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KGATE：知識グラフ埋め込みモデルの学習環境（モジュール式 Python ライブラリ）
要約知識グラフ埋め込み（KGE）モデルは、知識グラフの実体と関係を低次元の潜在空間に写像し、分類やリンク予測などのタスクを可能にします。本論文は、PyTorch Geometric と TorchKGE の上に構築されたモジュール式 Python ライブラリ KGATE を提案します。利用者は初期化器、エンコーダ、デコーダ、損失関数、負例サンプラー、評価指標を組み合わせて使え、データリークを抑える前処理と学習パイプラインが組み込まれています。六つの既存 KGE ライブラリとのベンチマークでは、KGATE の学習時間は最速のライブラリと同程度で、より広い機能を備えていることが示されています。
説明VERDICT：信頼度と追跡可能な根拠を統合した視覚的抽出結果デコーダ
要約本論文は、既存の構造化フィールド抽出器を変更せずに接続できるプラグイン型フレームワークVERDICTを提案する。小型の視覚言語モデルで文書ごとに抽出値の根拠箇所を特定し、値と根拠の信頼度を較正する。微調整したモデルは、厳しい閾値0.80で同分布・分布外の両データセットにおいて実用的な精度と網羅率のトレードオフを示す。
説明歴史文書OCRの評価：文字誤り率を超えて固有表現の保存を見る研究
要約本論文は、歴史文書のOCR（光学文字認識）について、固有表現（人名・日付・識別子など）レベルで誤りを分析する評価手法を検討しています。Berrutti Archiveの175件の文書と、人手で注釈された5,209の固有表現を用い、系列認識型OCR、OCR特化の視覚言語モデル、汎用の視覚言語モデルを比較しています。結果として、評価基準によって順位が変わり、Qwen 3.6がすべての許容度で最も高い固有表現の網羅率を示したと報告されています。
説明多ベクトル視覚文書インデックスの反転：保存ベクトルから文書ページを復元する研究
要約本論文は、多ベクトル視覚文書検索器が保存するインデックスから元のページが復元されうるかを検討しています。攻撃を条件付き文書画像生成として扱い、ViDoRe v3ベンチマークで、生のインデックスから復元したページが47%の単語と45%の機微トークンを回復し、98.4%の確率で元のページを首位に順位付けしたと報告しています。トークンプーリングとシャッフルという簡易な保護策は単語再現率を約8%まで下げますが、シャッフルされたインデックスの順序を復元するモデルがあると、元のページが首位となる割合は93.5%に上がります。
注目点多ベクトル視覚文書索引への逆変換攻撃を提案し、ベクトルから頁を再構成できることを示す。証拠は十分で、影響は大きい。
説明深層学習におけるヘッセ行列の固有値：対称性の起源と破れ
要約本論文は、学習済みモデルのヘッセ行列のスペクトルが、ほぼゼロの大きな塊と少数の孤立した外れ値に分かれる現象を扱います。著者らは、元の設定を、近くにある隠れた高度に対称な基準配置からの逸脱として捉えると、これらの現象を説明できると示します。その基準配置のヘッセ行列は重みの対称性では説明できない不変性を持ち、スペクトルを正確に記述できます。元の配置に戻ると対称性が破れ、観測されるクラスタと外れ値の階層が生じます。
説明NeuralZip：再利用可能な事前設定による高速可逆圧縮
要約本論文は、モデル重みを浮動小数点値を変えずに可逆圧縮する手法 NeuralZip を提案します。指数分布が似たチャンクをグループ化し、ハフマン符号を共有するとともに、繰り返し現れる指数の組をパック表現することで、追加の中程度の圧縮率を得ます。事前設定は別の互換アーキテクチャから移転でき、圧縮後の処理はベースラインより1.81〜21.33倍速く、ビット単位で完全に復元できます。GPU実験では、ロジットを完全に再現しながら有効メモリ使用量を最大27.5%削減しています。
説明RollVerify：長い裾野のロールアウト強化学習で効率と精度を両立させる手法
要約本論文は、大規模言語モデルの強化学習において、長い裾野（ロングテール）のロールアウトによるGPUの待機や、非同期学習で生じる古い方策のサンプルの問題に取り組みます。提案手法RollVerifyは、部分ロールアウトの方策ずれを測る指標OPSを用い、学習前に系列レベルとトークンレベルで検証し、無効な末尾を切り捨てます。数学および道具利用を伴う数学推論の実験では、同方策学習に近い精度を保ちつつ学習コストを削減したと報告されています。
説明FedSSMCoOp：状態空間モデルエンコーダを用いた少数ショット分類のための軽量な連合プロンプト学習
要約本論文は、データのプライバシーを保ちながら連合環境で少数ショット画像分類を行うFedSSMCoOpフレームワークを提案します。SSMベースのVision MambaおよびCross Mambaブロックを用い、連合設定ではソフトプロンプトと通信プロンプトのみを最適化します。外部の大規模言語モデルによる特徴整合は不要です。複数の生体医用画像データセットで学習と評価を行い、ベースラインに対して安定した性能を示し、平均で約1.96倍軽量だと報告されています。
説明BEV知覚出力に基づく安全志向の軌道ランキング
要約本論文は、nuScenesのセンサーデータから得られたBEVFusionの物体検出と地図セグメンテーションを入力とし、人手で指定された候補軌道を安全優先の基準で順位付けするモジュール式パイプラインを提案しています。順位付けでは、衝突と歩道への侵入の回避を最優先し、次に目標地点までの終端距離、最後に経路効率を評価します。ルールベースの順位付けが人間の判断に近いかを調べるため、7つのBEV交通シナリオを作成し、21名の調査参加者の選好と比較しました。146組の一対比較投票のうち124組がこの評価で第1位の軌道と一致し、全体の一致率は84.9%でした。単純なBEV中心の安全ヒューリスティクスは、制約のある軌道選択タスクで人間の選好をある程度近似できると示されています。
説明地上観測所のデータのみから同時確率的天気予報を学習
要約本論文は、数値天気予報や再解析データを使わず、地上観測所のデータのみから五つの地表変数の同時ガウス予測分布を学習するCLARAモデルを提案しています。モデルは約2.8万個のパラメータを持ち、CPUでの学習と予測が可能です。96観測所・六つの多年分割での評価では、比較対象の学習モデルや統計的ベースラインより能量スコアが低く、変数間の相関を学習することで予測性能が向上することが示されています。
説明NL2Hull：自然言語で駆動する船型設計の制約付き意思決定フレームワーク
要約本論文は、船型編集を型付きの離散的意思決定問題として定式化し、NURBSと自由変形（FFD）に基づく制約付きエンジンで言語の判断を数値幾何に結びつけるNL2Hullフレームワークを提案している。134,558件のデータセットと、その5,000件の評価用サブセットを構築し、提案モデルChipは質問正答率95.90%、FFD完全一致率99.32%を報告している。
説明信頼できるAIの「愛」：人工的な偏愛と関係の持続を工学的な立場として扱う（論文、cs.HC/cs.CL）
要約本論文は対話エージェントにおける偏愛的な振る舞いの仕組みを研究している。同じオープンウェイトの基盤モデルに永続化層を加え、ユーザーごとの最低限のサービスを超える有限の対応配分（ケアリング）と、関係履歴から蓄積されるユーザー状態の推定（特異性）の二要素を実装し、構築した複数セッションの関係で評価している。人間の被験者データは含まれておらず、愛着、信頼、心の知覚、機械の内面については主張していない。この機構は後の知覚研究の候補にすぎず、ユーザーが愛されていると感じることの証拠ではないとされている。
説明QCATS：効率的な予測クエリ処理のためのクエリ文脈認識型Transformerスライシング手法
要約本論文は、データベース内でTransformerモデルを効率的にスパース推論させるフレームワークQCATSを提案している。個々のトークンやタプルではなく、クエリの述語とメタデータ統計を用いて、モデル実行前に文脈に合ったFFNスライスを事前選択する。四種類の予測クエリ処理ワークロードでBERT-baseおよびQwen-0.6Bを用いた実験では、稠密なベースラインに近い予測精度を保ちつつ、最大4.42倍の遅延削減を達成したと報告している。
説明人間とロボットの協働における人間フィードバックによる強化学習の文献レビューと実験研究
要約本論文は、人間とロボットの協働（HRC）システムにおける人間フィードバックからの強化学習（RLHF）について、PRISMAガイドラインに従い199件の記録から20本の査読付き論文（2020～2025年）を選定してスコーピングレビューを行っています。さらに、仮想現実実験で、システム主導と利用者主導のフィードバックがロボットの安全なナビゲーション行動に与える影響を比較しています。その結果、利用者主導のフィードバックの方が知覚された安全性をより良く捉え、フィードバックのタイミングが質に影響することが示されました。
説明優越型逆最適化：観測された行動を上回る解を導く目的関数の学習
要約逆最適化は、観測された意思決定を最適解として説明する目的関数の重みを推定する手法である。本論文は、各状態で観測行動をすべての成分で上回る最適解を導く重みを求める「優越型逆最適化」を提案する。前向き問題のオラクルのみで評価できる損失関数と、その最小化のための勾配法およびDC最適化アルゴリズムを示し、汎化誤差の上界を証明している。合成データと実データの実験では、既存手法より優れた予測性能が示されている。
説明散逸型知識ダイナミクスモデルの可識別性：設計された励起の下では厳密に回復でき、観測データでは退化する
要約本論文は、練習の蓄積、忘却、概念間の伝播を非線形散逸常微分方程式で表し、遷移行列、概念ごとの忘却率、飽和する練習応答ゲインをパラメータとして扱います。2概念の場合について逆問題の構造的可識別性定理を示し、隠的L安定スキームとバッチ型ソルバーを提案しています。定理の励起条件下の合成データでは回復は厳密ですが、大規模な観測データでは成立しません。見かけ上強い回復結果は四つの対照実験で否定され、設計された励起がない場合に理論が予測する退化と整合すると著者は述べています。
説明容量ではなく確率性を疎にする：事前分布スケールの深い重み分解による部分的確率化
要約本論文は、ベイズニューラルネットワークのどのパラメータを確率的に扱うべきかを検討する。各パラメータの事前分布の標準偏差（事前スケール）に深い重み分解を適用し、最大平均不一致目標で関数事前分布をガウス過程に合わせる。事前スケールが閾値を下回るパラメータは決定的になり、推論中に最適化される。UCIベンチマークでは、全体が確率的なネットワークと同程度の性能を、約半分のパラメータを決定的に保ちながら達成したと報告している。
説明層ごとの誤差帰属による高速で頑健な混合精度学習後量子化
要約本論文は、グローバルなメモリ予算の下で層ごとにビット幅を割り当て、小規模な校正データセットを用いる混合精度の学習後量子化手法を提案しています。著者らは量子化誤差を層ごとに確率的に解析し、伝播誤差と各層での局所的な摂動を分離して、外部ソルバーを必要としない単純な割り当てアルゴリズムの分離可能なスコアを構成します。DRUNetによるノイズ除去タスクでは、重みあたり平均4ビットの条件下で、クリーンな校正データに対して既存の基準手法と同等以上の結果を示し、破損した校正データに対してもより頑健でした。ビット割り当ての速度は、検討された基準手法に比べて28倍から2,570倍高速です。
説明描く前に考える：拡散モデルのための再帰的潜在推論
要約本論文は Painter-Thinker（PaTh）を提案する。小さな再帰ネットワーク（Thinker）が学習済みトークングリッド上で推論し、ControlNet アダプタを通じて凍結された拡散モデル（Painter）を誘導する。学習は標準の再構成損失のみで行われ、記号的な教師データやソルバー、検証器は使わない。MNIST 数独や迷路などの視覚推論課題で既存手法を上回ると報告されている。
注目点再帰推論ネットワークをピクセル空間の拡散モデルに導入し、記号的監督なしで数独などで先行手法を大きく上回り、少ないパラメータで良好な結果を得た。
説明SANet：赤外線小型物体検出のための選択的注意ネットワーク
要約本論文は、複雑な背景の中で暗く小さい赤外線物体を正確に検出し、誤検出を減らす手法としてSANetを提案します。標準畳み込みと風車形畳み込みを組み合わせた二経路の意味認識モジュールと、空間的に変化する重みで多尺度特徴を適応的に融合する選択的注意融合モジュールを用います。三つの公開データセットで評価され、IoUは次善の手法をそれぞれ1.93、4.32、2.21ポイント上回りました。
説明二値ニューラルネットワークを高速なイベント処理に活用する研究
要約本論文は、重みと活性化を1ビットに圧縮した最新の深層二値ニューラルネットワーク（BNN）を、イベントカメラのデータに適用して評価したものです。イベントデータをBNNで直接処理できる二値表現「極座標二値イベントボリューム（PBEV）」を提案しています。また、RGBデータによるクロスモーダル事前学習が、ニューロモルフィックデータセット上でのBNNの分類精度を向上させることを示しています。N-Caltech101では、最良のBNNが90.58%の精度を達成し、演算量は全精度モデルより7.5倍少なくなっています。
説明LiveMACE：変化する市場における LLM エージェント能力のプロセス重視評価
要約本論文は、ライブの金融市場を継続的に動作する LLM エージェントの試験環境として用いるベンチマーク LiveMACEBench を提案します。5 つの最先端 LLM を、ツール利用・永続メモリ・ルール遵守・マルチエージェント協調の各構成で動作させ、実際の収益と、完全な意思決定トレースに基づく機構別の診断の両方で評価します。30 日間の実評価では、収益と能力別指標が乖離する場合があり、類似した結果が異なる機構利用パターンから生じることが示されました。結果だけでは能力を測れないとしています。
説明暗黙的地質モデリングのためのAI支援による地震データ処理・地質解釈ワークフロー
要約本論文は、暗黙的地質モデリングに用いるAI支援の地震データ解釈ワークフローを提案します。陸上の浅部から深部（約300〜3500m）の地震データを対象に、自己教師ありおよび半教師ありの対比学習CNNでノイズ除去と補間を行い、人手による学習データを最小限に抑えて層位と断層を解釈します。オランダのMaassluis層の上面を、LeeuwardenとWaalwijkの3D地震データで解釈した結果を初期の実証例として示しています。
説明TSNベース車両エッジネットワーク向け、期限を考慮したマルチエージェント強化学習によるスケジューリング
要約本論文は、時間敏感ネットワーク（TSN）を用いた車両エッジコンピューティングにおいて、TSNのキューごとに自律的なエージェントを割り当て、キューの処理順序とタイムスロット長を協調して学習する手法を提案しています。速度に依存する遅延要件のもとで期限超過を最小化することを目的とし、マルチエージェント近接方策最適化（MAPPO）を用いています。原文によれば、集中型の単一エージェント手法と比べてサービス遅延を最大66.2%削減し、信頼性を最大271.8%向上させたとされています。
説明MUNITE：任意のモダリティ間の多モーダル生成のための統一潜在推論フレームワーク
要約本論文は、任意のモダリティ間の柔軟な多モーダル生成のための潜在変数フレームワークMUNITEを提案し、符号化と潜在生成を観測情報量の異なる同一の推論問題として扱います。単一の条件付きフローモデルの中で、完全観測から決定的な符号化、観測なしから潜在周辺分布、中間の部分集合から条件付き潜在推論までを扱います。学習には自己蒸留で拡張した条件付きフローマッチングを用い、不完全な訓練データから学習します。PolyMNIST-D-Q、FFHQ64、画像・テキスト・音声の各設定で、生成品質と source-target の整合性は同等以上、同時生成の一貫性は高い結果を示しました。
説明Agent4RE：ソフトウェア要求工学のエンドツーエンド処理とベンチマークのための自己改良型マルチエージェントフレームワーク
要約本論文は、専門化された複数のエージェントを統括し、二つの反復改良ループを備える自己改良型マルチエージェント要求工学システム Agent4RE を提案しています。また、人手で作成された実際の要求仕様書から構築したデータセット RE-E2E を用いて、要求獲得から生成までのエンドツーエンドの評価を行えるようにしています。実験では、三つの Agent4RE の各版がテキストベースの指標で基準手法を平均約8%上回り、強化版は評価および人間による採点でも高い結果を示したと報告されています。
説明表現学習のための大域平均適合率：微分可能な順位付け損失
要約本論文は、すべてのクエリと候補のペアを一つのリストで順位付けして単一のAP（平均適合率）を求める大域平均適合率（gAP）と、その微分可能な近似であるgSAPを提案する。gSAPは既存の損失関数と同じ入力で置き換え可能である。監督付き距離学習、クロスモーダル整合、自己教師あり事前学習で性能向上が報告されている。
注目点クエリ間で比較可能な全体AP指向の微分可能な代替損失を提案し、教師あり、クロスモーダル、自己教師ありの多数実験で有効性を示す。
説明Kolmogorov-Arnold ネットワークのサンプル効率に関する研究：より少ないサンプルで制御問題を学習
要約本論文は、強化学習におけるKolmogorov-Arnold Networks（KAN）のサンプル効率を検討しています。Feynmanデータセットand Gymnasium強化学習ベンチマークで計算実験を行いました。その結果、KANは40%少ないサンプルで同程度の性能を達成でき、学習過程で相対性能が最大50%向上することが示されました。報酬にノイズがある場合も、この利点は頑健であったとされています。
説明DeepTopoClustering：4次元点群から地表過程の分類体系を教師なしで導出する地形モニタリング手法
要約本論文は、永久レーザースキャニングで得た4次元点群の変化オブジェクトから、教師データなしで階層的な地表過程の分類体系を導出するDeepTopoClustering（DTC）を提案しています。各変化オブジェクトをGeoMorphogramという分布系列に変換し、畳み込みオートエンコーダで埋め込みを学習して階層的深層クラスタリングを行います。砂浜データでの専門家判断との比較では、主要8種の過程レベルでF1=0.78、一致精度0.92を示し、次元削減や従来の平坦なクラスタリングを上回りました。
説明タスク結果からLLMエージェント用のアドバイザーを学習する
要約本論文はCaddieという手法を提案し、エージェントが作業中に自然言語で分析と助言を与える「批評モデル」を学習させます。ステップごとのラベルや参照批評は使わず、批評を受けた後にエージェントが最終的に成功したかどうかから学習し、ベースモデルは固定したまま強化学習で最適化します。多段階質問応答で学習したQwen3-4Bの批評モデルは、MuSiQueベンチマークでQwen3-4Bの成功率を25ポイント以上向上させ、追加学習なしでτ³やDeepDiveなど領域外の対話型ベンチマークでも効果を示しています。
説明参照アンカー付きの自己進化型ツール統合エージェント学習（AnchorLoop）
要約本論文は、外部のタスクや正解の監督なしに、ツール統合型エージェントが自ら進化する学習手法を扱う。AnchorLoop は前の反復の実行器を凍結したコピーを履歴参照として導入し、実行器の交差参照アドバンテージとカリキュラム側の一致度ベースの報酬に用いる。13 の推論ベンチマークで、Agent0 と比べ数学推論で 2.5%、一般推論で 2.8% 向上したと報告している。
説明DeltaSplat：姿勢不要のフィードフォワード3Dガウシアン・スプラッティングのための反復的ガウシアン精緻化手法
要約本論文は、カメラ姿勢を必要としないフィードフォワード3Dガウシアン・スプラッティング（3DGS）向けの軽量な精緻化モジュールDeltaSplatを提案している。現在のガウシアンを入力ビューで反復的にレンダリングし、その残差から各ガウシアンの更新量を予測する。DL3DVでは姿勢不要設定で26.64 dB PSNRに達し、ベースラインより1.75 dB向上した。追加パラメータは約2.2%である。
説明削減可能だが困難：合成劣化データ選別のための制御付き前方転移
要約本論文は、有限の学習予算の下で合成劣化データがもたらす学習効用を評価する、制御付き削減可能劣化ギャップ（cRDG）を提案します。共通のチェックポイントから、増強の一枠だけが異なる予算一致の二つのプローブを実行し、一方は合成劣化、他方はクリーンな増強を用います。スコアは、クリーン対照プローブと比べた劣化画像上の検証利得です。この指標に基づく選別手法（\method）は、意味的セグメンテーションと显著物体検出で代表的な予測器を改善し、クリーンデータでの性能も維持します。
説明ストリームベース能動学習と協調ニューラルネットワークによる、データ効率の高い部分逆設計：自動車用ガラスランチャネルの事例研究
要約本論文はCoNN-ALという枠組みを提案し、協調ニューラルネットワーク（CoNN-DAE）にストリームベースの能動学習を加えています。モンテカルロ・ドロップアウトで予測の不確実性を推定し、候補設計のうちラベル付けする価値のあるものをリアルタイムに選びます。90万件を超えるシミュレーション設計からなる自動車用ガラスランチャネルのデータセットで検証し、訓練プールの約2.3%にあたる2万ラベルでR²が0.967〜0.982に達しました。難しい欠損変数の水準では、ランダムサンプリングより30〜40%少ないラベルでR²0.95以上に到達しています。データセットも公開されています。
説明回転に頑健な神経力学のための厳密なSO(3)同変等方性カーネル
要約本論文は、三次元ナビエ・ストークス流れの神経代理モデルが同じ物理状態を回転座標系で表すと予測が変わる問題を扱い、不変条件付き等方性カーネル神経演算子（IKNO）を提案します。このモデルは回転で変わらないスカラー量と、データとともに回転するベクトル方向から局所相互作用を構築します。その結果、予測も入力と同じように回転します。IKNOは数値精度の範囲で一貫性を保ち、パラメータ数が5.6倍多い回転対応テンソル場ネットワークと同等の予測精度を示し、パラメータ数を揃えたグラフシミュレータを上回りました。
説明挿入・削除曲線の下の面積を最適化し、相対的特徴重要度を順位付けする忠実性重視の帰属手法
要約本論文は説明可能AIの帰属（attribution）手法を扱い、挿入・削除曲線の下の面積に基づく忠実性の指標から目的関数とその勾配の近似法を導出しています。挿入曲線と top-k 特徴選択の関係を示し、帰属の質を測る損失関数を得て、その乱択化により勾配を効率的に近似します。これをニューラル説明マスク（NEM）の枠組みと組み合わせた Ra-NEM は、任意の微分可能なモデルに適用でき、実験では正確で頑健かつ効率的な帰属を示しています。
注目点挿入・削除曲線下面積による忠実性を微分可能な目的関数に変換し、確率化で勾配を近似して既存枠組みに組み込み、比較実験で有効性を示している。
説明順次到着する財の配分における累積嫉妬の最小化
要約本論文は、不可分な財が順に到着し取り消し不可能に配分される時間的公平配分問題を扱う。各ラウンドの最大二者間嫉妬の総和である累積最大嫉妬を提案し、最悪嫉妬曲線の下の面積として嫉妬の大きさと持続時間を捉える。固定された到着順序では、この目的関数の最小化は強NP完全であり、P=NPでない限り定数倍近似は存在しないことを示す。一方、定数人数に対する擬多項式動的計画法や固定人数に対するFPTASなどの正の結果も与えている。到着順序を選べる変種では、2人の場合に3/2近似を達成する単純な貪欲法が示されている。
説明ORCA：テキストから画像を生成する拡散モデルにおける構成的な失敗の検証
要約テキストから画像を生成する拡散モデルは、構成的なプロンプトで予測可能な失敗をします。属性が誤った物体に結び付いたり、空間関係が反転したり、複数物体の数が失われたりします。論文は、原因は情報の欠落ではなくテキストと視覚の情報のずれにあると主張し、ORCA（Orthogonal Residual Compositional Alignment）を提案します。これは、凍結された視覚エンコーダから導かれる低ランク目標に拡散Transformerの潜在表現を合わせる補助損失を、拡散学習に加えるものです。3種類のバックボーンで、推論時の追加コストなしにFIDとGenEvalを改善したと報告しています。
説明完全に解釈可能な最小Transformer：幾何学からアルゴリズムへ
要約本論文は、最小限のTransformerモデルを構築・解釈するためのフレームワークを提案している。埋め込み次元とヘッドサイズを2に制限することで、内部表現を二次元で完全に可視化できるようにしている。モデルは、数字列の中で「+」が現れたときに直前に出現した偶数を出力する簡単なタスクで学習され、計算の各段階が図で追える。著者らは、学習された幾何学的配置が段階的な手続きとして読めるアルゴリズムに対応すると主張している。
説明多成分材料における汎用機械学習力場の誤差の起源
要約本論文は、7,599個の多成分構造からなるベンチマークを構築し、11種の事前学習済み汎用機械学習力場のエネルギー・力・応力を密度汎関数理論（DFT）と比較しています。さらに弾性、振動、吸着関連の性質にも評価を広げています。誤差は訓練データとの被覆の差や局所幾何の不均一性と関連し、圧縮側の力誤差は伸張側の1.81～1.95倍でした。球面調和表現は多くの元素で試験誤差を下げ、力場選択や訓練データのサンプリングに示唆を与えます。
説明『A Deafening Silence』：データに現れないトークンの出力埋め込みに、破局的忘却が集中することを示す研究
要約本論文は、大規模言語モデル（LLM）の継続的事前学習やファインチューニングにおける破局的忘却（catastrophic forgetting）が、どこで、なぜ起きるのかを分析しています。160Mから12Bパラメータ、4つのモデルファミリーにわたる8つの設定で実験を行い、忘却は新しいコーパスでほとんど出現しないトークンの出力埋め込みに集中することを示しています。出力投影に対してのみAdamのepsilonを引き上げる手法により、7つの安定した設定で忘却の39.4%から67.9%が除去されたと報告されています。
注目点語彙不足トークンの出力埋め込みに忘却が局在することを示し、単一行のオプティマイザ調整による防御を提案。新規性が高く、160Mから12Bまで複数モデル族で検証。
説明SkillForge：動的なスキルライフサイクルによるスキルとエージェントの共進化
要約本論文は、LLMエージェントのスキルライブラリを、試行・活性・安定・退役の状態を持つ適応度駆動のライフサイクルで管理するエージェント型強化学習手法SkillForgeを提案しています。複数の対話型エージェントベンチマークで最も高い総合成功率を達成し、最強のベースラインに対し最大7.8%の相対改善を示すとともに、学習中もスキルライブラリをコンパクトに保っています。あわせて、5,000件以上の注釈付きレコードからなるデータセットSkillFurnaceを公開しています。
説明MOTIF：3DMM係数を超えた特定人物向けディープフェイク検出
要約特定人物を標的とする動画ディープフェイクは最も有害であり、その人物の真正な映像から検出器を構築できます。本論文は一般的な3D Morphable Model（3DMM）係数の各部分を分解し、形状成分だけで全体の精度のほぼすべてが得られ、時間変化の寄与は実在するものの限定的であることを示しました。さらに、これらの検出器が捨てている稠密な表面情報が係数にはない識別情報を持つことを示し、それを用いた実画像のみで学習する視覚検出器MOTIFを提案しています。ベンチマークのすべてのデータセット、操作手法、2つの画質水準で、既存の特定人物検出器2種を上回りました。
注目点エンコーダと学習データを固定して3DMM係数の各群の寄与を分解し、係数にない身元情報を含む密な曲面が有効であることを示した。
説明Dual-QK：剪定可能な2ビットKVキャッシュのための鋭いクエリと平坦なキー
要約本論文は、長い入力や長い生成で増大するKVキャッシュの保存・読み出しコストを扱います。非直交のクエリ・キー変換の組を用いるDual-QKを提案し、INT2量子化とクエリチャネルの動的剪定の両立を図ります。4つのモデルと5つの生成ベンチマーク、長文脈検索タスクで、40%のクエリチャネル疎性においてOSCARより多くのタスクで精度が向上したと報告しています。
説明マルチエージェントシステムにおける同質化の問題
要約マルチエージェントシステムは、エージェント間の相互作用によって複雑なタスクを遂行しますが、その相互作用により各エージェントの振る舞いが似通う「同質化」が起こり得ることを示しています。本論文は多数派への同調、極端への分極化、後続の相互作用における変化への慣性の三つの指標で同質化を測定し、コード生成、採用、科学論文査読の三つのタスクで評価しています。その結果、同質化は相関した誤りの増幅や、偏ったエージェントの影響の持続といった具体的なリスクにつながることが示されています。
説明UltraText Bench：画像生成における視覚的テキスト描画を評価する二言語ベンチマーク
要約本論文は、高密度な視覚テキストの生成を評価する中英二言語ベンチマーク UltraText Bench を提案する。24 の実世界シーンカテゴリと 3 段階の難易度にまたがる 432 件のプロンプトを含み、各プロンプトには 4 から 12 のテキスト領域の正確な文字列と構造化された参照情報が付与されている。著者らは Q-Judger 視覚言語モデルを用い、テキストの忠実度、明瞭度、空間品質、シーン品質の四つの観点から画像を評価している。24 のモデル構成での結果では、モデルごとに強みが異なり、難易度が上がると性能が大きく低下することが示されている。
説明エッジデバイス向けの効率的な3Dガウシアン頭部アバター
要約本論文は、無条件の3Dガウシアン頭部合成のための効率的な生成器アーキテクチャを提案します。パラメータ効率の高い合成ブロックと深さ方向分離畳み込みを用い、スタイルベースの条件付けは維持しています。モデル圧縮や量子化を行わずに、基準モデルと比べてFLOPsを94%、パラメータ数を70%、モデルサイズを81%削減し、競争力のある生成品質を保っています。また、ONNX Runtimeを用いてモバイル端末上でCPU推論やブラウザ実行ができることも示しています。
説明音響基盤モデルへのバックドア攻撃：物理的に実現可能なトリガー
要約本論文は、音響基盤モデル（AFM）の安全性を脅かす「FAB」というバックドア攻撃手法を提案しています。攻撃者の能力について最小限の仮定のもとでも、通常時の性能を保ちつつ、ファインチューニング後も残るバックドアを埋め込めることを示しています。トリガーには背景のサイレン音のような目立たない物理的な音が使われ、起動時には多様な下流タスクで大きな性能低下を引き起こします。著者は、より高度な防御策の必要性を訴えています。
注目点音響基盤モデルへのバックドア攻撃を提案し、下游タスクでの残存を示す。新規性は中程度。2モデル・9タスク・複数トリガーと防御・物理環境で検証している。
説明不確実性ではなく集中度：ターゲット合成データが迷彩物体検出に効かない理由
要約本研究は、固定の合成データ生成予算の下で、不確実性に基づく重点的な生成が、ランダムな配分より優れるかを検討しています。103回の学習実験では、不確実性による重点配分はランダム配分を上回りませんでした。追加の対照実験から、効果は不確実性の集中ではなく、生成予算の集中によって説明されることが示されています。また、CHAMELEONデータセットでは76枚中50枚が学習データと重複していたことも報告されています。
説明BoT-GRPO：トークン袋集約による推論のための効率的なプロセス報酬強化学習
要約本論文は、GRPOを拡張したBoT-GRPOを提案します。系列長で重み付けしたトークン単位の「袋」集約により、価値ネットワークなしでトークンレベルの報酬モデルを扱います。Reactフロントエンドのコード生成では、GRPOより最大1.9倍速く80%のコンパイル率に到達し、AIME数学推論ではGRPOに比べPass@kが最大8.1%向上し、ステップ数は半分で済みました。著者らは、報酬信号の豊かさより安定性が学習を加速させると述べています。
説明DisParQ：解釈可能な視覚基盤モデルのための自己教師あり部品概念
要約本論文は、凍結された視覚専用の自己教師ありバックボーンから、空間的に定位された離散的な概念表現を学習するDisParQを提案します。クラスラベルも言語による教師も必要としません。各画像パッチは学習可能なプロトタイプ辞書の一つの概念に割り当てられ、連続的な残差は離散的な属性に量子化されます。概念と属性のみからバックボーンの表現を再構成し、情報が保たれていることを確認します。ImageNetの線形プロービングではDINOv2教師モデルに近い83.2%のtop-1精度を示し、概念の一貫性や部品ベースの検索でも有効性が報告されています。
説明マスクや軌跡を超えて：安定した手術動画生成のためのフロー誘導潜在動作注入
要約本論文はFLAIR（Flow-guided Latent Action Injection for Reference-free）フレームワークを提案し、マスクや軌跡などの補助条件を用いず、テキストプロンプトのみで手術動画を生成する手法を示しています。実際の手術動画のオプティカルフローから動作の事前分布を学習し、凍結したベースモデルに潜在動作表現を注入して動作の一貫性を高めます。さらに、動作中心のクリップと構造化キャプションを含むデータセットSurgActionClip-30Kと、手術分野向けの評価指標SurgMetricsを構築しています。
説明MIRROR：模倣から内面化へ、LLMパーソナライズの新手法
要約本論文は、大規模言語モデルのパーソナライズを参照文の模倣から利用者の嗜好の内面化へ移す自己蒸留フレームワーク MIRROR を提案している。自身の生成過程に沿った分布整合と、有益な参照トークンへの選択的教師信号を加える MIRROR-F プラグインから構成される。著者らは三つのパーソナライズ生成ベンチマークで総合的な性能と文章品質が優れ、未見のタスクでは SFT ベースの手法より破滅的忘却が少ないと報告している。
説明脳波の微細成分に対する弱教師あり学習によるアーチファクト低減の概念実証研究
要約筋電図アーチファクトは脳波の中で神経活動と分離しにくく、成分単位の信頼できる正解データも不足しています。本研究は、周波数を考慮した高次元表現と多重インスタンス学習を組み合わせた枠組みを提案しています。分離された成分を周波数別の子成分に展開し、時間区間単位のラベルのみから子成分ごとの伪迹らしさのスコアを学習します。未見の被験者での実験では、食いしばり（jaw tension）に対するスペクトル上の偏差の低減が最も明確で、眉上げは中程度、しかめ面は限定的な効果でした。
説明ガウス型頭部アバター構築のための反事実ルート最適化
要約本論文は、ガウス型頭部アバターの構築において、形状・外観・視点間の一貫性など複数の目的を同時に最適化する課題を扱います。提案手法は、同じ学習状態から幾何、外観、およびそれらの結合更新の各ルートを短期間先読みし、その結果を比較して、その時点で有利な最適化方向を推定します。さらに、この推定を軽量なコントローラーに学習させ、学習中に目的関数の重みを有界に調整します。NeRSembleデータセットでの実験では、既存手法より優れた結果と、より明瞭な局所的な顔構造と細部が示されたと報告されています。
説明潜在空間での判定：意味を保つ圧縮による効率的な生成型報酬モデリング
要約本論文はLatentGRMを提案します。これは意味的チャンク分割・圧縮・再構成に基づく潜在評価フレームワークで、評価基準に沿った評価過程を圧縮し、テキストによる評価を生成せずに対比較の判断を行えるコンパクトな連続潜在軌跡を学習します。同じ学習データとバックボーンの条件下で、4Bおよび8Bの両規模において明示的な教師ありファインチューニング（SFT）評価器に匹敵する総合的な選好精度を達成しています。8Bモデルでは評価軌跡を8.9〜9.2倍圧縮し、vote@5で判定の推論時間を6.1〜7.0倍短縮しました。
説明UltraWorld：姿勢注釈のない臨床超音波動画から、音響サンプリングマップを用いて対話型超音波ワールドモデルを学習する手法
要約本論文は、探触子の動きの結果を予測する超音波ワールドモデルを、実際の動作注釈なしの臨床超音波動画から学習するUltraWorld手法を提案します。自己蒸留により合成された動作と映像のペアを用い、探触子の姿勢や撮像条件を画素ごとに表す音響サンプリングマップ（AsMap）を導入しています。シミュレーションによる9回の閉ループ局所計画実験では、視覚サーボと比べて目標までの最終距離と向きの誤差がそれぞれ29％、38％低減したと報告されています。
説明CIRSeg：造影MRIの肝臓領域分割、強度に頑健な粗密二段階手法とソース不要の連続的テスト時適応
要約本論文は、造影MRIにおける肝臓セグメンテーション手法CIRSeg（nnU-Netv2ベース）を提案している。3D CutMixと、Nyul法またはヒストグラムマッチングによる確率的強度変換を組み合わせ、撮像条件の違いに対する頑健性を高める。低解像度での位置特定と全解像度での境界精緻化を分離した級配構造を採用し、最後に最大連結成分フィルタで孤立した誤検出領域を除去する。CARE 2026テストセットでは、ドメイン内とドメイン外のサブセットでDiceがそれぞれ97.13%と97.93%、HD95が20.18 mmと11.30 mmであった。
説明AdaPS-LiNGAM：小標本下の線形非ガウス非巡回モデルにおける適応的先行変数選択
要約本論文は、変数の数に比べて標本数が少ない場合の因果発見を扱います。DirectLiNGAMでは、変数数が標本数を超えると、完全な因果順序が決まる前に繰り返しの残差化が退化することを指摘しています。提案手法AdaPS-LiNGAMは、適応的に選ばれた先行変数の疎な部分集合を用いて元の観測から各残差を再構成し、同じ部分集合選択をエッジ推定の枝刈りにも適用します。合成データの実験では、標本が限られた状況でも因果構造を精度よく復元し、標本数の減少に伴う性能低下が緩やかであることが示されています。
説明拡散モデルによる空間推論のための関係抽象化
要約拡散モデルは画像生成に優れる一方、構造的な空間推論の制約を確実に満たすことには限界があるとされています。本論文は、教師なし物体発見と物体間関係の抽象化を用いて、学習と推論の両段階で生成過程を導く枠組みを提案しています。また、人間が解けるパズルに着想を得た4つのデータセットからなる大規模な生成型空間推論ベンチマークを構築しています。結果として、複雑な推論課題で推論能力が向上し、分布外設定でも頑健に汎化したと報告されています。
説明再現可能な LLM 推論ベンチマーク：回帰テストのための逐次分離プロトコル
要約本論文は、LLM 推論のベンチマークと回帰テストのための「逐次分離法（Sequential Isolation Methodology）」を提案し、実行間の測定ばらつきを抑えることを目指しています。NVIDIA A100 80GB 上で vLLM 0.9.1 を用い、3 つのオープンソース LLM を 6 種類のコンテキスト長と 8 段階の同時実行数で、各構成 5 回反復して評価しました。最終プロトコルでは平均変動係数が 15.2% から 2.2% に低下し、テストした環境で 200〜500 同時ユーザー間に顕著な遅延の変化が見られたと報告しています。
説明論理とペルソナの分離：エッジLLMエージェントの文脈汚染に対する構造的耐性
要約本論文は、履歴が長く誤解を招きやすく、ペルソナ指示が多い文脈において、エッジ環境の言語モデルエージェントの論理推論部分がどう劣化するかを研究しています。論理推論（What）とペルソナ表現（How）を分離するAO-DAを提案し、INT4基盤モデル上で二つの推論経路を、差し替え可能なLoRAアダプタで実行します。実験では、分離された論理経路は汚染の影響を受けず、混合型の単一経路は汚染が強まるほど性能が低下しました。
説明天気から気候へ向かう人工知能の道筋：概説と二つの最低要件
要約本論文は、深層学習による天気予報の進展を概説しています。自己回帰モデルは、短期から季節内・季節先までの予測で力学モデルに匹敵するとされています。著者らは、気候スケールへの拡張における課題を検討し、AI気候モデリングの最低要件として、外部強制力を明示的に入力すること、および極端現象や反事実シナリオなどの分布外条件で頑健性を検証することを提案しています。
説明Bolzano：専門家支援による証明探索から公開未解決問題の自動解決へ
要約本論文は、並列の証明エージェントと検証エージェントを用いる、人間が読める研究状態を保持するオープンソースのマルチエージェントシステム「Bolzano」を紹介しています。専門家が選んだ問題での手動利用では、領域の専門家が証明を確認した8件の結果が得られました。その後、4組の論文から抽出した約3,800件の公開問題に対して、問題固有の人的指導なしで実行し、約200件を解決したとしています。理論計算機科学のトップ会議STOC 2026に採択された論文を用いた実験では、論文中に提起された4つの問いに答え、著者により確認されたとされています。
説明平均場ニューラルネットワーク訓練における非線形観測量のゆらぎ
要約本論文は、確率的勾配降下法で訓練された広い浅層ニューラルネットワークにおいて、平均場極限でのパラメータ分布のゆらぎが有限次元の非線形観測量へどう伝播するかを検討しています。極限ゆらぎ過程が構成される重み付きSobolev空間で汎関数デルタ法を適用し、観測量の中心極限定理と、平均場ゆらぎ理論から引き継がれる共分散の明示式を得ています。さらに、選ばれた観測から目的量を復元できるかを判定する局所的な因子分解の条件も示されています。
説明方策の支持を超えて：自動運転のための相互作用制約付きオフライン強化学習
要約本論文は、自車と周囲車両の共同挙動に生じる分布シフトに対処する、オフライン強化学習手法ICDP（相互作用制約付き運転方策）を提案しています。対照的密度比推定により、共同密度の明示的なモデル化を行わずに相互作用レベルの分布シフトを制御するとしています。nuPlan、Interplan、実車トラックでの閉ループ評価において、交互作用の裏付けがない高価値の軌道選択が抑えられ、相互作用が重要な場面で性能が向上したと報告されています。
説明PARC-Loc：部分割り当てと関係一貫性によるテキストから点群への位置特定
要約本論文は、周囲の物体の記述から都市規模の3次元地図上の位置を推定するPARC-Locを提案している。部分割り当てと関係一貫性（PARC）により、物体間の適合性と空間関係を同時にモデル化する。粗い段階と細かい段階の両方で、クエリに一致するレイアウトを優先して候補を選び、文脈を補強する。KITTI360Poseでは、5m以内のTop-1位置特定再現率が0.50から0.67に向上し、最強の基準手法に対して34%の相対的改善を示した。
説明より小さなTransformerでもクラスタリングを容易に学習できる
要約本論文は、Transformerで k-means クラスタリングのLloyd法（Lloyd's algorithm）を実行する手法を扱います。従来の d+k よりも小さい埋め込み次元 d+⌈log₂k⌉ で同等の表現力を持つTransformerを提案しています。さらに、クラスタリングタスクの分布で学習させ、確率的勾配法による収束と分布内汎化に影響する要因を理論と実験の両面から分析し、学習済みモデルが成功・失敗する場面を調べています。
説明推論のための展開型フローモデル：積分ステップを増やして推論力を高める研究
要約本論文は、2層のTransformerでパラメータ化されたフローモデルがグラフ到達可能性問題を解けることを証明し、必要な積分ステップ数が根からの距離に応じて増えることを示しています。一方、標準的なフロー言語モデルは推論タスクで追加ステップの恩恵を受けられない場合があり、各時点を独立に教師するという目的関数に原因があると分析しています。そこで著者らはモデル自身の潜在的な展開を通して学習し、潜在状態を球面に射影して動態を安定させ、ProsQA、Sudoku、Mazeで性能向上を報告しています。
注目点モデル自身の潜在ロールアウトで学習する流モデルを提案し、グラフ到達可能性の理論証明とProsQA等での実験で裏付けている。
説明EntroPrefill：検索拡張生成のためのRényiエントロピー誘導型コンテキスト剪定と条件付き安定性保証
要約本論文はEntroPrefillという手法を提案し、Transformerのプリフィル段階の中間層で一部のコンテキストを削除して、深い層で処理する系列を減らします。削除できるかどうかは、破棄される注意の質量に対する明示的な制約で判断されます。著者らは計算可能な削除の上限と、適応的に層を選んでも成り立つ有限サンプルの観測保証、条件付きの摂動上界を導出しています。理論的な研究であり、実測の高速化効果やタスク精度は報告されておらず、実験による検証は今後の課題とされています。
説明Shaer：韻律サブフォームと意味条件付けによる制御可能なアラビア古典詩生成
要約本論文は、自然言語による説明、韻律サブフォーム、目標の半行数を同時に条件とする、制御可能なアラビア古典詩生成フレームワーク Shaer を提案する。著者らは Ashaar から派生した116,032首の古典アラビア詩のコーパスを構築し、QLoRA によって Yehia-7B を微調整した。基本韻律の正解率は95.17%、詩単位の韻律サブフォーム正解率は91.75%、行数の完全一致率は83.40%であった。また、全3,481件のテスト生成物に学習コーパスとの完全一致は見られなかったと報告している。
説明拡散モデル生成画像の電子透かし：二軸分類法と三つのプロトコル制約付き事例研究
要約本論文は、拡散モデルで生成された画像への電子透かし手法を、埋め込み方式と主な信号担体表現の二軸で分類し、検証と識別に用いる代表的な z_T-Fourier パイプラインを定式化しています。三つの事例研究では、周波数の完全性と検出・画質・切り抜きの関係、シード依存・非依存の編集下での持続性、VAE 潜在空間の位相変調による単発埋め込みを検討しています。普遍的な順位付けは示さず、統一的な条件での比較のための枠組みを提供しています。
説明画像分類によるAI植物プランクトン事象検出に向けて：ドメインシフト下の時間集約
要約本研究は、AIによる植物プランクトン画像の分類結果を時間方向に集約し、専門家の判読による出現パターンを再現できるかを検討しています。MedPlanktonSetで学習したモデルを、スウェーデン気象水文研究所（SMHI）の独立したIFCBデータセットで評価し、EfficientNet-B0が時間解析に採用されました。集約後のAIによる出現率は専門家の結果と高い一致を示し（ピアソン相関0.9696）、画像単位の識別を超えた監視に役立つ時間指標を提供できることを示しています。
説明SoftSEEPS：機械学習による降水予報の改善
要約本論文は、よく知られた SEEPS スコアの微分可能な近似である SoftSEEPS を提案し、機械学習モデルが降水量を直接予測するように学習できるようにします。IMERG データセット（0.1 度分解能）で、事前学習済みの低解像度予報モデルの潜在空間上に降水量用デコーダを学習させて検証しています。SoftSEEPS と RMSE を組み合わせた同時目的関数は、どちらの指標にも小さな trade-off だけで実現可能であると報告されています。
説明視覚推論の新フレームワーク「Flow-of-Thought」：中間の視覚スケッチで空間推論を支援する研究
要約本論文は、推論の途中で視覚スケッチを生成し、人間の心的イメージを模倣するFlow-of-Thought（FoT）フレームワークを提案します。凍結した学習済みダイナミクス上で生成仮説を比較し、Tetrisと色付き図形の課題で固定テストにおいてそれぞれ100.0%と99.0%の正解率を達成しました。BLINK Multi-viewへの凍結転移では、終点のみを用いた対照群より高い結果（72.2%対63.9%）を示しました。
説明SoccerNet-FoulRet：意味的に類似したサッカーのファウル映像の検索
要約本論文は、意味的なファウル検索の初のベンチマークSoccerNet-FoulRetを提案します。与えられたファウル映像に対し、カメラアングルやチーム、外見にかかわらず、審判の判定として関連する過去の先例を検索するタスクです。SoccerNet-MVFoulデータセットをもとに構築され、人手で検証された693件のクエリで評価が行われています。最も強いゼロショットモデルの人手検証先例に対するHitRate@10は5%未満で、カテゴリ監督による微調整はカテゴリ関連性を高めるものの、先例検索への転移は限定的でした。
説明AIへの健全な懐疑：データ可視化の研究課題
要約本論文は、AIモデルの可視化研究が従来は視覚的説明による信頼の向上に焦点を当ててきたことを指摘します。人間のAIへの信頼は批判的なものから過度な依存まで幅広いことが明らかになってきたと述べ、著者はAIの結果と利用の両方に対して健全な懐疑を持つことを主張します。さらに、AIへの過度な依存の現象、AI利用のリスクと機会、そして批判的思考への動機づけが低い状況におけるデータ可視化の役割について論じています。
説明凍結埋め込みによる生物音響分類で、ドメイン整合の効果が表現の強さに応じて単調に変化する法則
要約本論文は、異なる音響ドメイン間の蚊種分類において、分布整合（MMD）がどの場合に凍結基盤モデル埋め込みの汎化に役立つかを検討しています。エンコーダが目標タスクで強いほど、未見ドメインへの汎化はMMD項に依存し、ドメイン再バランスのサンプリングによって悪影響を受けやすいと報告しています。この法則に基づき、凍結Perch 2.0埋め込み、軽量プローブ、交差エントロピー、単一のMMD項、入力拡張からなる簡略化した手法を示し、完全版と種間のばらつき範囲で同等の結果を得たとしています。
説明ブリッジ・ルーティング・ヘッド：LLMにおける多言語マルチホップ推論の所在
要約本論文は、多言語LLMが異なる言語で多段推論の質問に答える際、内部回路を共有しているかを検証しています。三段階の手順で二つの大規模多言語モデルから「ブリッジ・ルーティング・ヘッド（BRH）」を特定し、五言語間でヘッド集合がほぼ相互排他的であることを示しました。general BRHを無効化すると二段推論の負の対数尤度が上昇し、対象言語の失敗例の最大51.7%を、学習なしで回復できることが報告されています。
説明非有界な特性核と普遍核に関する研究
要約本論文は、機械学習で用いられる非有界カーネル関数の表現力を扱います。カーネル法は各カーネルに対応する再生核ヒルベルト空間に依存し、特性性、L_p普遍性、積分的厳密正定値性といった概念がその表現力を捉えます。これらは有界カーネルでは十分に理解されていますが、非有界の場合の相互関係はほとんど分かっていませんでした。本論文は穏やかな仮定の下で、それらの関係を確立しています。
説明グループ分割を超えて：呼吸跳躍型果実の残存賞味期間回帰に向けた個体レベルの交差検証と視覚的帰属
要約本論文は、Hassアボカド成熟データセット（426個の果実から得た8,834組の画像と残存賞味期間）を用い、凍結したImageNet事前学習済み視覚バックボーンと軽量な回帰ヘッドを評価しています。観測単位の分割と個体を重複させない分割の評価差を比較し、後者の方が誤差が大きい（RMSE 3.12日、前者は2.37日）ことを示しています。個体を重複させない評価ではMobileNetV3-Smallの精度がResNet-18と同等でスループットが高く、Grad-CAMで両者の空間的な帰属の違いを分析しています。
説明情報検索におけるクエリ拡張の性能差を説明する試み
要約クエリ拡張は、語彙の不一致問題を緩和するために情報検索で広く使われてきた技術ですが、すべてのクエリで常に最良となる手法はありません。本論文は、二つの相補的な視点からその性能差を説明します。一つ目は、BM25 検索モデルで検索効果を最大化する仮想的なクエリである理想拡張クエリ（IEQ）、二つ目は Cohen's d を用いて関連文書と非関連文書のスコアの分離度を測る可分性の視点です。実験では、理想拡張クエリに近いほど検索効果が高い傾向が示されました。
説明MeshCarve：コンパクトな潜在空間でのフローマッチングによる精巧なメッシュ生成（論文）
要約本論文は、コンパクトな潜在空間で精巧な3次元メッシュを直接生成する手法 MeshCarve を提案している。頂点位置と辺の接続を別々に生成し、離散頂点を基準とする VertexVAE と EdgeVAE によってトークン列を短縮している。著者らは、Objaverse で既存の自己回帰法およびフローマッチング法より優れ、Toys4K にも汎化すると報告している。
説明DynStream：姿勢情報のない動画から動的世界をオンライン再構築する4Dガウシアン手法
要約本論文は、カメラ姿勢が未知の長時間ストリーミング動画から動的な4Dシーンをオンラインで再構築するフレームワーク「DynStream」を提案している。連続動画を局所的な時間窓ごとに再構築し、それらを逐次位置合わせして全体で一貫したシーンに統合する。シーンごとの最適化は不要である。多様な屋内外の動的シーンで、最先端の性能を達成したと報告されている。
説明YUBI-STAG：自動的な映像・言語グラウンディングによるVLAの接触・意味情報の強化
要約本論文は、ロボット操作のデモ映像に物体、各グリッパーの動作、両腕の協調、空間的関係などの細粒度な意味情報を自動付与するフレームワーク YUBI-STAG を提案しています。さらに、その処理を蒸し込んだ YUBI-VLM が、分割されていない生の映像から少ない推論回数で動作構造と注釈を取り出せることを示しています。これらの注釈で VLA（Vision-Language-Action）方策を後学習すると、両腕タスクで指示への追従性が向上したと報告されています。
説明STLQ：近似最近傍探索のための時空間トポロジー連結量子化手法
要約本論文は、大規模なベクトル圧縮と近似最近傍探索（ANNS）向けの浅い多重コードブック量子化手法STLQ（Spatio-Topological Linkage Quantization）を提案する。各IVFクラスタを有向森林として構成し、基本符号化で個別に量子化した後、選ばれた再構成済みの親ノードに対する相対残差を再符号化して、局所情報を活かしより精密な表現を得る。著者らは、同程度のビット予算で評価した浅い手法より高い再現率を示し、オフラインの構築コストは高くなるが、深い手法と比べても再現率とQPSのトレードオフで競争力があると報告している。
説明EC-EarthFlow：フローマッチングによる日次の過渡的全球気候モデル結果の確率的エミュレーション
要約本論文は、物理気候モデル EC-Earth3 の出力を模擬する生成的フローマッチングモデル EC-EarthFlow を提案する。モデルは SSP2-4.5 シナリオにおける 1950～2166 年の EC-Earth3 過渡シミュレーションで学習され、前日までの気温場と年平均気温から翌日の気温場を自己回帰的に予測する。著者らは、この変数のみを用いて EC-Earth3 の日々の変動、空間パターン、年周期、長期トレンドを再現でき、計算コストは物理モデルより大幅に低く、長期の推論でも安定していると報告している。
説明確定的方策勾配によるハイパーキューブ状態空間向けの境界認識型強化学習
要約本論文は、超立方体上で制御された反射確率微分方程式に従う状態を扱う強化学習のための、連続時間の確定的方策勾配フレームワークを提案します。価値関数と Neumann Bellman 方程式の関係を示し、確定的方策勾配の式とマルチンゲール特徴付け定理を導いています。さらに、Neumann 境界条件をソフトペナルティまたはハードな構造制約で課す連続時間の深層確定的方策勾配アルゴリズムを提案しています。貯水池制御問題での実験では、境界認識型の手法が Neumann 境界残差を大きく減らし、学習の安定性を高めることが示されています。
説明SpikingVLA：非同期スパイキング視覚・言語・行動モデル、低遅延なスパイキング推論の枠組み
要約本論文は、事前学習済みの人工ニューラルネットワーク（ANN）をスパイキングニューラルネットワーク（SNN）に変換し、視覚・言語・行動（VLA）モデルを省エネルギーで推論する枠組みSpikingVLAを提案しています。少ないタイムステップで精度よく変換できる樹状突起統合発火（DIF）ニューロンと、VLAの各構成要素の計算を重ねて同期の負担を減らす非同期実行機構を導入しています。実験では、既存のスパイキングVLA手法と比べてSRとSPLがそれぞれ11.9%と12.6%向上し、最初の行動までの遅延が11.2倍短縮されたと報告されています。
説明事前学習がスペクトル構造を形作る：基盤モデルの分布外ロバスト性をアーキテクチャと学習戦略に応じて予測
要約本論文は、ターゲットデータを用いずに、事前学習済み重みのスペクトル構造だけから基盤モデルの分布外（OOD）ロバスト性を予測する手法を提案しています。著者らは、OOD精度の差が元の表現の集中度によって上限づけられることを示し、その代理指標として重みから計算される統計量を用いています。116モデルでの検証では、アーキテクチャと学習戦略の組み合わせごとに、モデル対の92%をOODロバスト性の順に正しく並べられたと報告されています。
説明内部誘導型境界修復による多領域スタイライゼーションの強化手法
要約本論文は、画像の意味領域ごとに独立してスタイル変換を行う際、各領域を合成すると境界にアーティファクトが生じる問題を扱っています。提案手法IGBR（Interior-Guided Boundary Repair）は、内部誘導型の伝播で境界ピクセルを修復し、物体と背景の境界に限定して距離に基づく内向きのブレンドを行い、物体間のスタイル漏れを防ぎます。注釈付きのスタイル変換画像を必要としない評価指標を用いた実験で、既存のブレンド手法より境界の一貫性や勾配の安定性、内部の保持に優れることが示されています。
説明生成的編集下の潜在透かし：検出残存性のベンチマークと分析
要約本論文は、8種類の透かし手法を、5種類のエディタ、4種類の生成バックボーン、4段階の編集強度、5つの意味カテゴリの条件下で比較するベンチマークを構築しています。通常のプロンプトベースの編集だけで、透かしを直接狙わなくても潜在透かしの検出が失敗しうることを示しています。また、クリーン画像での標準化スコア分離度（d'）が残存性の階層を整理する指標として有用だと報告しています。
説明大規模言語モデルによるプログラム探索をバミューダ型オプションの停止問題で原始-双対証明書により監査する
要約本論文は、大規模言語モデルで駆動される探索により、バミューダ型オプションの行使方針を記述するPythonプログラムを生成する手法を検討しています。信頼できる評価器が与える下界と双対上界を用いて結果を監査し、24回の生成試行、フィードバック表現の比較実験、選択後に凍結した保留データでの評価を行いました。その結果、選ばれた生成プログラムはRidge LSMCを一貫して上回らず、差は高精度の二項モデル参考でも大半が双対界の緩さによるものでした。
説明視覚・言語事前学習で合成ハードネガティブが効く理由は何か
要約本論文は、表現空間で合成したハードネガティブを視覚・言語事前学習に移す際の二つの失敗モードを、六つの合成手法の分析から明らかにしています。また、学習可能な温度を用いると logit スケールが飽和すること、温度を固定すると下流性能が向上することを報告しています。これを踏まえて提案された SNAP は、正例を一切含まないモダリティ内ハードネガティブを生成し、外部の生成モデルを必要とせず、学習時間の増加は10%未満です。CLIP と FLIP 上で複数のアーキテクチャとデータセットを用いた評価では、ゼロショット検索、ゼロショット分類、線形プローブの各タスクで一貫した改善が見られました。
説明SAVU-Bench：実世界の空間音声・映像理解ベンチマーク
要約本論文は、実世界の映像と音声を用いて空間的な音声・映像理解を評価するベンチマーク SAVU-Bench を提案しています。三つの能力レベルと七つの評価タスクで体系的に評価を行い、推論問題を前提となる定位や整合のサブタスクに分解する診断用データセット SAVU-Diag も導入されています。12 の代表的モデルでの評価では、視覚的な空間定位は比較的成熟している一方、音声を含む空間知覚が主要なボトルネックであることが示されました。さらに、学習を必要としない基準手法 SAVU-EA が提案され、空間定位と結合マッチングを改善しましたが、高次の空間推論は依然として難しいと報告されています。
説明再帰的自己改善：ループ型言語モデルのための動的クロスループ同方策蒸留
要約ループ型言語モデル（LoopLM）は、再帰的な計算ステップ間で共有パラメータを再利用することで推論能力を拡張します。本論文では、LoopLM内部の終端ループを凍結した教師として中間ループの学生に密な教師信号を与えるLoopOPDを提案し、外部教師や特権情報を必要としないとしています。さらに、共有パラメータの更新に合わせて教師を更新するD-LoopOPDを提案しています。Ouro-Thinkingモデルでの実験では、両手法が数学的推論を改善し、数学データのみで学習したモデルが一般的推論とコード生成のベンチマークでも改善したと報告されています。
説明より良い視覚表現は常にエンドツーエンド自動運転の性能向上につながるのか？
要約本論文は、ビジュアル基盤モデル（VFM）による視覚表現がいつ自動運転の性能を向上させるかを調べ、プランナー構造や推論コストを変えずに使える表現整合フレームワーク ViRA を提案しています。多様なプランナーで性能が改善する一方、整合させるVFMの選択や補助的な知覚監督の有無が結果に影響することを示しています。これらの知見をもとに、補助的な知覚監督なしで学習する拡散ベースのプランナー ViRA-Diffusion を開発し、NAVSIM v2 navtest で 92.3 EPDMS を達成したと報告しています。
説明二種類の誤り：不確実性定量化の評価における自動判定器の隠れたトレードオフ
要約本論文は大規模言語モデルの出力に対する不確実性定量化（UQ）の評価を扱う。自動判定の誤りは避けがたいため、既発表研究のメタ分析を行い、自動判定が現在の主流であるにもかかわらず、人間の判定との照合はまれであることを示す。質問応答タスクで4つのLLM、人間と自動の判定、7種類の代表的なUQ手法を用いた実験の結果、判定器の性能はその誤りがUQ評価の信頼性に与える影響をおおまかにしか予測できず、判定誤りは最も有益なUQ手法を最も誤って評価しやすいことがわかった。
説明個人化された自動痛み評価のための少数ショット学習
要約本論文は、メタ学習の一分野である少数ショット学習（Few-Shot Learning）を、自動痛み評価の個人化に適用する手法を検討しています。集団レベルから被験者レベルへの評価の移行をタスクドメインのシフトとして捉え、BioVid、SenseEmotion、PMEDの各データセットで評価しています。少数サンプルによるk-shot条件付けにより精度が向上し、被験者間のばらつきがある場合に支持サンプルに基づく適応が平均性能を改善することを示唆しています。
説明WorldBench：大規模言語モデルによるThree.jsボクセル世界生成の評価ベンチマーク
要約本論文は、大規模言語モデルが生成するインタラクティブなThree.js製3D世界を評価するためのベンチマークと評価器WorldBenchを提案している。評価器は実行中の世界を時計の制御、周回観察、ナビゲーションエージェントによる各バイオームの撮影を通じて探索し、あわせてソースコードを読む。機能を取り除いたテストでは、コードのみによる評価より削除された機能に与える得点を減らせることを示し、五つの前沿モデルを評価している。
