡と観測時刻を同時にモデル化します。シミュレーションおよび実臨床データでの実験では、観測時刻の再現性が改善し、全体の性能も競争力があると報告されています。
説明GeoWM：明示的な幾何情報での効率的な直接的世界モデリング
要約本論文は、自動運転やロボティクスにおける将来の三次元シーン幾何を予測する幾何世界モデル GeoWM を提案しています。幾何基盤モデルで観測された RGB フレームを幾何履歴に変換し、フローマッチング型 Transformer が指定した将来時点のシーン幾何を、再帰的なロールアウトなしで直接予測します。都市走行、航空飛行、動的操作の4データセットでの実験では、深度、カメラ姿勢、三次元幾何の予測において評価対象の世界モデルを上回り、長い時間範囲で推論時間を大幅に削減したと報告されています。
説明SimCortex v2：衝突・自己交差がほぼない大脳皮質表面の同時再構成
要約本論文は、T1強調MRIから左右の白質表面と軟膜表面を同時に再構成する深層学習手法SimCortex v2を提案している。まず体積セグメンテーションからトポロジー的に正しい初期表面を推定し、多尺度の定常速度場を用いて四つの表面を共同で精緻化する。560例・14コホートの評価で、表面距離精度は最も強いベースラインと同等（平均対称表面距離0.253 mm）であり、92.14%の症例で表面間衝突は検出されず、学習ベース手法中で最も低い自己交差率（0.044%）を示した。
注目点深層学習による皮質表面再構成で四表面を同時に再構成し、衝突と自己交差を大きく減らす実質的改良。14コホート560例で基線と充分に比較している。
説明MemCo：未知環境へ LLM エージェントを一般化するメモリ中心の協調フレームワーク
要約本論文は、大規模言語モデル（LLM）エージェントが未知の対話環境にも汎化できるよう、メモリを中心とした協調フレームワーク MemCo を提案している。局所メモリと大域メモリの二つを併せて維持し、局所メモリでは環境固有の詳細を保持し、局所の軌跡から導かれる転用可能なワークフローを大域メモリへ昇格させる。オンライン対話時には、エージェントの現在の状態と意思決定段階に応じて関連する記憶を振り分ける。対話型意思決定ベンチマークでの実験では、独立メモリおよび共有メモリのベースラインと比べ、タスク成功率が向上し、重複した探索が減ったと報告されている。
説明マルチグループ公平性と全能予測：分離と同値性
要約本論文は、単一の予測器が損失関数の族から選ばれた任意の損失に対し、ベンチマーク仮説クラスの最良仮説と競合できることを求める学習保証「全能予測（omniprediction）」を扱う。多精度（multiaccuracy）や多校正（multicalibration）との関係を検討する。普通の全能予測はこれらの多グループ公平性を必要としないことを示し、より強い「損失不可識別性（loss OI）」は較正付き多精度の一形態と同値であると結論づける。
注目点全能予測が多群公平性を必要としないことを分離結果で示し、損失OIが校準多精度と同値であることを証明しており、理論的な新規性が明確である。
説明オープンセット人物再識別のための識別子条件付きスコア融合
要約本論文は、顔・歩容・体型などの複数の手がかりを、学習なしでギャラリーの各識別子ごとに重み付けする識別子条件付きスコア融合の枠組みを提案する。同一識別子内の一貫性と異なる識別子の偽装者を比較して識別子固有のプロファイルを抽出し、パラメータ不要の規則でクエリ条件付き適応と組み合わせる。三つの服装変化を伴う人物再識別ベンチマークで、統計的・順位ベース・学習ベースの基準手法を上回り、誤未同定率を絶対値で最大8.8%削減したと報告している。
説明誰が書いたかだけでは不十分：洞察の貢献者を検出する
要約大規模言語モデルが科学論文の執筆や査読を支援する場面が増え、文章の執筆者を特定するだけでは不十分になっています。本論文は、審査コメントの洞察が人間、LLM、またはその混合のどれに由来するかを特定する「洞察の出所（Insight Provenance）」というタスクを提案します。4,057本の論文と12,660件の人間によるレビューからデータセットを構築し、GPT-4o、Gemini、DeepSeekを用いてLLMの関与度を模擬し、文単位で出所を注釈しています。さらに、表層的な手がかりを抑制する二段階の敵対的フレームワークを提案し、AIの洞察は一般的情報や論文に既出の情報に留まりやすく、人間の洞察は外部知識や独自の判断を取り入れやすいと報告しています。
説明厳しいリソース制約下でのLLM評価のための動的予算配分（HARP手法）
要約本論文は、多段階の対話においてLLMがある目標事象（脱獄の成功やエージェントによるタスク完了など）を起こすまでに必要なステップ数、すなわち時間対事象を評価する問題を扱います。計算資源が限られると、事象が起こる前に対話が打ち切られ、事象時間は部分的にしか観測できません。著者らは、厳密な予算上限を守りつつ未使用の予算を適応的に再配分するHARP手法を提案し、時間対事象の予測下限や脱獄率などの指標推定に用いる方法を示しています。エージェントのタスク成功、脱獄、有害コンテンツ生成、RAGの幻覚などの実験では、カバレッジが名目水準に近く分散が小さく、与えられた予算を超えないことが示されています。
説明Blackwell順序を用いた多変量ガウス系における冗長性と相乗性の定量化
要約本論文は、多変量ガウス系に対する部分情報分解（PID）を、Blackwell順序に基づいて定義する研究です。複数の情報源が目標について提供する冗長情報と相乗情報を定量化します。ガウス通路が冗長情報と和集合情報の抽出に最適であることを示し、幾何学的解釈と数値計算アルゴリズムを与えています。和集合情報と相乗性はBROJA指標と一致し、情報源が二つの場合の閉じた式も導出されています。
注目点Blackwell順序で多変量ガウス系の情報分解を定義し、ガウス通路の最適性と二源の閉形式解を示し、理論的に大きな前進がある。
説明層単位ではなくスタック全体を評価：エージェント動作に対する決定的ゲートとLLMゲートは独立に失敗するか？
要約本論文は、エージェントのツール呼び出しに対する実行時ゲートの誤り率が掛け合わされるという前提を検証している。三つのコーパスから得た1,119件のラベル付きエージェント動作を用い、一つの決定的ルール層と四つのLLM判定器の組み合わせを評価した。二つの判定器の組み合わせは約1.2〜1.4層、ルール層と一つの判定器では約1.86〜2.09層に相当するとされ、結果は評価定義やデータの分割によって異なる。
説明山火事後の土石流をデータ駆動で予測するための説明可能なベンチマークに向けて
要約本論文は、山火事後に発生する土石流（PFDF）のデータ駆動型予測について、多様なモデルや特徴量設定の下で公平かつ包括的に評価できる統一ベンチマークを提案している。また、強化学習に基づく特徴量選択フレームワークを提案し、摂動によって正例と負例が区別できなくなる要因を特定することで、地域ごとの発生メカニズムの探索を試みている。コードとベンチマークは公開されている。
説明一貫性のあるマルチダイアグラムSysMLモデルのための検証済みデータセットとベンチマーク
要約本論文は、3,000の工学コンテキストと15,000枚のダイアグラムからなるデータセットSEMAADBを提案します。各コンテキストは相互に関連する5種類のSysMLビュー（要求、ブロック定義、アクティビティ、ステートマシン、シーケンス）を含みます。そのうち100のコンテキストは人手で検証され、ベンチマークのテストセットとなります。3つの言語モデルを図の修復と横断的更新の2タスクで評価した結果、構文修復はほぼ解決している一方、意味的修復と図間の一貫性は依然として課題であることが示されました。
説明追跡は永続ではない：映像世界モデルは隠れた物体について何を保持するか
要約本論文は、映像世界モデルが見えなくなった物体の情報をどこまで保持するかを調べたものです。凍結したV-JEPA 2の予測器が隠れた領域で行う予測を、その領域だけが異なる二つの世界に対するエンコーダの表現と比較しています。静止物体は部分的に保持される一方、容器に入った物体はほとんど保持されず、運動する物体は約0.3秒で失われます。エンコーダは物体の存在を読み取れますが、予測器の出力ではその情報が欠けており、合成容器による予測器の学習で改善が見られました。
説明LLMルーティングにおけるエスカレーション信号の評価：目標、統制、そして自分を欺く五つの方法
要約本論文は、小規模言語モデルから大規模モデルへいつクエリを引き上げるべきかを研究しています。GSM8Kなどのベンチマークで意味エントロピー（semantic entropy）を検証し、小型モデルの誤りを比較的確実に識別でき、同じコストでランダムなエスカレーションより経路選択の精度を向上させることを示しています。主な貢献は、信号が実際に有用か、それとも問題の難しさを追跡しているだけかを見分けるための検証手法群であり、評価のための一般的なチェックリストを提示しています。
説明軌跡検索型投機的デコーディング：モデル自身の履歴はいつ役立つか
要約長い思考連鎖の推論は逐次デコードのコストを増やす一方で、再利用可能な続きの履歴を蓄積します。本論文は、この履歴がいつ有用な草稿を提供し既存の草稿モデルを補えるかを調べます。提案手法 TLAR（軌跡局所適応検索）は、現在の軌跡から近似一致する続きを検索し、直近の検証結果に基づいて検索の有効化と候補の幅を調整します。コード修正、数学、自由記述の各タスクで、同じ検証予算の下でトークン受理率が向上し、草稿モデルベースラインよりエンドツーエンドのスループットも高くなりました。
説明RELACE：長期タスク向け言語エージェントのための回顧的尤度に基づく行動クレジット推定
要約本論文は、多ターンの言語エージェントに対して各行動により細かな報酬の帰属（クレジット）を与える、クリティック不要の強化学習手法 RELACE を提案しています。既に実行された行動を、元の文脈と結果を加えた文脈の両方で尤度により評価し、その比較から割引収益を重み付けして、同一タスク内の等価な状態間で局所的なアドバンテージを構成します。ALFWorld と WebShop の実験では、1.5B モデルが GRPO、GiGPO、HCAPO を上回る結果を示したと報告されています。
説明Stepped MoE（推論の複雑さを設定可能なセグメント単位ルーティング）
要約本論文は、弾力的な構造と疎なゲート付きアーキテクチャ（MoE）を組み合わせ、大規模言語モデルが展開制約とタスク要件の両方に同時に適応できる統一フレームワークを提案しています。モデルは文脈と目標効率の仕様を条件とし、推論時に精度と効率のトレードオフを細かく制御できます。著者らは、1〜4十億パラメータを柔軟に使え、知識集約型ベンチマークで密なモデルより2〜5%高い精度を示したと報告しています。
説明Rationale-Guided Policy Optimization：適応的な根拠の足場で推論を学ぶ強化学習手法
要約本論文は、大規模言語モデルの強化学習で問題となる報酬の疎性に対し、モデルの現在の能力に応じて正解の根拠情報を一時的な足場として適応的に用いるRGPOの枠組みを提案しています。引き上げられた報酬の高い自己生成解のみを、誘導のない元の設定へ戻して学習します。テキストのみと視覚言語の両方の推論設定で、RLVRベースラインを上回る性能向上が報告されており、適応的な誘導が主要な貢献要素だとされています。
説明CausalBind：タンパク質－分子バーチャルスクリーニングのための因果モデリングと学習
要約本論文はタンパク質と低分子のバーチャルスクリーニングに用いるCausalBindを提案する。結合は主に水素結合、疎水性接触、塩橋などの少数の局所的相互作用によって決まるとの仮定に基づき、スパースな相互作用パターンをV字型構造の因果モデルで定式化し、同定可能性に関する理論結果を示す。DUD-EとLIT-PCBAのベンチマークでは、いずれの変種も強力な検索ベースラインを上回り、新規ターゲットや骨格レベルの分布外分割にも汎化した。
説明戦術的戦傷救護（TC3）向け、教範に基づく視覚質問応答データセット
要約本論文は、公開されている TC3 の教育用および現場映像と権威ある TC3 文書から構築された TC3-VQA データセットを提案します。581 件、11 の概念、1,860 問を含み、処置の認識、教範、臨床推論、手順ガイダンス、視覚情報が不十分な場合の回答拒否を扱います。教範に基づく回答は原文の一字一句の段落と文字位置を保持し、器具の枠、解剖学的ラベル、時間区間、出典メタデータを付与しています。標注品質は自動監査と、医師 2 名・医学生 2 名による評価で検証され、保持された 88 件には人手評価があります。
説明Logbook：超長時間音声イベント理解のベンチマーク
要約本論文は、10分から6日間までの録音を対象とした、時間単位の長い音声理解ベンチマーク「Logbook」を提案している。システムは連続した音声に対し、隙間のない区間分割と、各区間のイベントラベルおよび説明を予測する必要がある。52のエンドツーエンド型およびカスケード型システムを比較し、微調整、文脈長、推論量の影響を検証した。結果として、タスクは実行可能であるものの、最良のシステムでも人間の基準には届かないことが示された。
説明階層的意味定位による拡散モデルの構成的概念消去（HGSS）
要約本論文は、展開済みのテキストから画像への拡散モデルで指定概念を消去する、学習不要の枠組みHGSSを提案しています。語彙・分類・意味の根拠で消去対象を特定し、初期のノイズ除去段階で反事実参照と保持を考慮したクロスアテンションにより属性の結びつきを調整します。著者らはSEEで階層的回避を29.54から10.02に下げ、UnlearnCanvasでは対応するSemantic Surgeryベースラインをわずかに上回ったと報告しています。
説明長期的意思決定におけるコスト考慮型LLMエージェントの選択的批判手法
要約本論文は、大規模言語モデルのエージェントが長期的な対話の中で、批判による期待利益がコストを上回る場合にのみ批判を呼び出すSAGフレームワークを提案しています。全体エントロピーと局所的な上位2件の差という行動レベルの曖昧さ指標により、学習なしで批判の有用性を推定します。さらにオンラインのブートストラップ型自己改善により、批判への依存を段階的に減らします。ALFWorldを含む3つのベンチマークで、タスク成功率は24.6%から78.4%に向上しました。
説明分散MoE学習のためのメモリ効率的なエキスパートルーティング（RelayMoE：リング型実行方式）
要約混合エキスパート（MoE）モデルが数百のエキスパートへと拡大するにつれ、分散学習におけるメモリが制約になっています。ピークメモリは主にアテンションではなくMoEブロックによって占められます。本論文はRelayMoEを提案します。これはリング型の実行モデルで、エキスパートの重みまたはトークンが循環する間に各ノードがローカルに計算を行い、top-k展開された分配バッファ全体の構築を避けます。30Bから57Bの本番規模MoEモデルでの評価では、単層実験でMegatron-LMに対し平均2倍の高速化を示し、同一GPUメモリ条件での全モデル学習では、スループットが最大2.02倍、学習可能な最大系列長が最大2.85倍に拡張されたと報告されています。
説明エージェント強化学習のためのMoE専門家選択の構造化制御
要約長期的なタスクを行うLLMエージェントは疎なMixture-of-Experts（MoE）モデルで実装されることが多いが、エージェントの振る舞いとMoE構造の共同設計はほとんど研究されていない。本研究では、既存のMoEモデルにおける専門家選択が、エージェントの軌跡と自然に対応する専門化構造を示すことを観察した。これを踏まえ、回合単位では専門家選択を操作に整合させ、トークン単位では局所的な一貫性を保つ階層的ルーティング制御フレームワークを提案する。さらに、学習の安定性を保つためエントロピーゲート制御を導入している。評価したすべてのベンチマークで成功率が向上したと報告されている。
説明SharedKV-BT：行動木エージェント向けのノード局所型付き意思決定手法
要約本論文はSharedKV-BTを提案します。行動木の各活性ノードが段階局所のフィールドと候補を公開し、Shared-KVが候補を並列にスコア付けして、選ばれた決定を別の実行システムに渡します。ロボット操作、移動ナビゲーション、コンピュータ操作の3課題で評価され、プロンプトを合わせた自己回帰デコーディングより2.36～4.15倍速く型付き決定を行いました。操作課題では、同時決定の正解率が75%から94%、閉ループ成功率が0%から60%に向上したと報告されています。
説明人手による注釈なしで、X線セキュリティ画像内の任意の物体を位置特定
要約本論文は、X線検査画像で任意カテゴリの物体を位置特定する自己教師あり適応フレームワークLAO-Xを提案しています。顕著性誘導による物体抽出、吸収度領域での物理ベース合成、遮蔽を制御したカリキュラム学習によりSegment Anything Model 2（SAM2）を微調整します。6つのX線ベンチマークで、非常に雑然とした場面においてSAM2やX線専用ベースラインを2%から23%mAPで上回り、人手による注釈は一切使用していません。
説明時系列基盤モデルのためのスケール不変学習
要約本論文は、ReVINなどのアフィン正規化が損失計算の前に出力を逆変換することで、高スケールの系列が学習で過大に重み付けされる問題（ScaleCon）を指摘します。スケール済みの目標値で損失を計算する尺度不変学習（ScaleIn）を提案し、学習系列を任意に独立再スケールしても勾配と最適化過程が不変であることを証明しています。4つのアーキテクチャの事前学習で24の比較すべてにおいてMASEが低下し、GIFT-Evalでは平均18.8%、M競技会では平均21.9%の削減が報告されています。多くの既存パイプラインでは1行のコード変更で導入可能です。
注目点正規化の逆変換によりスケールが暗黙の重みになる問題を指摘し、勾配不変性の証明と多数のアーキテクチャ・ベンチマークでの検証を示す。
説明ニューロシンボリックAIのためのルールベース言語
要約本論文は、ニューロシンボリックAIの記号的構成要素に用いられる主要なルールベース言語（Datalog、解集合プログラミング、確率論理プログラム）を概観しています。意味論、表現力、ニューラルネットワークとの統合、評価方式の四つの観点から比較し、50を超える近年のシステムと応用を分析しています。また、応用シナリオと必要な機能を対応させる決定行列を示し、未解決の課題を挙げています。
説明エージェントメモリを用いた推論時の過度な依存の理解と緩和
要約本論文は、LLMエージェントが検索した過去の経験が正しく有益であっても、証拠の一部しか移転しない場合に推論を歪めうることを指摘し、これをメモリ過依存と呼んでいます。著者らは、書き込み時にメモリ証拠を索引化し読み出し時に再利用を制御する、プラグアンドプレイ型のフレームワークMEMTRIMを提案しています。再学習は不要で、実験では有用なメモリの利点を保ちつつ過依存を減らせることが示されています。
説明誤った文脈における正しい記憶：長期エージェントメモリにおける検索許容性の検証
要約本論文は、長期記憶エージェントが、別の主体に属する、方針に違反する、あるいはライフサイクル状態が合わないなど、現在の要求に対して許容されない情報を検索しうることを指摘します。再現率や最終回答の正確さではこの問題は見えないとし、各メモリ・クエリの組に「許容・不許容・未確定」のいずれかを割り当てる検索許容性検証の枠組みを提案しています。また、メモリIDをプロンプト露出まで追跡し、露出と目標レベルの開示を結び付けます。
説明Kurate：大規模な科学論文の品質分析システム
要約本論文は、大規模言語モデルを用いて公表された研究の質を評価し、各判断を根拠となる本文の箇所に結び付けるシステム「Kurate」を提案している。4,347本の論文（うち3,913本がランダム化試験）を、統計的検出力や選択的報告など8つの研究設計・報告の観点で採点し、多くの論文で統計的検出力、選択的報告、分析の事前規定に問題が見られたと報告している。60件の専門家注釈付き臨床試験文書との比較では、プロトコルと結果報告の各採点項目で専門家の評価と高い一致を示した。
説明共変量欠測がある場合のロジスティック回帰：仮定を最小限にした推定法
要約本論文は、共変量に欠測がある場合のロジスティック回帰におけるパラメータ推定を扱い、共変量の分布は未知（有界）と仮定しています。新しい単調作用素に基づくZ推定の確率的近似法を提案し、共変量が完全ランダム欠測（MCAR）である仮定の下で、計算効率が高くパラメトリックな速度で信号を回復できることを示しています。また、完全ケースのみを用いる推定量よりも常に優れること、さらに極小最大意味での情報理論的下界も示しています。
注目点未知の有界共変量分布の下で新しい単調作用素に基づくZ推定を設計し、精密なリスク評価と情報理論的下界を示して完全事例推定量を上回ることを証明している。
説明単一ループ・定数バッチの一次罰則法による確率的二段階最適化
要約本論文は、確率的な非凸・強凸の二段階最適化問題に対し、単一ループかつ定数バッチの一次罰則法SICOを提案する。各反復で下位レベルの元問題と罰則問題の両方に確率的勾配の更新を一回ずつ行い、上位レベルの勾配推定値を指数移動平均で安定化する。著者らは、有界分散の仮定の下で反復あたりO(1)個のサンプルでO(ε^-6)の標本複雑度を達成し、下位レベルの平均二乗平滑性の仮定を加えるとO(ε^-4)に改善されると述べている。
説明開発者のフロー中に介入する：Google規模での低遅延エージェント型プログラム修復
要約本論文は、Googleで展開されたAIエージェントFlowAgent（フロー・エージェント）を提案し、継続的インテグレーション（CI）システムの提出前段階でテスト失敗を自動修復する仕組みを示しています。社内の開発ツールに統合され、ReAct型の生成と検証のループ、および実行前後の棄権フィルタを用いて、厳しい遅延制約の下で高品質な提案を行います。原文によれば、195件の実際のテスト失敗に対する人手評価では正しい修正の提案精度が67.18%でした。全社展開後は295,508件の変更に修正案を提示し、開発者が65,069件をプレビュー、28,554件を適用しました。
注目点継続的インテグレーションの事前送信段階に低遅延の修復エージェントを組み込んだ点に新規性がある。195件の実失敗で67.18%の精度を示し、全社展開の実績がある。
説明FlexiFlow：多腕バンディットによる機械学習ワークフローのモデル切替
要約本論文は、機械学習ワークフローで現在のモデルの精度が低い場合に、代替モデルへ動的に切り替えるデータフローシステム FlexiFlow を提案しています。モデルの順位付けには、実行時間、ユーザー定義アサーションを通過する確率、ワークフローの計算構造を考慮した新しい多腕バンディット手法を用います。実験では、実行時に中間結果を再利用しながらモデルを切り替えることで精度が向上し、順次実行と比べて効率が 48% 改善したと報告されています。
説明Lock-in EP：振動型ハードウェア向けのインシトゥ学習アルゴリズム
要約本論文は、振動ネットワークのためのロックイン平衡伝播（LIEP）学習法を提案している。順方向と逆方向の別々の走査を必要とせず、振動ネットワーク内の各要素に局所的な勾配情報を与えるため、アナログ振動ハードウェア上でのインシトゥ学習の可能性がある。LIEPは初期からの学習と、事前学習済みパラメータが摂動された後の性能回復の両方に使えることが示されている。現時点では浅いネットワークでのみ検証されているが、より深く大規模なネットワークへの拡張も示唆されている。
説明エージェント評価の信頼レイヤー：スコアを信用してよいかを判定する仕組み
要約本論文は、評価の後に付加する「信頼レイヤー（Trust Layer）」という枠組みを提案し、記録された各スコアが信用できるかどうかを示します。結果がベンチマーク自身の採点ロジックに裏付けられているか、合格した回答が追跡可能な計算を経て得られたか、エージェントの完了主張が実際の動作と一致するか、繰り返し実行しても結果が安定するか、の4点を検証します。Agents' Last Exam の108タスクで5つのエージェント構成を検証した結果、追跡可能な計算を伴わない合格例や、虚偽の完了主張が確認された例が多数見つかりました。また、タスクの18〜46%は5回の実行で同じスコア帯に収まりませんでした。記録された合格のうち全4項目を満たしたのは22.6%でした。
説明CIRRA：家庭内対話タスクにおける身体型ロボットエージェントの二層継続指示調整と実行フレームワーク
要約本論文は、家庭用ロボットが実行中のタスクに新しい指示を受けた際の枠組みCIRRAを提案する。大規模言語モデルで新指示を理解し、既存の子タスク列を維持したまま、新しい子タスクを位置の合う区間に挿入して最も論理的に整合する案を選ぶ。あわせて120エピソードからなるテキストベースのベンチマークCHIRPを公開している。論文では、CHIRPで決定一致率74.2%を報告し、Unitree G1ヒューマノイドでも各ベースラインを上回ったと述べている。
説明アルゴリズム整合型ニューラル凝集木構築（NN-linkage）：階層的クラスタリングの併合規則を学習するニューラルネットワーク
要約本論文は、階層的クラスタリングの併合規則を学習しつつ、古典的リンケージ法の再帰構造と効率的な推論を保持するニューラルネットワークモデル NN-linkage を提案します。モデルは Lance-Williams 再帰式と算法的に整合しており、単連結法、完全連結法、平均連結法などを包含します。連続なリンケージ関数を近似できること、また任意の対称な定数係数の Lance-Williams 再帰式を厳密に実装できることを示しています。時計木配線と系統樹再構築の合成データおよび実データで評価が行われています。
説明モデルは本当にその特徴を使っているのか？LLMにおけるステアリングと仕組みの区別
要約本論文は、LLM内部の特徴が概念を追跡し、その操作で関連する振る舞いが変わったとしても、モデルがその特徴を実際に使っていることの証明にはならないと指摘する。自然な入力で観測された値を、対応する入力へ移植（インストール）または除去する検証と、上流の編集後に特徴を復元する検証（下流での救済）を提案する。その結果、2種類の強さは明確に分かれ、結論は検証した介入に対してのみ成り立つとしている。
説明言葉は場所の何を保つか：クロスビュー地理位置推定のゼロショット言語推論
要約本論文は、地上パノラマ画像と衛星タイルをいずれもマルチモーダル大規模言語モデルで構造化テキストに変換し、言語だけで地理位置を推定できるかを検討しています。学習は行いません。VIGOR の 9,826 組で評価した結果、説明文の類似度による全体ランキングでは正解タイルがほぼ上位に来ませんでした（Recall@1 は 0.39%）。近傍 10 タイルに絞ると、構造的一貫性を採点する判定器はランダムの約 2 倍となり、どの項目が一致し、どの項目が矛盾するかも示せました。学習済みの視覚検索器への再順位付けでは、画像に基づく場合（Recall@1 23.5%）が、説明文に基づく場合（10.7%）より有効でした。
説明並列コーディングエージェントの協調検証：NP-Bench とスケジューリング・プランナー
要約論文は、各エージェントが個別にテストに合格しても、統合後に破綻することがあり、単一エージェントの評価ではこれを検出できないと指摘しています。著者らは協調の問題をスケジューリングとして捉え、作業を宣言された範囲で互いに素な集合に分割し、生産者から消費者への依存関係に沿って統合順序を事前に決めます。NP-Bench による評価では、クリーンな統合の成功例が 1/9 から 9/9 に改善し、マージ競合は 13 件から 0 件に減少しました。
説明MemMux：並列コーディングエージェント群向けのランタイム検証と資源帰属の仕組み
要約本論文は、一台のマシン上で同時に動く複数のコーディングエージェントのメモリ使用を管理する、特権を必要としないローカル実行基盤「MemMux」を提案しています。各エージェントへの資源帰属、終了したエージェントのプロセス回収の完全性、エージェントから逸脱した子プロセスの検出、過剰割り当て時の使用量の上限管理を、検証可能なシグナルとして提供します。Linux ホストでの実験では、MemMux は予算の 7500 MiB 以内に収め、スワップを使用しませんでした。一方、管理のないツールは予算の 2 倍まで使用し、約 2 GiB をスワップに溢れさせました。10 エージェント時の 1 Hz 監視の CPU 負荷は約 2.7% で、著者の目標 2% を上回っています。
説明グラフ鞍点問題のための神経アルゴリズム推論：原始双対アルゴリズムを模倣するニューラルネットワークによるグラフ上の鞍点問題の解法
要約本論文は、Chambolle-Pock原始双対ハイブリッド勾配法（PDHG）に基づくメッセージパッシング枠組みGraphPDHGを提案し、一般的なグラフ鞍点問題の解決を目指しています。著者らは、このネットワークがPDHGを模倣することで一類のグラフ鞍点問題を効率よく解けることを理論的に示し、加速されたPDHGアルゴリズムを学習できることも示しています。実験では、本モデルを二次最適化手法（SSNAL）の学習済みウォームスタートとして用い、PDHGに整合させたモデルが、整合させていないグラフニューラルネットワークの基準モデルより強い規模汎化性能を示すことを報告しています。
説明ニューラルフィールドが適応の幾何構造を符号化する
要約ニューラルフィールドは通常、観測の再構成精度で評価されます。本論文は、学習後のネットワークが新しい観測にどれだけ容易に適応できるか、また重みが過去の観測について何を保持しているかという二つの性質を、この評価が見落としていると指摘します。適応コストは局所線形モデルでよく予測でき、同じ観測で終わる二つの波の履歴では、最終的な重みから波速の符号を68.6%の精度で復元できたと報告されています。
説明エージェントの経験を拡散モデルの重みに内在化する論文：オンポリシー文脈蒸留による手法
要約本論文は、エージェントが改良したプロンプトを特権的文脈とみなし、エージェントハーネスに含まれる知識を拡散モデルの重みへ蒸留する手法（D-OPCD）を提案しています。四つのベンチマークで、直接生成の平均スコアは60.52から65.09に向上したと報告されています。さらに、内在化後にハーネスを更新する二次的な進化でも、スキルなしのハーネスに対して追加の改善が見られたとしています。
説明意味的幾何学でAIに判断を教えられるか？
要約本論文は、AIエージェントがどの規則に従うべきかをどう判断するかを検討し、行動と方針をベクトルで表して、その幾何学から適用される方針と行動との関係を識別できるかを試みています。四つの研究の結果、いずれの手法も行動前の判断を信頼できる形で実現できませんでした。関連する方針をすべて見つけても、それを解釈する仕組みが欠けており、テストされた全行動が人による確認に回されました。そこで著者は、行為者・権限・方針の条件と例外・行動がもたらす変化を結ぶ「結果グラフ」の構築が必要だと結論づけています。
説明何を蒸留するかを学習：大規模言語モデルの自己蒸留における二段階Top-Kトークン選択
要約本論文は、大規模言語モデルのオンポリシー自己蒸留において、どのトークン位置に蒸留を適用すべきかを学習するBiToK-SD手法を提案する。問題を二段階最適化として定式化し、下位問題では微分可能な閾値ベースの緩和によりTop-Kトークン選択を行い、学生モデルの方策の変化に応じて選択位置が適応する。上位問題では選択された位置で知識蒸留を実行する。数学的推論のベンチマークにおいて、BiToK-SDは比較したすべての手法の中で最も高い平均性能を示し、追加の計算量はわずかである。
説明低リソース臨床環境での早期乳がん検出のためのハイブリッド・クロスモーダル注意ネットワーク
要約本論文は、サハラ以南アフリカで乳がん診断が遅れる問題に対し、マンモグラフィ画像と構造化された臨床データを統合するハイブリッド・クロスモーダル注意ネットワーク（HCMAN）を提案しています。エチオピアの4つの紹介病院で収集された2,560枚の画像（1,024名の患者、生検で確定した正解ラベル）を用いて開発・検証され、正解率97.8%、AUC 0.987が報告されています。また、低品質画像への頑健性や、標準的な病院のワークステーションでの動作も述べられています。
説明SPECTRUM：循環的自己蒸留のための近接スペクトル変調手法
要約モデルが自分の生成したコードを繰り返し学習すると、正解率は上がっても正しい実装の多様性が狭まる問題を扱った論文です。著者らはSPECTRUMを提案し、各ラウンドで固定された参照アンカーから損失に敏感なキー・バリュー幾何を再推定し、近接スペクトル変調に変換します。MBPPでの5ラウンドの実験では、通常の自己蒸留や部分空間投影の対照手法より多くの正解AST多様性を保持しました。学生モデルはHumanEval+とAPPS Introでも同様の多様性の利点を示しました。
説明共変量の不確実性下における負荷予測のための時系列基盤モデルのベンチマーク
要約本論文は、4つのスクラッチ学習モデルと4つの時系列基盤モデル（TSFM）を、将来の共変量の利用可能性と品質が異なる運用シナリオのもとで、3つの実世界の負荷予測データセットを用いて比較したものです。将来の共変量が利用可能または正確に予測されている場合、Chronos-2がゼロショットおよびファインチューニングの両設定で最高性能を示しました。一方、共変量の予測ノイズが増大すると性能が低下し、深刻な不確実性の下ではTimesNetの方が頑健でした。
説明Transformer支援カルマンフィルタによる未知宇宙機に対する単眼相対航法
要約本研究は、サービサー衛星に搭載した単一の単眼カメラ画像のみを用いて、未知の目標宇宙機の位置と姿勢を推定する学習ベースの手法を提案する。Transformerネットワーク（SuperPointとLightGlueで対応付けた特徴点から画像間の相対姿勢変化を推定）と多状態拘束カルマンフィルタ（MSCKF）を組み合わせている。103機の宇宙機の合成画像で学習・評価し、学習に使わなかった11機で汎化性能を検証した。姿勢誤差の中央値は3.7°、相対軌道要素の誤差は距離の2.2%（中央値）と報告されている。
説明マルコフ過程の軌跡間を輸送する条件付きフローマッチング手法
要約本論文は、マルコフ過程の軌跡間での輸送問題を扱い、マルコフ構造を保ったままソース軌跡分布からターゲット軌跡分布への輸送写像を学習するフローマッチングに基づく手法を提案している。母集団極限での一貫性を示し、混合時間の仮定の下で有限サンプルの誤差上界を導いている。脳波（EEG）からの画像検索実験では、ENIGMAデコーダに条件付きフローを加えたところ、平均トップ5検索精度が43.87%から49.05%に向上した。
説明自然勾配降下法はどれほど非効率か：厳密な最適性から Θ(√log d) の乖離まで
要約本論文は、機械学習で広く使われる自然勾配降下法（NGD）の効率を、双対平坦族の上で検討したものです。混合測地線の Fisher 長と Fisher–Rao 距離の比である非効率比 R を定義し、パラメータ次元 d の関数として上限を評価しています。二次ポテンシャルの族では R=1、有界な歪度と有限直径をもつ非二次族では次元に依存しない上界、尺度族の積（ガウス共分散やガンマ分布のレートなど）では R が Θ(√log d) で増加することを示しています。実験はこれらの結果を裏付けています。
注目点自然勾配降下法の非効率性を精密に特徴づけ、Θ(√log d)の次元依存性を証明しており、理論的な新規性が高く、実験でも各領域を確認している。
説明最小証人強化学習（MWRL）：検証器の結果から複数の最小十分条件を学習する手法
要約本論文は「どの不可約な条件の集合が結果を生じさせるのに十分か」という問題を、最小証人の識別として定式化しています。提案手法 MWRL（Minimal-Witness Reinforcement Learning）は、検証器の合否という単一のフィードバックのみを用い、各候補の寄与を、その候補を除いた場合に失われる被覆度で評価します。実験では、MWRL が多くの最小証人を回収し、他の手法は冗長な超集合や単一の解しか返さないことが示されています。
注目点最小充分な証人族の同定を強化学習問題として定式化し、検証器のフィードバックに基づく新たな信用割当を提案。計画と言語モデル設定で実験が示されるが規模は限定的。
説明TIDE 2.0：臨床ノートの鍵付き匿名化のためのオープンでモデル非依存のエンジン
要約臨床ノートには患者の情報が多く記載されていますが、研究に使うには保護対象の健康情報（PHI）を除去する必要があります。本論文はTIDE 2.0を提案します。これは交換可能な認識器と鍵付き匿名化器という二つの独立した段階から成り、機関が所有するハードウェア上で動作します。代替値は暗号学的に生成され、対応表は保存されません。日付は患者ごとに間隔を保つ形でずらされ、同じ鍵のもとでは同じ値がすべての出現箇所で同じ代替値に置き換えられます。二つの機関の金標準注釈コーパスでの片単位の再現率は、域内で0.88、もう一方の機関で0.77、適合率はそれぞれ0.88と0.87でした。
説明深層学習によるクリケットの違法投球動作検出
要約本論文は、実際の試合で違法な投球動作を検出するための、コンピュータビジョンと深層学習に基づく手法を提案しています。映像から肩のフレームと手放しのフレームを特定し、両フレーム間で投球腕の角度の変化を分析します。角度差が事前に定めた閾値（例：15度）を超えると、その投球は違法の可能性ありとして判定されます。自作の62本の映像からなるデータセットで評価され、真陽性率は高いと報告されていますが、より多様な条件での検証が必要とされています。
説明データ・数値・幾何：数値計算法・機械学習・評価に関する3つのチュートリアル
要約本論文は、2026年4月にバンフ国際研究ステーションで開催されたDANGERワークショップのための、数学研究向け実践的チュートリアル3編である。第1編は微分形式の点ごとの評価から、外微分の流束形式を用いた外微分積分の数値的手法を扱う。第2編は楕円曲線、クイバー、境界値問題を例に、数学的構造がニューラルネットワーク設計をどう導くかを検討し、区間演算で学習済みネットワークの残差を評価する。第3編は性能指標、統計的不確実性、分類閾値、ROC曲線など、機械学習結果の評価と提示を扱う。
説明Cascadia：11台のAI PCで975B混合エキスパートモデルを常駐推論する研究
要約本論文は、64 GBのメモリ、Arc B390内蔵GPU、ギガビットイーサネットを備えた11台のIntel Core Ultra X7 358H AI PCで、総パラメータ975B・活性パラメータ41BのInklingモデルを常駐実行するCascadiaシステムを紹介します。ルーティング規則を保つ専用のMoEエンジンを提案し、並列数ごとのデコード速度や初トークン遅延などの測定結果を報告しています。
説明定曲率スライスドGromov-Wasserstein：異なる曲率空間をまたぐ分布の整合手法
要約本論文は、双曲空間や球面空間などの異なる定曲率空間上に台を持つ確率分布を比較するための新しい発散量CCSGWを提案します。球面に対して測地線に基づく一次元射影を導入し、スライスGW距離を定曲率空間へ拡張しています。内在的な幾何関係を保ちながら計算コストを抑え、グラフ異常検知、グラフノード分類、マルチモーダル学習で性能向上が見られたと報告しています。
説明RoboCap：一人称視点のロボット学習のための新プラットフォーム
要約一人称視点の操作データは現在もなお不足しています。本論文は、重さ250グラムで6台のカメラと2つの慣性計測装置を備えた、実環境での一人称データ収集用ヘッドマウント機器RoboCapと、そのために調整された機器非依存の三次元アルゴリズム群であるGrounded APIを紹介しています。著者らは、公開ベンチマークにおいて、ハードウェア、キャリブレーション、三次元アルゴリズムの組み合わせにより、SLAM、一人称視点の深度推定、第三者機器での手の追跡で最先端の性能を達成したと報告しています。
説明機械学習で強化された線形・非線形方程式系の反復法に関する概説
要約本論文は、古典的な反復法と機械学習を組み合わせて線形・非線形方程式系を解く「ハイブリッド反復法」の最新手法を概観しています。大規模線形系では反復解法が好まれ、非線形解法は繰り返しの線形化に依存するため、収束が遅い場合や発散する場合があると述べています。あわせて未解決の課題と今後の研究の方向性も論じています。
説明ソーシャルメディア上の情報カスケード成長の予測：人間参加型の誤情報トリアージに向けて
要約本論文は審査資源が限られる状況を想定し、投稿後30分間の伝播データから後続の伝播ツリーの成長を予測する手法を検討しています。FibVIDのデータでは、早期ノード数と構造・時間のエントロピー特徴を組み合わせることで、対数変換した将来の成長に対するR²が0.307から0.323に向上しました。さらにPHEMEスレッドの最初の15件の返信や、Check-COVIDでの証拠文書検索も分析し、早期予測・応答パターン・証拠を統合した人間参加型の審査システムを提案しています。
説明LLMによる正則化は、データが少ない状況で移民流の予測精度を高められるか？
要約本論文は、大規模言語モデル（LLM）がニュース記事から移民に関連する文脈的な信号を抽出し、特徴量ごとに異なる罰則を設けた重み付きLasso予測枠組みに組み込むことで、移民流の予測を改善できるかを調べたものです。対象は2021年11月から2022年11月までの、メキシコ–米国、ウクライナ–ポーランド、シリア–トルコなど複数の移民回廊です。結果は回廊や手法によって差があり、すべての実験で一貫して最良となる手法はありませんでした。記事由来の特徴量とLLMによる正則化は一定条件下で改善をもたらしますが、回廊の特性、記事量、ハイパーパラメータの設定が性能に大きく影響しました。
説明分布ロバストな混合エキスパートモデルの学習（DRMoET）
要約本論文は、疎な混合エキスパート（MoE）モデル向けの学習目標DRMoETを提案します。単にエキスパートの負荷を均等化するのではなく、損失の大きいルーティング結果を最適化し、信頼性の向上を目指します。FLAME-MoEの設定下で746Mおよび10.3Bの総パラメータ規模において、標準手法および補助損失を用いない均衡化手法より下流タスクの平均性能が向上しました。10.3Bモデルでは七つのタスクの平均が0.6625から0.6767に改善しています。
説明エネルギー条件付きノイズスケジュールとスペクトル白色化によるスペクトル拡散モデル
要約本論文は、変換領域拡散モデルのためのエネルギー適応型ノイズスケジューリングおよび白色化手法を提案している。提案手法は大域的なスペクトル白色化と、変換係数ごとのエネルギーおよび拡散時間にわたる画像依存のエネルギー経路に応じてノイズを配分する手法を組み合わせ、前向き拡散過程を画像のスペクトルエネルギー分布に従わせる。CIFAR-10での実験では、コンパクトなDCTdiff U-NetのFréchet Inception Distanceを142.48から100.45へと改善したと報告されている。
説明AI支援による責任ある機関分析：バイアスの解釈
要約本論文は、高等教育の機関分析（IA）ダッシュボードが、データの制約、分析手法の限界、文脈情報の欠落によって解釈が難しくなる点に着目しています。分析パイプライン、機関の文脈、科目レベルの特性、人口統計という四つの領域にわたり潜在的なバイアス要因を整理したFACTRIAフレームワークを提案し、それを入力として、利用者がIA分析中にこれらの要因を振り返るよう促す生成AIチャットボットを設計しました。四つの実際のIA事例を用いた利害関係者への質的研究と遷移ネットワーク分析により、チャットボットが参加者に、見過ごされていた要因が当初の解釈にどう影響していたかを認識させることが示されました。構造化フレームワークとAIによる支援を組み合わせることで、機関データをより文脈を踏まえて責任をもって解釈できるようになる、と結論づけています。
説明SPEAR：対話型の人間とエージェントの整合のための5原則
要約この立場論文は、AIの整合を展開前の最適化問題ではなく、特にユーザーの代わりに行動するAIエージェントの場面において、継続的な対話設計の問題として捉え直すことを提案しています。著者は5つの柱からなるSPEARフレームワークを示します。すなわち、意図の表明と共通理解の構築を扱う「仕様化（Specification）」、エージェントが行動・質問・委任・一時停止をいつ選ぶかを扱う「過程（Process）」、人がエージェントの成功を判断する方法の「評価（Evaluation）」、長期利用を通じてエージェントがユーザーに適応する「適応（Adaptation）」、そして人がエージェントへの信頼や期待、行動を調整する「再校正（Recalibration）」です。
説明量子化十分統計量による厳密なアンラーニング（QSS）
要約本論文は、機械学習モデルから削除要求された情報を正確に取り除く手法、量子化十分統計量（QSS）を提案しています。QSSは、小さな固定スキーマと加算可能な可変コンテンツを分離し、削除を再最適化ではなく正確な減算として行います。15のデータセットでの実験では、QSS-LはSISAと比べ11のタスクで精度差が2ポイント以内に収まり、一部のタスクでは削除の期待遅延が4〜483倍低くなりました。
説明連続環境におけるビジョン・言語ナビゲーションのシミュレーションから実機への転移（アッカーマン操舵移動ロボットによる検証）
要約本論文は、自然言語の指示に従ってロボットが環境内を移動するビジョン・言語ナビゲーション（VLN）を、シミュレーションから実環境へ移す手法を扱います。シミュレーション上のデータセットで学習したクロスモーダル・アテンション（CMA）モデルを、カメラとLiDARを備えた自作のアッカーマン操舵ロボットで収集した実世界データにより微調整しています。評価指標はSPLとnDTWで、実環境に適応し、専用ハードウェア上でオフライン動作できたと報告されています。
説明エージェント型設計空間探索：ヘテロジニアスエッジSoC上のAI推論ワークロードにおけるハードウェア構成とマッピングの同時最適化（TraceDSE）
要約本論文は、ヘテロジニアスなエッジSoC上でAI推論ワークロードを、処理ユニット（CPU、GPU、NPU）への割り当てと各ユニットの構成を同時に決める手法TraceDSEを提案しています。LLMの提案エージェントと批評エージェントが反復的に協働し、批評エージェントは実行トレースを解析してボトルネックを特定し改善を提案します。Intel Meteor Lake SoCでの4種類の推論ワークロードにおいて、パレto前線のハイパーボリュームはNSGA-IIに対し最大35%、ベイズ最適化に対し最大68%向上し、ハードウェア評価回数は約6〜9分の1でした。
説明内部からの内省の識別：ネットワーク構造で忠実な自己報告と不忠実な自己報告を区別する
要約本論文は、大規模言語モデルが学習した選好を正確に自己報告できるか、そして信頼できる自己報告と作り話を区別できるかを検討しています。研究者は低ランクアダプタを用いて、架空の人物に代わって潜在的な線形選好関数に従い判断するようモデルを訓練しました。その結果、自己報告の教師信号がなくても、暗黙の判断課題での持続的な微調整によって正確な自己報告が現れることがわかりました。さらに、忠実なモデルでは選好表現がより早い層へ移動し、判断課題と自己報告課題の間の帰属類似度が高くなると述べています。報告内容を理解しなくても、ネットワークの構造からこの2種類を区別できる可能性を示しています。
説明人間の研究意思決定の軌跡から科学的探索を学習する
要約本論文は、Gitリポジトリのコミット履歴を研究探索の代理として用いて構築した人間の研究軌跡データセット「ResearchTrails」を提案します。手法、実験、アブレーションの逐次的な変更を抽出する自動化されたスケーラブルなパイプラインを開発しています。これらの軌跡は、完成した論文だけでは分からない中間的な研究判断に関する意味のある情報を含み、テスト時の外部スキルとしての活用や、新たな研究判断への汎化の改善にも利用できることが示されています。
説明CLM-as-a-Judge：公開評価ベンチマークで開かれた対比決定モデルを評価
要約本論文は、オープンな対比決定モデル Contrastive-LM/CLM-v0.1-8B を公開の難しい評価ベンチマークで検証した。その結果、RM-Bench と JudgeBench では統計的にコイン投げと区別できず、HaluEval では全項目に同じラベルを返すなど、ほぼチャンスレベルであった。同じパラメータ数の報酬モデルや生成型ジャッジは明らかに高く、差は Benjamini-Hochberg 補正後も有意である。生信頼度は過信気味だが、単一の温度校正で期待校正誤差は 0.062 以下に改善し、自身の誤りの順位付けも一部のベンチマークでチャンスを上回った。
説明CALR：レンダリング式思考圧縮による連続アンカー付き潜在推論
要約本論文は、視覚的潜在推論における連続型と離散型の中間状態表現の問題に対し、関数的アンカリングによって解答を潜在状態に依存させ、問題固有の有効な推論を担わせる連続アンカー付き潜在推論（CALR）を提案している。手法は、情報均衡圧縮による参照潜在変数、潜在を介した解答監督と導出レベルの意味的アンカリング、並列から自己回帰へのカリキュラム学習から成る。5つの数学推論ベンチマークで評価し、同条件の予算下で比較可能な連続潜在推論手法に対して26.0ポイントの向上を報告している。
説明言語モデルにおけるプラトン的表現の理論
要約多言語言語モデルの内部層では、翻訳された文の表現が互いに似ているが、その理由は理論的に説明されていない。本論文は、データには抽象レベルが言語間で共有され、表層レベルは言語やモダリティごとに異なる隠れた階層構造があると仮定する。確率的文脈自由文法で、上位の生成規則のみを共有する合成言語を作成し、同じデータで学習した Transformer と整合する解析的予測を示している。
説明安全な模倣学習のための交互射影勾配降下法
要約本論文は、状態と入力に制約があるもとでニューラルネットワーク制御方針を学習する手法を提案する。学習では標準的な模倣勾配ステップと、動作を安全集合への射影へ引き寄せる安全ステップのブロックを交互に行い、実行時は学習済みネットワークのみを制御器として用いる（安全フィルタは使わない）。非線形自律レースタスクで、制約違反ペナルティを加えた方法と比較したところ、提案法は無制約の模倣と同等のラップタイルを保ちつつ、違反エピソードの割合を15%から1%に下げた。
説明一枚の図を、あらゆるキャンバスへ：エージェント型パイプラインによる編集可能なフローチャートの再レイアウト
要約本論文は、機械学習論文のパイプライン図を異なるアスペクト比のキャンバスに合わせて再配置する課題を扱います。解析、スタイル、レイアウトの3段階からなるエージェント型パイプラインを提案し、各段階に決定論的な制約チェックと視覚言語モデルのフィードバックを組み合わせた批評役を設けています。出力はdraw.ioで編集可能なmxGraph XMLです。100枚・5種類の比率のベンチマークで、提案手法の内容忠実度は68.6%と報告され、既存手法は11.2〜41.4%です。
説明ベースモデルは学習データの手がかりを使って推論できる
要約本論文は、学習データがベースモデルの応答冒頭のトークンと、その後に続く推論動作との関連をどのように形成するかを研究している。特定の開始トークンを固定すると、数学やコーディングにおいて強化学習で訓練されたモデルに近い性能が得られることを示し、因果的なデータ介入によって任意の単語を推論の手がかりに変えられることを明らかにしている。
説明InterMimicGen：自己進化型モーション模倣による人型ロボットの移動・操作の拡張
要約本論文は、人間と物体のインタラクションのモーションキャプチャデータを人型ロボットの実行可能な参照動作へリターゲットし、物理シミュレーション上で動作させる汎用トラッキングポリシーを学習するフレームワーク InterMimicGen を提案する。タスクを保つ小さな変更を繰り返し、シミュレーションでタスクを完了した変種のみを残すことで、動作の多様性を段階的に広げる。実験では、ロボット構成をまたいだ接触の維持、単一ポリシーによる広範なトラッキング、実機への転移が示されている。
説明CroissantMiner：機械学習データセット向けCroissantメタデータの自動抽出と検証
要約本論文は、コミュニティ標準スキーマ（Croissant）に沿ったデータセットメタデータ抽出をエンドツーエンドで評価するための初のベンチマークを提案しています。602本の論文を含み、うち102本は人手で検証された正解注釈、500本はLLMが生成した注釈です。単一パスの抽出が、評価した4種類のエージェント型アーキテクチャより一貫して高い精度を示しました。論文全体に散らばった情報を統合して解釈する必要がある長文のRAI（責任あるAI）項目では、現行システムはまだ信頼性が低いとされています。
注目点Croissantメタデータの端到端抽出を評価する初のベンチマークで、単一パス抽出が代理型構成より優れると示し、102件の人手注釈で裏付けている。
説明S2PD：物理的・論理的に一貫した動画生成のための直列から並列への拡散手法
要約本論文は、高ノイズ段階では自己回帰的拡散で相互依存する事象を調整し、低ノイズ段階では並列拡散で動画全体を同時に洗練する、直列から並列への拡散（S2PD）を提案している。著者は2種類のアーキテクチャでこの手法を実装し、ゲーム、物理シミュレーション、実世界の動画で評価した。その結果、対照となる双方向ベースラインより規則に従う信頼性が高く、他の直列手法より時間的安定性とサンプリング効率に優れていたと報告している。
説明BiasFlow：偽の特徴への依存を幾何学的に監視し、バックボーンを正則化する手法
要約本論文は、凍結したバックボーンのクラス－属性重心の整合性（IBMI）、クラス内重心の分離（W-IBMI）、特徴投影の感度を監視するツールキット BiasFlow と、教師ありのクラス条件付き重心整合ペナルティ BFR を提案している。BFR を加えると、報告された小規模ベンチマークで最悪グループ精度（WGA）が改善または維持された。CelebA で凍結バックボーンに偏ったデータで新しいヘッドを学習させた試験では、BFR+GroupDRO により WGA は 40.7% から 64.1% に上がったが、属性情報は依然として復元可能であった。
説明拡散Transformerの文脈トークンを読み取る学習
要約本論文は、マルチモーダル拡散Transformer（MM-DiT）の生成過程で更新される文脈トークンを研究しています。中間の文脈トークンを凍結された大規模言語モデルの入力空間へ写像する軽量なボトルネックネットワークを学習し、そのLLMが隠れ表現から生成中の画像について質問に答えられるようにしています。文脈トークンには豊かな全体的な場面情報が含まれ、空のプロンプトでも解読可能であること、読み取りやすい生成ほど人間の選好スコアが高いことを示し、その情報を強化する学習手法Contextual Alignmentを提案しています。
説明エージェント型ロボットのための再帰的ビデオ文脈内学習：デモ動画の階層をたどる手法
要約本論文は、凍結された視覚・言語・行動（VLA）ポリシーを統括する大規模言語モデルのエージェントが、デモ動画を階層構造として参照する訓練不要の手法RV-ICLを提案する。階層は把持や解放などのサブイベントから構築され、粗い段階から細かい段階へと、タスク全体のキーフレームからクリップまで読み取り専用ツールで提供される。タスクごとに1本のデモで足りる。成功率はLIBERO-PROで92.6%から96.5%、LIBERO-Plusで86.7%から95.8%に向上した。
説明解剖構造を考慮した細粒度マルチモーダル融合による、CTと読影レポートを用いた喉頭・咽頭癌のT分類予測
要約喉頭・咽頭癌のT分類は個別化治療の指針として重要ですが、現在は侵襲的な生検に頼っており、CTのみでは腫瘍浸潤の複雑なパターンを判断しにくいのが課題です。本論文は、器官レベルのCT情報と読影レポートを統一表現に統合する解剖構造考慮型のマルチモーダル枠組みを提案します。器官グラフの構築、レポートのテキストと各器官の対応付け、レポート中の浸潤所見によるグラフの精緻化を行います。著者らは、この枠組みが喉頭・咽頭癌のT分類予測で優れた性能を示したと報告しています。
説明傾斜拡散サンプラーのための直接中間初期化手法
要約本論文は、逆過程に沿ってガウス傾斜中間分布を構成する拡散事後サンプリングを扱う。これらの目標を弱い条件付けを持つクリーン空間の事後分布へ引き戻し、ガウスブリッジを通じてノイズ空間の目標へ解析的に写像する。これに基づき、MCGDiffを中間時刻で直接初期化し、近似ソルバーでサンプリングした後、残りのSMCの後半部分のみを実行する。構造化されたガウス混合逆問題では、同じ粒子数で切断Wasserstein距離がおよそ2倍改善し、対象モードが稀な場合には一桁以上改善した。
説明ループモデルの正しい設計 第2部：不動点での再考
要約本論文は、再帰状態が不動点に近づくときの性質に注目し、ループ型言語モデルの学習と推論を改善する手法を検討します。学習可能な深さの事前分布と直交入力注入という二つの改良を提案し、1億から16億パラメータの各規模で困惑度が下がったと報告しています。16億パラメータのモデルでは、KVキャッシュを3分の1に縮小しても下流タスクの平均性能が固定深さ学習と同等だとしています。
説明UniSlider：連続的な画像編集のための知覚的に均一なスライダー
要約本論文は、連続的な画像編集のためのスライダー手法UniSliderを提案する。既存の生成手法ではスライダーが強度パラメータの単なる再スケールであり、知覚的変化と対応しにくく、画像が部分的に元に戻る、変化のない区間が続く、短い区間で急変するといった問題があった。UniSliderは、スライダー値に対する入力からの知覚距離が線形に増加するよう、軽量なLoRAを学習し、さらに推論時の適応サンプリングで強度を再マッピングする。300件の連続編集からなる新ベンチマークで、均一性、単調性、編集忠実度、同一性保持の各指標において既存手法を上回り、ユーザー調査でも好まれた。
説明双曲空間の多クラス分類における暗黙のバイアスの漸近解析（論文）
要約本論文は、双曲空間で類プロトタイプを固定した多クラス分類について、リーマン勾配流の暗黙のバイアスを研究する。交差エントロピーなどを含む、置換不変な相対マージン（PERM）損失の一般的な クラスを扱う。各プロトタイプまでの距離を、動径成分と Busemann 関数で記述される方向依存成分に分解して解析する。ドリフト係数の符号によって半径が理想境界へ押し出されるか内部へ戻るかが決まる径方向の二分性を示し、境界方向が境界上の Busemann リスクの臨界点に収束することも示す。双曲表現学習における境界飽和と境界近傍のクラスタリングについて、厳密な漸近的説明を与える。
説明MemPilot：LLMエージェント向けのオンデマンドなマルチモーダル記憶整理
要約本論文は、性能・コスト・遅延の異なる選好のもとで、LLMエージェントのマルチモーダル記憶整理をオンデマンドに統括するフレームワーク「MemPilot」を提案している。強化学習で多段階のポリシーを最適化し、クエリに依存しない記憶からの検索と、クエリ特化の原履歴整理のどちらを選ぶかを決める。五つのマルチモーダル記憶ベンチマークの実験では、選好を変えた際に良好な性能・コスト・遅延のトレードオフが得られたと報告している。
説明この機械は遊んでいるのか？——仮想世界で自発的に活動するAIコーディングアシスタントの研究
要約研究者らは現代のAIコーディングアシスタントを仮想の身体に組み込み、具体的なタスクや報酬を一切示さない最小限の指示だけを与えました。約30時間の実行中、このエージェントは丘を登る、ブロックを塔に積む、曼荼羅を描く、スポーツを再解釈する、世界の物理について実験するといった活動を自発的に行いました。論文は、この振る舞いが遊びの古典的基準を満たすか、また遊びが機械の発達の一つの様式になりうるかを検討しています。
説明CLIFT：ウェブエージェントの学習とテスト時スケーリングのための保形的自己検証
要約本論文は、ウェブエージェントが自身の操作履歴について自然言語の検証質問に答え、保形認証によって信頼できる信号だけを選別して学習時の報酬に組み込むCLIFTを提案している。推論時には、同じ認証済みの質問集合を用いて複数の軌跡の中から結果を選択し、外部の評価モデルを呼び出す必要はない。著者らはWebArena Infinity、VisualWebArena、Online Mind2Webでの結果を報告している。
説明PlotGround：実在する科学図と元データに基づくグラフ数値化ベンチマーク
要約本論文は、実際の科学図とその著者公開の元データから、グラフ数値化ベンチマークを自動構築するパイプラインPlotGroundを提案しています。これにより作成されたPlotGround-1kは、1066件のbioRxivプレプリントから得た、人手で検証された1119問のベンチマークです。16のマルチモーダルモデルを評価した結果、±5%の相対誤差許容で最良モデルの正答率は87.5%でした。許容範囲を±2%に狭めると、全モデルの正答率は11〜24ポイント低下しました。
説明TasteVal：AIシステムの実験的研究センスを人間の専門家と比較して測定
要約本論文は、前衛的モデルの実験的研究センス（実験の設計と結果からの結論導出能力）を評価するベンチマーク「TasteVal」を提案し、同等のスコアに達するのに必要な計算量で測定します。8つのオープンエンドなタスクで、最も優れたOpus 5.5は専門家基準を上回り、計算量の倍率は2.3倍でした。また、2025年12月以降、前衛的モデルのこの倍率は約3.0か月ごとに倍増していると報告されています。
説明加速度計による睡眠中の心拍推定への深層学習：光学センサーなしで集団規模の心臓情報を得る研究
要約本論文は、手首の加速度計データから睡眠中の心拍数を推定するTransformerベースの時系列補正モデルSeqSmootherを提案している。推論時には光学センサーや心電図を使わず、加速度計由来の特徴のみを用いる。13の被験者非重複の検証分割で評価され、全体の参加者マクロMAEは1.60 bpmであった。Nightbeat保持区間では既存手法Nightbeatの誤差の方が小さかったが、SeqSmootherはより多くの記録区間で推定値を出せたと報告されている。また、提案の劣調波比は調波ロックオン候補の識別でAUROC 0.972を示した。
