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。
説明ゼロショット脳MRI画像修復：2.5D無条件フロー事前分布による手法
要約本論文は、隣接する軸位スライスの三つ組の健常な解剖構造の分布を、病変領域を損失関数から除外して学習する2.5D無条件フローマッチングモデルを用いた、ゼロショット脳MRI修復手法を提案している。推論時には奥行き方向に自己回帰的に処理し、Restora-Flowソルバーで入力マスクによる制約を加える。BraTS 2026修復チャレンジの検証セットでは、SSIM 0.816、MSE 0.007、PSNR 22.923という結果が報告されている。
説明S2Tok：持続的空間トークンによるストリーミング3Dガウシアン再構成
要約本論文は、未キャリブレーションの画像ストリームから、サイズが適応的で持続的なシーン状態を維持する前向き型フレームワーク S2Tok を提案します。空間を考慮したTransformerが新しい観測と既存のシーントークンを統合し、学習型の受け入れモジュールが冗長な保存を抑えるよう表現を選択的に拡張します。階層デコーダとガウシアンヘッドがこの状態を非ピクセル整列の3Dガウシアンに変換し、過去のフレームを保持せずに新視点レンダリングを可能にします。4つのベンチマークで、コンパクトなガウシアン表現により競争力のあるストリーミング描画品質が示されています。
説明SNR制御LSTM条件付き拡散モデルによるMIMOチャネル推定
要約本論文は、MIMOチャネル推定のための時系列条件付き拡散フレームワークを提案し、角度領域でのノイズ除去を行います。LSTMで短い観測系列を符号化して時間的変動を利用し、学習可能なSNRゲート付き後段融合ショートカットで観測忠実度と生成的事前分布のバランスを取ります。また、SNRに応じて逆拡散ステップを調整するDDIM型の決定的更新により推論遅延を低減します。時変の標準化チャネルモデルでのシミュレーションでは、既存の拡散ベースラインを上回る性能を示し、低遅延も維持されています。
説明最適なオプティマイザは バッチサイズによって変わる：自己適応型オプティマイザの順位がバッチサイズで入れ替わることを示す論文
要約多くの新しい適応型オプティマイザは単一のバッチサイズでのみ評価されていますが、論文はバッチサイズによって最適なものが変わることを示しています。著者らはノイズを含む二次モデルを解析し、性能を保つバッチサイズのスケーリング則が方向ごとに異なること、また勾配ノイズが前処理におけるバイアスと分散のトレードオフを生み、順位を逆転させうることを示しています。言語モデルの事前学習では、最も鋭い 0.001% の方向だけで小バッチの更新を保持すると、損失差の一部を解消できると報告しています。著者らは、オプティマイザ設計ではバッチサイズを考慮し、評価もバッチサイズを横断して行うべきだと結論づけています。
注目点ノイズ付き二次モデルで最適なスケーリング則が方向依存であることを示し、言語モデル事前学習の実験で検証しており、オプティマイザ評価に実質的な影響がある。
説明Wieszcz-XIX：1918年以前のポーランド語31億語コーパスと、ゼロから学習した時代限定言語モデル
要約本論文は、1800年から1918年にかけて出版されたポーランド語の文書約29万4千件（多くは定期刊行物）から成るコーパスWieszcz-XIXを公開する。重複の除去と1918年以降の内容の除外を行い、47Mから349Mパラメータのデコーダ型モデルをゼロから学習して、時代の語彙に対する振る舞いを評価している。モデルは時代の偏見、反ユダヤ主義的な発言を含めて再現することが警告されている。
注目点1800〜1918年の31億語規模のポーランド語コーパスを構築し、そこから学習した時代限定モデルを現代モデルと比較して検証しており、証拠は比較的充実している。
説明HULK：人型ロボットの全身で力を使う移動・操作の学習
要約本論文は、人型ロボットが大型で重い物体を体に抱えて移動・操作するための全身制御フレームワーク「HULK」を提案します。モデル予測制御で強化学習を導き、二つの教師ポリシーを訓練して単一のポリシーに蒸馏しています。シミュレーションとUnitree G1で評価され、原文によれば、障壁関数を用いた教師は各腕10kg負荷で速度追従誤差が最小となり、DCM偏差を35.7%削減し、腕先の力を受ける教師は最大130Nの胴体への押し外乱に耐えました。
説明評価待ち時間を活用した完全ベイズ最適化：目的関数の評価中に次の候補を先行計算する手法
要約高コストな黒箱最適化問題を対象とし、ELF-BO という手法を提案しています。目的関数の評価を行っている間に超パラメータの事後分布からサンプルを取り、目的値が得られた後にサンプルの重み付けのみを行います。合成関数と実応用での実験により、完全ベイズ手法と同等の性能を、標準的なベイズ最適化と同程度以下の意思決定遅延で実現できることが示されています。
説明Socio-Foundation：階層的能力蒸留による汎化可能な個人行動シミュレーションモデル
要約本論文は、個人行動をシミュレーションするためのSocio-Foundationモデルを提案している。個人シミュレーションを、ペルソナ忠実性、結果実現、行動の自然さ、軌跡の一貫性、社会的接地の五次元からなるFONTS分類法で整理した。約1000万件の訓練データを用い、DAPOによるタスク専門家の学習、オフポリシー蒸留による能力専門家化、多教師オンポリシー蒸留（MOPD）による統合の三段階で訓練する。基盤モデルQwen3-8Bより11.0ポイント高く、GLM-5.2などの最先端モデルに近づいたと報告している。
説明人間の「第六感」：マルチモーダルモデルの直感的視覚推論を測るベンチマーク
要約本論文は、マルチモーダル大規模言語モデルの直感的視覚推論能力を評価するベンチマーク「Humanity's Sixth Sense（HSS）」を提案している。人が一目で読み取る時間・空間・社会・抽象的な隠れた構造を問う、画像と動画からなる項目を含む。結果では、人間の正答率が93.1%であるのに対し、最も高い性能のGPT-6-astraは最大推論時でも53.6%にとどまった。動的な視覚操作を用いるエージェント型の設定では差は縮まるものの、埋まらないとされている。
説明大規模言語モデルエージェントの非同期強化学習における、KL正則化ポリシー最適化（KLPO）についての論文
要約本論文は、大規模言語モデル（LLM）エージェントの非同期強化学習の問題を扱い、KL正則化をサンプラー側に固定する枠組みであるKLPO（KL-Regularized Policy Optimization）を提案します。サンプラー自身の軌跡に対する最小二乗回帰で方策を更新するため、重要度重みや価値関数、プロンプトごとの複数応答は不要とされています。また、一部の条件下で勾配が不偏であることを示し、SPPO、GPO、REBEL、BPOがKLPOの特殊例として得られることを述べています。
説明オフライン視覚制御のための有向時間表現（DTRC）
要約本論文は、凍結されたLeWorldModel（LeWM）特徴量の上で、オフラインの視覚軌跡から時間的到達可能性に整合した潜在幾何を学習する有向時間表現手法DTRCを提案している。学習された表現上に有向時間擬距離を構成し、その遷移ごとの変化を目標相対の時間的進展信号として、目標条件付き方策学習の批評器に用いる。10種の視覚制御タスクで、計画型および直接方策型の基準手法に対して強い目標条件付き制御性能を示し、テスト時に反復的な軌跡探索は不要である。
説明GraphOPD：LLMエージェント向けグラフ拡張型オンポリシー蒸留
要約本論文は、多段階の意思決定を行う大規模言語モデルエージェントの学習課題に取り組み、GraphOPD手法を提案する。環境が記録する状態変化からステップ間の依存グラフを構築し、教師と生徒の乖離信号と組み合わせて、各軌跡で重要度の高いステップに監督を集中させる。ALFWorld、WebShop、SearchQAのベンチマークで競争力のある性能を示し、最も強い基線に対し最大+5.8ポイント向上したと報告している。
説明RACER：長尺動画理解におけるフレーム選択のための、クエリ解釈と検索ツールを組み合わせた反省型エージェント
要約本論文は、長い動画に対するフレーム選択の課題を扱います。既存の類似度ベースや判断ベースの手法には、それぞれ問題があると指摘しています。提案手法RACERは学習を必要としない枠組みで、軽量な動画大規模言語モデルが複雑な質問を下位の質問に言い換え、埋め込みモデルを検索ツールとして関連する場面を特定します。検索されたフレームを反映させて質問を繰り返し改善し、複数のベンチマークで長尺動画理解を向上させたと報告しています。
説明ツール利用エージェントの制御可能な忘却：可逆的なコンテキスト整理の実践
要約本論文は、エージェントがすでに得たツール結果を自ら選んで置き換える手法を研究しています。各結果は元の位置に短いメモとして置かれ、原文は復元可能なアーカイブに保存されます。ユーザーの指示とアシスタントのメッセージは対象外です。OpenTelemetry のデバッグ事例では、提供側が報告した入力トークン数は 231,951 で、履歴を保持した場合の 912,492 より少なくなり、累積入力トークンは約 50% 減りました。一方、別のアプリケーション開発の事例では文脈やコストの削減は見られず、以前の継続実行では手動評価の品質が低下していました。
説明1枚のスライドで病理基盤モデルを較正する手法
要約スキャナーの違いによって、同じ組織を病理基盤モデルが表す方法が変わってしまいます。本論文は SlideRuler を提案し、同一スライド内の他の領域を内部対照として用い、問い合わせ領域のスキャナー起因のずれを予測します。対になった再スキャンから学習した変換写像により、基盤モデルを固定したまま推論時に1回のスキャンだけで較正できます。学習した変換は、生の埋め込みに比べて目標と元の埋め込みの平均距離を16.3%～38.5%減らしました。
説明SPW-Nav：言語誘導ナビゲーションのためのストリーミング型パノラマ世界モデル
要約本論文は、移動指示を理解し、単一のパノラマ画像から1分間の2K 360度動画をリアルタイムで生成するストリーミング型パノラマ世界モデルSPW-Navを提案する。指示は生成済みパノラマ内のカメラ運動として解釈され、球面回転の分離、姿勢整合条件付け、多項式メモリによって長時間のストリームでも安定して動作する。また、カメラ軌跡と検証済み指示を伴うパノラマ動画データセットSPW-NavSetを構築した。既存のパノラマ生成手法よりカメラ追従精度と映像品質で優れ、指示のその場での切り替えにも対応する。
説明AlphaFold 3 における構造への近道：多重配列アラインメントの役割
要約本研究は、内部表現への因果的介入と各 Pairformer ブロックの直接プロービングにより、AlphaFold 3 内で大域的なタンパク質構造がどのように形成されるかを追跡しています。多重配列アラインメント（MSA）が構造への近道であることを示し、MSA を除くと局所的な二次構造は概ね保たれるものの、大域的なトポロジーを決める長距離の関係が崩れると述べています。多くのタンパク質では第 9 ブロック付近で折りたたみ構造が読み出せる一方、MSA がない場合は大半のタンパク質で通過全体を通して得られないとしています。構造的に対応する位置にのみ同じフォールドを持つ別タンパク質のアラインメントを与えると、実験構造に対する中央値の TM-score が 0.44 から 0.72 に上がると報告しています。
注目点AlphaFold 3内部表現への因果的介入により、MSAが折りたたみ構造の近道であることを示し、他蛋白への移転実験で裏付けており、新規性と根拠が高い。
説明VCR-Bench：動画分類のロバスト性を評価するモジュール式オープンソースベンチマーク
要約動画分類のロバスト性研究は、互換性のない実装に分散しており、結果の再現や比較が困難でした。本論文は、動画の読み込み、分類器、敵対的攻撃と防御、知覚指標、結果の記録を標準化したオープンソースのベンチマークフレームワーク VCR-Bench を提案しています。現在、30の動画分類モデル、14の敵対的攻撃、10の防御手法を統合し、Kinetics-400のサブセットで、クリーン精度、攻撃成功率、知覚品質、実行時間、メモリ使用量を報告しています。
説明地球非依存型の異常トリアージに向けた、証拠駆動型の人-エージェント-ロボット協働
要約本論文は、深宇宙ミッションにおける異常トリアージのためのアーキテクチャを提案する。エージェントAIは仮説・証拠の出所・不確実性を管理する状態保持型の調整役として位置づけられ、移動ロボットが局所的な証拠を取得する。対話・編成と安全に関わる制御は型付きインターフェースで分離されている。2つのシナリオと、ハードウェア・イン・ザ・ループの試作による統合検証が示されている。
説明AIエージェントはオープンエンドな科学的発見を自律的に行えるか：Station環境による検証
要約本論文は、複数のエージェントが科学エコシステムを模擬するオープンワールド環境Stationで、AIが明確な指標なしの開放型科学課題に取り組めるかを検証したものです。監督者機構と定期的なメタ反省機構を加え、ICLRの口頭発表論文3本から課題を構築し、原論文の結果を伏せてWeb アクセスを無効にしています。Stationは平均62.7%の基準を再発見し、比較対象より高い結果を示しました。
説明AdaGuard：推論可能なLLM審判型ガードレールによる安全性と方針遵守の強化
要約本論文は、企業向け生成AIアプリケーションの安全審査に用いる適応型のLLM-as-a-Judgeフレームワーク「AdaGuard」を提案している。教師あり微調整と強化学習（GRPO）で学習され、モデルを頻繁に更新せずとも、実行時にユーザー定義の安全・コンプライアンス方針に対応できる。入力と方針の組み合わせの複雑さを動的に判定し、高速なブラックボックス推論と説明可能な推論型審査を切り替えることで、遅延要件と透明性の両立を図っている。
説明CARE：視覚・言語・行動（VLA）モデルの推論高速化を認証する手法
要約視覚・言語・行動（VLA）モデルは制御ステップごとの実行コストが高く、行動チャンク化や視覚トークン剪定などで高速化が図られていますが、従来の評価は遅延と平均成功率が中心でした。本論文は、高速化によって元の方針なら解けたタスクが失敗する危険を捉えるため、CAREを提案します。CAREは校正データ上での対応ロールアウトを用い、高速化による失敗リスクを利用者の設定した予算以下に抑える有限サンプル保証を与え、認証された最速の候補を採用します。LIBEROの4つのタスク群では、9.0〜10.8倍の高速化を認証し、95%の信頼度で参照モデルが解決したエピソードの少なくとも85.8%が維持されることを示しています。
説明AI支援物理学の未来：形式化による結果の発見・検証・体系化
要約本論文は、物理学におけるAIと形式化の役割を概観し、形式化がAIによる計算物理・理論物理の発見に不可欠な基盤層であると論じています。AIは物理の形式化の障壁を下げ効率を高めるものの、定義の選択やライブラリ設計では証明の記述ほど強くないとされます。また、Physlib（フィジリブ）のようなコミュニティで査読された共有形式ライブラリの重要性を述べ、検証済みの証明が定義の物理的意図への忠実さを保証しない点を指摘しています。
説明動画ワールドモデルの物理学「最後の試験」：測定可能な指標で生成動画の物理的整合性を評価
要約本論文は、動画ワールドモデルが生成する映像が物理法則に従っているかを検証するベンチマーク「World Models' Last Exam in Physics」を提案しています。力学、光学、流体、熱と相変化、電磁気学、表面張力にわたる40の制御されたタスクからなり、事前に定めた物理的な測定基準により、参照動画なしで評価します。8つの動画生成モデルによる1,280本の動画を評価した結果、最良のモデルでも総合スコアは100点中57.76点で、物理的な不整合が継続して見られたと報告しています。
説明一枚の画像から完全な三次元シーンを構築する
要約本論文は、単一画像からカメラで観測されていない部分を含む完全な三次元シーンメッシュを生成する手法を提案しています。物体中心の生成モデル（Trellis 2）を屋内・屋外の両方のシーンに対応させ、カメラ距離に応じて適応的に分割するチャンク、二次元と三次元の対応を明示的に扱う仕組み、約4,000の屋外シーンの合成データを用いています。Tanks and Templesなどでの実験では、幾何精度と知覚品質で全ての比較手法を上回ったと報告されています。
説明QF3：フィルタ済みQ勾配による高速フロー強化学習
要約本論文は、フローマッチングと批評家の行動勾配を組み合わせてフロー方策を学習するオンライン・オフポリシー強化学習アルゴリズムQF3を提案しています。リプレイ行動の近くにある行動次元にのみ批評家の勾配を適用し、更新の信頼性を保ちます。著者らは、人型ロボットの歩行方策を白紙から学習して実機へゼロショットで転移した初のオフポリシー・フロー強化学習手法であり、最近のオンポリシー手法FPO++と比べて壁時計時間で約10倍の高速化を報告しています。さらにABC-SimとRobomimicの操作タスクで事前学習済み方策の微調整にも適用されています。
説明共形予測集合で情報利得を定量化する理論的考察
要約共形予測は、有限サンプルでの被覆保証を持つ予測集合を出力する不確実性定量化の手法です。本論文は、集合値予測に合わせた決定理論的なエントロピーの一般化を用い、予測集合の大きさと情報量の理論的な関係を示します。標準的な分類設定では、追加情報による集合サイズの縮小が校正に依存する量で挟まれ、データ処理不等式を満たすことを示し、集合サイズの縮小を情報利得の指標として正当化しています。11の分類設定で理論を検証し、貪欲な特徴選択では両指標による特徴の順位が異なりうることを示しています。
説明4D-HOF：フィードフォワード型4D手-物体インタラクション再構成のための手-物体フロー・マッチング
要約本論文は、視覚基盤モデルが出力する粗いが有用な推定値から、4D手-物体インタラクションをフィードフォワードで再構成する4D-HOFを提案しています。条件付きフロー・マッチングモデルにより、初期の手-物体状態をインタラクション多様体へ輸送して修正し、生成過程の中で物理的制約と2D観測を使ったテスト時ガイダンスを行います。ドメイン外のベンチマークで最先端の性能を示し、より安定して正確な再構成を実現したと報告されています。
説明IdeaAnchor：文献から研究アイデアを生み出すようLLMを訓練する手法
要約本論文は、構造化された仕様を特権的な信号として用い、関連論文を統合して研究アイデアを生成するよう大規模言語モデルを訓練するIdeaAnchorを提案しています。モデルは実証学習、自己蒸留、強化学習で訓練され、推論時には検索によって生成が強化されます。実験ではアイデアの質が一貫して向上し、アンカーベースの訓練は創造的な統合を、検索は詳細の展開をそれぞれ強化し、両者の組み合わせが最良の結果を示したと報告されています。
説明DepthWorld：ロボット操作のための3Dワールドモデル
要約本論文は、Stable Video Diffusionをベースに、多視点のRGB画像と深度を同時に予測する3Dワールドモデル「DepthWorld」を提案する。学習型ステレオ深度と同時因子グラフを組み合わせた標定パイプラインにより、稠密な度量深度を持つ3Dデータセット「DROID-3D」を構築し、外部カメラの90%のエピソードで0.7px未満の再投影誤差を達成したとしている。同じ学習予算のRGBのみのベースラインと比べ、深度監督によりRGB予測のPSNRが1.48 dB向上したと報告している。
説明エージェントの可塑性：経験を通じた自己改善の測定
要約本論文は、既存の評価が特定時点でのエージェントの能力を測っており、学習の効率を測っていないと指摘します。著者らは、過去の経験を再利用可能なアーティファクトに変換し後続のインスタンスが引き継ぐ管理された環境で、エージェントの自己改善を検証し、経験を未知の環境での性能向上に変換する効率を「エージェントの可塑性」として導入しました。その結果、フロンティアモデル間で改善の軌跡が大きく異なり、訓練内での向上は分布外の条件へ部分的にしか移転せず、最終的に最も高性能なエージェントが最も効率よく改善するとは限らないことが示されました。
説明ALIVE：先頭フレーム誘導型動画編集のための相互作用整合オブジェクト挿入手法
要約本論文は、挿入したオブジェクトが元動画の内容と連動した相互作用（持ち上げられる、操作されるなど）を行えるようにするフレームワーク「ALIVE」を提案しています。入力は編集後の先頭フレームと、追加するオブジェクトのみを指定した指示文です。3Dレンダリング、モデル生成、実写動画を含む35,800組の編集データを作成し、視覚言語モデル（VLM）で相互作用の指針を予測させるほか、評価用のALIVE-interactionベンチマークも導入しています。実験では、VLM指針なしでも最も強いベースラインに対し2つのベンチマークの総合スコアがそれぞれ43.9%、4.4%向上し、指針を加えると相互作用スコアがさらに0.95ポイント上がったと報告されています。
説明並列マルチエージェント推論システムにおける逐次的確率的不確実性推定
要約複数のLLMエージェントが複数ラウンドにわたって同じ問題を並列に解き、出力を統合して最終回答を出すシステムについての論文です。学習を必要としない軽量な不確実性推定手法SAUCE（Sequential Agent Uncertainty through Consensus Evolution）を提案し、システム全体の信念を逐次推論として扱いながら、ラウンドごとの合意度と生成の不確実性を統合します。5つのバックボーンモデル、5つのベンチマーク、2種類のMASプロトコルでの実験では、誤り検出、選択的予測、キャリブレーションの各面で既存の基準手法を上回ったと報告されています。
説明Sherpa：LLMに適応的な教え方を学ばせる論文
要約本論文は、異なる学習傾向を持つ模擬学生を用いて教師モデルを訓練する多ターン強化学習フレームワーク Sherpa を提案しています。教師モデルは学生の学習成果を直接最大化するように指導を調整します。論文によると、訓練された教師モデルは全タイプの学生の成績を平均 20.5 ポイント向上させ、MathTutorBench では教育スコアが 52.5% から 79.2% に上がり、人間による比較評価では 79.6% で基本モデルより好まれました。
説明CtrlCache：制御認識キャッシュで対話型ビデオワールドモデルを高速化
要約本論文は、再学習を必要としない制御認識キャッシュの枠組み CtrlCache を提案し、対話型ビデオワールドモデルの生成を高速化します。ユーザー制御の変化に応じて、各ビデオチャンクのノイズ除去過程でどのステップの計算結果を再利用するかを決めます。Matrix-Game 2.0 と LingBot-World v1/v2 で、DiT バックボーンを 1.21〜1.41 倍高速化し、3 モデルすべてで WBench Overall スコアが元の推論を上回りました。
説明Agent in a Bottle：LLMエージェントは能力を安価でスケールする成果物に変えられるか
要約本論文は、大規模言語モデルの汎用能力を、回答品質と償却コストのバランスを取った特定タスク向けの解決策に変換する能力「bottling（ボトリング）」を提案します。著者らはBOTTLEDというベンチマークを構築し、エージェントは固定の時間・計算資源・API予算の中で、ラベルのない作業全体を完了させる必要があります。結果として、ゼロショット性能の高さは必ずしも優れたボトリング能力に結びつかないことが示され、一部のタスクでは大幅なコスト削減が可能だと報告されています。
説明AdvSim2Real：ウェブ世界モデルで適応型プロンプトインジェクションに耐えるウェブエージェントを訓練する手法
要約ウェブエージェントは第三者が作成したページを読んで操作し、ユーザーの要求を完了させますが、ページに埋め込まれた指示によって目標から逸れる可能性があります。本論文はAdvSim2Realを提案し、凍結されたウェブ世界モデル内でタスクのカリキュラム、インジェクション攻撃者、エージェントを共進化させます。150のウェブタスクにおいて、訓練していない攻撃者に対する完了率はベースエージェントと比べて相対で33.6%向上し、その能力向上は実ブラウザにも移転したと報告されています。
説明高解像度視覚生成のためのバックエンド非依存スパースアテンション（BASA）
要約拡散 Transformer（DiT）は画像・動画生成で高い性能を示しますが、全アテンションの二乗計算量のため高解像度生成は計算コストが大きくなります。本論文は、視覚的自己注意をシフト付き局所ウィンドウアテンションに置き換えるBASAを提案します。DiTブロック間で構造化されたウィンドウシフトを行い、ある層でウィンドウ境界により分けられたトークンが後続の層で情報を交換できるようにし、格子状のアーティファクトを抑えます。追加の不規則な演算子や専用カーネルは不要で、既存のアテンションバックエンドに直接適用できます。原文では、FLUXで理論推定値の90%を超える実測高速化、Wanで4.52倍のアテンション高速化を報告し、生成品質は競争力を維持したとしています。
説明パッチベース高次元画像分類におけるデータリーク：空間的重複の影響を定量化
要約本論文は、パッチベースのハイパースペクトル画像（HSI）分類において、訓練データと検証データをランダムに分割すると空間パッチが重なり、データリークによって性能が過大評価される問題を検証しています。Pavia Universityデータセットを用い、ランダムサンプリングと非ランダムサンプリングでSVM、MLP、2D-CNN、3D-CNN、ViT、MorpMambaを比較しました。ランダムサンプリングでは3D-CNNの総合精度が96.17%に達しましたが、非ランダムでは55.20%に低下しました。
説明Humanize：エージェント型コーディングのための判断エンジニアリング
要約本論文は、エージェント型コーディング向けのマルチエージェント編成ワークフロー「Humanize」を提案します。計画・実装・レビュー・学習の各境界で、明示的かつ機械的に強制される判断を行う仕組みです。構築エージェントと、別ベンダーのレビューエージェントが交互に作業し、モデルではなく決定的なフックが役割間の作業振り分けと72の機械的ゲートの適用を担います。118件の公開事後分析に基づく観察的な評価では、独立したレビューが構築エージェントの根拠のない主張を検出する一方、作業の停止判断が主要な弱点であることが示されています。
説明不制限・空間変化の反拡散係数をもつ蔵本–Sivashinsky方程の高速Fredholm安定化
要約本論文は、空間的に変化する反拡散係数をもつ蔵本–Sivashinsky方程に対する高速安定化のフィードバック設計を扱います。二つ目の境界入力を導入し、境界値で前置フィードバックにより系を可制御にし、曲率入力でFredholm後退変換を用いて安定化します。ゲイン設計写像の連続性を示し、ニューラル演算子でゲインを近似できることを示しています。数値実験では相対ゲイン誤差は約0.1%と報告されています。
注目点二入力Fredholm設計により単入力の可制御性障害を克服し、連続性と神経演算子近似を示す点が新規。数値・非線形閉ループ結果で一定の裏付けがある。
説明VeriFine：身体化推論の自己改善における検証のスケーリング
要約本論文はVeriFineという、方策、訓練カリキュラム、評価器を共進化させて検証を拡張するフレームワークを提案しています。方策改善ループは採点基準ベースの評価器で繰り返し起こる失敗を診断し、方策を最適化します。進歩が頭打ちになると、評価器改善ループが重要な失敗事例について人間の指導を選択的に求め、共同較正によって評価器を改良します。運転とロボットのナビゲーションの課題で、方策と評価器の双方が継続的に向上したと報告されています。
説明WorldSonus：仮想世界に音を届ける
要約本論文は、世界モデルにおけるリアルタイム空間音響合成のための映像から音声への（video-to-audio）フレームワーク「WorldSonus」を提案するものです。ストリーミング型の因果的自己回帰拡散アーキテクチャを用い、リアルタイム係数0.41で音声チャンクを生成し、チャンク単位のプロンプト制御により生成中の音響イベントを動的に操作できます。また、ステレオおよびアンビソニック データを用いて空間的整合性を高めています。論文によれば、オープンドメインの映像から音声へのベンチマークで、音響品質と空間的整合性において双方向の最先端モデルと同等以上の性能を示したとされています。
説明3Dガウシアン・スプラッティングの学習後セマンティック・リフティング：検出器・リフティング・表現の誤差の分離
要約本論文は、3Dガウシアン・スプラッティング（3D Gaussian Splatting）モデルに対する学習後のリフティング手法を提案します。一度に一つの対象クラスを扱い、各視点の可視性で重み付けした情報を全視点から統合します。二つの閾値で高斯を選別し、ラベルを注釈付きメッシュの頂点へ転送して評価します。これにより2D検出器、リフティング、表現間の転送による誤差を分けて分析できます。ScanNet++のテストシーンでの平均mIoUは、データセット注釈マスクで0.80、YOLOマスクで0.54です。
説明化学反応のためのニューラル Petri フロー（Neural Petri Flow）：Petri 網の構造で反応則を学習する手法
要約本論文は Petri 網（Petri nets）で化学反応を表現し、結合と原子価を場所と令牌、反応を遷移として対応づけます。保存則と非負性から、発火の形式と使能規則が Petri 網の構造として決まることを示し、速度則だけを学習させます。原子マッピング、反応分類、生成物予測などの課題で、論文は既存手法との比較結果を報告しています。
注目点化学反応を保存的ペトリネットとして定式化し、速度則のみを学習する構造を示した。複数の化学課題で既存手法を上回り、証拠は比較的十分である。
説明「欠けていた最小対：LLMにおける固定観念評価」
要約本論文は、大規模言語モデルの偏見測定でよく使われる、2つの対照的な固定観念文の対数尤度を比較する方法は信頼性が低いと指摘しています。同じ固定観念を別の属性で書き換えるだけで、論理的に矛盾した選好が生じうるためです。著者らは、言い換えや代替属性を生成するデータ拡張フレームワークと、社会集団と固定観念的属性の間の相互情報量をモデル化する指標を含む二重最小対の手法を提案しています。英語、ロシア語、スペイン語、中国語のデータに適用されています。
説明厳密なスライディングウィンドウ制約下の線形バンディット：任意の連続ウィンドウの行動が実行可能集合に属する条件での学習
要約本論文は、任意の連続した行動のブロックが指定された実行可能集合に属しなければならないという厳密なスライディングウィンドウ制約下の線形バンディット問題を扱う。オフラインでは、凸性と巡回シフト不変性により、w が T を割り切る場合に定常解が最適となり、それ以外では加法的な O(w) の差に収まることを示す。オンラインでは、遷移直径 τ を導入し、稀にしか切り替えないOFUL型アルゴリズムを提案する。その後退（リグレット）は O~(d√T+τd+w) である。循環不変性を外した一般的な場合には、履歴状態直径 D を用いて O~(d√T+dD+w) の上界を得る。実験では、厳密な実行可能性を保ちつつ、方策の更新回数を大幅に減らせることが示される。
説明共形アクション集合を用いた強化学習：逐次推薦への応用
要約本論文は、批評家スコアとオンライン閾値を用いて推薦候補の集合を動的に調整する、キャリブレーション付き枝刈り強化学習（RLCP）を提案しています。適応的な軌道上で観測される代理未命中率について決定論的な上界を示し、価値損失をフィルタリングと選択の二つの損失に分解して、セッション報酬の有限な界を導いています。KuaiRand-Pure と MovieLens 1M での実験では、全19設定のうち少なくとも一つのRLCP変種が最強のベースラインの1.11〜5.21倍のカタログ多様性を達成し、保持集合も大きくならず、セッションの深さも競争力を保ったと報告されています。
説明ロバスト・バンディットの計算的可解性についての研究
要約本論文は、学習者の仮説クラスに環境が属さない場合のロバスト・バンディット（robust bandits）問題を扱う。著者らは、後悔（regret）が Õ(√T) となる多項式時間の学習器を持つ特殊な場合を特定した。また、この特殊な場合のいくつかの小さな一般化は NP 困難であることを示し、計算可能性の境界に位置することを明らかにした。
説明階層的表現のノイズ除去：言語モデリングのための同時連続拡散
要約本論文は、階層的連続拡散言語モデル（H-CDLMs）を提案し、トークン自体と事前学習済みトークン埋め込みをクラスタリングした粗い粒度のクラスタという、異なる意味粒度の複数モダリティを並列に拡散させる手法を示しています。各モダリティに個別のサンプラーとスケジュールを設定できる汎用的な枠組みです。CoBitに適用したH-CoBitは複数のベンチマークで大きな改善を示し、LM1BとOWTでの生成困惑度（GenPPL）はそれぞれ49.4と50.4、GSM8Kの正解率は27.4%です。さらに流しマッチングモデルFLMにも適用できることを示しています。
注目点離散拡散の同時拡散の発想を連続言語拡散に取り入れ、クラスタ化した粗い表現と共同でノイズ除去し、LM1B・OWT・GSM8Kで明確な改善を示した。
説明オンライン逆最適化における最適かつ効率的なアルゴリズム
要約本論文はオンライン逆線形最適化を扱います。学習者は毎ラウンド行動を推薦し、未知の線形目的関数を最大化する専門家の選択を観察します。提案するのは決定的アルゴリズムで、任意の時間幅 T に対して後悔値が O(√d) であり、実行時間は d と T について多項式時間です。Sakaue らおよび Cai らの可変計量アルゴリズムを改良したもので、クエリ点が計量更新の地点から十分遠ざかると、その更新を取り消します。
説明生成型情報検索における意味IDの空間に関する体系的研究：有効な文書識別子とは何か
要約本論文は、生成型情報検索（GIR）で用いる文書識別子（DocID）の設計を扱う。従来の「検索して順位付け」ではなく、モデルが文書IDを直接生成する方式を対象とする。著者らは積量子化（PQ）と残差量子化（RQ）およびそのハイブリッドを統一的な設計空間にまとめ、モデルの学習なしで評価できる内在的指標を定義した。MS MARCO 300KとNQ320Kで、これらの構造的特性が検索性能に与える影響を分析している。
説明EgoLAP：言語-動作推論による一人称視点の人間データからの学習
要約本論文は、人間とロボットの軌道から共有の言語ベース動作思考連鎖を通じて同時に学習するVLA事前学習フレームワークEgoLAPを提案します。運動意図を構造化され時間的に抽象化された言語動作として表し、シーンの幾何、物理、物体のアフォーダンスに基づく運動レベルの推論と組み合わせます。実世界およびシミュレーション実験では、他の動作表現より効果的に人間の経験をロボット制御へ転移し、平均実世界タスク進捗80.1%に到達したと報告されています（他の動作表現に比べ2.3倍の性能向上）。
説明エージェントの履歴から圧縮による悪影響を予測できるか？TRACEペアリプレイコーパスにおける限定的な効果の研究
要約多くの長期タスク型エージェントは、エージェントの行動を考慮せず、トークン予算などの全体規則でコンテキストを圧縮しています。本論文はTRACE公開コーパスの590の圧縮境界を用い、圧縮前後のコンテキストでの後続行動の負担（エラーや重複呼び出し）を比較しました。圧縮前の履歴が圧縮後の害を予測する力は弱く、最良のトリガーの保留AUROCは0.66、有害な境界の21%しか回避できず、トークン予算規則との公平な比較もまだできていません。
説明WorldSolver：LLMエージェントはソルバー生成によって物理ダイナミクスを模擬できるか？
要約本論文は、61本の古典的なコンピュータグラフィックス論文の物理現象から導出した168件のシミュレーションタスクからなるベンチマーク「WorldSolver」を提案しています。タスクは7つの物理領域にまたがり、固定のシミュレーション環境を持つコードの骨組みに対し、エージェントがソルバーの実装を補完する形式です。評価は実行可能性、視覚的忠実度、物理的妥当性の3観点で行われ、最良の2つのエージェントの総合スコアは48.7%と46.7%でした。
説明ホールドアウト最良N選択：不偏評価とそのコスト
要約最良N候補を選ぶために使ったのと同じスコアを再利用すると、期待報酬が過大に見積もられることがあります。本論文は、各候補についてK個の独立スコアの固定行列から評価する場合を扱い、選択にはJ個の新しいスコアを用います。その行列だけに基づく推定量が、すべての独立で安定した候補別スコア分布について厳密に不偏となるのは、J<Kのときに限られることを示します。分散が共通の独立ガウススコアでは、不偏の極小最悪リスクはσ²/√Kの程度で、ホールドアウト法がこれを達成します。二候補の場合には、分散既知の最小分散不偏推定量と漸近的な極小最悪定数1/(π√2)を導いています。
注目点固定スコア行列のみに基づく不偏推定はJ<Kのときに限り成立することを示し、ガウス情形の最小最大レートと定数を与えた。理論的貢献は明確で、Best-of-N評価に実質的影響がある。
説明忘却がすべて破局的とは限らない：偽の忘却（spurious forgetting）の仕組みについて
要約言語モデルは微調整後に知識を忘れたように見えても、多くの場合その知識は保存されており、回復可能です。これは偽の忘却と呼ばれる現象です。最小限の連想記憶モデルでこの動きを再現し、忘却には共有された可逆的なアクセス喪失と、個々の事実のゆっくりとした侵食という二つの要素があり、破局的なのは後者だけだと論じています。
説明パスとフローを経路・フロー整合によって共進化させる手法
要約本論文は、フローマッチングの統一的な学習目標として経路・フロー整合を提案します。端点を保つ経路ネットワークとフローネットワークを同じ整合損失で同時に学習させます。整合損失だけでは経路学習の信頼できる指標にならず、損失が下がっても標本品質が悪化する経路過学習が生じると指摘しています。確率的正則化器によりこの問題を抑え、ImageNet-256x256上のSiTバックボーンで、モデル規模を問わずFIDが改善したと報告されています。
説明生成型検索におけるパラダイム・識別子・デコーディングの切り分け分析
要約本論文は NQ320K と MS300K で自己回帰、マスク拡散、ブロック拡散の各モデルを、残差量子化・積量子化・ランダムの3種の文書識別子で学習・比較しています。デコーディング方法だけで拡散モデルの Hit@1 が大きく変わること、そして一回のスコアリングによる復号が多くの設定で生成後照合と同等以上になることを示しています。自己回帰モデルは依然として Hit@1 で優位であり、パラダイム比較では各方式の最適な設定と復号を用いるべきだと結論づけています。
説明空間横断的な時系列への予測強化推論：ラベルが少ない場合の期待値推定と有効な信頼区間
要約本論文は、多数の空間位置で、ラベル付き観測期間は短く共変量は長い期間得られる状況を扱い、各位置の将来の期待ラベル（例：作物収量）の推定と有効な信頼区間の提供を目指します。機械学習による欠損ラベルの補完が生むバイアスを補正する予測強化推論（PPI、prediction-powered inference）と、時間的相関に対応するHAC（heteroskedasticity and autocorrelation consistent）手法を組み合わせる方法を提案しています。著者らによれば、短いラベル付き時系列、より長いラベルなし時系列、不完全な予測器という条件のもとで、提案法は自然な代替手法より優れた結果を示すとされています。
説明SpaTime：時空間推論のためのストリーミング型視覚言語モデル
要約本論文は、動画の途中でも観測済みのフレームだけを使い、3D空間に関する質問に逐次答えるストリーミング型視覚言語モデル「SpaTime」を提案しています。各フレームで因果的な幾何トークンを言語モデルに統合し、回答タイミングを制御するために、予測回答時刻と正解フレームとの距離を罰する応答時間損失を設計しています。評価用に、VSTI-BenchとVSI-Benchをストリーミング向けに改変したStreamVSTI-BenchとStreamVSI-Benchを構築しました。StreamVSTI-Benchでの総合正答率は49.2%で、平均応答時間誤差は最も強いストリーミング基線より66%減少しました。
説明拡散モデルによる画像スタイライゼーションの局所的な内容・スタイル制御
要約本論文は、潜在拡散モデルによる画像スタイライゼーションでは、領域が何を描くかと、どう描くかが分かれておらず、従来の手法は全体に対する制御しかできない点を指摘しています。ControlNetとIP-Adapterの流れにある2つの条件重みを、全体のスカラーから位置ごとの空間マップへ拡張し、1回の生成で領域ごとに内容とスタイルを個別に制御できるようにしました。2つの重みは互いに独立した経路に作用するため、2x2の修正の組み合わせが可能です。再学習は不要で、同様のパイプラインにそのまま組み込めるとされています。
説明一致は妥当性を意味しない：K-12数学チュータリング対話における学習者の失敗パターン診断でのモデル横断的LLM合意の検討
要約本研究は、K-12数学チュータリングの対話において、大規模言語モデル（LLM）が学習者の五つの失敗パターン（不確実性、誤った帰属、演算の選択、概念的ギャップ、手続き的ミス）を分類する妥当性を検証しています。人間とLLMの一致度は中程度（カッパ係数0.524～0.597）であった一方、モデル同士の一致度はそれより高く（カッパ係数0.755～0.781）なりました。著者は、モデル間の合意が分類の正しさを誤って示す可能性があり、独立した妥当性の根拠に代わるものではないと論じています。
説明nanoMuse：所有デバイスで使えるオープンソースの個人エージェント
要約本論文は「個人エージェント」を五つの問いと三つの段階で定義し、Meta の非公開の個人エージェント Muse の構成を分析しています。著者はGPL-3.0で公開されたオープンソースの対応物 nanoMuse を提示し、利用者のすべての端末で動作させ、中継経由で会話を共有し、すべての操作を Sentinel で審査し、記憶は利用者が読めるファイルとして保存する仕組みを説明しています。規模と費用は見積もりとして示され、来歴付きの記憶や評価スイートなどは今後の計画として挙げられています。
説明GeneICL：バルク転写産物解析のための表形式基盤モデル
要約本論文は、臨床アウトカム予測のための表形式基盤モデルGeneICL（420万パラメータ）を提案している。実測のバルク発現プロファイルから構築した半合成データで事前学習し、Cox部分尤度残差を用いて生存予測を回帰問題に帰着させる。80の臨床予測タスクで評価され、評価された他の基盤モデルやチューニング済みベースラインの中で総合順位が最も高く、パラメータ数は最大387分の1で、推論時に勾配更新は不要である。
説明ScienceClaw：自然科学・社会科学にわたるAI科学エージェントの継続的自己進化のベンチマーク
要約本論文は、大規模言語モデルのエージェントが科学的自動化の中で、パラメータを固定したままプログラムを継続的に自己進化させる仕組みを扱うScienceClawフレームワークを提案しています。タスク解決、科学的検証、プログラム更新を統合し、可執行なワークフローを修復します。23分野にわたるScienceClaw-Evalで、科学的正しさや進化の利得、保持、データセット間転移、進化コストなどを測定しています。
説明ガウス過程因果モデルにおける離散結果の確率的反事実推論
要約本論文は、離散的な結果変数を含むガウス過程構造因果モデルで反事実推論を行うための統一的な確率的枠組みを提案します。二値、名義カテゴリ、順序変数それぞれについて外生ノイズの推定手順を導出し、合成データで推定精度と頑健性を評価しています。順序データに分類的な結合を誤って適用すると、観測データへの適合が同程度でも反事実誤差がおよそ3倍になり、その誤差はデータを増やしても減らないことが示されています。
説明RenderBench：再構成したデジタルツインを用いた、レンダリングから実映像への変換ベンチマーク
要約本論文は、実世界の12シーンを再構成し、実際の目標映像、編集可能なデジタルツイン、対応するプロキシレンダリングを組み合わせたベンチマーク「RenderBench」を提案する。外観参照とプロキシレンダリングから実映像を生成するモデルを、配対された実映像と比較して評価する。最初の公開版では、登録された14サンプルのうち12件（85.7%）を保持し、1,496組の実映像・プロキシフレームを含む。
説明結合しているが遅い：台本のない対話における全二重音声モデル間のターンテイキング
要約本論文は、2つの全二重音声モデル（PersonaPlex-7B）が台本のない会話で互いに話すときのターンテイキングのタイミングを調べています。両者のタイミングは相互に結びついている一方、発話権の受け渡しは遅れており、中央値は400〜560ミリ秒で、人間の137ミリ秒より長いことが示されています。
説明小規模言語モデルの抽象推論タスクに関する体系的研究
要約本論文は、ARC-TGI ベンチマークを用いて小規模言語モデルの抽象推論能力を検証し、モデルが転移可能な規則を獲得したのか、それとも特定の分布の規則性に適合しただけなのかを区別しています。1000 回を超える実験で、教師あり微調整下の三種類のモデルを評価し、スキル獲得の効率と安定性、分布外での頑健性、注意機構のパターンを分析しました。分布内の精度は高くなり得る一方、分布外では性能が大きく低下することが示されています。
説明「観相学の再考」：視覚言語モデルは画像変換を通じて機微な属性をどのように符号化するか
要約本論文は、二つの代表的な視覚言語モデル（VLM）が画像生成の際に保護対象の属性をどのように符号化するかを検証した。人物の顔画像を人種や性的指向を反映するよう変換させると、モデルはしばしば要求に応じ、応答の可否は非決定的で集団ごとに異なり、生成画像は統計的に区別可能で既存の固定観念を強めがちであることを示した。さらに、この偏りはテキストによる推論や特徴記述の課題にも再び現れ、犯罪性に関する偏りにも及ぶと報告している。
説明分散最適化オフポリシー評価：結合効果モデリング（VOCEM）
要約本論文は、文脈付きバンディット方策のオフポリシー評価において、行動レベルの重要度重みによる分散の大きさという課題を扱う。関連する仮定のもとで、OffCEMとDRの間を補間する不偏推定量の族が存在することを示し、分散を最小化する係数を選ぶVOCEM推定量を提案する。合成データと二つの大規模行動ベンチマークで、評価した23条件すべてで両端の手法より優れたと報告されている。
説明同一数値の引用入れ替え：金融証拠判定器としての Jev の検証
要約本論文は、数値の一致確認を超えて確率的な証拠検証が何を加えるかを評価する。GPT-4.1-mini の計算過程に対する来源支持の検証器として Jev を用い、被演算子と演算を固定したまま、同じ数値を持つ別のセルへ引用を移して検証する。その結果、誤った役割の引用が通過する場合と、妥当な代替引用が拒否される場合の両方が見られ、明示的な列ラベルはこれらの判定を変えることが示された。新たに作成した 36 ページの追加評価でも同じトレードオフが確認された。
説明EC-RAG：長尺動画理解のためのイベントチェーン検索拡張生成手法
要約既存の大規模動画言語モデルは長い動画を扱う際、フレームを独立に処理することが多く、イベント間の時間的依存関係を捉えにくいという課題があります。本論文は、学習を必要としない枠組みEC-RAGを提案します。動画を意味的にまとまったセグメントに分割して多モーダル信号で表現し、時間順序を保つイベントチェーンに連結します。質問への回答時には、このチェーンから関連イベントと多モーダルな根拠を検索します。Video-MME、MLVU、LongVideoBenchでの実験では、フレーム単位の検索ベースラインを上回る結果が示されています。
説明PDB：表情アニメーションのリターゲティングのための点ベース変形ブレンディング
要約本論文は、構造の異なるメッシュ間で表情アニメーションを転送するための手法PDBを提案しています。ソースの無表情と表情のペアから変形した制御点群を予測し、ターゲットの無表情メッシュからブレンド重みを計算して、両者の積でターゲットメッシュを直接再構成します。実験では、比較対象の密な変位手法と比べて表面アーティファクトが減少したと報告されています。
説明プレッシャー下でも原則を保てるか：事後学習がLLMに自らの道徳判断どおり行動させるかを決める
要約本論文は、オープンなLLMがプレッシャーの下で自らの道徳判断に反する行動をとるかどうか、またそれを何が左右し抑制するかを調べています。248のシナリオを用い、圧力のある版と取り除いた版を比較し、モデルごとの事後学習手法の違いも検証しています。結果として、一部のモデルでは事後学習によってこの差が生じ、行動前の推論は選択を自身の判断へ近づけるものの、その効果は明示された規則の内容に依存すると報告されています。
注目点モデルが自らの道徳判断に反して行動するかを測る新しい枠組みを提示し、事後学習が差を決めることを示す。証拠は十分で、影響はAI安全の分野に限られる。
説明MemFLoRA：エッジ上のCNN適応のためのメモリ優先型低ランク微調整手法
要約本論文は、畳み込みニューラルネットワーク（CNN）向けの低ランクアダプタMemFLoRAを提案します。学習可能なパラメータを減らすだけでなく、逆伝播まで保持が必要な活性化メモリの削減を設計の中心に置いています。ダウンプロジェクションを凍結し、スケールを合わせたアッププロジェクションを学習するほか、評価モードの正規化と活性化を最小化する逆伝播規則を組み合わせています。3つの人体活動認識データセットと2種類のCNNバックボーンで、全パラメータ微調整に比べ活性化メモリを約98.5～98.7%、ピーク学習時メモリを約94.9～97.3%削減し、CNN向けPEFTの基準手法と同等以上の性能を示したと報告しています。
説明事前分布をいつ信頼すべきかの判断：動画注視予測のための信頼性ゲート型手がかり融合
要約本論文は動画の注視予測を対象に、注視データを使わない複数の事前手がかりをゲート付きアンサンブルとしてまとめるFocusGateを提案します。各フレームのゲートはデフォーカスマップの形状統計量から、その推定器が平均的にchanceより高い精度を示すフレームを選び、それ以外は基礎モデルと同じ出力になります。映画、スポーツ、ウェブ動画で門控融合は有意に正の効果を示し、無条件融合はスポーツ動画で有害、ウェブ動画では効果がありませんでした。NTIRE 2026の優勝モデルを含む4つの教師あり予測器に加えると、16の組み合わせすべてでシャッフルAUCが向上し、うち15は有意で、遅延は約1%の増加にとどまりました。単独でも、映画動画で16フレームの因果平均により、TASED-NetおよびUNISALを上回りました。
説明ParanoiaEval：エージェント型コーディングにおける不要な防御的作業を測定するベンチマーク
要約本論文は、コーディングエージェントのリスク対応能力を統一的に評価する初のベンチマーク「ParanoiaEval」を提案している。ソフトウェア工学のリスク管理における四つの対応方法を基にし、リスク判断の根拠のみが異なる200組のリポジトリ単位タスクを構築し、違反と根拠への応答性を測る指標を設けた。実験では、明確な根拠があるにもかかわらず不要なリスク対応が11.2%〜58.7%の実行で発生し、タスク能力が高くても適切な対応が保証されないことが示された。
説明証拠に基づく推論：膠芽腫ラジオゲノミクスにおける生物医学AIの神経意味的検証
要約本論文は、画像特徴量の測定値を参照可能な証拠記録と機械で検査可能な主張に変換する神経意味的検証フレームワークを提案します。UPenn-GBMおよび独立した多施設コホートで横断的な検証を行い、決定論的検証器とLLMによる主張抽出のパイロットを評価しています。結果では、検証可能性は予測性能とは独立に設計・評価できること、LLMは説明の構造化に使える一方、最終的な証拠整合性の確認は決定論的に行われることが示されています。
説明視覚推論のための強化学習更新の選択的転移
要約本論文は、言語モデルの推論能力を学習なしで視覚言語モデル（VLM）へ移す方法を扱います。モデル端点の比較ではなく、強化学習（RL）段階で生じたパラメータ更新を分離して分析し、そのうち支配的な方向が完全な更新よりも他モデルへ転移しやすいことを示しています。これに基づき提案されたSelective-RLは、支配的な行列方向を大きさを保ったままVLMの言語モジュールへ転移させ、3つのモデル系列と5つの視覚推論ベンチマークで、15比較中12件で完全更新の補間を上回りました。
注目点RL訓練段階の更新を分離し主要方向のみを転移する手法で、3モデル族・5ベンチマークで15比較中12で全更新補間を上回り、対照実験で裏付けている。
説明逐次モンテカルロで拡散モデルを希少事象へ誘導する手法
要約拡散モデルは天気予測、分子動力学、材料設計などで高価なシミュレータの代替として使われていますが、希少事象の確率を通常のモンテカルロで推定すると計算量が非現実的になります。本論文はDireSMCを提案します。これは逐次モンテカルロを用いて重み付きサンプル群を希少事象へ導き、サンプルだけでなく較正された確率推定値も得られる手法です。解析解のある玩具問題と、スコアベースの気候エミュレータで検証を行い、10^-3から10^-5の希少度で正確な確率を得て、モンテカルロに対し9倍から1413倍の実質的な高速化を示しています。
説明AIが書いたソフトウェアの保証に関するケーススタディ：専門教育を受けていない運用者が、コーディングエージェントで構築した医療プラットフォームをどう管理したかの報告
要約本論文は、正式なソフトウェア工学の訓練を受けていない運用者が、コーディングエージェントを用いて構築し統治する本番稼働中の医療プラットフォームの事例を報告しています。やがてこの仕組みは、あるエージェントがコードを書き、別のエージェントが監督・レビューし、プロジェクトのルールが教訓を引き継ぐ、人間が主導するメタエージェントシステムへと発展しました。著者らは、システムを監督するためのテスト、監視、レビューエージェントにも誤りがあることを見いだしました。成果ではなく代理指標を測る監視、静かに失敗する監査、一度の自動修復による運用上の障害などが含まれます。論文は、人間による管理が、意図された成果、その判断に用いる証拠、エージェントの権限、最終的な人間の判断がすべて同じ目的に結び付いていることに依存すると論じています。
説明安定したスコア、不安定な回答：動画多肢選択式評価におけるフレーム位相と選択肢順序
要約動画言語モデルは、均一グリッドから抽出したフレーム上の多肢選択問題の正答率で順位付けされますが、ベンチマークはサンプリング率しか報告せず位相は示されません。論文では、半ステップの位相差しかない2つのサンプラーで、スコアは1点以内の差でも23.6%の問題の答えが異なることを示しています。PHASEFUSIONは3つの位相をずらしたグリッドを復号し、選択肢の事後確率を平均します。位相の約束事を予算とともに報告するか、それを周辺化することを提案しています。
説明構造化知識の検索と推論のための信頼できる領域特化型AI
要約本論文は、領域特化テキストを検索・推論用の構造化知識に変換する拡張可能なアーキテクチャを提案しています。コーパス整理、意味構造化、検索、推論を解釈可能なパイプラインに統合し、Binary Bleed、HNMFk、T-SRAGなどの手法を導入しています。サイバーセキュリティ、法律、材料科学、医療への応用で、検索精度の向上や幻覚の抑制が示されたとしています。
説明SquidAgent：賢く並列化し、効率よく調整する——複数のLLMエージェントで作業を分担する新手法
要約論文は、LLMエージェントを並列実行すると、文脈の再探索や出力の整合作業によって遅くなり、単一エージェントより遅くなることがあると指摘します。著者らは、並列化が有利なときだけ作業を分けるという判断基準を提案し、コストを時間ではなく予測出力トークン数で測る方式を採用しました。この考えに基づくSquidAgentは、Claude Codeに対して平均スループット2.2倍、平均壁時計時間2.6倍の高速化を示し、最強のマルチエージェント基準に対しては2.0倍のスループット向上を報告しています。
説明HygieneRoboBench：家庭用ロボットの衛生配慮型計画のベンチマーク
要約本論文は、624件のインスタンスと134のタスクファミリーからなるHygieneRoboBenchを提案し、既存の実行履歴から家庭用ロボットが安全にタスクを完了できるかを評価します。評価では、二つのグリッパーと共有物体による汚染、処理コスト、ユーザーの優先順位を考慮します。さらに、衛生処理とタスク実行を共同計画するHygiene-NSPを提案し、安全完了率94.4%、最適安全完了率90.4%を報告しています。これらは評価された基準プランナーより高い値です。
説明フォレンジック・リザーブ：画像改ざん検出のための潜在知識の引き出し
要約本論文は、AI生成画像の改ざんを検出するための「储备誘導エリシテーション（RGE）」という枠組みを提案しています。事前学習済みモデル内で、実画像と生成画像に対する反応が異なる疎で起源に敏感な内部成分を「フォレンジック・リザーブ」として特定し、その上に軽量なアダプタを挿入します。500枚のラベル付き画像と、バックボーンの0.2%未満の学習可能パラメータで学習し、3つのベンチマークで競争力のある性能を報告しています。
説明大規模言語モデルのパラメータ内メモリ拡張に関する研究サーベイ
要約本サーベイは、デプロイ時に大規模言語モデルへパラメトリックなメモリを組み込む手法を扱います。再利用可能なメモリ情報をパラメータやアダプタなどに保持し、推論時に順伝播へ組み込みます。手法は、パラメータの配置位置（埋め込み、注意機構、FFN層、またはハイブリッド）と、取得時期（デプロイ前のオフラインか、デプロイ中のオンラインか）の2軸で整理されています。干渉、安全性、文脈内学習との協調設計、再帰的自己改善などの今後の課題も議論されています。
説明並列予測型ワールドモデル：長期計画を高精度かつ効率的に行う論文
要約本論文は、並列予測ワールドモデル（PPWM）を提案します。有限の時間幅の軌道を並列に予測しつつ、将来の表現どうしの因果的相互作用は保持し、状態ごとの自己回帰生成を用いません。4つの視覚制御タスクで評価され、長期予測誤差が最も小さく、交差エントロピー法（CEM）のシミュレータ成功率が最も高くなりました。また、自己回帰型のLeWMベースラインと比べ、CEMによる計画が平均3倍以上高速でした。
説明拡散モデルにおける特徴情報のダイナミクス：ある特徴がいつ生成されるかを特定する研究
要約本論文は、拡散モデルのノイズ除去過程で特定の特徴がいつ生成されるかを情報理論の枠組みで分析する「特徴情報ダイナミクス」を提案しています。I-MMSE恒等式を用いて、特徴の相互情報量の変化率を無条件と特徴条件付きのノイズ除去損失の差と結びつけ、特徴情報密度を実際に推定する手法を示しています。さらに、ピクセル拡散における周波数の自己回帰的生成を定量的に確認し、ピクセル、SDVAE、VAVAE、RAEの表現間で情報密度が異なることを比較しています。
注目点I-MMSE恒等式で特徴の相互情報量変化率と去雑損失差を結び付け、特徴が生成される時期を定量化する新しい枠組みを示し、複数の表現で検証している。
説明Adam の早期メモリ選択法（β の事前決定）
要約本論文は、Adam 最適化法の共有メモリ係数 β（β1=β2=β）を、短い予備学習から選ぶ手法を提案します。選ばれた β は、その後の本学習の間固定されます。Adam の正規化方向の局所モデルに基づき、サンプリングのばらつきと過去の勾配平均による遅延のバランスから、係数二つを予備学習の複数の検査点での勾配測定により推定する三次の規則を導きます。十一の視覚・言語タスクでの後追い評価では、共有 β=0.95 の代表値と比べ、平均相対検証ギャップを 40.7%、最悪の四分位の平均ギャップを 44.3% 削減したと報告しています。
説明インターネット規模サービス向け・制約付き創造性を用いたエージェント型根本原因分析
要約本論文は、インターネット規模のサービスで障害を切り分けるためのエージェント型システム E4 を提案する。E4 は LLM エージェントに任意のコードや応答の生成を許さず、制限されたDSL によってループのないデータフロー・プログラムを生成させる。合成データと実世界のワークロードでの評価において、E4 は最先端手法より最大 62% 高い精度を示し、より説明可能な応答を最大 12 倍低いコストで提供したと報告している。
説明再帰的ゲーム制作ツール：製品体験を重視したエージェント型ゲームハーネス
要約本論文は、動くゲームを作るだけでなく、プレイヤーが楽しめるゲームへと改善することを目指す、体験志向のエージェント型フレームワーク「Recursive Game Creator」を提案している。設計者、構築者、プレイヤー、レビュアーの4つの要素が再帰的なループで開発を進める。論文によると、GameCraft-Bench と GameASG-Bench で比較手法より高い結果を示し、ユーザー調査ではプレイ時間の増加と評価の向上が報告されている。
説明Hybrid++：偏微分方程モデルと深層学習をつなぎ、ガンマ乗法性ノイズを除去する手法
要約本論文は、合成開口レーダーや医療用超音波画像に現れるガンマ乗法性ノイズを対象に、解釈性と性能を両立させる学習可能な非線形反応拡散モデルHybrid++を提案しています。学習可能な偏微分方程式の初期化、3段の反応拡散ネットワーク、2段階の学習戦略を組み合わせています。FoEベンチマークでは、古典的なPDE法、BM3D、元のTNRDを大きく上回りました。強いノイズ条件（L=1）では、単独で学習したDnCNNとのPSNR差は0.23 dBで、パラメータ数は約8%です。著者らは、汎用的な最先端の画像復元モデルではなく、乗法性ノイズ向けのコンパクトな構造化モデルと位置づけています。
説明基礎モデル誘導拡散によるLiDAR解像度の復元
要約高ビーム数のLiDARセンサーは高価ですが、多くの知覚パイプラインは密な角度サンプリングを必要とします。本論文は事前学習済みのStable Diffusionを基盤とし、2次元基礎モデルが生成した擬似深度を目標としてLiDAR条件付きの深度モデルを微調整します。学習中は入力のビーム数を無作為に間引きます。nuScenesにおいて物理的に保持された実ビームで評価した結果、4ビーム入力からδ1.25精度66.8%を達成し、散布点補間の45.1%を上回り、極端に疎な条件で最も大きな優位性を示しました。
説明マルチモーダル学習と研究に基づく特徴統合による偽アカウント検出の改善
要約本論文はTwiBot-22ベンチマークから3万人のユーザーを抽出し、テキスト（XLM-RoBERTa）、画像（CLIP）の埋め込みと、フォロワー数、投稿頻度、アカウント年齢などのメタデータを組み合わせて検証しています。CatBoostと関係グラフ畳み込みネットワーク（R-GCN）で複数の組み合わせを比較した結果、メタデータだけで高い予測力があり、マルチモーダル融合による改善はわずかで、大半は統計的に有意ではありませんでした。本研究のサブグラフ条件では、グラフモデルは古典的手法より低い性能でした。
説明InterCorrect：公平な音声認識のための人口統計モデル統合における交差補正手法
要約本論文は、音声認識（ASR）システムが人口統計グループ間で性能に偏りを生じる問題に取り組みます。SLAM-ASRベースのモデルで、グループごとのサブセットに対してコネクタのみを微調整し、得られたモデルを全体モデルに統合します。さらに、交差する属性の重要な組み合わせを特定し、そのための補正ベクトルを適用します。Fair-Speechでの実験では、全体統合と交差補正の両方で全体のWERが改善し、TIES＋WERベースの補正では7.38%から5.13%に低下しました。ただし、平均WERの低下が群間格差の縮小を意味するとは限らないことも示されています。
説明葉の多モーダルセンシングを用いた農地の列単位での早期ストレス検出のための群協調型マルチロボットシステム
要約本論文は、低コストで地上設置型のマルチロボットシステム「CropSentry」を紹介し、多モーダルな葉のセンシングによって作物のストレスレベルを継続的に監視する。2 台の自律ロボットが列ごとに葉の色と環境データを検出し、結果を空間マッピングしてマスターロボットに送信し、リアルタイムの Web ダッシュボードに作物の健康状態を表示する。63 回の観測による作物健康分類の総合精度は 84.12%、10 台のスレーブからの無線通信成功率は 100% だった。
説明緊急時の高リスク通知における生成AI翻訳
要約本論文は、地震の避難指示や異常気象の警報など、誤訳が重大な結果を招きかねない緊急通知に生成AI翻訳を用いることを検討しています。英語の地震指示文を中国語とスペイン語に翻訳する実験では、談話に特化したプロンプトを使うことで、理解しやすさと行動につながりやすさが大きく向上することが示されました。ただし、翻訳者は依然として訳文を完全には信頼しておらず、誤りの検出や責任の所在の観点から、人による校閲は引き続き必要だとされています。
