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LLMエージェント連鎖における上流の影響と下流の再アンカリング
要約本論文は、マルチエージェントLLMシステムにおいて評価的判断が複数のエージェントを経由して伝わる仕組みを検討しています。台湾の2025年リコール事例32件で、一つのエージェントに実際のコメントを提示すると、その立場は注入された方向へ0.171動きました。判断を連鎖的に渡すと、3番目のエージェントまでに偏りの半分以上が失われます。著者らは、情報構造（情報源へのアクセス、引き継ぎ形式、信頼できない内容を読むモデル）が操作の伝播範囲を左右し、その影響は推論の記録からは見えないと述べています。
説明根拠を残す：エージェントが構築したナレッジグラフの信頼できる整理手法
要約論文は、エージェントが構築したナレッジグラフは、情報源が撤回・覆された後に整理することが難しいと指摘します。既存の方法は直接抽出された事実だけを削除するため効果が限られ、再構築すると大量の不整合が生じます。著者らはPolyGraphを提案し、構築モデルが各成果物に対して代替となる根拠の組を出力させ、モデルを再び呼び出さずに集合演算で整理します。根拠は、削除後の再導出で検証されます。
注目点構築器に証拠の「レシート」を出力させ集合演算で清掃する新手法は新規性が高い。再導出監査で信頼性を検証し複数モデル・領域で評価しており、影響は知識グラフ保守に限られる。
説明ECG-RSI：標的を絞った心電図波形進化による再帰的自己改善
要約本論文は、検証済みの波形合成とフィードバック誘導型の介入探索を組み合わせた心電図モデルの改善フレームワーク ECG-RSI を提案しています。7つのベンチマークで3ラウンドの反復を行った結果、Qwen3.5-35B-A3B の平均質問応答精度は34.57%から56.04%、平均分類F1は24.27から34.03に向上しました。その後のフィードバック修正による外部への効果は次第に小さくなっています。
説明MissPath-FM：部分観測時系列のための構造化事前分布を用いたフローマッチング
要約この論文は、標準的な条件付きフローマッチングが無情報のガウス分布から出発するため、すでに観測されている値まで輸送してしまい、計算資源が無駄になると指摘しています。著者らは、補間事前分布とガウス過程事後事前分布を用いて観測信号の近くから始める構造化ソース分布と、観測領域と欠損領域で輸送量を非対称に配分する経路を提案しています。48の設定で評価し、45の設定で最良の結果を得たと報告しています。
説明タスクに限定し、残りを固定する：パラメータ効率的ファインチューニングのための概念誘導型保持正則化
要約パラメータ効率的ファインチューニング（PEFT）は広く使われていますが、適応後のモデルは事前学習知識を破滅的に忘れてしまいます。本論文は、任意のPEFT手法に組み込めるプラグアンドプレイの正則化手法、概念誘導型保持（CGR）を提案します。CGRは凍結されたスパースオートエンコーダを用い、タスク関連概念の更新を部分空間に限定し、選ばれた汎用概念を凍結モデルに固定します。CLIP視覚ベンチマークでは、精度を同程度に保ちながら保持性能が大きく向上しました。
説明GUIエージェント向けの適応的グループ過程報酬
要約本論文は、GUIエージェントの強化学習で結果報酬が疎であるため学習が非効率になる問題を扱います。長い操作軌跡を意味的にまとまったサブゴール群に動的に分割し、行動レベルとグループレベルの両方で過程報酬を推定する枠組みを提案しています。得られた過程報酬をGRPOの結果アドバンテージに組み込み、より細かい指導を与えます。過程報酬ベンチマークと下流の強化学習実験で有効性が示されています。
説明小さな誤りが重要になる場面：模倣学習における状態の臨界度の定量化
要約模倣学習は通常、デモンストレーションのすべての状態を同じ重要度で扱います。本論文は、ある状態で専門家の行動に有界な摂動を加えたときに生じる下流の価値の最悪の低下として「状態の臨界度」を定式化します。これを推定する実用的な手法SCRIMを提案し、敵対的摂動方策と価値評論家を学習させて各状態にスコアを付与します。このスコアは行動クローニングの損失の重み付けやデータの選別に利用でき、複数のシミュレーションおよび実ロボット操作タスクで評価されています。
説明必要な部分に注目する：マルチモーダル皮肉検出のためのグローバルからローカルへの動的注意機構
要約本論文は、SNS上の画像とテキストから皮肉表現を検出するフレームワークGLDAを提案している。まずグローバル多モーダル融合モジュールで画像とテキストの高次の意味的相互作用を捉え、次に局所ゲート付きクロスモーダル注意機構で皮肉と無関係な冗長な視覚・テキスト特徴を動的に除去する。実験では、GLDAが皮肉検出性能を向上させ、既存手法と比較して競争力のある結果を示したとされている。
説明トークン修正から主張の採択へ：学習不要の大規模視覚言語モデルにおける幻覚緩和手法
要約大規模視覚言語モデルは、入力画像に裏付けのない内容を生成する物体幻覚を起こしがちです。本論文は、画像に依存する十分な裏付けが得られた意味的主張のみを採択する、学習不要のフレームワークEGVCAを提案します。裏付けは、観測画像と視覚的に空の入力の下での主張の尤度を比較して測定されます。CHAIR、POPE、MMEの3つのベンチマークと3種のモデルでの実験では、物体幻覚が大幅に減少し、キャプションの品質も維持されたと報告されています。
説明文脈付きヘリンガー三つ組幾何による微分可能な3Dシーングラフ指標：グラフレベルの意味距離で3Dシーングラフ予測を監督する論文
要約既存の3Dシーングラフ予測は、物体と関係の局所的な分類損失に依存することが多く、予測グラフ全体と正解との意味的・構造的な差を測ることが難しい。本論文は、分類出力を整合した確率的シーングラフ場とみなし、グラフレベルで微分可能な指標に基づいて学習する「文脈付きヘリンガー三つ組幾何」を提案する。既存のネットワーク構造を変えずに適用でき、3DSSGでの実験では、グラフ条件付き3Dシーン生成の改善が示されている。
説明干し草の山の中の反論：言語モデルは事実誤りに対して曖昧かつ効果の低い応答をする
要約このarXiv論文は、ユーザーが誤った事実を述べたときに言語モデルが反論するかどうか、またその方法を調べています。著者は句レベルで人手により検証された応答ラベリングの枠組みを提案し、英語、ドイツ語、中国語、ヒンディー語、ヨルバ語の5言語のモデル応答に適用しました。モデルが反論する場合は間接的な言い回しや肯定の混在が多く、ヒンディー語とヨルバ語では他の言語より間接的でした。300人を対象とした人間研究では、この曖昧な反論が利用者の事実誤認を正せない可能性があることがわかりました。
説明プロセスマイニングにおけるモデル中心の適合性検査のためのノード埋め込みフレームワーク
要約本論文は、イベントログから発見されたプロセスモデルを、正解モデルとノード埋め込みとProcrustes整列を用いて比較する、モデル中心の評価フレームワークを提案します。ペトリネットをグラフ表現に変換し、パラメータ化されたコサイン距離により、有界で統一的な指標を算出します。九つの公開イベントログおよびノイズを制御した合成ログでの実験では、従来の適合性指標より日志の逸脱に頑健であり、モデルの劣化には感度を保つことが示されています。
説明遺伝子発現から画像への学習の理解：空間構造と情報忠実度
要約一細胞RNAシーケンシング（scRNA-seq）は細胞レベルで生物学的多様性を解析できますが、高次元で順序のない遺伝子発現データから有効な表現を学習することは依然として困難です。本研究は全トランスクリプトームデータを用い、ネットワークと訓練手順を固定してGE2I（遺伝子発現から画像への変換）の仕組みを検討しています。空間的な滑らかさと遺伝子レベルの忠実度の間にはトレードオフがあり、複数の遺伝子を同じピクセルに割り当てると発現差が不明瞭になり予測性能が下がることがあります。一対一の遺伝子・ピクセル対応は、画像の滑らかさが低下しても、試したビジョンバックボーン全体で予測を改善しました。
説明LeanPRM：Leanを用いた自然言語証明の検証のためのプロセス監督
要約本論文は、Leanの定理証明支援系を用いて自然言語の数学的証明の各ステップに正誤ラベルを自動付与するLeanPRMという枠組みを提案している。人手による注釈は使わず、10,634件の証明と152Kの標注済みステップからなるデータセットを構築した。Qwen3-4Bの検証器では、PRM800Kで学習した場合の60.3に対し、保留された200件の証明で逐步ラベルの正解率が74.7に向上したと報告されている。
注目点Leanで自然言語証明の段階ごとのラベルを人手なしに生成し、複数ベンチマークでPRM800K学習の検証器を上回り、証拠は比較的充実している。
説明zPocket：凍結された共折りたたみ特徴によるリガンド結合ポケット予測の改善
要約本論文は、タンパク質-リガンド結合ポケットの予測能力を評価するためのデータセット PocketWatch を提案し、共折りたたみモデルの凍結特徴の上に予測ヘッドを学習させる手法 zPocket を紹介しています。各層別テストでzPocketは基準手法を上回り、最良モデルのターゲット単位の平均 AUPRC は 0.745 でした。予測重心の再現率や、ヒトタンパク質に対する大規模スキャンなどへの応用も検討されています。
説明HelpMeOut：神経心理学に基づく家事タスク実行のエラー監視ベンチマーク
要約本論文は、家事タスク実行のエラーを監視する具現化AIのベンチマーク「HelpMeOut」を提案しています。神経心理学の日常動作エラー研究に基づき、9種類のエラーカテゴリを含む20000組の活動エピソードを構築しています。学習型監視器、記号的手法、変化点検出、大規模言語モデルのプロンプト手法などの基準手法は、エラー監視として性能が低く、実行の誤りを見逃すことが多いと報告されています。
説明SWORD：3Dシーングラフ予測のためのシーン基盤型Wasserstein物体関係距離
要約既存の3Dシーングラフ予測は物体と関係のラベル分類損失で最適化され、正解ラベルの一致しか求めないため、予測グラフと正解グラフの意味的な近さを反映しにくいという課題があります。本論文のSWORDは、学習用シーングラフの注釈から物体と関係の地上距離を構築し、ノードおよびnull拡張エッジの周辺分布上のWasserstein距離に持ち上げることで、正確なラベル一致を超えた意味的グラフ距離の監督を与えます。SWORDが対応する周辺確率シーングラフ上で厳密な距離であることを証明しています。
説明MedEvo：医学知識ナビゲーションによる医療推論の進化
要約本論文は、医療知識のタグ分類と誤り種別診断を用いて、失敗した推論軌跡の修復と学習データの選択を導くMedEvoを提案している。誤りの最初の重要な箇所を特定し、正解を含まない最小限のヒントを与えて、学生モデルが正しい前段を保持したまま誤った後段を再生成する。教師式蒸馏を上回る性能向上が報告されており、Qwen3.5-9Bは七つのベンチマークの平均精度が65.57%から69.12%に上がったとされている。
説明サーバーレス LLM 推論のための安定したトークン単位スケジューリング（Token Window Pacing）
要約本論文は、既存のサーバーレス LLM 推論手法が最初のトークンまでの時間（TTFT）の最適化に偏り、生成中のトークン間レイテンシ（ITL）を見落としていると指摘します。著者らは、ITL・キューの深さ・ワークロード特性の実行時フィードバックに基づき、バッチ単位ではなくトークン単位でリクエストの受け入れを制御する Token Window Pacing（TWP）を提案します。実験では、ServerlessLLM に対して最大 45%、従来型スケジューラに対して最大 58% のスループット向上が報告されています。
説明LLMの重みにコンテキストを符号化する：何が「コンテキスト」たりうるのか
要約本論文は、テスト時の更新によりコンテキストを重みの一時的な変化として符号化する方法を扱っています。長いコンテキストは推論コストを押し上げるため、その代替案として検討されています。既存の一般知識と混ざると模型はその情報をコンテキストとして使えなくなるため、各コンテキストに識別子を付け、さらに使用を促すプロンプト枠組みを導入しています。多様な制御タスクと実用ベンチマークで、既製のLLMのみを用いた基線を上回りました。
説明LatentRiskBench：企業エージェントにおける状態依存リスクの測定
要約本論文は、企業向けエージェントの安全リスクが個々の行動だけでは判断できない場合があり、同じ行動でもワークフローの状態によって安全または方針違反になりうることを指摘しています。著者らは、同じ最終行動を持つが潜在的な方針関連状態が異なる良性の軌跡と危険な軌跡を組にした LatentRiskBench と、残余リスク（RR）などの指標を提案しています。実験では、行動レベルの評価で検出できた状態依存違反は 0.09 だったのに対し、状態レベルの評価では 0.96 に達したと報告されています。
説明手術動画生成のための階層的カリキュラム学習：両側腋窩乳輪アプローチ・ロボット甲状腺切除術データセットを中心に
要約手術の段階・タスク・動作の三階層に分けた手術手順の注釈と、カリキュラム転移学習を組み合わせた手術動画生成フレームワークを提案しています。対象は、公開された標準ベンチマークが存在しない両側腋窩乳輪アプローチ・ロボット甲状腺切除術です。動作レベルのモデルは、タスクレベルのモデルと比べてFVDが20.1%、FIDが15.7%低下しました。学習予算を揃えた比較実験から、この改善は追加学習ではなくカリキュラム設計によるものと示されています。6名の臨床医による評価では視覚的リアリズムは高く評価された一方、解剖学的正確性と臨床的信頼性には課題が残るとされています。
説明STRATA-S12 構築のための不足駆動型層別取得：自己教師あり学習向けオープン SAR-光学コーパス
要約本論文は、Sentinel-1 と Sentinel-2 のコーパス構築を、土地被覆・季節・地域による層別の不足に基づいて制約付き最大被覆問題として扱い、オンラインで取得順序を決める不足駆動型層別取得（DDSA）を提案しています。全 192 層をより均衡に埋められることを示し、STAC と PDS4 に準拠したメタデータを付けたデータセット STRATA-S12 を公開しています。自己教師あり事前学習に適していることも確認されています。
説明動的 K ヘッド：連続潜在推論のための難易度教師ありの予算選択
要約本論文は、推論を生成する前に問題ごとに連続潜在推論の更新回数（予算）を選ぶ Dynamic K-Head を提案し、問題だけから得た難易度スコアで推論器と共同学習させる。Llama 3.2 1B と GSM8K では、平均 12.03 トークンで正答率 54.44% に達し、固定 K=6 の CoDI（52.31%、15.21 トークン）より 2.12 ポイント高く、トークンコストは 20.9% 低い。三つの分布外算術データセットでは、コストを 19.3〜25.7% 削減しつつ正答率も向上した。
説明RALI@iKAT 2026：個人化対話型高密度検索による検索対応ユーザープロファイルのノイズ除去
要約本論文は、対話から蓄積されるユーザープロファイルが時間とともにノイズを含むようになる問題を扱い、対話履歴とユーザープロファイルを検索専用の潜在埋め込み空間に共同で射影する個人化対話型高密度検索（PCDR）を提案しています。PCDRは対話型高密度検索器の文脈ノイズ除去能力を引き継ぎ、少数の個人化関連性アノテーションで学習できるとされています。iKAT 2026のタスクで評価され、複雑な情報ニーズを支援する対話型AIエージェントの中核的な検索コンポーネントとして用いられています。
説明出会いに基づく都市規模の人流生成（大規模言語モデル）
要約本論文は、大規模言語モデルを用いて都市規模の人の移動データを生成するEncounterMobを提案します。従来の個人の移動軌跡だけを対象とする手法と異なり、個人の移動行動と、同じ時間・場所に複数の人が居合わせる集団的な相互作用の構造を同時に保持します。日本とニューヨークのデータセットでの実験では、七つの出会い指標と六つの個人移動指標のすべてで外部ベースラインを上回り、ELLMobと比べて参加者・時間・場所の同時誤差が減少したと報告されています。
説明頭部・首・肩の人間工学設計のための三次元姿勢中立化と統計的形状モデリングの統合
要約本論文は、頭部・首・肩領域について、姿勢中立化と統計的形状モデリング（SSM）を組み合わせた枠組みを提案している。中国人成人200名について、各自の自然な姿勢で頭部・首・肩の三次元スキャンを1回ずつ取得した。パラメトリックな頭頸部モデルを各スキャンに当てはめて頸椎の姿勢と解剖学的形状を分離し、頸椎の姿勢を共通の中立配置に戻している。得られた形状空間は標準化テンプレートと集団内の変動モードを与え、パラメトリックな人間工学設計の基準となる。
説明Cowork-Gym：大規模に対話型の協働作業環境を合成するフレームワーク
要約本論文は、生成した環境を「構築・実行・修正」のループで検証・修復し、協働作業環境を生成する Cowork-Gym を提案しています。状態を持つユーザーシミュレーターが、対話や共有ワークスペースへの直接編集で、エージェントの行動に応答します。著者らは14のアプリケーションシナリオにわたる64.9K個の環境を合成し、Qwen の9B、27B、35B-A3B モデルの事後学習に用いました。6つのエージェント系ベンチマークの平均で、ベースモデルをそれぞれ8.7、6.4、4.1ポイント上回ったと報告されています。27Bモデルは PawBench と ClawEval で最高平均スコアを得ています。
説明PrT-Flow：強化学習向けに確率密度を計算できるフローマッチング手法
要約本論文はPrT-Flowを提案する。これは多峰性・多段階のロボット行動生成を保ちつつ確率密度を計算できるフローマッチング手法である。中核はサンプリングの各ステップを可逆にするJacobian-Tractable Transformer（JTT）と、条件付きオイラーステップ学習（CET）である。Robomimic Liftの模倣学習では成功率96%、OGBench Cube-Tripleのオンライン学習では成功率96%を達成し、可逆ネットワークで有効なロボット方策を学習できることを示している。
説明DeltaTTG：「Token-to-Go」進捗メーターによるマルチターンエージェントの学習
要約本論文は、マルチターンエージェントの強化学習において終端の疎な報酬しか得られず個々のステップの良否を評価しにくい問題に対し、DeltaTTGという手法を提案します。複数の方策が記録した軌跡を用い、タスク完了までに残り生成すべきトークン数（Token-to-Go）を目標とする再利用可能な進捗メーターを学習します。アクター学習時には報酬を変えずに、このメーターの推定値の変化に応じて各ステップの優位性を再配分します。著者らはALFWorld、PaperSearchQA、BFCLv3で、GRPOや他の比較対象の強化学習手法を平均スコアで上回ったと報告しています。
注目点残りトークン数を目標とする再利用可能な進捗指標を提案し、タスク固有規則なしでRLの優位性を再配分する点に新規性がある。3つのベンチマークで複数基線と比較している。
説明RoTA-Bench：インタラクティブな投影整合による3D空間推論の評価
要約本論文は、視覚言語モデルが2次元の観察から3次元の理解を構築し、正確な操作を行えるかを評価するベンチマーク RoTA-Bench を提案する。モデルは回転させた物体を観察し、限られた行動回数の中で連続的に回転を選び、目標の投影を再現する。その結果、モデル（GPT-5.6-Sol）の成功率は17%にとどまり、人間の参加者は100%であった。また、細かい制御は操作履歴に敏感であることが示された。
説明画像はまだ発言権を持つ：マルチモーダル思考連鎖のための最終回答修復
要約マルチモーダルの思考連鎖では、推論が画像から逸れ、正しい最終回答が得られないことがあります。推論の過程が固定された後には自己修正の余地もありません。本論文は、最終回答の段階でもなお画像が利用できる点に着目し、推論を書き換えずに回答だけを画像で修正する方法を提案します。提案手法 TVER（Text-to-Visual Evidence Reallocation）は学習を必要としない手法で、回答に関連するテキストと問いに合う画像パッチを選び、テキストからパッチへ有界な注意を移します。ベンチマークやバックボーンモデルを横断して、選択式と記述式の両方で回答が改善したと報告されています。
説明エージェントは本当に忘れられるか？LLMエージェントのための機械的忘却の検討
要約大規模言語モデル（LLM）エージェントは、学習時に機密性の高い情報や私的な情報を獲得し、展開時にそれを露出する可能性があります。論文は、パラメータレベルの忘却だけでは不十分で、情報がメモリに残ったりツール呼び出しで再取得されたりすると指摘します。著者らは、TOFUの架空の著者設定を永続メモリ、オフラインのWebスナップショット、ツールからアクセス可能な文書を備えた環境へ拡張したベンチマーク「AUBench（Agent Unlearning Benchmark）」を提案し、既存手法を評価しています。
説明生成モデルは本当に有効か？修辞構造解析における生成モデルの評価
要約修辞構造理論（RST）の解析は、これまで事前学習済みエンコーダ専用モデルに基づく識別型モデルが主流でした。本論文では、同程度のパラメータ数の場合、識別型パーサーの方が生成型より大幅に高い性能を示す一方、はるかに大規模な生成モデルはときに識別型を上回ることを報告しています。生成モデルは基本談話単位（EDU）の分割で特に優位性があり、RST-DTベンチマークの端から端までの解析と分割で新たな最高水準の結果を示しました。
説明Open-o3-Video-v2：検証可能な時空間的証拠で動画を推論する手法
要約本論文は、モデルが不足している映像情報を自ら取得し、回答を支える時刻や物体の位置を推論過程に書き込む Open-o3-Video-v2 を提案しています。学習用に STGR-v2-CoT135K と STGR-v2-RL-13K のデータセット、そして CS-GRPO という強化学習手法を構築しました。V-STaR ベンチマークでは、4B モデルがベースの Qwen3-VL-4B を上回る結果を示しています。
注目点能動的な証拠取得と検証可能な時空間グラウンディングを組み合わせ、CS-GRPOでV-STaRの骨格モデルを大きく上回る。
説明textGrain透かしは検出しにくい：和検定は依然として最適に検出できるか
要約本論文は、人手による編集後にtextGrain透かしを検出できるか、またどの程度効率的に検出できるかを研究しています。textGrainはサンプリングのエントロピーに基づいて透かし信号を調整します。著者らは検出境界を理論的に示し、和検出器が特定の条件では最適でないことを指摘し、次トークン分布・エントロピー予算・編集割合を知らなくても使える重み付き多尺度二項スキャン法を提案しています。
注目点textGrain透かしの最小最大検出境界がGumbel-max方式より厳密に小さいことを証明し、最適指数率と加権多尺度スキャン検出器を示す。理論的貢献は大きいが、影響は透かし検出理論の範囲に限られる。
説明分離して忘れる：大規模言語モデルにおける機微情報の忘却のための意味的媒介手法
要約本論文は大規模言語モデル向けの標的型忘却手法 D2F（Decouple to Forget）を提案します。機微な事実内容を非機微な意味や表現から切り離し、回答から事実レベルの「媒介」表現を抽出して機微な部分のみを除去します。非機微な内容を残した反事実回答を生成し、選好ベースの対比最適化で情報漏えいを抑えます。著者らは、複数のベンチマークで強いベースラインより忘却と保持のバランスが良いと報告しています。
説明Code2Worlds-2：具身世界シミュレーションのための物理的に妥当なエージェント・ハーネス
要約本論文は、コーディング大規模言語モデルで生成した動的4Dシーンを、物理エンジン（MuJoCo）で読み込み実行できる世界へ変換するCode2Worlds-2を提案します。シーン・コンパイラとシミュレータ・ループ内の精緻化モジュールを追加し、衝突や関節などの物理情報を付与して検証します。また、五つのタスク・テンプレートを持つ評価ベンチマークSimCode4Dも提案され、生成シーンは物理的に妥当でロボットと相互作用可能だと報告されています。
説明DisaggKD：教師・生徒の分離と融合損失による効率的な知識蒸留
要約本論文は、知識蒸留において教師モデルと生徒モデルを別々のノードに配置するDisaggKDを提案し、単一GPUのメモリが教師モデルの規模を制限する問題に取り組む。教師のレプリカが隠れ状態を生徒へストリーミングし、行ウィンドウと語彙シャードに対するKD損失が、完全な語彙のロジットを作らずに厳密な演算では全語彙損失と等しくなる融合損失を用い、プリフェッチリングが生産側と訓練側を調整する。Qwen3.5-35B-A3BからQwen3.5-9Bへの組み合わせでは、分離構成は同一配置と同じLM損失を示しつつより高速である。より大きな組み合わせでは、融合損失を使っても同一配置はメモリ不足になるが、分離構成では学習が可能である。
説明企業の方針判断は学習させるべきか、推論させるべきか——27B韓国語企業モデルの統制比較
要約本論文は、企業エージェントが書面の方針に基づいて行動を選ぶ際、判断を生成JSONとするか単一の制約付きトークンとするか、また先に推論させるかを比較している。内部テストでは両インターフェースの正答率に検出可能な差はなかったが、再起動時の安定性には大きな差があった。隠された実行可能な方針で正解が付いた封印ベンチマークでは、推論により正答率が明確に向上した。英語版での結果は安定せず、モデルと英語版データは公開されている。
説明バイアススコアを超えて：活性化ステアリングにおける回答可能性の交絡と勾配制約方向設計（GCD）
要約本論文は、BBQ のバイアス評価における曖昧な設問のスコアが、モデルが回答するか否かという回答可能性と、符号付きの選好を混在させていることを指摘する。11カテゴリー・5モデルの実験で、対照的ステアリングが曖昧設問のスコアを下げる一方、選好スコアへの影響は一部にとどまることを示した。提案手法の勾配制約方向設計（GCD）は、Qwen-7B での比較実験で回答率の歪みを減らし、選好の変化を大きくした。著者らは公表スコアと併せて回答可能性を報告することを推奨している。
説明MemAct：メモリと能動的探索を備えたストリーミング空間理解フレームワーク
要約本論文は、観測が逐次届く中でエージェントが構造化された履歴メモリを書き込み、過去の記録やフレームを必要に応じて検索し、移動や方向転換によって新たな視点を取得するMemActフレームワークを提案しています。共有の視覚言語モデルを用い、約100万件の学習データと、20,000組の主要QAと2,000問の時系列問題からなるMemAct-benchを構築しました。実験では既存の空間理解およびストリーミングのベースラインを上回り、同ベンチマークでフロンティアのマルチモーダルモデルに近い性能を示し、ストリーミング推論の効率も維持したと報告されています。
説明FrameLite：コンパクトな視覚言語モデルによる、判断指向の美的トリミング
要約本論文は、Qwen3.5-0.8Bを基盤とする小型のトリミングモデルFrameLiteを提案し、写真の構図を整えるための美的な切り抜き枠を求めます。空間・構図の学習、品質誘導オンライン教師あり学習（QOS）、貪欲解を基準とする最適化（GRO）の三段階で訓練し、推論では探索や外部評価器を使わず座標の答えを一つ返します。公開ベンチマークで、比較対象の大規模視覚言語モデルより優れた結果を示したとされ、コードとモデル重みの公開が予定されています。
説明量子化事前学習のための混合精度スケーリング則
要約本論文は、順伝播と逆伝播にまたがる混合精度を含む量子化事前学習のためのスケーリング則を提案し、最適化理論に基づいて実験的に検証しています。この定式化は、量子化がモデル容量と最適化効率に与える影響を分けて扱い、順伝播と逆伝播の量子化に起因する持続的な最適化誤差を明示的にモデル化しています。Qwen3による選定された4ビット設定の実験と既存のLlama系実験において、損失予測の平均二乗誤差は既存の則より最大11倍低いと報告されています。さらに、層ごとの混合精度へ拡張し、ハードウェアを考慮した計算予算の下で最適な量子化事前学習の構成を特定しています。
説明トークンの反撃：方向埋め込み修正による安全性配慮型ノイズ除去
要約本論文は、テキスト拡散モデル向けの安全誘導手法SADDER（Safety-Aware Denoising with Directional Embedding-based Revision）を提案します。各トークン位置の埋め込み空間における安全誘導信号を用い、既存のSAD更新則にその信号を掛けて位置ごとにトークンを更新することで、不安全な信号が強いトークンほど修正されやすくします。また、修正後のデノイザが正しく機能するための位置別目標分布を理論的に導いています。MDLMとUSDMを用いた不安全継続およびジェイルブレイクの実験では、安全性、生成品質、推論コストの間でより良いバランスが得られたと報告されています。
説明部分的多ラベル学習のための較正付き曖昧性解消（PML-CD）
要約本論文は部分的多ラベル学習（PML）を扱う。これは各サンプルに関連ラベルだけでなく無関係なラベルも過剰に付与されたデータで分類器を学習する問題で、クラウドソーシングで収集したデータによく見られる。著者らはカリキュラム学習の観点から最適な重み関数を導出し、それがモデルの予測信頼度の較正と等価であることを示した。トレーニング中に正例の信頼度ヒストグラムから最適な重みを出力する転移可能な較正器と、プロトタイプ整合の正則化を提案している。Pascal VOC、MS-COCO、NUS-WIDE、CUBでの実験で、既存の最先端PML手法より優れていると報告している。
説明実行可能なプレフィックス価値でエージェントの失敗箇所を特定する
要約本論文は、LLMエージェントのデバッグで人間やLLM審査者が付けた「最初のミス」が、必ずしも失敗の原因を示していないかを検証しています。失敗した軌跡の中間状態からエージェントを再起動し、各ステップからの成功確率（プレフィックス価値）と失敗の不可逆点を推定します。SWE-bench Verifiedの150タスクでの実験では、審査者のラベルが成功確率の低下と一致しないことが示されました。
注目点エージェントの失敗ステップのラベルを実行可能な接頭辞価値曲線と比較し、原因ではなく症状を指す場合が多いことを示す。150タスクでの実再起動実験が根拠。
説明ピクセルから実行可能な物理へ：身体化された行動結果予測のための行動基盤型世界モデル
要約本論文は、屋外で四足歩行ロボットが同じ動作指令を実行した際の運動結果を予測するDR-WMモデルを提案しています。単一のRGB画像からシーン形状を再構成し、実ロボットの動作応答データで較正された地形接触特性の事前分布を組み込みます。得られた地形モデルで摩擦などの空間的に変化する接触特性を持つ物理シミュレーションを行い、映像世界モデルの学習を導きます。実験では、幾何情報のみのベースラインや一様な物理パラメータを用いた手法を主要な物理指標で上回ったと報告されています。
説明4LC：動的世界モデリングにおける効率的な条件付けのための4次元潜在キャッシュ
要約本論文は、静的・動的な場面の視覚表現を直接再利用して映像生成の条件とする4次元潜在キャッシュ4LCを提案する。要求ごとのRGB描画と再エンコードを避けるため、VAE、DINO、V-JEPA、VGGTなど複数の視覚エンコーダの表現を共有の幾何と運動に結び付け、任意の時刻と視点でキャッシュを読み出せる時空間インターフェースを備える。これを基に構築したモデル4LC-Videoは、カメラ制御、時間制御、新規視点合成、シーンの再訪、長期生成などを、タスクごとの微調整なしで単一モデルにより扱う。実験では、条件取得の効率化、時空間制御性の有効性、タスク間でのシーン一貫性が示されたとされる。
説明RELAY：評価基準ベース強化学習のための選択的自己蒸留と適応的引き継ぎ
要約本論文は、評価基準（ルーブリック）に基づく強化学習で、複数の基準を単一の報酬にまとめると詳細が失われ、グループ内の応答が同点の場合にGRPOの報酬勾配が得られない問題に取り組む。RELAYは、凍結された教師モデルによるトークン単位の監督とGRPOを組み合わせ、学習途中で平坦域検出器が教師を取り除き、以降はGRPOのみで継続する。著者らは、四つの設定すべてで域内スコアが比較手法中最高になったと報告している。
説明FedLoRD：モデルパラメータ差分の低ランク構造に基づく個人化連合学習
要約本論文は、大域モデルと個人化モデルのパラメータ差が各層でおおむね低ランクであるという性質を利用した個人化連合学習手法FedLoRDを提案しています。各層の差分に核ノルム正則化をかけた局所学習問題を立て、その因子分解表現に書き換えることで、通常の確率的勾配降下法で効率よく解けるようにしています。3つのベンチマークデータセットでの画像分類実験により、既存の複数の個人化連合学習手法より良い結果を示したと報告しています。
説明スマートフォンを用いた配電設備向け現場導入型AI点検システム
要約本論文は、現場作業員が撮影した画像から配電設備の状態を評価する、スマートフォンベースのAI点検システムを提案しています。電柱の傾斜、腕金の傾き、電圧階級、植生の離隔リスク、配電用変圧器の対地離隔などを対象とします。インド・アーンドラ・プラデーシュ州の配電会社の5つのフィーダーで試験導入され、1,222件の欠陥が特定され、84件が是正済みと記録されました。供電信頼度の向上を示す十分な証拠は得られていません。研究用に、データセットPD-Defectも公開されています。
説明ASR誤りはいつ影響するのか：ツールを使う音声エージェントのためのタスク役割診断
要約本論文は、音声認識（ASR）の誤りが構造化されたツール呼び出しに与える影響を、誤りが及ぶタスク役割の観点から評価する対応ペア型の診断手法SpeechEvalXを提案しています。594の元発話では、参照転写での結合呼び出し精度は82.3%ですが、3つのASRフロントエンドでは71.9〜74.9%に低下しました。数字と否定の編集は21.9〜25.7ポイントの低下を招き、対照的な編集では低下は小さいものでした。詳細なタスク役割ラベルは、二値の致命性ラベルに比べて元発話でグループ化したROC-AUCを0.73から0.78へ改善し、下流への影響は影響を受けるタスク役割に大きく依存することを示しています。
説明StateHarness：長期的なコーディングエージェントのための、変化し続けるプロジェクト状態の維持
要約本論文は、モデルのパラメータを更新せず、実行時にプロジェクト状態を維持するフレームワーク StateHarness を提案している。エージェントは現在の問題や発見、未完了の作業を記録し、変更の影響を受けうる呼び出し元やテスト、ドキュメントを検索する。三つのリポジトリ単位の評価で、タスク完了率と変更の一貫性に関する指標が改善したが、パス・トゥ・パス（既存テストの）回帰は増加した。
説明Background2Background：高次元顕微鏡向けの自己教師あり背景除去フレームワーク
要約本論文は Background2Background（B2B）を提案する。これは背景が信号より強い相関を持つ点を利用した自己教師あり背景除去フレームワークである。局所的なピクセルシャッフルで信号の相関を壊し、背景構造は保持することで、信号を有効なノイズに変換し、Noise2Noise ベースの背景除去に用いる。蛍光、誘導ラマン散乱、中赤外光熱イメージングで検証され、40 倍以上の背景抑制と隠れた特徴の可視化が報告されている。
説明MAS-Gate：ノード中心の定量化によるマルチエージェントシステムのライフサイクル全体の統一的な扱い
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（MAS）を対象に、実行前の設計・編成、実行中のランタイム介入、実行後の事後帰属という三段階を通じて使える統一的なノード中心の定量化手法MAS-Gateを提案しています。各実行を有向非巡回グラフとして表し、ノード内効用とノード間強度を組み合わせて評価します。実験では、ワークフロー構築、ランタイム編集、エラー箇所の特定において、各段階の既存ベースラインを上回る結果が示されています。
説明OpenDepth：画像編集の事前知識を再利用した、オープンワールド単眼深度推定の頑健化
要約論文は、テキストから画像を生成するモデルに基づく単眼深度推定が、照明変化や悪天候などの環境変動の下で性能を大きく落とすと指摘しています。著者らは、同じ幾何形状をもつ異なる画風の入力を統一的な潜在空間に写像するOpenDepthを提案し、Diffusion Transformerの浅い層の特徴整合と、劣化入力から清浄なRGBを復元するタスクにより環境の画風による干渉を分離します。原文によれば、標準および極端な天候のベンチマークでゼロショット深度推定の新たなSOTA記録を達成したとされています。
説明検証器とハーネスの協調進化：オープンエンドタスクにおける学習不要の自己改善
要約本論文は、モデルのパラメータを固定したまま、実行可能な検証プログラムとエージェントのハーネス状態を共に進化させる学習不要の手法UCoE（Unified Co-Evolution）を提案しています。対になった応答の対比を用いて検証器を選び、それで草稿の弱点を診断し修正を導き、採用する応答を決定します。六つのオープンエンドのベンチマークで直接生成を上回る選好率を、三つの検証可能なベンチマークで平均スコアの向上を報告しています。
説明事実より振る舞い：長い思考連鎖蒸留の本質を探る論文
要約本論文は、長い思考連鎖（Long-CoT）蒸留がなぜ有効なのかを検討します。誤りを含む推論過程や限られた問題集だけで学習しても、一般的な手法とほぼ同等の性能が得られると報告しています。この結果から「行動仮説」を提唱し、蒸留の本質は事実知識の記憶ではなく、構造化された推論パターンへの振る舞いの整合にあるとしています。さらに、確率ベースの損失は単純なパターンの学習に優れ、複雑な思考連鎖の拡張には標準の交差エントロピー損失が必要だと比較しています。
注目点行動仮説を提案し、誤った推論軌跡や限定プロンプトでも同等の性能が出ることを示して拒否サンプリングの前提に疑問を投げかけるが、実験の規模と基準の幅は限られる。
説明PLEDGE：3Dガウシアン・スプラッティングの段階的な誤差保証付き非可逆圧縮手法
要約本論文は、学習を必要とせず段階的に伝送できる3Dガウシアン・スプラッティング（3DGS）の圧縮手法PLEDGEを提案している。利用者は画面上の位置、回転とスケールによる形状の歪み、視点依存の色、不透明度の四つの許容誤差を指定でき、各プリミティブの量子化誤差の上限に変換される。その上限は、未知の視点を含む指定カメラ範囲全体で保証される。13のシーンでの実験により、各誤差上限が満たされ、競争力のあるレート歪み性能が示された。
説明形態認識型深層学習による全スライド画像からの大腸がん生存予測
要約本論文は、組織形態ラベルを構造的教師信号として用いる多重インスタンス対比学習手法MorphContrastを提案し、HE染色の全スライド画像から大腸がんの5年生存を予測する。TCGA、Alliance/CALGB 89803、SurGenの3コホートで検討され、外部検証ではAUCが単一モデルで0.669、アンサンブルで0.678であった。組織形態が予後に関する表現学習の構造的教師として有用であることを示唆している。
説明TDR：タガログ語のダイアクリティカル記号復元データセット
要約タガログ語には、綴りは同じでも読みと意味が異なる同形異義語が多くあり、書き言葉では通常ダイアクリティカルマーク（tuldik）で区別されます。しかし現代のテキストではこの記号がほとんど使われていません。本研究はニュース本文から、よく使われる40の同形異義語に注釈を付けたコーパス TDR を構築し、少数派の変種におけるクラス不均衡を緩和するため、コロケーションに基づく検索手法でデータを拡張しました。事前学習済みモデルにはないこの能力は、小型で低コストのモデルや、微調整された大規模言語モデルでも学習できることが示されています。
説明Tanawpamana：フィリピン文化遺産サイトにおける視覚言語モデルのベンチマーク
要約本論文は、フィリピン国立文化芸術委員会のTalapamana登録簿に基づくメタデータを備えた、フィリピンの遺産サイト画像のデータセットTanawpamana Datasetを紹介しています。あわせて、遺産サイトの認識と知識を評価するための4,046のタスクからなるTanawpamana Benchmarkを提案しています。7つの視覚言語モデルを評価した結果、モデルは粗い認識よりも、類似した遺産サイト間の細かい視覚的区別に苦労すること、また画像から推定する場合の地理的知識はテキストから推定する場合より弱いことが分かりました。
説明行動の自己蒸留による汎用ナビゲーションポリシーの学習
要約本論文は、人手による言語や推論のアノテーションなしに、ロボットが言語条件付きのナビゲーションを学習する行動自己蒸留（ASD）を提案しています。同一のオープンソースVLMを教師と生徒の両方として用い、教師は軌跡のフィードバックから目標と推論を推定し、生徒は車載センサーの観測のみから将来の軌跡やシーンの説明を予測します。13の実世界の室内外ナビゲーションタスクで評価され、室内では最強のベースラインより成功率が30%向上し、室外タスクでは95%の成功率を達成しました。
説明多視点変形動画からの物理場を介した材料パラメータ推定
要約本論文は、多視点RGB変形動画から、力・接触マスク、投影運動フロー場、投影応力応答マップといった稠密な物理場を予測し、それを条件として構成則の種類の分類と連続パラメータの回帰を一度の順伝播で行う枠組みを提案している。自作のDeformFieldBench（5,000件のシミュレーション、100種類の形状）上で、4つの連続パラメータすべてで最良の中央値誤差を示し、推論と将来状態の予測は約30秒で、シーンごとの最適化の15〜120分と比べて短いと報告している。一方、シミュレータをまたぐ評価や実世界での検証には、依然として領域差と同定可能性の課題が残るとしている。
説明拡散言語モデルと自己回帰言語モデルの事前学習計算量の16倍差を再検証
要約拡散言語モデル（DLM）を自己回帰言語モデル（ARM）と同等の尤度に到達させるには約16倍の学習計算量が必要だという、広く引用された研究の結論を再検討した論文です。従来の手法は現在のDLMの実践と合わなくなっていると指摘し、正確な尤度、ブロック拡散学習、エンコーダ・デコーダ構成などの新しい条件下で、約1,700のモデルを対象にスケーリング則を調べています。その結果、計算量の倍率は正確な尤度で12.8倍に下がり、ブロック拡散とエンコーダ・デコーダ構成では、ブロックサイズ32で7.8倍、サイズ8で4.6倍、サイズ4で3.0倍まで低下しました。したがって、DLMを一から事前学習するコストは従来想定より大幅に小さいとされています。
注目点約1700モデルの大規模スイープにより、拡散言語モデルと自己回帰モデルの事前学習計算量差(16倍)が過大評価だったことを示す。
説明Muon の限界におけるSoftmaxの制御：ヒルベルト幾何による統一的アプローチ
要約本論文は、Muonが線形層出力のRMS変化で重み更新を制御する方法は、softmaxでは出力分布の変化を正しく測れないと指摘する。著者らはヒルベルト距離を用いて出力分布の変化を制限することを提案し、最近提案された2つの手法（RowNormとCompositional Muon）を同一の数学的枠組みに位置づける。softmaxモジュールの最適化器設計の指針としてヒルベルト距離を用いることを提唱している。
説明RAN-JEPA：省電力モバイルネットワーク制御のための行動条件付きワールドモデル
要約本論文はRAN-JEPAを提案します。これは表現学習と介入学習を分離した、行動条件付きのワールドモデルで、モバイル無線アクセスネットワーク（RAN）の省電力制御を対象とします。まず観測のみのネットワークデータから予測的な潜在表現を学習し、次に制御されたスリープ／ウェイクの軌跡から行動条件付きの潜在動態を学習します。公開の事業者データと実機の4セル5Gテストベッドで評価した結果、GPT-2ベースのワールドモデルや機構的ルールより予測誤差が小さく、閉ループ制御では同程度の輻輳コストでより高いスリープ比率を維持できたと報告されています。
説明ラベル移行ノードの追跡：動的グラフ節点分類のための変化認識フレームワーク
要約現実のシステムにおける実体は時間とともに変化し、動的グラフとしてモデル化すると、連続するスナップショット間でクラスラベルが変わるノード（シフター）として表れます。論文は、主要な動的GNNのいずれもシフターの性能が安定ノードに劣り、誤りが旧ラベルに集中することを示し、その原因を近傍集約による埋め込みの慣性にあるとしています。提案手法CHASEは、任意の動的GNNに組み込めるモデル非依存のフレームワークで、ラベル移行の検出と古い近傍信号の上書きを行い、安定ノードの性能を維持しつつシフターの性能を改善します。
注目点動的グラフでラベルが変化するノードを対象に、既存の動的GNNを包む変化認識フレームワークを提案し、多数のモデルとデータセットで有効性を示した。
説明有限サンプル保証を備えたリスク回避型拡散モデルの推論時アライメント
要約本論文は、拡散モデルを推論時にリスク回避的に調整する枠組みを提案します。軌道レベルのKL正則化の下で、期待コストと条件付きバリュー・アット・リスク（CVaR）のバランスを取ります。最適化問題はCVaR閾値に関する一次元の最適化に帰着され、凸性の十分条件と二次正則化により無微分の三分探索が可能になります。また、閾値最適化と価値推定の有限サンプル保証を示しています。合成データとStable Diffusionによる画像生成の実験では、リスク中立のベースラインより裾の性能が改善され、平均コストも競争力を保っています。
説明放射線科レポートの質問応答で「回答可能性」と「抽出」を分けて評価する手法
要約放射線科レポートへの質問応答では、報告書に答えが含まれるかの判断と、その答えを示す箇所の特定という二つの決定が必要です。本論文は、RadQA で両者を単一の F1 でまとめて報告してきた従来の評価を改め、誤答率と過剰な回答拒否率を併記し、F1 の変化を抽出と回答可能性の項に分ける方法を提案しています。13 のLLMを用いた実験では、F1 が近いモデル間でも誤答率が二倍以上異なることが示されています。
説明自己教師あり3D医用画像ビジョン基盤モデルと転移性推定のベンチマーク
要約本論文は、複数の解剖部位と画像モダリティにまたがる同一の14のセグメンテーション、分類、回帰タスクで、23の3D医用画像基盤モデルを比較評価しています。また転移性推定手法を評価し、微調整前に凍結特徴量の統計を用いて候補モデルを順位付けするInsightRankを提案しています。全タスクで一貫して上位となったモデルはなく、3モデルの候補絞り込みにより、セグメンテーションタスクで記録された処理時間を85.8%削減できたとしています。
説明移動予算制約下の分散型意味的マルチロボット探索：予算内で情報利得を最大化する手法
要約本論文は、通信と移動に制約のあるマルチロボット環境向けの分散型意味的探索フレームワークを提案します。ディリクレマッピング、予算制約付きの軌道選択、資源認識型分散貪欲法（RAG）協調を組み合わせ、各ロボットは移動予算内で狄利克雷エントロピーの期待減少として表される情報利得が最大となる経路を選びます。シミュレーションでは、最短距離による前線選択よりも被覆率、意味的精度、地図の確実性が向上することが示されています。写実的なシステム全体のシミュレーションでは、軌道ごとの移動予算を守る唯一の手法でした。
説明EdgeWise：選択的なクラウド委任でロングホライズンのエージェントをエッジへ
要約本論文はEdgeWiseというエッジとクラウドの協調フレームワークを提案します。ローカル端末上の小規模モデルを主な解決器とし、より高い能力が必要な重要ステップのみをクラウドの大規模モデルに委任します。ステップ単位の強化学習で、解決と委任の判断を同時に最適化しています。実験では、SWE-Rebenchで推論コストを最大62%、Terminal-Bench 2.1で34%削減しつつ、純粋な大規模モデル実行と同等以上の性能を示したと報告されています。
説明FlashVSR+：ハイブリッドアテンションと報酬加重分布マッチングによる効率的な動画超解像
要約本論文は、効率的な動画超解像モデルFlashVSR+を提案している。アーキテクチャでは、局所性とスパースな大域的相互作用を併用するハイブリッドアテンションを導入し、DiTの最大2倍の高速化とピークメモリ45%削減を報告している。これにより、単一の24GB RTX 4090で4K動画の分割なし超解像が可能になるとされる。学習面では報酬加重分布マッチング蒸留（Ry-DMD）を提案し、テキストから画像生成にも応用できることを示している。
説明参照文の言い回しがロボット作業指示の検索に与える影響
要約本論文は、短い指示からロボット作業を特定する際に、検索対象として利用できる記述によって結果がどう変わるかを調べたものです。RLBenchベンチマークの62個のタスクファイルから296件の記述を抽出し、学習を必要としない5種類の語彙ベースの順位付け手法を比較しています。文字n-gram TF-IDFの平均top-1精度は61.3%で、BM25の55.6%、単語TF-IDFの54.9%を上回りました。ただし、参照記述の選び方によって精度は大きく変動しました。
説明多段階を一つに：推論の圧縮と LLM エージェントにおける安全なメモリ再利用の限界
要約LLM エージェントがテンプレート、スキルライブラリ、メモリ、キャッシュによって多段階の推論を一つにまとめる手法（推論圧縮、reasoning contraction）を扱った論文です。著者らは、成功と失敗を数える従来のカウンタは変化検出器として不適切であり、事実が変わった後も古い答えを返し続けることを示しています。複数の LLM による多跳質問や代码タスクでの実験では、そうしたカウンタが認証済みメモリよりはるかに多くの古い答えを返しました。論文は、似然比に基づく重み付けと認証、事実変更時の再認証を組み合わせた手法を提案しています。
注目点記憶の再利用を推論収縮として捉え、カウンタ型検出器の欠陥を証明し、複数モデルでの実験と安全性のスケーリング則を示す点に新規性がある。
説明マルコフ決定過程の安全性検証におけるクエリ選択の凸解析的視点
要約本論文は、マルコフ決定過程（MDP）の安全性検証を扱います。すべてのスケジューラの下で、複数の故障状態への到達確率が凸な安全領域に共に収まるかを判定する問題です。著者らは、選んだ誤差単位で違反を測る統一的枠組みを提案し、最大違反スコアが、外側近似を含むために安全領域を当該単位の何倍まで広げる必要があるかに等しいことを示します。測定規則の選択が検証性能に与える影響を実験的に評価しています。
説明TacitVLA：推論遅延のない推論型視覚・言語・行動モデル
要約行動の前にテキストで推論する手法は視覚・言語・行動（VLA）モデルの性能を高めるが、推論文の自己回帰デコードを待つ必要があり遅延が生じる。本論文のTacitVLAは、行動エキスパートが現在の呼び出しで生成した推論を参照しない設計で、推論の監督はバックボーン表現の改善を通じて効果を発揮する。RoboMME、RMBench、LIBERO、PhysicalAI-AVの4つのベンチマークで、明示的推論版と同等の性能を最大3.4倍低い遅延で達成したと報告されている。
説明どちらも正しかった：言語モデルにおける語彙表現は抽象的であり、かつ全体的である
要約本論文は、言語モデルが語彙表現をどのように構成しているかを調べたものです。文脈付きの単語表現を、項目、クラス、単語とクラスの相互作用という三つの成分に分解し、六つの事前学習済みTransformerと二種類の言語カテゴリで分析しています。その結果、相互作用成分は一貫して存在し、層を重ねるごとに増大し、共有されたクラス効果を超えるクラス情報を符号化していることが示されました。加法的構造だけを含む人工言語の学習者においても、この相互作用が現れています。
説明CrossPortrait：敵対的モーション整列によるクロス種ポートレートアニメーション
要約本論文は、ある種Aの肖像を別種Bの駆動動画でアニメーション化するCrossPortraitフレームワークを提案します。人から動物、動物から人、猫から犬といったシナリオに対応します。頭部姿勢と表情キーポイントに運動を分解し、種ごとのLoRAを組み込んだ表情エンコーダと、表情レベルの敵対的ドメイン適応（Ex-ADA）で駆動種の情報漏えいを抑制します。実験では、多様な種で身元を保った表現豊かなアニメーションを実現し、既存手法より優れていると報告されています。
説明グリーンAIに向けて：量子化LLM推論のエネルギー効率評価
要約本論文は、大規模言語モデル（LLM）推論における重み量子化戦略のエネルギー効率を、入出力長やGPUの違いを含めて初めて統一的に評価したものです。5つのモデルと4つのデータセットで10種類の学習後量子化手法を検証しています。EETQ int8やBitsandbytes int8などの融合カーネル実装が最も高い省エネ効果を示し、短いテキスト生成ではFP32比で最大4倍の節電となりつつ、精度低下はわずかでした。また、エネルギー使用量は実行時間とほぼ連動しており、遅延の最適化が環境負荷低減の指標になり得ることが示されています。
説明TwinPrune：視覚言語モデル向けの密度考慮型2段階トークン剪定手法
要約本論文は、視覚言語モデルの推論における事前充填（prefill、bipartite merge）と復号（decode、KVキャッシュ削除）の両段階でトークンの重要度を採点する、統一された空間密度信号を提案します。著者らは、事前充填向けのベンチマークだけで復号段階の剪定を評価すると誤った結論になると指摘し、TextVQA、DocVQA、MM-Vetなど全工程を評価するベンチマークで検証しています。結果として、計算量、メモリ、精度の間で三者のパレート最適な境界を実現したと報告しています。
注目点空間密度信号を預充填の結合マージとデコードのKV削除に統一適用し、デコード評価の落とし穴を指摘。複数モデル・ベンチマークでH2O等と比較し証拠は充実。
説明ATTUNE：LLM学習のためのエージェント型スループット調整手法
要約本論文はATTUNEを提案します。これは、GPUの分割方法やメモリと計算のトレードオフ、カーネルや通信のオーバーラップなど、LLM学習の構成を、GPU時間の予算内で無人で調整するコーディングエージェントです。学習の目的を変えるおそれのある引数は外部の正しさチェックで排除されます。H100、H200、B200クラスタでの評価では、平均1.7倍のスループット向上が報告されています。
注目点コーディングエージェントに技能ルールと正当性ゲートを組み合わせ学習レシピを調整し、既存の自動調整器を上回る点が実質的な改良である。多数の構成で比較実験が充実している。
説明Box-WAM：世界動作モデルのための、コンパクトな状態表現としての有向バウンディングボックス軌跡
要約世界動作モデル（WAM）は、行動と将来の世界状態を明示的に予測する方策モデルの一種で、さまざまなロボット操作タスクで行動のみを予測するモデルより高い性能を示しています。本論文は、稠密な将来フレームの代わりに、タスクに関係する物体の有向バウンディングボックス軌跡を予測するBox-WAMを提案します。ボックス軌跡の予測により計算コストが大幅に下がり、行動予測の性能も向上したと報告されています。
説明YUBI-Real2Sim：信頼できる方策評価のための3DGSシーン検証
要約本論文は、デュアル魚眼手首視点でVLA方策を評価するため、3D Gaussian Splatting（3DGS）により実環境からシミュレーション環境を再構築するフレームワークYUBI-Real2Simを提案しています。200度魚眼カメラによる撮影、3DGS学習、3D基盤モデル、MuJoCoによる物理シミュレーションを組み合わせ、9つのシーンとタスクの比較のうち8つで実世界の方策順位を再現しました。また、新規視点の品質スコアが方策順位の信頼性を示せるかを分析し、結果はタスクに依存し、一般的な採用基準とするには至らないとしています。
説明リアルタイムシーン再構成のためのガウシアン・スプラッティング：手法・システム・トレードオフ
要約本論文は、3Dガウシアン・スプラッティング（3DGS）によるリアルタイムのシーン再構成に関する研究を整理した総説です。関連研究は、単一ショット生成、動的表現、効率化と圧縮、ストリーミングとイマーシブシステム、ガウシアン・スプラッティングSLAMの五つに分類されています。著者らは、レンダリングのみのスループットと、シーンの生成・更新・追跡・地図作成・最適化にかかるコストを区別し、スパースビューのベンチマークで品質、遅延、メモリ、更新コストのトレードオフを比較しています。
説明C{\AE}NL：坍縮ベースの能動的ニューラル学習と目的整合的な表現制御
要約本論文は、サンプル獲得、動的坍縮正則化（DCR）、およびその係数方策を分けて扱う C{\AE}NL 枠組みを提案します。DCR は、凍結された参照値を上回る、クラス内とクラス間の散布の正規化残差にペナルティを課します。ImageNet-100 で注釈率60%のとき、エントロピー獲得に DCR と MACC-Lite を組み合わせた手法は、ResNet-50 と ResNet-18 でエントロピー単独より1.742 および 1.834 ポイント高い精度を示し、多重比較補正後も有意でした。著者らは、幾何学的正則化の効果はタスクに依存し、幾何構造が明瞭でも入力への頑健性は保証されないと指摘しています。
説明MERIT：マルチモーダル注意デコードで各モダリティの寄与を測る手法
要約本論文は、聴覚注意デコード（AAD）のための多モーダル・デコーダおよび評価手法「MERIT」を提案し、補聴器が聞いている話者を特定できるようにすることを目指します。各入力ストリームをテストデータ間でシャッフルして精度低下を測り、Shapley 値で脳波（EEG）と視線、頭部運動、シーン映像などの寄与を配分します。公開データセットでは、四択精度が被験者内で 0.82、未知の被験者で 0.74（偶然水準は 0.25）に達しました。行為データを加えると全体精度は上がるものの、脳波の寄与はほぼ半減することが示されています。
説明結合エコー状態ネットワークにおける集団の利益と効率：相互作用が群の成果を高める仕組みの検討
要約本論文は、リザーバーコンピューティングモデルを用いて、群の構成員どうしの相互作用が精度と効率をどのように高めるかを調べたものです。エコー状態ネットワークを独立に学習させ、母音の録音から日本語話者を識別させ、結合フィードバックの有無を比較して共同でテストしています。集約フィードバックによる相互作用を持つモデル対では、Bahrami ら（2010）が報告した二者の優位性が再現されましたが、独立した出力を単に集約した場合には再現されませんでした。効率については、総計算量を揃えた場合、小規模で相互作用する多数のモデルからなる群が、大規模な少数のモデルからなる群を上回りました。
説明異種イベントログを横断したイベント予測のための基盤モデル
要約本論文は、業務プロセスや製造、医療など様々な分野のイベントログに対し、新しいシステムでもパラメータ調整なしに次のイベントを予測する基盤モデル「FEP（Foundation Event Predictor）」を提案している。アテンション機構による文脈内の非パラメトリック推論を用い、置換にロバストな埋め込みや分位点変換などで異なるシステム間の汎化を高めている。696件の実データセットで事前学習し、未見の50件で評価した結果、多くの場合は各データセットで個別に学習した強力なモデルに近い性能を示し、既存の基盤モデルの基準を大きく上回ったと報告している。
説明言語モデルにおける「固有受容感覚」
要約本論文は、人間の固有受容感覚（自分の体の位置や動きを感じる感覚）を手がかりに、言語モデルが自身の内部状態を把握できるようにするデジタルな類比を提案しています。著者らはSFTとオンポリシー学習によってモデルを訓練し、ルーティング判断、トークンエントロピー、決定の深さ、logit lens情報などの内部信号を理解できることを示しています。また、その能力がモデルの性能に影響しないことを確認し、状況認識、可読性、随伴現象性の観点から振る舞いの変化を評価しています。
説明不均等な観察期間下での、オンライン学習者の縦断的な参加プロファイリング：異種混合コンセンサスクラスタリング
要約本論文は、南アフリカの公立大学における152コース、4,599名の学習者による16,448件の学習系列を用い、学習管理システムの記録から参加プロファイルをクラスタリングしたものです。8種の参加指標のいずれも、比率で表しても観察期間の長さと関連していましたが、コース単位の調整によりその関連は弱まりました。最終的なコンセンサスでは4つのプロファイルが得られ、プロファイルが期間の変動を説明する割合は2.87%でした。割り当ての不確実性も一定程度認められています。
説明VeriPIE：検証可能なクエリ計画と証拠誘導型の Text-to-SQL 候補選択
要約本論文は、言語モデルによる生成と記号的検査を組み合わせた神経記号フレームワーク VeriPIE を提案し、自然言語の質問を SQL に変換します。構造化された計画言語 QuerySketch を Lean ベースのバックエンドで検査し、実行結果の一致や区別用データベースの探索によって候補を選択します。Spider 開発セットでの測定では、テストスイート精度は 72.05%で、DeepEye の 65.67% を上回りました。
説明Moodle ログに基づく次週の学習者離脱予測のための時系列同期型プリクエンシャル評価フレームワーク
要約本研究は、Moodle 学習管理システムのログから、学習者が翌週に活動を停止するかを予測するため、暦時間に沿って同期させた逐次評価フレームワークを構築しています。SGD ロジスティック回帰、OSELM、エコー状態ネットワークの3モデルを、各種閾値方式や特徴量群のもとで比較しました。保留データでの評価では49,329件の予測を対象とし、3モデルの識別性能は近い水準でした。
説明自己進化するマルチエージェント・コーディングシステムにおける安全でない振る舞いの起源特定
要約本論文は、言語モデルベースのコーディングエージェントがプログラムを改変し互いのコードを再利用する環境で、観測された安全でない振る舞いを最初に導入したエージェントとプログラム版を特定する、あるいはそれが局所的に発生したと判断する手法を研究している。挙動フィンガープリントの照合、履歴版の位置特定、再帰的な遡及を組み合わせた方法を提案している。85の制御シナリオにおける158件のクエリで、正確な起源特定精度は96.8%であり、再帰を用いない網羅的フィンガープリント照合の77.2%を上回った。
注目点マルチエージェントのコード系譜における不安全挙動の起源特定という新課題と、行動指紋と再帰追跡を組み合わせた手法を提案し、158件で96.8%の精度を示した。
説明TorchSpin：PyTorchによる微分可能な電子常磁性共鳴（EPR）シミュレーション
要約本論文は、EasySpinの電子常磁性共鳴（EPR）計算の構成と数値規約をPyTorchのテンソル計算環境に移植したオープンソースフレームワーク「TorchSpin」を提案している。連続波EPR、ENDOR、パルスEPR、スピンダイナミクスなどの計算をカバーする。九つのワークロードのうち六つでCPU実行がEasySpinより速かった。自動微分を用いたCu(II)粉末スペクトルの例では、パラメータラベルを使わずに畳み込みニューラルネットワークの性能が向上したと報告している。
説明偏微分方程式向けの構造保存型忠実度診断
要約偏微分方程式の機械学習代替モデルは、通常は数値解法で生成したデータで学習されるため、真の物理ではなく離散化誤差を学習してしまうことがある。本論文は、保存量・対称性・ハミルトン構造などの既知の物理的性質を学習済みモデルが保っているかを、学習データや支配方程式なしで測る簡単な指標群を提案している。五つの系で、これらの指標は真の力学からの誤差と最大0.94の順位相関を示し、テスト損失は無相関または負の相関にとどまった。Burgers、KdV、Navier-Stokes方程式では、テスト損失では同等と評価される数値スキームも区別できたとしている。
説明REA：正しいLLM判定から安全な意思決定の提供へ
要約本論文は、安全ガードの判定が解析とフォールバック処理を経て、アプリケーションの実際の動作にどう変換されるかを追跡するREA（Resolve–Express–Act）フレームワークを提案しています。実験では、正しい予測が形式の誤った出力の中に現れ、アプリケーションが抽出できない場合があることが示されました。解析器を出力に合わせ形式を修正すると、正しい判定にもかかわらず有害なリクエストが許可される割合が95.5%から0%に低下したと報告されています。
説明コーディングエージェントのチームによる推論時計算量の拡張
要約本論文は、マルチエージェントチームが推論時の計算資源をどのように配分すべきかを検討しています。ProgramBenchを用いて、単独エージェントと、規模やモデルの組み合わせが異なるチームの性能を比較しています。適切に配分された17体の異種チームは、5体の強力な同種チームとの差が1.4ポイントにとどまり、コストは70%低く抑えられました。また、ワーカーに計画を任せることが最も効果的で、安価なモデルは実装よりも計画に向いていると報告しています。
