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。
説明仮想ヘッド注意機構：長文脈LLMでKVキャッシュと計算コストを同時に抑える注意機構の設計
要約長文脈の大規模言語モデルにおいて、KVキャッシュ量、学習・プリフィルの計算量、モデル品質の間のトレードオフに対処するため、本論文は仮想ヘッド注意機構（VHA）を提案しています。Q Premixと Linear Postmixという二つの軽量な線形演算によりヘッド間の多様性を回復し、推論時には標準的なGQA-2構造へ畳み込めます。複数の規模での事前学習実験で、VHAはGQAベースラインを上回り、1.7Bモデルでは学習・プリフィルFLOPsを7.9%削減したと報告されています。
説明サンプルと品質ラベルから分布を学習する
要約本論文は、連続的なパラメトリック分布の各サンプルに、同じ未知パラメータに支配される二値の品質ラベルが付く場合のパラメータ推定を研究している。決定的なラベルに硬い実行可能性制約を課すことで、従来の滑らかな品質考慮型M推定量のn^(-1/2)から推定速度をn^(-1)へ高められることを示す。さらに、点ごとの品質と対ごとの選好はどちらも他方より厳密に多くの情報を持ちうるとし、ガウス分布・ラプラス分布・指数族に対して仮定が成り立つことを示している。
説明Agent-Reflex：言語エージェントに内省的に行動することを教える手法
要約本論文は、ノイズのあるツールフィードバックやユーザーによる修正に対して、エージェントが主体的に内省し失敗から回復できるようにする学習フレームワーク Agent-Reflex を提案している。環境内省スキルの発見、内省的教師ありファインチューニング、ノイズ環境下の方策最適化の三段階で構成される。Qwen3-8B での実験では、5つの長期ツール利用ベンチマークで総合 58.6、AgentNoiseBench で 29.1 を記録し、強力なベースラインを上回った。ノイズへの頑健性も向上したと報告されている。
説明音声専門家の混合に基づく低ランク適応：アクセントのある英語音声認識向け Conformer モデル
要約本論文は、アクセントのある英語音声認識のためのパラメータ効率の良い適応手法 MoPE-LoRA を提案する。アクセントごとではなく調音方法の音声カテゴリに従って6つの低ランク専門家を構成し、音素の監督と学習された音響ゲーティングを組み合わせてフレーム単位でルーティングする。専門家はアクセント間で共有されるため、アクセント専用モジュールは不要である。L2-ARCTIC での実験では、単一の LoRA や全パラメータ微調整より良い結果を示し、学習時に一つのアクセントを除外したゼロショット評価では、単一の LoRA に比べ相対で 12.3% 向上した。
説明FETALFusion：マルチドメイン胎児頭部セグメンテーションのための解像度認識型状態空間モデリング
要約本論文は、胎児頭囲の自動計測を目的に、複数の超音波撮像方式にまたがって胎児頭部をセグメンテーションするFETALFusionを提案しています。CNNとMambaを組み合わせた二経路エンコーダ・デコーダに、ランドマーク形状事前分布とドメインゲートを加えています。471枚のテスト画像でDiceは0.963、HD95は2.10 mmでした。一方、残差エンコーダを用いた基準手法の方が高精度であり、状態空間分岐は精度に測定可能な影響を与えないと報告しています。
説明HaloBlock：拡散型大規模言語モデルのより高速で高品質なデコード手法
要約拡散型大規模言語モデル（dLLM）の推論では、ブロック右側のトークンが解読の難しさの大部分を占め、ブロック単位のデコードは境界での文脈の不連続に悩まされます。HaloBlock は双方向累積エントロピーでブロックの難度を測り、その結果に応じて各ブロックの両側に双方向のハロー領域を適応的に割り当てます。LLaDA-8B-Instruct など3モデルで、数学推論とコード生成のベンチマークにおいて精度と推論効率の向上が示されています。
説明AI強化ハイパースペクトルイメージングによる低悪性度神経膠腫の術中検出：臨床研究
要約本研究は低悪性度神経膠腫を対象に、術中のハイパースペクトルイメージング（HSI）と通常のRGBイメージングによる分類性能を比較したものです。腫瘍領域は反射率が低く、ヘモグロビン濃度や酸素化の違いと関連する可能性が示されました。スペクトルと空間の特徴を統合した3D CNNが中央値ROC-AUC 74.5%で最も高く、スペクトルのみのXGBoostは67.9%、RGBモデルは64.0%でした。
説明Sea-Net：解釈可能な時系列分類のための小型ニューラルネットワーク
要約従来の時系列分類手法は、どの時点や区間が予測につながったかを示さないブラックボックスであることが多い。本論文は、小型の多スケール深さ方向分離畳み込みエンコーダと改良された多重インスタンス学習プーリングを組み合わせた軽量アーキテクチャ SEA-Net を提案し、分類と時間的説明を同時に提供する。報告によれば、ボトルネックエンコーダと Top-k プーリングの構成は 41K パラメータで精度 0.931、NDCG@n 0.765 を達成し、資源制約のあるエッジデバイスへの適用が見込まれる。
説明MERIT：表画像に対するマルチモーダル証拠推論
要約本論文は、テキスト化された表で失われがちなセル内容・構造関係・視覚的手がかりを保ったまま、表画像を直接推論するMERITフレームワークを提案します。手法は三段階で、再構成・位置特定・色条件付き監督により表画像エンコーダを適応させ、検証済みの推論過程で教師ありファインチューニングを行い、最後に証拠の正しさ・計算・最終回答・出力形式それぞれに報酬を与える強化学習で方策を改善します。表に基づく質問応答と事実検証で評価され、異なる表構造や見た目のデータセットへの汎化も検討されています。
説明PUGS：水中動的3Dガウシアン・スプラッティングのための物理誘導型不確実性モデリング
要約本論文は、水中の動的シーンを3次元再構成するPUGS手法を提案します。光の散乱、屈折、低視程などによる物理的な曖昧さに対応するため、各ガウシアンの運動を期待変形と物理的不確実性を持つ確率分布としてモデル化します。学習時には確率的変形最適化と二重経路の自己整合性蒸留を用い、最終的に確定的な再構成へ移行します。著者らは、UVEBとDRUVAのデータセットで最強のベースラインをそれぞれ1.16 dB、3.99 dB上回るPSNRを報告しています。
説明HierarchiRetina：異種エキスパート混合による病変セグメンテーションを備えた糖尿病網膜症スクリーニング・分級カスケード
要約本論文は、各段階の出力を確認できる、糖尿病網膜症の段階的スクリーニング・病変セグメンテーション・分級システム HierarchiRetina を提案している。58,689 枚の未使用画像での端末間評価では、二次重み付きカッパ（quadratic weighted kappa）は 0.804 で、誤りの 66% はスクリーニング段階に起因するとされている。アブレーション実験では、分級器が病変マスクを利用していなかったことも報告されている。
説明記憶の仕方を学ぶ：GUIエージェントのための記憶モダリティ選択
要約本論文は、視覚言語モデルに基づくGUIエージェントにおける記憶表現の選択を研究しています。最適な記憶モダリティ（テキストか視覚か）は各インタラクションステップによって変化することを示しました。これを受けて、各ステップでテキストと視覚の記憶を動的に選択するSwitchMemを提案し、三つのGUIベンチマークで固定的な記憶表現を用いる基準手法を上回ったと報告しています。
説明GLST：オンライン連鎖ゴールナビゲーションのための大域-局所時空間メモリ分解フレームワーク
要約本論文は、実行中にゴールが変化（既存ゴールへの変更や新ゴールの出現）するロボットのオンライン連鎖ゴールナビゲーションを扱います。著者らは潜在的な信念を大域-局所の空間表現と長期-短期の時間表現に分解する GLST を提案し、探索と活用のバランスを取るためにゴール条件付き報酬を導入しています。シミュレーションでは多様な地形でベースラインを上回り、Spot 四足ロボットによる実機実験でもこのメモリ分解の有効性が確認されています。
説明CineMem：マルチショット長尺動画生成のための注意整合型きめ細かいメモリ検索
要約本論文は、自己回帰型マルチショット動画生成のためのCineMem（注意整合型きめ細かいメモリ検索フレームワーク）を提案しています。注意分析で明らかになったメモリアクセスの傾向に基づき、履歴トークンをオンラインクラスタリングしたKVキャッシュで整理し、クエリごとに検索を行います。さらに、ショット間の一貫性を評価するためのVLM支援指標も導入され、実験で有効性が示されています。
説明Stein変分分布強化学習：多変量リターン分布のためのスコア誘導粒子法
要約本論文はSVDRLを提案し、Stein粒子を用いて多次元リターンの同時分布を表現します。学習されたスコア場とStein変分勾配降下法により粒子を輸送し、同じスコア場を逆拡散サンプラーとして用いて、粒子の分解能より小さい尾部リスクの問い合わせに答えます。実験では、同数の粒子を持つ粒子型クリティックより希少事象で高精度であり、MuJoCo連続制御ではほぼ同等の性能でした。
説明Batch-Paced：離散拡散言語モデルにおける固定予算のバッチデコード手法
要約本論文は、離散拡散言語モデル（dLLM）のバッチ推論に取り組み、学習を必要としない手法 Batch-Paced を提案しています。固定の計算予算のもとで、リクエストごとのデコード計算量を同時に配分し、バッチ全体の品質を高めることを目指します。2種類の dLLM 基盤モデルと5つのベンチマークで検証した結果、予算を揃えた場合にバッチ性能が向上し、その効果はバッチサイズが大きいほど大きくなる傾向がありました。主な要因は、確信度の低いリクエストで確定トークンの確信度が上がったことだと分析されています。さらに、デコード深度の余裕を加えると、性能低下を小さく抑えつつバッチデコード時間を短縮できることが示されています。
説明LinMorph：効率的なビデオDiT線形化のための重み変形学習
要約本論文は、事前学習済みのビデオ拡散Transformer（Video DiT）を線形化して高速化する手法LinMorphを提案します。著者らは、注意機構の置き換え後の品質低下よりも、初期化の段階が根本的なボトルネックだと主張します。ランダム初期化は事前学習の知識を捨て、手動の重み再利用は硬直的で不完全な対応関係しか移せないとしています。LinMorphは、softmaxからリニアへの重み変換を学習可能な跨パラメータ写像として扱い、層間で共有します。論文では、ランダム初期化や単純な重み再利用より速い回復と、より良い最終生成品質が得られたと報告しています。
説明NBCLT：パラメータ不要のノルム球クリッピング局所学習
要約本論文は、連合学習と分散学習の両方に適用できる統一的な局所学習フレームワークNBCLT（Norm-Ball Clipped Local Training）を提案している。予測と補正を行う局所更新則と、柔軟なノルム球へのユークリッド射影を組み合わせ、実装を単純に保ったままノルム球クリッピングを行う。論文によれば、連合学習のパラメータ不要設定では、各ラウンドの局所計算量を通信回数に応じて適切にスケールすると、有界な異質性を仮定せずに通信複雑度O(ε^-2)、確率的勾配の総複雑度O(ε^-4)が得られるとされている。
注目点統一的なノルム球クリッピング局所学習の枠組みを提案し、パラメータ不要の通信・勾配計算量の上界を与えた。理論的改善は明確だが大規模実験による検証は限定的。
説明漫画翻訳評価における文字のみ判定と画像参照判定のVLM比較
要約本研究は、漫画翻訳の評価において、同じ視覚言語モデル（VLM）に文字情報のみを与える場合と、ページ画像も参照させる場合とで判定がどう変わるかを比較しています。日英の公式翻訳データセットを用いた実験では、ページ画像を加えると、意図的に挿入された視覚依存の誤訳をより多く検出できることが示されました。両者の誤り数や誤りの種類の分布には違いがありましたが、人間による検証では一貫した優劣は見られませんでした。
説明SpecCloak：工学仕様を通じた有害コード生成の検証
要約本論文は、大規模言語モデルが悪意あるプログラミング依頼に対してどのように拒否するかを調べ、要件を工学仕様の形式で記述すると拒否率が大きく下がることを示しています。これを基に、黒箱型レッドチーミング枠組みSpecCloakを提案し、RedCode-Genで8つの対象モデルに対し平均28.91%の実行検証済み攻撃成功率を達成しました。また防御試作SpecRevealを提案し、別途の検出評価で96.88%の攻撃検出率を報告しています。
注目点要件を工学仕様として記述するとモデルの拒否率が大きく下がることを表現分析と介入実験で示し、攻撃と防御の両面に展開している。
説明差分プライバシー付き継続的LoRAのための安定・可塑部分空間構築手法
要約本論文は、差分プライバシーで保護された状態で、低ランク適応（LoRA）により大規模モデルが旧知識を忘れずに新しいタスクを継続学習する方法を研究している。提案手法DP-SPAは、過去のプライバシー保護済み更新から安定部分空間を、事前学習重みの直交補空間から可塑部分空間を構成し、LoRA因子のみを私的に最適化する。5つのデータセット、8つの設定、複数のプライバシー予算での実験で、平均精度の向上と忘却の低減が示されたとしている。
説明DriveWLA：世界・言語・行動モデリングで将来の動態と場面意味を統合する自動運転モデル
要約本論文は、意味理解、将来の場面動態、軌道生成を同時にモデル化する、Mixture-of-Transformers（MoT）に基づく統一型の世界・言語・行動モデルDriveWLAを提案している。モデルは将来予測を担う世界エキスパート、意味理解の言語エキスパート、軌道生成の行動エキスパートの三つで構成され、クロスエキスパート注意機構を導入している。さらにFlow-GRPO強化学習で行動エキスパートを事後学習し、NAVSIMやゼロショット評価での結果を報告している。
説明視覚的依存性は回答可能性を意味しない：凍結InstructBLIPにおける回答可能性シグナルの体系的分析
要約本論文は、UNK-VQAの層化された1万件のサブセットを用い、凍結したInstructBLIP（InstructBLIP）で、視覚質問応答が回答可能かどうかを示す各種シグナルを体系的に評価しています。不確実性、クロスモーダル整合、視覚依存性などを検討した結果、判別能力は弱く、テストAUROCはおおむね0.50〜0.54にとどまりました。著者らは、モデルが視覚証拠に依存することと、その証拠が回答を支えるのに十分かどうかは区別すべきだと述べています。
説明FlashMask-3：効率的で表現力の高いマスク対応分散アテンション
要約本論文は、長文脈の大規模モデル学習においてアテンションマスクがボトルネックとなる問題を扱い、FlashMask-3を提案しています。Hopper GPU向けのマスク対応カーネルと、ゼロ通信のマスク局所化、疎性を考慮した負荷分散（HCC-IPO）、計算と通信のオーバーラップを含む分散拡張を導入しています。118B-A14B MoEモデルのエンドツーエンド学習では、Dual Chunk all-gatherベースラインに対してスループットが7.3〜11.0%向上したと報告されています。
説明PaceReasoner：ラベル不要で、長い推論から簡潔に答えることを学習する手法
要約本論文は、ラベルを使わずテスト時に強化学習を行う PaceReasoner を提案します。モデルの長い推論の応答を利用して、短いモードでの正答率を高めます。両モードは同じ学習可能な方策を共有し、信頼度で重み付けした段階的な監督により学習します。三つのモデル基盤と四つのベンチマークで、平均の短モード正答率が基準手法より 7.4〜13.5 ポイント向上し、一回の応答あたりの推論トークンは平均 25 未満です。アブレーション実験と別データセットでの結果は、主要な構成要素と適応先以外への転移を裏付けています。
説明SAE特徴のための帰属手法としてのSHAPの因果的忠実性の検証
要約本論文は、スパースオートエンコーダ（SAE）の特徴を説明する際にSHAPなどの帰属手法の結果が実際の因果効果を正しく反映するかを検討している。GPT-2 Smallの第7層SAEとSST-2感情分類を試験環境とし、帰属結果を特徴のアブレーションや活性化ステアリングによる因果効果と比較している。手法同士の一致は因果的な信頼性の証拠にならず、重要度の忠実性と方向の忠実性は別々に評価すべきだと結論づけている。
説明「インタラクション・アズ・ア・ジャッジ」：コンピュータ操作エージェントが実際にアプリを操作して、コーディングエージェントが作った対話型アプリを評価する手法
要約論文は、既存のLLM評価がコード分析や単体テストに偏っており、人間が操作すれば明らかな不具合を見逃す可能性があると指摘します。著者らは、コンピュータ操作エージェント（CUA）が実際にアプリと対話して評価する「インタラクション・アズ・ア・ジャッジ」を提案しています。人間の選好を伴う6,858組のアプリとエージェントの軌跡、および人手で検証された要件ラベル付きの222件のアプリのデータセットを公開しています。非対話型の手法と比べ、人間の選好予測と要件検証の精度が向上し、生成物の改善にも有効だと報告されています。
説明Swiss4Arg：スイスの四つの国語にまたがる多言語論証マイニング用の並列データセット
要約本論文は、スイス政府の公式投票パンフレットに基づく多言語論証マイニングのデータセットSwiss4Argを提案します。ドイツ語、フランス語、イタリア語、ロマンシュ語の4言語を対象とし、2019年から2025年の連邦投票53件を収録しています。各言語3名の母語話者が論証の構成要素と支持・攻撃の関係を注釈し、最終ラベルと個々の注釈者のデータを公開したうえで、GPT-5.4とSwissBERTによるベースライン結果を示しています。
説明検証可能な情報報酬でLLMのマルチエージェント協調を訓練する
要約本論文は、サプライズ（驚き度）に基づく情報報酬を用いる後学習手法CoSIRを提案し、大規模言語モデルのエージェントに証拠の共有、不足情報の要求、チームメイトの意見の取り入れを学習させます。ベイズ評価器は、共有情報によるチーム全体のサプライズの低下で情報を採点します。Qwen3-4B、Qwen3-8B、Gemma-3-4B-it を自己対戦で訓練し、未見の自然言語協調タスク7件で評価しました。CoSIRは総合スコアが最も高く、一般タスクでも競争力のある性能を示しています。
説明深層メソスコピック動力学：微視的軌道からニューラルネットでメソスコピック場方程式を学習する手法
要約本論文は、深層メソスコピック動力学（DeepMesoD）を提案する。これは、所定の粗視化スケールにおける微視的軌道から、ニューラルネットワークで有効なメソスコピック場方程式を学習する手法である。Ising-Kac モデルでは、学習された方程式が既知の流体力学的極限を再現した。閉じた形のメソスコピック記述を持たない二次元 Heisenberg 強磁性体や層状 CrBr$_3$ についても、原子スケールの参照解とよく一致するモデルを学習し、計算時間を三〜四桁削減したと報告している。
注目点ニューラルネットワークで微視的軌道から中視的場方程式を学習する新しい枠組みを提案し、Ising-Kac、ハイゼンベルク強磁性体、CrBr3で検証、磁性シミュレーションの分野に有用。
説明診断から生成へ：パッチ単位の接地アライメントによるフローモデルの構造的歪みの解消
要約本論文は、フローベースの画像生成モデルで手足などに生じる局所的な構造的歪みに対し、視覚的診断と生成最適化を分離する D2G フレームワークを提案しています。領域注釈付きデータセット Achilles-600K を構築し、異常カテゴリと境界ボックスを予測する ARGUS を学習させ、その結果を信頼度重み付きの空間報酬として Patch-level Flow-GRPO に用いています。FLUX.1-dev と SD3.5 での実験では、FID と CLIP スコアを維持したまま構造的忠実度が向上したと報告されています。
説明「悪意」ベクトルの言語間転移には方向性の非対称性がある
要約本論文は、大規模言語モデルにおける「悪意」というペルソナに対応する表現方向が、言語を越えて利用できるかを検証しています。英語とスペイン語（高リソース）、スワヒリ語とテルグ語（低リソース）を用い、4つのオープンソースの指示調整済みモデルで系統的に実験しています。その結果、低リソース言語からは信頼性の高いベクトルを得にくく、その制御効果も弱いことがわかりました。一方、高リソース言語から抽出したベクトルは低リソース入力へ効果的に転移し、MMLUで測定した一般知識はおおむね保たれました。
説明LoopREG：表現教師あり学習により拡散Transformerでテスト時に再帰的深さを得る手法
要約本論文はLoopREGを提案します。これは共有ブロックを繰り返し適用する表現教師ありの再帰型拡散Transformerで、中間状態を事前学習済みの視覚エンコーダで監督します。ImageNet 256×256で、SiT-B/2のFIDは400Kステップ時点で、局所的なREGベースラインの15.08から4.91に低下しました。学習済み重みのまま推論時に循環を1回追加すると、FIDはさらに改善します。
説明重要な要因を探す：エージェント型データ探索による開かれた複数仮説の発見
要約本論文は「開かれた複数仮説発見」という課題を提案します。システムは大規模な表形式データと結果変数のみを与えられ、関連変数や関数形、機構の数を事前に知らないまま、データに支持される複数の仮説を見つけます。著者らは、五つの分野・15タスク・351の埋め込み仮説からなるベンチマークを構築し、反復探索と説明済み信号の除去を行うHypAgentを提案しています。HypAgentのF1は0.49で、最強のベースラインの0.35を上回りました。
注目点開放型複数仮説発見という新設定と、351の仮説を含む構造因果モデルベースのベンチマークを提案し、介入による検証で有効性を示す。
説明ECMR：マルチエージェントLLM推論のための証拠認識型審議制御
要約複数のLLMが協働して回答する場合、通常は推論前に審議手順を固定しますが、繰り返し出た支持を独立した裏付けと誤認しやすくなります。本論文は、回答の集中度、支持根拠の多様性と独立性、矛盾などの状態に基づき、提案・反論・検証・仲裁・停止を動的に選ぶECMR制御器を提案します。MedQA、CaseHOLD、FinQAの9,000件の保留評価データでは、ECMR-Fullが正答率を62.1%から84.9%へ、偽の合意率を40.7%から17.0%へ改善しましたが、使用トークン量は最も多くなっています。
説明Prefilling-dLLM v2：長文脈拡散言語モデルのための学習型チャンク・ルーティング
要約本論文は、拡散言語モデルを追加学習し、ネイティブのマスクトークンでチャンクをルーティングする手法Prefilling-dLLM v2を提案し、長い文脈での注意計算を削減する。16Kから128KまでのRULERの3タスクで他の疎な手法より高い性能を示し、128Kでの平均精度はNSAを上回る。同じ長さで、完全な密な注意より172倍速くデコードできる。
説明RT-J：文脈効率の高い予測のための関係型Transformerの大規模事前学習
要約本論文は、表形式データおよびリレーショナルデータベースの予測タスク向けに、8,600万パラメータの関係型基盤モデル RT-J を提案している。639 件のWebクロールデータベースと 6,023 件のLLM生成予測タスクを集めて事前学習を行い、軽量なランダムウォーク検索器、文脈チューニング、アンサンブルを用いている。RelBench の文脈内回帰タスクでは、強力な特徴量エンジニアリングの手法と同等の精度に、平均して約10分の1の例示数で到達したと報告されている。
説明MicroCLIP：対照的言語-画像事前学習による、テキストと顕微鏡画像の結び付け
要約本論文は、自然言語による教師信号から細胞・細胞内構造の汎用的な表現を学習し、オープンセット画像分類と検索を行う視覚言語モデルMicroCLIPを提案している。著者らは約250万組の蛍光顕微鏡画像とテキストの対からなるデータセットMicroPool-2Mを構築し、カテゴリ、知識、詳細の三段階で画像とテキストの対応を段階的に確立した。実験では、顕微鏡画像のゼロショット分類およびテキストによる画像検索で高い性能を示し、数千の候補から特定の細胞特徴を持つ画像を検索できたと報告されている。
説明TStruct：長期時系列予測のための共有時間構造の学習
要約本論文は長期時系列予測を扱い、異なる時点や変数のサンプルが安定して共通する時間依存構造を持つことを示しています。著者らはTStructネットワークを提案し、共有された時間依存行列群を直接パラメータ化するとともに、サンプルの動的情報と変数の静的事前情報から正規化された組み合わせ重みを生成します。論文によれば、この手法はすべてのデータセットで複数の強力なベースラインを上回り、高い計算効率も維持したとされています。
説明ソクラテス式スキル学習：転移可能なエージェントスキルのための教育と実践の交互化
要約本論文は、専門家による指導と学生エージェントの実践を交互に行うソクラテス式スキル学習（SSL）を提案しています。学生は環境の唯一の操作者であり、スキルの作成者として手順を検証・修正します。新しい評価ベンチマーク SkillTransferBench 上で、SSL は主要コホートにおいてスキルなしの 0.723 より高い 0.801 の効用を示したと報告されています。
説明サーマル画像から可視光顔画像への変換における周波数ルーティングと身元条件付け
要約本論文は、赤外線サーマル画像から可視光の顔画像を生成する課題を扱い、夜間の生体認証や低照度監視への応用を想定しています。提案手法FreqID-Controlは、低周波の構造と高周波の細部を別々の低ランク適応部分空間に割り当てるとともに、空間的なサーマルトークンとは独立したグローバルな身元トークンを与えます。MCXFaceとSpeakingFacesでの実験では、画像の忠実度と身元の保持が高く、アブレーションで両設計の寄与が確認されました。
説明MMTA：時系列・テキスト・映像を扱うマルチモーダル時間分析のベンチマーク
要約本論文は、マルチモーダル大規模言語モデルが時系列データと実世界の視覚情報を統合できるかを評価するベンチマーク「MMTA」を提案しています。九つの分野を対象に、動画と時系列、画像と時系列の形式で構成され、分類と予測のタスクを含む3,524件のテストサンプルがあります。評価の結果、時系列をテキストとして表現するとトークン列が非常に長くなり、視覚情報との細かな対応づけが弱まることが示されました。さらに著者らは、専用の時系列エンコーダなどを備えた拡張モデル「TimeOmni-v」を提案し、長尺動画の分類と推論効率の改善を報告しています。
説明Navalia：検証可能なタスク合成と長期的ポストトレーニングによる協働型エージェントの強化
要約本論文は、自律的な計画立案、ツール利用、複雑なタスク実行を行う協働型大規模言語モデルエージェントを改善する枠組み Navalia を提案します。企業の財務報告を基にして、追跡可能な根拠と段階間の実際のデータ依存関係を持つ分析タスクを自動生成し、独立したLLMレビューとプログラムによる検査で正しさを検証します。検証済みのタスクは、軌跡収集、教師ありファインチューニング、強化学習に使われます。Qwen3.6-35B-A3B を基にした Navalia は、五つのベンチマークすべてで基礎モデルを上回りました。
説明DVTR-KD：中間層の視覚トークン再構成による視覚言語モデルの蒸留手法
要約マルチモーダル大規模言語モデルは計算負荷が大きく、エッジデバイスでの運用が難しい課題があります。本論文は、生徒モデルの圧縮された視覚トークンから教師モデルの稠密な視覚トークンを再構成する知識蒸留フレームワーク DVTR-KD を提案します。中間層は教師の応答予測によって監督され、注意読み出し損失が文脈情報の統合方法を揃えます。多様なベンチマークで、視覚トークン圧縮による推論効率を保ったまま、生徒モデルの性能が向上することが示されています。
説明持続性位置エンコーディング：永続図のための最小限のTransformer手法
要約永続図は出生と死亡の対からなる多重集合として多尺度の位相情報を表す。本論文は、その情報をTransformerにどう与えるかを検討する。著者らは点の表現部分だけを変更し、各対を固定のランダムフーリエ特徴で写像し、Transformer本体は変えないという手法（PPE）を提案する。八つのTUグラフベンチマークでは、点表現の変更だけで宏平均精度が5.49〜6.47ポイント変化し、下流モジュールの変更による影響を上回った。統一された評価手順の下で、PPEは多くのベンチマークで最高の平均値を得た。
説明GeoNIRS：異種 fNIRS 表現学習のための幾何認識事前学習
要約本論文は、光源・検出器の空間位置を共通の参照として用い、チャネル数やプローブ配置が異なる機能的近赤外分光（fNIRS）データを共同で事前学習するGeoNIRSを提案している。事前学習には基本版で8データセット、大規模版で22データセットを用い、下流データやラベルは使用していない。8つの未見タスクにおいて、比較したベースラインの中でタスク平均の平衡精度が最も高く、事前学習はランダム初期化と比べて線形プロービングで平均4.12ポイント、全体微調整で平均3.30ポイント向上させた。
注目点異種fNIRS配置の共同事前学習に探触子幾何を明示的に組み込み、厳密なクロスタスク評価と消去実験を行い、新規性と証拠は十分で、サブ分野に有用。
説明マルチモーダル大規模言語モデルの空間理解に適した視覚表現とは何か？
要約マルチモーダル大規模言語モデル（MLLM）の視覚事前学習データはほぼ二次元であるため、視覚トークンには三次元構造情報が欠けがちです。本論文は、三次元幾何モデル、自己教師あり、視覚言語、生成モデルなどに由来する潜在特徴と深度・点群マップといった明示的幾何情報の、どの性質が空間理解に役立つのかを検討します。その結果、表現の三次元構造は有用性と強く相関し、表現の形式によって適した転移手法（蒸留か融合か）が異なることが分かりました。これに基づき両者を単一のMLLMに蒸留すると、RGB動画のみを入力として静的三次元および動的四次元の空間推論ベンチマークでベースモデルを上回りました。
説明静的なスキル不整合は実行時リスクと同義ではない：LLMエージェント実行の行動分析
要約本論文は、LLMエージェントが利用する外部スキルパッケージにおいて、ドキュメント・スクリプト・設定ファイル間で生じる不整合を調べています。575件のコミュニティ及びベンチマークのスキルを監査し、手作業で検証された1,182件の契約不整合を特定しました。49のタスクと3つのLLMによる対照実験で441組の実行軌跡を分析し、修正された欠陥が実際の性能に与える影響を定量化しています。
説明FASHION-RQ：階層的意味構造を用いたファッション検索の自動評価手法
要約本論文は、RQ-VAE（残差量子化変分オートエンコーダ）が学習する階層的離散表現を用いて、商品カタログの構造から直接ユーザー型クエリと関連性集合を自動生成するFASHION-RQフレームワークを提案します。手動の注釈や事前定義の分類体系を必要とせず、拡張可能なベンチマークFASHION-RQBENCHを構築しました。ランキング、関連性分類、細粒度の類似商品識別、言い換えへの頑健性の4つのタスクを設計しています。実験では各種検索モデルの能力差を識別でき、人手による調査では実際のユーザークエリと同等の自然さで、より明確な意図を持つことが示されました。
説明信頼性の高い認識のためのマルチエージェント言語モデルの適応的審議制御学習
要約本論文は、候補回答の批評と修正を通じて認識を改善するマルチエージェント審議において、学習により提案・反論・調停・調整の連続的な方策を獲得する適応型コントローラ（ADMA）を提案しています。タスクモデルは固定したまま、法律・金融推論で学習した制御器を、方策の更新なしに4つのテキスト・マルチモーダルベンチマークと2つの後続モデル版へ転移させ、直接推論より6.2〜14.2ポイント精度を向上させたと報告しています。一方、トークン数と遅延は大幅に増加し、別のモデル版への転移効果はタスクによって異なります。
説明視覚トークン枝刈りの性能限界はどこまでか：オフライン探索コストを制約としない場合の上限を調べる研究
要約本論文は、視覚言語モデルの計算コストを下げるため、固定予算の下で画像のトークンの一部だけを残す視覚トークン枝刈りを扱います。画像ごとに共通のトークン部分集合を選び、前段の視覚言語モデルが生成した質問応答集合で効用を近似し、QA小バッチ貪欲法（QA-MBG）で入れ子状の部分集合を構築します。9つのベンチマークの900枚の画像を用いたQwen3-VL-4BとGemma 4 E4Bの実験では、評価した枝刈り手法に対して大きな改善余地があり、探索した部分集合は全トークン推論との差を大きく縮めることが示されています。
説明Agentic-MatriBO：材料・化学設計向けの能力コンパイル型エージェント的ベイズ最適化
要約本論文は、ベイズ最適化の構成要素を組み合わせ可能な「能力」として表し、言語モデルが提案した手法をコンパイラで検証する枠組み Agentic-MatriBO を提案しています。四つのオフライン候補集合で八つのベースラインと比較し、終点品質の平均が最も高いと報告しています。COF では五つのシードすべてで表に示された最適値に到達しました。コンパイラや証拠ゲートを取り除くと累積品質が下がり、最適値に到達する回数も減ると示しています。
説明Diff Diffusion：拡散モデルで編集経路を予測し、効率的なコード編集を実現
要約本論文は、コード編集のための拡散にヒントを得た大規模言語モデルの枠組み Diff Diffusion を提案します。ノイズ除去を構造化された編集操作として表現し、多段階の学習と並列デコードを組み合わせて、変更された部分にだけ計算を集中させます。公開の編集補完ベンチマークでは推論が 2.78 倍速く、自己回帰型ベースラインと同等かそれ以上の精度を示しました。
説明QK-Edit：MM-DiTにおける注意機構ベースの画像・動画編集の再検討
要約本論文は、学習を必要としないフレームワーク QK-Edit を提案します。マルチモーダル拡散Transformer（MM-DiT）の注意機構の特性を利用し、テキスト指示による画像・動画の編集を行います。新たなクエリ・キー操作により重要な注意成分を調整し、プロンプトへの忠実度と構造の一貫性のバランスを取ります。FLUX や HunyuanVideo などのモデルで評価されたと述べられています。
説明検索エージェントにおける横断的情報源による根拠付けの報酬モデルのベンチマークと学習
要約既存の検索エージェントの学習と評価は主に最終回答の品質に注目し、回答が検索された証拠とどう対応するかはほとんど考慮していません。本論文は、六層の決定木で検索全体の軌跡を評価する枠組みCSEGと、検証済みの軌跡1,160件からなるベンチマークCSEG-Benchを提案します。さらに報酬モデルCSEG-RMを学習させ、ベンチマークで83.9%の完全一致精度を示し、それで回答方策を監督すると、独立に評価された平均ラベル値が2.83から4.19に向上したと報告しています。
説明検証者を検証する：RLVRにおける検証器ノイズと頑健性の総説
要約本論文は、検証可能な報酬による強化学習（RLVR）において、大規模言語モデルの回答を採点する検証器がどのような誤りを犯すか、その誤りが学習にどう影響するか、どの対策がどの誤りに有効かを、58の研究をもとに整理しています。誤りの率よりも誤りの構造が重要であり、方策が学習して誘発できる偽陽性は、学習の停滞や崩壊を招きうると述べています。さらに、比較表の作成、文献間の矛盾の整理、将来の結果を比較可能にするための報告規約の提案を行っています。
説明線形バンディットにおける摂動リーダー追従法：一般の行動集合での √T の後悔
要約本論文は、摂動リーダー追従法（FTPL）に基づく初の敵対的線形バンディット・アルゴリズムを提案し、一般の行動集合で √T オーダーの後悔を達成します。線形最適化オラクルのみを用いる場合は Õ(d^{5/4}√T)、最適設計の探索分布も利用できる場合はほぼ最適な Õ(d√T) を示します。実装が容易で、計算効率も一般に連続指数重み法より優れています。
注目点一般の行動集合で√T後悔を達成する初のFTPLベースの敵対的線形バンディットアルゴリズムで、Fisher情報による安定性解析が理論的に大きく前進している。
説明エッジエージェントの強化：LLMエージェント実行におけるエッジ・クラウド協調の体系的分析
要約本論文は、長期的なタスクを実行するエージェントにおけるエッジ・クラウド協調を評価するベンチマーク EC2-Bench を提案し、タスク性能、リソース使用量、プライバシー露出を統一的に評価する。実験では、協調がエッジのみ・クラウドのみの実行と比べ三者のバランスに優れること、エッジモデルが強くなるとクラウドのみに近づく一方、プライバシー露出は戦略に強く依存することを示している。また、クラウド呼び出しの意思決定と指示追従が重要なエッジ側能力だとされる。
説明出所ではなく摂動：活性化ステアリングが頑健なテキスト透かしになりにくい理由
要約本論文は、大規模言語モデルの活性化空間にある意味的方向を文章の透かしとして使えるかを検証している。二つのモデル系列で、複数のステアリング方向と強度、二種類の言い換え攻撃を試し、logitベースのKGW透かしと比較した。その結果、活性化ステアリングの透かしは検出精度でKGWに劣り、ランダムな方向も意味のある方向と同程度に検出されたため、著者らはその信号は意味的な印ではないと結論づけている。
説明SPARCL：胸部X線解析のための空間適応型領域カバレッジ能動学習
要約本論文は、胸部X線の病変セグメンテーションにおける能動学習のため、予測の不確実性と累積的な空間カバレッジを動的に両立させるSPARCL手法を提案しています。注釈が付いた領域への効用を逓減させる凹型カバレッジ関数により、注釈予算を注釈の少ない領域へ誘導します。また、解剖学的な公平性を評価するため、空間不一致（SI）と性能カバレッジ（PC）の2つの指標を導入しています。内部の石灰化コホートと公開胸部X線ベンチマークでの評価では、データの24%のみで全教師あり性能の95%に到達し、最良のベースラインの29%を下回りました。
説明BRIDGE：依存グラフの証拠に基づくマルチエージェント系の選択的境界修復
要約本論文は、マルチエージェント協調における引き継ぎの失敗に対処するため、依存グラフ上で引き継ぎの修復を選択的に行う検証可能なランタイム制御フレームワーク BRIDGE を提案している。故障帰属と校正のパイプラインにより、実行時の介入に必要な経験的な監督情報を生成し、局所的な事後条件が成立する場合にのみ修復を実行する。論文では SILO-BENCH でタスク成功率を最大 12.3 ポイント、TeamBench で 11.1 ポイント向上させたと報告している。
説明破壊から学ぶ：物理的経験を通じて言語モデルに設計を学習させる
要約本論文は、言語モデルがシミュレーションによる破壊実験から経験を蓄積し、補強配置・亀裂進展・荷重伝達に関する条件付きの原理へと抽象化する FracLearn フレームワークを提案しています。これらの原理を新しい構造に組み合わせ、以前の設計記録を上回ることを目指します。総合スコアは経験段階の記録より 11.0% 高く、亀裂の偏向や一時的な捕捉といった靭化機構で性能向上を説明しています。モデルの重みは更新されません。
説明エンドエフェクタを超えて：人間の実演から全アーム接触操作を学習する
要約ロボット操作は従来、エンドエフェクタ中心の相互作用に依存してきた。本論文は、全アームで接触する操作を学習する階層型フレームワークWACL（Whole-Arm Contact Learning）を提案する。タスクを意味的キーポイント、参照接触軌道、視覚言語モデルが生成する安全経路制約で記述し、準静的表面接触オプティマイザに渡して、接触するリンク、その位置、関節構成を同時に探索する。遠隔操作を用いず、タスクごとに素手の人間の実演10回から学習する。7自由度アームによる四つの全アームタスクの実験では、末端制約下での成功率が78%と、強力なリンク姿勢ベースラインの33%を上回り、再学習なしで新しい制約にも汎化した。
説明RGBと補完的モダリティのマルチモーダル融合によるセマンティックセグメンテーション：双方向偏光認識型クロスモダリティ融合手法
要約本論文は、RGB画像に熱、LiDAR、深度、イベント、偏光、ライトフィールドなどの補助センサーを組み合わせるセマンティックセグメンテーションの課題を扱っています。著者らは、補完的な手がかりを捉えつつ特徴の位置合わせを強化する双方向偏光認識型クロスモダリティ融合（BPCF）モジュールを提案しています。6種類のモダリティの組み合わせと8つの公開データセットで評価し、最先端（SOTA）の結果を報告しています。コードと学習済みモデルは採録後に公開される予定です。
説明GIFT-Eval-CTX：文脈付き予測モデル評価のためのベンチマーク
要約本論文は、計画された出来事や外部条件などの検証済みの将来情報を、予測手法が正確な数値系列に変換できるかを検証するベンチマーク GIFT-Eval-CTX を提案している。GIFT-Eval を基に、20 のデータセットにわたる 10,000 件のインスタンスを含み、実現した将来から導かれる構造化効果（マクロ・ミクロ）で注釈している。論文によると、構造化効果により GPT-5.6 Sol の集計相対 MASE は 40.7%、Claude Opus 4.8 は 29.6% 低下し、MoiraiAgent システムが総合的に最良の結果を示した。
説明MHVF：検証誘導型マルチ仮説探索による学習不要のGUIグラウンディング手法
要約本論文は、学習不要のGUIグラウンディング（自然言語の指示を操作可能な画面位置に対応づける処理）のためのMulti-Hypothesis Verification Framework（MHVF）を提案している。単一の事前学習済み視覚言語モデルを用い、全画面予測から得た空間仮説を拡大再定位で局所的に探索し、マーク付き局所ビューで指示との整合性を検証して候補を順位付けする。5つのモデルと8つのベンチマーク設定での実験では、多くの設定で精度向上が示されており、Qwen2.5-VL-7BはScreenSpot-Proで23.6%から53.6%に改善したと報告されている。
説明いつ、どこで、なぜ：MLLMによる動画顔理解のための階層的因果説明可能性
要約本論文は、説明可能な顔動画理解のためのフレームワーク VideoFace-X-LLM を提案し、弱教師ありの動画-テキストコーパス ExplainFace と階層的因果手法 H-TCC を含みます。H-TCC は標的化された遮蔽により、重要な時刻（いつ）、顔の領域（どこで）を見つけ、その因果的必要性（なぜ）を検証します。ExplainFace での微調整後、外観の Macro F1 は 19.48% から 32.87% に向上しました。
説明DexStitch：接触を考慮したロボットインペインティングにより人の動画から器用なスキルを学習・組み合わせる手法
要約本論文は、長時間の人の動画を技能と遷移に分割し、ロボットに対応した観測・動作・技能のデータに変換して、学習した技能を指定の順序につなぎ合わせるDexStitchという枠組みを提案しています。指ごとの人と物体の接触情報を用いて、器用な手の再ターゲティングとロボットのインペインティングを行います。家庭内の4つの技能で、単一技能の成功率は80.0%、連続実行の成功率は77.5%でした。
説明事後平均付きベルマンフローマッチング：分布型クリティックのための改良手法
要約本論文は、リターン分布全体をモデル化する分布型クリティックを学習するため、事後平均ベルマンフローマッチング（PA-BFM）を提案する。終端候補のプールからサンプリングし、潜在アンカーに対する閉形式の事後分布を求めて、事後平均速度へ回帰する。受控実験では固定クエリでのターゲット平均二乗誤差が79.7％減少し、50のOGBenchタスクおよび4つのオフラインからオンラインへのシナリオにおいてValue Flowsより高い総合性能を示したとされる。
説明Agentic4PDM：工業故障診断のための、ホストによる証拠採用性の統制フレームワーク
要約本論文は工業故障診断を、センサーの時系列ウィンドウを健全状態や故障種別に分類する課題として扱います。ラベルが少なく運転条件が変化する状況で、周期性・トレンド・過渡現象などの構造を再利用可能な分析ツールで調べます。LLMエージェントが調査を行い、決定的なホストコントローラ（CCGA）がリクエストを検査し、ラベル付き参照との比較に基づいて証拠の役割を割り当てます。ベアリングやモーターの診断課題および顧客提供の未フィルタ工業テストセットで、評価した基準手法より宏マクロF1が向上したと報告しています。
説明単語の境界はどこで始まり、どこで終わるか：強制アライメントにおける単語境界推定の研究
要約本論文は、既知の転写テキストを音声中の各単語に対応づける強制アライナーを扱います。英語の朗読・会話・電話音声で九つの構成を人手による単語境界と比較した結果、Montreal Forced Aligner（MFA）が最も高精度で、CTC系のアライナーは単語の開始を一貫して遅く置くことが分かりました。著者らはLoRAでWhisperを微調整し、人が付けた単語境界（87言語、計47時間）のみで学習させ、各単語の開始・終了をタイムスタンプとして予測させています。その結果、英語の全テスト条件でMFAより高精度になったと報告されています。
注目点WhisperをLoRAで微調整し時刻トークンで単語境界を予測する手法を、複数の評価条件で比較して示し、証拠は十分で音声整列分野に有用。
説明離散拡散による全二重音声言語モデル Diffuplex：聞きながら話し、知性と応答速度を両立
要約本論文は、離散拡散に基づく全二重音声言語モデル Diffuplex を提案している。学習段階で「いつ話すか」と「何を話すか」を分けて扱い、推論時には自己回帰型のポリシーでユーザーの音声を追跡しつつ、並列の拡散処理で応答内容を生成・修正する。論文によれば、思考モードでは1回の順伝播で 13.0 トークンを生成し、平均毎秒 1872 トークンに達する。思考モードを使わない場合、初回音声の遅延は既存の全二重モデルと同程度で、言語能力はより高いとされる。
説明並列ベッセルKANモデル：パラメータを使わない二次相互作用で基底を融合する新しいアーキテクチャ
要約本論文は、Kolmogorov-Arnoldネットワーク（KAN）が空間データでB-スプラインの基底関数に制約され、基底を混合すると数値的に不安定になる問題を扱います。提案手法のParallel BesselKANは、B-スプラインとベッセルの低次分岐を並列の処理経路に分け、パラメータを使わない二次相互作用で統合します。論文では、パラメータ数を35%削減しMNISTで97.99%の精度を達成したと報告しています。ただし、純粋な視覚タスクでは標準のMLPが依然としてハードウェア上の速度で優れているとされています。
説明GENDIS：インド、ケニア、ナイジェリアの多言語YouTubeコメントにおけるジェンダー関連の言説と立場
要約本論文は、インド、ケニア、ナイジェリアの多言語YouTubeコメント9,600件（各国3,200件）を人手で注釈したデータセット「GENDIS」を紹介しています。注釈は二段階で行われ、まず性別への言及の有無を判定し、そのうえでジェンダー関連の内容を否定的、肯定的、中立的に分類しています。均一なランダム抽出では、コメントの23.8〜35.0%がジェンダー関連で、立場が確定したもののうち82%は中立または肯定的でした。
説明信念のネスト超えて：大規模言語モデルにおける高次の心の理論を再考する
要約本論文は、既存の評価が信念のネストの深さを推論の次数と同一視しているため、高次に見える問いが低次の近道で解けてしまう点を指摘しています。作者らは、認定済みの完全次数の問題と低次の代替案への対照を備えたベンチマーク HopToM を提案し、直接プロンプトでは四つの最先端LLMの平均正答率が一次の73.5%から四次の20.0%へ低下することを報告しています。また、推論時に適用できる手法 HopTrace を提案し、認定済みの物語問題で四次・五次の正答率を改善したとしています。
注目点有効な推論次数を形式化し既存ベンチマークの次数膨張を明らかにし、認証済みのHopToMと決定論的手法HopTraceを提案、根拠は充実しており、サブ分野への影響は明確。
説明適応放射線治療のため臨床文脈と変形履歴を用いた個別化変形可能画像位置合わせ
要約本論文は、放射線治療で解剖学的変化を追跡するため、輪郭・線量・臨床テキスト・過去の位置合わせ情報を統合する手法CAP-DIRを提案しています。4つの施設コホートと5つの公開ベンチマークから16,361件のCT検査を用いて評価しています。報告によると、臓器領域の正規化相互相関で最強の学習ベース比較手法を上回り、縦断症例の盲検レビューや線量マッピングの誤差低減でも改善を示しています。
説明正解は多数、学習例は一つ：LLM推薦器のGRPO学習から回答者ノイズを除く
要約論文は、Redditの推薦スレッドでLLM推薦器を強化学習する際、既存手法Rank-GRPOが各学習例で一つの返信だけを報酬の基準にするため、アドバンテージの分散の85%が「どの返信が選ばれたか」で説明され、リストの良し悪しを反映していないと指摘します。著者らはReMaRkを提案し、各リクエストのリストを全返信のタイトルの和集合に対して一度だけ採点し、リクエストごとに均等にサンプリングします。七つのバックボーンと三つのデータセットで、ReMaRkは2,000ステップの返信単位学習が達成する検証再現率に25〜53%のステップで到達し、同じ予算で先行しました。
説明読者データか、より良い教師か：2026年末のクラウドハイライトモデルの更新
要約本論文は、ソーシャルハイライトプラットフォーム上で、群衆のハイライトを予測するモデルを改善する三つの方法を比較しています。最新の大規模言語モデルを直接使う方法、教師モデルとして使う方法、そして読者データを増やす方法です。結果として、学習ページの読者データを増やすことで明確に性能が向上した一方、より強い教師モデルによる実質的な利得は見られず、読者データのみで学習した小型モデルが、直接ランキングに用いた最新モデルを上回ったと報告されています。
説明推論するかどうかを効率的に学習：適応的思考のためのルートトークン方策最適化
要約大規模推論モデルは、難易度に関わらずどの質問にも同程度に重い推論を行う「過剰思考」の問題を抱えています。本論文は、<think> タグを呼び出すかどうかを決める最初のルートトークンだけを学習する RPO（Root-token Policy Optimization）を提案し、グループ相対報酬とグループ単位のアドバンテージでモデルが推論の要否を自ら判断できるようにします。論文によれば、既存の適応推論手法の約 2% の学習計算量で難易度に応じた適応的思考を獲得できるとしています。
説明単一エージェントの長期記憶における「メモリエコー」：ライフサイクル評価と出所に基づく緩和策
要約本論文は、長期記憶を持つエージェントで同じ情報源由来の過去の記録が繰り返し検索・書き戻されることで、独立した根拠がないまま現在の回答に影響する問題を扱っています。これを「メモリエコー」と定義し、評価ベンチマークMEchoBenchを提案しています。さらに、出所家族・出所・権威に基づくFPAフレームワークにより、190問の固定質問で精度を改善し、決定汚染効果を低減したと報告しています。
説明大規模太陽光発電所向け自律型3D可視・熱画像点検
要約本論文は、パネル下部の設備（コネクタ、ケーブル、ボルト、構造部材など）を点検する自動化システム「Tricorder」を提案しています。航空調査では確認しにくい部位を対象に、LiDAR-慣性SLAMと幾何学的に較正されたRGB・熱画像、機械学習による物体検出・セグメンテーションを組み合わせています。大規模太陽光発電所のデータで、MC4コネクタの検出と接続状態の認識、熱異常の特定、ボルト・ナット・トルク管などの検出を実証しています。
説明『点をつなぐ』：標準英語と少数派英語変種間の ASR システムにおける持続的な性能格差について
要約本論文は、2021年から2025年に公開された代表的な音声認識（ASR）システム16種を、多様な英語アクセントを代表する8つのデータセットで縦断的に評価したものです。主流のアメリカ英語（MUSE）と少数派アクセントとの性能差は時間とともに確実に縮小しておらず、少数派アクセントでは世代間で単語誤り率が絶対値で最大65%悪化する場合があると報告しています。著者らは、標準的なベンチマークが主流のアメリカ英語を優遇する暗黙の言語方針として機能していると論じています。
説明選択的検証フィードバックを用いたAIシステム最適化のためのガウス過程バンディット
要約本論文は、プロンプト、検索システム、エージェントワークフローなどのAIシステム最適化において、低コストなモデル評価と信頼できるタスク結果が食い違う場合に、どのように選択的検証を行うかを研究している。著者らは報酬分離と信頼性カバレッジを組み合わせた固定の監査設計を構築し、監査予算を考慮した有限時間の後悔上界を示している。さらに、安全な適応的拡張手法を提案している。合成実験では、正確な辞書の下で適応的配分が固定設計より総後悔を減らすものの、有限予算の誤差証明は数値的に緩いことが示されている。
説明指示は目的ではなく証拠：エージェントの成果アラインメントを測る
要約論文は、ユーザーの指示が不完全なことが多いため、エージェントは指示を目的ではなく証拠として扱い、真の要件を推論して満たすべきだと論じ、これを成果アラインメントと呼びます。著者らはソフトウェア工学・研究タスクのベンチマーク TiGanEval を構築し、八つの最先端モデルを評価しました。完全な仕様から部分的な指示に移ると成功率が大きく低下し、複数回のフィードバックでも差は埋まらなかったと報告しています。
説明マルチエージェント協調における自由度：集中型と分散型の中間を探る
要約本論文は、大規模言語モデルに基づくマルチエージェントシステムを対象に、下流エージェントに委譲される意思決定空間の大きさを測る連続的な構成枠組みである「自由度（DoF）」を提案する。複数のタスク領域での実験により、中間的なDoF構成が評価された6つの状態のうち5つで両端点より高い平均精度を示すことが報告されている。最適な構成はタスク領域によって異なる。
説明I3L：全身移動マニピュレーションのための反復型インタラクティブ模倣学習
要約本論文は、低コストで公開された JoyLo+ による全身修正インターフェースと反復的な方策改良を組み合わせ、オフライン学習と信頼できる実運用の間のギャップを埋める I3L システムを提案します。3 種類のロボット、8 つのシミュレーションおよび実環境タスク（うち長期的な全身移動マニピュレーション 4 件を含む）で評価され、デモのみの学習より平均 35.6 ポイント高い成功率を示しました。また、4 ラウンドの反復でエピソードごとの介入時間が 72% 減少したと報告されています。
説明故障原因特定の監査：ラベルの予測可能性と判定者の挙動
要約故障原因特定のベンチマークでは、LLM判定者が失敗を引き起こしたステップやエージェントを特定することが求められます。本論文は、表層的な手がかりによって実際の検証なしに高いスコアが出る可能性を指摘し、真の検証と手がかりの利用を区別するための四つのテストを提案します。三つのベンチマークでは、単純な予測器がGPT-4.1と同等かそれ以上の結果を示しており、著者はこれらのテストを報告することを推奨しています。
説明AttenIR：無教師画像リターゲティングのための稠密視覚注意とメッシュワーピングの整合手法
要約本論文は、人手によるラベルを必要としない無教師画像リターゲティング枠組みAttenIRを提案します。内容認識型のメッシュワーピングにより、稠密な視覚注意と疎なメッシュ制約を組み合わせています。顕著性事前情報を手がかりに、スケール、構造、幾何保持の損失を同時に最適化し、粗から細への投影戦略で画素レベルの内容認識変形を実現します。著者らは、従来手法や最新の学習ベース手法と比べて競争力があり、優れた性能を示したと述べています。
説明PCA切り詰め時の事例ごとの近傍損失を幾何構造が予測する研究
要約本論文は、テキスト埋め込みをPCAで次元削減した際、近傍の保持が事例ごとに均一でないことを検討しています。静的単語埋め込みと現代の文エンコーダを対象に、表現の幾何学的性質と保持部分空間との整合性から、事例ごとの近傍保持率が予測できると報告しています。平均指標だけでは、こうした個別の差が見えないと指摘しています。
説明科学的方程式発見のためのツールとモデルの協調進化手法
要約本論文は、実験データから科学的方程式を発見する際に、大規模言語モデルが使う実行可能なツール群とモデルのツール利用方針を同時に改善する枠組みを提案しています。ツール群は、エージェントが自身の失敗を診断しながら基本的な数値演算から段階的に拡張され、方針モデルは固定したツール群で得られた成功軌跡で微調整されます。アブレーション実験では両者が相補的であることが示され、複数のベンチマークで報告された精度が得られています。
注目点ツールライブラリとポリシーモデルを検証可能な適合誤差信号で共進化させる枠組みを提案し、ablationで両段階の相補性を示し、複数ベンチマークで改善。
説明HiSTOR：高次元縦断データのための構造化された治療-転帰表現学習
要約本論文は、高次元の共変量と時間変動する交絡因子の下で、異なる治療系列における潜在的転帰を予測するHiSTORフレームワークを提案する。非線形次元削減と縦断的反事実予測を統合し、現在の患者状態と履歴の変化をそれぞれ構造化された低次元表現として学習する。CVSimおよびCancerSimでの実験では、共変量の次元、交絡の強さ、予測期間の各条件で既存手法より優れた結果が示されている。
説明DuplexAct：最先端の全二重音声言語モデルはどれだけ対話的か
要約本論文は、エンドツーエンドの全二重音声言語モデルが会話中に適切な対話行動を取れるかを評価するベンチマーク「DuplexAct」を提案している。8種類の対話行動と24の対応する対話条件からなる三段階の分類体系を定義し、行動の即時実行と後続の継続という観点から成功を評価する指標を設計している。テストデータは4,691件で、雑談、会議、カスタマーサービス、面接を含み、うち2,531件は実際の会話録音に由来する。
説明多サンプル学習、単一サンプルで更新：Fenchel-Bregman事後学習による多サンプル推論の改善
要約本論文は、K個の候補のうち少なくとも一つが正解である確率（候補カバレッジ）を扱う。単一試行の平均損失を最小化しても候補カバレッジは直接最適化されないと指摘し、有限Kの事後学習を定式化する。さらに、更新ごとに事後分布からのサンプルを1回だけ必要とするFenchel-Bregman（FB）手法を提案し、ガウス事後分布の変分最適化器IVONと組み合わせてFBI（Fenchel-Bregman IVON）を構成する。再帰的および自己回帰的な推論タスクで候補カバレッジが向上し、対照実験ではPass@10が同等で、更新あたりの学習時間は直接モンテカルロ基準の12.3%であった。
説明記憶を使って探索し、記憶なしで学習する：LLM推論のための文脈内探索と自己蒸留（LEAF）
要約本論文は、検証可能な報酬による強化学習（RLVR）における探索効率を高める LEAF 手法を提案しています。各ロールアウト前に、直近の回答・その報酬・環境からのフィードバックを含む、問題固有の動的な記憶を文脈に入れ、自己蒸留によって方針を更新します。4つのベンチマークと2つのオープンモデルでの実験では、ランダムサンプリングのベースラインと比べて探索が約4倍速くなりました。未見のテストセットでは、最強のベースラインに対して正答率が両モデルでそれぞれ1.59ポイントと1.83ポイント向上し、どのRLベースラインよりも計算量は少なくなっています。
説明CoCA：評価基準ベース強化学習のための基準認識型クレジット割り当て
要約この論文は、評価基準（ルーブリック）に基づく強化学習を改良する手法CoCAを提案しています。従来の方法は基準ごとのフィードバックを単一のスカラー報酬にまとめ、すべてのトークンに一律の優位性を与えていました。CoCAはグループ内の相対的な結果から基準ごとのクレジットを導き、基準によって生じる分布の変化に基づいてトークンへ配分します。医学と科学のベンチマークで、標準的な手法より平均4.2%の向上が報告されています。
説明機械の好みを理解する：K-popにおける基盤モデル間の審美的一致
要約本論文は、基盤モデルが創作物をどのように評価するか、その「機械の好み」を調べたものです。K-popの楽曲とミュージックビデオを題材に、審美評価を対比順位付けの問題として設定し、モデル間の一対比較の一致、グループ全体の合意、モダリティ間の選好の整合性を検討しています。結果として、視覚評価では音声評価より一致と合意が強く、両モダリティ間の選好の整合はわずかでした。視覚的な合意ランキングと過去のYouTube視聴数との相関は正であるものの、アーティストのグループによって差があることも示されています。
説明DT-LoRA：低ランク適応の接空間を超える手法
要約低ランク適応（LoRA）は全パラメータの微調整より性能が劣ることが多い。本論文は接空間の観点からこの差を分析し、因子化された更新が現在の低ランク因子の接空間に限られ、その外側の勾配成分が活用されていないと指摘する。10種類のLoRA派生手法を調べた結果、これらの残差成分が勾配エネルギーの大部分を占め、スペクトルが強く集中することが分かった。これに基づき、固定ランク予算を安定分岐と動的分岐に分け、主要な残差勾配方向を捉えるDT-LoRAを提案する。学習可能パラメータや推論コストは増やさず、視覚・言語タスクでLoRAとその派生手法を上回ったと報告している。
注目点接空間の観点からLoRAの残差勾配を分析し、二分岐の動的低ランク更新を提案。多数の変種と比較し実質的な改善を示す。
説明安全は誰のためか？一人称マルチモーダル・アシスタントにおける、拒否を超えた理解力のベンチマーク
要約本論文は、ユーザーの視点で動作する一人称マルチモーダル・アシスタントの安全性評価を扱います。既存の評価は拒否の有無しか見ず、誰が害を受けるかを区別していないと指摘します。著者らは、ユーザー本人・同席者・社会全体を対象とする2,902件の一人称の映像・音声・テキストのクエリからなるSTOUベンチマークを提案します。結果として、拒否率は危害の対象によって系統的に異なり、モデルは危害を認識しながらも支援することが多いと報告しています。
説明TSRL：エージェントの継続学習のためのトリガー型教師付き強化学習
要約大規模言語モデルのエージェントは継続学習中に破滅的忘却を起こしやすく、新しいスキルを学ぶと既習の能力が低下することがあります。本論文は、強化学習を基盤としつつ、方策が失敗する「困難な状態」でのみ専門家による教師付き学習を選択的に起動するTSRLを提案しています。ALFWorld、WebShop、Deep Searchの3つのベンチマークで7Bと32Bの規模で実験を行い、継続学習では従来のSFT→RLベースラインより先行タスクの能力を最大9.6点多く保持し、目標タスクの性能は同等以上だと報告しています。
説明証拠優先型エージェント検証手法（Sauron）
要約本論文は、長期にわたる半検証可能なエージェントタスクを対象に、環境の状態と実行トレースの両方を調べ、主張は元の出典で独立に確認してから採用する検証器Sauronを提案する。有界クエリと関連基準の共同検査により文脈の利用と重複作業を抑え、各判定には根拠となる証拠の監査可能な記録が付く。100件の対話エピソード由来の2,586基準では、テストした8種のバックボーンすべてで5つの検証器中最高のF1を示し、故障注入テストでは注入された失敗の97%を検出し、正常な対照の誤検出は2%にとどまった。
