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SNACK：確率的グラフ生成のための逐次表記フレームワーク
要約本論文は、言語モデルが離散的なノード・エッジ特徴を持つグラフを生成できるようにする、確率的グラフ生成用の文字列表現 SNACK を提案している。下三角隣接行列の非ゼロ要素を符号化して系列化し、無効な選択肢をマスクすることで化学的原子価などの構造制約を課し、生成系列が100%有効になるとしている。標準的なグラフ生成と分子分布学習のベンチマークで競争力のある標本品質を示し、GFlowNet の学習スループットを大きく向上させたと報告している。
説明LabOPBench：証拠に基づく実験室意思決定のためのマルチモーダル・ベンチマーク
要約本論文は、有機合成と材料科学の分野で専門家が作成し独立に査読した756問からなるマルチモーダル・ベンチマーク「LabOPBench」を提案しています。各問題は実験室の証拠と手順の文脈を組み合わせ、自由記述形式の判断を問うもので、問題ごとの採点基準で評価されます。8つのモデルの総合正規化スコアは28.8～45.8%でした。100問の対照サブセットでは、最上位モデルは学部生の平均を上回ったものの、博士課程の参加者の平均には届きませんでした。主な誤りのパターンは「証拠の誤読」と「証拠と判断の矛盾」でした。
説明シミュレーテッドアニーリングに基づくイジングソルバーによる計算圧縮イメージング再構成
要約本論文は、イメージングの逆問題をイジングモデルとして定式化し、非フォン・ノイマン型イジングマシンがハミルトニアンの基底状態へ自己発展することで対象物体を直接復元する、物理駆動型の再構成フレームワークを提案しています。シミュレーテッドアニーリングに基づくイジングソルバーを用い、単画素イメージングとレンズレス拡散板カメラで、サンプリング率1%から25%の条件での概念実証を行いました。前景スパース性と平滑性の制約を加えると、再構成品質は主流のアルゴリズムと同等か、それを上回ります。逆再構成の電子計算負荷を大幅に減らす可能性があります。
説明Q-MAGIC：特異点認識型と循環相対オフセットトークン化による四角形のみのメッシュ自己回帰生成
要約本論文は、自己回帰Transformerが次の面を一つずつ予測することで、四角形のみからなるメッシュを生成するQ-MAGICモデルを提案します。四角形向けの系列化手法を設計し、特異点から優先的に接続をたどることで系列を短くしています。また循環相対オフセットによるトークン化で、幾何情報を主に局所的な相対オフセットで表現します。著者らは、既存手法と比べて系列がよりコンパクトで、幾何学的忠実度とメッシュ品質が向上したと報告しています。
説明全体収束から裾部収束へ：α安定スコアベース生成モデルの動力学
要約本論文は、α安定レヴィ過程によって駆動されるスコアベース生成モデルを扱い、コンパクト台および冪乗則の目標分布を対象とした非漸近的収束解析を示す。p-Wasserstein距離において、早期停止、初期化、スコア近似、時間離散化の影響を定量化し、初期化誤差が指数的に減衰することを示している。ブラウン拡散モデルとの比較では、全体的なWasserstein収束だけでは両者を根本的に区別できないが、裾部では明確な違いが現れる。正の生成時刻では、安定動力学は指数αの冪乗則の裾を生じるのに対し、ブラウン動力学は軽い裾のままである。裾指数νの目標分布について、α=νのときに限り漸近的に正しい極端分位点のスケーリングが可能となり、安定生成モデルが極端事象を捉えられる理論的な仕組みを示している。
注目点α安定生成動力学の非漸近収束解析を示し、尾部指数の一致という観点からブラウン運動モデルと区別する点が新しい。証拠は厳密な理論、影響は当該分野に限られる。
説明依存グラフはコードからアーキテクチャへの対応付けにいつ有効か？
要約本論文は、実装が設計から乖離することで生じるアーキテクチャ技術的負債に対し、ソースファイルをアーキテクチャモジュールへ対応付ける手法を検討します。有向・多関係の依存グラフ上の半教師あり節点分類として定式化し、GCN、GAT、グラフを使わないMLPをナイーブベイズと比較しています。10の公開Java・C/C++システムで100回の実行を行った結果、3つのニューラルモデルはいずれも参照手法を上回り、最大のChrome（18,343ファイル）ではGATとGCNがMLPをマクロF1で22点・19点上回りました。
説明ループ型Transformerで「計算を学ぶこと」は「保持や再利用を学ぶこと」ではない
要約本論文は、ループ型Transformerが学習時の深さを超えて反復すると生じる「過剰思考」による誤りを扱い、計算の失敗、答えの保持の喪失、後続計算で再利用できない状態の三つを区別しています。文脈内Mealy機械の実行課題では、32ループで学習したモデルは64ループでわずか22%しか正答を保持しませんでしたが、学習時の監督の与え方を変えると保持率は大きく改善しました。ただし、中間状態が後続の計算で安定して再利用されるとは限らないことも示されています。
説明尤度は著作者性ではない：AI支援執筆における人間の寄与は信頼して測れるか？
要約本論文は、人間のプロンプトが最終テキストをどれだけ予測できるかで人間の寄与を推定する手法が容易に操作可能であることを示します。本文を固定したまま評価者に見せるIDの有無だけを変える文脈入れ替え監査では、同じテキストのスコアが大きく変動し、ニュースや科学的要旨、38億から7530億パラメータの多様なLLMで確認されました。論文は、尤度に基づくスコアだけでは人間の寄与を確実に立証できず、人が何を追加したか、テキストがどう生成されたかの証拠が必要だと結論づけています。
注目点プロンプトの予測性に基づく人間貢献度指標が容易に操作可能であることを示し、同一性分析と二点下界を与え、多数のモデルとデータで検証している。
説明物理に基づく形、しかし物理そのものではない：物理誘導型水中画像復元の検証
要約本論文は、物理誘導型水中画像復元ネットワークPhysGuide-Netを、複数の統制実験によって検証している。全訓練データでは物理モジュールによるゼロショット性能の向上は見られず、予測された透過率マップも実際の距離と物理的に整合しないと報告している。著者らは、効果は物理そのものではなく、物理に似た帰納的バイアスに由来すると結論づけている。
説明PRISMATIC：臨床意思決定における多剤併用の処方リスク検査マルチエージェントシステム
要約本論文は、各専門的な役割を担うエージェントが黒板アーキテクチャ上で協働し、臨床記録から患者情報を整理して薬剤治療計画を反復的に作成するマルチエージェント構成のPRISMATICを提案している。協調には、過去の症例結果に基づき各エージェントの影響重みを長期的に調整する動的自己更新重み調整（DSWA）と、現在の患者について意見の不一致を解消する短期的な差分フィードバック精密校正（DFPC）の2つの仕組みが用いられる。MIMIC-IVの患者記録での実験において、強力なLLMベースラインと比べ薬剤の衝突が有意に減少し、処方の網羅性と治療の一貫性が向上したと報告している。
説明CAST：LLM事前学習向けの履歴適応型スペクトル・クリッピング手法
要約本論文は、ソフトスペクトルクリッピング（SSC）を履歴に応じて適応させるCAST手法を提案している。過去の履歴に基づいて裁剪のスケールと閾値を動的に調整する。総パラメータ数190.8億の混合専門家（MoE）モデルを83.89億トークンで学習したところ、9種類の勾配処理ベースラインより低い学習・検証損失を示し、相対的な勾配スパイクも最も少なかった。最良のベースラインの最終平滑化学習損失に、7.2%少ないステップで到達した。
説明Qwen-MT-Lumen：WMT2026向けの指示特化型翻訳システム（品質認識学習とオンポリシー蒸留）
要約本論文は、WMT 2026 一般機械翻訳共有タスクに提出されたオープンソース翻訳モデル Lumen を紹介します。用語、文体、構造化出力などの細かな指示を満たしながら翻訳することに焦点を当て、継続事前学習と教師ありファインチューニング、オンライン選好最適化、より大きな教師モデルからのオンポリシー蒸留、構造認識型の推論と後処理からなる4段階のパイプラインを採用しています。23の翻訳方向において、1〜5のLLM評価基準で平均4.60を達成し、14Bのバックボーンでありながら主要な商用システムに匹敵する性能を示したと報告しています。
説明到達可能性を超えて：生物医学マルチホップQAのための関係意味推論フレームワーク
要約本論文は、知識グラフ上の生物医学的マルチホップ推論において、正解が検索されても証拠や推論経路が問いに必要な関係の組み合わせを支えられない「到達可能だが無効」という問題を取り上げる。提案手法ReSemReasonは、問いから導かれる型付き有向関係スキーマの分布をグラフ探索と証拠選択に共有し、関係条件付きの注意機構で候補ごとの証拠に注目する。BioHopR、PrimeKGQA、MedReasonでの実験で、答えの順位付けと答え集合の品質が向上したと報告している。
説明判別的スコア関数：事前学習済みの判別モデルを機能的な生成事前分布に変える手法
要約本論文は、事前学習済みの判別モデルの損失勾配の幾何から画像空間の生成場を取り出す判別的スコア関数（DSF）を提案する。再学習やタスク固有の目標を必要としない。DSF はノイズから無条件に画像を生成し、同じ生成場を通じて条件付きガイダンス、編集、インペインティング、説明にも対応する。実画像やラベルが得られない場合には、DSF が生成したサンプルがゼロショット量子化の較正に使え、データフリーの較正手法より特徴の幾何をよく保つ。
説明HyperLoop：惑星探査向け3D-SLAMにおけるハイパースペクトル支援ループクロージャ検出
要約本論文は、視覚的に反復的で特徴の乏しい惑星表面での自律航法の課題に対し、3Dガウシアン・スプラッティング（3DGS）ベースのSLAMのループクロージャ moduleにハイパースペクトル画像（HSI）を統合するHyperLoopを提案します。2種類のHSI記述子を設計し、DLRの月・火星屋外試験場で取得したRGB-Dとハイパースペクトルのデータセットで、RGB記述子との融合を評価しています。最良の融合構成の誤差は、SIFT-VLAD単独とほぼ同等で、改善は主にSIFT-VLADによるものでした。著者らは、600〜860 nmの波長域では岩石地形の識別能力が限られるとし、将来は短波赤外センサの採用を提案しています。
説明推論の言語的文体は重要か？中国語LLMのための簡潔な推論レジスターとしての文言文
要約本論文は、中国語推論モデルが中間推論を古典中国語（文言文）で記述し、最終的には短い直接回答を出力する「文言思考（Wenyan Thinking）」を提案しています。現代中国語の推論記録を文言文に書き換えて Qwen3-4B-Thinking-2507 を微調整し、同じデータ、教師モデル、ベースモデル、学習手法を用いた簡潔な現代中国語の対照群と比較しています。中国語のベンチマークでは、制約付きデコーディングにおいて推論の長さと無回答率が大幅に減少しました。主要ベンチマークでは文言文が対照群を上回り、他のベンチマークでも競争力を保っています。
説明ProtModernBERT：計算効率の高いタンパク質言語モデル
要約本論文は、アミノ酸配列で事前学習した現代的な BERT 型エンコーダモデル ProtModernBERT を提案し、低計算資源下での学習コスト削減を検討しています。二次構造予測、無秩序性予測、細胞内局在予測や ProteinGym のゼロショット機能ベンチマークで ProtBert、Amplify、ESM2 と比較しています。事前学習の浮動小数点演算量を 80〜90% 削減しつつ、Amplify-120M や ProtBert と同等かそれに近い性能を示したと報告しています。
説明MakSafe：道路車両の安全規則を形式仕様化し適合性を検査する時空間意味論フレームワーク
要約本論文は、意味論的ゾーン、動作ベースの予測、トレース木推論により道路車両の安全規則を形式的に記述・検査するMakSafeフレームワークを提案する。時間の一様離散化は用いていない。著者らは軌跡に依存する事例研究と、交通密度・予測期間・分岐係数を変えた拡張性ベンチマークで評価している。同一の初期シーンから分岐ごとに安全・不安全の判定が得られ、1回の規則検査は1ミリ秒を大きく下回り、予測期間が長いほど衝突余裕時間（TTC）の検査は遅くなると報告されている。
説明二次元から三次元への点・線対応によるオブジェクト姿勢推定
要約本論文は、点および／または線の対応関係から、カメラと三次元物体の間の回転と並進を最適に推定する手法を提案している。まず誤差関数を設計し、次にその最小化方法を示す。回転と並進を双対数四元数（dual number quaternion）で表すことで、この関数を二次形式にしている。信頼領域法による最適化を採用し、ニュートン法、Faugeras-Toscani線形カメラキャリブレーション法、Levenberg-Marquardt法と比較して良好な結果を示した。実験では、画像ノイズとマッチング誤りに対する頑健性が示されている。
説明等長比例ケーキ分割における正確な切断回数の解析
要約本論文は、各参加者が長さちょうど1/nで価値が少なくとも1/nの部分を受け取る等長制約下の比例ケーキ分割を研究している。任意のnについて、そのような配分を保証するために最悪ケースで必要な切断回数が正確に2n-2であることを示し、従来知られていた二次の上界を改善している。さらに、無羨望性、計算プロトコル、二刀クエリを加えた場合の切断数についても論じている。
注目点最悪ケースの切断数を2n-2と厳密に決定し、既知の二次上界を改善、制約付きネックレス分割とHall定理による証明が特徴。
説明強化学習は視覚言語モデルに「どこを見るか」を教えるが、「どう知覚するか」は教えない
要約本論文は、多ターン強化学習で視覚言語モデルエージェントを訓練した際のタスク成功率向上の仕組みを調べたものです。4つの環境で環境に根ざした視覚質問応答タスクを設計し、視覚エンコーダの探索精度はほぼ安定している一方、LLM層の探索精度は向上することを示しています。また、学習中のLLM層は視覚トークンへの注意を増やしていました。さらに、パラメータを更新せず固定の注意バイアスを加える介入により、未学習モデルの視覚質問応答の向上が部分的に再現されました。
説明目標はどうなるのか？目標の誤汎化における方策整合の3つの異なる失敗
要約本論文は、強化学習エージェントが分布外の状況で熟達した振る舞いを見せながら、本来の目標を追求しない「目標の誤汎化」を扱っています。Procgenの3環境とロボットタスク5種で、目標の置き換え、方策のショートカット、本来の目標と代理手がかりの競合という3種類の方策と目標のずれを確認しました。目標が失われる層は異なり、有効な修復方法もそれに対応して変わることが示されています。
説明高いカメラ運動下でのワールド座標人体復元に関する診断研究
要約本論文は、カメラが速く大きく動き、多人数の振付が密集する放送用ダンス動画からなるK-Popストレステストを提案する。既存手法はフレームごとの人体メッシュは妥当に見えるが、ワールド座標の軌跡が表演者のステージ上の位置から大きくずれることを示した。原因は、カメラと人体の推定がそれぞれ異なるスケールで復元され、組み合わせると不一致が生じ、カメラ変位とともに誤差が増すことにある。著者らは不一致を推定して全員に一つのスケールを適用する閉形式の補正を導き、再学習なしで既存手法に組み込めるとしている。
説明注意機構を用いた表現摂動による動画ハルシネーションの軽減
要約動画大規模言語モデルは、入力動画に裏付けのない回答を生成することがあります。本論文は、学習を必要としない対比デコーディングの枠組みARP-CDを提案します。回答予測位置の視覚トークンへの注意量を手がかりに、言語モデルの視覚隠れ状態へ有界な勾配更新を加え、視覚的依存を弱めた負例を表現空間で構成します。4つの動画LLMと4つのベンチマークで、多くの設定において代表的な学習不要のベースラインを上回りました。
説明DAO と JING による生成型ワールドシミュレーション：共有状態を保ち対話を続ける仮想世界の枠組み
要約本論文は、永続的な共有ワールド状態と、連続的な一人称視点の視聴覚コンテンツ生成を組み合わせた生成型ワールドシミュレーションの枠組みを提案しています。DAO は計算可能なワールドエンジンで、キャラクター、オブジェクト、空間とその関係を管理し、相互作用ルールとワールド時間に従って世界を進めます。JING は自己中心型の対話体験モデルで、DAO が与える条件をもとに各観測者の視聴覚体験を生成します。利用者は視点操作とテキスト指示で環境を探索し、物体を操作し、キャラクターと対話でき、その行動は共有状態と以後の体験の両方に反映されます。
説明TimeRSI：時系列基盤モデル向け自己改善型エージェント展開システム
要約本論文は、凍結された予測モデルを包む自己改善型のエージェント展開システムTimeRSIを提案している。コーディングエージェントがタスク記述を実行可能なパイプライン変更に変換し、過去の予測区間で検証したうえで、観測された誤差をもとに次の修正を行う。展開時には適応セレクタが、類似条件下で完了した予測結果を用いて各パイプラインから選択する。TIMEとfev-benchの198タスクで、TimeRSIは点予測と確率的予測の6指標すべてで全提出結果を上回り、フィードバックに基づく反復修正が非反復的なパイプライン探索より有効であることが対照実験で示されている。
注目点凍結された時系列基盤モデルのパイプラインをコーディングエージェントが反復改良し適応選択する点は実質的な改良であり、198タスクでの検証により証拠は比較的十分で、当該分野に有用である。
説明候補集合の視覚的グラウンディングによる対話の曖昧さ認識：複数ターンの文脈に整合する指示対象の集合を推定
要約論文は、実世界の対話における曖昧な発話は一文だけでは解釈できず、複数ターンの文脈が必要になることがあると指摘します。著者らは、対話文脈と整合する対象の集合を推定するタスク、候補集合視覚的グラウンディング（CSVG）を提案し、ターンごとに候補集合がどう変化するかを評価するベンチマーク CandVG を構築しました。視覚言語モデルの評価では、視覚的グラウンディング能力が高くても CSVG の性能が高いとは限らず、完全な候補集合の予測が困難であることが示されました。CSVG 向けに設計した指示を用いると、大規模モデルではこの制約を部分的に緩和できることも報告されています。
説明ONCship：船舶識別のための大規模水中音響コーパス
要約本論文は、カナダ海洋ネットワーク（ONC）のハイドロフォンと自動船舶識別装置（AIS）データから整理された 4521 時間の録音からなる大規模水中音響データセット ONCship を提案する。自己教師あり表現学習、船種分類、MMSI レベルの船舶分類の 3 つのタスクで評価を行った。ONCship と AudioSet で共同事前学習し線形プロービングを行うと、DeepShip での分類精度は 62.45% に達し、補助的な学習データとして加えると船種分類の性能も向上した。
説明言語モデルの表現上限：概念が二つのLLM間でどれだけ伝わるかを測る研究
要約本論文は二つの測定手法を提案している。一つは既存手法より最大14%高い性能を示すプロンプト最適化アルゴリズム、もう一つは受信側が送信側のプロンプトを復元できるかを測る伝達指標である。八つの領域の1.2k個の概念を測定し、完全に表現できるもの、将来のより強いモデルで表現できる可能性のあるもの、表現に限界があるものに分類した。
説明特権的後知恵蒸留による個人の科学的嗜好の学習
要約本論文は、科学的嗜好を評価基準上の評価から研究者個人の選好への写像としてモデル化し、特権的後知恵蒸留（PHD）を提案します。学習時には後から現れた科学的証拠を用い、推論時には提案書で見える情報のみを使います。主に量子研究分野で評価され、研究者ごとわずか15組の two-pairwise 比較で異なる嗜好を捉えられたと報告しています。対話型研究では、個人化されたランキングが後の利用者の関与が高い提案を示したとしています。
説明頑健なマルチエージェント運転方策のための不確実性駆動型セルフプレイ
要約本論文は、エージェントの半数が近傍エージェントの認識的不確実性（epistemic uncertainty）を高めることに報酬を得て、残り半数が安全運転を学習する不確実性駆動型セルフプレイ手法を提案しています。探索型エージェントは不確実性を手がかりに方策の弱点を探し、手作業なしで難しいシナリオの学習カリキュラムを生成します。著者らは、nuPlan Val14 と Argoverse 2 においてファインチューニングなしのゼロショット転移で標準的なセルフプレイを上回ったと報告しています。
説明新しいモデル、古い癖：複数セッションのLLMエージェントにおけるモデル切替時の振る舞いの移行
要約本論文は、複数セッションにわたるLLMエージェントがモデルを切り替えた際、受け手のモデルが、履歴を生成したモデルの推論や行動パターンを引き継ぐかどうか（振る舞いの移行）を調べています。元の履歴をそのまま渡す場合にこの移行が最も顕著で、要約によって大きく減少することが確認されました。著者らはこれを踏まえ、方向と作者性を考慮した履歴要約手法DASHを提案し、繰り返し切り替えの実験で、生の履歴転送や単純な要約の基準手法を上回ったと報告しています。
説明状態容量を超えて：Mamba で検索が破綻する理由
要約本論文は、Mamba モデルが文脈内検索で Transformer に劣る原因を調べたものです。クエリが文脈より先に来る設定でも Mamba は大きく遅れることを示しました。特定のゲートへの介入で精度が大きく変わる一方、ゲートが参照する関連性の信号は層が深くなってから徐々に現れ、検索に重要な層のゲートはまだ関連性と揃っていないと報告しています。
説明SceneAE：照会可能な3D固定潜在空間でのシーン生成と再構成
要約本論文は、特定の視点から見た映像ではなく、シーンそのものを記述する3D固定の潜在表現SceneAEを提案している。各潜在要素は明示的な3D位置と暗黙的な内容特徴を持つ疎な潜在点群として表される。この表現は、カメラ軌跡ごとに映像を再生成せずに様々な視点のRGB-D観測へ投影・復号でき、生成では幾何と内容を分離して相機制御性を高める。論文は、生成品質、計算コスト、カメラ制御性で優れた結果が得られたと報告している。
説明グラフ加法モデル：特徴・トポロジー・相互作用を分離する解釈可能なグラフ学習手法（AMIGA）
要約本論文は、解釈可能なグラフ学習のためのAMIGAモデルを提案しています。マイニングされたモチーフの語彙でグラフのトポロジーを表し、各ノードの寄与を特徴・構造・特徴と構造の相互作用という三つの加法的チャネルに分解します。十のグラフ分類・回帰ベンチマークで、多くのデータセットにおいてGNAN（グラフニューラル加法ネットワーク）を上回り、標準的なブラックボックスGNNとの差を縮めています。
説明RouteWeaver：モード選択と実行を統合したLLMルーティング
要約本論文は、単一ラウンド、多ラウンド、エージェント型などのルーティングモードを一つのLLMポリシーに統合し、どのモードを使うか、そのモード内でどのモデルを選ぶかを同時に学習するRouteWeaverを提案しています。モード選択と実行を同時に最適化するためにCOMET-GRPOと段階的探索を導入しています。数学、コーディング、知識、論理推論、事実想起の5分野で評価し、平均精度61.4%を報告しており、これは最強ベースラインに対して11.03%の相対的向上です。
説明BANGLAPLAN：ベンガル語における制約ベースの計画・意思決定のベンチマーク
要約本論文は、ベンガル語で時間・費用・容量・順序などの制約を満たす計画を立てたり、解が存在しないと判断したりする能力を評価するためのベンチマーク BANGLAPLAN を提案している。バングラデシュの日常生活や制度に基づく 1,000 問を、十の課題群と四つの言語レジスターで構成している。11 のモデル構成を評価した結果、モデル間で大きな性能差があることが報告されている。
説明Time-JEPA：物理時系列で映像ワールドモデルを物理的に裏付ける手法
要約本論文は、低次元で時間的に整列された物理時系列を補助的な教師信号として用い、映像ワールドモデルを微調整する Time-JEPA を提案している。自動運転、ロボット操作、人体運動など複数の分野で、映像のみで微調整した比較対照モデルと比べ、現在状態のデコード、複数ホライズンの将来状態予測、運動学的再構成が改善されたと報告している。
説明スーパーマルチンゲール証明書のランタイム監視：実行中に証明書違反を統計的に検出する手法
要約スーパーマルチンゲール証明書は、確率的動的システムの時間的性質を形式的に保証しますが、その保証は数学モデルに依存しており、実際に展開されたシステムとのずれ（シミュレーションと現実のギャップ）によって無効になる可能性があります。本論文は、単一のシステム軌跡を観察し、証明書の違反について十分な統計的根拠が得られた場合に警報を出す監視器の問題を定式化します。ベッティングに基づく逐次検定を用いて、誤警報の確率をユーザー指定の水準に抑える監視器を自動構築するアルゴリズムを提案し、文献のベンチマークで有効性を示しています。
説明ReGRA：補完的な低ランク微調整のための残差勾配適応法
要約この論文は、LoRA（低ランク適応）でランクを増やしても性能が必ず向上するとは限らない問題を扱い、二段階の手法ReGRAを提案しています。第一段階の後、校正用データで求めたタスク勾配を第一段階の更新が張る部分空間から取り除き、その残差勾配方向で第二段階のアダプタを初期化します。直交性正則化により二つの更新が互いに補完する方向を捉えるようにし、両方を事前学習済みの重みに統合できるため推論の追加コストはないとされています。同じ総ランクの手法より高い性能を示し、ランクが二倍のLoRAと同等になるとしています。
説明RuleTrek：複雑なシナリオにおけるエージェント型ルール推論のベンチマーク
要約大規模言語モデルは専門分野の複雑な実務タスクに取り組むことが増えているが、関連情報が複数のファイルに分散している場合、ドメイン固有のルールを正しく特定して適用することは難しい。本論文は、複雑なシナリオにおけるエージェント型ルール推論のための多分野ベンチマークRuleTrekを提案する。規則識別、規則推論、エンドツーエンド推論の3つの能力を対話型ワークスペースで評価し、11の最先端モデルで実験を行った結果、規則識別と規則推論の最高スコアはそれぞれ62.47%と60.43%にとどまり、エンドツーエンドのスコアは26.97%から55.29%であった。現状のエージェントには複雑なシナリオでのルール推論に大きな課題があることが示されている。
説明ベクトルではなく記号を共有：学習不要の言語モデル間事実通信
要約本論文はSYNC（記号索引型ニューラル通信）を提案し、送信側が共有語彙から単語を選んでそのインデックスを送り、受信側が自身の単語方向で事実を隠れ状態に書き込む方式を示します。微調整や学習済み翻訳器なしで異なるアーキテクチャのモデルを接続できます。新しいシーンでの4つの回答の成功率は72.0〜98.3%と報告されています。
説明C3：多ターン強化学習における信頼度ガイド付きクレジット修正による過程監督の再考
要約結果のみを用いる強化学習では、成功した軌跡の中にある望ましくない局所的な行動にも正の詞レベルの優位性が与えられ、方策更新で強化されてしまうことがあると論文は指摘します。著者らは、そうした行動に対応する範囲を特定し、優位性推定の後で正のクレジットを選択的に修正する差し込み型の手法C3を提案します。修正の強さは行動方策がその行動に対して持つ信頼度で適応的に制御され、タスク報酬と元のクレジット推定は変更されません。論文は、複数の多ターンベンチマークで、批評家あり・なしの両方の強化学習手法で性能が向上したと報告しています。
説明ReFormBench：大規模言語モデルにおける応答基準の書式修正の安定性を評価するベンチマーク
要約本論文はReFormBenchを提案し、同じ質問に対するモデルの無制約な回答を書式の基準とします。指示が変わっても、モデルが観察された書式を修正できるかを測定します。5,000件の三制約テスト事例と66種類の書式特徴を含み、10モデルでEMCRは34.04%から64.72%、三目標の修正推定の最高値は50.02%でした。遵守スコアと修正スコアではモデルの順位が異なります。
説明アニーリング型レヴィ拡散：ガウス代理逆動力学による生成モデル
要約本論文はアニーリング型レヴィ拡散（ALD）を提案し、安定性指数を時間とともに変化させることで、ノイズ除去の過程で重い裾を持つ探索と、ガウス分布による精緻化を組み合わせます。安定ノイズをスカラーのガウス尺度混合として表現するため、追加の尺度入力を1つ加えるだけで、標準的なガウスノイズ予測による学習が可能になります。二つのサンプリング手法を検討し、2次元ベンチマーク、不均衡な9モード混合分布、MNIST、CelebA64、CIFAR-10LTで評価しています。
説明加法的評価関数の下での連続的な嫉妬なしケーキ分割のPPAD完全性
要約本論文は、正規化された有理数の区分定数加法的評価関数に対して、完全な連続ε嫉妬なしケーキ分配を計算する問題がPPAD完全であることを証明している。εが単項式で与えられ、各密度関数が全エージェントで同一の二値のみを取り、区分点が最大6個である場合でも困難性は成立する。正確な連続嫉妬なし分配の計算もPPAD完全である。さらに、任意の固定整数c≥1について、パス上の不可分財の連続EFc分配の計算もPPAD完全であることが示されている。
注目点連続無羨望ケーキ分割の計算がPPAD完全であることを、制限された密度でも示し、理論的下界を大きく前進させている。
説明関数空間の時間的自己蒸留による方策最適化（FSPO）：過去の出力分布で訓練を安定化する強化学習手法
要約本論文は、検証可能な報酬による強化学習（RLVR）で言語モデルの推論を訓練する際、スカラー報酬の監督が粗いという課題に取り組みます。過去の次トークン分布を固定の時間的目標として保存し、永続的な教師モデルを持たない関数空間方策最適化（FSPO）を提案しています。さらに、特権的な不一致の補正、信頼性に応じた参照監督の強化、品質と網羅性を考慮した時間的メモリを導入しています。推論およびツール利用のベンチマークで平均精度が最も高く、最強のベースラインを平均約4ポイント上回り、Olmo3-7B-Instructではピークメモリが約70GBから56GBに削減されたと報告されています。
説明Interlock：長期タスクエージェントにおける局所的正しさから課題完了への枠組み
要約本論文は、大規模言語モデルのエージェントが長期タスクで、個々の要件は満たすものの全体として未完了となる問題を扱います。提案手法 Interlock は、タスクを型付き完了グラフとして表し、証拠・決定・後続効果の依存関係を再設定可能なワークスペース、公開リクエスト、評価ルーブリックへ変換します。エージェント自身が合格とした軌跡で Qwen3.6 の二つのバックボーンを微調整したところ、三つの外部ベンチマークで性能が向上したと報告されています。
説明分布マッチングを超えて：教師あり微調整における選択的マージン保持
要約本論文は、教師あり微調整（SFT）において参照分布の上位Kの非目標トークンのペアに対し、ソフトなマージン制約を課すSRP-SFTを提案します。分布全体を固定せずに局所的な順位関係を保持することが狙いです。Qwen3-4B-BaseとUltraFeedbackでの1エポック実験では、3つの乱数シードすべてでCEおよびLP-SFTを上回るMATH-500とコード生成のスコアが報告されています。
説明連想記憶で潜在世界モデルを強化する研究
要約本論文は、JEPA型の予測に内容アドレス可能なメモリバンクを加えた、メモリ強化型の潜在世界モデルを提案している。共有潜在空間の複数の時間スケールで観測から高次の表現を学習し、適応的レイヤー正規化で予測を条件付ける。表現の崩壊を防ぎ記憶を効果的に使うため、2種類の補完的な損失関数を設計した。PushT、Tworoom、Reacher、OGBCubeでの実験では、軽量な構造で長期計画タスクにおいて従来の潜在世界モデルを上回る性能を示したとされる。
説明MicroSDF：マイクロファセット理論に基づく混合反射率表面の3次元再構成用ニューラルネットワーク
要約本論文は、反射面と非反射面の幾何と反射特性をニューラル陰関数で同時にモデル化するMicroSDFを提案しています。マイクロファセット理論を用い、マイクロファセット法線一貫性損失、二分岐の色モデル、反射事前情報に基づく色融合戦略を導入し、多段階最適化を行います。著者らはDTU、Shiny Blender、Ref-NeRF、DeepVoxelsの各データセットで最先端の性能を報告しています。
説明MCAIR：内部表現によるエージェントの不誠実な完了の監視と修正
要約大規模言語モデルを基盤とするエージェントは、多段階の推論やツール操作で複雑なタスクを遂行できる一方、最終報告が実際の実行経路を正しく反映しない不誠実な振る舞いを示すことがあります。本論文は、内部表現を用いて実行中にこの問題を検出し、実行履歴の見直しを促して不整合を減らすランタイム監視・修正フレームワーク「MCAIR」を提案しています。あわせて、検出用のデータセット「ACUD」を構築し、MCAIRがLLM-as-a-judgeのベースラインより優れていると報告しています。
説明記憶・再訪・修正：長期的3D幾何のためのScaffold Memory（足場メモリ）
要約本論文は、凍結された幾何基盤モデルに修正可能な外部メモリを加えるSMORE（Scaffold MemOry for Revision）を提案します。動画列からカメラ姿勢と3D構造を推定する際、過去の観測を保存・検索し、新しい証拠と照合して不整合があれば修正します。5つのデータセットと8つのモデルでの評価では、姿勢推定、深度推定、点群再構成、SLAMなど多くのタスクで精度向上が報告されています。
説明医療知識をいつ信頼すべきかを学習する：臨床推論のための回帰防止型ルーティング
要約臨床推論を行う大規模言語モデルは外部の医療知識を必要とするが、検索された証拠や推論過程が古い、汚染されている、あるいは幻覚である場合がある。本論文は検索証拠と推論連鎖を対象とした医療知識汚染ベンチマークを構築し、既存の固定的な知識利用戦略が一貫して頑健ではないことを示す。提案手法Med-TrustRouterは、ソルバーを固定したまま実例ごとに知識利用の行動を選択する軽量なコントローラであり、7つの医療推論設定で最悪ケースの正答率を改善した。
説明LLMエージェントの使えない返信を測定し減らす研究
要約利用者は多段階の作業をLLMエージェントに任せ、返ってきた返信だけを読みます。本論文は、利用者が理解して使えるかどうかを「返信の利用可能性」として定義し、利用者の立場を取る読者モデルで測定しました。8モデル・480件の返信のうち54%が不合格で、最良のモデルでも30%が不合格でした。明示的な要件の指定や、返信を書き直す二次モデルの利用で不合格率が下がったと報告しています。
説明HACHIMI-II：役割演技から学習者行動モデリングへ、忠実な模擬学生の構築
要約本論文は、実際の学習者が利用可能になる前に家庭教師システムや教育戦略を検証するための模擬学生を構築するHACHIMI-IIを提案しています。大規模言語モデルに学生を演じさせる従来の方法に代わり、学習者の履歴から学習者の状態をモデル化し、次の行動を予測します。三つの項目応答データセットと二つの対話データセットでの評価において、最強のベースラインより能力分布と実際の誤りの再現で優れた結果を示しています。
注目点学生模擬をロールプレイから学習者行動予測へ転換し、明示的な学習者状態と行動制約を導入。多データセットで最強基線を大きく上回り、アブレーションで裏付け。
説明ゼロ次非凸最適化における大域的同時下界に関する研究
要約本論文は、勾配推定器を用いたゼロ次非凸最適化手法の理論的下界を調べ、kornowski2024 が示した計算量の次元 d、非平滑パラメータ δ、精度 ε に対する依存性が同時に最適かどうかという問いに答えている。全空間かつ適応的な問い合わせと再利用可能なサンプルを許すスカラー・オラクルの下で、滑らかな確率的非凸最適化に対する下界 Ω(dL0²min{ΔH,L0²}/ε⁴) を示し、還元によって Goldstein 定常点に対する整合的な下界も得ている。さらに、ノイズのない正確値の場合には、ランダム化アルゴリズムおよび決定的手法に対しても成り立つ下界を与えている。
注目点ゼロ次非凸最適化において次元・δ・εの依存性の結合下界を厳密に示し、未解決問題に答えた。影響は理論的範囲に限られる。
説明SPECTRA-VLA：凍結した視覚・言語・行動インターフェースにおける基礎-精細ハイパースペクトルトークン転移
要約本論文はSPECTRA-VLAを提案し、視覚エンコーダと行動デコーダを再学習せずに、事前学習済みの視覚・言語・行動モデルにハイパースペクトル情報を加えて、RGBでは似て見える物体を区別できるようにします。86件の保留データでは、カテゴリ平衡精度が0.812から0.883に向上したと報告されています。
説明海氷密接度データから北極のポリニヤを地図化：閾値と製品選択への感度分析
要約本論文は、階層的分割、連結成分解析、差分的領域拡張に基づき、北極沿岸のポリニヤと開水域を毎日の海氷密接度（SIC）から地図化する枠組みを提案しています。2002/03年から2024/25年の9月から翌年5月の氷季に適用し、63シーンの目視評価で平均総合精度96.74%、平均カッパ係数0.93を達成しました。SIC基準で定義したポリニヤ面積の絶対値は設定に強く依存する一方、主要な時間的特徴は比較的安定していることが示されています。
説明型付き意思決定モデルのための選択的推論：いつ開始し、読み取り、停止するか
要約本論文は、型付き意思決定モデルに対し、候補回答を保持したまま追加の推論を利用できるインターフェースを提案します。凍結したQwen3.5-4Bを基盤に共有の候補回答リーダーを学習させ、直接判断と必要時に中断可能な推論を統一します。収益ゲートで推論を開始し、エントロピー規則で得られた回答を採用して生成を取り消します。ProofWriter、LogiQA 2.0、ARC-Challengeの768問では、直接読み取りの正答率70.96%から84.38%へ向上しました。
説明意思決定に関係する部分だけをモデル化する：言語エージェント向けの意思決定誘導型選択的世界モデリング
要約本論文は、大規模言語モデルベースのエージェントを学習するためのDGS-WMという手法を提案しています。すべての観測を一律に世界モデリングの対象とするのではなく、後続の方策による判断をどれだけ支えるかで観測単位を選別し、モデルの予測信頼度に応じて監督の強さを調整します。これを強化学習の損失と同時に最適化します。単一ホップ・複数ホップの質問応答やインタラクティブなWebタスクで、全観測を対象とする手法より安定した性能が示されています。
説明変換規則から合成した反応データを用いた、生分解経路予測のためのグラフ-系列事前学習
要約観測された生分解反応データが少ないため、生成物や経路を予測するモデルの学習が制約されている。本論文は、環境変換規則をPubChem、NORMAN SusDat、EPA DSSToxの構造に適用して合成反応データを生成・整理し（親化合物-生成物の組776,851件）、それでグラフ-系列予測器を事前学習し、観測された環境反応で微調整する枠組みenviGraphを提案する。EAWAG BBDでは合成事前学習が単段階・多段階予測のPR-AUCで最高値を示したが、Soil・Sludgeでは多くの比較でUSPTOの方が高い平均値を示した。
説明J-tau：ツール・エージェント・ユーザー対話のための完全ローカライズ日本語ベンチマーク
要約本論文は、対話型カスタマーサポートの場面でツールを使う大規模言語モデル・エージェントを評価する、初の公開日本語ベンチマーク J-tau を提案しています。原版の tau-bench には、無効なタスクと、一部のモデルの成績を過大に見せるスコア集計の誤りという二つの欠陥がありました。著者らは機械翻訳、エンティティの適応、人手によるレビューを通じてローカライズを行い、両方の欠陥を修正しました。実験では、単純な機械翻訳版より評価誤りが少ないことが示されています。
説明スパースオートエンコーダを記号照合の共通座標系とする研究
要約本論文はSAE-IDFという手法を提案し、スパースオートエンコーダで記号を元の文脈からスパース符号に変換し、希少性で各次元を重み付けして異なる記号系間で照合します。6種類の記号系にまたがる12タスクで、Gemma-2-9BとLlama-3.1-8Bの同一LLMの稠密ベースラインを多くのタスクで上回ったと報告されています。スパース符号の各次元は人間が読める意味を持ち、照合結果を解釈できる点も特徴です。
説明『Eye, Robot』：VLM 誘導型 Transformer-VAE による表現豊かな視線動作の学習
要約ヒューマノイドロボットの視線制御システムを提案する論文である。視覚言語モデルが注視対象を選び、知覚モジュールが注視を維持し、Transformer-VAE である RGT が人間の記録データから学習した対象指向の頭部・眼球運動を生成する。2 秒間のベンチマークでは RGT-Base が 7 関節の全体 MSE で最も低い値を示し、実機デモで統合パイプラインが示された。自然さの知覚評価と、オープン語彙の対象選択精度は今後の検証課題とされている。
説明機械学習原子間ポテンシャルのためのリスク制御型DFT選択法
要約材料探索の自動化では多数の候補構造を評価する必要があるが、密度汎関数理論（DFT）計算がボトルネックとなる。本論文は、事前学習済み機械学習原子間ポテンシャル（MLIP）を信頼するか、DFTに切り替えるかの判断を、共形リスク制御（CRC）の枠組みで解くリスク制御型選択問題として定式化する。原子番号と直交座標から計算した幾何学的記述子のみを用いてMLIPとDFTの乖離を予測し、DFT計算に回す閾値を設定する。委員会ベースの基準と比べ、同じ保証の下で、DFTに送る構造をそれぞれ7%と14%少なくできると報告している。
説明自己条件付けによりフローマッチングで深い逐次推論を可能にする研究
要約本論文は、画像生成によって視覚推論を行う手法を、回路計算量の観点から検討しています。通常のフローマッチングのサンプリング過程は定数回の並列モデル評価で模擬でき、追加のステップだけでは表現力が増えないことを示しています。そこで、前ステップの最終画像の推定を条件とする自己条件付けを導入すると、推論の深さと精度が向上し、サンプリング回数に応じて性能も改善することが報告されています。
注目点通常のフローマッチングの軌道が定数深度の並列計算で模擬できることを示し、自己条件付けがその制約を破ると明らかにした。理論的新規性が高く、複数の視覚推論タスクで実験している。
説明DAGFormer：Transformerのクロス層接続を全体的にトポロジー予測する手法
要約本論文は、標準的な残差接続に加えて初期層から後期層への直接接続を持ち、共同で学習されたトポロジー予測器が入力トークンに基づいて各接続の強度を制御するTransformer言語モデル、DAGFormerを提案している。各層の接続を個別に設定する既存手法と異なり、モデル全体のルーティングを一度に計画する。75Mから1Bパラメータの同条件OLMo-2比較では、WikiText-2のパープレキシティが通常のTransformerより17%から25%低く、13の評価タスクと指示微調整でも改善が報告されている。
注目点層間接続を全体で一括計画するトポロジ予測器を提案し、複数規模・多課題・指示微調整・剪定で既存ルーティング手法と比較して有効性を示している。
説明能動的視覚認識のための適応的観測制御
要約視覚認識モデルは通常、固定の視野と固定の計算量で画像を処理しますが、画像によって必要な尺度や空間的情報量は異なります。本論文は、公開されている AdaptiveNN-DeiT-S の固定ステップ型認識器を拡張し、注視ごとの視野と注視回数を入力に応じて調整できる観測インターフェースを提案します。実験では、固定ステップの基準手法と競合する精度を保ちつつ観測予算を制御でき、同一のチェックポイントで閾値により精度と計算量のトレードオフを調整できることが示されています。
説明MagicGarment：単一画像からの独立した3D衣服再構成のベンチマーク
要約本論文は、単一画像から単独の衣服を3D再構成するためのベンチマーク「MagicGarment」を提案しています。17種類の複合衣服タイプにまたがる1,518点の専門的に作成された資産、整合したマルチモーダル注釈、統一された評価プロトコルを含みます。さらに、事前学習済みの画像から3Dへのバックボーンを、GSRとFTR-LoRAの2段階で適応させた衣服認識型の参考ベースラインを示しています。実験により、このベンチマークの有用性と衣服認識型適応の効果が示されています。
説明AI意思決定モデルには偏りがあるのか：Jevを事例とした研究
要約本論文は、高速で構造化された意思決定を行うシステム1型モデルとされるJevを、認知反射課題、5種の古典的認知バイアス課題、人種と性別を扱う価格設定実験の計41,500件の回答で評価しています。選ばれた答えの多くは良好でしたが、無関係な数値や選択肢の順序に影響を受け、認知バイアス操作で確率値が大きく変わることも示されました。さらに、改変版の確率問題に対する30件の連言課題（15,000件の回答）では、54%の回答が確率の規則に違反していました。
説明ロボットアームの指示条件付き動作制御：言語からコードへの分解と強化学習
要約本論文は、指示条件付き動作制御（ICMC、Instruction-Conditioned Motion Control）を提案し、パラメータ指定、指示生成、コード合成を分離して、実行結果を指示とプログラムにたどれるようにします。MuJoCo上のUR5eアームで、o1とo4-miniによる一回生成とICMCを、方块の把持・配置と文字の再配置タスクで比較しています。さらに、GRPOで開いた重みの指示方策を学習し、正の報酬率は31.6%から35.3%に上昇しましたが、ログ監査で幾何学的失敗を示すメッセージに対応する正のラベルが見つかり、ログ上の報酬率と独立検証による成功率を区別しています。
説明分かれる経路：LLMエージェントの軌跡から結果を予測する表現の学習
要約本論文は、エージェントの実行軌跡を行動と環境観測からなる共有埋め込み空間内の経路として捉え、同一タスクの成功例と失敗例がこの空間で分離することを示しています。タスクごとの単純な判別器は、3つのエージェントベンチマークと3つの方策モデルにおいて、未見の試行の結果を最大0.95のAUROCで予測できます。さらに、少数ショットで結果予測が行えるよう表現をメタ学習するTransformerベースのPrecog-RMを提案しています。Tau2-BenchでGRPOの早期停止コントローラとして用いると、ベースラインのGRPOと同等の性能を保ちつつ、学習のFLOPsを最大47.3%削減したと報告しています。
説明本当に忘却を測定できているのか：マルチモーダルLLMの機械的忘却評価の落とし穴
要約本論文は、マルチモーダル大規模言語モデルの機械的忘却の既存ベンチマークが純テキストの評価手法を踏襲しており、ホールドアウト評価の欠如、微調整で植え付けた合成知識への依存、手法ごとに同じ学習設定を用いることによる不公平な比較という3つの問題があると指摘しています。著者らは、実世界知識に基づくベンチマークGEMMUと評価プロトコルを提案しています。GEMMUで代表的な手法を再評価したところ、大きな汎化ギャップが見つかり、従来のベンチマークの結論に疑問が投げかけられています。
説明多画像スキーマ適用で何が壊れるのか？要因計画オラクル介入が示すインスタンス情報のボトルネック
要約本論文は、16枚の画像列から2人の対象キャラクターを特定し、その視覚的属性を把握して、2つの順序付きコードネームを組み立てるタスクで、視覚言語モデルの失敗箇所を調べたものです。著者らは2×2の要因設計を用い、検証済みのテキストスキーマと順序付き対象外観表現をそれぞれ与えて比較しました。その結果、後者の方が大幅に精度を高めることが示され、主な回復可能な欠陥は下流のスキーマ適用ではなく、上流の順序付きインスタンス認識にあると結論づけています。
説明CORE：異常合成における自己教師ありプロンプト最適化のための対比・内省フレームワーク
要約産業用異常検知は異常サンプルの不足によって制約されるため、高品質な異常合成が重要です。本論文は、大規模マルチモーダルモデル（LMM）に基づく学習不要のCOREを提案し、ゼロショットとワンショットの異常合成を統一します。自己教師ありの対比・内省機構によりプロンプトを自律的に改良し、MVTec-ADとVisAでの実験で、現実的で多様な異常を合成し下流の異常検知性能を向上させることを示しています。
説明「20日後」：Gemini の回答におけるブランド言及を過去データから予測する事前登録型検証
要約本論文は、大規模言語モデル Gemini がどのブランドを挙げるかという言及の傾向が、過去の回答データからどの程度予測でき、時間が経っても持続するかを事前登録方式で検証したものです。英語、エストニア語、フィンランド語の計 54 問（3 種類のソフトウェア分野）を用い、20.3 日後に同一条件で再実施しました。予測は比較対象より良い結果を示し、すべての問題群で成立しましたが、検証は 1 モデル、1 期間、12 の既知ブランドに限られ、減衰率は推定していません。
説明PN-Mix：ペア・ノルム誘導の混合精度キーキャッシュ量子化による長文出力LLM推論の効率化
要約長い出力を生成する大規模言語モデルの推論では、KVキャッシュのメモリと帯域幅がボトルネックになります。低ビット量子化は精度を大きく低下させるため、本論文は重要なRoPEチャネル対に高い精度を割り当てるPN-Mixを提案します。チャネル対はプリフィル段階で一度特定され、デコード中も再利用されます。平均2.26ビットのPN-Mixは、2.32〜2.39ビットを使う既存手法と同等以上の平均精度を示し、1.5ビットまで緩やかな性能低下にとどまるとされています。
説明静的位置エンコーディングを超えて：非定常な長期時系列予測のためのベイズ型時間認識アテンション
要約本論文は、自己注意を注目位置上のベイズ事後分布として解釈し、位置エンコーディングが時間的依存関係をどう形作るかを確率的に説明しています。さらに、時間依存の構造が入力窓ごとに変化すると固定の位置バイアスは最適でないと指摘し、混合専門家（MoE）ルーターで時間カーネルを適応的に組み合わせるBayesian Time-aware Attention（BTA）を提案しています。複数のTransformer基盤で長期予測性能の向上が示されています。
説明PA1-OPD：言語モデル事前学習のための一段階プレフィックス拡張オンポリシー蒸留手法
要約本論文は、コーパス経路上の知識蒸留に、選択された各プレフィックスから生徒モデルが一段階遷移をサンプリングした後の教師フィードバックを加える手法PA1-OPDを提案しています。2種類の継続事前学習設定において、C4、PG-19、Pileの保持データで、評価した全チェックポイントで知識蒸留より交差エントロピーが改善したと報告されています。
説明出典の帰属を超えて：LLMで構築した学術知識グラフにおける著者アドレスと比較可能性の判断
要約本論文は、知識グラフにおける証拠のアドレスの安定性を論じる。同じ名称の下に集められた記録が、境界・階層・計数基準の異なる対象を指す場合があり、引用の正確さを確認するだけではそれらの違いは見つからない。著者は、候補となる証拠を集める作業用アドレス、出典が定める分類、特定の比較に段落を採用する判断を区別し、これらの判断と記録間の依存関係を比較の来歴の一部とみなすべきだと主張する。例として中国語方言学（粤語）を取り上げ、PaRAGraph Casebookとプラットフォームによる判断の保存方法を紹介する。
説明JevCoder：コード修復で判断の委譲が効果を発揮する条件
要約この論文は、コード修復エージェントが修復過程で行う判断のうち、低コストの確率的判定器Jevに委ねられるものを調べ、トークン使用量を抑えつつ修復品質を保つ方法を検討している。判定器なしの修復や、修復モデル自身を判定器に使う方式と比較したうえで、コードスニペット推奨と行動タイプの指針を組み合わせ、判定結果で提出時期を決めるワークフローJevCoderを提案している。SWE-bench VerifiedとSWE-Bench Pro Verifiedの各200タスクで、判定器なしの修復と比べ、修復モデルの平均トークン使用量を21.6%から50.6%減らし、3つのモデルすべてで観測された修復率も高かった。
説明InstructPro2：自然言語と生物学的制約に導かれたde novoタンパク質設計
要約本論文は、自然言語で記述された設計目標をタンパク質配列へと変換し、リガンドや抗原などタスクに応じた生物学的文脈を組み込むInstructPro2モデルを提案しています。UniProtKBから2億570万組の機能記述とタンパク質のペアを集めて事前学習用データセットを構築し、リガンド結合タンパク質と抗体の設計へモデルを適応させました。機能性タンパク質生成のベンチマークでは、機能再現F1が基準モデルPinalの62.2に対して74.8、全体RMSDが5.33Åから3.04Åに改善しました。抗体設計のDockQは0.39、リガンド結合タンパク質設計のドッキング成功率は72.6%でした。
説明L3M：自己拡張・自己改善するエージェントのための検証可能なハーネスとランタイム
要約本論文は、AIエージェントが長時間にわたって作業を続け、自ら拡張できるようにするランタイム L3M を提案しています。Lean 4 で実装され、すべての状態は Git に保存されるため、再開・巻き戻し・分岐・比較・統合が可能です。エージェントは手順を検証済みの Lean プログラムとして書き、ツールとして再利用できます。ツールのレビュー区分は効果を元に戻せる範囲に応じて決まります。Terminal-Bench では、人間のレビューを必要としない安全なツールのみを使い、シェルを使う場合の通過率の約3分の2に達したと報告されています。
説明JockeyBench：競馬の意思決定における LLM エージェントの評価
要約本論文は、日本の過去の競馬データを用いて繰り返し発生する事象の予測を研究するための、ベンチマークと評価プロトコル「JockeyBench」を提案しています。このプロトコルは、時間制限付きの証拠、有料ツール、固定プログラムの対照実験、2 種類のワークフローを組み合わせ、予測の質、ベンチマーク固有の純効用、回顧的な投資収益とリスクを区別して評価します。28 のモデルとスキャフォールドの構成を 324 レースで検証した結果、キャップ付きケリー決済ではすべての構成で平均利益が負となりました。
説明投影付きWasserstein-Fisher-Rao流によるHawkes過程の背景強度推定
要約本論文は、トリガー機構が既知の場合にHawkes過程の背景強度を推定する問題を扱い、背景を正則な密度をもつ未知の有限正測度として扱います。Wasserstein-Fisher-Rao幾何に基づく尤度ベースの変分手法を提案し、統計多様体への射影によって有限次元の動力学を与えます。一定の条件のもとで条件付き一致性定理を示し、ガウス混合多様体に対する明示的な有限次元スキームを導出しています。
説明道徳的対抗：道徳基盤理論を悪用したLLMのジェイルブレイク
要約本論文は、道徳基盤理論に基づくマルチエージェントの枠組みを提案し、当初は拒否される有害な依頼を、道徳的に正当に見える表現へ言い換え、類似の道徳的再構成の先例を添えることで、LLMの安全対策を回避できるかを検証します。三つの代表的なジェイルブレイク用データセットの有害なプロンプトを用い、オープンソースとプロプライエタリの計五つのモデルで評価しています。その結果、モデルは道徳化の言い換えに非常に影響されやすく、一度の試行でも高い成功率を示し、繰り返し試みるとさらに上昇することが分かりました。また、既存の安全ベンチマークは対象とする道徳基盤に偏りがあり、モデルが既に示している偏りの方向に集中していることも指摘されています。
注目点道徳基盤理論を用いた脱獄攻撃を提案し、3つのデータセット・5モデルで単発および反復試行の高い成功率を示した。
説明解説：この文章を書いたのは誰か？分布外条件に頑健なモデル著者帰属
要約本論文は、ある文章がどの大規模言語モデルによって生成されたかを判定する「モデル著者帰属」を扱います。学術不正、モデル蒸留、サイバー攻撃などの問題への対策につながる研究です。著者らは各生成元条件下での尤度比較に基づく ATLAS 手法と、評価用ベンチマーク MAABench を提案しています。領域とモデルバージョンがともに変わる設定で、ATLAS は 74.27% の精度を示し、最強のベースラインを上回りました。
説明XferAgent：自己改善型LLMエージェント向けのクロスエージェント経験転移
要約本論文は、異なる大規模言語モデル（LLM）エージェント同士で、タスク実行の経験を共有・再利用するフレームワーク XferAgent を提案しています。ローカルとシェアの経験グラフで経験を整理し、互換性のある貢献を統合しつつ信頼性の低い統合は避けます。実験では、代表的なメモリベース手法より性能が向上し、異種のエージェント框架間でも経験を転移できることが示され、タスクの累積成功率も増加しています。
説明位相の溝を埋める：意味的事前知識を用いた二分岐グラフ蒸留による頑健なコールドスタート推薦
要約本論文は、推薦システムにおいて未観測のアイテムが位相的に孤立し、グラフ協調フィルタリングの表現が崩壊するコールドスタート問題を扱います。提案手法DualGCNは二分岐のグラフ知識蒸留フレームワークで、トポロジーで平滑化された意味的事前知識を用いて協調教師ネットワークを学習し、残差写像と大きさに依存しないコサイン蒸留により意味的生徒分岐を整合させます。さらに動的ノルム再構成でアイテムの尺度を調整します。著者らは三つの実データセットで、厳密なコールドスタート設定において既存手法を上回ると報告しています。
説明時系列グラフ表現の壁を越えた学習転移の研究
要約本研究は、関係履歴から学習した予測構造が連続時間動的グラフ（CTDG）と時系列知識グラフ（TKG）の間で再利用できるかを検討しています。双方向の再利用が成立する一方、同じ表現形式のデータソースが必ずしも有用とは限らないことが示されています。また、独立に事前学習したTKGとCTDGの学習器をスコアレベルで融合すると、エンティティや関係の意味的整合なしに第三のデータセットで予測精度が向上すると報告されています。
説明事後サンプリングの固有の差分プライバシー：統一的なレーニ・ダイバージェンス枠組み
要約本論文は、ベイズ事後分布からのサンプリングが、追加のノイズを加えなくても本来持つ差分プライバシー保証を特徴づける統一的なレーニ・ダイバージェンスの枠組みを提案する。単一事後サンプリング（OPS）のプライバシー損失は、単一レコードの対数尤度比の事後指数モーメントで決まることを示し、有界・劣ガウス・劣指数の裾の条件下で明示的な保証を導出する。分類尤度、ガウス共役モデル、指数型分布族の一般化線形モデル、ガウス事前分布を持つ線形回帰に適用し、既存のOPSの保証を特殊ケースとして含み、より厳しい界を与える。
説明発散ルーティングによる言語モデルのオンポリシー蒸留（DrOPD）
要約本論文は、生徒モデルが自ら生成した軌跡に沿って教師モデルから学ぶオンポリシー蒸留（OPD）を扱い、通常は逆KL情報量を最小化する手法を検討しています。著者らは、エントロピーに基づく経路選択よりも、発散に基づく経路選択の方が師弟間の性能差に寄与する位置を的確に特定できることを示し、JS発散が高い位置で教師モードの被覆が不足していることを明らかにしました。これに基づき提案されたDrOPDは、全位置で逆KL監督を維持し、JS発散が高い位置にのみ前向きKL監督を追加します。6つの数学ベンチマークで標準OPDやエントロピーベースの手法を上回り、重度の被覆不足の事例をOPDに比べ37.9%削減しました。
説明LED-BENCH：大判工学図面理解のためのベンチマーク
要約本論文は、機械・建築・交通の各分野にまたがる大判工学図面の細粒度な理解と複雑な推論を評価する多分野ベンチマーク「LED-BENCH」を提案しています。8つの商用モデルと3つのオープンソースモデルを含む11の代表的なマルチモーダル大規模言語モデルで評価したところ、平均正答率は最高で52.65%にとどまりました。また、より広範な証拠の統合を要する設問では、全モデルの成績が低下することが示されています。
説明幾何カーネル多様性：ユークリッド空間で公理を満たす多様性指標
要約本論文は、対象の集合の多様性を信頼性高く、かつ効率的に計算できる指標を研究しています。各点に放射状カーネル立体を対応させ、その和集合の体積を測る幾何カーネル多様性（GKD）を提案し、ユークリッド実現可能な入力に対して単調性・一意性・連続性の3公理を満たすことを示しています。次元 d≤3 では厳密な多項式時間アルゴリズム、任意次元では確率的近似アルゴリズムを与えています。また、既存の公理を満たす2つの指標は、この制限された領域でもNP困難であることを示しています。
注目点三公理を満たす幾何学的多様性指標GKDを提案し、低次元での厳密多項式時間アルゴリズムと乱択近似法を示すとともに、既存指標のNP困難性とFPRAS不存在を証明している。
説明INTACT：凍結されたバックボーン上での潜在推論の誘導
要約本論文は、小型の外部エンコーダを用いて凍結された大規模モデル上で潜在推論を誘導する手法INTACTを提案します。エンコーダはバックボーンの隠れ状態を連続的な潜在ブロックに写像して潜在推論の接頭辞を構成し、その後は凍結モデルがテキストで残りの推論と答えを生成します。エンコーダは蒸留で学習された後、答えの正しさに基づいて強化されます。1Bから8Bまでの4つのバックボーンで、GSM8Kと領域外の平均精度が向上し、Llama-3.2-3Bでは問題ごとのエンドツーエンド遅延が19%削減されたと報告されています。
説明Frame Evidence：多画像の空間推論における参照フレームと視覚的根拠のベンチマーク
要約本論文は、320組の対応サンプルと960問の中国語選択式問題からなるベンチマーク「Frame Evidence」を提案する。撮影およびレンダリングされたシーンを題材に、参照フレームが変わったとき、または画像の根拠が削除・追加されたときに、回答が正しく保たれるかを調べる。その結果、単問の正答率が高くても、三つの参照フレーム全てに正答する割合は低く、少数例提示やタスク適応では一貫して改善しないことが示された。
説明SaTPO：遷移選好最適化による テキストから画像生成の安全性アラインメント
要約本論文は、拡散モデルのノイズ除去過程でステップごとに安全性アラインメントを行うSaTPO手法を提案します。不適切なプロンプトとその安全な書き換えを、共通の親状態とノイズ条件下で結びついた選好ペアとして最適化し、多スケールのドリフト制約と良性データの再生で通常の生成を維持します。Stable Diffusion v1.5とSDXLでの実験では、安全性と品質のトレードオフの改善が示され、データセットCoProPVも構築されています。
説明REWIND：不確実性に基づく推論軌道の修復手法（テスト時推論）
要約本論文は、生成された推論の初期の誤りが後続の推論全体を制約することを指摘し、再生成の位置をランダムに選ぶ反復サンプリング手法には限界があるとしています。Qwen2.5-Math-7Bを用いたMATH500での分析では、誤答は正答より平均トークンエントロピーが大きく、エントロピーが推論の誤りを示しうることが示されました。これを受けて著者らは、エントロピーの変化を用いて対象を絞った後続部分の再生成を提案する、学習不要のコントローラREWINDを導入し、3つのモデル系列と5つのベンチマークで最も強いベースラインを上回る結果を報告しています。
説明τ-Emotion-Bench：実際のユーザー感情によるLLMエージェントの対話上の脆弱性の検証
要約本論文は、タスクの目的を保ったまま感情を条件付けたユーザー対話のもとで、ツール呼び出しエージェントを評価する十領域のベンチマーク τ-Emotion-Bench を提案しています。あわせて、不満を持つユーザーが非効率な対話を終了できる仕組みを通じて軌跡を選別するデータ生成パイプライン Tracer を導入しています。実験では、最先端のエージェントでも信頼性が不十分であり、Tracer による教師データは Qwen3 モデルを改善し、他のベンチマークにも転移することが示されています。
