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。
説明クロスモーダル蒸留と顔・唇の同時モデリングによる視覚音声表現学習
要約本論文は、読唇のための視覚音声表現学習フレームワークFLAREを提案しています。Whisperの音声表現を教師信号とし、ランダム投影量子化器で離散化したターゲットを用いてマスク予測により事前学習を行います。唇領域と顔全体の二系統の入力を同時に処理する構成です。LRS2、LRS3、WildVSRでの単語誤り率はそれぞれ11.7%、13.2%、34.3%と報告されています。
注目点Whisper表現を離散ターゲットに蒸留し顔全体と口唇の二重ストリームを組み合わせた点は既存手法の実質的改良で、LRS2・LRS3・WildVSRでの評価と削除実験が充実している。
説明TEX-MEX：時系列向けの類似度ガイド付き時間的対比学習手法
要約本論文は、時系列データにおける「形態的に似ている」関係と「時間的に近い」関係を一つの枠組みに統合した対比学習手法TEX-MEXを提案しています。PPG、EEG、ECG、加速度計、連続血糖測定などのデータで評価し、対比型、再構成型、JEPA型、モダリティ特化型の手法と比べて全体的に最先端の性能を示したと述べています。また、560K パラメータのPPG基盤モデルを学習し、オープンソースおよびオープンウェイトで公開する予定だとしています。
注目点構造的類似性と時間的類似性を一つの対比関係に統合し、多数の生体信号で広範な比較を行っており、新規性と証拠は十分で時系列自己教師あり学習に影響がある。
説明死亡調査報告書に基づく根拠付きの過量摂取死亡予測
要約米国では薬物関連死の最終的な判定が手続きの複雑さから遅れがちです。本論文は、死亡調査報告書から疑われる過量摂取死を分類し、専門家の知識に導かれた説明を添える自動化フレームワークを提案します。説明してから予測する流れ型モデルと、予測と説明を同時に行う自己説明型モデルを比較したところ、入力報告書に根拠を置いた流れ型モデルが優れていました。現在運用中の規則ベースのシステムより15%高い性能を示し、最終判断には専門家が介入できる設計です。
説明テスト時予測：再帰的深さによる文脈内の動力学予測
要約本論文は、動力学系向けの基盤モデルが推論時に未知の偏微分方程式、常微分方程式、時系列を文脈内で予測できるかを検討する。線形アテンションと（拡張）動的モード分解の関係を示し、ループ型Transformerが文脈内で動力学系の伝播子を模倣できることを証明している。さらに、一段先予測器が勾配降下の反復を再帰的深さとして用いるテスト時予測（TTF）の枠組みを提案する。常微分方程式と偏微分方程式で学習した軽量なTTFモデルは、一段予測で学習した後、自己回帰的ロールアウトで分布外の系の動力学に一般化することが示されている。
説明TextVerifier：中国語テキストの描画が正しいかを検証する手法
要約テキストから画像を生成するモデルは、読める中国語を生成しても、一部の文字に画線の過不足などの描画欠陥が残ることがあります。本論文は、目標の文字の表意記述列を用いて切り出し画像が正しい描画かを判定するTextVerifierを提案し、7,358文字を対象とする逐字評価ベンチマークTextRenderBench-ZHを構築しました。報告によると、F1値はOCR信頼度や汎用の視覚言語モデル、TextPeckerを上回り、ポスト学習の報酬としても描画誤りの低減に役立つとされています。
注目点文字レンダリング検証を目標条件付き問題として定式化し、IDSと同字異質の難例で学習、強化学習の報酬にも使える点が新しい。自作ベンチマークでF1が大きく上回る。
説明LabCompiler：不完全な実験プロトコルから検証可能な人間と機械の協調実行を行うフレームワーク
要約本論文は、自然言語で書かれた不完全な実験プロトコルを、検証可能な人間と機械の協調ワークフローに変換する LabCompiler を提案している。まずプロトコルファイアウォールが欠陥を診断・修復し、デバイスに依存しない二層グラフ表現で実験の意味と装置固有の実装を分離する。さらに誤り訂正のための評価ベンチマークを構築し、フロンティア LLM より高い性能を示したと報告している。
説明GraphRAG-LTM：グラフ検索拡張生成への攻撃を対象とした階層的脅威モデリング枠組み
要約本論文は、グラフ検索拡張生成（GraphRAG、知識グラフを用いて大規模言語モデルの回答根拠を集める手法）の安全性を分析するための GraphRAG-LTM 枠組みを提案しています。攻撃者のアクセス権限を三段階に分け、検索順位のフィードバックによるクエリ編集、検索器の勾配を用いたクエリ攻撃、さらにクエリ固有の証拠グラフからブリッジ三つ組を削除する攻撃を比較しています。実験の結果、各段階の攻撃が回答品質を順に低下させ、多段階の証拠の伝播も妨げられることが示されています。
説明複数の信頼できないラベルを用いたノイズ付きラベルの較正
要約医療アノテーションやクラウドソーシングでは、各サンプルに複数の注釈者がラベルを付けるものの、そのラベルが誤っている場合があります。本論文は、ノイズ付きの注釈だけを用いて、固定された二値予測器を真のラベル分布の下で評価し再較正する方法を提案しています。注釈者ごとのノイズ確率が与えられた場合のノイズ補正ECE（NC-ECE）と、そのバイアスの非漸近的な上界を示し、未知のノイズ確率を推定するアルゴリズムも提案しています。実験では、提案推定量が干渉のない正解ラベルの場合と近い値を示し、再較正が潜在ラベルでの較正を改善する一方、ノイズ付き注釈に対して補正せずに再較正すると悪化しうることが示されています。
説明ドメイン頑健な学習と指標整合の選択による、シナリオ横断型の工業用欠陥検出
要約本論文は、照明、表面の汚れ、生産ラインの条件が変化しても工業用基板の欠陥検出を安定させる課題を、ドメイン汎化問題として扱っています。IDA 2026 Track 1向けに、クロスシナリオ頑健学習、小欠陥を意識した学習、スコア校正と推論閾値の選択、指標整合のチェックポイント選択という4つの相補的なモジュールを提案しています。単一のRTX 4090 GPUによる実験で、テストデータに対しTrack 1スコア0.564、スクリーニングスコア0.696を達成したと報告されています。
説明熱システム最適化の強度考慮モデリングのための二段階残差学習
要約本論文は、人工ニューラルネットワーク（ANN）に基づく二段階残差学習（TSRL）フレームワークを提案し、熱システムの最適化に用いる。基礎ANNがプロセス出力を予測し、残差ANNが基礎ANNの残した符号付き残差を学習する。原油蒸留装置と395MWの産業用ガスタービンの二つの事例で検証され、テストのRMSEが低減された。各最適解は良好モデル化領域（GMR）または弱モデル化領域（WMR）に分類され、安全運転の意思決定を支援する。
説明RDCompGS：画像コーデックによる3Dガウシアンスプラッティング圧縮のためのレート歪み最適化手法
要約3Dガウシアンスプラッティング（3DGS）は高品質な実時間の新規視点合成を可能にしますが、大きな保存容量と伝送資源を必要とします。本論文は、圧縮後の符号化を考慮してガウシアン表現全体のレート歪み最適化を行うRDCompGSを提案します。微分可能な符号化レートの推定をレンダリング歪みと組み合わせて最適化に組み込み、レート制約調整モデルで異なる圧縮条件下のトレードオフを調整します。3つのベンチマークデータセットで、H.265/HEVCおよびJPEG XLに対しそれぞれ平均37.84%、49.31%のBD-Rate削減を達成したと報告されています。
説明表形式データにおける型付き意思決定モデル：大規模言語モデルとの精度と頑健性の比較
要約型付き意思決定モデルは、テキストを生成する代わりに、固定された選択肢それぞれの確率を返す言語モデルです。本論文は表形式データを対象に、行分類、事実検証、異常検知の3課題で、4つの意思決定モデルと3つの大規模言語モデル（LLM）を比較しました。各リクエストは、選択肢の名称変更や表の形式変更など、内容を保ったままの21種類の書き換えを施して評価されています。決定モデルはLLMと同等の性能を、より低いコストで示し、うち3つは質問の表現方法に対して大幅に頑健でした。一方、表の構成の仕方に対して頑健なモデルはなく、すべてのモデルで少なくとも3分の1の行単位の判断が書き換えによって変化しました。
説明質問と個別指導対話を統一的に扱う応答フレームワーク：学生の回答と対話内の下位課題を同じ項目応答理論の尺度でモデル化する研究
要約本論文は、学生が出題された問いに答える場合と、指導者（チューター）が対話の中で出す数学の下位課題に答える場合を、同一の項目応答理論（IRT）尺度上でモデル化する枠組みを提案しています。対話中の数学的な下位課題を特定して自己完結した問題に書き換え、テキストから難易度を推定するとともに、連続する下位課題の間の指導者の働きかけを用いて難易度値を正則化します。人間の指導者とAIの指導者による対話を含む二つの実データセットで評価し、難易度予測と回答の正誤予測の両方で強いベースラインを上回ったと報告しています。
説明三次元点群セグメンテーションにおける空間的近傍と空間充填曲線上の近傍のずれを縮小する手法
要約空間充填曲線（SFC）は三次元点群の近傍探索を軽量かつ高精度に行う手法ですが、その性質上、曲線上の近接関係と元のユークリッド空間の近接関係との間にずれが生じます。本研究では、このずれの影響を減らす損失関数を提案します。曲線上で隣接する点同士の距離を計算し、元の三次元空間では互いに離れている点対の特徴類似度を最適化するようモデルを学習させます。提案手法を高性能な三次元点群セグメンテーションモデルに組み込み、三つのデータセットで有効性を評価した結果、室内・屋外いずれの点群データにおいても従来手法を上回りました。
説明必要なときだけ検索する：選択的検索拡張機械翻訳のためのエージェント型強化学習
要約本論文は、直接翻訳するか外部知識を検索するか、また何を検索するかを学習し、最終的な翻訳品質を最適化する選択的検索拡張翻訳フレームワークSRATを提案しています。翻訳品質に合わせた検索器の訓練手法も開発されています。慣用句、知識集約型、文書レベルの翻訳実験では、常に検索する、または検索しない基準手法より優れた結果が示されています。
説明HyrCap：時間的イベント理解のための行動候補のハイブリッド順位校正
要約本論文は、長時間の未編集動画における時間的行動検出の位置推定精度の低さと候補の品質不足に取り組みます。クエリベースのフレームワーク HyrCap を提案し、補完的な動画特徴を組み合わせ、候補の順位信頼度を校正します。クロス表現合意校正、位置推定品質の推定、候補の冗長性抑制を含みます。校正済みの候補はLLMによる意味理解にも使われ、評価プロトコルも定義されています。公開ベンチマークで最先端の性能を報告しています。
説明検証可能な指示追従における報酬ハッキングの診断と是正
要約検証可能な指示追従ベンチマークは出力が制約を満たすかを重視するが、応答が元の依頼に実質的に答えているかを見落としがちである。本論文は、実質的な回答内容がほとんどない応答でも、フロンティアモデルが満点を得られることを示す。同じ検証器ベースの基準を訓練報酬として使うと報酬ハッキングが生じ、検証可能報酬による強化学習後は制約充足率が上がる一方で応答品質が下がる。これに対し著者らは、検証器報酬に校正された尤度ベースのボーナスを加える軽量な手法CALIFを提案する。CALIFは既存の凍結参照ポリシーのみを用い、追加の評価器や学習型報酬モデルを必要としない。IFBenchでは制約充足率が向上し、応答品質は強化学習前の水準付近またはそれ以上に保たれた。
説明HankelKANet：物理着想のHankel畳み込みによる軽量パスロス推定
要約本論文は、無線ネットワーク計画に用いるパスロス（PL）推定のための軽量ネットワークHankelKANetを提案し、電磁波伝搬の特性をニューラルアーキテクチャに組み込んでいます。残差UNetを基盤に、畳み込みKolmogorov-Arnoldネットワーク（KAN）を統合し、カーネルは0次および1次Hankel関数の径方向振幅でパラメータ化されています。シミュレーションデータRadioMapSeerでは、基準モデルPEFNetと比べてパラメータ数を78％削減し、RMSEを16.96％低減しました。
説明スペクトル世界レンダラー：3次元ハイパースペクトル分解の統合手法
要約本論文はスペクトル世界レンダラー（SWR）を提案し、3次元シーンの生成とハイパースペクトル分解（アンミキシング）を統合します。色は同じでも材質が異なる表面を区別することを目的とします。コーディングエージェントが実行可能な3次元世界を構築し、実測スペクトルでレンダリングして正確なラベルと亜画素比率を付与したデータセットSWR-Benchを提供します。SWRはレンダリング中に各ガウス分布を材質の存在比に分解し、スペクトルと材質マップを同時に得ます。
説明三次元形状理解のための三つ組対比学習の再検討：言語のみから転移可能な三次元表現を学習
要約マルチモーダル三次元事前学習では、三次元形状、2次元画像、言語記述の整合が進んできました。しかし本論文は、レンダリング画像による監督は信頼性が低く、合成ビューの意味はドメインギャップ、自己遮蔽、レンダリングのアーティファクトによって歪むと指摘します。そこで言語のみから転移可能な三次元表現を学習し、言語と形状の階層関係を保つため双曲空間に埋め込み、含意損失を加えたHyperCLを提案しています。著者らは、2つの既存ベンチマークと自作ベンチマークで、三次元形状分類が最大4.6%、テキストから三次元への検索が最大5.5%向上したと報告しています。
説明VLRLA：文脈内強化学習による視覚-言語-行動モデルの展開時適応
要約視覚-言語-行動（VLA）モデルは視覚認識と言語理解をロボット制御に結びつけますが、事前学習済みのVLA方策は、展開後に蓄積された対話経験から徐々に適応する仕組みを持ちません。本論文は、既存のVLAモデルに文脈内強化学習（in-context reinforcement learning）の機能を加えるVLRLAという枠組みを提案します。観測、行動、報酬、終了信号の履歴から学習するモジュールを組み込み、モデルのパラメータを固定したまま行動生成を段階的に改善します。シミュレーションで学習特性を調べ、実世界の展開で未知の場面に適応できることを示しています。
説明Feel-Good トンプソンサンプリングの高確率リグレト上界
要約本論文は、Feel-Good トンプソンサンプリング（FGTS）を扱う。これは通常のトンプソンサンプリングの事後分布に、予測される最適値が高い報酬関数を優先する探索項を加えた手法である。従来の解析は2つの標準的な変種について期待値でのリグレト保証しか示していなかった。本論文は、一般的な可実現関数近似を持つ文脈付きバンディットにおいて、累積型と現在ステップ型の両方について、初めて高確率のリグレト上界を導出する。d次元線形設定では、両変種とも確率1−δ以上で O(d√T log(2T) + √T log(1/δ)) のリグレト上界を満たす。
注目点FGTSの二変種に対する初の高確率リグレット上界を示し、線形設定でUCB系と次元・期間依存性が一致する。理論は堅実だが実験は示されていない。
説明一つ先のブロックを処理：拡散言語モデルにおけるサンプラー状態の先行適用
要約本論文は、学習不要のデコード手法 One Block Ahead（OBA）を提案し、拡散言語モデルが現在のブロックを復元しながら次のブロックを並行して復元できるようにします。DiffusionGemma での実験では、10のベンチマーク平均で前向き計算あたりのトークン数が42.3%、単一リクエストの処理スループットが16.3%向上し、精度はわずかに低下しました。
説明CktHGVAE：トランジスタレベルのアナログ／ミックスドシグナル回路の設計・解析のための対称な異種グラフ変分オートエンコーダ
要約本論文は、トランジスタレベルのCMOSアナログ／ミックスドシグナル回路を対象とする異種グラフ変分オートエンコーダCktHGVAEを提案する。設計変数に加え状態変数も入出力とし、拓扑ごとのチューニングなしの単一設定で、生成回路とSPICE シミュレーションの動作状態の中央値R2は多くの場合0.9以上を示す。さらに潜在空間での最適化により仕様を満たす設計候補を探索でき、事前学習したモデルは再学習なしで未知の拓扑へ転移できるとされる。著者らはこれがアナログCMOS回路設計の自動化の基盤になりうると述べている。
説明「知能より構造を先に」：エージェント型科学ワークフローの公開結果をゲートで管理
要約本論文は、自律エージェントによる科学ワークフローが、途中の誤りや古い入力のために誤った結果を公開してしまう問題を扱っています。ワークフローの外側にハーネスを置き、必須チェック、影響範囲の封じ込め、版の追跡による再計算、検証、リスク推定によって、どの出力を使用してよいかを決めます。故障を注入した60件の対照実験では、検証が安全性を、リスク推定が効率を支えましたが、言語モデル自体の効果は測定されませんでした。
説明SKG：推論から帰納へ至る法則誘導型エンジン
要約本論文は、法則に基づく推論と帰納のための SKG（シンプレクティック・カーネル勾配）推論エンジンを提案します。法則は先験的なもの、データは事例を与えるものとし、推論は法則の制約下での幾何学的な発展として定式化されます。シンプレクティック幾何、GENERIC、カーネル法、RKHS、群同変ネットワーク、拘束力学を統一的な枠組みにまとめ、保存則、構成関係、対称群、公理系の四層に対応する八つ組構造を導入しています。計量の再構成、カーネル帯域行列、誤差分解、外挿境界などの理論結果を示し、一次元減衰振動子と二次元回転不変系で検証しています。
説明Holi-Spatial 360：疎なパノラマ画像からの生成的再構築による空間レンダリングと空間知能
要約本論文は、不動産プラットフォームの疎なパノラマ画像を、注釈付きの多部屋3D環境に変換するフレームワーク Holi-Spatial 360 を提案している。対応関係に基づく幾何最適化で3Dガウシアン・スプラッティング表現を構築し、画像・動画の事前知識で外観を復元する。公開データは1K超の多部屋3DGSシーン、10万超のインスタンス注釈、200万の空間質問応答ペアで、VLMの空間理解を評価するHoli360ベンチマークも導入されている。
説明談話解析に基づく構造保存型の文書レベルデータ拡張
要約本論文は、大規模言語モデルと文書レベルの談話構造解析を組み合わせ、談話構造を保ったままデータを拡張する手法を提案している。文の対の間の修辞関係を識別して主要な句を抽出し、元の談話構造を維持しつつ、意味的には一貫しているが話題をずらした内容に置き換える。テキスト要約と質問応答での実験では、拡張データが補完的な教師信号となり、混合データでの学習を改善することが示されている。
説明Robota-Embed：ロボットのインコンテキスト学習と進化のための統一VLA埋め込みモデル
要約本論文は、タスク、実行段階、後続の動作を同時に符号化する視覚・言語・行動（VLA）埋め込みモデルRobota-Embedを提案しています。作者らの検索ベンチマークでは、行動情報を含まないGemini Embedding 2より高い検索精度を示しました。さらに、検索結果を方策の条件付け（Embed2ICL）や実行フィードバックによるタスク記憶の進化（Embed2Evolve）に応用し、シミュレーションタスクで成功率の向上を報告しています。
説明インソールセンサー融合によるロバストなリアルタイム単眼人体姿勢推定
要約本論文は、下半身が隠れたりフレーム外に出たりした際に、カメラだけの姿勢推定が不安定になる問題を扱います。同期したマルチモーダルデータセットを収集し、足裏圧力と加速度のデータを下肢の処理に組み込み、上半身と下半身の時系列表現を調整する部位分離型フレームワークを提案しています。三種類のリアルタイム視覚モデルでの実験では、足のセンサーを加えると姿勢精度、動きの滑らかさ、歩行指標が改善し、遮蔽時や短時間の映像欠落時に特に効果が大きいと報告されています。
説明事前学習済みテキスト-to-テキストモデルと読み取り・タグ付け・書き込み方策による効率的な同時逆テキスト正規化
要約本論文は、音声認識の話し言葉出力を書き言葉の正規形テキストに変換するストリーミング逆テキスト正規化（ITN）を扱います。事前学習済みのテキスト-to-テキストモデルを改良したストリーミング対応のエンドツーエンド方式を提案し、アーキテクチャの調整、専用の学習戦略、読み取り・タグ付け・書き込みの復号方策、推論の最適化を導入しています。ベトナム語データでの実験では、非ストリーミングの基準システムに匹敵する精度を示し、ハイブリッド手法を上回り、リアルタイムの遅延要件も満たすとされています。
説明Transformerニューラルオペレータに基づく帯域内全二重システムのデジタル自己干渉除去
要約本論文は、帯域内全二重無線機においてデジタル領域で自己干渉を除去する問題を、演算子学習問題として再定式化しています。過去の観測から残留自己干渉チャネルの時間変化を学習し、既知の局所送信信号と組み合わせて現在の残留自己干渉を再構成します。Transformerニューラルオペレータで実装され、所望信号のない条件で学習したうえで、所望信号が存在する場合に適用されます。静的および時変チャネル（時変SIR条件を含む）での数値実験で安定した性能が示され、30 dB SIRにおいて比較対象の従来手法より5〜15 dB高い除去性能が得られたと報告されています。
説明状態マッチング逐次コンフォーマル予測（SMSCP）：似た状態の過去の誤差を選んで予測区間を校正する手法
要約本論文は、逐次コンフォーマル予測の新手法SMSCPを提案する。対象時点より前の情報から状態を構成し、状態の類似度に基づいて過去の校正用スコアの参照集合を選び、通常の無重み付きコンフォーマル順序統計量を適用する。理論解析で区間のカバー率制御を示し、模擬実験と日射量・自転車需要のベンチマークで、区間スコアの改善と六つ中五つでの名目水準0.90への近さを報告している。
説明IMU-Bench：手首IMU表現の運動学・意味・臨床タスクにおけるベンチマーク
要約本論文は、手首装着型慣性計測装置（IMU）のマルチタスク性能と task 間転移を調べるための、8つのデータセットと10のタスクからなるベンチマーク IMU-Bench を提案する。未ラベルの実測・シミュレーション手首運動データで事前学習した6種類の自己教師あり手法を、分類、姿勢・速度推定、IMU-言語検索で比較している。マスクドオートエンコーダ InrtlWrist は、凍結プローブ評価で10タスク中9タスクで最良または同等最良の性能を示し、微調整も9タスクで学習の初期化より優れた。一方で、あるタスクに有益な教師信号が他のタスクの性能を下げる場合があることも報告されている。
説明AgriJev：多スケール適応モデルによる効率的な農業候補スコアリング
要約本論文は、Qwen3.5を適応させた0.8Bから9Bまでのモデル群AgriJevを提案する。農業テキスト、判断問題、候補定義を入力として、答えの文章を生成せず一度の順伝播でスコアと相対確率を出力する。17の外部テスト観点で評価した結果、AgriJev-9Bの平均正解率は75.44%で、元のモデルより13の観点で高かった。同規模の生成型回答と比べ、スコアリングの中央値遅延は約半分とされている。
説明LALMの事後学習は何を学んでいるのか？音声理解と推論能力の再検討
要約本論文は、大規模音声言語モデル（LALM）の事後学習によって性能が向上する理由を検証しています。著者らは統制された実験により、音声理解能力の向上と特定の設問形式への適応を切り分けました。その結果、報告された向上の多くは有用な音声がなくても残る一方、設問形式を変えるとほぼ消失することが示されました。論文は、事後学習によりモデルが汎用的な音声理解・推論能力ではなく、タスク固有のテキスト手がかりや回答パターンを利用するよう学習されることが多いと論じています。
説明ActICL：エージェント型マルチモーダル文脈内学習のためのポストトレーニング手法
要約本論文はActICL（エージェント型マルチモーダル文脈内学習）を提案し、マルチモーダル大規模言語モデルのエージェントがツール利用を伴う推論を通じて文脈内の実例を自ら取得・活用できるよう学習させます。エージェントは反復的な推論の中で自身の情報の不足を分析し、必要な実例を段階的に検索・絞り込みます。取得と回答を同時に最適化する二段階の後学習を用いています。7つのベンチマークと3つのモデルで、標準的な類似度検索より平均11.6ポイント向上したと報告されています。
説明エージェントの記憶が計算を必要とするとき：証拠アクセスと実行可能な集計
要約エージェントの履歴に関する質問は、イベントの集計を必要とすることが多い。本論文は、出所を保持する証拠アクセスと実行可能な集計を組み合わせた TallyMem を提案し、Trajectory Memory にイベント台帳、イベント仕様、決定論的実行を加える。99 の保留 MINTEval リポジトリ上の 776 問で、Qwen3-32B の完全一致率は 35.2% から 49.0% に向上し、TM より 13.8 ポイント改善した。
説明MemCode：エージェントの長期記憶のための離散的意味表現手法
要約本論文は、大規模言語モデルのエージェント向けの長期記憶フレームワーク MemCode を提案しています。対話を自己完結型の原子記憶単位に書き換え、学習可能なコードブックで離散的に量子化し、コードブックの共起構造をベクトル検索を補う検索経路として用います。LongMemEval-S と LoCoMo のベンチマークにおいて、総合精度が最も高く、対話ごとの記憶構築は約40〜130秒と報告されています。
説明DeBoneDiT：胸部X線画像の骨抑制のための深度駆動型条件付きブリッジ拡散Transformer
要約胸部X線写真では骨の重なりが肺の所見を隠し、診断の不確実性を高めることがあります。本論文は、深度特徴損失を組み込んだ自己符号化器で画像を潜在表現に圧縮し、骨抑制を胸部X線を条件とするブラウン橋拡散過程として定式化したDeBoneDiTを提案します。また、胸部X線と二重エネルギー減算の軟部組織画像741組からなるSZCH-X-Raysデータセットを公開しています。
説明PFedMA：連合型マルチエージェントの次の参加者はどう選ぶか
要約本論文は、クライアントごとにプライバシー要件が異なる連合型マルチエージェントシステムで多ラウンドの協調を行うためのフレームワーク PFedMA を提案します。エージェントの過去の能力と信頼性を保持して選択に用い、協調のフィードバックに基づいて後続のクエリを改善します。また、ローカルとグローバルの間でプライバシー規則を双方向に進化させ、クライアント固有の制約を保ちます。著者らは、推論、プライバシー重視、敵対的な設定の実験で、タスク性能の向上、測定されたプライバシー漏えいの低減、頑健性の向上を報告しています。
説明MIPS：大規模な結果空間における強化学習のモード崩壊を緩和する手法
要約本論文は、期待報酬の最大化を目指す強化学習では、多様な高品質解が必要な課題でも確率が少数の結果に集中する（モード崩壊）ことを指摘しています。著者らは、周辺逆確率スケーリング（MIPS）を提案し、サンプルした軌跡と各結果に至る軌跡の学習済みモデルを組み合わせて周辺確率を評価します。超格子（Hypergrid）実験では、結果空間がロールアウト群に対して大きくなっても MIPS は報酬分布の目標に近い値を保ち、分子合成と系統推定では多様で高品質なサンプリングを維持しました。
説明AdCoEvo：共進化するマルチエージェント広告配信システム
要約本論文は、役割分担によって連携するマルチエージェント型の広告配信システム AdCoEvo を提案しています。異なる時間スケールと運用粒度の配信判断をつなぎ、実際の配信結果に基づいてモデルパラメータを更新します。計画、調整、診断の相互フィードバックによって戦略が継続的に改善されます。実験では、ルールベースの基準手法と比べて広告主価値が 14.02%向上し、獲得単価が 7.07%低下したと報告されています。パラメータを固定したマルチエージェント方式との比較でも、それぞれ 3.96%向上、1.24%低下が示されています。
説明正しいものを読めているか？プロンプトインジェクション検出のための内部信号の再検討
要約本論文は、言語モデルの内部状態からプロンプトインジェクションを検出する五つの手法（残差ストリーム探査器、注意スコア、ロール投影など）を比較しています。Qwen3.6-35B-A3B と Gemma-4-26B-A4B-it の二つのモデルで評価を行いました。インジェクションの存在や攻撃関連の概念を検出する手法は未成功の攻撃をよく区別し、注意の転用や暴露、ロール混乱に基づく手法は成功した攻撃をよく区別することが示されました。Attention Tracker は成功した攻撃の区別で最も安定した結果を示しました。
説明xLightGCN：最も影響力のある近傍ユーザーを示す、説明可能なグラフニューラルネットワーク推薦システム
要約本論文は、推薦システムの判断に対する説明を生成する、グラフに基づく厳密な手法を提案しています。著者らは、推薦システムのようなユーザー向けAIは高リスクな社会技術的文脈にあるため、モデルの信頼性確立と有効性検証には説明可能性が重要だと主張します。提案手法はLightGCN系の代表的な推薦モデルを基盤とし、解釈可能な説明と、理論的に保証されたとされる説明の忠実度指標を提供するとしています。最後に、限界と今後の研究方向が議論されています。
説明ランダムリシャッフル確率的勾配降下法の大きなステップ幅における最終反復収束性
要約本論文は、機械学習で広く使われるランダムリシャッフル確率的勾配降下法（RR-SGD）の最終反復の収束性を扱います。制約のない凸のL滑らかな有限和最適化問題について、ステップ幅が成分数nに反比例して小さくなる必要がない条件下で、最終反復の目的関数の差に期待値の上界を示しています。得られた収束速度は、既存の平均反復の結果と対数因子を除いて一致します。
説明見るだけではない：ネイティブ・マルチモーダル事前学習における拡張可能なアンカーとしての視覚
要約本論文は、テキストと画像を一から学習するネイティブ・マルチモーダル事前学習において、視覚情報がモデルのスケーリング挙動や視覚理解以外の能力にどう影響するかを検討しています。画像埋め込みを内容のないパディングトークンに置き換える対照実験を行い、視覚内容の保持は画像とテキストの例に対するテキスト予測を改善し、テキストのみの損失や総合的な言語スコアは大きく変えないことを示しています。テキスト記述のみから行う空間推論でも、モデルとデータの規模拡大に伴い両条件が向上し、視覚による利得は位置推定、ナビゲーション、記号的計画で最も持続的でした。
説明マルチモーダル言語モデルにおけるシミュレーションと連鎖思考推論の統合による物理推論
要約マルチモーダル言語モデルは、質問に答えるために物理世界の動きを推論する必要がある場合が多い。本研究は、流体や弾性などに関する物理推論タスクで、物理シミュレーション（生成的動画シミュレーション）と言語ベースの連鎖思考推論を体系的に比較している。そのうえで、テスト時にどちらの手法を用いるかを判断し、精度と計算コストの最適なバランスを取る認知科学にヒントを得たハイブリッドモデルを提案している。このモデルは4Bパラメータの小型視覚言語モデルで学習でき、Gemini 3 Proなど3Tパラメータを超える大規模モデルの性能向上にも用いられる。
説明進捗認識蒸留：小規模言語モデルエージェントの停滞を緩和する手法
要約大規模言語モデルベースのエージェントは推論に優れる一方、トークン消費と推論遅延が大きい。本論文は、教師あり微調整による蒸留で小型モデルに能力を移すと、長い対話軌跡で失敗戦略を繰り返す停滞に陥りやすいことを示し、これが複数の小型モデルとタスクで見られると報告する。提案手法のProD（Progress-Aware Distillation）は、学生の軌跡における停滞を検出して罰し、学生と教師の停滞差を適応的マージンとして符号化する。0.6Bから8Bパラメータの8モデルによる実験で、停滞の緩和と成功率・完了効率の向上が示されたとしている。
説明多様体深層展開PCAによる特徴選択の学習
要約本論文は、教師なし特徴選択のためのネットワークMDUFS-Netを提案します。従来の主成分分析の枠組みにℓ2,0ノルムを導入し、ADMMに基づく反復アルゴリズムを学習可能なエンドツーエンドのネットワークに展開して、パラメータを自動学習させます。数値的な頑健性を高めるために多様体最適化も用いています。さらに、より判別性の高い特徴表現のためにℓ0ノルムを加えた拡張版MDUFS-Net+も示されています。実験では、両手法が教師なし特徴選択で既存手法を上回り、クラスタリングでも良好な性能を示したと報告されています。
説明EvoProbe：LLMエージェント向けの評価駆動型ベンチマーク進化フレームワーク
要約本論文は、タスク生成、診断評価、フィードバックに基づく再生成を閉ループにまとめたEvoProbeを提案し、LLMエージェントの評価タスクを継続的に更新する手法を示しています。検証可能なサブタスク結果の採点と、根拠を伴う複数審査員による軌跡評価を組み合わせ、段階ごとのボトルネックや成功・失敗パターンから新たな実行可能タスクを生成します。サイバーセキュリティの2ラウンドの実験では、8つのモデルの66タスクを評価し、更新後のタスクでは平均Outcomeが11.8%、平均Pass^3が40.0%低下したと報告されています。
説明認識はグラウンディングではない：多言語財務証拠抽出のベンチマーク
要約本論文は、多言語の財務報告書において、モデルが会計概念を認識したうえで、対応する数値事実を網羅的に抽出できるかを検証するベンチマーク MULTIFINGROUND を提案している。英語・フランス語・ギリシャ語で作成された 90 社の FY2025 開示資料を、共通の会計分類体系で対応付けて構築された。結果として、概念認識の正解率は高いものの、正しく認識された群の一部で少なくとも一つの対象事実が漏れていることが示された。
説明自動運転における強化学習アルゴリズム四種の包括的比較
要約本論文は、信号のない交差点における自動運転車の意思決定問題に対し、FVI、RCPI、DQN、離散行動版 D-DDPG の四つの強化学習手法を比較しています。比較観点は最適性と安全性、学習の安定性、学習および意思決定のコストです。RCPI は参照解に最も近く学習が最も安定しているものの、データ効率は最も低いと報告されています。D-DDPG はデータ効率が最も高い一方で安定性は最低、DQN は最も安定したモデルフリー手法だが衝突率が最も高いとされています。モデルの有無、学習予算、安定した学習の必要性に応じた手法選択の指針も示されています。
説明大規模言語モデルは法哲学をどう理解するか：LLMの法哲学的推論を診断する
要約本論文は、法の本質や淵源に関する裁判官の法哲学的見解が、法令の解釈と適用の仕方を左右することを指摘します。従来の研究では、LLMが法哲学を理解し法的推論に応用できるかはほとんど検討されていませんでした。著者らは、2つの評価課題とデータセットからなるベンチマーク「LePhilBench」を提案し、米国連邦最高裁判所の判決220件を用いて、法学者が設計した14の設問に対する9,240件の法哲学ラベルを作成しています。
説明事後学習の前にエージェント能力を評価する：エンドツーエンドの手法
要約本論文は、ベースモデルをチャット型エージェントに変換せずに、既存のエージェント・スキャフォールドを適応させて端末間タスクでの挙動を引き出すための軽量フレームワーク ASAP（Agent Scaffold Adaptation for Pretraining Evaluation）を提案する。ソフトウェア工学と深層リサーチのベンチマークで、基盤モデルや事前学習チェックポイント間の差を識別できることを示している。また、実行軌跡の分析により、事前学習中の能力変化を把握できるとしている。
説明VideoHarness-SRSI：動画理解ハーネスのための構造化再帰的自己改善
要約本論文は、LLMの実行ハーネス（情報取得、ツール利用、推論、記憶を組織する仕組み）を再帰的自己改善によって自動的に進化させる方法を検討しています。著者らはまずVHarness-BRSIを提案し、検証の過学習、探索予算の希釈、早期経験の罠という3つの失敗モードを確認しました。それを受けてVHarness-SRSIを提案し、各探索判断を移転可能で十分かつ探索前に収集された証拠に基づかせます。4つの動画理解ベンチマークで、等重み平均の保留スコアはBRSIに比べ6.2%向上し、検証とテストの平均差は37.9%縮小しました。
説明試行錯誤のループを超えて：分散学習のためのハイブリッド投影と自動チューニング
要約本論文は Primus Projection を提案し、少数の GPU マイクロベンチマークと解析的シミュレーションを組み合わせて、大規模 LLM 分散学習のスループットを予測します。CPU のみで動く純粋なシミュレーションモードも備えています。Primus Tuning Agent は、この投影を高速な評価関数として構成空間を探索し、メモリ上実行不可能な候補は GPU を使う前に除外します。Llama 3.1 と Mixtral 8x22B での検証では、投影は多ノード実測スループットと約 10% 以内に収まり、Mixtral 8x22B の事例では公開済みの 4 ノード BF16 参照構成より 27% 高いスループットの構成を見つけたとされています。
説明AgentSafeEvo：LLMエージェントの安全性を高める敵対的共進化フレームワーク
要約本論文は、攻撃者と防御者のゲームに基づく共進化型強化学習フレームワーク AgentSafeEvo を提案し、LLMエージェントの安全性向上を目指しています。攻撃者は防御者のツール利用の弱点を突く敵対的タスクを構築し、防御者はそのような攻撃下でも安全にタスクを完了するよう学習します。さらに、タスク内の防御者報酬のばらつきに基づいて各タスクの重みを調整する手法も提案されています。実験では、一般的な能力を保ちつつ敵対的ロバスト性が向上したと報告されています。
説明失敗から学習可能な世界へ：ナビゲーションエージェント向けの方策条件付き環境生成
要約本論文は、事前学習済みエージェントの弱点に基づいてナビゲーション学習用の環境を生成するWEDGEフレームワークを提案します。LLMが成功・失敗の軌跡から弱点特徴を提案し診断セットで検証したうえで、それを制御する環境要因を変化させ、方策が苦戦する難易度の環境を構築します。ProcTHORでランダムや困難例に基づく手法を上回り、その効果はHM3Dにも及ぶことが示されています。
説明疎な観測から確率場を推定する、潜在空間での焼きなまし事後サンプリング手法（分散保存ブリッジ付き）
要約本論文は、疎な観測から確率場の事後分布を推定する課題に対し、潜在焼きなまし事後サンプリング（LAPS）を提案している。確率場を低次元の潜在空間に写像してフローマッチングで潜在事前分布を学習し、焼きなましによって観測尤度を段階的に組み込みながら潜在空間で事後サンプリングを行う。また分散保存ブリッジで共分散の膨張を制御する。実験では事後分布の近似精度が高く、複数のモードを保持し、計算時間がグリッドの細分化にほぼ依存しないことが示されている。
説明WinARDet：長距離の視覚・言語グラウンディングのための圧縮ウィンドウ自己回帰
要約本論文は、MLLMベースの検出器が密集したシーンで同じボックスを繰り返し出力してしまう問題を扱います。長い回答系列を連続する生成ウィンドウに分割し、現在のウィンドウだけをトークン単位で自己回帰し、以前のウィンドウは固定数の潜在トークンに圧縮する手法WinAR（Compressed Window Auto-Regression）を提案しています。RSDense（1画像あたり200〜2,000物体）において、提案モデルWinARDetはRexOmniのF1スコア（IoU=0.5）を32.16から39.36へ改善し、冗長率を35.48%から13.00%へ下げています。
説明合成可能な能力の再帰的形成と一級の再利用：FormCraftフレームワーク
要約本論文はFormCraftというフレームワークを提案し、獲得された操作を、再帰的に合成・直接呼び出し可能で、ドメイン固有の検証を経て永続ライブラリに選択的に保持できる一級の能力として表現します。能力の整形性と公開呼び出し可能性を、その後の永続保存への受け入れから分離し、形成の来歴と操作の同一性を保持します。連続・離散・命題・系列の4領域での実験により、インスタンスに依存しない再利用、独立した検査、永続的な獲得、そして一級の公開下での再利用時の探索作業の削減が示されています。
説明W-JEPA：ウェアラブル活動認識のためのウェーブレット結合埋め込み予測アーキテクチャ
要約ウェアラブル機器の活動認識では、データセットごとにセンサー位置、チャンネル数、サンプリング周波数、被験者が異なるという課題があります。作者らは W-JEPA を提案します。これは慣性運動データをスケール、センサー軸、時間で索引付けしたウェーブレットトークンの格子に分割し、指数移動平均の目標エンコーダーが生成する表現から、マスクされたトークンを予測する自己教師あり手法です。六つのベンチマークで、ランダムウィンドウ分割と未知の被験者を対象とする設定のいずれでも既存手法を上回り、最も強い公開済みベースラインに比べ平均マクロF1を8.7ポイント改善しました。
説明ForkGRPO：拡散言語モデルのための効率的な探索と細粒度のクレジット割当て手法
要約本論文は、拡散大規模言語モデルを強化学習で推論能力強化する課題に取り組み、ForkGRPO を提案しています。参照推論軌跡上の高エントロピーな中間状態から複数の続きを生成し、共有プレフィックスを再利用するとともに、状態内の相対優位性とモンテカルロ状態価値差を用いてセグメント単位のクレジット割当てを行います。四つのベンチマークのうち三つで最良の性能を示し、JustGRPO に比べて最大 1.2 ポイント向上、生成トークンは最大 27.8% 削減したと報告しています。高速版は学習の壁時計時間を約 2.49 倍高速化したとされています。
説明視覚言語モデルは偏りのあるベイズ観測者のように矛盾する証拠を統合する
要約本論文は、テキストと画像が矛盾する場合に視覚言語モデルがどのように判断を下すかを検討しています。著者らはベイズ的な視点から予測の枠組みを提案し、各モダリティからの条件付き独立な証拠と事前信念を、モダリティ固有の偏りを伴って組み合わせるモデルを示しています。このニ parameter の手がかり統合モデルは、未見の入力劣化の組み合わせに対する選好を予測でき、再学習なしで新しい形式の信頼性低下にも転用できるとされています。
説明並列化による大規模言語モデル推論のスケーリング：スループットとレイテンシのトレードオフ
要約本論文は、大規模言語モデル推論におけるテンソル並列、パイプライン並列、およびハイブリッド構成の、スループットとレイテンシの間のトレードオフを体系的に分析する枠組みを提示します。TTFTとITLの実行可能集合およびパレto フロンティアを構築し、負荷がプリフィル中心になるにつれて、テンソル並列中心からパイプライン並列中心の構成へ移行することを示しています。さらに、goodputを用いたSLO考慮の並列選択や、長いコンテキストにおけるパイプライン並列の拡張性の優位性も検討しています。
説明ActMOF：能動学習による網状合成のマッピング
要約金属有機構造体（MOF）の網状合成は、疎な実験データやばらつきのある結晶化結果に制約されています。本論文は、アルミニウム－カルボン酸塩MOF合成における探索戦略を比較するための実験ベースのベンチマーク「ActMOF」を提案します。このベンチマークは実測のマイクロ波合成データを基にし、回折ピーク強度と半値全幅から算出した結晶化度指数を各条件に割り当てています。ガウス過程が有望な戦略として上位に入ることが示され、さらに六種類の網状関連アルミニウムMOFの合成を各12回以内の実験で結晶性生成物が得られるよう導いています。
説明「Train to Stitch」：相互運用可能な表現のための位相保存型正則化手法
要約本論文は、独立して学習された2つのニューラルネットワーク（自己符号化器を例とする）を、学習時の調整なしに組み合わせて動作させる方法を扱っています。著者らは位相的正則化を用いて、2つのモデルの潜在空間を整合させる手法を提案しています。条件付きの理論解析を示し、複数のデータセットでの再構成実験により、相互運用性のギャップが大きく縮小することを確認しています。
説明KoAGE：大規模言語モデルは韓国語の新語を知り、学び、造語できるか？
要約本研究は、さまざまなジャンルから新語を収集し年代を付与する自動化フレームワークNeoTrace（4,271件のエントリ）を提案し、それを基に3つの習得課題と2つの生成課題からなるKoAGEベンチマークを構築しています。21モデルの評価では、5モデルの時系列分析において、カットオフ年の単語の定義は13〜30%にとどまる一方、一つの用例から意味を推測できることが示されました。しかし、正しい定義があっても構造的理解は限定的でした。単独モデルによる造語は人間の造語メカニズムに概ね従い、マルチエージェントによる造語は略語を好み、対話の設定に左右されます。
注目点再実行可能な新語収集フレームワークと、モデルの造語を実在の新語と比較する初のベンチマークを提案し、21モデルの実験で語彙記憶・文脈学習・造語を分けて検証している。
説明SERO：長期的エージェント強化学習のための実行可能なオラクル継続からの学習
要約本論文は、長期的なエージェント強化学習において、方策が自ら辿った軌跡しか学習できない制約に対し、SERO手法を提案しています。現在の方策が実際に到達した状態から出発し、学習時のみ用いるオラクルが実環境で相互作用を続け、その後の観測と行動を学習に用います。さらに、各ステップを凍結した行動方策とオラクル行動の整合性で重み付けします。ALFWorldとWebShopで、Qwen2.5-1.5B・7Bモデルを用いて評価され、根のオラクル行動のみを教師する場合より完全な継続の学習が有効であり、重み付けは分布外性能をさらに向上させると報告されています。
説明EpiGuard：自律的に動く感染症早期警戒エージェント基盤
要約本論文は、公式の感染症サーベイランスデータを自律的に監視し、継続的に自己改善する感染症早期警戒エージェント基盤EpiGuardを提案している。利用可能な証拠の状況に応じて分析戦略を切り替え、成功したデータ取得と分析の手順を再利用可能な標準作業手順として保存する。中国CDCと米国CDCの公開データで評価し、既存の先進的な予測システムより、それぞれ予測性能が9.68%と14.04%向上したと報告している。
説明MetaModelSelect による選択的な次の位置予測：軽量な事後信頼度メタモデル
要約本論文は、軽量な事後信頼度メタモデル MetaModelSelect を携帯電話網の次の位置予測に適用し、凍結された再帰型ニューラルネットワークの top-1 予測が正しいかどうかを判定する手法を提案しています。長春の移動軌跡データにおいて、最大 softmax 確率などの基準と比べ、リスク-カバレッジ曲線に関する指標が改善されたと報告されています。基盤となる予測モデルは再学習されません。
説明選好学習のための逐次型ガウス過程回帰（二つの設計点のどちらが良いかを比較して最適化する手法）
要約目的関数を直接評価できず、ノイズを含む二つの候補設計点のどちらが良いかという比較情報しか得られない連続的大域最適化問題を扱います。こうした比較観測により事後分布は非ガウス型になるため、モーメントマッチングに基づく完全逐次近似を提案し、回帰モデルの平均と共分散を高速な閉形式で更新します。さらに、情報利得基準と誤差の蓄積を抑える無作為化サンプリングを組み合わせた逐次サンプリング方策DOVEを提案し、比較的標準的な正則性条件の下で、カーネルの滑らかさに依存する統計誤差と期待単純後悔の収束率を証明しています。
注目点モーメントマッチングに基づく逐次GP近似とDOVE方式を提案し、初めての収束率を理論的に示しており新規性が高い。
説明「すべての要約の総和」：段階評価による命題の顕著性評価のための PROPALIGN
要約本論文は、複数の要約に基づいて命題の顕著性スコアを推定する手法 PROPALIGN を提案し、35K 超の命題にわたる 138K の対応関係からなる付随データセット PROPALIGNBANK を公開する。多様な話し言葉と書き言葉の英語テキストで顕著な命題の抽出手法を比較し、モデルに直接判断を求めると一貫性が欠けることを示す。一方、段階的で要約に基づく指標はより安定している。単一モデルは人間より劣るが、言語特徴を取り入れたモデルのアンサンブルは人手による注釈の品質上限に近づく。
説明STRATA：自己進化型言語エージェントのための自己維持型構造化経験グラフ
要約大規模言語モデルのエージェントは経験を蓄積して自己進化できるが、多くの手法は階層を持たない単一のプールに経験を保存し、忘却や重複排除を行わないため、負の転移が起きやすい。STRATA は経験を原子的スキルとコードスニペット、タスクワークフロー、メタフレームワークの三層グラフとして整理し、五つの機構で自己維持する。四つの対話型ベンチマークと二つの凍結バックボーンで、平均スコアが最高で、遅延と環境ステップ数も最少だった。
注目点三層構造の経験グラフと対比エッジで負の転移を抑える点に新規性があり、四つの対話型ベンチマークと七つのベースラインで比較が充実している。ScienceWorldでの大幅な改善は記憶拡張エージェント分野への実質的な貢献を示す。
説明RA²：保持データへの引き寄せで忘却境界付近の有用性を守る LLM アンラーニング手法
要約本論文は、大規模言語モデル（LLM）のアンラーニング評価で見落とされがちな問題を扱う。標準的な保持プロンプトでは良好でも、忘却対象の領域に近い良性の推論では性能が低下する現象で、著者はこれを「忘却隣接の有用性損失」と呼ぶ。提案手法 RA²（Retain-Anchored Attraction）は、潜在空間で忘却トークンの状態を近傍の保持データに支えられた表現へ誘導し、保持データに対する上位層の振る舞いを維持する。WMDP と MUSE において、RA² は同程度の全体的有用性で強力な基線より高い忘却隣接有用性を示し、忘却表現の移動方向が境界付近の良性な振る舞いに実際に影響することを示している。
説明ixi-sLM：AI通話エージェント向けオンデバイス小型言語モデル
要約本論文は、韓国語の12億パラメータ小型言語モデルixi-sLMを紹介し、モバイルNPU上でローカル実行しAI通話要約とAI通話応答の二つのサービスを支える手法を述べています。通話頻度に基づく語彙削減、通話音声に合わせたトークナイザーの再学習、実通話データによる活性化感度に応じた混合精度量子化により、モデルを803MiBに圧縮しています。著者らによると、タスク加重品質は最先端のクラウドLLMの94%に達し、通話1回あたりのエネルギーはCPU実行の23%です。Qualcomm系とApple系のNPUで動作し、数百万人の加入者に提供されています。
説明EvoWeave：操作レベルのグラフで再利用可能なエージェント経験を組み合わせる
要約本論文は、エージェントの経験記憶のためのフレームワーク EvoWeave を提案します。抽象状態をノード、再利用可能な操作を入出力契約と来歴情報を持つ有向エッジとして表現します。計画器がタスクを依存グラフに分解し、関連する経験の断片を検索して組み立てます。AppWorld では、メモリを持たないベースラインより、Normal と Challenge のタスク目標達成率がそれぞれ 6.99 と 4.99 ポイント向上しました。検索オーバーヘッドと有効な再利用条件のトレードオフも論じられています。
説明何を保持するかを学ぶ：ユーザーフィードバックから転移可能な個人スキルを学習
要約本論文は、ユーザーフィードバックから再利用可能な個人向けスキルを学習するフレームワーク「SkillGrain」を提案しています。フィードバックを独立して実行可能な原子的ルールに分解し、それぞれの転移可能性を予測して、今後の要求に適したルールのみを保持します。強化学習によりスキルの帰納と、スキルを条件とした生成を同時に最適化し、五つの個人向け文章作成タスクからなるベンチマークで評価しています。三つのベースモデルによる実験では、ドメイン内外の両設定で、比較手法より総合平均性能が高いと報告されています。
説明構造化最適化ネットワークのためのロバストな説明的分析（REASON）
要約本論文は、残差誤差を階層的に解消する学習フレームワークを提案し、システム1とシステム2の考え方に着想を得て、高速と中速の二つのループを設計しています。高速ループは既存の証拠で解消できる残差を処理し、残る残差に対して中速ループが追加の証拠を能動的に取得し、その情報価値を残差の減少で測定します。入れ子の解空間では、中速ループの最適解は高速ループより劣らないと述べられています。実験では、分布のずれや未知の破損があっても高速ループを上回り、計算量は中速ループのおよそ半分だとされています。
説明DeLoop：エージェント自身の繰り返し動作を自己教師信号として使い、長時間タスクでのループを減らす手法
要約本論文は、長いタスクを実行する言語モデルエージェントが同じツール呼び出しを繰り返し、同じ結果を得てしまう「ループ」問題を扱い、自己教師あり学習法DeLoopを提案する。ループ内の動作を負例、同じ軌跡で後に現れる最初の非ループ動作を正例とし、直接選好最適化で学習する。タスク報酬や正解、LLM評価者は不要である。圧縮設定のCodeGymでは、Qwen3-8Bでループを含むタスクの割合が57.3%から6.1%に減り、ステップ数は約3分の1、成功率はほぼ同等だった。Qwen3-32Bでは、ループとステップが減り、成功率が37.7%から44.8%に上がった。
説明1ステップ予測の忠実度は、JEPA世界モデルの計画性能の代理指標として不十分であることを示す論文
要約本論文は、潜在世界モデルを1ステップ予測損失で選択・評価する慣行に疑問を投げかけています。著者らは、凍結デコーダにより1ステップ誤差を物理単位で報告する手法を提案し、3つの連続制御環境で同じチェックポイントに対して目標条件付き計画の成功率を測定しました。その結果、1ステップ誤差と計画成功率の相関は極めて低く（r = -0.010）、環境ごとの換算関係も安定していないことが示されています。
説明圧縮メモリの評価：依存性、有用性、内容の効果
要約本論文は、言語モデルが回答時に圧縮メモリへ実際に有用な文書情報を保持しているかを検討します。メモリベクトルをゼロに置き換えること、また保存テキストにアクセスできないか、全文書に同じ定数入力を受ける別個に学習されたモデルと比較する手法を用いています。9つのシステムの実験では、メモリに依存しながらも学習済みの代替モデルより性能が低いものがありました。TriviaQAでは、別の質問の段落から得たメモリがF1を19.38から24.78へ向上させましたが、その効果の統計的な確実性は不確かでした。
説明ポリシー検証付き自己学習：検証可能なポリシー報酬からエージェントのコンプライアンスを学ぶ手法
要約実行時のポリシー検証器は禁止された操作を防ぐために使われるが、その判定は実行後に破棄されることが多い。本論文は、エージェントが自ら生成した対話軌跡を、書かれたポリシーから作られた決定的ゲートで検査し、適合する軌跡を強化し、違反する軌跡を選好最適化の負例とするPolicy-Verified Self-Training（PVST）を提案する。AgentDojoの未使用タスクでプロンプトインジェクション下の評価を行い、違反軌跡と攻撃成功率は大きく低下したが、旅行タスクでは効用が下がったと報告している。
注目点実行時ポリシー検証器の判定を学習報酬に変換し、より強い教師や人手ラベルなしで、AgentDojoにおける違反と攻撃成功率の大幅低減を示した。
説明検出器構造・モデル規模・シーン密度が複数歩行者追跡に与える影響
要約本論文は、検出器の構造、モデル規模、シーンの密度、推論方式が、映像中の複数歩行者追跡にどう影響するかを分析しています。MOT17、MOT20、SOMPT22 の各ベンチマークで、YOLO11、RT-DETR、YOLO26 の検出器と ByteTrack、BoT-SORT の追跡器を比較しています。RT-DETR 系は三つのベンチマークすべてで HOTA の平均スコアが最も高く、MOT20 でその差がより大きい一方、計算コストは高くなります。MOT17 と SOMPT22 では、NMS を用いた YOLO26-L などの YOLO26 系が、品質と速度のバランスで有利でした。エンドツーエンド推論は、NMS を用いる方式に比べて一貫した追跡性能の向上はもたらしませんでした。
説明修正行動を超えて：テキスト批評でLLMエージェントを訓練する
要約本論文は、多ターンのLLMエージェントが専門家の修正行動だけでなく、専門家が示すテキストによる批評からも学べるかを検討しています。提案手法CAFTでは、学生モデルの誤った行動に対して、修正行動と誤りの理由を説明する批評を専門家が生成し、それを微調整の学習目標として使います。τ²-Bench（航空・小売）とWebShopで四つの学生モデルを評価した結果、行動のみの蒸留と比べて平均8%の性能向上が見られ、強化学習の良い初期状態も得られました。
説明「Seeing, Maintaining, and Learning」：マルチモーダルエージェントの記憶の進化
要約本論文は、マルチモーダルエージェントが長期的なタスクや継続的なやり取りの中で、画像やテキストなど複数の情報を記憶として保持・活用する方法を扱っています。著者は、記憶情報の形成と表現（第1軸）と、経験に応じた記憶管理（第2軸）からなる二軸の分析枠組みを提案し、管理を静的・動的・自己進化の三段階に分けています。さらに、設計パターンや原則を整理し、今後の課題と方向性を論じています。
説明DANGERLENS：安全アラインメント後もモデル内部に残る危険な表現を調べる手法
要約本論文は、安全アラインメントを施した言語モデルの内部に、初期の学習で得た危険な概念がなお残っているかを調べます。著者らは隠れ状態を語彙空間に写像し、ブラインド評価による意味判定で有害な目的や実行手段を安全管理や危険の認識と区別する DANGERLENS を提案しました。Qwen1.5 の三つの規模での実験では、有害な事前露出のあるチェックポイントが、同じ安全アラインメント後も危険概念へのアクセス性を高く保つ傾向が示され、差は中層以降で最も大きくなりました。
説明動的グラフ世界モデリング：時系列文脈から将来の動態を学習する
要約本論文は、過去の時系列文脈から将来のノードと関係の表現を予測する動的グラフ世界モデリングの枠組みDyG-WMを提案しています。履歴のノード・関係文脈エンコーダ、ノード・関係のパス署名エンコーダ、そして生のグラフを再構成しない二重レベルの共同埋め込み目標から構成されます。12のリンク予測データセットと2つのノード分類データセットでの実験により、両タスクで有効性が示されています。
説明検証可能な問題における Best-of-N サンプリングのスケーリングを、報酬の裾野どうしの競争で説明する
要約本論文は Best-of-N サンプリングを、正解と不正解の応答が報酬分布の極端な裾野で競い合う現象として捉えます。極値理論を用いて三つの漸近的な領域を示し、代表的な報酬分布に対する有限サンプルのスケーリング則を導出しています。さらに、追加のサンプリングが有害になりうる時点を見積もる簡易な尾部張力の基準を提案しています。
説明VLX-Go：多段階学習とオンポリシー改良によるロバストな身体性追跡
要約本論文は、干渉物がある環境で指定された対象人物を追跡するロボット向けの視覚・言語路点方策VLX-Goを提案する。モデルは視覚と言語の整合、マルチモーダル推論の中期学習、追跡特化学習の順に、19,532件のオラクルエピソードで訓練される。全手法の干渉物追跡成功率は55.80%で、先行モデルOmTrackVLAの41.54%を上回る。予備的なオンポリシー改良によりこれは58.22%に向上し、衝突率も低下した。
説明競合する倫理枠組みの操舵ベクトルは互換的である：活性化操舵が特定の行動を本当に制御しているかを判定する競合ターゲット検定
要約本論文は活性化操舵（モデルの隠れ状態にベクトルを加えて振る舞いを制御する手法）の特異性を検討する。著者らは競合ターゲット検定を提案し、カント的義務論と行為功利主義の操舵ベクトルを相手側の目標に対して同じ方法で作ったベクトルと比較し、差が有用な許容幅を下回るかを等価性検定で判定する。オープンウェイトモデルの未見の状況では、いずれのベクトルも自分の枠組みのスコアと相手のスコアを同様に動かし、どちらも許容幅に達しなかった。両ベクトルは大部分の方向を共有しており、著者らは競合ターゲットに対して検定しない限り、操舵は混合的な結果をもたらしうると論じている。
説明Transformerの長期的な振る舞いの漸近的性質：文章生成時の収束性を分析
要約本論文は、長い時間にわたり文章を生成するTransformerネットワークの振る舞いを研究している。著者らは、3トークンで単層かつアテンションのみのTransformerでさえ収束しない場合があることを示した。そのうえで、任意の有限な深さ、層正規化、MLP、RoPE符号化、局所層と大域層の任意の組み合わせを持つTransformerのクラスを分析し、各モデルにはsoftmax温度の閾値があり、それを超えると経験的キャッシュ分布が初期条件によらない唯一の極限に収束することを示した。ただし、これらの閾値の上限は無限大であるため、すべてのTransformerを収束させる全体的な最低温度は存在しない。
説明BFHD：異種臨床評価のための双方向特徴調和分解法
要約施設や時期によって異なる臨床評価システムが使われるため、記録に含まれる測定項目がずれることがあります。本論文は、これを測定項目レベルでの双方向可復元性の問題として定式化し、双方向に信頼して変換できる項目を特定し、変換できない部分を分離する手法BFHD（双方向特徴調和分解）を提案しています。合成データと実際の臨床評価ペアでの実験では、ベースラインと比べて可能な調和の範囲が広く、部分集合の安定性も向上したと報告されています。
説明どこから始め、どう移行するか：長期的タスクを扱うLLMエージェントのGRPOにおけるカリキュラム分析
要約本論文は、長期的タスクを扱う大規模言語モデルのエージェントをGRPO（グループ相対方策最適化）で訓練する際に、開始位置、引き継ぎ単位、移動ルールが補助なしのタスク完遂にどう影響するかを分析します。学習者が続きを行う前に成功した参照プレフィックスを再生するGuide Assisted GRPOを提案しています。BFCLで3つのモデル規模を用いた実験では、固定ターンレベル閾値のもとで完了に近い位置から始める方が効果的だと報告しています。また、AppWorldでも誘導付き開始が両評価分割で成功率を高めたとしています。
説明統合型新規性検出システム：センサーネットワークから多種類の新規性を扱うコンピュータビジョンまで
要約本論文は、雨量計の目詰まりを見つける気象センサーネットワークと、複数種類の新規性に対応するコンピュータビジョンという二つの分野における新規性（異常）検出を扱っています。著者らは既存の品質管理手法四種を評価して限界を示し、確率的な故障検出と一貫性に基づく診断を組み合わせた新手法三種を提案しています。また、Snapshot Serengeti のカメラトラップデータから作成した NOVEL-SS データセットと、検出・特徴づけ・適応を行う DCA ベースラインシステムを紹介しています。
説明小さいほど環境に優しいのか？エージェント型AI向け言語モデルの適切な規模選定
要約本論文は、AIエージェントが確実にタスクを完了しつつ、エネルギー、コスト、時間を抑えるにはどの言語モデルを使うべきかを検討します。モデルを単一の呼び出しではなく、成功した1タスクあたりで比較する意思決定モデルを提案し、小型モデルと大型モデルの優劣が入れ替わるタスク長の境界を示しています。15のオープンウェイトモデルと2つの多段階タスクによる実測では、おおむね予測どおりの結果が得られました。
説明ターゲットトークンの非対称性が深さの専門化に見えてしまう可能性
要約層のアブレーション研究では、言語モデルの早期または後期の層を摂動させ、2つのコーパスに対する予測の損傷を比べ、一方での早期層の効果が大きいことを、そのタスクへの層の専門化と読み取ることがよくあります。本論文は、コーパスごとに予測対象のトークンが異なる（例：数学の解答は百科事典的な文章より空白や数字が多い）ため、この差が深さの専門化に見える原因になりうることを示します。GSM8KとWikitextの間では正の交互作用が5つのモデルで再現されましたが、完全に分解できた3モデルでは空白のみが正の交互作用を示し、空白を除くと全3モデルで結果が反転しました。
説明反事実ゲート支持分解：学習データフィルタリングにおける選択と再配分の分離
要約本論文は、反事実ゲート支持分解（CGSD）という、予算を揃えた4群の実験設計を提案し、品質ゲートの効果を領域内の選択、領域間の再配分、およびその交互作用に分解する。韓英・韓日の検索タスクでは、領域内選択の成分のみが校正された帰無区間を超えた。数学ゲートでは、適格な支持がゼロの場合に通常の設計が構成できないことが示されている。支持分布の再配分をサンプル単位のゲート品質と誤認しないことを目的としている。
説明エージェントチームは境界をまたぐとなぜ失敗するのか？非公開状態を持つエージェント間システムの失敗分類
要約本論文は、異なる依頼主の代理として動くエージェント同士が、互いに見えない情報や権限を持ちながら交渉する場合の失敗を研究しています。2,500件以上の実行記録と488のシナリオを分析し、20の失敗モードからなる分類体系A²-Failuresを提示しています。その結果、タスクの言い回しが相互作用を左右すること、エージェントは同伴者の事実主張を自発的に検証しないこと、全体の成功スコアは協調・検証・振る舞いの失敗を見逃すことが示され、各エージェントを自らの依頼主に対して個別に評価すべきだとされています。
注目点私有状態を持つエージェント間システムの失敗分類を提案し、2500回以上の実行記録と488シナリオから導出している。新規性は中程度、証拠は比較的充実し、サブ分野に有用。
