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。
説明少ないほど確かに：密な参照から疎な動画推論を強化学習する
要約本論文は、動画言語モデルは時間的情報が多いほど推論が確かになるという前提に疑問を投げかけ、限られた時間的証拠のもとで信頼できる推論を学ぶことが重要だと主張している。提案手法SAVERは、学習時に密なフレーム視点を参照として用い、疎なフレームからの推論を改善する事後学習フレームワークである。時間的グラウンディング用の1,250件のランダムサンプルのみで学習され、3つの時間的グラウンディングと6つの動画QAのベンチマークで性能向上を示し、一部では密なフレームのQwen3.5ベースラインに匹敵または上回るとされる。
説明拡散ドラフトに基づく投機的デコーディングのための因数分解ガイド付き学習・推論手法（DScout）
要約本論文は大規模言語モデルの推論を高速化する投機的デコーディングを対象とし、拡散ドラフターの学習と推論を二つの因数分解で導くDScoutを提案している。六つのベンチマークで、Qwen3-4BとQwen3-8Bに対し自己回帰デコーディングより平均3.84倍と4.14倍の高速化を達成し、従来の最良ベースラインより平均でそれぞれ9.1%と7.1%向上したと報告している。
説明SPLIT-RL：視覚推理と言語推理を段階的に学習する強化学習手法（主張レベルのアドバンテージ付き）
要約本論文は視覚言語推理を対象に、視覚推理と言語推理を別々の段階に分けて行う強化学習後学習手法 SPLIT-RL を提案し、視覚段階の推論過程を原子的な視覚主張に分解して細粒度のアドバンテージを与える CLA-GRPO も導入している。著者らは、Qwen3-VL（2B〜30B-A3B）と InternVL3.5-8B において、SPLIT-RL が GRPO より平均精度で高いと報告している。また、最終解答のみを報酬とする GRPO では知覚能力が変わらないのに対し、SPLIT-RL は視覚と言語の両方の推理を改善すると述べている。
説明分散型協調継続学習：多目的最小化に基づく手法
要約本論文は分散型継続学習を多目的最適化の枠組みで定式化します。各エージェントは局所計算と隣接エージェントとの情報交換のみを行い、タスクは時間とともに順次出現します。過去のタスクの一部のサンプルを局所メモリに保存し、現在のタスクと既習タスクを合わせて更新することで知識の保持を図ります。平均二乗誤差の意味での解析により、エージェント間の協調が継続学習の性能を高めることが示され、シミュレーションで忘却の低減と平均MSDの改善が確認されています。
説明エージェント型オンポリシー蒸留のための確率的教師介入（STI-OPD）
要約本論文は、多ターンのエージェントタスクにおけるオンポリシー蒸留のためのSTI-OPDを提案します。教師と生徒の方策の差異に基づいて、教師生成の行動で生徒の行動を確率的に置き換え、重要度重み付き逆KL目標で混合方策の軌跡から学習します。著者らは、ツール統合型推論と長期インタラクションのタスクで、評価したすべてのベンチマークと生徒モデルの規模において、従来の最強のOPDベースラインを上回ったと報告しています。
説明街灯の下で探す：生成的分子動力学における評価の課題
要約この立場論文は、生成的分子動力学（GenMD）分野の評価が適切に行われていないと主張しています。現在の評価では、モデルが報告された結果には合致しても、主張された内容について誤りうるため、古典的な基準手法に対する優位性を過大に主張するおそれがあります。著者らは、正解となる対象系の完全な分子動力学計算には高い計算コストがかかるため、評価が便利な代理指標に偏り、その慣行が規範として定着すると指摘しています。そのうえで、観測量、報告基準、ベンチマーク設計に関する具体的な提案を示しています。
説明バロン最適輸送I：生成モデリング——ニューラルネットワークの複雑さを輸送コストとする測度輸送の枠組み
要約本論文は、ニューラルネットワークの複雑さで輸送コストを測る最適測度輸送の枠組みを提案します。Benamou-Brenierの運動エネルギーをBarron エネルギー（Barron energy）に置き換え、確率測度の空間に新しい距離を定めます。これをWasserstein幾何やStein幾何を補完するものとして位置づけています。さらに、ガウス分布のニューラルネットワーク押し出しから生成されたデータに対して、拡散生成モデルのスコア近似に超多項式の下界が成り立つことを示し、その次善性を定量化しています。
説明疎な注意機構は値の寄せ集めからの選択ではなく行列近似である
要約本論文は、大規模言語モデルの注意計算コストがプロンプト長の二乗で増えるという課題を扱います。既存の疎な注意手法は大きな注意値を残すだけで、注意行列を値ベクトルとの積で出力を決める構造化行列として扱っていないと指摘します。著者らは行列近似疎注意（MASA）を提案し、各疎単位が積の近似誤差をどれだけ減らすかを閉形式のスコアで測り、既存手法にプラグインとして追加できるとしています。複数の手法、ベンチマーク、モデルで精度向上が報告されています。
説明分散低減付き変換サンプラー：学習可能な変数変換で制御変量を構成し、モンテカルロ推定の分散を下げる手法
要約本論文は、マルコフ連鎖モンテカルロ（MCMC）における期待値推定を扱い、良い制御変量にはサンプラーのポアソン方程式の解が必要だが、それは通常閉形式では得られないと指摘する。正規化フローなどの全単射を学習して目標分布を潜在空間で参照分布に近づけ、マルコフ核とその解が全単射によって変換されることを示す。これにより明示的な制御変量が得られる。合成目標と実際の事後分布で、既存のサンプラーおよび制御変量法と比較している。
説明人間の聴取者からの強化学習による会話音声の審美モデル
要約本論文は、自然な会話文脈における実音声や合成音声の応答の声の審美的特徴を記述する音声大規模言語モデル「CVAM」を提案する。モデルは声の特徴を表す重要な箇所を説明し、性別、ピッチ、話速、感情、話し方など9種類のカテゴリ属性を予測する。研究では、CANDORコーパス由来の実音声と合成音声の応答3千件に、それぞれ約10人の人間による注釈を集めた。CVAMは合成された審美的記述とラベルで教師ありファインチューニングを行った後、Group Relative Policy Optimization（GRPO）により人間の判断に基づいて最適化された。実験では、CVAMは Gemini 3.1 Pro やオープンソースの音声LLMより人間の聴取者と高い一致を示した。
説明生命様ネットワークオートマトン規則の形状の不規則性と分類性能の指標
要約本論文は、生命様ネットワークオートマトン（LLNA）が生成する時間的パターンを用いて複雑ネットワークの記述子を抽出し、ネットワークを分類する手法を扱います。著者らは、遷移関数がのこぎり形状にどれだけ似ているかを表す「ジャグネス（jaggedness）」という指標を提案し、これが混沌性と感度の理論的な代理指標になると論じています。この指標で導く探索手法は、全体最適の5%以内の分類精度を保ちつつ、総当たり探索に比べて計算コストを90%削減したと報告されています。
説明ルーティング付きスパースオートエンコーダによる言語情報と準言語情報の分離
要約自己教師あり音声エンコーダは、言語情報と話者・感情・韻律などの準言語情報を同じ混在した表現空間に持っています。本研究はTopKスパースオートエンコーダに経路ごとの教師信号と因子間の敵対的制約を組み合わせ、両者を別の経路に分けます。凍結したSPEARとWavLMエンコーダで、独立したプローブは言語経路が言語情報を保持し、準言語因子は準言語経路に保持されて言語経路では大きく減ることを示しています。
説明メッシュベースのニューラルエネルギー法：不均質複合材料のシミュレーションへの応用
要約本論文は、形状関数による変位場のメッシュ離散化を取り入れたメッシュベースのニューラルエネルギー法（M-NEM）を提案している。従来の配置点型（C-NEM）で生じる非物理的な変位振動を抑え、自動微分の代わりに代数的な形状関数の導関数でひずみを計算し、高次ガウス求積でエネルギーを積分する。直接比較可能なベンチマークでは、応力誤差がC-NEMより最大3桁小さく、計算は1〜2桁速い。剛性差の大きい2つのベンチマークでは、M-NEMのみが収束した。
説明大規模言語モデルで行動データから集計的な購入率を予測する手法の比較
要約本論文は、大規模言語モデル（LLM）を使ってユーザー集団を模擬し、閲覧セッションから商品ごとの転換率を、タスク専用の学習なしで予測する方法を検討しています。セッションを要約してから推論する方法と、個々のセッションごとに予測して平均する方法、また商品を単独で評価するか一つのプロンプトで比較評価するかを比べています。比較型の要約は15の条件中12で観測転換率とのスピアマン相関が最も高く、推論コストもセッション方式よりずっと小さいとされています。最良モデルでは、数千件のラベル付きデータで学習した教師あり基準の66〜89%の相関を達成しています。
説明少ステップ蒸留テキスト画像拡散モデルにおける選好駆動型アンラーニング手法
要約テキストから画像を生成する拡散モデルは高速化のため少ステップ版に蒸留されていますが、有害な内容を生成するおそれがあります。本論文は、既存のデータ駆動型アンラーニング手法が多ステップのノイズ除去過程を前提としているため、少ステップ蒸留モデルでは効果が低いと指摘しています。また、基盤モデルでアンラーニングして再蒸留する方法は計算コストが大きいとしています。そこで著者らは、少ステップ生成の特性に合わせて直接選好最適化（DPO）を修正した枠組みを提案し、身元および性的ヌード内容の除去を中心に評価、物体単位への拡張も検討しています。実験では、忘却効果が一貫しており、他の能力も良く保持されたと報告されています。
説明RFChipAgent：アナログ/RFチップ設計向けマルチエージェントAIフロー
要約本論文は、大規模言語モデルのエージェント群が協調してアナログ/RF回路の設計を端から端まで自動化する手法RFChipAgentを提案しています。システムは、文書検索による知識抽出、トポロジ選択と回路・テストベンチ生成、TPEとCMA-ESを組み合わせた閉ループのサイジング最適化、検証済みデータを蓄積する仿真データベースで構成されます。GF22FDSOIの60 GHz広帯域ミリ波低雑音増幅器で検証され、設計工数の大幅な削減と签核品質の検証の維持が報告されています。
説明自己教師あり学習によるキーフレーム発見：時系列長に不変な行動クローニング
要約非マルコフ環境における行動クローニング（BC）を扱い、過去の重要な観測（キーフレーム、Keyframe Mnemonics）を自己教師あり学習で発見する手法を提案している。ランダムに抽出した過去の観測から目的関数を学習し、それを報酬としてキーフレームを選ぶ。発見したキーフレームのみを条件とする方策を学習する。合成記憶タスクでは成功率100%を達成し、学習時より桁違いに長い時系列にも性能を落とさず汎化した。23タスクの記憶集約型ロボット操作ベンチマークでは、最強のベースラインより平均で13.9ポイント高い成功率を示した。
注目点非マルコフ環境の行動模倣において自己教師あり学習で重要フレームを発見する手法を提案し、23タスクと実ロボットで比較検証している。
説明KDFP：大規模言語モデルの知識蒸留に対する第一原理的アプローチ
要約本論文は、大規模言語モデルの一般的な知識蒸留のためのホワイトボックス手法 KDFP を提案しています。大型の教師モデルの表現を用いて小型の生徒モデルを訓練する手法です。著者らは 9 つのベンチマークで既存手法を 1.6％〜4.9％上回り、一時的パラメータの削減により学習効率を最大 99.1％向上させたと報告しています。
説明予測適合度は近いが潜在動態は異なる：脳疾患の個別化モデルにおける学習された動的構造の特徴づけ
要約本論文は、軽量なCNN-Transformer脳波基盤モデルで区間表現を抽出し、被験者ごとに疎な多項ロジスティック遷移モデルを当てはめて個別の遷移依存グラフを得ています。198名の被験者（てんかん99名、非てんかん99名）を分析したところ、てんかん群の依存構造は有意に密でしたが、留保対数尤度と次状態予測の性能はほぼ同じでした。予測性能が近くても学習された動態は同じとは限らないため、個別化された臨床モデルでは内部構造も併せて評価する必要があると述べています。
説明LLM向け償却型オフポリシー評価（PFN-OPE）
要約本論文は、実ユーザーに未検証モデルを晒さずに、デプロイ候補の大規模言語モデルをオフラインで評価する手法PFN-OPEを提案しています。複数の文脈付きバンディットタスクで一度事前学習し、テスト時には1回の順伝播でデータセットから価値推定を行い、タスクごとの再学習は不要です。HelpSteer2とUltraFeedbackにおいて、Qwen・Llama・Gemmaの方策を用いた報酬が変化する設定で、最良の基準手法より2.0〜9.3倍低い誤差を示したと報告しています。
説明AIのための本当の長期記憶：再計算より速く安い、5000万トークンのメモリ層
要約本論文は、オープンソースパッケージgalahad-kv（KV状態を暗号化してローカルNVMeディスクに保存し、再計算なしでバイト単位に読み戻す記憶層）を検証しています。NVIDIA H100一台でGemma 4 12Bと31Bを用い、実在する公開テキスト5000万トークンを処理したところ、探査したすべてのブロックが再計算なしで読み戻され、読み込みは再計算より2.8〜4.3倍速く、GPUエネルギーは8.8〜12.3分の1でした。ただし、これは注意窓の拡大ではなく保存済み状態の再利用であり、回答の精度はモデルに依存し、保存には数テラバイトのローカルディスクが必要だと述べています。
説明TerraAgent：デモンストレーションに基づくマルチエージェント推論による長文脈リモートセンシング視覚質問応答
要約本論文は、リモートセンシング視覚質問応答（RS-VQA）において、現状の評価が正解率のみで、回答が画像に実際に依存しているかを示せない点を指摘しています。著者らは、学習を必要としないフレームワークAVAを提案し、地上解像度ごとに示例を検索して画像に裏付けられないものを除外するGDR、質問を証拠付き部分問題に分解して証拠を記録するMACE、反事実的摂動で回答を監査する視覚依存度評価CVAの三モジュールで構成しています。複数のデータセットで精度が向上し、事前知識のみによる回答率と幻覚率が低下したと報告しています。
説明『On the Clock』：時間予算下で時間厳守かつ生産的に動くAIエージェントに向けて
要約本研究は、小規模な大規模言語モデルのエージェントが明示的な実時間の予算の下で、割り当てられた実行時間を守りつつ利用可能な時間を有効に使えるかを検討しています。MLE-Bench Liteの5つのコンペティションとZork I（Jericho）で評価を行いました。フレームワークを通じて時間情報を与えると予算の遵守が大きく改善し、GRPOによる強化学習はZork Iで予算をほぼ完全に守りましたが、MLE-Benchでは課題性能の向上は見られませんでした。時間を守ることと時間を生産的に配分することの間には依然として差があると報告されています。
説明MotherTree：合成データによるメタ学習で決定木の学習を改善
要約本論文は、表形式Transformer「MotherTree」を提案しています。合成的な事前分布でメタ学習し、新しいタスクの訓練データから、1回の順伝播で軸に沿った決定木を出力します。参照木による教師は不要です。制御されたサンプルサイズのベンチマークで、同規模の既存アルゴリズムの木と競合し、初期化として使うと、ゼロから学習した手法より優れた結果を示しました。
説明部分検証下でのコンフォーマル予測：同一の予測集合を保ちながら検証コストを削減する手法
要約コンフォーマル予測は有限サンプルの保証付きで予測集合を与えますが、較正に必要なラベル検証は高コストになりがちです。本論文は、完全検証と全く同じ予測集合を返す部分検証法を提案します。共形閾値を決定するのに十分な検証情報である較正証明書を特徴づけ、較正例の間で検証を調整する手順を設計しています。検索、数学の解答、構成評価の実験では、較正例を一つずつ検証する方法と比べて検証コストが15〜82%減少し、予測集合は同一でした。
説明マルチモーダル文脈内学習のための、スレッド解決型デモ選別と一貫性キャリブレーション（TraceICL/AVA）：学習不要の改良手法
要約本論文は、画像と文章の対応づけの誤り、冗長な例による有益な例の押し出し、ノイズのある回答の転写といった課題に対し、学習を必要としないフレームワーク AVA を提案します。AVA は文脈の分解、影響度スコアに基づく例の選別、弱いモデルとの一貫性による重み付けの三段階からなります。五つの視覚言語ベンチマークでの交互配置4-shot設定において、同条件の最強ベースラインに比べ平均1.7ポイント向上し、VizWiz では最大2.4ポイント向上しました。延迟は26%増加します。
説明大規模文法概念アノテーション：微調整した小型言語モデルがプロンプト型フロンティアモデルを上回る
要約本論文は、授業中の訂正フィードバックが文法習得の把握に十分つながらない問題を扱い、フィルタ・再バランスした教師生成データでQwen3.5の小型言語モデルを微調整しています。0.8Bモデルを英語学習プラットフォームの文法習得トラッカーに展開し、2つの人手作成ベンチマークで、展開した0.8Bモデルと4B参照モデルがプロンプト型のGPT-5.4およびGPT-5.6 Solを精度・再現率で上回りました。サービングコストは約16分の1に減り、オンライン実験では学習者のエンゲージメントが15.8%向上しました。
説明フローマッチングにおける速度スケーリング：集団時間遅れに関する研究
要約本論文は、フローマッチングモデルで学習した速度場にゲインを掛けるスケーリングを検討している。著者らは、このスケーリングが主に集団時間遅れ（モデル時刻tでサンプルされる状態が訓練時のより早い時刻の状態に似ること）を減らすことを示し、平均二乗誤差による訓練が速度の大きさを過小評価するという従来の説明を否定している。ImageNet-256でガイダンスなし・NFE 25の条件下、測定した時間遅れに基づきゲインを選ぶことで、FIDが28.0から12.2に改善された（隣接するゲインでのFIDからの線形補間による推定値）。
説明長期タスクのスキル接続部における観測空間シフトの診断と回復
要約独立に学習させたロボット操作スキルを連結して長期タスクを行う際、後続スキルが前のスキルが残した状態から始まるため性能が落ちる問題（観測空間シフト、OSS）を研究しています。主な原因は関節配置や操作対象物ではなく、移動してしまったシーン内の物体であると分析しています。そこで、停滞を検出し、シーンを復元してから再開する手法を提案し、BOSS-44ベンチマークで全連鎖成功率を7.6%から26.5%に改善しました。実機のFrankaアームでも予備的に検証されています。
説明介入的転移によるルーブリック生成の評価手法
要約本論文は、大規模言語モデル（LLM）が生成した評価ルーブリックの品質を評価する手法「介入的転移（Interventional Transfer）」を提案しています。二つのルーブリックは、回答を合格・不合格に変える摂動を加えたときに同じように得点が動くなら類似していると見なします。HealthBenchでの事例研究では、生成ルーブリックと専門家ルーブリックの間に非対称性が見られ、一方での減点は他方に移るものの、加点は他方に確実には移らないことが示されました。著者らは、この結果がLLM生成ルーブリックを性能監視や改善に使う際に重要だと論じています。
説明3チャネルのスコア衝突における制御された情報取得と棄権の研究
要約この論文は、音声・映像・テキストの判断が食い違う場合に、追加の情報源を取得すべきか棄権すべきかを、制御された3スコアのベンチマークで検討しています。閾値方策、多数決の参照方策などを比較し、予算と報酬設定が選択の価値にどう影響するかを分析しています。その結果、選択の価値は予算の大きさと観測されたスコアペアの順位に依存することが示されています。
説明非正規化分布のための記号的密度推定
要約本論文は、観測サンプルから非正規化分布の記号的（解析的）表現を推定する枠組みを提案します。相互作用の範囲や事前定義された基本関数の集合などの領域固有の事前知識を利用します。深層生成モデル（フローモデルおよびスコアベースモデル）と記号回帰（SR）を組み合わせ、問題を扱いやすくするために大きな分布の因数分解などの帰納的バイアスを取り入れています。多変量の玩具分布、およびXYモデルとφ⁴理論の格子系での実験で有効性を示し、φ⁴理論の繰り込み問題では、異なるスケールにおけるハミルトニアンのコンパクトな記号近似をサンプルから直接推定しています。
説明誰にとっての正解か？人間中心のAIにおける曖昧さを受け入れる
要約この立場論文は、人間に関わる多くの課題では人間の解釈そのものが曖昧で、同じ入力に対して複数の妥当な解釈が同時に成り立ちうると指摘しています。従来の機械学習は単一の正解を前提とし、アノテーションの差異を集約するかノイズとして扱ってきました。著者は、妥当な人間の判断の解釈空間をモデル化し、意味のある曖昧さとアノテーションのノイズを区別すべきだと主張しています。
説明嗜好が異なる場合、順位付けに必要な繰り返し一対比較の回数は？
要約本論文は、ユーザーやタスクによって嗜好が異なる場合に、一対比較から平均効用が最も高い選択肢の順位を推定する方法を研究しています。原文によれば、ユーザー数が多くても各ユーザーが一度だけ比較したのでは、平均効用が最も高い選択肢を特定できない場合があります。著者らは、各文脈での必要な繰り返し比較回数がΩ(1/Δ²)となる素朴なMLEベースの手法に加え、O(log(1/Δ))で済む複数のMLEベースの変種と乱択型のRussian Roulette方式アルゴリズムを提案し、この対数依存性が最適であることを証明しています。Russian Roulette方式の期待比較回数は文脈あたりO(1)です。
説明診断輸送によるあいまい集合の校正を用いた分布ロバスト最適化
要約分布ロバスト最適化（DRO）は、あいまい集合上で最適化することで分布の不確実性から意思決定を守りますが、集合の形状が実態と合わないと半径が大きくなり、過度に保守的な決定になることがあります。本論文は診断輸送DRO（DT-DRO）を提案し、ホールドアウトの校正データを使って観測された予測誤差に合わせてあいまい集合の形状を調整します。計算可能な双対定式化が得られ、有効な半径と決定リスクの保証も示されています。合成実験と停電への応用では、構造的およびテールの誤指定のもとで決定の質が改善することが示されています。
説明NavGPT-3：階層型ナビゲーション実行環境で文脈を活用する具現化エージェント枠組み
要約本論文は、言語モデルの推論と低レベルの行動方策を接続する枠組み NavGPT-3 を提案し、推論・行動・監視をスレッドとして調停する OS 型の実行環境を上に構築しています。下層の行動方策 NavGPT VLA は 1928 万件の例で学習されています。R2R-CE と RxR-CE で高い成功率を報告し、RxR-CE では人間の追従者と成功率・経路忠実度がほぼ同等で、1 エピソードあたりの所要時間も短いとしています。
説明Plan-and-Patch：エージェント計画のための拡散言語モデル
要約本論文は、拡散言語モデル（dLLM）が計画を並列に生成し、影響を受けた部分だけを前後の手順を保ったまま修復する Plan-and-Patch フレームワークを提案しています。タスク固有の学習なしの Natural Plan では、拡散モデルの計画修復成功率は 53.7%、自己回帰モデルは 27.0% でした。ALFWorld と TextCraft では生成成功率は同程度で、計画生成の平均遅延は自己回帰モデルに比べ 39〜46% 削減されました。
説明VICO：視覚環境とモデルが共進化する視覚言語モデル推論手法
要約本論文は、視覚言語モデルの訓練環境をモデル能力に合わせて同時に進化させるVICOフレームワークを提案しています。環境改変器（EnvRewriter）が、シーングラフ、グラフの表、保護領域マスクなどの検証可能な画像構造を編集・再描画し、モデルの現在の正答率に基づいて難易度を調整した訓練サンプルを生成します。9つのマルチモーダルベンチマークで、VICO-8Bは基盤モデルに対し域外タスクで最大5.0%向上し、図表特化型のRLVR手法と同程度の性能を、16〜160倍少ないラベル付きサンプルで達成しています。
注目点俳優と視覚環境を共進化させる枠組みを提案し、合格率報酬で難易度を調整。九つのベンチマークで基線を上回り、証拠は比較的充実。
説明MemoWM：世界モデルがエージェントの記憶すべき内容をどう変えるか
要約本論文は、経験を蓄積し続ける長期稼働エージェントの記憶容量の問題に取り組みます。世界モデルを用いて各経験ごとの保存量を減らすフレームワーク MemoWM を提案し、共有予測で情報を圧縮して省略部分を再構成し、再構成誤差と保存コストのバランスを課題の価値に基づいて配分します。五つの長期エージェント記憶ベンチマークで平均正答率 42.42% を達成し、最も保存効率の高いベースライン MIRIX に比べて単一経験あたりの平均保存量を 53.9% 削減したと報告しています。
説明NEMORA：長距離原子学習のための神経等変多重極演算子
要約本論文は、高速多重極法（FMM）の多重極展開と並進演算子を学習可能な等変演算子へ拡張したNEMORAを提案し、機械学習による原子間ポテンシャルで長距離のテンソル表現を学習させる手法を示しています。適応的な空間階層上で動作し、計算量とメモリ量は線形で、数十万個の原子からなる系を扱えるとされています。非局所ベンチマークでは、短距離バックボーンに比べて力とエネルギーの誤差をそれぞれ一桁以上、最大で三桁削減したと報告されています。
注目点高速多重極展開を学習可能な等変演算子に拡張し、線形計算量で物理的事前知識を保持。力とエネルギー誤差の大幅低減を示し、根拠は比較的充実している。
説明AI媒介の自己：HCIは自己をどう定義し、どう関わるか
要約本論文は102本の論文を分析したスコーピングレビューで、人間とコンピュータの相互作用（HCI）分野が自己をどう定義し、AIと自己の関係をどう概念化しているか、またAIが自己性と絡み合うときにどのようなリスクが生じるかを検討しています。「AI媒介の自己」という概念の傘を提示し、自己の六つの枠組みと四つの倫理的リスク領域（能動性・自律性、アイデンティティ・著作性、関係能力、意味形成）を整理しています。さらに、AIと自己の関係を近接性の連続体上に位置づける「AI自己包含」の枠組みを紹介しています。
説明エネルギー転換における価値創造のための戦略的投資意思決定：強化学習によるアプローチ
要約本論文は、低炭素転換期のエネルギー企業が行う投資判断を扱っています。2050年までのエネルギー環境を模擬するシミュレーション環境を構築し、石油・ガス、再生可能エネルギー、CO2削減の3分野への資金配分を検討する多目的の逐次意思決定フレームワークを設計しました。目標は利益最大化、CO2の社会的コストの低減、再生可能エネルギー分野での競争優位の強化です。強化学習を用いて不確実性の下での最適な投資方針を探り、人手で定めた基準方針と比較したところ、適応性と長期的な価値創造の面で上回ったと報告しています。
説明線形アテンションは非線形の教師から文脈内で何を学べるか？
要約本論文は、文脈内学習における線形アテンションモデルの能力を、非線形の単一指標ターゲット y=f(x·w)+ε へと線形回帰の既存理論を拡張して検討しています。線形アテンションが抽出するのは f の線形 Hermite 成分のみであり、残りの非線形構造は汎化誤差に実効的なノイズとして寄与することを示しています。そのため線形理論の結果を非線形タスクへ転用でき、有限の事前学習データや、タスクの多様性が増すときの記憶から汎化への移行についても論じています。
説明DOGS：プロンプト駆動型ロゴ生成のための設計空間サンプリング手法
要約この論文は、テキストから画像を生成する際のプロンプト最適化が主に文章の書き換えで行われてきたが、ロゴのような構造化された設計タスクには適さないと指摘しています。著者らは、多数の実在するロゴから型付きの設計文法を抽出し、GFlowNetサンプラーで認識しやすさ、美しさ、コーパスに対する独自性を組み合わせた報酬に基づき設計グラフを生成するDOGSを提案しています。論文では、九つのベースラインと比べて認識性と美しさが高く多様性にも優れ、商標侵害の起こりにくいロゴが生成されると報告しています。
説明MESSENGER：自己回帰的な次フレーム予測によるメモリ強化型シーケンシャルシーンフロー推定
要約本論文は、動的シーンにおける3次元の動き（シーンフロー）の推定を扱います。従来の2フレーム手法は長期的な時間的相関に欠け、長期予測も苦手でした。提案手法MESSENGERは、過去のフロー推定値と潜在状態を記憶バッファに保存して参照し、次フレームを予測します。さらに不確実性を考慮した再重み付けモジュールで信頼性の低い検索結果を除外します。nuScenesとArgoverse 2での実験では、長期未来外挿のEPE3Dがそれぞれ71.6%、67.7%削減されたと報告されています。
説明まず明確化し、次に焦点を絞る：大規模な会話分析のための発話の正規化
要約本論文は、数百万件の対話を分析する際に同じ解釈作業が繰り返されるコストの問題に取り組んでいます。対話を、話者が明記され、出典が示され、意味タグが付いた短い陳述に正規化し、質問ごとに関連する証拠を選択する方法を提案しています。顧客対応通話における割引抑制タスクでは、正規化により選択を行わない教師あり分類器の性能が向上し、弱いプロンプト型リーダーは正規化と選択の両方から利益を得たと報告されています。著者らは、この共通の前処理により小規模モデルのみで構成された推論パイプラインが可能になり、大規模な会話分析のコストを下げられると述べています。
説明CORAL-KV：自己回帰型ビデオKVキャッシュのための軽量なクロスレイヤ予測と残差符号化
要約本論文は、自己回帰型ビデオ拡散モデルで増え続けるアテンションのKVキャッシュがメモリを圧迫する問題を扱い、CORAL-KVという圧縮フレームワークを提案しています。各層のキャッシュ状態から後続層のキーと値を予測し、残りの予測残差を量子化する方式で、ブロック対角と低ランクを組み合わせた軽量な予測器を用います。HY-WorldPlayとMAGI-1での評価では、QVG系手法と比べて少ないキャッシュメモリでPSNRが向上したと報告されています。
説明TraceQuery：完全なデノイジング軌跡から再計算すべき位置を学習する（拡散言語モデル）
要約拡散型大規模言語モデルは反復的なマスク付きデノイジングで文章を生成しますが、各ステップで多くの表現を繰り返し再計算するため推論コストが高くなります。本論文のTraceQueryは、完全なデノイジング軌跡を手がかりに、未確定の一部の位置だけを新たに計算する手法です。近い将来に軌跡に関係する少数の位置を予測し、それらだけを再計算した上で、バックボーンモデルが新しい予測から確定する語を選びます。論文によれば、キャッシュ型手法の中で品質と計算量のトレードオフが最も優れ、複数のタスク、モデル派生版、モデル系統にわたって有効だとされています。
説明表形式データに対する対話型タスク曖昧性解消：情報漏洩を考慮した定式化、ベンチマーク、学習手法
要約本論文は、表やデータベース上で、対話によりユーザーの意図を確認してから解を出す問題を扱います。著者らは「曖昧な検証可能タスク」の枠組みを提案し、エージェントを質問方策と解生成方策に分け、オラクル漏洩の定義と評価指標を示します。テキストからSQLへの応用としてAmbiTabベンチマークを構築し、強化学習で質問方策を訓練した結果、6つのデータセットで曖昧性解消指標が、5つでタスク成功率が向上したと報告しています。
説明非可逆圧縮テキスト自己符号化器：データ圧縮と表現学習の交差点でテキストの圧縮潜在表現を学習する研究
要約本論文は、時間軸に沿って隠れ表現の残差ダウンスケーリングとアップスケーリングを行い、残差の低次元離散ボトルネックを備えた自己符号化器を提案します。量子化手法、学習目標、データセットの違いについて分析し、さまざまな圧縮率で、元のテキストと復元テキストの類似性を表層レベル（BLEU）と大規模言語モデルによる評価に基づく意味レベルの両方で評価しています。また、質問応答と意味的テキスト類似度の下流タスクでも検証しています。論文によれば、ウェブテキストでは1バイトあたり2.24ビットで、可逆テキスト圧縮アルゴリズムと同等の圧縮表現が得られ、復元と下流タスクの性能も良好です。
説明認知温度計：機械学習と論理的複雑さ
要約本論文は、人間の心が意味カテゴリーをどのように表現するのか、また自然言語がなぜ特定の意味を好むのかを検討します。従来は論理的定義可能性と複雑さに基づく説明が用いられてきましたが、それらは論理言語の選択に強く依存します。著者は、機械学習のほうが意味的複雑さを測る上でより中立的な方法になりうると提案します。論理と機械学習は相対的な複雑さについて一致する結果を示すことが多く、食い違う場合には学習の方が論理的複雑さより良い説明になると述べています。機械学習モデルを「認知温度計」とみなすことで、記号論理と結合主義的AIを橋渡しする統一的な枠組みが得られると主張しています（英語原題：Cognitive Thermometers: Machine Learning and Logical Complexity）。
説明LinSlot：スロットベース表現から線形表現仮説を用いて属性を教師なしで発見する手法
要約本論文は、生の非構造化画像からオブジェクトとその属性の非交絡表現を学習する問題を扱います。提案手法LinSlotは、線形表現仮説（LRH）を用いてオブジェクト（スロット）と属性（ブロック）を同時に確率モデルで結びつけ、証拠下限（ELBO）を最適化します。実験では、非交絡なオブジェクト・属性表現の発見、スロット空間でのLRHの実証的根拠、画像編集への応用、そして複数データセットでのDCIスコアの向上が示されています。
説明眼鏡の映り込みを除去する：多元データセットOcuBenchと眼部適応型ピクセルMeanFlow手法OcuFlow
要約本論文は眼鏡の反射除去のための多元ベンチマークOcuBenchを提案し、10,280組の制御可能な合成画像ペア、732組の実入力擬似ペア、458枚の独立した実世界テスト画像を含みます。また、幾何適応表現と一段階のpMFを組み合わせ、反射で隠れた眼部領域の再構成に集中するOcuFlowを提案しています。実験では、反射除去の品質、眼部の忠実度、効率で一貫した優位性が示され、コードとデータセットは公開予定です。
説明空間神経計算により再帰型アーキテクチャで無限のコンテキストウィンドウを学習
要約本論文は、ニューロン間の直接的な通信を離散化された偏微分方程式で支配される空間的に発展する場に置き換える二次の再帰型モデルを提案しています。構造化された時空間パターンが暗黙の記憶として機能します。著者らは、このモデルが現在の状態が過去の全状態履歴に明示的に依存する構造化された無限次の再帰型ニューラルネットワークと等価であり、パラメータ数は固定のまま実質的に無制限の受容野を持つことを示しています。また勾配消失と爆発を防ぐ安定性の条件も導出しており、長期ベンチマークで他の再帰型モデルより少ないパラメータで優れた性能を示したと報告しています。
説明Tetris3D：互いに噛み合う物体による3Dシーン生成
要約本論文は、単一画像から3Dシーンを再構成する生成フレームワークTetris3Dを提案します。各物体の生成を周囲の物体の形状と物理的関係に条件付けし、シーン内で幾何学的・物理的に妥当な形状と姿勢を保つようにします。また、物理シミュレーションに基づく120万シーンのデータセットComObを導入し、物体ごとのメッシュと二物体間の物理関係の注釈を含めています。実験では、相互作用領域が遮蔽されている場合でも整合的な形状と姿勢を復元し、生成品質と物理的安定性の両面で最先端の性能を示したと報告されています。
説明『Never Look Back』：一人称視点動画からの三次元物体記憶の持続性の理解
要約本論文は、人の日常活動を観察した一人称視点動画から、具現化されたアシスタントがどのように人間に似た三次元物体記憶を構築できるかを研究しています。物体の位置、移動履歴、文脈的な説明を記録する永続的な記憶システム「Ledger」を提案し、物体が視野から外れた後も保持します。HD-EPICの正解率は29.7%から42.6%に、UCS-Benchは33.8%から38.5%に向上したと報告されています。
説明RLVRにおける探索と最適化を分離する手法（ExpDis）
要約本論文は、検証可能な報酬による強化学習（RLVR）で探索と最適化が互いに妨げ合う問題を扱い、Exploration-Distillation（ExpDis）という枠組みを提案しています。新規性ボーナス付きで探索方策を学習し、正しく高品質な軌跡を選別して、新規性ボーナスなしの生徒方策へ蒸留します。これを数ラウンド交互に繰り返します。7つの数学推論ベンチマークと2つのモデル系列で、同じ時間予算においてDAPOを上回り、pass@kも改善したと報告されています。
説明敵対的学習で訓練されたニューラルネットワークの顕著性マップの疎性を説明する理論研究
要約本論文は、敵対的学習で訓練された深層ニューラルネットワークの勾配顕著性マップが疎に見える現象について、2層ReLUネットワークを対象とした理論的説明を提示します。敵対的学習が、重み減衰と敵対的全変動項を加えた経験リスク最小化と等価であるという既存の関係を基礎としています。データ数とニューロン数が増え、正則化パラメータが適切な速度でゼロに近づくとき、最小化解は最小の勾配とBarronノルムをもつベイズ分類器に収束することを証明しています。ℓ∞攻撃の場合は勾配ノルムが非等方的で、座標軸に沿った疎な勾配が好まれるため疎性が生じます。自然に訓練されたモデルと敵対的に訓練されたモデルについて、勾配のℓ1ノルムと閾値による疎性を評価し、理論結果を実験で検証しています。
説明EngramEdit：条件付きメモリによる大規模言語モデルの知識の分離更新
要約本論文は、DeepSeek Engram などの条件付きメモリ構造を対象とした EngramEdit 手法を提案します。Transformer の主要部分を固定したまま、大規模言語モデルの事実知識を更新します。まず複数の表現で更新後の事実を予測させる目標メモリ表現を計算し、共有 n-gram 埋め込みを共同で更新します。頻繁に再利用される埋め込みの更新には強いペナルティを課し、無関係な知識を保護します。実験では編集成功率がほぼ完璧で、未見の表現や多段階推論でも新しい知識が使え、無関係な知識と一般的能力もおおむね維持されました。
説明Long-WAM：世界・行動モデルの文脈長を拡張する手法
要約本論文は、リアルタイムのロボット制御の制約下で因果的な世界・行動モデルの文脈長を拡張するモデルとシステムの枠組み Long-WAM を提案している。映像基盤モデルを自己回帰（AR）方式で事前学習した場合に、長い履歴がより効果的に活用されることが示されている。RoboCasa GR-1 では、文脈を 0.0 秒から 19.2 秒に延ばすと成功率が 63.3% から 78.7% に向上した。LIBERO-Long、RoboTwin 2.0、DOMINO では比較手法の中で最良の結果を得て、実機（Unitree G1 や YAM など）への展開も報告されている。
説明重い裾のノイズ下での分散型SGD：最適収束率と勾配クリッピングの役割
要約本論文は、重い裾のノイズ（heavy-tailed noise）のもとで分散型確率的勾配降下法（DSGD）の収束性を検討し、局所勾配へのクリッピング（clipping）の効果に注目しています。有界なp次モーメントのノイズを仮定した滑らかな非凸目標に対して、クリップ付きDSGDが次数の意味で最適な収束率を達成することを示しています。また、エージェント数に比例する線形の高速化も示されています。正規化手法と異なり、クリッピングは勾配の大きさ情報を保持するため収束することが示されており、数値実験で理論が検証されています。
注目点重い裾のノイズ下で、クリッピング付き分散SGDが次数最適な収束率と線形な高速化を達成することを示し、正規化との違いも明らかにしている。
説明行動前に言い換える：視覚・言語・行動モデルの言語感度の分析と緩和
要約本論文は、視覚・言語・行動モデル（VLA）が指示文の言い回しに極めて敏感で、一語の変更で成功率が数十ポイント変わることを示しています。著者らは、少数の学習タスクに対する多数の言い換えを評価し、大規模言語モデルで十〜二十の言い換えルールにまとめ、実行時に各指示を一度書き換える手法を提案しています。方法論では方策モデルを再学習せず、固定したπ0の保留タスクで相対16〜27％の改善を報告しています。
説明GRACE：生成を意識した潜在圧縮による高速な動画生成
要約本論文は、動画拡散モデルを高速化するためのフレームワーク GRACE（Generation-Aware Latent Compression）を提案しています。事前学習済みの DiT と互換性を保ったまま動画オートエンコーダを圧縮する手法で、基礎潜在表現を凍結して残差潜在表現を学習し、凍結した DiT の特徴空間で圧縮後の潜在表現を元の潜在表現に整合させます。論文によると、Wan2.1-I2V-14B のトークン数を 8 倍、480x832x81 でのレイテンシを 11.1 倍削減しつつ、VBench 上で圧縮前のパイプラインと同等の生成品質を維持したとされています。
説明グラフ幾何の蒸留：GNNからMLPへの知識ギャップ
要約本論文は、メッセージパッシング型の教師GNNの予測精度を、推論時にグラフを使わないMLPの生徒モデルへ蒸留する方法を扱います。既存手法は教師のグラフ由来の幾何構造をどこで保つべきかを明示しておらず、著者らはこれがスペクトル上の2種類の失敗を招くと指摘します。これを受けて、Ollivier-Ricci曲率を用いた訓練時の蒸留フレームワークG^2MLPを提案し、ノード分類ベンチマークで無グラフ蒸留の基線を上回ったと報告しています。
説明忘却のみの機械学習アンラーニングに記憶が必要な理由
要約本論文は、学習済みモデルと忘却対象のサンプルのみを受け取り、保持データを使えない「忘却のみのアンラーニング」を研究します。同じモデルを生む異なるデータセットが、同じサンプルを削除後に大きく異なる出力を必要とすることを示し、再学習との一致精度の下限を導きます。さらに、任意の削除要求に対応するには訓練データについて多くの情報を記憶する必要があり、単純な閾値学習器では全データセットに及ぶ場合があると述べています。
注目点忘却学習には訓練データの記憶が必要であることを示し、閾値学習器の情報量の下界を与える。新規性と証明の厚みがあり、分野への影響も大きい。
説明RoboJEPA：ロボット潜在世界モデルのスケーリング則
要約本論文は、結合埋め込み予測アーキテクチャ（JEPA）に基づく世界モデル「RoboJEPA」を提案し、12種類のロボット形態にまたがる大規模データで学習させたものです。想像誤差は計算量に対して二次のべき乗則に従い、下流のロボット計画性能も計算量とともに予測可能に向上し、両者は強く相関することが示されています。また、このモデルは単一の目標画像に向けて長期計画を行うロボットエージェントとしてゼロショットで実機に展開できることが示され、チェックポイントと関連コードが公開されています。
説明SciExam for ENSO：AIエージェントは気候モデルを構築できるか
要約本研究は、言語モデルのエージェントが実観測データからエルニーニョ・南方振動（ENSO）の低次確率モデルを構築するベンチマーク「SciExam for ENSO」を提案しています。隠された評価器が、ENSOの統計特性の再現、未観測変数の復元、保留年の予測の三点で評価し、既発表モデルも同じ方法で採点します。十二のエージェントシステムのうち六つが既発表モデルを上回り、主に再構成と予測の精度で優れていました。
注目点既知の答えなしに科学モデルを評価する新ベンチマークを提案し、エージェントのモデルがENSOの二つの対立説と整合する構造を示すが、対象は単一の気候現象に限られる。
説明動画を条件とする生成的な2D-3D手の動き联合復元
要約本論文は、JoHan という統一的な生成フレームワークを提案し、フレームごとの姿勢推定を経由せず、動画から手の動きを直接復元します。モデルは、整合した2Dおよび3Dの局所的な手の姿勢系列を同時に生成し、その時間的ダイナミクスと表現間の対応関係を学習します。困難なベンチマークでの実験では、局所的な手の姿勢と카メラ空間での復元の精度と速度が大きく向上し、フレームごとの姿勢精度を保ちつつ、より滑らかな動きが得られたと報告されています。
説明プロンプトはもっと多くを担うべき：埋め込みモデルにおける検索指示の効果
要約本論文は、非対称検索タスクにおいて検索指示が検索クエリの表現にどのように影響するかを調べています。評価にクエリ側の妨害要素を含めると、単純なタスク指示でさえモデルが正しく従えない場合があることを示しています。著者は、これが現在の埋め込みモデルの学習と評価の方法に起因すると考え、クエリ側の妨害要素を加えて微調整すると大きく改善し、他のタスクへの影響はわずかであると報告しています。
説明RECAST：適応的な証拠ルーティングによって適切な文脈を計算することを学ぶ手法
要約本論文は、異種の検索および計算操作に対する逐次的な意思決定として証拠の構築を捉える RECAST フレームワークを提案し、証拠を単に検索するのではなく能動的に導出できるようにしています。軽量な RouterLM が基本操作を選択または指定し、凍結された CompilerLM がそれを実行可能コードに変換します。証拠が十分と判断されると、凍結された AnswerLM が最終的な解答を生成し、学習には SFT と GRPO が用いられています。著者らは六つのベンチマークで平均成功率75.6%を報告し、三つの未見ベンチマークでゼロショット汎化能力を示したとしています。
説明μを知らなくても使えるパラメータフリーの平滑化オンライン学習アルゴリズム（ERMオラクル利用）
要約本論文は平滑化オンライン学習を扱い、各共変量の条件分布が基底測度 μ に対して密度 1/σ 以下であると仮定します。従来のオラクル効率的手法は μ へのサンプリングか、固定仮説で完全に予測可能なラベルを必要としていました。著者らは、μ を知らない非可知（agnostic）設定で初めて次線形の後悔を達成する、ガウス摂動フォロー・ザ・リーダーに基づくアルゴリズムを示します。このアルゴリズムは μ、σ、時間範囲 T を必要とせず、VC次元 d の二値クラスに対して Õ(d√(T/σ)) の後悔上界を、√d 因子を除いて最適としています。
注目点基底測度の知識なしで不可知設定において劣線形後悔を達成する初のオラクル効率的アルゴリズムであり、後悔界は最適に近い。
説明EmbodiedRSI：仮説誘導型の共進化による、ロボットの能動的な継続学習
要約本論文は、自己進化型のエージェントハーネスであるEmbodiedRSIを提案し、次に探索すべき実験をロボットが自律的に選び、その物理的相互作用の結果をコードとスキルの改善に変換する手法を示しています。快速・低速の二重システム構造、仮説グラフ、情報価値に基づく実験選択などを用いています。RoboCasa365では総合成功率77.0%、LIBERO-Proでは86.8%を達成し、実機へもゼロショットで転移し71.3%の成功率を示したと報告されています。
説明QuadTok：自己回帰画像生成のための四分木ビジュアルトークナイザ
要約本論文は、階層的な四分木構造による視覚トークン化と自己回帰画像生成の枠組みQuadTokを提案しています。視覚的に複雑な領域により多くの表現容量を割り当て、均質な領域は粗い解像度に保ちます。固定の256トークングリッドと比べ、ImageNetでは約10%、COCOへのゼロショット転移では9%のトークンを節約しつつ、再構成品質は同程度です。この枠組みに基づく9.47億パラメータの生成モデルは、ImageNet 256×256でgFID 2.08を達成しています。
説明Sentinel-2を用いた湖沼のクロロフィルa予測のための進化的アーキテクチャ探索
要約本論文は、湖沼のアオコ分類という課題を対象に、元の研究と同じ特徴量および湖ごとの学習・テスト分割を保ったまま、正則化進化法で多層パーセプトロンの構造を探索し、内部交差検証のAUCのみで選択しています。探索された小型ネットワークは、ホールドアウトのAUCを0.790から0.820、精度を0.733から0.748に改善し、学習可能パラメータは409個で、最強の手作業設計の基準モデルより26倍少なくなっています。モデルは約1.6 kBで、衛星搭載型のスクリーニング用トリガーとして利用できる大きさです。
説明太陽光パネル分割におけるAutoresearchからの知見
要約本論文は、コーディング言語モデルが1時間のGPU予算内で学習プログラムを編集し、検証IoUが向上した場合のみ変更を保持するAutoResearchの手法を検証します。固定された実画像分割データで、モデルDeepLabV3-ResNet-50は固定したまま太陽光パネル分割に適用されています。24回の実験を3グループ実施した結果、いずれも1時間の基準を上回りましたが、保持された変更はハードウェア間で転用できませんでした。実画像のみで学習したQwen3-8B構成のテストIoUは0.836で、参照GAN拡張スケジュールの0.833を上回っています。
説明平行移動する平均を持つバンディットにおける最良腕の同定：確率的環境で、各腕の平均報酬の共通のずれを敵対的に変える場合に最良の腕を見つける方法を研究する論文。
要約本論文は、確率的バンディット環境における最良腕同定問題を扱い、「Shifting Means」と名付けた新しい敵対的摂動を提案します。各腕の平均報酬の差は安定したままですが、共通のずれは各ラウンドで敵対者によって決められます。著者らは、Track-and-Stopを含むGLRT停止規則を用いるアルゴリズムが時変のずれの下では失敗することを示し、重要度重みに基づくISMを提案しています。平均の上界Uと劣ガウス報酬の仮定の下で、ISMはδ-正当性を満たし、サンプル複雑度の上界を示します。また、定数倍を除いて一致する最悪ケースの下界も提示しています。
説明BEANS-Next と ROOTS：生物音響向け音声言語能力の拡張
要約本論文は、音響知覚、生物カテゴリ認識、シーン理解、文脈内学習などの生物音響タスクの分類に基づくベンチマーク BEANS-Next を提案し、既存モデルの性能がそれらの範囲で限られていることを示しています。また、実データ、行動・音響メタデータ、音声由来の情報、合成データを組み合わせた大規模学習資源 ROOTS を紹介し、その学習によって BEANS-Next の全タスク群で改善が見られたと報告しています。ベンチマーク、データセット、データパイプラインはオープンソースで公開されています。
注目点多様な生物音響タスクをカバーするベンチマークと大規模学習データを構築し、既存評価を実質的に拡張、学習効果を実験で示した。
説明AbridgeKV：長い推論を学習済みポーズトークンのKVキャッシュに圧縮する手法
要約長い思考連鎖の復号はメモリ律速で、生成トークンのKVキャッシュが推論計算量に比例して増えます。AbridgeKVはモデル自身の出力を圧縮するように学習させ、生成テキストの各ブロックを少数の学習済みポーズトークンのKVエントリに圧縮したうえで、元のキャッシュを解放します。446問の競技数学問題では、生成キャッシュの4分の1を保持するだけで、同条件で学習した完全KVモデルと精度・出力長が同等になったと報告されています。
注目点学習済みポーズトークンへ生成ブロックのKVキャッシュを圧縮する新手法を提案し、ベンチマークとvLLMでの高速化で裏付けている。
説明二段階ソフトマックスサンプリングのクラスタサイズと分散による偏りの補正
要約本論文は、大規模ソフトマックス分布からのサンプリングに用いられる二段階サンプリング（2LS、まずクラスタを選び、次にその中の項目を選ぶ方法）を扱います。著者らは、2LS がクラスタサイズの不均衡とクラスタ内類似度の分散を無視しているため、系統的な偏りが生じることを示しました。これを補正する S-2LS と SD-2LS の二手法を提案し、五つの大規模データセットで改善を確認しています。
説明Agentic RSR：シーン再構築と実行フィードバックによる実機→シミュレーション→実機のロボット制御移行
要約本論文は、作業空間の映像からMuJoCo上のシミュレーション環境を再構築し、コーディングエージェントが実行可能な操作ポリシーを段階的に開発する枠組み Agentic RSR を提案します。実行結果に基づく反復改善を行い、ポリシーを実機へ移行します。18 のシーンがすべて視覚検証を通過し、実機での総合タスク成功率はシミュレーションの 80% に達しました。
説明事後学習の前に基盤モデルからコーディングエージェントの性能を予測する
要約本論文は、高コストなエージェント事後学習に投資すべき基盤チェックポイントをどう予測するかを検討します。事後学習後の成功した軌跡を再生し、補丁によってリポジトリが失敗から成功に変わる最初の「決定的ステップ」を特定します。そのうえで、決定的動作のBPB、パッチ選択式問題、プレフィックス条件付きpass@Kの三つの指標を構築しています。十組の公開された基盤モデルと事後学習モデルで、三指標はいずれもSWE-bench Verifiedのpass@1とほぼ一致する順位を示しました。
説明明視野イメージングと深層学習による無標識の細胞計数および生存率予測
要約本論文は、染色を行わず明視野イメージングとAIを用いて細胞の生存率を解析するソフトウェアViabiLensを提案している。細胞検出モデルと畳み込みニューラルネットワークによる生死判定を組み合わせ、UMAPベースの対話的ビューアも備える。CHO細胞で評価したところ、蛍光ベースの参照測定に対する未染色試料の平均絶対誤差は2.68%であった。無標識細胞生存率解析のためのベンチマークデータセットも公開されている。
説明研究者の社会：自律型研究エージェント集団のための制度設計
要約本論文は、明確な制度のもとで持続的に動作するエージェントの集団を「エージェント社会」と位置づけ、科学分野における「研究者の社会」として six 原則に基づき設計することを提案している。主任研究者は提案募集、独立審査、助成金を通じて計算資源を競い、人間のガバナーである「市長」は資源を配分するが、タスクは割り当てない。1万人の研究者からなる運用中の社会では、言語モデルの事前学習を改善するよう依頼したところ、ある研究所が約30%少ない計算量で同等の品質に到達したと報告したが、その結果を検証した研究所間ではまだ合意が得られていない。
説明授業前の音声AI対話相手の利用が、授業中の積極的な参加にどう影響するか
要約本研究は事前登録された現場実験で、10クラス・759名のMBA学生を対象に、各学生を10回の授業のうち2回について、専用に開発された音声ベースのAI対話相手で予習するよう無作為に割り当てました。2回利用した後、学生は以降の各授業での自発的な発言が約31%増えました。AI対話相手をより多く使った学生は、発言への抵抗感の低下と学習実感の向上を報告しましたが、集中力や意欲の向上は確認されませんでした。
説明FoldBack：長期的な衣類たたみのための自己修正型マスク生成ポリシー
要約本論文は、長期的な衣類たたみのための自己修正型マスク生成ポリシーFoldBackを提案している。推論時に、いつ精緻化と検証を行うか、どのように巻き戻すか、どこで再試行するかを決定し、把持に失敗した場合でも動作を取り消して修復できる。回復用のデモンストレーションや基盤ポリシーの再学習は不要である。6カテゴリの実衣類33点を用いた実験では、最終的なたたみ成功率は75.2%、最終マスクIoUは0.837で、従来の最良ベースラインの45.7%と0.689を上回った。
説明各教師が学んだことを合成する：多教師オンポリシー学習のためのデルタ蒸留
要約本論文は、教師の最終ポリシーではなく、教師と基盤モデルの logit の差分（シフト）を、学生モデルの凍結された初期値に再アンカーして転送する Δ-MOPD 手法を提案します。教師を組み合わせる場合と、フェーズごとのルーティングの場合の両方で、最終ポリシーの転送と比較しています。原文によると、教師3つの組み合わせでは Math で 4.11 点、5 ベンチマーク平均で 1.95 点、既存手法を上回りました。
説明MORCA：ビデオ拡散の高速化におけるキャッシュ再利用を適応的に制御するオフラインからオンラインへの強化学習手法
要約拡散Transformer（DiT）は高品質な動画を生成できますが、反復的なノイズ除去のため推論が遅いという課題があります。本論文はMORCA（キャッシュ再利用を制御する枠組み）を提案します。オフラインからオンラインへの強化学習により、ユーザーが指定した高速化目標のもとで、潜在情報を用いて各ステップで再利用か再計算かを判断します。複数の動画生成モデルと高速化比率の実験で、同程度の計算量において既存のキャッシュ手法より高い生成品質を示したと報告されています。
注目点オフラインからオンラインへの強化学習をビデオ拡散モデルのキャッシュ制御に適用し、終端誤差と潜在情報を考慮。複数モデル・加速比で先行手法と比較。
説明PHRBench：大規模言語モデルにおける幻覚後の推論の挙動評価
要約本論文は、幻覚（事実に基づかない内容）を含む前提に遭遇した後の大規模言語モデルの推論挙動を評価する受控ベンチマーク PHRBench を提案し、4つの領域と18のモデルを対象とします。推論の軌跡を幻覚への追従、幻覚の回避、ヒューリスティックな修正の3種類に分けて分析し、4820の受控インスタンスで、成功した修正は比較的まれで、推論中の信念の更新がより頻繁であることと関連すると報告しています。さらに、幻覚を含むプロンプトの性質が回復の成否を強く予測し、軽量な予測器の AUROC は 0.847 に達したとしています。
説明MemoCare：自動化された認知機能スクリーニングのための対話型マルチモーダル・モバイルシステム
要約本論文は、React Nativeで構築されたモバイル認知スクリーニングシステムMemoCareを紹介します。音声応答、時間・空間の見当識、タッチ操作、描画課題を組み合わせ、英語とベトナム語で完全なワークフローを提供します。ソフトウェアテストでは151件の既定ケースすべてに合格し、描画モジュールは71枚の固定テストセットで平均バランス精度91.33%を達成しました。臨床医4名が全体のワークフローを検討し、8項目の総合評価の中央値は4/5でした。
説明自己教師と生徒が出会う場所で学ぶ：JOLT（同一方策の教える・学ぶ同時学習）
要約本論文は、特権情報を与えた同じ方策を教師にする手法では、教師が生徒には使えない近道で解いてしまい、生徒の改善につながらない場合があると指摘します。教師による蒸馏更新が生徒の報酬勾配の正の倍数になるための必要十分条件を導出し、それに基づいてJOLTを提案します。JOLTは同一方策を、KL正則化付きの特権教師と、非特権の生徒という二つの役割で同時に学習させます。数学推論、コーディング、ツール利用、ターミナル操作で効率と性能の向上が報告されています。
説明RunningTab：環境側タブを備えたワークスペース直接操作フレームワーク
要約本論文は、LLMエージェントがワークスペース内のファイルを直接読み込んで成果物を作成する際の、タスクの未完了要件や読み込み状況を追跡するRunningTabフレームワークを提案します。環境側がタスクごとの記録を保持し、要件と関連する抜粋、未開封の候補ファイルを並べて示し、終了前に未解決の要件を確認します。三つのベンチマークと三つのLLMでの検証では、通常の直接操作やモデル内に記録を保持する基準手法より優れた結果が示されています。
説明PPGに「誰か」ではなく「どう変化するか」を教える：ECGからの固定効果蒸留
要約本論文は、ECGを用いてPPGのみのモデルを学習させる際、学生モデルが個人の特性（記録ごとの平均値）を記憶しており、心血管状態の変化を学んでいないことを指摘します。著者らは、予測値と目標値から各記録の平均を引く固定効果蒸留を提案し、個人の特性を相殺させます。その結果、状態の一致度は2倍以上に向上し、個人内ラベルも改善し、2つのバックボーンと2つの追加データベースでも効果が確認されたと報告しています。
注目点固定効果蒸馏により個人特性と状態変化を分離し、ECG-PPG蒸留が主に個人同定を学ぶことを示す。34回の実験と複数のバックボーン・データベースで検証。
説明Seq-Flow：自己ロールアウト誤差制御による効率的な確率予測手法
要約本論文は、新たな観測が得られるたびに将来の軌道分布を更新するための条件付きフローモデル Seq-Flow を提案する。前回の予測分布から出発して少数のフロー評価で更新予測を得られ、再帰的利用による誤差は自己ロールアウト訓練で制御される。粒子加速器のビームスピル予測では、少数の NFE 予算の下で CRPS を 65% 削減し、流体力学の課題では強力なベースラインと同程度の性能を示したと報告されている。
説明ECHO：人が物を運ぶ様子を捉えた身体型カメラ観測データセット
要約本論文は、観察された物体運搬の過程から、その物体が置かれるべき場所を予測する「文脈的物体配置」というベンチマークタスクを提案している。115のHM3Dシーン・159フロアの密なRGB-Dスキャン、人間による3,805件のエピソード注釈、198種類の物体を含む合成データセットECHOを構築した。実験では単一の入力モダリティでは不十分であり、シーン構造、人間の活動、文脈知識を統合して推論する必要があることが示されている。
説明スカラー随伴マッチングによるQ学習（SQAM）：計算コストを抑えたフロー方策の微調整手法
要約本論文は、フロー方策を学習済み価値関数で微調整する際の計算コストの問題を扱います。事前学習済みフロー方策の速度ヤコビ行列のバッチ平均が対角に集中することを見出し、最終行動の価値勾配をフロー時刻でスケールするスカラー随伴を導出して、各ステップでのベクトル・ヤコビ積を不要にしました。さらにスカラー随伴のもとで方策が生成した行動に対する価値を抑える罰則を組み合わせたSQAMを提案し、OGBench の最も難しい4領域で最強の基準手法を18〜35ポイント上回りました。実機の両腕ロボットでの視覚・言語・行動方策の微調整でも教師あり微調整より優れた結果を示しています。
説明地上・非地上統合6Gネットワークにおけるインテント駆動サービス編成のための知識誘導型LLM
要約地上系と非地上系（TN/NTN）を統合した6Gネットワークでは、自然言語によるサービス意図が不完全・曖昧・矛盾しうるため、制約のないLLM生成では信頼性の高いネットワーク編成が難しいという課題に取り組んでいます。本論文は、文法制約付きの意味解析と知識グラフ（KG）に基づく確認ループを組み合わせ、4つの代表的なサービスクラスについて検証済みで編成に使えるサービスプロファイルを生成する枠組みを提案しています。200件の意図データセットでは、分類精度89%、ポリシー有効性95%、リクエストあたり平均0.66回の確認を達成しました。純粋なLLMのベースラインと比べ、ポリシー有効性と矛盾検出が向上し、確認の回数も少なくて済みました。
説明視覚言語モデルの応答プロファイルによる敵対的画像の検出
要約本論文は、凍結された視覚言語モデルにおいて敵対的画像を見分ける方法を検討している。信頼度や画像とテキストの類似度だけでなく、画像が一般的な意味的プロンプト群とどのように相互作用するかを用いる。カテゴリ別統計、プロンプト間の関係、クリーンな参照分布からのずれ、弱い画像変換への安定性を要約したコンパクトな応答プロファイルを軽量モデルで分類する。複数の公開データセット、CLIP系の視覚バックボーン、各種攻撃で評価され、凍結VLMにおける補助的な検出信号として有効であることが示されている。
説明都市微気象の3次元瞬時場（風速・温度）を生成する条件付きフローマッチング
要約本論文は、建物形状と平均流れを条件として、都市微気象の3次元瞬時風速場と温度場を数秒で生成する条件付きフローマッチング（CFM）という生成的枠組みを提案しています。GPUメモリの制約に対応するため、共有ノイズ初期化を用いた重なり合う画素空間で並列処理を行い、流れ構造の空間的連続性を保ちます。大規模渦シミュレーション（LES）の参照データと比較すると、風速の一次統計量のNRMSEは2.99%、温度は1.77%でした。
説明SGF+：自己回帰型動画生成のための勾配流の分離
要約本論文は、自己回帰型動画生成において現在フレームのノイズ除去と将来予測のための鍵・値表現の書き込みが同じパラメータを共有し、両者の勾配が異なるパターンを示して系統的な負の整合性を持つため、視覚品質と時間的一貫性の同時最適化が妨げられると指摘する。著者らはSelf Gradient Forcing Plus（SGF+）を提案し、文脈の書き込みとノイズ除去に別々のパラメータを割り当て、因果的注意により相互作用を保つ。原文によれば、この手法はフレーム単位・チャンク単位の両方で視覚品質と長期的一貫性を改善し、5秒のロールアウトのみで学習しても24時間までの連続生成を支えるという。
説明二方向予算による導関数ガウス過程：各勾配観測に二方向のみを割り当てて計算コストを抑える代理モデル手法
要約本論文は、観測された各勾配に対して二方向のみを用いる導関数ガウス過程を提案しています。一方の方向は勾配の目標予測への直接的な寄与を、もう一方は条件付け関数値との相関を通じた間接的な寄与をまとめます。Vecchia近似の下で、予測ごとの稠密分解コストはO(m³)です。シミュレーションでは、同じ条件集合サイズで先進的な厳密勾配縮約法と同等の精度を示し、より大きな条件集合を時間とメモリを抑えて利用できることが示されています。
