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。
説明数学的集合的無意識：潜在空間におけるユング的元型の分布に関する研究
要約本論文は、大規模言語モデル（LLM）の高次元潜在空間内に、ユングの元型に類似した領域が自発的に形成されるかどうかを検討している。OpenAI の text-embedding-3-small モデルを用い、コサイン類似度と角度距離の指標により、合成物語、人間の文学、夢の報告、民話などのコーパスで13の実験を行った。その結果、元型的役割は測定可能でまとまりのある領域を占め、テキストの種類によって空間的分布が異なることが示された。例えば夢の報告はトリックスターと影の領域に集中する。
説明ハイパーネットワークベースの継続学習における知識の相互作用：衝突と合成
要約本論文は、大規模言語モデルの継続学習において、基盤モデル、パラメータ更新（アダプター）、入力コンテキストという三つの知識源がどのように相互作用するかを調べています。ハイパーネットワークの枠組みで、知識が衝突する場合モデルは内容よりも提示された位置に依存しつつコンテキストを優先することが分かりました。さらに、三つの知識源をまたぐ多段推論では、知識を安定して組み合わせられないことが示されています。
説明量子化条件付き強化学習による視覚・言語・行動ポリシーの低ビット失敗の回復
要約本論文は視覚・言語・行動（VLA）ポリシーの量子化による展開を検討し、5つのモデルと4,050回の実機試行に基づき、量子化認識訓練（QAT）が訓練後量子化（PTQ）より概ね優れる一方、長期タスクや視覚・意味的変化の下では全精度（FP）との差が残ることを示しています。提案手法QCRLは、進捗に基づく優位性推定と量子化認識の条件付けを組み合わせたオフライン強化学習です。π0.5でINT4 W4A16を用いた場合、三つの視覚変化条件でFPの平均スコアの99.3%に達し、モデルメモリを42.9%節約しました。
説明ProtoPur：病理の弱教師付きインスタンス学習のためのプロトタイプ純度擬似ラベル法
要約病理の全スライド画像では、スライド単位の弱いラベルは得やすい一方、領域ごとの正確な注釈は高コストです。本論文は、凍結された基盤モデルの特徴から構成したプロトタイプ領域について、クラスのバランスを考慮した局所純度を推定し、目標クラスと強く関連する高純度領域に擬似ラベルを付与するProtoPur法を提案しています。著者はPAC型の解析を示し、三つの公開データセットと二種類の病理基盤エンコーダで検証しました。その結果、複数のMILバックボーンでインスタンスレベルの性能が向上し、バッグレベルの性能も競争力を保つと報告されています。
説明マスク拡散言語モデルによる、マスク率別のテキスト評価
要約本論文は、マスク拡散言語モデルのマスク率を診断の軸とする「マスク率別テキスト評価」を提案します。異なる割合のトークンをマスクして文章を再構成することで、単一の拡散スコアを、可視文脈の量ごとの再構成の難しさを表すスコアのベクトルに変えます。SummEval と WMT MQM（zh-en）での実験では、この率の構造を保つことで補完的な情報が得られ、誤りの箇所の特定にも使えることが示されています。ただし、各マスク率帯の意味はモデルやタスクに依存するため、用途ごとに実証的な検証が必要だと論文は述べています。
説明ペルシア語の視覚-言語-行動データセットと、曖昧さ・実行不可能性を考慮した指示から計画への対応付けベンチマーク
要約本研究は、シーン画像に基づき自然言語の指示を実行可能な行動計画へ変換するための、初のペルシア語データセットを構築しました。230枚の実写写真に対する258件のインスタンスに、参照計画、曖昧さと実行不可能性のラベル、明確化のための質疑応答が付与されています。検索拡張が最も大きく有意な効果を示し、新指標PGOS-FAは人間の判断と少なくとも同程度に一致したと報告されています。
説明Drift, Then Spread：オンライン強化学習のための一段階生成ポリシー学習
要約本論文は、オンライン最大エントロピー強化学習のためのDriftベースの一段階生成ポリシーDriftSpreadを提案している。批評器に導かれるDriftと、エントロピーに基づくSpreadの2段階の更新を同一のアクターで順に学習し、反復サンプリングや方策密度の推定を必要としない。固定批評器の下での収束を理論的に示し、MuJoCoでは評価した全手法の中で最も高い総合正規化リターンを達成し、拡散・フローベースの基準手法より学習と推論の効率も優れていると報告している。
説明フィードバックをインターフェースとして捉える：LLM翻訳修正における形式と詳細の制御
要約本論文は、翻訳修正でLLMが評価者のフィードバックをどう利用するかを、フィードバックの提示方法の観点から調べています。評価スコア、主要な問題点、推奨事項は固定し、フィードバックの形式と補足の詳細だけを変えて比較しています。xCOMETでは、簡潔なフィードバックが複数のモデルと翻訳方向で詳細なフィードバックを上回り、修正による品質低下を抑えられることを示しています。
説明ドメイン汎化セマンティックセグメンテーションのための疎な全層コネクタ（SALC）
要約本論文は、ドメイン汎化セマンティックセグメンテーション（DGSS）を対象に、各層が他モデルの先行する全層の情報にアクセスできる疎な全層コネクタ（SALC、Sparse All-Layer Connector）を提案しています。情報量の多い層の部分集合を適応的に選択し、候補ドロップアウト正則化で疎性と選択の頑健性を高めます。4通りの基盤モデル組み合わせと3通りの評価設定で、従来の深さ整合融合より強い汎化性能を示したとしています。
注目点深さを揃えない稀疏な層間接続を学習で選択する手法で、深さ対応融合に対して実質的な改良を示し、四組の組み合わせと三設定で検証している。
説明複雑ネットワークに中心構造が存在するかを検定する手法
要約本論文は、隣接行列のスペクトル半径を検定統計量とし、指定された帰無モデルで生成したランダムネットワークから経験的p値を推定する、ネットワーク全体を対象とした仮説検定の枠組みを提案しています。G(N,M)モデル、Chung-Luモデル、配置モデルの2種の実装を用いて、シミュレーションと55の実ネットワークで評価を行っています。中心構造の強さと経験的p値の間には明確な負の相関があり、棄却の判断は帰無モデルが保存する構造的性質に大きく依存することが示されています。
説明分散制約充足問題のための動的衝突クラスタリングと軽量学習・戦略的修復（DCC-Incomplete）
要約本論文は分散制約充足問題（DCSP）向けの修復型ソルバー DCC-Incomplete を提案している。未解決部分を衝突クラスタに分割し、調整層により通信を同じ衝突領域内のエージェントに限定する。さらに記憶を用いた再始動機構を導入し、停滞からの回復を支援する。充足解が埋め込まれた分散グラフ彩色のベンチマークでは、成功率が37.50%から61.11%に向上し、中央値の実行時間は0.565秒から0.367秒に、制約あたりの中央値通信量は12.493から6.503メッセージに減少した。
説明SurgCast：制御可能な手術ワールドモデルのための行動条件付き将来骨格予測
要約本論文は、現在の器具構造、ロボット状態、将来の動作から将来の器具骨格を予測し、その予測を用いて手術映像の生成を制御する SurgCast を提案しています。骨格の幾何情報と器具固有の運動記述子を組み合わせ、SutureBot と SRTH-Porcine-Cholei の両データセットで、教師モデルと生徒モデルが直接動作ベースラインより7つの指標すべてで改善しました。教師モデルの FVD は 37.6% と 67.3% 低下しています。
説明不足分を補う：長期エージェント記憶からの証拠の組み合わせ
要約限られたコンテキスト予算の下で、長期エージェントは個々に関連する記憶だけでなく、現在の質問に対して全体として十分な証拠を選ぶ必要があります。本論文は、スパース凸クエリ再構成の残差を用いて現在の記憶集合に何が不足しているかを表現空間で近似する、学習不要の手法 MemPursuit を提案します。LoCoMo の固定予算実験では、エンドツーエンドの精度が Top-10 で 7.2 ポイント、Top-20 で 5.5 ポイント向上し、中央値の再ランキング遅延はバッチ処理の BGE-v2-m3 に比べて 32.9 倍高速化されました。
注目点長期記憶の読み出しを証拠の組み合わせとして再定式化し、スパース凸再構成の残差で評価。LoCoMoで精度向上と遅延比較を示す。
説明小型言語モデルのための文脈認識型精度スケジューリング
要約本論文は、端末上で動作する小型言語モデルが文脈の増加に伴い精度と遅延のバランスをどう取るかを扱います。異なる精度と文脈長での実測値から実行時間モデルを校正し、テンソルの感度と組み合わせて、遅延または精度の予算の下で構成を選択します。ノートPCのGPUで実行したスケジュールを評価し、ツール利用ベンチマークで応答時間と正答率を測定しています。また、精度の回復に限界がある場面も示しています。
説明MERIT：関係トランスフォーマーによる知識グラフ基盤モデルの拡張
要約本論文は、未知のグラフ上でゼロショットのリンク予測を行う、初のトランスフォーマー関係エンコーダ搭載の知識グラフ基盤モデル（KGFM）MERITを提案している。各関係名が他のすべての関係に注意を向け、モチーフはエッジではなくソフトな事前情報として組み込まれる。56のベンチマークで、MERITは最先端KGFMと同等のゼロショットMRRを達成し、推論速度はTRIXの6倍、FLOCKの100倍以上である。
説明Big-Big-SycoBench：有効な論証と無効な論証への応答からおべっか（シコファンシー）を検出するベンチマーク
要約本論文は、大規模言語モデルが評価作業で利用者の圧力により判断を変えてしまう「おべっか」を検出するためのベンチマーク、Big-Big-SycoBenchを提案している。450件の文章資料と5,400件の論証を用い、人間の注釈者が審査している。モデルはまず複数回採点して基準値と不確実性を求め、その後有効または無効な論証を与えられて評価を更新する。論文は基準値の変動を超えた変化のみを有効な応答とみなし、十のモデル間で有効論証への応答率と無効な圧力への追従率が大きく異なることを報告している。
説明精度のコスト：混合精度LLM推論のための較正済みコストモデル
要約本論文は、混合精度の大規模言語モデル推論において、平均ビット幅やメモリ予算だけで速度を見積もると不十分であることを指摘します。実際の律速要因は計算、重みの読み込み、KVキャッシュアクセスのいずれにもなり得ます。著者らは律速資源を考慮したコストモデルを構築し、ハードウェア上での推論遅延を予測するとともに、テンソル単位の精度コストと組み合わせて動的計画法で構成を選択し、バイト基準やセンシティビティのみの割り当てと比較しています。
説明1Step-WAM：1ステップの行動生成で高速化した世界行動モデル
要約世界行動モデル（WAM）は、反復的な行動ノイズ除去と視覚の事前処理・行動予測の逐次実行によって実機での展開が遅くなるという課題があります。本論文は、WAMの行動ノイズ除去の軌道がほぼ直線であることを示し、最初のステップの速度が最終的な行動方向をよく推定できると述べています。提案手法1Step-WAMは、軽量なキャリブレータで最初の速度を補正し、帯域制限つきの行動デコードで誤差を抑えます。RoboTwinとLIBEROでの評価では、約13.4Mの学習可能パラメータで多段階の成功率をほぼ維持し、FastWAM、ImageWAM、Kairosで推論をそれぞれ7.44倍、5.98倍、24.84倍高速化したと報告されています。
注目点動作のマルチステップ去ノイズを単一ステップに圧縮し、軌道がほぼ直線である観察に基づく校正器を用い、RoboTwin・LIBERO・実機で検証している。
説明連合学習型画像セマンティック通信における適応的な役割割当と制御付き特徴再構成
要約本論文は、固定の通信予算の下で、端末の役割割当とサーバ側の制御付き特徴再構成を調整するフレームワーク ARC-FedSC を提案しています。Role-Bandit は端末の過去の貢献と現在の上り回線状態を用いて役割を学習し、TCA は直近のモデル集約方向に応じて再構成を制御します。時変の無線アクセスネットワーク・チャネルを用いた CIFAR-10 の実験では、後期訓練段階で全ベースラインを上回り、有害な再構成事象の確率は 0.245 から 0.093 に低下したと報告されています。
説明段階から状態へ：MLLMのための統一的反復推論
要約本論文は、マルチモーダル思考連鎖（MCoT）を、事前に定めた段階ごとに別々に最適化する方式から、状態遷移として捉える動的プロセスへと改める推論フレームワーク「ReState」を提案しています。統一推理状態モデリングと閉ループ推理状態学習の二つの要素で構成されます。また、八つの視覚推理領域を含むデータセット「VersaCoT-10K」を構築しています。著者らは、複数のバックボーンと公開ベンチマークで良好な性能を示したと報告しています。
説明再帰的合成データ下での変数スクリーニング崩壊
要約本論文は、再帰的な合成データ学習において、モデル当てはめの前段階である変数スクリーニングがどのように劣化するかを検討しています。各世代が前世代の擬似ラベルを目標として周辺スクリーニングを行うため、本来残すべき変数が失われることがあり、著者はこれを「スクリーニング崩壊」と呼んでいます。ガウス線形モデルで有限標本の境界、情報損失の限界、極小極大の不可能性結果を示し、固定割合の実ラベル保持とデータ蓄積という二つの緩和策を比較しています。遺伝子発現データによる数値実験が理論結果を支持しています。
説明適応型人工知能による汎化可能な胎児脳バイオメトリー
要約本研究は、事前学習済みAIモデルを個々の未ラベルのターゲットMRIボリュームに合わせてオンラインで適応させるBioTTAフレームワークを提案し、異なる画像源による精度低下の軽減を目指す。後ろ向きの多施設研究で、妊娠20〜39週の三次元胎児脳MRI 394件を用い、放射線科医が11の計測項目を注釈した。系列、施設、国が異なる3つのデータセットで、BioTTAは比較手法を上回り、ターゲットラベルで微調整したモデルと同等の性能を示した。
説明ProML：段階的多ラベル学習。ラベル当てはめと構造正則化を分離する多ラベル学習フレームワーク
要約本論文は段階的多ラベル学習フレームワーク ProML を提案し、補助的な予測変数を導入することで、ラベルへの直接的な当てはめと予測器の学習を分離します。単一の予測パラメータ行列に複数の学習目的が集中する問題の緩和を狙い、最適化の幾何学的性質も理論的に分析しています。多ラベル特徴選択に適用され、12のベンチマークデータセットでの実験と最適化解析により、理論的な分析が裏付けられ、競争力のある性能が示されています。
説明教師なしドメイン適応のための対照・敵対的同時表現学習（JCAR）
要約本論文は、教師なしドメイン適応を二段階で行うJCARという枠組みを提案します。まず、ラベルなしのソース・ターゲット両ドメインのサンプルから、対照学習と敵対的ドメイン整合を組み合わせて共通の表現を学習し、その後その表現を固定してソースのラベルで予測器を学習します。著者らは本手法の非漸近的な過剰リスク上界を示し、Office-31、Office-Home、DomainNetでドメイン間の転移性能の向上を報告しています。
説明異種監督によるマンモグラフィ病変セグメンテーションのための病変認識アテンション
要約本論文はマンモグラフィにおける病変の開放語彙セグメンテーションを扱い、画素単位の注釈は高コストである一方、画像単位のラベルは比較的得やすいという問題に、混合監督の設定で取り組みます。基本の病変カテゴリにはマスクがあり、より広いカテゴリには画像レベルのラベルのみがあります。著者らは、セグメンテーション枝と分類枝からなる二枝フレームワークと、病変ごとの注意分類器を提案しています。複数のデータセットでの実験では、基本カテゴリと新規カテゴリの両方で開放語彙ベースラインを上回り、完全教師ありモデルとの差を縮めたと報告されています。
説明Squeeze-Aware-YOLO：リアルタイム交通標識検出のための早期チャネル再校正とマルチスケール融合
要約本論文は、軽量な交通標識検出フレームワーク Squeeze-Aware-YOLO を提案しています。異なるサイズの畳み込みを組み合わせた多分岐ボトルネックと Squeeze-and-Excitation 機構により特徴抽出とチャネル重み付けを改善し、さらに多分岐補助特徴ピラミッドネットワークと再パラメータ化マルチスケールモジュールでマルチスケール融合を強化しています。バングラデシュ、中国（CSUST 2021）、ドイツの3データセットで mAP@0.5 がそれぞれ 74.7%、79.4%、84.0% となり、近年の YOLO 系検出器を上回ったと報告しています。
説明CondMSP：条件情報とリソースを考慮した無機材料合成計画の手法
要約本論文はCondMSPを提案し、材料合成計画をレシピ予測から実行を考慮した計画へと拡張する。まず温度・時間・雰囲気の条件を予測し、それを操作列の生成・検索のプロセス文脈と、熱処理工程が同じ炉運転を共有できるかを定める実行要件の両方として用いる。制約付き最適化により、炉の予算の下で経路の選択と熱処理工程の割り当てを同時に行い、参照レシピの再現率が向上したと報告している。
説明FireNav：室内火災環境における視覚言語ナビゲーションのための意思決定指向の再構成証拠ルーティング
要約室内火災では映像が劣化し、視覚言語ナビゲーションにおける指示の理解、経由点の予測、長距離の探索が大きく妨げられると論文は述べています。著者らは、画像復元の結果を補助的な証拠として取り入れるかどうかを軽量なルーターで判断するFireNavを提案し、その証拠がナビゲーション判断にどれだけ寄与したかに基づいて学習させます。あわせて、室内火災ナビゲーションの対になるベンチマークFireVLN-Benchを構築しています。実験では、既存の基準手法より成功率と経路効率の両方で優れた結果が示されています。
説明境界積分による物理場再構成のための注意機構付きグラフニューラルネットワーク代理モデル
要約本論文は、注意機構を備えたグラフニューラルネットワークの代理モデルで欠落した境界情報を復元する深層学習フレームワークを提案しています。変分オートエンコーダにより既知の境界量から欠落境界量への非線形写像を学習し、内部の物理場は従来の境界要素法（BEM）の積分式で再構成します。二次元のラプラス方程式とポアソン方程式の数値例で、再構成精度、局所的な細部の保持、モデルの安定性が良好であることが示されています。
説明Top-k 蒸留が計算しない勾配について
要約多くの実運用の蒸留パイプラインは、教師モデルの上位 k 個の確率だけを生徒モデルに見せ、再正規化したうえで残りの部分の発散を最小化します。本論文は、再正規化が失うのは尾部確率質量の可視性であり、その移動の自由度ではないことを証明しています。尾部質量を制御する方向では勾配がちょうどゼロになります。7つの公開重み教師モデルでは、保持集合が教師分布を一意に決めるのは k=d+1（d は隠れ次元）以上の場合に限られ、よく使われるキャッシュサイズはそれを下回ります。
注目点top-k蒸馏の再正規化は尾部質量を見えなくすることを証明し、7つの教師モデルでk=d+1の厳密な復元閾値を示し、証拠は充実している。
説明視覚エージェントによる逆方向衣服設計
要約本論文は、単一画像から任意の重ね着を含むシミュレーション可能な3D衣装を再構成する DressAgent を提案しています。階層型のエージェントシステムが層の順序を推定して粗い型紙を作り、Tailor、Critic、Orchestrator の三者が編集・シミュレーション・比較を繰り返して型紙を精緻化します。1万5千件を超える多層型紙データセットも構築されています。
説明接線に基づく楕円体フィッティング：接線と接点を使って複数の楕円体を検出・当てはめる手法で、全次元に適用でき、2次元では既存手法を上回る。
要約本論文は、2次元・3次元およびそれ以上の次元のデータから複数の楕円体を検出してフィッティングするアルゴリズムを提案している。点だけでなく、楕円体の接線とその接点に基づいて表現する。1本の接線は d 個の独立した方程式を与え、点は1個しか与えないため、各仮説に必要なサンプル数が少なくなり、すべての楕円体を復元するための反復回数も減る。問題は線形方程式の集合として定式化され、パラメータ空間でのクラスタリングによって楕円体のパラメータを頑健に求める。著者らは、本手法は全次元で動作し、2次元では既存の最先端手法を上回ると述べている。また、この手法は一般の線形方程式の頑健な求解にも適用できるとしている。
説明混合専門家（MoE）モデルの汎用的なエキスパート枝刈りのための、より頑健な校正データセットの検討
要約本論文は、MoE（混合専門家）モデルの学習後にエキスパートを枝刈りする際の校正データの影響を、gpt-oss-20b を例に実験的に調べたものです。校正データの量、言語、データ分布が層ごとのエキスパート枝刈りにどう影響するかを分析しています。その結果、小規模を超えて校正データを増やしても汎用的な枝刈りの品質はほとんど向上せず、英語のみの校正でも七つの言語で良好な性能が維持され、事前学習の分布に近い多様な校正データはテスト分布のデータと同等かそれ以上の性能を示すことが分かりました。
説明動画BGM生成のための拡散モデルにおける自己表現アライメント手法
要約本論文は、学習時に浅い層の弱い内部表現を深い層の良い表現に整合させる拡散U-Net構造U-SRAを提案しています。この手法を動画に合う背景音楽（記号音楽）の生成に用い、クロスアテンションで音楽と動画のセグメントを同期させます。論文では、ベンチマークの動画-音楽データセットにおいて、動画と音楽の整合性や全体的な音楽品質などの主要指標で既存の最先端手法を上回ったと報告しています。
説明LLMの枝刈りと回復ステップの脆弱性と動態
要約本論文は、大規模言語モデル（LLM）の圧縮で一般的な「構造的枝刈り→回復学習」の二段階が、互いにどう影響するかを検討しています。実施順序、各段階で用いるデータ、学習目標の整合性を比較しています。その結果、枝刈りで最初に崩れるのは指示追従能力であり、ドメイン内データが最も強い枝刈りの指標になり、指示形式のデータが最も効果的に回復させることが示されました。実施順序の影響は小さいです。また、枝刈りの前後で重要度ランキングがどう変化するかも分析しています。
説明共変量シフト下での潜在空間重要度重み付け
要約本論文は、共変量シフトに対する転移学習アルゴリズムを提案し、サンプルの再重み付けと表現学習を統合しています。元の高次元空間ではなく低次元の潜在空間でモデル化し、学習された潜在特徴の密度比を推定して下流の重み付き予測に用います。目標領域の過剰リスクの明示的な収束率を示し、シミュレーションと実データの実験で、学習表現と潜在空間重み付けの組み合わせによる効果と、初期化や領域選択への感度を報告しています。
説明切り詰めサンプラーは入れ子構造：デコーディング規則の比較は測定問題である
要約本論文は、ほぼすべての一般的な切り詰めサンプリング規則が確率順にソートされた語彙の接頭辞を保持するため、任意の二つの規則は各デコーディング段階で入れ子になることを指摘します。これに基づき、段階ごとの閉形式の距離と、両者が食い違うまで同一のテキストを出力する結合（カップリング）を導き、二つのサンプラーの差を評価する分離証明書を構成しています。六つのオープンウェイトモデルと四つの数学・科学ベンチマークでの実験では、証明書は通常 0.998 以上となる一方、対になった推定量は分散を削減するため、切り詰めサンプラーの選択は設計問題であると同時に測定問題であることが示されています。
説明Genesis：マルチモーダル思考連鎖推論のための視覚拡張プリミティブ
要約本論文は、マルチモーダル大規模言語モデルの思考連鎖推論が言語空間に留まり、視覚的根拠と結びついていない点を指摘し、その原因として訓練データの不足を挙げています。著者らは、視覚生成モデルを用いて写実的な訓練サンプルと対応する推論文を合成する拡張パイプライン「Visual Augmentation Primitives（VAP）」を提案し、中間推論ステップの論理的妥当性、完全性、一貫性を採点する評価基準ベースの強化学習も導入しています。実験では、本フレームワークで構築した4Bモデルが8Bベースラインを上回り、32Bまでスケールすると性能が継続的に向上したと報告されています。
説明UNISON：スコア付きバッグからの学習のための統一フレームワーク
要約本論文は、多重インスタンス学習（multiple instance learning）と推薦システムを、（アイテム、スコア）の組からなるスコア付きバッグの集合を学習する問題として統一するフレームワーク UNISON を提案しています。手法は、汎用のアイテム表現の学習、バッグごとの軽量な個人化パラメータによる嗜好のモデル化、学習した嗜好からのバッグ特性の推論の3段階からなります。書籍・映画、T細胞受容体（TCR）分類を含む免疫学、マイクロバイオームの各分野で、既存手法と同等以上の結果が報告されています。
説明ゼロサムゲーム学習におけるトンプソン・サンプリング
要約本論文は、未知の二人ゼロサム行列ゲームとガウス型バンディットのフィードバックの下で、トンプソン・サンプリング（事後分布からサンプルして学習する手法）の挙動を調べたものです。集中型のセルフプレイでは、事後分布から利得行列を一つサンプルし、そのサンプル化したゲームのナッシュ均衡を遂行します。期望累積双対ギャップは O(√T)、純粋均衡の場合は O(log T) であることを示し、対応する下界と実験による検証も示されています。
説明もっともらしい未来は因果的な未来ではない：ビデオモデルは世界の展開を生成できるか？
要約本論文は、Blenderで作成した50のイベントが豊富なシーンと構造化イベントグラフを用いて、画像からビデオを生成するモデルを評価するベンチマーク「CausalCascade」を提案している。初期事象が因果的な相互作用を経て最終結果に至る一連の流れを、モデルが忠実に再現できるかを検証する。評価した9モデルでは、運動は空間的には定位できても、正しい時空間的発展を実現できないことが示された。
説明視覚-予測-行動（VPA）：ニューロシンボリックJEPA予測器による効率的な身体性AI
要約本論文は、視覚・言語・行動（VLA）モデルでLLMデコーダが行動をトークンごとに生成する方式を、軽量な潜在制御ループに置き換えるVPAを提案します。ニューロシンボリックな技能選択器、JEPA予測器、フロー・マッチングソルバを組み合わせ、行動チャンク全体を数ステップで生成します。LIBERO-10での予備実験では、学習可能パラメータは2000万未満、2カメラ方策は200エピソード中40.0%で成功したと報告されています。著者らは単一の学習実行に基づくこの結果から、手法は実現可能だと述べています。
説明ELECT：レンダリング前にアイデンティティを確定し、スケーラブルなストーリー可視化を実現する手法
要約参照画像を用いず学習も不要なストーリー可視化の論文で、ELECTという手法を提案しています。言語誘導のシーン・エンティティ対応付けと、モデル自身の下書きから選ばれた固定アンカーにより、最終レンダリング前にフレーム間の登場人物の同一性を確定します。これにより最終描画の1フレームあたりのコストは物語の長さに依存しません。Story50ベンチマークでは、10回の反復改良より高いキャラクター一貫性を、約7分の1の生成コストで達成したと報告されています。
説明映画脚本のシーン重要度を言語学的に解釈可能な形で分析
要約本論文は、映画脚本のどの要因がシーンの重要度（salience）に影響するかを、MENSAコーパスを用いた対照研究によって検討しています。あわせて、凍結したBERTエンコーダと明示的な言語特徴を適応ゲーティングで融合する二系統分類器LGSMを提案しています。研究によると、シーン長を統制すると、シーン単位のUID（一様情報密度）集計値に独立した予測力は見られませんが、トークン単位では重要シーンが最も予測困難な希少トークンを抑制する傾向があります。また、重要シーンでは中程度に持続する主要人物の登場、三人称の多用、統語的に単純な表現、動機や対立に関する抽象的語彙が見られます。
説明総体的ドリフトを超えて：連合学習におけるクライアントごとの最適な専用ウィンドウ
要約本論文は、データが継続的に到着し各クライアントの分布が時間とともに変化する連合学習を扱い、サーバーが重み付き平均損失の最小点を追跡する問題を研究します。著者らは、各クライアントのノイズ、到着率、ドリフト速度に合わせた専用の記憶ウィンドウを設定し、共通の点から再開する加速法で更新する方式を提案します。理論上の追跡誤差の上界は、共有ウィンドウのどの方式よりも良く、実験でも利得は主に専用の記憶によることが示されています。
説明Apertus 1.5：オープンなテキストモデルからオープンなマルチモーダル推論モデルへ
要約本論文は、完全オープンな Apertus ファミリーをテキストからマルチモーダル推論へ拡張した Apertus 1.5 を紹介します。Apertus 1.0 を継続事前学習し、画像と音声の理解を加え、コンテキストウィンドウを 262,144 トークンに広げています。思考モードはチャットテンプレートのフラグとして有効化され、モデルの重み、学習手順、評価スイートが公開されています。
説明感度忠実度：予測精度を超えて、深層学習の地球システムモデルが物理的に妥当な依存関係を学んでいるかを検証する手法
要約本研究は、予測誤差に加えて、入力の摂動に対するモデルの応答を信頼できる参照や既知の物理知識と照合する「感度忠実度」という評価基準を提案している。理想化された瑞利・ベナール対流のベンチマークでは、四つの代理モデルがいずれも低い予測誤差を示したが、感度には大きな差があり、対応する随伴モデルとの比較でその違いがより明確に判別できた。エルニーニョ・南方振動の予測にも適用され、学習された感度は事例ごとに頑健で、既知の前兆とも整合していた。
説明UMAS3D：マスク不要の統一的3D編集と領域適応型ソース保持
要約本論文は、学習もインバージョンも外部3Dマスクも不要な統一3D編集フレームワークUMAS3Dを提案している。テキスト、バウンディングボックス、参照画像を共通の目標視点ガイダンスに変換し、追加・削除・修正・外観・姿勢の編集を同じ生成過程で扱う。編集領域の推定と元モデルの保持を結びつけ、未編集部分の形状と外観を保ちながら編集できることを実験で示している。
説明Agent-Canary-Mas：長期的マルチエージェントシステムにおけるプロトコルリスクのエンドツーエンド評価
要約本論文は、長期的なマルチエージェント・タスクにおいてエージェント間プロトコルのリスクがどう伝播するかを追跡する評価システム Agent-Canary-Mas を提案している。A2A、ANP、BCS の3プロトコルにまたがる5つのリスククラスを対象に、5つの業務領域で975組の悪意ありと良性のタスクを対応させて実験している。局所的な攻撃成功率は90%前後に達することが多い一方、実際の結果への転換率は7.1%から100.0%の範囲にとどまった。また、金融タスクでは、プロトコル文脈に基づく防御機構が攻撃成功率と後続の影響を下げる一方、タスク完了率には一定の低下が生じることが示された。
説明正しい位置への一歩：連続拡散言語モデルにおけるタイムステップ配置の理解と最適化
要約本論文は、連続拡散言語モデルにおいて、ノイズ除去のタイムステップをどこに配置するかを検討しています。ステップ数を固定しても配置だけで最終的な潜在表現と復号されるトークン分布が大きく変わることを示し、そのうえで、小規模な校正データ上で言語を考慮した目標により良い配置を探索するStepTune（ステップチューン）を提案しています。校正後の配置は入力間で再利用されます。実験では、試された全サンプリング予算で改善が見られ、16ステップのStepTuneはXSum要約とWMT14翻訳で、ネイティブな64ステップのベースラインを上回り、エンドツーエンドの遅延を約3.8倍削減したと報告されています。
説明GNFormer：カメラベース占有予測のためのガウシアン神経場Transformer
要約本論文は、ガウシアンプリミティブとニューラルネットワークが共同でパラメータ化する新しい三次元表現、ガウシアン神経場（GNF）を提案します。GNFは体積要素の位置を意味的な占有に写像します。これに基づくGNFormerは、Occ-ScanNet、SSCBench-KITTI-360、nuScenes-SurroundOccの各ベンチマークで、比較された単一フレーム手法の中で最高のIoUとmIoUを達成し、推論も最速でした。屋内と屋外の場面はそれぞれ256個と1024個のガウシアンで表現できるとされています。
説明割り当て不可能な家事型タスク（chores）における加重最大最小シェア近似の上限改善に関する研究
要約本論文は、任意の正の重みと加法的な非負コスト関数を持つ複数のエージェントに、分割できない家事型タスク（chores）を割り当てる問題を扱う。各エージェントの負担するコストが、その加重最大最小シェア（WMMS）の α 倍以下であれば、その割り当ては α-WMMS 公平と定義される。論文は、すべての事例に 4.124234528-WMMS 公平な割り当てが存在することを示し、有理数入力に対しては 4.12424-WMMS 公平な割り当てを多項式時間で求めるアルゴリズムを与えている。さらに、最適近似係数が e に収束する事例族を構成し、Li らによる従来の [2,12] の範囲を [e,4.12424] まで狭めた。
説明OceanFlow：確率的海洋モデリングのためのコヒーレント・フローマッチング
要約本論文は、全球海洋の確率的予測のためのコヒーレント・フローマッチング枠組みOceanFlowを提案している。まず安定した平均アンカーを確立し、フローマッチングによってその周囲の残差分布を遷移ごとに再構成する経路則を学習する。さらに因子化動力学演算子（FDO）を導入し、平均アンカーと残差フローの速度を parameterize する。実験では、比較基線と比べてアンサンブル平均精度、確率的信頼性、物理的一貫性の指標が改善したと報告されている。
説明意味を保つよう制御可能な画像トークン化：画像が表す内容を残す手法
要約本論文は、目標の意味的忠実度に沿って調整できる適応型画像トークナイザ GIST を提案します。トークン数の配分を画素レベルと意味レベルの目標誤差で共同制御し、意味誤差は凍結した DINOv3 エンコーダの特徴空間で測定します。ImageNet-100 での比較実験では、画素誤差のみで制御する KARL よりも、各トークン数で良い結果を示し、LPIPS は最大30%、DreamSim は最大37%低くなりました。
説明SARATHI：大規模言語モデルの構造化プルーニングのための、データ不要の探索と適応的再構成を分離した手法
要約本論文は、大規模言語モデル（LLM）の推論コストを下げるため、構造化プルーニングを行うSARATHIフレームワークを提案しています。ニューロン選択と重み再構成を分離し、校正データを使わないNMF残差部分空間プローブで重みの幾何学的特徴に基づきニューロンを評価し、局所的な校正バッチで適応的OBSによる再構成を行います。さらに、後LayerNormアーキテクチャにおける活性化のずれを補正するバイアスシフト補償を加えています。6モデル、スパース度15〜40%での実験で、既存の構造化プルーニング手法と比べ、困惑度は競争力があり、ゼロショット精度は同等以上と報告されています。
説明REPRO：自動化LLMレッドチーミングのための反省型進化的プロンプト最適化手法
要約本論文は、単一のコンシューマー向けGPU上で動作する圧縮済み7B規模のオープンウェイト反省型モデルのみを用いて、安全対策を回避する敵対的プロンプトを進化的最適化で発見する純粋なブラックボックス枠組みREPROを提案しています。意味的交叉と、構造化された失敗分析に基づくトンプソン・サンプリングによる ベイズ的戦略選択の2つの仕組みを導入しています。36の対象モデルで単一ターン100%の攻撃成功率を報告していますが、最適化中の評価器と報告に用いる評価器が同一であること、基準値は原論文から転記したものであることから、厳密な比較ランキングではなくモデル網羅性の一覧として位置づけられています。
説明多ショット視聴覚動画生成のための構造化ステートフル関係スクリプトと高品質データセット
要約本論文は、多ショットの視聴覚動画生成において人物の同一性の一貫性、状態変化、音の協調が課題であることを扱い、永続的な実体・音声の同一性とショットごとの視覚・聴覚の状態を分離する構造化ステートフル関係スクリプト（SSRS）を提案します。SSRSは音源の対応関係と時間的関係を明示的に記述します。あわせて、詳細なSSRS注釈を付けた多ショット視聴覚動画のデータセットMSAV-Script-100Kを公開し、実験でショット間の一貫性や視聴覚の整合性の改善を示しています。
説明五次Calabi–Yau多様体上の単一パッチ型ニューラルCalabi–Yau計量に対する幾何学的事前情報：固定ψによる保守的アブレーション研究
要約本論文は、五次Calabi–Yau三次元多様体上の複素Monge–Ampère方程式のニューラル近似において、幾何学的事前情報がどのように影響するかを調べている。座標SIRENポテンシャルモデル、直接計量のCholesky基準、代数的セクションモデル、セクションとニューラルネットワークを組み合わせたハイブリッドモデルの4種を比較している。セクションベースのモデルは検証誤差σが約4.14〜4.16%に達したのに対し、SIRENとCholeskyはそれぞれ約41.29%と44.27%にとどまった。
説明CacheLink：再プリフィルなしのモデル間コンテキスト引き継ぎのための機能的 KV 転送手法
要約長文コンテキストの推論では KV キャッシュを再利用しますが、モデルを切り替えると再びコンテキストのプリフィルが必要になります。本論文は CacheLink を提案し、受信モデルの振る舞いを直接用いて結合した K/V 補正を学習することで、再プリフィルなしで推論を継続できるようにします。K/V の再構成精度だけでは受信モデルの有用性を十分に表せないことを示しており、32K コンテキストでは再プリフィルと比べて引き継ぎの遅延を最大 7.27 倍削減したと報告しています。
説明データポータビリティの再考：人間中心でAI駆動型の未来のデータエコシステムに向けて
要約本稿は、米国における現行のデータポータビリティに関する規制の枠組みと議論を批判的に検討し、EUの最近の規制動向を例に取っています。著者は、現在の法的概念はサービス提供者やデータ管理企業の利益を強化し、個人ユーザーの利益になっていないと論じます。そのうえで、データを個人の手に委ねる人間中心のデータガバナンスへの転換を主張し、EUの技術・市場動向がその変化をどう後押しするかを考察しています。
説明大規模決定モデル：大規模言語モデルを単一パス意思決定器として再利用する研究
要約本論文は、大規模言語モデル（LLM）を、実行時に指定されたラベルに対する明示的な確率を、一回のプレフィル順伝播で返す「大規模決定モデル（LDM）」として再利用する手法を提案している。学習には多様な決定監督（DDS）と自己提示推論蒸馏（SPRD）を用いる。DecisionVistaでの評価では、3つの基盤モデルで従来手法より1.8および1.5ポイント精度が向上し、Gemma-4-31Bでは推論ロールアウトに比べて遅延が182倍高速化された。不確実な判断に対しては信頼度ルーターも提案されている。
説明消えない記録、赦し、そして刑事司法の未来
要約本論文は、デジタル技術が違法行為の記録を無期限に保存でき、AIがその記録を個人の将来に継続的に影響させうると指摘します。筆者はこれを「永続するデータの現在」と呼び、赦しの可能性を脅かすと論じています。ヘーゲルの「硬い心」とアーレントの行為の不可逆性に依拠し、古い記録の重みの制限、個人の変化に応じた再評価、生活に影響する推論の再検討、特定の決定における記録利用の期限などを含む「未完成のままでいる権利」を提案しています。
説明再検討されたサポートベクターマシン：Nyström近似を用いたスケーラブルな適応学習のための統一的な同時最適化フレームワーク
要約本論文は、カーネルのハイパーパラメータとデュアル・ラグランジュ乗数を同時に最適化する「Revisited SVM」の枠組みを提案し、グリッドサーチに頼らない手法を示しています。ブロック座標上昇法とNyström低ランク近似を組み合わせ、計算量をO(Nm)に抑えたと述べています。生物情報、金融、サイバーセキュリティ、コンピュータビジョンの4分野での実験結果と、NSL-KDDデータセットでの96.25%の精度を報告しています。
説明ベクトル空間における概念表現：意味の共有性と個人差の定量化
要約本研究は、文埋め込み（文全体を空間上のベクトルで表す手法）を用いて、同じ概念に対する人々の理解のばらつきを分析する測定枠組みを提案しています。125人の参加者が書いた簡単な定義を比較し、共有性と個人固有性という二つの指標を算出しました。三種類のエンコーダーで結果が再現されたと報告されています。
説明機械学習による DSP 実装の RF フィンガープリンティング：空中伝送の事例研究
要約本論文は、送信機の DSP（デジタル信号処理）ソフトウェア実装の違いを放射信号から識別できるかを検討しています。2-FSK RTTY 波形を生成する五種類のソフトウェア実装を事例とし、短波トランシーバーとソフトウェア無線受信機で収録した空中信号を用いて、畳み込みニューラルネットワークで識別を評価しました。IQ と電力スペクトルを組み合わせた最良のモデルは最大 90% の精度を示し、SNR と観測帯域幅の影響も分析されています。
説明スキルは残っているのに呼び出せない：継続的スキル内在化のための因子化スキルメモリ
要約言語モデル・エージェントが新しいスキルを継続的に学習する際、既に内在化された旧スキルがなぜ使えなくなるかを研究した論文です。忘却は二段階で起こり、まず元のリクエストから旧スキルを呼び出せなくなり、その後は正しいスキル名を与えても実行能力が低下することを示しています。これを受けて、アドレス記憶と実行記憶を分離する因子化スキルメモリ（FSM）を提案し、5段階ベンチマークで平均完全一致率65.95%を達成したと報告しています。
説明AlphaPilot：強化学習で学習した多ターン・ツール利用型LLMエージェントによる適応的アルファ採掘
要約本論文は、将来のリターンで銘柄をランク付けする解釈可能な数式的アルファ因子を探索するため、強化学習で多ターンのツール利用型LLMエージェントを訓練するフレームワーク「AlphaPilot」を提案する。エージェントは市場記述、実データ、評価器のフィードバックを組み合わせ、因子プールを逐次更新する。CSI300とCSI500のアウトオブサンプル・ローリングバックテストでは、3回の独立実行の平均トータルリターンがそれぞれ42.93%と54.19%、平均シャープレシオが2.46と2.86と報告されている。
説明SkillFusion：LLMエージェント向けの信頼性の高い複数スキル合成手法
要約独立して作成されたスキルを同時に読み込むと、互いに矛盾する要件や好み、重複した指示が生じることがあります。SkillFusionはこれらの相互作用を調整し、再利用可能な統合スキルにまとめるオフラインコンパイラです。型と適用範囲を持つ制約を元の指示に結びつけて組み合わせ判断を明示し、硬い衝突、軟らかい衝突、重複指示をそれぞれ処理します。論文では、3つのエージェントベンチマークと2つの転移ベンチマーク、3種の実行モデルで、オラクルを使わない手法の中で最も高い平均成功率を報告しています。
説明二エージェントの一般並行ゲームフレームにおける実際のパワーに関する表現定理
要約本論文は、論理とゲームの古典的な結びつきを一般化するものである。二エージェントの仮定の下で、直列性・エージェントの独立性・決定性の三つの仮定の組み合わせに基づく八つの一般並行ゲームフレームのクラスが、実際のパワー（actual power）の観点から、それぞれ対応する八つの近傍フレームのクラスによって表現されることを証明している。この結果は、van Benthem、Bezhanishvili、Enqvist（2019）の既存の結果を一般化するものである。
説明マルチモーダル大規模言語モデルのシーン理解マップに基づく意味的顕著性
要約本論文は、シーン内の物体を一つずつ自動的に切り離して除去し、マルチモーダル大規模言語モデルに元の場面と改変後の場面をそれぞれ記述させ、その記述の意味的類似度をテキスト埋め込みで測ることで、各物体がシーン理解にどれだけ寄与するかを数値化する手法AUTO-SUMを提案している。人間のデータへのパラメータ調整は行わない。人間の場面記述から推定したシーン理解マップで最も重要な物体を予測でき、自由観察や場面記述の課題で人が最も注視する物体を、低次の顕著性モデル（GBVS、Itti-Koch）や人間の意味評価で学習したMeaning Mapより良く予測し、人間の注視データで学習したDeepGazeに匹敵することを示している。
説明MemeLogos：有害ミーム検出のための知識駆動型検索拡張推論フレームワーク
要約本論文は、SNS上で有害なミームを検出する課題に取り組み、MemeLogosという枠組みを提案しています。多数の有害事例から再利用可能な有害パターンと推論構造を抽出し、星型の知識グラフとして整理します。構造化された知識検索と段階的な推論を組み合わせ、著者らは既存手法より高い性能と、より一貫性のある解釈可能な推論を示したと報告しています。
説明確定的な随時最適性保証を持つスケーラブルなロバストMCTS
要約本論文は、遷移モデルに不確実性がある マルコフ決定過程の計画問題を扱います。提案手法CAR-MCTSは、サンプリングされた探索木上でのみ計算を行い、未サンプルの軌道の寄与を確定的に抑えて、ロバスト価値の上下界を随時計算します。これを用いて探索の誘導、最適でない枝の剪定、最適な根の行動の確定を行います。著者らは、オンライン計画と方策評価の両方に確定的な保証を与える初めての手法としています。
説明メッセージが誤るとき：LLMベースのマルチエージェントシステムにおける通信障害の理解
要約本論文は、大規模言語モデル（LLM）ベースのマルチエージェントシステムにおいて、エージェント間のメッセージ通信で生じる障害がどのように発生し、伝播し、タスク結果に影響するかを扱います。著者らは階層横断的な分類法を構築し、障害注入と追跡のパイプラインを開発しました。29,000回を超える実行による大規模な実証評価の結果、即時の失敗シグナルなしに起きる失敗が一定の割合を占め、ワークフロー構造によって耐障害性が大きく異なることが示されています。
説明Conceptizer：次のトークン予測だけでは不十分
要約本論文は、従来の次トークン予測に「意味」への報酬を加える学習フレームワーク Conceptizer を提案しています。文脈上の類義語から作られた約 9K の概念を意味の単位として用い、次トークン分布を概念分布へ写像して、同じ意味の多様な表現間で報酬を共有します。1B～8B パラメータの 3 つのモデル系列で評価し、概念目標の位置での保留データに対する困惑度が最も低く、知識・感情タスクでは下流性能が向上し、常識タスクでは同等の結果でした。
説明Huber汚染下の分割コンフォーマル予測区間長
要約本論文は、学習段階と較正段階でHuber汚染がある場合に、分割コンフォーマル予測の区間長がクリーンな母集団のオラクルとどう異なるかを研究しています。すべての汚染分布に対して一様に成り立つ有限サンプルの上界を導き、正則な非対称位置部分モデル上で上界の速度に定数倍まで一致する極小最大下界も示しています。さらに、較正汚染に対する母集団区間長の偏差について厳密な最悪ケースの特徴づけを与え、分位点回帰と適応残差スコアへの拡張も扱っています。
説明PMB-NN：1型糖尿病の血糖予測のための生理モデルベースニューラルネットワーク
要約本論文は、時間畳み込みネットワークに個人化された4パラメータの生理モデルを組み合わせ、1型糖尿病患者の血糖値を30、60、120分先まで予測するPMB-NN枠組みを提案しています。対象は25名の参加者で、6〜8週間の持続血糖測定、ポンプ、食事の記録が用いられました。基礎インスリンの記録がない場合、30分と60分の予測では平均絶対誤差の中央値が最も小さく、6つの条件すべてで生理モデル単独より良い結果でした。
説明BridgeCodec：シュレーディンガー橋とMambaで強化した低ビットレート向けニューラル音声コーデック
要約ニューラル音声コーデックは、エンコーダとデコーダが密に結合した閉じた仕組みのため相互運用が難しい。本論文は、凍結された互換性のない両端の潜在表現を変換するフレームワーク「BridgeCodec」を提案し、これをシュレーディンガー橋の最適輸送問題として定式化する。また、音声の長距離の時間依存性を捉えるためMamba強化U-Netを組み込んでいる。8 kHzの軽量エンコーダから1 kbpsで48 kHzのデコーダへ写像する実験では、広帯域再構成と知覚品質で良好な結果が示された。
説明EmoTrace-Bench：制御された手がかりと強度によるテキスト動画生成の感情表現の診断
要約本論文は、プロンプトの感情強度と特定の感情的手がかりを制御し、生成動画を多段階で評価する細粒度の診断ベンチマーク EmoTrace-Bench を提案している。448 件の制御プロンプトと 12 のテキスト動画モデルを用い、5,376 本の動画を生成して評価した。キャラクターの感情反応を明示したプロンプトは、出来事や場面だけを描くプロンプトより安定して従われる一方、感情的手がかりや映像言語を増やしても生成結果が一貫して改善するわけではないことが示された。
説明『目の前に隠れて』：知覚を意識した敵対的セルフプレイで有害コンテンツの理解を高める
要約この論文は、大規模言語モデルが人間には容易に分かる隠れた有害な意図を見落とすことがあり、悪意あるユーザーがこの弱点を利用して自動モデレーションを回避していると指摘しています。著者らはPASPという手法を提案し、各入力に対してテキスト、音声、視覚の3つの視点を作成し、攻撃者と防御者による敵対的セルフプレイで学習させます。実験では、2つのベンチマークで適応型攻撃の成功率をそれぞれ最大73.71%と74.49%低減し、モデル性能の低下はわずかだったと報告されています。
説明文書画像の歪み補正における教師あり学習の再考：流れ場を用いない自己整合的手法（DRNet）
要約スマートフォンで撮影した文書画像は歪みを含むことが多く、デジタル保存や後続処理に支障をきたします。本論文では文書画像の補正用ネットワークDRNetを提案します。粗から精へ補正を行う構造を採用し、既存手法の変形メッシュの代わりに歪みのない文書画像を教師信号として用います。DocUNetベンチマークでは一連の最先端の結果を達成し、アブレーション実験で各設計の有効性も確認されています。
説明SPADノイズの活用：室内深度推定のためのテスト時ゲーテッドアテンション
要約本論文は、単眼深度推定における尺度の曖昧さ、エッジのにじみ、未知環境でのゼロショット汎化の弱さに取り組み、HSNという枠組みを提案しています。単一光子アバランシェダイオード（SPAD）のノイズを除去すべき害のある成分ではなく、環境特性を暗に符号化する情報的な事前知識とみなします。一次元SPADヒストグラムとゲートアダプタを組み合わせ、推論時にチャネル単位のゲーテッドアテンションベクトルで符号化器の特徴を調整します。室内ベンチマークでは領域内精度で最先端の結果を示し、未知環境でのゼロショット汎化でも高い可能性を示しています。
説明スペクトル整合による世界モデリング：類似度カーネルで世界モデルが保持すべき情報を指定する
要約本論文はSpecWMというJEPAの枠組みを提案し、目標類似度カーネルで観測間の望ましい関係を指定して、エンコーダが埋め込み空間でその関係を再現するよう学習させます。カーネルによって与える教師信号は異なり、物理状態情報を用いるものから、軌道内の観測順序のみを必要とする完全自己教師ありの時間カーネルまであります。実験では、カーネルの選択が表現から回復できる物理量を強く左右することが示され、時間的スペクトル整合によりOGBench Cube、OGBench Scene、CALVINでのCEM計画の成功率が、それぞれ52%から68%、49%から77%、29%から51%に向上したと報告されています。
説明悲観的潜在タスク認識最適化によるロバストなオフライン・メタ強化学習
要約本論文は、訓練分布の外にあるタスクを扱うためのPLATO手法を提案します。タスクの潜在表現が低次元多様体上にあると仮定し、推定した潜在表現を訓練の中心から外側へ摂動させて反事実的タスクを合成します。デコーダのアンサンブルで想定軌跡を生成し、アンサンブルの不一致が大きいステップの重みを下げる悲観的重みのもとで方策を更新します。8つのMuJoCo連続制御ベンチマークで、分布外タスクにおいて強力なベースラインを上回り、分布内タスクでも競争力を保つと報告されています。
説明構造知識転移のためのリーマン グラフトークナイザ
要約本論文は、グラフの構造知識を離散トークンに変換し、ドメインをまたぐ転移を支援するリーマン グラフトークナイザ（RGT）を提案している。リーマン幾何に基づき、木、閉路、系列といった幾何学的語彙を定義し、リーマン量子化器とリーマン直通推定器で複数ドメインのグラフ構造をトークン化する。さらに幾何整合デコーダで多様空間のトークンを統一接空間へ写像する。著者らは、複数データセットでの実験により構造知識の転移性が大きく向上したと報告している。
説明SpecFit：オフロード型MoE推論では草案トークンの負担が一様ではない
要約混合エキスパート（MoE）モデルは各トークンで少数のエキスパートしか使いませんが、エキスパートの重みをホストメモリにオフロードすると、H2D転送がデコードの律速になります。SpecFitは、受理長ではなく予測スループットが最大となる検証用の草案サブツリーを選びます。草案パス確率から確定トークン数を、サブツリーが使うエキスパートの和集合から周期時間を推定します。Qwen3-30B-A3Bでは、同じエキスパートキャッシュのEAGLE-3より要約で21.6％、GSM8Kサブセットで7.0％速くデコードできます。
説明感度か判断基準か？言語モデルがいつ行動するかを測り、調整する
要約本論文はFlipActを提案し、物理的な状態でモデルがツールを使うべきかを診断する。規則によって各問の正解と証拠スコアを求め、44のオープンモデルについて感度（行動が適切な場面を見分ける力）と判断基準（「はい」と答えやすさ）を測定した。感度はファミリー内ではサイズとともに上がるが、判断基準はサイズでは決まらない。激活ステアリングで得た基準のずれを自己蒸留で重みに移すと、感度を大きく変えずに複数の外部ベンチマークへ転移することが示されている。
注目点信号検出理論で感度と判断基準を分離し、状態を反転させた2x2問題群で測定・介入する手法を提案。44モデルと複数の外部ベンチマークで検証され、証拠は比較的充実している。
説明OmniRSI：統一マルチモーダルリモートセンシング画像生成のための潜在拡散モデル
要約本論文は、異種で部分的にしか観測されていないリモートセンシングデータから完全かつ相補的な観測を復元するため、統一的なマルチモーダルリモートセンシング画像生成モデルOmniRSIを提案しています。リモートセンシング専用の変分オートエンコーダ、ControlNetブランチを組み込んだStable Diffusion 3.5、学習を必要としない循環的潜在アライメント機構から構成されます。また、1,150万枚の画像を含む大規模データセットRSI-MMを構築し、多モーダルの再構成・生成・変換で優れた性能を示したと報告しています。
説明候補トークンから最終結果へ：推論モデルの内部表現から相対的な長期候補価値を復号する
要約本論文は、大規模推論モデルが同じ接頭辞のもとで候補となる次のトークンの長期的価値の差が、内部表現に現れるかを調べています。相対的長期候補価値を定義し、推論候補トークン価値（RCTV）データセットを構築しました。スパース線形プローブを用いた結果、複数の層でこの価値が線形に復号可能であり、確率や埋め込みに基づく基準より優れることが示されています。
説明CoverSynth：カバレッジ誘導による検索評価セットの自動生成手法
要約企業向けエージェントには、ドメイン固有の検索失敗を明らかにし、効率的な導入上のトレードオフを判断できる検索評価セットが必要である。しかし、人手で作成したセットも既存の合成生成手法も、そのために必要なカバレッジ、信頼性、効率性、識別力を同時に満たす方法を提供していない。本論文は、これらの基準を評価するフレームワークと、無注釈コーパスから検索需要とシステム能力を網羅するように評価セットを生成するCoverSynthを提案する。決定的チェックとモデルによる意味検証で正解の信頼性を担保し、5つの公開コーパスで難易度に意味のある差が生じること、未明確・曖昧な要求への対応困難など新たな失敗モードが見つかることを示している。
説明状態表現がエージェントの長期学習と転移に与える影響に関する実証研究
要約本論文は、決定的なツールワークフローにおいて、コンパクト表示と完全表示という状態表現の違いが、Qwen モデルの教師あり学習と転移にどう影響するかを比較している。コンパクト表示で学習した 1.7B モデルは、コンパクト表示では評価タスクを完了したが、完全表示ではほぼ失敗した。論文は、表現に敏感な転移が制御された実験環境でのボトルネックであると結論づけている。
説明十年間のPhotoMappers縦断研究：視覚言語モデルと地理空間推論による群衆参加型災害写真のジオローカリゼーション
要約本論文は、群衆参加型災害マッピングの取り組みであるPhotoMappersの十年以上のデータを分析し、災害情報の地理的分布の変化を検討しています。ストリートビュー画像とリモートセンシング画像を用いたクロスビュー位置推定と、30の指標による視覚言語モデルの地理的推論の評価を組み合わせています。結果として、年ごとの検索精度や推論の一致率には大きなばらつきが見られ、著者はGeoAIはボランティアによる地理的判読を代替するより補完する価値があると論じています。
説明具身強化学習における VLM の活用：報酬回帰器から成功検出器へ、探索拡張型キー観測ゲーティングによる手法
要約視覚言語モデル（VLM）を精密な報酬の回帰器として学習させる従来手法は、大量のアノテーションを必要とし、ゼロからの強化学習では性能が低いと指摘されています。本論文はVLMを成功検出器として用いるVLMeg手法を提案し、生成した成功軌跡との類似度で評価すべきエピソードを判定し、最も混同の少ない重要観測を選んでVLMに評価させます。MetaWorldの12の報酬なしタスクと3つの実世界実験で、ゼロからの強化学習において最先端の結果を示したとされています。
説明GA-SVD：大規模言語モデル圧縮のための生成認識型特異値分解
要約大規模言語モデルはパラメータ数が多く、メモリと計算コストが課題です。本論文は、生成タスクに対応した一回限りの低ランク圧縮手法GA-SVDを提案します。オンポリシー知識蒸留の勾配を用いて生成挙動に沿った白色化変換を構成し、進化的手法で層ごとのランク配分を探索します。Mistral-7B、Qwen3シリーズ、Llama-3.3での実験で既存のSVD手法を上回り、70Bパラメータまで拡張できたと報告されています。
説明マンデラ効果から見る、マルチエージェント社会ネットワークにおける誤信念の拡散・持続・緩和
要約本論文は人間社会のマンデラ効果を手がかりに、エージェント間通信、私的記憶、共有の模擬ウェブを結ぶ制御された枠組みを構築し、8分野・4段階の妥当性にわたる540件の捏造された主張を用いて、誤信念の拡散、持続、緩和を研究している。実験では、評価対象のモデルが捏造主張を容易に受け入れて拡散し、拡散到達率は最大96.0%に達した。捏造者を撤退させても受容率はほとんど下がらず、拡散後に行う的を絞った是正介入は事前の予防措置より効果的だったが、誤信念を完全には消せなかった。
説明WUSPruner：構造化剪定のための二次モーメント最適変換
要約本論文は、大規模言語モデルの構造化剪定を行う変換ベースの枠組みWUSPrunerを提案します。剪定時の基底選択を局所線形再構成問題として定式化し、活性化と重みの統計量から構成されるWUS変換を用います。8Bから72BパラメータのLlamaおよびQwenモデルを用いた実験では、既存の構造化剪定手法より一貫して性能が向上し、推論遅延とメモリ使用量も削減されたと報告されています。
説明DC-Flow：遅延結合フローマッチングによるターゲット条件付き環状ペプチド設計
要約本論文は、ターゲットに応じて環状ペプチドを設計する段階的生成フレームワークDC-Flowを提案しています。まず標的条件付きの主鎖構造を形成させ、その後で配列と側鎖を活性化し、両者のフローを結合させて共に進化させます。原文によれば、環化の忠実度、多様性、界面エネルギーが改善され、最終候補数を固定した場合に信頼性の高い環状ペプチド結合体の収率が増加するとされています。
説明VideoEvoHarness：ラベルなし動画から自己進化する動画理解エージェント・ハーネス
要約本論文は、モデルのパラメータを更新せずに、ラベルなし動画から動画理解エージェントのハーネス（実行枠組み）を自己進化させるVideoEvoHarnessを提案している。出題者と解答者の二つのハーネスを共に進化させ、実行フィードバックに基づいてスキル、戦略、ハイパーパラメータ、ツールを改良する。同一の検証問題で候補を比較し有効な改善のみを保持する。実験では初期版より全体精度が向上し、その効果は異なるバックボーン間でも転移したと報告されている。
説明対照表現学習における近似の問題
要約対照表現学習は、転移可能な表現を学習するための基本的な枠組みであり、二つのモダリティ間の点相互情報量を目標とします。本論文は、一般に分離不可能な点相互情報量を、一般的な内積スコアがなぜ効果的に近似できるのかを検討し、コンパクト作用素との関連から低次元内積モデルのスペクトル近似誤差を分析します。さらに、ニューラルネットワークによる近似率と、下流の検索誤差への校正速度も扱っています。
注目点PMIをコンパクト作用素と結び付け、内積モデルの階数D分光近似誤差とニューラルネットワークの一致性・収束率を示し、理論的貢献が際立つ。
説明E8格子鍵量子化：低ビットKVキャッシュ圧縮のための手法（E8格子による鍵のベクトル量子化）
要約本論文は、長文脈の大規模言語モデル推論におけるKVキャッシュ圧縮を扱い、E8格子に基づくベクトル量子化で鍵を符号化するk2v2方式（鍵・値とも2ビット）を提案しています。著者らは五つのLLMファミリーで約6倍のKV圧縮を達成し、スカラー量子化のk3v2より約20%小さい一方、長文脈の困惑度はベースラインに近いと報告しています。また、モデル・データセット・文脈長の組み合わせの80%でk3v2を上回り、デコード速度はスカラー基線と同等だとしています。
説明WSBMに基づくエコーステート・ネットワークの動的解析（InputDSAを用いた分析）
要約本論文は、ランダムなネットワークの代わりに、重み付き確率的ブロックモデル（WSBM）で生物学的に現実的なモジュール性を持たせたエコーステート・ネットワーク（ESN）を用いる貯留層計算の枠組みを提案します。入力動的類似性分析（InputDSA）により、構造的な事前情報が内在的な再帰的ダイナミクスと外部入力にそれぞれどう影響するかを比較しています。構造の多様性が必ずしも振る舞いの多様性につながらないこと、また成功したエージェントでは環境制約によりダイナミクスが収束し、失敗したネットワークは個別的な軌道へ退化することを示しています。
