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。
説明役割を考慮したEU AI法評価のための透明な情報フローモデリング
要約本論文は、EU人工知能法（AI Act）への適合性評価に情報フロー方法論（IFM）を用いることを検討しています。IFMは、アルゴリズム、人間、またはその混合による意思決定システムを、情報の拠点と変換経路からなるネットワークとして表現し、情報・決定・責任が組織と技術の境界をどのように流れるかを分析します。公共部門の採用支援ツールを事例に、提供者のシステムと導入者の採用プロセスの双方を評価し、透明性の向上、リスク経路の特定、意図された用途と実際の用途の照合に有用であると論じています。
説明FOCUS：術中の中枢神経系病理診断のためのサブスペシャリティ基盤モデル
要約本研究は、中枢神経系組織を多く含む27,930枚の凍結切片で事前学習したFOCUSモデルを提案している。11の院内診断タスクと12のバイオマーカー予測タスクでそれぞれ平均AUC 0.969と0.877を示し、時間的および外部コホートでも高い性能を維持した。6名の神経病理医による読影評価では、FOCUSの支援により若手読影者のリンパ腫感度が81.6%から94.7%に向上した。
注目点中枢神経系の術中凍結切片に特化した基盤モデルを構築し、多課題評価と6名の病理医による読影実験で有効性を示し、臨床影響が大きい。
説明自動監査ツールの文脈感受性：監査AIに与える背景資料で結果が変わる
要約本論文はPetriツールを用いてLLMコーディングエージェントを監査し、外部コードベースとベンチマーク記録という二種類の資料を監査用LLMに与えた場合の効果を検証した。四つの監査者・対象モデルの組み合わせと三つの振る舞い（有害な従順、報酬ハッキング、おべっか）を対象とした。外部コードベースは一部の組み合わせで報酬ハッキングを抑制し、ベンチマーク記録は報酬ハッキングのスコアを四組すべてで引き上げた。その他の振る舞いでは一貫した効果は見られず、測定結果は設定に強く左右されるため慎重な予備試験が重要だと結論づけている。
説明ConDenseDrive：エンドツーエンド自動運転向けの知識高密度・トークン疎な視覚エンコーダ
要約本論文は、エンドツーエンド自動運転のための視覚エンコーダ ConDenseDrive を提案します。三つの視覚基盤モデルから視覚・意味・幾何の知識を蒸留し、複数フレームの時空間情報をレジスタトークンに統合して計画に用います。さらにレジスタ誘導のトークン圧縮で冗長な計算を減らし、推論を2.0倍高速化しつつ計画性能を向上させています。NAVSIM v1で94.5 PDMS、NAVSIM v2で90.8 EPDMS、HUGSIMのゼロショット評価で37.4 HD-Scoreを達成したと報告されています。
説明自動運転における非同期的な知覚のずれの分析：カメラとLiDARが食い違うとき
要約本論文は、各真値物体をどのモダリティが検出したかを記録し、nuScenes、KITTI、Waymoにまたがる約40万物体のデータベースを分析しています。距離によってモダリティの信頼度が変化することを、空間分層特徴帰属（SSFA）という手法で明らかにしています。さらに、構築したモダリティ信頼性マップを軽量なアテンション層により四つの事前学習済み融合検出器に組み込み、最大1.3 mAPの改善を、パラメータの4%未満の微調整で実現しています。
説明不確実性下の意思決定のための、モジュール式でスケーラブルなニューラルベイジアンネットワーク
要約本論文はニューラルベイジアンネットワーク（NBN）を提案する。グラフ構造と分解はベイジアンネットワークのまま維持し、各条件付き分布を微分可能なテンソル値の機構に置き換えるため、任意の学習可能な条件付き分布を表現できるとされる。著者らはPyTorchベースのNBNライブラリと公開ベンチマークも公開した。論文では、大規模なネットワークや大量のクエリではGPU並列化により約2桁高速になると報告している。
説明観察か、共有か、予測か：具現化マルチエージェント協調におけるパートナー情報の分離
要約本論文は、Habitat ベースの PARTNR ベンチマークを用い、大規模言語モデルを具現化エージェントの上位制御器として使う際に、対話なしで協調的推論を支えられるかを検討しています。個別の知覚に限定した条件で、パートナーの状態の観察、物体知識の交換、パートナーの次の行動の予測という三種類の情報の効果を比較しています。結果として、パートナー状態の観察は主にタスクの質を高め、物体知識の交換は主に実行効率を改善し、次行動の予測は多くの場合に成功率を下げたと報告されています。
説明重心ガイダンス：基盤画像編集モデルを連続的な感情コントローラーへ
要約本論文は、学習不要の枠組み「重心ガイダンス（Barycentric Guidance）」を提案し、事前学習済みの基盤画像編集モデルを、価数・覚醒度（VA）空間で連続的に制御できる感情コントローラーに変えます。微調整、追加データ、モデル変更は不要です。任意のVA点を単体（シンプレックス）上の重みに写像し、3つの顔データセットで最強のベースラインと比べ、VA目標の精度、VA平面の被覆範囲、表現の多様性を改善したと報告されています。人間の顔以外の動物、美術作品、複雑な場面にも適用できるとしています。
説明疎なデータからのAI支援による腫瘍増殖則の発見：再フィッティングと大規模言語モデルによるランキング
要約本研究は、疎でノイズを含む観測から腫瘍増殖則を推定するため、記号回帰、数学的許容性の検証、係数の再フィッティング、大規模言語モデル（LLM）によるランキングを組み合わせたAI支援のワークフローを検討しています。合成されたGompertzデータでは、高密度でノイズのない条件では生成元の法則が復元される一方、疎でノイズのあるサンプリングでは別の形式が選ばれることがよくあります。物理情報ニューラルネットワークによる再フィッティングは増殖則の誤差を増やすことが多く、古典的な非線形最小二乗法は通常それを減らします。アーカイブされたLLMランキングの探索的分析では、訓練誤差による選択に対する一貫した改善は見られず、数学的推論の誤りも確認されました。したがって、妥当な飽和形状、正確な軌跡フィット、説得力のある説明があっても、誤った増殖則が含まれうることが示されています。
説明FORGE：スパースMoE推論のための手続き的重み生成（専門家の重みを必要時に生成し、メモリ負荷を減らす研究）
要約本論文は、スパース混合専門家（MoE）モデルの推論で、各専門家の重みをHBMから読み込む代わりに、各ストリーミングマルチプロセッサ内の小型アクセラレータが投影ごとに約O(log²d)個の回転パラメータから重みをその場で生成するFORGEを提案しています。30%のMoE前段層を置き換えた場合、推定でシステムスループットが1.3～2.8倍、ユーザーあたりの復号遅延が1.10～1.15倍改善しますが、下流タスクの精度は置き換えなしのモデルより低く、置き換え比率がこのトレードオフを制御します。
説明回答可能性としての透明性：役割に応じた情報フローのモデル化
要約本論文は、透明性を利害関係者とシステムの間の関係として捉え、その利害関係者の正当な問いがシステムの構造から答えられるかどうかで透明性を定義することを提案しています。情報フローネットワークを用いてこの考えを形式化し、ネットワーク構造、組織間の境界、役割に応じたアクセス可能な部分ネットワークという三つの観点から分析する枠組みを示します。公共部門の自治体によるAI採用ツールの導入前評価を事例に、参加型設計とインタビューによる決策システムのモデル化を通じて、その適用を実証しています。
説明対称性発見のための演算子学習：リー群から局所対称幾何へ
要約本論文は、関数ごとに対称性を個別に推定するのではなく、有限観測から関数族とその対称構造の写像を学習できるかを検討しています。大域的なリー群対称については表現論的な母集団上の特徴づけを与え、逆対称演算子が座標変換のもとで等変であることを示しています。SO(5)のベンチマークでは、償却された等変推定により疎な観測からの対称性復元が改善され、局所対称への拡張ではフロベニウスの定理に基づく局所積分部分多様体が扱われています。
説明許容可能な不整合：整合の最大化から許容される不整合の条件へ
要約本論文は、オープンエンドに学習する自律ロボットにおける価値整合問題を扱います。著者らは、完全な整合は理論的にも実践的にも不可能であり、不整合の事例は今後も起こり続けると主張します。そのうえで「許容可能な不整合」という概念を導入し、不整合を許容可能な水準にするための整合メカニズムの規範的要件と、それを満たす方法論的枠組みを提示しています。
説明EviStress：テキスト説明付きで汎化可能な顔偽造検出のための証拠ストレス学習
要約本論文は、Web上で広がる顔の偽造コンテンツを識別する課題に取り組み、二段階のフレームワークEviStressを提案しています。第一段階では、モデルが強く依存する視覚的証拠に対して、証拠指向のパッチ摂動と判別的変動保持を用いて学習時にストレスを与えます。第二段階では、調整したCLIPエンコーダをLLaVAのビジョン部に組み込み、多モーダル指示チューニングを行い、真偽の予測と文章による説明を出力します。未知のデータセット、手法、劣化条件での汎化とロバスト性の向上が報告されています。
説明電子カルテ基盤モデルの事前学習における系列構成の研究
要約本論文は、電子カルテ（EHR）基盤モデルの事前学習時に患者の診療経過系列をどう構成するかが、臨床予測の性能にどう影響するかを検討しています。一般的な全患者データの連結（グローバルストリーム）を基準に、患者ごとの系列の寄与を制御する代替手法を提案しています。MIMIC-IV v2.2 の4つのタスクで最良の手法は、マクロ AUROC、AUPRC、F1、バランス精度を改善し、F1 は相対で 9.3%、AUPRC は相対で 2.7% 向上しました。INSPIRE や eICU-CRD を含む他の評価設定でも同様の改善が見られたとしています。
説明CLIVO：クラスタベースの微分可能な指示データ混合と学習済み検証目標
要約本論文は、視覚言語モデル向けの指示データ選択手法 CLIVO を提案する。意味クラスタごとに学習比率を決め、統合したクラスタ専門家を混合案の評価代理として用い、プローブ性能と相関する検証目標を学習して、単一の逆伝播で全比率の勾配を得る。800万件のプールから10万件（約1.25%）を選んだ場合、四つの目標の平均スコアは全データの97.2%に達し、評価した最強の選択ベースラインを上回ったと報告している。
説明SpecGuardBench：コーディングエージェントは自然言語仕様から信頼できる検証ハーネスを構築できるか
要約本論文は、13の実在リポジトリから集めた291タスク、8種類の検証ロジックを含むベンチマーク SpecGuardBench を提案します。エージェントは自然言語仕様、リポジトリの文脈、参照実装をもとに、実行可能なチェックとテストシナリオからなる検証ハーネスを構築します。四つのエージェントのいずれも、タスクの63%を超えて仕様に忠実と評価されるハーネスを構築できませんでした。主な課題は、チェックを仕様に忠実に書くことにあり、エージェントは仕様ではなく参照実装を写す傾向があり、仕様上許される実装を誤って拒否します。
説明並列から逐次へ：小バッチノイズがMuonの単純性バイアスを回復させる
要約論文は、スペクトル降下法に基づく最適化手法Muonが全バッチ設定では特徴を並列に学習し、勾配流のように一つずつ学習しないことを指摘しています。確率的勾配ノイズによって逐次的な特徴学習が回復することを示し、深層線形モデルについて雑音付きスペクトル降下の有効連続力学を導出しています。低ランク行列再構成、Vision Transformer、大規模言語モデルでの実験がこの結論を支持しています。
説明Davinci-Tool：検証可能な実行環境でエージェントのツール利用教師データを拡張する研究
要約本論文は、30Bのツール利用モデル Davinci-Tool と、実行に基づく データセット Davinci-ToolData を提案し、環境の網羅性と結果検証を同時に拡張する手法を示します。2つのパイプラインにより、2,260 のツール名を含む 30,395 件の検証済み軌跡を構築しました。教師ありファインチューニングと直接選好最適化（DPO）で学習し、τ²-bench、BFCL v4 multi-turn、MCP-Atlas の3つのベンチマークで、総パラメータ数が約16分の1の Qwen3-Coder-480B-A35B-Instruct を上回ったと報告しています。
注目点検証可能な実行環境と結果に基づく選好最適化を提案し、3つのツール利用ベンチマークで大幅に向上、より小さなパラメータで大型モデルを上回る。
説明生成型報酬による資源の動的切替を備えた効率的な強化学習後訓練システム
要約本論文は、大規模言語モデルの強化学習後訓練において、方策のロールアウト、生成型報酬モデルによる評価、方策の訓練という役割の間でGPU資源を実行時の負荷に応じて動的に切り替える PivotRL を提案している。システムはグローバルパラメータストレージ上に構築され、切替を意識したスケジューラがシーケンスの移行を行い、プランナーが切替の効果と開銷を比較して時期と方法を決める。128 GPU のクラスタでの評価では、共置配置に比べエンドツーエンドのスループットが 1.81～2.05 倍、分離配置に比べ 1.50～1.95 倍向上し、強化学習の収束性も保たれたと報告されている。
説明「協働はより良いのか」：一般化の難しさを伴う人間と機械のスキル方策の性能理論
要約本論文は、人間と機械が組になって課題を行う際の性能理論を提示し、各スキルから得られる系統的部分と、組での観察によってのみ判明する残差部分を区別しています。ルーティング、重み付け、相互作用などの協働方式がどれだけの利得を得られるかを分析しています。公開された胸部X線研究（放射線科医227名）による検証では、医師とモデルの水準は近く、支援付き読影は両者の回答を単純平均した場合より低い結果となり、モデル単独の再較正が、実行可能な生の回答の組み合わせのいずれよりも優れていました。
説明Volpiano からピクセルへ：中世聖歌の光学式楽譜認識のための 3 万行超の正解データ
要約本論文は、Cantus Database の既存の Volpiano 転写を利用して、中世聖歌写本の画像と楽譜記号の対応データを 30,567 組作成しました。対象は 10 の資料から得た 11 の書き出し形式で、339 の詩節断片を含みます。CRNN をゼロから学習させたモデルは、3,086 行のテストデータで 9.6% の記号誤り率を達成しました。
説明GpFlash：ガウス過程の学習と予測を高速かつ省メモリで行うライブラリ
要約本論文は、高速な学習と事後分布の評価、最小限のメモリ使用、高次元問題へのスケーラビリティに重点を置いたガウス過程ライブラリ GpFlash を提案している。scikit-learn、GPy、GPflow、GPyTorch、SMT などの既存ライブラリと比較し、検討したすべてのケースで GpFlash はメモリ使用量が少なく、学習と事後評価が高速であったと報告されている。例えば、10 次元で 1 万個の訓練点を用いた場合、周辺対数尤度とその勾配の評価で、メモリは 9.6〜35 倍少なく、速度は 2.6〜54 倍速かった。
説明視覚モデルは子どもでは相補的な表現を捉え、成人では収束する
要約研究者は脳波（EEG）データを用い、8歳児、12歳児、成人の脳の視覚表現と各種AI視覚モデルの対応度を比較しました。画像と文章を対応づけたCLIPは子どもの段階ですでに脳との有意な対応を示し、視覚のみのモデルは発達後期に対応が強まりました。残差分析では両者が相補的な構造を持つことが示されました。対応の多くはカテゴリや動物性などの意味構造に由来し、低次の画像特性との対応は年齢を通じて弱いままでした。
説明ANCHOR：リポジトリに基づくエージェント型コーディングにおける制約遵守を評価するベンチマーク
要約本論文は、コーディングエージェントが修正範囲、作業順序、検証、ツール使用、報告といった開発者の制約を守れるかを評価するベンチマーク ANCHOR を提案しています。358件の多言語リポジトリタスクを用い、コード差分と実行軌跡を規則ベースおよびLLMによる判定で評価します。最も高性能な構成でも原子制約の遵守率は70.1%、関係制約の遵守率は63.7%で、厳格な基準で全項目を満たしたタスクは19.0%にとどまりました。
説明大規模言語モデルを用いた低コストな動画データセット構築
要約本論文は、動画をダウンロードする前に、大規模言語モデル（LLM）でメタデータを基に事前スクリーニングを行い、保存・時間・アノテーションのコストを抑える手法を提案しています。四名の独立したアノテーターによる多数決を基準にLLMを評価し、Gwet's AC1でアノテーション間の一致度も検証しています。さらに、二つのキーワードベースの非LLM手法と比較し、既存手法とのコストも比較しています。
説明動径テール修復：拡散モデルとフローモデルの学習後補正手法
要約拡散モデルやフローマッチングモデルは、特に裾の重いデータにおいて分布の裾を正確に表現するのが難しい場合があります。本論文は、再学習もサンプリング過程の変更も行わず、凍結したモデルに適用できる軽量な学習後補正法を提案します。多変量の重い裾の動径-角度分解を利用して方向構造を保持し、動径方向の裾のみを補正します。合成の重い裾分布および実際の気象・山火事データの実験では、少数の適合サンプルで極端な裾の被覆が大きく改善されたと報告されています。
説明姿勢不変の顔認識と顔ランドマーク位置推定のためのマルチタスク深層学習フレームワーク
要約本論文は、大きな顔の向きの変化に対応しつつ、顔の個人識別と顔ランドマークの位置推定を一つのネットワークで同時に行う多タスク深層学習フレームワークを提案しています。著者らは、CPLFWデータセットに個人ラベルと5点のランドマーク注釈を付与して多タスク学習用に改変しました。検証データでの認識精度は81.58%、ランドマーク推定の平均二乗誤差は96.38と報告されています。
説明有限な学習予算下での特徴量正規化：希少特徴をいつ標準化すべきか
要約本論文は、観測数に上限がある条件で、希少特徴を標準化する場合と標準化しない場合とで確率的勾配降下法が希少部分集団で達成しうる最小リスクを調べます。二つの独立した二値特徴の設定で、有病率が0に近づくときの両手法の最適リスクの式を導き、有限の有病率に対する境界で両者を比較します。受控実験では、観測の再利用、推定された前処理、切片の当てはめがあっても両順序が維持されることを示し、学習後に予測器を選ぶと順序が逆転しうることも指摘しています。
説明多目標バンディットにおける少数選択による多数目的の最良アーム同定
要約本論文は、多数の目的に対して少数の選択肢（アーム）しか配備できない場合に、ノイズのあるフィードバックから性能を学習する問題を扱います。目的ごとの最適値からの重み付き劣化の最悪値を最小化する小さなアーム集合を求める「少数対多数の最良アーム同定」を提案しています。アルゴリズムGFM-ElimとAFM-Elimを提示し、インスタンス依存のサンプル複雑度保証を与えています。ガウス報酬の潜在グループ設定では下界を導出し、実験で目的間の観測共有により採取コストが大幅に減ることを示しています。
説明拡散言語モデルのインコンテキスト学習におけるラベル崩壊
要約本論文は、大規模言語モデルのインコンテキスト学習で起こる失敗パターン、すなわちモデルがクエリに依存しないラベルを生成する「ラベル崩壊」を検討しています。8〜9B規模の自己回帰型と離散拡散型の計5モデルで、クラスバランスの取れた交互配置でも崩壊が見られたと報告しています。精度だけでは検出できないため、クエリ位置における2つのラベル語の対数オッズを補助的な診断指標として提案しています。
説明同じ操作、異なる許可：ガードレールは認可を正しく尊重するかの評価
要約言語モデルのエージェントがユーザーに代わってコード作成や送金、記録変更を行う中で、ある操作が認可されているかを判断することが重要な安全課題になっています。本論文は、同じ操作について認可の証拠の有無で判定を比較するベンチマーク \bench{} を提案します。専門家が注釈した自然言語シナリオ、実際に実行・検証された操作、外部から収集したネイティブポリシーの要求を含みます。実験では、ブロックされた操作の多くは正しい拒否ではなく審査の失敗によるものであることが示されました。出力形式を修正すると使える判定は回復しますが、許可される認可要求が変わります。また、二人目の審査者を加えると一部の誤りは減りますが、有効な認可も拒否されます。
説明構文言語モデルの大規模な実証研究：スケールアップ後の体系的比較
要約構文言語モデル（SLM、構文木構造と文を同時に生成するモデル）について、最大10億パラメータ、1000億トークンの規模で12種類の制御された構成（基準1つと11のSLM変種）を大規模に比較した研究です。11の下流タスクと2つの構文ベンチマークで評価されました。標準的な因果的注意機構を用いたSLMは、構造マスクを用いた変種と同等以上の性能を示し、アーキテクチャの変更は不要でFlashAttentionにも対応します。一方、10億パラメータ規模では、最良のSLM変種が計算量を揃えた非構造的ベースラインに対して明確な優位性を示さなくなりました。
説明共有表現のベル境界：マルチタスク学習で表現容量が複数タスクを支えきれなくなる条件
要約本論文はベルの定理を用い、マルチタスク学習で共有表現が複数タスクを同時に支えられなくなる条件を検討する。4つの二値タスク結果が共通の共有表現で表せるなら、その相関はCHSH限界|S|≤2を満たすと示している。受控モデルNCnetを提案し、表現容量が制限されると|S|>2となり、容量が増えると超過は消えて|S|が限界内に戻ることを実験で示す。CNN、PLM、LLMでも同様の傾向が見られ、これを「ベル境界」と呼び、表現のボトルネックを測る指標としている。
説明平均精度は公開判断の指標として不適切であることを示す論文
要約論文は、モデル公開の判断に必要なのは学習レシピを次に再実行したときの壊滅的な失敗リスクであり、標準的なベンチマークが報告する過去シードの平均精度ではないと指摘しています。著者らは11の言語モデルにわたる2,124個の微調整済みモデルを監査し、平均精度に基づく公開では48.0%の割合で10%の展開失敗予算を超えると示しました。提案手法は「レシピカード」で、正確な有限標本二項境界を用いて再実行の尾部失敗率を直接認証し、最小22サンプルを要求します。
説明DTA-GT：ニューラルネットワーク表現学習のための方向・トポロジー認識グラフTransformer
要約本論文は、ニューラルアーキテクチャ探索における性能予測を扱います。ニューラルアーキテクチャは演算ラベル付きの有向非巡回グラフであり、辺の向きが計算の流れを表しますが、既存の予測器は向きを局所的な構造の手がかりとして扱うことが多いと指摘しています。著者らはDTA-GTを提案し、ノード初期化からスペクトル符号化、成対相互作用、特徴更新に至るまで方向の一貫性を保ちます。NAS-Bench-101およびNAS-Bench-201で、精度と遅延の予測において代表的な手法を上回ったと報告しています。
説明統計的スケーリングによるシミュレーションベース推論のサンプルサイズ外挿
要約本論文は、シミュレーションベース推論（SBI）において、学習時に使った範囲外の大きなデータセットで神経事後推定器の精度が落ちる問題を扱い、統計的中心と明示的な収縮率を組み合わせた中心推定NPE（CE-NPE）を提案している。六つの規則的ベンチマークでは、試験したすべての償却推定器の中で、訓練サイズ最大値の5倍までの各範囲外サイズにおいて参照事後分布との一致が最良で、再学習は不要だとされている。
説明多目標 f-ダイバージェンス最適化のための校正付き α-重心法
要約1つの分布を多数の目標に合わせる際に、すべての目標を繰り返し評価する必要がある問題を扱います。CAL-α-MODM は非線形予測器を1つの重心にまとめ、その残差導数を校正し、各ステップを元の f-ダイバージェンス目標で検証します。平滑性の仮定の下で、校正はパラメータステップのモデル誤差を制御し、目標がモデルに近いことを必要としません。厳密オラクルの下での定常性と局所収束の保証が示されています。300目標の Jensen–Shannon 問題では、CAL-p2 が L-BFGS に対して中央値で3.15倍、二次の Direct-TR に対して1.10倍の高速化を達成しました。
説明段階的な深さ拡張：自己教師ありビジョン・トランスフォーマーの効率的な事前学習
要約本論文は、マスクドオートエンコーダ（MAE）とDINOv3という自己教師ありビジョン・トランスフォーマーの学習において、浅いモデルから層を段階的に追加する手法を検証したものです。下游の大域的・密な視覚タスク性能、中間層の表現、内部の注意パターンへの影響を分析しています。その結果、学習のFLOPsを13.9～24.8%削減しつつ性能が向上し、ImageNetの線形プローブ精度は最大3.36ポイント上昇したと報告しています。
説明ERA5大気場から西アフリカのIMERG降水への日降水統計的ダウンスケーリング研究
要約本論文は、粗い解像度のERA5日次大気場を、より細かいIMERG衛星降水量へダウンスケーリングするためにU-Net系ニューラルネットワークを用いています。対象は西アフリカで、2000年から2024年の6月から10月までの季節を扱っています。入力には複数の気圧面におけるジオポテンシャル、気温、湿度、風に加え、標高と陸域比率を用いています。確定的ネットワークは乾燥傾向が強く、数百キロメートル以下のスケールで観測の分散をほぼ失うことが示され、代替としてGANに基づく手法が採用されています。また置換重要度の分析では、500 hPaの比湿が最も重要と順位付けされました。
説明クラウドソーシング集約手法の較正（キャリブレーション）に関する研究：予測確率の信頼性の分析
要約本論文は、クラウドソーシングにおけるラベル集約手法が出力する確率の較正（calibration）を初めて理論・実験の両面から検討しています。多数決は自信が不足しがちで、Dawid--Skene、GLAD、CrowdFMなどのモデルベースの集約器は過剰に自信を持つ傾向が見られました。データ生成モデルの下ではベイズ集約器は完全に較正されていることが示されています。さらに、集約器の出力を互いに組み合わせてから温度スケーリングを行う後処理手法が提案され、アノテーション数が多い場合に較正を改善し、精度も概ね維持または向上させるとされています。
注目点クラウドソーシング集約の校正を初めて体系的に扱い、ベイズ集約器の完全校正を証明し、39の人間データセットとLLM群で検証している。
説明Carve VFM：汎用ビジョン基盤モデルから用途特化の軽量モデルを切り出す手法
要約本論文は、ビジョン基盤モデル（VFM）を構造化剪定で圧縮する手法Carve VFMを提案しています。与えられた校正データと パラメータ予算のもとで、層ごとの容量配分の探索と、削除された振る舞いを閉形式の低ランク補正で再構成することを同時に行います。バックボーンの再学習は不要とされ、論文では複数のベンチマークで高い平均精度と、非圧縮モデルより1.3〜2.0倍高いGPUスループットが報告されています。
説明DASS：記号回帰のための、さまざまなソルバーに適応可能な動的補助探索戦略
要約記号回帰は、データから解釈可能な数式を発見することを目的としますが、探索空間が非常に大きく、精度と効率のバランスを取ることが困難です。本論文は、高い潜在力を持つ基底関数項で張られる補助探索部分空間を構築・更新し、下流のソルバーに信頼性の高い探索指針を与える DASS を提案します。ソルバーが生成した良好な解を用いて部分空間を修正する閉ループ最適化を行います。LLM-SRBench での実験では、実行時間の増加を抑えつつ、既存ソルバーの精度を大きく向上させたと報告されています。
説明X-Ragent：ツール拡張強化学習による根拠に基づく胸部X線推論
要約本論文は、胸部X線写真の読影を行うX-Ragentフレームワークを提案します。モデルは強化学習により補助的な根拠を必要とする場面を学習し、有効な定量測定値のみを診断推論に取り込みます。7.7Kサンプルの Rad-CoT コーパスを構築し、3つの胸部X線ベンチマークで最高水準の結果を示し、完全に保留されたChestAgentBenchでは8.6ポイントの向上を達成しました。
説明音声の人気予測：音楽と効果音におけるメタデータと音響特徴の比較研究
要約本論文は、オンライン共有プラットフォーム上で音声の人気度を、メタデータと音響特徴の両方を用いて予測する方法を検討している。音楽と効果音の二種類を対象とし、ダウンロード数と平均ユーザー評価を目標変数とする教師あり分類問題として定式化している。ランダムフォレスト、XGBoost、ニューラルネットワークなど複数の機械学習モデルを比較した結果、メタデータが最も有用な情報を提供する一方、音響特徴のみでもチャンスレベルを有意に上回る性能を示した。
説明繰り返し測定が表形式基盤モデルを損なう場合
要約本論文は、同一入力に対する繰り返し測定が表形式基盤モデル（TFM）にどう影響するかを検証しています。6つのモデルでの合成・半合成実験により、追加測定は測定済みの入力での予測を改善しても、他の箇所では悪化させうることが示されました。低ノイズで損害が最も頻繁に起こり、無関係な特徴量が一部モデルでそれを増幅します。また、TabPFN-v3の注意機構の行数依存が要因の一つであり、カウントをリセットすると歪みが大きく緩和されることが報告されています。
注目点表形式基盤モデルでは反復測定が性能を損なうことを示し、IID規則の不一致と注意機構の行数依存という原因を六モデルと複数データで検証している。
説明思考連鎖を用いれば1層Transformerが文脈内K近傍予測を学習できることの証明
要約本論文は、思考連鎖（CoT）が1層Transformerに文脈内のK近傍（K-NN）予測を可能にする仕組みを理論的に分析します。既存研究は1-NNのみを扱えており、softmax注意機構は第2からK番目の近傍に注目するのが難しいことを示した上で、奇数K>1について厳密な否定的結果を与えています。さらに、思考連鎖でK-NNを解く明示的な1層構成を示し、特定の学習設定では勾配降下法がその構成を回復できることを証明しています。
説明TPPO：言語モデル推論のための追跡価値型PPO
要約本論文は、疎な終端報酬のもとで標準的な価値モデルが軌道上の価値変化を追跡しにくいという問題に対し、TPPO（Tracking-Value PPO）を提案しています。接頭辞の価値の変化を対数オッズ空間での加法的更新としてモデル化し、位置ごとのスカラー出力を合計して価値を構成します。数学推論のベンチマークで PPO を上回り、複数のモデルやタスクで改善が見られたと報告されています。
注目点対数オッズ空間の加法更新に基づく累積価値パラメータ化を提案し、PPOの価値追跡を改善。複数モデル・タスクの実験が裏付け、RLVR分野に有用。
説明ViewStruct：視点基準の関節・連結構造推定
要約本論文は、部品セグメンテーションと深度を伴うRGB画像から、物体やシーンの剛体のグループ化、接続関係、関節パラメータを同時に予測するフレームワーク ViewStruct を提案しています。重力に整列した視点相対の座標系で関節形状を表現し、事前学習済みの視覚言語モデルを適用して、関節運動の観測や個別最適化なしに数秒で構造を予測します。実験では評価された基準手法より構造予測が向上し、合成データのみで学習したにもかかわらず、未知のカテゴリ、アセット源、実世界の人間の相互作用動画への転移が示されています。シミュレーションでのマニピュレーション実験では、予測された関節がロボットの動作軌道生成に有用であることも示されています。
説明頻繁方向法によるスケッチを用いた効率的な前処理付き最適化手法
要約適応的最適化手法は高い性能を示す一方、前処理行列の保持が大規模応用では計算負荷となります。本論文は行列スケッチ手法である頻繁方向法（FD）を用いて前処理付き最適化を高速化し、既存結果より厳しい後悔境界をもつFTSLを提案します。さらに行列変数向けのFTSL-Shampooとその片側版を導き、計算コストを下げました。オフラインの確率的凸最適化への拡張と、多様なタスクでの実験による有効性の確認も行っています。
説明InfoVis：スライド画像の統一生成・編集モデル
要約本論文は、スライドに関する四つのタスクを定義し、約1,300万件の継続事前学習データと190万件の教師ありファインチューニングデータを作る大規模データ基盤を構築しました。また、1,527件の手作業で選別したインスタンスからなるベンチマークVisSlideBenchを公開し、9B規模の統一モデルInfoVisを学習させています。VisSlideBenchでは、InfoVisが評価した全てのオープンソースモデルの11指標すべてで首位となり、総合スコアは7.94で、Nano-Banana-2の7.99に次ぐ水準です。
注目点四つのスライドタスクを定式化し大規模データと評価基準を構築、生成と編集を統合。既存研究を実質的に拡張し、人手評価との照合も行っている。
説明LIBERO-Industry：工業プロセス制約下でのロボット操作を評価するベンチマーク
要約本論文は、LIBEROを基に構築したロボット操作ベンチマーク「LIBERO-Industry」を提案します。高混合・小ロット電子部品組立などの工業プロセス制約（製品バリエーション、移動する材料流、有限の作業時間窓、幾何公差など）を、制御可能なタスク条件と測定可能な成功基準に変換しています。静的から動的への投入、動的から静的への取り出し、動的から動的への移送の3シナリオ、計216タスクで構成されます。五つの汎用ロボットポリシーを用いた実験では、工業制約を導入し組み合わせるほど性能が段階的に低下することが示されました。
説明ベーテ仮説に基づく初期トークン相関の源：並列提案のための周辺保存型構成
要約本論文は周期XXZスピン鎖から座標ベーテ仮説（Bethe ansatz）による確率則を構成し、同じ一点・二点モーメントをもつ最大エントロピーの二体射影と比較する。8サイト・3励起の副空間では、完全な確率則の差は連続する3サイトのモーメントδで決まる一次元量となり、Δ=(3+√3)/2で正確に消えることが示される。また二つの読み出し方式による距離も示され、推測的な受理接頭辞の優位性が厳密に証明される。著者は、これらは有限の法則の存在に関する結果であり、言語モデルや実時間での実測された利得ではないと明記している。
説明Game-Creation-Agents：自律的なゲーム制作
要約本論文は、自然言語の要求から実行可能な Phaser 4 のブラウザゲームを自動生成する Game-Creation-Agents（GCA）を提案しています。まずマルチモーダルなゲーム設計文書を作成し、それをもとに実装の骨組みやテストを生成します。八つの専門エージェントがシーン実装と素材制作を分担し、ビルド後に実際の UI 検査とコードを見ない評価役が出荷可否を判定します。評価では、比較対象の公開パイプラインより要件充足度や視覚面などで高く、人間による比較調査でも GCA のゲームが高く評価されました。
説明地理空間ベクトル幾何を視覚言語モデルのネイティブな空間モダリティとして用いる研究
要約大規模な地理スケールでは視覚情報が限られるため、視覚言語モデル（VLM）が正確な空間参照や空間関係を得にくいと指摘しています。著者らはベクトル幾何を内部の明示的な空間基盤とするGeoVec-VLMを提案し、視覚・言語情報と幾何を相互作用させる手法を導入しています。五つの空間推論タスクで平均精度が最強のベースラインより約11%向上し、地理的な転移でも利点を維持し、幾何的一貫性も高いと報告しています。
説明関係学習を世界モデリングとして捉える：実行履歴から関係システムの動態を推定する
要約本論文は、TabWM（表形式世界モデル）と、事前学習用の実行可能な関係世界を生成するWorldRelを提案している。未知のシステムで観測された実行履歴を文脈として与えると、パラメータを更新せずに、新しい行動が引き起こす疎な構造化編集を予測できる。512の未見の世界で、観測実行がない場合は完全編集F1が0.016だったのに対し、64件の観測がある場合は0.685に向上した。予測は明示的な関係編集なので、候補となる未来を再帰的に生成し、行動を比較することができる。
説明複数の検出器の混合による相補的キーポイント検出の研究
要約本論文は、密なマッチングパイプラインにおけるキーポイント検出のための「Mixture of Detectors（MoD）」フレームワークを提案しています。まず異種の検出器を一つの統一モデルに蒸留し、軽量なルーターが画像の局所パッチごとに最適な検出器を選択します。ルーターは下流のマッチング品質に基づく報酬で学習され、MegaDepth、ScanNet、HPatches の各データセットで、さまざまなキーポイント数の条件下で強力なベースラインを上回ると報告されています。
説明部分生成によりプロンプトの有害性と対話の安全性を分離する研究
要約多くのLLM用ガードレールはプロンプトだけを判定して拒否するため、安全な回答が得られた可能性のある質問まで断ってしまうと指摘しています。著者らはLlama、Gemma、Qwenの3系統7つのオープンウェイトモデルで41,944組のプロンプトと応答のデータセットを構築しました。その結果、プロンプトの標準とは一致率が50.46%（Cohen's κ = 0.06）にとどまり、部分的な応答からでも全体の有害性をよく予測できることが示されています（最良のAUPRCは0.885、F1は0.807）。
説明画像トークナイザは画像の間で学習すべきである
要約潜在拡散モデルは、画像トークナイザの符号からデコーダで画像を復元して画像を生成します。本論文は、生成される符号が学習データの符号の間に位置することが多く、その中間領域を十分に扱えないためデコード画像に欠陥が生じると指摘します。提案手法InterpTokはMAETokを微調整し、二つの画像符号の混合を自然な画像にデコードさせます。判別器と混合比率損失により不自然な解への崩壊を防ぎ、再構成品質を保ちながら補間品質と生成FIDを改善したと報告しています。
説明プラットフォームは測定の一部か？——機械ラベル付け政策センチメントのクロスプラットフォーム等価性に関するプロトコルとシミュレーション研究
要約本論文は、SNS各プラットフォームで機械ラベル付けされた感情スコアを比較する際、分類器が全プラットフォームで同じ概念を同じ尺度で測っているという前提が十分検証されていないと指摘する。心理測定学の等価性の手法を応用し、六段階の検証プロトコルを提示した。已知の真値を用いたシミュレーションでは、プラットフォームの差を補正しない集計指数は、全体の感情の向きを約4分の1の日で誤って示す一方、補正した指数の誤りは平均して60日に1日未満だった。英国の経済政策コメントを用いた事例も紹介され、四プラットフォームによる本格的な研究は今後の課題とされている。
説明多言語の「人工ハイブマインド」：LLMはどの言語でも似た考え方をするのか？
要約本論文は、大規模言語モデル（LLM）が生成するテキストの多様性が、英語以外の言語でも同様に限られるかを検討しています。23のオープンウェイトモデルと13言語を対象に分析した結果、同質化現象は広く見られるものの、その程度には偏りがあることがわかりました。同一モデル内での同質化は、3つの埋め込み空間や埋め込みモデルを使わない語彙指標でも確認されています。同質化の差は、保留された翻訳ベンチマークで測った言語能力と関連しており、多言語LLMには性能と多様性のトレードオフが存在すると示しています。
説明NFMap：可逆正規化フローを用いた二次元位相的多様体学習手法
要約本論文は、二次元可視化のための次元削減手法NFMapを提案します。生成的位相写像（GTM）を拡張し、潜在空間からデータ空間への写像を、可逆な正規化フローで構成しています。地図上の任意の位置を元のデータ空間へ戻すことができ、大規模データでの地図の混雑を軽減するため裾の重いStudent-t混合成分にも対応します。残差の尺度が局所的な近傍の忠実度と大域的な距離の忠実度の主要な調整要素であると述べています。
説明「The Midas Touch for Metric Depth」：解釈可能な計量化による汎化可能な深度知覚手法
要約単眼の相対深度推定の基盤モデルは汎化性能を大きく向上させましたが、スケールの曖昧さや局所的な計量スケールの不整合のため、そこから正確な計量深度を得ることは依然困難です。本研究は前作 MTD を発展させた MTDv2 を提案し、明示的な深度計量化とデータ駆動型の計量深度補正を組み合わせた混合フレームワークを構成しています。区分ごとのアフィン変換で空間的に変化する計量スケールを復元し、その後画素単位で補正します。さらに単一経路の伝播を学習可能な多経路形式へ拡張しています。16の公開データセットでの実験により、スケール復元の頑健性と汎化性が示されています。
説明アテンションシンク形成前の隠れ状態の幾何構造が、その形成を明らかにし調整する
要約本論文は、大規模言語モデルにおける「アテンションシンク（attention sinks）」が形成される前に、隠れ状態に測定可能な変化が現れるかを検討する。同一モデル・同一層で異なるプロンプトを比較した結果、シンク形成の約2〜3層前の短い区間で、隠れ状態の単純なスペクトル指標が現在のアテンションを超える情報を与えることが示された。さらに、層後の隠れ状態の特異値のみを変更すると、Qwen2.5、GLM-Z1、GPT-OSSでその後のシンクの挙動が変化し、ノルムを揃えたランダムなスペクトル摂動と比較して効果が確認された。
説明FoveaTree：ビデオ大規模言語モデルのためのクエリ誘導型視覚トークン剪定手法
要約ビデオ大規模言語モデルは各フレームを数百の視覚トークンに符号化するため、推論コストが高くなります。本論文では、学習不要の二段階視覚トークン剪定フレームワークFoveaTreeを提案します。まず合併利得密度推定により四分木由来の密度マップを作成し、トークンの破棄・統合・保持を導きます。次に中間層で生き残った単位と木構造を用いてテキストから視覚への注意を精緻化します。InternVL3.5-8BとQwen3-VL-8Bで、五つのビデオ質問応答ベンチマークと一つのキャプションベンチマークを、保持率50%、30%、10%で評価し、全体として高い性能を示しています。
説明CopyQuad：深度モデルなしで単一の側面視点動画から四足ロボットへ動作を移植する手法
要約CopyQuad は、キャリブレーションされていない側面視点の動画 1 本から、深度推定や clip ごとの 3D 再構成を使わずに四足ロボットの動作模倣を行う手法です。固定 2D キーポイント検出と解析的リターゲティングで到達可能な足先目標を生成し、位相に基づく一つの報酬構造で犬の歩行や馬の歩行・速歩などを学習して、実機にゼロショットで展開しています。省略した横方向の軸は、モーションキャプチャ上で現行の誤差より小さいと報告されています。
説明償却適応重要度サンプリング：同族の分布に使える軽量な適応型サンプラー
要約本論文は、軽量なニューラルネットワークがサンプリング中に得た情報をもとに提案分布を反復的に調整する、償却適応重要度サンプリングを提案している。同じ分布族に属する多数の目標分布で学習させることで、目標のパラメータを事前に知らなくても、サンプリング時に個々の目標へ適応できるとしている。同族内の目標では、目標ごとの償却サンプラーや学習不要の適応重要度サンプリングより改善が示され、学習時に含まれない族外の目標への一般化も検討されている。
説明衛星画像と機械学習による工業用建物屋根上の太陽光発電システムの時空間検出
要約本研究は、無償で公開されているSentinel-2多重分光衛星画像とOpenStreetMapの建物形状を組み合わせ、ランダムフォレストモデルで太陽光パネルのスペクトル特徴を識別し、工業用屋根の太陽光発電設備を監視する手法を提案しています。利用者が必要に応じて衛星観測を取得し、屋根上の設備の有無を確認できる対話型Webプロトタイプも開発されました。ツールは予測に十分な学習データがあるか、人手による確認が必要かを示す品質指標を備えています。著者らは、オープンソースの中解像度データがこの監視の空白を埋められると述べています。
説明VAttnPO：視覚注意を用いた方策最適化
要約本論文は、マルチモーダル強化学習で回答全体に同一のアドバンテージを割り当てる従来手法では、生成トークンごとの視覚的根拠の利用の変化が捉えられない問題を扱います。提案手法VAttnPOは、凍結した旧方策が正解を与えた条件下で得る視覚注意分布を用い、Jensen–Shannon ダイバージェンスで各トークンとの一致度を測り、GRPOの系列アドバンテージを位置を考慮して補正します。Qwen3-VL-8B-Instructでは、6課題の画像AVEがGRPOの70.97から73.50に向上し、他の指標でもGRPOを上回りました。Qwen2.5-VL-7B-InstructおよびInternVL3-8B-Instructでも同様の改善が見られます。
説明PathPilot：全スライド画像解析のための、質問に応じて倍率を適応的に切り替える多倍率ナビゲーションエージェント
要約本論文は、全スライド病理画像（WSI）解析向けの多倍率ナビゲーションエージェント「PathPilot（パスパイロット）」を提案しています。病理医が複数の倍率を行き来しながら観察する過程を模倣する設計です。CrossMagLoc（倍率横断的局在化）モジュールは診断上重要な領域を特定して探索の出発点を決め、EviRegionSearch（証拠領域探索）モジュールはそこから質問に関連する証拠を蓄積し、次の移動を適応的に決定します。5つのコホートでの質問応答評価において、比較対象のSOTA手法を上回ったと報告されています。
説明キュー認識型トークン通信：AI表現と無線サービスの接続
要約本論文は、トークン生成と時変する無線サービス能力の不一致から生じる待ち行列の影響を考慮するため、トークンキューをAIサービスの流れに組み込んだキュー認識型トークン通信（Queue-Aware TokenCom）を提案している。AI表現生成、トークン負荷管理、無線伝送、下流のタスク推論を統合したエンドツーエンドのアーキテクチャを示す。さらに、トークン予算を考慮した表現最適化とキュー認識型のサービス最適化を論じ、固定型と適応型の予算戦略を比較して、動的な無線環境におけるAI性能と通信効率のトレードオフを検討している。
説明実行トレースからアーキテクチャへ：ハーネス改修のための能力ボトルネック診断
要約本論文は、LLMエージェントの成功・失敗したタスクの実行トレースを用いて、ハーネスのどのコンポーネントをいつ変更すべきかを判断するフレームワーク、Trace-to-Architecture（T2A）を提案している。開発エージェントが失敗を診断して関連コンポーネントを修正し、対象タスクの改善と成功済みタスクの維持を検証する。ALFWorld、ScienceWorld、AppWorldにおいて、3つの評価対象エージェントすべてで総合スコアが最高となった。また、Meta-Harness に統合した場合、ScienceWorld の平均スコアが21.6点向上した。
説明『Lost in Contrast』：信頼できる視覚的質問応答のための指示保存型デコード
要約本論文は、視覚的対比デコードが回答を修正する際に、本来正しかった棄権（回答保留）を誤答に変えてしまう問題を指摘しています。著者らは、候補フィルタリングで比較前に棄権トークンが除外されること、また参照予測を差し引く際に棄権指示への参照分岐の応答が取り除かれることの二段階で棄権が失われると分析しました。そこで指示保存型デコード（IP-VCD と IP-M3ID）を提案し、VizWiz の九つのモデルすべてで、正答と適切な棄権の双方を評価する決定効用（DU）において比較対象の非 IP ベースラインを上回りました。Food-101 では IP-VCD が九つのうち八つのモデルで首位でした。
説明移動から学ぶ：GUIエージェントの次の一歩
要約本論文は、三組の対応する計六つのタスクからなるベンチマーク LatentGUIWorld を提案し、未知のGUI環境での探索と操作を評価します。移動操作とボタン操作を分離し中間の視覚フィードバックを示す MOVE 手法と、反復的な探索・操作のデモンストレーションを導入しています。SFT 後のLatentLearner-9Bは全体成功率50.0%、強化学習後はEgocentric DragとTen-Choiceで92.0%と75.3%に向上したと報告されています。
説明大規模言語モデルの「自己」はどこにあるのか：自己インデックスから自己参照へ
要約本論文は生物学に倣い、自分の内容と外部の内容を区別して処理に影響する「自己インデックス」と、自分が書いた内容を認識する「自己参照」という二つの階層を区別します。Qwen3.8-27Bを含む4系統8つのオープンウェイトモデルで、同じ文章をアシスタント、ユーザー、システムの各メッセージに置いて検証しています。二つの階層はモデルの規模とは無関係に入れ子になっており、自己参照は自己インデックスの上に成り立つと論じています。
注目点自己索引と自己参照の二層を区別し介入実験で検証した点は新しいが、対象モデルが限られ証拠は中程度。
説明蒸留の前に監査する：推論を小型医療言語モデルへ移す管理されたワークフロー
要約本論文は、教師モデルの推論過程がいつ小型モデルの医療系試験問題への回答を助けるのかを検討し、ブラジルポルトガル語の医学・多職種研修医試験の問題を用いています。著者らは、蒸留の前に推論内容を監査し、教師の解答を検証するワークフローを提案し、答えと推論を一つの学習目標にまとめるDistill-SFT手法を示しています。実験では、以前に誤答した問題で逐次的蒸留より若干優れ、破滅的忘却も軽減されたと報告されています。
説明注意グラフの曲率による数学的推論の検証
要約言語モデルの自然言語による解答は、まだ証明支援系で直接検証できません。推論の一つの誤りは以降のすべての段階を無効にするため、誤りを早く検出することが重要です。本研究は、注意重みから辺ごとに計算される局所量である、モデル注意グラフの有向Forman曲率が推論段階の正しさに関する情報を持つかを検討しています。ProcessBenchで、曲率を入力に加えた場合と加えない場合について、4つの段階別検証器を評価しました。曲率を加えると、4つすべての検証器の全体平均性能が向上し、段階のすべてのトークンを入力とするReProbeで改善が最も大きくなりました。また、言語モデルの順伝播の時間は平均18%増加しました。
説明H-Scoreによる、側情報と相補的な分散特徴抽出の汎用手法
要約本論文は、エッジノードが平均化した特徴を中心ノードへ送り、パラメータ推定を行う分散推定システムを扱います。著者らは関数空間を直交分解し、弱依存の条件下で標準依存核の条件付き加法成分のモード分解が、タスクに依存しない最適な特徴を与えることを示しています。この分解を学習するために分散型ネスト化H-Scoreを構築しています。特徴量の予算が限られる場合、最適なタスク専用特徴との平均二乗誤差の差は、タスクと破棄される最も情報量の少ないモードとの整合性のみで決まり、予算が十分であれば、任意の二乗可積分なタスクについて主要項で消えると述べています。
説明3D-VITAL：3次元再構成モデルの人工的持ち上げによる、可視性を考慮したクロスビュー物体再識別の学習手法
要約本論文は、空中と地上のように大きく異なる視点の間で同一物体を照合するクロスビュー物体再識別を扱います。単一視点の3次元メッシュ再構成で元画像をテクスチャ付きメッシュに変換し、新しい視点から描画した画像を学習データとして用います。再構成の失敗や、元画像に写っていない領域の幻覚テクスチャという問題に対し、2つの仕組みで対処し、3つのベンチマークで新たな最高性能を達成したと報告されています。
説明EHR-Bench：採用AI向けの中国語マルチタスクベンチマーク
要約本論文は、六つの能力ファミリーと五つの採用シナリオにまたがる十二のタスクからなる、オープンな中国語ベンチマークEHR-Benchを提案している。生成、抽出、分類、検索、意味的類似度、相互ランキングを一つの評価枠組みで扱い、8,336件のタスクインスタンスを構築した。十二のLLMをタスク別、能力別、総合の各観点で比較し、性能が入力元や参照根拠、候補プールによって変化することを示している。
説明高次元粒子アンサンブルにおける多項式・残差リサンプリングのスペクトルコスト：自由確率による解析
要約本論文は、粒子フィルタにおける一回のリサンプリングが粒子の二次モーメント行列のスペクトルに与える影響を、次元 d と粒子数 N の比が定数 c に収束する高次元の場合について研究している。任意の不偏なリサンプリング法では、リサンプリング後の経験二次モーメント行列が条件付き凸順序で元の行列を上回り、条件付き平均は保たれる。追加の二次スペクトルモーメントはリサンプリング摂動の Frobenius エネルギーに等しい。多項式リサンプリングと残差リサンプリングそれぞれについて計数分布の極限を導き、そこからスペクトルに関する厳密な結論を得ている。また、有効サンプルサイズでは極限スペクトルを決定できないことを示している。
説明EvoSpatial：経験に基づく技能とツールの進化による空間推論エージェント
要約本論文は、実行経験から学習し、関連する技能（スキル）とツールのライブラリを更新する空間推論エージェントの枠組み EvoSpatial を提案する。技能は手順、幾何学的仮定、検証ステップを記述し、ツールはそれらに必要な演算を実装する。20のベンチマークでの平均は63.9で、SpatialClaw の報告平均を4.0ポイント上回った。正解データやベンチマーク・スコアを使わずに更新が行われる。
説明反復観測された点過程パターンからの潜在強度の償却変分推論
要約本論文は、可変数の反復点過程パターンを共有潜在強度の分布に対応させる、再利用可能な推論規則をニューラルネットワークで学習する償却変分推論の枠組みを提案しています。学習は事象時刻と点過程尤度のみを用い、真の強度による教師は必要ありません。テスト時には順伝播一回で潜在分布を推論します。合成データでは観測の追加により強度の復元が改善し信用区間が狭まりました。自転車シェアリングのデータでは、比較手法の中で平均の保持データ対数尤度が最も高く、対数ガウス Cox 過程のベースラインより推論時間が大幅に短くなりました。
説明大規模言語モデル由来の自然言語プロンプトを用いたオープン語彙動画認識の再検討
要約本論文は、CLIPなどの視覚言語モデルを開放語彙の動画認識に適用する際の課題に取り組み、類別・動画・フレームの三つの観点からプロンプトの役割を検討するP2CLIPを提案しています。大規模言語モデルを用いて、汎用性と識別性を両立させたカテゴリープロンプトを生成し、意味の過度な一般化を抑えるとしています。また、フレームと動画の記述を生成して視覚とテキストの整合性を高め、ゼロショットおよびフューショット設定を含む複数のベンチマークで有効性を示したと述べています。
説明LoRA を識別可能にする：継続学習のための直交アライメント手法
要約本論文は、パラメータ効率的ファインチューニング（PEFT）を継続学習に適用する際の課題を扱います。既存手法はタスク数に比例してメモリが増えるか、単一の LoRA 内の表現整合が不十分でした。著者らは二段階の枠組み SOAR（Stiefel Optimization and Aligned Rotation）を提案し、A 行列を Stiefel 多様体上に制約し、直交 Procrustes 整列で B 行列の最適回転を推定し、ランクごとの保持型マージ戦略を組み合わせます。複数のモデルとベンチマークで、追加のメモリ負担なしに高い継続学習性能を示したと報告しています。
説明エージェント失敗の検出と帰属には構造的ベースラインが重要
要約ツールを使う LLM エージェントが、タスク未完了なのにエラーを出さずに静かに失敗する問題を扱う論文です。失敗の検出と、失敗が避けられなくなった決定的ステップの特定という二つの監視手法を比較しています。著者らは、実行の長さや「最後のステップ」といったモデルを使わない規則だけで高いスコアが得られるため、その基線を上回る利得で評価すべきだと論じています。
説明時間をまたぐ圧縮：分離性・定常性・容量の相互作用
要約本論文は、再帰型ニューラルネットワーク（LSTM）における時間方向の情報圧縮を調べ、多くのデータセットで最後の数タイムステップに顕著な圧縮が現れることを示しています。クラスの分離性、時間的定常性、ネットワーク容量という3つの相互作用する機構を提案し、制御された合成実験と実世界の系列タスクで検証しています。結果として、容量に余裕があれば正則化として有益となりうる一方、タスクに必要な記憶を消費する場合は汎化を損なうとしています。
説明RFWeave：シーンと送受信機構成をまたいで無線伝搬を学習する手法
要約本論文は、シーン、送受信機の位置、送受信機の構成をまたいで一般化できる学習型無線伝搬モデル RFWeave を提案しています。アンテナ素子ごとの可変長トークンと送受信アンテナ間の空間関係を用いて幾何構造を表現し、構成条件付きデコーダで空間スペクトルと受信電力を予測します。約 1 万の屋内シーンと 500 万件以上のチャネル記録で学習し、未知のシーンでは最強のベースラインに対して、空間スペクトルの構造類似度（SSIM）が最大 15.7%向上し、受信電力の平均絶対誤差（MAE）が最大 35.4%低減したと報告しています。
説明ホスト型決定モデルは無関係な選択肢を尊重するか？jev-1.13.0の選択肢集合依存性に関する事前登録型検証
要約本研究は、ホスト型決定モデル jev-1.13.0 について、事前登録された方法で意図分類とトピック分類の課題を検証し、299,463 回の呼び出しを行った。無関係な選択肢を加えると、正解と最有力な誤答の間の対数オッズが系統的にずれ、選択肢の数が増えるほどそのずれが大きくなることが示された。著者らは、その確率は計算に用いた選択肢リストとの相対的な値として読むべきだと結論づけている。
説明ラベルなしのガイダンス：結合ガウス混合からのフローマッチング
要約本論文は、フローマッチング生成モデルの学習方法を改良する研究です。従来のガウス分布の代わりに当てはめたガウス混合分布を出発点とし、エントロピー最適輸送によって各データ点を混合成分に結びつけます。著者らは、この手法が標準的なガウス源の問題に誘導（ガイダンス）に似た補正を加えたものに帰着するため、学習済みの速度場を再利用できることを示しています。CIFAR-10とCelebA-HQの公開チェックポイントでは、どのステップ数でもFIDが改善し、CelebA-HQでは約半分のステップ数でベースラインの品質に到達しました。
説明注意力とLayerNormによる計数：ノルムスケーリングと表現の幾何
要約本論文は、最大長Lまでの系列で単一の注意層が数を数える際のパラメータコストを調べ、softmax注意と層正規化が計数に用いる表現をどう形作るかを分析している。正確な計数に必要な学習可能ベクトルのノルム上界としてB_minを定義し、正規化の配置ごとに成長率を導いている。学習可能なゲインを持つ後正規化は、正規化なしのsoftmaxより小さいノルム（約L^{3/4}）で計数できることが示されている。
説明IND-Eval：産業用時系列基盤モデルの評価とシミュレーションの整合を図るベンチマーク
要約本論文は、ドメインごとの産業用時系列を、データ源ごとの予測タスクに分けて整理した公開ベンチマーク IND-Eval を提案しています。GIFT-Eval と比べて、より細かいサンプリング分解能と多変量予測を重視しています。Chronos-2、TiRex-2、TimesFM-3 を評価した結果、TimesFM-3 がデータ源ごとに均衡させた総合 nMASE と nCRPS が最も低くなりました。さらに、海洋油井の監視という二つの事例で、振動子で拡張したシミュレーション手法により汎用シミュレータの網羅性を改善し、対象ドメインの予測誤差を下げることを示しています。ただし GIFT-Eval の原生単変量サブセットでは性能が低下し、汎用版と拡張版を半々で混合した場合に誤差が最も小さく、失われた性能の大部分も回復したと報告しています。
説明SIREN：危機翻訳における緊急行動の実行可能性を評価する状況認識型指標
要約本論文は、機械翻訳が緊急メッセージの防護行動、指示の強さ、緊急性を保てているかを人手で評価するフレームワークSIRENを提案する。イタリア語・英語の誤り単位の評価では、ChatGPT-4oとGoogle翻訳の誤りのうち、それぞれ31.63%と48.73%が実行可能性を損ない、主に防護行動に影響していた。英語・フランス語のメッセージ単位の評価では、実行可能性が保たれた割合はそれぞれ85.34%と92.67%だった。あわせて、実行可能性の注釈と译後編集済みの参照訳を含む英仏データが公開されている。
説明疎なサンプルから非圧縮性三次元流れを学習する：発散なしカーネル当てはめのための集合トランスフォーマー手法
要約本論文は、疎でノイズが多く不規則にサンプリングされた三次元観測から発散なし速度場を再構成する、集合から場へのトランスフォーマー DFK-Former を提案しています。モデルは発散なしカーネル表現のパラメータを一度の順伝播で直接予測し、場ごとの反復最適化を必要としません。原文によれば、場ごとの発散なしカーネル最適化と比べて端点誤差は最大 4.6 倍改善し、場の再構成時間は 9.8 秒から 7.5 ミリ秒に短縮されました。
説明時間的非定常性のもとで展開可能な因果的アクション幾何の学習
要約本論文は、観測時系列から連続的な意思決定の応答則を学習する問題を扱います。時間とともに変化する基準値がプールされたモデルで動作効果と混同され、動作の順位が逆転することもあると指摘しています。著者らは、選択したリンクスケールで動作に依存しない水準シフトを除き、正の振幅変動を分離した後に残る動作応答形状を「展開可能な因果的アクション幾何」として提案し、二段階の直交推定量を開発しています。ランダム化された淘宝（Taobao）のA/Bテストでは、導入したシステムによりGMVと購入件数がそれぞれ1.16%と1.70%向上したと報告されています。
説明SuPER-Mamba：Mambaで文脈を拡張するための驚き度優先ルーティング
要約本論文は、学習なしでMamba状態空間モデルの長距離状態ルーティングを行うSuPER-Mambaを提案しています。次トークン予測から位置ごとの驚き度（Surprisal）を算出し、局所プーリングで集約した値をもとにグローバルチャネルの更新を優先します。LongBench-E上の3つのモデルで評価され、平均スコアは8.06から15.69へ向上したと報告されています。
説明ACED：自然言語と実行可能な証拠を参照アンカー方式で統合する数学推論フレームワーク
要約本論文は、自然言語の自己一貫性による回答を既定の参照とし、実行可能プログラムの出力を同等の票ではなく補助的な証拠として扱う ACED を提案する。重み付き対数プールで両者の証拠を統合し、相対的な証拠差が較正された閾値を超えた場合にのみ参照回答を上書きする。五つの数学文章題ベンチマークで対応する基準手法と同等以上の性能を示し、GSM8K では ACED-ALL が 86.9%、直接の Program-of-Thought 集約が 82.6% の精度となった。
説明Language2Drive：視覚・言語・行動モデルは自動運転で本当に指示に従うのか
要約本論文は、自動運転の視覚・言語・行動（VLA）モデルが自然言語の指示に基づいて行動を選んでいるかを検証するベンチマーク「Language2Drive」を提案している。運転シーンを固定し指示のみを変える対照（反事実）ペアで評価し、CARLAシミュレーション、再構築された実世界シーン、開ループのベンチマークで試験している。成功した走行の93.2%は、別の実行可能な指示では成功していなかった。著者らは、成功率や運転スコアだけでは指示への追従能力が過大評価されると主張している。
注目点対反事実評価単位を提案し、運転VLAが指示に実際に従うかを多場面で検証しており、新規性と証拠は高いが影響は分野内にとどまる。
説明REEL：任意の長時間マルチショット動画生成のための視覚メモリの検索・評価・更新を学習する手法
要約本論文は、統一ツールインターフェースを通じて参照画像の検索、不足する視覚的根拠の生成、永続メモリの更新を学習する汎用の視覚メモリプランナーREELを提案しています。バックエンド別のアダプタが、その証拠計画を各ブラックボックス動画生成器で使える条件入力に変換します。学習にはREEL-SFT-4kとREEL-RL-1kのデータセットを用い、教師あり微調整と2段階のGRPOで訓練しています。メモリなしのベースラインと比べ、ST-Benchの跨ショット一貫性はJoyAI-Echo~1.5で15.1%、MiniMax-H3で20.7%向上したと報告されています。
説明AeroChem：化学反応を伴う長期大気質予測のための閉ループ物理情報付き状態空間モデル（拡張版）
要約本論文は、化学反応を含む大気質予測のための閉ループ型物理情報付き状態空間フレームワーク「AeroChem」を提案している。二分岐型の設計を採用し、UDEに基づくプロセス分岐が構造化されているが不完全な物理的事前情報を提供し、Mambaに基づく仮想計測分岐が長距離の時間的文脈を捉えて確率的な仮想観測値を生成する。両分岐はNeural Kalman Fusionによって結合され、各予測ステップで潜在的な物理状態を補正する。また、実データセット「HanoiAir」を公開し、実験では長期予測の安定性と急変予測が改善されたと報告している。
