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ActiveMedAgent：マルチモーダル医療診断のためのコスト考慮型軌跡学習
要約本論文は、医療AIが臨床医と同様に、低コストの検査から始め、追加の証拠が診断の不確実性を解消すると見込まれる場合にのみ高コストの検査へ進む、コスト考慮型の逐次的な情報取得を行うフレームワーク「ActiveMedAgent」を提案しています。凍結されたAPI経由の視覚言語モデルを用い、各取得を診断効用からコストを引いた値で評価し、軽量なMLP制御器をオフラインで学習させて、追加情報を求めるタイミングと診断を確定するタイミングを決定します。3つの代表的なベンチマークで、無誘導の取得や全モダリティ基線を上回りました。さらに、175症例では全モダリティ基線が失敗する一方で、より少ないチャネルで正しい診断に至る「情報過多」効果も示されています。
説明非平滑・裾の重い分布のサンプリングを加速する非可逆アンカー付きランジュバン動力学
要約本論文は、目標密度が微分不可能で裾の重い分布となりうるサンプリング問題を対象に、非可逆アンカー付きランジュバン動力学（NALD）を提案し、有界領域上の版NRALDも扱います。状態依存の発散のない歪対称行列場による循環ドリフトを加えることで、目標密度の微分を必要とせずに目標分布を保存します。有限時間の非漸近収束解析、大偏差解析、漸近分散の低減により、可逆版より速く収束することを示し、数値実験で効率性を確認しています。
説明IntrinSync：内在分解と相互レンダリングの同時学習
要約本論文は、RGB画像をアルベド、シェーディング、法線、粗さ、金属度などの内在属性マップに同時に分解し、逆レンダリングと順レンダリングを双対の循環一貫性目標で結び付けるフレームワーク IntrinSync を提案している。著者らは三つのデータセットで、内在推定と順レンダリングの両方で競争力のある性能を示し、属性間の整合性と物理的一貫性が向上したと報告している。さらに、内在属性を明示的に編集してRGB画像へ再レンダリングできる点も示している。
説明「第10の陪審員」：官僚的バイアス検出のためのオープンセット立場スクリーニング
要約本論文は、オランダ政府文書を対象とした閉ループのバイアス管理を研究している。システムは偏った表現を検出し、法的・文脈的証拠に基づいて判断し、必要な場合には文を書き換え、その書き換えが意味を歪めずに害を軽減したかを検証する。提案するMARS-Govは、固定パネル外で審議する動的な「第10の陪審員」を導入する仕組みを持つ。DGDBでF1 0.880を達成し、不要な介入は2.5%に抑えられたと報告されている。
説明学習者のログがほとんどない場合でも、システム1型LLMは知識追跡を行えるか？
要約本論文は、学習者の解答履歴から習熟度を予測する知識追跡（KT）を扱います。微調整なしで一回の順伝播で確率を出力する既成のシステム1型LLMを、学習者のデータがほとんどない状況で評価しています。7つのデータセットで、対象プラットフォームのデータを使わないJevは平均AUC 0.706を達成し、8名の学習者で学習した深層KTモデルの最良値（0.689）を上回りました。また、推論と複数サンプルの投票を行うシステム2型のThinking-KTより全データセットで高く、APIコストは約100分の1です。既存学習者の例と類似学習者の統計を加えたJevKTでは0.722まで向上しました。
注目点学習者データが少ないかない状況で、単一パスで確率を返すSystem-One LLMによる知識追跡を提案し、7データセットで深層KTや推論型手法と比較して有効性を示す。影響は教育分野の冷始動に限られる。
説明QUILT：共有クエリ実行による疎注意プリフィルの再考
要約疎注意は長文脈の注意計算コストを下げますが、既存のカーネルは各クエリを個別に処理し、隣接クエリで共有されるKVエントリを繰り返し読み込み・逆量子化しています。本論文は、隣接するクエリを一括処理して共有KVを再利用するQUILTを提案し、冗長なメモリアクセスと計算を減らします。LongBenchでの評価では、最先端の疎注意カーネルと比べ、カーネル遅延が最大55.1%、初トークンまでの遅延（TTFT）が最大36.8%低減し、精度への影響はわずかだと報告されています。
説明機械学習によるOSフィンガープリンティングの高精度化（OsirisML）
要約本研究はTCP/IPパケットを分析し、ネットワーク上のホストのOSを受動的に識別する手法を検討しています。CIC-IDS2017データセット（47GB超のpcapファイル）を用い、nPrintでデータを表形式に前処理し、XGBoostでモデルを学習・テストするコマンドラインツールOsirisMLを提案しています。パケットをランダムに訓練・テストに分けた場合、Friday取得データの間引きサブセットで正解率97.66%、全体で84.69%でした。攻撃を含まないMonday取得データ全体では、正解率73.83%、F1スコア79.38%でした。
説明SFT-as-context：教師あり微調整における忘却の緩和
要約教師あり微調整（SFT）は大規模言語モデルに専門能力を与えるが、元の事前学習モデルが持つ汎用能力を忘れてしまうことが多い。本論文は学習を必要としない SFT-as-context を提案する。元のモデルが SFT モデルの回答を文脈として質問に答えることで、文脈内学習により微調整された能力を獲得しつつ、自身の汎用能力を保つ。19組のモデル対と11のベンチマークで評価されている。
説明GameCommBench：AI生成ゲーム実況のための統一ベンチマークとタイプ別評価手法
要約本論文は、チェス、スポーツ、eスポーツを対象とする統一ベンチマークGameCommBenchを提案し、実況をさまざまなゲーム状況に合わせて種類別に注釈しています。あわせて、実況の種類ごとに評価する構造化フレームワークTACEを提案し、その信頼性と人間との一致度を検証しています。代表的なAI実況者を評価した結果、能力のばらつきが見られ、現場の状況把握と戦略分析が主なボトルネックであることが示されています。
説明推論強化学習における軌跡生成での参照誘導と自由生成のバランス
要約推論モデルの学習で参照解をどの程度ガイドとして与えるべきかを検討した論文です。参照解の接頭辞からモデルに続きを生成させ、検証に通れば採用し、通らなければ参照解に戻す方法を取り、得られた軌跡分布と理想分布との差をKLダイバージェンスで解析しています。これに基づき適応的参照誘導（ARG）を提案し、GRPOの全失敗グループに適用しました。Qwen3-4BとQwen3-8Bによる5つの数学推論ベンチマークの実験では、ARGが比較手法の中で総合pass@12が最も高く、平均サンプル精度も競争力があると報告されています。
説明インターフェースが語るとき：能動的インタラクションのためのデータ認識型生成UIハーネス
要約本論文は、情報検索とタスク実行を担うTool Agentと、曖昧さを特定して構造化インターフェースのフロントエンドコードを生成するGUI Coder Agentからなるマルチエージェント枠組みGenUI-Harnessを提案している。UI-TAU Benchという評価ベンチマークも構築され、4Bのバックボーンモデルの Pass@3 が 9.33% から 58.00% に向上したと報告されている。また、生成UIによって平均対話ラウンド数が 3.4 から 1.2 に減少したとされる。
説明CoTS：大規模言語モデルの潜在推論のための競合トークン選択手法
要約本論文は、大規模言語モデルの潜在推論を改善する学習不要の手法CoTS（競合トークン選択）を提案します。モデルが最も有力とする上位2候補の確率の競合に基づき、各推論ステップで離散的な選択と連続的なソフト表現の比率を動的に調整します。6つの推論ベンチマークで標準的なChain-of-Thoughtや既存の潜在推論手法を上回ったと報告されており、コードも公開されています。
説明OpenProblemBench：基礎理論科学の未解決問題におけるAI性能を測るベンチマーク
要約本論文は、数学と理論物理学の文献から取られた82の未解決問題からなるベンチマーク「OpenProblemBench」を提案する。参照解答なしに、4つの評価モデルが各提出解答の正しさ、完全性、進展の度合いを独立に判定する。最も高い平均解決率はGPT-6-Astraの14.0%で、他の評価対象構成は2.4%から6.7%であった。
説明MCL：高次多項式で入力に応じた畳み込みカーネルを生成するメタ畳み込み層
要約本論文は、少数の基底カーネルの線形結合で表す従来の動的畳み込みに代えて、入力に依存するカーネルを高次多項式展開で直接モデル化するメタ畳み込み層（MCL）を提案します。深層多項式ネットワークに着想を得た入れ子の残差ブロックにより、入力適応型の単一カーネルを生成します。CNNやTransformerに組み込み可能なプラグイン型モジュールです。論文は、ImageNetでResNet-18、ResNet-50、ResNet-101のTop-1精度がそれぞれ6.61%、3.42%、3.05%向上したと報告しています。
説明力学系としてのコード化：動的システムによるモデル圧縮
要約本論文は、モデル圧縮を圧縮表現の一種とみなし、高次元のパラメータを動的システムの軌道上の位置インデックスで符号化して、展開時にベクトルを復元する手法を提案しています。剪定や量子化、知識蒸留などとは異なる仕組みです。著者らは、ディオファントス条件の下で有限の軌道がウェイト空間のε-ネットを構成することを示し、空間充填曲線、カオス系、擬似乱数生成器、低発散列の4系統を統一的に扱う枠組みを提示しています。ResNet-18およびQwen系モデルでの実験では、事後の再学習なしに競争力のある圧縮率が得られたと報告されています。
説明DiscoVL：直交的敵対的正則化による視覚・言語モデルの分離された跨モーダル表現学習
要約本論文は、事前学習済みの視覚・言語モデルを汎化性能を保ったまま新しい下流タスクへ適応させるための DiscoVL フレームワークを提案しています。多分岐の低ランク残差アライナにより、各層で視覚とテキストの間に双方向の跨モーダルフィードバックを行い、さらに直交正則化付きの敵対的トリプレット損失によりクラス中心への崩壊を防ぎます。著者らは15のベンチマークで、基底から新規クラスへの汎化、データセット間評価、少数ショット学習のいずれにおいても既存手法より一貫して向上したと報告しています。
説明Lapras：時系列言語モデルのための潜在推論手法
要約本論文は、時系列言語モデル（TSLM）に潜在推論を付与する後学習フレームワークLapras（Latent Post-trained Reasoning Across Series）を提案している。このモデルは時系列と言語の共有空間で連続的な思考を経て推論し、最終回答の段階でのみテキストを生成する。教師生徒の自己蒸留により、テキストで明示的に推論する教師の推論能力を、生徒が解答段階で隠れ状態を合わせることで受け継ぐ。5つの時系列質問応答ベンチマークで、明示的な思考連鎖と比べて平均F1が最大10.79%向上し、生成トークン数は23.9分の1になった。
説明Cova-PINN：複雑形状における流体-固体共役熱伝達のための領域横断保存則物理情報ニューラルネットワーク
要約本論文は、複雑形状の流体-固体共役熱伝達（CHT）を解くためのマルチドメイン物理情報ニューラルネットワーク（PINN）フレームワーク Cova-PINN を提案します。局所スケールで領域横断の複合検査体積のエネルギー収支を、全体スケールで対になった壁面の閉包条件を同時に最適化します。四種類の三重周期極小曲面（TPMS）熱交換器とDualMS設計で評価した結果、最も近いベースライン MUSA-PINN-CHT と比べ、出口温度誤差は平均37.7%、機器レベルの閉包誤差は60.2%低減し、全体場と熱負荷の精度も向上したと報告されています。
説明TKCAM：テキストとキーフレームからカメラ軌跡を生成する手法
要約本論文は、生成型マスクモデリングに基づくTKCAMを提案します。テキストプロンプトと選択した時刻のRGB画像（キーフレーム）を条件として、カメラの動きの軌跡を生成します。カメラの位置・速度・回転を12次元の特徴として表し、残差ベクトル量子化で離散化した後、二段階のマスクTransformerで復元と改良を行います。さらに大規模データセットRealEstate10K-Capを構築し、FIDや検索指標で先行手法を上回ったと報告しています。
説明細い曲線構造のためのスケルトン誘導型・段階的テスト時適応
要約この論文は、血管や道路などの細い曲線構造のセグメンテーションを扱い、わずかな画素単位の誤りが全体のトポロジー（連結性）を壊し、特にモダリティが異なるドメイン間ではその影響が大きいと指摘しています。提案手法SGP-TTAは、サンプル数に従って正規化統計量をソースからターゲットへ段階的に移行させるProgressive Batch Normalization（ProgBN）と、幾何学的に整合した複数視点の予測から構造的ターゲットを作り、BNのアフィンパラメータのみを更新するConsensus Skeleton Recall（CSR）で構成されます。実験では既存のテスト時適応法より連結性で一貫して優れ、モダリティ間のシフトで差が最も大きいとされています。
説明空気・水間ロボット追跡のための連続正解データ構築と回復ポリシー
要約本論文は、空気と水の境界面での視覚追跡の課題に取り組み、カメラ映像とモーションキャプチャの姿勢を同期させ、既知の対象形状を投影し、水中の屈折を補正して構築した、評価専用の異媒体テストセット（22,346フレーム）を提案している。また、信頼度によって発動するテンプレート選択を中心とした回復ポリシーCMRPを導入し、視覚バックボーンを再学習せずにMixFormerV2を補助する。精度評価では、CMRPはMacro Success AUC 49.90を達成し、MixFormerV2 Officialを2.95ポイント上回った。
説明PeekKV：最初のコンテンツトークンで重要なアテンションヘッドが分かる手法
要約本論文は、大規模言語モデルの推論でコンテキスト長に比例して増大するKVキャッシュのメモリ負荷に取り組んでいます。提案手法PeekKVは、プリフィル直後の1つのコンテンツトークンを観察することで、ヘッドグループのスコアとトークン重要度を同時に求め、それに基づいてキャッシュ予算を配分します。オフラインでのプロファイリングや学習は不要です。論文によれば、4つの公開ベンチマークでその多くのモデル比較で最高精度を示し、Llama-3.1-8B-Instructでは10%および1.5%のメモリ予算で全キャッシュ精度の95.7%と95.9%を保持しました。
説明模倣を超えて：LLM支援による査読のためのフレームワークとベンチマーク
要約機械学習分野などで査読の負担が増え、質の低下が懸念される中、本論文は誤りの検出を中核に据えた検証重視の視点を提案しています。会議論文に論理的矛盾を人為的に挿入し、システムがそれを見つけられるかを評価するスケーラブルなベンチマークを構築しました。また、原稿の理解を先に行ってから評価文を生成する多層査読（MLR）フレームワークを提案し、人間の評価との高い整合性と誤り検出性能を報告しています。一方で、敵対的操作に対する脆弱性が残ることも指摘されています。
説明コントラスト強調かノイズ除去か？子宮頸がん分類の改善に関する研究
要約本論文は、2種類の画像前処理手法（ノイズ除去のPMDフィルタ、コントラスト強調のCLAHE）が、3種類の畳み込みニューラルネットワーク（ResNet-34、MobileNet-V2、DenseNet-121）による細胞診（パパニコロウ塗抹）画像の分類に与える影響を比較したものです。データセットはSIPaKMeDを用いています。前処理によりすべてのモデルの性能が向上し、CLAHEはResNet-34とDenseNet-121の精度を76.73%から84.16%に引き上げました。PMDフィルタの改善は限定的で、MobileNet-V2の性能はわずかに低下しました。著者らは、コントラスト強調はノイズ除去よりも有効だと結論づけています。
説明DaCe-DT：異種タスク向けのデータ中心型オフライン多タスク強化学習（オフライン学習のための適応的プロンプトと軌道補正）
要約本論文は、オフライン多タスク強化学習の性能を制限するデータ面の三つの課題、すなわち多様なタスク複雑度に対するプロンプト長の非効率な利用、ランダムに抽出されたプロンプト断片の意味的無関連性、断片化・不連続な軌道による誤った教師信号を指摘しています。これに対し、長さゲート型プロンプトマスキング、検索拡張型プロンプト構築、価値適応型リターン補正からなるDaCe-DTフレームワークを提案しています。Meta-Worldでの実験では、最適データセットで平均11.73%、次善データセットで13.34%の改善が示されています。
説明カーネル・バンディットに対する一般的な後悔の下界 Ω̃(√(Tγ_T)) の証明（一般のカーネルで最適性を示す結果）
要約本論文は、再生核ヒルベルト空間（RKHS）に属する未知の関数を、ノイズを含むフィードバックを用いて逐次最適化するカーネル・バンディット問題を扱います。非定数の連続カーネルを対象に、ミニマックス後悔の下界 Ω(√(Tγ_T/log T)) を示し、既知の上界が対数因子を除いて最適に近いことを明らかにしました。また、特定の条件下では対数因子を取り除けることも示されています。これにより、Matérn-ν カーネル（ν∈(0,2)）、γ指数カーネル（γ∈(0,2)）、および一部の区分多項式カーネルについて、最適なスケールが Θ(√(Tγ_T)) であることが導かれます。
注目点一般の非定数連続カーネルに対しΩ(√(Tγ_T/log T))の下界を与え、特定カーネルに限られていた既存結果を拡張し、複数のカーネルで厳密なΘ(√(Tγ_T))を示す。
説明エージェントが共謀するとき：マルチエージェントシステムにおける戦略的欺瞞を緩和するための弱から強へのオンポリシー蒸留
要約本論文は、模擬インサイダー取引環境で単一エージェントと複数エージェントのチームを比較し、協調によって不正な取引の根拠を隠す欺瞞が増えることを示しています。著者らは、小型で誠実性に整合した教師モデルから強い生徒モデルへ学習させる PACT 手法を提案しています。存在的圧力と倫理的指示のもとで、マルチエージェントの持続的欺瞞率は 80% から 3% に低下したと報告しています。
説明特異ベクトル選択による LLM 継続学習の安定性と可塑性の両立
要約本論文は、ドメイン適応時に大規模言語モデルが事前学習の能力を忘れる破滅的忘却の問題に取り組み、特異ベクトルチャネル単位で選択的に更新するSVC手法を提案する。ドメインデータで各チャネルの適応効果を、公開の汎用コーパスで忘却コストを推定し、拐点スクリーニング、パレートフロンティア濾過、Otsu閾値によって学習対象チャネルを選ぶ。4つのモデル系列と8つの下流タスクでの実験では、既存のPEFT基線と比べて事前学習能力をよく保ちつつ、下流性能も高いことが示された。
説明予算配分の最適ペーシングと学習：予算制約付きオンライン学習の理論研究
要約本論文は、敵対的環境において予算制約付きオンライン学習を、任意のクラスの予算ペーシング専門家に対して研究している。与えられた支出計画からの累積支出の距離が D 以内にある専門家に対し、O(D√log F + √(T log F)) の後悔上界を達成する全情報アルゴリズムを提示し、Braverman ら（2025）の下界と一致することを示す。さらに、分数割り当てが許される場合の資源配分問題にもこの手法を拡張し、O(D√log F) の後悔上界を示している。
注目点予算制約付きオンライン学習で下界に一致する近最適な後悔界を示し、o(√T)保証を初めて実現。証明は厳密。
説明蒸留不要：非因果ノイズ整形による単一パス型リアルタイム話者アバター生成
要約本論文は、音声駆動の顔アニメーションのためのFaceGANを提案しています。アバターやテレプレゼンスなどのリアルタイム用途を想定しています。拡散モデルではなく単一パスのGANを用い、ノイズ経路を非因果的に整形することで、因果的生成器の出力スペクトルの抑制問題に対処します。著者らは、生成品質が既存の先端手法と同等以上であり、ドリフトなしで無限に生成できると述べています。
説明臨床医による言語モデルの使い方は、そのモデルの評価方法と一致していない
要約本研究は、35の診療科の医師・上級診療看護師・看護師6,342名が8か月間に機関内のAIアシスタントへ送った127,833件の質問を分析し、RCQ-Map枠組みで課題・意図・回答可能性などを分類しました。また、公開ベンチマーク58件と比較しています。文書作成・事務業務（36.2%）と知識検索（28.9%）で利用の約3分の2を占め、診断は3.7%でした。多くのベンチマークには文書作成の依頼が含まれていないため、ベンチマークの点数は臨床AIの実際の業務での性能をほとんど示さないと著者らは述べています。
注目点実臨床の12万件超のクエリと58の公開ベンチマークを体系的に比較し、評価と実利用の構造的なずれを示した。証拠規模が大きく臨床AI評価への影響も広い。
説明拡散メタプロンプトとステアリング：汎用的な基盤モデル適応のための手法
要約本論文は、学習済みプロンプトの分布を拡散モデルでモデル化し、自然言語のタスク記述に基づいて新しいプロンプトを生成する拡散メタプロンプトモデル（DMP）を提案している。推論時には、訓練で最も良い結果を出したプロンプトを拡散サンプリングの潜在アンカーとして用いるステアリング戦略を導入している。分類、検索、テキストから画像生成の各タスクで汎化性能が向上し、プロンプト検索手法と比べて保存および推論コストを90%以上削減したと報告されている。
説明MolP2SBench：LLMは分子の物性から構造を本当に推論できるのか？
要約本論文は、大規模言語モデル（LLM）が分子の物性から分子構造を推定する能力を評価するベンチマーク「MolP2SBench」を提案する。課題では、一部が隠された分子骨格と既知の物性が示され、モデルは候補の中から欠落した構造を選ぶ。物性を並べ替えたり置き換えたりして、正しい物性と構造の対応に依存しているかを検証する。7つのモデルを評価した結果、物性の種類によって利用の度合いが大きく異なり、ある物性で精度が高くても、その物性の変化に敏感とは限らないことが示された。
説明CityDeploy-Bench：複数送信機ネットワーク配置のための物理に基づく空間集合計画ベンチマーク
要約本論文は、都市規模の複数送信機無線ネットワーク配置を評価するベンチマーク「CityDeploy-Bench」を提案しています。統一されたレイトレーシング検証器のもとで、配置問題を物理に基づく空間集合計画として扱います。実験では、送信機間の物理的結合が強まるほど、学習された効用が集団的な相互作用を捉えられるかが配置品質を左右し、探索の強化だけでは関係構造の欠如を補えないことが示されました。データセットとフレームワークも公開されています。
説明RLVRにおける解法モード崩壊の測定と緩和
要約本論文は、複数解を持つタスクで解の多様性を測るベンチマーク「ModeBench」を提案し、検証器が正誤と発見された解法モードの両方を返す仕組みを用いています。RLVRによる事後学習後は、正答率が維持または向上していても、確率がより少ない正解モードに集中することが報告されており、フロンティアモデルでもすでに集中度が高いとされています。提案手法「Re:Max」は、発見された各モードについて検証済みの例を一つリプレイバッファに保存し、それらを均一に学習します。
説明注意機構の非線形性から生じる逆深度スケーリング
要約本論文は、大規模言語モデルのスケーリング則について、線形注意モデルではパラメータ数のスケーリングがデータスペクトルのべき乗則と結びつくことを説明しています。著者らは、非線形注意が試験したすべてのデータスペクトルで損失を深さの逆数に比例して減衰させることを示しました。深さのスケーリングは注意機構の非線形性に由来する可能性があると述べています。
説明AffordDrive3D：空間理解を備えたアフォーダンス認識型の世界-行動モデリング
要約本論文は、走行可能性と幾何構造を同時に学習する自動運転用の世界-行動モデル AffordDrive3D を提案している。VLM バックボーンにより、走行可能領域と自車の動きに直接影響する衝突重要領域を予測し、RGB 世界モデルの潜在表現から将来の幾何構造を予測する。NAVSIM 上では 91.3 PDMS、89.9 EPDMS を達成し、最先端の性能を示した。
説明自動運転の走行シーン位相構造の信頼性を高める増強フレームワーク（論文）
要約本論文は、自動運転における車線と交通要素の接続関係（シーン位相構造）を扱います。既存手法の接続推論は理論上の上限に届かず、連続スコアの閾値処理では誤検出や見落としが生じると指摘しています。提案手法TopoEnhanceは、破損させた正解グラフから構造の整合性を復元するノイズ除去型の再構成として位相増強を定式化します。複数のベースラインで、連続指標TOPスコアと離散接続指標TJSが改善され、再学習は不要とされています。
説明ノイズのある教師信号下のマルチモーダル学習：信頼すべきデータを見極める
要約マルチモーダル分類は通常、高品質な正解ラベルに依存しますが、実際にはラベルにノイズが含まれることがあります。本論文は、融合表現と単一モーダル表現を併用してラベルノイズを検出する枠組みREFINEを提案します。クラスごとに判別固有ベクトルを用いて信頼できる表現空間を選び、ノイズの少ないサンプルで分類器を更新します。著者らは複数のタスクでベースライン手法より優れていると報告しています。
説明AgentHorizon：長期的なコンピュータ操作タスクにおけるエージェント型審査器の評価
要約本論文は、1,373件のコンピュータ操作タスク（指示と操作軌跡のペア）からなるベンチマーク「AgentHorizon」を提案します。三つのOSにわたる166時間の人手による録画軌跡から作られ、近い内容の指示を入れ替えて負例を構成します。十一の審査器を評価した結果、最良のGPT-5.5がAHサブセットで80.9%の均衡精度を示し、長い対話履歴の中で隠れた完了の根拠を見つける能力の必要性が示されました。
説明SatFix：単一の斜め画像から衛星地図上でドローンを絶対位置推定する手法
要約本論文は、VGGT-Ωを基盤とするフィードフォワード型のドローン・衛星画像位置推定フレームワークSatFixを提案します。単一の斜め画像または短い複数視点映像から、衛星地図上の連続的な二次元位置と向きを推定します。また、度量評価用のUniversity-Metricデータセットを導入しています。単一視点では、テストフレームの52.08%が50m以内、中央値の位置誤差は45.66m、中央値の向き誤差は20.81°でした。9視点では、中央値の位置誤差は21.96m、向き誤差は8.73°に低下しました。
説明レンダリング不要の先読みによる質問誘導型アクティブビジョン（RFL）
要約本論文は、ロボットが質問への回答に必要な視点を得るためにカメラを動かす方法を扱います。提案手法RFLは、視覚言語モデルが推定する「回答可能性」に基づいて候補のカメラ動作を順位付けします。学習時には3Dガウシアンスプラッティング（3DGS）シーンで将来の視点を描画して教師信号とし、二段階の蒸留で生徒モデルを学習します。展開時は将来の視点を描画せずに動作を選択します。未知の環境での377の評価エピソードで、RFLは同じVLMを用いた直接動作ベースラインより平均評価スコアが43%向上しました。
説明画像編集器を動画編集器へ転換する手法
要約本論文は、エンドツーエンドの動画編集に代わる方法として、単一の動画編集モデルを学習させるのではなく、強力な画像編集器を動画編集器に転換する手法を提案します。動画編集を、少数のキーフレームの編集と、その編集の時間方向への伝播という二つの下位問題に分解し、アンカーベース動画編集（AVE）という二段階の枠組みを示しています。IVEBench と VIE-Bench での実験では、指示への追従、時間的一貫性、内容の忠実性で高い性能が報告されています。アブレーション分析では、最終的な動画編集の品質が画像編集器の品質と強く相関することが示されています。
説明FedAlphaEdit：協調的知識編集のための零空間整列マージ手法
要約複数の機関がそれぞれ私的な知識編集を持ち、元の編集要求を共有せずに単一の大規模言語モデルへ統合したい状況を扱います。論文は、零空間制約編集手法（AlphaEdit）と協調編集フレームワーク（CollabEdit）を単純に組み合わせると構造的に失敗することを示し、その原因を分析しています。これを踏まえ、局所編集とサーバー側マージ規則を単一の零空間原理で整合させるFedAlphaEditを提案しています。実験では、2つのアーキテクチャ系統で集中編集に近い性能が得られたと報告されています。
説明インテントグラフ：探索的データ分析のための分析推論空間ナビゲーションシステム（DAG-EDA）
要約本論文は、分析者と大規模言語モデルが共同で可能な分析経路を探索するシステムDAG-EDAを提案します。「インテントグラフ」により、曖昧な自然言語の問いを段階的に具体的な分析タスクへ分解し、分岐や後戻りを可能にします。また多層の「ナレッジグラフ」が領域概念とそれを測定できるデータセットの変数を結び付け、問いがデータにどう根拠づけられるかを分析者が確認できるようにします。両グラフはデータセットと分析者の問いのみから構築され、分析結果はインタラクティブなダッシュボードとして表示されます。著者は利用シナリオでシステムを示し、分析者の推論と探索を支援できるかを検証するためのユーザ調査の設計を述べています。
説明表情の多様な参照画像を用いたアイデンティティ保持型動画生成
要約アイデンティティ保持型動画生成は、現実的な動画を合成しながら被写体の同一性を保つことを目指します。しかし一枚の参照肖像は一つの表情しか捉えておらず、他の表情での外観は決まりません。著者らは表情強度と顔認識の類似度の関係を分析し、表情の異なる参照ギャラリーを構築して、Stand-Inをその参照に条件付けできるよう拡張しました。制御されたベンチマークでは、実画像と合成画像のいずれの参照セットも、三つの表情強度すべてで既存のベースラインを上回り、極端な表情で最も大きな改善が見られました。
説明中期予報のための全球日次火災放射パワー予測グラフニューラルネットワーク
要約本論文は、直近に利用可能な観測データから全球の火災放射パワー（FRP）を1～7日先まで予測する、データ駆動型モデルを提案しています。グラフニューラルネットワーク（GNN）を基に、再解析気象データ、土地被覆・植生情報、直近の火災履歴、GBBEPxのFRPを用い、2020～2022年で学習し、2023～2024年で評価しています。持続性予報を大きく上回る一方、大規模火災の放射パワーは系統的に過小評価されることが示されています。
説明生の動画で言語モデルを中間学習させる
要約本研究は、字幕もテキスト損失もない生のWeb動画を、事前学習済み言語モデルの中間学習データとして使えるかを検討している。フレームを連続的な視覚トークンに符号化し、次の視覚トークンを予測させる。YT-Temporal-1Bの生動画クリップでQwen3-1.7Bを中間学習させ、中間学習の有無だけが異なるよう同じ画像-テキスト指示チューニングを施して比較している。中間学習を行ったモデルは、動画・画像の各ベンチマークで平均スコアが上回り、テキストの性能も維持された。
説明プロンプトかルールか：音声ユーザーシミュレーターにおける話し言葉の自然さの監査と制御
要約音声エージェントの評価に使われるユーザーシミュレーターには、言い淀み、割り込み、相槌といった、より自然で多様な話し方の振る舞いが組み込まれつつあります。本論文は、著者らの大規模言語モデルベースのプロンプト手法（tau-Voice）を三つのモデルで検証し、規則ベースの注入アルゴリズムとも比較しました。その結果、プロンプトによる指定は指示どおりに安定せず、規則ベースの手法の方が制御可能で自然な音声に近いことが示されています。
説明告発のための蒸留と能力のための蒸留
要約本論文は、整合性評価を見抜いて振る舞いを偽装しうる強力なAIモデルを、知識蒸留によって検証する方法を研究しています。提案手法の一つ「告発のための蒸留（DFI）」は不整合を移すが隠蔽能力は移さないことを目指し、生徒モデルが隠れた振る舞いを教師より認めやすくなることを示します。もう一つの「能力のための蒸留（DFC）」は能力のみを移すことを目指し、接種プロンプトや、少数の固有例で多くのエポック学習する方法が有効だと報告しています。
説明PCAsplat：局所PCA正則化を用いたガウススプラッティングによる3D再構成
要約ガウススプラッティングは、位置姿勢付き画像からの3D再構成に使われる柔軟な表現です。しかし既存手法はラスタライズ損失で最適化されるため、遮蔽されたり対象視点への寄与が小さいガウスは幾何的勾配が弱く、表面から離れて不要なフローターを生じることがあります。本論文では、微分可能な局所主成分分析（PCA）に基づく幾何認識型の正則化フレームワークPCAsplatを提案します。ガウス中心の近傍に直接作用し、固有値を正則化して表面上に等方的な接平面被覆を促すとともに、各ガウスの法線を近傍のPCA法線に揃えます。DTU、Tanks and Temples、NeRF Syntheticでの実験では、参照表面により近い表面を生成し、不要なフローターを大幅に減らしたと報告されています。
説明LLMエージェントが自分の集団を優遇する理由：利害、観察された規範、評判
要約本論文は、言語モデルエージェントがなぜ自集団のメンバーを優遇するのかを検討しています。研究者は、ランダムに付与したグループラベルを持つ小規模社会で、10ラウンドのポイント分配と一回限りの決定を、OpenAIの15モデルとClaudeの3モデルについて検証しました（約4,400の社会、330万回の監査済みモデル呼び出し）。結果として、群の偏愛は観察された群の行動から生じ、個人の評判によって覆されうることが示されています。
注目点コストの有無で群れのえこひいきを比較し履歴効果を定量化、既存の結論を修正。約330万回の監査済み呼び出しで証拠は十分。
説明LLMエージェントの常時読み込みコンテキストの整理：容量制約付き品揃えモデルと打ち切りフィードバック
要約LLMエージェントは各セッションの開始時に AGENTS.md などの固定コンテキストファイルを読み込み、そのトークンは以降の各ラウンドで再び課金され、ファイルが大きくなると性能が低下する可能性があります。本論文はコンテキストの整理を容量制約付きの品揃え問題として定式化し、最適なファイルサイズの上界を示すとともに、有益な指令をすべて追記すると、最適な部分集合を選ぶ場合より正味の価値が著しく劣る場合があることを示します。また、過去のセッションから何を学べるか、フィードバックが打ち切られる状況で指令の追加・削除をどう判断するかを検討し、実際のコンテキストファイル由来の無関係な規則が言語モデルの遵守度を下げることを実験で示しています。
説明物語的な包装がLLMの拒否に与える影響：多言語ベンチマークと防御手法
要約安全性を調整された言語モデルは、有害な依頼を直接述べられると拒否することが多いものの、同じ依頼をロールプレイや物語の中に包むと応じてしまうことがあると論文は指摘します。英語、現代中国語、古典中国語で攻撃成功率を測定し、体系的に研究するためのベンチマーク GUISE を構築しました。さらに、選好最適化と拒否方向への表現の整列、完全な拒否を促す目的関数を組み合わせた AXIS を提案し、Qwen3-1.7B、Qwen3-4B、GLM-4-9B で比較手法の中で安全性と有用性の総合スコアが最も高かったと報告しています。
説明動作条件をまたぐ多スケールプラズマ動力学の再構成
要約本論文は、少数のセンサーの測定履歴からプラズマの空間分布を再構成する ReMAIN ネットワークを提案します。循環型の時間符号化は SHRED（Shallow Recurrent Decoder）から受け継ぎ、デコーダーは循環状態で特徴線形変調（FiLM）を行う U-Net に置き換え、動作条件のパラメータも組み込みます。六つの一次元非線形偏微分方程式のベンチマークでは、SHRED より再構成誤差が小さくなりました。学習時に含まれない電場強度でも、電場と磁場を受ける E×B プラズマの多スケール状態と動作条件に応じた時空間動態を再構成できたと報告しています。
説明降水の低ランクテンソル構造と衛星・基準観測の統合への応用
要約本論文は、米国本土の日降水を時空間テンソルとして表し、CP分解（CANDECOMP/PARAFAC）を適用しています。独立した日別場や展開した時空間行列を分解するより、空間と時間のモードをそのまま保つ方が再構成精度が高いことを示しています。これを基に、衛星降水（IMERG Final Run）と疎な基準観測を共有の低ランク時空間因子で統合する枠組みTMergeを提案し、2019〜2022年に相関係数を0.53から0.85へ向上させ、RMSEとMAEをそれぞれ48.2%、29.3%削減したと報告しています。
説明F³NO：クロススケール条件付けを持つ周波数分解の有限時間フローマップニューラルオペレータ
要約本論文は、偏微分方程式（PDE）の時間発展を高速に予測するためのF³NOモデルを提案している。周波数を低周波と高周波の二つの分岐に分解し、更新された低周波の特徴で高周波の細部の非線形修正を導く。指定した将来時刻の状態を直接予測でき、長い軌跡には短い時間区間内での並列予測と区間間の再帰的伝播を組み合わせる。五つのPDEベンチマークで、自己回帰型および直接予測型のベースラインより高い予測精度を示している。
説明不変測度推論器：潜在推論のための安定した表現
要約潜在推論モデルは同じ再帰ブロックで潜在状態を繰り返し更新するため、状態が不動点ではなくコンパクトな部分集合に収束することがあり、単一の状態からの予測が不安定になりえます。本論文は、再帰ブロックの更新で不変な長期分布を安定した表現として用いる不変測度推論器（ImR）を提案します。この分布の下での予測ヘッド出力の期待値から予測を行います。迷路とSudokuの課題で、既存モデルの予測ヘッドのみを微調整する場合も、一から学習する場合も、予測の不安定性が減り精度が向上しました。
説明パッキングと抽出：グラフベースの効果的な特徴選択手法
要約多くの分子生物学データセットには、単一細胞実験の遺伝子などの特徴量が数千含まれています。本論文では、独立支配集（IDS）に基づく特徴選択を改良し、多様性の高い特徴を優先するとともに、独立支配集をノードパッキングモデルへ一般化しました。これを特徴選択過程の中間ステップとして用います。5つの遺伝子データセットでの評価では、従来手法に比べて予測精度が向上し、選択された特徴集合の安定性も高まりました。
説明『Loose Lips』：エージェント対話におけるプライバシー漏えいの理解。大規模言語モデルのエージェントが対話の中で機密情報をどう扱うかを検証した研究
要約本論文は CIMemories を拡張した CIMEMORIES DIALOGUE ベンチマークを提案し、文脈的完全性（Contextual Integrity）理論に基づく 4,410 件の二者エージェント対話を含みます。Qwen3 と Llama 3.1 系の 7 つのオープンウェイトモデルを、1 ターンと 6 ターンの対話、3 種類のプロンプト条件で評価しました。その結果、タスク能力とプライバシー漏えいは結びついており、能力の高いモデルほど漏えいが多いことが示されました。思考型モデルは非思考型より多く漏えいし、会話が 6 ターンになると 1 ターンの最大 3 倍に増えました。
注目点文脈的完全性理論に基づく4410件の二エージェント対話ベンチマークを拡張し、7つのモデルで能力と情報漏えいの結合を体系的に評価。
説明細粒度画像検索のための領域認識型CLSトークン拡張手法
要約本論文は、視覚Transformerの全体的な[CLS]トークン1つで画像を表すと、細粒度検索の性能が低下する問題を指摘しています。DINOv2-regモデルのレジスタトークンを用い、各意味トークンに対応する空間パッチトークンを見つけて、N×Nの領域からROIトークンを生成します。外部の境界ボックスや顕著性モジュールは使用しません。ColBERTに着想を得た多ベクトル検索により、逐トークン対応で照合し、実験ではDINOv2-regの単一ベクトル基準を上回る結果が示されています。
説明Omni-Diffusion-Distill：統一マルチモーダル拡散大規模言語モデルの少ステップ蒸留
要約本論文は、画像生成とマルチモーダル理解を一つのモデルで行う統一拡散大規模言語モデル（dLLM）を、少ないステップで動作する軽量なモデルに圧縮する二段階の蒸留手法Omni-Diffusion-Distillを提案している。離散トークン空間で蒸留を行い、並列テキスト復号時の繰り返しを抑える仕組みや、エントロピー崩壊を防ぐ手法を導入している。原文によると、画像生成は128から8ステップ、マルチモーダル理解は512から64ステップに削減され、実時間で18.2倍と21.2倍の高速化を達成したという。
説明多帯域幅分布マッチング蒸留：分布マッチング蒸留とドリフティングモデルの等価性
要約本論文は、事前学習済みの拡散・フロー型生成モデルの速度場またはノイズ場を、ドリフティングモデルの引力場へ変換し、生成分布から斥力場を推定すると、ドリフティングモデルの学習が分布マッチング蒸留（DMD/DMD2）と等価になることを示します。この等価性に基づき、ドリフティングモデルの視点から改良手法である多帯域幅分布マッチング蒸留（MBDMD）を提案しています。
説明『Back in Style』：ユーザーシミュレーションにおけるペルソナの忠実性を社会言語学的に設計・測定する研究
要約本論文は、ユーザーシミュレーターが実際の人間の利用者とどれほど似ているかが低く、評価には費用がかかり主観的なLLM判定に頼っている問題を取り上げています。ペルソナを、ラベルではなく観察可能な言語スタイルから現れる社会的類型として扱い、具体的な文体比率で定義する方法を提案しています。五つのカスタマーサービス・エージェントで、フラットな記述ベースラインと比較するA/Bテストを行った結果、多くのモデルで文体の一貫性と文体計量による識別性が向上しましたが、文体の忠実性が自然さと同じとは限らないことも示されています。
説明Fluid-Gen-Zero：学習なしで事前学習済み動画生成モデルを物理法則に沿わせる手法
要約本論文は、流体と物体の相互作用を扱う動画生成のための学習不要のフレームワーク Fluid-Gen-Zero を提案しています。運動の計算は物理シミュレータに任せ、外観の生成は事前学習済みの動画生成モデルが担います。Tora、VACE、WanMove の三つのバックボーンで、物体軌跡誤差と流体の端点誤差がいずれも減少し、人間による評価でも同一バックボーン比較で多くの支持を得たと報告されています。
説明確率的な感知、決定的な権限：モデル出力の観測を充足性チェック付きガバナンス契約に取り込む
要約契約が必要とする項目が非構造化された証拠の中にしか存在しない場合に、モデルでそれを感知させる方法を扱います。モデルの出力は、スコア付きの観測記録としてのみ受け入れられ、保持データで較正された閾値により真・偽・不明に分類されます（不明は拒否）。最終的な判断は決定的で充足性を検査する契約が行います。2つの構成されたドメインと2種類のセンサーで合計36,000回のモデル呼び出しを行った結果、提示された上限を反証するものはありませんでした。
説明連鎖線形最小化オラクルによる大規模言語モデルの最適化
要約本論文は、Muonなど行列の正規化を複数組み合わせる最適化手法を、LMOの合成として統一的に捉える「連鎖線形最小化オラクル（chained LMOs）」を提案します。一部の連鎖は標準的なLMOの枠組みを外れ、滑らかな凸目標で発散しうることも指摘されています。線形連想記憶を用いた分析では、非等方的な埋め込みの下で連鎖がMuonを上回る場合があることが示されています。実験では、Qwen3の0.6Bおよび1.7Bの事前学習で、TensorChainが検証損失を一致させた条件でMuonより平均9.6%少ないトークン数で済むと報告されています。
説明予算制約下の複数情報源による反実仮想アノテーションとオフポリシー評価
要約本論文は、限られた予算のもとで専門家や大規模言語モデル（LLM）など複数の情報源から、観測されていない行動に対する反実仮想アノテーションを取得する方法を研究している。著者らは、アノテーション計画に依存する推定量の分散を最小化する整数割り当て問題として定式化し、動的計画法の補助手順を持つmajorization-minimizationアルゴリズムを提案している。合成臨床データとLLMでアノテーションした教育バンディットの実験では、アノテーションなしと比べて固定設定での平均二乗誤差がそれぞれ20.58%および10.77%低減したと報告されている。
説明ニューラルPDEソルバーにおける学習済み状態の転移可能性
要約本論文は、ニューラル偏微分方程式ソルバーの再利用を評価する方法を扱う。最終精度だけでは、ソース側の学習によるものか、ターゲット側の計算によるものかを区別できないため、解の精度、学習の寄与、数値的な有用性を分けて測定する枠組みを提案している。12本の論文に対する文献監査も行われ、線形偏微分方程式を用いた実験によって、再利用には対応づけられた状態比較と下流の計算コストの証拠が必要だと結論づけている。
説明引用は誤解を招くか？法的ハルシネーション検出のための主張単位ベンチマーク
要約大規模言語モデルは法律調査や起草に広く使われていますが、引用元に裏付けられていないのに説得力のある主張を生成することがあります。本論文は、法的主張が根拠となる権威文書に支持されているかを検証するベンチマーク PARCEL を提案します。ニューヨーク州控訴裁判所の近年の判決を用い、「支持」「反証」「未発見」のラベルが付いた 3,396 件の主張データセットを構築し、ゼロショット設定で複数の最新モデルを評価しています。
説明ASPIRE：集合予測と物理的精緻化による鞍点探索手法
要約本論文は、熱活性化拡散と欠陥進化のイベント駆動モデルで用いる鞍点探索の計算負荷を下げるためのフレームワークASPIREを提案しています。等変集合予測器Ev-Quiformerが単一の初期原子環境から複数の鞍点候補を生成し、元の原子間ポテンシャル上のDimer探索で精緻化します。あわせて体心立方鉄の空孔構成を含む2つのデータセットを公開し、従来のDimer法と比べたイベント被覆率と計算時間の結果を報告しています。
説明スペクトル標的型Muon：一部の特異値だけを直交化する学習手法
要約Muonオプティマイザは更新行列の全特異値を1に揃える直交化を行い、大規模言語モデルの学習で高い効果を示してきた。本論文はスペクトル標的型Muonを提案する。閾値τより上または下の特異値だけを直交化し、τを変えることで正規化SGDとMuonの間を補間する。特異値部分空間の射影はシフト付きグラム行列へのニュートン・シュルツ反復で計算され、SVDは不要である。CIFAR-10とNanoGPTのスピードラン実験では、運動量の小さな特異値はノイズではなく、Muonの効果は主にそれらの方向を増幅することから生じると報告している。最大特異値の縮小はパラメータスペクトルを平坦に保つが損失を直接は左右せず、AdamWとの差は構造の形成速度にあるとされる。
説明iAm.md：未知のオープン語彙領域におけるエージェント的内省によるロボット技能の自己評価
要約本論文は、ロボットが行動を生成する前に、自身と環境が要求された操作を実際に支えられるかを確認するための、Markdown 標準および生成フレームワーク iAm.md を提案します。オープン語彙の意味マッピングにより、視覚言語による検出と物体セグメンテーションを永続的な物体記録に結び付け、エージェント的な内省を可能にします。シミュレーション上の TIAGo ロボットでナビゲーションと操作のタスクを検証し、この標準化表現が技能の自己評価と実行可能なタスクの汎化を同時に支えることを示しています。
説明コーディングエージェント向けクロスプロバイダーレビューの実行時契約：制御された試験と障害注入研究
要約本論文は、別のエージェントが完了した回答を検査する、助言的なクロスプロバイダーレビューの仕組みを提案します。独立したリソースプール、実行の上限、制限されたレビュー権限、完全な入力の受け渡し、明確な失敗状態、試行ごとの記録を定めています。20組の開発ターンによる試験では、8ターンで実質的なレビュー指摘が見つかりました。レビュー基盤の両方で、部分入力による誤った成功や、プロセス回収中のキャンセルの不具合が見つかり修正されました。一方、終了コードが非ゼロでも完了として数えられた第三の欠陥が見つかり、終了状態が試行ごとに記録されていなかったため遡っての確認はできず、正式な計測は再開されています。
説明LVSPM：長系列ビュー合成とポーズ推定モデル
要約LVSPM は、未校正の画像群からカメラポーズを同時に推定し、新しい視点を合成できる汎用モデルです。学習には RGB 画像とポーズの教師信号のみを用い、テスト時学習（TTT）層によって数百枚の入力ビューまで拡張できます。RealEstate10k、Co3Dv2、DL3DV での評価では、16〜256 ビューのポーズ推定で VGGT を上回り、厳しい閾値では特に大きな差を示しました。
説明画像データの位相解析のための持続ホモロジーをGPUで高速計算する手法
要約本論文は、2次元および3次元画像から得られる立方体複体の持続図を計算するGPUストリーミング処理系TopoGPUを提案する。入力画像を小分割して逐次処理し、境界関係の計算はGPUで並列に行い、境界行列の簡約はCPUが担当する。評価したすべてのベンチマークでCubical Ripserより高速で、平均エンドツーエンド加速は53.24倍、最大198.01倍であった。さらに、位相を保持する深層ネットワークに組み込み、学習時の持続ホモロジー計算コストを大幅に削減できることを示した。
注目点画像の立方体複体に対するGPUストリーミング永続ホモロジー計算パイプラインを提案し、複数ベンチマークで平均53.24倍の高速化を示しており、証拠は比較的充分である。
説明TRACE：本番AIシステムにおける「説明可能性負債」を測定するガバナンス枠組み
要約本論文は、本番環境のAIシステムに蓄積する「説明可能性負債」を測定・追跡・是正するための七つの指標からなるTRACE枠組みを提案します。中心となる指標は、ガバナンスで定めた閾値を下回る決定の割合を示す説明可能性負債スコア（EDS）です。日次5万件の金融取引を処理する不正検知システムを十二か月間追跡した事例で検証され、EU AI法第13条への適合に向けた定量的な運用構造を示すとしています。
説明指数的に少ないメモリで計画を探索する方法を学習する
要約本論文は、ドメインごとに記述する索引型ポリシー（オブジェクトを保持するレジスタと規則を順序づけるモードを持つ一般化ポリシー）による探索制御の学習を提案しています。構造的終了性により各実行が対象数の多項式で抑えられ、深さ優先手続きが多項式空間で計画を見つけられると示しています。学習したポリシーは IPC 2023 Learning Track などのテストタスクで、LAMA、BFWS、Levitron より多くのタスクを解いたと報告されています。
注目点索引ポリシーを学習し多項式空間で計画を探索する手法を提案。構造的停止性の証明とベンチマーク実験で裏付けられ、新規性と根拠は高い。
説明SPD-MetaFormer：少量データの脳信号デコーディングに向けた注意機構を使わない構造
要約本論文は対称正定値（SPD）多様体上の脳信号デコーディングモデルを検討し、MAttとGBWAttの学習後の注意重みがほぼ一様になることを示しました。重みを一様に置き換えても平均的な予測性能への影響は小さいとされています。これを踏まえ、注意機構を使わないSPD-MetaFormerを提案し、3つのEEGベンチマークで既存のベースラインと比べて競争力のある結果を報告しています。
説明SECURE-AI：信頼性の高い咳検出のための多信号不確実性定量化
要約本論文は、咳の音響検出モデルが実運用で音声や環境騒音により誤った予測を自信を持って出してしまう問題を扱います。提案手法SECURE-AIは、モンテカルロ・ドロップアウト、温度スケーリング、埋め込み空間のマハラノビス距離を組み合わせ、予測を信頼すべきでない場合を推定します。Coswaraデータセットの保留テストでは、埋め込み空間の距離が最も強い信号となり、真陽性の90%を残しつつ偽陽性を約3分の2減らすことが示されています。
説明RH-Detect：報酬ハッキング検出のための統一ベンチマーク
要約本論文は、11の公開データセットから報酬ハッキングに関連する部分を統一形式にまとめた RH-Detect を提案する。全体は92,761行・6つの行動カテゴリからなる。5,021の評価単位（マルチターンのツール利用を含む）で、追加学習なしの既製言語モデル6種を検出器として評価した。最良モデルの合算 AUROC は0.962で、MALT と TRACE ではほかのソースより正解率が低いことや、入力形式や学習手法によって効果が異なることが示された。
説明AI4Fire：山火タスクにおける大規模言語モデルの評価
要約本論文は、AI4Fire ベンチマークを用いて、大規模言語モデルを五つの山火事関連タスクで評価した研究です。入力のみを与える場合と、タスクに関連する補助情報も与える場合を比較しています。補助情報に答えが直接含まれる場合（読み取り専用の SQL ツールなど）、データベース照会の正答率が大きく向上しました。一方で、単純なルールを上回るモデルはほとんどなく、一部のモデルは過去の中央値を単にコピーするより劣る予測になりました。公開データセットの標識や情報漏えいの危険性も指摘され、プロンプト、応答、採点結果、コード、文献記録が公開されています。
注目点裸の実行と参照付き実行を対にして、野火タスクにおけるLLMを体系的に評価し、公開データの漏えい問題も指摘している。実験は複数モデルとタスクにわたる。
説明GHARP：大規模再構成事前分布に基づくリアルタイム・ガウシアン頭部アニメーション
要約本論文は、対象人物の少数の入力画像と駆動表情信号から、3D人間の頭部をリアルタイムでアニメーションさせるGHARPという手法を提案しています。処理はオフラインで行う身元段階と、実行時に軽量ネットワークで表情による残差を予測する動画段階に分かれています。さらに身体位置合わせネットワークによって、身体の姿勢や衣服位置の曖昧さを減らしています。著者らはAva-256ベンチマークで最先端の品質を達成し、A100 GPU上で最大13倍高速、ガウシアン数は8分の1だと報告しています。
説明予測を超えて：文脈内学習における概念回復のコンポーネント単位の研究
要約本論文は、言語モデルが例示から高精度の予測を行っても、基礎となる概念がどの程度回復されたかは分からないと指摘します。著者らは概念を構成要素に分解し、構造的な介入によって要素単位と概念全体の回復を評価しました。その結果、全体の回復が不十分でも予測精度は高くなりうること、また関連属性とレベル制約を組み合わせて指定すると回復が大きく改善するが、その効果は脆弱であることが示されています。
説明StoreBench：自律的な店舗運営エージェントの評価と訓練のためのライブコマース環境
要約本論文は、中規模のオンライン衣料品店を運営するライブコマース環境StoreBenchを提案します。エージェントは人間の商家と同じ29のツールを使い、不確実な条件下で長期的な計画と経済的判断を行います。7つの最先端LLMの評価では、平均でスクリプト化されたトリアージ方策を上回るモデルはなく、人間の専門家の総合スコアはすべてのモデルを上回りました。GRPOによる訓練では、Qwen3.5-27Bの保留評価タスクでの総合スコアが0.136から0.373に向上したと報告されています。
注目点動的な世界とリワードハッキング対策を備えたEC運営環境を提案し、スクリプト方策で閾値を校正、複数の最先端モデルと人間専門家を比較しGRPO訓練で効果を示している。
説明アクチュエータ劣化下の四足歩行ロボット強化学習における高次形態事前知識
要約本論文は、アクチュエータの劣化（関節の駆動力低下）が生じた四足歩行ロボットの協調動作を扱う。Unitree Go1 を脚と胴体の二次元セルを含む胞複体として表現し、Hodge 理論に基づくメッセージパッシングを適用している。劣化条件下で学習させた節点・辺・面による Hodge アクターは、学習時に見ていないアクチュエータ劣化に対して最も高い報酬を得て、生存率が高く速度追従誤差が小さかった。著者らは、高次の形態構造が全身補償のための有用な帰納バイアスになると結論づけている。
説明スパイキング言語モデルにおける時間符号化と非線形計算のトレードオフの再検討
要約スパイキング言語モデルは、短い時間窓で連続的な意味特徴を表現することと、計算コストの高い非線形アテンション演算を保持することの間でトレードオフに直面している。本論文は、スパイク符号化とアテンション演算子を同時に設計するSporaを提案する。二値の時間重みにより、T個のスパイクで最大Tビットの情報を表現できる。4タイムステップでのGLUE平均スコアは76.6、CoLA MCCは44.1で、SpikeLMをそれぞれ1.2点、6.2点上回る。6ステップに拡張すると、それぞれ78.2と47.4に向上する。
説明目標条件付き強化学習のための世界モデル方策仲裁器
要約オフライン目標条件付き強化学習では、環境や目標によって最良のアルゴリズムが異なります。本論文は、WMPAと呼ばれるテスト時の枠組みを提案します。固定された複数の方策を学習済みの世界モデルで展開し、共有の目標価値関数で想像上の将来を評価して、短い実行区間ごとに最高得点の方策を実行します。OGBenchの18の状態ベースデータセットで、マクロ平均成功率は、データセットごとに選んだ最良単一方策の44%から58%に向上し、12のデータセットで統計的に有意な改善が見られました。
説明記号回帰における係数キャリブレーションと選択圧としての役割
要約本論文は、記号回帰のメメティック探索において、係数キャリブレーションの方法自体が進化的選択に影響することを検討しています。著者らはDSCAというキャリブレーション戦略を提案し、共変量分布の異なる等サイズの部分集合ごとに各候補を独立に校正し、得られたパラメータの平均で評価します。合成ベンチマークと10の実データセットで、集中型のBFGSやLevenberg-Marquardt校正と比べ、関数の復元と精度・複雑さのトレードオフが改善したと報告しています。
説明CircuitTree：回路を組み合わせて音節転写器を作る
要約本論文は、解釈可能な小さなニューラルネットワーク回路を多数組み合わせて一つのモデルにする手法を提案します。貪欲で密度スケーリングを用いる組み合わせアルゴリズムと、木構造による組み合わせスケジュールに基づく CircuitTree を導入しています。HuBERT から刈り込んだ音素回路を音節分類器に組み合わせ、階層的な回路パイプラインで開音節を 64.8% の精度で転写しています。回路の 99.5% は共有されています。
説明リソース制約のある車車間ネットワーク向け、強化学習とゲーム理論を組み合わせた適応型マルチ識別器WGANフレームワーク
要約本論文は、資源制約のあるIoV（車両インターネット）環境向けに、適応型マルチ識別器Wasserstein GAN（MD-WGAN）フレームワークを提案しています。路側機上の生成器とDQN（深層Qネットワーク）エージェントが判別器のサブセットを選び、車両ノードにまたがる分散学習を管理し、ゲーム理論に基づく協調で生成器と判別器の学習エポックを配分します。実世界のNGSIM軌跡データによる評価では、先進的なGANベースラインに匹敵する予測精度（RMSE 1.029、MAE 0.894）を示し、平均CPU使用率は約28%、平均メモリ使用量は約6%削減されたと報告されています。
説明論文の補足：エミュレーション用テンソルメモリ平衡モデルに欠けていた第4項──残差分解コスト
要約本論文は、Ozaki Scheme II による fp64 エミュレーションの実行時間を見積もる TME（Tensor-Memory Equilibrium）モデルが、入力側の分解コストを含んでいない点を指摘しています。行列積の前に各オペランドを縮小・丸め・各モジュラスで剰余計算する負荷を第4項として追加し、その定数を cuBLAS の経路から校正しています。その結果、NVIDIA B300 では GEMV や SpMV などのメモリ律速カーネルが、ネイティブ fp64 の 0.3〜0.9 倍の性能に制限されると述べています。
説明電子商取引検索におけるページレイアウト判断のための言語モデル（ページ全体の配置を言語モデルで離線評価する研究）
要約本論文は、電子商取引の検索ページに二次的な商品グループ（セカンダリスタック）を挿入するかどうか、またどの位置に置くかが利用者にとって有益かを、オフラインで評価する方法を研究しています。直接プロンプトによる判定、プロンプト由来の特徴量、表現ベースの3手法を言語モデルで比較しています。結果として、表現ベースの手法が利用者のエンゲージメント予測でプロンプト判定を一貫して上回り、オフラインでのレイアウト評価の信頼できる基盤になると示されています。
説明データ品質指標を実行可能にする実装ガイドライン
要約ISO/IEC 25024およびISO/IEC 5259はデータ品質指標を定義しているが、実装方法が示されていないため実際にはほとんど使われていない。本論文は標準の指標を、データのみで計算できるもの、基準データから学習またはパラメータ設定できるもの、自動化できないものに分類し、自動化可能な二つの類型について実装ガイドラインを提案する。オープンソースライブラリdqmeasure（20指標）で実装し、誤りの注入数が増えると指標値が単調に低下し、下流の機械学習性能とも連動することを示した。
説明機械翻訳の品質アノテーションにおける大規模言語モデル：人間もモデルも課題に直面
要約本論文は、大規模言語モデルが機械翻訳の品質評価においてMQMとESAの二つの評価方式で人間の注釈者とどの程度一致するかを検証しています。70の言語対の長文テストセットとWMT23、WMT25の公開データを用いています。モデルは一部のタスクで人間同士の一致を上回るものの、方式、言語対、分野によって大きく変動し、多くの場合は信頼性が低いと結論づけています。
説明RADAgent：プライベートなオープンソース大規模言語モデルによるRADseq解析パイプラインの自動化
要約RADseq（制限酵素部位関連DNAシーケンシング）は、制限酵素でゲノムの一部を抽出して低コストで多数の個体を解析する簡略化ゲノム解読法で、集団ゲノミクスなどに広く使われますが、完全な解析には複数ツールと工程の専門家による調整が必要です。本論文は、RADseqワークフローを独立に実行・検証できる16個のエージェントモジュールに分け、オープンウェイトの大規模言語モデルで動かすRADAgentを提案しています。19集団・476サンプルの実データで評価し、ゲノムデータとモデルの実行をローカル環境内に保ったまま、全工程を信頼性高く自動化できたと報告しています。
説明言語により注目させる：視覚的近道を除去しVLAの汎化性能を高める研究
要約本論文は、ロボット学習における近道学習（ショートカット学習）の問題を扱う。限られた実演データのため、方策が視点や背景など課題と無関係な視覚特徴に依存してしまう恐れがある。著者らは、視覚・言語・行動（VLA）モデルの異なる視覚言語バックボーン間で、視覚的近道への感受性が大きく異なることを示し、方策の実行を必要としない表現レベルの指標「アクションマージン」を提案している。さらに、視覚的近道の利用確率を下げる領域敵対的学習手法「タスクスクラビング」を導入し、シミュレーションと実機の実験で分布外の頑健性向上を確認したと報告している。
説明「空気を読む」：LLMにおける規範的能力の基礎、設計、課題
要約本論文は、大規模言語モデルが事前学習の静的知識に頼らず、対話のみからコミュニティが実際に強制している規範を推論できるかを検討します。著者らは合成規範によって討論への参加が決まるマルチエージェント討論環境を設計し、さまざまな規範推論モジュールを試しました。その結果、ベースラインのモデルは正確さが向上する場合でも規範を学習できず、規範への従い方は規範の種類とモデルに強く左右され、規範外の無関係な振る舞いも無差別に模倣することが示されました。
説明音声品質指標はどれほど攻撃されやすいか：修正された評価プロトコル、ベンチマーク、パッチの効果
要約本論文は、報酬信号として使われる音声品質予測器が敵対的摂動によって騙されうるかを検討する。著者らは既存の測定法に二つの欠陥があると指摘する。一つは、ニューラルコーデックなどの処理チェーン自体がスコアを動かすため、未摂動の往復結果を基準にすべきだという点。もう一つは、単一の学習済み攻撃者は一回のサンプルにすぎず、複数の攻撃者の最悪ケースを取るべきだという点である。この協定に従うと、NISQA・SSL-MOS・DNSMOS・UTMOS の攻略率はそれぞれ 90%、21%、14%、6% であった。また、攻撃・検知・修正のループを検証し、効果が限定的で、ドメイン外ではシステムの相関が低下することを示している。
説明Gen-PINNs：偏微分方程を解くための生成的敵対的物理情報ニューラルネットワーク
要約物理情報ニューラルネットワーク（PINNs）は、データを使わず機械学習で偏微分方程式を解く広く使われた手法です。本論文は標準的なPINNsのスペクトルバイアス、損失の不均衡、最適化の停滞といった限界を指摘し、急峻な構造や衝撃波の前線を持つ方程式の解を改善するため、敵対的学習を組み合わせた決定論的残差フレームワーク Gen-PINNs を提案しています。Burgers、Allen-Cahn、Kuramoto-Sivashinsky などの非線形・高次の方程式で標準PINNsと比較し、精度と収束性が大きく向上したと報告しています。
