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。
説明どこまで少なくできるか：ベイズ最適化による LLM の微調整（LlMBO）
要約本論文は Morris ら提案の TinyLoRA の流れを受け、極めて少数のパラメータで大規模言語モデルを微調整する手法を扱います。低次元の設定では大域的最適化が実用的になるとの観察に基づき、LlMBO（大規模言語モデルのベイズ最適化）を提案しています。原文によると、サンプル効率が高く、勾配を使わず、メモリ消費が少なく、貪欲デコーディングの精度を直接最適化できます。数学ベンチマークでの GRPO との比較実験では、この領域で GRPO の微調整効果に匹敵または上回り、計算量とメモリは一部で済んだとされています。
説明EgoOmniWorld：「自己-行動-世界」の相互作用による一人称視点理解の統合
要約本論文は、装着者が世界を知覚し、行動して世界を変え、そのフィードバックを次の行動に活かす「自己-行動-世界」の相互作用ループを提唱し、その考えに基づくベンチマークEgoOmniWorldを提案しています。ベンチマークはノード、エッジ、チェーン、ループの4種類の相互作用構造に沿って構成され、視覚・聴覚の証拠に基づくデータから24,166組の質問応答（学習用20,284組、テスト用3,882組）が作られています。実験では、主要な多モーダル大規模言語モデルが相互作用構造によって大きく不均一な限界を示し、本データで学習したモデルは領域内の理解が向上し、既存の一人称ベンチマークにも一般化することが示されています。
説明理論規模の自動形式化における忠実性の整合
要約自動形式化では、形式的な命題が元の非形式的な命題の意味を保つこと（忠実性）が求められます。本論文は文脈を考慮した「整合してからラベル付け」問題として忠実性評価を定式化し、460項目・4,982件の句レベルの対応関係を注釈した基準FaithAlignと、非形式的な文脈と仮定を伏せた146項目のFaithAlign-Gapを提案しています。8つのモデルで評価したところ、最良のモデルの欠陥F1は47.8%で、FaithAlign-Gapでは判定不能な項目のうち28.2%しか正しく識別できませんでした。
説明審査モデルは参照に従う：ツール呼び出し引数の検証における導出ギャップ
要約本論文は、LLMエージェントが提案するツール呼び出しの引数値を評価する審査モデルが、入力に値の参照となる文章がない場合に、正しい値を受け入れにくくなることを示しています。これを「導出ギャップ」と呼びます。ユーザーが言及していない関数スキーマの既定値や推論が必要な値、入力から切り取られた値などで見られ、評価した7つの審査モデル全てに現れました。さらに、DeRefという、完全な履歴を読んで審査モデル用の参照を生成する手法を提案し、三つのベンチマークで全ての審査モデルの引数AUROCを向上させました。
説明青少年・若年成人におううつ病重症度の候補デジタルバイオマーカーとしての課題誘発性眼球運動
要約本研究は単一施設の横断研究で、14〜20歳の参加者155名が感情・空間の自由視聴課題と記憶誘導型の再生課題を行い、ハミルトンうつ病評価尺度（17項目）の得点で層別化しました。うつ病の重症度が高いほど、注視配分のエントロピーが低く、領域間の切り替えが少なく、最初の標的への到達が遅く、標的への滞留割合が低いことが示され、共変量調整後も関連が残りました。著者らは、一般的な否定的注意バイアスではなく、視覚探索と記憶誘導型の注視制御の変化が候補指標になりうるとし、前向き研究による更なる検証を提案しています。
説明少数のラベルで多数の問題を再校正する：ミニマックス率と識別限界
要約各問題のラベルが少ない多数の関連予測問題において、情報をどのように共有し、再校正を行うかを検討した論文です。固定効果と変量効果の両設定について最小最大リスクの上界を示し、識別の損失を分析しています。各問題のラベルが一定数を超えると、学習できない部分はほぼ不要であると述べています。
注目点再校正における問題間で共有できる情報の極小最大レートと識別限界を精密に特徴づけ、コインに対する既知の指数的境界を一般化している。理論的貢献は大きく、証明も充実しているが、実験による検証は示されていない。
説明表形式データの機械学習におけるメンバーシップ推論攻撃の再検討（体系的レビュー）
要約本論文は、表形式データを対象とするメンバーシップ推論攻撃（MIA）を体系的に整理し、新たな分類法を提案するとともに、多様な表形式データセットとモデルで四つの最新攻撃を比較しています。クラスの細分化度と多数派クラスの割合が高いデータセットほど攻撃を受けやすいことが示されています。高度な攻撃は対象モデルに関する攻撃者の知識に強く依存する一方、参照モデルを用いない攻撃は統計的に同程度の結果を出すことが多いとされています。さらに、一般的な防御を適用しても、一意の特徴を持つレコード（シングルアウト）は依然として脆弱であり、現行の防御は平均的な情報漏えいを減らすものの、最も敏感な個人を十分に守れていないと結論づけています。
説明距離と音声の整合性に基づく物理情報活用型ディープフェイク検出
要約本論文は、話者が動く動的な話し声の動画を対象とした、ディープフェイク検出手法を提案している。実際の録音では音声エネルギーが話者とカメラの距離に応じて予測可能に変化するという音響的制約を利用し、動画から推定した距離と音声から得た距離依存の音響指標を組み合わせる。野外のベンチマークで有効性が示され、唇の同期に基づく検出器と併用すると、単純なアンサンブルで複数のデータセットにわたり安定した改善が得られたとされている。
説明ReTerm：自己改善型ターミナルエージェントのための回復学習
要約本論文は、自身の失敗したターミナルタスクからの回復方法を学習することで継続的に改善するターミナルエージェントReTermを提案します。冷間開始の教師ありファインチューニング用にReTerm-10Kデータセットを構築し、エージェントの失敗状態から分岐して独立した自己回復の試行を生成し、タスクが成功したかどうかで学習するオンライン強化学習アルゴリズムReTerm-GRPOを提示しています。Qwen3.5-9Bを基にしたReTerm-9Bは、Terminal-Bench 2.0でPass@1 34.8%を達成し、ベースモデルを上回りました。
説明ProTok：モジュール式多重コードブック量子化による統一タンパク質トークナイゼーション
要約本論文は、タンパク質の配列・構造・機能注釈という三つのモダリティを、同一の離散語彙に写像する統一トークナイザ ProTok を提案しています。単一のチェックポイントで、任意のモダリティの組み合わせから再学習なしに推論できます。StructTokenBench の複数のベンチマークで構造系トークナイザより高い順位を示し、再構成精度も保っています。さらに、主鎖と配列を生成するモデルにも利用できると報告しています。
説明MemoryVLN：視覚言語ナビゲーションにおける自己認識型メモリ表現と文脈横断的メモリ再利用
要約本論文は、大規模視覚言語モデル（LVLM）を用いた視覚言語ナビゲーション（VLN）で、長い経路での性能低下に対処するメモリ中心のナビゲーションシステム MemoryVLN を提案しています。忘却曲線に着想を得た時間サンプリングや、2D意味トークン・3D幾何トークン・6D姿勢を統合した自己認識型メモリ表現などを用います。R2R-CE と RxR-CE での実験では、既存の最先端手法に対し成功率がそれぞれ約2%と6.5%向上したと報告されています。
説明少ステップ拡散モデルのためのオンポリシー蒸留の簡素化と改善（Simplified Matching Distillation, SMD）
要約本論文は、拡散モデルとフローモデルのサンプリングコストを削減する少ステップ蒸留手法SMDを提案しています。補助的なスコアモデルや専用アーキテクチャを必要とせず、単純なオンポリシー速度回帰のみを用います。学習時のみ使用される残差プロキシPivotで局所的な補正を分離し、弱い教師予測から学生モデルを遠ざけて望ましくないモードを避けます。論文では、4ステップ生成で強力な少ステップベースラインを上回り、いくつかのベンチマークでは多ステップの教師モデルも超えたと報告しています。
説明Transformer ベース言語モデルのためのグラフ・メタネットワーク
要約本論文は、ニューラルネットワークの重みそのものをデータとして扱い、別のモデル（メタネットワーク）で処理する手法を研究しています。著者らは、Transformer 言語モデルの重みには MLP より豊かな対称性（注意行列の連続的な一般線形変換やヘッド全体の置換など）があり、既存手法では十分に扱えないと指摘しています。そこで、グラフメタネットワークに基づき、対称性を考慮し深さや幅をまたいで適用できるグラフベースの手法を提案し、新たに構築した 2 つの Transformer データセット（学習コーパス予測、ファインチューニング検出など）で既存のベースラインを上回ったと報告しています。
説明ChatGPTの健康アドバイスはどれほど安全か？4つのグローバルサウス諸国における実際のユーザー会話による検証
要約本論文は、インド、ナイジェリア、ブラジル、パキスタンの1,252人のユーザーから同意に基づき提供された会話データ（2022年12月〜2026年2月、計202,590件）を用い、健康関連の会話15,555件の安全性を評価しています。約5件に1件が高リスクと評価され、症状や病状に関する質問に集中し、不適切な服薬・用量指導や安全上の警告の欠如などの失敗パターンが確認されました。ユーザー自身の文脈を加えると高リスクの割合は13〜17ポイント上昇します。
注目点実ユーザーの健康会話を用いた初の人口統計に基づく安全性評価であり、2万件超の大規模分析で文脈が高リスク率を大きく押し上げることを示した。
説明読み出しスケーリングがスパースな特徴の回復をどう左右するか
要約本論文は、読み出し層のスケーリングがスパースオートエンコーダ（SAE）の学習内容にどう影響するかを研究しています。決定情報を保ったまま特異値の増幅を取り除く、読み出し正規化決定空間（RC-DS）座標を提案しています。学習が因子の生成された空間を復元するとき、回復が最も高くなることを示しています。条件数100では、平均的なスパース因子の回復率が0.506から0.913に上がりました。三つの言語モデルの検証では、RC-DSは18のすべての設定で再構成が高い一方、中心化ロジット学習は17の設定で出力ロジットをよりよく再構成しました。
説明MFVSR：動画字幕除去のための多様なスタイルと細粒度のベンチマーク
要約本論文は、動画字幕除去手法を評価するための大規模な多様スタイルのベンチマークMFVSRを提案します。データは高解像度実写、低解像度実写、AI生成の3種類の出典からなる3,000組の対応動画と、実世界での適用範囲分析用の野生の実写動画953本を含みます。字幕は16言語と、空間配置・時間的挙動・視覚スタイル・言語モードの4要因で多様化されています。評価プロトコルは、ブラインド除去とマスク誘導除去を区別し、復元忠実度、保存忠実度、時間的忠実度、カバレッジ、失敗を測定します。6つの代表的手法での実験では、従来の全フレーム指標では見えない局所的な復元、領域外の保存、時間的一貫性、全体的な信頼性の間の大きな差異が示されています。
説明双方向KL制約による小規模言語モデルのための教師誘導型ツール学習
要約本論文は、外部ツールを使う小規模言語モデル（SLM）の学習の難しさに対し、選択的教師誘導方策最適化（SeTPO）を提案している。低報酬の軌跡では、逆KLから導かれたトークン単位の教師フィードバックを方策の優位性に組み込み、補助的な順方向KL監督により教師が示した振る舞いを学習全体で保持する。BFCL v4とAPI Bankでの実験では、三つの学生モデル規模すべてで、教師あり微調整、強化学習、蒸留の各ベースラインより総合性能が高いと報告されている。
説明S³-PnP：自己教師分数事前分布を用いた科学画像向けプラグアンドプレイ雑音除去手法
要約本論文は、ハイパースペクトル画像や磁気共鳴画像などの科学画像を復元するためのS³-PnPフレームワークを提案します。クリーンな学習用ターゲットや外部の事前学習済み重みを必要とせず、観測データから得られるADMM中間状態から分数事前分布を直接学習し、解析的事前更新への入力を補正します。理想的な分数と二次データ忠実度の仮定の下で、補正後のADMMアルゴリズムの収束性と再構成誤差も解析されています。実験では、参照誘導型ハイパースペクトル復元、単一画像ハイパースペクトル雑音除去、磁気共鳴雑音除去で既存手法より一貫した改善が示されています。
説明条件付きエネルギー事前分布による摂動特異的表現学習と細胞応答予測
要約本論文は、薬剤などの摂動に対する細胞応答を予測する手法PerturbEnergyを提案しています。摂動と整合する表現ほどエネルギーが低く（確率が高く）なるよう条件付きエネルギー事前分布を導入し、オートエンコーダに組み込むことができます。四つのベンチマークデータセットでの実験では、潜在空間における摂動認識が最大83.2%向上し、上位50/100/200の差次的発現遺伝子の予測で最先端の性能を達成したと報告されています。
注目点条件付きエネルギー事前分布で潜在空間を調整し、条件付き相互情報量の下界を示す。四つのベンチマークで十分に検証され、摂動予測の分野に実質的な貢献がある。
説明EmoGenie：テキストから画像生成とMLLMにおける表出感情・誘発感情のベンチマーク
要約本論文は、AIが生成した画像が意図した感情を正しく伝えているか、また多モーダル大規模言語モデルがそれを理解できるかという問いに取り組みます。8つの文生成画像モデルが800件の感情指向プロンプトから生成した6,400枚の画像に、質問応答の注釈と人間による連続評価を付したベンチマーク「EmoGenie」を提案しています。さらに、感情質問応答と次元別の回帰ヘッドを組み合わせた「EmoProbe」を開発し、感情関連のQAタスクで優れた結果を示し、予測スコアも人間の評価とより高く相関したと報告しています。
説明FastEEP：専門家並列 MoE 推論サービス向けの高速なインスタンス内弾力的スケーリング手法
要約本論文は、MoE モデルの推論サービス向けに、Partial Reuse の原理に基づく高速なインスタンス内スケーリングシステム FastEEP を提案しています。実行構造と現在の専門家並列構成で使用されるリソースを分離し、サービスインスタンス全体を破棄・再構築せずに専門家並列グループのサイズを調整します。評価では、vLLM ベースの既存手法と比べ、複数のモデルで 4.5 倍から 11.7 倍速くスケーリングできたと報告されています。
説明自律的科学ベンチマーク：自律的科学発見のためのAIエージェント評価
要約本論文は、生物学・化学・材料科学の既発表実験に基づく、予算制約付きの設計・構築・測定・学習キャンペーン6件からなる「Autonomous Science Bench」初版を提案する。エージェントは設計案をバッチで選択し、ラボサービスから測定結果を受け取って後続実験を導き、最終的に予測モデルを提出する。成功には「発見」と「学習」の2つの評価ゲートの通過が必要で、8つのエージェント・モデル構成・144試行の予備評価では、最良の構成が67%の試行で成功した。
説明Thinker-WM：具身知能のための共有マルチモーダル表現による統一ワールドモデル
要約本論文は、統一動的トランスフォーマーを通じて RGB、度量深度、ロボット動作を共同でモデル化・生成する統一マルチモーダルワールドモデル Thinker-WM を提案しています。EWMBench、WorldOlympiad、WorldArena の評価で首位を獲得したと報告されています。さらに、動作条件付け、幾何学的相互作用、マルチ機能学習の効果を対照実験で検証しています。
説明CoTL：三次元シーン表現のためのコンパクトトークン学習
要約本論文はCoTLフレームワークを提案し、姿勢情報のない多視点画像から、シーンの幾何と外観を保持する少数のトークン集合を学習します。エンコーダは各視点を少数の潜在トークンに圧縮して視点間で統合し、クエリベースのガウシアンデコーダが描画可能な三次元ガウス基本要素を復元します。新視点レンダリングを監督信号として端から端まで学習します。RealEstate10KとACIDでの実験では、新視点合成で競争力のある結果を示し、三次元ガウスシーン生成の潜在空間としても利用できることが報告されています。
説明特異点には分布がある：確率的知能爆発の厳密な時間法則と検出限界
要約本論文は、AI研究の自動化がソフトウェア能力と研究努力の間に生む正のフィードバックループを、能力の冪乗に比例する速度で独立な乗法的改善が到着する確率モデルで検討しています。爆発時刻は決定論的閾値を変えず、明示的な分布として表されます。改善サイズがLomax分布に従う場合、爆発時刻は厳密にGamma分布に従うことが示されています。また、一定速度と幾何的に増加する速度を比較する検定の最小標本サイズの漸近式も提示されています。数値例は予測ではありません。
注目点確率的な正のフィードバックモデルに対し、爆発時刻の厳密な分布、モーメント、テール挙動と検出に必要な標本数の漸近式を導出している。
説明コピーは根拠付けではない：作成文に信用を与えて忠実な長文RAGを訓練する手法
要約本論文は、長文RAGモデルの忠実性報酬が原文の文をコピーすることで悪用され、モデルが根拠に基づいて書くのではなくコピーを学習してしまうと指摘します。著者らは、GRPOの報酬と優位性を答え単位から文単位へ移す「作成文信用（ASC）」を提案し、コピーではなく作成され、原文に裏付けられた文のみを評価します。4つのモデルと複数のコーパスでの実験で、ASCは作成文の誤り率を下げ、裏付けのある文を増やしました。
注目点文単位の作成者帰属報酬とアドバンテージを提案し、コピー近道を是正。複数モデル・コーパスで一貫した改善を示し証拠は比較的充分。
説明音声信号からサプライザル（予測困難度）を推定する
要約本論文は、テキストの書き起こしに頼らず、音声言語モデルを用いて音声信号から直接サプライザル（surprisal）を推定する手法を提案する。抽象的な言語単位の確率は、重要度サンプリングによりテキスト読み上げモデルが生成する複数の発音実現を周辺化して近似している。聴取実験の瞳孔径データで評価した結果、単語については重要度サンプリングによるサプライザルの方が個別の発音実現に基づくものより瞳孔拡張をよく予測した。ただし全体としてサプライザルは瞳孔径変化の強い予測因子ではないとされている。
注目点音声言語モデルから直接サプライザルを推定し、重要度サンプリングによる周辺化を提案、瞳孔データで多粒度に検証しており新規性と根拠は十分。
説明STAMP：断片レベルの学習と編集のための位相認識型分子言語
要約本論文は、モチーフ同一性、結合部位、木構造トポロジーを個別に符号化する位相認識型分子言語STAMP（Sequential Tree Attachment-based Motif-Preserving representation）を提案している。断片は様々な文脈で再利用でき、部分木を直接操作できる。30ターゲットのうち23で、対応するSMILESエンコーダより活性崖予測誤差が小さく、23の評価目標のうち15で、部分木操作による骨格保持最適化が6手法中首位となった。さらに、決定的コンパイラを用いると凍結言語モデルがインデックス付き断片を扱えるようになり、SMILESに比べ編集などで9～56ポイント改善したという。
注目点断片の位置と結合を明示する分子言語STAMPを提案し、30標的中23で活性崖予測誤差を低減、多くの最適化ベンチマークで上位を示し、証拠は比較的充実している。
説明連続シミュレーション最適化における期待改善の原理的設計
要約本論文は、確率的クリギング（SK）代理モデルに基づく期待改善（EI）法を対象に、未知の異分散ノイズ下で改善の基準となる現在の最良解、反復実験の配分、最終推奨の3つの設計をどう選ぶかを検討しています。単純遺憾の高確率上界を導出し、一般的な分位点規則のクラスの中でこの上界を小さくするよう3つの設計を選択します。一般的なカーネルに対する穏やかな条件のもとで反復回数は対数オーダーとなり、既知の同分散ノイズの既存結果と対数因子を除いて一致します。
注目点異分散ノイズ下のEI型シミュレーション最適化に対し高確率単純後悔上界を導出し三つの設計要素を体系的に選択、この形式の保証は初めて；証明は完全だが対象は特定カーネルに限られる。
説明不安定な蓄積から信頼できる記憶へ：ランダム化実験によるエージェント自作プレイブックの選別
要約言語モデルのエージェントが過去のタスクから得た教訓をテキストのプレイブックとして書き残し、後続のタスクで再利用する仕組みを扱った論文です。同じ手順で作ったプレイブックでも効果が大きく振れ、手本がない場合より最大69.6点低くなることを示しました。そこで、教訓のブロックをランダムに含めるかどうかで成功率の差を測り、有効な部分だけを残すランダム化ブロック選別（RBC）を提案しています。複数のシステム・モデル・ベンチマークで平均成功率は66.9となり、全体のプレイブック（55.5）、無し（54.1）、エージェント自身の判断による選別（53.8）を上回りました。
注目点ランダム化実験でブロック単位の教訓の効果を測定し、エージェント自身の判断に代えて選別する新しい手法で、二つのメモリシステム・三モデル・三ベンチマークで検証している。
説明CALM：多エージェント強化学習による協調型空中マニピュレーションの分散制御
要約本論文は、複数の無人航空機（UAV）が搬送かごを運びながら移動する地上ロボットを追従する協調型空中マニピュレーション手法CALMを提案します。パラメータ共有型の多エージェント強化学習ポリシー（MAPPOで学習）と、目標推定、UAVごとの拡張状態観測器などを組み合わせています。保留された軌道において、CALMは評価したすべてのベースラインより平均位置・姿勢誤差が小さい結果を示しています。
説明エージェント間交渉では受け手側が結果を決める
要約研究者は15体の言語モデルエージェントによる1,049回の総当たり交渉を行い、100ドルの元手を持つ相手からお金を引き出す要求側の役割を検証しました。送金額の分散の47%は保有者の違いで説明でき、要求者の違いで説明できるのは2%でした。保有者側の学習（説得型のファインチューニングなど）は、元手を渡す割合を大きく変えることが示されています。
説明Agaram 2.5B：ツール呼び出しに対応した初のタミル語優先の言語モデルを一から学習し、少数言語向けの手順をまとめた論文
要約本論文は、約25億パラメータのタミル語・英語モデル Agaram 2.5B を紹介します。H100 GPU 8基の一ノードで約500億トークンを使い、約6日間かけて一から学習しました。指示チューニング後は、タミル文字、ローマ字表記のタミル語（Tanglish）、英語で応答し、ツールを呼び出せます。25件のツール課題では23回で正しいツールを選び、13回で引数が完全に一致しました。翻訳評価では Sarvam-1 を上回る一方、知識系の評価は偶然レベルに近い結果でした。
説明路側RGBカメラと3Dレーダーによる道路利用者の3D形状・向き推定（省リソース手法）
要約本論文は、路側設置のカメラ・レーダーシステムを対象に、道路利用者の3D形状と向きをリアルタイムで推定する低コストな2段階手法を提案しています。第1段階では既存手法で2Dカメラ枠と対応する3Dレーダー点を取得します。第2段階では、レーダーで位置を、事前定義テンプレートでサイズを決め、小型ニューラルネットワークで設置場所ごとに最適化されたヨー角を予測し、3D有向枠を構成します。交差点を含む曲線道路で歩行者、自転車、自動車を対象に検証され、NVIDIA Jetson ORIN上で毎秒25フレームを達成しています。
説明事実性アライメント手法は大規模言語モデルをより事実的にするのか？再現性と公平な比較
要約本論文は、大規模言語モデルの事実性を高めるとされる五つのアライメント手法について、初の独立した再現実験を行ったものです。対象はPPO、GRPO、Dr. GRPOなどのオンポリシー強化学習手法と、DPO、KTOなどのオフライン選好最適化手法で、共通のベンチマークと評価指標で比較しています。その結果、いずれの手法も原論文の結果を完全には再現できず、共通ベンチマークではベースモデルを有意に上回るものはありませんでした。
説明計算心理言語学における単語頻度ベースのサプライズ推定の再検討
要約本論文は、読書時間研究で用いられる二つの予測指標、すなわち文脈サプライズと単語（ユニグラム）サプライズを扱います。文脈サプライズは通常ニューラル言語モデルから、ユニグラムサプライズは独立したコーパス頻度から得られ、両者の確率的な関係が失われて推定誤差が生じうると指摘しています。そのため、同一の言語モデルから両者を導出する原則と、モンテカルロ推定量およびより分散の小さい周辺化版の推定法を提案しています。
説明すべてのドリフトが機構ではない：LLMにおけるプロンプト適応の追跡
要約本論文は、離散プロンプト最適化、プロンプトチューニング、プレフィックスチューニングという、凍結された大規模言語モデルを特化させる3つの手法を比較し、適応の位置がタスク情報の出力への伝達方法を決めることを示しています。最適化されたテキストは主に回答の構成を変え、入力層のプロンプトは内容表現に影響を書き込み、層ごとのプレフィックスはアテンションを通じて直接的な制御を保ちます。混合専門家モデルでは、これらの違いが異なる専門家ルーティングのパターンも生み出します。一方で、一般的な表現レベルの測定は文脈の一般的な変化に強く反応し、有効な適応と対照の安慰剤を確実に区別できないと著者らは指摘しています。
説明グラフ非依存の検索：グラフで修正した埋め込みを用いる手法
要約本論文は、クエリ時にグラフへアクセスせずに、オフラインのグラフ埋め込み変換を用いてベクトル検索を改善する方法を検討しています。五種類のグラフベース変換と、元の埋め込みと組み合わせる戦略を比較しています。合成の職業ネットワークのベンチマークでは、元の埋め込みを直接置き換えると証拠の再現率が下がる一方、多段階の戦略はグラフ修正埋め込みで探索を誘導し、元の埋め込みを意味的関連性のために保持することで再現率を高めました。最良の構成は通常のベクトル検索より最大25.9%再現率を向上させ、返されるノードを40%減らしてもベースラインと同等の再現率を達成しました。
説明プロンプトインジェクション検出プローブは、注入そのものではなく会話の特徴を学習している
要約本論文は、間接的プロンプトインジェクションを検出する線形プローブを調べたものです。会話内の位置やテキストの長さだけで、既存の評価で0.91〜0.98のAUROCに達することが示されており、プローブが実際には注入を識別していない可能性があります。そこで著者らは、注入のない同じ会話や無害な類似テキストを対照負例として訓練データに加えました。六つのオープンモデルで、訓練データのみを変えることで誤検知が大幅に減り、攻撃の検出率も概ね維持されたと報告しています。
説明拡散言語モデルにおける多ストリーム残差計算：可視位置とマスク位置の情報を分けて保持する仕組み
要約本論文は、マスク拡散言語モデルに複数の残差ストリームと、ストリーム間の適応的ルーティングを導入します。2本のストリームを用いると、標準的な残差接続と比べ、検証データで再構成パープレキシティが5.71%、外部コーパスの平均で5.13%低下しました。また、役割を事前に定めなくても、可視位置とマスク位置が異なるルーティングパターンを学習することを示しています。
説明破滅的忘却の克服：レーダー波形分類のための継続学習
要約本論文は、新しい波形が現れた際に既存の知識が失われやすいレーダー波形認識モデルの課題を扱っています。54種類の波形と10個の逐次タスクを用い、18の継続学習手法を大規模に初めてベンチマーク評価しています。古いタスクのデータを保持する手法が最も優れており、アブレーション実験により有効な仕組みを特定した上で、それらを組み合わせるとF1スコアがタスク増分・クラス増分の両設定でそれぞれ3.4〜5.5%、2.7〜4.9%向上したと報告しています。
説明Bifocal：マルチモーダルLLM向けの学習不要な混合粒度ビジュアルトークン剪定
要約マルチモーダルLLMのビジュアルトークン剪定は一般的なVQAでは高い性能を保つ一方、OCRや視覚的グラウンディングなど細粒度タスクでは大きく性能が落ちると指摘されています。本論文は、問い関連の証拠と画像自体の証拠に別々の予算を割り当て、画像全体のプーリングによる粗い表現を併用する、学習不要の2段階剪定手法Bifocalを提案しています。論文によれば、元のビジュアルトークンの約4分の1を残す条件で、3モデルすべての各能力グループにおいて未剪定時の90%超を保持した唯一の手法とされています。
注目点混合粒度・2段階の学習不要な視覚トークン枝刈りを提案し、3系統のMLLMと10手法の比較で首位を示す。影響は多モーダル推論の効率化分野に限られる。
説明LunaTP：等変機械学習原子間ポテンシャルのための効率的でスケーラブルなテンソル積実装
要約等変機械学習原子間ポテンシャル（MLIP）は、量子力学計算に近い精度での原子シミュレーションを目指す手法です。しかし、その中核であるClebsch–Gordanテンソル積（CGTP）畳み込みの計算コストが高く、モデルのスケーラビリティと効率を制限しています。本論文はLunaTPを提案し、ノード中心の実行方式により経路グループ並列性と多段階の再利用を活用して、CGTP畳み込みと高次導関数の計算を高速化します。NVIDIA H100 GPU上では、カーネルがe3nnに対して最大250.0倍、OpenEquivariantに対して最大17.1倍高速化され、エンドツーエンドの学習スループットはe3nnに対して最大28.7倍、OpenEquivariantに対して最大3.11倍向上しました。
説明RMSE と Granger ゲインを超えて：非線形予測結合のための多期間予測誤差エントロピー
要約本論文は、補助時系列の過去が目標時系列自身の履歴を超えて予測情報を与えるかを検討する。予測誤差分布エントロピー（FEDE）に基づく予測因果の枠組みを提案し、非線形の受控ベンチマークで、LightGBM は隠れた源-目標の依存を検出できるが Ridge はできないことを示す。FEDE は、各種の非線形性とノイズ水準にわたり、平均対数 RMSE ゲインより強い応答感度を示した。全 108 通りの窓長、履歴長、最大予測期間の組み合わせで、FEDE の結果は正の方向に一貫していた。
説明PRISM：反事実プローブでブラックボックス審査モデルを較正する
要約大規模言語モデルは人手評価の代わりに審査役として使われることが増えていますが、その採点は人間の判断と系統的にずれることがあります。本論文は、評価内容を固定したうえで属性を強調または弱める際のスコア変化を測るPRISM手法を提案し、人手ラベルへのリッジ回帰で基準スコアへの補正を学習します。評価基準の細目を求めない方式で、SummEvalとHANNAのデータセットでは人間の順位との一致度が有意に向上し、基準ベースの手法と同程度の性能を示しました。
説明ReDiS：リモートセンシングのマルチモーダル推論のための推論・診断自己進化フレームワーク
要約論文は、視覚的根拠の探索と回答候補の評価を分離し、両者を共に進化させる ReDiS フレームワークを提案しています。推論者（Reasoner）が視覚証拠と回答候補を探索し、診断者（Diagnoser）が候補集合を評価して信頼性に配慮したフィードバックを返します。全候補が誤りの場合には、中間推論過程を指定せず結果レベルの最小限の修正を行う FTR を導入しています。LHRS-Bench、MME-RS、CHOICE で Qwen3.5 基盤モデル（0.8B、2B、4B）を上回る結果を報告しています。
説明Noise2Match：適応的スライス間マッチングによる自己教師あり低線量CTノイズ除去
要約本論文は、隣接するCTスライスを用いて自己教師ありで学習する低線量CTノイズ除去手法Noise2Matchを提案しています。ノイズと clean 画像のペアを必要としません。スライス間マッチングネットワークで隣接スライス間のラベル変化をモデル化し、ノイズ除去器の出力を補正して等平均条件をより満たすようにします。理想的条件下では隣接スライスでの学習が対のデータによる教師あり学習と等価であることを理論的に示し、低線量コーンビームCT（CBCT）にも有効であり、既存の画像領域自己教師あり手法を上回ると報告しています。
説明地球科学モデルのキャリブレーションを知識誘導型LLMエージェントに委任する
要約本論文は、LLMエージェントが校正要求から結果の評価まで一貫して担当できる汎用キャリブレーション枠組み（GCH）を提案します。パラメータ範囲、観測の対応づけ、目的関数の定義、モデル固有のコード生成をエージェントが行い、数値探索の前に設定を凍結します。雪氷モデルの試験では、知識を与えた5件の仕様がすべて初回で実行に成功し、検証NSEは0.81〜0.94でした（デフォルトは0.57）。
説明タスク成功を超えて：表現再利用の理論
要約本論文は、学習済みの表現がソースタスクの外でも再利用できるかを検討し、指定された将来のタスク群に対してタスク関連状態を定義します。実験では、タスクに関連する区別が取り出しやすいほど再利用が向上し、再利用の低下は可逆的なサンプル依存の座標変換によっても起こり、その逆変換で性能が回復することが示されています。さらに、必要な区別を含む状態を保持すると、互換性のある未見タスクでの再利用が改善し、目標の教師データが少ない場合に効果が最も明確になります。
説明SchemaPose：RGB画像に基づき、パラメトリックなカテゴリスキーマを用いたカテゴリレベル姿勢推定
要約本論文は、単眼RGB画像だけから同一カテゴリの物体の3次元並進、回転、サイズ（9D姿勢）を推定する課題を扱います。著者らは、カテゴリ共通の性質と個体ごとの構造的な違いを明示的にモデル化するパラメトリックなスキーマを導入したSchemaPoseを提案し、そのスキーマ変数を用いてエンドツーエンドのクエリ方式で姿勢予測を誘導します。合成データと実データでの実験により、RGBベースの手法の中で最先端の性能を示したと報告されています。
説明リモートセンシングにおける幻覚を意識した忠実な推論フレームワーク（FaithRS）
要約本論文は、リモートセンシング向けマルチモーダル大規模言語モデルが、画像の視覚的根拠と矛盾する推論を生成しやすい問題に取り組みます。提案手法FaithRSは、推論過程の幻覚を細かく注釈したデータセットSFHD-43K（4.3万件）で検出器を学習し、その診断結果を安全性を考慮した修正ロールアウトに組み込みます。Qwen3.5系モデルの4つのリモートセンシングベンチマークで、最大11.64ポイントの改善が報告されています。
説明直線を用いた視覚サーボ制御
要約本論文は、直線を特徴量とする新しい視覚サーボ手法を提案している。主要な直線表現を幾何学的に検討し、双法線正規化Plücker座標という新しい表現を定義した。この表現により、画像上の直線の位置合わせという概念を適切に定式化できる。提案する制御則は、回転と並進の部分的な非連成、運動方程式の解析的な逆解法、大域漸近安定性の条件といった性質を持ち、シミュレーションと直交三面体を用いた実験で検証されている。
説明Urbex：都市規模の3Dシーンのための自律的な空間グラウンディング
要約本論文は、都市規模の3Dシーンにおける対象の位置特定を、事前に生成された候補インスタンスからの順位付けではなく、能動的な空間探索として扱う視覚言語フレームワーク「Urbex」を提案します。VLMエージェントは、ランドマークの照会、局所領域の拡大、斜め視点のレンダリング、境界ボックスの確定を行い、CityReferで強化学習により訓練されます。CityReferでHit@1とIoUが最良であり、候補なしで位置特定でき、最強の都市規模ランキング基準より高速だと報告されています。STPLS3D-Referでのゼロショット結果は、シーン間の頑健性の向上も示しています。
説明確率Volterra方程式のWong–Zakai収束とFNO学習
要約本論文は、メモリを持つ確率系を記述する確率Volterra積分方程式（SVIE）について、Wong–Zakai収束と傅立葉ニューラル作用素（FNO）学習を研究しています。ブラウン運動の区分線形近似で駆動された経路解が、対応するSVIEの解に収束することを示しています。この結果を基盤として、鏡像パディング付きFNOで初期条件と駆動ノイズから解軌道全体への解作用素を学習します。数値実験では、予測精度が競争力を持ち、学習時より細かい時間格子への汎化も確認されています。
説明ABot-ER：エージェント型データ・モデル共進化による統一的身体性推論
要約本論文は、身体性推論の幅と深さを両立させる統一基盤モデル ABot-ER を提案します。知覚、計画、実行の三つの能力を対象とし、データとモデルを自己進化させるエンジンと、タスク条件付き適応学習戦略を用いています。十二のベンチマークによる評価で、統一パラメータの枠組みにおいて知覚、計画、実行の全体で最高水準の性能を示したと報告しています。
説明戦略的エージェント相互作用のための大規模言語モデルの選択
要約本論文は、既存のゲーム理論ベンチマークが単一の固定モデルのみを評価し、既存のモデルルーターは品質とコストしか考慮せず、対戦相手や戦略構造を扱っていないと指摘しています。著者は戦略的選択をベースゲームの上に重ねたメタゲームとして定義し、5つのゲームと10種類のLLMで評価しました。その結果、戦略的能力はゲーム設定と対戦相手によって大きく変わり、軽量な多腕バンディット法は安定して良好でしたが、最良の固定モデルには及びませんでした。
説明「思考が構想し、手が成し遂げる」：長期タスクのロボット操作における多様な指示の追従
要約本論文は、タスク計画と実行管理を行動生成から切り離すエージェント枠組み Orchestra を提案し、多様な指示を順序付きのサブタスクに分解して進捗を追跡する手法を示しています。また、原子的な指示と短い軌道で学習したロボットが、より長いサブタスク列を実行できるかを評価する RMBench-Compose ベンチマークを導入しています。原文によれば、Orchestra は九つの RMBench タスクで平均成功率 68.22%、RMBench-Compose で平均成功長 7.35 サブタスクを達成しています。
説明軽量でも言語的に公平か？バイエルン語・ドイツ語・英語の量子化頑健性
要約本論文は、大規模言語モデルの学習後量子化（メモリ削減）が、バイエルン語、標準ドイツ語、英語の言語能力をどの程度安定して保持するかを調べています。206問の対応する多肢選択式ベンチマークを用い、14の7〜10Bオープン重みモデルについて、BF16と8ビットGPTQ、4ビットのGPTQ・AWQを比較しました。8ビットGPTQは元の精度に近い一方、4ビットでは不安定で、最も影響を受ける言語はモデルや手法によって異なり、校正データや評価方法も結果に影響することが示されています。
説明CityCode：疎な航空観測からエージェントが操作可能な3D都市を構築する手法
要約本論文は、複数のタスクにわたり計測・解釈・修正できる3D都市を構築するためのCityCode表現を提案します。Air2Codeは、地域ごとに低高度航空RGB画像1枚と既知のカメラパラメータから、実スケールの建物と明示的な道路形状・接続関係を復元し、遮蔽部分は生成的に補完します。CitySample-AerialとUrbanScene3Dでの実験では、評価された基準手法より度量構造の復元精度と視覚的忠実度が高いことが示されています。
説明統計的契約による戦略的マルチエージェント資源配分
要約本論文は、依頼人が競合するエージェントの間で資源を配分する戦略的仮説検定問題を扱う。各エージェントは参加費を支払い、公開された機構に基づく配分を受ける統計的契約に加入できる。e値を用いて、帰無エージェントが期待利益を得られない配分集合（連続閉包）を定義し、一般の損失関数に対する事後的リスク管理を与える。さらに解釈可能な閉形式近似、非帰無エージェントにとって参加が有利になる条件、エージェントが順次到着するオンライン設定への拡張も示される。
説明一般条件下のランダム特徴量の最適性：誤指定モデルとロバストな学習
要約本論文は、ランダム特徴量を用いたカーネルリッジ回帰（KRR-RF）を、モデルの誤指定や裾の重いノイズを含む一般的な条件下で解析する。特徴写像の一様上界を改善し、軽い裾のノイズでは極小最適な学習率を得て、Hilbert 値 Fuk-Nagaev 不等式を用いて有限弱モーメント条件下にも拡張している。数値実験と実データ解析で、導出された学習率が検証されている。
注目点KRR-RFの最悪ケース一様境界を改善し、誤指定と弱いモーメント雑音下で初めて最適学習率を示した。理論と実験で裏付けられ、分野内で影響が大きい。
説明多言語言語モデルにおける色表現の幾何構造の分析
要約本論文は、多言語言語モデルの内部で色がどのような幾何構造で表現されているか、また、その構造は知覚に基づくものか言語に基づくものかを調べている。感知色空間との整合性と言語間の対称性という二つの軸で分析した結果、知覚との整合性は中間層でピークに達した後、出力層に向けて低下することが示された。さらに、整合性がピークを示す層では色分類の正解率が96.7%に達し、両者の間に相関が見られた。
説明AssetForge：業務自動化エージェント向けのアセット拡張型タスク合成手法
要約本論文は、業務自動化エージェントの学習用タスクを構築するパイプライン「AssetForge」を提案しています。再利用可能な構築アセットライブラリとタスク固有のルーブリックを組み合わせ、実行可能なチェックとモデルによるレビューで候補を検証します。AutomationBench上で6,000件の例により微調整したモデルは、公式の厳密pass@1で41.17%に達し、基礎モデルの9.33%と従来型ルーブリックの30.33%を上回りました。
説明ShoeFit：新データセットと二重画像ストリーム DiT による仮想靴試着フレームワーク
要約本論文は仮想靴試着（VFTON）を対象とし、データ不足、視点ずれ、背景による色歪みという三つの課題を挙げています。著者は 7305 組の画像トリプレットからなる多視点靴試着データセット MVShoes を構築し、3D 回転位置埋め込みを用いた多視点条件付けと LayeredRefAttention を備えた二重ストリーム DiT アーキテクチャ ShoeFit を提案しています。実験では、実際の商品靴に対して描画の忠実度と頑健性が向上したと報告されています。
説明Omni-RS：リモートセンシングにおける多タスク理解と生成を統合する枠組み
要約本論文は、4つのリモートセンシング理解タスクと5つの生成タスクを同時に扱う統一フレームワーク Omni-RS を提案しています。学習は二段階で、まず大規模マルチモーダルモデルをリモートセンシング理解に適応させ、その隠れ状態でDiffusion Transformerによる画像生成を導きます。また、多様なデータを統一形式に整理した多タスク生成データセット UniGen を構築し、VAEで符号化した視覚条件を用いる「詳細視覚条件付け」で参照画像を必要とする生成も可能にしています。実験では、理解タスクで優れた性能を示し、多様な生成タスクでも優れた結果を得たと報告されています。
説明行列センシングにおける過剰パラメータ化：頑健でも脆弱でもない——解の頑健性の幾何学理論
要約本論文は、行列センシング問題において過剰パラメータ化が解の頑健性に与える影響を研究しており、この問題は二層二次ニューラルネットワークの学習とみなすこともできる。著者らはBurer-Monteiro分解について、探索ランクに基づく頑健性の理論を構築し、頑健性が過剰パラメータ化の程度と解の局所的幾何構造の両方に依存することを示した。さらに、スペクトル平衡化とランダム化スケッチを用いる軌道認識型アルゴリズムを提案し、再構成精度を損なうことなく感度を低減したと報告している。
説明来歴アクショングラフによる複雑材料工学：可能性・構造・実証
要約本論文は、反応ステップ（アクション）とその出力（観測）からなるイベントで材料合成を表す反応グラフの可能性を検討・検証している。実用的な材料、特に速度論的に安定化された材料の合成には、公表されない多数の失敗が伴うことが多いと指摘する。著者らは学習アルゴリズムを用いて多次元の合成経路から規則を抽出し、データエージェント間で共有できる知識ベースを構築することで材料発見を加速することを目指している。固体合成の複数の場面を取り上げ、反応履歴の綿密な監視と制御の必要性を論じている。
説明プロンプト最適化かポリシー最適化か：LLMユーザーシミュレーターを用いた医師リスト提示の改善
要約患者が適切な医師を選ぶ難しさに対し、与えられた病例と順位付けされた医師リストに基づき、医師プロフィールに根拠を置いた簡潔な比較用要約を生成する手法を提案しています。実際の患者との対話を使わず、ペルソナを与えたLLMで患者の選択を模擬し、プロンプト最適化（GEPA）、パラメータ最適化（GRPO）、およびその組み合わせを比較しています。GRPOは全制約の充足でGEPAを大きく上回り、両者の組み合わせが模擬的な転換率で最も高い結果となりました。
説明SimInter：インタビュー式プロファイル補強と根拠に基づく対話推薦システム向けユーザーシミュレーション
要約本論文は、2つのLLMエージェント間の合成インタビューにより、ユーザーの統計プロファイルと過去の対話根拠に基づいて意思決定スタイル、側面別の嗜好、領域の専門性などの暗黙的特性を補う手法SimInterを提案している。監査エージェントが捏造やステレオタイプの可能性をターン単位で指摘する仕組みも含む。映画推薦でのReDialの100名の一致サブセットでは、統計のみの基線と比べて表明される嗜好側面の多様性が有意に高まった（フィルタ後エントロピー1.619対0.859）。人手評価では、補強された属性の主張の94.3%が支持または部分的に支持された。
説明未知のハイパーパラメータを持つCVaRのベイズ最適化
要約本論文は、意思決定変数と環境変数に依存する高コストなブラックボックス関数について、条件付きバリュー・アット・リスク（CVaR）をベイズ最適化で研究する。既存の無後悔アルゴリズムは、正しいガウス過程（GP）カーネルとそのハイパーパラメータが既知であると仮定しているが、実際には限られたデータから推定するため代理モデルの誤指定が生じやすい。提案手法HE-CV-UCBは、観測データと矛盾する候補モデルを順次除外し、生き残ったモデル同士の不一致が大きい箇所を能動的に問い合わせ、生き残った候補に対して頑健な設計を返す。累積後悔は候補集合の大きさのみに依存する係数を除けば既知モデルのCV-UCBと同じオーダーであることを示し、合成ベンチマークと3つの実応用で競争力のある性能を報告している。
説明AffectWorld：感情に基づく未来世界予測のベンチマーク
要約本論文は、「感情・行動・世界状態」の連鎖を評価するベンチマークAffectWorldを提案します。日常的な動画1,498件に、もっともらしい感情、行動傾向、世界状態の制約が注釈されています。さらに233件の反事実サブセットでは、場面や出来事を固定して感情だけを変えたとき、行動と結果が対応して変化するかを検証します。五つの最新世界モデルの評価では、世界状態変化スコアが0.100～0.280、反事実の感情感度スコアが0.027～0.070にとどまり、感情に駆動された行動の結果の生成や、感情的介入への予測の適応に大きな課題があることが示されました。
説明潜在二仮説推論とオンデマンド推論再構成による効率的な安全ガードレール（LR-Guard）
要約本論文は、大規模言語モデルの安全判定を効率化し説明可能にするガードレール手法LR-Guardを提案します。凍結された教師モデルが安全・危険の両解釈を分析した結果を、コンパクトな潜在表現に蒸留し、安全予測と教師の推論過程の再構成を同時に学習します。実験では、多くのドメイン内外の設定で教師モデルを上回り、バッチサイズ1で推論が19.4倍高速化されたと報告されています。
説明『Annals of Mathematics』掲載定理の形式化ステートメントのデータセット
要約本論文は、AnnalsChallengeと名付けられたデータセットを公開している。これはLean 4とMathlibで人手により記述された50件の定理の形式化ステートメントからなる。各ステートメントは2020年以降に『Annals of Mathematics』に掲載された論文の主要結果である。各形式化は人手で確認された後、AIによる監査を受けた。公開されるのは形式化ステートメントのみで、形式化された証明は含まれない。
説明LLM進化探索は提案数ではなくトークン数で比較すべき
要約現在、LLMによる進化的探索は候補プログラムの提案数で評価されることが多いが、これは探索の実際のコストを隠してしまう。著者らは5つのタスクと3つの手法の600回の実行記録を再生し、トークン数で比較し直した。トークン予算を揃えると、進化手法の優位性はほとんどの場合消えるという。
説明LegalRewardBench：法律分野の報酬モデル評価ベンチマーク
要約本論文は、法律分野の報酬モデルを評価するための、人手で検証された初のベンチマーク LegalRewardBench を提案しています。法律の選好評価を知識、理解、分析、決定、記述の五つの能力レベルに分け、採点基準に基づく自動判定と人手による検証を組み合わせて評価例を構築しています。汎用・微調整済み、生成型・判別型の三系統の評価モデルを比較した結果、強力な汎用生成モデルが現時点で最も頑健であり、既存の微調整済み報酬モデルは法律の選好評価への転用が安定しないことが示されています。
説明方程式探索を超えて：SCOPEとClosureBenchによる仮説主導の発見
要約多くの記号回帰手法は候補方程式の当てはまりを最適化するだけで、その背後にある科学的仮説を残すべきか修正すべきか棄却すべきかは判断できない。本論文は、複数の仮説を並行して追跡する科学者エージェントを用いたフレームワーク SCOPE を提案する。エージェントは方程式モデリング、問いの設定、能動的実験を通じて証拠を集め、互いに交換しながら仮説と研究方向を修正し、モデル・結論・証拠を結び付けた科学報告書にまとめる。あわせて、五つの科学分野にわたる60の閉包発見タスクからなる対話型ベンチマーク ClosureBench を導入し、証拠の忠実性、機構的洞察、実験の有効性という三つの指標で発見過程を評価する。著者らは、SCOPE が既存の基準より高い方程式精度を示したと報告している。
説明出力規律が下限を決める：反証誘導型・モデル非依存の、監査可能な仮説駆動意思決定エージェント・プロトコル
要約本論文は、中医学の証候鑑別ベンチマークTCMEval-SDT（200症例）において、大規模言語モデルの性能を制約するのはモデル能力そのものよりも出力規律と推論構造であると論じています。著者らは、候補と証拠の行列による反証を通じて五段階の閉ループ推論を強制する、モデル非依存のエージェント枠組みを提案しています。結果として、出力規律が弱いモデルには効果があり、既に規律の良いモデルには負の影響があること、また誤情報に頑健な数学的推論にも転用できることが示されています。
説明合成異常による撮影条件の変化に強い論理異常検出
要約この論文は、部品の欠落、余分な部品、誤った組み合わせなどの論理異常を検出する手法を扱っています。既存の正常画像との比較に基づく手法は、明るさの低下やズームアウトなど撮影条件が変わると性能が大きく下がることを示しています。提案手法では、言語モデルと画像編集器で合成した異常画像を用いて分類器を学習し、正常データとの比較なしに判定します。通常の画像でも条件変化を含む評価でも高いAUROCを示し、正常画像と規則違反の両方から学習することで撮影条件への感度を下げられる可能性を示唆しています。
説明どの最適化手法が最も情報を漏らすか？学習データのプライバシーを制御する最適化器の暗黙的バイアス
要約本論文は、ニューラルネットワークのチェックポイントを公開した際、学習に使われた最適化手法によって学習データの復元されやすさが変わるかを検討しています。著者らは、最適化器の暗黙的バイアスの「重み特異性」が鍵だと主張します。SGD と Muon で学習したモデルは学習例を復元しやすい一方、Adam の ℓ∞ 暗黙的バイアス下では離散的な情報しか残らず、MNIST と CIFAR-10 での評価攻撃に対して比較的耐性がある、との実験結果を示しています。
説明依存サンプリング下でのカーネル平均マッチングによる信頼性の高いリスク推定
要約本論文は、共変量シフトの下でリスクを推定するカーネル平均マッチング（KMM）を扱う。ラベル付き元サンプルに重みを付け、ラベルなしの対象サンプルのカーネル平均埋め込みと一致させる手法である。時間・空間・クラスタ構造などの依存サンプリングを前提に、名目サンプルサイズを有効サンプルサイズに置き換えた有限サンプル解析を示す。重なり、依存性、平滑性の影響を分けて評価し、その結果に基づいて予測の信頼区間を構成する。合成実験ではほぼ名目どおりの被覆率が得られ、実際の監視データでは被覆不足が大きく減少した。
説明赤外線小型ターゲット検出の従来手法と最新手法：概観・課題・展望（第2部）
要約本論文は赤外線小型ターゲット検出に関する総説の第2部で、畳み込みニューラルネットワーク、GAN、Transformer、Mixture of Experts、グラフ・ハイパーグラフニューラルネットワークなど深層学習手法を扱います。文献上の手法をモデル化戦略ごとに分類し、各手法が対処すると主張する重要な状況について論じるとともに、具体的な性能評価プロトコルを示し、今後の有望な研究方向を提示しています。
説明LongForcing：長期間ワールドロールアウトのための時間方向多様体マッチング拡張手法
要約自己回帰型ビデオ拡散モデルは、学習窓を超えて長く推論させると画質低下、動きの不整合、物体同一性の崩壊といった漸進的ドリフトが起きます。本論文は、最終の分布マッチング段階で、短期教師を長期双方向教師に置き換え、学習者の長い自己ロールアウトを監督するLongForcingを提案します。学生のアーキテクチャや推論コストは変えないとされています。VBench Qualityは85.52、一人称の追加実験でWorldRoamBench 60秒の行動スコアが23.9点向上したと報告されています。
説明ピクセル空間のグループ化画像生成によるシーン内テキストの効率的な修正
要約生成画像はレイアウトや視覚内容が整っていても、小さな文字や複雑な字形の局所的な誤りが読みやすさを損なうことがあります。本論文は、ピクセル空間でのグループ化画像生成として局所的なテキスト修正を定式化したPixTextを提案します。元画像を条件に対象領域のみを生成し、未編集部分を保持し、MeanFlowによる4ステップ生成を用います。生成画像のテキスト修正と画像保持を評価するText Refinement Benchも導入されています。
説明PING：移流拡散過程向けの物理情報付きグラフニューラルネットワークと太陽光発電予測への応用
要約本論文は、不規則なセンサーネットワーク上で移流拡散粒子の濃度を予測するための物理情報付きグラフニューラルネットワーク（PING）を提案しています。離散化した移流拡散方程式をソフト制約として損失関数に組み込み、物理的に整合した解へ学習を導いています。合成データや海面水温、雲指数の実データセットで、既存の最先端モデルと同等の性能を示しています。さらに光伏発電予測モデルと結合し、地上センサーと雲の衛星画像のデータを融合して日内の発電予測精度を高めています。
説明赤外線小型ターゲット検出の従来手法と最新手法：概観・課題・展望（第1部）
要約本論文は赤外線小型ターゲット検出に関する総説で、地上・空中・海上監視などの場面を対象としています。既存手法を数学モデル、機械学習モデル、信号処理モデルに分類し、各手法が扱うとされる重要な状況を検討しています。あわせて利用可能な資料、データセット、ライブラリも紹介しています。本部は従来手法と低ランク・スパース分解などのモデルベース手法を扱い、深層学習手法は第2部で扱われます。
説明JevGPT：自律的研究における速い思考と遅い思考
要約本論文は、自律的研究エージェントのための二重システム構造JevGPTを提案します。高速な証拠処理と熟慮的な研究計画を組み合わせ、システム2が証拠の目標を設定して結果を統合し、システム1が根拠の所在を特定し関連性を評価して追加の調査を導きます。固定コーパスでの質問応答と文書ランキングの実験では、高い性能を示し、同等の効果を持つ研究エージェントより速く、低コストで完了し、より多くの裏付け文書を網羅したと報告されています。
説明PAINT：医師国家試験から実臨床テキストまでの多言語疼痛表現フレームワーク
要約本論文は、医学試験問題と実際の臨床テキストにおける疼痛の表現を研究するためのPAINTフレームワークを提案している。英語、スペイン語、ポルトガル語、日本語の計9つの疼痛関連データセットを含み、疼痛の関連性、存在、解剖学的部位、記述語、人口統計情報を含む構造化スキーマを設計した。大規模言語モデルのアンサンブルでラベルを作成し、10名の臨床医がその妥当性を検証した。WorldMedQA-Painのラベル、抽出パイプライン、検証スクリプト、注釈シートを公開している。
説明FALLNEST：ウェアラブル転倒検知のための不均衡IMUデータの二重ドメインデータセット圧縮
要約本論文は、ウェアラブル機器による転倒検知において、転倒データが稀少でラベル付きIMUデータも不足し、クラス偏りが大きい問題に取り組みます。大規模で不均衡なIMUデータを、小規模でクラスの均衡した合成学習セットに蒸馏するFALLNESTの枠組みを提案しています。SisFall、KFall、MobiFallでは被験者単位の厳密な分割で評価され、訓練窗の約1%のみで学習したTinyCNNが平均精度93.5〜95.8%、PR-AUC 0.89〜0.98を達成したと報告されています。
説明文脈を束ねられるバンディット問題における最適なオンライン後悔
要約本論文は、文脈が未知の構造で束ねられる確率的文脈付きバンディット問題を扱う。S個の文脈はr個のブロックに分割され、同一ブロック内では各腕の平均報酬が等しい。著者らは期待後悔がÕ(√(r(S+K)T))となるアルゴリズムを設計し、対数因子を除いてLeeら（2023）の下界と一致させ、従来の上界をr倍改善した。
説明学んでから教える：RLVR のための先読み自己蒸留（LEAD）
要約本論文は、大規模言語モデルの On-policy 自己蒸留学習を改良する LEAD（Lookahead Self-Distillation）を提案する。従来手法が同一事例の特権情報のみから監督を得ていたのに対し、LEAD では教師モデルが先に他事例のオンポリシー生成結果から仮想的な強化学習更新で学び、その後別のサブセットに対してトークン単位の監督を与える。さらに、両信号の一致度に応じて GRPO のアドバンテージを調整する調和的変調を導入している。科学推論とインタラクティブエージェントのベンチマークで、LEAD はモデル規模を通じて領域内平均性能が最良となり、領域外の汎化は GRPO と同程度であると報告されている。
説明テストしすぎていないか？大規模言語モデルの効率的評価のためのベンチマーク圧縮に関するサーベイ
要約本論文は、ベンチマーク圧縮に関する119本の論文を整理したサーベイです。ベンチマーク圧縮は、部分的な評価から全体のベンチマークスコアとランキングを推定し、大規模言語モデルの評価コストを下げる手法です。著者らは、個々のベンチマーク内、ベンチマーク群の間、適応的評価の各段階での圧縮手法を分類し、情報要件、総コスト、信頼性の検証、限界を比較しています。
説明PACT：表現力と話者の声を保つ音声翻訳のための実用的プロンプティング枠組み
要約本論文は、音声翻訳において内容だけでなく話者の声や感情・口調・リズム・間などの表現を保持することを目指すPACT枠組みを提案しています。原言語の語用的手がかりを抽出して目標言語の表現空間へ写像・校正し、凍結された音声生成器への連続プロンプトに変換します。スペイン語と英語の双方向のTOPI評価で、内容の忠実性、声の保持、表現の保持の各指標において評価対象のシステムの中で総合的に最良の結果を示したと報告しています。
説明LiFUSE：非造影CTによる肝疾患解析のための周波数・空間統一自己教師あり事前学習
要約本論文は、非造影CT（NCCT）では組織コントラストが低く肝病変を識別しにくいという課題に対し、LiFUSEと呼ばれる自己教師あり事前学習手法を提案している。周波数分岐はランダム帯域除去マスキングとスペクトル再構成により病変と周囲組織の微細な違いを捉え、空間分岐は多様なサイズや形態の病変に対応するため階層的粒度のマスク付き体積再構成を行う。両分岐は領域横断の一貫性機構で結合される。著者らは、複数の臨床関連タスクと公開データへの転移設定で、強力なベースラインを上回ったと報告している。
説明答えの共有を超えて：マルチエージェント討論における一対一の相互フィードバック手法 TrueMAD
要約マルチエージェント討論（MAD）は、複数の大規模言語モデルが互いの解答を見て反復的に修正する手法です。本論文は、解答の一斉共有と自己修正の間に、一対一で自由形式の同伴助言を挿入するテスト時プラグイン TrueMAD を提案します。助言側は支持・反論・補足・質問で応答し、受け手が修正の方法を決めます。パラメータ更新は不要です。
説明階層別マルチモーダルメモリによる長文・複雑文書の見出し階層再構築
要約視覚言語モデル（VLM）はページ単位の要素抽出には有効ですが、ページごとの予測では文書全体の構造の一貫性が保たれにくい問題があります。本論文では、各階層のアンカーで選ばれた過去ページの部分集合を保持する階層別マルチモーダルメモリを用い、見出し階層を段階的に再構築するVLMベースの枠組みを提案します。また、250文書・11,212ページで専門家が検証した注釈付きのCLDoc-HHRBenchを導入し、4つのベンチマークで有効性を示しています。
説明「まず検討し、次に選ぶ」：System One モデルにおける順序不変の意思決定
要約本論文は、System One モデルが選択肢の順序によって選択問題の答えを変えること、またその影響は選択肢が増えるほど大きくなることを示している。循環シフトの平均化は依存性を減らすが除去はできない。作者らは、学習を必要とせず、まず各選択肢を単独で採点して少数の候補を残し、各候補がすべての位置を取るような比較を行う Runoff を提案する。構造上、答えは選択肢の順序に依存しない。
説明相手モデリングはいつ有効か：部分観測下で空間推論が強化学習を安定させる
要約部分観測の競争ゲームで、エージェントが見えない相手の意図に基づいて行動を決める問題を扱う。論文は、相手の観測軌跡から子目標のヒートマップを出力する空間的な相手モデル（Transformer）を、dueling double DQN に早期統合する手法を提案する。対称ゲームの実験では学習を安定させ、未知の相手への零ショット転移で利点を示すが、相手の意図が完全に見える場合や資源が密な地図では優位性が失われる。
説明領域汎化のための曲率着想スカラー特徴量スケーリングの統制評価
要約本論文は、意図的に簡略化した実装（コード上はHyperDG）を評価する。学習時には学習された正のスカラーでユークリッド符号化器の特徴量を再スケールし、推論時には無スケールのユークリッド特徴量に通常の線形分類器を用いる。ローレンツ表現、ポアンカレ表現、測地線予測、シャープネス認識最小化は実装されていない。PACS、VLCS、Office Home、TerraIncognitaでの評価では、完全実装の宏平均がネイティブのDomainBed ERMを1.61ポイント下回ったが、調整後の有意差は確認されなかった。本研究は、このスカラー学習手法に関する限定的な否定的結果を示すもので、真の双曲表現学習を検証または反証するものではない。
説明TextualRL：コンテキスト管理のためのテキストベース強化学習
要約本論文は、モデルのパラメータを変更せず、タスクのフィードバックに基づいて行動を導くテキストコンテキストを修正する、勾配不要の強化学習フレームワーク「TextualRL」を提案している。同一コンテキストでの同一タスクの複数の実行結果をひとまとめの単位として評価し、成功と失敗を比較して再利用可能なコンテキスト更新を導く。六つのベンチマークの平均で、基盤モデルと比べてテスト精度が、GPT-5.5 では 24.4 ポイント、Qwen3.8-27B では 15.3 ポイント向上したと報告している。
説明オペレータ代理モデル：無限次元の関数空間間の複雑な写像を有限パラメータで近似する手法
要約本章は、無限次元の関数空間間にある複雑（多くは非線形）な演算子を有限パラメータの写像で近似する「オペレータ代理モデル（operator surrogates）」を数学的に紹介します。一般的な方法は、入力を有限次元の潜在空間へ写像し、処理してから出力空間へ戻すエンコーダ・近似器・デコーダの枠組みです。Banach フレームや主成分分析などの表現系の構築法を論じ、多項式カオス展開に基づくスペクトル法とニューラルネットワーク手法を比較します。さらに、フーリエニューラルオペレータや Transformer など表現系を用いない構造にも触れています。近似誤差と汎化誤差の理論解析も扱い、正則性などの低次元構造が次元の呪いの克服に重要であることや、学習可能パラメータ数に依存する収束率の上界を示しています。
