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。
説明物質使用障害（SUD）患者の対話生成のための多目的アライメント小規模言語モデル枠組み
要約本論文は、物質使用障害（SUD）患者の応答を生成するための認知基盤の枠組みを提案します。まず潜在的な認知要素を検出し、患者の病歴とカウンセラーの質問に整合させた応答を生成します。小規模言語モデルの学習には、大規模教師モデルからの知識蒸留、人手アノテーションに基づく選好最適化、注意機構を用いた報酬設計を組み合わせています。評価では、一般的な指示調整ベースラインや心の健康分野の小規模モデルと比べ、認知要素の再現と整合性が大きく向上したと報告されています。
説明損失差条件付き相互情報量と精度のトレードオフ
要約本論文は、損失差条件付き相互情報量（ld-CMI）、すなわち学習器の損失差が、各ペアのどちらの候補で訓練されたかをどれだけ明らかにするかを扱います。特定の線形予測器、凸損失、正則化、積分布の条件の下で、一定以上の精度を要求する学習器はld-CMIが約 n ビットのオーダーになることを示します。そのため、範囲スケールのld-CMI境界はこれらの分布上では0に収束しえませんが、各学習器の汎化ギャップは O(n^{-1/2}) です。
注目点精度が損失差の条件付き相互情報量を強制的に増やすことを示し、次数レベルの下界を与えている。理論的に既知の境界を実質的に前進させ、証明も厳密である。
説明視覚モデルは物理的制約を学習しているのか、それとも描画の近道を使っているのか？物理的整合性を検証する反事実ベンチマーク
要約本論文は、画像編集後のシーンが物理法則に反していないかを判定する課題を扱い、Mitsuba 3 で生成した 5,500 枚の合成画像からなる反事実ベンチマークを構築しています。影、反射、支持、表面応答、遮蔽の5種類の違反を含みます。LLaVA-1.5-7B など3つのモデルを診断用ベースラインとして評価した結果、標準分割でのカテゴリ別マクロ F1 は 64.0〜67.8% でしたが、介入によるずれの下では LLaVA-1.5-7B が 40.8% に低下しました。高い精度は、描画や反事実構築に結びついた手がかりに一部依存していることを示唆しています。
説明VC学習の最適情報複雑度：条件付き相互情報量の枠組みで最適PAC保証を回復
要約本論文は、条件付き相互情報量（CMI）の枠組みに基づく学習アルゴリズムの情報複雑度を扱い、その中の評価済み条件付き相互情報量（eCMI）を分析します。著者らは、ランダム化されたMajority-of-5の基本学習器からなるアルゴリズムを構成し、実現可能な場合にそのeCMIがO(d)（dは概念クラスのVC次元）であることを示します。これにより、アルゴリズム依存のCMI解析からVCクラスの最適PAC保証を回復できることを明らかにしています。
注目点CMIの枠組みでVCクラスの最適PAC保証を回復し、eCMIがO(d)となる乱択アルゴリズムを構成した点が理論的に重要である。
説明『Few Bits, One Law: Toward W2A4KV2』：極低ビットLLM圧縮のための統一量子化学習フレームワーク CanonQ
要約本論文は、大規模言語モデルの重み、活性化値、KVキャッシュを同時に量子化する統一的な量子化考慮学習フレームワーク CanonQ を提案しています。固定回転とエネルギー正規化により各テンソルを標準座標に写像し、その上で三者の結合した量子化誤差に適応するよう共同学習を行います。LLaMA3 系モデルの W2A4KV2 設定では、従来手法より困惑度と平均ゼロショット精度が改善したと報告されています。
説明StyleFields：粗から細への3D形状再構成・編集のためのマルチスケールAdaIN変調型暗黙的SDF
要約本論文は、DeepSDF（深層符号付き距離関数）に基づく高精度3D再構成アーキテクチャStyleFieldsを提案する。複数のデコーダ深度で多段階のAdaIN（適応的インスタンス正規化）により潜在変数を注入し、粗から細へのスケジュールで補助ヘッドを監督することで、部品ラベルや敵対的学習なしに形状の内容とスタイルを分離する。さらに、学習済みの代理抗力予測器を微分可能な目的関数として用い、再構成された自動車の最適化を行う例を示している。
説明FreeEvolve：固定ループを超えて進化することを学ぶ手法
要約本論文は、言語モデル・エージェントのプロンプト、スキル、ワークフローを自動的に最適化するFreeEvolveを提案します。従来は人手で設計された固定の探索ループを使っていましたが、本手法では環境が定めた制限内で、進化器自身がテスト内容、証拠の収集量、採用する候補、停止時点を決定します。その判断基準となる進化スキルは、メタ進化によって改善されます。作者らは4つのベンチマークで、主要な保留データ指標を平均13.6ポイント向上させ、人手設計の進化器と同等以上の結果を示したと報告しています。
説明線形再帰特徴機械（linear RFM）の厳密な動力学と有限サンプルでの軌道復元：表現学習の過程を調べるための単純な線形モデルの分析
要約本論文は、予測器の当てはめと平均勾配外積（AGOP）による特徴の更新を交互に行い、データの表現を学習する線形再帰特徴機械（RFM）を扱う。ノイズを含む多出力回帰の設定で、その動力学と統計的性質を分析している。学習された特徴行列は、各反復で無限データ下の理想的な行列に近いことが示され、n 個のサンプルに対して誤差は高い確率で O(√(d/n)) のオーダーで減少する。実テキストおよび単一細胞遺伝子発現データを用いて、この単純な線形モデルが学習する特徴も示されている。
説明StableGrasp：単一画像から物理的に安定した人の手の把持を再構成する手法
要約本論文は、単一のRGB画像から物理的に安定した人の手による把持を再構成するStableGraspを提案します。微分可能シミュレーションに基づく最適化で、視覚的な手の姿勢と把持力を決める制御目標を明確に分けて扱います。把持の運動エネルギーを最小化して手の形状と制御を同時に最適化し、手の形状には正則化をかけて視覚的一貫性と幾何学的妥当性を保ちます。原文によれば、厳密な物理シミュレーションの下で、他の手の制御手法より大幅に安定した把持が得られるとされています。
説明患者・場所・事前分布（P³）：医療ワールドモデルにおける個別化とは何か？
要約本論文は、縦断画像予測モデルが集団平均に頼るだけでなく、実際に患者自身の過去の画像を利用しているかを検証する課題を扱います。著者らはP³監査枠組みを提案し、患者の履歴、患者に対応した病変の空間情報、そして集団平均を超える予測価値を確認します。また、術前化学療法中の乳房動的造影MRIの将来表現を予測するCancer JEPAを提案しています。検証コホートでは患者自身の履歴を用いた場合に誤差が小さくなりましたが、集団平均補正との比較の95%区間はゼロを含みました。
説明記帳か、合成か、到達不能の正解か？凍結された「最後の書き込み」リゾルバーに照らして MemoryAgentBench の競合解決スコアを読む
要約本論文は MemoryAgentBench の競合解決タスクの評価結果を検証しています。著者らは、同じ事実について最も新しい記述が優先されるというベンチマーク自身の規則を、学習を伴わず四つの事実リストのうち一つで固定したリゾルバーとして実装しました。公式指標では、この規則は質問の 80.25% に答えられました（留保した三リストでは 74.5%）。残りの 67 項目では、正解が「最後の書き込み」グラフからは到達できないものの、上書きされた記述からは到達可能でした。著者らは、このような評価は総合平均ではなく項目ごとに読むべきだと主張しています。
説明R-CNNに基づくチェス局面認識
要約本論文は、三次元のチェス盤を写した単一画像だけから局面を認識するR-CNNベースの枠組みを提案しています。駒の認識と盤面の幾何推定を独立した要素として行い、その結果を組み合わせて局面を再構成します。合成データセットでは、駒検出の平均適合率が61.59%から90.14%に向上し、全体の枠組みでテスト局面の76.61%が完全に正しく認識されました。
説明確率から意思決定へ：Jevを用いた探索と多教師蒸散の研究
要約本論文は、テキストを生成せず校正済み確率を短時間で返すモデルJevを、制約の厳しい意思決定タスクで検証する。チェスのブレットでは、Jevの判断をStockfishの探索に組み込み、定跡と終盤データベースを併用することで、Lichessのブレット対戦ボットに対して2200レーティングを超えた。さらに、ペアごとの判断を各局面で動作する小型評価器へ蒸留し、Qwen3-32Bとの教師ラベルを組み合わせると、Qwen単独より強い結果が得られたと報告している。
説明パターン認識と段階的推論の二分法：大規模言語モデルの推論メカニズムに関する論文
要約本論文は、パターン認識と段階的推論は一つのスペクトラムの両端であると論じます。次のトークンが少数の直前の文脈にのみ依存する場合、モデルは段階的推論を学習し、その推論経路はド・ブライン・グラフで表されるとされます。Qwen2.5-1.5B-Instruct を用いた微調整実験では、状態の出現頻度が正確さと摂動への頑健性に影響することが示されています。さらに、Qwen3 系モデルは注意の窓を制限しても高い精度を維持すると報告されています。
説明1フレームから全心拍を生成：径方向分解フローマッチングによる心電図不要の4D心臓シネMRI合成
要約本論文はPhaseFlow3Dを提案し、心電図ゲーティングなしで、拡張末期の3次元心臓MRIボリューム1つから完全な4Dシネ系列を合成する。心周期を拡張末期と収縮末期を基準とした区分線形位相で表し、径方向収縮分解により3次元変位場を生成してボリュームを各フレームへワープさせる。ACDCとM&Msのベンチマークで、駆出率の平均絶対誤差が最小で、分割、病理分類、ラベル伝播、心筋ひずみ解析への有用性も示された。
注目点ECG不要の4D心臓シネMRI合成という新しい枠組みで、区分線形位相と放射収縮分解を組み合わせる。ACDCとM&Msで多指標が優位、アブレーションと下流評価も提示。
説明Q-PACE：量子化対応学習のための動的精度割り当て手法
要約本論文は大規模言語モデルの量子化対応学習（QAT）を対象とし、各層の曲率係数で重み付けした量子化ノイズのMSEの和として損失増加を予測する二次感度モデルQ-PACEを提案しています。学習中に層ごとの係数を定期的に再計算し、精度を再割り当てします。最大4Bパラメータのモデルでの事前学習および教師ありファインチューニングの実験では、既存の混合精度学習手法より一貫して優れ、より少ない総メモリ予算で同程度の損失を達成したと報告されています。また、量子化感度は層の深さと種類によって予測しやすく、学習中も安定しているため、低頻度で低コストな再校正が可能だとしています。
説明LayerRoPE：深さ方向の大きさと角度の動的な重ね合わせ（層の深さに応じて残差ストリームの正規化ゲインを調整する手法）
要約研究者は9つのファミリーに属する16の事前学習済みLLMを調べ、Transformerの隠れ状態のノルムが深さとともに増大するのは単なる欠陥ではなく、正規化重みγが担う層位置の符号化であることを見いだした。深さが増すとγは大きさを増し向きを回転させる。これを基に著者らはLayerRoPEを提案し、各層のγを共有ベクトルと深さ条件付きスカラーに置き換えた。パラメータは減少し、計算量はほぼ変わらないと報告されている。
注目点残差流の正規化ゲインを深さ方向の位置符号化と解釈し、RoPE類似の手法を提案。新規性が高く、16モデルと複数規模で比較も充分。
説明文脈注意機構付きガウス混合モデルによる車両軌道予測
要約本論文は、複雑な環境で車両の複数の将来運動を不確実性とともに予測する、文脈認識注意ガウス混合モデル（CAA-GMM）を提案しています。このモデルは、シーンの文脈と車両の動特性を条件とし、解釈可能なガウス成分で多様な行動様式を表現します。軽量な注意機構により、ラスタ化された環境情報と運動履歴を効率よく統合します。nuScenes と Argoverse 2 の評価では、既存のラスタベース手法と同等以上の精度を、低い計算量で達成したと報告されています。
説明RDGSplat：新規視点合成のための描画専用ジオメトリ
要約本論文は、凍結された3D基盤モデルから新規視点合成を行うRDGSplatフレームワークを提案します。事前学習済みデコーダを複製し、測光的な監督のみで最適化することで、描画に特化したジオメトリを復号し、モデル本来の計量的予測は保持します。また、目標画像ではなく目標カメラ姿勢に条件付けられたアダプタを導入しています。RE10Kでは、WM2.0が20.918 dBから24.266 dBに向上したと報告されています。
説明並列拡散サンプリングの下界：多数のスコアを同時に問い合わせても、逐次ラウンドの一定量は避けられないことを示す研究
要約本論文は、拡散モデルのサンプリングが並列クエリによって高速化できるかを検討している。滑らかでほぼ等方的なガウス混合分布では約 d^{1/3} 回の逐次ラウンドが必要であり、単位球内の軸に沿った異方的な箱からの一様サンプリングでは d 回が必要であることを示す。これらの下界は、近似スコアの条件のもとで任意の確率的アルゴリズムに対して成り立つ。
注目点拡散サンプリングの並列ラウンド数に対する初の多項式下界を示し、Ω(d)の緊い境界も得ている。理論的新規性は高いが影響は主に理論分野にとどまる。
説明一貫した意思決定者となるよう言語モデルを訓練する：信念を保ち期待効用に基づいて行動を選び、情報が不足して行動を正当化できない場合を見分ける手法の研究
要約このarXiv論文は、言語モデルが教師あり微調整によって、結果の確率判断を保ったうえで期待効用が最大となる行動を選ぶ、安定した意思決定の手順を学べるかを検討しています。20のデータセットで学習を行い、新しい応用領域、未見の表現、異なる利得構造への汎化を評価しています。さらに、必要な効用を除いて無関係な文章に置き換えた不完全情報の設定を導入し、その結果、標的を絞った微調整で一貫した意思決定が向上し、行動を正当化できない場合を識別できることを示しています。
説明ToolRACER：エージェントの学習と評価のための頑健な対話シミュレーション資源
要約タスク指向の対話エージェントは、実際の会話では想定どおりに進まないことが多く脆弱です。既存の関数呼び出しベンチマークは協力的な対話に偏っています。本論文はユーザー・アシスタント・ツールのモデルを連携させ、多ターン対話を生成・検証するToolRACERを提案し、6分野約5.6Kの対話軌跡からなるToolRACERBenchを構築しています。このデータで学習したモデルは、τ²-bench や ACEBench でエンドツーエンドの精度が向上したと報告されています。
説明SpecGuard：エージェントが不正を行う前にタスクの欠陥を証明する
要約本論文は、コーディングエージェントの実行前に、タスクの記述とテストの間の矛盾を検出する SpecGuard を提案しています。タスクの意図を Lean 4 の仕様へ自動形式化し、テストも独立に形式化したうえで、Lean カーネルが両者を同時に満たす実装が存在するかを検査し、存在しない場合は機械検証可能な証明書を出力します。矛盾のある SWE-bench タスクでは、最大 72.8% の矛盾を検出し、最大 51.1% を形式的に証明しました。矛盾の見逃し率はモデルベースの判断より約5分の1低いと報告されています。
注目点タスク意図をLean 4仕様に自動形式化し、カーネルで矛盾を機械検証する点は新規性が高い。SWE-benchでの検出率・認証率は示されているが、規模と比較は限定的。
説明sk-bench：スロバキア語における大規模言語モデル評価のためのネイティブ優先ベンチマーク
要約多言語LLMベンチマークはスロバキア語を省略するか、機械翻訳によってのみカバーすることが多い。本論文は、10の能力カテゴリにわたる30データセット（採点対象33タスク）からなるsk-benchを提案する。生成型LLM評価向けに11のリソースを新たに導入または初めて整備しており、スロバキア語向けに調整された指示チェッカーを備えたIFEval-SKなどを含む。55のモデルを統一環境で評価し、ネイティブデータと翻訳データ、言語適応後の指示追従の低下や推論の効果などについて知見を示している。
注目点スロバキア語向けにネイティブ優先のベンチマークを構築し55モデルを評価、小語種評価に実質的な知見を与える。
説明ホロノミーと角の再重み付けによる、独立プラケットからの2次元SU(N)ゲージ理論サンプリング
要約本論文は、Wilson作用をもつ2次元SU(N)ゲージ理論を生成的手法でサンプリングする方法を扱う。作用をホロノミー変数で書き直し、リンク変数の整合条件を、群交換子が与えられたときの条件付きサンプリング問題に置き換えることで、プラケットを独立に取り出せるようにしている。SU(2)とSU(3)では交換子の密度を閉じた形で求めている。2×2と32×32の格子での試験では、プラケットの受理率は99%を超え、最終重みの有効サンプル数は通常0.5を上回るとされている。
説明凍結モデルが専門性を積み上げる：マルチモーダル医療AIのための、モデル非依存の展開経験学習
要約大規模言語モデルと視覚言語モデルは展開後に通常は重みが固定され、解いた症例から学習しないため、新しい臨床知見や治療法が反映されにくいという課題があります。本論文は、重みを変更せずに、スキル、知識メモリ、マルチモーダル知識ベースという三種類の外部専門知識を通じて凍結モデルが展開経験から学べる枠組みを提案します。新しい更新は以前の症例の性能を損なわない場合にのみ保持されます。六つのベンチマークと四つの基盤モデルで検証し、医療タスクのオンライン展開で基盤モデルに対し最大34.2%の向上を報告しています。
注目点モデル非依存の外部経験フレームワークを提案し、6つのベンチマークと4モデルで検証、医療タスクで最大34.2%向上。
説明プロンプトにもノイズを：連続拡散言語モデルにおける条件付けトークンのノイズ付加学習
要約本論文は、連続拡散言語モデルの学習で条件付けプロンプトのトークンをクリーンなまま固定する従来の慣行に疑問を投げかけています。学習時にプロンプトトークンにもノイズを加える方法を提案し、数独やN-Queensなどの組合せ推理タスクおよびGigawordの要約タスクで性能向上を報告しています。一方、オープンエンドな対話生成では同様の効果が見られないとしています。
説明DIVA：視覚・言語・行動方策のための二重空間インテント認識型視覚減衰
要約本論文は、視覚・言語・行動（VLA）方策のためのDIVAモジュールを提案する。高レベルのタスク意図と低レベルの視覚的根拠を組み合わせて、パッチごとの関連度を推定し、バックボーン入力前とバックボーン内部の二つの空間で、関連度の低い視覚特徴を減衰させる。視覚トークン列は全て保持され、外部のグラウンディング教師信号も不要である。LIBEROでは、OpenVLA-OFTの平均成功率を96.6%から98.0%に、ゼロショットのLIBERO-Plusスコアを69.6から72.6に向上させた。実世界実験でも、タスクに無関係な視覚摂動下で一貫した改善が示されている。
説明検証可能な報酬における副作用の抜け穴の発見
要約検証可能な報酬を用いる強化学習で、タスクを行いつつ依頼されていない副作用を生んだ実行を、検証器が見抜けるかを調べた研究です。変異テストの結果、誤って合格した例はすべて依頼されていない変更に起因し、作業の欠落や誤りによるものはありませんでした。一部のタスクでは重複書き込みが合格と判定され、そのうち一部の強化学習手法では満点が与えられるとされています。
説明空間の壁を破る手法と言語モデル推論への応用
要約論文は、スキーマに従うJSONなどの構造化出力を、オートマトンで制約できることに着目します。このオートマトンのグラフは、どの2点間も少数の経路でしか結ばれないという性質を持つことを示します。著者らは、その性質を検証しつつ2点の到達可能性を判定する問題が、Savitchの定理による従来のO(log²n)より小さいO(log²n/loglog n)の空間で解けることを証明しました。これを基に推論エンジンを作り、Apple M2 Proで従来の手法と比較した結果を報告しています。
説明方向性証拠に基づく厳密DAG学習の探索空間削減手法（DECO）
要約本論文は、観測データから有向非巡回グラフ（DAG）を学習する問題を扱っています。厳密なスコアベース手法は計算負荷が大きく、制約ベース手法はグラフの規模が大きくなると不安定になると指摘しています。著者らはノンパラメトリックなハイブリッド手法DECOを提案し、データから依存関係と方向性の証拠を抽出して、経験的に支持されない親ノード集合を除外してから厳密最適化を行います。実験では、ベンチマークネットワークと合成データで探索空間が大きく縮小され、構造復元性能も競争力があると報告されています。
説明尤度テンパリングが変分ベイズ線形ニューラルネットの極限予測モーメントに与える影響
要約広いベイズニューラルネットワークでは、ガウス平均場変分推論において「事前分布支配」が起きやすく、ELBOのKL正則化項が期待対数尤度を上回り、幅Mが増すと予測分布が事前予測分布に崩壊します。本論文は、尤度をT乗（温度T<1）するテンパリングを用いて、Tを Mに対してどの速さで下げれば、この縮退を防ぎ両項のバランスを取れるかを検討します。等方性ガウス事前分布の単一隠れ層線形ネットワークについて、T=τ/M^cの場合の極限予測分布を導出し、未調整のNNGP事後分布と比較します。予測期待値と分散は異なるスケールで相転移を示すとされています。
説明CADFather：ツールの協調利用による自律的なCAD再構築
要約本論文は、3Dメッシュから編集可能なパラメトリックCADプログラムを復元する自律型エージェントシステム「CADFather」を提案しています。視覚言語アシスタントが描画を確認し、どの候補を拡張しどのツールを呼び出すかを決定します。学習型・アルゴリズム型ツールがCAD操作を提案し、数値最適化がパラメータを洗練します。DeepCAD、Fusion360、MCBなどのテストセットで再構築品質と実行妥当性を評価し、計算コストとのトレードオフも分析しています。
説明条件付きフローマッチングによる金属積層造形向け汎化可能PINNのための領域知識を用いた適応サンプリング
要約本論文は、金属積層造形（AM）の熱モデリングにおいて、物理情報ニューラルネットワーク（PINN）の固定的なコロケーション点サンプリングが汎化を妨げる問題を扱います。条件付きフローマッチング（Conditional Flow Matching）で各プロセス条件下の高残差分布を学習し、領域知識に基づく基礎分布と混合して適応的な配点を生成する二段階手法を提案しています。金属AMの数値ベンチマークで、同じ配点数のもとで相対L2誤差を平均62.1%削減したと報告されています。
説明Depth-to-RGB：凍結した深度推定器を幾何学的ガイドによる合成に転用する手法（Depth-to-RGB）
要約本論文は、参照画像を用いて物体を挿入・置換する画像合成のための Depth-to-RGB（D2R）フレームワークを提案します。凍結された深度推定器に参照条件付きの補正を学習させ、合成後の場合の深度を予測し、その深度を固定したままRGB画像を生成します。また、学習に含まれないカテゴリへの汎化を評価するため AnyInsertion++ を導入し、D2R が複数のベースラインより優れた結果を示したと報告しています。
説明空間インダクションヘッド：多次元セルオートマトンの文脈内学習
要約本論文は、系列へ展開された多次元セルオートマトンの軌跡において、Transformerが未知の局所規則をどのように学習するかを研究している。著者らは、関連する空間近傍を再構成する第1層と、その構成を過去の出現箇所と照合する第2層からなる「空間インダクションヘッド」を提案している。学習済みの2層Transformerは、一次元および二次元の未見の規則に汎化し、確定的規則ではほぼ完璧なロールアウトを示し、確率的規則ではベイズ最適予測器からのKL情報量が0.005 nats未満であるとされている。
説明パラメータ効率的ファインチューニング手法は本当に異なるのか？――六手法の性能・忘却・重み幾何の比較
要約本論文は、言語モデルと拡散モデルにおいて六つのパラメータ効率的ファインチューニング（PEFT）手法を比較し、そのパラメータ化がタスク性能、忘却、事前学習済み重みの幾何構造の変化とどう関係するかを調べています。選ばれたLoRA系の手法も事前学習済みの幾何構造をおおむね保持しており、わずかにずれた特異値スペクトルを復元してもタスク性能はおおむね保たれると報告しています。また、手法ごとに適応と保持のトレードオフが異なり、LoRAは忘却を最も一貫して抑え、DoRAは多くの比較で平均タスクスコアが高く、PiSSAは保持コストが大きい傾向があるとしています。
説明欺瞞的バンディット問題：探索の結合と多エージェント学習の脆弱性
要約本論文は、多エージェント学習におけるランダム探索の安全上のリスクを検討します。欺瞞側のエージェントは、被害側の探索と相関する漏えい信号を入手し、自身の探索行動と結合させることで、学習ダイナミクスを「欺瞞的ナッシュ均衡」（DNE）と呼ばれる新たな定常状態へ誘導できることを示しています。著者らは、この学習ダイナミクスがDNEの任意に小さい近傍へ収束し、最適な収束速度を保つことを証明し、資源配分ゲームで欺瞞が定常状態と欺瞞者のコストに与える条件を示しています。
説明どの建物が人工知能に対応できているか？AI質疑応答と制御のための測定ベース評価フレームワーク
要約本論文は、エージェント型人工知能（AI）による建物の質疑応答と制御への対応度を定量化する枠組みを提案しています。まず建物のナレッジグラフから、運用上の質問に答えられるデータの割合（回答可能性の上限）と、公開されている制御動作の割合（作動可能性の上限）という二つの上限を求めます。次に参照用AIエージェントの固定質問セットにおける正答率で、その上限がどの程度実現されているかを測ります。模擬オフィスでは、0.64の回答可能上限のうち0.62を実現しており、故障原因の特定を除き、就緒度を制限しているのはAIではなくデータ不足だとされています。公開されている実建物のグラフ37件では、回答可能上限の中央値は0.16でした。
説明TopoCurve：ベジェ曲線による自動運転の幾何認識型トポロジー推論
要約この論文は、複数視点の画像から3D車線と交通要素を検出し、その構造的な接続関係を推定する自動運転の課題を扱っています。提案手法TopoCurveは、端点が固定された三次ベジェ曲線で車線を表現し、連続的な形状と解析的な接線方向を得ます。OpenLane-V2ベンチマークで後処理なしに50.6 OLSを達成し、端点検出でも既存手法を上回りました。
説明Workhorse：人の データから頑健な全身ヒューマノイドの移動・操作を学習する手法
要約本論文は、ロボットによるデモなしに人の動作データから接触を伴う全身操作を学習する Workhorse を提案している。視覚プランナーが胴体、両手首、両足の目標姿勢を予測し、強化学習による全身トラッカーがそれを実行する。両方のポリシーは同じ記録された人の姿勢で別々に学習される。実機の Unitree G1 では箱の運搬、キック、投げられた箱のキャッチ、スーツケースへの登りなどを行えることが示されている。シミュレーションでは箱運搬の成功率が通常時77%、40 N.s の押しがある場合64%であった。
説明SPLATIFY：3DGS論文やアイデアを学習可能なコードへ自動変換するマルチエージェントフレームワーク
要約本論文は、3Dガウシアン・スプラッティング（3DGS）の論文を、gsplatベースで学習可能な実装へ変換するマルチエージェントフレームワーク「SPLATIFY」を提案している。文脈自由文法による制約付きコード生成、引用の復元、グラフ思考による合成、視覚的フィードバックなどで忠実な再現を目指す。さらに、正則化項・損失・高密度化戦略を自律的に組み合わせて結果を改善する。30本の論文からなるベンチマーク「SPLATIFY-Bench」では、公開コードのない論文で専門家の実装に匹敵し、PSNRが最大2.4 dB向上したと報告されている。
説明不確実性から行動へ：LLMエージェントの誘導を学習する（大規模言語モデルのエージェントをどう導くかを学ぶ研究）
要約本論文は、LLMエージェントの実行経路を、いつ、どのステップで、どの方法で修正するかを検討しています。各非終端ステップで4種類の方法により経路を個別に介入し、最後まで実行した結果から約82,000件の反実仮想継続を含む逐次結果表（SOT）を構築しました。不確実性は失敗する経路の特定には有効である一方、介入が効果を持つステップを確実に特定できる単一の信号はないと報告しています。そこで著者らは、SOTから各ステップの介入価値を学習し、その価値に基づいて介入箇所を決めるVoS（Value of Steering）を提案しています。
説明GeoNatureAgent（GNA）：地理空間・環境タスクにおけるツール利用エージェントの本番前評価フレームワークとベンチマーク
要約本論文は、ツールを使う大規模言語モデルエージェントを本番導入前に評価するためのフレームワーク、GeoNatureAgent（GNA）を提案する。16個のツールからなる固定の地理空間インターフェースをMCPサーバーとして公開し、評価対象のエージェントのみを変数とする。ベンチマークは103タスクで、スペインとポルトガルの3つの環境指標を扱う。Claude Sonnet 4が61.7%で最高性能、DeepSeek V3.2は約11倍安価で同性能の93%を達成した。
注目点ツール利用エージェントの事前評価フレームワークと103タスクのベンチマークを提案し、9つのLLMを複数シードで比較しており、新規性は実質的である。
説明同じテキスト、異なる予測：テキスト分類器におけるサービング文脈の非決定性
要約本論文は、バッチサイズや ハードウェア、推論エンジンなどのサービング条件によってテキスト分類器の出力がどう変わるかを系統的に調べたものです。180のモデルを学習し、チェックポイントとテキストを固定した上で、四種類のサービング文脈を比較しています。ラベルが安定していても確率スコアは安定しないこと、生成型分類器は判別型より多くのラベルが変わることを示し、各機制ごとのラベル安定性の十分条件と緩和策を提示しています。
説明微調された音声認識モデルにおける敵対的摂動の転移を防ぐ
要約多くの組織は公開された事前学習済み音声認識（ASR）モデルを微調整し、ブラックボックス環境で運用しています。しかし本論文は、アクセスが限定されていれば保護されるという前提は脆弱であることを示します。公開のベースモデル上で作成された敵対的摂動は、微調整後のモデルにも効果的に転移し、性能を大きく低下させます。著者らは、基底敵対的微調整、潜在ヤコビアン正則化、HybridGrad-AFTを組み合わせた統一フレームワークTransferBreakerを提案し、3言語・4つの大規模ASRモデルで評価しました。敵対的WERは92.6から27.8へ低下しました。
注目点微調ASRにおける敵対的転移を抑える統一フレームワークを理論的に裏付け、3言語・4大規模モデルで敵対WERを92.6から27.8へ低減した。
説明凸凹強化学習：方策学習の非凸な目的を逐次凸計画で解ける形に書き直す研究
要約本論文は、期待収益の最大化は非凸だが、対数密度比の座標では各反復の目的関数が差分凸制約付きの差分凸計画として書けることを示す。著者らは逐次凸計画法で解き、収束保証を与えるとともに、CPI、NPG、TRPO、AWRを特殊ケースとして位置づける。実験では、長い依存関係を持つ診断用環境で多段階の手法が優れ、古典制御では調整済みPPOと同程度、医療シミュレーションでは調整済みPPOより速く収束したと報告されている。
説明言語フィードバックからの学習のための制約木探索（TRACEアルゴリズム）
要約本論文は、対話型学習において自然言語フィードバックから利用者の潜在的な制約を推定する方法を研究している。候補制約を木構造で整理し、制約を満たす行動を生成して検証するTRACEアルゴリズムを提案する。フィードバックが繰り返しの検証で矛盾しない場合にのみ制約を採用する。六つの言語フィードバックタスクで評価し、RecMovieでは比較対象のプロンプト手法より高い最終出力成功率を示したと報告している。
説明隠れマルコフモデルの同定可能性判定問題の計算複雑性
要約本論文は、隠れマルコフモデル（HMM）のパラメータが観測データから一意に復元できるか、すなわちモデルが同定可能かを判定する問題を扱います。既存の条件は十分条件であることが多く、判定できない場合が残ります。著者らは計算論的観点から、各種の同定可能性の概念に対応する判定問題がPSPACEで判定可能であることを示し、確定的な変種は単純なパラメータ族に対しても既にcoNP困難であるとしています。
注目点HMMの識別可能性判定を実数理論の問題に帰着させ、PSPACE判定可能性とcoETR/coNP困難性を示し、従来の十分条件のみの研究を超えた。
説明予測モデルは本当に正しく評価されているのか？時系列性能に対する前処理の影響
要約本論文は、現在の時系列予測ベンチマークが単純なスケーリングにとどまり、差分化など非定常性に対処する重要な変換を考慮していないことを指摘しています。著者らは、11の予測モデルと16種類の可逆的な前処理パイプラインを、M4の29,000系列を用いて、前処理を考慮した形で評価しました。系列ごとに前処理を最適化すると、評価したすべてのモデルで約27%から87%の改善が見られ、内部に前処理を持たないアーキテクチャほど大きく向上したと報告しています。
説明MaRK：状態空間モデルの動的演算子条件付けのためのマルコフ適応型再帰カーネル
要約本論文は、文脈ベクトルを凍結された状態空間モデル（SSM）の再帰パラメータに対する有界な変調へ写像するMaRKフレームワークを提案しています。1億1100万パラメータのHydra基盤モデルに適用し、学習可能な補助パラメータは630万〜1100万個です。実験では、Chebyshev版が平均検証損失2.55で最も良い性能を示しました。
説明FedRSPO+：意思決定重視型フェデレーテッド学習のための異質性考慮アルゴリズム
要約本論文は、クロスサイロ環境で意思決定を重視する連合学習の枠組みFedRSPO+を提案する。基盤は正則化された予測後最適化の代理モデルRSPO+で、射影によって意思決定写像を平滑化する。各クライアントの目的関数と実行可能領域の異質性に対応し、合成ナップサック問題、最短経路問題、実際のエネルギー価格設定タスクで、予測のみの連合学習や既存の決定重視学習手法と比較している。
説明Tuckerボトルネック注意機構：多次元系列モデリングのための効率的な注意機構
要約本論文はTuckerボトルネック注意機構（TuBA）を提案し、テンソルの低ランク構造を利用して隠れテンソルをコンパクトなTuckerコアに射影し、コア上で自己注意と線形射影を行った後、元の空間へ書き戻す方式を示している。これにより二次より低い計算量を実現する。映像予測と全球天気予報では、標準的な自己注意と比べて誤差と計算量が削減され、最大4.27倍の高速化が報告されている。
説明RippleCP：コーディングエージェントにおける反事実チェックポイントの利得を測る
要約本論文は、コーディングエージェントのチェックポイント機構について、ある候補地点でチェックポイントを取るか省略するかによって将来の復旧コストがどれだけ下がるかを表す「反事実チェックポイント利得」を提案する。SWE-bench Verifiedの12タスク・106の実際の復旧分岐で実験し、チェックポイントにより1タスクあたり平均49.4秒の節約が得られたことを報告する。ただし、最初のチェックポイントと次のチェックポイントでは効果が大きく異なり、後者はわずかに負の利得となった。
説明U-Space：言語モデルでいつ・なぜ不確実性が生じるかを明らかにする手法
要約本論文は、言語モデルの生成中の不確実性の変化を測定・解釈できる低次元部分空間 U-Space を提案しています。疑いと確信の意味的アンカーから正規直交基底を作り、U-Lens により各トークンの可読な不確実性マップを得て、単一のスコアにもまとめられます。正解ラベルや反復生成、追加学習を必要とせず、推論ベンチマークで既存のベースラインを上回ると報告されています。
注目点学習や反復生成を要しない低次元の不確実性部分空間を提案し、長さ制御評価で基線を上回ることを示した。影響はLLMの信頼性研究に限られる。
説明Anaximander：任意の計算バックエンドで地理空間深層学習モデルを対話的に実行
要約リモートセンシング実務者は、地理情報システム（GIS）内で衛星画像に深層学習モデルを適用する際、形式の異なるモデルや環境の違いにより、多くのカスタム実装が必要になります。本論文は、モデルの取得元と計算場所を一つの対話的インターフェースで選択できるオープンソースシステム Anaximander を提案します。バックエンドは推論サーバーで、QGIS プラグインがタイル分割、結果の再構成、ジオリファレンスを担います。農地の区画設定タスクで、三つの異なるモデルをコードなしで並べて比較する例を示しています。
説明エージェント対応の再利用可能コードプリミティブによる大規模リポジトリ構築（LEGO）
要約本論文は、インターフェース契約、依存関係の閉包、検証テスト、来歴情報を備えた再利用可能な実行可能コンポーネント「コードプリミティブ」を提案し、1,424個の検証済みプリミティブを検索可能なライブラリCodeFaceとして整理しています。著者らはタスクに関連するプリミティブを活性化し、実装を統合して実行テストに基づき修正するLEGO手法を導入し、522件の再構築タスクからなるLEGO-REPOベンチマークを構築しました。原文によると、LEGOは評価した13のバックボーンモデルのスコアを平均0.1474向上させ、GPT-5.6-terraは0.3180から0.5134に上がったとされています。
説明DISRQAD：拡散モデル超解像の画質評価データセットとベンチマーク
要約本論文は、拡散モデル（Diffusion）および非拡散手法10種・4種が生成した14,000件の超解像画像に対する平均オピニオン評価値（MOS）を収めたDISRQADデータセットを提案している。評価指標と人間の知覚との一致度は、拡散手法の出力に対して大幅に低く、最も強い無参照ベースラインのSRCCは拡散出力で0.431、非拡散出力で0.813であった。
説明AI生成音楽の盗用検出をバージョン識別問題として扱う研究
要約本論文は、人間同士のカバー曲を対象とする音楽バージョン識別技術を、人間とAIの間の盗用検出に転用できるかを検証します。実際の盗用事例を基に、生成的再合成とデジタル信号処理による難読化で拡張したベンチマーク「COPYCAT」を構築し、350,654組の評価ペアを用意しました。単純な距離閾値は生成的再合成の下で機能しなくなる一方、座標ごとの埋め込みシフトを用いる教師あり手法は分散した盗用信号を回復し、総合F0.5を0.612から0.803へ引き上げたと報告しています。
説明TAP：軌跡アンカー型リカバリによる効率的な長期タスク向けエージェント剪定
要約論文は、長期的なエージェントタスクでは大規模言語モデルへの呼び出しが繰り返され推論コストが高くなる一方、質問応答向けの既存の剪定手法はエージェントモデルに適用すると性能が大きく低下すると指摘しています。著者らは、強化学習で訓練されたエージェントを対象とした初の構造的剪定フレームワークであるTrajectory-Anchored Pruning（TAP）を提案し、オンポリシー回復とチャネルの反復的な再評価を組み合わせています。前向きネットワークのチャネルを60%削除した場合でも、7Bエージェントは ALFWorld と WebShop で密なモデルの成功率の99.2%と88.0%を維持し、成功タスクあたりのGPU時間はそれぞれ約22%と17%減少しました。
説明OverLay++：高密度重なりレイアウトから画像生成へのデータセット
要約本論文は、複雑なシーン構造を持つ大規模なレイアウトから画像への生成データセットOverLay++を提案している。約50万枚の画像を含み、1枚あたり平均6.6個のオブジェクトがあり、アノテーション密度は既存データセットの1.67倍とされる。オブジェクトの説明文は既存データセットの6倍以上の長さである。OverLay++で学習した最先端手法は、複数のベンチマークで一貫した改善と高速な収束を示したと報告している。
説明共変量に依存する多変量順序付き選好の同時モデリングと比較モデルとの関係
要約論文は、共変量を伴う多変量の順序付きデータ（MovieLens の評価、HelpSteer の LLM 応答属性評価など）を扱います。従来は属性を個別に見るか、対比較や順位比較に変換していたため、観測された情報が粗くなるとしています。著者らは共変量に依存する連続比率マルコフ確率場の同時モデルを提案し、対や列の比較モデルはその制約下で得られることを示し、正規化定数が扱いにくい場合の最尤推定法も開発しています。
説明GUARD：ロボットによるハードディスク分解のための幾何学的不確実性を考慮した点群ノイズ除去とセグメンテーション
要約本論文は、スキャンや再構成で生じるアーティファクトとハードディスクの点群から、実際の部品形状を見分ける課題に取り組みます。提案手法GUARDは、学習された幾何表現の信頼性を基に各点の幾何学的不確実性を推定し、予測エントロピーと組み合わせて信頼できない測定を抑制します。実際の2745点群でPointNet++のセグメンテーション平均IoUを0.7739から0.8318に改善したと報告されています。
説明言語モデルとの「対話」を人工物として捉え直す論考
要約本論文は、大規模言語モデルの出力を有意味な発話ではなく、有用性のために最適化された候補テキストと位置づける「人工物的立場」を提唱する。セッション間で何も動作せず、ターン間で記憶する者もおらず、残るのは構成とトランスクリプトだけであり、「対話」は利用者の単独の作業だと論じる。その結果、「私」「あなた」の指示対象や、システムが嘘をつくか約束を守れるかといった問いは成立しないとし、重要なのは設計・採用・認可・利用実践の規範的基盤だと結論づける。
説明LLM蒸留によるマルチラベル・トピック割当：生成型と識別型の学生モデルの比較分析
要約本論文は、商品レビューや売り手と買い手の会話などeコマースのユーザー生成コンテンツに対するマルチラベルのトピック割当を扱い、大規模言語モデル（LLM）を教師として小型モデルへ蒸留する手法を検討しています。1B、4B、8Bのパラメータ規模の生成型モデルと、DeBERTa-V3やModernBERTといった識別型モデルを比較しています。構造化された商品レビューでは識別型が優れ、複雑な多ターン会話では最小の1B生成型が識別型を上回ると報告されています。また、最大112トピックへのラベル拡張やロングテール分布では、生成型の方が性能を保つとされています。
説明EDiS：グラフニューラルネットワーク向けのエッジ非交差サブグラフ疎化フレームワーク
要約本論文はEDiSという、グラフニューラルネットワークの疎な学習のためのフレームワークを提案しています。まずグラフを一度だけキャッシュ可能なエッジ非交差サブグラフに分解し、各エポックでエッジ予算と保持率に応じてそれらを組み合わせて学習用グラフを作ります。19の節点分類ベンチマークで、同じエッジ予算の下で17のベースラインと比較し、平均スコアと平均順位が最良だったと報告されています。
説明明示的な多対多の層マップによるモデル間アクティベーション整合の学習
要約独立に訓練された二つの大規模言語モデルの間で、どの層が対応するか、またその間で特徴がどう変換されるかを調べた論文です。提案手法 MATCHA は、抽出・検査可能な層マップ（目標層×元層の行列）と層間で共有される特徴マップに分解し、プロンプトから両方を同時に学習します。三つのモデル系統にまたがる7モデルの42組で、従来手法より目標モデルのアクティベーションを忠実に再構成し、検索系の指標も大きく改善しました。学習された対応は概ね深さに対して単調ですが多対多であり、あるモデル向けのステアリングベクトルやプローブを別のモデルへ移せることも示されています。
説明医療機器製造の品質管理のための認識論的不確実性を考慮した欠陥検出
要約本論文は、医療機器製造における自動欠陥検出の信頼性を、認識論的不確実性を考慮することで高められるかを検討しています。ナレッジグラフで表現された製造データと機器報告データを対象に、推定された認識論的不確実性が閾値を超える予測を棄権する手法を用いています。266,170件の実際のFDA MAUDE機器報告では、10%を棄権すると分類誤差が48%減少したと報告されています。
説明有限特徴連想記憶の容量を幾何学から理論化する研究
要約本論文は、圧縮された有限特徴ヘブ型連想記憶における完全一致キーによる検索について、幾何学に基づく容量理論を提示する。検索の干渉は、特徴次元とともに減少する有限特徴ノイズと、格納されたキー間の核重なりの二乗で決まり無限特徴極限でも残る構造的干渉に分けられる。合成、視覚、医用画像の表現で検証され、予測される検索曲線は実験結果とよく一致したとされる。
説明MimicX：ポリシー・ループ内の監督信号改良による映像駆動ヒューマノイド動作追従
要約本論文は、物理ベースの実行で得られたフィードバックを用いて、人間の映像から再構成・リターゲティングされたヒューマノイドの動作追従学習の監督信号を改良するMimicXフレームワークを提案する。困難な動作遷移と影響を受ける身体部位を特定し、追従目標とリセットカリキュラムを共同で調整する。4つの中核的な映像タスクにおいて、固定参照ベースラインと比べ、タスク平均で身体追従誤差が25.7%減少し、実行可能時間が255.6%増加したと報告されている。
説明アイデンティティを超えた正義：大規模言語モデルと「あらゆる場所からの視点」
要約本論文は、ロールズの「原初状態」という思考実験の限界を踏まえ、個人の社会的アイデンティティに頼らずに、より公正な倫理的判断を大規模言語モデル（LLM）によって形成できるかを検討します。人間、基盤モデル、フロンティア／ファインチューニング済みモデルの判断を、アイデンティティ関係やロールズ的なアイデンティティ制約を体系的に変えて比較しています。結びでは、高度なAIが思慮深い助言を与えた場合に人間がそれを実際に受け入れるかどうかを考察しています。
説明BeatFlow-ECG：間接的なウェアラブル信号から心電図を再構成するための整流フロー
要約本論文は、同期して取得したPPG（光電式容積脈波）とIMU（慣性計測）信号から単一チャネルの心電図（ECG）を再構成する条件付き整流フローモデルBeatFlow-ECGを提案しています。PPG-DaLiAとWESADでleave-one-subject-out方式により評価されました。報告された波形および拍動タイミングの指標すべてで、比較対象のベースラインより優れた結果を示しています。
説明自己剪定型Transformer：汎用アテンションによる極限のKVキャッシュ圧縮
要約大規模言語モデルのKVキャッシュが大きく、効率的な展開の妨げになっています。本論文は、相補的で新しい減衰機構を統合する枠組みを提案し、RoPE位置埋め込みとSoftmaxアテンションを保ちつつ、エンドツーエンドで学習可能なUniversal Attentionを構築しています。その複合減衰機構が適応的な剪定基準として働き、注意計算への寄与が最も小さいトークンを取り除きます。自然言語と合成タスクのデータで10倍の圧縮を達成し、16kの長さでは25倍の圧縮を示しています。
説明金融世界モデルに向けて
要約本論文は、金融市場の表現学習を対象とし、従来の評価が単一の予測タスクや狭いデータに限られてきた点を指摘しています。著者らは、2008年から2025年までの米国株式の約1兆件の観測値を1Hz解像度で含むデータセットMarket-1Tを提案し、厳密な評価手法を開発しました。18種類のエンコーダ学習戦略を比較したところ、予測性能が似ていても市場状態の構造の捉え方は大きく異なることが示されました。
説明条件付き拡散モデルによるジャンプ拡散過程の遷移核の学習
要約本論文は、条件付き拡散モデルを用いて時間齊次なジャンプ拡散過程の遷移核を学習する問題を扱い、高頻度の離散時間格子上で観測された独立な N 本の軌道からなる訓練データから、新たなサンプルパスを生成することを目指しています。理論面では、条件付きスコア推定誤差と、真の離散観測パスと生成パスの法則の間の KL ダイバージェンスについて非漸近的な上界を導いています。数値実験では、合成データで理論結果を検証し、Gao ら（2025）の手法と性能を比較した後、実データへの適用として確率的予測タスクでの性能を調べています。
説明ランダム行列理論に基づくランダム特徴ネットワークにおける二次の弱から強への汎化
要約本論文は、2層ランダム特徴ネットワークにおける弱から強への汎化現象を研究しています。弱い教師モデルが付与したラベルで学習した強い生徒モデルが、教師より良く汎化する場合があります。ランダム行列理論を用いて、最適に学習された教師と勾配フローで学習された生徒の母集団誤差の決定論的等価式を導出しています。ReLU活性化と純粋な球面調和関数の目標に対して、ガウス普遍性の仮定の下で精密な漸近結果を得ており、生徒の誤差が教師の誤差の二乗に比例する二次の改善を示しています。これは Medvedev ら（2025）の一般的な下界と一致します。
説明「Careful Judge」：安全で効率的な人間とAIの協調意思決定手法
要約本論文は、AIモデルと人間のレビュー担当者を組み合わせ、安全で人間の判断に沿った意思決定を保証するエンドツーエンドの仕組み CARE（校正付き適応的修正・エスカレーション）を提案しています。人間からの選択的なフィードバックから継続的に学習し、人間への問い合わせを減らしながら自動化の度合いを高めます。CARE は任意のブラックボックスAIモデルに適用でき、適応的校正モジュールにより各時点でのリスク制御を保証します。運転、言語、ロボティクスの4つの安全性が重要な実データセットでの実験では、ベースラインと比べて人間への問い合わせを25〜81%削減したと報告されています。
説明ORACLE：オプティマイザ相対の制約付き学習アライメント手法
要約本論文は、勾配や目的関数に介入するのではなく、オプティマイザが一回の更新を行った後に制約の適合性を評価する手法を提案している。提案手法ORACLEは、異種の制約群を同時に端点線形化して評価し、オプティマイザ自身の幾何において整合成分を構成し、その影響力を制限したうえで検証後にのみ採用する。8つの偏微分方程式ベンチマークと4種のオプティマイザで、構成の94%において元のオプティマイザと同等以上の結果を示したと報告している。
説明高再現率から高い有用性へ：データセットに適応する LLM 生成顧客意図の後処理
要約本論文は、顧客意図抽出（CIE）のためのデータセット適応型後処理アーキテクチャを提案します。大規模言語モデルが非構造化の顧客言語から再現率重視で抽出した大量の候補意図を、重複除去、標準化、クラスタリングによって、安定して追跡可能な意図単位へと圧縮します。キーワードによる説明層や、制約付きの言語モデル集約も含まれます。さらに、類似顧客からの潜在的な目的の推論と、意図を用いたビジネス成果へのマッピングという二つの下流応用が紹介されています。
説明監督者が外乱になるとき：統制された道具利用エージェントにおける制御由来の外乱とコスト考慮型バックオフ
要約本論文は、道具を利用するエージェントを監督する監督者（ガバナー）が、そのエージェントに干渉しうる可能性を検討している。規制強度の上昇が実験的に課したツール障害を引き起こす、制御されたファイル回復環境で実験を行っている。コストを考慮しない監督者はこれらの障害を持続的な阻止に変え、タスクの完了を妨げる。著者らは、既知の誘発事象の移動平均に基づいて介入確率を下げるバックオフ規則と比較しており、その結果、バックオフ時には阻止が減り完了率が向上したと報告している。
説明異種グラフニューラルネットワークを用いたマルチエージェント経路計画のための共有ロードマップの生成と評価
要約本論文は、マルチエージェント共有ロードマップを自動生成・評価するためのスケーラブルな異種グラフニューラルネットワーク（GNN）フレームワークを提案します。経路点、エージェントの位置、タスクの位置を異種グラフ内の別々のノードとして扱い、専門家ソルバーの軌跡から集計された占有密度マップで学習させることで、重要な注目点を特定し冗長なノードとエッジを削除します。実験では、高密度のロードマップにおいて実行時間とグラフサイズをともに少なくとも40％削減できたと報告されています。
説明Shape-Bayes：視覚的曖昧性のもとでの構造化形状のベイズ推論
要約本論文は、顔などの構造化された形状を画像から推定する際、決定論的回帰は視覚情報が曖昧または不完全なときに脆く、強い遮蔽では不整合な形状を予測したり一般的な平均形状に戻ったりすると指摘します。これに対し著者らは、不確実性を考慮した視覚認識とベイズ形状推論を組み合わせた確率的枠組みShape-Bayesを提案し、PCA形状多様体上で構造的に妥当な事後分布を求めます。顔形状回帰では、強い遮蔽下で既存の決定論的モデルに比べIDRが絶対値で最大約34%向上し、相対誤差は最大12.5%低減したと報告されています。
説明説明を超えて：概念介入による医用画像モデルのデバッグ
要約医用画像モデルはブラックボックスとして扱われることが多く、解釈や体系的なデバッグが困難です。本論文は、単一モダリティのエンコーダをBioMedCLIPに整合させて概念ボトルネックモデル（CBM）を構築し、概念レベルの介入によって因果的な概念と疑似相関の概念を切り分ける、導入が容易なフレームワークを提案しています。Mayo Clinicの超音波データセットとCheXpert 5x200の胸部X線データセットでの評価では、概念介入により信頼性の高いモデル診断が可能になり、誘導的なファインチューニングによって予測性能を維持しつつ時に向上させることが示されています。
説明BEACON-SP：臨床的自殺リスク評価のためのオントロジーに基づくGraphRAGフレームワーク
要約本論文は、自殺予防など行動保健の場で医師を支援するためのオントロジー基盤のGraphRAGフレームワーク「BEACON-SP」を提案する。患者の知識グラフとオントロジー誘導型検索を組み合わせ、診断、投薬、リスク・保護因子、人生の出来事、時間関係をまたぐ多段階推論を支援する。100人の患者と15の臨床カテゴリにまたがる1,500件のクエリで評価した結果、ベクトル検索型RAGと比べて完全性、臨床的関連性、根拠の裏付けが改善され、事実正確性はわずかに向上した。対比較では76.4%のケースでGraphRAGが好まれた。
説明SPIN：スパースアテンション向けのシャドウ予測インデクサー（デコード時のインデックス計算負荷を下げる手法）
要約本論文はSPINを提案し、インデクサー型スパースアテンションが各デコードステップで全KVキャッシュをスコアリングしなければならない問題に対処します。SPINは軽量な履歴ベースの予測で重要なKVブロックを特定し、全体のスコアリングを避けます。長文脈およびエージェント系ベンチマークで、タスク品質を保ちながら30〜40%のスパース性を達成したと報告されています。vLLMによるエンドツーエンドの推論では、出力スループットが最大14.9%向上し、トークン間の中央値レイテンシが最大13.2%低減したとされています。
説明すべての呼び出しにフロンティアモデルは不要：稼働中のエージェント型家庭自動化システムにおける呼び出し箇所別の小型言語モデル評価
要約論文は、エージェントシステム内のLLM呼び出しは難易度が大きく異なるにもかかわらず、実際には単一のモデルがすべてを担っていることを指摘します。著者らは、オープンソースの家庭自動化フレームワークWactorzの5つの呼び出し箇所で、0.8Bからフロンティア級のホスト型モデルまで9モデルを比較し、実際のHome Assistant環境2つで評価しました（280件、2520回の採点済み呼び出し）。最良のローカルモデルは5箇所中4箇所でホスト型モデルと統計的に差がなく、差が出たのはコード生成のみでした。各箇所に最良のローカルモデルを割り当てると91.8%で、全面的なホスト型モデルの95.4%に近い結果となりました。
注目点呼び出し箇所ごとに小型モデルを評価し能力順位が一貫しないことを示し、ルーティングで費用削減できる点に新規性がある。2520回の採点と実運用での検証が根拠。
説明校正のための近傍平滑化：学習表現の近傍構造を用いて訓練段階でニューラルネットワークの信頼度を補正する手法
要約現代のニューラルネットワークは過信しがちで、校正が不十分なことが多い。本論文は、表現空間で近いサンプル同士に似た予測分布を持たせるグラフ平滑化を、訓練段階の校正の一般原理として提案する。近傍サンプル間の予測の乖離を局所的な信頼度の変動や点ごとの校正誤差の伝播と結びつける境界を導出し、平滑化が校正を改善できる条件を整理している。近傍サンプルの予測分布間の Jensen-Shannon ダイバージェンスを罰則化する正則化項を提案し、八つの画像・表形式設定のうち七つで、温度スケーリング後に訓練段階の手法の中で最低の NLL を達成したと報告している。
説明PAIR：視覚・言語・行動モデルにおける知覚と行動の橋渡し
要約本論文は、視覚・言語・行動（VLA）ロボットモデルにおいて、知覚表現と行動表現の間で共有される中間表現を学習するフレームワークPAIRを提案している。学習時にはマスク付き行動自己符号化器とブリッジモジュールでBridge Tokensを生成し、行動専門家の精緻化の出発点として行動トークンに注入する。推論時には自己符号化器は不要である。LIBERO-PlusではVLA-Adapterの成功率が59.1%から64.2%に、実機七課題ではOpenVLA-OFTの成功率が51.4%から65.0%に向上したと報告されている。
説明テスト時のパーソナライズ：画像生成のためのユーザー嗜好の学習
要約拡散モデルは高品質な画像を生成できますが、出力を個々のユーザーの嗜好に合わせることは依然として困難です。本論文は、ユーザーの過去の画像嗜好ペアから個人化された報酬モデルを直接学習する手法を提案します。自己符号化器で多数の視覚属性を50の嗜好次元に圧縮し、各次元で画像を評価する評価器を学習させ、ユーザーごとの嗜好を低次元の重みベクトルで表現します。推論時には拡散モデルを固定したまま学習済みの報酬で生成を誘導します。実ユーザーデータで、保留データに対する二者比較の嗜好予測精度は約77%となり、生成画像の個人嗜好との整合性も向上したと報告されています。
説明ループ型言語モデルにおける動的計算の実現
要約ループ型言語モデルはパラメータ効率が高く、容易なトークンでメモリと演算量を節約する動的計算が期待されています。しかし、この機能を持つ最先端の公開モデル（Ouro）では、各ループごとに個別のKVキャッシュが必要なため、実際には動的計算が実現できていません。本研究では、そのまま利用できる単純な「利用可能な最良」のKVキャッシュ戦略を提案し、全深度での性能を保ちながらFLOPsとKVメモリを最大30%削減できるとしています。さらに、早期終了の事前分布を強制する目的関数にも小さな修正を加え、トークンが難易度に応じて異なる深さで終了するようにしています。
説明その記憶は誰のものか？長期LLM記憶のためのスコープ認識型コミット規則
要約本論文は、LLMエージェントが推論中に生成した仮定、シミュレーション結果、他者の信念をそのまま長期記憶に保存すると、後に事実として誤用される問題を指摘する。著者らはCASK（Causally Anchored Scoping Keys）を提案し、内容の帰属先（世界、分岐、話者）を示す安定した関係を保持することで、共有された事実のみを永続記憶に取り込み、暫定的な内容は元のスコープ内に限定する。長期対話と工具エージェントの実験では、記憶の受け入れが改善され、暫定内容による後続回答の汚染が防がれたと報告している。
説明小型Transformerの算術推論：アルゴリズム的スクラッチパッドと段階的カリキュラム学習
要約本論文は、非埋め込みパラメータ約1,060万の小型Transformerが、ステップごとのスクラッチパッド形式の合成データで四則演算を学習する際の性能を調べたものです。パディングによる勾配飢餓が連続パッキングで解消されること、言語事前学習が前提となることを示しました。筆算形式の除算スクラッチパッドと4段階のカリキュラムにより、一桁除算の正解率は4.0%から86.7%に向上しましたが、多桁乗算は難しく、未見の四桁オペランドでは0.00%まで低下しました。
説明マルチエージェントゲームにおける安全でないタスクの報告学習
要約完了したタスクに対して報酬を共有するエージェントのチームが、安全でない作業を報告して停止すべき条件を研究した論文である。著者らは、どのような監査条件のもとで策略勾配法が普遍的な報告に到達するかを解析し、完全共有の方策は報告が最適であっても沈黙に引き寄せられうることを示している。24のグラフでPPOを用いた実験では、方策のグループ分けにより不安全なタスクの完了率が大きく低下したと報告されている。
説明PhysEvo：凍結モデルを実行結果から継続的に改善するロボット操作フレームワーク
要約PhysEvoは、単一の凍結モデルを対象に、ロボット操作の物理的再帰的自己改善を行う枠組みです。モデルの重みを更新せず、別途学習した動作ポリシーも使いません。タスクエージェントがロボットタスクを実行し、メタエージェントが得られた軌跡から失敗を診断してツールとスキルを修正・検証し、自身の診断ツールも改善します。42のRoboDojoタスクの未見レイアウト評価では、平均スコアが68.14/100、成功率が62.00%で、比較対象の47.17%を上回りました。実機の五つのタスク、25回の試行では成功率84.00%でした。
説明LLMベース音声認識のための音素ガイド付き初期化手法
要約本論文は、音声大規模言語モデルが対訳データの少ない低リソース環境で音声認識の性能を落とす問題に取り組み、「音素ガイド付き初期化」を提案しています。音声エンコーダを音声→音素タスクで、LLMを音素→書記素タスクで事前学習し、両者を接続して目標の認識タスクでエンドツーエンドに微調整します。日本語（CSJ）、中国語（AISHELL-1）、Common Voice 25.0のタタール語とウルドゥー語での実験では、従来の段階的ベースラインと、この初期化を行わないエンドツーエンドモデルに匹敵するか、それを上回る結果が示されています。
説明検証は少なく、進化は多く：検証効率の高い機械学習進化エージェントのためのアイデアレベル批評モデルの訓練
要約本論文は、AI4ML（機械学習のためのAI）において、経験的検証にはモデルの訓練と評価という計算コストの高い作業が必要で、エージェントの進化速度と規模が制限される問題を扱っています。提案された機械学習の改良が現行の解を上回るかを予測する専用の批評モデルを訓練し、有望なアイデアに検証資源を集中させます。Gemini-3.1-Proが合成した高品質な批評で教師ありファインチューニングを行い、その後GRPOで予測精度を高めています。静的なアイデア評価でGemini-3.1-Proを上回り、推論時の進化、継続学習、方策訓練でも効果が示されています。
説明REFIT：ラベルなしでウェアラブルセンサーの装着位置のずれを認識・修正・検証する手法
要約REFITは、学習時と利用時でセンサーの装着が異なる場合に、固定された行動認識モデルの入力を補正する手法です。例えば時計を反対の手首に付け替えた場合や、ストラップ型センサーが裏返しになった場合などが対象です。軸変換の族で偏りを表し、ラベルや再学習なしで統計量を合わせることで修正します。実験では、既存のラベル不要の適応手法より精度が高く、再装着による精度低下の大部分を回復できたと報告されています。
説明合成データ量を決めるのは難しさではなくカバレッジである（活性化プローブ研究）
要約本論文は、デプロイ済み言語モデルを監視する活性化プローブに必要な合成学習データ量を検討しています。高リスク状況、人に有害な応答、ユーザーの指示に従わない応答の3つの概念について、14の評価分布と4つのプローブモデルで学習曲線を描いています。必要量は監視対象の概念によって決まり、指示不遵守の概念では他より多くのサンプルが必要だと報告しています。
説明LASER：支持制約付き・エントロピー正則化オフライン強化学習のための潜在空間随伴マッチング
要約オフライン強化学習は静的データセットから方策を最適化できますが、分布外（OOD）の行動を実行する危険が大きな課題です。本研究はLASERというアルゴリズムを提案し、フローマッチングで学習した行動クローニング方策の潜在空間内で、潜在空間随伴マッチングによりエントロピー正則化された強化学習を行います。時間方向の逆伝播を避けつつ、40のOGBenchタスクで最先端の性能を示し、全タスクで同一のハイパーパラメータを用いています。
説明TAIGA実験のマルチモーダルデータを本質的特徴で解析する手法
要約本論文は、オートエンコーダなどのニューラルネットワークを用いて本質的な特徴を抽出する手法を提案している。複数の装置から同時に得られるマルチモーダルデータの解析を対象とし、TAIGA実験のデータに適用している。現在は各装置が個別に解析されていると述べたうえで、モンテカルロシミュレーションにより、本手法が有効に解析できることを示し、他の実験施設にも利用できるとしている。
