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VolCo：高精度な人手把持生成のためのボリュメトリック接触表現
要約本論文は、物体表面の接触点を三次元ボリュメトリックグリッドに拡張する接触表現 VolCo（Volumetric Contact）を提案しています。手と物体の接触を精密に復元するために、局所的な接触詳細と全体的な手の形状を階層的に捉える VolCoDiff フレームワークを設計しました。二つのベンチマークデータセットで、貫通と安定性の面で最先端の性能を示し、貫通の少ない密な把持を生成できることを示しています。
説明HuLiGen：パラメトリック人体モデルからLiDAR人体点群を生成する手法
要約人体のLiDAR点群は収集と注釈付けのコストが非常に高く、データが不足しています。本論文では、パラメトリック人体モデルから人体のLiDAR点群を生成する生成モデルHuLiGenを提案します。フローマッチング目的関数で学習したポイントトランスフォーマを用いており、生成された点群は実際の撮影データの分布により近いとしています。この合成データのみで事前学習を行い、LiDARベースの人体姿勢推定で、注釈やデータが少ない条件ではMPJPEを最大50%削減したと報告しています。
説明均一化と時間条件付き因子化ニューラル尤度推定を用いた切替確率微分方程式向けの汎用近似MCMC
要約本論文は、切替確率微分方程式（SSDE）のベイズ推論のための近似マルコフ連鎖モンテカルロ法を提案する。均一化（uniformization）と、シミュレーションベースの推論法である因子化ニューラル尤度推定（FNLE）を組み合わせ、任意の時間区間の遷移密度を時間条件付きFNLEモデルで近似する。合成データ実験では、既存手法の適用が制限される3つのSSDEモデルについて、レジーム経路とパラメータを復元できた。さらに実データに適用し、レジームの遷移を一つ検出した。
説明一次の EDM 予測器における普遍的局所誤差と実効的増幅
要約本論文は Karras ら（2022）の一次の決定論的拡散サンプラー EDM を、2-Wasserstein 距離で解析し、局所離散化誤差と後続の学習ステップによる増幅という二つの誤差源を分けて扱う。有限二次モーメントを持つ任意のデータ分布について、一ステップの離散化誤差がステップ幅の二乗に比例し、その定数はデータ分布に依存しないことを示す。一次元ガウス混合での実験では、測定された増幅が有限のサンプリンググリッドにおける誤差減衰の遅さを説明することが示されている。
説明動力学ランジュバンと分割ギブス法：拡散事前分布による画像逆問題の高速な事後サンプリング
要約本論文は、ベイズ画像逆問題の事後サンプリングのために、データ変数は厳密なガウス更新を保ち、補助変数は一回の去噪スコアで駆動される過減衰でない（動力学的）ランジュバン拡散で更新するRED-KLwSGSを提案している。反復あたりの計算コストは分割ギブス内ランジュバン法と同等である。強対数凹事前分布に対する非漸近的なWasserstein-2収束を証明し、両変数に動力学的ランジュバン拡散を適用するJoint-RED-KLwSGSも導入している。拡散確率モデルを事前分布としてFFHQとImageNetで行った実験では、より速い収束と高品質な画像再構成が示されている。
説明ベイズ最適化によるベイズ最適化アルゴリズムの事前学習
要約この論文は、ベイズ最適化（BO）を開始する前に、ガウス過程からサンプリングした経路を使って、BOアルゴリズムのパラメータを最適化する枠組みを提案しています。性能指標として累積リグレットを用い、生成した経路上でBOを実行して期待累積リグレットを推定します。このパラメータ最適化自体を別のBO（外側BO）で解く手法で、実験では候補の中から性能の良い設定を効果的に選べることが示されています。
説明生産スケジューリング向けエージェントAI支援モデリング：制約プログラミングでの評価
要約本論文は、特定タスク向けの追加学習なしに汎用の大規模言語モデルをエージェントとして組み合わせ、自然言語で記述された生産スケジューリング問題から制約プログラミングモデルを作成・実装できるかを検証しています。6つの産業向け問題で単一エージェント、マルチエージェント、直接呼び出しの方式を比較し、Model Context Protocolサーバーで求解器ドキュメントを検索して幻覚を抑制しています。定式化は現在のLLMでおおむね可能である一方、実装が主な障壁であり、マルチエージェント方式により正しく動作するスクリプトの割合は14.8%から59.3%に向上しました。密接に結合した構内物流モデルは依然として未解決の課題です。
説明VideoEvolve：記憶と検索を共進化させる長尺動画理解フレームワーク
要約長尺動画理解では、膨大な映像を圧縮して保持するために外部メモリを使う手法が増えていますが、多くは質問ごとに検索方法を調整するだけで、何を記憶するかはほぼ固定です。本論文は、低フレームレートの粗い概要から出発し、メモリを選択的に拡張する Memory Evolver と、更新されるメモリに対して適応的に検索する Retrieval Evolver を組み合わせたVideoEvolveを提案します。両者は交互のエージェント強化学習で共進化し、ボトルネック認識型および能力認識型のフィードバックで最適化の方向を導きます。複数の長尺動画理解ベンチマークで有効性を示したとされています。
説明脳波と視線計測で見る、AI開示表示が顔の評価に与える影響
要約本研究はAIで生成された顔と実在の人物の顔を比較し、無表示、「Made with AI」、「Made by a human」の出所ラベルを組み合わせて提示しました。事象関連電位（ERP）と視線計測の結果、両者の脳波反応は同等でしたが、ラベルは早期の注意（N2）を引き出し、実際の出所と矛盾するラベルは顔の再評価（P3）を促しました。ラベルは視覚的な探索の仕方も変えました。研究では検証済みの刺激セットも提供されています。
説明対数オッズからShapley値へ：重み付きナイーブベイズ分類器の説明幾何学
要約本論文は、重み付きナイーブベイズ分類器がモデルから得る教師あり表現をもとに、説明のための空間を構成する方法を検討する。条件付き対数尤度に基づく従来の教師あり距離を出発点に、分類判断により直接関係する対数オッズに基づく判別的な再定式化を導入する。その結果、この表現から導かれる距離が解析的Shapley値ベクトル間のℓ1距離と正確に一致することを示し、モデルが誘導する幾何構造に形式的な説明を与える。さらにk近傍法を用いて、これらの表現から導かれる複数の教師あり距離を比較する。
説明Argos：幾何学的事前知識を活用した汎化可能なオンライン場面変化検出
要約本論文は、幾何学基盤モデル（GFM）の暗黙的な三次元知識を用いて、場面変化検出と三次元再構成を同時に行う手法Argosを提案しています。視点の大きな変化や遮蔽、ノイズへの対応を目指しています。合成データ2種と実世界データ1種からなる大規模ベンチマークを構築し、複数データセットで共同学習を行っています。さらにロボット向けのリアルタイムシステムArgos-SLAMを提案し、オンライン変化検出と変化を考慮した四次元地図作成を行うとしています。
説明結果報酬を超えて：検索エージェントのための検索クレジットの構築と割り当て
要約本論文は、最終結果だけの報酬に頼ることで生じるクレジット割り当ての困難を補うため、検索エージェントの強化学習に中間検索ステップからの監督信号を加える方法を検討しています。報酬整形とクレジット割り当ての複数の戦略を比較し、中間信号と最終結果報酬を組み合わせる学習フレームワークを提案しています。同一の学習条件で複数のベンチマークを用いた実験では、全体的な検索エージェント性能の向上が示され、中間信号の選択と信用を割り当てる位置が学習の挙動に影響することが報告されています。
説明状態空間エンコーディングによる線形時間のコンテキスト圧縮：長い文脈を短い表現に圧縮して推論を高速化
要約Transformer ベースの大規模言語モデルは、文脈が長くなるほど計算量とメモリ消費が増えます。本論文は、Mamba 状態空間モデル（SSM）を基にしたプラグアンドプレイ型のオンライン圧縮器 Boa Compressor を提案します。任意長の文脈を線形時間の一回の処理で符号化し、凍結された目標 LLM に条件付けできる表現を生成します。SSM は蒸馏により学習され、圧縮表現を入力したときの次トークン分布を、全文脈を入力したときの分布に一致させます。同じ圧縮率では既存の離線圧縮手法と同等以上の性能を示し、速度は桁違いに高速で、16 倍の圧縮にも対応するとされています。
説明制約付きマルチフィデリティ多目的ベイズ最適化への統一的情報理論的アプローチ
要約本論文は、複数の目的関数・制約・忠実度レベルが同時に存在するベイズ最適化において、どの地点でどの忠実度により評価するかを同時に選び、最高忠実度の実行可能なパレートフロントを特定する手法を扱います。観測がもたらすフロントに関する情報利得でクエリの有用性を測り、互いに直接計算できない相互情報量を、切り詰め近似の混合による変分下界で近似します。多忠実度代理モデルにより情報を各忠実度へ伝播させ、コストを考慮した獲得関数を得ます。合成問題、ベンチマーク、実問題での実験結果も示されています。
説明文書構造は高密度検索に役立つか？2つのコーパスにおける4つの仕組みのプラセボ対照アブレーション
要約本論文は、検索拡張生成システムで用いられる四つの文書構造処理（構造整合チャンキング、LLM生成チャンク文脈、見出しパスのメタデータ、階層的二段階検索）を、統一された手順で比較しています。意味的に無関係なプラセボとして、文書間でシャッフルした見出しパスを加えています。Wikipedia特集記事200件とQASPER論文1,585件での実験では、実際の見出しパスを持つ構造整合チャンクが優れる一方、素朴な二段階階層検索は性能を下げました。効果は小さいものの、両コーパスで一貫していました。
説明逐次白色化による空間依存データの共形予測
要約本論文は、空間的に依存しサンプリングが非ランダムなデータに対する共形予測の区間構成を改良する。校准残差に対して逐次的に条件付けを行い、校准残差のみで予測可能な空間変動を取り除き、最近傍近似により大規模ネットワークにも適用できるようにしている。正しい作業共分散と楕円残差分布の仮定の下で、任意の空間設計に対して厳密な有限標本カバレッジを持つ。模擬データと全国PM2.5への応用では、より狭く安定した区間を生成し、カバレッジ不足の危険がある地域も特定する。
説明弱いシグナルのもとでの方策学習：オンライン実験における個別化された処置決定
要約本論文は、信号対雑音比が低く、共変量空間が豊かで、データ量が膨大というデジタル実験の課題における方策学習を扱っています。細分化された共変量ごとの処置効果推定を、有界な信号対雑音比をもつガウス観測としてモデル化しています。一般には最適な処置方策は学習できないことを示す一方、処置効果が滑らかに変化する場合には、線形平滑化に基づく極小最適適応方策により厚生後悔が消失することを導いています。Netflixの大規模実験への適用により、個別化された線形平滑化方策が非個別化方策を上回ることも示されています。
説明UniSkill：進化する方策のための、アクターと整合したスキル提案の学習
要約本論文は、LLM エージェントが過去の経験から得たスキルを、タスク実行と並行して更新する手法 UniSkill を提案しています。対照的な行動フィードバックにより、検索されたスキルを提案スキルに置き換えた際に、成功・失敗軌跡間の行動対数尤度差がどう変わるかを測定し、提案ごとの追加ロールアウトを避けます。報告された成功率は ALFWorld で 98.4%、WebShop で 84.7% です。
説明匿名キャプションを超えて：動画キャプションと質問応答におけるキャラクター同定の位置づけ
要約本論文は、自動的なキャラクター同定、空間的な位置指定、タスク特化の適応を組み合わせ、身份を意識した動画キャプションと人物中心の質問応答の枠組みを提案しています。LSMDC v2の映画クリップを用いて750本のキャプション付きクリップと3,000の質問からなるベンチマークを作成し、LoRAによる微調整モデルBACを提示しています。コードとチェックポイントは公開されています。
説明診断予測のための医療トークンを用いたカバレッジ考慮型推論（CARing）
要約本論文は、大規模言語モデルによる次回受診の診断予測において、最終回答の正誤だけで報酬を与える強化学習では、同じ診断の重複的中と異なる診断の網羅を区別できない点を指摘しています。提案手法CARingは、残差量子化で診断を意味的IDとして表現し、カバレッジ報酬と多正例の教師あり学習で多ラベル予測を最適化します。MIMIC-IIIとMIMIC-IVにおいて、EHRのみで学習したすべてのベースラインを加重F1で上回り、報告された各カットオフでtop-k再現率が最高となったと述べています。
注目点多ラベル診断の網羅性に対するカバレッジ報酬と意味ID を提案し、MIMIC-III/IVで全EHRベースラインを上回り、臨床予測分野に有用。
説明BagDINO：DINOv3を用いた多視点手荷物再識別
要約本論文は、空港で誤配送された預け手荷物の捜索を、視覚情報による識別で支援する手法を扱っています。複数カメラの環境で、クエリ画像を登録済み手荷物画像のギャラリーと照合する再識別として定式化しています。DINOv3の基盤モデルにBNNeck型の再識別ヘッドを載せ、LoRAによるパラメータ効率の良い適応を行い、MVBベンチマークで凍結モデル、LoRA、ファインチューニングを比較しています。学習データが限られる場合でも、この手法が有効かつ安定していると報告しています。
説明HeiCo-FOCUS：長時間の文脈を扱う映像理解のための臨床データセット
要約本論文は、ハイデルベルク大学の大腸手術の映像をもとに構築したデータセット HeiCo-FOCUS を提案します。手術中に挿入・操作・隠れ・除去される異物を数時間にわたって追跡できるかを評価します。30,000 組の視覚質問応答を含み、39 名の外科専門家が注釈に関わりました。十種類の最先端の視覚言語モデルで実験した結果、時間的定位が最も難しく、平均正答率は 19.7% にとどまりました。
説明HySPE：辛双対せん断による位置エンコーディング手法
要約本論文は、一般的な回転式位置エンコーディングRoPEの回転操作を非コンパクトな辛変換に置き換えるHySPE（双曲辛位置エンコーディング）を提案する。双対せん断の減衰対称合成により双曲分岐を実装し、固有基底での対角化と分割座標リベースにより指数的な表現ドリフトを抑え、数値的上界を系列長に依存しないようにしている。実験では、長さ4096や8192への外挿において、HySPEはRoPEより低い困惑度を示し、WikiText-103では尾部困惑度がRoPEより83.9％低下したと報告されている。大規模基盤モデルでのスケーリング挙動は今後の課題とされている。
説明切り捨て拡散サンプラーは何方向を保持すべきか？べき乗則スペクトルにおける整合的な上下界
要約本論文は、共分散スペクトルがべき乗則に従うデータについて、切り捨て拡散サンプラーが保持すべきスペクトル方向の数を検討しています。環境次元が十分大きい場合に、ガウスデータと平滑化された目標を比較して、必要な保持方向数の整合的な上下界を示しています。切り捨て誤差は省略された方向の合成ウィーナー利得に依存するため、出力ノイズレベルを超える信号の方向だけを残すと、無視できない誤差が残る可能性があると述べています。
説明可視的推論は万能の最適化手法ではない：分析コード生成におけるペルソナと思考方式の影響
要約本論文は、分析コード生成（SQLとpandas）において、可視的な思考連鎖（CoT）が一律に有効かどうかを検証しています。著者らは、クエリを揃えたSQL-pandasベンチマークを構築し、ペルソナの言い回し、目標言語、CoT形式、直接生成、内部推論の設定を統制して、実行結果に基づき比較しました。可視的推論に普遍的な精度向上は見られず、効果はペルソナ、目標言語、モデル設定、内部推論の設定によって異なることが示されています。
説明InterView-C：VRアバターを介したアンケート面接の同期マルチモーダルコーパス
要約InterView-C は、仮想現実内で全て実施され、双方がアバターで表現された 27 件のドイツ語アンケート面接（録音 54 本）からなるマルチモーダルコーパスです。音声による対話を、視線、頭部や身体の動き、表情、手指の追跡などの同期した行動データと対応付けています。単語単位の時間情報を持つ人手で校正された書き起こしと、否定の手がかりおよび作用範囲の注釈を含みます。多くの音声認識システムは短い回答や数詞を誤認識しやすく、既存コーパスで学習した否定検出モデルは本コーパスで性能が低く不安定であることが示されています。
説明ARPES（角度分解光電子分光）ワークフローにおけるAIの進展と展望
要約本論文は、角度分解光電子分光（ARPES）の実験工程全体における人工知能・機械学習の応用を整理したレビューです。試料準備、リアルタイムのデータ取得、実験後のデータ解析、理論計算との比較までを対象としています。また、公開ARPESデータベースは規模が小さく分散していると指摘し、再学習可能な事前学習済みモデルの共有と、標準化された大規模オープンデータセットの整備を提案しています。最後に、実験室自動化の6段階フレームワークを用いて、完全自律型ARPES実験室に向けた機会と課題を論じています。
説明LLM4Impact：異種情報を統合して科学的影響力を予測する手法
要約本論文は、新たに発表された論文の将来的な影響力を予測する LLM4Impact を提案しています。意味・グラフ・大規模言語モデル・時間の各表現を統合し、適応型ゲーティングで各証拠の重みを調整するとともに、分野や時期による引用規模の違いを補正します。約200万本の論文からなる大規模ベンチマークも構築され、同一分布のテストセットで年次 RMSE が10.13%、分布外では6.87%低減したと報告されています。
説明ブラックボックスベクトル検索による注意機構の近似
要約本論文は、少数のキーだけで注意機構（アテンション）を近似する疎なアテンションを扱う。最大内積探索（MIPS）のブラックボックス接続を前提に、ε精度の推定に必要な検索キー数を分析する。単一インデックスでは Θ(√n/ε) 個、Θ(log n) 個のインデックスでは O(log n+1/ε²) 個のキーで足り、後者はほぼ最適であると示される。LLM推論では、従来のtop-kやサンプリング手法より優れた結果が報告されている。
注目点優先度サンプリングで疎なアテンションとMIPS検索を統一し、検索キー数の上下界と拡張による単一索引手法を示し、LLM推論で検証している。
説明HarnessIR：マルチモーダル基盤モデルを用いた汎用的な実世界画像復元
要約本論文は、マルチモーダル基盤モデル（MFM）を実行器として用いる実世界画像復元のエージェント型フレームワーク「HarnessIR」を提案しています。知覚と診断、必要に応じたツール呼び出し、プロンプト構成、実行、検証に基づく改良の5段階で構成されます。合成ベンチマークMiO100で最先端の結果を達成したと報告されており、複雑な実世界の場面でも強い汎化性能を示すとしています。
説明アルゴリズム探索が安価になるとき：EDA分野におけるエージェント型研究の事例分析
要約著者らはEDA（電子設計自動化）分野で、教員1名と学生7名の参加のもと、エージェントによるアルゴリズム探索を8回試行しました。限定的な介入のもとで、エージェントは数学的構成、既存ツールの分析、改良の実装を行いましたが、実用的な目標に届かなかった取り組みもありました。また、2022年から2026年にかけての4つのEDA会議と2つの学術誌の論文8,420件をAIで分析し、中核論文2,380件のうち97.7%が計算的に閉じていると分類されました。
説明勝者フィードバック付きm集合敵対的バンディット
要約本論文は、異なる効用（勝者の報酬または報酬の和）と異なるフィードバックモデル（勝者インデックス、勝者の報酬、報酬の和、およびそれらの組み合わせ）のもとで、m集合敵対的バンディットの後悔の上界と下界を示す。組合せバンディットおよびMNLバンディットの標準的な界と比較することで、設定のわずかな違いが学習速度に大きな影響を与えることを明らかにしている。主な技術的貢献は後悔の情報理論的下界であり、合成データによる実験が理論解析を裏付けている。
説明形状を知り、欠陥を見つける：通信トポロジーに基づくマルチエージェントLLM障害診断
要約本論文は、マルチエージェントLLMシステムにおける通信トポロジーと障害タイプの関係を分析し、二段階の診断フレームワークMAScopeを提案している。TSEが実行トレースから通信トポロジーを復元し、TC-Judgeがトレース、予測トポロジー、障害の事前分布を用いて障害を分類する。実験では両者の間に統計的に有意な関連が示され、トポロジー情報は診断性能を高め、固定編成構造ではコスト削減にも寄与するとされている。
説明D-SLR：非重複行スパース＋低ランク分解
要約本論文は、行列再構成のために截断SVDの代わりに使える閉形式の手法D-SLRを提案している。各行は原形のまま保存するか、低ランク近似で表すかのどちらか一方のみとし、反復計算や正則化パラメータの調整は不要である。著者らは二乗誤差の下では、この制約によって誤差が増えないと主張し、任意の階数と保存行数に対する誤差の下界も示している。合成データと実データ（LLMの埋め込みテーブル、ネットワークトラフィック、ハイパースペクトル画像）での実験により効果を確認している。
説明物体配置が変わる環境での生涯小物体ナビゲーション：ベンチマークと手法
要約本論文は、家庭用ロボットが工具や玩具などの小型で移動しやすい物体を繰り返し探す課題を扱います。人が物体を動かしても気づかれない場合や、事前の場所情報がない状態から始める条件を含む「生涯小物体ナビゲーション（LiSoNav-COL）」を定義しています。著者らは28の室内環境と45カテゴリの小物体からなるベンチマーク「LiSoNav-Eval」と、視点に紐づけた記憶を用いる手法「IVAM-Nav」を提案しています。実験では代表的な手法より良い性能が示され、物体が小さく環境が広く再配置距離が長いほど難しいことが示されています。
説明生成型推薦における未検索ターゲットの学習：教師信号と確率競合の分離
要約生成型推薦器が返す候補集合は限られており、観測された正解ターゲットを漏らすことがあります。ある学習戦略は、それらの漏れたターゲットを再ランキング器の学習リストに追加しますが、推論時は元の候補のみでランキングします。本論文は、追加ターゲットへの教師信号と群間の確率競合の影響を個別に調べるため、三つの対応する損失を構築しました。Amazon Video Games の四つの事前指定比較では、競合を除くことでFT-NDCGが7.8%～22.2%改善しました。候補の補完は自動的に適用せず、生成器ごとに評価すべきだとしています。
説明ガウス過程は何を検定できるか：応答を観測する前に計画が矛盾の検出力を決める研究
要約ガウス過程モデルがデータと合うのは、仮定が正しいからか、選んだ入力では誤りを露呈できなかったからかのどちらかです。論文は、応答を観測する前に計画だけで検出できる矛盾の種類が決まることを示します。有限個の特徴からなるガウス過程では、これはカーネル行列の零空間に対応し、Galeの双対性で幾何学的に解釈できます。他のカーネルでは事前分布上で起こりにくいという軟らかい制約になります。シミュレーションでは、予測検出力で入力を選ぶと局所的なずれへの検出力が0.48から0.72に上がりました。
説明RewardWeaver：自己進化型の報酬適応による言語エージェントの長期対話学習
要約本論文は、長期的な対話における言語エージェントの学習を改善するため、RewardWeaver という枠組みを提案している。各学習段階の後、低成果の軌跡を結果に基づいて逆方向に帰属させ、繰り返し現れる能力のボトルネックを特定して、次の段階に用いる過程報酬を動的に選択する。SOTOPIA、Amazon HistoryPrice、新たに構築した販売ベンチマークで評価し、新たな最高水準の結果を報告している。アブレーション実験では、動的な報酬配分などの設計の重要性が示されている。
説明EdgeRock：一定のメモリで強力な推論を実現するマルチモーダルモデル
要約本論文は、Rock Memory Anchors（RMA）により推論中のメモリ使用量を一定に保つマルチモーダルモデル群EdgeRockを提案する。モデルは重要な情報を学習し、固定サイズのKVレコードバンクに保存する。オープンソース版のEdgeRock-4Bは、AIME 2024-2026で平均pass@1が82.9%に達し、元のモデルと比べてKVキャッシュを最大99.1%削減し、バッチスループットを最大6.42倍に高めた。
説明Wasserstein距離に基づくエビデンシャル不確実性による分布外セグメンテーションの確率論的考察
要約意味的セグメンテーションのネットワークは学習時に定めた固定クラスしか扱えず、運用中に分布外（OOD）物体が現れると誤りやすくなります。これは自動運転などの安全重視の用途では大きな制約です。本論文は、ユークリッド目標の代わりにWasserstein距離に基づく目標関数を用いるエビデンシャル深層学習の枠組みを提案し、未知の入力に対する不確実性を保ちながら単一の決定論的順伝播でOOD検出を行うことを目指しています。DeepLabV3+とSegFormerの2つのアーキテクチャで、SegmentMeIfYouCanベンチマークの複数データセットを用いて評価しており、最適なWasserstein次数はアーキテクチャに依存し、多くの指標で比較対象のベースラインを上回ると報告されています。
説明長文脈ハイブリッドモデルの仕組み（第1.1部）：ハイブリッド注意機構からハイブリッド位置へ
要約本論文は、全注意機構とスライディングウィンドウ注意（SWA）またはゲート付き線形注意（GLA、GDNなど）を組み合わせた大規模言語モデルのハイブリッド構成を研究している。長文脈の継続事前学習と長さ外挿の間にシーソー効果があり、線形注意ハイブリッドは継続事前学習で、SWAハイブリッドは長さ外挿でより良い性能を示すと報告している。その違いは各注意機構がもたらす位置の帰納バイアスに由来すると論じ、64kの文脈長で訓練なしに16倍の長さ外挿を達成し、NIAH-SK1で100%の精度を維持するスライディングウィンドウ線形注意を提案している。
説明CAFE+FNO：乗算的特徴合成によりフーリエカーネルを生成するニューラル演算子
要約本論文は、偏微分方程式の解演算子を学習するフーリエ・ニューラル演算子（FNO）に、内容認識周波数符号化 CAFE+ を組み込んだ CAFE+FNO を提案します。フーリエとチェビシェフの特徴を並列のアフィン分岐とアダマール積で組み合わせ、各スペクトル座標を複素チャネル混合行列へ写像するカーネル MLP を用います。五つの偏微分方程式ベンチマークで既存の FNO 派生手法と比較し、基底構成、乗算的合成、帯域幅の学習可能性について削除実験を行っています。
説明古典的マルチエージェント経路探索のコスト
要約本論文は、古典的なマルチエージェント経路探索（MAPF）が、連続時間版（MAPF_R）と比べて解の質をどれだけ失うかを調べたものです。エージェント数、地図の種類、解像度などの条件を変えて両モデルを比較しています。狭い・制約のある地図では平均で少なくとも5%、開けた地図では17%ほど解の質が改善し、一部では20%を超えました。古典MAPFで地図解像度を2倍にしても回復できるのは3%未満でした。
説明ナビゲータの言葉で話す：凍結した空中VLNエージェントのための軌跡に基づく指示変換
要約本論文は、無人機の視覚言語ナビゲーションで利用者の短い意図指示と学習時の詳細な指示との差が性能を下げる問題に取り組みます。ナビゲータを固定したまま、軌跡の結果から学習して弱い指示を実行可能な指示に変換する前段モジュールTGITを提案しています。翻訳後、弱い入力の成功率は11.33%から37.93%に上がり、実際の人間の指示にもゼロショットで転用できたと報告されています。
説明こんな論文を読むくらいならNLPをやめたい：NLP論文における対比的否定表現の増加
要約本論文は、大規模言語モデルが生成する科学論文で「rather than（〜ではなく）」という構文が過剰に使われている現象を研究しています。2019年のACL論文、2026年のACLスタイルのarXiv論文、GPTが書いた論文を比較し、2026年の使用率は2019年の7倍、GPT論文ではさらに高いと報告しています。著者らは、これが対比選好に基づく事後学習の副作用ではないかと推測しています。
説明ExperienceIndex：文書に根ざした経験メモリ
要約本論文は、AIエージェントが過去の推論から得た、判例や科学文献などの文書（アーティファクト）に関する知識を蓄積・再利用する経験層「ExperienceIndex」を提案しています。単一文書の経験と文書ペアの構造的関係の経験という二種類を保存し、軽量なミドルウェアとして組み込むことで、新しいタスクに関連する文書を網羅的に見つけるよう導きます。論文では、多様なコーパスと検索フレームワークで回答品質が最大11.0ポイント向上し、オンラインのコストが最大50.5%削減されたと報告しています。
説明非同期協調認識のための時間残差ボトルネック（通信遅延やパケット欠損に強い手法）
要約本論文は、非同期の協調認識を時間残差の予測として定式化しています。位置補正済みの協調車両特徴量を保守的なアンカーとして保持し、Δtを条件とするxLSTMで利用可能な履歴から残差の時間的証拠を抽出します。さらに、ゲート付きで正則化された補正のみを適用してから自車側で融合します。DAIR-V2XとOPV2Vでの実験では、深刻な固定・不規則な遅延やパケット欠損の下で特に有効だと報告されています。
説明SkillSandbox：動的シナリオ合成によるスキル検証
要約この論文は、自己進化型エージェントが経験から蓄積したスキルが、新しいタスクでも再利用できるかを検証する枠組み SkillSandbox を提案しています。スキルごとに関連性がありながら新規性のあるタスクと環境を動的に合成し、スキルあり・なしの実行を比較して Keep か Reject かを判定します。ALFWorld と WebShop で3種のモデルを用いた実験で、下流性能と実行効率の向上が報告されています。
説明支持集を保つ蒸留によるマルチエージェント協調
要約オフラインMARLでは、多峰性の共同行動を表現するために生成的方策が使われ、CTDEの下で集中型教師を分散型の一段階アクターへ蒸留することが多いです。本論文は、標準的なフローベース教師がノイズとリプレイ目標を独立に対応づけるため、近接したノイズが衝突する協調モードへ振り分けられ、教師が有効なモード間の中間的サンプルを生成する問題を指摘します。これに対し、有限のモード支持集合と容量を用いて条件付き半離散最適輸送により各ノイズを単一モードへ割り当てる手法MoSDOTを提案し、共有乱数の変種も検討しています。多峰性データセットで終点品質と経路の一貫性が向上したと報告されています。
説明活性化を考慮した重みテンソル化：テンソルネットワーク型LLM圧縮のための校正時前処理手法
要約学習後のテンソルネットワーク圧縮は、Transformerの線形層をTensor Train（TT）やTree Tensor Network（TTN）の演算子に置き換えますが、標準的な分解は層の活性化分布の下での機能的誤差ではなく、重み空間のフロベニウス誤差を最小化します。本論文は、再学習を必要としない校正用ラッパーAWT（Activation-aware Weight Tensorization）を提案します。活性化から導いた対角スケールで各重み行列を前処理してから、変更のないTT/TTNソルバーに渡し、入力側の要素ごとのスケーリングのみで展開します。Llama 3.1 8B、Ministral 8B、Qwen2.5 7Bの2〜6倍圧縮において、AWTは従来のTT/TTNを一貫して改善し、WikiTextのパープレキシティと密なベースラインとの差を12〜60%縮めました。
説明RBFカーネルを用いたガウス過程の最尤推定に関する精密な漸近理論
要約本論文は、動径基底関数（RBF、二乗指数カーネルまたはガウスカーネルとも呼ばれる）を共分散関数とするガウス過程モデルのパラメータ推定を扱う。固定領域漸近の枠組みで、空間分散、長さスケール、ナゲット分散の同時最尤推定量について完全な漸近特性を示し、一致性、3つのパラメータの収束速度、同時漸近正規性を証明している。さらに、これらの速度が極小最適であることを示している。
注目点固定領域漸近の下でRBFカーネルGPの同時MLEを初めて完全に特徴づけ、一致性・収束速度・漸近正規性・ミニマックス最適性を証明しており、分野への影響は中程度以上。
説明関心のある事象のための結果条件付き再較正による確率予測の校正
要約本論文は、ユーザーが指定した結果の範囲で確率予測の校正を改善する後処理手法「結果条件付き再較正」を提案する。Kuleshov ら（2018）の分位点再較正を条件付き分布に適用し、予測された事象確率が経験的な発生頻度と一致するよう再スケールする。回帰ベンチマークでは特定の結果に対する校正が既存手法より改善し、日次電力価格予測の負の価格の予測でも校正が大きく向上し、予測精度への影響はわずかであったと報告している。
説明HGP：ハイブリッドグラフ保存によるオンデバイス型パーソナライズ・エージェントメモリ
要約LLMベースのエージェントは、異種で多型かつ暗黙の制約を持つ長期的な履歴のため、パーソナライズされた対話タスクで課題を抱えていると論じています。著者らは、軽量な自己強化分類器で個人化された記憶を振り分け、エピソード記憶・意味記憶・手続き記憶をグラフとして構築するハイブリッドグラフ記憶フレームワーク「HGP」を提案します。PAL-Setの解決策選択タスクでは、S-scoreが35.58となり、最強のベースラインを約7ポイント上回ったとしています。
説明ピクセルからコーディングへ：マルチモーダルLLMの図の再現能力の評価
要約本論文は、図を正確に実行可能なコードへ変換するMLLMの能力を評価するためのFigCodeBench（図の再現評価フレームワーク）を提案しています。7つの機能カテゴリと4種のプログラミング言語をカバーする6,194件のインスタンスを構築し、三段階の難易度と多次元の評価方法を採用しています。24のモデルで実験を行った結果、全モデルに言語や難易度によらず非線形な性能低下が見られたと報告しています。
説明理解性監査：自動化されたAI研究のリスクを抑える仕組み
要約本論文は、フロンティアAI研究所のコードの大部分がすでにAIによって書かれており、人間による監督が不十分な場合に安全上のリスクが生じると指摘します。著者らは「理解性監査」を提案します。責任者が監査人に研究開発の成果を説明し、理解していることを示す仕組みで、理解を示せない場合は是正されるまで開発を停止し、繰り返し失敗すると結果が重くなります。主要なオープンソースAIプロジェクトの分析では、コード出力は増える一方で、行あたりの人間によるレビューコメント率は低下し、自動化されたボットアカウントではその率が人間の場合よりはるかに低いことが示されています。
説明明示的な失敗と暗黙の失敗：ツール利用型言語モデルエージェントにおける障害の検出と回復
要約本研究は、関数呼び出しベンチマークの実行環境に四種類の障害を注入し、ツールを使うエージェントが問題に気づくか、計画を変えるか、タスクを回復できるかを調べたものです。6モデル、1,920回の試行を行いました。ツールが明示的なエラーを返した場合は91.3%の試行で問題を認識したのに対し、もっともらしい誤った値を返した場合は58.8%にとどまりました。エージェントは返される内容ではなくエラーの経路に反応しており、期待される形式の中にある誤りは見過ごされやすいことが示されています。
説明TRACK：シミュレーターレースゲームにおけるテレメトリーベースの走行分析・コーチングキット
要約本論文はTRACKというフレームワークを提案し、シムレースにおける走行性能の分析と、個々のドライバーの運転特性の把握を行う。各走行セッションを速度・制動・戦略・安定性の4次元空間で表し、教師なしクラスタリングで分類する。一部の分類は偶然と区別できないことも報告されており、結果は予備的なものである。
説明エンコーダ内部をキャッシュ：LLMクエリ間で再利用できるコンパクトなメモリ
要約本論文はEncBankを提案し、事前学習済みLLMの下位層を再利用可能な文書エンコーダとみなして、その出力をコンパクトに保存し、適応済みの上位層リーダーで利用します。三種類のQwenモデルと五つのベンチマークでは、4ビット保存でもネイティブ精度のEncBankと各総合スコアの差は1点以内でした。固定のQwen3-8B条件では、ネイティブ精度の永続GPUストアの28.1%を保持しました。結果はワークロード、準備コスト、再利用頻度に依存します。
説明WxFM-XL：単変量時系列基盤モデルを複数観測地点の気象予測へ適応させる手法
要約本論文は、単変量時系列基盤モデルを複数の気象観測地点の予測に拡張する際に、観測地点の空間情報と、基盤モデルに対する各地点の異なる誤差の事前分布が見落とされがちな点に着目しています。提案モデルWxFM-XLは、基盤モデルに対する地点ごとの誤差事前分布を捉える地点間誤差相関事前グラフを導入し、空間相関グラフと組み合わせる動的融合機構を提案しています。著者らは、複数のデータセットで既存の最先端ベースラインを上回ったと報告しています。
説明Koopman作用素と退出時間最適制御を用いた遷移経路サンプリング
要約本論文は、分子動力学などの系で準安定状態間のまれな遷移経路を効率よくサンプリングする方法を扱います。Koopman作用素の主固有関数で準安定集合を同定し、committor関数を推定したうえで、目標集合への最初の到達時刻までの最適確率制御問題として定式化します。再生核ヒルベルト空間上で線形KKT系を解くことで制御器を構成し、二チャネル二重井戸と丙氨酸ジペプチドで、目標到達軌道の割合を1000ステップ以内で0%から99.8%、1ps以内で0%から93%へ向上させています。
説明ソフトウェア工学の系統的レビューにおけるLLMのスクリーニング性能は頭打ちになったか？
要約系統的レビューの文献スクリーニングは手作業で時間がかかります。著者らは既存のソフトウェア工学向けスクリーニングベンチマーク（SESR-Eval）と、より小規模な抽出データセット（SESR-Eval-Mini）を用いて、8種類の新しい大規模言語モデル（LLM）を評価しました。新モデルは旧モデルより僅かに良く、平均MCCは0.347から0.365に上昇しました。著者らは、LLMはまだ人間の代わりに論文スクリーニングを担える段階になく、新しいモデルがもたらす利点は非常に限定的だと結論づけています。
説明推論予算を増やしたときの認知バイアス：大規模言語モデルは考えるほど偏りが減るのか
要約本研究は、推論型の大規模言語モデルで思考量を増やすと、古典的な意思決定バイアスが減るかを検証したものです。4つのモデルファミリー、6種類のバイアスにわたり約1万2千回の呼び出しを行い、実際に消費された推論トークン数を思考量として測定しました。推論モデルが対照モデルより偏りが少ないという結果は得られず、思考量の増加も偏りを信頼できる形では減らしませんでした。人間と同じ方向に現れたのは錨付けバイアスのみでした。
説明AdSpark：製品中心の広告動画生成のための大規模データセットとベンチマーク
要約本論文は、製品中心の広告動画生成を対象とした大規模データセットAdSpark、およびその評価ベンチマークを提案する。データは大手ECプラットフォームのものに基づき、AdSpark-300Kには約30万組の参照画像・プロンプト・動画の三つ組が含まれ、製品識別情報、訴求ポイントの説明、制作計画、音声スクリプトなどの構造化された注釈が付与されている。評価ベンチマークAdSpark-Benchは、映像品質、製品忠実度、指示遵守、時間的一貫性、音声整合性、広告効果の六つの観点で生成結果を評価し、製品の保持、複数カットによる物語構成、訴求ポイントの可視化が主な課題であることを示している。
説明CANDO：レイアウト設計最適化のための協調型エージェントネットワーク
要約本論文は、実際の施設のレイアウト生成を扱い、専門家が注釈を付けた実世界の施設レイアウト1,000件からなるベンチマークALPS-Benchと、構造化された設計マニュアルに基づく事例ごとの評価手法を提案しています。さらに、学習を必要としないマルチエージェント枠組みCANDOを提示し、専門化された各エージェントが検証に基づく反復でレイアウトを改良します。PubLayNet、RICO、PKU-PosterLayoutの各ベンチマークで、学習済みモデルや大規模言語モデルを用いた既存手法を上回ったと報告しています。
説明相互情報量で知識を蓄積する学習（Knowledge Weaver）
要約本論文は、強化学習で言語モデルを訓練し、エージェントの過去の行動履歴から再利用可能な知識を整理するフレームワーク Knowledge Weaver を提案している。トークン単位の相互情報量に基づく信号と、周辺的な成功報酬を組み合わせ、既存の知識と重複しない新しい情報を残すよう誘導する。ALFWorld と WebShop では k=10 の場合に平均成功率がそれぞれ 54.0%、42.0% で、GRPO を 16.9 ポイント、18.7 ポイント上回った。
説明ホストで進化、エッジで予測：株式クロスセクション収益率予測へのオンライン神経進化アーキテクチャ探索の適用
説明OpenESM：エネルギー誘導モデルはスケーラブルな基盤学習器である
要約本論文は、汎用の言語モデリングのためのエネルギー誘導モデル（ESM）を提案しています。ESMは、エネルギー地形上で潜在状態を最適化してから、その潜在状態を用いてトークンを生成し、大規模コーパスでエネルギー誘導型の事前学習を行います。三つの大規模コーパスで事前学習し、26の下流タスクで評価した結果、モデルサイズと学習データの増加に伴う良好なスケーリング挙動を示し、多くのタスクでGPT系モデルを上回ったと報告しています。モデルの重みと学習基盤は公開されています。
説明マルチヘッド自己注意機構のガウス等価性
要約本論文はランダム行列理論を用いて、マルチヘッド自己注意機構のガウス等価性を示している。softmax注意をスケール調整したスコアとガウスノイズに置き換えても、中心化された出力の極限スペクトル分布は保たれる。この等価性は、キーに依存する値射影と出力射影にも及ぶ。得られた結果は、ヘッドの割り当てと射影の幅の影響を分けて扱い、スペクトルを保つヘッド間共有とヘッド内のキーと値の依存関係を区別する。
注目点多頭自己注意に対するガウス等価性を示し、出力のスペクトル極限則を与え、ヘッド配分と射影幅の効果を分離している。
説明ショウジョウバエの視覚系では構造だけで効率的な視覚計算が成り立つことを示す研究
要約研究者は、校正済みのショウジョウバエ成虫のコネクトーム（神経結合地図）を、解剖学的に忠実な目のモデルと結び付けました。学習するのはシナプス利得と神経細胞の閾値のみで、色・形・数の判別という複数の視覚課題を行えることを示しています。配線コストを揃えた比較では、生物学的な結合の方がランダムに組み替えた回路よりも高い精度を示しました。
説明スプレッド相互情報量による暗黙的生成モデルの依存性制御
要約本論文は、暗黙的生成モデルにおける依存性を制御するための指標として、スプレッド相互情報量（SMI）を提案する。生成変数に共通の拡散カーネルを適用し、ノイズレベルごとの相互情報量を重み付き積分したものである。ガウス拡散により条件付き分布と周辺分布は滑らかで厳密に正となり、元来特異な分布にも勾配推定を拡張できる。実験では、相互情報量に基づく手法の中で効果的な依存性制御を示し、タスク固有の既存手法と競合する結果が報告されている。
説明層（シーフ）上の振動型ニューラルダイナミクス：長距離グラフ学習のための波動伝播フレームワーク
要約本論文は、グラフニューラルネットワークで伝播の深さを増やしても、遠くのノード同士が効果的に影響し合うとは限らないことを指摘しています。著者らは、学習された層（シーフ）転送演算子が駆動する二次の動力学により、茎（ステルク）表現上で波動的に伝播するONDAを提案しています。長距離伝播、深刻なボトルネック、グラフ転移、異質性ベンチマークの実験で、スカラー波伝播や拡散型の層モデル、既存の最先端モデルを上回る結果が示されています。
説明Phase-HDC：離散位相学習で最適化器の履歴を勾配しきい値に置き換える手法
要約本論文は、低ビット角度（位相メモリと呼ぶ）をパラメータとする超次元分類器を、モデル本体以外の状態を保存せずに学習できるかを検討しています。提案手法Phase-HDCは、勾配が十分大きい場合にのみ、勾配の符号に沿って各角度を1ステップ以内で更新します。11のデータセットでの実験では、float32のAdamより16〜23倍、8ビットAdamより4〜6倍少ない保存量となり、精度はfloat32 Adamより平均約5ポイント低い一方、6つのデータセットで8ビットAdamを上回りました。保存量の削減は論理的な状態であり、実測のハードウェアメモリではないと述べられています。
説明「袖が感じるもの」：テキスタイル圧力による姿勢スクリーニングのための説明可能な機械学習
要約本論文は、前腕に装着する編物の圧抵抗式スマートスリーブを用い、圧力分布信号から姿勢をスクリーニングする手法を検討しています。日常の活動を中立、潜在的に望ましくない、機能的または過渡的の3カテゴリに再編し、29個の解釈可能な圧力分布特徴を設計しました。被験者単位の厳密な分割で評価した調整済みXGBoostは、未見の被験者に対して正解率0.818、宋バランス正解率0.788、マクロF1 0.801を達成しています。さらにSHAP解釈、特徴量グループの除去実験、装着ずれのシミュレーションにより、モデルが何に依存し、どこで性能が低下するかを分析しています。
説明ショウジョウバエ全結合コネクトームのネットワークは人間が設計した認知課題を学習できるか
要約本論文は、公開されたオスの成虫ショウジョウバエのコネクトーム（MaleCNS v1.0）を人工リカレントネットワークの固定トポロジーとして用い、解剖学的な各エッジについてスカラー値を1つだけ学習させます。有界な加算と、100語の語彙に基づく制御された関係言語課題の二つで検証しています。加算の保留データでの平均精度は92.77%で、方向性を保った次数保存型の再配線グラフの67.93%を上回りました。言語課題では61.59%で、対応する再配線グラフの44.17%を上回りました。
説明スケーラブルなパッチレベル自己教師あり学習：原理に基づき安定して学習する視覚表現手法
要約本論文は、JEMと呼ばれる自己教師あり視覚表現学習手法を提案します。複数ビューの仮定から出発し、情報理論的な目的関数を分解して解釈可能な項を導き、異なるビュー間で対応するパッチ表現を整列させて学習します。JEMは300Mから7Bパラメータまで安定して学習でき、セグメンテーションベンチマークではDINOv2を一貫して上回ります。7Bパラメータでは、12倍少ないデータで学習しながらパノプティックセグメンテーションでDINOv3を超えたと報告されています。
注目点多視点の情報理論的目的から解釈可能な項を導き、7Bスケールでの潜在空間パッチ学習を初めて示し、DINOv2・DINOv3を上回るセグメンテーション結果を示している。
説明クラスカル法を用いた分水嶺分割：平坦型と階層型の分水嶺カットのアルゴリズム
要約本論文は、辺重み付きグラフの枠組みにおいて、分水嶺が最小全域木などの代表的な最適化問題と関係することを示し、それを基に（階層的）分水嶺分割を計算する効率的なアルゴリズムを提示します。グラフに基づく画像表現の計算から最終的な（階層的）分割の連結成分の算出までの一連のパイプラインを詳述し、教師あり・教師なしを含む分水嶺の各種変種やシードの計算法も扱います。分水嶺分割の利用や再実装を考える読者のための参考資料となることを目指しています。
説明スタイル転送を知覚に合わせて評価する手法（ASTRA）
要約スタイル転送には信頼できる評価基準がなく、既存の自動指標は人間の好みを十分に反映しないことが多いです。本論文は、自動評価フレームワークASTRAを提案し、ベンチマーク画像、生成結果、二段階の一対比較による人間評価データからなるASTRA-Dataと、内容画像・スタイル画像・生成画像の三つ組から好みに沿ったスコアを予測する学習型評価器ASTRA-Scoreを構築しました。実験では、ASTRA-Scoreが従来の指標より人間のランキングと高い相関を示しました。
説明報酬抑制を超えて：有界報酬下のウォームスタート・バンディットに対する近最適なオフライン攻撃
要約本論文は、展開前に履歴データへ有効な行動と報酬の組しか注入できない攻撃者による、ウォームスタート型多腕バンディットへのオフライン攻撃を扱います。目標アームの報酬が下限付近にある場合、UCBに対する最適コストの攻撃は、コストの一定割合を目標アームの促進に割り当てる必要があることを示しています。さらに、Thompson Sampling や ε-greedy などへの拡張も提案し、実データと合成データで有効性を検証しています。
説明時系列予測の多重性：同程度に正確なモデルでも予測軌道が異なる
要約予測性能がほぼ同じでも、モデルの予測結果は大きく異なることがあり、これを予測多重性と呼びます。本論文は、性能が近いモデル同士が完全な予測軌道でどれだけ食い違うかを捉える「時系列予測多重性」という枠組みを提案します。19種類のニューラル予測アーキテクチャと11のデータセットによる実験では、最適に近いモデルでも生成する予測軌道に大きなばらつきがあること、また軌道全体での食い違いは各時点ごとの食い違いとほぼ無関係であることが示されています。
説明パッチベース異常検知と拡散生成モデルを融合した、半導体ウエハビンマップの開集合異常検知
要約本論文は、半導体ウエハビンマップ（WBM）の異常検知を扱い、パッチベースの生徒-教師検出器（EfficientAD）と、部分拡散による再構成に用いるノイズ除去拡散確率モデル（DDPM）を組み合わせた混合型一クラスフレームワークを提案しています。両者のパーセンタイル校正済みスコアは固定の凸結合で融合されます。WM-38Kデータセットの正常ウエハ700枚のみで学習し、保留した18,658枚で評価したところ、融合検出器のAUROCは0.9985で、誤分類数はDDPMの852件、EfficientADの1,412件から618件に減少しました。固定重み融合は、理論上修正可能な誤りのうち40〜70%しか回復できないことも示されています。
説明LLMで価格設定と広告文を同時に最適化する研究
要約本論文は、売り手が価格と大規模言語モデル（LLM）が生成する広告文を同時に決める逐次的な価格設定問題を扱います。売り手は各提示で購入が起きたかどうかのみを観測でき、未知の需要のもとで収入の最大化を目指します。著者らは、LoRAで調整した事前学習済みLLMと需要モデルを組み合わせたオンラインのactor-criticアルゴリズムを提案しています。3つの合成需要モデルと実市場データに基づく模擬環境で、同時最適化を行わない基準方策に比べ、期待収入がそれぞれ5.69%、5.18%、55.96%、5.81%向上したと報告されています。
説明極端二値分類：極値理論で偽陰性率の極端な制約を扱う
要約本論文は、偽陰性率を正例数の増加に伴ってほぼゼロに抑える分類器を学習する「極端二値分類」問題を提案しています。極値理論に基づく保証を持つ閾値調整法と、標本最大値への順列検定による特徴選択手法を提示しています。4つの規模の異なる実データセットで既存手法と比べて良好な結果を示し、がんスクリーニングデータへの適用により解釈可能性も示しています。
説明EASE：AI生成テキスト検出器を回避するためのエントロピー適応型分布調整
要約本論文は、AI生成テキストの検出がソースLLMのデコーディング設定に敏感であることを示し、次トークンのlogitsへの摂動やサンプリング温度の調整によって検出性能が低下することを報告している。この観察に基づき、検出器からのフィードバックもモデルの微調整も不要なEASEを提案する。EASEはソースLLMの次トークン分布から予測エントロピーを求め、それに応じてlogits摂動と温度を適応的に調整する。3つのソースLLMと複数の検出器による実験で、テキスト品質と推論オーバーヘッドの劣化は無視できる程度のまま、検出性能の一貫した低下が確認されたとしている。
説明期待有害性から尤度へ：LLMエージェントのジェイルブレイクに関する確率的再定式化
要約出力の有害性を定量化できる場合、入力の許容される修正に対する期待有害性を最大化することが自然なジェイルブレイクの目的となる。本論文は、この手法と有害な目標出力を作成・選択して入力を修正しその尤度を高める手法との間に、確率的再定式化を通じて厳密な関係を示している。さらに、高い有害性を持つ目標出力を生成するサンプリング分布OPURを提案し、その結果を用いて尤度ベースの入力最適化を行う。実験により、LLMエージェントに対するジェイルブレイクでの有効性が示されている。
説明TR-PTQ：テイラー領域再定式化による高精度な整数のみのTransformer学習後量子化
要約本論文は、非線形層のためTransformerの学習後量子化が難しい問題を扱い、共有テイラー領域（TR）の指数・対数プリミティブを用いたTR-PTQ手法を提案しています。除算や平方根などの演算を、標準的な整数演算により対数領域で実行します。精度低下の主な原因はLayerNormの学習済みスケールパラメータとGELUの近似誤差の累積であり、SoftMaxは量子化に対して比較的頑健だと述べています。視覚と言語のベンチマークで絶対精度の低下は1.5%未満とされています。
説明連続的な学習段階と大規模言語モデルの説得力：不整合化、教師あり微調整、選好最適化の効果
要約本研究は835人の参加者に、異なる学習段階のモデルが生成した10の政治的争点に関する文章を読ませ、態度の変化を比較しました。陰謀論データでの学習に加え説得的データで教師あり微調整を行うと、陰謀論データのみの場合より説得効果が大きくなりました（d=0.30）。一方、選好最適化（IPO）による追加の効果は見られず、GPT-4と中立的な文章の間にも有意差はありませんでした。
説明実行ハーネスだけを変更可能な領域とする：与信パイプラインにおける準拠範囲内のLLMエージェント自己進化と測定可能な承認ゲート
要約本論文は、エージェントの自己進化は実行ハーネス（指示文、ツール呼び出しロジック、プリミティブの組み合わせ）に限定し、モデルの重みは固定した場合にのみ監督者が審査可能になると主張する。著者らは、デプロイ前にハッシュ連鎖の記録を書き込む承認ゲートを備えた二重ループのエンジンを提案する。実験は言語モデルではなく、模擬エージェントとシード付き探索による提案者を用いたシミュレーションで行われた。ゲートを備えたループは有害な変更をほぼ承認せず、ゲートを外した場合は多数の有害な変更が承認された。
説明伝わらない力：深さに起因するランク崩壊は、表現への損失では再開できない
要約本論文は、小規模な Transformer の学習中に生じるランク崩壊、すなわちすべてのトークン表現が同じ方向を向き学習が止まる現象を検討しています。著者らはスキップ接続を弱めて崩壊を再現し、損失項を追加しても修復できないことを示しました。原因は注意の向きを決めるクエリとキーの重みに勾配が届かない経路にあり、スキップ接続を戻すと経路が再び開いてランクは回復しましたが、損失は健全なネットワークより高いままでした。
説明近似IM推論のための可能性動径輸送
要約本論文は、可能性推論モデル（IM）における近似推論のため、パラメータの輪郭値を出発点の半径に隠す可能性動径輸送を提案します。これにより、信頼切片内のパラメータのサンプリングが半径の切り詰めで行えるようになります。著者は輪郭を学習する深層学習アルゴリズムを示し、シミュレーションで被覆率と検出力を検証しています。さらに合成AMHデータを用いて卵巣老化に関する仮説を検討しています。
説明MSUチームによる2026年説明可能なディープフェイク検出チャレンジ参加報告：根拠となる痕跡証拠に基づく検出
要約本論文は、画像が本物か偽物かを判定し、目に見える法医学的手がかりに基づく説明も生成する、モジュール型のディープフェイク検出・説明手法を提案しています。検出部では複数のDINOv3モデルとMesorchの改ざん箇所特定特徴を組み合わせ、説明部ではGrounding-DINOによる擬似マスク生成で弱い教師信号を作成し、Qwen3-VLとGRPOで最適化したテキスト簡略化モデルを用いて説明文を出力します。チャレンジのテストセット全体での検出精度は0.9349、説明スコアは0.5571、最終スコアは0.7456でした。
説明確率的物理情報ニューラルセルオートマトンによる交通流ダイナミクスの学習
要約本論文は、データから交通流の局所遷移則を学習する物理情報ニューラルセルオートマトン（PI-NCA）を提案します。道路網の構造に整合したアーキテクチャで車両総数の保存を保証し、学習される規則を物理的に許容される動きに制約します。さらに確率的な遷移則へ拡張しています。Nagel-Schreckenberg および Kerner-Klenov-Wolf のセルオートマトンで生成された複数の交通シナリオで評価し、PI-NCA は標準的な NCA より優れた結果を示し、確率的拡張も物理的制約を損なわないとしています。
説明AgentTime：エージェントは自分の実行時間を見積もり制御できるか
要約本論文は、AIエージェントが指定された時間だけ作業し、実行時間を予測し、事後に経過時間を推定できるかを検証するベンチマーク AgentTime を提案しています。18の情報源から集めた222のタスクを用い、エージェントごとに指定時間からの乖離の大きさが大きく異なることを示しています。一部のエージェントは作業完了後に自ら休止することもありました。作者らは、タスクを完了できることと時間を制御できることは別であり、長時間の自律運用には両方の評価が必要だと論じています。
説明成功への多様な道筋：多様性駆動型強化学習ファインチューニングによるVLAモデルの汎化向上
要約本論文は、強化学習ファインチューニングが視覚・言語・行動（VLA）ロボット方策の探索をどう変えるかを分析し、成功軌道がより多様になり、教師ありファインチューニングより多くの可行解を覆うことを示しています。これを受けて、成功した行動の多様性を明示的な強化学習目的とするDRIVE手法を提案しています。LIBERO-Plus、ManiSkill3、RoboTwin 2.0および双腕AgileX PiPER-Xプラットフォームで、分布外タスクの平均性能が通常の強化学習ファインチューニングより向上したと報告しています。
説明乗っ取られた方向を除去し、バックドア付き大規模視覚言語モデルを浄化する
要約大規模視覚言語モデル（LVLM）はバックドア攻撃に脆弱ですが、既存の防御は清浄データでの大規模な再学習か、推論時の逐次的な介入を必要とし、コストがかかります。本論文はOrthoPurifyを提案し、重み更新に含まれる少数の「乗っ取られた方向」を一度の直交射影で取り除いてモデル重みを浄化します。これらの方向の特定には、少量の清浄サンプルで微調整した擬似良性モデルを用います。実験では、再学習や推論時の追加負荷なしに、攻撃成功率をほぼゼロまで下げつつ元の性能を維持したと報告されています。
説明Juno：視覚・言語・行動モデル向けに予測潜在表現を調整する手法
要約本論文は、行動条件付きの結合埋め込み予測アーキテクチャ（JEPA）を中核とする Juno フレームワークを提案し、視覚・言語・行動（VLA）モデルに予測潜在表現を与えます。事前学習、方策学習、展開の各段階を扱い、展開時には失敗した実行を含む観測遷移で世界モデルを適応させ、LoRA アダプタと学習可能な行動ヘッドで方策を再整合させます。SimplerEnv では平均成功率が最強の基準手法の 60.9% から 68.5% に向上し、テスト時適応では 72.7% に達したと報告されています。実ロボットでは背景、高さ、物体の変化下で 70%～75% の成功率を保ったとされ、基礎方策は 0% に低下したとされています。
説明超伝導ドームの高速ホログラフィック逆問題：超伝導相図から質量関数を再構成する新しい学習手法
要約本論文は、スカラー質量がゲージ場の強さに依存する全息超伝導模型の学習法を提案し、超伝導ドームからの逆問題を数日から約10分〜1時間に短縮します。臨界温度の条件と勾配を有限差分なしに2回の積分で求めます。穹顶が決められるのは地平線に届く範囲の M のみであり、標量質量の確定には第二の観測量が必要だと結論づけています。
説明決定モデルは空調設備の故障をどこまで診断できるか：推論の要求、物理表現、分布変化下の頑健性
要約本研究は、事前学習済みの決定モデルが暖房・換気・空調（HVAC）の故障診断に使えるかを検討する。四つの公開データセットの128故障日を、診断に必要な推論の程度で分類し、生データ、物理特徴量、Brickトポロジーの三つの入力形式を比較した。物理特徴量が与えられた場合、このモデルは一つの特徴量が証拠となる故障は診断できたが、運転条件の文脈が必要な故障は診断できなかった。条件が変化しても精度と校正は維持され、一方で監督学習モデルはマクロF1が0.33低下した。
説明Itgan による NADI 2026 共有タスク参加：頑健・方言混合・コードスイッチ対応のアラビア語 ASR 向け、パラメータ効率的な Whisper 適応
要約本論文は、NADI 2026 の三つの音声認識サブタスク（国別の頑健な ASR、方言混合 ASR、チュニジア語のコードスイッチ ASR）に対する Itgan チームのシステムを報告しています。いずれも LoRA で Whisper を一般向け GPU 上で適応させる共通手法を用い、それぞれ異なる追加手法を組み込んでいます。1.1 では方言別の専用モデルが最大の改善をもたらし、国別平均の単語誤り率は 57.1% でした。1.3 では単語誤り率 14.49% で第 2 位となりました。
説明多腕バンディットにおける期待サンプル複雑度
要約本論文は、確率的多腕バンディット問題におけるサンプル複雑度、すなわちエージェントと環境の相互作用中に行われる最適でない意思決定の回数を研究する。期待サンプル複雑度という性能指標を導入し、「期待での近似的正しさ」（ACE）という枠組みで分析している。ACE保証は最適な期待報酬へのほぼ確実な収束を意味し、期待後悔の明示的な上界に変換できることが示される。さらに、決定的アルゴリズムは良好なACE上界を得られないこと、また次善の許容度が既知の場合と未知の場合の二つの設定で確率的アルゴリズムを分析している。
説明生成モデルの事前分布は人間の自然さの知覚と一致するか？
要約本論文は、視覚生成モデルが学習した事前分布が、人間の画像の自然さに対する知覚の規則を反映しているかを検討しています。著者らは、25のオープンな画像・動画生成モデルの固有の予測誤差を用い、顔の構造や照明の整合性を選択的に乱す、内容を保った対の関係的介入によって評価しました。その結果、これらの損失差は人間に似た選択的感度を再現し、顔に対するThatcher効果や照明の不整合への反応を捉え、人間の自然さの判断とも高く相関することが示されました。
