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。
説明パラメータ効率的ファインチューニングの圏論的アトラス：錐、軌道、ゲージ
要約本論文は、パラメータ効率的ファインチューニング（PEFT）の各手法を、事前学習済みモデルの重み空間の基点から出発する写像として捉え、圏論のスライス圏で比較する枠組みを示しています。表現力や学習動態に関する不変量を定め、ゼロ初期化LoRAなどについていくつかの結論を証明しています。さらに138本の論文から収集した382手法を、数式から読み取った7つの座標で分類しています。
注目点数百の参数効率的ファインチューニング手法を圏論で統一的に扱い、LoRAの初期化や階数上界などの厳密な結論を完全な証明で示す。
説明Zebra3D：拡張可能な三次元再構成のための効率的なハイブリッド基盤モデル
要約本論文は、事前学習済みの三次元基盤モデルを、ゼロから学習し直すことなく効率化する層別の疎・線形ハイブリッドアテンション手法Zebra3Dを提案している。著者らは、初期の段階は線形置換に比較的耐性がある一方、中盤から後半の敏感な段階では注意が集中する傾向を見出し、それに応じて使い分けている。入力視点数が多いほど高速化率が上がり、1,024視点で最大7.1倍とされる。学習後のZebra3D-VGGTは、平均注意スパース率94%でRealEstate10KのAUC@30が80.5%に達したと報告されている。
説明空間文脈か履歴記憶か：部分観測場のニューラルサロゲートの入力規模
要約本論文は、疎でノイズを含むセンサーから物理場を予測するニューラルサロゲートについて、近傍センサーの窓と過去スナップショットの履歴という二種類の入力のトレードオフを調べたものです。厳密なガウス解析で最適誤差を基準とし、線形場、Burgers流、Kuramoto-Sivashinsky（KS）方程式で検証しています。窓の大きさは場の相関長で決め、固定の入力予算は予測対象までのステップ数に応じて窓と履歴に配分すべきだと結論づけています。
注目点厳密なガウス解析で疎でノイズのある観測下では近傍センサのみ読めば十分と示し、先行時間依存の履歴と窓の逆転を複数場で実証。
説明教師なしマルチモーダル報酬モデリング：人手の選好ラベルを使わない視覚言語報酬モデル
要約本論文は、人手による選好ラベルを用いずに視覚言語報酬モデルを構築する手法を提案しています。凍結された Qwen3-VL バックボーンの中間層に線形ヘッドを載せ、ウェブ上のキャプションを同じキャプションの摂動版より高く評価するよう学習させ、ラベル付きデータは層の選択にのみ使用します。著者らは、この手法が32B規模で3つのベンチマークにおいてGPT-4oと同等以上の結果を示したと報告しています。
注目点凍結バックボーンの中間層に線形ヘッドを載せ、摂動キャプションを学習信号として人手の選好なしで学習し、層選択やGPT-4oとの比較、幻覚評価で裏付ける手法。
説明RePrior：スパースビューCBCT再構成のための測定整合型事前分布補正法
要約本論文は、X線投影が少ないことで再構成が不足拘束となるスパースビュー・コーンビームCT（CBCT）を対象としています。学習された事前分布と現在の再構成との差を選択的に補正し、患者固有のX線測定と整合させる多段階の枠組みRePriorを提案しています。著者らは、LUNA16、PANORAMA、PENGWINの各データセットで、R²-Gaussianと比べて三次元PSNRが約2.6 dB向上したと報告しています。テスト時の正解データや症例ごとのネットワーク微調整は不要とされています。
説明AI駆動・タイミング考慮型の電力最適化
要約本論文は、配線後の電力回収を行うAI駆動フレームワークを提案します。学習モデルが電力回収の編集と後続の修復処理の優先順位を決め、各変更の採否は決定的な電子設計自動化（EDA）解析が判断します。勾配ブースティングモデルのアンサンブルが電力変化、損傷の低減量、制約違反のリスクを予測します。学習済みモデルの結果は報告されておらず、提案と評価プロトコルが示されています。
説明人間の視線とモデルの注意の比較：アイトラッキングによる CNN・Mamba・ViT の説明可能性分析
要約本論文は、畳み込みニューラルネットワーク（CNN）、視覚Transformer（ViT）、視覚Mamba（ViM）を対象に説明可能性を体系的に評価し、アイトラッキングで得た視線データを人間の視覚注意の基準として用いています。モデルの帰属マップと視線ヒートマップを空間確率分布に変換して一致度を比較しています。結果では、CNNは広い範囲に注目し、ViTは細かな局所特徴に注目する傾向がありました。Mambaは医療画像で高い説明可能性を示した一方、自然画像では強度分布が人間と異なることが報告されています。
説明積モンテカルロ法：密度の積のもとでの期待値を求める手法
要約本論文は、個々の密度からのモンテカルロ標本のみを用いて、密度の積のもとで任意の期待値を計算する積モンテカルロ法（PMC）を提案している。扱いにくい積の期待値を、計算可能な条件付き期待値の族を通じて回帰問題として定式化している。推定量の一致性と収束速度について理論的保証を示し、既存手法と比べて精度、不確実性の被覆率、計算コストの面で改善が見られたと報告している。密度評価を必要としないため、シミュレーションベース推論にも適用できる。
説明標注者を活性化する：データ注釈における生活経験の運用化
要約本論文は、注釈の前に実行する事前段階AXLEを提案します。シナリオの短い記述が軸に沿った短い会話を導き、それを一人称の短い物語にまとめて注釈者に返します。104名の注釈者、30件、計1,040件の注釈による2x2の被験者間実験（移民、宗教、ジェンダーにまたがる曖昧なヘイトスピーチ）では、この段階により身分への共感と危害への感受性が高まりました。同時にラベルのエントロピーが上がり、注釈者間一致度は下がりました。著者らは、これは合意を作るのではなく多様性を表面化させるものだと論じています。
説明サンプル単位の制約付き生成のための原始双対フローマッチング
要約本論文は、ユーザーが指定した確率で各サンプルが制約を満たすよう、制約付きでデータを生成することを学習する問題を扱います。フローマッチング（FM）のパラメータ化に基づく原始双対最適化手法PDFMを提案し、正則性の仮定と速度場の十分な表現力のもとで制約充足確率の保証を導出します。本手法は二値の所属判定フィードバックのみを必要とし、微分可能な距離や射影、凸性などの制約集合の構造を必要としません。実験では、通常のFMより制約充足率が向上し、分布の忠実度を保ちながら制約認識型のベースラインと同等の性能を示すとされています。
説明密度に応じたバックボーン構築と強化学習による補完で代数的連結度を最大化する手法
要約本論文は、頂点数と辺数を固定したうえで代数的連結度が最大となるグラフ位相を構成する未解決のネットワーク設計問題を扱います。設計を、構造的バックボーンの構築と強化学習による残りの辺の補完という二段階に分ける密度依存の手法を提案しています。数値実験では、既存手法を上回る高い代数的連結度と良好な実行時間のスケーラビリティが示されています。
説明臨界規模：構造非重複分割は、それを構築するライブラリの拡大とともにずれる
要約分子機械学習で広く使われる構造非重複分割の規則は、当初の小規模なライブラリに合わせて固定されたものであり、ライブラリが大きくなると成立しなくなると論文は指摘する。著者らは、公開の大規模質量スペクトルライブラリ（227,690分子）に適用できるよう最適化した手法を提案している。その規模では一つの連結成分がライブラリの95.5%を占め、テスト用の化合物には大きなものが多くなるとされる。
説明FinEval 2026 における Fin_Agent：多言語金融 NLP のタスク対応型手法
要約本論文は、FinEval 2026 共有タスクへの Fin_Agent の提出システムを紹介します。ギリシャ語の金融固有表現認識、日本語の暗黙的コミュニケーション認識、多言語金融質問応答の三課題を扱っています。ギリシャ語では注釈を考慮した数値ルールとゼロショットの Qwen2.5-32B 分類を組み合わせ、公開データの F1 は 0.9521、非公開データの F1 は 0.8884 です。日本語では解釈可能な手がかりベースの順序スコアラーを用い、テスト精度は 98.0% です。質問応答では BGE-M3 による検索と Qwen3-32B による生成を用い、ROUGE-1 F1 は公開・非公開で 0.3023 と 0.3419 です。
説明新生児脳波における低電圧区間の専門家レベル自動検出と脳症のバイオマーカーとしての検討
要約本論文は、振幅と持続時間のみで定義する低電圧区間（LVI）を、従来の間欠区間（IBI）に代わる指標として提案し、ConvNeXtに基づくAI検出法を開発しています。123名の新生児、654時間分の脳波データを用いて検証し、検出性能は専門家レベルに達したと報告しています。444名の統合データでは、LVIの割合が脳波分類、低酸素性虚血性脳症の重症度、発作リスクと関連することが示されています。
説明一段階の陰的サンプリングによる償却推論
要約本論文は、高次元ベイズ事後分布からの一段階の償却サンプリング手法OSIS（one-step implicit sampler）を提案しています。短時間のMCMCダイナミクスを用いて、陰的に表現される分布の発展の局所目標を定義します。著者らは収束性を解析し、他の生成モデルやサンプリングアルゴリズムとの関連を示しています。実験では、多段階の償却サンプラーや非償却型MCMCベースラインと比べ、サンプリング時の効率が大幅に高いことが示されています。
説明WoodBR-Cross：公開木材画像データセットと個体木分離型樹種識別ベンチマーク
要約本論文は、ブラジル森林局の収集品303本の木から得た4,875枚の木材横断面画像からなる公開データセットWoodBR-Cross（38分類）を紹介します。同一の木の画像が学習とテストに混在すると性能が過大評価されるため、個体木単位で分割するベンチマークを設計しています。ResNet-50、ConvNeXt-Tiny、ViT-B/16などを比較し、凍結特徴量のDINOv2が最も高いマクロF1値を示したと報告しています。
説明エネルギーと訪問順序の制約下での空中監視向け無人機・無人車協調計画（頑健かつ拡張可能）
要約本論文は、無人航空機（UAV）と無人地上車（UGV）のチームによる空中監視ミッションの計画を扱う。監視地点は指定された順序で訪問する必要がある。UGVは移動式充電ステーションとして機能し、UAVを連続する空中ツアー間で輸送する。提案手法は多項式時間アルゴリズムで経路と時刻を同時に決定し、実行時の移動時間の変動下でも完了時間を最小化する。実行可能性の保証、計算量の分析、数値比較による評価も示されている。
説明GeoFitBench-LLM：地理分析タスクにおける地理空間データ要件の抽出能力を評価する大規模言語モデル向けベンチマーク
要約本論文は、自然言語で与えられた地理分析の依頼から、必要なデータセット、支援資源、制約条件を大規模言語モデルが推論できるかを評価するベンチマーク GeoFitBench-LLM を提案しています。時空間関係と意味的グラウンディングという二つの推論次元で構成され、正解の要件は提供者に依存しない固定スキーマで記述されます。七つのモデルを最小限のプロンプトで評価した結果、必要な資源の特定はおおむね可能で、GPT-5.4 Thinking は全ベンチマーク依頼の66.67%で資源を完全に揃えました。一方、推論の要求が高まるほど、利用目的に適合したデータ仕様を正確に示すことは難しくなることも示されています。
説明エージェント型継続学習のための再帰型ハーネス（ReHarness）
要約本論文は、言語モデルエージェントの継続学習のための再帰型ハーネス枠組みReHarnessを提案している。厳密なオンラインのストリーム設定で、順方向の読み書きに加え、各インスタンスの実行軌跡をもとに検索済みの反省内容を逆方向に修正する。3つの継続学習ベンチマークと3種類の言語モデルで検証され、原文脈や記憶・反省ベース、プロンプト最適化の各手法を上回ったと報告されている。
説明perturber：意味を保つテキスト摂動のためのステートレスなサービス
要約本論文は perturber を紹介します。これは、呼び出しごとに意味を保つ摂動を 1 つだけ適用するステートレスなサービスおよび Python ライブラリです。11 のファミリーにわたる 68 種類の摂動のカタログを提供し、組み合わせは呼び出し側が連続呼び出しで行います。評価の対象はモデルの頑健性ではなく、ツール自体の正確性、再現性、コストです。
説明人間が関与する意思決定支援のための増分型検索拡張生成（iRAG）
要約本論文は、検索拡張生成（RAG）と混合意思決定を組み合わせた人間参加型の意思決定支援システム iRAG を提案します。静的な知識ベースに依存する従来の RAG と異なり、知識ベースが最初は空で、人間の判断によって徐々に蓄積される状況を対象とします。過去の判断を検索可能な先例として保存します。実験では、ドリフトの度合いに応じて iRAG の最終判断の誤差が基準手法と比較されています。検索の減衰は変化した知識では性能を向上させる一方、安定した知識では誤差を増やすことが示され、一般的な優位性ではなく安定性と可塑性のトレードオフとされています。人間による監督はワークフローの設計上の仕組みであり、実際のユーザーでの使いやすさはまだ評価されていないと述べられています。
説明プロトタイプからマッシングへ：スケーラブルなファサードモデリングのためのグラフ対応学習
要約本論文は、設計者が作成したプロトタイプの立面構成ロジックを、より大きなターゲットのボリュームへ転用するワークフローを提案します。両者を属性付きグラフで表現し、シャミーズ型グラフアテンションネットワークで対応関係を学習します。原データの85/15分割での検証では、プロトタイプからマッシングへのtop-1精度は96.5%で、報告されている生特徴量ベースラインの76.5%を上回りました。Rhinoのデモと四つの実施済みプロジェクトでの定性的応用も示されています。
説明MagicBeanStalk：再帰的データ合成でRLVRのゼロアドバンテージ罠を回避する
要約論文は、広く使われているRLVR用数学データの約88%の問題が、各サンプリングでいつも正解するか、いつも不正解になり、学習信号が乏しいと指摘しています。著者らは、種の問題から推論構造を保ちつつ、難易度を調整した新しい問題を再帰的に合成するMagicBeanStalkを提案しています。8つの数学ベンチマークで、gpt-oss-120bは8.6ポイント、DeepSeek v4Flashは5.4ポイント向上したと報告されています。
注目点方策と予算に合わせた再帰的データ合成を提案し、ゼロ優位性の罠を体系的に示す。8ベンチマークで大きな改善だが主に数学領域。
説明英国のエアロゾル監視に向けたデータ駆動型の最適センサー配置
要約本論文は、英国のエアロゾル監視を対象とするデータ駆動型のセンサー配置フレームワークを提案する。学習済みの畳み込みガウス過程ニューラルプロセスをDeepSensor最適化フレームワークに組み込み、遅延評価とキャッシュを伴う遺伝的最適化により、平均計算時間を60%削減しつつ、貪欲解法に匹敵する逐次配置性能を得ている。CAMS参照場を用いた遡及的オラクル基準により、観測地点を5か所選定した後、Joint-MIに基づく遺伝的配置で結合NLLが約22%改善した。季節および風況の分析では、モデルベースの基準とオラクル基準の一致度が気象輸送条件によって変化することが示されている。
説明高次元スパースなレシピ再構成のための物理情報付きハイブリッド順逆機械学習フレームワーク
要約本論文は、プロセス産業における高次元かつスパースな配合設計の問題に対し、順方向品質モデル、スパース逆方向再構成器、実現可能性制約付きランキング層から成るハイブリッド型フレームワークを提案し、繊維染色の工業環境で検証しています。順方向モデルではHGBとGBDTの性能が高く、逆方向再構成のレシピベクトルMAEは0.0295でした。著者らは、アルカリ調整による誤差低減は観察的な関連にとどまると述べており、このフレームワークは実験室試験を減らすための人間参加型の意思決定支援ツールとして位置づけられています。
説明Kronecker積アテンション：構造化分解によりKVキャッシュのメモリを削減する論文
要約本論文は、自己回帰生成におけるKV（キー・バリュー）キャッシュのメモリ消費の増大という課題に取り組み、Kronecker積アテンション（KPA、Kronecker Product Attention）を提案する。キーと値を、トークンに依存する小さな行列因子のKronecker積の和として表現する。著者らは、KPAがTPA（Tensor Product Attention）を厳密に一般化するとしている。原文によれば、同一の学習条件下で、4つのモデル規模と9つの下流ベンチマークにおいてTPA、MHA、MQA、GQA、MLAと同等以上の性能を示し、KVキャッシュを最大10倍圧縮できたという。
説明CLEAT：対話型エージェントのための価値誘導型の確認質問学習
要約本論文は、LLMエージェントが質問すべき場面を判断し、タスク方策と共同学習するCLEATフレームワークを提案しています。質問する場合と現行方策で進める場合の成対の実行結果から、確認質問の価値を推定します。Qwen3-4Bを用いた実験では、4つのベンチマークの10の評価設定すべてで平均スコアが最も高くなりました。
説明SynAct：LLMエージェント向けの協調型アクティブフィードバック学習
要約本論文は、多段階の作業を実行するLLMエージェントを対象に、限られた専門家のフィードバックを個々の意思決定に割り当てるSynActフレームワークを提案します。複数回の試行における選択行動と最終結果の相互情報量で決定を順位付けし、価値の高い決定について専門家に問い合わせ、得られた修正を再利用可能なルールに蒸留します。4つのベンチマークと4つのモデルにおいて、評価した全16設定で検証データの精度が向上したと報告されています。
説明視覚言語モデルにおける特徴競合とその表現的な起源：Stroopパラダイムによる検証
要約本論文は心理学の古典的なStroop課題を応用し、文字と色が食い違う画像を用いて、複数の視覚言語モデルが色を答える際の振る舞いを調べています。文字と色が一致しない場合、モデルは色よりも文字に沿って回答する傾向が一貫して見られました。埋め込み空間の分析では、文字の手がかりは色の手がかりより強く、分離しやすく表現されており、文字方向への誘導の方が色方向より成功しやすいことが示されています。
説明大学建物の翌日電力予測における機械学習と時系列基盤モデルの比較
要約本論文は、ある大学建物を対象に、統計モデル、機械学習モデル、再帰型ニューラルネットワーク、事前学習済みのTimesFMモデルによる翌日電力需要予測を比較しています。同じ57のテスト日で評価した結果、共変量を用いたTimesFM 3.0が全体の誤差が最も小さく、平均絶対誤差は週次季節性ナイーブ予測と比べて約43%低減しました。XGBoostも競争力がありますが、日ごとの対応比較ではTimesFMの平均絶対誤差に明確な優位性は確認されていません。
説明平面ロボット群における穴の閉鎖のための分散型調和共分散フィードバック
要約本論文は、センシング円盤が時間変化するČech複体を形成する平面マルチエージェントシステムにおける穴の閉鎖を扱います。調和辺信号を用いて穴の位置を特定し、それをエージェントへの力に変換する調和共分散フィードバックを提案しています。分散計算には、正則化Hodgeラプラシアンの固定次数多項式を用い、局所的な演算で評価します。数値デモ（15秒）では、すべての穴が9.9秒までに閉じ、終了時まで閉じたままであることが示されています。
説明ForcingBooster：高速自己回帰型ビデオ拡散のための適応的パッチ単位ノイズ除去手法
要約本論文は、自己回帰型ビデオ拡散モデルが次のビデオチャンクを生成する際、すべての空間パッチに同じ回数のノイズ除去を適用して計算が無駄になる問題を扱います。提案手法 ForcingBooster は、各パッチにノイズ除去ステップを動的に割り当てます。簡単なパッチは早期に終了し、難しいパッチにはより多くの精緻化ステップを与えます。既存の少ステップ自己回帰拡散モデルと互換性があり、軽量なルーティングモジュールを少量の学習で追加するだけで済みます。実験では、ビデオパッチ全体のノイズ除去ステップ数が約50%削減され、視覚品質は4ステップのベースラインと同等であったと報告されています。
説明MemReg：ハイブリッドメモリバッファによるストリーミング屋外LiDAR点群レジストレーション
要約本論文は、ストリーミングLiDARスキャン向けの多フレーム点群レジストレーションネットワーク MemReg を提案します。暗黙的特徴バッファと明示的姿勢バッファで時系列情報を保存・更新し、動的履歴重み付けモジュールで現在と過去の特徴を融合します。KITTI、nuScenes、Apollo-Southbay の屋外データセットで、従来のペア型手法および多フレームSLAMシステムを上回る性能を報告しています。また、3DMatch、3DLoMatch、ScanNet の多視点屋内レジストレーションでも競争力のある結果を示しています。
注目点ペア配置合わせの枠を超え、姿勢付きのハイブリッドメモリとダイナミックな履歴重み付けを導入して新規性がある。KITTI等の複数データセットで比較実験を行い、証拠は比較的充分。
説明メッシュネイティブ・トークン化：非構造化データへの基盤モデルの転用
要約本論文は、非構造格子データに対応する局所性を考慮したトークン化層「メッシュネイティブ畳み込み（MNC）」を提案する。その符号化方式はCNNと類似している。これにより、規則格子で事前学習された物理基盤モデルを、非構造メッシュへ効率的に転用できるとしている。多くの場合、ゼロショットでも許容できる精度に達し、数エポックの微調整後には既存のベースラインを上回ると報告されている。
説明GeopoliticalQA：情報報告書に対する検索と生成のベンチマーク
要約本論文は、公開されている415件の地政学・戦略情報報告書を対象とした、根拠付き質問応答のベンチマーク「GeopoliticalQA」を提案しています。原文に基づく5,525組の質問と回答を含み、15の検索システムと6つのオープンウェイトLLMを評価しました。チャンク単位の検索では、中規模のbge-m3が大規模モデルや商用埋め込みAPIに匹敵または上回る結果を示した一方、推論的・リスク関連の質問では正解の証拠があっても回答生成が難しいことが分かりました。
説明SoftwareGym：多様な合成ソフトウェア環境によるコンピュータ操作エージェント学習の拡張
要約本論文は、多様なインターフェース、実行可能な機能、実行時に検証された動作を備えたGUIソフトウェア環境を自動合成するパイプラインSoftwareGymを提案しています。12のカテゴリにまたがる182のアプリケーションを合成し、GUIタスクの平均通過率は91.5%でした。また、120タスクの評価セットSoftwareGym-Benchを構築しています。これらの環境で収集した軌跡で学習したモデルは、OSWorld上でPass@3が41.39%から56.97%に向上し、SoftwareGym-Benchでは40.0%に達しました。
説明「知っていること」と「語ること」は別：大規模言語モデルは国境をまたぐ民族集団をどう表現するか
要約本論文は、中国西南国境と中国南部周辺大陸部にまたがる九つの民族集団を対象に、大規模言語モデル（LLM）がそれらをどのように表現するかを検討しています。流動的な越境的民族アイデンティティが単一の国民国家のアイデンティティに固定される現象を「アイデンティティの固定化」と定義し、事実質問と物語形式の質問を比較する診断枠組み（TIODF）を提案しています。GPT-5.1とDeepSeek-V3.2を英語と中国語で検証した結果、固定化の度合いはモデルや質問言語によって大きく異なり、事実に正しく答えた場合でも単一国家の物語を語る傾向が見られました。
説明真偽ラベルは言語モデルの感情的トーンを変えるが、人種間の格差は残る
要約本研究は、四つの大規模言語モデルについて、真偽ラベルの有無によって虚偽・真実の見出しに対する模擬的な感情評価がどう変わるかを検証した。ラベルは感情トーンを大きく変えた一方、黒人ペルソナは白人ペルソナより否定的な感情を割り当てられる傾向が、ラベルの有無にかかわらず残った。研究者は、事実の訂正と人口統計的一貫性は別個の性質であり、敏感な場面での導入前に両方を監査すべきだと主張している。
説明言語モデルの自己保存：モデル自身が生成するリプレイデータで継続学習時の忘却を防ぐ研究
要約本論文は継続学習における忘却を扱い、学習済みモデルが新しいタスクを学ぶ際に既存の能力を失う問題を検討しています。タスクの説明と例をタスクバンクにまとめ、凍結したモデルがリプレイデータを生成する方法を用いています。Qwenの異なる規模のモデルでの実験では、生成されたリプレイがバンク外のタスクの忘却を減らし、部分的なバンクの組み合わせがより高い保持率を示しました。4Bモデルでは新しいタスクに基づくリプレイ対象の選択が効果的でしたが、小規模モデルでは同様の利点は見られませんでした。
説明深層リサーチ・エージェントのリフレクティブ・プロンプト最適化：トピックを分離し複数シードで検証する、移転可能な利得と過学習の測定プロトコル
要約本論文は、リフレクティブなプロンプト進化手法（GEPA）を多エージェント型の深層リサーチ・エージェントの二つのシステムプロンプトに適用し、学習・検証・テストの間でトピックを共有しない分割で評価しています。留保テストにおける引用報酬は0.702から0.781へ上昇し、三つのシードでも同様の向上が再現されました。著者らは、次元ごとに分解したフィードバックが利得の移転を可能にする要因であり、単一のスカラー報酬に統合すると留保テストでの移転が負になることを示しています。
説明STAPLE：埋め込みモジュールによる事前学習済みチェックポイントの静的スパース・アップサイクリング
要約本論文は、事前学習済みの大規模言語モデルに静的スパースメモリを組み込む手法STAPLEを提案します。元のFFNの上投影を保持し、トークンごとのインデックス付き埋め込みを残差経路として追加することで、スパースモデルを一から事前学習せずに容量を拡張します。OLMo-2 1Bでは、継続的な稠密学習と比べてHumanEvalで4.27ポイント、MBPPで2.80ポイント、GSM8Kで2.27ポイント、DROPで1.65ポイント向上したと報告されています。
説明二値の検証可能報酬を超えて：SWEエージェントのための行動的自己報酬
要約本論文は、ソフトウェア工学エージェントの強化学習において、実行可能テストによる二値報酬ではデバッグ品質の大きく異なる軌跡を区別できない点を扱っています。提案手法の行動的自己報酬（BSR）は、同じタスクと同じ検証結果を持つ軌跡同士の観察可能なデバッグ行動を、方策モデル自身に比較させ、その対比較の選好を有界な補助報酬に変換します。SWE-bench VerifiedおよびSWE-bench-Liveで、Qwen3-14BとQwen3-32Bの両設定において一貫した改善が示されています。
説明SpireBench：『Slay the Spire』で見るエージェント型モデルの長期戦略プレイ評価
要約本論文は、商用デッキ構築ゲーム『Slay the Spire』を最高難易度で完全にプレイさせるベンチマーク「SpireBench」を提案する。20のLLMを評価した結果、最先端モデルはヒューリスティック基準を上回り人間の平均と並ぶものの、専門家には大きく及ばず、プレイが長くなるほど差が広がるとされる。また、各局のリスク判断が不適切で、跨局の記憶の活用も限定的であると報告している。
説明「自分の知らないこと」を知る：学習フィードバックで生成空間を進化させる、閉ループ学習のためのエージェント型データ合成
要約本論文はEvoSynを提案します。これは学習者のフィードバックに基づくマルチエージェントの枠組みで、どの相互作用要因を意図的に生成できるか、合成の努力をどこに振り向けるかを、修正可能な状態で定めます。τ²-BenchとCAR-Benchでの実験では、最強の合成ベースラインに比べて平均タスク成功率が13.3ポイント向上したと報告されています。
説明シーンを攻撃対象とする：MLLMにおけるシーン依存の安全性の欠陥の解明
要約本論文は、攻撃用の指示を含まない視覚入力であっても、タスクに関連するシーンの意味内容だけでマルチモーダル大規模言語モデル（MLLM）が拒否から応答へ切り替わることを示している。著者らはSceneSafetyBenchを提案し、8つのリスクカテゴリと9つのモデルで検証した。さらにSceneGrounded Attacks（SGA）を提案し、9つの対象モデルで平均攻撃成功率86.17%を報告している。
注目点タスク関連のシーン意味だけでMLLMが拒否から応答へ移行することを示し、SGAで九モデル平均ASR86.17%を報告。新規性と実験的裏付けが比較的強い。
説明ガウス分布と一様分布の確率的混合による人物姿勢推定
要約既存の人物姿勢推定モデルは離散的なヒートマップから確定的にキーポイント座標を取り出すため、強い遮蔽や分布外の場面で誤りが生じやすいです。本論文は、生のヒートマップをガウス混合モデルと空間に依存しない一様分布でモデル化する後処理型の連続確率的枠組みを提案し、ネットワーク構造の変更や再学習は不要としています。著者らは、空間期待値の精度が主要なサブピクセル復号器と同等であること、分布外異常検出や一部の校正指標が改善されることを報告し、多視点3次元モデルへの拡張も可能だとしています。
説明リアリズムと精度：生成モデルの観点からのイベント系列予測
要約本論文は、複数期間にわたるイベント系列の予測を条件付き生成モデリングの問題として扱い、予測精度に加えて分布のリアリズムも評価しています。両面の指標、強力な統計的ベースライン、隣接分野から適応された最新モデル、実世界データセットからなるベンチマークを提示しています。評価の結果、精度とリアリズムの両方で優れた手法はなく、両者の間に根本的なトレードオフがあることが示されています。さらに、Wasserstein BaryBoosterというアルゴリズムを提案し、リアリズムに優れた拡散モデルのサンプルを集約して予測器として用いることで、分布のリアリズムを予測精度に変換できることを示しています。
注目点イベント系列予測を条件付き生成問題として扱い、精度と分布の現実性を併せて評価するベンチマークを提案し、複数基準とデータセットで実験している。
説明一つのモデルで任意のループ回数に対応：言語モデルのための弾力的な潜在リカレンス
要約本論文は、弾力的潜在リカレンス（ELR、Elastic Latent Recurrence）という手法を提案し、ループ回数を変えることで推論計算量と精度を調整できる言語モデルの学習法を示している。論文によれば、1ループ時のELRモデルは同規模の非リカレントモデルと同じ提供コストで、同じデータで学習すると近い精度に達し、ループを増やすと精度が上がるが推論計算量も増える。4Bの密モデルと30B-A3BのMoEハイブリッドモデルでの結果、およびこの手法から得られたチェックポイントKoi-4Bが報告されている。
説明CLUE：教師なしイベントタイプ帰納と注釈のための対照学習フレームワーク
要約本論文は、人手でイベントオントロジーを事前定義せずに、イベントタイプの帰納、命名、注釈を行う CLUE フレームワークを提案しています。動詞中心の視点と意味的視点の両方を表す結合埋め込み表現を設計し、対照損失で導かれるクラスタリングによってイベントタイプを帰納した後、命名と修正を行います。著者らは実験で手法の有効性を示したとしており、コードは GitHub で公開されています。
説明『時間的ギャップに注意』：運転シーンにおける動画モデルの時間理解を評価する研究
要約本論文は、自車の運動タスクを通じて、動画言語モデルが運転映像から動作を識別できるかを検証しています。標準的なプロンプトやChain-of-thoughtなど各種手法の効果は不安定で、クラスの偏りも見られました。一方、軽量なLoRA微調整や中間視覚特徴に対する簡易なプローブで、運動の判別性能が大きく向上しました。著者らは、現在のモデルは運転場面で信頼できる時間推論者とは言えず、フレーム単位で偏りのある認識器に近いと結論づけています。
説明デジタル病理学における多教師蒸留のスケーリング：複数の大規模基盤モデルの知識を小型で効率的なモデルに圧縮する研究
要約本論文は、複数の「教師」ネットワークの知識を一つの「生徒」ネットワークへ移す多教師蒸留（MTD）を扱います。標準的な手法は教師の数が増えると性能が伸び悩むことを示し、教師ごとの表現を学習させるために、学習可能な教師トークン、専用の注意機構、混合専門家層、対比損失などを提案しています。タイルレベルとスライドレベルの39タスクで評価され、教師モデルの10倍効率的な小型エンコーダが同等以上の性能を示したほか、OMNIという基盤モデル群が公開されています。
説明全トランジスタ型の物理学習 Transformer が文脈内学習を行えるよう訓練可能であることを示す研究
要約本論文は、サブスレッショルド MOSFET の指数電流則を利用して内積アテンションに必要な乗算を実現する、全トランジスタ回路上の物理学習型アテンション機構を提案しています。シミュレーションでは、近似的な勾配しか伝えない現実的な逆方向回路を用いても、この回路が簡単な文脈内学習課題を学習できることを示しました。学習の成功には平均二乗誤差ではなく交差エントロピー損失が必要であるとしています。
説明並列ドラフトの文脈補正：投機的デコーディング向け DCOCO 手法
要約本論文は、投機的デコーディングにおいてドラフトブロック内のトークンが互いに独立に予測される問題を扱い、軽量な DCOCO（DFlash Contextual Corrector）を提案しています。複数の候補トークンを保持し、隣接するドラフト位置との文脈的整合性を並列に評価することで、低い追加コストで文脈を考慮したトークン選択を行います。4 種類の検証モデルと 10 のベンチマークで、DCOCO は評価したすべての構成で平均スループットが最も高く、通常のデコーディングに比べ最大 6.6 倍の高速化を示したと報告されています。また 4〜32 の同時リクエスト下でも、最強の競合手法を 6〜23% 上回ったとされています。
説明SWE-Duel：コーディングエージェントのための自己スケーリング型アリーナ
要約論文は、静的なコーディングベンチマークは公開後に課題が学習データへ漏れ、より強いエージェントによって飽和すると指摘しています。著者らはSWE-Duelを提案し、2つのコーディングエージェントが鏡像の赤・青ターンで互いに課題を作成し、レビューし合う形式を取ります。課題とテストは評価時に生成されます。15リポジトリ・1,500ターンの大会で、GPT-5.5（Codex CLI）が最も強い解決能力を示し、Claude Opus 4.8（mini-swe-agent）が出題側の赤勝率で首位となったと報告しています。
説明MIRAGE：フィードフォワード視覚に基づくメトリック推定と信頼性考慮型ガウス推定（LiDARと視覚を融合した3D再構成・自己位置推定手法）
要約フィードフォワード型の3D事前分布により画像列から高品質な再構成が可能ですが、メトリックスケールが信頼できず、長時間の軌跡ドリフトが生じがちです。本論文のMIRAGEは、フィードフォワード視覚幾何をLiDAR-IMUによるメトリック運動に紐づけ、対応点の支持度と異種センサー間の一致度に応じてオンラインの姿勢補正を調整します。Oxford Spires、M2DGR、INSでの実験では、視覚のみのベンチマークで使われるCOLMAPより高精度な軌跡推定を示しました。さらに多モーダル収集プラットフォームを構築し、新たな視覚のみのベンチマーク用に6自由度の基準軌跡を作成し、既存の単眼大規模再構成手法を評価しています。
説明CASTER：合成動画からのゼロショット操作を制約付き最適化として定式化
要約本論文は、動画生成モデルが作る合成タスク動画を、人間の実演なしでロボットが実行できる軌道に変換する方法を研究しています。合成動画から抽出した物体の軌道を初期推定値とし、デジタルツイン内でロボットがそれを修正する制約付き最適化として問題を定式化しています。既存手法の簡略化を取り除いた結果、最良のベースラインと比べて平均タスク成功率が34.1%向上したと報告しています。
説明サンプル適応型ゼロ次最適化による事後学習：モデル照会回数を減らして大規模言語モデルの微調整を高速化
要約本論文は、大規模言語モデルの微調整に用いるサンプル適応型ゼロ次最適化手法SAZOを提案する。真の勾配を使わずに各訓練サンプルの重要度をオンラインで学習し、それに基づいて照会回数を配分する。著者らは、収束速度が標準的な手法より厳密に速いことを示し、4つのモデル系列の実験で下流タスクの平均性能の向上と、同じ訓練損失に達するまでの照会回数の最大6倍の削減を報告している。
説明Fly-by-Code：能動的な視覚・物理フィードバックを用いた空中マニピュレーション向け身体性コーディングエージェント
要約本論文は、自然言語の指示から実行可能なプログラムを生成し、実行フィードバックに基づいて修正する空中マニピュレーション手法を扱います。ペイロード制約による観測の欠落と、動力学的結合による物理インタラクションの脆弱さに対処するため、仿真内で診断プログラムを走らせ、別の視点から観察（View）したり、物理的な相互作用で失敗原因を検証（Probe）したりする「Active Feedback（AF）」フレームワークを提案しています。6つの仿真タスクでは、誤った完了判定が25件から5件に減少し、最終成功率は31.7%から75%に向上しました。また、AFで改良したプログラムは、実機の空中マニピュレータでも変更なしに動作したと報告されています。
注目点能動的診断（View and Probe）を提案し、シミュレーションで診断プログラムを生成して実行フィードバックを補完。6タスクで成功率と誤完了判定が大きく改善し、実機にも移行。
説明Rubric-CEPR：報酬検証付き自己蒸留による自己進化型画像編集手法
要約本論文は、人手による編集対象や外部報酬モデルを用いず、画像編集モデル自身の生成結果のみで性能を改善するRubric-CEPRフレームワークを提案している。モデル内部の表現に基づく対照的な編集・保持報酬（CEPR）と分解された評価基準により候補編集を検証し、最良の結果を軽量なアダプタ学習で蒸留する。論文では、Qwen-Image-EditのImgEditスコアが4.36から4.60に向上したと報告されており、他のベンチマークやStep1X-Editでも改善が示されている。
説明Dex-One2Many：単一の人間のデモから器用な操作を学習
要約本論文は、単一の人間の動画から汎化可能な器用な操作方略を学習する枠組み Dex-One2Many を提案しています。動画を順序付きのシーングラフに抽象化し、それを用いて強化学習の探索とリセット状態のサンプリング、各段階の密な報酬を導きます。方策はシミュレーションのみで学習され、多指ハンドへゼロショットで転移されます。五つの道具使用・操作タスクで、既知の設定では基準手法を6.5%上回り、未知の場面では差が71%に広がったと報告されています。
説明AutoIndexer：編集連鎖で因果モデルを学習し、柔軟な順序でデコードする手法
要約自己回帰デコーディングは、相互参照や将来の依存関係のような非因果的な順序のデータには向いていません。出力を事後に修正できないためです。AutoIndexerは、編集連鎖をシミュレートする新しい学習・デコード機構を備え、トークンの挿入、置換、削除によって既出力を後から柔軟に修正できます。論文では、標準的なLLMベンチマークの性能を損なわずに、多くの自己回帰モデルや拡散モデルにはない生成後の文脈編集能力を示したとしています。
注目点編集連鎖を模擬する学習・復号機構により、自己回帰モデルが事後にトークンを挿入・置換・削除できる点は新規性が高い。ただし検証範囲は限定的。
説明DreamTrue：行動に忠実なロボット世界モデルと反事実的事後学習
要約本論文は、行動指示に忠実で物理的に妥当な映像を予測する、マルチビューかつ異なる身体構造に対応できるロボット世界モデル DreamTrue を提案しています。画像空間での行動条件化とオフラインの幾何学的キャリブレーションで行動追従を改善し、反事実的事後学習で交互作用の範囲を広げます。さらに、人手で注釈したデータで学習した映像報酬モデルを用いた強化学習で後学習を行います。AgiBot 上では、人手評価による交互作用の欠陥率が 48.12% から 6.25% に低下したと報告されています。
説明AI時間地平線の推定と妥当性：METR図の統計的検討
要約本論文は、METRが提案した50%時間地平線（AIが50%の確率で解けるソフトウェアタスクにかかる人間の所要時間）を扱います。228のタスクと26のAIを用い、タスクの難易度が人間の所要時間の対数に線形で依存するという仮定を緩めるため、スプラインと項目反応理論で再計算しています。推定されたスプラインは2〜30分の範囲でほぼ平坦であり、そのため3分から30分への移行は30分から5時間への移行より容易だとされています。また、構成概念妥当性を評価するための診断図も提示されています。
説明CSF：モーション生成器向けの文脈的安全フィルタリング手法
要約本論文は、テキストで条件付けされた全身モーション生成器を対象とする、学習不要の文脈的安全フィルタリング（CSF）を提案する。自然言語の安全規則を、生成器が出力する安全および危険な参照軌道に結び付け、安全参照軌道を追従するCBF-QP（制御障壁関数に基づく二次計画法）で制約を適用する。異なるアーキテクチャの事前学習済み生成器4種で評価され、危険事象の発生率を最大90%削減しつつ、正常な動作の88〜100%を維持した。実機のUnitree G1でも検証されている。
説明バランスのとれたデータ配分：ロボット制御のメガスケール強化学習における探索のボトルネックへの対応
要約本論文は、ロボット制御のためのメガスケール強化学習において、並列シミュレーション環境を単純に増やすと、方策がすでに習得した、または未だ挑戦できないタスク構成に学習データの多くが無駄に使われる問題を指摘しています。著者らは、方策の能力の境界付近のタスク構成に学習を集中させる適応的サンプリング手法「Success Guided Sampling（SGS）」を提案しています。最大約100万の並列環境を用いた実験で、既存手法では解けなかった多地形四足歩行や接触の多い組み立てタスクを強化学習で解けることを示しています。
説明3万時間の一人称視点動画で学べないこと：データを増やしても世界モデルの物体再現には限界がある
要約本論文は、3万時間・1,000以上のシーン種別・14,000人の投稿者からなる一人称視点の人間動画を用いて世界モデルを学習させた場合の効果を検証しています。エージェントと物体の相互作用の忠実度を直接評価したところ、データを100倍に増やすとどちらも向上したものの、エージェントは十分に再現できる一方、物体の忠実度は大きく低く改善も緩やかでした。さらに、場景の外観から物体の動力学へモデル容量を移す監督手法を提案し物体の忠実度は向上しましたが、なお大きな差が残ると報告しています。
説明OuroWorld：任意の3Dシーンを多様で途切れなくループする3Dシネマグラフに
要約OuroWorld は、任意の静的な3Dガウシアンスプラッティングシーンを、どの視点からもシームレスにループする動的な3Dシネマグラフへと変換する、マスク不要のフレームワークです。視覚言語モデルがもっともらしい動きを推定して映像モデルを誘導し参照動画を生成し、それをマルチビュー動画へ拡張します。不完全な監督信号から学習するため、周期的な4DGSと、参照視点に固定された Grounded Drift Field を提案しています。39のシーンでの評価では、全ベースラインを上回り、ユーザー調査で70.8%から99.0%の比率で勝利したとされています。
説明WorldGuide：手順的タスク実行のための目標指向型ビデオワールドモデル
要約ビデオ世界モデルは、もっともらしい映像の軌跡を生成できますが、長い手順的タスクでは、実際に生成された内容に合わせて調整する必要があります。WorldGuide は初期画像とタスク目標のみから、原子的な動作を予測し、それに対応する映像クリップを生成し、その結果をもとに次の動作を選ぶか、終了を判断します。計画器と実行器は同じステップ単位の手順デモで学習され、階層的な視覚メモリを備えます。WorldGuide-Bench でのタスク成功率は 33.33% で、MiniMax-H3 の 29.90% を上回りました。VideoCraft-Bench では 47.69% で、MiniMax-H3 の 32.73% を上回りました。
説明OmniCapBench：細粒度な視聴覚キャプション生成のための深層構造型評価フレームワーク
要約本論文は、マルチモーダル大規模言語モデルの視聴覚キャプション生成能力を評価するベンチマーク「OmniCapBench」を提案しています。評価対象を自由記述テキストから、実体参照、視覚ショット、音声イベントという三つのトラックにわたる検証可能な原子的評価単位に変え、決定的な制約チェックと局所的なLLMによる意味比較で採点します。786本の密にアノテーションされた動画を用い、時間的グラウンディングの失敗、同一性のずれ、クロスモーダルの不整合、幻覚的な記述といった誤りを区別できることを示しています。前線のモデルを評価した結果、局所的な知覚は強い一方、長期的な視聴覚推論は弱いと報告されています。
説明ハイブリッド撮影：生成型ビデオ再撮影におけるハルシネーションリスクの事前可視化と管理
要約本論文は、実写撮影と生成型再撮影を橋渡しする「ハイブリッド撮影」のワークフローを提案します。編集可能な3Dショット計画と撮影テイクのプロキシを用いて、撮影現場でリアルタイムにハルシネーションのリスクを評価します。監督はこれを基に計画を調整したり、補足撮影を行ったり、ハルシネーションを承知で受け入れたりできます。モバイルAR応用とオフラインの処理パイプラインで実証し、経験豊富な映画制作者への調査で、リスクの事前可視化がカメラの判断にどう影響するかを検討しています。
説明マルチエージェントシステムのためのメンタルモデル：相手の隠れた信念と意図を推論するエージェント
要約本論文は、相手の潜在的なメンタルモデルを学習し、その隠れた信念・意図・反応を推論して行動選択に用いる「メンタルモデル対応エージェント」の枠組みを提案しています。一次・二次の心的状態構造を持つ再帰的な心の理論表現と、信念を条件とする報酬モデルを共同で学習します。言語のみのベンチマークとマルチモーダルのベンチマークの両方で、明示的な心的状態モデリングが基盤となるエージェントシステムより対話の質と心の理論の性能を向上させたと報告しています。
説明BrickBench：エージェントによるブロック設計を評価するベンチマーク
要約本論文は、テキストの指示に基づいてレゴ式の組み立て作品を設計するエージェントを評価するベンチマーク BrickBench を提案しています。エージェントは離散的な部品ライブラリから部品を選び、局所的および全体的な制約を総合的に考慮して、意味や設計の条件を満たし、かつ実際に組み立てられる構造を作る必要があります。規模と部品の入手可能性が異なる三つの設定で、有効性、意味的整合性、設計の質を採点しています。また、コーディングエージェントが設計を構築、検査、検証するための環境 BrickAgent も提供されています。主要なエージェントは検証可能な物理的・意味的要件の大部分を満たすものの、人間の設計には及ばないことが報告されています。
説明VersaCamVLA：カメラ構成に対応するロボット操作用VLAポリシー
要約本論文は、カメラの台数や配置が変わっても使えるロボット操作モデルのフレームワークVersaCamVLAを提案しています。任意の数の姿勢付きRGB視点を固定サイズのシーントークンに変換し、手首カメラの動きによって姿勢の多様性を得ます。RoboTwin、LIBERO、実機プラットフォームでの実験では、既存のVLA手法や多視点ベースラインを上回る結果が示されています。
説明Pristine Models（純粋モデル）：事前学習の段階で危険な概念の知識を取り外し可能な枝に分離する画像生成手法
要約論文は、フィルタリングなしの広範なデータで学習した画像生成モデルは高画質になる一方、生成すべきでない概念も学んでしまうと指摘しています。安全なデータのみで学習すると画質が下がるため、著者らはアテンション機構によって安全な知識と危険な知識を独立したパラメータの枝に分けるPristine Modelsを提案します。推論時には危険な枝を切り離せます。ImageNetとCC12Mでの実験では、安全データのみでの学習や事後的な概念削除より高い画質と良好なテキスト整合性が示されています。
説明Bi-FORK：高次元分岐系の生成モデリング
要約本論文は、高次元の分岐系における一対多の解写像を学習するための生成フレームワーク Bi-FORK を提案しています。潜在フローマッチングにより時空間の一貫性を保った完全な軌道を生成し、反発誘導サンプリングによって単一の償却計算で異なる解の枝を復元します。座屈梁、力学メタマテリアル、Allen-Cahn 相分離問題で評価され、離散化点数は最大 260,000 点です。
説明1つのブロック、複数の深さ：深さ別エキスパートを用いた再帰型ビジョントランスフォーマー
要約この論文は、単一のTransformerブロックを再帰的に適用して全深度の視覚エンコーダーに代える手法reViTを提案しています。中間特徴の蒸留を行わず、同程度の推論FLOPsで精度を合わせられると報告しています。各再帰深度のFFNを小さな共有エキスパート群の凸結合で表し、正規化された連続深度座標で混合を制御します。ゼロから学習したreViT-B/16は、保存パラメータを約70%削減しながらDeiT IIIの精度に達したとしています。
説明『Telling FIBS』：プローブは妨害行為を効果的に検出し、言語化されない欺瞞も捉える
要約本論文は、大規模言語モデルの欺瞞を検出する白箱型のプローブ手法を提案し、これまでで最大規模の欺瞞データセット FIBS を公開しています。新しいプローブ構造は、複数の層と複数のトークンにまたがって情報を集約できます。SHADE-Arena と BashArena というエージェント型コーディングのベンチマークでは、AUROC がそれぞれ 98.3% と 98.0% に達し、行動テキストのみを見る黒箱型モニターを上回りました。さらに、文脈だけでは判断できない内省的な欺瞞や、圧力下で政治的に敏感な話題について嘘をつくオープン重みモデルの検出にも有効であったと報告しています。
注目点多層・多トークンを集約する新しいプローブ構造と最大規模の欺瞞データセットを提案し、エージェント系ベンチマークで黒箱監視を上回る。
説明前処理器空間での丸め：4ビットAdamWオプティマイザ状態量子化の再設計
要約本論文は、AdamWのオプティマイザ状態を量子化する際の誤差が後続の適応的更新に与える影響を、「丸め空間」の観点から再設計して分析しています。提案手法ZIP-SRは、二次モーメントのコードブックにゼロを残し、前処理器空間で確率的丸めを行います。もう一つのZE-EDENは、ゼロを含まないコードブックと量子化ブロックの再スケーリングを用います。130Mから2.7Bパラメータの事前学習実験で、両手法は32ビットAdamWとの検証損失差を各モデルサイズで縮小し、最大で70%の縮小を報告しています。
説明LEGO：3次元への持ち上げを行わない、第三者視点から一人称視点への動画生成手法
要約本論文は、ほとんど重ならない二つの視点の間で、単一の第三者視点（exocentric）動画から一人称視点（egocentric）動画を生成する新視点合成の課題を扱います。著者らは、深度推定、点群、再投影を用いずに、LVSM型のTransformerで一人称視点を直接レンダリングし、確定的な対応付けの代わりに確率的な対応分布を用いる手法を提案しています。その後、拡散モデルが細部を補います。論文によれば、本手法は既存の明示的な手法を上回り、再学習なしで他のデータセットにも汎化します。
説明Steinの変位場による密度比推定
要約本論文は、基準分布に作用する変位場を通じて目標分布と基準分布の密度比をパラメータ化する手法を提案している。対数密度比は、場に適用した基準分布のStein作用素の負値（正規化定数を除く）としてモデル化される。単一の凸最適化問題により、分布のずれを統計的・動力学的の両面から記述する。さらに、この推定と移動の反復に基づく2種類の推論アルゴリズムを示し、シミュレーションベース推論と非線形独立成分分析への応用例を挙げている。
説明AIエージェントの生態：協調が生むテイクオフの個体数閾値
要約本論文は、適応度（増殖率）がサイバーセキュリティ能力に依存する個体群増殖方程式に基づき、AIエージェント個体群の生態理論を提示しています。協調がない場合、個体の能力が臨界値を超えたときにのみ個体群が拡大し、協調がある場合は集団の能力が個体数とともに増えるため、臨界個体数を境に衰退か自己強化的な拡大かが分かれるとしています（生態学では強いAllee効果と呼ばれます）。著者らは、生態学的なレッドチーミングと、制御環境での段階的な個体数拡大による臨界個体数の推定を提案しています。
説明VioLA：人間のデータから汎用ヒューマノイド制御方策を学習
要約本論文はVioLAという汎用ヒューマノイド方策を提案し、関節指令ではなく身体と手の運動潜在表現を予測する手法を示している。事前学習済みの制御器がその潜在表現をロボット上で実行し、人間とロボットの運動を同じ潜在空間に写像することで、人間の録画を方策の行動空間でラベル付けできる。学習データは1億4060万フレームで、そのうち93.2%が人間のデータである。論文は、タスク別の微調整なしで実機において移動指示を100%の成功率で実行したと報告している。
説明FAITH：高次元システム向けの実行可能性を考慮した安全フィルタ付き強化学習
要約本論文は、モデルフリーで実行可能性を考慮するFAITHという安全強化学習の枠組みを提案します。フィードフォワードネットワークで最適な安全価値を近似し、最小介入フィルタを償却学習することで、タスク方策は安全性の項を競合させずにフィルタ後の動力学を通じてタスク報酬を最適化します。双積分器、Safety Gym、29自由度ヒューマノイドで評価され、実機のUnitree G1ヒューマノイドでも動作が示されています。
説明FastBench：ストリーミングVLMは高ダイナミックな実世界映像を知覚できるか？
要約本論文は、ストリーミング型映像大規模言語モデル（VLM）が高ダイナミックな実世界映像ストリームをどこまで知覚できるかを評価するベンチマーク「FastBench」を提案しています。8分野・6つの能力・前向き、即時、後ろ向きの時間範囲にわたる306組の質問応答を含みます。最も高性能なGemini-3.5-Flashでも正答率は50.7%にとどまりました。学習を必要としないベースラインProactiveFrameも提示されていますが、正解情報に基づく手法には大きく及ばない結果でした。
説明RoboRSI：複雑な実環境で安定・効率的かつ再利用可能なロボット自己進化システム
要約本論文は、トップダウン型スキル洗練（TSR）に基づくロボット自己改善システム RoboRSI を提案します。タスクを複合・原子・基底スキルに分解し、各実行結果を担当する分岐に帰属させて、その分岐の範囲内でのみ修正を行います。Manager、Planner、Engineer、Reviewer が計画・実行・診断・検証済み新スキルの公開を分担し、安定したスキル列は再利用可能な複合スキルにまとめられます。移動マニピュレータ上で104ラウンドにわたる多物体の家庭内清掃を開発し、シミュレーションの LIBERO、LIBERO-PRO、LIBERO-Plus、RoboTwin では最強のベースラインを 2.7〜11.0 ポイント上回る最高成功率を報告しています。
説明Pumpire：距離推定のための統一ベンチマーク
要約本論文は、画像および動画レベルの3D基盤モデルが二点間の距離をどの程度正しく推定できるかを評価する統一ベンチマーク Pumpire を提案している。データセット pumpire-6k は実世界の100シーン、計6,400フレームからなり、各シーンには実測した二点間距離が付与されている。29の基準構成で実験を行い、再構成された3D空間の物理スケール把握能力を評価している。
説明Transformerベースのマスク拡散モデルが潜在構造をもつ分布を学習できることの理論的証明
要約マスク拡散モデル（MDM）は、学習済みのマスク予測器を用いて複数のトークンを並列に反復的に解除することで離散データを生成する。本論文は、並列サンプリングによる誤差と有限サンプルで学習した予測器による推定誤差を含めた端到端の統計的保証を示す。データ分布が隠れマルコフ木の混合でよく近似できる場合、並列解除を用いたTransformerベースのMDMは、木の構造や成分パラメータを知らなくても、KL情報量の意味でε精度のサンプリングを達成できるとされる。
説明時空的事前知識を超えて：汎用的な稠密対応マッチング手法
要約稠密対応マッチングは、滑らかな運動や剛体幾何といった時空的事前知識に依存してきたが、画像編集や参照誘導型生成ではこれらの仮定が成り立たない。本論文は、生成的・意味的な基盤表現と、古典データセット・追跡動画・合成シーンからの異種監督を組み合わせたFreeMatchingを提案し、稠密対応の注釈なしで教師誘導の反復的洗練により対応精度を高める。実験では、単一モデルが困難な画像編集の画像対で対応品質を大きく改善し、古典ベンチマークでも競争力を保つことが示された。さらに、人間の判断と相関するスコアとして、同一性保持の定量評価指標にも利用できることが示されている。
説明安全重視の強化学習のための統一ベルマン演算子
要約本論文は、タスク性能と安全目標を一つの結合価値関数にまとめる新しいベルマン演算子を提案している。結合演算子を用いた時間差分学習が二時間スケール確率近似の枠組みで収束することを示し、収束後の最適方策はタスク報酬を最大化しつつ常に安全を保つとしている。ニューラル近似を用いた連続制御タスクの実験では、安定した収束と、テスト時のほぼゼロの安全違反が報告されている。
説明OneSearch-VL：画像・動画を対象とする統合型マルチモーダル深層リサーチエージェント
要約本論文は、視覚的根拠の特定、外部検索、事実の統合という作業を一つの仕組みで扱うエージェントOneSearch-VLを提案します。視覚的根拠付き証拠グラフ（VGEG）を用いてデータ構築、学習の監督、評価を行い、新たな評価ベンチマークも作成しています。実験では、ツールを使えるQwen3-VL-8Bと比べ、2つの新ベンチマークで20.2ポイントおよび17.6ポイント向上したと報告されています。
説明WOVEN：視覚的世界モデリングをマルチモーダルLLMに織り込む研究
要約本論文は、マルチモーダル大規模言語モデル（MLLM）が空間・身体性・物理・時間の推論で苦戦する原因を、視覚的状態遷移の推論能力の不足にあると考えています。著者らは、場面・動作・推論の種類で整理した36,076件の学習・評価データWOVENを作成しました。WOVENで学習したモデルは、外部ベンチマーク26件中22件で最大27.3ポイント向上したと報告されています。
説明MAMHOI：アフォーダンスによるシーン認識型の人-物体インタラクションの分解
要約本論文は、複雑な三次元屋内環境で自然な人と物体のインタラクション動作を生成する手法MAMHOIを提案します。「アフォーダンス（affordance）」という中間表現を使い、まずシーン条件付きモデルが、どこでどのようにインタラクションを実行できるかを予測します。次にアフォーダンス条件付きモデルが、それに対応する人と物体の動きを生成します。この分解により、人-物体-シーンの対データがなくても両方の能力を学習できます。実験では、物体とシーンの貫通が減り、人と物体のインタラクションの質も保たれることが示されています。
説明WorldCast：分散型マルチプレイヤー世界モデル
要約本論文は、各プレイヤーが映像生成器と状態モデルを備えたローカルクライアントを実行し、プレイヤー状態とシーン状態のみを交換する分散型マルチプレイヤー世界モデル「WorldCast」を提案しています。Counter-Strike 2での実験では、共同生成方式と比べてプレイヤー描画のレートが一桁以上向上し、ラウンド全体にわたり視覚的一貫性が高まることが示されています。
説明価値表現による整合性の汎化予測
要約本論文は、大規模言語モデルに特定の価値観を学習させた際に、保留された他の価値観に対する挙動がどう変わるかを予測する課題（整合性の汎化予測）を扱います。現代の整合性目標に含まれる66の価値観を分析し、表現手法を比較しました。文脈内で価値を適用したときのモデル活性化に基づく手法が、テキスト記述に基づく手法を大きく上回りました（相関0.45対0.05）。
注目点アラインメント一般化予測という新課題を提案し、66の価値観で大規模に検証、活性化表現が記述ベースを大きく上回る（0.45対0.05）ことを示し、分野への影響は中程度。
説明「有害な拒否」を探る：AI安全性ベンチマークの心理測定的監査
要約本論文は、HELM Safetyにおける「有害な拒否」（危険または方針違反のプロンプトを拒否するモデルの傾向）が単一の測定可能な属性といえるかを検証する。候補となる4つのデータセットのうち3つは飽和していることがわかり、残るHarmBenchに多次元項目反応理論と差異項目機能分析を適用した結果、単一の属性を測定していないことが示唆された。著者らは、総合スコアは飽和を隠し異なる行動を混同しうるため、モデル比較に用いる前に単一属性として解釈できることを示すべきだと主張している。
説明LeWAM：JEPA と拡散ステアリングベース MPC によるワールド行動モデル
要約本論文は、デコーダーを持たない JEPA 潜在空間上で、順方向・逆方向・逆動力学・方策の4モードを端から端まで学習する双方向 Transformer「LeWAM」を提案しています。論文によると、その潜在表現はロボットと物体の状態をより正確に読み取れ、視覚的な邪魔要素も無視できます。閉ループ評価では同サイズのフローマッチング方策と同等の性能を示し、ワールドモデルとしても機能します。さらに、方策ヘッドのノイズ空間で計画すると、生の行動をサンプリングする MPC より閉ループ性能が向上すると報告しています。
説明ViSkill：進化する視覚ネイティブスキルで VLM エージェントを強化する手法
要約論文は、成功した対話の軌跡を視覚的なスキルカードとしてまとめ、視覚言語モデル（VLM）エージェントが直接利用できる ViSkill フレームワークを提案しています。取り出されたスキルは推論と報酬設計の両方を導き、成功した軌跡はスキルライブラリに戻されて、スキルの蓄積と方策の改善が相互に強め合う閉ループを形成します。Sokoban、FrozenLake、PrimitiveSkill での評価では、全体の成功率は 0.89、コールドスタート初期化を加えると 0.91 で、原文によれば評価されたすべての基準手法を上回り、標準の PPO より速く収束したとされています。
説明SpaceCast-Bench：視覚言語モデルの予測的空間推論を評価するベンチマーク
要約本論文は、「予測的空間推論」を直接かつ診断的に評価する初のベンチマーク SpaceCast-Bench を提案している。182 の実世界シーンに基づく 3,862 問が、静的知覚・局所予測・全体予測の三段階にわたる 16 種類のタスクで構成される。21 モデルを評価した結果、最も高性能なモデルは 58.0% で、人間の 87.2% との差が大きいことが示された。
注目点予測的空間推論を評価する新しいベンチマークを提案し、21モデルの体系的評価と制御実験、微調整による検証を行っており、証拠は比較的充実している。
説明全球・領域の整合による1km規模の天気予報学習（ScaleCast）
要約本論文は、全球・領域整合によって事前学習済みの全球天気モデルの大規模予報を高解像度の領域予報に活用する、ScaleCastという枠組みを提案している。ERA5とCERRAのデータを用いた実験では、地表および上空の変数で領域予報が改善し、単一のモデルがPangu-Weather、GraphCast、HRESなどの全球予報の入力に、再学習なしで対応したと報告されている。3kmのHRRRデータでの微調整や、暴風事例・観測所データとの比較も行われている。
説明SpaceFlow：局所的に制御可能な3D生成手法
要約本論文は、テキストと幾何プリミティブの集合から局所的に制御可能な3D生成を行う、学習不要のパイプラインSpaceFlowを提案しています。ユーザーは各プリミティブに局所的な制御レベルを指定し、入力形状に厳密に従うか、生成的な補完を許すかを決められます。高制御領域では指定の幾何が保持され、低制御領域では妥当な形状変化が可能だと報告されています。固定幾何での外観評価では、テキスト条件のルーティングが提示語への忠実性と色・素材の正確さで高い成績を示したとされています。
