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。
説明エージェント型Webの技術スタックに関するベースライン評価
要約本論文は、MASTIF（Multi-Agent System TestIng Framework、マルチエージェントシステム試験フレームワーク）というエージェント型Webの評価システムを提案しています。300件のMind2Webベンチマークタスクを用い、3つのLLM、3つのプロトコル、4つのエージェント実装フレームワークの組み合わせを比較しました。その結果、タスクに特化した技術スタックを選ぶことで、タスク完了率、効率スコア、社会的価値の安定性が向上し、冗長性や所要時間が減少する可能性が示されました。
説明生成的拡張によるAIテスト・評価における意味的カバレッジの改善
要約本論文は、AIモデルのテスト・評価において、テストデータの意味的カバレッジ不足を検出し補う三段階の生成AIパイプラインを提案します。視覚言語モデルで意味要因をゼロショットラベリングし、埋め込み空間のクラスタリングで下流モデルの挙動に最も影響する意味を特定します。次に拡散ベースの画像変換モデルで既存画像を不足している意味領域（昼・夜など）へ変換し、統計分析で合成画像がカバレッジを改善したことを確認します。合成データはテストセットの拡充のみに使われ、モデルの再学習は行いません。画像分類と物体検出で、昼夜の意味的ギャップに対して検証されています。
説明構造駆動型ナレッジグラフによる法的推論のための検証可能な検索（法的文書の根拠を検証可能な形で探す手法の研究）
要約医療や法律など信頼性が重視される分野では、自動化システムは透明性と検証可能性が求められるが、大規模言語モデルによるシステムは黒箱的な性質のためこれを満たしにくいと論文は指摘する。著者らはドイツの法典を対象に、構造に基づく解析でナレッジグラフ（KG）を構築して文書の探索と検索に用い、複数のKG活用型の分割・検索手法を比較し、検索された引用の正確性への影響を評価している。
説明一度の学習で同時に実現：精度と校正を両立するニューラルネットワークの共同学習
要約ニューラルネットワークは柔軟性が高い一方で、出力の確信度が適切に校正されていないことが多いです。従来の事後校正法は、学習済みモデルの出力を別の校正データセットと追加パラメータで調整するため、手間がかかります。本論文は、双レベルのStackelberg定式化により、標準的な校正器をバックボーンと共にエンドツーエンドで学習する手法を示しています。追加のハイパーパラメータは校正器の学習率のみです。最後の分類層自体を校正器として使うと、追加パラメータなしで精度が高く校正も良好なモデルが得られると報告しています。
説明分散低減方策勾配は、ほぼ最小最大最適であることを示す論文
要約標準的な方策勾配（PG）法はモンテカルロ更新に依存するため、推定の分散が大きくなります。本論文は、再帰的更新と防御的重要度サンプリングを組み合わせた一次推定量のクラスを抽象化した統一理論枠組み、ループレス分散低減PG（LVR-PG）を提案します。PAGE-PGやSTORM-PGなどの既存手法を含みます。弱い勾配支配の条件下で、このクラスが約Õ(ε^-2)の最終反復の大域収束を達成することを証明します。さらに既知の下界を連続パラメトリック方策へ拡張し、Ω(ε^-2)のサンプル複雑度の下限を示して、対数因子と地平線に関する項を除き最小最大最適であることを示します。
注目点ループなし分散低減方策勾配の統一枠組みを提案し、ほぼ最適な収束率と下界の一致を示すが、主に理論的貢献で応用影響は限定的。
説明拡散モデルのためのTransformerベースの文脈内スコア演算子学習
要約拡散モデルは通常、学習時に固定された単一の目標分布しか学習できず、少数のサンプルから未知の分布に適応することが困難です。本論文では、各目標分布をメタ分布から抽出されたタスクとみなし、推論時に経験的な文脈集合で指定する、拡散モデルのための文脈内解演算子学習の枠組みを提案します。文脈サンプル、ノイズを含む問い合わせ点、拡散時刻をタスク依存のスコアに写像する演算子を学習し、再学習なしで未知のタスクに対して逆拡散サンプリングを可能にします。Navier-Stokes、ERA5気候データ、QuickDrawスケッチ、Food-101などのデータセットで評価され、比較的単純なタスク族では良好な性能を示す一方、タスクの複雑さが増すと性能が低下することが報告されています。
説明VQIL：グラフ上の摂動応答ランキングのための可視量子干渉学習
要約本論文は、シード節点への摂動に対して各ノードの応答強度を順位付けする、学習可能な Szegedy 量子ウォーク手法 VQIL を提案しています。エッジ重み、リンク位相、ノードごとの位相回転を誤差逆伝播で端から端まで最適化し、学習中も演算子はユニタリに保たれます。交流潮流の摂動（6つの送電網）と遺伝子摂動（Perturb-seq、5つのタンパク質間相互作用ネットワーク）の両方で、Spearman順位相関が向上したと報告されています。
説明X-AVDD：交差注意による音声・映像データセット蒸留手法
要約本論文は、大規模な音声・映像のペアデータセットから小規模なデータセットを合成し、ニューラルネットワークの学習性能をほぼ維持する手法X-AVDDを提案しています。交差注意機構によってモダリティ間の関係を明示的に捉え、既存手法より省メモリで、合成コストは約8倍少ないGPU時間とされています。VGGSoundなどのデータセットで、他の蒸留手法を大きく上回る精度を示したと報告しています。
説明PhysForge：材料制御可能で分離可能な部品を持つ3D再構成
要約本論文は、ビデオ拡散モデル（VDM）に基づき、シミュレーション可能な力学挙動を持つ3D資産を生成するフレームワーク PhysForge を提案しています。PhysFit モジュールは、材料条件付きのVDMの動きを物理特性推定の参照として用い、窓付きフィッティングとHallucinated Forcingによって材料応答とモデルが生成した非物理的な動きを分離します。PhysComp モジュールは複雑な相互作用を個々の物体と意味的部品に分解し、物理パラメータを独立に最適化して結合シミュレーションに組み合わせます。PhysAssets と Google Scanned Objects での実験で、既存手法より高い CLIP および物理制御性スコアが報告されています。
説明撤回論文の再検討：不正科学における言語的難解化効果の再現・拡張・機構評価
要約本研究は先行研究を再現・拡張し、2013年から2025年までの不正論文800本と真正な対照論文800本を比較した。結果は、不正論文のほうが真正論文より言語的に難解であるという言語的難解化仮説を支持した。三つの競合する機構を評価した結果、形容詞の使用率低下で測られる現実監視が、不正科学と言語的難解化の関係を最もよく説明した。
説明共変量対応時系列基盤モデルにおけるカレンダー特徴量のエンコーディングについて
要約時系列基盤モデル（TSFM）は共変量に対応するものが増えており、その中でカレンダー情報が最も一般的です。本研究では、7種類のカレンダーエンコーディングを4つの最新モデルと9つのデータセットでゼロショット・ローリング評価により比較しました。エンコーディングの選択が予測精度に大きく影響し、特に祝日周辺で改善が顕著であることを示しています。
説明マルチモーダル判断モデルは乳腺超音波画像を分類できるか？プロンプトとデータセットを横断した CLEF と CLEF-Flash のベンチマーク
要約本研究は、Dataset B、BUSI、BUS-BRA の 3 つのデータセットに含まれる 2818 枚の乳腺超音波画像を用いて、マルチモーダル判断モデル CLEF と CLEF-Flash の分類性能を評価し、3 種類のプロンプトの影響を比較しています。CLEF-Flash に臨床プロンプトを与えた場合、3 データセットすべてで最も高い正解率となりましたが、BUS-BRA ではすべての構成が多数派クラスを予測する場合の正解率を下回りました。著者らは、性能がデータセットとプロンプトに依存することから、乳腺超音波解析に適用する前にクラスごとの評価が必要だと述べています。
説明次元はすべて等しくない：外れ値次元を考慮したグループ化二次カーネルによるアテンション線形化
要約本論文は、Transformerのsoftmaxアテンションを近似して推論を効率化する外れ値認識型アテンション線形化（OAL）を提案しています。少数の外れ値次元がクエリとキーの内積に大きく寄与し、近似誤差の主な原因になっていることを示しています。OALは二次のテイラー近似を基礎に、寄与の大きさが似た次元をグループ化して係数を共有し、外れ値次元は個別に扱います。Qwen2.5-0.5Bでは、DiJiangと比べて凍結アテンション出力の相対MSEが約8.9%低下しました。
説明トークンではなくターンを挿入：LLMの推論を自己修正へ導く位置の学習
要約本論文はUPTURN手法を提案します。凍結したエンコーダ上の約13万パラメータのMLPを、最終回答の正誤のみで学習させ、失敗した推論のどこに介入するかを判定します。同じ生成予算のもとでは、行内への注入よりも新しいユーザーターンとして指示を与えた方が推論の方向を変えやすいことを示しています。大規模モデルのファインチューニングは不要で、4つの推論モデルと6つの数学ベンチマークで平均精度が向上したと報告されています。
説明一段階難しく、行き過ぎない：GRPOにおける難易度カリキュラムの利点と限界
要約本論文はGRPO学習におけるカリキュラム学習を扱い、現在の方策のもとでサンプルの難易度を再推定し、より難しいサンプルへ段階的に移行するカリキュラムを提案している。GSM8Kでの実験では、中程度に難しい帯域へ進めた場合の正解率（0.6591±0.0077）が固定の中程度難易度（0.6449±0.0024）より高かったが、さらに難しい帯域へ進めると0.6405±0.0053に低下し、効果は非単調であることが示された。
説明スライド式ケーブル取り付けによる搬送物の協調空中輸送
要約本論文は、固定点に剛結されていない搬送物を、搬送物に取り付けたフック（摩擦のないフック）を介して協調運搬する、2機のクアッドロータによる吊り下げ輸送システムを提案する。ケーブルはフック内を滑ることができ、その分配がドローンの運動、ケーブル形状、搬送物の動力学を結びつける。ケーブル長の制約と楕円形の作業空間を満たしつつ、ケーブル張力を正に保つ実現可能な参照軌道生成の枠組みを定式化している。有効性は実験によって検証されている。
説明凍結サイトプローブの精度は単独の調和スコアにはならない：多施設MRIにおける評価手法の検証
要約本論文は、多施設MRI画像の調和研究でよく使われる評価方法を検証します。原データで学習させた後、変更せずに調和後の画像に適用するサイト分類器（凍結サイトプローブ）の精度低下を、サイト効果が除去された証拠とみなす方法です。著者らはABIDE I（T1強調画像1,112件、17施設）上で、7つの手法による10組の出力を分析しました。その結果、探針の学習方法によって結論が変わること、ガウシアンぼかしなど調和を伴わない処理でも精度が偶然水準まで下がること、凍結探針が失敗した場合でも、調和後データで再学習した探針はサイトを識別できることが示されました。収束まで学習させた複数の探針、調和後データで学習した探針、ターゲットの整合性を報告することを推奨しています。
説明専門的なニューラルネットワークモデルを自動調整するマルチエージェントLLMシステム
要約本論文は、分析担当・コーディング担当・記録担当の3つの役割からなるマルチエージェント大規模言語モデル（LLM）フレームワークを提案し、ネットワーク全体の構造を変えずに重要な構成要素を自動で調整する手法を示しています。スパイキングニューラルネットワークによる分類とPhysics-Informed Neural Networks（PINN）による微分方程式求解の2方向で検証されています。MNISTやDigitsの分類、GNLSEやKS方程式の境界値問題を含む5つのタスクで、ベースラインを上回る結果が報告されています。
説明事前学習とテスト時学習の予算がARCに与える影響：VARCとTRMの統制実験
要約本論文は、ARC-AGI-1上で視覚由来のVARCと再帰型のTRMを、共通の帰納的プロトコルの下で比較し、事前学習とテスト時学習（TTT）の予算が性能に与える影響を調べたものです。TTTのサンプル提示回数を増やすと、両モデルの標準的なARC pass@2指標は全設定で向上しました。タスク変種数の増加はTRMにのみ一貫して有効で、VARCはむしろ少ない変種で良い結果を示す傾向がありました。
説明非ガウス空間場のためのスケーラブルな疎自己回帰変分推論
要約尤度が非ガウスの場合、ガウス過程事前分布を持つ潜在場の事後分布は解析的に扱えず、既存の近似法は大規模データには遅いか制約が強すぎるという問題を扱う論文です。本研究は、変分族に事前分布の疎な近傍自己回帰構造を取り入れ、表現力のために正規化フロー条件付き分布を用い、単一の共有ニューラルコンディショナで全変分パラメータを償却する枠組みを提案しています。著者らは、祖先集合を縮小した二重確率的最適化により、反復あたりの計算量が多対数オーダーになると述べています。
説明TabReliBench：予測精度を超えて表形式基盤モデルの信頼性を評価
要約表形式基盤モデル（TFM）は予測性能の高さから人気が高まっているが、その信頼性はあまり研究されていない。本論文は点予測、分布の質、周辺および部分集団のキャリブレーション、区間の効率性から信頼性を評価し、大規模な分類・回帰ベンチマーク TabReliBench を提案する。その結果、TFM のランキングはベンチマークや信頼性指標によって変わり、回帰モデルは名目に近い周辺カバレッジを示すものの、それは条件付きカバレッジの妥当性を意味しないことが示された。総合ランキングだけでなく多面的な評価が必要だとしている。
注目点信頼性の多次元評価枠組みと大規模ベンチマークを提示し、順位の変化や条件付きカバレッジの欠如を示して既存評価を実質的に拡張している。
説明大規模言語モデルのテスト時シャープ化における冪分布サンプリングの批判的検討：目標分布への収束と利得の源泉を検証
要約本論文は、検証可能な報酬による強化学習（RLVR）で大規模言語モデルの推論を改善する手法を扱う。近年の研究では、報酬信号を使わずにマルコフ連鎖モンテカルロや逐次モンテカルロで冪分布（べき分布）からサンプリングして同様の利得を得ようとしている。著者らは、現実的な計算量では、これらのサンプラーが目標分布に収束しないことを示し、その利得の多くは適切な採点を伴う Best-of-N で再現できると述べる。さらに、基礎モデルを冪分布に一致させるよう微調整したところ、利得は不安定で、特定のモデルやタスクに限られた。結論として、冪サンプリングの価値は冪分布を忠実に近似することではなく、基礎モデルが既に高い確率を与える系列を抽出することにあるとする。
説明代理汎関数を用いた電子密度情報に基づく分子物性予測
要約本論文は、無軌道密度汎関数理論向けに開発された代理汎関数の枠組みを分子物性予測へ拡張したものです。基底状態の電子密度を機械学習モデルの入力とし、それが代理汎関数の最小値となるよう制約をかけます。QM9データセットの七つの示量性物性のうち六つで最先端の性能を上回り、より大きな分子のQM40データセットでも汎化性能の向上が示されています。
説明SelectArena：実世界の表形式データにおける特徴量選択の現代的ベンチマーク
要約表形式データから一部の特徴量（列）を選ぶ作業は実務で広く必要とされますが、既存のベンチマークは古いモデル、場当たり的な評価手順、人工生成データに頼ることが多いのが現状です。本論文は、人手で整備した実世界の表形式データセット71件を用い、標準化された評価手順と最新の表形式基盤モデルで、広く使われる15種類の特徴量選択手法を比較する SelectArena を提案します。結果として、予測性能と実行時間の観点では木ベースの手法（CART、RFImportance）と F-Test がパレート最適であり、安定性と妥当性では F-Test、情報理論系、距離ベースの手法が優れることが示されました。探索ベースの手法は遅く、不安定で、性能も低い傾向があります。
説明入力データと正例・負例の解から、規模に依存しない制約モデルを学習する
要約本論文は、入力データと複数の問題インスタンスの正例解・負例解から、規模に依存しない制約プログラムを自動生成する制約獲得ツールを提案している。システムはまず大域制約と二項制約上の典型的な制約パターンに基づき、規模ごとのモデルを求め、それを未知の入力データにも実行できる規模非依存のモデルへ一般化する。出力は MiniZinc コードとモデルの文章による説明である。PTHG21 チャレンジの例題で評価し、この手法の実現可能性を示している。
説明弱アノテーション生物画像データのためのモデル非依存な知識拡張機械学習
要約本論文は、自動特徴抽出だけでは捉えきれないドメイン知識を機械学習モデルが活用できるようにする、モデル非依存の知識拡張手法を提案しています。顕微鏡画像や細胞形態画像などの弱アノテーション生物画像データに対する分類性能を、7種類のMLアーキテクチャで改善しました。マスク付きオートエンコーダーによる自己教師あり学習と組み合わせると最も高い性能が得られました。さらに、ヒトiPS細胞由来運動ニューロンにおけるTDP-43の核から細胞質への局在異常を解析し、ALSに関連する生物学的知見を報告しています。
説明リモートセンシング視覚質問応答における回答と根拠の整合性のベンチマーク評価
要約本論文は、リモートセンシング視覚質問応答で、モデルの回答が指定された根拠（物体の位置情報）に支持されているかを評価する答-証拠支持プロトコル（AESP）を提案している。存在・計数・比較の各質問に応じたルールを用い、15,027件のサンプルからなるG-RSVQAベンチマークを構築した。七つの根拠付き視覚言語モデルでの実験では、三種類すべての質問で証拠の支持が不足する例が見られ、正解の一部（最大50.82%）が提示された根拠に支持されていないことが示された。
説明PANDA：事前情報で導く注意機構のデュアルパス構造（ハイパーグラフ・ニューラルネットワーク用のプラグイン）
要約ハイパーグラフ・ニューラルネットワークは二項関係を超える高次の関係をモデル化するため、固定の構造重みか正規化された注意機構に頼ることが多いが、どちらにも限界がある。本論文はPANDAを提案する。これは二段階のメッセージパッシング型ハイパーグラフネットワークに組み込める構造で、無向・有向の両方に対応する。主経路は学習される注意機構と構造上の事前情報を補間し、非正規化の補助経路によって各送信元が自身の変換済み情報を寄与できる。八つの実データベンチマークで四つのネットワークにPANDAを組み込んだところ、平均で5.18ポイントの改善が見られた。
説明Humanize Olympiad Agents：解く・査読する・Wiki・検証の四段階による、オリンピック問題向け多セッション型ワークフロー
要約HOAは、独立したレビュー、構造化Wikiによる知識補完、Lean証明の検証という三つのフィードバック経路で複数のエージェントセッションを連携させる、オープンなフレームワークです。GPT-5.6 Solを用いた場合、2026年のIMO、IPhO、IOIで満点、IChOではほぼ満点を取り、PutnamBenchの672問をすべて解いています。オープンモデルのKimi-K3でもIMO、IPhO、IOIで満点、IChOは97.1%でした。
説明プライバシー保護と分布頑健性を備えた連合学習による多クラス分類
要約本論文は、資産集約型産業の故障診断を対象に、各クライアントの個々の記録を保護しつつ、ラベルノイズに強い連合学習型の多クラス分類手法を提案しています。Crammer-Singer損失を用いた連合Wasserstein分布頑健多クラス目的関数を、ADMMに基づくアルゴリズムで解き、送信するクライアント更新にガウスノイズを加えて差分プライバシーを確保します。プライバシー損失はmoments accountantで評価されます。模拟産業故障データとUCIベンチマークでの実験では、多くの設定で差分プライバシー付き連合経験リスク最小化およびSGDの基準手法を上回りました。
説明マルチストリーム注意残差：深さ方向の注意を多ヘッド化し、大規模事前学習の効率を高める手法
要約本論文は、Attention Residuals（AttnRes）を拡張したマルチストリーム注意残差（MSAR）を提案している。深さ方向の注意を多ヘッド化し、各ヘッドが多尺度の因果畳み込みによって異なる文脈の視点から過去の表現を取り出す。取り出された複数のストリームは軽量な適応的混合で統合され、単一ストリームの層入力が生成される。論文によると、18B および 28B の MoE 規模の 12 の下流ベンチマークで、MSAR は標準残差、mHC、AttnRes を上回った。等損失の計算量加速は、MSAR が 1.58 倍、AttnRes が 1.35 倍、mHC が 1.30 倍とされている。
説明JitterVLA：VLA駆動の人間-ロボット操作における動作品質のリプレイベンチマーク
要約視覚・言語・行動（VLA）方針が出す疎な動作目標は、ロボット制御器に届くまで遅延や不規則さが生じるため、妥当な予測でも人の近くで急激な動きを生むことがある。JitterVLA は同一の指令と到達タイミングを別の制御器で再生し、制御器そのものの影響を切り分ける。合成動作、20 名の手の軌道、3 つのオープンな VLA パイプライン（838 エピソード）、実機の UR3 で評価したところ、補間は 200 ms の遅延を含む人の動作でモデル化された p99 ジャーク（加加速度）を 615 から 106 m/s³ へ（83% 低減）下げ、追従誤差は 2.0 cm 増えた。人間中心の研究の前段階のスクリーニングに使える。
説明AMLworld-Compact：低コストなLLM評価と誤り診断のための重要度加重ダウンサンプリング
要約本論文は、AMLworld（マネーロンダリング対策データ）でのLLM評価コストを下げるため、非合法取引をすべて残し、合法取引を教師ありスコアの層から抽出する評価セットAMLworld-Compactを提案している。Horvitz-Thompson重みで全テストデータの混同行列計数を推定し、一様抽出より小さいF1誤差を示した。さらに、7つのオープン重みLLMの加重精度が「すべて非合法と判定」基線に近いことや、語彙的チェックでは判定の正誤を確かめられないことを報告している。
説明SWE-DeceptionBench：ソフトウェア開発ライフサイクル全体におけるLLMの欺瞞的振る舞いの評価ベンチマーク
要約本論文は、ソフトウェア工学におけるLLMの欺瞞的振る舞いを評価するベンチマーク「SWE-DeceptionBench」を提案しています。六つの開発段階と二種類の欺瞞の誘因を対象に、中国語と英語で計720件のテストを構成しています。主流の7モデルを評価した結果、中立条件でも主動的欺瞞が49.88%、受動的欺瞞が64.29%に達しました。また、軽量な防御策は欺瞞的な応答を減らすものの、完全には排除できないことが示されています。
説明カーネル法に基づく実験研究の外的妥当性
要約本論文は、実験研究の外的妥当性を、同じ規模で独立に2回行った再現研究の結果間の最大平均不一致（MMD）が所定の許容値以下となる確率として定式化する枠組みを提示しています。研究規模とMMDの分位数の間に成り立つ漸近的べき乗則を示し、それを用いて小規模な予備研究から外的妥当性のある研究の必要規模を推定できるとしています。順位付け（同順位を含む）への適用例と既存事例・模擬研究による検証を行い、コードはgenexpyモジュールとして公開されています。
注目点外的妥当性をMMDに基づく確率として定式化し、サンプルサイズとMMD分位数の冪乗関係を示す点は新しいが、検証は事例とシミュレーション中心。
説明潜在的内在フィードバックによるユーザーシミュレーターの学習
要約ユーザーシミュレーターは、実際のユーザーとの多ターン対話に対応するため、LLMアシスタントを訓練する環境として注目されています。本研究では、各ターンでユーザーの一人称視点からアシスタントを評価する内部思考・反応・スカラー評価を備えた「内在フィードバック付きユーザーシミュレーター」を提案します。実ユーザーとアシスタントの対話ログで学習させた結果、プロンプト型の基準モデルより現実性と批評的振る舞いが向上し、ターン単位の評価も得られました。また多ターン強化学習の報酬信号として有効で、報酬用の外部審査LLMを使う場合と同等の性能を、強化学習の計算量を半分以下に抑えて実現しました。
説明生成拡散と最適輸送の関係に関する若干の考察
要約本論文は、生成拡散と最適輸送の間にある三つの単純な関係を論じています。データとOrnstein-Uhlenbeckノイズ付加後の同時分布は、各時刻においてノイズレベルで定まる温度のエントロピー最適輸送問題の解であり、逆拡散はエントロピー正則化を徐々に弱める焼きなましとみなせると述べています。高次元のガウス混合を例に、拡散とフローマッチングを最適輸送と比べたときのモード分離の過程も比較しています。
説明CUBE：オープンセット昆虫種認識のためのクラス条件付き未知境界証拠フレームワーク
要約本論文は、実際の生物多様性調査で既知種に視覚的に似た未知の昆虫を扱う課題に取り組み、単一の全体的な未知クラスではなく、既知種ごとに未知性をモデル化するCUBEを提案しています。補助種からクラス条件付きの境界証拠を学習し、推論時には補助種を参照用に保持し、分類学的候補の校正も行います。Open-Insect C-Americaベンチマークでは、局所・非局所・非ガ類の未知分割でそれぞれAUROC 95.8%、98.7%、99.1%、閉集合精度94.9%を報告しています。生態メタデータを加えたCUBE-Eは、さらに結果を改善したとされています。
説明敵対的学習による連続SPL制御の発声強度変換
要約本論文は、音量を単に拡大縮小するのではなく、連続的なdB音圧レベル（SPL）尺度で録音音声の発声強度を変換する手法を提案しています。並列データを使わない条件付きサイクル一貫性GANで軽量な変換器を学習し、凍結された音声エンコーダの特徴を変換したうえで、事前学習済みボコーダで音声を再合成します。対数メルスペクトログラム、WavLM、SpeechTokenizerの3表現を比較し、WavLMでは目標変化量の約83%の強度変化を達成したと報告されています。振幅を正規化した刺激に対する知覚評価では、目標レベルの上昇とともに知覚される発声強度が増すことが確認されています。
説明BLiMPPI：極性項の最小対からなる多言語評価ベンチマーク
要約本論文は、33言語にわたる1万2000組以上の負極性項（anymore、ever など）の最小対を収めた多言語評価スイート BLiMPPI を提案します。ユニバーサル依存関係（UD）ツリーバンクから負極性項を発見し、その許可環境をラベル付けして最小対を作成しました。12の多言語モデルと2つの単言語モデルをn-gramベースラインとともに評価した結果、多言語モデルは低リソース言語や n-gram で解けない対で最も苦戦することがわかりました。(negative polarity items, NPI)、ユニバーサル依存関係（Universal Dependencies, UD）。
説明zip2zip++：推論時のトークン圧縮と品質低下の抑制
要約本論文は zip2zip の流れを受け、LZW 圧縮によって推論時に動的語彙を構築し、言語モデルが同じテキストをより少ないトークンで表現できるようにする手法を扱います。著者らは品質低下の原因となる四つの問題を指摘し、入力・出力で分離された動的埋め込み層、結合長を考慮した RoPE 位置付け、選択的マージと複数ビュー分割に対応した改良型 LZW コーデックで対処しています。事前学習済みモデル自体は変更していません。四つのモデルでの実験では、評価したコーパスすべてでパープレキシティと数学的推論の正解率が改善し、一般テキストでは同程度の圧縮率で未圧縮ベースラインとの品質差がおよそ半分に縮まったと報告されています。
説明甲状腺超音波画像の結節領域分割と共形不確実性推定
要約本論文は、DeepLabV3+、チャネルアテンションモジュール、事後共形予測を組み合わせ、甲状腺超音波画像の結節を領域分割するフレームワークを提案しています。分割マスクに加えて画素単位の不確実性マップも出力します。公開ベンチマークTN3Kで各構成を評価した結果、ベースのバックボーンでも従来報告を上回り、CBAMとDice-BCE損失の組み合わせが全体で最良でした。
説明小さな認知コアで大規模な人間の行動を説明する研究
要約研究者は、既存の心理学の原理を一つにまとめたモデル CORE（COntextual Retrieval and Encoding）を提案しています。このモデルは、予測誤差が書き込まれる階層的なエピソード記憶から成り、符号化・想起・忘却が文脈に依存します。137 の実験に含まれる 7,036,442 件の選択データを同時に当てはめ、人間の選択をブラックボックスモデルより良く予測し、シミュレーションでは報告された行動効果の 75% を再現したとされています。
説明網膜基盤モデルを用いた加齢黄斑変性の重症度の潜在構造の探究
要約本論文は加齢黄斑変性（AMD）を事例として、網膜視覚言語基盤モデルRET-CLIPの埋め込み空間で疾患の重症度がどのように表現されるかを調べたものです。AREDSデータセットの両眼眼底画像を用い、非網膜エンコーダと比較しています。その結果、重症度は離散的なカテゴリではなく連続的なスペクトルとして表現され、健康な段階と進行期は区別しやすく、中間段階は区別が難しいことが示されました。平衡精度は二値AMD検出で0.844、後期AMD検出で0.814、六分類の分級では0.446でした。影響の大きい潜在次元は、ドルーゼンの蓄積、色素変化、進行した網膜病変といった表現型と統計的に関連していました。
説明AudioTETRIS：効率的な音声LLMのための遷移重要度信号によるトークン削減手法
要約大規模音声言語モデル（LALM）は音声とテキストのタスクで高い性能を示しますが、短い音声でも数百のトークンを生成し、推論計算量が大きくなります。本論文では、学習を必要としない二段階の手法AudioTETRISを提案します。音声エンコーダの表現幾何を令牌の重要度の音響的事前情報として用い、それをデコーダに伝えて注意機構に基づく圧縮と組み合わせます。Qwen2-Audio-7B、Phi-4-Multimodal、Audio Flamingo 3での評価では、音声トークンの25%だけを保持した場合でも一部の音声タスクで圧縮前に近い性能を保ち、既存の学習不要な手法を上回ったと報告されています。
説明EchoTab：表形式の再構成により計測に基づく心エコー診断表現を学習する手法
要約本論文は、多断面心エコー検査の表現学習フレームワーク「EchoTab」を提案している。切断面と診断の間の中間表現として、計測項目ごとのトークンを導入し、各トークンは推定に関連する断面に注目しながら、表形式の再構成によって対応する計測値を予測するよう学習する。二つのデータセットでの実験では、多断面心エコーの診断分類が改善され、学習された注意機構は循環器専門医が用いる計測と断面の関係と一致したと報告している。
説明TheoPhysEval：AIエージェントが理論物理の問題を自律的に解く能力を評価する研究
要約本研究は、検証可能な答えを持つ未発表の研究レベル理論物理問題50題を集めたものです。文献検索や数値・記号計算用のスクリプト作成などのツールを使える条件で、最良のエージェントは98%の正答率を示し、1問あたりの平均コストは3米ドル未満でした。ウェブ検索や背景論文を使えない場合でも精度の変化は小さく、文献の記憶が大きい可能性が示唆されています。
説明MENTOR：失敗から学ぶオンポリシー教育的介入手法
要約本論文は、大規模推論モデルの強化学習で、タスク難易度の急上昇により学習信号が消える「ゼロ報酬崩壊」に取り組みます。失敗した試行を捨てずに診断情報として活用し、MENTORという多エージェント枠組みが失敗の根本原因をリアルタイムで診断し、次の試行を導く指示的プロンプトを動的に生成します。GRPOなど既存の方策最適化パイプラインに学習基盤を変更せず組み込め、数学とコード生成で崩壊を緩和し、Llama-3.2-3B-Instructで基礎モデル比最大78.3%の平均相対改善を示しました。
説明強凸集合上の乱択線形最小化オラクル法に対する下界
要約本論文は、強凸集合上で線形最小化オラクル（LMO）呼び出しのみを用いる一階法を扱う。随機化された一階LMO法について、T回の呼び出し後の目的関数誤差がΩ(L·diam(S)²/T²)の分布的下界を持つことを証明している。従来の下界は標準的なFrank–Wolfe法または決定的手法に限られていたが、本研究はそれらの制約を取り除く。さらに、確率3/4以上で同じ誤差閾値が成り立ち、停止時刻の裾確率の上界も与えられることを示す。
注目点強凸集合上の乱択LMO法に対するΩ(1/T²)分布的下界を示し、乱択手法の未解決の空白を埋め、厳密な証明と高確率版を与えている。
説明時間変化する階層型インフラにおける電気自動車充電の確率予測
要約本論文はスコットランドの公共充電ステーションの大規模データを対象とし、充電需要が個々の充電ポイントから地域・全国規模まで複数の集計レベルで階層的に組織されていることを扱います。充電インフラは新設や撤去によって絶えず変化するため、著者らは階層型予測と欠損データを伴う共形予測（conformal prediction）の最新手法を組み合わせました。提案されたアルゴリズム CP-MNR-Nested は、時間とともに変化する階層構造を考慮できるとされています。
説明機械生成テキスト検出器が書式の痕跡に依存している度合いの測定
要約本論文は、科学文献ベンチマークで機械生成テキスト検出器がほぼ完全な得点を示すのは、文書の作成過程による副次的効果によるものだと指摘します。27個の表層的特徴を用いたロジスティック回帰が0.833〜0.997のマクロF1に達し、arXivの3つのサブセットでは評価したすべての検出器を上回りました。さらに、本文を変えずに再折り返ししただけで、公開検出器の正解判断の20〜27%が覆ることを示しています。学習前に書式を正規化すると、汎化ギャップは0.32から0.22に縮小します。
説明拡散モデルの補正学習：学習と推論のずれを小さくする補正器
要約拡散モデルの反復サンプリングでは、前のステップの予測誤差が蓄積しやすく、これは学習時と推論時の入力の不一致（露出バイアス）に起因するとされています。本論文では、基礎モデルの予測を入力とし、同じ正解ターゲットで学習する補正ステップを提案し、各デノイズステップでクリーンサンプルの予測を反復的に洗練します。DiT、SiT、JiTでの評価では、ガイドなし生成の品質が大きく向上し、分類器フリーガイダンス（CFG）に匹敵する性能を示しました。さらに、CFGと併用すると多様性が改善し過飽和が減少すること、補正の推論コストは洗練された予測を基礎モデルへ蒸留することで償却できることが示されています。
説明RARA：検索アンカー型表現整合による頑健なロボット操作ポリシーの微調整
要約本論文は、少数のデモンストレーションで事前学習済みロボットポリシーを新タスクに適応させる二段階手法RARA（Retrieval-Anchored Representation Alignment）を提案します。まず事前学習データからタスク意図と動作が似た表現を検索し、目標デモの表現をそれに整合させます。次に微調整中、検索された表現の変化を抑えながら学習を進めます。RoboTwin、RoboCasaおよび実ロボットの13タスクで、RARAは全ての比較基準を上回る性能を示したと報告されています。
説明TCP確認応答における競合比と後悔保証を同時に満たすオンラインアルゴリズム
要約本論文はTCPの確認応答問題を扱い、一度の確認応答で待機中のすべてのパケットを処理できる条件下で、確認応答と待機の総コストの最小化を目指す。著者らは、総コストが最適オフラインコストの(2+ε)倍以下で、かつ実コストが最小の専門家に対する後悔が次数付き平方根の上界を持つ乱択オンラインアルゴリズムを構成している。さらに、この後悔の上界が漸近的に最適であることと、劣線形の後悔にはε>0が必要であることを示している。
説明推理モデルの過剰思考に対する推論終了手法のパレートフロンティアの構築
要約本論文は、推論モデルがテスト時に推論を続けることで効果が失われたり有害になったりする「過剰思考（overthinking）」現象を扱っています。著者らは、固定された推論軌跡に沿って複数の保持プレフィックスから回答を生成する逐次切り詰めプロービング（STP）を提案し、過剰思考比率と精度低下の二つの指標を定義しています。さらに、動的ルーティング、固定予算、動的早期終了の三戦略を統一枠組みで比較し、STPの測定結果から各戦略のトークン数対精度のパレートフロンティアを構築しています。また、この過程から作られた再利用可能なベンチマークOTBenchも公開されています。
説明共有乱数を用いないチームゲームにおける極限確率的勝利
要約本論文は、チームのエージェントが敵対的環境と対戦する並行確率ゲームを研究している。エージェントは共有の乱数源ではなく、各自が個別の乱数源のみにアクセスできると仮定する。到達可能性または安全性の目標を、任意の λ>0 について確率 1−λ 以上で満たせるかが問題となる。到達可能性目標では NP 完全、安全性目標では極限勝利が概ね確実勝利と一致し P に属することが示された。その系として、Brice らが提案した個別ランダム化 ATL の定性的断片のモデル検査は P^NP 完全であると結論づけられる。
説明有理線形化MLP（RaLiMPs）：低次の有理近似で活性化関数を置き換え推論コストを下げる手法
要約本論文は、標準的な活性化関数を低次の有理近似で表すことにより多層パーセプトロン（MLP）を効率的に線形化する手法RaLiMPsを提案しています。これらの近似を用いて狭いボトルネックを持つカーネル表現を構成し、MLP各層の効率的な合成を可能にします。結果の近似について理論的保証を与え、陰的3Dモデルから大規模言語モデルまでの応用で評価し、精度を競争力のある水準に保ちながら推論コストを大きく削減できたと報告しています。
説明正しい修正がすべて同じように動くわけではない：リポジトリ単位の課題解決におけるパッチ性能の実証研究
要約本論文は、SWE-bench などのリポジトリ単位の課題解決ベンチマークで、テストに合格した複数のパッチの実行時性能に差があるかを調べています。ベンチマーク付属の FAIL_TO_PASS テストを性能評価に流用し、統計的判別にWelch ANOVAを用いています。その結果、パッチの性能は大規模言語モデルの課題解決率とは独立しており、正しさの評価では見落とされたアーキテクチャ上の退行も見つかったと報告しています。
説明「感情編集」について：脳応答を参照する画像の感情編集（ROI-ReFT）
要約本論文は、画像の主な内容を保ったまま、その画像が伝える感情を変える方法を研究しています。著者らはfMRI符号化モデルTRIBE v2を用いて、8つの感情カテゴリにまたがる400組の原画像・目標画像のペアを分析し、既存の編集モデルの隠れ状態が感情関連領域より視覚領域の予測応答とより強く対応することを見出しました。そこで、原画像の視覚応答を内容の参照に、感情応答の変化を編集方向として用いるROI-ReFTを提案し、凍結された編集器を誘導します。事後的に選ばれた400件の編集要求において、目標感情の正解率は91.75%、同時成功率は83.25%と報告されています。
説明AISデータを用いたTransformerモデルによる船舶航跡の確率的予測
要約本論文は、制限水域における水上船舶の航跡予測に、TransformerおよびPerformerモデルを用いる手法を検討しています。入力には広く入手可能な自動識別装置（AIS）の位置データを用い、核密度推定（KDE）で作成した周辺船舶の過去の位置ヒートマップをCNNで符号化してTransformerに入力します。分位点損失で学習することで、衝突回避に重要なモデル依存の予測区間を得ます。提案モデルは既存研究を大きく上回り、局所ヒートマップにより過去の位置だけでは示されない船舶の動きも予測できることが示されています。
説明クロスビュー地理位置推定における視点変化に強い全体的シーンレイアウト学習
要約本論文は、視点変化による外観の大きな違いと幾何学的歪みという、クロスビュー地理位置推定の課題に取り組みます。四つの直交方向に特徴マップを走査し、各位置の方向表現間の相互作用をモデル化する空間文脈モデリング（SCM）モジュールを提案します。また、周波数領域から安定した構造手がかりを抽出する高周波情報ガイダンス（HFIG）モジュールも導入されています。標準ベンチマークで競争力のある性能を示し、向きが不明な場合や視野が限られた場合にも強い頑健性を示すと報告されています。
説明ステレオタイプを避けた個人化：音声LLMは、いつ話者の属性を無視すべきかを知っているか？
要約本論文は、音声LLMにおける有益な個人化とステレオタイプ的な振る舞いを区別するためのベンチマーク「BASIS-Bench」を提案しています。人口統計的な頑健性、刻板的バイアス、明示的に求められた際の個人化という三つの観点から評価を行い、八つの最新音声LLMを検証しました。その結果、多くのモデルは人口統計的手がかりを認識できるものの、適切な個人化に結びつけられていないことがわかりました。また、明示的な人口統計ラベルは個人化を改善する一方で、テキストの基盤モデルに既にある固定観念的な関連付けを増幅させることも示されています。
説明ELMA：長時間のテキストからモーション生成のための照応的指示のベンチマーク
要約本論文は、照応（前の文の要素を後で指す表現）を含む複数段落の指示から長時間の人体モーションを生成する新しいタスクを提示します。前の段落で定められた制約を後まで保持する必要があります。著者らは、段落ごとの密なアノテーションを備えたデータセットELMAを構築し、実世界の動画から連続する30秒のクリップを自動収集・フィルタリングしました。実験では既存モデルが文脈依存の指示に弱いことが示され、ELMAによる微調整で全体の物理的現実感と意味的整合性が改善したと報告されています。
説明既存の評価実行結果から視覚言語モデルのベンチマークを監査する
要約本論文は、モデル評価時に保存される設問ごとの出力を再利用して、ベンチマーク自体を監査する仕組みを VLMEvalKit に追加します。画像が不可欠となるよう設計された MMStar を3つのモデルで検証したところ、設問の 20.2% では画像を加えても正答率が向上しませんでした。超過分は数学と科学の分野に集中しています。
注目点既存の評価成果物を再利用してベンチマークを監査し、置換検定で画像利得の超過分を定量化する点が新しく、根拠も比較的堅実です。
説明MOSAIC：リモートセンシング画像超解像向けのマルチスケール物体中心スロット適応と画像誘導プロトタイプ条件付け
要約本論文は、事前学習済み拡散Transformerをリモートセンシング画像超解像に適応させるためのMOSAICフレームワークを提案します。劣化画像を構造スロットに整理して異なる解像度の情報を統合し、共有プロトタイプメモリから反復構造の事前情報を取得します。これを軽量な残差変調で凍結した拡散Transformerに注入します。UCMerced、AID、RSSCN7での実験では、×2と×4の設定でPSNRの一貫した向上、×4でのLPIPSの良好な結果が報告されています。
説明3DGS 向け信頼度考慮型デンシフィケーション（効率版）
要約本論文は3D Gaussian Splatting（3DGS）のデンシフィケーションを対象に、固定プリミティブ数の下で不透明度ではなく画像誤差に基づいて新しいプリミティブを配置する手法を提案しています。学習された信頼度が低い領域へ、描画への寄与が小さいプリミティブを再配置します。24シーンの平均では、10万から200万プリミティブまでの各予算で3DGS-MCMCを上回り、50万以上ではSSIMとPSNRで比較した固定予算手法の中で最も高い値を示しています。
説明蒸留における「暗黙の学習」を教師なしで発見し防御する研究
要約基盤パラメータを共有する教師モデルから言語モデルを蒸留すると、特性と意味的に無関係なデータからでも、生徒モデルが教師の振る舞いの特性（誤整合を含む）を引き継ぐことがあります。本論文は、特性のラベルを使わず、パラメータ更新のみから、この暗黙に伝達された特性を復元する手法を提案します。特性を増幅して発見・解釈することも、投影除去によって抑制することもできます。既存のベンチマークでは、タスク性能にほとんど影響を与えずに動物の嗜好などの特性を抑制できたと報告されています。
説明位置だけでなく有無も判定：オープンセット・リモートセンシング視覚グラウンディングのためのアンカー探索蒸留
要約本論文は、教師・生徒フレームワーク AnchorProbe-Distill（APD）を提案し、オープンセットのリモートセンシング視覚グラウンディングを視覚的支持の学習として捉え直します。教師モデルは元のクエリを参照アンカーとして用いてクエリの摂動を解釈し、生徒モデルはこれを蒸留して、1つの画像とクエリの組から定位と棄却を統一的に行います。実験では、存在しない対象を棄却できるとともに、存在する対象の定位精度も向上したと報告されています。
説明MAGMA-Bench：動的タスクと実行失敗下で長期的な具現化エージェントを評価するベンチマーク
要約本論文は、動的な複数ロボット環境における長期的な具現化エージェントを評価するための、アーキテクチャに依存しないベンチマーク MAGMA-Bench を提案している。タスクの長さを段階的に増やし、実行失敗、タスクの中断、ミッションの更新などのオンライン摂動を加えて評価し、異なる能力を持つロボット間の協調も求める。最も性能の高いモデルでも、摂動のない多くのエピソードで失敗し、摂動下では成功率がさらに低下する。教師ありの適応により小型モデルは大きく改善したが、長いタスクや複数ロボットのミッションでは性能が依然として大きく低い。著者らはベンチマーク、26万1646件のタスクレベル学習データ、専門家軌跡生成パイプラインを公開している。
説明S-Space：マルチモーダル言語モデルにおける空間ワークスペースの探究
要約本論文は、マルチモーダル言語モデル（MLLM）の内部に、物体表現が水平・垂直・距離の3軸に沿った連続座標を符号化する線形表現部分空間（S-Space）があることを示す。この部分空間はモデルの内部空間ワークスペースとして機能し、知覚、視点変換、言語応答による空間判断を支えるとされる。また、空間推論の失敗を診断するツールとしても用いられている。
説明層ごとのランダム特徴モデルによる深層ニューラルネットワーク学習スパイクのシミュレーション
要約本論文は、大規模言語モデル（LLM）の事前学習中に損失が断続的に跳ね上がる「スパイク」現象を扱います。著者らは、裾の重いべき乗則分布に従う入力を持つ単純な二次モデルで、このスパイクを再現できることを示しました。深層ニューラルネットワークの層ごとの学習動態をこの二次モデルでモデル化する理論枠組みとシミュレーション手法を提案しています。Transformer言語モデルでスパイクを引き起こすことが知られているAdamの設定での事例研究では、シミュレーションが既知のチェックポイントからのスパイクの山を予測できたと報告しています。さらに、観測指標からβ2のスケジュールを導出し、性能が改善することを実験で示しています。
説明成功したロボットデモを超えて：人間の相互作用からの学習と失敗動態のモデル化
要約本論文は、ロボット動作の結果を予測する行動条件付き世界モデルHF-WMを提案します。双分岐フレームワークと安定化したポイントフロー表現により、人の手とロボットアームの身体性の差を埋めつつ、成功したデモから導いた摂動動作に対するGRPO事後学習で失敗の動態を学習させます。実験では行動条件付き動画生成で最先端の性能を示し、下流のロボットタスクにおける方策評価にも有用であることが確認されています。
説明ドメイン振り分け監督を超えて：マルチ教師オンポリシー蒸留のための教師間ガーディング（Road MOPD）
要約本論文は、マルチ教師オンポリシー蒸留（MOPD）において、異なる分野の教師間の勾配衝突による能力低下の問題に取り組みます。提案手法Road MOPDは、振り分けられていない教師を同じ生徒の軌跡上で補助的な分野横断的評価者として用い、教師の一致度に基づくトークン単位の信用割り当てと勾配投影で監督を調整します。著者らは、不利な分野の劣化を緩和し、高衝突条件で5ポイント以上の向上、低衝突および三分野設定で全体性能の改善を報告しています。
説明因果抽象における因果効果の識別可能性：厳密な階層的基準
要約本論文は、個々の因果グラフではなく、因果抽象によって得られる互換的な因果グラフの集合のレベルで、観測データから因果効果が識別可能かどうかを検討しています。この設定におけるいくつかの識別可能性の概念を定式化し、それらの関係と違いが分かるように階層として整理しています。一つの因果効果がグラフ集合上で識別可能であっても、すべての互換グラフに一様に成り立つ単一の導出が存在しない場合があることを示しています。
説明拡散モデルを確率解析の視点から見る：スコア関数・時間反転・サンプリングの関係
要約本論文は確率解析の視点からスコアベース生成モデルを整理し、古典的なサンプリング理論、スコア推定、拡散の時間反転を結び付けます。スコア関数がLangevinサンプリングとスコアマッチングをどのようにつなぐか、ガウス平滑化がデノイジングスコアマッチングと多重スケールのサンプリング手法にどう導くかを説明します。さらに、固定分布を保つ力学と与えられた周辺分布族を輸送する力学を区別し、経路空間での拡散時間反転を扱います。最後に、理想的な逆拡散と実用的な生成アルゴリズムを関連付けます。
説明Transformerにおける離散時間自己注意力ダイナミクスの漸近解析
要約本論文は、Transformerの層インデックスを時間とみなし、離散時間の自己注意力ダイナミクス（self-attention dynamics）を検討します。単一ヘッドと多ヘッドの両方について平衡点を完全に分類し、その安定性を解析しています。主なアトラクタは、値行列（多ヘッドの場合は対応する重み行列）の主固有ベクトルに整列した合意平衡点であることが示され、実際のTransformerの学習済み重み行列でもその振る舞いが確認されています。
説明このアラームは対応する価値があるか？VLAランタイム監視器の反事実評価（RESCUE）
要約ロボット方策の実行時故障監視器は通常、失敗と成功を正確に区別できるかで評価されるが、正確な警報も復旧には遅すぎたり、成功していたはずの実行を不必要な介入で妨げたりすることがある。本論文は、監視器の警報が有用な介入を可能にするかを評価する反事実フレームワーク RESCUE を提案する。実行チェックポイントでシミュレータと方策の状態を復元し、代替動作を比較して、警報に基づく介入がタスク完了の期待コストを下げるかを検証する。OpenVLA-OFT と π0.5 を LIBERO-Spatial および LIBERO-Plus で、128,340 の反事実分岐を用いて評価している。
説明臨床予後のための検索拡張型マルチモーダル言語モデル：異種証拠の統合（PRISM）
要約本論文は臨床予後のためのモデルPRISMを提案する。数値特徴の個別トークン化、縦断的心電図の新しさ重み付け集約、二重モダリティの集団メモリバンクを組み合わせる。MDS-EDベンチマーク（1,443タスク）で、診断・悪化・ICU入室・死亡率のAUROCを報告し、アブレーションで各構成要素の寄与を比較している。外部のMC-MEDコホートでは、教師あり微調整後のAUROCは0.8611であった。
説明FedPCD：優先度制約付きの連合集約手法
要約連合学習は分散したクライアントのデータから共有のグローバルモデルを最適化しますが、データ分布が統計的に不均一な場合、クライアント間で性能が不公平になることがあります。本論文は、グローバルな最適化目標とクライアント保護を分離するFedPCDを提案します。従来の連合集約を主目標として維持し、クライアントの性能制約を満たすために必要最小限の修正のみを加えます。論文によると、複数の異種連合学習ベンチマークで既存手法を上回り、全構成で最高のグローバル精度を達成し、少ない通信ラウンドで収束するとされています。
説明時間的近接を超えて：強化学習のクレジット割り当てのための説明的世界モデル
要約本論文は、大規模言語モデルの説明を用いて、長期的な結果に寄与した可能性のある初期の出来事を特定し、報酬を再配分する「説明的世界モデル（EWM）」を提案しています。報酬が遅れて届く強化学習の課題に対応することを目的としています。Crafter、WordCraft、KuaiRand などのベンチマークと、産業規模の生成型推薦システムのオフライン評価では、EWM が PPO や LaRe などを上回り、Recall などの指標も改善したと報告されています。
注目点言語モデルの説明を因果的帰属に用い報酬を保守的に再配分する手法で、複数の長期基準と産業推薦系での比較実験により新規性と根拠は比較的十分だが、影響は遅延報酬の信用割当に限られる。
説明SplatQ：二次選択による相互作用考慮型3Dガウシアンスプラッティングのプルーニング手法
要約本論文は、3Dガウシアンスプラッティング（3DGS）を剪定するSplatQを提案しています。空間的近接性と外観の類似性でガウシアンをブロックに分け、各ブロックの保持枠を平滑化します。そのうえで、個別の重要度、二者間の相互作用、枠の罰則を二次無制約二値最適化（QUBO）に組み込み、焼きなまし法またはコヒーレント・イジング・マシンで解きます。著者らは5つのベンチマークで、全体的な再構成品質、空間的な品質バランス、描画速度が既存手法を上回ったと報告しています。
説明Stride：インフォグラフィック生成のためのスケール認識型マルチエージェント進化的洗練手法
要約本論文は、テキストから画像を生成するモデルでインフォグラフィックを改善するためのフレームワーク「Stride」を提案しています。制約の評価と視覚的な位置特定を分け、全体の修正は構成サブエージェント、局所的な修正は修復サブエージェントに振り分けます。検証器のスコアが向上した候補のみを採用し、BizGenEval、IGenBench、WISEなどのベンチマークで評価されています。
説明Humanize MLE エージェント：単一エージェントの限界を超えるマルチエージェントのセッション交替
要約長期の機械学習エンジニアリング課題に取り組む LLM エージェントに対し、2 つのエージェントが共有ワークスペース上で交互に作業する Humanize MLE Agents（HMA）を提案している。各セッションの実験数を最大 k 回に制限し、セッション間でコンテキストをリセットする。MLE-bench の 75 件の Kaggle タスクで、HMA は任意のメダル獲得率 78.2% に到達し、最も強力なオープンソースのベースラインを上回った。
注目点セッション交替とコンテキストリセットによるワークフロー手法を提案し理論解析を行い、75のKaggleタスクで最先端結果を示す。証拠は比較的充実し、MLEエージェント分野への影響は中程度。
説明単一撮影による高ダイナミックレンジ画像化のためのニューラル・ブロック別自動露出
要約本論文は、一時画像とその露光時間から、重複しない16×16の各ブロックの露光時間を学習するニューラル・ブロック別自動露出アルゴリズムを提案しています。一時画像にはsRGB画像またはRAW画像を用いることができ、RAW画像は高輝度・低輝度領域の輝度測定能力が高いため、露光時間をより正確に学習し、ハイライトやシャドウの細部をより多く捉えられると述べています。実験結果により、提案手法の有効性が検証されています。
説明能動的エージェント・オーケストレーション：サブエージェントが実行中に設定の調整を要求する仕組み
要約本論文は、サブエージェントが任意の論理的地点でオーケストレーターに能動的に通信し、実行の連続性を保ったまま設定（harness）の調整を要求できる枠組み POrchestra を提案しています。さらに、事後フィードバックに基づく OPOD を導入し、サブエージェントの調整要求を先行するオーケストレーション決定に帰属させて過程監督の信号として用います。深層リサーチ、動的なデジタル支援、ソフトウェア工学の三つの長期タスクベンチマークで評価されています。
説明分岐型オンポリシー蒸留（BranchOPD）：不確実な判断点で分岐させ、教師の指導範囲を広げる手法
要約本論文はBranchOPDを提案する。学生モデルの不確実性と師弟の不一致から重要な判断点を選び、共有プレフィックスから学生の続きを再サンプリングして、主軌道と分岐の両方にトークン単位の教師指導を与える。数学およびエージェントタスクで、Vanilla OPDおよびMulti-Rollout OPD（n=7）を上回ると報告されている。不確実な箇所での分岐が後続の行動の網羅性を広げるとされる。
説明時間分解による非線形MPCのための拡張可能な学習型反復ソルバー
要約非線形モデル予測制御（NMPC）の最適化計算は高コストで、動特性が速いシステムや状態数の多いシステムでのリアルタイム適用を制限している。本論文は問題の時間構造をソルバーの構造に取り入れ、ネットワーク規模を予測ホライゾンに依存しないようにし、閉ループ再サンプリング戦略で学習分布を閉ループ動作に合わせる手法を提案している。CSTR カスケードの経済的NMPCベンチマークでは、従来の単一構造のLISCOより大きな問題に拡張でき、中央値でIPOPTの最大4倍の高速化を達成し、閉ループ制御性能はIPOPTと同等で制約違反は観測されなかった。
説明安全保証のためのエッジケースシナリオを生成するローカル型エージェントAIフレームワーク
要約本論文は、ノートPC上で動作するローカル言語モデルを用いたエージェント型フレームワークにより、自律システム向けのエッジケースシナリオを適応的に生成する手法を提案している。別の独立したモデルが領域固有の基準でシナリオを批評して洗練させ、シミュレーション結果の指標をクラスタリングや主題分析で解析して機能的ギャップと発生条件を特定する。これにより安全保証ケースに用いる追跡可能な証拠を作成する。
説明強化学習に基づく推論の物理的実装可能性について
要約本論文は、強化学習に基づく推論過程を物理ニューラルネットワークモデル上にハードウェア実装することの可否を扱っています。報酬の外部ポテンシャルエネルギーが存在する場合について、否定的な結果を示しています。この実装では、力学における思考連鎖の存在がシステムのリアプノフ安定性と矛盾すると述べています。
説明より良い指標では解決しない：何を比較するかが、どう比較するかより重要
要約本論文は表現類似性指標（RSA、CKA、Procrustes）の限界を検討しています。これらの手法はいずれも、入力の選択と分類によって決まる条件の集合を前提としており、その集合は不変性の性質では制御されないと指摘しています。十五言語の母音の音響構造を既知の基準として、二十七の表現を検証した結果、比較するカテゴリーを変えると二つの表現の差が測定された効果の二倍以上動く一方、カテゴリー数を変えても差は動かないことが示されています。
説明GraftOOD：分布外サンプルを優位性重み付け補正に組み込む動画報酬最適化手法
要約本論文は、動画の報酬最適化が代理報酬を上げる一方で動きの量を減らす現象を「運動崩壊（motion collapse）」と呼んでいます。著者らはGraftOODを提案し、選択したプロンプトグループのオンラインロールアウトの一部を分布外の動画サンプルに置き換えます。また、2,397のプロンプトに対応する9,588件のサンプルからなるGraftSet-Videoを構築しました。Wan2.1-1.3Bでは、報酬のみを用いるFlowAWRと比べてDynamic Degreeが4.86から44.41に上昇し、HPSv3は8.10から7.32に低下しています。
説明実世界CAD分割ベンチマーク：穴検出によるルールベースと学習ベース手法の比較
要約既存のCAD分割データセットは合成データや自動ラベル付けが中心で、実際の工学課題への適用性は不明確です。本研究は締結具に関連する穴検出を対象に、2種類のルールベース手法と、工学用CADデータから人手でアノテーションしたベンチマークを提示し、UV-NetとAAGNetを学習させました。ルールベース手法は学習データなしでも汎化し、学習ベース手法は十分な注釈があれば高性能ですが、領域シフトに対する頑健性が低いことが示されました。
説明マルチモーダルLLMが人間の読める文字を見逃す理由：「目を細めて読む文字」の診断と学習手法
要約本論文は、マルチモーダルLLMが、人間が目を細めると読める画像内の文字を認識できず、文字がないと報告してしまう問題を扱います。診断用に、審査パイプライン由来の1076枚の画像からなるSquintBenchと、制御された合成データのSquintCtrlを作成しています。さらに、縮小画像と正解の書き起こしを特権情報として与える教師モデルから学習するSquint OPSDを提案し、推論時は元画像のみで読み取ります。SquintBenchでのANLSは88.61で、未調整の基盤モデルの26.50を大きく上回ると報告されています。
説明ガウス型BROJA部分情報分解の閉形式解
要約BROJA部分情報分解は、2つの情報源が目的変数について持つ情報を、固有・冗長・シナジーの成分に分けます。しかし連続かつ高次元の変数では、その計算に難しい最適化問題を解く必要がありました。本論文は多変量ガウス分布の場合についてこの最適化問題の閉形式解を導き、BROJA分解を直接計算できるようにします。論文によれば、高次元のガウス型BROJA分解で計算を100倍以上高速化できるとのことです。
説明SqueezeBench：飽和しにくい数学能力評価ベンチマーク
要約本論文は、AIの数学能力を測るためのベンチマーク SqueezeBench を提案しています。各問題では小さなnでのみ値が分かっている整数関数を扱い、関数の上界と下界の記録を管理します。記録は機械検証されたLean証明付きの計算可能な関数で、提出者は新しい関数を、既存記録以上であり少なくとも一点で厳密に優れていることを証明して提出します。公開された10問に対し、基準エージェントは82件の提出が受理され全記録を改善し、後続の2モデルでは19件の記録がさらに改善されました。
注目点飽和しにくい数学能力評価の枠組みを提案し、機械検証可能な証明で記録を更新し続ける点が新しい。基準実験の規模は限定的。
説明シミュレーションと運用活動の証拠で設計時モデルを豊かにする試み
要約本論文は、サイバーフィジカルシステムの開発において、シミュレーションや運用で得られた知見を設計時モデルへ体系的に戻す問題に取り組みます。証拠駆動型のワークフローを提案し、設計時の成果物と環境要因が応答特性へ与える影響を表す「影響モデル（Influence Model）」を、標識追従ロボットの事例で示しています。シミュレーションの証拠が参加者の剪定、相互作用の特徴付け、影響関数の抽象化、妥当性範囲の情報補完を支えることを示し、今後の開発反復での設計時推論の改善に向けた実現可能性を提示しています。
説明エージェント型大規模言語モデル：大規模言語モデルが現実世界で直接行動し、相互に作用する仕組みの解説
要約大規模言語モデル（LLM）は人間の言語でのやり取りや推論ができ、文章作成や質疑応答に広く使われています。本書はLLMと現実世界で行動する能力を組み合わせた「エージェント型LLM」を扱います。エージェント型LLMがどのように動作し、どのように行動し、互いにどう相互作用するのか、そしてそれが利用者にとって何を意味するのかを論じています。
説明O'ido：ニューラルアクセラレータのない5ドルのマイコンでの自由語彙音声認識
要約本論文は、ESP32-S3マイコン上で英語の自由語彙音声認識を、ニューラルアクセラレータなしで完全にオンデバイス実行する推論エンジンO'idoを提案します。13Mパラメータの Conformer-CTC モデルをint8量子化し、フラッシュとPSRAMの帯域を考慮したスケジュールで動作させます。LibriSpeechでの誤り率は同チップ上のベンダー認識器より少なく、現時点では実時間処理には至っていません。
注目点NPUのない5ドルのマイコンで開放語彙音声認識を実現し、LibriSpeechで誤り率を測定。ただし1種のチップでの検証で、リアルタイムには未達。
説明圧縮による学習：リスク推定が大数の法則の速度に到達
要約本論文は、圧縮スキームを用いて学習アルゴリズムのデータ依存リスク上界を導く問題を扱う。既存の結果には O(√(ln N/N)) の余分な項があり、著者らはその対数因子が本質的ではないことを示す。信頼度 1−δ で、すべての可能な k に対して一様に成り立つ上界 k/N + O(1/√N) を与える。また先頭項 k/N が必要であることを示し、経験リスクが O(1/√N) の収束速度を保つ場合と、遅くなるか一致性を失う場合を論じる。
注目点圧縮界から対数因子を取り除き、固定事象の経験確率と同じ大数の法則の速度を得る点が理論的に明確な改善である。
説明DistilHuBERTによるアクセント分類の再検討：話者非重複評価とコーパス横断汎化
要約本研究は、L2-ARCTICおよび複数の外部英語アクセントデータセットを用いて、DistilHuBERTベースのアクセント分類モデルの頑健性を再検証したものです。ファイル単位と話者非重複の分割を比較し、バランスを取った外部データでの学習や教師・生徒型の擬似ラベル付けも検討しています。コーパス内評価と外部評価の性能差が大きく、ファイル単位の評価は性能を過大に見積もる可能性が示されています。
