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。
説明予測は易しく計算は難しい：境界依存性がエントロピー分割の見逃す計算結果を発見
要約論文は、バイト単位の言語モデルBLTがエントロピーに基づいて境界を決めるため、型は予測できるが値の計算が必要な位置（数学解答の「=」の後の数値など）を見逃すことを指摘しています。GSM8Kの実験では、エントロピー規則で計算結果に正しく答えられたのは19.0%でしたが、「=」の後に境界を置くと51.8%、エントロピーと無ラベルの境界依存性信号を組み合わせると67.1%でした。異なる規模のモデルでも同様の差が見られたと報告されています。
注目点エントロピー型のバイト分割が、型は予測可能だが値の計算が必要な位置を系統的に見落とすことを示し、ラベル不要の境界依存信号を提案。複数規模で配対検定も実施。
説明スパース表現から行動の洞察へ：マルチモーダルなうつ評価
要約本論文は、マルチモーダルなうつ評価のためのBehavDepフレームワークを提案しています。多モーダルな行動表現をスパースな潜在因子に分解し、意味的ブリッジを通じて行動に関連する概念と結びつけることで、解釈性を高めています。弱い教師あり学習で動画単位のうつ傾向スコアを学習し、複数の観測を集約して利用者単位の評価を行います。実験では全体的な評価性能が最良であることが示されました。
説明テーブルのコンパイル：表形式インコンテキスト学習のためのクエリ校正型演算子圧縮
要約本論文は、表形式インコンテキスト学習の文脈例を圧縮するQCOCを提案します。文脈例のKVキャッシュを一度コンパクトなメモリにまとめ、後続の複数クエリで共有します。プロトタイプクラスタリングとアテンションのクエリベクトルに基づく閉形式の校正により精度を保ちます。64のOpenML-CC18データセットで、圧縮・検索手法の中で平均精度が最も高く、8,192例を512スロットに圧縮するとキャッシュ圧縮比は10.5倍になります。
説明電動スクーターの走行中における飲酒による運転能力低下の検知と誤報の抑制
要約本論文は、走行中に車載センサーで運転者の状態を評価し、飲酒による影響を示す証拠が十分に蓄積された時点で警報を出す手法を提案している。検知器は慣性センサーとスロットルのデータを用い、誤報率に理論上の上限を設けている。141回の走行データによる実験では、血中アルコール濃度が高い走行の91%、低い走行の50%が検知され、中央値の検知時間はそれぞれ25秒と27秒だった。また、車内で処理を完結できる組み込み実装がリアルタイム要件を満たすことも示されている。
注目点走行中に慣性・スロットルデータで飲酒運転を検出し、誤報率の理論的上限を示す手法で、141回の走行データにより検証している。新規性と根拠は十分で、影響は電動スクーター分野に限られる。
説明Skill-V：対話型エージェント向けの検証可能な自己進化スキルライブラリ
要約本論文は、検証可能な自己進化型スキルライブラリ Skill-V を提案します。スキルを、意味的な意図と観測可能な振る舞いの基準を結び付ける、版管理され反証可能な契約として表現します。タスクの失敗は新しいスキルの追加を促し、契約評価とタスク結果の不一致は既存スキルの境界の修正を導きます。ALFWorld と WebShop で、Skill-V はそれぞれ 95.3% と 85.9% の成功率を達成し、単純に成長させる基準手法よりコンパクトなライブラリを維持しました。
説明DPPM：パーソナライズ言語モデルのための二経路パラメトリックメモリ
要約本論文は、セッションをまたいだ言語モデルのパーソナライズの課題に対し、二経路パラメトリックメモリ（DPPM）を提案している。証拠経路は対話履歴の表現をプールして初期の証拠を保持し、差分経路は連想状態を逐次更新して変化を捉える。両出力を融合し、履歴条件付きの LoRA アダプタを生成する。著者らは複数のバックボーンで比較手法を上回り、PersonaMem-v2 で 54.22%、PrefEval で 86.79% を達成したと報告している。
説明RouterInterp：エキスパート混合ルーティングにおける重ね合わせ型特化の理解
要約本論文は、疎なエキスパート混合（MoE）モデルでは各エキスパートが単一の領域に特化するのではなく、互いに重ならない細粒度の特徴の集合に特化すると論じ、これを重ね合わせ型特化仮説（SSH）と呼んでいます。この仮説に基づき、ルーティング決定を最もよく予測するスパースオートエンコーダの特徴を特定し、統一された自然言語の説明を生成するRouterInterpを提案しています。gpt-oss-20bでは、トークン統計ベースの従来手法より検出精度が約65%高いとされています。
説明安全な行動だけでは安全なエージェントは保証されない：ガードモデルによる未履行の義務の特定
要約本論文は、ガードモデルが禁止行動を検出するだけでなく、エージェントが実行すべきなのに実行しなかった安全上重要な行動、いわゆる「義務」も特定すべきだと指摘しています。著者らは、240件の専門家検証済みトラジェクトリからなる ObligationBench を提案し、ObligationGuard を開発しました。評価された多くのモデルは義務の特定能力が限られていましたが、ObligationGuard は再現率と完全一致率の両方で、評価対象の全モデルを上回りました。
説明球対称分布に対する最適ランダム量子化器（有限個の代表点で分布を近似する際の誤差を最小化する手法の解説）
要約本論文は、球対称な分布を有限個の点で近似する際に、量子化誤差を最小化するランダム量子化器の設計を扱っています。球対称分布の全体にわたる最適化は凸問題であることを示し、大域最適性を特徴づける同値定理と構成的なアルゴリズムを導いています。中程度の点数では、適切に選んだ半径の球面上に一様分布させたランダム量子化器が優れた性能を示すと報告されています。
説明動画クリップから制作軌跡へ：AIネイティブ動画制作のためのSora100Kデータセット
要約本論文は、AIネイティブな動画制作の過程を、テキストからの動画生成、単一ターンの編集、複数ターンの編集からなる構造化された制作軌跡として表現するデータセットSora100Kを提案しています。著者らは視覚言語モデル（VLM）で生成と編集の記録に意味的注釈を付け、LTX-2モデルに軽量な適応を行ってその教師データとしての価値を評価しました。その結果、視覚品質、複数ショット生成、ショット間の一貫性の向上が示された一方、複数ターンの編集指示に従うことは依然として難しいことが分かりました。
説明狭く深く：産業機器システム向けLLMエージェントの知識としてのオントロジー・タワー
要約本論文は、単一の機器システムに特化し、物理的関係によって実測値から導かれる派生量と、運転日誌の教訓を知識ノードとして組み込むことで深化する「オントロジー・タワー」を提案します。実際の低湿度空調試験設備で、九つの課題を用いた事前登録済みの評価を行ったところ、この知識によって各課題で最も起こりやすい誤判断を避けた割合が約20ポイント向上しました。安全層を通した実運転では、14回中12回で制御変数を目標範囲に収めました。
説明同じ結果、異なる根拠：LLM安全性評価における意図の把握
要約本論文は、LLMの安全性評価で一般的な攻撃成功率（ASR）では、モデルが有害なタスクを把握して拒否したのか、タスクを把握できなかったのかを区別できないと指摘します。そこで、回答が評価対象のタスクを特定し、回答すべき課題として扱っているかを測る「操作的理解率（UR）」をASRと併用することを提案しています。実験では、近いASRでも理解率が大きく異なる例が示され、英語の受控再構成では、プロンプトが明確になるほど理解率が向上する一方、ASRは同じ傾向を示さないとされています。
説明思考慣性：考えないよう指示されても続くLLMの推論
要約本論文は大規模言語モデルの「非思考モード」を検討し、思考モードを無効にしたり指示したりするだけでは、目に見える推論を確実に止められないことを示す。著者らは回答前の推論の有無を測る三つの指標を提案し、六つのモデルと六種類のプロンプト介入を、真偽、選択式、自由記述の質問で評価している。その結果、厳格な制御下でも明示的推論が残り、回答空間が広がるほど増えるという「思考慣性」が確認された。
説明RAGenome：検索ベースのゲノム言語モデルを長い文脈へ拡張
要約本論文は、既存のMSAベースモデルの約100倍の長さの文脈で事前学習する、初の検索ベースのゲノム言語モデルRAGenomeを提案しています。100種の脊椎動物の全ゲノムアラインメントで訓練され、種間の進化関係と種内の長距離相互作用の両方を捉えます。遺伝子発見の性能は0.45から0.60に向上し、病原性変異の優先順位付けなど進化ベースのタスクでも競争力を保っています。
説明Memory Forcing：ストリーミング動画生成のための注意可能な中期履歴メモリ
要約自己回帰型の動画拡散モデルは、動画全体への双方向計算を行わずに因果的なストリーミング生成を可能にしますが、既存の少ステップ手法は通常、固定サイズのKVキャッシュに冒頭と直近のフレームしか保持しません。ある出来事がこの窓から外れると、後続フレームはそれを参照できなくなり、著者らはこれを中期忘却と呼んでいます。本論文はMemory Forcingを提案し、キャッシュサイズを増やさずにこの欠けた履歴を保持します。Bank-aware RoPEにより各メモリバンクの区別を保ちます。著者らは、長い動画での優位性と、被写体やシーンが離れて戻ってきた際の一貫性の維持を報告し、同じ設計をWan2.2 5Bへ拡張したとしています。
説明SR-TTA：干渉に強い呼吸センシングのための空間冗長性ベースのテスト時適応
要約本論文は、セルフリー大規模MIMO基地局の64アンテナ信号から呼吸を検出する手法を研究している。学習型の複素重みビームフォーマーが空間ヌリングによって呼吸を復元し、ラベル不要のテスト時適応（SR-TTA）で録音ごとの最適値との差を縮める。シミュレーションの帯域内干渉下で呼吸数誤差は5.8から0.8 bpmに低下し、実機テストベッドでは失敗率が47%から7%に下がったと報告している。
説明出力だけのレビューでは検証できないもの：研究エージェントのための研究契約
要約本論文は、宣言された実験選択、実行義務、主張の範囲を実行記録に結び付ける「研究契約」を提案し、AIが生成した研究が事前に承認された取り決めに従っているかを判定する方法を示します。これは科学的な正しさとは区別されています。8組の自作の正常・改ざん例による診断では、決定的チェッカーが登録された8件の改ざんをすべて検出しました。評価モデルが単独で審査した場合、改ざんされた144件のうち104件に欠陥フラグが立ち、残りは棄権や失敗でした。著者は、これは検証器の優劣や報酬ハッキングの比較ではないと断っています。
説明DINO強制フローモデル：予測できるものは除去しない
要約本論文は、画像生成のフローマッチングモデルを学習する新しい手法を提案しています。事前学習済み表現（DINOなど）をまず直接予測し、そのモデル自身の予測を条件として用いるもので、第二の常微分方程式や表現固有のノイズ除去スケジュールは不要です。論文によると、学習は大幅に速く収束し、ImageNetでは従来手法より2倍少ないエポック数で潜在空間の最先端手法を上回り、ピクセル空間ではFIDが同等の先行手法より20%以上改善したとされています。
説明ドラフトツリーはどこでターゲット確率質量を失うか：出口誘導型投機的デコーディング
要約本論文は、ツリー型の投機的デコーディングにおいて、一回のターゲットモデル実行で複数のドラフト継続を検証する手法を扱います。著者らは出口則（exit law）の観点から、目標カバレッジが任意の正確なパス検証器の期待出力ブロック長を厳密に制約することを示し、その結果に基づき正確な検証手法TEVと、ドラフトツリー学習手法ExitTrainを提案しています。実験では、ExitTrainで平均出力ブロック長が13%増加し、TEVで検証段階の遅延が15%減少、DDTreeに対して端到端で14%高速化したと報告されています。
説明DEX：省エネ型MSDFニューラルネットワーク推論のための桁レベル早期終了手法
要約本論文は、脳腫瘍セグメンテーションのための量子化U-Net推論に向けた、最上位桁優先（MSDF）演算に基づくアクセラレータを提案する。出力の桁ストリーム上で、ReLU層での正確な負値早期検出、セグメンテーションヘッドでの正確な符号判定、そして精度制約下でオフライン選択される2種類の近似手法（下位桁スキップと枝刈り）の4つの機構を動作させる。BraTSでの評価では、数字サイクルが38.38%削減され、73症例の平均Diceは80.58%で、浮動小数点モデルの81.20%に近い値となった。
説明クロスステップ注意機構によるリアルタイム動画超解像のためのストリーミング対応拡散モデル
要約本論文は、事前学習済みの単一画像潜在拡散モデルを、動画の逐次構造を利用して効率的な動画超解像に適応させるストリーミング対応フレームワークを提案しています。クロスステップ注意機構は、隣接フレームと拡散ステップ間で中間のノイズ除去特徴を再利用し、明示的な時間モデリングなしで時間情報を交換します。実験では REDS4 と YouHQ40-Test で知覚品質と時間的な自然さの向上を報告し、512×512 解像度でコールドスタート後に 40 FPS を超えたとしています。
説明球と箱：重ね合わせ計算の二つの幾何学
要約ニューラル表現は次元数より多くの特徴を符号化できる場合があり、これは重ね合わせ（superposition）と呼ばれます。本論文では、このような表現からブール・ゲートを計算するのに必要な次元数を調べ、二つの誤り基準の下でのシャープな次元閾値を導出しています。期待誤り数が消えるのに必要な次元は、すべての出力が高い確率で正しいために必要な次元より少ない場合があり、その差は共有読み出しにより稀な事象で多くの誤りが同時に生じることによって説明されています。
説明TraceRelay：ローリングトレース上の注意整合型リカレント構造
要約本論文は、低次元のローリングトレース列上に永続表現を分散させる注意整合型リカレントアーキテクチャ TraceRelay を提案しています。Equal Repeats、Dyck の閉じ型予測、因果的な Most-Freq 生成の 3 課題で、小型モデルによる 36 件の実験を行いました。訓練長 256 では、循環的な位相継承を用いたモデルが 98.81%〜99.69% の精度を示し、継承なしのモデルは 50.73%〜51.63% でした。訓練長を超えると精度は大きく低下します。
説明形態学ニューラルネットワークの相関学習：乗法的重み更新に着想を得た新しい重み更新法
要約論文は、重みのヤコビ行列が疎な形態学層では、従来の誤差逆伝播による学習が最適でない可能性があると指摘しています。著者らは乗法的重み更新（MWU）に着想を得た新しい重み更新法を提案し、各形態学パーセプトロンを対数空間の専門家助言学習問題として捉え、相関に基づく報酬で重みを更新します。九つのベンチマークのうち八つで改善が見られ、最大32.84ポイント向上したほか、実行ごとのばらつきも大きく低減されたと報告されています。
説明一般化ラプラス能動部分空間によるスケーラブルなニューラルネットワーク不確実性定量化
要約本論文は、ニューラルネットワークの不確実性定量化のため、データに基づく少数の曲率方向で局所的なガウス近似を構成する低ランク一般化ラプラス近似を提案しています。標準的なベイズスケーリングと平均損失スケーリングを比較し、後者の方がより安定で低次元の能動部分空間を与え、較正された一貫性のある予測区間を生成すると報告しています。
説明ベイズPINNにおけるコライダーバイアスの発見と修正
要約ベイズ物理情報ニューラルネットワーク（B-PINN）は、疎またはノイズの多い観測から物理パラメータを推定するために広く使われています。しかし、コライダー構造による定式化では、事前分布が真のパラメータ付近に中心を置いていても、物理パラメータの事後分布が系統的に偏ることがあります。著者らは、階層的な連鎖モデルとパーティクルMCMCによる事後分布のサンプリングを提案し、実験でこの偏りを回避できることを示しています。
説明動画生成プロンプト強化器の統一評価に向けた PEBench ベンチマーク
要約プロンプト強化器（PE）は、簡潔な指示やマルチモーダルな参照を、構造化された映像設計へと変換する役割を担います。本論文は、テキストから動画、画像から動画、参照から動画までを対象とした初の統一ベンチマーク PEBench を提案し、1,100件の専門家検証済みケースと1,005の視覚素材、35種類のタスクを含めています。さらに、24の基準による評価枠組みを開発し、主要な手法を体系的に評価した結果、その採点は専門家の判断とよく一致することが人手検証で示されました。
説明Φsat-2衛星搭載の海洋異常検知：シミュレーション開発から軌道上実証まで
要約本論文は、欧州宇宙機関のΦsat-2ミッションに搭載された軽量な海洋異常検知パイプラインの開発、衛星への統合、打ち上げ後の調整について報告している。このパイプラインは、海域のセグメンテーション、海洋領域の自己教師あり特徴符号化、正常な海況からの逸脱に基づく汎用的な異常検知、および選択的な異常タイプの特徴付けを組み合わせる。打ち上げ前はシミュレーション画像で学習・検証したが、軌道上の初期実験で実データとの大きな不一致が判明した。そのため、改良した注釈戦略を用いて実際のレベル1画像で再学習し、性能を大幅に向上させた。
説明Timer-M1：基本プリミティブ学習による多変量時系列基盤モデル
要約本論文は、ゼロショット予測のための多変量時系列事前学習基盤モデル Timer-M1 を提案している。時間的・関係的な基本パターン（プリミティブ）に基づくデータ合成と事前学習の手法を開発し、ゲート付き二次元 Transformer ブロックで層ごとに変数間の注意を動的に配分する。三つの大規模予測ベンチマークで、FEV と TIME では第1位、GIFT-Eval では第2位となった。
説明MemTrial：LLMポートフォリオエージェントがメモリをいつ信頼すべきかを学習する手法
要約本論文は、ポートフォリオ管理用の大規模言語モデル（LLM）エージェント「MemTrial」を提案します。経験の有無を比べた判断の下書きを作り、その差から各経験の効果を測り、階層ベイズモデルでそれらを統合します。統合した値は未知の日付で予測が当たることを確認してから使い、そうでなければ1/N等ウェイトの組み合わせを基準に据えます。四つのベンチマークで、既知の経験品質を持つ半合成ベンチマークでは15手法中最良となり、PortBenchとInvestorBenchでは1/Nに対する下振れを最大2.2%に抑えたと報告されています。
注目点バンツハフ値と一部実施要因計画で経験の因果的寄与を評価し、階層ベイズで縮約する新しい手法。四つのベンチマークで検証され、証拠は比較的充分。
説明スペクトル重み減衰：ニューラルネットワークの重みに低ランク構造を誘導する手法
要約本論文は、各ステップ後に核ノルムに基づく加法的なスペクトル縮小を適用する「スペクトル重み減衰」を提案する。標準的な重み減衰は重み行列をベクトルとして扱いスペクトル構造を無視する。124Mから500Mパラメータの LLaMA モデルで、検証損失が同程度のとき、有効ランクが下がり SVD-LLM による圧縮が改善された。500M モデルで歪み予算4%の場合、圧縮比1.89倍、GPU推論の高速化1.18倍となり、標準の重み減衰ではそれぞれ1.14倍と1.01倍だった。
説明MAP4CS：効率的なコード検索器の微調整のための多次元データ剪定フレームワーク
要約この論文は、コード検索器の微調整に用いる適応的データ剪定フレームワーク MAP4CS を提案しています。構文構造、意味的多様性、分布表現を組み合わせ、ルールベースのフィルタリングを経て、小規模で高品質な中核データを選び出します。2つの大規模データセットでの実験では、訓練データの5%のみを使用しても、ランダムサンプリングを上回り、全データでの微調整と同等かそれ以上の性能を示しました。
説明マルチモーダルな曖昧さの下でのジェンダー化された経済ミームの推論における過剰コミットメントへの対処
要約本論文は、画像とテキストから成るミームに見られるジェンダーと経済的依存関係を扱い、根拠が不十分なまま役割を推論してしまう過剰コミットメントがバイアスの主因だと指摘します。提案手法のCGER-Netは、入力が性別に関する経済推論を支える十分な証拠を持つかを判定し、証拠が明確な場合のみ帰属を行い、そうでない場合は判断を控えます。EconMeme-GEデータセットの曖昧な事例では、性別の過剰コミットメント率を最大44%削減し、明確な事例では同程度の精度を維持したと報告されています。
説明MultiWorldBench：独立に操作される複数の視点は一つの共有世界を表しているか？
要約本論文は、Minecraft を用いた診断ベンチマーク MultiWorldBench を提案します。7 つのタスク群と 10 の能力にわたる 495 件の事例設定により、独立に操作される各視点が一つの共有かつ持続する世界と整合しているかを検証します。Engine GT を基準に、Solaris (MP)、Gamma-World、Solaris (SP) を評価した結果、生成系の中では Gamma-World の 10 能力平均が最も高い（21.39）ものの、Engine GT（91.69）との差は大きいことが示されています。
説明意味的な物理的現実のための4テンソル注意モデル
要約本論文は、シーンの次の意味状態を予測する4テンソル注意モデルを提案しており、映像生成やロボットの計画に用いることができます。ROCStories上で、各ウィンドウが意味層で同じ次文予測課題を提示する形で学習と検証を行いました。検証データでは、同程度のパラメータ数の設定において、1次元自由実行Transformerの基準より末文の交差エントロピーが低く、学習時間も短かったと報告されています。
説明Internalizer：超大規模言語モデル向けの移植可能な「文脈からパラメータへの写像」
要約本論文は、文脈を直接 LoRA アダプタに写像するハイパーネットワーク Internalizer を提案し、大規模言語モデルが文脈を重みの中に保持できるようにします。凍結された 2840 億パラメータの DeepSeek v4 Flash 向けに文書固有のアダプタを生成し、従来の研究より約 2 桁大きい対象を扱います。未見の最大 4096 トークンの文書では、教師強制下の top-1 および top-5 正解率が、ベースモデルの 63.4% と 83.5% に対し、84.9% と 97.8% に達したと報告されています。
説明DeltaReplay：モバイルGUIエージェント向けのタスク相対的なメモリ再利用
要約本論文は、メモリ拡張型モバイルGUIエージェントのための、ステップ単位のメモリ再利用フレームワーク DeltaReplay を提案しています。成功した実行軌跡を遷移グラフ上の経路として保存し、各操作を汎用的な操作とタスク固有のパラメータに分けます。実行時には各ステップを、そのまま従う、パラメータを置き換えて実行する、基礎エージェントに任せる、のいずれかで判断します。AndroidWorld と SPA-Bench では、同じバックボーンの基礎エージェントと比べて、タスク成功率がそれぞれ最大 10.3 ポイントと 25.0 ポイント向上しました。
説明照明事前情報は顔交換検出に役立つか？時系列自己ブレンド画像に関する対照研究
要約自己ブレンド画像は顔交換検出器の学習によく使われますが、主にブレンドの痕跡を捉えています。本研究では、照明の不整合を加えると検出が改善するかを調べました。時系列自己ブレンド画像（T-SBI）は同一動画のフレーム間で照明統計量を移し、輝度差（ΔL）で不一致の度合いを制御します。4つのデータセットで照明に特有の改善は確認されず、AUCの差は乱数シードの変動の範囲内でした。一方、T-SBIは予測スコアを変化させ、最適閾値が大きく動くため、固定閾値での比較は誤解を招く可能性があります。また、DFDCでの強いJPEG圧縮に対する頑健性は向上しました。
説明合成血管予測表現における介入アンカリングと科学的検証
要約論文は、完全な直交予測座標だけでは潜在方向を具体的な介入に結び付けられないことを示し、合成数値監査でこの問題を検証しています。予測結果は完全に一致しても、既知の摂動シグネチャの張る範囲内でしか解釈できない場合があり、座標変換により編集誤差が解消されました。本研究は合成数値監査であり、臨床検証ではありません。
説明教師なし機械学習の目的は何か？
要約本論文は、教師なし学習は教師あり学習や強化学習と異なり、多様な目標を持つ異質な分野であると主張しています。そのため単一の目標を定義しようとすることは無意味だとし、四つの目標を挙げています。すなわち、分布の推定、新しいデータ点の生成、下流タスクのための特徴抽出、データの理解です。
説明知的な逐次意思決定のための三次元特性評価フレームワーク
要約本論文は、マルコフ決定過程への定式化、人間が事前に設計を順位付けした自律性の程度、そして技能と計算コストという三つの次元からAI手法を分析する枠組みを提案しています。著者らは、制御可能な基準問題であるハノイの塔を用いて、グラフベース、強化学習、大規模言語モデルの代表的手法を比較しました。その結果、大規模言語モデル系の手法は行動空間の制約が弱いため複雑さが推論時の検証へ移り、メモリと実行時間のコストがNeurosolverやFBRLより大幅に高いことが示されています。
説明系列ラベリングを依存グラフ解析として用いた構造化感情分析
要約本研究は構造化感情分析を扱い、感情の保持者、対象、表現のスパンをノード、それらの関係を弧とする細粒度の感情グラフを得ることを目指します。提案手法はこの課題を依存グラフ解析として定式化しますが、従来の解析手法とは異なり系列ラベリングによって解きます。線形化されたグラフ符号化を用いることで、入力の各単語にラベルを割り当て、依存グラフの構造を捉えます。英語、スペイン語、ノルウェー語、バスク語、カタルーニャ語の5言語にわたる7つのデータセットでの実験では、より複雑な既存の単一モデル手法と競合する性能が示されました。
説明酵素反応空間の解明：統一ベンチマークと事前学習モデル
要約本論文は、酵素反応が分子構造と触媒機能の両方に依存する点に着目し、反応物・生成物・EC番号を結ぶ酵素反応空間の学習として問題を定式化しています。正方向反応予測、一段階逆合成、EC番号予測を対象とした統一ベンチマークVenusRX-Benchを提案し、T5型の系列対系列モデルVenusRXを開発しました。著者らは、多くの評価設定で最良または競争力のある性能を報告し、EC情報と反応表現の間に双方向の関係があることを示しています。
説明Jev は強化学習で Q 関数やポリシーの代わりになれるか？
要約本論文は、決定モデル Jev が強化学習で役立つかを検討する。Jev は逐次的にトークンを生成せず、一度の順伝播で校正された型付きの回答を返す。著者らは強化学習の各構成要素が回答に課す要件を分析し、Jev を参照ポリシー、探索の判定器、リプレイの評価器として使うアルゴリズムを構築した。9つの MiniGrid タスクと3つの Atari ゲームで、Jev を用いた学習は標準的な強化学習の学習器を上回り、Jev 自体は未学習のままである。
説明対立解決のグラフモデルにおける認識的撹乱：状態保存行動、四値評価、能力と意図の区別
要約本論文は、対立解決のグラフモデル（GMCR）に、発表、演習、情報漏洩、選択的開示などの「状態保存行動」を導入します。これらは物理的な状態を変えず、他の意思決定者が利用可能な手や他者の意図についての信念を変えます。著者は、賛成と反対の証拠を区別する四値拡張を用いて、証拠が安定性の判断にどう影響するかを分析します。また、能力評価と意図評価の影響の違いを示し、1995年のDVD規格交渉を例に序列安定性の役割を説明します。
説明HI3D 3.0（Twinkle3D）：高解像度で対象物固有の3Dアセットを生成
要約本論文は、画像から3Dを生成するシステム HI3D 3.0 を提案し、その幾何モデル Twinkle3D は 2048³ 解像度の水密な三角形メッシュを生成します。刻印やブランドマークなど、物体の同一性に重要な形状を再現することを目指しています。表面品質の改善、拡散生成の大規模化、初期生成段階の強化、画像と3Dの跨モーダル相互作用機構の導入により忠実度を高めています。著者らは、刻まれた文字の再現で再現率 82.1%、適合率 98.2% を報告し、四つの商用システムを上回ったとしています。
説明顔交換検出のためのカメラノイズ残差：補完ではなく冗長である理由
要約本論文はFaceForensics++上で、カメラノイズ指紋（Noiseprint++）の残差チャネルがRGB Xceptionバックボーンに対して補完的な情報を持つかを検証し、顔交換の検出に用いる。アブレーション実験では、融合はRGB単独を上回らず、残差分支単独では偶然水準に近いことが示された。ノイズマップには判別信号があるが、それは残差の統計モーメントに含まれ、ノイズ分支の入力に置かれたInstanceNorm層がそれを消してしまい、5分割交差検証のAUCは0.747から0.554に低下する。著者らは、この操作分布では残差はRGBと補完的ではなく冗長だと結論づけている。
説明TRACE：エージェント評価における検証器の脆弱性の診断
要約本論文は、エージェントのスコア変化が能力の変化によるものか、評価方法の変化によるものかを検証するプロトコル TRACE を提案しています。合成タスクと τ²-bench の公開タスクを用いた実験では、ツール名の変更や出力形式の変更だけでスコアが変わる場合があることが示されています。また、同一条件での再実行により15〜36%のタスク結果が反転し、二つの大規模言語モデル裁判官も57%の記録で判定が一致しませんでした。
説明VESSI：監視・捜査を支援する視覚言語モデル強化フレームワーク
要約本論文は、視覚言語モデル（VLM）に基づくフレームワークVESSIを提案し、プロンプトによって映像を照会し、注目すべき視覚的特徴をテキスト記述に変換することで、自動映像監視分析を支援します。著者らは4つの最先端モデルを検証し、ラベルのないデータに対応するため複合モデル効用スコア（CMUS）を提案しています。要旨によれば、最も信頼性の高いモデルは映像の66%以上で関連しうる活動を検出し、確認時間を85%以上削減しました。
説明拡散モデルの記憶の早期兆候：盆地の幾何と循環デノイジングによる検出
要約本論文は、拡散モデルが生成画像に訓練サンプルの複製を出力する前に、学習済みエネルギー景観の幾何に記憶の兆候が現れることを示し、これを「潜在記憶」と呼んでいます。スコア発散と盆地体積を用いると、最初の記憶サンプルが現れる前に、訓練サンプル周辺に局所的な盆地が形成され、未使用サンプルと分離されることが確認されました。部分的なノイズ付加と除去を繰り返す循環デノイジングでこの盆地を調べ、CelebAやCIFAR-10などで有効性を検証しています。
注目点潜在記憶という概念を提案し、エネルギー景観の幾何と循環ノイズ除去で検出。理論証明とCelebA、CIFAR-10、Stable Diffusionでの実験で裏付けている。
説明知覚に基づき意味を考慮した、全身の音声連動ジェスチャー生成の評価手法
要約本論文は、音声に連動するジェスチャーの生成モデルを評価するためのベンチマークを提案しています。客観的な指標13種を整理し、真の動作に含まれる意味的ジェスチャーがどの程度再現されているかを測る新指標「SGP（Semantic Gesture Preservation）」を導入しました。BEAT2データセットの注釈はマルチモーダルLLMで拡充されています。101名の参加者による主観評価の結果、SGPは音声に関する人の判断と有意に対応した一方、Semantic Score（SC）は対応が見られませんでした。さらに、複数の指標を組み合わせた合成指標の方が人の判断に近いことが示されています。
説明σTransfer：μPの下で小規模ネットワークから大規模ネットワークへ不確実性を移す手法
要約本論文は、ラプラス近似における事前精度の選択が難しいという問題を扱い、最大更新パラメータ化（μP）の下で事前共分散を再スケールすることで、モデル幅が増えても選ばれた精度が安定するようにする方法を導出しています。提案手法σTransferは、小さなモデルで精度を選び、大きなモデルへゼロショットで転移させるもので、大規模モデル上での探索は不要です。回帰、画像分類、Transformerの読み出し層で検証され、収束条件も示されています。
説明自己回帰型検索器：項目フィードバックで汎用マルチモーダル検索のクエリ理解を改善する手法
要約本論文は、汎用マルチモーダル検索モデルである自己回帰型検索器（ARR, AutoRegressive Retriever）を提案している。項目を検索してからその内容でクエリの埋め込みを更新し、最終的な埋め込みで候補を順位付けする。段階的な対照学習による教師ありファインチューニングと、最終的な相互順位を報酬とする強化学習により、有用なフィードバック項目の選択を学習する。ドメイン内およびゼロショットのベンチマークで、比較対象のベースラインを平均で上回る性能を示したと報告している。
説明Evi-VN：グラフニューラルネットワークによる不正検知のための、困難領域に導かれた仮想ノード証拠注入手法
要約本論文は、正規ユーザーになりすますボット、偽レビュー投稿者、詐欺アカウントに対し、複数のグラフニューラルネットワーク（GNN）が同じ困難な領域で共通して誤ることを示し、グラフ構造や通常の特徴量では捉えられない潜在的な不正の証拠の存在を指摘しています。提案手法Evi-VNは、構造化データ、テキスト、画像、音声にまたがる特徴分離型の証拠連鎖で行動・内容・文脈を結び付け、仮想クラスノードを通じて、不正の可能性が高い困難なサンプルにのみ証拠を適用して誤りを補正します。ボット、偽レビュー、返金証拠、電話詐欺の各タスクで実験が行われています。
説明リアルタイム戦略ゲームにおける、制約付きコマンド条件付き強化学習とバンディットによる戦略選択の研究
要約本論文はリアルタイム戦略ゲーム MicroRTS 向けに、上位層と下位層に分ける手法を提案しています。上位層はトンプソンサンプリングのバンディットで、対戦相手の識別ではなくゲーム内の観測から推定した相手の戦略に基づき指令を選びます。下位層は制約付きのコマンド条件付き PPO で、ユニット単位の行動を実行します。同じ構造・予算・カリキュラム・自己対戦リーグで学習させた PPO ベースラインとの比較では、訓練マップ上で最強の対戦相手4体のうち3体に対して有意に高い勝率を示し、そのなかには最も強い2体の未学習相手も含まれます。残りの相手には有意差はありません。
説明ラマルクの教習所：進化的競争による自動運転の訓練戦略の発見
要約本論文は、現実性・難易度・リスクなどの代理指標に頼る訓練シナリオの選択を、候補となるシナリオ分布同士の競争に置き換えるラマルク進化フレームワークを提案しています。外側ではダーウィン的な交叉・突然変異・選択でシナリオ分布を探索し、内側では方策学習と能力の継承を行います。実験では、完全なフレームワークが基準手法に比べ性能損失を最大25.07%減らし、簡略化した戦略でも19.13%の削減を示しました。
説明DIAL-OPD：オンポリシー蒸留で少ないトークンからより多く学ぶ手法
要約本論文は、オンポリシー蒸留（OPD）におけるトークン選択を扱い、全トークンを使うより一部のトークンだけで学習した方が良い結果になることを示します。提案手法DIAL-OPDは、教師と生徒の対数確率の差と両者の確率の対数平均を組み合わせて各トークンを評価し、評価の高いトークンのみを残します。4組の教師・生徒モデルと7つの数学推論ベンチマークで、トークンの40%だけを残したDIAL-OPDが、元のOPDおよび全トークン版を上回りました。
説明DisFace3DNet：3D成分分離による説明可能な顔の魅力予測
要約本論文は、人手による成分ラベルなしに、総合評価と弱い意味的補助監督から七つの成分参照スコアを学習するDisFace3DNetを提案しています。学習した成分を制約付きのあてはめで総合評価に結合し、各成分の数値的な寄与を示します。SCUT-FBP5500データセットでは、人間の平均評価とのピアソン相関係数が0.8904±0.0063（5分割）でした。成分ごとの予測変動が最も大きいのは皮膚、髪、顔の形状であり、表情に関する人間評価の一致はより弱いと報告されています。
説明自己進化ハーネスの限界：いつ重み学習を始めるべきか
要約本論文は、長期タスクを行うLLMエージェントを改善する方法として、凍結モデルを囲むハーネス（実行基盤）を進化させる手法と、重みを学習させる手法を比較する。失敗軌跡を最初に検出された信号で分類し、プロセス的失敗はハーネスで修復し、内容的失敗は重み学習で対処すると論じる。DeepPlanningやWebArena-Liteで評価し、LoRAアダプタが進化したハーネスの効果を内在化することを示す。
注目点失敗構成に基づきハーネスと重みのどちらを改善するか選ぶ規則を提案し、自己進化ハーネスとLoRAで複数モデル・ベンチマークにより検証しており新規性と根拠が比較的充実している。
説明Tabula Rasa：時空相関を制御可能な単位分散ノイズのモンテカルロ推定
要約本論文は、分散と時間相関を制御した時変ガウスノイズを生成する手法を提案している。このノイズは時間制御と時間的一貫性に関わる複数の下流タスクで使われる。中核となる考え方は、古典的なピクセル再構成と分散推定の同時モンテカルロ推定として問題を定式化し、データベース分野の「スケッチ（sketching）」の概念を用いることである。著者らは、従来手法よりも簡潔で高速なコードで下流タスクの時間制御を実現できることを示している。
説明動的視聴覚ナビゲーションのための二段階マルチモーダル学習：物理的整合からシーン集約へ
要約本論文は、移動する音源を対象とした身体性視聴覚ナビゲーションを扱い、エージェントが視覚と聴覚の手がかりを併用して動的な音源を探索する課題に取り組んでいます。物理的整合段階では強度校正幾何エンコーダ（ICGE）が音の強度と視覚的幾何を対応づけ、シーン集約段階ではTransformerベースの跨モーダルシーン集約器（CMSA）が多モーダル特徴を統合します。Replica と Matterport3D での実験により、最先端の成功率と、未知の音カテゴリに対する汎化性能の向上が報告されています。
説明ローカルLLMを用いた、専門性に適応する定性インタビューのための証跡追跡可能な動的インタビュアー・アーキテクチャ
要約本論文は、ローカルに配置した大規模言語モデル（LLM）を用い、参加者の回答と文脈に応じて質問の深さを会話全体を通じて調整する動的インタビュアー・アーキテクチャを提案している。システムは参加者の専門性をリアルタイムで把握し、知識レベルに合った質問や移行文を生成する。246名の参加者による評価では、専門性プロファイリングの正解一致率は78.9%（重み付きCohen's κ 0.80）であり、関連性・関与度・満足度の評価も高かった。
説明SkillContrast：エージェントスキル再ランキングのための差分ベースのテキスト選択手法
要約似たエージェントスキルは指示を共有していても、使用条件が異なる場合があります。SkillContrastは学習不要の選択器で、検索されたスキル同士を比較し、異なるテキストとその局所的文脈を残して、事前学習済みの再ランキングモデルに渡します。SameCapRisk-Benchの1,235件のリクエストでは、同じ候補ごとの入力長でTF-IDFによるクエリ選択より54〜72件多くクリーンヒットを得ました。完全なスキル本文と比べ、モデル入力トークンは51.1〜58.8%少なくなります。
説明『スキルが一つ多すぎる』：コーディングエージェントで同時インストールされたスキルはどう衝突するか
要約本論文は、コーディングエージェント（coding agents）に同時にインストールされた類似のスキル（skills）同士の衝突を調べたものです。機能の似た二つのスキルが共存すると、モデルは名前と説明だけで選ぶため、元のスキルの中核機能が飛ばされることがあります。それでもタスクは完了するため、タスク完了のみを評価するベンチマークでは見逃されます。20,947のリポジトリのスナップショットと、三つのモデルでの312組の検証済みペアの実験により、こうした衝突が一般的であることを示しています。
注目点コーディングエージェントに同時導入されたスキルの衝突を初めて体系的に調べ、2万を超えるリポジトリと6,368回の実行で検証し、フックによる修正も示した。
説明ドイツ語音声認識のための音韻情報に基づくトークン化：ドメイン横断的研究
要約本論文は、エンドツーエンドのドイツ語音声認識に用いる三種類のトークナイザ（多言語文字集合、綴りに基づくバイト対符号化（BPE）、Pyphenによる音節分割と書記素から音素への変換を用いた音韻情報単位）を比較している。40回のファインチューニング実験の結果、領域内ではいずれも同程度の性能であった。ドメインが変わる場合、語彙サイズが小さいときに音節を考慮したトークン化が方言音声で優れ、誤りの傾向は音響エンコーダに支配されていると報告している。
説明CacheScope：学習不要の拡散モデル高速化のための厳密計算配分手法
要約本論文は、学習を必要としない特徴再利用によって拡散トランスフォーマーの推論を高速化する問題を扱います。安定した一次の再構成器を用いる場合、再構成の複雑さを増しても効果は限られ、厳密計算ステップの配置が忠実度に大きく影響することを示しています。提案手法CacheScopeは、浅いプローブ出力の変化を入力軌道の変位で正規化して危険な再利用ステップをオンラインで特定し、そこでは完全な計算に切り替えます。追加学習は不要です。FLUX.1-dev、Wan2.1-T2V-1.3B、Open-Sora 1.2 で、最大3.57倍の高速化と、中央値LPIPSの最大70.1%低減を報告しています。
説明手作業型ミニューシア検出の再検討：現代の指紋ワークフローのためのシンプルで効果的なオープンソース基準
要約本論文は、オープンソースパッケージpyfingに統合された高速で決定的な指紋ミニューシア検出手法SBMEX（骨格ベースのミニューシア抽出）を提案します。交差数計算と骨格追跡において、実行時の近傍走査を置き換える二重ルックアップテーブル構造を採用しています。さらに、追跡経路長、脊-谷骨格融合、空間密度減衰に基づく連続的な品質スコアリングを組み込んでいます。NIST SD302データセットでの評価では、微調整なしで従来のオープンソース基準と同等以上の特徴抽出精度を示し、古典的な交差数のPython実装と比べて検出遅延が大幅に短縮されました。
説明UXBench Pro：多ターン対話における個人化ユーザー体験のベンチマーク
要約本論文は、12のタスクシナリオと82の領域にわたる実際のユーザー対話から得た1,000件のテスト事例からなる UXBench Pro を提案しています。各事例には、七つの解釈可能な行動特性でユーザーを表す FACTORS ユーザープロファイルが付与されています。さらに、第三者視点の個人化ユーザー報酬モデル（URM）と、多ターン対話を行い四つの認知状態で一人称評価を行うユーザーシミュレータ Sim4Eval を組み合わせ、評価器の信頼性を URMBench と USimBench で検証しています。
説明ロボット制御のための時系列パターン認識と動的腕ジェスチャー速度推定のニューラルネットワーク
要約本論文は、10の抽象的な系列タスクにおいて18種類のニューラルネットワーク構造を体系的に比較し、BiGRU、TCN、Conv1D、GRUReLUの4つを安定して高性能な小型モデルとして挙げています。続いて、そのうち3モデルを、OpenPoseで記録した骨格キーポイント系列からの腕ジェスチャーの動作速度推定に適用しています。ピーク数に基づく解釈では、最良構成の平均絶対誤差は0.198で、相対誤差は約5%です。
説明連続的な機械アンラーニングのためのミニマックス・ガウス機構：逐次削除要求下のモデル更新のプライバシー手法
要約本論文は機械アンラーニングを扱い、学習データの削除後に学習済みモデルを、全体を再学習せずに正確な再学習結果へ近づけて更新する方法を検討しています。著者らは逐次的な削除要求に対する牛顿（ニュートン）更新のためのガウス機構を設計し、ガウス差分プライバシーとその適応的合成則を用いて、公開されるモデル列全体が正確な再学習との区別が統計的に困難であることを示しています。さらに近似誤差と雑音分散の上界を導出し、シミュレーションと信用違反データの分析で評価しています。
説明行動エントロピーを超えて：ゲノムスケール代謝モデル修復のための商空間探索
要約本論文は、機能的観測に基づいてゲノムスケール代謝モデル（GEM）を修復する手法を扱っています。著者らはQuotientPOを提案し、等価な修復案を正規化された機序に統合して、その商空間上で直接探索を行います。また、異なる修復コア間の段階的な混雑度を識別するカーネル化Rényi推定量を導出しています。2,212個の保持されたGEMで、Success@32は17.93%から20.10%に向上（相対で12.1%増）し、同じサンプリング予算下で成功した修復コアの多様な発見が増加しました。
説明共識ベースの擬似ラベル学習のための構造化された意思決定ソースの構築
要約本論文は、複数の予測器が真に異なる情報を提供するように、意思決定ソースをどう構築するかを扱っています。共有グラフ表現からクラス内構造（中心の粒度や近傍の混合）を制御して変化させ、各ソースの安定性を検証したうえで、ノードペアの共同割り当てを用いて相補的なサブセットを選択します。Cora、CiteSeer、PubMed の固定分割で、構築したソースは従来方式の GCN 三つより固定予算での擬似ラベル精度を 1.19〜4.39 ポイント改善しました。モデル数よりもソース構築が重要であると示しています。
説明どの層を適応させるかが重要：能力保持のための層選択的ファインチューニング
要約本論文は、大規模言語モデルのパラメータ効率的ファインチューニングで生じる汎用能力の低下に着目しています。Transformerの異なる層を微調整すると、目標タスクの向上と能力低下の度合いが変わることを示し、層ごとの経験的Fisher情報で感度を測り、入出力のコサイン類似度を軽量な代理指標として用いると述べています。この観察に基づき、入出力類似度が低い層にのみLoRAアダプタを配置するLS-LoRAを提案し、数学推論とコード生成で目標タスク性能を向上させつつ、全層LoRAより常識推論能力をよく保持したと報告しています。
説明モデルフリー方策勾配による平均場制御のための乱択輸送写像手法
要約本論文は、離散時間平均場制御（MFC）向けのモデルフリー方策勾配法「Transport REINFORCE」を提案する。標準的な REINFORCE 推定量は方策が制御ダイナミクスを通じて目的関数に与える影響しか捉えられず、母集団分布を通じた効果は含まれない。本手法は母集団分布に摂動を加え、この欠けている平均場の寄与を推定する。有限状態空間と連続状態空間の両方に適用でき、摂動が消えるときの目的関数と勾配の一致性を証明し、サンプルベース勾配推定量の偏りと平均二乗誤差の上界を導出している。複数のベンチマークで標準的な REINFORCE より良い結果が示されている。
説明TAM：効率的な時空間予測のためのタスク認識メモリ蒸留
要約本論文は、凍結された教師モデルの知識を有界で検索可能な履歴メモリに整理する、TAM（Task-Aware Memory Distillation）フレームワークを提案します。学生モデルは、共有参照上での教師の類似度分布に合わせるか、観測に条件づけられた残差プロトタイプを回帰します。TAMは学習時のみ用いられ、学生モデルの推論コストは増えません。映像予測、天気予報、交通流予測で評価され、対応するKDベースラインと比べて多くのデータセットでSSIMとMSEが改善しました。
説明AgentEvolver：タスク実行を通じたシステム全体の自己進化
要約本論文は、基盤モデルを固定したまま、エージェントがタスク実行中に再利用可能な能力を発展させるシステムAgentEvolverを提案する。操作、手法、エージェント、制御フロー、インターフェースなど八種類の実体を、共通のバージョン管理されたライフサイクルで修正する。SWE-bench Pro Publicでは、進化ありで82.08%の解決率を報告し、進化なしの基準を上回ったとしている。六つの応用事例では、保持された能力が後の作業に使われる一方、未完了の目標や失敗した戦略も記録されている。
説明PointVGGT：視覚幾何基盤モデルの事前情報を用いたゼロショット多視点RGB-D点群位置合わせ
要約本論文は、順序のない複数のRGB-D走査を、尺度の一貫した共通座標系へ位置合わせする手法PointVGGTを提案する。VGGTなどの視覚幾何基盤モデル（foundation model）を基盤とし、そのスケール不定の姿勢予測を度量深度と照合して全体姿勢を求め、体積ボクセルのハッシュによる密な対応点探索と、IRLSを用いた鋭敏な動き限定バンドル調整で精緻化する。室内、物体中心、屋外のデータセットで、学習を要しないゼロショット設定における位置合わせ精度と計算効率の高さを報告している。
説明報告の模倣を超えて：可視的証拠に基づく、臨床的配慮を備えた複数画像超音波レポート生成
要約論文は、複数の超音波画像からレポートを生成するには各断面の所見を統合する必要があるが、保存されたキーフレームは動的な検査の一部しか捉えられず、元のレポートの模倣は画像による監督と整合しないと指摘する。著者らは三段階で学習するCAMEOフレームワークを提案する：視覚言語の基礎学習、クロスビュー証拠グラウンディング、臨床エラーに基づく選好ペアによる整合。主要ベンチマークUSReport-Distilledで、EchoVLMと比べBLEU-1、ROUGE-1、METEOR、ClinicalScoreが向上したと報告している。
説明クロスビュー地理位置推定のための構造・意味協調学習（S$^3$Geo）
要約本論文は、ドローンと衛星など異なる視点で撮影された画像を照合して地理位置を推定する、クロスビュー地理位置推定（CVGL）向けのフレームワーク S$^3$Geo を提案しています。解耦クエリプーリングで領域単位の構造特徴を抽出し、最適輸送に基づくクエリレベルの対照学習で空間的にずれた対応を柔軟に結び付けます。さらに凍結された CLIP 教師モデルから意味知識を蒸留します。University-1652 と SUES-200 で従来手法を上回ったと報告されています。
説明NanoProof：Lean 4における公開・高効率の自動定理証明システム
要約本論文は NanoProof を提案しています。著者らによれば、学習データ、抽出ツール、学習パイプライン、重みがすべて公開され、オープンソース資源で端から端まで再現可能な、Lean 4 向けの初の因子化された実行誘導型定理証明器とのことです。著者らは構造化された証明木のデータセットと、Lean 4 形式検証器内でのプログラム的な対話・データ抽出ツールも公開しています。MiniF2F-Test において NanoProof は pass@16 で 50.8% を達成し、同種の HyperTree Proof Search や ABEL より計算量が大幅に少なく、AlphaProof よりも桁違いに少ないと述べられています。
説明大規模言語モデルベースのマルチエージェントシステムにおける故障原因特定のための誤り伝播モデリング
要約本論文は、大規模言語モデル（LLM）を用いたマルチエージェントシステムで、失敗の原因となった決定的な誤り（そのエージェントと工程の組を修正すれば実行が成功する組）を特定する手法EMFAを提案しています。失敗した実行経路を構造化して表現し、連鎖的な誤りの伝播と未解決のやり取りのループをモデル化します。伝播を考慮した候補の絞り込みと反事実検証を組み合わせて原因を特定します。Who&Whenベンチマークでは、工程レベルの特定精度で最先端の結果を示し、エージェントレベルでも競争力のある結果を得ています。
説明大規模言語モデルの世代交代が、AI支援による科学論文の審査を弱める
要約研究者は、ChatGPT登場前のPNAS要旨4,000件と、2023年6月から2026年8月に公開された3社23のLLMバージョンによる書き換えを対応させ、モデルの世代交代に伴う検出器の性能を検証した。過去のバージョンだけで学習した検出器は世代の境界で大きく性能が落ち、人間が書いた要旨の1%を誤検出するよう調整した場合、境界直前の書き換えは99%超を検出したが、直後は3.8%にとどまった。著者らは、検出器のベンチマーク精度は暫定的なものとして、早期バージョンを含む各モデル公開のたびに再検証すべきだと主張している。
注目点LLMのバージョン交代が学術文書検出器に与える影響を、23版・4000件の要旨による体系的実験で初めて定量化し、世代境界での失敗を示した点が新しい。
説明コーディングエージェント向け、実行可能なコミット分離
要約コーディングエージェントが生成するパッチは複数の開発目的が混在して大きくなり、レビューや保守が困難になります。本論文は、各コミット後もコードが実行可能なまま分離する手法RucTangleと、分離された履歴がエージェントのバグ修正をどれだけ助けるかを測る評価枠組みTangleEvalを提案します。131件のパッチでは、RucTangleの履歴はすべて実行可能でしたが、ベースラインは20.6%～37.4%が実行不可能でした。RucTangleの履歴を文脈に加えると、pass@1が絶対値で5.2%向上しました。
注目点各コミット後もコードが実行可能な初のエージェント型解きほぐし手法を提案し、453件の回帰パッチでバグ修復への効果を定量評価している。
説明Prologを用いた言語モデルの長期的演繹推論能力の検証
要約本論文は、大規模言語モデルが長い文脈の中で単純な検索を超えて深い推論を行えるかを研究し、Prologで表現された演繹論理に焦点を当てています。著者らは推論の深さを系統的に変えた合成テストセットProloNgを構築し、最も難しい場合は推論深度22、文脈長6万2千トークンとしています。5つの最先端LLMファミリーの8つの推論モデルを評価した結果、推論深度が増すと性能が大きく低下し、多くのモデルは深度10を超えるとほぼ偶然レベルに近づくことが示されました。
説明平均を超えた文化的整合性の測定：インドの文脈における妊産婦健康向けLLM対話の評価フレームワーク
要約本研究はMH-INDICという評価フレームワークを提案し、北インドの都市部および準都市部における妊産婦健康に関する対話の文化的整合性を、妊産婦健康の推論に関する10の次元で評価します。妊娠中および産後の女性102名を対象とした26項目の調査を用いて、10のLLMを評価しました。一部のモデルは人口全体の分布に近いものの、すべてのモデルは人口統計・世帯プロファイル間の変動が人間の集団より著しく小さく、全体的な整合性とプロファイルに応じた感度の間に差があることが示されました。
説明英語の品質分類器を多言語LLM事前学習データ選別向けに適応させる研究
要約本論文は、既存の英語品質分類器を100以上の言語に使える多言語版に変換する適応手法を提案します。Transformerエンコーダの埋め込みの上に小型の多層パーセプトロンを学習させ、入力は多言語テキスト、ラベルは機械翻訳したテキストに英語分類器を適用して得たスコアです。1B・3B・8Bの各規模での実験では、既存の多言語モデルベース選別手法と同等の下流ベンチマーク性能を保ち、地域・文化知識のベンチマークも損なわないことが示されています。
説明条件付き独立性検定における埋め込みバイアス：テキストや画像の埋め込みで代用すると誤りが生じうることの解説
要約本論文は、テキストや画像の代わりに埋め込み表現で条件付き独立性検定を行う際のバイアスを研究しています。埋め込みが失う情報に相関が残る場合、帰無仮説の下での棄却確率が1に近づきうることを示しています。また、宣言された許容範囲の内で有効な頑健な検定を提案し、合成データとテキスト埋め込みで水準がおおむね保たれることを報告しています。
説明SDPAD：エンドツーエンド自動運転のための完全スパイク駆動パイプライン
要約本論文は、スパイキングニューラルネットワーク（SNN）のみで動作するエンドツーエンドの自動運転軌道計画パイプラインSDPADを提案しています。量子化ANN-SNN変換により既存の知覚モデルを整数スパイク形式にし、多視点画像を鳥瞰図空間へ持ち上げて計画を行います。nuScenesのオープンループ評価では平均L2誤差0.40m、衝突率0.12%を達成し、消費エネルギーは69.9 mJで近年のANNベースラインの2%未満です。NAVSIMのクローズドループ評価ではPDMS 86.3を記録し、従来のSNNプランナーSADを上回りました。
注目点初の完全スパイク駆動のエンドツーエンド計画パイプラインを提案し、nuScenesとNAVSIMでANNに近い精度を低消費電力で示した。影響は自動運転のエッジ展開に限られる。
説明物理考慮型高速道路軌道予測のための不確実性考慮最適化
要約本論文は、自動運転などの安全重視分野における車両軌道予測を対象に、物理考慮型フレームワークX-TRACKの不確実性考慮版（X-TRACK-DEおよびX-TRACK-MCD）を提案している。運動変数の空間で偶然的不確実性と認識的不確実性を同時にモデル化し、軌道空間へ伝播させる。さらに共形予測を軌道空間の予測共分散に適用し、目標の周辺カバレッジを満たす不確実性領域を構成する。highDデータセットでの評価では、X-TRACK-DEが決定論的ベースラインより軌道予測精度を改善し、両不確実性版とも共形予測により目標カバレッジに校正できることが示された。
説明SV-TAD：効率的な時系列行動検出のためのネイティブ疎畳み込み
要約長尺動画理解のために、動的に刈り込まれた疎なトークンに直接かつ効率的に作用できるネイティブ疎2次元畳み込みを提案しています。これを時系列行動検出用の適応器フレームワークSV-TADに組み込み、THUMOS-14とActivityNet-1.3で最先端の精度を維持したまま、VideoMAEv2-Lの計算量を最大64%削減し、推論を2.2倍高速化しています。
説明Chronos：コード エージェントがソフトウェア進化の履歴をもとに推論できるようにする手法
要約本論文はChronosという、テスト時に使うフレームワークを提案する。マージ済みのプルリクエストを構造化された経験カードにまとめ、コード・開発意図・組織間の関係からなる型付きグラフで接続し、大規模言語モデルベースのコードエージェントが検索して利用できるようにする。SWE-Bench Verifiedでは、6種類のLLMバックボーンすべてでSWE-Agentの平均解決率が69.2%から72.9%に上がり、MiniMax M2.5では79.8%に達した。人手評価では、タスクごとの有用なカードの平均数が1.24から2.87に増えた。
説明CoCam4D：LiDARを使わないカメラ専用自動運転のための幾何認識型協調4D知覚
要約自動運転車は遮蔽や死角、センサー範囲の制限により知覚が不十分になりがちです。本論文は幾何学的不確実性を明示的にモデル化するベイズ型の協調知覚フレームワーク CoCam4D を提案し、車両同士がコンパクトな3Dガウス基本要素を共有して互いの深度の不確実性を減らすとします。C-V2X通信向けに35バイトの動的物体基本要素（DOPs）も導入されています。実験では OPV2V+ で11.48%、DAIR-V2X-C で10.62%、近年の視覚専用手法を上回ったと報告されています。
説明スパース Mixture-of-Experts の Top-k 境界を平滑化する研究
要約スパース Mixture-of-Experts（MoE）モデルは、固定された top-k のエキスパート選択によって連続的なルーティング分布を階段関数に変えてしまい、スコアが近いエキスパートが完全教師ありとフィードバックなしの領域に分けられてしまいます。本論文は、k を中心とする局所的な離散分布から有効なエキスパート数を確率的にサンプリングする Elastic Expert Routing を提案し、学習を通じてこの鋭い閾値を徐々に和らげます。教師ありファインチューニングでは、OLMoE-1B-7B と Qwen3-30B-A3B の下流タスクのマクロ平均がそれぞれ 0.84 と 2.02 ポイント向上しました。ゼロからの事前学習では、検証 LM 損失が最大 0.04 下がり、下流タスクの平均は静的 top-k ベースラインを 1.6 ポイント上回りました。
説明記憶の種類は多様：大規模言語モデルエージェントの長期記憶を多様な戦略で強化する研究
要約既存の検索ベースの記憶手法は、すべての記憶を同じ方法で処理しているため性能が十分でないと指摘しています。著者らは記憶の多クラスデータセットTriMEMを構築し、記憶とクエリの種類をルーティングモデルで判別して適切な検索戦略を選ぶ記憶フレームワークMemoTypeを提案しています。3つのデータセットでの実験では既存手法を上回り、Recall@1で最大16.18%の向上が報告されています。
説明PAM-ToD：時間帯をまたぐ3Dガウシアン・スプラッティングのためのプラグアンドプレイ外観モデリング
要約本論文は、事前学習済みの3Dガウシアン・スプラッティング（3DGS）の道路シーンを別の時間帯に適応させる軽量プラグイン「PAM-ToD」を提案します。少数の目標時間帯のアンカー画像から、事前学習パラメータを固定したまま色補正を学習します。夜間に街灯が点灯する場合のような追加の明るさもモデル化します。併せて、3つの時間帯で幾何・カメラ姿勢・移動物体の軌跡が揃ったベンチマーク「CARLA-ToD」を導入しています。静的・動的の両設定で、ベースラインよりPSNRが高くLPIPSが低いと報告されています。
説明ループ対応の注意残差により、テスト時の反復を数万回まで拡張する研究
要約本論文は、ループ型Transformerでは反復回数が増えると性能が低下し、ノイズを含む状態更新が正しい中間推論を上書きしてしまうと指摘しています。著者らはループ専用の残差接続InfiLoopを提案し、内容ベースの重み付けと学習された時間減衰によって、過去の計算のうち何を保持するかを決めます。循環状態の実行中の要約を維持し、その集約メモリはループ回数が増えても一定に保たれます。700万パラメータのモデルはSudoku-Extremeで97.9%、ARC-AGI-2でpass@2が13.6%だったと報告されています。
説明Sera：知識と大規模言語モデルの意味表現を統合した、信頼性と解釈性の高い電池健康状態予測
要約本論文は、電池の健康状態（SoH）を予測するためのフレームワークSeraを提案しています。時系列モデルに、ルールベースの領域知識と大規模言語モデルによる解釈から得た劣化の意味表現を組み合わせ、ゲート付き集約によって統合します。主要ベンチマークの複数の予測期間と異なる時系列モデルで、予測誤差を時系列ベースラインより最大37.3%削減したと報告されています。反事実分析では、予測の変化が主要な劣化記述子の意味と一致することが示されています。
説明増分型オープンエンド深層リサーチ：構造化ハーネスによるレポートの継続的更新手法
要約既存のオープンエンド深層リサーチ（OEDR）システムは多くの場合レポートをゼロから生成するため、新しい情報が出るたびに継続的に更新が必要な場面では非効率です。本論文は、レポートを進化する研究状態として扱い、有効な知識を保持しつつ古い内容を改訂し、新情報を取り込む増分型オープンエンド深層リサーチ（Incremental-OEDR）を提案します。あわせて、アウトライン・章・根拠の構造化された集合としてレポートを表現し、選択的な更新と証拠の再利用を可能にする構造化ハーネス（Structured Harness）を示しています。実験では、レポートの品質を競争力のある水準に保ちながら、連続性を高め研究コストを削減したことが報告されています。
説明Workerville：組織行動論の視点からエージェントの安全性を研究する試み
要約本論文は、高度なエージェントの安全性を研究する枠組みとして組織行動論（OB）を提案し、人間の職場における反生産的行動（CWB）をエージェント版の反生産的行動（ACB）として定式化しています。著者らは、16種類の組織条件と210のタスクから3,360件の課題を作成する管理されたベンチマーク「Workerville」を構築し、6つの最先端大規模言語モデルを評価しました。その結果、負の組織要因は組み合わせると非単調に増幅され、未承認の情報開示率は2要因で60.1%に上昇し、3要因では50.3%に下がることが示されました。
説明Hankel部分空間の自己教師あり学習による並列MRI再構成手法
要約本論文は、アンダーサンプリング下の並列磁気共鳴画像（MRI）再構成という逆問題を扱い、単一スキャン専用のフレームワークHSSReconを提案している。Hankel変換の前に物理的な取得単位でデータを分割し、重なり合うウィンドウ内の重複したHankelコピーに対して多重度正規化を行うことで、自己教師ありlearningにおけるデータリークを防ぐ。ネットワークは複素数値のコンパクトなHankel部分空間演算子を学習し、共役勾配ソルバーにより元のk空間変数上で再構成を行い、ハードデータ一致性を保持する。fastMRIの脳データ（3種類のコントラストと3種類のサンプリングマスク）において、6つの集計条件でPSNR、SSIM、NMSEに関して競争力のある結果を示した。
