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SharP：低リソース偽ニュース検出のためのソフト・ハードプロンプト誘導型LLMデータ拡張
要約本論文は、ラベル付きデータが少ない状況での偽ニュース検出を扱い、大規模言語モデル（LLM）を用いて課題に適した合成サンプルを生成するSharP手法を提案しています。ハードプロンプトで構造化された指示と事実制約を与え、ソフトプロンプトでデータから学習した意味パターンを導入します。さらに、分類器の確信度が低い領域へ生成を誘導する境界認識戦略と、意味的整合性と分類器のフィードバックを両立させる二重目的最適化を用いています。
説明オンポリシー蒸留における相対的ポリシー差分の転移を再考する
要約本論文は、オンポリシー蒸留（OPD）の改良として、専門家モデルの絶対的な分布ではなく、専門家と参照ポリシーの間の相対的な差分を転移させる方法を検討しています。タスク固有の訓練（強化学習や教師ありファインチューニングなど）による差分は安定して転移する一方、モデル規模のみに起因する差分は転移が弱いか、ほとんど効果がないことを示しています。また、差分が目標ポリシーを専門家へ近づけ、サンプルを超えて汎化する場合にのみ転移が成功すると論じています。
説明S³R：自己スパース投機的デコーディングによる高速で忠実なRLロールアウト
要約長文脈の検証可能な報酬による強化学習（RLVR）でロールアウト生成が遅い問題に対し、本論文はS³Rを提案する。スパースアテンションで候補トークンを生成し、完全アテンションによる検証と厳密な投機的サンプリングで応答を作成する。草案と検証は同一のポリシーパラメータを共有し、別途の草案モデルの学習は不要とされる。長文脈の数学推論で、自己回帰ロールアウトと比べてエンドツーエンドの学習スループットが1.35〜1.39倍になり、タスク性能は同程度と報告されている。
説明部分観測強化学習では、再帰ネットワークの学習は本当に必要か？
要約本論文は、部分観測マルコフ決定過程において、学習させない固定の再帰ネットワークだけで記憶を提供できるかを検討しています。固定の再帰ネットワークと学習可能な非線形出力モジュールを組み合わせた単純な構造を提案し、記憶要求、観測形式、行動空間の異なるタスクで評価しています。その結果、固定再帰ネットワークは数百ステップにわたる想起を支え、学習可能なモデルの半分未満の学習パラメータで競争力のある制御性能を示しました。
説明JANUS：協調進化する世界モデルによる長期自律研究の強化
要約本論文は、長期的な自律研究を改善するJANUSフレームワークを提案している。研究エージェントが候補案を提示し、世界モデルが実行前に価値の向上、情報利得、探索効用を予測して、分岐を選択・改良・剪定する。実際のフィードバックを受けた後、経験を進化するスキルへと蒸留し、両者が継続的に協調進化する仕組みである。著者らはMLS-Bench-Liteおよび実際の研究タスクにおいて、JANUSが最先端のベースラインを大きく上回ると報告している。
説明予測に基づく高海象下でのUAV着陸ウィンドウ計画（無人水上艇への着陸）
要約本論文は、高海象下で無人航空機（UAV）が無人水上艇（USV）へ自律着陸する課題を扱い、予測を取り入れた階層型制御フレームワークを提案しています。上位の着陸判断では、事前学習済みモデルがUSVの姿勢を明示的に予測し、適切な着陸ウィンドウと接地時刻の選定に役立てます。下位では従来型の飛行制御器が機体の安定と運動指令の追従を担います。実海象で収集したUSV運動データをMuJoCo上のUSVに移したリアルシム検証で、実現可能性が示されています。
説明生成型インビトウィーニングのための、目的地条件付き適応と意味・幾何整合
要約本論文は、開始フレームと目標フレームの間で時間的に一貫した中間フレームを生成するDSG-GIという枠組みを提案します。目標フレームを系列の目的地として扱う条件付き適応と、特徴の時空間関係を凍結された動画基盤エンコーダと整合させる手法を組み合わせています。著者らは、標準および大きな動きのベンチマークで、時間的安定性、目標フレームへの忠実度、知覚品質が向上したと報告しています。
説明WaSA：連合学習で悪意あるクライアントを教師なしでオフライン検出するウェーブレット散乱オートエンコーダ
要約連合学習は生データを共有せずに複数の参加者で協調的にモデルを学習させますが、有害なデータを注入する悪意あるクライアントに弱いという問題があります。本論文は提案手法WaSAを示します。学習前に各クライアントはプライバシーを保護した周波数スペクトルの要約を一つ送信し、クリーンな補助データだけで学習したノイズ除去オートエンコーダが、良性の分布からのずれに基づいてクライアントを評価します。攻撃ラベルは不要で、ボルツマンサンプリングにより除外と通常の集約を滑らかに切り替えます。MNIST、CIFAR-10、CIFAR-100での実験では、教師あり基線や頑健な集約手法を上回り、通信負荷は無視できる程度でした。
説明AdaC-GRPO：適応カリキュラム学習による長期視覚数独パズルの攻略
要約本論文は、グリッドサイズと必要な推論ステップ数で分類した細粒度ベンチマークFG-Sudokuを提案し、マルチモーダルモデルの長期的な多段階演繹推論を評価します。最先端モデルは9×9など複雑な長距離依存のパズルで失敗し、強化学習で報酬が疎になることが示されています。これに対し、オンラインのロールアウト精度で訓練バッチを動的に構成する適応カリキュラム群相対方策最適化（AdaC-GRPO）を提案しています。実験では、Qwen2.5-VL-7Bが Gemini-2.5-Flash に近づき、Gemini-2.5-Pro との総合精度差の62.2%を埋めたと報告されており、InternVL-3.5 と Qwen3-VL でも有効性が確認されています。
説明MixTok：グローバル1Dトークンとスパース2D補正を組み合わせた適応型視覚トークン化手法
要約本論文はMixTokという、コンパクトな1Dグローバル表現と局所補正用のスパースな2Dトークンを組み合わせたハイブリッド視覚トークナイザーを提案しています。コンテンツ適応型ルーターが補正の優先度で候補位置を順位付けし、平均トークン予算の下で各画像の2Dトークン数を決定します。ImageNet 256×256において、MixTokは再構成と生成の両面で競争力のある性能を示し、rFIDは1.195、gFIDは1.95で、画像あたりの平均コンテンツトークン数はそれぞれ約128と131です。
説明一般的なコンシューマ向けGPU1枚で動く高スループットな生成型動画超解像
要約本論文は、エンドツーエンドの再学習を行わず、事前学習済みの部品のみで構成されたゼロショットの枠組みを提案しています。単一のRTX 4090上で720pのインターリーブ推論時に最大約32 FPSに達すると報告されています。空間的な拡大と時間的な安定化を分離し、時間蒸馏された一段階の拡散モデルと軽量なフロー型補間器を組み合わせています。さらに、解像度を考慮したハイブリッド注意機構により、4Kで元の注意機構より最大44%の高速化を実現するとされています。
説明エージェント型データサイエンスにおける見えない失敗：精度を超えた評価
要約本論文は、既存のエージェント型データサイエンス（agentic DS）の評価が下流の予測性能とコードの正しさのみを見ており、データリーケージや不適切な検証といった方法論上の失敗を見落としていると指摘します。著者らは、220のタスクにわたる失敗モードの大規模分析、六種類の失敗を検査する再利用可能なテストスイート、Kaggleコンペの専門家解との定性比較の三つの観点から評価を行いました。その結果、多くのエージェント解が少なくとも一つの失敗モードを含み、データリーケージと予測性能の間に正の相関があることが示されました。また、DSエージェントは優勝したデータサイエンティストと比べ、問題解決の創造性や領域知識に乏しいことがわかりました。
説明CompactSplat：フィードフォワード型シーン再構成のための空間適応ガウス分布手法
要約本論文は、シーンごとの最適化を行わずに疎な視点から三次元シーンを再構成する手法CompactSplatを提案しています。テクスチャに基づく空間分割と階層的サンプリングにより、複雑な領域には密なガウスを、平坦な領域には尺度を調整した大きめのガウスを配置します。RealEstate10K、DL3DV、ScanNetでの実験では、標準指標と高解像度の描画一貫性で既存手法を上回り、基元の数を大幅に減らせたと報告されています。
説明ソルバーではなく照合を直す：侵食された視覚パズル向けの自己教師あり適合度指標STITCH
要約論文は、縁が侵食されたパズル片では、ソルバーではなく適合度指標（CM）が性能の制約になると指摘する。著者らは、軽量なクロスアテンションヘッドで片の内部の凍結ViTトークンを比較する自己教師あり指標STITCHを提案し、人手によるアノテーションなしで学習させる。既存の適合度ベースのソルバーに差し替えるだけで、複数のベンチマークで高い性能を示したと報告されている。
説明PreCoG：生成途中のプレビュー編集による効率的な動画修正
要約本論文は、テキストから動画を生成する途中で意味的な誤りを修正するフレームワーク PreCoG を提案します。低コストのプレビューで失敗を診断して修正条件を作り、キャッシュされた生成軌道を編集することで、既に正しい内容への影響を抑えます。実験では VBench と T2V-CompBench で最高スコアを示し、推論時間は VSR の約0.56倍、GENMAC の約0.86倍で、3つの品質・整合性指標でGENMACを上回ったとされています。
説明RoleWorld：機能的役割抽象による世界モデリングの知識転移
要約本論文は、再利用可能な役割プロトタイプと環境ごとのパラメータ値を用いて、物体が相互作用の中でどのように振る舞うかを表す記号的世界モデリング手法 RoleWorld を提案する。教師 LLM が相互作用の軌跡から役割プロトタイプと実行可能な遷移ルールを抽出し、行動主体 LLM は新しい環境でそれを用いて役割割り当てとパラメータ推定をオンラインで更新する。MARS ベンチマークでは、物体の振る舞いが大きく変わる環境でも頑健に汎化したと報告されている。
説明PreSTO：高速なLLMパワーサンプリングのための予測的サブツリープリフェッチ
要約本論文は、大規模言語モデルのパワーサンプリング（PowerMH）を高速化するPreSTO（予測的サブツリープリフェッチ）を提案している。将来のMetropolis-Hastings提案をサブツリーとしてまとめて一括生成し、元の採択規則に従って実際の経路をたどるため、遷移カーネルは変わらない。7つのデータセットと5つのベースモデルでの実験では、PowerMHおよび派生手法で中央値の高速化が示されている。
説明長期的なターミナルエージェントのためのスケーラブルなデータ合成手法
要約本論文は、長期的なターミナルエージェント向けに全自動で学習データを合成するエンジン TerminalHorizon を提案する。実際の専門業務を出発点に、独立した実行によって環境構築時に省略された重要な作業を特定し、その結果をもとに環境を再構築する。また、同一目標のもとでタスクを段階的に拡張する。1.5K のタスク環境を構築し、Qwen3.5-27B を教師ありファインチューニングして TerminalHorizon-27B を得たところ、12 のベンチマークすべてで大きな性能向上が見られた。
説明SOAR：検索エージェント向けの、出典を意識した精密な信用割当つき強化学習
要約本論文は、検索エージェントの強化学習で生じる「証拠の捏造」、すなわち外部情報を使わず誤った答えを作り上げる問題を扱います。提案手法SOARは、推論を外部情報と内部知識の出典が明示された軌跡に変換し、出典一貫性報酬で方策の学習を導きます。論文では、3Bと7Bのモデルで基準手法をそれぞれ7.3%、5.4%上回り、証拠の捏造は74.8%減ったと報告されています。
説明一瞥から注視へ：細粒度認識におけるMLLMの「認識の怠惰」の緩和
要約本論文は、マルチモーダル大規模言語モデルが細粒度視覚認識で期待に届かない原因を調べ、推論時に視覚的手がかりとカテゴリ概念の結び付けが不十分になる「FGVR Laziness」現象を指摘しています。提案手法LIVEは、学習を必要としない枠組みで、適応的な候補リストと認識ガイダンスを改善します。13のベンチマークと24の比較手法による実験で、異なるMLLMバックボーンに対する有効性が示されています。
説明結果だけでなく質も：コーディングエージェントの軌跡を教師ありファインチューニング用に選ぶための構造的スコアリング枠組み
要約オープンなコーディングエージェントは、最終パッチがテストに通った対話軌跡で教師ありファインチューニングされることが多いが、この結果のみによる選別は過程の質を無視している。本論文は、大規模言語モデルによる判定を使わず軌跡の構造から直接スコアを算出し、線形時間で動作する TQS（Trajectory Quality Score、軌跡品質スコア）を提案する。公開ライセンスの成功軌跡 155,144 件を用いた実験では、上位の軌跡で学習したモデルが、ランダムまたは下位の部分集合で学習したモデルより SWE-Bench-Verified で高い性能を示した。
説明『レ・ミゼラブル』対話ネットワーク：映画に基づく社会的コミュニケーションのネットワーク表現
要約本研究は、1998年の映画版『レ・ミゼラブル』を素材に、発話ごとに話し手、宛先、その他の受け手を区別し、内容と時刻も記録した公開の時系列テキストネットワーク「Les Misérables Dialogue」を構築しています。さらに十次元社会モデル（ten social dimensions model）を用いて、各層が異なる関係の次元に対応する多層ネットワーク表現を導出しています。加えて、類似の物語資料から同様に豊かなコミュニケーションデータセットを作るための一般的な手法も提示しています。
説明VIGOR：シーンプログラムにおける検証可能な工業幾何最適化と修復
要約本論文は、大規模言語モデルが生成したシーンプログラムが実行に成功しても、境界・衝突・クリアランス・通路・構造などの結合した工学的制約を満たさない場合があることを指摘しています。1,749件の構築可能なシナリオからなる工業シーンプログラムのデータセットを作成し、教師ありの生成、実行に基づく検証、段階的な幾何修復を組み合わせたVIGORを提案しています。実験では完全実現可能性96.86%、総合スコア91.20を達成したとしています。
説明LLMベースのマルチエージェントシステムにおける能力認識型オーケストレーション
要約本論文は、大規模言語モデル（LLM）を基盤とするマルチエージェントシステムを自動的に編成する、二段階の能力認識型フレームワークを提案しています。まず現在のクエストに対する基盤モデルのタスク関連能力を推定し、その信号をもとに役割の起動と通信グラフを調整します。6つのベンチマークでの平均スコアは93.81%です。高能力モデルでは平均精度が87.22から89.97に向上し、トークンコストは36.26%削減されたと報告されています。
説明領域と深度の教師あり学習による計測可能な意味付き3Dガウシアンスプラッティング、対話型建物点検向け
要約本論文は、多視点画像から建物を再構築するため、マスクによる領域監督と多視点ステレオ点群に基づく深度監督を組み合わせた計測可能な意味付き3Dガウシアンスプラッティング（3DGS）の枠組みを提案しています。各ガウシアン基本要素に意味クラスの特徴を関連付け、部材単位の点検を可能にします。AEC-SplatTwinプラットフォームを通じて、リアルタイム可視化、定量計測、マルチモーダル大規模言語モデルによる対話が実現されています。HKUPBデータセットでは、高さ・幅・面積の平均相対誤差がそれぞれ0.33%、1.07%、0.60%でした。
説明Neurograf v1：ルーマニア語優先の言語モデルファミリー（エンドツーエンド）
要約本論文は、ルーマニア語のような比較的リソースの少ないヨーロッパの言語向けに、言語モデルをゼロから学習するための実験的なパイプライン Neurograf v1 を紹介しています。構成は、6.35 億バイトのコーパス RoSfera、8 万語彙のバイトレベル BPE トークナイザ、1.6 億〜60 億パラメータの五つのデコーダモデル、三つの指示調整済みアシスタント、二つの埋め込みモデルです。1,000 問の WWTBM ベンチマークでは、Neurograf-6B がルーマニア語の文脈の問題で 69.89%、Neurograf-3.2B が 67.38% の正答率を示しました。著者らはこれを本番システムではなく実験的な実証システムとし、ダイアクリティカルマークの保持やコーパスの品質などの課題にも言及しています。
説明個別化インセンティブ政策における操作の限界：補助金を個別化した場合に、エージェントが偽装して利益を得られるかを分析
要約本論文は需要管理における個別化インセンティブ政策を扱う。規制当局は持続可能な選択を促すために個人のニーズに応じて補助金を調整するが、エージェントが別のプロファイルを装って多くの補助を得る操作の可能性がある。著者はこれをシュタッケルベルク・ゲームとしてモデル化し、規制当局が過去の行動からエージェントの類型を学習する過程を明示的に取り入れた。その結果、分類の不確実性は個別化の精度を下げる一方で操作を抑止し、規制当局に有利になりうることを示した。ロンドンの乗客の交通手段選択データによるシミュレーションも行っている。
説明DP-MIND：百万トークン規模の長文脈に対応するメモリ誘導型差分プライバシー推論フレームワーク
要約本論文は、LLM-as-a-Service（大規模言語モデルのクラウド提供）でユーザーの長文に含まれる機密情報を守る課題を扱い、差分プライバシー（DP）推論を百万トークン規模の文脈へ拡張するDP-MINDを提案しています。入力をローカルで摂動させ、コンパクトなメモリを用いてチャンク単位で処理し、強化学習によって摂動入力上のメモリ構築方針を最適化します。さらに、ローカルのノイズ除去モジュールで摂動により損なわれた回答部分を復元します。著者らはプライバシー分析を示し、複数の長文脈ベンチマークで既存手法より拡張性と有用性の両面で優れると報告しています。
説明先読みと振り返り：道路網軌跡のための予測型生成モデリング
要約本論文は、道路網上の軌跡生成を扱い、交差点での進路選択が後続の経路に大きく影響する点に注目しています。既存の拡散モデルなどの手法はこの次の遷移選択を十分に扱えず、道路網から外れた軌跡を生成することさえあると指摘しています。著者らは予測型生成モデリングという枠組みと、「予測・選択・更新・再予測」のループを用いる Foresight モデルを提案しています。論文では、大規模な実験で Foresight が最先端の基準手法を上回ったと報告しています。
説明連続動的時間伸縮の高速な勾配ベース近似手法
要約動的時間伸縮（DTW）は時系列間の差異を測る手法ですが、計算が遅く微分不可能という課題があります。本論文は連続DTW（CDTW）を再検討し、穏やかな条件下で微分可能であることを示したうえで、効率的な近似ソルバーFastCDTWを提案します。区分線形の伸縮関数には厳密な閉形式解法、暗黙的ニューラルネットワークのような滑らかな関数には不偏なモンテカルロ推定を用い、いずれも伸縮関数と入力系列に関する勾配を与えGPUで動作します。時系列平均化、分類、深層ドメイン適応などの学習問題への応用も示しています。
説明探す・判断する・読む：知識点インデックス上の役割分担型マルチモーダル文書QAエージェント
要約本論文は、オープンドメインのマルチモーダル文書質問応答を、探索、橋渡し判断、深い読解、統合の各段階に分け、それぞれを別の役割のエージェントやモジュールが担うKnowForgeパイプラインを提案しています。ハイブリッド検索に基づく知識点インデックスを土台とし、M3DocVQA、MultiHop-RAG、MMLongBench-Docで既発表システムを上回ったと報告し、分項の削除実験で各部分の寄与を示しています。
注目点検索と読解を役割特化型エージェントに分離し強制的な橋渡し判断を加えた設計で、複数ベンチマークで実質的な改善と詳細なアブレーションを示す。
説明重み行列スペクトルの裾の重さがモデル品質を予測できる理由
要約本論文は、深層ニューラルネットワーク（DNN）の重み行列のスペクトルが、なぜモデル品質を予測できるのかを統計的観点から検討しています。確率的枠組みを用い、最終層の重みのみから周辺尤度を導出し、大規模な畳み込みネットワークやLLMで、それがモデル品質を予測することを示しています。また、重い裾を持つHTMP分布に従うスペクトルについて極限対数周辺尤度を導出し、それが裾の重さのパラメータに関して凸であることを示し、大規模DNNの過学習を経験的に予測する最適な重さを求めています。
説明GuidedNav：動作前の注意と空間ガイダンスによる視覚言語ナビゲーション表現の形成
要約本論文は視覚言語ナビゲーション（VLN）向けのフレームワーク GuidedNav を提案します。学習時にサブタスクとランドマークのガイダンスで、動作前の注意を現在の指示の区間と関連する視覚領域へ向け、空間ガイダンスで方策の内部表現を幾何学的特徴に合わせます。また、注釈を加えた Guided-R2R と Guided-RxR の2つのデータセットを公開しています。R2R-CE と RxR-CE の val-unseen では、従来の最良結果に比べ成功率がそれぞれ 8.1% と 13.1% 向上し、推論も高速だと報告されています。
説明BenCoDiC：ベンガル語政治ニュース談話を対象とした大規模文脈付きサイバーいじめコーパス
要約本論文は、ベンガル語の公開サイバーいじめコーパス BenCoDiC を紹介するものです。100 本の YouTube 動画とその議論から収集した 50,250 件のテキストを含み、字幕・コメント・返信の関係を保持しています。二層の人手アノテーションと専門家による検証を経て、Fleiss' κ と Krippendorff's α はいずれも 0.86 でした。会話の文脈を加えると、単独のテキストを分類する場合より、わずかながら一貫した改善が見られたとしています。
説明頭の中で映画を再生する：脳波から動的な視覚知覚と想起を解読
要約本論文は、20名の参加者が自然な動画クリップを視聴した直後に視覚的な想起を行う過程で収集した脳波データセットPAIRを提案します。外部からの知覚と内部での想起を比較し、複数の解読モデルを階層的な意味分類、メタ特徴の解読、知覚と想起を区別する状態解読で評価しています。結果として、一部の課題では性能が近く、粗い分類の2つの比較では知覚の精度が高く、状態レベルでは両者を高い精度で区別できました。
説明進化した e-puck ロボットにおける情報の価値と通信の出現
要約この論文は、食料地点を通過したときにしか検知できない場所を2台の自律ロボットが探すとき、通信がいつ自発的に現れるか、また先天的な行動選択構造がどの役割を果たすかを研究している。制御にはGRU再帰ネットワークを用い、適応度は食料上で過ごした時間のみで評価される。方位磁針が与えられると信号の使用は完全になくなり、方位磁針がない場合には、異なる戦略が同程度の性能を示した。
説明DRYLAB-Bench：LLMエージェントの生物学的変異設計におけるバイオセキュリティリスクを測るベンチマーク
要約本論文は、LLMエージェントが高リスクな生物学的変異を設計する能力を評価する初の包括的ベンチマーク DRYLAB-Bench を提案している。バイオセキュリティ指針から抽出した30の危険なシナリオで、モデルは生物設計ツールを使って反復的に候補を改良する。設計結果は ProteinGym と ViroGym の187,695件の実験測定値と照合し、独自のバイオセキュリティリスクスコア（BRS）で評価される。15の最先端モデルでは、ツールなしでも67.6%の一回限りの設計が平均的な測定変異体を上回り、ツール利用でリスクはさらに高まったと報告されている。
注目点LLMエージェントの生物設計リスクを評価する初の包括的ベンチマークで、18万超の実測データで検証しBDTによるリスク増幅を定量化している。
説明合成自己蒸留による小型モデルの継続的な事後学習
要約小型モデルは継続的な事後学習で、新しい能力の獲得と既存知識の保持を両立しにくく、既存の自己蒸留ファインチューニング（SDFT）も小型モデルでは効果が低いと論文は指摘します。著者らは、学習の失敗と忘却が事後学習後のモデルの分布シフトと線形に相関することを示し、同系列のわずかに大きな整合モデルに書き換えを任せる合成自己蒸留（SynthSelf）を提案します。4つの獲得データセットと14の保持ベンチマークで、3つの小型モデル規模において6つの比較手法を上回ったと報告されています。
説明位置は重要か？ブラックボックス因果監査が示すLALM幻覚における音声根拠のモデル依存性
要約大規模音声言語モデル（LALM）は、存在しない音を存在すると肯定することがよくあります。本論文はブラックボックスの因果テストを提案し、CLAP類似度で主張の根拠となる音声区間を特定し、スペクトルゲーティングで除去して、ランダム窓の対照群と比較します。3つのモデルで2x2x2の条件を検証した結果、時間長を揃えると、特定区間の除去はすべての条件でランダム除去より優れていました。一方、生の検出性能はモデルによって異なります。また、空白音声と言語事前分布の対照を組み合わせた対照デコーディングにより、Qwen2-Audioの正解率は57.1%から71.9%に向上しました。
説明視覚注意ヘッドの発見スコアは何を見つけるのか：注意の供給源、必要性、ランダム対照の落とし穴
要約視覚言語モデルで、質問に関係する画像領域へ注意を向けるアテンションヘッドは、モデルの誘導や解釈、幻覚の低減に使われ、注意パターンのスコアで選ばれて介入で検証されることが多い。著者らはQwen3-VL-8B-Instructで、クエリの種類、発見用コーパス、注意を読むトークン位置を組み合わせて検証し、層を揃えたランダムなヘッド集合と比較した。その結果、注意の供給源とクエリの種類はコーパスよりも選ばれるヘッドを大きく左右し、必要性は発見設定によって差が出る一方、誘導の効果は発見されたヘッドに固有のものではなかった。
説明反復的精緻化による RNA 基盤モデルの拡張：推論の深さを調整できる 8000 万パラメータのモデル
要約本論文は、共有型 Transformer コアを繰り返し適用して配列表現を精緻化する、8000 万パラメータの RNA 基盤モデル Eco-RNA を提案します。推論の深さ（反復回数）は学習後に選択でき、パラメータ数は固定です。RNAGym の 70 種類の適合度ベンチマークでは、反復回数を 1 から 4 に増やすと平均絶対スピアマン相関が 0.242 から 0.286 に上がり、4 回の反復で三つの総合指標すべてにおいて、パラメータ数が 500 倍多い Evo 2 40B を上回りました。非コード RNA ファミリー分類、RNA 二次構造予測、化学プロービングプロファイル予測でも比較基準を上回ったと報告されています。
注目点学習型反復精緻化をRNA基盤モデルに導入し、推論深度を可変化。70のRNAGymアッセイで少ないパラメータによりEvo 2 40Bを上回り、証拠は比較的充実。
説明失敗した軌跡から、エージェントのどこが誤ったかを特定できるか（ステップ単位のラベルなしの失敗原因特定）
要約本論文は、LLMエージェントが課題に失敗した原因となった決定的なステップを、ステップ単位の正解ラベルなしで特定する手法を扱っています。提案手法SOAPは、LLMの表現から作ったスペクトル参照空間で各ステップに誤りスコアを与え、注意機構のパターンを使って下流の誤り証拠を上流の原因へ伝播させます。実験では、競合する基準手法に比べて原因特定の性能が一貫して向上したと報告されています。
説明指令実行進捗を認識する頑健な視覚言語ナビゲーション（VLN-AIEP）
要約本論文は、多段階の指示に従って移動する視覚言語ナビゲーション（VLN）の課題を扱い、指示実行の進捗推定とナビゲーション判断を結びつけたVLN-AIEPを提案している。実行済みの指示内容を抑制し、未実行の内容だけを候補地点と照合する仕組みで、明示的な進捗ラベルは不要である。R2R、RxR、CVDN、R2R-CEの各データセットで複数の指標において良好な結果が報告されている。
説明210万時間の生の放送音声からフィンランド語音声SSLへ：信頼度フィルタリングと大規模アーキテクチャ分析
要約本論文は、未加工の放送音声210万時間を出発点とするフィンランド語の自己教師あり学習（SSL）研究である。事前学習データの品質の代理指標として自動音声認識（ASR）の信頼度を提案し、言語識別（LID）に基づくフィルタリングと比べ、学習データが小さいにもかかわらず単語誤り率を相対で3〜7%改善したと報告している。さらに、同じパラメータ予算でTransformer、Macaron-Net、Conformer、E-Branchformerを比較し、先行のフィンランド語SSLベースラインを、特にBaseサイズとドメイン外で上回ったとしている。
説明VETR：記号的グラフィックス推論のための実行ベース自己改善エージェント
要約本論文は、実行トレースを解析して記号的シーン表現を改良する視覚エージェントVETRを提案しています。最終レンダリング画像だけでは監督信号が曖昧になる問題に対し、実行中の状態変化から代替プログラムを構成し、実行時の状態で検証します。BlenderGymとBlenderBenchでの評価では、BlenderAlchemyやVIGAなど既存の改良手法より優れた結果が示されています。
説明加速MRI再構成のための確率的有限遷移学習・探索手法（FLEX-MRI）
要約本論文は、加速磁気共鳴画像法（MRI）の再構成手法FLEX-MRIを提案する。再構成過程を少数の有限区間に分割し、各区間での再構成の変化を直接学習する。推論時にはk空間係数の一部を摂動させて確率的に遷移経路を探索し、各予測状態はデータ一貫性によって取得データと整合させる。多コイルMRIデータセットでの実験において、提案手法は比較手法より優れた結果を示し、計算効率は少ステップのベースラインと同程度とされている。
説明判断が速くなってもエージェントが良くなるとは限らない：エージェントワークフローにおける Jev の実証研究
要約本論文は、AI エージェントの意思決定に大規模言語モデルの代わりに Jev を用いた場合、効率化がタスク完了の成果に結びつくかを検証しています。ALFWorld（身体性タスク）と AndroidWorld（モバイルアプリ操作）の二つの環境で、五つのエージェントによる 4,500 回のタスク実行を評価しました。決定コストと遅延は全エージェントで大幅に減少した一方、二つのモバイルエージェントでは成功率が大きく低下し、追加の推論や対話が節約分を相殺したと報告しています。
説明薄い構造と符号が曖昧な形状のための、メトリック・位相場を用いたボリュームレンダリング
要約本論文は、メトリック・位相場（MPF）に基づく神経ボリュームレンダリング枠組み PhaseSurf を提案している。符号付き距離関数を用いる手法は、薄い構造や符号が曖昧な形状で破綻しやすいという課題に対し、符号なし近接を表す非負のメトリック場と、ソフトな符号手がかりを与える連続的な位相場を組み合わせている。多視点データセットでの実験では、UDF ベースの手法や近年の 3DGS パイプラインより安定して高品質な形状を再構成できると報告されている。
説明協働設計会議における人間とLLMのファシリテーション比較：計算的な行動分析
要約本研究は、AMI会議コーパスの199組の対応する文脈において、人間のプロジェクトマネージャーの発話とLlama 3.1 8B Instructの応答を比較しています。人間の発話は文脈的意味距離とヘッジ語の語彙密度が高く、モデルの発話は話題の発散、語彙の詳細化、フェーズ語彙の整合性が高いという結果でした。著者らは、これらの差を引用品質の順位とみなすべきではないと述べています。
説明SWEAR：自己評価難度に基づく区間ごとの効率的な音声推論
要約大規模音声言語モデル（LALM）の適応的推論について、既存手法は粗い難度推定に頼り、推論量を決める多様な要因を見落としていると指摘しています。著者はオフライン評価から五次元の難度スコアと圧縮された推論トレースを導き、その上でSWEARという難度認識型の推論フレームワークを提案します。教師あり微調整で難度信号を学習し、強化学習で推論段階ごとの推論配分を調整します。MMAU-test-miniとMMARでの実験では、精度を向上させながら生成トークン数を大幅に削減したと報告されています。
説明注意は認識し、MLPは拒否する：LLMにおける注意からMLPへの安全性経路の追跡
要約このarXiv論文は、安全性調整済みの大規模言語モデルがジェイルブレイクされたり、無害な依頼を過剰に拒否したりする理由を調べています。18組のBase-Instructモデル（Qwen、Llama、Gemmaを含む）で、注意機構とMLPモジュールが有害性の認識と拒否の生成にそれぞれどう関わるかを測定しました。その結果、有害性は注意機構の更新からより読み取りやすく、MLPは拒否信号の書き込みにより強く寄与することが示されました。因果的介入もこの経路を支持しています。著者らはこれを基に、両方のスコアを用いるSentinelを提案し、八つのモデルで単一信号より低い総合誤り率を達成したと報告しています。
注目点注意機構による有害性の認識とMLPによる拒否生成を分けて測定し、因果介入で検証。18組のモデルで一貫した知見を示し、脱獄や過剰拒否の分析に有用。
説明LongHarness：状態を持つ証拠管理による1億トークン規模コーパスでのエージェント推論の高度化
要約本論文は、コンテキストウィンドウを超える大規模文書集合を横断して推論するための、モデル非依存のエージェント枠組み LongHarness を提案しています。中核となる仕組みは証拠と結論の共進化で、未解決の結論が不足情報の検索を導き、新たに得られた証拠が元の結論を強化または修正します。これに証拠ライフサイクル管理を組み合わせ、証拠を最新かつ追跡可能な状態に保ちます。OfficeQA Pro、AA-LCR、LongBench v2 での評価では、同じベースモデルによる直接推論と比べて完全一致スコアが向上したと報告されています。
説明Double-Take：双方向メモリにおける長文脈での容量・結合・選択性の改善
要約本論文は、固定サイズのメモリが長い系列をどこまで使えるかを検討し、単一ステップの書き込みでは干渉が蓄積して容量が制限され、自己連想的な書き込みでは位置をまたぐ結合が作れないと指摘しています。提案手法Double-Take（DT）は、多段階の固定しない更新、位置間の混合、双方向の変化に敏感な書き込みを用いて、これらの問題を改善します。32kbのゲノム文脈のみで学習し、131kbでAUROC 0.927、約1Mbで0.856を達成し、ヒトからマウスへゼロショットで転移しました。
説明AV-FlowEdit：学習不要でプロンプト駆動型の音声・映像同時編集手法
要約本論文は、既存の動画と音声をテキストプロンプトで編集する、学習も反転処理も不要なフレームワーク「AV-FlowEdit」を提案しています。ソースとターゲットのフロー差分を用いて映像と音声の両ブランチを同時に更新し、映像のみ、音声のみ、両方の編集に対応します。サンプリング中のずれを抑えるイベント認識型スペクトル軌道保持により、対象外の領域を維持します。実験では、プロンプトとの整合性や時間的一貫性が高く、音質やモダリティ間の一貫性も競争力があると報告されています。
説明DISCERN：一般化可能な医療マルチモーダル学習のための識別可能な疾患エビデンス
要約臨床のマルチモーダルモデルは、モダリティ間で共有される登録上のショートカットを学習し、新しいコホートで性能が低下することがあると論じています。著者は潜在構造因果モデルでデータを記述し、情報格子エンコーダ、潜在状態モデル、アウトカムヘッドを結合して学習するDISCERNを提案します。合成データの実験では、条件付けによって状態AUROCが0.043から0.883、0.265から0.825へ向上しました。eICUとMIMIC-IVの間の跨データベース死亡率実験では、対応する経験的リスク最小化と比べ、AUROCが0.036と0.035改善しました。
説明クリック率に基づく広告画像編集：属性の分離と選好アライメント（ECC手法）
要約本論文はECC手法を提案し、EC広告画像の最適化を、ゼロからの生成ではなく細かな編集として再定義します。クリック率（CTR）を下げる属性のみを修正し、有益な属性は維持します。ANOVAとランダムフォレスト回帰で、CTRと有意に相関する28の属性を特定し、編集提案を生成するプロンプトモデルを学習させた上で、実際のクリック選好で調整します。また、DPOの過学習を抑えるためにConsistent Preference Optimization（CPO）を導入しています。論文では、CTRが既存モデルを大きく上回ると報告しています。
説明CB-Orchestrator：文脈的バンディットによるLLMエージェントの適応型ワークフロー最適化
要約本論文は、ワークフローの生成と選択を分離するCB-Orchestratorフレームワークを提案する。まず進化的探索によって多様な候補ワークフローのプールを構築し、次にワークフロー選択を探索と活用のバランスを取る文脈的バンディット問題として定式化して、学習に必要なフィードバックを削減する。推論時には各クエリに合わせて最適なワークフローを適応的に選択する。論文によれば、5つのベンチマークで全ベースラインを上回り、MATHデータセットでは学習時のAPIトークンのオーバーヘッドを少なくとも40.55%削減している。
説明KV-Repurpose：非プレフィックス KV キャッシュ再利用を評価するテストベッド
要約大規模言語モデルの推論サービスでは、KV キャッシュの再利用は通常、完全一致するプロンプトのプレフィックスに限られています。本論文は、vLLM をベースとするオープンソースのシステム KV-Repurpose を提示し、プレフィックス以外でのセグメント単位の KV キャッシュ再利用の開発と評価を可能にします。キャッシュを考慮したセグメント scheduling、容量管理、負荷生成、実行時監視を備えます。RAG 型の Zipf 分布負荷の実験では、同じ 30 GB のキャッシュ容量で、トークン単位のヒット率が 63.9%（プレフィックスキャッシュは 3.3%）でした。キャッシュを 1 TB に増やしても、プレフィックスキャッシュのヒット率は 17.9% にとどまりました。
説明CliQ-RRG：質問応答形式の放射線レポート生成のための臨床知識誘導型疾患認識画像・テキスト整合手法
要約本論文は、胸部X線などの画像から放射線レポートを自動生成するCliQ-RRGを提案する。第1段階では、予測された疾患埋め込みを用いる疾患認識型の画像・テキスト整合モジュールと、現在および過去の検査の関係を捉える先行情報誘導型注意モジュール(PrAM)を用いる。第2段階では、GraphRAGによる検索で得た臨床根拠を加え、大規模言語モデルが簡潔で解釈しやすい質問応答ペアと診断要約に再構成する。著者らは、2つの公開胸部X線ベンチマークで既存手法を上回ったと報告している。
注目点疾患認識アライメント、事前情報誘導注意、GraphRAG検索を組み合わせQA形式の読影レポートを生成し、2つの公開胸部X線ベンチマークで既存手法を上回る。
説明後戻りして前へ進む：長期タスク向けエージェントの回顧的探索と進化（ReTRAIL）
要約本論文は、大規模言語モデルエージェントが環境を以前の状態まで巻き戻し、有効な進捗を保ちながら、放棄した探索から得た知識を後続の判断に活かせるようにするフレームワーク「ReTRAIL」を提案している。状態アンカー付きGRPOと分岐進行報酬という二つの学習信号を用いる。MineSweeper、Sokoban、ALFWorld、ScienceWorldの四つの対話型ベンチマークでの実験では、巻き戻し操作を加えるだけでは効果が限られ、性能が下がることもあると示された。一方ReTRAILは、非生産的な状態から巻き戻し、放棄された分岐の知見を後続の探索に活用できる。
説明CoBe：対話型反事実テキスト編集のためのベンチマーク
要約本論文は、仮定上の条件変更に応じて、因果的に影響を受けない事実を保ったままテキストを修正できるかを評価するベンチマーク「CoBe」を提案しています。医療、科学・工学、ビジネス、日常生活など2000問から成ります。最先端モデルの平均スコアは58.05％で、モデルは元の因果構造を保つよりも、統計的に関連する内容を生成する傾向があることが示されています。性能はモデル規模や出力長と一貫した関係を示さないと報告されています。
説明A4-MR：MRI向けの解剖学的位置合わせと異常認識モデル
要約本論文は、約5万件のMRI検査（約49.1万シリーズ、そのおよそ半数に放射線科レポートが対応）で学習した3次元視覚言語基盤モデルA4-MRを提案しています。解剖学的部位の局在化、解剖学レベルでの画像とテキストの整合、健康な解剖構造と異常な解剖構造の区別的な表現学習を目指しています。複数の下流タスクで既存の基盤モデルを上回り、膝の分割や腹部臓器の分割では、タスク特化モデルと同等かそれ以上の結果を示しています。
説明UniMergeTrack：汎用RGB-X視覚物体追跡のための階層的モデルマージ
要約本論文は、熱赤外・イベント・深度などの補助モダリティを組み合わせるRGB-X視覚物体追跡のための、モデルマージ手法UniMergeTrackを提案しています。まず各モダリティのトラッカーを個別に学習し、その後に階層的なマージを行います。バックボーンは高域通過フィルタ付きマージと軽量なタスク専門家で統合され、追跡ヘッドは最適輸送に基づくチャネル整列でマージされます。さらに分布整列による微調整を行います。複数のベンチマークで最先端または競争力のある性能を示し、未知のデータセットへの汎化も報告されています。
説明NOFACE3D：3D生成のためのノイズスケジュール付き重点アンカリングと制御強調
要約本論文は、画像から3Dモデルを生成する際に細い部分や細部が不十分になる問題を、学習なしで推論時のみ改善するNOFACE3Dを提案します。生成済みメッシュから細部が重要な領域を切り出して拡大し、空間ごとに異なるノイズスケジュールを用いたフローベースのサンプリングで細分化した後、元のモデルに統合します。PAniC-3D、TexVerse、および注釈付き細部領域を持つ339件の新ベンチマークBigDetailで評価され、いずれも基準手法より鮮明な形状と細かなテクスチャが得られたと報告されています。
説明故障耐性を持つ多ロボット協調：k 連結制約付き劣モジュラ最大化
要約本論文は、被覆、目標追跡、情報収集などの多ロボット協調を対象とし、タスク性能、ロボットの故障や除去への耐性、通信ネットワークの連結性を同時に考慮する「耐性 k 連結劣モジュラ最大化」を提案しています。Menger の定理に基づく連結性の縮約、実行可能性を保つ貪欲アルゴリズム、曲率に基づく新しい解析により、故障後の目的関数値の最悪ケース保証を示しています。多ロボットの目標追跡実験で手法を検証し、連結性制約の実際の影響を評価しています。
説明教師の監督を再方向づけ：動画言語モデルのための時間応答誘導型潜在蒸留
要約本論文は、動画言語モデルのオンポリシー蒸留において、学生モデルの時間的応答を用いて監督の方向を選ぶ手法を扱っています。提案手法の時間応答誘導（TRG）は、局所的な時間摂動に対する表現の応答を測り、教師の補正をその応答空間へ射影して元の補正に加え、元のノルムに復元します。TempCompass、Video-MME、MVBench、Video-MMMUで、4Bの学生モデルの平均精度は、報告された出力のみのOPD基準より2.86ポイント向上しました。
説明RAMP：再帰深度言語モデルの効率的なプリフィルのための再帰適応型混合精度手法
要約再帰深度言語モデルは共有ネットワークを繰り返し適用して推論能力を高めますが、その分推論コストも増加し、長文脈のプリフィル段階で特に顕著です。本論文は、量子化誤差が再帰深度をどのように伝播するかを分析し、初期に導入された誤差ほど後続の再帰ステップで減衰し、最終表現への影響が小さいことを示しました。これを基に、初期の再帰精緻化には低精度計算を用い、終端の精緻化で高精度に戻すRAMP（Recurrent Adaptive Mixed Precision）を提案しています。文脈長4Kまでの実験では、NVIDIA H100上で最大1.16倍の初回プリフィル高速化（遅延13.9%削減）を達成し、全精度に近いプリフィル品質を維持しました。
説明家電の状態監視向け軽量な時間周波数振動センシング手法
要約本論文は、連続ウェーブレット変換（CWT）とヒルベルト・ファン変換（HHT）で一次元の振動信号を二次元の時間周波数表現に変換し、MobileNetV3-Small、ConvNeXt-Tiny、YOLOv11-clsなどの軽量モデルで解析する振動センシング枠組みを提案します。公開軸受データセット（CWRU、PU、IMS）を用い、ランダム分割と構造化分離による評価を比較しています。結果では、CWTとYOLOv11-clsの組み合わせが高い診断精度を示し、MobileNetV3-Smallは低遅延でエッジ機器に適することが示されています。
説明より調整しやすい学習アルゴリズムに向けて：AlgoPerfの新たな結果
要約本稿は、更新版AlgoPerf V1ベンチマークの結果を報告します。固定ハードウェア上で九つのタスクについて、目標到達までの実時間を用いて新しい学習アルゴリズム群を評価しました。すべてのタスクで単一の設定を用いる自己調整ルールセットに焦点を当て、PyTorchとJAXによる13件の提出のうち、Schedule-Free AdamWが首位となりました。学習率と運動量は多くの領域やアルゴリズムで感度が高く、超パラメータ調整に対して頑健で新しいタスクにも一般化できる手法の必要性が示されています。
説明GeoGR：高効率な3D視覚言語モデルのための空間意味トークン圧縮とグループルーティング
要約本論文は、3Dシーン表現と大規模言語モデルの視覚計算を同時に圧縮するGeoGRフレームワークを提案しています。投影層のGeoSemZipは複数視点の観測を3Dボクセルトークンに統合し、選ばれなかった特徴は文脈アンカーにまとめます。言語モデル層のGroupRouteは、関連性の低いトークンを一部の層で省略し、後のアンカー層で再び参加させる仕組みです。7Bの2モデルで性能の約95%以上を保ちつつ、LLMのプリフィルを6倍以上高速化したと報告しています。
説明軌道外挿のためのターゲット制約付きプーリング手法
要約部分的な目標軌道から後続の動きを外挿する方法を扱った論文です。著者らはターゲット制約付きプーリング（TCP）を提案し、2種類の補完的なソース信号から有限期間の終点を推定して、自由予測の補正に変換します。5つの分野の25,245個のターゲットにおいて、ターゲットのみを用いる10種類のすべての予測器で平均RMSEが35.8%から42.1%低下しました。
説明Git が記録しないもの：AI支援の二つの研究リポジトリにおける来歴の可読性
要約同一研究者による同分野の単独研究リポジトリ2件（466件および103件のコミット）を監査し、AIエージェントの痕跡の二種類を比較している。両者は可読性が正反対で、自動監査が読む Co-Authored-By トレーラーの適用範囲は限られ、時期によっても不安定であることが示される。著者は、監査可能な証拠台帳と、研究の来歴を随時記録するシステムへの要件を提案している。
説明低ランクKolmogorov-Arnold生成器フロー：解釈可能な演算子学習
要約本論文はKAFlow（Kolmogorov-Arnold flow）を提案し、単変量のKolmogorov-Arnold関数から構成した低ランクシンボルとして物理演算子の生成器を学習し、厳密な指数積分器で動力学を進め、閉じた形の式を自動的に抽出します。合成ベンチマークでは分布外損失を3.4〜11倍低減し、係数を10^-4の精度で復元しました。長時間の量子ダイナミクスでは状態の非忠実度を最大6桁低減しています。
注目点低ランクのコルモゴロフ・アーノルド生成子を提案し、分布外損失を3.4～11倍、量子ダイナミクスの忠実度誤差を最大6桁改善、十分な実証がある。
説明脳MRI基盤モデルの異データセットでの失敗は、画像内容がデータセットごとに異なる方向で符号化されることに起因する
要約本論文は、脳MRI基盤モデルの凍結特徴量が新しいデータセットで精度を失う原因を調べています。17の公開データセットと8種類の凍結表現で検証した結果、各データセット内ではMRIシーケンスを認識できるものの、未見のデータセットでは多くが失敗することがわかりました。原因は、データセットごとに画像内容が異なる方向に符号化されることにあります。データセット信号を除去する手法も序列の転移を改善せず、3DINOとSAM-Med3Dのみが転移可能なほど一貫して符号化していました。
注目点跨データセットの失敗はデータセット符号化ではなく、内容が各データセットで異なる方向に符号化されることに起因すると、17データセット・8表現で示す。
説明Evo²：重みとハーネスの共進化によるエージェントの自己進化手法
要約本論文は、言語モデルのエージェントが重みの更新と実行枠組み（ハーネス）の改良を同時に行う自己進化手法 Evo² を提案している。同一のポリシーが修正案を書く Proposer と、その効果を診断する Reflector を兼ね、学習パイプライン EvoTIDE では SFT と交互の GRPO を組み合わせる。編集型コーディングベンチマークでは、Polyglot で 82.1%、SWE-bench Verified で 48.3% を報告しており、これは最強ベースラインの 62.6% と 41.0% を上回る。
注目点重みとハーネスの共進化という統一フレームワークに新規性があり、Polyglot・SWE-benchで最強ベースラインを大きく上回り、モデル横断の転移も示す。
説明世界行動モデルにはどのような視覚表現が必要か――視覚表現と統合方法を体系的に比較したロボット操作の論文
要約本論文は、世界行動モデル（WAM）が動画生成モデル由来の事前知識を受け継ぐ一方、そのVAE表現は画像再構成向けに最適化されていて操作には必ずしも適さないと指摘しています。著者らは統制された条件下で、複数の視覚表現、5種類の統合機構、特徴の組み合わせを比較し、汎用性の高い強力な視覚表現が広い頑健性向上をもたらし、チャネルごとの同時予測が平均成功率で最も高いことを示しました。この知見に基づくR²-WAMは、RoboCasa GR1 Tabletopで84.7%、RoboTwin 2.0で92.8%の成功率を達成し、VAEのみの基準よりそれぞれ5.9ポイント、2.2ポイント向上しています。
説明自己回帰と双方向ビデオ拡散を統合した生成型ビデオ圧縮
要約本論文は、単一のビットストリームから二つの復号モードを提供する統合生成型ビデオコーデック UniGVC を提案しています。品質重視のランダムアクセス復号には双方向モデル UniGVC-BI を、低遅延のストリーミングには自己回帰モデル UniGVC-AR を用います。標準的な 1080p ベンチマークでは、UniGVC-BI が評価した手法の中で最も優れたレート歪み知覚のトレードオフを示し、0.0005 bpp という低ビットレートでも時間的に安定した映像を生成します。UniGVC-AR は 1080p を 36.85 FPS で復号し、UniGVC-BI より 250 倍以上高速です。
説明推測せずに聞く：リポジトリ規模のソフトウェア開発における対話型要件明確化の評価
要約本論文は、リポジトリ規模のソフトウェア開発を対象とした対話型要件明確化ベンチマーク ReqClarifyBench を提案しています。ゲーム、ミニアプリ、Web 開発にまたがる 341 のタスクを含み、各タスクには曖昧なユーザー意図、人手で検証された要件文書、コード評価資料が含まれます。実際の会話に基づく多様なペルソナを持つ LLM ユーザーシミュレーターを用い、6 つの LLM の明確化の効果と生成された要件文書の品質を評価しています。明確化の効果が高くても文書品質が必ず高いとは限らず、ユーザーペルソナによって性能差が大きいことが示されています。また、コーディングエージェントの枠組みは、基盤となる LLM と比べて要件文書の品質をさらに向上させなかったとしています。
説明EmbodiedCLBench：自己進化型身体性エージェントの継続学習能力を評価するベンチマーク
要約本論文は、身体性シミュレーション環境で自己進化型エージェントの継続学習能力を評価する最初のベンチマーク、EmbodiedCLBench を提案している。合成的汎化を中核とし、基礎タスクで学習した後、獲得したスキルを組み合わせて未見の高度なタスクを解けるかを検証する。実験では、高度なタスクはゼロショット設定ではほとんど解けない一方、基礎タスクの経験により一貫した改善が見られること、ただし学習サンプル数の増加に比例した向上はなく、現行エージェントは追加の経験から有意義な情報を抽出できないことが示された。
説明軌道認識型方策最適化：長い系列の LLM 強化学習における状態分布のずれを縮小
要約本論文は、大規模言語モデルが長い自己回帰生成を行う際、局所的な方策のずれが軌道全体で状態分布のずれへと累積する問題を扱う。これに対し、オフポリシー方策勾配から状態分布の補正を導出して強化学習の目標に組み込む手法 TAPO を提案している。分散を抑えるために幾何平均推定量を用い、さらに軌道の長さに応じた動的クリッピングで過度な更新を防ぐ。著者らは八つの競技レベルのベンチマークで既存手法を上回り、数学推論とアルゴリズムのコーディングで GRPO に比べてそれぞれ最大 48%、12% 向上し、学習がより安定したと報告している。
説明FlyHack：コネクトーム制約付き視覚モデルにおける機構的主張のストレステスト
要約本論文は、ショウジョウバエの運動視覚モデル flyvis を対象に、50 モデルのアンサンブル、タスクを揃えた因果的 CNN 対照、および再現された介入実験を用いて、コネクトーム制約付きモデルの機構的結論がどの程度比較モデル・介入・回路表現・学習解に依存するかを検証しています。帰属手法と介入の対応、細胞型集合の選択、個々のモデルの違いによって結論が大きく変わることを示しています。著者らは、このモデルが機構的仮説を直接検証可能にする一方、主張は特定のモデル族・介入・表現・学習解の範囲に限定すべきだと述べています。
説明一般化近接方策最適化：ダイバージェンスの観点から大規模言語モデルのRLアルゴリズムを統一
要約本論文は、大規模言語モデルのための強化学習アルゴリズムをダイバージェンスの枠組みで理解・設計する一般化近接方策最適化（GPPO）を提案しています。一般化されたf-ダイバージェンスの信頼領域理論を確立し、より忠実なダイバージェンス推定の手法も導入しています。八つの競技レベルの数学・プログラミングベンチマークで、最良のGPPO実装はGRPOを数学で最大50%、プログラミングで最大14%上回ったと報告されています。
説明Dempster-Shafer融合を用いたエビデンシャル多モーダルTransformer（EMT-DS）による感情認識
要約本論文は、センサーデータが破損していたり相互に矛盾していたりする場合でも、多モーダル感情認識が高い信頼度を出力してしまう問題に取り組み、EMT-DSモデルを提案しています。予測をDirichlet分布による主観的意見として表し、認識的不確実性と偶然的不確実性を区別します。各モーダルの証拠をDempsterの結合規則で融合し、矛盾を明示的に定量化します。複数のベンチマークで高い精度と低い校正誤差を報告し、学習された矛盾指標が誤りの可能性が高いサンプルを検出できることを示しています。
説明レイアウトではなく特徴を学ぶ：医用画像転移のための特徴軸アテンション
要約本論文は、標準的なVision Transformerのグローバルアテンションが空間軸に偏っている点に着目し、医用画像では判別情報が特徴の相関やテクスチャにあると指摘します。著者らは空間軸と特徴軸を厳密に分離したFAD-ViTを提案し、特徴軸アテンションを主要なグローバル演算子としています。23の分類・分割・少数データ課題で比較した結果、スクラッチ学習の性能はほぼ変わらないものの、転移効果が明確に強まり、多くの分割課題でパラメータ数と計算量が少ない設計になっています。
説明人間とAIのフィードバックループにおける出所認識型の信念更新
要約人間とAIが繰り返しやり取りする中で、同じ観察が引用や要約を経て複数の報告としてモデルに戻り、独立した裏付けのように見えてしまう問題を扱った論文です。著者らは、報告の出所情報を用いて、報告の件数ではなく証拠の出所に応じて言語モデルが信念を更新できるかを検討し、Latent Quotient Evidence Training（LQET）という手法を提案しています。管理された二値ベンチマークでは、タスクのみで訓練した場合と比べて新証拠の更新誤差と対数オッズのドリフトが大きく減少し、閉ループ模拟でも同様の効果が示されています。
説明エンパワーメントを備えたエージェントの拡張：スキル学習によって環境制御能力を最大化する研究
要約本論文は、エージェントが環境を能動的に制御する能力であるエンパワーメントと、スキル学習の関係を論じています。著者らは、ある状態から実行可能なスキルの数がエンパワーメントに相当するとみなし、多くのスキルの良い出発点となる状態へ到達することでエンパワーメントを最大化する、単純で拡張可能な手法を提案しています。この手法は任意の基礎的なスキル学習手法に適用できます。実験では、Crafter環境で家を建てるといった創発的な振る舞いが示されています。
説明ヒンドサイト構造化アドバイス蒸留（HSAD）：失敗と課題特性で学習したアドバイザーで実行エージェントを導く手法
要約金融調査などの専門業務で言語モデルエージェントが細部を見落とす問題に対し、入力ごとに構造化されたアドバイスを書く小型のアドバイザーモデルを学習し、固定された実行器のプロンプトに付加する手法を提案しています。教師モデルが採点結果と実行の軌跡を見て有用なアドバイスを書き、アドバイザーは入力のみからそれを教師あり微調整で学びます。公開の金融調査ベンチマークFrontierFinanceでは、80億パラメータのアドバイザーにより、既に首位の独自リサーチエージェントの合格率が52.9%から56.6%に上がり、クエリあたりのコストは37%低くなりました。WebShop、BIRD、ExpertLongBenchでも改善が見られたと報告されています。
説明ロングテール性能を通じたLLMの創造性の評価
要約本論文は、大規模言語モデル（LLM）の創造性を、参照入出力分布のロングテール部分におけるタスク性能として定式化することを提案しています。新規性と品質の積の枠組みに基づき、15のベンチマークと26のオープンウェイトモデルで実験を行い、事前学習データに含まれないn-gramを新規性の代理指標として用いています。また、既存ベンチマークの末尾一定割合での平均品質を測る低コストの診断指標q@Tail(α)を導入しています。
説明教師なし特許クレーム分類のための埋め込み幾何とクラスタリング手法のベンチマーク
要約本論文は、特許テキストで学習させた教師なし表現が、分類コードに限定した検索では見つけにくい関連先行技術を発見できるか、また双曲空間が有効かを検討しています。著者らは4万5千件の米国特許で双曲型と欧州型のVAE（変分オートエンコーダ）を学習させました。双曲モデルは、上位10件中で分野横断的な先行技術を取得する割合が高い（18.76%対12.34%）一方、公式分類との一致度は低いと報告しています。さらに、技術分野の分類の広さが手法の性能を予測することも示されています。
注目点双曲VAEとユークリッドVAEを特許検索で比較し、クロスカテゴリ検索での優位性と幾何学的説明を示す。96回の実行と3000クエリで検証している。
説明SFTは何を学ぶべきか：汎化可能な事後学習のための条件付き情報利得
要約本論文は、大規模言語モデルの教師ありファインチューニング（SFT）において、各デモンストレーションのトークンがタスク条件のもとで持つ情報量を推定するCIG-SFTを提案している。凍結した参照モデルで、タスク入力の有無によるトークン尤度を比較し、条件付き情報利得を求めて重み付きSFT目標を構成する。数学推論とコード生成のベンチマークで、標準SFTや近年の適応型ファインチューニングを上回ったと報告されている。追加データや実行時のロールアウトは不要とされる。
説明確率的線形バンディットにおけるオフラインからオンラインへの学習の大きさ境界
要約本論文は、確率的線形バンディットにおいてオフラインデータがオンライン学習をどのように助けるかを研究している。d個の特徴方向のうちk個だけが十分に被覆されていない部分的被覆のオフラインデータに注目する。ガウス固定ベクトルのリプシッツ関数の集中性を用いて報酬予測誤差をより厳密に評価し、後悔がO~(k√T)となる段階的消去アルゴリズムを提案する。部分的被覆と一様被覆の下で整合する下界も示し、オフラインデータを用いた純粋探索についても単純後悔の上下界を与えている。
注目点部分的に覆われたオフラインデータでの後悔上界を√(dkT)からk√Tへ改善し、一致する下界も示した厳密な理論結果。
説明言語モデルには解釈可能な物語メカニズムが存在する
要約本論文は、言語モデルの内部に文章の物語性（narrativity）の表現に寄与する要素があるかを調べたものです。GPT-2-Small、Gemma-2-2B、Llama-3.1-8B において、物語性と相関する注意ヘッド、MLP ニューロン、スパースオートエンコーダの特徴を特定しました。これらを除去すると、物語性の高い文章でより大きく次トークン予測の損失が増え、自由生成文の物語性も低下します。
説明マスクテキスト再構成におけるコーパス抽出による不一致の予測
要約同じ母集団から второй テキストコーパスを収集した場合、予測器の出力はどれほど変わるかを検討する研究です。隣接するトークン対の出現回数から作る平滑化予測器を、GPT-2の50,257トークン語彙全体で評価し、独立な2つのコーパスで学習した予測器間の期待される不一致の一次近似式を導出しています。TinyStories、WikiText-103、CNN/DailyMailでは、各コーパスを512から2,048チャンクに増やしても不一致は5〜40%しか減らず、1/nスケーリングが示す75%には遠く及ばないと報告しています。
説明イベント駆動型潜在ジャンプモデルのためのスキャン並列変分推論
要約本論文は、潜在状態がポアソン駆動のイベント時刻の間は決定的な閉形式の動力学に従い、各イベントで学習された瞬間的ジャンプを起こす潜在ジャンプモデル（LJM）を提案しています。事象拡張された経路空間の下界を導出し、三角アフィンスキャンを用いて対数的な時間深さで学習できるスキャン並列変分推論（SPVI）を導入しています。合成データと実際の不規則時系列データにおいて、予測精度は連続時間の潜在ベースラインと競合し、学習は逐次的なベースラインより1〜2桁速いと報告されています。
説明NucleoNet：多幾何構造の神経変分モンテカルロ向け核認識型行列式アンザッツ
要約本論文は、神経変分モンテカルロで用いる核認識型の行列式波動関数 NucleoNet を提案する。電子と原子核を統一された粒子集合として扱い、一粒子表現と二粒子表現を共同で発展させる。平衡構造の小分子ベンチマークでは、既存の神経波動関数の基準手法と同程度の精度を、大幅に少ないパラメータ数で達成した。単一モデルを幾何構造間で共同最適化し、N2 の解離曲線、LiCN における Li の変位、エタンとホルムアミドの結合解離の最小エネルギー経路を記述できることを示している。
説明Work2Skill：人間のGUI操作経験から再利用可能なエージェントスキルを帰納する手法
要約本論文は、人間のGUI操作経験を収集し、再利用可能なエージェントスキルを帰納するフレームワーク「Work2Skill」を提案しています。画面録画、マウスとキーボードのイベント、アクセシビリティツリー情報を同期させた、350件のデスクトップ操作デモからなるデータセット「WorkDemo-350」を構築しました。スキルなしの基線と比べ、MyPCBench Bounded Actionでは平均スコアが4.67〜10.54点、OSWorld-Verifiedの286タスクのサブセットでは3.11〜7.50点向上したと報告しています。
説明証拠アンカリング境界：マルチモーダルLLMにおける視覚的介入の有効な場面
要約本論文は、マルチモーダル大規模言語モデルの幻覚を減らすための、学習不要な視覚的介入を研究しています。介入の効果はある復号器の層を境に明確に弱まり、その開始点を証拠アンカリング境界（EAB）と定義しています。また、存在・属性・関係の質問に対する反事実的減算の効果を比較し、質問の種類ごとに介入を選択的に振り分ける手法を提案して、3つのチェックポイントで属性問題の全体精度を向上させたと報告しています。
説明ピクセル拡散 Transformer を導く表現の学習（Representation Guidance）
要約本論文は、ピクセル拡散 Transformer において、画像生成に有用な視覚表現とは何かを検討しています。表現の品質が高くても生成性能が向上するとは限らず、専用のピクセルデコーダは意味情報と空間情報の扱いを再配分するだけだと示しています。そこで提案手法 Representation Guidance（RG）は、低次元のボトルネックで生成に関連する情報を圧縮し、その予測オフセットに基づいてフローマッチングの目標を修正してデコードを導きます。ImageNet 256x256 では、459M パラメータの RG-L/16 が大規模な既存モデルを上回り、RG-XL/16 の FID は 1.55 です。512x512 では FID 1.74、文生成画像では GenEval 0.89、DPG-Bench 87.1 を達成しています。
説明セマンティックIDを超えて：生成型推薦における有限ビーム到達性と連続クエリ生成
要約生成型推薦は通常、有限幅のビームサーチで離散的なセマンティックID（SID）を逐次デコードしてアイテムを検索するが、この出力方式は未見の正解が有限の返却リストに入るかを制約する。本研究は連続クエリ方式として、一度に一つの検索クエリを生成するCQG-Singleと、連続的な残差更新を自己回帰的に生成するCQG-ARを提案する。両方式とも全アイテムを密ベクトルや近似最近傍検索で直接スコア化できる。統一プロトコルでは、CQG-Singleが7回の実験すべてでTIGER式ベースラインを上回り、学習可能パラメータは55.3%である。
説明拡散モデルによる降水生成と中期気象予報：降水を含まない予報を観測に合った日降水量へ変換する手法
要約本論文は、凍結した気象モデル（Pangu-Weather、GraphCast、HRESなど）が出力する降水以外の予報を、観測と整合した日降水量へ写像する、別途学習された拡散生成器による「力学-降水分離」の即時利用型フレームワークを提案しています。気象基盤モデル自体の再学習は不要です。生成器は大気状態と衛星・雨量計による降水推定を条件とし、多スケール再帰エンコーダと交差注意機構で大気と降水の特徴を整合させます。全球アンサンブル評価では、報告された全リードタイムでENSおよびゼロから学習したGenCastよりBrierスコアが低く、多くの比較でCRPSも低くなりました。中国の2288観測点を用いた大雨事例でも、日積算降水パターンと事象検出の改善が確認されています。
