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EvoAlloc：効率的なプログラム進化のための自己進化型リソース配分エージェント
要約本論文は、LLMベースのプログラム進化において計算資源を候補プログラムへ配分する戦略を、探索の経験から学習して改訂する自己進化型エージェントEvoAlloc を提案している。過去の探索と配分の結果を定期的に再利用可能な経験にまとめ、反事実的探索によって配分されなかった候補も評価して経験を豊かにする。コーディングとエージェントハーネス最適化のベンチマークでは、ベースラインと同等の性能に達するまでの完全評価回数が59〜82%、LLMトークン総数が61〜89%少なく、同じ完全評価予算では最終性能が8.7〜12.0%高かった。
説明記憶は文脈に依存するか？単独プレフィックスを超えたプレフィックスベース抽出の研究
要約本論文は、大規模言語モデルがプレフィックスベースの抽出で訓練データを記憶として再現する現象を検討します。3つのオープンウェイトの指示調整モデルで、空のプロンプトと関連度の異なる検索文脈の下で後続文の確率を比較しました。文脈は記憶を単純に消すのではなく、文脈に頑健な核心部分と閾値付近で文脈に敏感な境界部分があることを示しています。
説明すべての判定が等しいわけではない：LLM評価者の信頼性を再考する
要約本論文は、NLP評価の標準的手法である「LLM-as-a-Judge（LLMを評価者とする方式）」の信頼性を体系的に検証しています。6つの最先端モデルを4つのベンチマーク、5種類のプロンプト形式、2種類の提示順序、3つのサンプリング温度で試験した結果、温度ゼロでも判定が変わる、提示順序の入れ替えで多くの判定が覆るといった脆弱性が示されました。さらに、最も安定した評価者は誤った判定を繰り返すだけで、正解との一致率は51%にとどまりました。著者らは「信頼できる判定率（T）」という指標を提案し、ペアごとの勝率よりも全体的なルーブリック採点の方が信頼性を高めると報告しています。
注目点統一的信頼性指標Tを提案し、位置バイアス下の精度上限を導出。6モデル・4ベンチマークで多条件に検証し、評価手法への影響は大きい。
説明Perception Test 2026：チャレンジ概要と都市規模の視聴覚推論への拡張
要約第4回 Perception Test チャレンジの報告で、2026年の欧州コンピュータビジョン会議（ECCV）のワークショップとして開催されました。空間知能に焦点を当て、四つのトラックを設けています。都市規模の街歩きビデオに基づく新しいベンチマーク（KilometerAudio、KilometerVision）を紹介し、各トラックの優勝ソリューションをまとめています。原文によると、都市規模トラックの優勝ソリューションは、コストの高いエージェント型パイプラインによって複雑な空間・マルチモーダル推論を解けることを示しましたが、単体のマルチモーダルモデルには依然として困難が残るとされています。
説明高コストなシミュレータのベイズ推論における勾配の活用
要約微分方程式に基づくシミュレータは、観測結果から入力パラメータの事後分布を推定する際によく使われます。1回の評価が計算上高価な場合には、ガウス過程による代理モデルとベイズ最適化を組み合わせた能動学習が用いられてきました。本論文では、入力パラメータに対する出力の勾配情報をガウス過程の代理モデルに組み込み、限られたシミュレーション回数の下で収束が速まることを示しています。逆モード微分は追加の計算コストを考慮しても効率が保たれましたが、順モード微分では計算コストに見合う高速化は得られませんでした。
説明重力環境をまたぐ触覚回転分類のための最小限のオプティカルフロー表現
要約本論文は、地球、火星、月、軌道の四つの重力条件で、物体の回転方向をコンパクトな触覚運動表現によって分類できるかを調べたものです。シミュレートしたGelSight Miniの密なオプティカルフローを7x9のグリッドで集約し、126個の特徴量を用いています。地球データのみで学習したモデルは、軌道上では精度が94.4%から75.9%に低下した一方、四つの重力条件で学習した単一モデルは全体で96.3%の精度を示しました。
説明2次元・3次元ラプラス問題向け拡張正則ニューラルネットワーク
要約本論文はラプラス方程式の境界値問題において、角、辺、接合部で生じる特異な振る舞いを扱う手法を提案する。正則ニューラルネットワークと、局所的な幾何と境界条件から導かれる特異関数を組み合わせ、表現は構成上調和になるため内部残差は不要である。ネットワークは境界データのみから滑らかな残りの部分を近似し、拡張項が特異性を捉える。三次元への拡張も示され、テストした全問題で最も高精度であり、特異点の多いCdZnTe放射線検出器の問題では2次元・3次元の両方で次点手法の約1.7〜2.1倍の精度を示したと報告している。
説明LIVIN：実際に暮らされている住宅のデジタルツインにおける空間・身体性知能のベンチマーク
要約本論文は、30軒の実際に生活されている住宅のデジタルツインに基づく、空間知能と身体性知能のためのベンチマーク LIVIN を提案します。これらの再現環境は、観測された部屋のレイアウト、家具の配置、日常的な持ち物を保持しています。構築には人間が関与するワークフローを用い、3D検出、3D再構成、ナビゲーション、移動・操作の4タスクを評価しています。評価の結果、現在の手法は密な物の配置、遮蔽、限られた空きスペースといった実際の住宅環境で課題に直面することが示されています。
説明MAST：モチーフ拡張拡散と探索木によるスペクトルからの分子構造推定
要約本論文は、スペクトルから分子の2次元および3次元構造を同時に推定する手法MAST を提案しています。ノイズ除去の過程で解釈可能なモチーフ（部分構造）を中間的な根拠として導入し、さらに拡散サンプリングを報酬誘導型の木探索として扱います。QM9Sマルチスペクトルベンチマークでは、完全一致の復元率94.89%を達成し、3次元構造の忠実度も向上したと報告されています。
説明ILM：AIを活用した物語型教育ツール
要約本論文は、預言者の物語を対象とした対話型教育プラットフォーム「ILM」を紹介します。アラビア語の自然言語処理、構造化された知識表現、検索ベースの質問生成を組み合わせています。知識グラフ構築エンジンが物語中の実体と関係を抽出し、学習者はストーリーマップで内容を探索し、生成された質問に答えられます。自由記述式の質問には、LLMを評価者として用い、検索された原文と照合して正誤を判定します。
説明エージェントはいつ考えるべきか？ターン間推定による適応的推論（RACE）
要約本論文は、大規模言語モデルのエージェントが毎回の行動前に推論を行うが、以前の推論が後続の行動を支えられる場合もあると指摘します。推論を除いた後に後続の参照行動の尤度が下がるかどうかが、その行動が以前の推論から回復可能かを反映するという観察に基づき、適応的推論のための学習手法RACEを提案します。RACEは、LoGiC手順で不要になりうる推論ターンを段階的に特定し、その信号を教師ありファインチューニングと強化学習に組み込みます。四つの代表的なエージェントベンチマークで、タスク性能を維持または向上させながら推論コストを大幅に削減したと報告しています。
説明振り返りと先読み：効率的なマルチモーダル推論のためのオンデマンド視覚メモリ（ViMoD）
要約本論文は、高解像度画像の長い視覚トークン列を処理する多段階推論が、マルチモーダル大規模言語モデルにとって計算コストが高い問題に取り組みます。提案手法ViMoDは、領域ごとのトークンを変形可能に集約するDART（Deformable Aggregation of Region-wise Tokens）で粗い表現を構成し、元の細かいトークンと対応づけます。さらにTRACE（Temporal Routing for Adaptive Contextual Evidence）が復号履歴から必要な証拠を予測し、細かいトークン群を選択・保持・置換します。Qwen3-VL-4Bでは視覚トークン予算20%において八つの推論ベンチマーク全てで既存手法を上回り、凍結したバックボーンに対して学習可能パラメータを0.0546%追加するだけだと報告しています。
説明構造税：構造化出力は LLM の性能にどう影響するか
要約本論文は、大規模言語モデルの出力を JSON や XML などの構造化形式に制限すると精度が下がるという通説を再検討しています。複数のモデル、データセット、スキーマで精度、確信度の較正、隠れ状態の幾何を評価しました。その結果、損失は構造化そのものではなくスキーマ設計に依存し、推論を先に書くフィールド順は自由形式と同等以上、答えを先に書く順は大きく低下し、特に小型モデルで顕著だとしています。適切に設計された構造化形式は自由形式と同等以上になりうるため、問いは「構造化するか」から「どう構造化するか」へ移るとされています。
説明拡散モデルはLangevinの条件数依存を取り除く：ガウス分布による鋭い解析
要約本論文はガウス分布を用いて、拡散モデルが古典的なスコアベースのサンプラーの制約を超えられる理由を分析しています。最適化されたハイパーパラメータの下で2-Wasserstein収束の上界を導き、拡散過程の誤差は次元、サンプリングステップ数、目標共分散行列の最大固有値に依存することを示しています。一方、未調整および劣減衰のLangevin力学には条件数の平方根に比例する追加因子があります。さらに、これらの評価は漸近的に鋭いとされ、利点は学習段階ではなくサンプリング過程の時間依存スコア軌道から生じると論じています。
注目点ガウス設定で拡散サンプリングがランジュバン動力学の条件数依存を除くことを精密に示し、一次漸近で一致する鋭い境界を与えている。
説明不確実性を学習で失わせない：初期の不確実性アンカーによるキャリブレーション手法
要約論文は、初期段階のモデルほどキャリブレーションが良好である一方、後の学習や微調整は精度をわずかに上げるだけで校正誤差を大きく増やすことを示す。モデルが学習の進行とともに不確実性への感度を失うためと分析している。著者らは、初期モデルを不確実性のアンカーとして用いるEUA-Calを提案し、初期予測と特徴空間の正則化によって過信を抑える。画像分類と多肢選択問題応答の八つの異なるモデルでの実験で、既存の手法を上回ったとしている。
説明MPGE：分子分類の説明のための多視点グラフ説明器
要約グラフニューラルネットワークは化学グラフデータから分子の性質を予測できますが、精度だけでは個々の判断にグラフ情報がどう寄与したかは分かりません。本論文は、凍結された分類器に対して事実的支持、反事実的感度、模範的許容度の三つの観点の説明を統合する多視点グラフ説明器MPGEを提案します。MUTAGなど五つのデータセットでは、事実的説明が入力エッジの8.6%から15.5%を保持し、有界な反事実のカバー率は4.8%から67.6%、模範の保持カバー率は98.9%から100.0%でした。著者らは、これらの結果をモデルの振る舞いとして扱い、検証済みの化学的機構とは見なしていないと明記しています。
説明離散データ向けの効率的で汎化可能なアーキタイプ分析
要約アーキタイプ分析（AA）は、各観測値を極端な原型プロファイルの凸結合として表し、複雑なデータを解釈しやすい低次元で記述します。本論文は、二値・カウント・カテゴリカルといった離散データに対応するため、ベルヌーイ、ポアソン、多項モデルを扱う尤度ベースの枠組みを提案し、局所二次近似と逐次最小最適化・アクティブセット法で解きます。原型の数の選択には交差検証による予測尤度基準を導入しています。合成データで計算効率の高さを示し、単一細胞RNA解析、マイクロバイオーム、体細胞変異データで解釈可能な結果を得ています。
説明追跡可能なワールド状態：ロボットシステム向けの来歴対応状態表現と決定論的リプレイ枠組み
要約本論文は、ロボットの世界状態において各情報の出所、信頼度、改訂履歴を記録する、追跡可能なワールド状態（TWS、Traceable World State）を提案しています。不変な更新、順序付きの更新によるリプレイ、SHA-256ハッシュチェーンにより、ログの追跡性と改ざん検知を確保します。シミュレーション軌道での実験では、終端状態の完全な再現と、注入された全ての破損の検出が報告されており、ストレージのオーバーヘッドは1.72%です。
説明自然言語から一階述語論理へ：LLMによる自動形式化のサーベイ
要約本論文は、一階述語論理（FOL）を目標形式とする自動形式化タスクについて、統一的なタスク定義と体系的なサーベイが不足している点に取り組む。オントロジー抽出と論理翻訳を区別して厳密な定義を与え、両者の混同が研究間の評価を曖昧にすることを示す。さらに既存のデータセット、評価指標、ファインチューニング、プロンプティング、検証ベースの精緻化などLLMを用いた手法を整理し、ベンチマーク、意味的評価、オントロジーを考慮した手法、エンドツーエンド応用における未解決課題を挙げる。
説明有限数の MDP エージェント集団に対する集計的到達-回避確率制約下の方策合成
要約本論文は、マルコフ決定過程に従う有限個のエージェント集団の方策設計を扱います。高い確率で一定割合のエージェントを目標領域へ到達させ、危険な集団の割合は閾値以下に保つことが求められます。著者らは離散時間のリアプノフ漸化式で経験密度の分散を追跡し、Cantelli不等式によって確率制約を扱いやすい決定論的な条件に変換します。そのうえで勾配法に基づく逐次凸近似で解を求め、有限規模の誤差評価も与えています。手法はグリッドワールドと電気自動車の充電集約問題で検証され、決定論的な集団レベルの線形計画法と比較されています。
説明HWAM：状態と行動の同時生成による人型ロボット向けワールド行動モデル
要約本論文は、人型ロボット向けのワールド行動モデルHWAMを提案します。参照行動と、実行後の身体状態を同時に生成し、方策の参照行動と実際の動きの差を埋めることを目指します。モデルは方策、順動力学、逆動力学の三つの条件付き経路で学習されます。LimX OLI人型ロボットによる三つの実機タスクで、評価した基準手法の中で最も高い成功率を達成しました。Candy Pickingタスクでは、HWAMが70.6%、Fast-WAMが43.3%でした。
説明InterviewPlayground：AI面接官を評価するための検証済みシミュレーション環境
要約本論文は、社会理論に基づいて行動を設定した模擬参加者を用い、AI面接官の性能を評価するシミュレーション環境InterviewPlaygroundを提案する。検証済みの指標群によりInterviewReportCardを作成する。5種のAI面接官、3つのテーマ、450人の実参加者による15件の定性調査と模擬結果を比較したところ、12指標の平均ピアソン相関係数は0.86であった。
説明LLM推論における社会的帰属の検証：理論に基づくプロービング手法
要約本論文は、大規模言語モデルによる社会的帰属、すなわち外部の出来事を行為者の責任や非難に結びつける推論を初めて体系的に調べたものです。帰属理論に基づき、7,639件の責任・非難判断の問いからなるベンチマークを構築し、32のLLMと5つの非LLMベースラインを評価しています。結果として、モデルの判断は人間と測定可能ながら不完全に一致し、その一致度はモデル規模と正の相関を示しました。
注目点依拠帰属理論で7,639問のベンチマークを構築し、32モデルを評価し、隠れ層のプロービングで内部機構を分析しており、新規性と実験規模が際立つ。
説明CausalDreamer：潜在表現の分離による予測可能な世界モデルの学習
要約本論文は制御のための世界モデル「CausalDreamer」を提案しています。事前学習済みの映像トークナイザを凍結し、その潜在表現を制御可能性と報酬関連性の2軸で分けた4グループの因子化表現に再符号化し、その表現を予測するよう動力学モデルを微調整します。MMBench2の20タスクで評価したところ、学習済みタスクと操作バリアントでは元の世界モデルより正規化スコアが高く（それぞれ14%、25%）、新規環境では両モデルとも有意にランダム方策を上回りませんでした。
説明PulseBound：明示的な情報境界の下での将来拍動状態予測
要約本論文はPPG（光電容積脈波）に基づく表現学習手法PulseBoundを提案します。固定のカットオフで可視プレフィックスと予測対象を分け、隠された後続サンプルに入力が依存しないよう設計されています。共有ヘッドで最大4拍先までの9種類のリズム・形態記述子を予測します。MIMICとVitalDBの保留データでは、最後の可視拍を維持する基準法に比べ変換空間のMAEが28.06%と22.22%低下しました。下流13タスクの平均でも多くのタスクで最良の結果を示しています。
説明「ゴースト・タスキング」：線形微分方程式を解くためのパラメータ化ガウス過程
要約本論文は、補助タスクを用いて、本来パラメータ化できないシステムでもパラメータ化ガウス過程を構築できる「ゴースト・タスキング（ghost tasking）」という体系的手法を提案しています。出力次元と潜在関数の数を少なく保ったまま適用できることを示し、データが非常に少ない逆問題で特に良好な性能を示すと報告しています。三つの実験で、全実験に適用可能な既存の唯一の手法と比較しています。
説明有限論証フレームワークにおける基礎意味論と選好意味論の計算複雑性
要約本論文は、Dungの抽象論証フレームワークにおける基礎意味論と選好意味論の判定問題の計算複雑性を、計算可能有限のフレームワークの下で分析する。信用的受容、懐疑的受容、拡張の存在、一意性、非空の存在などを扱う。有限性によって推論が算術的階層まで下がる境界と、二階量化により分析的階層に戻る場合を明らかにしている。
注目点有限型抽象論証フレームワークにおける基礎意味論と選好意味論の判定問題の正確な算術・解析階層分類を与え、有限性が成立する境界を示す。
説明REACT：ロールling除去と二重分離によるVLAモデルの反応型ロボット制御
要約本論文は、フローベースのVLA（視覚・言語・行動）モデルをチャンク単位で制御する際の閉ループの課題に取り組み、REACTという枠組みを提案する。動作全体を毎回生成し直すのではなく、段階的なフロー時刻を持つ動作バッファを保持し、最新の観測で全区間をデノイズして最もクリーンな動作ブロックを実行する。さらに、センシング、VLMエンコード、DiTによるデノイズ、動作実行を分離する二重分離を導入し、リアルタイム制御を可能にしている。RoboTwin 2.0のシミュレーションと実機タスクで、タスク成功率の向上と反応遅延の低減、より滑らかな軌道が報告されている。
説明表形式基盤モデルのテスト時計算：仕組み・効果・限界
要約本論文は、事前学習済みの表形式基盤モデル（TFM）の予測を、推論時の追加計算によってどう改善できるかを、適応・集約・文脈構築の三つの観点から体系的に検討しています。提案手法DiagScaleは、モデルパラメータのうち0.003〜0.03％のみを学習させ、全体のファインチューニングに近い効果を示したと報告されています。選択的な集約と適応は安定した改善をもたらす一方、文脈構築の効果はタスクやデータ規模に依存するとされています。
注目点DiagScaleなどの適応手法を提案し三つの軸を体系的に調べ、TabArenaで全量微調整と同等の効果を示し、表形式基盤モデルの分野で実用的な価値がある。
説明SUDO：個別論文から世界的な学術言説へ至る知識グラフの上位オントロジー
要約本論文は、論文内の知識要素がどのように組織・関連づけられて研究の語り（学術言説）を形成するかを定義する上位オントロジー SUDO を提案している。抽出単位を事前に固定せず、原文に根ざした一貫性のある表現を論文ごとに下から構築し、複数論文を世界的な学術言説として接続できるとしている。著者らは学術知識モデリングの各種ユースケースと、大規模言語モデルによる科学QAタスクでの性能向上を示している。
説明多面体ニューラルネットワーク：深層ネットワークの表現を解釈しやすくする手法
要約本論文は、各層に多面体（polytope）に基づく構造を課し、その構造を後続の情報処理に直接用いる多面体ニューラルネットワーク（PNN）を提案している。学習された語彙表現と償却単体推論によって手法を拡張し、ベクトル量子化（VQ）学習への直接的な経路も示している。実験では、性能低下を小さく抑えながら潜在空間の意味のある構造を保持し、教師なし学習では VQ より圧縮された表現が得られたと報告されている。
説明構造的経験の蒸留による、解釈可能な偏微分方程式の解発見手法
要約本論文は、観測データから未知の物理場を表す明示的な記号解を見つける問題を扱います。既存手法は単一の終端スコアだけをフィードバックに用いるため、どの部分式が結果に寄与したかが分かりにくいと指摘しています。著者らはSED-MCTSを提案し、評価済みの式から構造的経験を蒸留して後続の探索に再利用します。複数の偏微分方程式ベンチマークで、固定された評価予算の下で高い性能を示し、ノイズや観測が乏しい場合も効率と頑健性が向上したと報告されています。
説明Agentic-TTT：テスト時学習のためのテスト時ポリシーを学習する手法
要約本論文は、大規模言語モデルがテスト時学習（TTT）をいつ行うか、どのアルゴリズムを使うか、既存スキルを再利用できるかを決めるテスト時ポリシーを学習するAgentic-TTTを提案しています。TTTの手順を呼び出し可能なツールとして扱い、決定によって得られた効用の向上を用いてポリシーを訓練します。著者らによれば、ベンチマークで骨格モデルの約2倍の効用を示し、効用と計算量のトレードオフを学習し、訓練時に見ていない領域にも一般化しました。
説明深層結合信源通信路符号化のためのニューラルネットワーク検証
要約本論文は、深層結合信源通信路符号化（DeepJSCC）の復号器を対象とした初の境界伝播検証フレームワークを提案し、所与の無線通信路の雑音範囲内で最悪ケースの再構成誤差を評価します。PReLUの線形緩和手法を拡張し、転置畳み込みを制限付きのアップサンプル後畳み込み形式に置き換え、レイリーフェージングを復号器の前段に置く構造的摂動として定式化しています。Lipschitz正則化による大域的ロバスト学習（GloRo）と組み合わせることで、画像伝送モデルに対する認証を得ており、ソフトウェア無線機によるOFDM実験でも証明された境界が実機で成立することを確認しています。
注目点DeepJSCCの復号器に対して初めての境界伝播による検証枠組みを示し、PReLU・転置畳み込み・レイリー減衰に対応、OFDM実機で証明書の有効性を確認している。
説明DataVista：データ動画理解におけるマルチモーダルLLMの診断ベンチマーク
要約本論文は、データ動画理解を対象とした初のベンチマーク DataVista を提案しています。実世界のデータ動画961本と評価質問6,775問を含み、データ知覚、時系列推論、物語理解の三段階で構成されています。19の主要なマルチモーダルLLMを評価した結果、最良のGemini-3.1-Proでも総合正答率は70.0%にとどまり、人間の専門家には遠く及ばず、因果推論と物語構造で最も低い結果でした。フレーム数増加と字幕追加は主にデータ知覚と時系列推論に効果があり、物語理解への効果は限定的でした。
説明AdaptTok-Indic：インド系言語向けの文字体系対応・適応型トークン化
要約英語中心のコーパスで学習された多言語トークナイザーは、インド系言語を過剰に分割しがちで、系列が長くなり文字体系間の格差も広がります。本論文は、Unicode正規化、合字の明示的処理、文字体系に応じたルーティング、小型Transformer言語モデルと共同学習する字節レベルの境界予測を組み合わせた AdaptTok-Indic を提案します。ベンガル語とヒンディー語では SentencePiece BPE などより低いトークン繁殖率を示し、下流タスクの点数も上回りました。ただし小規模な試作段階であり、統計的有意性の検定は行われていません。
説明MetaOPD：オンポリシー蒸留におけるメタ学習によるトークン重み付け
要約本論文は、オンポリシー蒸留（OPD）において学生モデルと軽量なトークン重み付けネットワークを同時に学習する二段階最適化フレームワーク「MetaOPD」を提案している。内側の目的では重み付きOPDで学生を更新し、外側の目的では仮想的な学生更新の後に参考解答上の検証損失を用いて重み付けネットワークを最適化する。6つの数学推論データセットと3つのドメイン外データセットで実験を行い、OPDに対する改善を報告している。
説明FearCaut-Qwen：視覚言語モデルにおける感情ステアリングが災害リスク判定の判断基準を変える仕組み
要約視覚言語モデルは震災後の建物被害評価に有望だが、危険を宣言したがらず再現率が低いという課題がある。著者は信号検出理論で判断を感知能力と判断基準に分け、恐怖に関連する感情的表現をモデル内で特定して活性化ステアリングにより操作した。その結果、恐怖方向の注入で危険（赤）の再現率が75.7%に上がり、識別能力は改善しないまま判断基準だけが変化した。再学習は不要である。
注目点感情方向を視覚言語モデルに因果的に注入して判断基準を調整し、信号検出理論で識別力と基準を分離する点は新しい。ただし単一モデルと単一データセットでの検証に留まる。
説明例示データに基づくベイズ形状最適化のパラメータ化手法
要約本論文は、既存の設計群から形状のパラメータ化を学習する手法を提案している。形状間の変形に主成分分析（PCA）を適用し、成分数によって表現力と次元数のトレードオフを明示できる線形で解釈しやすい探索空間を得る。翼型、翼、高周波空洞共振器を対象に、2次元形状から3次元の空力・電磁問題まで検証し、サンプル効率の向上と、人手で設計した基準を超える形状の探索能力を示している。
説明専用意思決定モデルと汎用LLMの比較：知識・推論・多言語タスクにおけるJevのベンチマーク
要約本論文は、テキストを生成せず与えられた選択肢から答えを選ぶ「システム1」型の専用意思決定モデル Jev を提案し、19の大規模言語モデル（LLM）と比較しています。13の選択式ベンチマークで評価した結果、Jev は知識・常識系の課題で最上位クラスのモデルと競合し、MMLU-Redux と ARC-Challenge で最高スコアを得ました。一方、数学の文章題（MathQA）では全19モデルより低い結果でした。知識に依存する判断では専用モデルが汎用LLMに匹敵する一方、多段階の計算を要する判断では不足することが示されています。
説明距離スケッチによる二次エントロピーの効率的な計算
要約本論文は、任意の分布 p と負型の一般的な距離 d（ユークリッド距離および球面測地距離）に対する二次エントロピー p^T d p を、スケーラブルに近似する手法を提案しています。ランダム特徴埋め込みと射影を用い、大規模行列積の償却と制御変量によって計算量とメモリを抑えています。Open Graph Benchmark のデータセットによる書誌計量の例では、引用や本文の特徴だけから、学際的な影響の範囲が狭い、または広い論文・分野・機関を示したとされています。
説明CAPABLE：挙動潜在符号化に基づく能力認識型ポリシー適応（論文）
要約視覚・言語・行動（VLA）ポリシーは学習時の機体構成を前提としており、関節の故障で指令動作の実行が変わると失敗することがあります。本論文は凍結したVLAに対し、自己教師あり能力推定と残差強化学習を組み合わせたCAPABLEを提案します。故障ラベルや故障関節の識別情報なしに、動作を有界な補正で調整します。LIBERO28タスクでは、故障訓練から除外したアクチュエータでの成功率が24.8%から59.3%に向上し、実機のFranka Pandaでも回復が示されています。
説明信頼すべき対応点を学習する：LiDAR地図におけるイベントカメラ位置推定と信頼度重み付け
要約本論文は、事前に構築されたLiDAR地図に対してイベントカメラの位置を推定する手法を扱います。レンダリングされた深度画像とイベント画像の間で密なオプティカルフローを推定し、その対応関係からPnPで姿勢を求めます。提案手法CELLは、各対応点の信頼度を姿勢を通して端到端で学習し、フロー監督の重み付け、テスト時の対応点選択、最終的なエッジ照合に用います。M3EDとDSECの評価で、多くのシーケンスにおいてLEARベースラインを上回り、中央値の並進誤差を最大26.9%、回転誤差を最大15.8%削減しました。
説明MindFlow：マインド・スーパーネットによる研究アイデア創出の枠組み
要約本論文は、研究アイデアの生成を、モジュール式の思考演算子から成るグラフ構造の思考フロー（Flow in Mind）として定式化する MindFlow を提案している。確率的なマインド・スーパーネット（mind supernet）でこれをモデル化し、コントローラが研究テーマに応じて思考フローを動的にサンプリングして候補アイデアを生成する。最適化はトーナメント方式の相対順位付けで行われ、論文はこれに加えて問題発見と問題解決を併せて評価する手法も導入している。
説明LLMはコードを変えずに修正できるか？コード不要の不具合修正を自動検証する研究
要約本研究は、実際のブラウザ環境で大規模言語モデルが生成したコード不要の修正案（設定変更、バージョン更新、操作の調整など）を、実行ベースで自動評価する手法を提案しています。322件の修正案を検証した結果、最も性能の高い設定でも、最良の実行エージェント下で報告された不具合を解決できたのは半数未満でした。また、評価結果は実行エージェントの選択に大きく左右されることが示されています。
説明MiMo-V2.6：強化学習のスケーリングによる自己改善へ
要約本報告は、強化学習の計算量を拡大してモデルの知能を高めるオムニモーダルモデル群MiMo-V2.6を紹介しています。強化学習の前に多様なマルチモーダルコーパスで中間学習を行い、三つの軸で強化学習を拡大しています。具体的には、大きなバッチと高いスループット、コード・汎用・視覚・サイバーなど多様な環境、長期タスク向けの群単位エージェント採点です。MoEルーターの凍結や報酬ハッキング対策も述べられ、学習過程・環境・フレームワークは公開されています。
説明確率的グルーピング共形予測：部分集団の信頼性を高める不確実性定量化手法
要約本論文は、共形予測において部分集団ごとに被覆率が偏る問題に対処するため、確率的グルーピング共形予測（SGCP）を提案しています。学習された確率的グルーピング写像により、各サンプルは校正挙動が似た他のサンプルの情報を利用でき、局所的なスコア分布が得られます。著者らは標準的な被覆保証が維持されることを示し、合成データと実データの実験で部分集団間の被覆差が縮小し、予測集合のサイズは同等以下であると報告しています。
説明時間的に頑健なロボット操作のための信頼性考慮型未来条件付け（RAFC）
要約本論文は、ロボットの現在の段階と時間的にずれた生成動画による未来予測が、方策の性能を損なうことを扱います。著者らはRAFCを提案し、各ステップで受け取った動画クリップをどの程度信頼するかと、近傍の時間仮説のどれを選ぶかを推定し、どちらも合わない場合は静的分岐に戻します。学習はタスク報酬のみで行われ、時間ずれのラベルは不要です。CALVINでは、時間ずれのある生成未来により成功率が大きく低下しますが、RAFCは時間不一致下での成功率を大幅に改善します。
注目点生成された未来を信頼性を考慮した制御問題として扱い、タスク報酬のみで信頼度を学習。CALVINと実機Franka上で時間ずれ下の成功率改善を示した。
説明遮蔽下で視点を能動的に選択してCADを再構築する手法
要約本論文はSightCADという、室内シーンに配置された物体のCAD再構築フレームワークを提案しています。学習された視点選択器が、CadQueryコードを生成する視覚言語モデル向けに実行可能な視点をK個選び、両者は生成された立体の幾何学的忠実度を報酬として共同で学習されます。DeepCAD、Fusion360および工業用ベンチマークで強力な基線を上回り、実行可能プログラムの割合も最も高いと報告されています。
説明木構造モデルにおける区間値SHAP：特徴量寄与度の頑健性の分析
要約本論文は、決定木とランダムフォレストにおけるShapley値（特徴量の寄与度を示す手法）の頑健性を扱います。著者らは不精確ディリクレモデル（IDM）に基づき、木の葉にラベルのないインスタンスをランダムに少数追加して、区間値のShapley値を求める手法を提案しています。効率的な計算に関する理論結果を示し、Banzhaf値への一般化も可能であることを述べています。さらに、事例研究と実験により挙動と、無情報な特徴量の偏りを取り除く応用を示しています。
説明CrowdH-Edit：人数推定のための、参照画像と指示文に基づくハッジ群衆合成画像生成手法
要約ハッジ（巡礼）の群衆分析に使える注釈付き画像は不足している。既存の人数推定データセットや汎用生成モデルは、聖地の構造、白い衣装の巡礼者、屋内外の照明の違いといった特有の条件を捉えていない。本研究は、実際のハッジ画像を構造の参照に、文字による指示で群衆と照明の変化を制御するCrowdH-Editを提案し、最終的にQwen Image Editで6,122枚の合成画像を作成、そのうち387枚に注釈を付けてCrowdH-Edit-Ann-387を構成した。合成データを実データに加えると、5つの人数推定モデルのうち3つで平均絶対誤差、2つで二乗平均平方根誤差が減少したが、効果はモデルと指標によって異なる。
説明履歴が役立つ場合と妨げる場合：マルチモーダル対話における選択的な履歴利用
要約本論文は、視覚と音声の証拠を含む7,000の基本タスクからなるベンチマーク ReTurn を提案し、マルチターンのマルチモーダル対話において、モデルが会話履歴を選択的に利用できるかを評価します。13のモデルで検証した結果、開放型質問の中央値の正答率は、直接入力時の93.7%から対話時の72.3%に低下しました。また、質問を想起できても課題への適用が弱い場合があり、競合するメディアによって回答が履歴上の対象からそれることも示されています。教師あり適応による改善は部分的にとどまります。
説明介入データからのクラスタDAGのスコアベース学習
要約本論文は因果抽象の問題を扱い、多数の変数からなる低レベルの因果有向非巡回グラフ（DAG）を、変数のクラスタからなる高レベルのグラフに集約する方法を研究しています。線形ガウス仮定の下で、既存の制約ベースの辺学習段階をスコアベースの手法に置き換えたCOARSEを提案しています。著者らによれば、合成データと実データの両方で既存の先進手法と同等の辺の復元精度を示し、辺学習段階は大幅に高速です。
説明TACROSS：異種触覚センサ間で動作する低コストで拡張可能な、器用なロボット学習のための人間触覚システム
要約本論文は、低コストの圧抵抗式人手触覚グローブで人間の触覚デモンストレーションを収集し、接触イベントの単位で人間とロボットの異種触覚信号を整合させる TACROSS を提案している。両者は共有の256次元触覚潜在空間に写像される。ロボットのデモンストレーションのみが真の動作監督を与え、人間のデモンストレーションは触覚表現学習と補助的監督に用いられる。4つの接触の多い操作タスクで、従来の遠隔操作と比べ効率が3.5倍、収集機器コストが95.7%削減されたと報告している。
説明正しい画面、誤った遷移：GUIエージェントの検証器としてのワールドモデル
要約論文は、GUIエージェントの安全性は画面単体ではなく操作による画面遷移で決まると指摘し、画面だけを検査する監視器は正当な画面の再利用で回避され得ると述べています。著者らは、表現空間で次の画面の表現を直接予測するデコーダ不要のアクション条件付きワールドモデル LGWM を提案し、185万件の実GUI遷移で学習させました。RSWT-BENCH での評価では、学習不要のスコアが AUC 0.987 に達し、1回の判定は17ミリ秒です。
注目点表現空間で次画面を予測する復号器不要の行動条件付き世界モデルを検証に用い新規性が高い。自作ベンチマークで実験は充分だが比較範囲は限定的。
説明結果依存の打ち切り・切断下での生存分析モデルの効率的な学習
要約学習データが結果ラベルに応じて切断される（観測がラベルによって学習データに含まれるかが決まる）状況を扱った論文です。切断と右側打ち切りのあるデータでは、基準ハザードが既知の場合、非凸であっても一階最適化法でCox回帰を効率的に学習できることを証明しています。基準ハザードを同時に学習する場合には、厳密な劣最適な局所解を持つ例が構成されています。4つの生存データセットでの実験では、切断を考慮することで素朴なCox回帰の予測バイアスが減り、ニューラルネットワークにも適用できることが示されています。標準的な期待値最大化法と比べて桁違いの高速化も報告されています。
説明標的の整合は標的の復元を意味するか？対照学習エンコーダへの敵対的主張に関する証拠段階の研究
要約敵対的攻撃は、攻撃対象モデルの類似度スコアを成功の証拠として引用することが多いが、本論文はそのスコアが独立したモデルによる標的の復元を予測するかを検証している。三つの摂動予算の下で六種類の対照学習エンコーダを比較した結果、ロバストに学習されたエンコーダは通常のCLIPやSigLIPより多くの独立した証拠を伝達したが、どの組み合わせも50％画像混合から導かれた参照水準には達しなかった。著者らは、このスコアは固定されたロバストエンコーダ内でのみ有益であるとし、代わりの報告手順を提案している。
説明EliteTable：実行可能な制御方策のための自己改善型プログラム探索手法
要約本論文は、大規模言語モデル（LLM）に導かれる自己改善型プログラム探索アルゴリズム EliteTable を提案する。固定容量の高得点解テーブルを用いて、新しい提案、既存解の編集、複数解の組み合わせを導く。six 個の Gymnasium 制御タスクで、各タスク十回の独立初期化探索により評価された。多くのタスクで候補スコアの中央値が上昇し、一部では選ばれた最良解が新しいエピソードでも改善を示した一方、Acrobot-v1 では十回中六回の探索で held-out エピソードの性能が低下した。著者らは、相対的な性能と各構成要素の寄与を確立するには比較実験とアブレーション実験が必要だと述べている。
説明マージ方式の語彙拡張は事前トークナイザで頭打ち：ネパール語向けの英語保持型修正と継続事前学習での検証
要約多くのオープンLLMが用いる事前トークン化の正規表現は、デーヴァナーガリーの母音記号で単語を分割するため、ネパール語のトークン数は同じ英語テキストの2.6〜5.8倍になります。本論文は、この正規表現への小さな修正と32,000個の新しいマージを提案し、標準的な語彙拡張と比べてネパール語のトークン数を約54%削減し、英語の1.01倍にしました。小規模な継続事前学習では、元のトークナイザが試したすべての設定で、保持データにおけるネパール語のビット/バイトが最も低くなりました。
注目点組み合わせ記号により正規表現が分割する根本原因を特定し、英語のトークンを保つ修正を示す点が新しい。ただし実験は小規模な継続事前学習に限られる。
説明メディア橋渡し型時系列予測における同一性とスペクトル分散の再検討：多変量信号と物語フローの接続
要約本論文は、数値の多変量データと事前整列済みのテキスト物語フローの両方に対応する統一的な時空間予測バックボーン、MIDAPN（Multimedia Identity-Aware Prism Network）を提案する。メディア間の同一性を扱うMIDAG（Multimedia Identity-Aware Graph）とCIM（Contextual Identity Modulation）、および階層的な時間分析を自動で行うSPConv（Spectral Prism Convolution）から構成される。13の多変量データセットと12のマルチモーダルデータセットで16の最先端モデルと比較し、さらに14の時系列基盤モデル等と長文脈で比較したところ、一貫した優位性と共有バックボーンとしての互換性を示したと報告している。
説明認知推論としての神経デコーディング：変動する神経信号から安定した認知状態を取り出す
要約本論文は、神経活動を外部ラベルに写像する従来型のデコーディングを、脳に内在する事前分布に制約された認知推論として再定式化しています。5種類の神経記録モダリティと運動・知覚・内的思考の3つの認知領域での実験で、神経観測表現の幾何構造を再編成し、認知課題をまたいで一貫した幾何関係をもつメタ神経意味表現を得ています。これにより、変動する神経観測から安定した認知状態を復元できることを示しています。
説明Project Greenhouse：完全にオープンで主権的なエージェント型検索への取り組み
要約本論文は、比較的少ない計算資源で完全にオープンかつ主権的なエージェント型検索モデルを構築できるかを検討しています。著者らは、ゼロからの事前学習と教師ありファインチューニングという二段階の手法で、ポイントワイズ型のデコーダー専用リランカーを構築しています。第三者のオープンウェイト基盤モデルには頼らず、実験はわずかな数のGPUで行われました。データ、コード、設定に加え、Gaggleモデル群のチェックポイントも公開されています。
説明長期対話エージェントのためのクエリ認識グラフ拡張型イベント中心メモリ（QGMem）
要約本論文は、長い対話履歴をイベント単位の原子的記憶に整理し、状態変化の軌跡を保つ動的記憶へ統合する記憶フレームワーク QGMem を提案する。クエリが来ると、ハイブリッド検索とクエリ認識型の再ランキングによって関連する記憶を選び、コンパクトな作業記憶を形成する。その作業記憶は局所グラフとしてエンコードされ、テキストとともに大規模言語モデルに渡される。著者らは六つのベンチマークで、検索、多段階の証拠統合、矛盾解決、超長文対話推論に改善が見られたと報告している。
説明表層から深層へ：マルチモーダル感情理解における認知的評価推論
要約本論文は、観察可能な感情の手がかりに主に頼る推論では、大規模マルチモーダルモデルが表面的な手がかりとラベルの関連付けに留まりうると指摘します。感情の評価理論に着想を得て、知覚から認知的評価へと進む過程として感情理解を定式化し、データセットCogEmo-40K、疎なMoEモデルCogEmo-MoE、ベンチマークCogEmo-Benchを提案しています。実験では、このベンチマークで高い成績を示し、ドメインを越えた汎化も確認されたとしています。
説明すべての変更が必要とは限らない：大規模言語モデルのアンラーニングで回復可能なドリフト
要約本論文は、大規模言語モデルの機械的アンラーニング（機械学習モデルから特定知識を除去する手法）のためのフレームワーク PTP-U（Propose-Then-Project Unlearning）を提案します。まず局所的な解析的編集で対象知識の関連を弱め、次に遺忘の制約を維持したまま、非対象の出力分布を元のモデルに合わせて能力を回復させます。3つのベンチマークで、評価対象の手法の中で最良の遺忘と保持のバランスを示し、平均で81.22%〜91.03%の遺忘率と94.20%の非対象タスク性能の保持を達成したとされています。
説明Puffin：粗い観測から空間的詳細を確率的に学習する手法
要約本論文は、高解像度の衛星埋め込みを共変量として用い、粗い空間単位の総量をより細かい部分領域に分解する統計的ディスアグリゲーションの確率的フレームワーク Puffin を提案します。各部分領域の単一の値を予測する代わりに確率分布を学習し、集計を考慮した尤度で訓練します。ドイツと米国の国勢調査、雇用、選挙データで評価され、地域や対象変数によって分解が成功する条件と失敗する条件を検討しています。
説明モデル市場向けのコスト考慮型エキスパート混合協調メカニズム
要約既存のモデル市場は通常、モデルを分割できない単位として取引・選択するため、異種エキスパート間の相補性を活かしにくいという問題があります。本論文は、混合エキスパート（MoE）を個別モデルの学習構造から市場レベルの協調メカニズムへ拡張する枠組みを提案し、ブローカーがゲーティングネットワークで複数のエキスパートを組み合わせて複合モデルサービスを提供する仕組みを示します。さらに、コストを考慮したゲーティング、収益配分規則およびその理論的性質を導出しています。15の表形式・画像ベンチマークでの実験では、全データセットで平均厚生が最も高く、平均期待コストは標準MoEより低く、精密なShapley配分よりも計算負荷が大幅に小さいことが報告されています。
説明視覚強化を超えて：LVLMの幻覚を抑える適応型マルチコンテキスト誘導
要約本論文は大規模視覚言語モデル（LVLM）の幻覚問題を扱い、モデルが復号時に視覚情報へ注目する内在的傾向を持ち、テキストの文脈も幻覚の抑制に寄与することを示しています。著者らは、視覚・事前入力テキスト・生成テキストの3種類の文脈に対して原型を作成し、クエリとの類似度から各アテンションヘッドの誘導重みを決める、学習不要の軽量フレームワーク AIMS を提案しています。実験では、複数のモデルと復号戦略において物体の幻覚を効果的に減らしつつ、汎用的なマルチモーダル能力を維持したと報告されています。
説明RobustLDS：敵対的な汚染の下で線形動的システムを学習する手法
要約本論文は、長さTの単一の軌跡が敵対的な外れ値によって汚染された場合に、線形動的システムをどのように学習するかを研究している。最小トリム二乗法の緩和形と交互最小化アルゴリズムに基づく複数の推定量を提案し、さらに外れ値の群疎性を利用した二つの推定量を設計している。群疎性ペナルティを用いた推定量については非漸近的な誤差上界を導き、外れ値に対する頑健性を示した。実験により、提案手法が実際にも良好に機能することも示されている。
説明意思決定モデルは立場を理解できるか：汎用LLMとJevの比較評価
要約本論文は、著者の対象に対する態度を判定する立場検出（stance detection）を扱う。英語データセットVAST、中国語会話データセットZS-CSDで、構造化された意思決定に特化したモデルJevを、4つの汎用大規模言語モデルおよび2つのファインチューニング済みモデルと比較している。結果として、JevはVASTではGPT-5.6と同等の性能を示し、他の汎用LLMを上回った。一方、ZS-CSDでは、特に賛成と反対の区別において、より強力なLLMに劣った。
説明LLMチャットから自律型AIエージェントシステムまで：LLM統合アプリケーションの形態
要約本論文は、大規模言語モデルがソフトウェアに組み込まれる際の七つの代表的な形態を体系的に整理しています。対象はLLMチャット、カスタムエージェント、検索拡張生成（RAG）、AI強化ワークフロー、コパイロット、コーディングエージェントなどで、共通の用語で記述しています。アーキテクチャパターン、実行制御とユーザー介入の位置、タスクごとのエージェント呼び出し回数、ツール利用の四つの観点で各形態を特徴づけ、22の事例で限界を示しています。
説明実プログラムにおける正確な出力とチェックポイント状態の予測の評価
要約本論文は、ソースコードと入力のみから最終出力とチェックポイント状態を予測するベンチマークを提案しています。CRUXEval形式の出力予測を拡張し、短い・長い実行トレースの対になる入力や、ループ内外のチェックポイントを含みます。Python・C++の371プログラムから作成した400件を、ツールやコード実行なしで4つのモデル系列の7設定で評価しました。推論を有効にした設定は、完了した回答において無効の設定を33.1〜55.2ポイント上回り、最も強い設定は長いトレースの最終出力で77.0%を記録しました。
説明SenseWeather：極端な天候下でロボットの知覚を強化するマルチモーダルセンシング
要約本論文は、激しい雨、雪、砂塵、霧、暗闇の条件下で、RGB・深度・赤外線の観測を位置合わせしたSenseWeatherベンチマークを提案しています。あわせて、既存の知覚モデルを変更せずに利用できるRGB画像を復元するFusion-to-RGB手法を開発しています。実験では、RGB+D+IRの融合が、RGBのみの復元手法と比べて検出の全比較で向上を示しましたが、その向上は従来の画質指標とは必ずしも一致しませんでした。
説明自動化研究はどのように評価されるか：ベンチマークと評価実践のサーベイ
要約本論文は、文献統合、研究アイデア創出、実行可能なワークフロー、学術執筆、自動査読、エンドツーエンドの研究という六つの対象にわたって、自動化研究システムの評価文献をレビューしています。タスク構成、根拠となる証拠の出所、評価者、採点手順を比較しています。出力の検査、プロセスの検査、人間による研究が相補的な情報を提供することなど、三つの主要な知見を示し、読者が既存の評価を把握しベンチマークを選び、後続研究を設計できるよう、報告と監査の指針を提案しています。
説明AI生成画像検出の汎化性能向上のための相対パッチ応答学習
要約生成モデルは非常にリアルな画像を合成でき、誤情報や視覚的偽造のリスクを高めています。本論文は、自己注意機構により実画像と生成画像のパッチが互いに影響し合うため、パッチごとのラベルが不正確になると指摘します。そこで、対になった画像の二つの混合ビューにおける同じパッチのスコア変化、すなわちパッチ応答から学習する相対パッチ応答学習（PRL）を提案します。八つの標準ベンチマークと三つの実環境ベンチマークにおいて、従来の最良手法をそれぞれ平均バランス精度で4.3%と5.9%上回りました。
説明欠損した観測から構造付き線形動的系を学習する
要約各時点で観測できるのはごく一部のデータだけという条件のもとで、凸集合上に制約された構造付き線形動的系を学習する問題を扱う論文です。バイアス補正を施した、非凸の可能性もある目的関数を最小化する推定量を提案し、統計誤差の非漸近的な上界と射影勾配降下法の収束性を示します。理論は、部分空間、双保序行列の集合、リプシッツ関数のサンプリングで構成される行列の集合の3つの場合に適用されています。
説明スペクトル信頼性による動的システム学習における潜在次元スケーリングの理解
要約本論文は、自己回帰予測による動的システム学習において、潜在表現の次元を増やすことが有益かどうかを、Koopman作用素の固有構造を通じて分析します。相対残差を用いて偽の固有対を検出し、潜在予測損失とスペクトル残差損失の2種類を6つのカオス系で比較しています。スペクトル残差モデルは、すべてのシステムと次元で中央値の滚動誤差が低く、次元の増加とともにより安定して減少したと報告されています。
説明条件付きカーネル Stein 不一致度：条件付き分布が目標モデルに合うかを検定する手法
要約本論文は条件付き適合度検定の問題を扱う。正規化されていない可能性もある条件付き目標モデルと、同時分布からのサンプルだけを与えられたとき、サンプルの条件付き分布が目標にどれだけ合うかを評価する。著者らは、共変量空間上の作用素値カーネルを用いて、無条件のカーネル Stein 不一致度を条件付きの設定へ拡張する枠組みを提案し、ほぼ全ての共変量について条件付きモデルと真の条件付き分布が一致するときに限り統計量がゼロになることを示す。滑らかな多様体と離散空間での検定に適用し、水準、検出力、実行時間の実験でその有効性を示している。
説明LEVER：AND/OR グラフ上の適応的・コスト考慮型証明探索
要約本論文は、大規模言語モデルを用いた定理証明において、AND/OR 証明グラフ上で証明を探索する LEVER アルゴリズムを提案します。証明が完成する前から、計算コストや証明の長さ、主題からの逸脱などの目的関数で探索を導きます。PutnamBench（Lean 4）での比較では、同じ予算の下で強力な単一会話型エージェントより約 34% 低いコストで、解決率が 80% から 96% に向上したと報告されています。目的関数の重みを変えることで、質とコストのトレードオフを選べます。
注目点AND/ORグラフ上で目的関数を探索中に最適化する新手法で、PutnamBenchでコスト削減と解決率向上を示し、証拠は十分。
説明軌道誘導型の故障特定によるエージェントスキル進化手法
要約本論文は、コードエージェントのスキルを反復的に改善する手法SkillMorphを提案します。複数回の実行とタスクにわたる失敗・成功の抽象化された軌跡を比較して疑わしい行動を特定し、その行動に基づいてスキル内の編集箇所を定めて修正案を生成します。SWE-Skills-BenchとCannBotでの実験では、既存の4手法および元のスキルより高い試行レベルの精度と実行の一貫性を示したと報告されています。また、AIオペレーター開発チームによる自動カーネル生成にも適用され、6件のスキル修正プルリクエストが受理されたとしています。
説明カメラ姿勢不要のフィードフォワード型3Dシーン補完：学習可能マスクアテンションとサポートトークン精製
要約本論文は、マスクされた領域を含む、姿勢未知の複数視点画像から、直接完全で3Dとして一貫したシーンを生成するフィードフォワード型フレームワーク「FreeInpaint」を提案する。3D基盤モデルを拡張し、参照視点のマスク領域を他の視点へ伝播させる。マスクが視点間の対応推論を損なう問題には学習可能マスクアテンションで、重い遮蔽下で外観の根拠が不足する問題には拡散モデル生成の補助トークンを用いるサポートトークン精製で対処する。多様なデータセットでの実験により、事前計算されたカメラ姿勢に依存せず、高い補完品質と高速な推論を両立することが示されている。
説明GRPODropout：オンライン強化学習のロールアウト選別で「少ないほど良い」を示す手法
要約この論文は、GRPOなどの強化学習で大規模言語モデルの推論を学習する際に生じる方策エントロピーの崩壊、すなわちサンプリングの多様性低下と探索の制限という問題を扱っています。著者らは、更新前に確率の高い正のアドバンテージを持つロールアウトを一部選択的に除外し、残りのアドバンテージを再中心化するGRPODropoutを提案しています。実験では、更新に使うサンプルを減らしながら、元のGRPOより高い精度と高い方策エントロピーが得られたと報告されています。
説明DADP：ヘッブ則に着想を得た動的な構造的枝刈り手法
要約本論文は、学習中にシナプス前の活性化とシナプス後の誤差勾配の累積積から結合の重要度を測り、単一の全体しきい値で層ごとの疎性を動的に配分する手法DADPを提案しています。MLP、VGG-16、ResNet-18、BiLSTM-CRF、MiniBERTで評価され、ResNet-18の99%疎性で精度73.67%（密なベースライン76.06%）を報告しています。また、行列ベースのシャノンエントロピーと実効ランクにより、極端な疎性でも特徴の多様性が保たれることを示しています。
説明LLMによる音色生成・補間における構造的・表現的エージェンシー
要約本論文は、大規模言語モデルを用いた音色生成インターフェースを対象とした計測研究です。ユーザーが実際に操作できる範囲（到達可能集合）は厳密に特徴づけられる一方、画面に表示される位置は実測値と大きくずれ、そのずれは約3倍の領域幅に達すると報告しています。誤差はモデルの座標予測と合成器パラメータの補間という独立した2つの要因から生じ、36件の修正指示のうち26件では知覚できる変化が生じませんでした。
説明VEDJE：拡張可能な動画・テキスト検索のための高効率判別型結合エンコーダ
要約本論文は、動画とテキストの検索マッチングを行うVEDJEという手法を提案している。サンプリングしたフレーム内で特徴を圧縮し、再利用可能なキャッシュに個別に保持する。また、特徴変化の予測を補助的な学習信号として用い、クエリ時の処理を増やさずに圧縮キャッシュからの検索精度を高めている。MSR-VTTなどの4つのデータセットで、両方向の検索においてR@1が第一段階の検索器を上回り、MSR-VTTではテキストから動画へのR@1が59.8に達した（原文による）。
説明複素数融合によるオープン語彙の視聴覚イベント局在化
要約本論文は、訓練時に見ていないクラスを含めて動画の各区間にイベントクラスを付与する、オープン語彙の視聴覚イベント局在化（OV-AVEL）を扱います。凍結された多モーダル基盤モデル（ImageBind）で得た視覚・音声と文の類似度を複素数として表し、複素数ニューラルネットワーク（CVNN）で融合を学習します。OV-AVEBenchの未知クラス分割でAcc/Seg-F1/Event-F1が66.5/59.1/54.1%となり、作者が改変したAVEデータセットでも最先端の結果を報告しています。
説明大規模言語モデルを用いた臨床試験における「スピン」の検出
要約論文は、統計的有意に達しなかったランダム化比較試験の50％超で、結果を歪めて提示する「スピン」（報告上の誇張・歪曲）が見られると指摘しています。著者らは、意味的類似度でラベル付けされた300組の主要アウトカムと報告アウトカムを用いて、アウトカムスイッチングを自動検出するシステムを開発しました。プロンプト工夫、トークン確率に基づく分類、多数決を組み合わせ、2,496件のテストセットでF1値0.78、正解率0.90を得ました。これはベースラインの文章類似度モデルを上回りますが、ファインチューニングしたBERTには及びません。
説明ConventionPlay：頑健な臨時協調のための能力制限付き学習手法
要約本論文は、強化学習に基づく ConventionPlay を提案しています。これは、協調タスクにおいてエージェントが相手の最適な約束事（コンベンション）を発見できるよう、適応能力の異なる学習済みの相手集団と対戦させて訓練する手法です。実験では、複数の約束事に適応できるテスト用の相手に対し、既存の臨時協調手法より高い性能を示したと報告されています。
説明1ビット圧縮センシングの事後サンプリングにおける復元保証
要約本論文は、事前分布から得られる信号に対するノイズあり1ビット圧縮センシングのサンプル複雑度を研究している。事前分布の近似被覆数によって分布的な複雑さを特徴づけ、測定数がその対数に比例するとき、事後サンプリングが高確率で正確な復元を達成することを示している。学習された事前分布がワッサーシュタイン距離で真の分布に十分近ければ信頼性が保たれること、また下界も示されている。拡散事前分布を用いた実験はFFHQおよびImageNetで行われている。
注目点近似被覆数で事前分布の複雑さを特徴づけ上下界を示し、拡散事前分布でFFHQとImageNetにて検証。影響は圧縮センシングの一分野に限られる。
説明確率シグネチャ動学：2層ネットワークにおける剰余加算の学習機構の解明
要約剰余加算タスクで訓練したニューラルネットワークは、厳密な汎化を支えるフーリエ構造の表現を形成することが多いが、勾配ベースの訓練がデータ分布からそれらをどのように選び出すのかは不明のままである。本論文は、訓練分布の条件付き統計量で主要な勾配相互作用を表す「確率シグネチャ」を用いて検討する。剰余加算ではこのシグネチャは循環シフト演算子であり、離散フーリエ変換で対角化されるため、フーリエモードの動学がほぼ分離されることを示す。さらに、ラベルノイズ下で誤ったサンプルの方が初期の損失低下が速い現象も説明し、XORでも予測された周波数を観測したと報告している。
説明抑制から修復へ：局所分布アライメントによる大規模視覚言語モデルの物体幻覚の緩和
要約本論文は、大規模視覚言語モデルが物体幻覚を生成する問題に対し、学習不要の手法ResOTを提案する。推論時に隠れ表現を修復し、まず主要な幻覚方向を忠実な部分空間から射影して除き低次元の残差部分空間を作り、その中でガウス最適輸送を用いて幻覚分布を忠実な分布に整合させる。三つの代表的なモデルでの実験では、物体幻覚が大きく減少し、画像キャプションの品質と複数のマルチモーダルベンチマークの性能が向上したと報告されている。
説明覚醒下開頭術中の話者横断的構音障害検出のための自己教師あり音声表現
要約本論文は、覚醒下開頭術の手術中録音において、構音障害のある発話と問題のない発話を自動的に区別する手法を検討したものです。DATABRASEデータセットを用い、話者分離による患者音声の抽出、手作業の音響特徴と多層wav2vec 2.0埋め込みを組み合わせた表現、および級数型分類器を評価しています。話者非依存の条件下で、音声表現が分類器の選択より性能に大きく影響することが示されています。
説明画像からの構造化：文書OCRと構造化JSON抽出のための軽量視覚言語モデル
要約本論文は、パラメータ数70億以下の8種類のオープンソース軽量視覚言語モデルを、3つの大学の文化遺産コレクションにおけるOCRから構造化JSONへの変換について比較したものです。モデルは文書画像からテキストを抽出し、スキーマに適合したJSONを生成します。ゼロショット、少数ショット、ファインチューニングの各設定で評価され、超パラメータ最適化、画像前処理、多段階学習の影響も検証されています。適切に調整されたモデルは、機関が自ら管理できる代替手段となり得ると示されています。
説明コンパクトなポーズグラフ最適化による剛体の高速姿勢追跡：軽量なモジュールで長時間にわたり剛体の6D姿勢を安定して追跡する研究です。
要約本論文は、新規物体の6D姿勢を長時間追跡する課題を扱います。既存手法は高コストな事前登録か、系列全体での再構成維持が必要で、ロボット操作や拡張現実には実用的ではないと指摘しています。著者らは、さまざまな対応点推定手法の上に重ねられる軽量な追跡モジュールを提案します。ポーズグラフでは点単位の最適化を避け、幾何学的な位置合わせから導いた不確かさで重み付けした相対姿勢制約のみを最適化します。4つの実世界ベンチマークで、再構成ベースの追跡器に匹敵する精度を、最適化コストのごく一部で達成したと報告しています。
説明多視点空間理解のための「探して見る」推論手法
要約既存の多視点空間推論は主に疎な入力視点に依存しており、視覚言語モデルは視点間の整合に弱さがあります。本論文は、質問に関連する視点を探して空間的証拠を補う「Seek-and-View」推論を提案し、視覚言語モデルと3D基盤モデルを組み合わせた学習不要のフレームワーク Vantage を示します。6つの視覚言語モデルと5つのベンチマークで、微調整なしに一貫した改善が見られたと報告されています。
説明PRAXIS：記号アーカイブを用いた自己改善モデルの学習ダイナミクス
要約本論文は、生成器・学習器・記号アーカイブを相互作用する動的過程としてモデル化する共進化フレームワーク PRAXIS を提案している。KL制約付きの生成器更新とアーカイブ重みの制御された変化が、一段階の目的関数のドリフトを抑えることを示し、確率的勾配降下法の平均定常性の保証も与えている。視覚的ロバスト性、関係グラフ推論、アルゴリズム的グラフ推論の実験では、生成器の安定化、学習器の損失低下、アーカイブの集中が見られ、理論的な仕組みと整合している。
説明ガウス混合上のソフトマックス注意：線形で足りるときは線形、選択が必要なときは選択的に動く
要約本論文は、Transformer の中核であるソフトマックス注意について、ガウス混合データ上の無限プロンプト極限を研究している。ガウスデータだけを扱う既存理論と異なり、ガウス混合は潜在構造、多峰性、非線形な依存関係を取り入れている。著者らは、ソフトマックス注意が勾配法によって、分類やノイズ除去などの統計タスクの最適解を表現・学習できることを示した。一つは線形タスクを線形注意と同程度に扱えること、もう一つはクエリに依存した文脈選択を用い、線形注意では解けない非線形タスクを解けることである。
説明Memento 3：反省的ルールブックによるモデルベースの再帰的自己改善
要約本論文は、凍結された大規模言語モデルのエージェントが外部メモリを通じて明示的な世界モデルを継続的に学習するMemento 3を提案します。エージェントは自然言語のルールブックを維持して環境の仮説を修正し、それを実行可能なコードにコンパイルして予測と計画に用います。予測誤差をもとにルールとコードを改訂し、忠実性の検証を通過した更新のみを採用します。ARC-AGI-3の公開ゲーム25本ではすべてのレベルをクリアし、平均相対人間行動効率は100.0、行動回数は人間の44%でした。Atari Pongの事例研究では、学習されたフィードバック制御器が3試合すべてで21対0で勝利しました。
説明AuraLuxMuse：音楽と専門家の指針を用いた舞台照明デザインのための適応的融合モデリング
要約本論文は、舞台照明デザインを支援するシステム AuraLuxMuse を提案しています。音楽と専門の照明キューを共通の検索空間に写像し、デザイナーの意図に沿って照明指令を検索・調整します。デザイナーを置き換えるのではなく、編集可能なキューを返す仕組みです。また、音声と照明キューの対データセット Musilux を紹介し、仮想環境と専門実験室で評価を行っています。
説明固体と気体の物理的整合性を重視した位相認識型動画生成
要約本論文は、固体と気体の動力学およびその相互作用を表現する動画を生成するPAVG（位相認識型動画生成器）を提案している。固体と気体の異なる運動を個別に扱う二分岐構造を採用し、時空間クロスアテンションで両者の物理的相互作用を捉える。また、固体、気体、固気相互作用を含む70万件以上の物理軌跡からなるシミュレーションデータセットを構築した。評価実験では、既存手法と比べて運動の再現性、物理的妥当性、映像品質が向上したと報告されている。
