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。
説明リアルタイム都市交通デジタルツイン向けセマンティック・エッジ-クラウド通信（都市交通の仮想複製を、映像全体ではなく意味情報だけで同期させる通信方式の研究）
要約本論文は、リアルタイムの都市交通デジタルツインのためのセマンティック通信ベースのエッジ-クラウド枠組みを提案している。生の映像ストリームの代わりに、タスクに関連する交通の意味情報のみをエッジで抽出して送信する。実験では、伝送量の99%以上の削減と、平均0.12メートルの軌跡再構成誤差が示されている。
説明エージェントの価値関数に内在する世界モデルの可視化
要約本研究は、モデルフリーの強化学習アルゴリズムの価値関数が環境の世界モデルを学習しているかを検証しています。Crafter環境でPPOエージェントに反事実的介入を適用し、価値関数を可視化しました。報酬の最適化のみで学習したにもかかわらず、ダイヤモンドを収集できる条件、水や食料が体力に与える影響、インベントリに関する経験則などの概念を価値関数が学習していることが示されました。
説明ULPack：参照重みに条件付けたチェックポイント軌跡のロスレス圧縮
要約モデル学習の研究ではチェックポイントの系列を保存する必要があり、その保存コストが時間解像度を制限している。本論文は、参照重みの指数部が順序付き浮動小数点空間における変位のビット長を、追加情報なしで予測できることを示し、そのロスレス圧縮器ULPackを提案する。bfloat16、float16、float32の軌跡で、ULPackはZipNNに対して最大27%、zstd-19に対して21%、FM-Deltaに対して11.5%の保存量削減を達成した。
説明オープンウェイトモデルによる、制限を外したCTI-REALMの評価
要約本論文は、脅威インテリジェンスレポートを実行可能な検知ルールに変換するCTI-REALMベンチマークで、オープンウェイト19モデルとクローズド7モデルの計26モデルを比較しています。十分なターン数が与えられれば、オープンウェイトモデルは最強のクローズドモデルとほぼ同等の性能を、コストの10分の1未満で達成できると報告しています。また、段階ごとに提出結果を評価する指標を導入し、モデルごとに得意な段階が異なることを示しています。
説明私が「見ている」ものをあなたも「見て」いますか？大規模言語モデルによるグラフ分析のための多パネル視覚質問応答データセット
要約本論文は、デジタルライブラリ内の科学論文の図を対象に、複数のグラフを含む合成図を用いて大規模言語モデルおよびマルチモーダルモデルの図表分析能力を検証するデータセットを提案しています。質問は基本的な概念的回答から解釈・分析的理解までの四段階で設計されています。パネル数、要素数、問題の難易度が増すほどモデルの正答率は低下すると報告され、コストと性能の比較も行われています。問答ペア、生成コード、図要素の境界ボックス情報が公開されています。
説明言語モデルはウィキペディア・ゲームをプレイできるか？
要約本論文は、記事間のリンクだけを使って目標の記事にたどり着くウィキペディア・ゲームを用い、言語モデルの情報検索・ナビゲーション能力を検証したものです。5つのウィキペディア言語と5つの学術文献データセットで、文埋め込みモデルと大規模言語モデルを人間およびTF-IDFの基準と比較しました。どのモデルも人間を有意に上回りませんでしたが、上位のモデルは同程度の成績を示しました。
説明物理的根拠を持つ関節付き3Dアセット：マルチエージェント・パイプラインとベンチマーク
要約本論文は、見た目の再現ではなく、物体がどのように動き機能するかを捉えることを目標とする、関節付き3Dアセットの生成を扱います。既存手法Articraftを拡張したArtisanを提案し、物理シミュレーションのフィードバックを備えたマルチエージェント・パイプラインで、衝突のない運動や重力下での安定性、質量・材料特性などを実現します。さらに、空間忠実度、物理的妥当性、下流タスク性能、総合品質を評価する統一ベンチマークを構築し、10を超える代表的モデルを比較しています。
説明Splat2Act：撮影したシーンから個人化されたVLA操作へ
要約本論文は、手持ちのスマートフォンによるスキャンとユーザーの物体の画像だけで、事前学習済みの視覚・言語・行動（VLA）ポリシーを特定の環境に適応させるSplat2Actを提案しています。3Dガウシアン・スプラッティングと衝突形状を用いたデジタルツインを自動構築し、抓取タスクとシミュレーション上の実演を生成します。101の校舎内環境で68,000件以上の抓取デモを作成し、微調整した方策は対象シーンで総合成功率62.5%、実機のStretch 3では12タスクで63.9%を達成したと報告しています。
説明InstantFusion：異種画像生成器を接続する共有潜在インターフェース
要約本論文は、異なるアーキテクチャの拡散・フローモデル型画像生成器の去ノイズ過程を接続する、軽量な共有潜在インターフェース InstantFusion を提案します。各モデル専用の潜在オートエンコーダで中間状態を共有潜在空間へ写像し、対象モデルの潜在空間へ復号することで、凍結された生成器間をモデルごとの個別の変換なしに切り替えられます。加速、複数の嗜好の合成、クロスアーキテクチャの方策蒸留、クロスモデル合成の各タスクで競争力のある性能が示されています。
説明画像が語り返す：画像からテキストへのフィードバックを抑制してMMDiTを誘導
要約マルチモーダル拡散Transformer（MMDiT）では、画像が共同注意機構を通じて内部のテキスト表現を更新し、その表現が以後の画像生成を導きます。本論文は、この画像からテキストへの（I2T）フィードバックが誤りも含めて元のプロンプトからの逸脱を保存しうることを示し、そのフィードバックを抑制するSemantic Feedback Guidance（SFG）とその原位置版iSFGを提案しています。FLUXやSD3.5Mでの整合性・選好スコアの向上や、動画生成への転用も報告されています。
注目点MMDiTの画像からテキストへのフィードバックが誤りを保持することを示し、それを抑制するSFGを多数のバックボーンで検証した。
説明「Hide and Seek」：概念を隠して探すことで黒箱視覚モデルを説明する手法
要約本論文は、黒箱の視覚モデルの予測を説明するHnS手法を提案しています。モデルの重みやラベル付きの概念データセットを必要とせず、視覚言語モデルで概念に合う画像を検索し、その領域を特定して隠し、元画像と比較したモデル出力の変化から貢献度を測ります。CelebAとCOCO-Stuffでは既存手法より真の帰属と高い一致を示し、画像キャプションや衛星画像のセグメンテーションにも適用できたと報告されています。
説明UltraData-Code：生のリポジトリから、アルゴリズム的に高密度でタスク指向のコードデータへ
要約本論文はコード学習データをL0からL3の4段階に分ける UltraData-Code を提案し、リポジトリの保存、標準化されたコード、アルゴリズム関連ファイルの選別、タスク指向の演習生成をそれぞれ対応させます。1Bモデルの制御実験では、L2データはL1より EvalPlus と MultiPL-E の pass@1 が向上し、L2 の一部をL3に置き換えるとさらに改善しました。データセットと分類器は公開されています。
説明ニューラルネットワークの位相的表現力に対する構成的上界
要約本論文は、従来の決定境界ではなく、ニューラルネットワーク出力のベッチ数によって位相的表現力を捉える手法を提案する。特定の構造をもつReLUネットワークが、任意のベッチ数列に対応する球面のくさび和とホモトピー同値な空間を表現できることを証明している。さらに、複数の球面の直積に対しては、より良い規模の上界を与えている。また、単一の球面に対するより強い紧密な上界を予想として提示している。
説明Chronos Policy：物理時間に基づくロボット制御方策の学習
要約本論文は、ロボットの制御方策が観測の取得時刻と行動の実行時刻を明示的に条件として学習する手法 Chronos Policy を提案している。拡散トランスフォーマーへの時間の組み込みとして、タイムスタンプ埋め込みと時間対応の回転位置符号化（time-aware RoPE）を比較し、後者がより頑健であることを示している。シミュレーションと実機実験で、観測と行動のタイミングが重要な動的タスクや多センサータスクでの性能向上、準静的タスクでの性能維持、センシングや推論タイミングの変化への頑健性向上が報告されている。
説明『Same Space or Not』：視点間の矛盾を通じて空間知能を測るベンチマーク
要約本論文は、同一の室内シーンを複数の視点から見たときに、モデルが一貫した空間表現を保てるかを検証するベンチマーク SSoN を提案している。1,000 問からなり、三つの未編集視点と一つの 3D 編集視点を示し、矛盾する視点の特定と説明を求める。人間の正答率は 83.3% だったのに対し、最も性能の高い視覚言語モデルは 39.7% にとどまった。針対応の微調整によって一部改善が見られた。
説明機械は非言語的に推論できるか？
要約現代の機械は方程式や論理、言語による推論を得意とするが、視覚的な非言語推論を要する課題にはなお苦戦している。本論文は、生成・検証・最適化を一つの推論パイプラインに統合する汎用フレームワーク「GenVerOpt」を提案する。候補解を生成して正しさを検証し、反復的に改良する方式である。抽象的な知能問題、前立腺がんのセグメンテーション、肝血管の再構築、腫瘍境界の位置合わせなどで、人間や既存手法と比べて優れた結果を示したと報告している。
説明混合前後のKLダイバージェンス：並列サンプリングにおけるラウンド計算量の分離
要約本論文は、並列サンプリングで同時に生成する座標をランダムに選ぶ場合について、スケジュール平均のダイバージェンスと出力分布のダイバージェンスを比較します。均衡な二値列を対象とすると、前者の基準では必要ラウンド数がlog二乗のオーダー、後者では二重対数のオーダーとなり、両者は明確に分かれます。この分離は重み付き定数カウント目標とBeta-Bernoulli目標にも拡張されています。
説明強化学習による深宇宙通信のゴール指向バンドル管理とフロー制御
要約本論文は、断続的な接続、長い伝播遅延、中継ノードの記憶容量制約がある深宇宙通信において、中継側でバンドル（Bundle）のスケジューリング、破棄、フロー制御を行う閉ループの学習フレームワークを提案します。情報鮮度は超過年齢で評価し、制約付き準マルコフ決定過程をマスク付きラグランジュ型PPOで解きます。DTNSimによるシミュレーションでは、基準となるスケジューラに比べ、年齢ベースの効用と流れ間の公平性が改善したと報告されています。
説明DyssomniaNN：多スケールスパイキングニューラルモデルによるヒトの睡眠障害と休息感の研究
要約本論文は、睡眠恒常性と概日リズムの調節、視床下部の相反的フリップフロップ回路、皮質-視床のスパイキングネットワークを組み合わせた多スケール生物物理モデルDyssomniaNNを提案している。同じ72時間の光周期のもとで5つの臨床群をシミュレートし、合成局所場電位はPhysioNetの睡眠脳波データと良く一致した（スペクトル平均絶対誤差0.33〜0.35）。シミュレーションでは、睡眠時間の長さは回復度を予測しないことが示され、矛盾性不眠症では総睡眠時間は正常（21.15時間）でも回復指数は37.6%にとどまった。
説明自然言語からタンパク質構造を設計する
要約本論文は、自然言語で指定された設計目標を扱える初の全原子タンパク質構造生成モデルPrompteinaを提案している。テキストから画像を生成する仕組みに類似し、180万構造と5000万件以上のキャプションからなるデータセットで学習された。18の構造特性のうち15で基準モデルを上回り、結合体設計では20標的中少なくとも13で優れた結果を示した。GM2Aに対する実験検証では9つの結合体が得られ、最も強いものの見かけの解離定数は107 nMである。
注目点自然言語を蛋白質構造生成の条件とし、180万構造の対データで学習し、実験で9つの結合体を検証しており、新規性と根拠が強い。
説明AutoEnvScaling：端末エージェントによるデータフライホイールの自動化
要約本論文は、強化学習で必要となる環境設計そのものを端末タスクとして扱い、エージェントが新しい環境を自動生成する AutoEnvScaling を提案している。学習中のソルバーの実行履歴をもとに次の環境を生成する仕組みで、プロンプトのみの生成と比べて有効な環境の割合が最大25倍、有効な環境1つあたりのコストは最大75%低いと報告している。さらに、ソフトウェア工学、コンピュータ操作、専門業務、GPUカーネル開発など他の領域にも適用できるとしている。
注目点環境設計をターミナルタスクとして扱い、エージェントがRL環境を自動生成してデータフライホイールを回す点は新しいが、実験の規模と比較の詳細は限られている。
説明どこを見るかが重要：3次元医用画像の自己教師あり学習におけるサブボリューム抽出の再考
要約本論文は、3次元医用画像の自己教師あり事前学習で用いられるサブボリューム抽出方法を検討しています。作者らは、サブボリュームの質が高いほど下流タスクへの転移性能が向上することを示し、解剖学的事前知識・情報量・多様性に基づく粗いものから細かいものへの探索バンクでランダムクロップを置き換えるVolumeProbeを提案しています。軽量版のVolumeProbe-Liteは、複数のバックボーンと下流タスクでランダムサンプリングを一貫して上回りました。
説明RSI-Anything：世界モデルで再帰的自己改善を実現する汎用フレームワーク
要約本論文は、JEPA-Anything を基盤とする領域横断型フレームワーク RSI-Anything を提案します。予測型世界モデルを用いて行動と学習データの選択を導き、観測されたフィードバックに基づき方針やワークフローを改善するとともに、世界モデルを条件付きで適応させます。コード修復、GUI 操作、実験室計画、反応最適化などの領域で実験を行い、例えばコード修復の成功率は静的検証器の 26.3% から世界モデル適応後の 31.2% に向上し、反応最適化では同じ 40 回の実験予算でベイズ最適化の 82.16% に対し 96.15% の平均最良収率を示したと報告しています。
説明視覚言語モデルは自らの知識を損なうのか：空間表現は語彙的事前知識を下回る
要約本論文は、制御された単一概念の介入下でモデルが概念を一貫して符号化しているかを検証する指標 EICS と、Visual Genome のシーングラフに基づくベンチマーク CASP-VL を提案します。複数の視覚言語モデル（VLM）において、空間関係は語彙情報よりも大幅に忠実度が低く表現されており、構成性ベンチマークではチance を大きく上回る性能を示すモデルでもこの傾向が見られました。さらに、関係語自身のトークンでは識別できるものの、EOS トークンや平均プーリングによって文全体を集約すると失われることが示されています。
説明次概念モデリング：高速かつ並列な粗から細への文章生成
要約本論文は、二段階の粗から細へのフレームワーク「次概念モデリング（NCM）」を提案している。多重スケール残差VQ-VAEが文章を離散コードの階層に符号化し、トランスフォーマーが一度に一層ずつ生成し、各層内のコードを並列に予測する。LM1B、OpenWebText、XSumでは、拡散言語モデルの基線と比べて高速に動作しつつ、品質は同等以上とされる。数独の推論課題では、自己回帰モデルや拡散モデルを各難易度で上回り、関数評価の回数も少ないと報告されている。
説明表形式データの深層回帰を再検証：目的関数とグローバル早期停止の限界
要約本論文は、表形式データの深層回帰における損失関数を、多数のデータセットと複数のニューラルネットワーク構造で体系的に再評価しています。多くの代替目的関数は、適切に調整された平均二乗誤差（MSE）に対して利得が限定的または不安定である一方、分位点損失は試験したバックボーン全体でMSEより一貫した総合的改善を示しました。さらに、ターゲットのノイズ水準が異なる領域では最良の学習エポックが異なるため、単一のグローバル早期停止では妥協が生じると指摘し、入力依存のラベル平滑化を用いた異方分散対応の分位点損失拡張を提案しています。
説明非同期Q学習のヒッティングタイム上界：単一軌道における最終反復の誤差解析
要約本論文は、有限マルコフ決定過程の単一軌道上で動作する標準的な非同期Q学習の最終反復結果を研究している。定数ステップサイズかつゼロ初期化のQ学習が、高い確率で約Õ(H^4/(μ_min ε²)+h⋆)回の遷移により、上限ノルム誤差をε以下にできることを示している。ここでHは有効期間、μ_minは最小定常確率、h⋆は逆向き連鎖の最大期待ヒッティングタイムである。さらに、経験的カウント規則によりステップサイズを選ぶ手法と、対応する下界についても論じている。
説明ニューラル意味解析のための構造オートマトン
要約ニューラル意味解析器は意味表現をトークンごとに生成しますが、その整合性は生成の途中で展開される参照、スコープ、グラフ関係に依存します。本論文は、DRS解析の復号、事後処理、学習の三段階で構造オートマトンを検討し、AMRでも復号を評価します。提案手法の接受パス復号（APD）は、残りの長さ制限内で完了可能性を検証しながら、モデルが好むトークンが完了可能であればそれを選びます。長さ制限が厳しい場合、APDはDRSとAMRの両方でSmatch++スコアを局所マスキングより改善します。
説明タスクの文脈が言語モデル内のコンポーネントの役割を変える仕組み
要約本論文は、大規模言語モデルが異なるタスクで同じアテンションヘッドを再利用する際、その役割がどう変わるかを検討しています。同一のグラフ事実を入力に用い、介入が注意ヘッドと後段層の活性化状態に与える影響を測定しました。五つのオープンウェイトモデルでは、タスクの変化によってこの影響が再配分されることが示されています。Gemma-2-9B と Qwen3-14B では、初期の活性化ベクトルを編集すると、モデルが読み取る事実が切り替わり、同じヘッドが異なる事実に反応することが確認されました。
説明雪片を超えて：LiDAR物体検出で天候の影響と交絡するメタ要因を切り分ける
要約本論文はWADS-3DとCADCのデータセットでLiDAR物体検出を評価し、降雪強度が増すほど検出精度が一貫して向上することを報告しています。アブレーション実験とメタ情報の分析から、降雪はノイズではあるものの、同時に増加する物体の点数がその悪影響を上回ると説明しています。著者らは、天候の厳しさだけで大まかに分類した評価は誤った結論を招きうるとし、大気ノイズと表面の積雪の効果を分離すべきだと結論づけています。
説明RATED：実行ダイナミクスに基づく信頼性考慮型AIエージェントツール検索
要約本論文は、AIエージェントが外部ツールを検索する際に、意味的一致と実行中のツール利用可能性の両方を考慮するRATEDフレームワークを提案しています。凍結したデュアルエンコーダで意味的一致を行い、軽量な文脈バンディットモジュールがリアルタイムの実行フィードバックに基づいて候補を再ランク付けします。あわせて、5,172の実ツールと21万組以上のクエリ・ツールペアからなるEcoAgentベンチマークを公開しています。
説明X-AgentRed：進化する多サービス環境における個人エージェントのレッドチーミング
要約本論文は、ツール利用により複数のサービスに接続する個人エージェントが、有害な結果を生む経路を発見する自己進化型レッドチーミングフレームワーク X-AgentRed を提案している。ツール間の依存関係グラフを構築し、実行フィードバックに基づいてツールの置換や前提条件の修正により経路を拡張・改善する。四つの最先端エージェントモデルで、STAC の 1.77 倍の有害経路発生率と、平均 2.99 倍のツールカバレッジを達成したと報告している。
説明報酬モデリングのためのタスク関連潜在動態の分離
要約本論文はDiTaRというフレームワークを提案し、異種の動画から密な報酬を学習して、ロボット操作における強化学習を改善します。非対称な二段階の手続きにより、多フレームの動画潜在表現からタスクに無関係な視覚変動を抑え、タスク関連の表現を得ます。そのうえで履歴と言語を条件とするrectified-flowモデルでタスク動態を捉え、動態の適合性の時間変化から方向性のある密な報酬を導きます。MetaWorld-v3とManiSkillで動画ベースの報酬の基準手法を上回り、報酬リラベリングによって実世界のオフラインRLへも転用できることが示されています。
説明Video-Arena：競技ゲームを用いた時空間的な世界状態理解を測る拡張可能なエージェント型ビデオベンチマーク
要約本論文は、競技ゲームの映像を用いて、モデルが動画から変化する世界状態を一貫して理解・追跡できるかを測るベンチマーク「Video-Arena」を提案しています。重要な出来事の知覚、状態更新の解釈、結果として生じる状態の追跡という3つのタスク分類で評価を行い、ゲーム記録から映像と対応する参照ラベルを大規模に生成します。9種のゲームにわたる180タスクの精選セットを用意し、ネイティブな視覚理解と、ツールを用いたエージェント型分析の2方式で評価しています。ネイティブモデルは出来事を安定して捉えるのが難しく、ツール支援システムは出来事の認識を改善する一方、状態更新の解釈と時間を通じた状態の一貫した追跡には依然課題があることが示されています。
説明予測だけでは十分な記憶状態にはならない
要約現在のすべての予測を再現できる記憶であっても、次の観測から学習する方法を忘れている可能性があります。本論文は、正確な累積学習と注意機構においてこの違いを特徴づけています。多項式損失の場合の必要な状態次元、リッジ回帰における状態のコスト、そして有限ビット圧縮での誤差の規模を示しています。新しい回帰アルゴリズムを提案するものではありません。
説明OpenMobile-2：拡張可能な環境とアプリ固有ツールで汎用モバイルエージェントを構築
要約OpenMobile-2は、学習環境と手法をすべて公開した、最先端に近いモバイルエージェントです。MobileGym++という模擬環境（商用風アプリ35本とAndroidエミュレータの設定済みアプリを合わせて110本以上）、約1.2万件の対話軌跡、自動報酬付きの検証可能な強化学習タスク2000件超を整備し、GUI操作とアプリ固有ツールの呼び出しを組み合わせる方式も検討しています。AndroidWorld（79.9）とMobileWorld（50.4）で競争力のある結果を示し、SPA-Benchでは31.9から59.6へ向上しました。
説明見えない轍を追う：熱赤外とRGBの融合による自己教師あり轍検出
要約本論文は、同期したRGBとLWIR（長波長赤外線）画像を用いて、雪道上の轍を検出する低コストな自己教師あり手法を提案しています。記録したGNSSデータから将来の走行軌跡を投影して学習ラベルを自動生成し、ニューラルネットワークが白一色で特徴の少ない路面の轍を識別します。視覚的に単調な悪条件での有効性を示し、ThermalTrackデータセットを公開しています。
説明ゼロ次残差追跡による部分情報付き確率的最適化
要約本論文は、勾配の一部しか直接得られず、残りを関数評価から推定する必要がある問題のための手法PISO（部分情報付き確率的最適化）を提案しています。残差の推定値を中心にゼロ次観測を補正することで、ランダムな探索による分散を残差の大きさではなく追跡誤差に依存させます。滑らかな非凸目的関数に対して収束保証を示し、複数の設定で基準手法と比較しています。
説明『Ask Your Advisor』：エージェントシステムでより強力なモデルに相談すべき時を学習する手法
要約本論文は、エージェントワークフローにおいて、より強力なモデルにいつ相談すべきかを学習するメタ制御器ARIAを提案しています。相談を、タスク成功率と相談コストのバランスをとる逐次的な資源配分問題として定式化しています。原文によると、SWE-bench Verified、Terminal-Bench 2.1、τ²-benchで評価され、実行者と助言者の成功率の差の44～81%を、助言者モデルのコストの半分未満で回復しました。
説明水を流れさせる：3Dガウシアン・スプラッティングのシーンで水をアニメーション化
要約本論文は、静的な3Dガウシアン・スプラッティング（3DGS）シーンの水に動きを与える手法を提案し、動的な撮影や物理シミュレーションを必要としない。参照画像やモデルのレンダリングから2D光学フローを推定し、一貫した3Dオイラー運動場に持ち上げて、ガウシアン基本要素を変形させ、時間的に継ぎ目のないループアニメーションを生成する。新たに撮影した滝のシーンのデータセットで、既存手法より視覚品質と計算効率が向上したと報告している。
説明LapMerge：微分可能で正確な予算指定を線形時間で行うトークン統合手法
要約本論文は、順序付けられた系列に対する微分可能なトークン統合演算子 LapMerge を提案する。ラプラスカーネル密度の下で学習された質量分布により系列を正確に N 個の等質量セグメントに分割し、接頭辞・接尾辞スキャンで各セグメントを集約するため、順方向と逆方向の計算はいずれも O(M+N) 時間で行える。視覚および視覚言語タスクで強力なトークン削減手法と同等以上の性能を示し、長い系列では最大2桁速いと報告されている。
説明衛星画像による建物被害評価タスクの再検討：データ・評価・手法
要約本論文は、地震や洪水などの後に衛星画像から建物被害を自動評価する課題を、データ、評価、手法の三つの観点から改めて整理しています。著者らは、センサーに依存せず事前画像の欠落を許容するインスタンス単位の定義を提案し、単一の総合スコアに頼る従来の評価は理論的に脆弱だと指摘して、順位ベースの多指標評価の枠組みを示しています。また、専用の深層ネットワークから地球観測基盤モデルまでの手法を概観し、未知の災害事象や地域への汎化が依然として課題であると述べています。
説明マルチフレーム表現の事前学習によるイベントベース行動認識
要約行動認識はロボティクス、患者モニタリング、監視などの分野で重要な課題です。イベントカメラは高速な動きを捉えられ、従来の映像カメラよりプライバシー面でも優れるため注目されています。ただし単一フレームのイベント表現は、長く複雑なイベント列では識別力が大きく低下します。本論文はマルチフレーム表現を導入し、マスク付きオートエンコーダの枠組みで、スパース性を考慮したマスキングとトークン選択を用いてVision Transformerを事前学習します。さらに位置を考慮するアテンション機構を持つ複数のマスクトークンを用いることで、THU-EACT-50 CHLおよびDailyDVS-200で最先端の性能を達成しています。
説明条件付き拡散モデルの有限サンプル誤差保証（完全離散化サンプリング）
要約本論文は、データから学習し有限回のノイズ除去ステップで実装される条件付き拡散モデルについて、有限サンプルの誤差保証を示しています。スコア学習の目的関数をサンプリンググリッドに合わせることで、統計的推定誤差と数値的離散化誤差を同時に解析できるようにしています。滑らかな条件付き密度モデルの下で、生成分布の誤差に対する高確率の上界を導き、必要なスコア評価回数を定量化しています。平均条件付きKLダイバージェンスと平均全変動誤差は、いずれもnに関する負のべき乗の速度で収束し、全変動の上界は既存の条件付き分布推定理論の速度と対数因子を除いて一致します。
説明ナノボディのde novo設計における足場・エピトープを横断する推論時ステアリングによるサンプル効率化
要約本論文は、ナノボディのde novo設計において、生成過程で計算資源を動的に配分する方法を検討しています。足場やターゲットエピトープなどの条件選択を推論時の資源配分問題として捉え、条件を横断して同時に誘導・配分するグローバル逐次モンテカルロ法（SMC）と、バッチ逐次削除（BaSE）を応用した分離型手法の二つを提案しています。著者らは、これらの手法により、異なる治療標的と生成設定の下で多様性を損なうことなく、GPU時間あたりの設計可能な候補の産出量を約5倍に高めたと報告しています。
説明開発状態への復帰：完全なサンドボックススナップショットがコーディングエージェントに役立つ場合
要約本論文は、コーディングエージェントが失敗した後、初期状態からやり直すのではなく、途中の環境状態から復元して分岐探索できるかを検討しています。著者らはDaytonaの完全スナップショット上でGo-Explore方式の探索を実装しました。その結果、解決率の向上と効率化は、データベースやサービスなどリポジトリ外の実行時状態の進捗に主に依存することが示されています。
説明人工知能で漫画を大規模に研究する：PAGEフレームワークと米国漫画・日本漫画の三つの研究
要約本論文は、スキャンされた漫画をコマ、文字、書誌情報に分解し、視覚言語モデルで符号化規則に従って各ページに注釈を付けるPAGEフレームワークを提案する。著者はこれを3,929冊の米国のコミックス（1938〜1956年）と87巻の日本の漫画に適用し、政治権力の描写、ページの視覚的形式と個々の作家の特徴、二つの漫画の伝統における発話者の追跡という三つの研究を示している。
説明Axiom-0：視覚・言語・行動ポリシーのための階層的自己洗練手法
要約本論文は、視覚・言語・行動（VLA）ロボット操作ポリシー「Axiom-0」を提案し、学習時の中間特徴の一貫性監督と、行動生成前の条件情報の再帰的更新によって性能を高めるとしています。RoboCasa365 での総合成功率は 62.32% で、公表されている最高スコア（Paimon-0、58.1%）を 4.22 ポイント上回りました。評価条件下での行動チャンク生成の平均遅延は、Xiaomi-Robotics-1 に比べて 1.7% 増加しています。
説明「専門家は速く学ぶ」：事前学習における知識の組織化が知識更新の効率を左右することを示す論文です。
要約本論文は、時系列順に学習したモデル（スペシャリスト）と、ランダムな順序で学習したモデル（ジェネラリスト）を比較しています。スペシャリストは新しい知識を獲得するのに必要な更新ステップがジェネラリストよりはるかに少ないことが示されています。著者らは更新コストと最適化の動態の関係を表す法則を導出し、安定した過去の知識を保ちつつ現在の知識を効率よく更新できる事前学習データの整理方法を提案しています。
説明連続拡散言語モデルの設計空間に関する研究
要約本論文は連続拡散言語モデル（CDLM）の学習で重要な二つの要素、自己条件付けと埋め込みの幾何構造を検討します。提案手法 DoubleCat は TinyGSM での精度を三倍以上に高め、SemiCat は離散拡散モデルに匹敵する性能を示しました。交叉エントロピーにより埋め込みの復号誤り率が one-hot に近づくことも報告されています。
説明SpatialASM：アクティブな心的表象を空間推論に内在化する視覚言語モデルの学習フレームワーク
要約本論文は、大規模視覚言語モデルが課題に関連する視点から空間を能動的に想像し再構成できるようにする SpatialASM を提案しています。学習時の空間シミュレーションにより仮想視点を生成し、ASM の推論過程と視点取得タスクという二種類の教師信号を作成します。七つのベンチマークで四つのモデル基盤において空間推論の精度が向上し、元の一般的な視覚能力も維持されたと報告されています。
説明MC-EvoBench：Minecraft エージェントにおける経験駆動型の自己改善を検証する評価基盤
要約本論文は、エージェントが対話の履歴を、別の世界へ引き継げる能力へ変換できるかを検証する、統制された Minecraft ベンチマーク MC-EvoBench を提案しています。19 本の進化チェーンと 3 組の転移用プローブを用い、先行知識なし・関連・無関係・シャッフルの各条件を、同じ環境ステップ予算と 5 つの乱数シードで比較しています。結果として、コントローラ型と計画器付き型の間では直接的な能力差が一貫して見られる一方、関連経験による安定した転移は確認されず、すべての信頼区間はゼロを含んでいます。
説明TrajCFG：去雑音軌跡フィードバックによるトークンごとの分類器フリー誘導
要約本論文は、フローマッチングモデルのサンプリングに用いる学習不要の手法 TrajCFG を提案する。誘導された速度方向の履歴変化に基づき、各潜在トークンの誘導強度を個別に調整し、方向変化が大きいトークンには強く、一貫した方向のトークンには弱く誘導をかける。文章から動画、画像から動画、画像、画像から3Dなど複数タスクで基本サンプラーを改善し、文章から動画では3つのバックボーンでVBench総合スコアが0.30〜0.75点向上したと報告している。
説明OpenPA：強制アライメント不要・多粒度の発音評価手法（混合トランスクリプト適応）
要約本論文は、自動発音評価のための新しいフレームワークOpenPAを提案する。Whisperのクロスアテンション機構を利用し、強制アライメントを用いずに単語レベルと発話レベルの発音スコアを同時に予測する。混合トランスクリプト適応と適応的置換重み付けにより、単一のモデルで閉じた応答と開いた応答の異なるトランスクリプトに対応する。speechocean762のみで学習し、ドメイン内の閉じた応答および模擬的な開いた応答の条件で評価対象システムの中で全体的に最も高い性能を示し、MultiPAではゼロショットで性能を維持した。口腔がん音声を用いた追加のクロスタスク評価では、非母語話者音声以外への適用可能性が示唆された。
説明同じクエリ、異なる回答：意味的クエリ処理における実行ごとのばらつき
要約本論文は、大規模言語モデルを用いる意味的クエリエンジンの、実行を重ねるごとの結果のばらつきを調べたものである。著者らは温度0で3つのベンチマークのテキストおよび表形式のワークロードを再実行し、約120万回のモデル呼び出しを記録した。その結果、一部の行の演算子出力が複数回の実行で変化し、実行計画によってその変化が増幅されることが示された。これに基づき、ベンチマークの報告規則とエンジンの設計規則が提案されている。
注目点LLM意味クエリの実行間分散を初めて体系的に測定し、120万回の呼び出しで三つのベンチマークを再実行して既発表結果も再分析した点で、新規性と根拠は高い。
説明言語モデルは回答を控えるタイミングを学べるか：方策学習と校正された回答選択
要約本論文は、言語モデルがいつ回答すべきか、いつ「分からない」と答えるべきかを研究している。Qwen3-14Bで事実に関する質問を用い、正答に報酬、誤答に罰則、棄権を許す評価指標のもとで、モデル自体を訓練する方法と、回答を検査する別の選択器を訓練する方法を比較している。TriviaQAでは学習した選択器が元のモデルの校正済み信頼度フィルタより効用が高く、カバー率が上がり誤り率が下がった。一方NQ-Openでは、常に棄権する方法には及ばず、データセット横断の信頼できる棄権はなお未解決である。
説明専門家の視点を超えた共有正準成分除去による監査手法
要約本論文は、臨床判断において専門家が用いる特徴量と、生の入力から学習したモデルとの差を検証する監査フレームワーク、共有正準成分除去（SCCR）を提案します。SCCRは、学習済みの生入力埋め込みと専門家特徴の埋め込みの間で強く共有される方向のみを選択的に除去します。合成データ、冠動脈疾患検出、抗うつ薬治療の中断予測、SkinConアノテーションを用いた皮膚病変分類で評価され、専門家の視点が不十分な点を特定し、専門家視点との冗長性を抑えつつ残存する予測信号を回復できることが示されています。
説明TabMF：表形式基盤モデルによるデータセット表現の学習
要約本論文は、事前学習済みの表形式基盤モデル（TFM）を教師ありデータセットのエンコーダとして再利用するフレームワーク、TabMFを提案しています。合成データセットの確率的ビューに対する対照的後学習により、モデルを端から端まで適応させます。TabICLv2とTabPFN-2.5に実装し、未見の実データセットに対する6つのタスクで評価しています。両TabMFエンコーダは、データセット検索、コンパクトなベンチマーク構築、分布シフトの深刻度評価で特に高い性能を示しています。
説明Dream to Remember：世界モデルによる汎用ロボット方策の継続的な改善
要約本論文は、凍結した汎用ロボット方策を、小規模なステアリングモジュールで新しいタスクへ継続的に適応させる手法 Dream to Remember（D2R）を提案しています。学習中は、凍結された事前学習済みの世界モデルが想像上のロールアウトで過去のタスクを再現し、リプレイバッファや新しいデータなしで以前の挙動を保持します。CALVIN では、8つのタスクを想像内のみで順に改善し、平均成功率を 63.7% から 74.8% に高めました。同じ系列での LoRA 微調整は 11.7% に低下しています。
説明指数的な高斯条件付けによる拡散・フロー型事後サンプリングの統一手法（β-Flow）
要約本論文は線形逆問題に対し、相関パラメータβでフロー・拡散・非相関な事前分布を統一するプラグアンドプレイ手法β-Flowを提案しています。信頼度パラメータκで経路分布の拘束の強さを調整します。各ステップは去噪ネットワークの順伝播1回と、勾配に依存しない厳密なカルマン型の高斯条件付け更新から成ります。4つのデータセット・7種類の逆問題でPSNRとSSIMにおいて最先端水準の性能を示し、観測情報が少ない場合は高相関（強い事前分布）、多い場合は低相関が有効であることを報告しています。
説明部分列の関連付けフィルタリングと幅認識選択による、LLMクエリ拡張での幻覚語の追跡と抑制
要約大規模言語モデルが生成するクエリ拡張語は、存在しない実体や話題外の語を含むことがあり、検索順位にノイズを加えます。本論文は、訓練不要で検索器に依存しないSAFE-QEを提案し、ランダム化した文脈での再現性によって幻覚語を判定して重みを下げ、制約付きの被覆最大化で語を選びます。TRECとBEIRのデータセットでは、順位品質は既存手法と統計的に差がなく、根拠のない拡張語の注入は大幅に減りました。
説明誤り率だけでは不十分：低リソース音声認識におけるデータ拡張のコスト
要約本論文は、低リソース自動音声認識におけるデータ拡張手法を検討しています。4つの低リソース言語と英語で、既存の音声を変更する手法（速度摂動、SpecAugment）と、テキストを変更してそこから音声を合成する手法を比較しています。音素レベルで誤りを分析した結果、両者は互いに補完的な理由で効果を示すことが分かりました。SpecAugmentは全体の改善が最も安定している一方で声調と口蓋化の誤りを増やし、テキストベースの手法は子音の挿入誤りを導入します。組み合わせると、それぞれが相手の導入した誤りを減らします。
説明FORTE：産業用レコメンダーシステムにおける特徴量の評価と廃止のための本番フレームワーク
要約本論文は、推薦システムの特徴量を発見・検証・削除するためのモデル非依存な本番フレームワーク FORTE を提案している。グループ化されたアブレーションによって特徴量の相互作用を考慮して候補集合を評価し、リネージ追跡によって下流の利用モデルをすべて特定する。大規模な推薦システム2種での検証では、廃止可能な特徴量集合がオンラインの回帰を起こさないことが示された。ランキングモデルでは、学習可能パラメータが29.9%減少し、配信スループットが19.8〜25.5%向上したと報告されている。
説明制約付き確率的数値解法：線形不等式制約下で線形PDEを解くガウス過程ソルバー
要約本論文は、線形偏微分方程式を解くガウス過程ソルバーに、非負性・単調性・無裁定などの線形不等式制約を組み込む手法を提案しています。等式条件とあわせた条件付けが逐次条件付けと等価であることを証明し、截断ガウス分布のモーメントで計算できると述べています。ポアソン問題、S&P 500オプション、大気質データでの実験では、制約により誤差や制約違反が改善したが、効果はデータの状況によって異なるとされています。
注目点不等式制約と等式条件を測度論的に統一して理論的に示し、ポアソン・オプション・大気データで比較実験を行っている点が特徴。
説明オラクル平滑性を知らなくても使える適応的分散削減
要約本論文は確率的非凸最適化における分散削減手法を扱い、平滑定数や分散の上界を知らなくても、平均平滑性、標準平滑性、ノイズなしの三つの設定に適応できる二段階アルゴリズムを提案する。勾配予算 T が既知の場合、収束率は平均平滑性のもとで O(T^{-1/3})、標準平滑性のもとで O(T^{-1/4})、ノイズなしのもとで O(T^{-1/2}) となる。T が未知の場合は、確率的設定で対数因子を伴ってこれらの率を達成する二経路の手法を提案している。
説明REFLECT：役割を考慮した感情・情動・丁寧さ・フォーマル度の検出
要約本論文は、感情（センチメント）、情動、丁寧さ、フォーマル度の四つの次元を意味役割ラベリング（SRL）の設定と対応づけ、それを Transformer の自己注意機構に直接組み込む役割認識型モデルを提案しています。学習されたゲートにより、役割情報と文脈埋め込みを適応的に融合します。四つのベンチマークデータセットで、情動、丁寧さ、フォーマル度は BERT ベースの強力な基準モデルより統計的に有意に改善し、センチメントの改善は小さく有意ではありませんでした。実世界の心の健康データでも、予測性能と追跡可能性の向上が示されています。
説明単なる評価を超えて：言語モデルの談話助詞への感受性に関する事例研究
要約本研究は、英語の "just" と "only" などの談話助詞に対する大規模言語モデルの感受性を、行動分析と機構分析の両面から自然な会話で調べたものです。モデルも人間も、文脈におけるこれらの助詞の存在をほぼ同様に好み、"only" より "just" に敏感であることが分かりました。指令チューニングによってこの感受性が高まり、モデル内部では両者の表現が非対称に重なっています。コードと対話データなどが公開されています。
説明OccludeBench：VLMは画像中の欠けている物を見つけられるか？
要約本論文は、画像に残る視覚的手がかりから完全に隠された物体を推定できるかを調べるベンチマーク OccludeBench を提案している。5つの VLM の平均正解率は、影や反射など直接的な手がかりの問題で42.7%、場面全体の文脈から推論する問題で62.7%であり、その差は20.0ポイントだった。人間は両者で63.4%と68.5%であり、有意な差はなかった。さらに、4段階の診断手法 OccludeTrace により、失敗の多くは画像全体の中から関連する物体を特定する段階で生じることを示した。候補の物体をまず生成し、その仮説を可視の手がかりと照合させる介入により、画像生成能力を持つ2つのモデルでは差が統計的に有意でない水準まで縮小した。
説明確率的なモメンタム輸送と安価な予測器：補正の計算を一部省いて最適化コストを下げる手法
要約本論文は、モメンタムの輸送補正を確率qで計算し、残りは安価な予測で代替する確率的モメンタム輸送を提案します。重要度重み付けにより条件付き平均を保ち、線形最小化オラクル更新についてある仮定の下で定常性の上界を示しています。MNIST1DとCIFAR-10で、ほぼ同じオラクルコストのもとでの訓練損失とテスト精度の結果を報告しています。
説明制約付き非滑らか非凸確率的最適化のための最適アルゴリズム
要約目的関数が滑らかでも凸でもなく、凸な制約集合の下にある確率的最適化問題のための新しいアルゴリズムを提案しています。これらのアルゴリズムは(δ,ε)-Goldstein定常点を返し、いくつかの設定で初めて最適な収束率を達成しています。確率的勾配を用いる場合はÕ(δ^{-1}ε^{-3})、ゼロ次クエリを用いる場合はÕ(dδ^{-1}ε^{-3})の速度を実現します。
注目点制約付き非滑らか非凸確率的最適化で初めて最適収束率を達成し、一致する下界も示す。理論的改善は明確で、厳密な計算量解析と下界証明が根拠。
説明離散グラフ拡散モデルは、実は訓練データを記憶しているという論文
要約離散グラフ拡散モデル（GDM）は、マルコフ型ノイズモデルの下でノードとエッジに独立にノイズを加えてグラフ構造を壊します。本論文は、二ブロック確率的ブロックモデル（SBM）で訓練したGDMの逆拡散過程を分析し、破損させた訓練グラフを条件とした場合にはモデルが訓練グラフをほぼ完全に復元する一方、未見のテストグラフでは同様にならないことを示しました。作者はこれを条件付き記憶と呼んでいます。この記憶は汎化ギャップの拡大を伴い、早期打ち切りでも軽減できず、生成グラフにコミュニティ構造が現れる前に起こります。
説明UkrMeme：ウクライナ語ミームにおける説明可能な多モーダル説得検出
要約本論文は、視覚言語モデル（VLM）を用いてウクライナ語のミームに含まれる説得技法を検出する研究です。戦時中のウクライナのミーム200点に説得技法を注釈したデータセットUkrMemeと、Propaganda 950ベンチマークの一部をウクライナ語に翻訳したPTM-UAを構築しています。ゼロショットのプロンプト設定で、画像・テキスト・マルチモーダル入力を階層F1指標により評価し、LRPとモデル生成のトークン帰属という2つの説明手法が強調する根拠の意味カテゴリを比較しています。
説明SimVTA：運転世界行動モデルのためのシミュレーションに基づく映像・軌道アライメント手法
要約本論文は、運転世界行動モデル（WAM）向けのシミュレーションに基づく後学習フレームワークSimVTAを提案する。候補軌道ごとに将来の映像を描画し、強化学習で軌道計画を最適化しつつ、映像による監督で共有表現を更新する。NAVSIM v1ではPDMSが86.2から91.3に向上し、NAVSIM v2では88.2 EPDMSを達成したと報告されている。
説明蛍光顕微鏡画像における極めて稀な死細胞の検出：複数の計算手法の比較
要約本論文は、蛍光顕微鏡画像でアポトーシス（死細胞）を自動的に識別する課題を扱い、閾値に基づくヒューリスティック手法、数値特徴および画像特徴による分類手法、異常検知手法を比較しています。258枚の画像、65,527個の細胞・核、人手で注釈された243個の死細胞を用いて評価を行いました。その結果、画像特徴を用いた深層学習（ResNet-18）と数値特徴を用いたXGBoostが最良の性能を示し、ヒューリスティック手法と異常検知手法を大きく上回りました。
説明ReplaySSM：SSMの状態ではなく入力をキャッシュして混合モデルの復号を高速化
要約本論文は、状態空間モデル（SSM）の再帰を展開し、チェックポイントと直近の入力バッファで状態を表す手法ReplaySSMを提案しています。これにより復号の各ステップでの状態の読み書きを減らします。vLLMにMamba-2とGated DeltaNetを実装したところ、バッチサイズ256で標準復号が4つの混合モデルで1.20〜1.47倍高速化し、120Bクラスの2モデルではvLLMの投機的復号の約1.8倍のスループットを示したと報告されています。
説明READ：選択的スキャンを読み取る忠実な動画帰属手法
要約本論文は、長系列動画モデリングに効率的な選択的状態空間モデル（selective state-space model）を対象に、パラメータを追加しない帰属手法 READ を提案する。分類器が読み出す位置で再帰計算を展開し、再帰状態に蓄積された寄与を最終予測に寄与した動画トークンまで遡る。一回の順伝播だけで時空間の関連度マップが得られ、既存手法の系統的な偏りを避けつつ、コストの高い手法と競合する忠実性と局所化を示す。
説明ゲート重みを超えて：腎細胞癌分類における放射線特徴量と画像特徴の融合の決定レベル解釈
要約本論文は、造影CTによる淡明細胞型と非淡明細胞型の腎細胞癌の分類のために、固定された3D MedVAE-放射線特徴量モデルを検討しています。線形分類ヘッドを利用して、二値の決定ロジットをゲート付き画像項、直接の放射線特徴量項、バイアスに分解し、構造的な重みと実効的な寄与を比較しています。両者には大きな差があり、別個に解釈すべきだと示しています。
説明幾何を考慮した多目的最適化：ノルム制約オラクルとエントロピー重み更新
要約本論文は、ユークリッド幾何に限られてきた多重勾配降下法を任意の有限次元ノルムへ拡張し、ノルム制約付き線形最小化オラクルとタスク重みのエントロピー更新を組み合わせた手法を分析しています。決定論的設定では O(T^{-1/2})、確率的勾配の設定では O(T^{-1/4}) の遍歴的定常性の収束率を示しています。また、内側の重み付け問題に対する静的リグレットや内側ギャップの制御についても論じ、既存の多タスク最適化手法との比較実験を行っています。
説明MARGoS：ARGoSにおける再現可能なMARL実験のための設定駆動型プラットフォーム
要約本論文は、群ロボットシミュレータARGoS上で再現性のあるマルチエージェント強化学習（MARL）実験を行うための、軽量で設定駆動型のプラットフォームMARGoSを提案している。設定のハッシュ化、シードの一貫した伝播、凍結された設定、構造化ログ、環境のフィンガープリント、共有や再実行に使える実験バンドルの出力により、実験の再利用と再現を容易にする。アーキテクチャ、効率、再現性、使いやすさ、協働の5つの観点から評価し、実験の変動をプラットフォームが管理することの有効性を主張している。コードはGitHubで公開されている。
説明ピクセルからプライバシー敏感な特徴へ：再構成誤差の下界を与える情報理論的枠組み
要約本論文は、DP-SGD で訓練されたモデルから攻撃者がどれだけ訓練データを復元できるかを検討している。学習前に計算でき、攻撃者が学習中のパラメータ軌跡を観測できる場合にも適用される失真の下界を導出した。この枠組みは学習によって漏れる情報と、データ分布に既にある不確実性を組み合わせ、あらゆる再構成攻撃の期待誤差の下界を与える。ピクセル空間と LPIPS 特徴空間の両方で具体化されている。
説明DualQuant：LLM向けのキャリブレーション不要な二重スケール重み・活性化量子化手法
要約本論文は、4ビットをネイティブにサポートするアクセラレータ上での低ビット推論に向けて、キャリブレーションデータを必要としない学習後量子化フレームワークDualQuantを提案しています。重み再構成の平均二乗誤差を最小化して得られるスケーリング係数を、活性化量子化の前のチャネルごとの再スケーリングに利用します。MXファミリーやNVFP4を含む複数のフォーマットに対応するとされています。Llama・Qwenモデルでは、キャリブレーションを用いるSmoothQuantと同等以上の精度を示し、RTX 4090上のW4A4推論ではBF16比で最大2.61倍のメモリ削減と2.46倍のスループット向上が報告されています。
説明地理空間基盤モデル埋め込みにおけるショートカット学習：災害横断の被害評価に関する研究
要約本論文は、災害被害評価に用いる地理空間基盤モデルの埋め込み（TerraMind、Prithvi-EO-2.0、DOFA、DINOv3）を、xView2とBRIGHTの多災害データセットで検証したものです。画像をランダムに分割する代わりに災害単位で除外すると、平均バランス精度が大きく低下することを示しています。また、事前画像、建物数、画像の組み合わせなど、予測を支える情報を調べ、学習データの災害のみで学習した特徴変換が未知の災害への汎化を改善することを報告しています。
説明エッジ独立性が成り立たないとき：潜在社交性事前分布による同時グラフ拡散
要約離散グラフ拡散モデルは、マルコフ型ノイズによってエッジを独立に破壊するため、終端事前分布はErdős–Rényiランダムグラフになります。そのため、ノードの異質性を回復しにくいという問題があります。本論文は潜在社交性事前分布（LSP）と、潜在的なノード社交性変数とグラフ構造を同時に進化させる拡散過程を提案し、交換可能性を保ったままエッジ独立性を取り除きます。ノード特徴がない場合でも、複数のデータセットでベースライン手法よりグラフ分布をよく捉えたと報告されています。
説明判別能力を超えて：腎細胞癌分類におけるラジオミクスと画像融合モデルの確率キャリブレーション評価
要約本研究はKiTS23データセットの396例を用い、四種類の画像モデルにラジオミクス特徴を加えることで、判別能力に加えて確率的予測の質が改善するかを評価した。単一モデル17種と確率平均アンサンブル4種を比較した。12組の対応比較のうち、AUCとAPは全12組で向上し、Brierスコアと負の対数尤度は11組、期待校正誤差は8組で改善した。3D MedVAEのゲート型融合モデルが個別モデルとして最も良好な総合性能を示した。
説明事前データ適合ネットワーク（PFN）はベイズ推論をどこまで償却できるか
要約本論文は、事前データ適合ネットワーク（PFN）がベイズ事後予測分布をどの程度よく近似できるかを検証します。著者らは展開誤差を事前・文脈・償却誤差に分解し、現実的な事前分布の下での参照分布と比較して償却誤差を測定しました。PFNは概ね目標分布をよく再現しますが、事前学習分布のもとでの稀な場面では残余誤差が残り、独立に事前学習したPFN同士の不一致にも表れます。複数のベイズモデル平均を検討した結果、これらの不確実性を一貫して減らし、完全規模のTabICLv2モデルを含めて予測を改善できることが分かりました。
説明Neurons++：fMRIから画像と動画を再構成する統一的な視覚ストリームフレームワークと、神経から視覚への解釈性
要約本論文はfMRIから静止画と動画を再構成するフレームワーク「Neurons++」を提案します。まず画像-fMRIの事前学習で安定した空間・意味の初期化を行い、被験者ごとに画像と動画の再構成を個別に微調整します。皮質を模した直列的な復号設計を採用しており、著者らは動画再構成で最先端、画像再構成で競争力のある結果を報告しています。
説明見えている環境情報で反射をガイドするガウシアン・スプラッティング
要約本論文は、二次元ガウシアン・スプラッティング（2DGS）を基にした新視点合成の枠組みを提案し、特に近距離の鏡面反射など視点依存の反射表現を改善することを目指しています。入力画像で直接観測できる環境情報を利用し、ハイブリッドな反射外観表現と視点依存の鏡面反射モデリングを組み合わせています。公開ベンチマークと新たに作成した近距離反射データセットでの実験において、レンダリング品質と幾何精度が向上したと報告されています。
説明VETNET：AI駆動の獣医イノベーションのためのベンチマークデータセット構築
要約VETNETは、標準化された高品質なデータセットと、学術・非学術分野にまたがる複数機関の協力を通じて、動物科学と獣医医学におけるAI駆動のイノベーションを加速することを目的とした、ライブ型ベンチマークデータセットと評価フレームワークのエコシステムです。人間医療におけるAIの進展と、断片化した状態にある獣医AI開発との間のギャップに対応することを目指しています。
説明LLMエージェント学習のための文脈一致グループ方策最適化（MCGPO）
要約本論文は、長期的なタスクを行うLLMエージェントの学習で、疎な最終報酬から中間の判断に功績を割り当てるため、既に収集された軌跡から重み付きの行動選好を構築するMCGPO手法を提案しています。ALFWorldとWebShopの6つの環境・モデル設定（各3シード）で、対応するGraphGPOベースラインより平均成功率が改善したと報告されています。
説明小さな数学世界を使ったタスク多様性の効果の研究
要約本論文は、整数と置換をもとにした、互いに関連する異なるタスクからなる二つの数学タスク生態系IntWorldとPermWorldを提案します。両データセットは手続き的に生成され、一つの数学的な「世界」の中でタスクの多様性を模擬できるよう設計されています。タスク数を精密に変えられるため、学習における他の要因とタスクの多様性の役割を切り分ける研究が可能になります。初期結果は、タスクの多様性を増やすとモデルの内部表現がより豊かになることを示唆しています。
説明採点するだけの特権教師では探索できない：推論のための批評条件付き同方策自己蒸留
要約本論文は、同方策自己蒸留における教師のスコア信号が推論の誤りを特定できるかを検討しています。採点型の教師は誤りを確実に特定できず、同一問題内で正解と誤答の推論を区別することも難しいと示されています。著者らは、まず現在の推論に対する批評を生成し、その批評を条件として教師に採点させる手法を提案しています。この手法は誤りの特定性能を高め、テスト時および冷スタートのGRPOでも効果が報告されています。
説明SmolWAM：エッジデバイス向けロボット操作の潜在世界・行動モデル
要約本論文はSmolWAMを提案します。これはエッジデバイス上で動作するロボット操作向けの潜在世界・行動モデル（WAM）です。2Bパラメータ版Cosmos Policyから事前学習済みの本体を保持して推論インターフェースを再構築し、28層中12層のTransformerブロックと1,008トークンで、行動と将来の視覚潜在表現を一度の整流フロー・ステップで出力します。LIBERO上の400エピソードで成功率は95.5%、16動作チャンクあたり57ミリ秒で、教師モデルより11倍高速です。
説明SafeDiSTL：マルチエージェント強化学習における共同制約の分解による安全化手法
要約本論文は、協調型マルチエージェントタスクの共有安全制約を扱う制約付き強化学習フレームワーク SafeDiSTL を提案する。信号時相論理（STL）のロバスト性で違反を測定し、行動感度により各ステップのコストを個々のエージェントに配分する。ペイロード輸送、接続型ナビゲーション、ネットワーク交通制御の三つのタスクで評価され、制約付きベースラインと比べて安全成功率や交通スループットの向上が報告されている。
説明Orthros：効率的なTransformerのためのフェーズ認識型ヘテロジニアス・アテンション
要約本論文は、Orthros注意機構（Orthros attention）という統一モジュールを提案しています。系列処理のプリフィル段階では線形計算量で動作し、デコード段階では全注意機構に切り替えることで、長文脈処理におけるTransformerの計算コストを抑えることを目指しています。著者らは言語モデリング性能、Transformerからの変換、長文脈タスクでの結果を報告し、プリフィルが21.9倍高速であると述べています。
注目点段階ごとに計算方式を切り替える統一アテンションを提案し、線形プリフィルと全注意デコードを実現。言語モデリングや128K検索で検証され、証拠は比較的充実している。
説明KVeil：ECCV 2026 LifeGenIP 学習不可能動画チャレンジ 1 位の解法
要約本報告は、ECCV 2026 LifeGenIP Unlearnable Videos チャレンジの両フェーズで 1 位を獲得した解法を紹介します。このチャレンジは、わずかで知覚されにくい摂動によって顔動画を無断のカスタマイズから守ることを目的としています。第 1 フェーズでは参照容量崩壊の損失と動きガイド付き EOT 機構、第 2 フェーズでは顔領域と背景領域を別々に保護する二層フレームワークを提案しています。著者らによれば、白箱の参照型カスタマイズに対してほぼ完全な保護を実現し、他のカスタマイズ手法、各種モデル、時間的攻撃に対しても有効だとしています。
説明LAPT-Scale：人間の動画による潜在行動事前学習でロボット方策を拡張する手法
要約本論文は、ロボットの行動ラベルがない大規模な人間の一人称視点動画から潜在行動を学習し、汎用ロボット方策を拡張するLAPT-Scaleの枠組みを提案しています。連続潜在空間を用いる潜在行動モデルに、知覚・意味・オプティカルフローの整合信号を組み合わせています。注釈付き人間動画が1Kから5K時間に増えると、実機ロボットの成功率が63.3%から85.0%に向上したと報告され、未知の視覚条件への汎化も示されています。
説明SeoulMMOD：ソウルの大規模マルチモーダル出発地・目的地（OD）フローのベンチマーク
要約本論文は、ソウル市全域の複数の交通手段による移動を対象とした大規模な公開ベンチマーク「SeoulMMOD」を紹介しています。3年分の1時間ごとのOD流量を、6つの都市交通手段、25の行政区、426の小地区について提供し、移動時間、移動距離、カレンダー、降雨、関心地点（POI）などの信号を併せて収録しています。共通のプロトコルで14の予測ベースラインを評価し、空間スケール、モード統合学習とモード別学習、年をまたぐ汎化の影響を分析しています。
説明Long-Horizon-Terminal-Bench 2.0：多様なタスクの自動構築とエージェントの持続的進捗の測定
要約本論文は長時間にわたる端末操作ベンチマーク LHTB 2.0 を紹介します。13 分野と 8 種類のタスクにまたがる 77 件を収録し、元の 46 件を保持したうえで欠陥を修正し、31 件を拡張しました。新規タスクはパラメータ化された参照実装で複数のシナリオを生成し、部分的な進捗を密な進捗段階で評価します。評価時間は 90 分から 3 時間に延長され、30 分ごとに検証チェックポイントを記録します。15 のフロンティアモデルによる 1,145 回の採点済み実行では、二値の検証スコアの平均が 0.221、密な段階スコアの平均が 0.653 で、結果のみの評価では中間的な進捗の大部分が失われることを示しています。
説明グラフニューラルネットワークによる償却型反事実予測
要約本論文は、因果グラフを先に推定せずに観測データから直接反事実の問いに答える、反事実グラフニューラルプロセス（CFGNP）を提案している。モデルはグラフニューラルネットワークを用い、対応する事実と反事実の変数の間だけで世界をまたぐメッセージ伝播を行う。合成データおよび画像ベースのベンチマークで既存手法より高い予測性能を示し、ドイツのローンベンチマークではMSEを4.51×10^-2から0.19×10^-2に低減したと報告している。
説明知識グラフ誘導型マルチタスク事前学習による事前学習言語モデルの法的推論強化
要約ドイツの道路交通法（StVO）を対象に、次文予測・知識グラフ誘導クラスタリング・知識グラフ対応段落分類の三つの目的を組み合わせた事前学習手法を提案しています。構造化された法的知識をモデルの重みに直接符号化する手法で、9種のTransformerエンコーダ・324回の実験で評価されています。合成StVO問答では基線に対し10.3%から155.0%の相対改善、LexGLUEの7つのベンチマーク中4つで既存結果を上回り、オーストリアの運転規則では3.4%から15.8%のゼロショット転移の向上が報告されています。
