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。
説明総合精度を超えて：プロンプト最適化における項目レベルの変化
要約本論文は、自動プロンプト最適化の過程で各設問が誤答から正答へ（回復）、正答から誤答へ（退行）、そしてすべての結果変化（チャーン）を追跡するRFDPO手法を提案しています。法律、知識、指示追従、数学、プライバシーの5つのベンチマークで評価し、総合精度が大きな変化を隠しうることを示しています。LegalBench-Hearsayでの対照実験では、項目レベルのフィードバックによりチャーンが40%減少し、ほぼ同等の純利得を維持しました。
説明連続フロー言語モデルを通じた検証器報酬の逆伝播
要約本論文は、連続フロー言語モデルのための強化学習による事後学習フレームワークを提案している。このモデルは複数ステップでトークン埋め込みをノイズ除去し、最後のステップでのみ離散トークンに復号する。微分不可能な復号段階を迂回するため、中間の埋め込みの価値を推定する批評器（critic）を導入し、低分散のパス微分勾配を得る。四つの推論タスクで、同種のベースライン手法を上回る改善を示したと報告されている。
説明階層ベイズ深層学習手法の理論と実践的進展
要約本論文は、ニューラルネットワークのパラメータと事前分布のハイパーパラメータを同時に推論し、不確実性を定量化する多層粒子周辺Metropolis-Hastings法（MLPMMH）を提案している。ハイパーパラメータには擬似周辺推論を、条件付きパラメータ推論にはネットワーク幅の打ち切り階層に基づく結合逐次モンテカルロ法を用いる。標準的な多層結合の仮定の下で、平均二乗誤差と計算コストの理論的な収束速度を示し、ベイズ回帰問題で検証している。さらに、PCAによる階層とスケーラブルなモンテカルロを用いた近似手法S-MLPMMHを提案し、MNISTで競争力のある予測性能と不確実性定量化を示している。
説明MonoMIP：単眼3D物体検出のための多高度逆透視変換
要約単眼3D物体検出では深度誘導型Transformerが使われることが多いが、これらは遠近法の画像平面上で動作し、奥行き方向の縮みによって空間関係が歪む。本論文は、多高度逆透視変換（Multi-Height Inverse Perspective Mapping）で構築した鳥瞰図（BEV）特徴により立体幾何推論を補完する二重デコーダ構造のMonoMIPを提案する。追加の学習データなしで、KITTI検証セットの自動車クラスでModerate AP3D|R40 25.84%、公式テストセットで21.66%を達成し、KITTIとWaymoのベンチマークで既発表の単眼手法を上回ったと報告されている。
説明計画を先にするか検索を先にするか：ツール発見アーキテクチャの規模研究
要約大規模言語モデルエージェントが大規模なAPIレジストリからツールを見つける二つの方法、すなわち検索してから計画するRtPと、計画してから検索するPtRを比較した論文です。ToolBenchでの実験では、単一ツールの問い合わせではRtPが、複数ツールの問い合わせではPtRが優れており、この傾向は検索件数やレジストリ規模を変えても確認されました。さらに、PtRの追加呼び出しによる推論コストを分析し、RtPの上位検索スコアを使った複雑度に応じた経路選択を提案しています。
説明生成的検索と密ベクトル検索の比較：静的な価値事前分布が差を逆転させる
要約本論文は、オンライン小売における候補生成で、生成的検索（GR）と密ベクトル検索（DR）を比較しています。実験はAmazon Toysの2つのデータセットと、社内の大規模電商データセットで行われました。GRは関連アイテムの価値で優れる一方、DRは正解アイテムの再現率と順位付きリストの関連価値で優れることが示されています。分析の結果、GRの価値の優位は主に人気度によるものであり、DRに同じ静的なアイテム価値を加えると優位が逆転することがわかりました。
説明内側オプティマイザがレプリカスケーリングに与える影響
要約本論文は、地理的に分散し接続が弱い計算資源で大規模言語モデルを学習する際、総学習予算を固定してレプリカ数を増やすと性能が単調に低下する問題を扱っています。著者は、擬似勾配の共分散構造と、バッチサイズが擬似勾配のノイズスケールに与える影響という二つの要因を分析しています。理論と実験の両面から、白色化ベースの前処理が有効であることを示し、8〜96レプリカの範囲で良好なスケーリング性能が得られたと報告しています。
説明WorldMemBench：動画ワールドモデルの記憶能力を包括的に評価するベンチマーク
要約本論文は、動画ワールドモデルの記憶能力を体系的に評価するベンチマーク「WorldMemBench」を提案している。260件のテストケースで、人物・物体・環境の静的な記憶と、事象の進行や状態の持続という動的な記憶を評価する。9つの代表的モデルでの評価では、静的な保持が強くても動的な状態変化が確実に扱えるとは限らず、再訪を重ねると最初の復帰以降に記憶が劣化することが示された。人間による検証でも、自動評価と人間の判断はおおむね一致した。
説明RLPE：強化学習でLLMにプロンプト作成を教える手法
要約本論文は、別のタスクモデルの実行トレースを分析し、観察された失敗に対処するプロンプトを作成するモデルを強化学習で訓練する手法RLPE（Reinforcement Learned Prompt Engineering）を提案しています。報酬はプロンプトの性能のみに基づきます。生成されたプロンプトは一度作成して再利用でき、推論時に訓練済みモデルを動かす必要はありません。
説明感染症モデルのパラメータ推定に向けた共形化物理情報弱回帰
要約本論文は感染症のコンパートメントモデルについて、データの微分を用いず時間積分でモデルを扱う物理情報弱回帰（PIWR）を提案し、分割共形予測により有限標本の被覆保証つき同時区間を与える。11の基準モデルと1978年の寄宿学校インフルエンザ流行の実データで検証され、報告された比較手法より高精度で、各推定は約1ミリ秒で完了すると述べられている。
説明複雑な進化過程を扱う系統推定のための深層生成モデル
要約本論文は、配列データから系統樹の事後分布を推定するための条件付き生成モデル群を提案し、尤度に基づく従来手法の代替を目指しています。モデルはトップダウン、ミドルアウト、ボトムアップの三つの方式で樹を段階的に構築し、離散拡散の枠組みで学習されます。最大65分類群の実データおよび合成データにおいて、従来の先端的シミュレーションベース手法Phyloformer 2よりもMCMC事後分布を高い精度で再現しました。また、IQ-Treeと比較すると、単純なデータでは一致し、より現実的なデータでは一貫して高精度でした。
説明視覚言語モデルはなぜ遠隔生理計測で失敗するのか？生理的グラウンディングと数値アラインメントによる再検討
要約本論文は、動画に基づく遠隔生理計測（RPM）に視覚言語モデル（VLM）を用いた際に性能が低下する原因を検討しています。汎用的な視覚意味表現は細かな生理的手がかりを保持できず、自己回帰生成の離散トークン予測は連続的な数値計測と本質的に整合しないと指摘しています。これらに対応するため、著者らは元の視覚経路を保持しつつ独立した生理経路を加えるVITALフレームワークと、心拍数推定の信頼性を高める構造化数値アラインメント手法を提案しています。複数のrPPGデータセットで跨領域推定性能の向上が示される一方、VLMの一般的な視覚理解能力は維持されたと報告されています。
説明単独では賢く、集団では盲目：精度だけでは多エージェントチームの心の理論を認証できない理由
要約本論文は、チームメイトの意図を推論して行動する多エージェント調整モジュールを、推論の精度だけで認証すべきではないと主張します。必要な精度は誤りのコストに依存し、誤りの相関によって精度基準は予測可能な方向に失敗すると述べます。タスク割り当て、Level-Based Foraging、Hanabiでの実験に基づき、配備単位で誤りのコストや相互作用、依存性を評価する「Blind-Spot Gate」を提案しています。
注目点精度ではなく配備コストと誤りの相関に基づく認証ゲートを提案し、複数タスクと人間判断で検証しており新規性が高い。
説明時系列を意識したキーフレーム拡散で、疎な観測から心臓の動的映像を合成する（CardioFAD）
要約臨床では心臓の計測データが極端に疎であることが多い。本論文はこの問題に対し、運動の重要なキーフレームを学習し、心電図（ECG）との対応も取れるように設計したCardioFADを提案する。まずキーフレームを生成し、その後残りのフレームを補間する二段階の拡散生成を行う。心臓MRIと心エコー動画での実験では、極端な単一サンプル条件下で、映像品質、時間的一貫性、機能的整合性が向上したと報告されている。
説明社会科学研究向けのゼロショットツールとしての事前学習済み言語モデル
要約本論文は、社会科学で一般的な記録連結と氏名からの人種・民族推定を、課題固有の学習データなしで事前学習済み言語モデルが行えるかを検討しています。レコード連結にはEnsembleLink（事前学習済み埋め込みと文字列ベースの評価器を組み合わせた手法）を提案しています。米国の有権者ファイルでは、大規模言語モデルによる民族推定の精度が最大83.8%で、氏名を補足したBISG（78.0%）を上回ったと報告しています。
説明能動的推論における情報の価値：信頼区間より有利になる条件
要約本論文は、表形式MDPにおいて能動的推論（AIF）とBayes-UCBVIという二つの探索手法を比較しています。AIFの情報利得は減衰が速すぎ、貪欲なエージェントが最適行動を取れなくなることを示しています。平方根による校正を施すと、厳密な抽象化のもとで約√Tの後悔界が得られますが、報酬が固定されている場合はBayes-UCBVIより良い保証はありません。報酬がエージェントのデータから敵対的に選ばれる場合には、校正された情報利得が報酬に依存しないℓ1信頼集合として有利になるとされています。
説明RingNav：タスクに合わせた円環メモリによる視覚的方位推定
要約本論文は、約1.06万パラメータの視覚的方位推定モデル RingNav を提案します。記憶を円周多様体 S¹ に制約し、連続する画像間の旋回角のみを学習して、方位は円上で直接合成します。TartanAir Visual SLAM Challenge において、同規模の学習型メモリモデルと比べ、平均絶対旋回誤差を27%、4秒間の累積方位誤差を15%削減しました。実世界のドローン実験にもファインチューニングなしで転用でき、Raspberry Pi Zero 2W および超低消費電力の GAP8 プロセッサ上で動作します。
説明グラフ粗視化により計算資源が限られた非凸 MAX-CUT で局所最適解から脱出する手法
要約本論文は、二値最適化の地形に指数的に多くの局所最適解が存在し初期値に敏感な MAX-CUT 問題を扱います。著者らは、優れた最適化地形を持つ非凸連続再定式化である粒子多項式緩和（PPR）を検討し、訓練データを必要とせずほぼ線形時間で構造を考慮した初期解を得るスペクトルグラフ粗視化法である組合せ多重格子法（CMG）で PPR を温めています。原文によると、既知の厳密最適値をもつ t2g20 インスタンスで平均 97.5%、最良の試行で 98.4% の最適値に到達し、離散局所探索を加えた拡張版は Biq Mac の 60 インスタンスすべてで公表された最適値に達しました。稀疏表現により最大 20,000 頂点の G-set インスタンスまで拡張可能とされています。
説明拡散モデルの記憶を免サンプリングで測る損失曲率という代理指標
要約本論文は、拡散モデルが学習データを記憶する仕組みを、モデル単位（学習中に記憶が始まる時点）とサンプル単位（個々のサンプルが記憶されやすいか）の二つの観点から検討します。拡散モデルの学習損失のヘッセ行列のフロベニウスノルムである入力損失曲率を指標として提案し、教師あり学習の反事実的記憶の定義を拡張して、その記憶が留一モデルの入力曲率で決まることを示しています。実験から、入力に依存する曲率が記憶の代理指標になることが確認されています。
説明形態・意味・分岐から見る言語獲得の追跡：学習過程で大規模言語モデルが言語を習得する様子を探る
要約本研究は、Pythia や OLMo などのオープンソースモデルの中間チェックポイントを用い、教師強制評価の下で、学習ステップ数とモデル規模にわたる言語獲得を系統的に調べたものです。形態構造の獲得、埋め込みのドリフト、反復の優勢、共起効果の4点に注目しています。結果として、モデルは意味的埋め込みが安定する前に形態構造を獲得していることが示されました。また、学習データ量は分岐の認識に正の影響を与える一方、事前学習中の共起と推論時の反復は、分岐の認識と連想リンクの生成に負の影響を与えることが分かりました。
説明Lag：再利用可能なリソースのオンライン割当のための平均場最適方策
要約本論文は、査読者割当、コールセンター振り分け、配車マッチングなどに現れる、再利用可能なリソースへのオンラインタスク割当問題を扱います。これを文脈付きの制約付きマルチアームバンディット（CRMAB）として定式化し、占有測度の線形計画（OCC-LP）で任意の作業保存型方策の報酬上界を導出します。その双対から閉形式のインデックス方策 Lag を得ています。サーバ複製数と各ステップの到着数が同時に増加する規模設定では Lag が漸近的に最適であることを示し、査読およびコールセンターのデータでは線形計画上界の83〜99％を達成し、貪欲な割当より報酬を最大で12.3％（学術誌データ）および36％（合成データ）向上させたと報告しています。
注目点再利用可能資源のオンライン割当てに対し占有測度LPと閉形式のLagrangian指数方策を提示し、初の決定的流体極限を示す。実データと合成データで検証している。
説明誰の声をより重視すべきか？多元的アライメントのための福祉考慮型選好獲得（WAPA）
要約本論文は、限られた人間のフィードバックの中で、多様な人々にどのように人手による注釈を配分して多元的アライメントの学習データを作るかを研究しています。各クエリの社会的福祉上の限界利得を、予測される監督の改善、受け手の現在の効用、指定された優先度に基づいて評価するWAPAを提案し、固定予算の下で推定福祉目標に対して厳密に最適であることを証明しています。実験では、比較の20%に人間のラベルを付与すると、AIラベルのみと正解ラベルのみで学習したポリシー間の平均予測効用差の75〜86%が回復したと報告されています。
説明トークンにはいくつのランクが必要か：ランク1 LoRA専門家向けのノイズ床ゲーティング手法
要約本論文は、LoRAにおいてすべてのトークンに全ての階数1成分を適用する問題に着目し、ルーターを用いない SQUELCH を提案します。各トークンの応答をそのノイズ水準に基づいて軟閾値処理し、有効な階数をトークンごとに変化させ、閾値は Stein の不偏リスク推定で選びます。さらに、相互説明による処理で冗長な成分を抑制します。常識推論、知識、数学、コード、GLUE での評価で、平均して32成分中8.6成分を有効化しています。
説明性別二元論を越えて：SF と一般小説における性別指示のモデル化
要約本研究は、マスク言語モデル RoBERTa を用いて、man/men、woman/women、person/people が SF 作品と一般小説の同時期のコーパスでどの程度中立語やほかの社会的カテゴリー語に置き換えられるかを調べ、両者を比較しています。両コーパスとも性別の二元論を越えていますが、置き換えの傾向は非対称です。SF は一般小説より性別の浸透性と脱性別化の傾向が強いことが示されています。この手法は人種や階級などほかのカテゴリー語彙にも応用可能です。
説明一つに最適化、多くに実行可能性：機会制約計画における最適化と実行可能性の分離
要約本論文は機会制約確率計画（CCSP）を対象とし、候補解の最適化と実行可能性の評価を分離する構造化サンプリング枠組み ACCESS を提案する。まず多数の安価な単一シナリオ部分問題で高品質な候補解を生成し、次に大規模なバッチシミュレーションで実行可能性を別途評価する。確率 1-δ で実行可能性を保証する変種 ACCESS(δ) も導入されている。実験では、ACCESS はほぼすべての設定で他手法と同等以上の目的関数値を達成し、保守的な再定式化は数パーセント劣り、SAA はしばしば実行不能で桁違いに時間がかかったと報告されている。
説明共同部分空間スパースアテンション：長文脈デコーディングを効率化する手法
要約本論文は、長文脈LLMのデコーディングで大きな割合を占めるKVキャッシュのアクセスを減らすため、共同部分空間スパースアテンション（JSSA）を提案している。低次元の共有クエリ・キー部分空間を学習してトークン選択の品質を高め、分散したトークンを集め直さずに扱えるインデックス付きアテンションカーネルで実行効率を改善する。論文によると、複数のアーキテクチャで全KVアテンションに近い精度を保ち、NVIDIA B200では128Kコンテキストで全KVアテンションの最大6.43倍のデコーディングスループットを達成した。
説明コーディングエージェントはどこまで視覚生成できるか？プログラムで絵を描くAIの能力を調べた論文です。
要約本論文は、汎用のコーディングエージェントが実行可能なプログラムで画像を構築する能力を、200件のプロンプトからなるAgentDrawBenchベンチマークで検証しています。エージェントは構造や正確な視覚的制約の維持に優れる一方、知覚的な豊かさには限界があると報告されています。さらに、コードを視覚的な思考言語として用い、視覚質問応答で有用な情報が保持されることや、描画ツールをまたいで共有される内部表現の可能性も検討しています。
説明大規模言語モデルは事件予測のために世界知識を引き出せるか？
要約本論文は、大規模言語モデルが時系列の事象予測で単純な専門モデルに劣る原因を検討し、知識が使えないのではなく、事象の提示方法に問題があると主張します。事象を自然言語の説明で記述し、意味と予測ラベル空間を分けるインターフェース設計を提案しています。そのために約15万件の事象を七つのデータセット、六つの分野にわたって含むベンチマーク「DescribeEvent」を構築しました。能力の高いモデルは説明と記号ラベルで大きく改善しましたが、弱いモデルでは効果は小さいとされています。
説明離散拡散モデルはスパース性の下で極小最適（ミニマックス最適）である
要約本論文は、テキストなどのカテゴリデータを生成する離散拡散モデルについて、スパース性の仮定の下での統計的収束率を研究している。正則化されたスコアエントロピー目的関数から導かれるノンパラメトリック推定量を解析し、スパース領域で極小最適な収束率を示している。提案される正則化は分類で用いられるラベルスムージングを応用したものとみなせ、スパース性のパラメータを事前に知る必要はない。
説明前回効用予測を用いたIR-PRM+：定数リグレットと最良反復収束
要約本論文は、ゲーム解法で広く使われるregret matchingの変種に対し、前回の効用を予測として用いる手法を提案します。同時更新と交互更新の両方のIR-PRM+設定を扱い、有限二人零和行列ゲームでは、従来の外挿勾配予測で得られていた定数リグレットと収束速度の保証を回復すると述べています。さらに、有限個の単体学習者やCFR版IR-PCFR+にも拡張しています。
注目点previous-utility予測により外挿法の定数後悔と収束率保証を回復し、交互更新と拡張形式ゲームへ拡張した点が新しい。理論的分析が中心。
説明低コスト合成事前学習の大規模化で屋内電波マップ予測が向上
要約実測データが少なく、多様な建物に対応できる屋内パスロス予測器を学習するのは困難です。本論文では、多様な屋内レイアウトを自動生成する生成器と、それらの電波マップを計算する高速なオープンソース近似レイトレーサーを提案し、1億2,800万件の合成サンプルを生成しています。ResNet-101とSwin-Tを事前学習し、高品質なベンチマークデータで微調整した結果、ResNet-101は5つの屋内電波マップ予測タスクで既知の最良手法より平均15%誤差を減らしました。
説明画像自己蒸留モデルのデータ密度スケーリング則：サンプルの繰り返し利用が性能に与える影響を検証
要約本論文は、データセット内の独自サンプル数が多いほど性能が向上し、同じサンプルの繰り返し学習は効果が逓減するという一般的な前提を検証しています。Maxar、SATLAS、Waymo、nuPlan、Ego4D、ImageNet、YFCC15M などの複数のデータセットで系統的な実験を行い、繰り返しの影響はデータセットに依存し、単純ではないことを示しました。場合によっては、小さなランダム部分集合を繰り返し学習する方が、大きな独自サンプル集合で学習するより良い結果になるとしています。これを受けて、独自サンプル数と各サンプルの繰り返し回数の両方を考慮した Chinchilla 型スケーリング則の修正版を提案していますが、効果はデータセットによって一貫していません。
説明PMO-Dock：ドッキング、特異性、汎化性能を評価する分子最適化ベンチマーク
要約本論文は、分子ドッキング（小分子が標的に結合する様子を計算でシミュレーションする手法）を用いた分子最適化のためのベンチマークと評価プロトコル「PMO-Dock」を提案しています。ヒット化合物生成、リード最適化、そして標的への強い結合と非標的への相互作用の抑制を求める特異性タスクからなる25のタスクを含みます。検証用タスクで超パラメータを調整し、テスト用タスクは最終評価にのみ用い、厳しい評価回数の上限のもとで実施します。強化学習、離散拡散、遺伝的アルゴリズム付きGFlowNet、LLMベースの進化探索など4手法を比較した結果、全タスクで最良の手法は存在せず、超パラメータの転移は限定的で手法によって異なることが示されました。
説明Action Jets：行動条件付きデータ多様体の局所形状の学習
要約本論文は、短い時間範囲の計画で多数の行動候補を素早く評価する手法を提案します。固定された状態の周辺で、低次元の行動（カメラ移動やエンドエフェクタ指令など）により生成される画像多様体の局所形状を、三次のテイラー多項式として推定し、これを Action Jet と呼びます。これにより状態ごとの推論は一度で済み、16 候補の評価では元の生成器より 300 倍以上高速になると報告されています。
説明多言語抽象要約における大規模言語モデルの評価：英語とベンガル語の比較研究
要約本論文は、英語とベンガル語のXL-Sumテストセットを用い、8つのクローズドソース及びオープンウェイトの大規模言語モデルについて、ゼロショットで抽象的要約の性能を評価したものです。語彙・意味指標、参照文不要の事実性検証、多次元のLLM評価を組み合わせて分析しています。結果では言語間で性能差が大きく、英語での優位が必ずしもベンガル語に当てはまらず、包括的な評価枠組みの必要性が示されています。
説明拡散モデル系AIGCのLoRAアダプタに隠された未公開の概念を発見する研究
要約LoRAアダプタだけを与えられたとき、学習された概念を特定して後続の調査に役立てる手法を提案する論文です。概念を、出力の一貫性、ベースモデルとの違い、学習されたLoRA部分空間との整合性を同時に最大化する条件入力の探索として定式化しています。レンダリングを必要としない部分空間誘導進化探索で候補プロンプトを絞り込み、LoRAとベースモデルの出力を比較する対視覚識別で確認する二段階の枠組みを開発しています。
説明強いランダウ準位混合下の非アーベル量子ホール状態：第一原理AIによるアニオン探索
要約本論文は、耐障害性トポロジカル量子計算の基礎となる非アーベルアニオンが、分数量子ホール状態にどのように現れるかを研究しています。充填因子3/2のスピン偏極電子について、全電子と全ランダウ準位を含む完全な解を、微視的ハミルトニアンのみで最適化したニューラルネットワーク変分波動関数により求めています。その結果、縮退基底状態の量子次元は√2のアニオンであり、ランダウ準位混合により反Pfaffian状態が他の候補より有利になることが示されています。
注目点全電子・全ランダウ準位を含む非アーベル量子ホール問題を神経網変分波動関数で初めて解き、反Pfaffian状態を同定している。
説明ChunkAct：エージェント型ロボティクスのためのアクション分割手法
要約本論文はエージェント型ロボティクスにアクションチャンキングを導入するChunkActを提案する。LLMエージェントはオンラインで一度呼び出すだけで、連鎖した基本動作のチャンクを起動し、失敗時にのみ制御を返す。オフラインではメモリをこれらのチャンクにコンパイルするため、実行時にはメモリを参照せず、プランナーは推論が必要な判断のみに使われる。LIBERO-Proでは、タスク成功率が従来の最先端手法より5.0ポイント向上し、LLM呼び出しは2.9倍、入力トークンは4.4倍、出力トークンは2.3倍少なくなった。
説明LoopWAM：配備後の実行記録から閉ループで汎用ロボット方策を改善する手法
要約本論文は、ロボット自身および他の配備済み方策が生成した成功・次善・失敗を含む実行記録を直接学習する閉ループ型のワールド・アクションモデル LoopWAM を提案する。専門家デモの模倣やの失敗データの除外ではなく、品質の全域を利用する。RoboChallenge Table30-V2 では3回の配備・学習サイクルで成功率が 23.67% から 43.33% に上昇し、最終スコアは 56.80 であった。RoboTwin 2.0 と RoboCasa365 でも比較手法中で最良の総合結果を示した。
注目点混合品質の展開データから閉ループで学習する世界-行動モデルを提案し、新規性がある。三つのベンチマークで複数ラウンドの改善を示し、ロボット学習分野に一定の影響がある。
説明EgoExplorer：人の移動と操作を現場で捉える視覚・動作・触覚データセット
要約本論文は、ウェアラブルシステムで収集した約100時間の人の「移動しながらの操作」データセット EgoExplorer を提案している。一人称視点の映像を、全身の動き、指の細かな動き、触覚観測と時間的に対応づけ、工程ごとの説明も付与している。さらに、疎なセンサーから全身動作を復元する Calibrate-Complete-Constrain 手法を示し、最強のベースラインと比べて身体点の誤差を71.9%削減したと報告している。予備検討として、マルチモーダル生成やシミュレーション上でのヒューマノイドの全身制御への応用も扱っている。
説明MiniDog：コンシューマ向けGPU4枚で事前学習からファインチューニングまで行う犬種テキスト画像生成フローマッチング
要約本論文はMiniDogという枠組みを提案し、RTX 3090を4枚用いて拡散トランスフォーマーの事前学習を約55分、ファインチューニングを約15分で行えるとしています。事前学習にはImageNetの犬画像2.6万枚にキャプションを付けたものを、微調整にはFLUX.1-schnellで生成した2千枚を使用します。モデルはE2E-INVAEの潜在空間、約2,200万パラメータの小型Transformer、Qwenテキストエンコーダを用い、iREPAとEUPE知覚エンコーダで学習を加速します。著者は技術的新規性を主張しないと明記しており、プロジェクトはオープンソースで公開されています。
説明Cepheid：幾何ファミリー横断の運動補完のため、スケールと構造を分離する手法
要約この論文は、疎な頂点変位から密なメッシュの運動を復元する方法を扱う。一つの幾何ファミリーで学習した残差事前分布は他のファミリーでは調和拡張（パラメータ不要の手法）に勝てず、残差の振幅もファミリーや観測密度によって大きく変動することが示される。提案手法は無次元の事前分布を学習し、観測量と訓練データのみで当てはめた軽量な補正から振幅を推定する。統一モデルは、未見の布や有脚の身体を含む評価対象のすべてのファミリーで調和拡張を上回る。
説明視覚・言語・行動（VLA）事前学習における品質考慮：ベンチマークと実証研究
要約本論文は、視覚・言語・行動（VLA）モデルの事前学習において、デモンストレーションの品質をどのように活用すれば、目標タスクでの微調整後の性能が向上するかを検討しています。重み付け、フィルタリング、条件付けを比較し、自然に最適でない人間のデモンストレーション5,000件と24の目標タスクで実験しています。また、これらの比較を支えるベンチマークAXIS-Benchを提案し、実世界実験ではシミュレーション事前学習によって成功率が9.6%から31.7%に向上したと報告しています。
説明Tev：密な進捗報酬による長期タスク型エージェント環境の拡張
要約本論文は、7つの分野にわたる1,170の検証可能な長期タスク環境からなるデータセットTev-Gymを提案します。隠れた完全な仕様を先に構築し、そこから段階的にエージェント向け環境を生成する手法を用いています。また、進捗ポテンシャルに基づく報酬整形（PPRS）によって各ステップに密な報酬を与え、Tev-27Bを訓練したと述べています。
説明PLAYGROUND：レンダリング結果に基づく段階的レイアウト生成手法
要約本論文は、編集可能なグラフィックデザインのレイアウトを生成するフレームワーク PlayGround を提案しています。全体の計画を事前に固定するのではなく、現在描画されているキャンバスを見ながら、次の機能グループとその配置を一ターンごとに決定し、視覚検証器がフィードバックを与えます。Crello と LICA での実験で既存手法より有効だと示され、コードと重みは公開予定とされています。
説明格子場の理論向け拡散モデルのデータなし学習
要約本論文は、目標分布からのサンプルを使わずに、拡散モデル自身が生成したサンプルで学習する手法を提案しています。非正規化確率密度が利用できる場合、目標スコアの恒等式を用いて学習を行います。二次元φ⁴理論で異なる手法を比較し、対称相、臨界相、破れた相のいずれでも効率的に学習とサンプリングができる選択肢を示しています。その結果、データなし学習はHMC（ハイブリッドモンテカルロ法）の参照データで学習した場合と同程度の性能に達しました。
説明DoubtLess：学習不要のコントラスト decoding による効率的な推論
要約推論モデルは長い思考連鎖（CoT）で高い性能を出しますが、問題の解決に必要以上のトークンを使うことがよくあります。本論文は、学習を必要としない復号手法 DoubtLess を提案します。これは、はるかに小さな推論モデルが、簡潔に考えるよう指示された場合と冗長に考えるよう指示された場合の二通りで大規模モデルの CoT を読み取り、両者の logit の差を強度で調整して大規模モデルの各ステップに加えるものです。七つのベンチマークで、Qwen3-32B の CoT を 31% 短縮し、精度は変わりませんでした。
注目点小型モデルの簡潔版と冗長版のlogit差で大型モデルの推論を誘導し、学習なしで思考連鎖を短縮。七つのベンチマークで精度を保ちつつ31%削減し、証拠は充実している。
説明ハイブリッド推論エージェント：潜在空間で思考し、テキストで行動するLLMエージェント
要約本論文はハイブリッド推論エージェント（HybridAgents）を提案し、統一された生成過程の中で潜在推論とテキストによる対話を動的に切り替えます。軽量なHybridLinkがテキストと潜在モードの移行を担い、後学習手法としてHybridSFTとHybridRLが開発されています。11のベンチマークで評価され、性能が10.4%向上し、トークン数は35.5%〜54.7%削減されたと報告されています。
注目点潜在推理とテキストによるツール操作を統一生成で切り替える構成と後学習法を提案し、11ベンチマークで比較検証している。
説明AesCode：分離されたクロスモーダル報酬による審美的コード生成
要約本論文は、スライド、ポスター、ダッシュボードなどの視覚成果物をコードとして生成するAesCodeを提案します。同じプロンプトから生成した画像を審美的な参照として用い、デザイン全体を属性が帰属可能なデザイングラフで表現します。決定的な検証器がコードとレンダリングから解析できる属性を評価し、VLM判定器がグラフに基づく視覚ルーブリックで残りを評価します。強化学習で両報酬を最適化し、同規模のQwen3-VL基準と比べて視覚品質をAesCode-8Bで31.1ポイント、AesCode-32Bで22.4ポイント向上させたと報告しています。
説明必要に応じて視覚トークンを割り当てる：マルチ画像推論のための視覚予算化手法
要約マルチモーダル大規模言語モデルは複数画像の処理で計算コストが高く、画像ごとに多くの視覚トークンが必要になります。本論文は、質問と画像間の文脈に基づいて画像ごとのトークン予算を割り当てる軽量なプラグアンドプレイモジュール mmVB を提案します。追加パラメータは 1.6M のみで、基盤モデルの再学習や推論時のアテンション行列へのアクセスは不要です。8つのマルチ画像推論ベンチマークで、視覚入力トークンを9分の1に削減し、最初のトークンまでの時間を5倍高速化しつつ、全解像度時の精度の94.4%を維持したと報告しています。
説明PixelMoE：LLM型Mixture-of-Expertsによるピクセル空間拡散モデルの拡張
要約本論文はPixelMoEを提案します。これはLLMと同様のMixture-of-Experts（MoE）構造を用いて、計算量を増やさずにモデル容量をスパースに拡張するピクセル空間の生成フレームワークです。あわせて、ノイズ除去の過程で大域的な構造から細部へと空間解像度を変化させる手法も導入しています。同程度のアクティブパラメータ数では稠密モデルより優れており、クラス条件付きImageNet-1Kでは表現整合や知覚損失を用いずに、256x256で FID 1.47、512x512で 1.53 を達成したと報告されています。
説明厳密な位相的適合性：持続同型等価なグラフの生成
要約持続ホモロジーは、グラフの位相的変化を永続図（PD）として要約する。既存の位相を考慮した生成モデルはソフトな正則化に依存しており、生成されたグラフのPDは目標とおおむね似ているにとどまる。本論文は、目標のPDを厳密に実現するグラフを生成する方法を提案する。一つは次数に基づく局所的な反復手法、もう一つは制約プログラミングソルバで解ける大域的な制約充足問題として定式化する手法である。四つの標準的なグラフ生成ベンチマークでの実験により、両手法がいずれも目標PDを厳密に実現することが確認された。
注目点目標の永続図を厳密に実現するグラフ生成問題を定式化し、局所反復と大域制約充足の2手法を提案。証明と四つの標準ベンチマークでの検証を含む。
説明二つの時計：検証可能な報酬を用いる強化学習で、大きなロールアウトバッチは学習が遅いが予定どおりに失敗する理由
要約本論文は、検証可能な報酬による強化学習（RLVR）において、バッチサイズと学習率の関係を研究しています。進歩に必要なサンプル数と、崩壊前に消費されるサンプル数を分けて分析する「二つの時計」フレームワークを提案しています。Qwen2.5-Math-1.5B と GRPO を用いた実験で、16 倍のバッチ範囲にわたり二つの予測を検証し、そこから多段階学習向けの簡単なバッチ切り替え方式を導いています。
説明MFG：多ターンのフィードバックを用いた分子最適化
要約本論文は、前のターンのフィードバックを利用して分子を段階的に改良するよう大規模言語モデルを強化学習で訓練する、多ターンフィードバック誘導（MFG）分子最適化手法を提案しています。性質の改善と元の分子との類似度を含むフィードバックベクトルと、ターンごとの段階的改善を促す報酬関数を導入しています。十の多目的分子最適化タスクでの評価では、GeLLM³O-MFG の平均類似度制約付き成功率は 81.50% で、ベースモデル GeLLM³O の 70.81% を上回りました。
説明WorldRecon：大規模3Dシーンのための生成的マルチビュー・メッシュ再構築
要約本論文は、姿勢不明のRGB画像から大規模屋内シーンの完全な3Dメッシュを復元するWorldRecon枠組みを提案します。粗く雑音を含む点群とカメラ姿勢を全体の骨組みとし、シーンを重なり合うブロックに分けて生成します。隣接を考慮した潜在空間の補完と因果的な生成により、ブロック間の整合性を保ちます。実験では、最も強いベースラインに比べ、合成・実世界の屋内シーンでChamfer距離をそれぞれ14.9%・43.1%削減し、F-scoreを17.3%・12.0%向上させたと報告されています。
説明人間が作る最後のリモートセンシングモデルか？地球観測タスクを再帰的自己改善として捉える
要約本論文は、地球観測（EO）モデルの構築を人間の代わりに自律エージェントに任せる新しいパラダイムを提案しています。人間はタスクごとに「ハーネス（利用可能な資源の定義）」と「ベリファイア（成功の判定基準）」を設計し、汎用コーディングエージェントがそれを基にモデルを構築・自己改善します。光学、SAR、多重分光時系列画像を扱う6つのベンチマークで、エージェントが構築したモデルはいずれも従来の最先端を上回り、土地被覆マッピングでは訓練ラベルの11%のみを使用しました。
注目点エージェントが地球観測モデルを自動構築する新パラダイムを提案し、6つのベンチマークで最先端を上回ると主張するが、摘要レベルで検証は限定的。
説明RepProbe：動画言語モデルは繰り返し動作を数えられるか？診断用ベンチマーク
要約本論文は、各クリップに1〜20回の完全な繰り返し動作を含む約4.2万本の実写・合成動画からなるベンチマーク RepProbe を提案しています。評価した動画言語モデルは、回数が多くなると計数の正答率が大きく低下しました。一方、最終層の表現に学習させた線形プローブでは、正しい回数の情報が多く読み取れました。モデルは繰り返しの構造を内部で捉えているが、出力では確実に報告できていないことを示しています。
説明LIBERO-RIG：視覚・言語・行動モデルのハードウェア構成に対する頑健性ベンチマーク
要約本論文は、LIBERO のタスクを固定したまま、ロボット本体のハードウェアと設置構成だけを変えるベンチマーク LIBERO-RIG を提案している。カメラの取り付けと光学、カメラとアームの校正、駆動ゲイン、制御周期など 11 の摂動軸を、各 5 段階の強度で合計 210 条件として設定した。9 つの視覚・言語・行動モデルを評価した結果、中程度の強度で全体成功率は 0.932 から 0.767 に、最大強度では 0.509 に低下した。カメラ画像を変えない故障は、視覚摂動での学習では軽減されないとされている。
注目点視覚・言語・行動モデルのハードウェア設定の摂動を扱う新しいベンチマークで、11軸210条件と500エピソードの統計検定で性能低下を示し、サブ分野に有用である。
説明ロボットを改善するのは誰か？物理的再帰的自己改善に向けて
要約本論文は、物理的経験によってロボット自身の能力と改善手順の両方を持続的に更新し、タスクをまたいで後続の改善をより効果的にする「物理的再帰的自己改善（Physical RSI）」を研究しています。著者はL0からL5までの枠組みを提案し、能力レベルとメタレベルの更新を区別しています。調査した既存文献は、この枠組みで定義される物理的再帰的自己改善をまだ示していないと結論づけ、信頼できるフィードバック、因果帰属、安全性の維持、ベンチマークを今後の研究課題として挙げています。
説明KL正則化を用いたオフラインQ学習の高速収束率
要約本論文は、KL正則化（カルバック・ライブラー正則化）を伴う有限ホライズンのマルコフ決定過程におけるオフラインQ学習を研究している。KL正則化Q学習（KLQ）を提案し、明示的な悲観性なしでサンプル複雑度Õ(1/ε)を示すが、KL正則化パラメータとホライズンに対する指数的依存がある。これを改善するため、悲観性を組み込んだKLPQを提案し、同じ速度を保ちつつ明示的な指数依存を除去した。表形式の有限ホライズンKL正則化MDPにおけるオフラインQ学習の初の高速収束保証だと著者は述べている。
説明フローマッチングのための大規模オンライン最適輸送ミニバッチ手法
要約フローモデルの学習では、ソースサンプルとデータの対応づけ方が学習と積分の安定性を左右します。本論文は、最適輸送の利点を保ったまま、ソースとターゲットの対応をより大きなミニバッチで扱える、スケーラブルなオンラインエントロピー最適輸送近似を提案します。独立なランダム対応と比べ、確率的勾配の分散と積分誤差が厳密に減少し、その改善はオンライン対応のミニバッチが大きくなるほど強まることを理論的に示しています。単一細胞の遺伝子補間フローと画像フローの実験でこの予測を検証しています。
説明Plan-Bench：既存のVLMは知覚を超えて、身体性を持つ環境で推論と計画を行えるか？
要約本論文は、身体性（エンボディド）環境に関連する視覚言語モデル（VLM）の高次推論と多段階計画能力を評価するベンチマーク「Plan-Bench」を提案し、行動実行の影響は切り離して評価します。3つの相補的な次元、16のサブクラス、699件の精選サンプルで構成されます。28のVLMを評価した結果、改善の余地があり、最も高性能なモデルでも正解率は75.0%にとどまりました。また、モデル規模の拡大は一般にこれらの能力を向上させることが示されています。
説明RoboSimStudio：ロボット操作タスクの迅速な実機から仿真への変換のための対話型ツールキット
要約本論文は、人間とコーディングエージェントが観測された物理挙動に基づいてシミュレーションを素早く作成し反復的に改良できる対話型ツールキット、RoboSimStudio（RSS）を紹介する。RSSでは、ソルバー、接触モデル、物理パラメータを明示的かつ編集可能な選択肢として扱う。オープンソースのNewton物理シミュレーションシステム上に実装され、視覚評価、力フィードバック、エージェント型のReal2Sim2Realによる実験が述べられている。
説明Game2Real-Bench：おもちゃのゲームは実世界の視覚推論を映し出し、移転できるか？
要約本論文は、手続き的に生成されたゲームのサンプルと実世界のサンプルを用いて、視覚言語モデルの視覚推論能力を評価するベンチマーク「Game2Real-Bench」を提案しています。細粒度知覚、空間推論、制約推論、逐次計画の4つの能力群を対象にしています。25のモデルで、ゲームと実世界の結果は強く一致し（ピアソン・スピアマン相関0.935）、4モデルでのワンショット転移実験では、制約推論は向上する一方、細粒度知覚はゲームの例示によって低下することが示されています。
説明OmniCompass：全モーダル動画のグラウンディングと理解のための総合ベンチマーク
要約本論文は、マルチモーダル大規模言語モデルの動画理解能力を評価する総合ベンチマーク OmniCompass を提案しています。視覚言語（VL）と視聴覚（AV）の二つのトラックがあり、それぞれ時間的グラウンディング、空間的グラウンディング、質問応答の三つのタスクを含みます。VL は 820 本、AV は 240 本の動画で構成されています。50 のモデルを評価した結果、特に視聴覚理解でオープンソースモデルが商用モデルに遅れをとること、また精密な定位が依然として難しく、同一対象の二つの指定方法で予測に一貫性が欠けることが示されました。
説明WorldOracle：実世界の実行結果に対して行動条件付き世界モデルを評価するベンチマーク
要約WorldOracle は、行動条件付き世界モデル（ACWM）を評価するためのベンチマークです。同じ初期観測と低レベルの行動系列を与えたとき、予測されたロールアウトが物理的な結果やタスク状態の遷移を含め、実世界で実際に起きたことを再現できるかを検証します。評価は物理状態の正しさ、相互作用の空間的整合性、重要な相互作用領域の忠実度、多視点での行動の一貫性の4観点で行われ、7つの代表的なモデルで実験した結果、それぞれの強みと失敗の傾向が示されました。
説明化学反応ネットワークに対する同時ニューラル事後推定とモデル選択
要約本論文は、化学反応ネットワーク（CRN）のベイズ推論のためのニューラル推論フレームワークを提案し、重なり合う反応経路の識別と反応速度定数の推定を同時に行います。共有の1次元CNNと置換不変なSet Attentionを用いて、長さの異なる複数実験の時系列データから低次元の要約統計量を学習し、それをモデル選択ネットワークと、モデルごとの条件付き可逆ニューラルネットワーク（cINN）に入力して事後分布を得ます。実際のプロトデボロネーション反応の例により、構造的なあいまいさの扱い方と、競合する触媒失活経路から動力学パラメータを抽出する様子を示しています。
説明生成の前に「場面を読む」：シナリオ表現に基づく採択温度の選択手法
要約本論文は、大規模言語モデルのサンプリング温度を選ぶための Scenario-Actor フレームワークを提案しています。Transformer の隠れ状態から場面に関係する構造を抽出し、コミュニケーション状況の幾何学的表現である場面埋め込みから温度を決定します。著者らは Llama-3.1-8B-Instruct において、対話型の社会的場面での目標達成、自由形式の指示追従での改善、複数ターンの会話での基線との競争力ある性能を報告しています。
説明DuplexBridge：理解と生成を調整する統一画像編集手法
要約本論文は、外部の理解モジュールを使わず、統一モデル自身の理解能力で自身の生成用プロンプトを強化するDuplexBridgeを提案しています。ソース画像に基づく橋渡し機構、理解と生成それぞれの局所的な監督、相互信頼ゲートにより共同学習を行います。またCE-Benchという1,200タスクのベンチマークを提示し、完全遵守率が直接編集モデルより21.75〜25.75ポイント向上したと報告しています。
説明《逆翻訳はまだ重要：LLMによる低リソース機械翻訳での単言語データ活用》
要約本論文は、低リソース言語の機械翻訳において、一定量の単言語データがある場合の有効な活用法を検討しています。大規模言語モデルを用いて、早期の機械翻訳時代の手法である逆翻訳を採用し、微調整済みモデルで単言語文を翻訳して対訳ペアを生成し、逆方向で学習させます。オディア語とスワヒリ語で1Kの対訳ペアを用いた場合、ドメイン内で継続事前学習を上回りました。5つの低リソース言語と2つの3Bモデルでは、対訳のみの微調整と比べてXCOMET-XXLで16〜173%向上し、人手による盲検評価も自動評価と一致しました。
説明モデル重みを固定したまま、エージェントのソフトウェア基盤を自己進化させる論文
要約本論文は、モデルの重みを固定したまま、プロンプト、メモリ、ワークフロー、実行可能コンポーネントなどエージェントのソフトウェア基盤（ハーネス）をフィードバックに基づいて改良する手法を扱います。受け入れられた改良は実行をまたいで保持されます。進化的最適化として探索を定式化し、継続的PAC学習により信頼性を分析して、期待汎化境界、過去の回帰予算に基づく保持境界、独立した新しい検証データを用いる高確率の採用規則を示します。あわせて、科学的信頼性、物理的安全性、制度的説明責任への影響も論じています。
説明「グロッキング」現象に関する統計的小品研究
要約本論文は、解析可能な単純な設定で「グロッキング（grokking）」現象を調べ、初期化、信号強度、重み減衰、サンプル数、入力次元の影響を切り分けています。グロッキングが証明可能に生じる明確な条件を示し、汎化のプラトー期間の長さを表す解析的な漸近式を導いています。理論結果は広範な実験によって裏付けられています。
説明深さメモリ：層間情報の格納・検索を扱う統一フレームワークと線形深さメモリ（LDM）
要約本論文は、ニューラルネットワークの層間で表現を混合する処理を、層をまたぐ情報の格納と検索の問題として捉えます。標準的な PreLN Transformer、mHC、AttnRes を統一的に記述する枠組みとして「深さメモリ（Depth Memory）」を提案し、その上で再帰最小二乗法により深さ方向の検索を解く線形深さメモリ（LDM）を導入しています。さらに、ピーク時の活性化メモリとメモリアクセスを減らすハードウェアを意識した実装も示されています。報告によると、4億および15億パラメータの規模で、LDM は上記の比較対象より低い困惑度を達成し、ゼロショット精度も競争力があるとされています。
説明マルチエージェント強化学習における極値探索制御によるチーム行動の最適化
要約本論文は、協調型マルチエージェント強化学習において、学習中に行動の多様性をオンラインで調整する枠組みADiCo（適応的多様性制御）を提案しています。高速の時間スケールでは多様性を目標値に制御し、低速の時間スケールでは極値探索制御器（ESC）が目標値を平均エピソード報酬のみを用いて調整します。二つの協調タスクの六つの設定で評価され、タスクに適した多様性の水準を維持し、グリッドサーチで選ばれた最良の目標値をもつDiCoおよび目標による制約を受けないDiCoと同等以上の平均性能を示しました。
説明SkillScaffold：方策適応型スキル信用割当と選択的注入によるエージェント型強化学習の足場
要約本論文は、多ターン対話を行う大規模言語モデルのエージェント型強化学習のための SkillScaffold を提案している。結果が検証された学習軌跡から候補スキルを生成し、結果を考慮した尤度比較で効用を低コストに推定する。その効用に基づき、スキルを注入するか、どれを注入するかを決め、有用な候補がない場合はスキルなしで実行する。ALFWorld などの四つのベンチマークで基線を上回る結果が示され、コードも公開されている。
注目点候補スキルの効用を環境ロールアウトではなく尤度比較で推定し選択的に注入する点は既存手法の実質的改良で、四つのベンチマークで強いベースラインと比較し消融も行っている。
説明位置合わせは表現の問題である：全身PET/CT位置合わせの解決
要約本論文は、生の画像強度ではなく、解剖学の相補的な表現を用いて画像間の対応関係を確立する手法を提案しています。3D基盤モデルanatomixによる各ボクセルの意味表現と、既存のセグメンテーションモデルによる大まかな解剖学的ラベルを組み合わせ、GPUで高速化された反復型ソルバーFireANTsで多段階の位置合わせを行います。また病変ごとの体積保存手法も設計され、タスク固有の学習なしでLearn2Reg 2026 PSMAReg Challengeで1位を獲得しました。
説明λ0：オープンワールドの一人称人間データを拡張し、ヒューマノイドの全身移動・操作を学習する研究
要約本論文は、一人称視点の映像と同期した身体・手の動きを含む500時間の人間データセットHumanVerseを提案しています。人間からヒューマノイドへの変換パイプラインで視点と腕の外観を合わせ、動作参照とコントローラ入力をオフラインで補正します。このパイプラインを基に構築したλ0は、SIMPLEで90.0%、実世界の移動・操作タスクで62.5%の成功率を示したと報告されています。
説明SEAR：自己進化するエージェント型ロボティクスの枠組みとベンチマーク
要約本論文は、言語モデルのエージェントが自律的にロボットの能力を改善できるかを評価する枠組み・ベンチマーク SEAR（Self-Evolving Agentic Robotics）を提案している。エージェントは、コードを方策とする方式、制御ループ内で直接動作する方式、視覚言語行動モデルを微調整する研究者としての方式の三つのモードで実行され、単なる試行回数の増加と真の経験の蓄積を区別する対照実験が設けられている。七つの最先端言語モデル、330 件のシミュレーションタスク、5 件の実機タスクで検証され、学習効果は時間予算と課題の難易度に依存し、制御コードや共通ルーチンはタスクやシミュレータを越えて転移することが示された。
説明自律性の前に信頼を：危機対応におけるエージェント型リモートセンシングの再考
要約本論文は、エージェント型リモートセンシングの自律性は仮定されるのではなく、実証された信頼性・認識的誠実さ・検証可能性に応じて段階的に与えられるべきだと主張します。査読付き論文12件のベンチマーク研究を証拠としてメタ分析し、多くが反復実行、回答不能なタスク、校較の評価を欠いていることを示しています。さらに、地球観測（EO）タスク向けの3つの信頼特性、自律性のはしご、過去の緊急事態データの再生による準備プロトコルを提案し、現時点では支援的役割のみが妥当だと結論づけています。
説明SituHOI：シーン内の全身人物・物体インタラクションを拡張可能に収集するデータセット
要約本論文はSituHOIという大規模RGB-Dデータセットを提案しており、16の屋内部屋で撮影された18,429本の注釈付きクリップ、約86時間の活動を含みます。単一の移動RGB-Dカメラによる録画に、静的なシーンスキャン、物体形状、言語記述、推定された人体と物体の軌跡が組み合わされています。あわせて、目標条件付きの同時運動予測ベンチマークFlexHOI-Benchと参照モデルSharedHOIが示され、MoCapのサブセットで人体のG-MPJPEが195.4mmから68.3mmに低下したと報告されています。
説明LLMアンサンブルの効果はどこから来るのか：候補の価値、多様性、集約の分解
要約この論文は、大規模言語モデルのアンサンブルで得られる効果の由来を、直接生成、単一候補、候補の重複、複数候補の各条件を比較して検証しています。全体の効果は、対照条件に応じて追加候補の比較と候補文脈の比較に分けられると示しています。MultiHopRAGとFRAMESでの対応のある比較結果も報告しています。
説明軽く詰めて、引き継ぐ：長期タスクエージェントのためのオブジェクト指向コンテキスト構築（CarryOn）
要約本論文は、オブジェクト指向のコンテキストランタイム「CarryOn」を提案し、履歴ではなく再利用可能なタスクオブジェクトを中心に長期タスクの継続を構成する手法を示す。履歴が退避された後も、証拠や環境チェックに基づいて継続キャリアの記録を更新する。OSWorld 2.0 と BrowseComp-Plus での実験では、それぞれ 5.8% と 7.0% の向上を示し、総トークン使用量は 51.9% と 22.9% 削減されたと報告されている。
説明BLADE：LLMマルチエージェントシステムにおける故障原因特定のための情報利用監査手法
要約LLMマルチエージェントシステムは役割分担による協調で能力を拡張しますが、協調により故障の診断は難しくなります。本論文は、学習を必要としないBLADEを提案します。情報の出所を追跡するだけでなく、その利用を監査し、誤りの導入・伝播・修復を区別して、責任のあるエージェントと決定的な誤りのステップを特定します。1,228件の失敗実行（Who&When関連の5サブセット）において、参照解答なしで、評価した8つの戦略のうち最高または同率最高のステップ精度を達成し、All-at-onceを2.2～11.1ポイント上回りました。
説明GAD：一貫性のある動画生成のための幾何注意蒸留
要約動画拡散モデルは短い映像を鮮明に生成できますが、時間が経つとシーンの幾何や物体構造を保つのが難しい場合があります。本論文は、凍結された幾何モデル（geometry model）の注意から得たフレーム間の対応関係を動画モデルの注意へ転送する手法、Geometry Attention Distillation（GAD）を提案します。3種類の動画バックボーンで、長距離のシーン一貫性と動的な時間的一貫性が向上したと報告されています。Wan2.2 5Bでは、2つの長距離ベンチマークでWanベースラインに対し、フレーム間マッチング精度が少なくとも30%向上しました。推論時に追加のモジュールは不要です。
説明Jeva：第一原理から設計したシステムワン・モデル
要約本論文は、低遅延で直接的な意思決定を行うシステムワン型モデルJevaを提案しています。著者らは、テキストから答えを予測する既存の手法が決定問題の構造を十分に反映していないと主張し、答えの不在と候補間の不確実性を区別すること、選択肢の並べ替えに影響されないこと、候補数の増加に対応できること、リクエスト間で計算を再利用できることという四つの要件を挙げています。Jevaはこれらを同時に満たす設計で、評価では型付きの意思決定で高い性能を示し、候補が多い場合も遅延を大きく減らせると報告されています。
説明FeTS++連合学習による腫瘍のセグメンテーションと分類のチャレンジ：データを共有せずに医用画像モデルを訓練する競技会
要約本論文は、連合学習を医用画像分野で用いるチャレンジ FeTS++ を紹介しています。各機関でモデルを局所的に学習させ、データは機関外に出しません。BraTS 2025 の多機関多パラメータ MRI データを基に、神経膠腫と髄膜腫を対象とし、セグメンテーションと分類の2課題があります。提出手法はモデルの有用性と効率性を考慮した総合スコアで順位付けされます。
説明MIST：組織病理画像から遺伝子発現を予測する多スケール空間文脈モデル
要約本論文は、通常のH&E染色画像のみから空間遺伝子発現を予測するためのMIST（多文脈空間Transformer）を提案しています。標準の自己注意に加え、各層で空間k近傍による局所経路と全スライドの要約を用いる経路を組み込み、全スポットを一度の順伝播で予測します。HEST-1kの6つのヒト臓器コホートにおいて、複数の遺伝子パネルサイズで平均Pearson相関が最強のベースラインを上回り、留保臓器への転移やドメイン復元でも優れた結果を報告しています。
説明タスクから採点基準を導き、証拠から判定する：ツール拡張型審判による点単位の採点基準報酬モデル
要約本論文は、指示のみから硬いルールと段階的原則を導き、ツールを用いて各応答を独立に評価する点単位の採点基準報酬モデルReVeRを提案する。学習はラベルを見ない蒸留で行われ、大規模なReVeR-Tracesデータセットが作られた。実験では、平均選好精度において対比較型の採点基準モデルを上回り、特に指示遵守で差が明確で、テスト時スケーリングや下流の方策最適化でも優れていた。
説明LayerCanvas：AI学習アシスタントにおけるハイブリッド・レイヤーセット拡散によるインフォグラフィック生成
要約この論文は、オンライン学習プラットフォームのAIアシスタント向けに、インフォグラフィックを自動生成するLayerCanvasという手法を提案しています。意味・構造・文字組みはSVGで保持し、非テキスト部分の見た目を拡散モデルで整えます。要素を重なりのない階層順のレイヤー集合に分けて個別に生成し、決定的に合成します。論文によれば、文字の忠実度は先進的なラスター画像生成モデルより高く、全体の美的品質も最も高いとされ、非破壊的な編集、現地化、素材の再利用、アニメーションにも対応します。
説明完全に見えることは根拠があることと同じではない：人間が作成した状況報告に対してLLMの災害速報を評価する
要約本論文は、専門の人道支援状況報告から15項目の情報スキーマを抽出し、5つの災害と3種類のハザードにわたる121件の人間作成報告と261件のLLM生成報告を評価しています。Cyclone Idaiでは最良のモデルが人間の上限をわずかに上回りましたが、その差は統計的に有意ではありません。また、評価指標の一部も有効性に疑問があることが示されています。
説明判定を超えて：検証可能なフィードバックを伴うエージェント型コード評価
要約本論文は、大規模言語モデルのテスト時スケーリングにおいて、公式提出回数を消費せずに、問題文とソースコードのみから候補プログラムを評価・診断する課題を提案します。検証可能な反例を証拠として用いる点が特徴です。著者らはUSACO 2026のコンテストからUSACO-JUDGEを構築し、強化学習で35BのMoE型検証器ARBITERを訓練しました。誤ったプログラムに対する反例の成功率と二値判定の正解率が向上し、コード選択や改良でもベースラインを上回りました。
説明PreciseCoder：単体テスト報酬を超えた、忠実で汎化可能なデバッグ手法
要約論文は、単体テストの合格だけを強化学習の報酬にすると、モデルはデバッグ時により多くの編集を行い、正しいコードにもバグを幻覚してしまうことを指摘します。著者らは、意味的に検証された局所的な編集に対する信号を単体テスト報酬に加えるPreciseCoderを提案しています。4B、9B、27Bモデルで、平均編集行数は7〜15行から3行に減り、合格率は単体テストのみでの学習と同等でした。
説明ゲージ同変グラフニューラルネットワークに現れるループ幾何構造
要約本論文は、ゲージ同変グラフニューラルネットワークが再帰的な局所メッセージパッシングによって生成する閉じた格子経路の統計的集合を、ネットワークの学習とは独立に調べている。解析と数値計算により、経路の長さは空間的な広がりよりはるかに速く増加することが示されている。フェルミオン観測量のループ展開が、この階層構造の物理的解釈を与えている。
説明マルチモーダル物体検出のための文脈認識ベイズ融合
要約本論文は、自動運転における歩行者や道路利用者の検出を対象とし、雨や夜間などの悪条件で検出性能が低下する問題に取り組む。確率的キャリブレーションの枠組みに軽量なゲーティングネットワークを組み込んだ、文脈認識型のマルチモーダル後期融合手法を提案する。ゲーティングネットワークは環境の文脈を推定し、事前学習済み検出器の出力を再学習なしで動的に調整する。霧の度合いを変えて拡張した改変KITTIデータセットでの評価では、非適応型の後期融合基準と比べて約14%の相対的改善を示し、各霧レベルで平均精度56%を安定して達成した。
説明レート転送法：確率微分方程式を用いた確率的勾配降下法の収束速度解析
要約本論文は、確率微分方程式（SDE）に対する有限時間のリャプノフ評価を、確率的勾配法の有限時間収束上界へ変換する「レート転送法」を提案している。一般的な積率条件と滑らかさの条件の下で、確率的勾配法の収束解析は、SDE のリャプノフ生成作用素の不等式を検証する計算問題に帰着される。この手法は古典的な確率的勾配法の既知の収束速度を再現し、新しい最適化アルゴリズムの収束速度の解析にも利用できる。
説明オフポリシーRLVRにおける近位KL正則化によるトークン単位の重要度サンプリングの実現
要約本論文は、検証可能報酬による強化学習（RLVR）で生じるオフポリシーデータの問題に取り組み、PPOのクリッピングを有界な将来KLクレジットに置き換えるProximal KL手法を提案する。トークン単位の重要度重み付けを用いて理論的な収束性を示したうえで、Qwen3-1.7BおよびQwen3-4Bでの比較実験を報告している。原文によれば、数学ベンチマークの平均精度でGRPOを上回り、周期的更新実験ではPGやCISPOで見られた崩壊を回避したとされる。
注目点PPOのクリッピングを将来のKL信用に置き換え、正確な近接最適化器の唯一の定常性を示す点は新規性が高い。複数の比較と消去実験で裏付けられ、RLVR分野に実用的価値がある。
説明WiFi信号による隠し持った拳銃の検出
要約従来のカメラ監視は遮蔽された脅威や隠された武器を検出できず、金属探知機は一人ずつ狭い入口を通る必要があるため、大人数の場面では混雑が生じやすいという限界があります。本論文は、WiFi信号から推定したチャネル状態情報（CSI）を用いて隠し持った拳銃を検出することを提案しています。WiFi信号とRGB画像を対応付けたデータセット「WiFire」を収集し、視覚ベースの教師信号で学習する深層学習モデル「WiFireNet」を提案しています。結果として、WiFiでの検出は可能であり、監視カメラや金属探知機の補完手段になりうるとしています。データセット、モデル、コードは公開されています。
説明SP²ec：視覚言語モデル向けの適応型自己投機的デコーディング手法
要約本論文は視覚言語モデルの推論高速化を扱い、学習を必要としないバンディットアルゴリズムSP²ecを提案します。生成中に草案構成を動的に調整し、既存の自己投機的手法に見られる単峰型のスループット特性を利用します。Qwen2.5-VL-7B-InstructとLLaVA-NeXT-Mistral-7Bでの実験では、元の自己投機的手法に対して最大11%の改善が示されています。
説明いつ転移すべきかの学習：新しい製造分野における炭素フットプリント推定のための強化学習
要約製造業者は新しい材料や工程を扱う際、十分な運転データが得られる前に既存の生産データを活用したいと考えますが、無差別な再利用は負の転移を招く恐れがあります。本論文は、報酬によって各転移の機会を教師あり手法と比較して選択する強化学習手法を提案し、検証ゲートにより転移予測が目標データのみの手法を上回る場合にのみ採用します。729件の押出積層造形実験（5種類の材料）で、平均テストRMSEは部品あたり5.2 g CO2eでした。
説明「見ている場所」をセグメントする：言語モデルとセグメンタをつなぐインターフェースとしての注意
要約論文は、言語でセグメンテーションを行うVLMが、対象の位置を単一の[SEG]トークンの隠れ状態に圧縮し、空間情報を失っていると指摘します。著者らは、そのトークンが画像パッチに向ける注意の方が優れた位置信号を持つことを示し、それをデコーダの空間プロンプトとして用いるAttnSegを提案します。Sa2VAでの適用により、ReasonSegやGS-Evalで明確なgIoU向上が報告されており、部品や複数物体、単一物体の場面で効果が大きいとされています。
注目点[SEG]隠れ状態の代わりに注意マップを分割プロンプトとして用い、二段階学習で多数のベンチマークに明確な改善を示した。
