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LiveAnon：コーデック言語モデルによるストリーミング話者匿名化の プライバシーと有用性の向上
要約本論文は、話者の身元を隠しつつ言語内容と感情を保つ、音声変換ベースのストリーミング話者匿名化システムLiveAnonを提案しています。事前学習済みストリーミングASRエンコーダの隠れ特徴に自己回帰型コーデック言語モデルを条件付けし、感情専用の学習なしに感情を保持します。VPC24とVPC26の評価で、可聴性・感情保持・プライバシーの面で既存手法を上回る結果が報告されています。
説明インド系言語向けのトークナイザのインプレース拡張と Nemotron-3-Nano-30B-A3B の継続事前学習
要約本研究は、バックボーンのアーキテクチャを変えずに Nemotron-3-Nano-30B-A3B を八つのインド言語に適応させたものです。語彙は 131,072 から 163,072 に拡張され、単語あたりのトークン数は 38.6% 減少しました。約 1.27 兆トークンの継続事前学習の後、アニーリング済みチェックポイントは Indic MILU で 12.9 ポイント向上した一方、英語の MMLU では 3.4 ポイント低下しました。論文はいくつかの否定的な結果も報告しています。
説明少ないビット、多くの試行：メモリ制約下で能力を取り戻す
要約本論文は、メモリが限られた環境で、小型または圧縮したモデルを複数回実行し、公開テストやモデル生成テストで出力を選別することで、大型モデルとの能力差を埋められるかを検討しています。4つのコード生成ベンチマークでは、検証付きの再試行によって、モデルサイズや圧縮で失われた精度の大部分が回復したと報告されています。8回の並列試行を行う7B Qwenモデルは、MBPP+では32Bモデルとほぼ同等、他の3つのベンチマークでは上回り、モデルメモリは約4分の1、速度は最大6倍と報告されています。
説明インド言語を優先する、自律的に管理可能な推論モデル（Gnani-Evon-v3.3-30B-A3B）
要約本論文は、英語と8つのインド言語で推論、指示の遵守、ツール利用を行う長文脈対応のハイブリッドMamba-Transformer型エキスパート混合モデル、Gnani-Evon-v3.3-30B-A3Bを紹介しています。NVIDIAのNemotron-3-Nano-30B-A3Bを出発点とし、語彙の拡張、継続事前学習、事後学習を行っています。強化学習により数学、大学院レベルの科学、指示遵守は向上しましたが、インド言語の抽出型質問応答は低下し、英語で回答した割合は8.7%から91.7%に上昇しました。
説明ANTE：先読みしてから実行――検証済みの信念から符号化エージェントの内部世界モデルを学習
要約本論文はANTEフレームワークを提案し、コーディングエージェントが各行動の前に内部の予測を述べ、それを実際の実行結果で検証して、各ステップの功績配分に用いる手法を示している。SWE-bench Verifiedで、Qwen3-32BのPass@1は25.0%から57.2%に向上し、強化学習中に世界モデルの予測精度は44%から69%へ上昇した。
説明TRACE：より安全な言語生成のための時系列リスク評価と概念編集
要約本論文は、大規模言語モデルの生成過程で有害内容のリスクを追跡し、有害概念に対応する内部活性を選択的に編集するTRACEフレームワークを提案しています。概念コードブックとGRUによる予測を用い、外部LLMで概念を事後ラベル付けして監査可能にしています。実験では、多くの比較でストリーミング検出のF1が向上し、Harmbenchの攻撃成功率が低下する一方、安全な応答の拒否はほぼ変わらなかったと報告されています。
説明リプシッツ余裕分析に基づく事前学習済み分類器の敵対的入力検出と認証
要約本論文は、自動運転などの安全重視分野で、事前学習済み分類器が小さな敵対的摂動に弱い問題を扱います。ℓ2球内の敵対的入力が「検出される」ことを認証する検出志向の手法を提案し、認証されたロバスト性を単一のリプシッツ定数Lの推定に帰着させる定理を示します。再学習を必要としない2種類の検出器を導入し、MNIST、CIFAR-10、ImageNet-1kでの実験で、5つのベースライン手法と同等以上の結果を報告しています。
説明UniForge3D：共有アンカー誘導空間での3D再構成と生成の同時実行
要約本論文は、姿勢情報のない少数の画像から完全な3Dアセットを生成する課題を扱い、共有アンカー誘導空間で再構成と生成を同時にモデル化するUniForge3Dを提案しています。両座標系の不一致を解消するため、2つの分岐が特徴量を双方向にやり取りして視点ごとの点群マップと完全なスパースボクセル構造を予測し、各ボクセルに最も情報量の多い入力視点を選択します。Toys4KとGSOでの評価で、外観と形状の両面で最先端の結果を達成したと報告されています。
説明JSIR：音声と整合したジャズ・スタンダード録音のマルチタスク・データセット
要約本論文はJSIR（ジャズ・スタンダード情報検索データセット）を提案する。44曲のジャズ・スタンダードの267録音、合計25.6時間を収録し、拍とダウンビート位置、コード、セクションの注釈を含む。注釈はジャズ音楽家が作成し、複数回にわたり修正された。JSIRで学習したモデルは他のジャズデータセットでも改善が見られたと報告されており、注釈、作成ツール、音声と同期して表示するウェブアプリが公開されている。
説明微調したビデオTransformerによる動画ベースの性的嫌がらせ検出
要約本論文は、動画に写る性的嫌がらせ行為の検出を扱い、公開データセットSHVを、YouTubeから収集し嫌がらせと非嫌がらせに分類した600本の短い動画へ拡張しています。Kinetics-400で事前学習したVideoMAE、ViViT、TimeSformerの3つのモデルを、二値分類のために微調整しています。テスト精度はTimeSformerが92.27%で最も高く、VideoMAEの91.71%、ViViTの91.16%を上回りました。
説明Siam-ALS：脳波と眼球運動信号を用いた筋萎縮性側索硬化症の早期検出のための説明可能なシャム型深層学習フレームワーク
要約本論文は、同期して取得した脳波（EEG）と視線追跡（ET）の信号を統合的に分析し、筋萎縮性側索硬化症（ALS）の識別を支援するSiam-ALSフレームワークを提案しています。重み共有のシャム型ブランチで両モダリティの特徴を融合し、公開データセットEEGET-ALSで被験者単位の交差検証を行ったところ、正解率0.988、AUROC 0.998を達成しました。独立したBigP3BCIデータセットでの異なるデータ間評価ではAUROCは約0.98でした。解釈性については6つの手法を比較し、SHAPが最も高い忠実度を示しましたが、統計的な有意差はありません。
説明Gugak-VocalSet：シギムセ注釈付き韓国伝統唱法の多ジャンル・スタジオ録音データセット
要約本論文は、韓国伝統声楽の音高変化の構造的体系であるシギムセ（sigimsae）に高密度な注釈を付けた、初の公開音声データセット Gugak-VocalSet を発表します。国立国楽院が選定したレパートリーの無伴奏独唱305曲、計約24.5時間を、20人のプロ歌手がスタジオで録音しています。統一されたシギムセの分類体系に基づき、韓国伝統音楽の専門家14人が約68,000セグメントに注釈を付けました。基準実験では、領域知識に基づく F0 特徴が、凍結させた汎用音楽基盤モデルの分類性能を上回ることが示されています。
説明CodeWalk：問題グラフを辿ってコーディングベンチマークを生成する手法
要約本論文は、既存の検証済み原子的問題を組み合わせて多段階のタスクを作る、ほぼコストのかからない問題生成手法を提案しています。すべての原子的問題が未解決のままで、かつ結合された参照解が評価時と同じ検査を通過するタスクのみを残し、構築過程は言語モデルを使わずプログラムで行います。多重バグ修正、証明補完、計算量解析、クローン同値性の4つの設定に適用され、生成されたタスクは最先端モデルにとって難しく、組み合わせの深さが増すと性能が低下します。さらに、これらのタスクによる棄却サンプリング微調整は、Qwen3.5-9B の各組み合わせレベルでの性能を向上させました。
説明視点と時間をまたぐ軌跡汎化型の物理攻撃：世界モデルと映像理解モデルへの攻撃
要約本論文は、印刷可能な一枚の物理的敵対テクスチャが、物体とカメラの軌跡が変化する実世界の場面で、世界モデルと映像理解モデルを誤らせられるかを検討します。軌跡を考慮した最適化と対比整合を組み合わせたTARAという攻撃手法を提案しています。EPIC-KITCHENS-100とSomething-Something V2上で再現可能な評価基盤を構築し、実際に印刷して撮影した映像も収集しました。結果として、単一のテクスチャが物理環境下で両モデルを持続的に妨害できることが示されています。
説明StimFlow：刺激条件付きフローマッチングによる画像からの脳活動の合成
要約本論文はStimFlowを提案し、条件付きフローマッチング（線形パス）を用いて、圧縮された潜在空間ではなくネイティブのボクセル空間でfMRI応答を直接生成します。DINOv2の構造的特徴とCLIPの意味的特徴を組み合わせ、視覚皮質の階層に対応させています。単一サンプルで体素ごとのピアソン相関0.371を達成し、5回平均するベースラインと同等です。さらに、1時間分のスキャンデータで全データ性能の半分以上を回復します。
説明MultiFlow：刺激情報付きソースフローマッチングによる視覚駆動型マルチモーダルfMRIエンコーディング
要約本論文は、同一刺激に対する神経応答の分布を単一の点推定ではなく予測対象とする生成型fMRIエンコーディングフレームワーク「MultiFlow」を提案します。条件付きフローマッチング（CFM）を基にし、ソース分布を刺激で条件付ける「刺激情報付きソースフローマッチング（SISFM）」を導入しています。Algonauts 2025データセットでは、単一モデルで大規模な決定論的アンサンブルに近い性能を示し、刺激条件付きの不確実性推定も得られるとしています。
説明CoLA：学習アダプタによる複数VLAモデルの協調
要約本論文は、各エージェントの視覚・言語・行動（VLA）バックボーンを凍結したまま、軽量なメッセージチャネルと腕ごとの拡散行動ヘッドを学習するCoLAを提案し、分散実行で複数ロボットを協調させます。情報が私的な場合にメッセージが重要であることを示しており、遮蔽されたトレイ受け渡し課題では、箱の色マーカーが一方のエージェントにしか見えない条件で成功率は76.0%、学習中にメッセージを0にした場合は1.3%でした。共有の俯瞰カメラを使う二腕・三腕の受け渡しではメッセージ除去の影響は測定可能なほどではありませんでした。
説明ZOIF：順伝播のみで大規模言語モデルのデータ選択を行うゼロ次影響関数推定
要約本論文は、大規模言語モデルの学習サンプルの影響度を推定し、データ選択を行うZOIF手法を提案します。逆伝播を使わず順伝播だけで計算するため、メモリ消費を抑えられます。実験では、選ばれたデータの下流タスクでの性能が比較対象の手法と同等で、一部では上回り、ピークメモリは大幅に少なく、総計算時間は同程度だと報告されています。
説明学習型前処理子を用いたフルウェーブフォーム・インバージョン
要約フルウェーブフォーム・インバージョン（FWI）は地下の速度モデルを再構成する手法ですが、条件の悪さや高いコストに制約があります。本研究は、逆時間マイグレーション（RTM）画像で学習させたニューラル演算子を、FWIの学習型前処理子として使えるかを検討しています。標準のフーリエニューラル演算子（FNO）とヤコビアン情報付きFNO（JI-FNO）を比較し、JI-FNOが最も低いモデル誤差を示し、標準FNOは不安定だったと報告しています。また、RTM画像の予測だけでは不十分で、正確な学習導関数と目的関数に整合した利用が必要だと指摘しています。
説明BaT-SAM：畳み込みエキスパートの混合によりSAMに帰納バイアスを導入した脳腫瘍セグメンテーション
要約本論文は、Segment Anything Model（SAM）を脳腫瘍のMRI画像に対して全自動でセグメンテーションできるよう、パラメータ効率の良い適応フレームワークBaT-SAMを提案しています。Conv-LoRAを用いて凍結したViTエンコーダに局所的な帰納バイアスを注入し、ユーザーのプロンプトを不要にする軽量な自己プロンプト型ボックス回帰器を導入しています。BRISC2025ベンチマークで重み付き平均IoUは0.832、Figshareデータセットでは0.702、LGG MRIセグメンテーションデータセットでは0.784のDiceスコアを報告しています。
説明Anchor-and-Harvest Curriculum（AHC）：LLM を使わず行動マスクもない Craftax 向けカリキュラム学習手法
要約本論文は、Craftax-Full 環境向けの、領域知識に基づくルールベースの学習システム AHC を提案します。大規模言語モデルの推論を用いず、43 個すべての行動を利用可能にしています。約 20 億回の PPO 学習ステップ後、3 回の主要実験の原課題リターンは 46.70±0.57 で、同じ構造の原課題 PPO-GTrXL ベースライン（41.91±1.01）を上回りました。差の大半は中級の実績によるもので、最も深い階層の実績は未解決のままです。
説明CIViC：代理タスクで音声条件付き視覚予測を検証する証拠ゲート手法
要約本論文は、視覚予測モデルの出力変化が意図した音声情報によるものかどうかを判定するための、4段階ゲートからなる評価プロトコル CIViC（Conditional Input and Visual Interpretation Checks）を提案しています。俳優が重ならない顔画像テスト、合成音声特徴の混合、動画元が重ならない SpeakerVid の代理タスクで検証を行っています。出力の活性化、保留データでの誤差、終点制御は、それぞれ異なる解釈を支持することが示されています。
説明TempoKV：自己回帰型動画生成のための予測的KVキャッシュ量子化
要約自己回帰型動画拡散モデルは長尺動画のストリーミング生成を可能にしますが、急速に増えるKVキャッシュによりメモリ消費が大きくなります。本論文は、動画のKVキャッシュが時間方向にかなり予測可能であり、キーは時間的履歴から、値は現在のキーと直前の少数の値から予測できる点に注目しました。これに基づき、学習不要の予測的量子化フレームワーク「TempoKV」を提案し、残差のみを低精度で保存します。予測器はオフラインで線形回帰により一度校正されます。Self-Forcing、Causal Forcing、LongCat-Video-13Bでの実験では、既存手法より高い生成品質を、同程度以上の圧縮率で達成し、最大6.71倍のKVキャッシュ圧縮を示しました。
説明非線形な縦断予測と個人差を扱う深層ニューラル混合モデル
要約本論文は、GLMMの枠組みを拡張した深層一般化ニューラルネットワーク混合モデル（DGNMM）を提案している。深層ニューラルネットワークで集団レベルの非線形関係を学習し、学習可能な正則化付きの個人効果で個人差を捉える。推定は予測指向の確率的最適化により行われる。実データ（抑うつ・不安）の連続アウトカム予測では、DGNMMのMSPEが最も低かった。ただし、個人効果の大きさと予測利得の間には有意な関連は見られなかった。
説明SuperAI：異種基盤モデル間での能力統合（異なるアーキテクチャの大規模モデルの補完的な能力を一つのモデルに統合する手法の論文）
要約本論文は、複数の異なるアーキテクチャの基盤モデルが持つ補完的な能力を、一つのホストモデルに統合するSuperAIフレームワークを提案している。共有アンカーサンプルで課題関連の表現を抽出し、主成分分析で低次元の機能部分空間を構築した後、直交Procrustes写像で座標系を整合させ、軽量な残差MLPを学習してホストモデルに注入する。原文によれば、3つのホストモデルと15の能力領域での実験で、評価対象の跨アーキテクチャ融合手法より平均領域スコアが高く、源モデル数が増えても汎用能力をよりよく保持した。
説明チャネルマッチ：少ステップ3D生成のための形状潜在変数の較正
要約本論文は、ネイティブ3D生成モデルの反復サンプリングの高コストを下げるため、連続自己一貫性訓練と解析的速度回帰を用いた少ステップ蒸留フレームワークを提案しています。また、少ステップ生成ではサンプリングに伴う潜在分布のずれがテクスチャ生成を損なうことを指摘し、生成器を変更せずに潜在分布を復元する学習不要の手法「Channel Match」を提示しています。TRELLIS.2（1024³解像度）での検証では、2ステップモデルが幾何サンプリングを4.5倍高速化しつつ、多ステップ教師モデルに匹敵する幾何品質を維持し、Channel Matchによって描画品質がさらに向上したと報告されています。
説明FENAS：ゼロコストプロキシを組み合わせた少数ショット・メタアンサンブル型ニューラルアーキテクチャ探索フレームワーク
要約本論文は、ニューラルアーキテクチャ探索（NAS）向けの少数ショット性能予測フレームワークFENASを提案している。中核のCASTは、コピュラ整列と相乗変換により複数のゼロコストプロキシを統合し、軽量なメタ学習器でアーキテクチャを順位付けする。NAS-Bench-201では、ラベル付きサンプルわずか0.5%でKendall's Tau 0.70を達成し、約1138秒で同空間を評価して競争力のあるテスト精度を示した。
説明WisdomNet：誤分類ゼロを目指す信頼できる機械学習
要約本論文は、分類モデルが正しく判定できないときには結果を出さず、人間の専門家に回すことで誤分類を避ける「信頼できる学習（trustable learning）」を提案しています。著者らは、正しく分類できるかを示す共役ニューロン（conjugate neuron）を追加した WisdomNet という構造を提案しています。多層パーセプトロン、畳み込みニューラルネットワーク、深層ネットワークなど複数の構造と各種データセットで、誤分類率を 0% にできたと報告されており、「拒否」とされたデータは約 10% 以内に収まったとされています。
説明CHEAR：混同階層に基づく証拠認識型推論による低コストな人間行動認識
要約本論文は、ウェアラブルセンサーによる人間行動認識において、知識の整理の一部をオフラインに移すCHEAR手法を提案する。跨被験者検索で繰り返し生じる誤りから活動の階層構造を構築し、活動ペアに対応する判別知識を作成する。推論時には、この階層に従って候補の比較順序を決め、大規模言語モデルが候補を段階的に絞り込み、残った活動についてのみ局所的な判別知識を参照する。八つのデータセットで平均跨被験者精度86.79%、候補削減率75.91%、真の活動の保持率96.44%を報告し、階層構造を持たない変種と比べて1サンプルあたりのトークン使用量は平均85.15%少なかったとしている。
説明HGA-Quant：自己回帰型ビジュアル生成モデルのための異質性認識量子化手法
要約本論文は、自己回帰型ビジュアル生成（ARVG）モデルの計算量とメモリ負荷が大きく、エッジデバイスへの展開が難しい問題を扱っています。学習不要の訓練後量子化フレームワークを提案し、尾部を考慮した重み量子化器の較正（T-BGR）と、粗から細への活性化精度スケジューリング（CAPS）から構成されます。Infinityモデルでは、実効W4A5.6の活性化精度で全精度に近い画像生成品質を達成し、既存手法はW4A6でも品質低下が見られたと報告しています。
説明オントロジー誘導型エージェント検索拡張（個人化メモリ付き）による人間行動認識フレームワーク
要約本論文はOntoAR-HARを提案し、木構造の行動オントロジーで分類を意味的に近い行動間の局所的判断に分解する。静的な集団知識と個人の観測記憶を組み合わせ、大規模言語モデルが両者を統合して行動ラベルに到達する。クロスオブジェクトおよび異種センシングの実験で、複数のモデルにおいて改善が示されたと報告している。
説明Co-DSL：レイアウト生成のための再利用可能な空間概念を人間とLLMが共同設計する手法
要約本論文はCo-DSLフレームワークを提案し、ユーザーとLLMが協力してレイアウト生成に使う再利用可能な空間概念を設計する。ユーザーは個人向けの操作ライブラリを作成し、LLMが説明から実装を生成して、ユーザーの軽いフィードバックに基づき修正する。その後LLMがレイアウトプログラムを作成し、ソルバーが概念を満たすレイアウトを探索する。五つの空間レイアウト領域での実験では、従来の固定操作システムでは扱いにくいパターンを捉えられたと報告されている。
説明ASM-6D：完全な対応フローマップに基づく高速な検証可能な姿勢・形状推定
要約本論文は、正確なインスタンスモデルがない場合に、RGB-D画像から物体の6D姿勢と形状を同時に推定する手法ASM-6Dを提案しています。生成的な完全三次元対応仮説を、カテゴリレベルのActive Shape Model（ASM）と点の識別子を共有させることで、姿勢と形状を直接フィッティングします。ROPEおよびHouseCat6Dのベンチマークで最先端の性能を示し、推論予算に応じて6〜38 Hzで動作すると報告されています。
説明蛍光顕微鏡画像における副次カラーチャンネルを用いたタンパク質結晶のセグメンテーションと分類
要約本論文は、蛍光顕微鏡画像からタンパク質結晶を検出する精度を高める方法を提案しています。蛍光色素の発光スペクトルのピーク波長より長い波長に対応する副次カラーの強度を用い、そのパーセンタイル強度に基づいてセグメンテーションを行います。主要カラーチャンネルと比べ、結晶を非結晶と誤分類する割合は分類器により9.71%から2.02%に低下し、正解率は約94%に達しています。新たな湿式実験でも誤分類率は1%未満でした。
説明FragFlex：断片ベースの柔軟な分子生成によるに広大な化学空間の探索
要約本論文は、断片（フラグメント）単位でノードの挿入と削除を行う可変長の離散拡散モデルFragFlexを提案している。ノイズ除去の過程で、断片グラフのサイズ、断片の種類、断片間の結合関係を同時に学習し、その後原子レベルの分子へ変換する。1000万個の分子を生成する大規模実験において、高い一意性を保ちつつ、化学的妥当性はほぼ完全に達成されたと報告されている。
説明オフポリシー評価でデータ公開時に保持すべき情報
要約本論文は、オフポリシー評価（Off-Policy Evaluation）におけるデータ公開の問題を扱う。特定の方策の価値や比較に異なる影響を与える意思決定履歴を統合すると、行動と結果、行動方策と目標方策が既知であっても評価が識別不能になりうる。著者は保持すべき区別を特徴づけ、最も粗い厳密な公開方法を示し、各レコードを最大 m 個のカテゴリに細分できる場合の公開設計の最適化と有限データの修復アルゴリズムを提案する。KuaiRec の 24 タスクの実験では、m=64 のとき修復により平均対ごとの鋭い区間幅の中央値が 93% 低下した。
説明北か南か？大規模言語モデルの北朝鮮の言語・社会・知識への理解を診断
要約本論文は、人間が検証した1,765問からなるベンチマークLENSを提案し、言語の頑健性、社会文化的視点との整合性、分野別知識の3つの観点から北朝鮮に関する大規模言語モデルの理解を評価しています。結果として、北朝鮮語の入力では性能がやや低下し、社会文化的視点の整合性ではより大きな差があり、分野別知識には明確な限界が見られました。言語が似ていても社会文化や分野知識の理解は保証されないと指摘し、こうした文脈に対する評価資源の必要性を述べています。
説明不完全な検証器、正確な目標：連続生成のための推論時スケーリング
要約本論文は、連続状態検証器誘導バックトラッキング（CS-VGB）を提案し、反復的なノイズ除去と再ノイズ付加により報酬で傾けた分布からサンプリングする推論時スケーリング手法を示す。著者らは、中間検証器が不正確でも、正しく対応づけられた遷移の下でクリーンなチェックポイントの定常分布が目標分布に等しいと述べている。さらに、解析可能な設定、画像生成、マルチロボット計画で実験を行っている。
注目点不完全な検証器の下でも報酬傾斜分布から正確にサンプリングできる推論時手法を提案し、収束と更新回数の理論保証を与え、画像とロボット計画で検証している。
説明GeoBridge：幾何視覚向け転移可能なデコーダ構造の進化的探索
要約本論文はGeoBridgeを提案し、進化的探索によりデコーダの内部構造（残差・逐次・並列の組み合わせ）を自動設計する手法を示しています。候補構造は学習なしの勾配感度代理指標で評価され、深度推定やガウシアン新規視点合成など異なるタスクへ転用できるとされています。NYU Depth V2とKITTIで深度推定精度が最良であったと報告され、RealEstate10Kでは27.11 dB PSNRを達成し、LERF上での開放語彙セグメンテーションも支えるとしています。
説明正解の背後にある潜在知識は安定しているか？
要約本論文は、大規模言語モデルの出力が正しいかどうかだけでは、回答を支える内部の潜在知識表現が安定しているかは確認できないと指摘します。著者らは個々の知識状態の安定性を測る潜在状態安定性（LSS）と、知識間の関係構造の安定性を測る知識トポロジー安定性（KTS）を提案し、4,411項目・76,766件の制御クエリからなるEpiStableBenchを構築しました。16モデルでの実験では、基本条件で正答した項目でも表現の安定性は大きく異なることが示されています。
説明LeHami：世界モデルのためのシンプレクティック潜在ダイナミクス
要約本論文は、潜在空間で世界モデルを学習する結合埋め込み予測アーキテクチャ（JEPA）の一種であるLeHamiを提案します。標準の予測器を、行動条件付きのハミルトン流に置き換え、厳密にシンプレクティックなリープフロッグ法で積分します。視覚的な振り子環境での実験では、制約のないJEPAベースラインと比べて長期的な速度予測が大きく改善し、ベースラインで潜在体積が収縮する場面でも一定に保たれることが示されています。
説明RECAP：低ビット推論モデルを読んだ履歴の上で校正する手法
要約本論文は、推論モデルを圧縮するための学習後量子化手法RECAPを提案する。校正時に長い推論過程の履歴文脈を保持し、履歴のキャッシュ誤差をアテンション出力への影響に応じて非対称に重み付けする。W4A4KV4の設定では、DeepSeek-R1-Distill-Qwen-1.5BでMATH500の精度がベースラインより13.3ポイント、Qwen3-4BでAIME-120の精度が15.8ポイント向上した。
説明Sequent-Prover：SMTベースの形式的で検証可能な推論を行うエージェントの訓練
要約本論文は、検証器を利用する言語モデル・エージェント群Sequent-Proverと、それを生成する後訓練フレームワークを提案している。エージェントは実行可能なSMT-LIBの草稿で推論し、Z3ソルバーに問い合わせて結果を確認しながら形式化を修正する。正しく実行可能な多ターン軌跡を選別して教師ありファインチューニングと選好最適化を行う。37のベンチマーク、モデル族ごとに7,254問での評価では、4Bモデルの単発正答率が85.6%から97.0%に、4回すべて正解の信頼性が64.1%から91.7%に向上し、平均SMT呼び出し回数は4.10から2.52に減少した。
説明多変量時系列異常検知のための相関認識型再構成手法（CARMA）
要約論文は、再構成ベースの多変量時系列異常検知器が、時間的変化とチャネル間の関係を単一の潜在表現に圧縮するため、個々のセンサーは正常に見えても結合的な振る舞いが逸脱する跨チャネル異常を見つけにくいと指摘します。著者らは、時間潜在変数と相関潜在変数という二つの補完的な潜在空間を持つ変分オートエンコーダ CARMA を提案し、TSB-AD-M ベンチマーク（17 データセット、180 系列）で 29 の基準手法と比較して、VUS-PR 0.4929 を報告しています。アブレーションでは、相関分岐を取り除くと性能が低下することが示されています。
説明ObsSpec：観測の投機的予測によるエージェント型強化学習の高速化
要約ツールを使うエージェントは、モデルの生成とツールの実行を交互に行い、各ツール呼び出しの完了を待ってから次の生成を始めます。大量のマルチターン・ロールアウトを必要とするエージェント型強化学習では、この逐次実行がコストとなります。本論文は、環境がツールを実行している間に小型の世界モデルでツール出力を予測し、方策が次の生成を先行して開始できるようにするObsSpecを提案します。予測された観測と実際の観測が完全に一致した場合のみ推測作業を保持するため、ロールアウト収集は無損失です。終端操作タスクでは、0.6Bの世界モデルの予測の66.4%が実際の観測と完全に一致し、約16倍速く得られました。エージェントのレイテンシは、8Bと32Bの方策でそれぞれ9.3%と14.2%削減されています。
説明MSR-Netによる頸動脈粥状硬化炎症のPET自動セグメンテーション
要約本論文は、64Cu-CANF-comb PET画像上で頸動脈粥状硬化の炎症領域を自動的に切り出し、部分容積効果を考慮して取り込み量を定量する二段階のMSR-Netを提案しています。MR画像とGATEモンテカルロシミュレーションを組み合わせた合成PET画像で評価され、シミュレーション条件下ではU-Net、Transformer U-Net、DUCK-Netなどより優れた結果が示されています。著者らは、患者データによる解析は予備的なものであり、臨床利用の前に外部での検証が必要だと述べています。
説明EvolvAttack：自己進化型視覚言語モデルエージェントへのバックドア攻撃
要約本論文は、ペイロードが初期エージェントでは休眠し、エージェントの進化に伴って段階的に活性化される「自己進化型バックドア」という新たな攻撃手法を提案します。攻撃には視覚的トリガーと十分に進化したメモリ状態の両方が必要なため、クリーンなメモリでの静的スキャンではほぼ検出できません。3種の視覚言語モデル基盤、4種のエージェントパイプライン、3種のメモリ進化方式で検証され、進化前の攻撃成功率は0.5%でしたが、100回の対話以内に95%を超えました。
注目点自己進化型エージェントに固有の、視覚トリガーと記憶状態の両方で起動する新しい潜伏バックドア攻撃を提案し、静的検査では検出されにくいことを示す。
説明スパース多面体正則化におけるホフマン定数の陽的な上界・下界
要約本論文は、スパース正則化に現れる構造化された多面体系について、ホフマン定数の陽的な界を導出します。ホフマン定数は残差と解集合の距離を結びつける量で、誤差界や一次反復法の収束速度に関係します。著者らは、この定数がスペクトル・幾何・相互作用の三成分に分解できることを示し、主な応用として ℓ1 正則化最小二乗法を分析しています。さらに弾性ネットや適応的 ℓ1 形式にも拡張しています。
説明ClinEdge：前線のマルチモーダルモデルが失敗する実患者の難症例を専門家が採点したベンチマーク
要約本論文は、実臨床から採取された非識別化患者32例（画像と簡潔な病歴を含む）からなるベンチマーク ClinEdge を提案しています。7つの最先端システムによる計224件の回答を、整形外科の上級医と19名の医師パネルが二段階で評価しました。全システムの成績は低く、失敗は共通していました。著者らは5つの系統に分類された18の反復的な失敗モードを挙げています。公開されているのは4症例のみで、残る28症例は外部評価用に非公開とされています。
説明AI対応ARPESコミュニティデータベースの枠組み
要約本論文は、角度分解光電子分光（ARPES）のための共有データベース構築の枠組みを提案しています。ARPESは40年以上にわたりスペクトルを蓄積してきましたが、論文中心のワークフローでは実験記録のごく一部しか残っていません。コミュニティワークショップの成果をもとに、標準化・検索可能・引用可能なデータの整備から、自動化実験、量子物質の基盤モデルへと段階的に進める道筋を示しています。
説明MoMaTune：数値レコード向け言語モデルの二段階事後学習法
要約本論文は、デコーダ型言語モデルが数値データで失敗しやすい点に着目し、数値が文字列として直列化される際に、桁の位置や同一レコード内の項目間の依存関係に対する監督が不足していることを指摘している。提案手法MoMaTuneは二段階構成で、第一段階ではラベルなしレコードに対する次トークン予測（Model）と、同一レコードの部分ビューを揃える一貫性目標（Match）を用いる。第二段階では下流タスクの教師ありファインチューニング（Tune）を行う。8つの公開データセット、169,285件のレコードで評価し、欠損値補完などの性能向上を報告している。
説明証拠中心設計を用いた測定分野におけるプロンプト設計の指針：自動作文採点を例として
要約教育分野で大規模言語モデルの出力品質は、利用者がどのようにプロンプトを組み立てるかにも左右されますが、現状のプロンプト工学は試行錯誤に頼る場当たり的なものが多く、妥当性の問題を招きかねないと論文は指摘します。著者らは、教育測定の枠組みである証拠中心設計（ECD）をプロンプト設計の原理的な基盤として提案し、学習者モデル、証拠モデル、課題モデルをプロンプトの構成要素に対応させ、五つの設計原則を導出しています。自動作文採点の課題で、ECDに基づくプロンプトと最先端のベースラインを比較した実験では、プロンプトを場当たり的な指示ではなく評価の設計として扱うことで、AI生成の教育出力の妥当性・信頼性・公平性が高まることが示されたとしています。
説明言葉から現実世界へ：実物理環境で対話的に動く LLM を評価するベンチマーク
要約本論文は、大規模言語モデル（LLM）が物理環境で閉ループの対話的な動作を行う能力を測るベンチマークを提案しています。モデルはロボットアーム、カメラ、センサーなどの実機に接続された装置を制御し、環境からのフィードバックを受けて次の行動を調整します。実験では、状態の幻覚的な誤認、予期しない結果からの回復の弱さ、長期計画の不安定さといった失敗パターンが見られたと報告されています。
説明統一VLMの理解：注意ヘッドの探査からガイダンス調整による多モーダル生成まで
要約本論文は、一つのTransformerバックボーンで文章から画像・画像から文章の両方を生成する統一型視覚言語モデル（VLM）において、条件がどのように処理されるかを調べています。著者らは、分類器フリーガイダンス（CFG）の二つの分岐間での活性化の差を各注意ヘッドについて探査し、条件変化に敏感なヘッドと無関係なヘッドがあり、そのパターンが両方向で概ね安定していることを示しました。これを踏まえ、追加学習なしで注意ヘッド単位の条件ガイダンスを調整する推論時介入手法HeadTuned-CFGを提案し、特に文章から画像の生成で大きな改善を報告しています。
説明学習可能な低ランク部分空間でのLLMのゼロ次ファインチューニング
要約ゼロ次最適化は逆伝播を使わずに大規模言語モデルを省メモリでファインチューニングできるが、高次元のパラメータ空間では分散が大きくなる。本論文は、有限差分フィードバックから層ごとの射影行列を反復的に学習し、固定のランダム行列に代えてタスクに応じた降下方向を追跡するAdaSub-ZOを提案する。さらに部分空間モメンタムでノイズの多い勾配推定を平滑化する。自然言語理解タスクでの実験では、既存のゼロ次ベースラインを上回り、勾配推定の分散を抑え収束を速めたと報告されている。
説明異種ロボットチームを、一部をマルチエージェント・プロトコルに委任しながらLLMで持続的に統括する研究
要約本論文は、終わらず環境が変化し続けるタスク（災害救助など）において、大規模言語モデル（LLM）でロボットチームを統括する枠組みを提案しています。意味地図から毎回再構成するマルコフ状態要約で増え続ける対話履歴に代え、一部のロボットを自律的なマルチエージェント・プロトコルに委任し、観測の古さの明示と事象トリガーによる再プロンプトで警戒を保ちます。模擬都市捜索救助タスクでは、市民の98%を救出し、最強のベースラインの89%を上回り、トークン数は約6分の1でした。
説明非ユークリッド勾配降下法には複数の安定性の縁がある
要約本論文は、二次目標関数に対する非ユークリッド勾配降下法の安定性を扱う。一般のノルムでは、2/Sと2/μの間の中間的な步幅の領域に、異なる吸引方向に対応する任意個数の安定性の縁が現れ得ることを示す。さらに、ヒルベルト・ノルムのみが2/Sをほぼ至る所で鋭い閾値とすることを証明している。
説明HarnessNet：マルチエージェントシステム向けの、フィードバック駆動型の階層的な共同ハーネス進化手法
要約本論文は、基盤モデルを固定したまま、各エージェントが環境からのフィードバックをもとに、入力・ツール利用・メモリ・実行を管理するソフトウェア（ハーネス）を修正する枠組みHarnessNetを提案している。各エージェント単位は自身のハーネスのみを観察・修正し、フィードバックは階層グラフを通じて上流へ伝わる。AgentBenchでの実験では、単一の全体最適化器と同程度の性能向上を示しつつ、局所的なプライバシーを保ち、最適化呼び出し1回あたりのトークン数と時間を削減した。基盤モデルを差し替えた後も、進化したハーネスは有効性を保ち、モデル間での転用可能性が示唆されている。
説明再帰深度言語モデルでループ回数を減らすと拒否動作が失われる
要約本論文は、推論時に繰り返し回数（ループ数）を減らした再帰深度言語モデルの安全性を調べたものです。Ouro-1.4B-Thinking でループを半分にすると、GSM8K の数学問題の正答率は全深度の約89%を維持する一方、有害な依頼への応答率は0.038から0.205に上昇しました。著者らは、有害性の情報は内部に残っており欠けているのは拒否動作だとし、ランダムな深さでの学習が運用時の修正より有効だと報告しています。
注目点ループ数の削減が拒否挙動を系統的に弱めることを示し、ランダム深度学習による修復を提案。複数モデルと多様な指標で裏付け、影響範囲は広い。
説明PANINI-DR：生成的意味ワークスペースによる制御可能な深層リサーチ
要約本論文は、調査全体の調整と個別の下位問題の調査・検証を分離するマルチエージェント枠組みPANINI-DRを提案します。下位問題、依存関係、発見、証拠を共有ワークスペースに記録し、検証エージェントが回答を証拠と照合します。BrowseComp-Plus、FRAMES、MoNaCoの3つのベンチマークで、七つの先進的な深層リサーチ枠組みと比較し、平均で最も高い性能を示したと報告されています。
説明MoSAIC：最適スケジュールから有向非巡回グラフのヒューリスティクスを学習する手法
要約本論文は、ヘテロジニアス計算システムにおけるDAGベースのアプリケーションのタスクスケジューリングのための学習フレームワーク「MoSAIC」を提案します。OR-Tools CP-SATソルバーで最適スケジュールを生成し、ベイズ最適化によって優先度ベースのスケジューリング関数を学習し、大規模言語モデルによる推論も活用します。PolyBenchやMachSuiteなどのベンチマークでは、HEFTなどの従来手法より良い結果を示し、実行時のオーバーヘッドも小さいとしています。
説明SocraticRepair：プログラムデバッグと誤解修正のための計画誘導型ソクラテス式指導
要約本論文は、プログラムのデバッグと誤解の修正を支援するSocraticRepairフレームワークを提案しています。既存の計画誘導型指導の研究を発展させたもので、Pythonの分野で、4つの前処理済みプログラミングデータセットから作成した合成の多ターン指導対話を用いて、Qwen2.5-Coder-7B-Instructをファインチューニングしています。実験では、段階的な足場かけと質問の質で高いスコアを示し、解答の早すぎる開示も大きく減少しました。一方で、信頼できる教育計画の生成が依然として重要な課題であることも示されています。
説明LLMは言語的特徴を内部で区別しているか：層ごとの分析
要約同じ規模の事前学習済みモデルLlama-3.2-1BとGemma-3-1B-PTを対象に、入力中の言語的特徴（慣用的な意味と通常の意味の違いなど）を区別しているか、またどの層で区別しているかを層ごとの表現分析で検証した。層ごとのプロービングと幾何学的距離の指標を組み合わせ、各層で主成分の負荷量が高い埋め込み次元を用いた。その結果、能力が同等でもモデルの情報の組織化の仕方は根本的に異なることが示された。人間とモデルの言語理解の一致を評価するには、行動出力だけでなく内部の表現幾何も分析する必要がある。
説明食品安全検査の連続リスクベース日程：履歴減衰と事象駆動型消費者レビュー信号の統合
要約本論文は、新しいデータが届くたびに検査待ち行列を動的に並べ替える連続検査リスク（CIR）システムを提案します。時間減衰付きの履歴スコアと、言語モデルで分類された実時間の消費者レビューを組み合わせます。カリフォルニア州サンタクララ郡の2024〜2026年の定期検査9,505件で評価したところ、履歴のみの評価では重大違反の平均発見時間が69日短縮された一方、害虫関連の閉鎖は検出できませんでした。検査後のレビュー信号を加えると、8件中7件を平均117日前に予測できました。
説明SAFE-KV：RAGにおける非プレフィックスKVキャッシュ再利用の動作保持型因果サフィックス修復
要約本論文は、検索拡張生成（RAG）で文書のKVキャッシュを非プレフィックスのまま再利用する際の問題を扱います。キャッシュ状態は前置文脈や位置に依存するため、そのまま連結すると結果が変わります。著者らはSAFE-KVを提案し、選ばれた開始文書から因果サフィックスを再エンコードして連結キャッシュを修復します。Qwen2.5-7B-Instructでは、HotpotQA-500と2Wiki-500において完全プリフィルの回答とほぼ一致する結果を示したと報告しています。
説明DeltaNet-PC：時間逆伝播を用いないテスト時メモリ手法
要約本論文は、予測誤差を局所更新で最適化する予測符号化（PC）に、テスト時の逐次データ記憶機能を持たせる DeltaNet-PC を提案しています。毎ステップのメモリ更新量を、学習すべき遅い重みではなく潜在変数として扱い、その対数確率から逐語的な系列記憶の更新則を導出しています。論文では、単一系列、複数系列、キーバリューの連想記憶のいずれにおいても、完全な再現精度を示したと報告しています。
説明仮想発電所向けのゲーム理論強化学習に基づくトポロジー非依存型防御手法
要約本論文は、仮想発電所（VPP）が集約する分散型エネルギー資源へのサイバー攻撃リスクを扱い、ゲーム理論的計画とモデルフリー強化学習をベイズ的信念更新の枠組みで組み合わせた摂動ベースの防御手法を提案しています。この手法は配電線のトポロジー、線路パラメータ、系統全体の状態を必要としません。IEEE 13母線および123母線の配電系統での評価では、攻撃者モデルの不確実性や系統再構成の条件下でも有効に検知できることが示されています。
説明単語対応プロソディは抑うつやPTSDの重症度より話者差を反映する
要約本研究は、単語単位で揃えたプロソディ（韻律）測定の安定性と臨床的妥当性を検証しています。単語レベルでは、文脈をまたいだ話者固有の偏差の再現性はほとんど見られませんでした。一方、話者レベルで多数の単語を平均すると、別々の録音間で一貫したスコアが得られました。ただし、そのスコアと抑うつまたはPTSDの重症度との関連は0.15を超えず、日々のPTSD症状との個人内関連もほぼゼロでした。
説明UDHRBench：大規模言語モデルにおける人権の評価ベンチマーク
要約本論文は、『世界人権宣言』に基づき大規模言語モデルの人権順守を評価する大規模ベンチマーク「UDHRBench」を提案しています。30条すべてを対象とした1,124の人権に関する質問と、ChatGPT、Grok、Gemini、Fanarの4モデルによる4,496件の回答を、専門家が人権との整合性で注釈しています。違反は人権を明確に拒否するよりも、効率性やリスク管理、科学的中立性といった一見合理的な推論を通じて生じることが示されました。また、大規模言語モデルを評価者とする自動評価手法も提案され、人権の不整合検出で加重F1スコア89.8%を達成したと報告されています。
注目点世界人権宣言の全30条を対象とした新しいベンチマークと、専門家による注釈およびLLM判定フレームワークで評価しており、評価対象と手法の組み合わせに新規性がある。
説明流体制御のための物理基盤モデル：偏微分方程式の予測用に事前学習したモデルを閉ループ流れ制御に転用する研究
要約本論文は、偏微分方程式の予測のために事前学習された物理基盤モデル（PFM）を、閉ループの流体制御に再利用できるかを検討している。凍結した事前学習表現に軽量なガウス型の方策・価値ヘッドを付加し、近接方策最適化（PPO）で学習させた。HydroGym の二次元 Kolmogorov 流れ環境で、Re=100 と Re=200 を用いて評価を行い、同じ PPO の枠組みで学習した MLP 基線より高い報酬を得つつ、実行される制御動作の大きさが小さいことが示された。
説明LexiCan：機械学習向けの点群の辞書式正規化手法
要約本論文は、3次元点群の回転と順序の任意性を、唯一の代表元を選ぶことで解消する正規化手法LexiCanを提案しています。これによりTransformerなどの標準的なアーキテクチャで点群を扱えるようになります。QM9およびQM-symの分子データセットで回転に対する不変性の誤差が約10^-6オングストロームであり、QM-symでの不連続なジャンプを緩和し、既存手法より桁違いに高速だと報告しています。さらに、QM9の物性予測とModelNet40の形状分類では、LexiCanを用いた非不変モデルが既存の正規化手法より高い性能を示したとしています。
説明ExeWorldBench：コードベースの実行可能な3D世界モデリングのベンチマーク
要約本論文は、コードによる3D世界の構築を通じて、世界理解と実行可能な実装の能力を総合的に評価するベンチマーク「ExeWorldBench」を提案している。難易度が段階的に上がる三つのタスクを含み、視覚的観察から個々のメカニズムを実装するもの、空間・機械・因果の依存関係を持つ多段階システムを構築するもの、高レベルの目標と物理的要件から実行可能な世界を合成するものからなる。フロンティアモデルでの実験により、実行可能な世界モデリングには大きな限界があることが示されたとしている。
説明干し草の山から針を探す能動学習（アクティブラーニング）の検証
要約本論文は、キーワード検索などで選ばれた初期ラベル付きデータに偏りがある場合、能動学習（アクティブラーニング）でその偏りを補正できるかを検証しています。ヘイトスピーチなど希少クラスの占有率が約1%のAG NewsおよびMeasuring Hate Speechで、ランダムサンプリングと8種類の能動学習戦略を比較し、初期データに含まれない部分集合の再現率とF1を測定しました。その結果、不確実性に基づく戦略は未収録の部分集合の再現率がランダムサンプリングより低い一方、判別型の能動学習は約55%を回収し、F1の有意な低下はなかったと報告されています。総合指標ではこうした差が隠れてしまうと著者らは指摘しています。
説明TRIG：画像生成におけるテクスチャのリアリティを測る指標
要約本論文は、生成画像の評価指標で使われる特徴抽出バックボーンが、分類や画像とテキストの整合など別の目的で学習されているため、テクスチャのリアリティを捉えにくいと指摘しています。提案手法TRIGは、テクスチャデータセットで事前学習された敵対的生成ネットワークの識別器をバックボーンとし、局所的なテクスチャの劣化を識別する妥当性ヘッドを微調整します。そのうえで実画像と生成画像の分布距離を計算し、既存の基準指標より人間のリアリティ評価に近い結果が得られたと報告しています。
説明Sanzaru：情報とコミュニケーションの非対称性下でのプロトコル形成を評価するベンチマーク
要約本論文は、ゲーム『BOMBANANA!』を基にした協力型の爆弾解除パズルを用いる SANZARU ベンチマークを提案する。3つのエージェントは、聞けない、話せない、見えないという役割に分かれて情報と行動権限を分担する。7種類のパズル計120問、1512エピソードの評価では、7モデルの全体成功率は49%であった。また、失敗した771件のチームのうち約60%がコミュニケーションに起因すると分析されている。
説明隣接層を超えて：グラフ誘導型層融合による大規模言語モデルの圧縮
要約本論文は大規模言語モデルの深さ方向の圧縮を扱い、従来手法が隣接する層しか統合しないのに対し、非隣接の層どうしの方が機能的に類似したペアが多いことを示しています。提案手法FCM（Fusion via Community Mining）は層の類似度グラフを構築し、スペクトラルなコミュニティ検出で機能的に等価な層をクラスタ化し、各クラスタで最も影響度の高い層を残してLoRAで回復を行います。2倍圧縮時、多くのモデルでShortGPTより低い困惑度を達成したと報告されています。
注目点全ペアCKA類似度グラフとスペクトル clustering で隣接でない層の冗長性を示し、13モデルの統計的検定付き比較で有効性を裏付けている。
説明文レベルの教師信号から命題レベルのリンクを学習する、ニューロシンボリックNLI
要約本論文は、前提と仮説をそれぞれ独立に命題表現へ変換するニューロシンボリック自然言語推論（NLI）を扱います。著者らは、命題（原子）間のリンクの存在、ソース選択、関係の種類を同時に予測する学習可能な原子リンカーを提案します。原子ペアの注釈は使わず、文レベルのNLIラベルのみで学習します。SNLI、SICK、MNLIでの評価では、既存の固定リンカー型AMR-SATシステムやベースラインを上回る精度向上が報告されています。
説明RootSLAM：視覚慣性SLAM向けの平方根バンドル調整手法
要約本論文は、Basaltをベースにしたマルチカメラ視覚慣性SLAMシステム「RootSLAM」を提案しています。SLAMは機器が周囲の中で自身の動きを推定する技術です。著者らは、structure from motion由来の平方根バンドル調整を、システムの姿勢グラフを利用する新しい定式化によってこの設定に適用し、全体最適化を単精度浮動小数点で実行できるようにしています。原文では、精度は最先端手法と競合しつつ最大20倍高速だとされ、実装のオープンソース化も予定されています。
注目点平方根バンドル調整を多カメラ視覚慣性SLAMに適用し、ポーズグラフを利用した再定式化で単精度最適化を実現、ベンチマークとアブレーションで裏付けている。
説明スパースなマルチレート配電系センシングのための、センサー認識型の統合データ融合と状態推定
要約本論文は、センサーが疎で、サンプリング速度の異なる配電系統における状態推定を扱う。著者らは、測定関数とサンプリング過程をセンサー種別ごとに定義し、特定の母線に配置する異種潜在グラフ常微分方程式（ODE）モデルを提案している。これに、融合と推定を一体で行うグラフTransformer型の状態推定器を組み合わせている。複数のIEEE標準トポロジーで、可観測性が低下する条件下での有効性を示している。
説明どこで間違えたのか？多ターン対話の誤りを特定して修復する
要約大規模言語モデルのアシスタントは、ユーザーの意図が最初は不明確で徐々に明らかになる多ターン対話で使われます。誤解があると作業状態が損なわれ、対話が失敗することがあります。本論文はLociという、誤解した更新を確率的に特定し選択的に修復する枠組みを提案します。自由対話での評価では、最も強いベースラインと比べ、複数のドメインで平均回復コストが46〜79%削減されたと報告しています。
注目点多ターン対話の誤解を確率的に特定し選択的に修復する枠組みを提案し、制御実験と自然対話の両方で恢复コストを46-79%削減しており証拠は比較的充実している。
説明Harmony Harness：エージェントのハーネスを多目的で自己進化させる手法
要約本論文は、エージェントの実行枠組み（harness）を多目的最適化の対象として扱う Harmony Harness を提案します。分解ベースの進化探索により、パレートフロンティアの異なる領域の解を維持します。さらに汎用的な仕組みとベンチマーク固有の適応を別々に進化させ、推論時に動的に組み合わせます。SecRepoBench と BaxBench の両方で、強力なベースラインを上回り、いずれも 10% を超える向上が報告されています。
説明スパイキング言語モデルの計算最適スケーリング則
要約本論文は、RWKVを基盤とするSpikeGPT系列モデルをFineWeb-EDU上で、計算量を変えながらIsoFLOP方式により評価し、スパイキング言語モデルのスケーリング則を調べたものです。最適なパラメータ量は計算量に対しほぼ一定の比率で増え、スパイキング化によって、パラメータとデータの配分方針は変わらないとされています。非スパイキングのベースラインとの損失差は、計算量に依らない骨格由来の損失と、計算量の増加に伴って減少するスパイキング由来の損失に分けて示されています。
説明前向きフィードバックによる強化学習を用いた単段階逆合成（RetroRLFF）
要約本論文は、目標生成物から反応物を逆算する単段階逆合成のためのRetroRLFFを提案している。教師あり学習済みのTransformerを出発点とし、参照反応物との一致と、凍結した前向き反応モデルによる生成物予測の整合性を組み合わせた報酬で強化学習を行う。USPTO-50Kでは、k=1、3、5、10のいずれにおいても14の比較手法を上回る候補レベルの往復正解率を示し、top-1往復正解率は90.1%、完全一致正解率は57.9%である。131件の匿名化されたテストケースに対する有機合成専門家の評価では、67.9%の比較でRetroRLFFが好まれた。
説明動的スケーリングが失敗するとき：線形注意機構およびSSM型LLMにおける再帰状態量子化を支配するスケール状態フィードバック
要約線形注意機構や状態空間モデル（SSM）の大規模言語モデルでは、長い文脈を固定サイズの再帰状態に保持するため、その状態を量子化してデコードコストを下げる方法が検討されている。本論文は、量子化スケールとその元になる状態のあいだにフィードバックがあり、誤差が再帰の中で累積することを示す。数値的不安定性と機能的劣化は分離可能な別個の失敗であるとし、各種の外れ値対応手法や層間ビット配分の結果を比較している。
説明信頼は双方向の人間-AIアライメントを妨げる：不明確な意思決定では信頼の調整だけでは協働が不十分だと論じる研究
要約本論文は、AI支援意思決定の主流の枠組みである信頼キャリブレーション（利用者のAIへの信頼を実際の信頼性に合わせること）を検討しています。著者らは、この枠組みは定義が明確で範囲の限られた問題にのみ有用であり、目標や状態が部分的にしか分からない大きな問題には不十分だと主張します。そのうえで、信頼はリスク管理の一手段にすぎないこと、そうした状況では高次の意思決定プロセスの扱いが必要であることを示しています。
説明Lumen-bench：ツール呼び出し対応LLMにおける多言語の安全性ギャップと「言うことと行うことの乖離」
要約本論文は、ツール呼び出しにおける倫理的振る舞いを評価するベンチマーク Lumen-bench を提案し、30モデル、5言語、約19万4千回の試行を対象としています。倫理的なシステムプロンプトのもとでも、言語によって有害な行動の割合に差が見られたと報告しています。また、8.57%の実質的な呼び出し事例では、拒否や倫理的異議の表明とともに有害なツール呼び出しが行われていたとされています。
注目点ツール呼び出しにおける言行不一致（say-do gap）と多言語安全性の差を組み合わせ、大規模試行と複数審査者の校正で結論を裏付けている。
説明GesBench：マルチモーダル言語モデルは社会的意味をいつ、どこで知覚するのか
要約本論文は、発話が展開する過程で話者の意図と社会的な意味をマルチモーダル大規模言語モデルがどの段階で捉えるかを評価するベンチマーク GesBench を提案しています。発話の途中までの累積クリップで判断の安定時点を測り、人間の視線に基づく遮蔽実験で人間が注目した領域がモデルの判断に重要かを検証します。その結果、人間は早い段階で予測的な理解を形成し修正も多いのに対し、モデルは判断を保留したり、クリップ間で繰り返したりすることが多いと報告されています。
説明延期するか否か？大規模言語モデルと混雑した専門家によるオンライン学習
要約本論文は、大規模言語モデル（LLM）が定型的な問い合わせに答え、不確実な案件を専門家の確認に回す際、専門家の待ち行列が混雑している場合に転送の判断をどう行うかを研究している。著者らはKL-PBDという学習アルゴリズムを提案し、Kullback-Leibler下側信頼限界を用いてLLMの信頼度信号の信頼性を学習する。後悔の上界は、ギャップ依存の場合にO(K log T)、最悪の場合にÕ(√(KT))であり、対数因子を除いて最適であることを示している。合成データおよびGSM8K、NuminaMath、MedMCQAのデータセットでQwenモデルを用いて検証している。
説明RIECNN：交通標識認識のためのリアルタイム画像強調CNN
要約本論文は、環境の影響と深層学習手法のリアルタイム性能不足という課題に対応するため、画像強調とCNNを組み合わせた交通標識認識手法RIECNNを提案している。GTSRB、BTSC、rMASTIFの3つのベンチマークで、認識精度はそれぞれ99.75%、99.25%、99.55%に達し、1枚あたりの前処理と推論の合計時間は1.3ミリ秒以内とされている。また、明るさやコントラストの変動に対する頑健性も示している。
説明分散型学習におけるデータとトポロジーの適合性による個人化
要約本論文は、分散型学習で各エージェントの局所目的と通信トポロジーが互換的な自己同型を持つとき、同じ軌道内のエージェントが分布上一致し、異なる軌道は個人化なしでも区別されることを研究しています。完全に適合する参照系で分布同期の安定性判定条件と定常分布の構造を導き、近似的に適合する場合には2-Wasserstein距離で O(ε) の誤差上界を示しています。合成データ、MNIST、CIFAR-10 による実験が理論と一致しています。
注目点データ・トポロジー互換性による軌道単位の個別化という新しい枠組みを示し、安定性判定とO(ε)誤差界を与え、合成データとMNIST・CIFAR-10で検証している。
説明ShellElastic：同時最大更新とハイパーパラメータ転移を両立するスケーラブルな弾性事前学習
要約本論文は、隠れ次元を稠密なコアと段階的なシェルに分けた弾性 Transformer「ShellElastic」を提案します。全幅の一回の順伝播に全サブネットワークの隠れ状態が含まれるため、学習は固定の計算グラフで行えます。また最大更新パラメータ化（μP）を弾性アーキテクチャに拡張した「μE」を導入し、小規模な代理モデルで調整したハイパーパラメータを移転できるとしています。著者らは、単一の学習で得たサブネットワークが同じパラメータ数で MatFormer などを上回り、個別に学習したモデル群に近いと報告しています。
注目点μPを弾性アーキテクチャに拡張し同時最大更新の理論保証を与え、固定計算グラフの殻構造も新しい。ただし実験規模と検証範囲は限定的。
説明scHFBiMamba：単一核RNA-seqデータから心疾患状態を分類する双方向Mamba自己符号化器
要約本論文は、双方向Mamba自己符号化器（BiMambaAE）とMLP分類器を組み合わせたscHFBiMambaを提案しています。心不全の単一核RNA-seqプロファイルから、種、細胞タイプ、疾患状態を同時に分類することを目的としています。密なデノイジング自己符号化器（約1億9290万パラメータ）より少ない約1320万パラメータで、全体のF1スコアが高いと報告されています。SHAPによる解釈可能な遺伝子レベルの情報も提供されます。
説明Drive3R：自動運転向けブロック単位ストリーミング幾何基盤モデル
要約本論文は、自動運転の長い連続シーケンスにおける高密度な多視点三次元再構成のためのブロック単位ストリーミング幾何基盤モデルDrive3Rを提案しています。ブロック単位の因果的注意機構により計算量の問題を抑え、信頼度に基づく再アンカリングで長距離ドリフトを軽減します。nuScenesでは、ベースラインDVGT-2と比べAbsRelが0.1806から0.1081、ATEが1.5812から0.9092に改善したと報告されています。
説明雑音付きの源項をもつ熱方程式に対するエネルギー誘導学習：最適推定と汎化境界
要約本論文は、有限個のランダムに抽出されたデータから、雑音を含む源項をもつ熱方程式の解を学習する際の統計的推定と汎化の性質を分析しています。エネルギー正則化と楕円性バイアス補正を組み合わせたSobolev回帰の変分定式化を提案し、源項の補助データを用いて物理情報付きエネルギー正則化を設計しています。放物型方程式では空間と時間の正則性に異方性があることを示し、非漸近的に最適なレートの推定誤差と汎化誤差を導出しています。数値実験では、複数の放物型・双曲型方程式で、物理情報付きニューラルネットワーク法と比べてテスト誤差が大幅に減少することが示されています。
説明構造化思考連鎖：実行可能な計算グラフによる推論
要約本論文は、大規模言語モデルが自由記述の推論文の代わりに実行可能な計算グラフを生成する構造化思考連鎖の枠組みを提案しています。最終的な答えは、そのグラフを決定的に実行することで得られます。モデルはグラフに基づく強化学習で訓練され、構造の妥当性、答えの正しさ、参照グラフとのノード重複が報酬となります。5つのベンチマークと4つのモデル系列での実験では、精度が向上し、生成長が最大5〜6倍短くなりました。
説明RELAGRAM：容量制約付き配車問題のための再帰的潜在グラフモデル
要約本論文は、潜在的再帰を組合せ最適化のグラフ問題に適用する手法RELAGRAMを提案し、容量制約付き配車問題（CVRP）を対象とします。小型のTransformerが辺トークンの潜在表現を繰り返し更新し、出力ヘッドが辺のヒートマップを生成して、自己回帰デコーダが実行可能解を構築します。CVRP-100では、0.53Mパラメータのモデルが、デコード方式により13.4%から8.3%の、PyVRP参照解との差を示しました。CVRP-100のみで学習したモデルは、CVRP-500とCVRP-1000にも追加学習なしで一般化しました。
説明RegExtract：LLMによるPFAS規制情報抽出のベンチマーク
要約本論文は、有機フッ素化合物（PFAS）に関する規制文書から構造化情報を抽出するためのベンチマーク「RegExtract」を提案している。米国20州の文書と46の規制に含まれる488件の人手注釈付きフィールドを用い、各項目には出典情報も付されている。複数のLLMと抽出手法を比較した結果、文書識別フィールドが依然として難しく、フィールド別の少数例提示が抽出精度を高めることが示された。
説明多クラス分類のためのランダム特徴量枝刈り：逐次的な経験的過剰リスク差最大化による冗長特徴の削減
要約重み付きランダムキッチンシンク（W-RKS）は教師あり学習で広く使われる特徴抽出法ですが、抽出された特徴量の多くは冗長で効果が低いという欠点があります。本論文は、SEED-MAXアルゴリズムで経験リスクを逐次計算し、最も簡潔かつ有益な特徴量の集合を選ぶ手法を提案し、正しく特徴を選択する確率の解析的下界を導出しています。さらにFisher検定で絞り込むと、UCR時系列分類データセットでの剪定率は約92%で、分類精度の低下はわずかでした。
説明TIDE：軌跡から蒸留したスキルによる効率的なテキスト動画プロンプト最適化
要約テキストから動画を生成するモデル（T2V）は、プロンプトの具体性に強く影響されます。従来の反復的なプロンプト最適化は、推論時に動画生成と視覚言語モデルによる評価を繰り返すため、コストがかかります。本論文は、この探索過程を解釈可能で再利用できるプロンプト書き換えスキルに蒸留するフレームワーク「TIDE」を提案します。このスキルは意味の次元ごとのルールモジュールで構成され、大規模言語モデルを1回呼び出すだけで正・負のプロンプトを生成し、動画生成は1回で済みます。推論時の視覚探索やモデルの微調整は不要です。100件のプロンプトを用い約14時間で進化させたスキルは、計算コストの高い探索型手法と同等の最適化性能を示し、未見の動画生成モデルに転用した場合も、それら専用に設計・学習された既存手法を上回りました。
説明アンカーが拡散言語モデルの制御性と推論を高める
要約本論文は、拡散言語モデル（DLM、diffusion language models）の制御可能なテキスト生成を扱い、AnchorDLM という枠組みを提案する。アンカー生成器が各クエリについて、短い出力断片とその位置からなるアンカーを生成し、凍結された DLM の出力系列に制御トークンとして配置して後続のデノイズを導く。アンカー生成器は強化学習で学習され、報酬は答えの正しさと制約充足に基づく。コード生成と数学推論の実験で、5種類の DLM バックボーンにおいて制御性が向上し、複数のベンチマークで推論性能も改善したと報告している。
