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。
説明自然言語オートエンコーダの監視可能性：同定と識別
要約本論文は、言語モデルの監督に用いる自然言語オートエンコーダ（NLA）を検討する。説明器が活性化ベクトルを英語で説明し、再構成器がその説明からベクトルを復元する。著者らは学習と監督運用を異なる指示ゲームとして定式化し、公開されたチェックポイントで、真の説明は他の活性化の説明より常に優れるが、一つの主張だけ異なる流暢な偽の説明には60.2%しか勝てないことを示した。
説明音声基盤モデルの言語選択的次元によるコードスイッチング検出
要約コードスイッチング（一つの発話内で言語を切り替えること）は多言語音声に多いが、事前学習コーパスでは十分に扱われていない。本論文は、単一言語の録音を用いて事前学習済み音声エンコーダの言語選択的な隠れ状態次元を特定し、フレーム単位の活性化を集計してコードスイッチングを直接音声から検出する軽量な手法を提案する。CS-FLEURS の14言語対での平均 F1 は Whisper-small エンコーダが 0.798 で、CNN の 0.776、HuBERT 線形ベースラインの 0.751 を上回った。
説明ソース構造の学習：Transformer によるベイズ予測
要約ソースのパラメータを毎回新たに抽出した系列で学習させた Transformer は、系列間で共有される情報、すなわちソースの族と事前分布しか学べないことを論じています。著者らは、族と事前分布だけから計算できる「情報付きベイズ予測器（informed Bayes）」を定量的な検証可能な基準として提示します。最大 64 記号のマルコフソースで実験し、この予測器が Transformer の振る舞いを複数のテストで予測できること、小型モデルは構造が見えている場合に一致することを示しています。
注目点「informed Bayes」を検証可能な基準とし、学習後Transformerの分布外・混合・複製などの4つの挙動を最大64記号のマルコフ源で定量的に予測している。
説明AIRRI：人間には読みやすく、機械には読み取りにくい読解インターフェースに向けて
要約本論文は、機械による読み取りに抵抗する教育用コンテンツを生成するフレームワークAIRRIを提案し、高等教育の課題データセットで評価しています。文字間隔や行間の変更、透明度の変化などの画像変換と、RayS・SurFree・ADBAという決定ベースの敵対的攻撃を組み合わせています。評価では、Tesseract、EasyOCR、GOT-OCR2による文字抽出の精度が大きく低下したと報告されています。
説明平面グラフにおける共謀回避型教授法の研究：閉近傍概念クラスの教授次元の上界と計算複雑性
要約本論文は、Goldman–Mathiasの共謀回避基準を満たすモデルの中で、非衝突教授次元（NCTD）とVC次元の関係を調べています。これは学習理論における未解決の基本問題です。平面グラフの閉近傍概念クラスについて、NCTDの厳密な上界が2であることを示し、この族で予想された不等式を確立しています。正例のみを含む変種NCTD+では厳密な上界4を得ています。さらに、NCTD+またはNCTDが1以下かを判定する問題はNP完全であることを示しています。
説明数本の人間の動画で方策を微調整するSteertuning
要約本論文は、5本の人間のデモンストレーションから新しい環境で新しいタスクを学習できるようにするSteertuningシステムを提案しています。約100時間の人間の一人称視点データで4億パラメータの拡散方策を事前学習し、新タスクのデモで約2分間微調整します。推論時には、部署環境の観測に最も近いデモを使って行動を誘導します。12の新環境・12タスクで成功率71%を報告しています。
説明学習不要で報酬モデルからトークン単位の報酬を取り出す手法
要約本論文は、既存の深層報酬モデルから追加学習なしでトークン単位の報酬信号を取り出す手法を提案しています。一階テイラー近似と勾配を用いて各トークンの影響を推定し、前向きと逆向きの計算を1回ずつ行うだけで済みます。推論ベンチマークでは、結果報酬と比べて MathVista で +4.9%、AIME24 で +11.5% の向上が報告されています。
説明UniW(A)M：世界モデルと世界-行動モデルを統一する混合専門家フレームワーク
要約世界モデルは将来の状況予測を、世界-行動モデルは実行可能な行動生成をそれぞれ担うが、通常は別々に学習され、予測と制御の間で知識を再利用しにくい。本論文は拡散Transformerに基づく混合専門家モデルUniW(A)Mを提案し、行動条件付き世界モデリングと複数の世界-行動モデル派生形を統一する。さらに、バックボーンを固定したまま各実行チャンクに適切なインターフェースを選ぶプラグイン型の適応インターフェースルーターPAIRを導入する。実ロボット操作3課題での平均成功率は88.3%で、最強のベースラインは76.7%だった。
説明CryoTracer：クライオ電子顕微鏡における線維状構造のインスタンス追跡のための合成から実データへの手法
要約クライオ電子顕微鏡では粒子の検出としてバウンディングボックスで扱われることが多いが、顕微鏡写真全体に広がる線維状構造には適さない。本論文はCryoTracerを提案し、手続き的に生成した顕微鏡画像での事前学習、Transformerによるポリライン予測、限られた実験画像での微調整を組み合わせる。線維は順序付きの中心線ポリラインとして表現され、追跡方向に依存しない離散Fréchet目的関数で最適化される。既存および新たに注釈付けされたデータセットで、既存の粒子検出手法より実例レベルの線維回収が改善したと報告されている。
説明更新間隔だけでは更新スケジュールは決まらない：Kronecker前処理付き言語モデル学習における学習率依存の配置
要約この論文は、Kronecker前処理付き最適化手法で曲率の固有分解を周期的に更新する際、更新回数が同じでも更新のタイミングによって同じ計算量でも検証損失が変わることを示す。GPTスタイルのモデル（Mousse最適化器）をFineWeb上で学習させたところ、学習率が上がると2つの配置の優劣が入れ替わったため、単一の学習率での比較では結論が逆になりうる。著者は更新スケジュールを完全に報告し、実際に使う複数の学習率で比較することを提案している。
説明GeoReader：視覚言語モデルの空間推論のための、読み取れる潜在幾何表現の学習
要約本論文は、RGB画像に暗黙的に含まれる距離や多視点間の関係を視覚言語モデルが扱いにくい問題に取り組み、GeoReaderという枠組みを提案します。軽量な幾何リーダーが連続的な入力トークンを生成し、凍結された視覚言語モデルが復号した幾何記述で学習させることで、対象モデルが読める形で幾何情報を表現します。推論時は幾何の思考連鎖を生成せず連続的な幾何トークンから直接回答し、MindCube-Tinyなどの空間ベンチマークで高い精度を報告しています。
説明任意の対称性をもつ分子のクライオ電子顕微鏡画像における配向推定を半正定値計画法で行う研究
要約本論文は、Bandeira ら（2020）の非一意ゲーム枠組みを対称構造へ拡張するものです。対称要素を含む配向推定問題を、半正定値計画法による緩和で凸最適化問題に変換し、交互方向乗数法で解きます。特定の対称群ごとに作られた既存手法と異なり、すべての点群対称性に共通の計算枠組みを提供します。シミュレーションと実験データで検証を行い、実験画像から得た少数のクラス平均からでも高品質な初期モデルを生成できることを示しています。
説明「Just Respect the Semantics」：意味に基づく画像トークン圧縮手法（Varest）
要約本論文は、マルチモーダル大規模モデルにおける画像トークンを、意味を損なわずに圧縮する手法Varest（ヴァレスト）を提案しています。LLMへの入力前に、物体やテキストの領域を手がかりとして可変解像度で統合し、デコーダの初期処理後に学習された[REL]レジスタによって視覚トークンを枝刈りします。3種類のバックボーンと13のベンチマークで評価され、15の基準手法を上回る平均性能保持率を示し、全トークン時の86.10〜92.33%の性能を、層平均で元の5.56%の画像トークン数で維持したと報告されています。
説明RSIgen：エージェント型視覚生成のための相互自己改善フレームワーク
要約本論文は、エージェント型の視覚生成を対象とする RSIgen を提案します。動的責任ルーティング（DRR）で、エージェントと生成器のどちらが学習すべきかを判定し、生成器の更新後にエージェントの行動監督を更新して、そこから再帰的なカリキュラムを構築します。BAGEL、Qwen-Image、Wan-Image-7B において、行動コストを伴う三サイクルの SearchGen 改変版と比べ、AgentGen-Bench Full Overall9 で 3.2〜3.3 ポイント向上しました。実ユーザーの200件の依頼による盲検評価では、タスク完了と視覚品質の優先スコアがそれぞれ 70.0% と 64.9% でした。
説明RadarGSOcc：4Dレーダーテンソルと幾何・意味特徴抽出を用いたドップラー対応の3D意味占有予測
要約本論文は、4Dレーダーテンソルを直接処理する効率的なフレームワークRadarGSOccを提案します。ドップラー情報を含む幾何特徴と意味特徴を個別に抽出し、変形可能注意機構に基づく幾何精緻化モジュールを中核としています。また、K-Radarデータセットと精緻化されたLiDAR由来の注釈からなる初の大規模ベンチマークK-Radar 3DSemOccを構築しています。51.2mの範囲で15クラスを予測し、加重mIoUで従来のRadarOccを上回りました。
説明利用者を知ることは、合意済みの取り決めを知ることではない：パーソナルエージェントにおける合意認識
要約本論文は、パーソナルエージェントの記憶研究が利用者の知識・好み・要望の学習に偏っていると指摘し、利用者を知っていることと、利用者とエージェントが共に確立した取り決めを知っていることは同じではないと論じます。著者は、受理・未確認・修正・適用範囲限定の取り決めを区別する能力として「Grounding Awareness（合意認識）」を提案し、受理された提案と未受理の提案を見分けられるかを検証する制御されたベンチマークを構築しました。その結果、記憶性能が高くても合意認識が保証されないこと、また未確認の提案が記憶されることで利用者の指示として扱われる場合があることが示されています。さらに、モデルや記憶システムを変更せずに合意状態を追跡し、重要な行動を確認する軽量な拡張「Grounding Layer」を提案しています。
説明ProAS：マルチターンのエージェント強化学習のための進捗認識型アドバンテージ整形フレームワーク
要約論文は、GRPOなどの批評家なし強化学習が軌道レベルのアドバンテージを全行動に一律配分するため、信用割当が粗いと指摘しています。著者らは、動的に進化するエージェント参照グラフ（ARG）を用いて、不合理な報酬の遮蔽（MUI）と非対称な罰則の再配分（APR）により細粒度の信用割当を行うProASを提案しています。ALFWorldとWebShopでの実験では、基準手法の性能向上と学習収束の高速化が示されています。
注目点進捗認識型のアドバンテージ整形を提案し、動的参照グラフで細粒度の信用割当てを行う。ALFWorldとWebShopで複数ベースラインと比較して有意な改善を示す。
説明生成的軌道計画によるモデルベースのオンライン意思決定
要約本論文は、オンライン意思決定のための生成的軌道計画（GTP）という枠組みを提案しています。行動系列の提案分布として生成モデルを用い、拡散事前分布から候補系列をサンプリングして、学習済みの動力学・報酬・価値モデルで改良します。連続制御と長期的な操作タスクにおいて、GTPは既存の無モデル、拡散方策、モデルベースの基準手法と同等以上の性能を示し、強い基準手法が劣化する条件でも安定していると報告されています。
説明関係固有のヘッドから共有介入へ：言語モデルにおける文脈的引き込み（contextual entrainment）
要約この論文は、大規模言語モデルが後の質問に答える際に、前の文脈にある無関係なトークンを再利用してしまう現象（文脈的引き込み）を調べています。注意ヘッドを切除して引き込みが減るかを検証し、同じ意味ファミリー内・異なるファミリー間・混合関係での回復能力の移転を比較しています。多くのヘッドは関係サブタイプを変えても繰り返し再発見され、共有介入によって有害なコピーを減らしつつ、通常の関係補完や単純な文脈内能力を保てることが示されています。
説明SMI：オントロジーに基づく意味IDによる階層を考慮した医療概念表現
要約arXiv（cs.CL、cs.AI）に掲載された論文で、学習を必要としないSMIフレームワークを提案しています。専門家が定義した医療オントロジーに沿って、診断・処置・薬剤などの概念に粗いものから細かいものへの意味IDを割り当て、凍結された生物医学言語モデルの埋め込みを階層ごとに集約します。MIMIC-IVとeICUでの臨床タスクの結果が報告されています。
説明見えない領域まで捉える知覚：ロボット自律のための不完全性を考慮したシーン理解
要約本論文は、遮蔽、未知の物体との遭遇、センサーの劣化といった状況で生じる知覚システムの不完全性に取り組む、ロボット自律に向けた研究構想を提示しています。著者は、証拠の不完全性、知識の不完全性、センサー信頼性の不完全性という三つの課題を軸に、非可視領域の知覚、意味的占有予測、オープンワールドでのシーン理解、少数ラベル学習、不確実性に基づくマルチモーダル融合などの研究を紹介しています。さらに、幾何・意味・運動・不確実性を統合的にモデル化する信念中心の4Dシーン表現や、対話的な能動センシングと安全な適応による今後の方向性を述べています。
説明既知の声のクローニングとキャラクター設計における人格転移の限界
要約本論文は、仮想キャラクターが馴染みのある人物のクローン音声で話すとき、その人物の性格に対する印象が移るかどうかを調べたものです。大学でのスタディ（学生になじみのある講師の声）とオンラインでのスタディ（ソーシャルメディアのクリエイターの声）の2つを行い、人格の転移の証拠は限定的で、特性や状況によって効果が異なり、一般化できないことを示しています。クローン音声が人々を、仮想キャラクターを有能な社会的行為者とみなすよう直接操作するとは限らない、という結論です。
説明PlanPath：患者単位の病理推論のための探索誘導型オーケストレーション手法
要約本論文は、患者単位の病理視覚質問応答（VQA）を行うエージェント型フレームワーク PlanPath を提案しています。質問を、必要な根拠を指定する探索計画に変換し、その根拠を含みそうなスライドを選び、組織構造から個々の細胞まで段階的に情報を取得します。組織・細胞レベルのツールが得た数や割合、範囲を複数スライドにわたって集約し、追跡可能な回答を作成します。腎がんと胃がんの2つのデータセットでの総合精度は、最強のベースラインをそれぞれ9.4%と12.1%上回ったと報告されています。
説明仮想合金の物理認識意味システム：ペロブスカイト太陽電池の外挿予測
要約既存の機械学習モデルは、新しい材料で作られた素子の予測が困難です。本論文は、ペロブスカイト固溶体の物理的連続性に基づくV-PaSSを提案します。Vegardの法則により23種の純粋なABX3端点化合物の結晶グラフを補間し、層構成と界面バンドオフセット、科学言語モデルを組み合わせています。未見の研究室由来の試験素子での評価では、既定設定の平均絶対誤差は2.861%で、14の比較モデルの中で最も低い値でした。
説明BridgeTwist：学習不要の条件付きサンプリングのためのシュレーディンガー橋のねじり手法
要約本論文は、事前学習済みのシュレーディンガー橋（SB）生成モデルに対する学習不要の条件付きサンプラーBridgeTwistを提案します。回火（テンパリング）されたねじり逐次モンテカルロの枠組みを用い、SBの速度場とスコア場を組み合わせた端点予測器上で尤度を評価してねじり因子としています。初期ステップの影響は時間変化する指数で抑え、橋形の推論用拡散スケジュールを導入しています。論文では、クラス条件付きおよびテキスト条件付き画像生成で学習不要のベースラインを上回り、インペインティング、デブラリング、超解像では専用の逆問題ソルバーと競合すると報告しています。
説明弱い対話的フィードバックからタスクに沿った類似度をベイズ的に推論するテスト時手法
要約本論文は、訓練を必要としないBASIS（対話的信号によるベイズ的基準選択）を提案します。テスト時の弱いフィードバック（スコア、ペア比較、検証器の出力）を用いて、与えられたタスク固有の基準群のうちどの基準が現在の判断を支配しているかを推定します。目標と基準の同時事後分布を保持し、期待情報利得に基づいて探索を選びます。概念復元、推論用の例示選択、応答改善の各タスクで、調整済みの静的混合規則を上回りました。ただし、提供された基準の中から選ぶだけで、新しい基準は発見しません。
説明テクスチャ補間を「テクストン対応付け」として捉える：空間位置ではなく局所的な見た目の近さで要素を組み合わせる手法の研究
要約本論文は、2枚のテクスチャの間をどのように補間するかにおいて、要素の対応付け方法が結果に大きく影響するかを検討しています。従来の手法は空間的に同じ位置の画素や特徴を混ぜ合わせますが、著者らは局所的な見た目（テクストン）に基づく対応付けを提案し、エンコーダとデコーダは固定したまま比較しています。複数のテクスチャ組で中間画像の分布的な品質が向上し、ソフトな対応付けが最も強い効果を示しました。また、事前学習済みの別の補間モデルにも再学習なしで適用でき、改善が見られたと報告しています。
説明Kwai Summary Attention V2 技術報告：より柔軟な KV キャッシュ圧縮と注意計算の改善手法
要約本論文は Kwai Summary Attention V2（KSA V2）を紹介するもので、要約トークン型アーキテクチャ KSA の改良版です。KSA は遠方の文脈をチャンクごとの学習可能な要約トークンに圧縮し、完全注意（Full Attention）層と交互に配置します。著者らは、各層の圧縮チャンクが同一でなければならず柔軟な KV キャッシュ圧縮が難しいこと、また完全注意層では二次の計算コストが残ることを課題として挙げています。KSA V2 は、より柔軟なメモリ圧縮と完全注意層の計算削減を目指し、要約トークンが KV メモリとスパース索引の二つの役割を果たせることを見出したとしています。
説明AMemOps：長い音声ストリームにおけるメモリ更新の評価ベンチマーク
要約本論文は、長い音声ストリームで最新の属性を検索し、変化しない属性を保持し、存在しない音源を拒否する能力を評価するベンチマーク「AMemOps（Audio Memory Operations）」を提案しています。録音、学習時の話者・楽器の識別情報、過去のイベントが更新に与える影響を、対照実験で検証しています。テスト用楽器の他の録音で学習させると、参照用のデルタ則メモリは、対応する注意機構と比べた更新の優位性が13.4ポイント高まったと報告されています。
説明事前学習で化学言語モデルは本当に化学を学べるのか？
要約本論文は、大規模な分子コーパスで事前学習された化学言語モデル（CLM）の効果を体系的に調べ、64の分子特性予測データセットで評価しています。事前学習による下流タスクの性能向上は規模に比例せず、勾配ブースティングなどのベースラインを下回って頭打ちになることが示されています。従来の物理化学的記述子に基づく教師あり事前学習のみが一貫して性能を改善し、一部の事前学習方式はランダムに初期化したエンコーダより劣ると報告されています。著者らは、モデルが学んでいるのは記述子に似た性質と低レベルのトークン統計が中心で、古典的な分子特徴を超える化学知識はわずかだと結論づけています。
説明SPELUNKA：視覚言語モデルにおける想定外の関連を発見するフレームワーク
要約視覚言語モデルは学習データから誤った、または有害な関連を学習することがあります。検索タスクで想定外の関連を発見する手法はあまり研究されていません。本論文は、事前の注釈付きサブグループや人手による監督、モデルの微調整を必要としない推論時の自動フレームワークSPELUNKAを提案します。対象概念に関連する画像のキャプションを生成して実体を抽出し、モデル上位出力での出現頻度を全データセットの分布と比較する頻度ベースの規則で虚偽の関連を検出します。4つのデータセットでの評価では、合成および自然発生の虚偽相関を回復し、クエリと強く関連する画像の識別で平均AUROC 0.93を達成し、ベースラインを上回ったと報告しています。
説明小型再帰メッセージパッシング：小さなモデルで推論問題を解く手法
要約本論文は、再帰Transformerで用いられる深層教師あり学習、打ち切り再帰、テスト時推論の手法をメッセージパッシングニューラルネットワークに適用したものです。約1.6万パラメータのモデルでSudoku-Extremeのテスト精度が約99%に達したと報告されています。さらに、学習時より大きなN-queensやブール充足可能性問題へゼロショットで転移し、はるかに少ないパラメータで一般的なニューラルベースラインを上回ったとされています。
説明ST-GRU PredRNN-V2：GRUに基づき再構成した動画予測モデル
要約本論文は、PredRNN-V2の時空間LSTMユニットを、より単純な時空間GRUユニットに置き換えた動画予測モデルを提案します。新しいユニットは従来の3つのゲートを2つのゲートに減らし、時間メモリ状態を隠れ状態に統合したため、パラメータ数は約5%減少しています。Moving MNISTベンチマークでは、MSE 55.1、SSIM 0.883、LPIPS 0.065、PSNR 19.53dBを達成しました。MSE、SSIM、PSNRでは元のPredRNN-V2を上回らないものの、LPIPSは低く、PredRNNと同等の性能を示しました。
説明MultiAlloc：KVキャッシュ量子化のための予算対応精度割り当て
要約大規模言語モデルの推論では、KVキャッシュが大量のメモリを消費します。本論文は、固定のメモリ予算の下で、層単位の精度向上とトークン単位の保持の間に限られた量子化リソースを配分するフレームワークMultiAllocを提案します。軽量なオフラインプロファイリングで層の感度とトークンの重要度を把握し、オンラインでの探索なしに方針を適用します。Mistral、Llama、DeepSeek-Qwen、QwQなどのモデルで、同じメモリ予算の下で既存手法より優れた結果を示しています。
説明整合するか否か：学習前に COMPASS で互換性を確認
要約本論文は、モデルを整合（アライメント）またはマージする前に、2つの事前学習済みモデルが互換かどうかを推定する診断指標 COMPASS（互換性評価スコア）を提案している。指標は、2つのエンコーダー間の k-NN 重なり（ペア固有の容易さ）と、学習パラダイムが許す最大重なり（パラダイム上限）の2軸から成る。72 件のクロスモーダル整合実験と 392 件のタスク演算モデルマージで検証し、推定値が下流の成功と強く相関することを示した。
注目点k近傍重なりに基づく互換性診断COMPASSを提案し、72件の跨モーダル整合と392件の併合実験で下流結果と高相関を示した。
説明グリッドかノードか？部分観測下でのワールドモデルにおける物体記憶の検証
要約ロボットのワールドモデルは、カメラの視野から外れた物体も記憶しておく必要がある。本論文は、FloWMの自前のブロック環境で二つの方式を比較している。FloWMは五つの組み込み速度で動く特徴量グリッドに物体を保持し、もう一方はオラクル入力のカルマン追跡器で各物体の位置と速度を数値として保持する。対角運動など五つの速度の外側では、FloWMの検出率が大きく下がる一方、追跡器は高い検出率を保った。
説明DTScribe：ローカル大規模言語モデルによるデジタルツイン報告用モデルの生成
要約本論文は、ローカルの大規模言語モデルを用いてデジタルツイン文書から概念アーキテクチャの可視化と報告ページを自動生成するDTScribeを提案しています。文書から21の特性を持つ記述フレームワークに沿った情報を抽出し、オントロジー・モデリング言語（OML）で記述モデルを作成します。改良ループと本体推論により品質を高め、実務者向けの知見も示しています。
説明教師あり微調整の幾何学的キャリブレーション：学習不要の事後補正手法
要約本論文は、教師あり微調整（SFT）の後に、微調整前の重みの主部分空間に沿って更新成分を選択的に巻き戻し、直交補空間の成分は保持する軽量な事後手法SPACEを提案しています。データも学習も不要で、微調整前後のチェックポイントのみを必要とします。Qwen2.5、Qwen3、Qwen3.5、Llama-3.1、Olmo-3の2Bから14Bのモデルで評価され、ドメイン外の能力低下を抑えつつ、ドメイン内性能も向上させたと報告しています。
説明会話参加の分解：会話フロアとF字型配置検出を組み合わせたマルチモーダル共同分析
要約本論文は、自由に立って行う会話における会話参加の度合いを研究し、F字型配置（F-formation）と会話フロア（conversation floors）という二つの操作化を比較している。発話状態から会話フロアを推定し、異なる特徴量セットによる空間的検出結果を分析したうえで、空間特徴と会話フロアのパターンを組み合わせて共同分析を行っている。著者らは、F字型配置だけでは一つの会話を捉えるには不十分であり、より詳細な理論と枠組みが必要だと結論づけている。
説明虚偽申告に強い非市場型資源配分メカニズム
要約操作可能な特性に基づいて資源配分の対象を決めると、虚偽申告と配分の非効率が生じやすい。本論文は、幅広い虚偽申告の技術のもとでの最適な虚偽申告耐性のあるルールを特徴づけている。また、配分上の余剰と参加者の厚生の加重和を最大化する計画者の無制約問題を、それらのルールが解くための誠実性条件も示している。
説明MajorTOM:Elliot Pretrain――地球観測向けのマルチセンサー・マルチテンポラル事前学習データセット
要約本論文は、地球観測の基盤モデルを事前学習するためのデータセットMajorTOM:Elliot Pretrainを紹介しています。Major-TOMグリッドから抽出した10kmのタイル279,166枚を収録し、Sentinel-2、Landsat-8/9、Sentinel-1など複数のセンサーデータと、雲マスク、OpenStreetMap、ERA5気象データを統合しています。タイルは単一時点、月次、30日以内の連続観測の3種類の時間モードに分けられ、総容量は6.3 TBです。OlmoEarth-Baseによる短期事前学習実験で、各設計の効果を検証しています。
説明点ごとのCATE推定における最小最大収束率：設計の滑らかさの役割
要約本論文は、固定された共変量の点で条件付き平均処理効果（CATE）を推定する際の最小最大推定に、設計密度（共変量分布）の滑らかさがどう影響するかを検討しています。上下に有界で零から離れた設計密度について、収束率の指数に任意に小さなずれを残す上下のリスク界を導出しています。一様設計の下、交絡関数の滑らかさが低い場合には内点で上下界が一致することを示しています。その結果、処理効果と交絡関数の滑らかさが同じであっても、粗い共変量設計は一様設計より遅い収束率をもたらしうることが分かります。
説明決定論的予測を全体速度として扱う：確率的時系列予測のためのフローマッチング（DV-Flow）
要約本論文は、時系列予測における不確実性の定量化を対象に、統一的なフローマッチング手法DV-Flowを提案しています。決定論的予測器を輸送経路の終点ではなく並列の速度成分として組み込むことで、安定したエンドツーエンドの最適化を可能にし、既存の定式化を特殊例として包含します。六つの実データセットでの実験により、強力なベースラインに対して確率的予測性能が一貫して向上することが示されています。
説明内受容感覚の優先順位付けの二つの経路：能動的推論における尤度精度と選好の再重み付けの分離
要約本論文は、能動的推論において、身体的な緊急の欲求に対処するエージェントの二つの方法を比較しています。一つは欲求に関する情報の精度を高めること、もう一つは欲求を満たす結果への選好を高めることです。三つの致命的な欲求がある採餌グリッドワード環境で実験を行い、生存率、知覚、学習される身体モデルへの影響を検討しています。精度の向上は生存率を改善し、選好の再重み付けは身体状態を致命的な境界から遠ざけ、学習される状態を変化させます。
説明知識グラフをファイルとして扱う：ツール作成と利用が共進化するエージェント基盤
要約本論文は、言語モデルのエージェントが完全なノード・エッジファイル上で直接グラフアクセスツールを作成する「直接知識グラフ相互作用（DKGI）」の枠組みを提案している。エージェントはPythonコードで関係をたどり、テキスト証拠を選択する。三つの領域のベンチマークでは、学習なしのDKGIが、すべてのグラフで既存の最強ベースラインを少なくとも6.7 Hit@1ポイント上回ったと報告されている。著者らは、グラフ探索においてツールの作成と利用が共に進化することの有用性を示している。
注目点エージェントが完全なグラフファイル上で直接アクセスツールを作成し利用を共進化させる手法で、強いベースラインを上回る対照実験があり、影響は主に特定分野に限られる。
説明VideoJev：映像の理解と対話のための単一モデル（System One パラダイム）
要約本論文は、映像の理解と対話を構造化された意思決定タスクとして統一する VideoJev を提案している。事前学習済みのマルチモーダル大規模言語モデルに、自己回帰デコードの代わりに、時間区間と選択肢を映像の根拠に照らしてスコア化する共有ヘッドを組み込む。キャッシュ推論と同時推論により視覚計算を再利用する。3つの時間的グラウンディングベンチマークでは平均 mIoU がバックボーンより 6.7 点（4B）と 10.8 点（35B-A3B）向上し、推論は 2.8〜3.1 倍高速化した。4つの映像 QA ベンチマークでは、思考モードのバックボーンと同等の性能を示し、推論は 100 倍超高速化したと報告している。
説明エージェントは自らの失敗を予測できるか：LLMエージェントにおける結果に基づく信頼度キャリブレーション
要約本論文は、LLMエージェントが各ステップで述べる信頼度を、現在の一手の正しさではなく、多段階タスクの最終的な成否に合わせて校正する手法を提案します。GRPOでは同一タスクの複数の試行が成功ラベルを与えます。ALFWorld、TextWorld、WebShopでの実験では、信頼度と結果のAUROCが約0.68〜0.85に上昇し、在線学習では予測校正誤差が0.42から0.12未満に下がったと報告しています。
説明自己蒸留は推論能力を高めるか——SDPOとOPSDの再検証
要約本論文は、コード、科学、ツール利用、数学の推論タスクにおいて、二つの自己蒸留手法SDPOとOPSDを再検証しています。報告された性能向上は未見の問題へ一貫して一般化せず、特権情報の有効活用よりも、過学習や既存の推論挙動の転移によって主に説明されると指摘しています。実験はQwen3（1.7B〜14B）とOLMo-3-7Bで行われ、特権情報を使って推論を改善する方法は未解決の課題だと結論づけています。
説明Legal-R1：根拠に基づく法的推論のためのエージェント型検索フレームワーク
要約本論文は、法的質問応答において、回答が妥当であるだけでなく法的に有効で引用可能な根拠に基づくべきだとして、エージェント型検索フレームワーク Legal-R1 を提案している。法的推論を、律師（Lawyer）、法律補助（Legal Assistant）、裁判官（Judge）の三つのエージェントによるマルチエージェント・ワークフローに分解する。律師エージェントのみを、マスク付き教師ありファインチューニングと軌跡を考慮した強化学習で事後学習している。論文によれば、複数の中国語法律ベンチマークで、汎用モデル、法律特化モデル、検索拡張ベースラインを上回ったという。
説明Jev-ToM：型付き意思決定モデルにおける心の理論の評価
要約本論文は、5つの型付き意思決定モデルと7つの生成型ベースラインを、6つの能力グループにまたがる9つの心の理論ベンチマーク・英語テキスト問題11,117件で比較するJev-ToMを提案している。TypeSafe Jevはソースバランス精度73.2%（ネイティブ対照を含む）に達し、6つの能力すべてで1位または2位となった。また、置信度による選択、候補の拡張、関連質問の手がかりなどの影響も検討し、アシスタントへの統合に向けた課題を示している。
説明階層的視覚事前分布で DiT を極限画像圧縮に再設計する
要約本論文は、事前学習済みの拡散トランスフォーマー（DiT）を、ビットストリームに基づく一段階の生成デコーダとして再構成する PrismCodec を提案します。復号された表現は生成の出発点と、意味・構造の指針の両方に用いられます。段階的な適応戦略により、追加の条件ビットなしで受信表現から決定論的に再構成できます。Kodak、CLIC、DIV2K において、StableCodec と比べ LPIPS で約 70〜75%、DISTS で約 75〜81% の BD-rate 削減を示しています。
説明回答の多数決を超えて：サンプリングした推論トレース間のグラフ整合による大規模言語モデル推論の細粒度修正
要約本論文は、固定された推論トレース群から選択的に修正を行うフレームワークDDRG（推論グラフ誘導の不一致駆動型検証）を提案します。根拠に基づく主張グラフを構築し、局所的な矛盾を答えを見ない検証器に渡します。検証器が支持する反証が多数派の答えの支持経路に達した場合のみ一度の集中的な修復を行い、それ以外は自己整合性（SC）の投票結果をそのまま返します。5つのベンチマークで、ゼロショットのDDRGはQwen2.5-7BとLlama3.1-8Bにおいて、直接回答と比べマクロ平均精度をそれぞれ8.65および15.83ポイント向上させました。
説明回顧から予見へ：大規模言語モデルの臨床的証拠獲得能力を分析
要約本論文は、大規模言語モデルが動的な診断で重要な臨床的証拠を獲得できない理由を分析しています。証拠の特定、利用、そして診断の更新という過程を、診断精度に加え、証拠の網羅性、経過の動態、確率と情報エントロピーの観点から追跡しています。複数の検証実験により、こうした限界が広く見られることが示されています。論文は、課題の中心は臨床知識を持つかどうかではなく、正しい証拠を特定・獲得し効果的に用いられるかどうかにあると論じています。
説明LLM2R：大規模言語モデルによる3D部品再組立（大規模言語モデルから3D再組立器へ）
要約本論文は、LLM2Rを提案し、3D部品組立を系列モデリングとして扱います。事前学習済みのデコーダ専用大規模言語モデルを用い、各部品の剛体姿勢（回転と並進）を一度の順伝播で予測します。学習可能な要約トークンを末尾に付加し、固定のトークンコストで組立全体の情報を集約します。複数のデータセットで高い部品精度と成功率を示し、部品数が多いほど優位性が拡大すると報告されています。
説明AgentStripes：AIエージェント向けの証拠等級付き成熟度モデル
要約本論文は、AIエージェントの工学的成熟度を評価するモデルAgentStripesを提案しています。0〜7段階、12の工程領域と40の能力、3つのゲート、E0〜E5の証拠等級を定義しています。30の公開Pythonエージェントリポジトリに対する静的証拠のみの探索的評価では、最終段階が上限2に抑えられ、再評価で結果が変わる例もありました。パラメータは専門家の慣行に基づき、段階が信頼性や安全性を予測することは示されていません。
説明時点制限つき言語エージェントにおける未来記憶の利用を監査する
要約この論文は、過去の時点で区切られた言語エージェントが、外部証拠は履歴の締切に従っていても、締切後の事実を記憶から取り出すかを検証します。48件の歴史的企業比較タスクで、クローズドブックの売上探索により記憶のよい企業を事前に定め、実名または匿名の企業条件で対になった実行を比較しました。Qwen と DeepSeek はいずれも未来の事実を想起したものの、事前に予測した方向への偏りは見られず、DeepSeek の再現実験では逆方向の傾向が示されました。著者らは、記憶の利用しやすさ、検索の配分、最終出力を、外部証拠の締切確認とあわせて別々に評価すべきだと提言しています。
説明マルチモーダルLLMにおけるプロジェクター学習の再検討
要約マルチモーダルLLMは通常、大規模な画像キャプションデータでプロジェクターを学習して視覚エンコーダと言語モデルを整合させた後、全体を共同学習します。本論文は、プロジェクター学習のデータの10〜20%だけで下流性能の大半が得られ、異なるデータで学習したプロジェクター同士は線形補間しても性能がほぼ保たれることを示し、この段階は粗い整合が主な役割だと論じます。これを基に、画像キャプションのペアも勾配最適化も不要で、モダリティごとの統計量のみを使う学習不要の初期化手法PORTALを提案しています。6種のLLM、2種の視覚エンコーダ、16のベンチマークで、ペアデータなしで55.8万組の標準パイプラインに匹敵し、7設定中3設定では上回りました。
注目点最適輸送による統計量からの投影器初期化で配対データ学習を不要にする新しい発想。6つのLLM、2つの視覚エンコーダ、16ベンチマークで標準手法に匹敵し、根拠は比較的十分。
説明PhysicsSliders：音響フォーリー生成のための物理制御学習（物体同士の接触音を物理パラメータで操作する研究）
要約本論文は、接触音のフォーリー音を生成するモデル PXS を提案しています。このモデルはシミュレーションで得た接触音により学習され、硬さ、大きさ、速度、減衰などの 15 の材質・形状・接触パラメータで制御できます。実録音の 18 種類の衝撃音クラスで評価したところ、目標への追従性が示されています。
説明ACCRUE：ロボット基盤モデルのための継続的オフポリシー強化学習
要約本論文は、ロボット基盤モデルが新しいタスクを学ぶ際に、以前の強化学習で得た軽量なアクター・クリティックネットワークを引き継ぐ枠組み ACCRUE を提案しています。クリティックは現在のタスクのデータのみで更新され、旧タスクの挙動は保持された少数のエピソードに対してキャッシュされた目標へアクターを蒸留することで維持されます。接触の多い組み立て作業において、シミュレーションと実ロボットの両方で、後続タスクの学習が加速し忘却はほぼゼロに抑えられ、実ロボットの学習時間は31.0%から68.5%削減されたと報告されています。
説明予測誤差下の公平性：予測してから最適化する手法における人口統計的パリティの検証
要約本論文は、予測してから最適化する（predict-then-optimize）手法において、予測結果に課した人口統計的パリティ（demographic parity）の制約が真の結果でも成り立つかを研究しています。線形計画で解く予算配分問題での実験により、真の結果に基づく公平性の差は予測誤差とともに増え、やがて飽和することを示し、理論的な上限も導出しています。米国国勢調査の所得データでは、予測上は解消されたように見える差の約3分の1以上が真の所得に残ることが報告されています。
説明言語横断的な有害コンテンツの注釈不一致を、解釈可能な意味的質問で分解・予測する研究
要約本論文は、大規模言語モデルに有害性の特徴、境界的な深刻度、文脈の欠落、地域特有の侮辱語などに関する二値の質問に答えさせ、その回答から注釈者間の不一致を予測する手法を提案している。英語、ドイツ語、トルコ語の4データセットと3つのオープン重みモデルでの評価において、直接プロンプトや強力なテキストベースの基準より高いROC-AUCを示したと報告されている。原文によれば、差別的表現、文脈の欠落、判断境界に関する質問が最も有力な予測因子であった。
説明GeoMER：ユークリッド幾何と双曲幾何を組み合わせたマルチモーダル感情認識の枠組み
要約本論文は、音声やテキストなど複数のモダリティの情報を統合して人の感情を認識するGeoMERという枠組みを提案します。ユークリッド空間で細かなモダリティ間の相互作用を融合し、双曲空間では感情コアのルーティングによって、より抽象的で階層的な感情表現を捉えます。IEMOCAPベンチマークで、重み付き精度83.54%、非重み付き精度83.35%を達成し、MemoCMTを含むユークリッド系のベースラインを上回ったと報告しています。
説明比較で補正：LLMテスト時スケーリングのための対比較ガイド付きlogit調整（PGLA）
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ける複数推論経路の多数決の問題を扱い、対比較ガイド付きlogit調整手法（PGLA）を提案している。社会的選択理論のコンドルセの原理に着想を得て、異なる答えを支持する推論経路どうしの信頼度を比較し、KL正則化目的関数を通じてその比較根拠を投票の支持と組み合わせる。著者らは、この手法が投票ベースの順位付けの誤りを補正できるとし、1.7Bから32Bパラメータの7モデルを用いて10のベンチマークで実験を行ったと述べている。
説明読めているのに誤る：エージェントループにおける高速モデルの意思決定失敗の診断
要約論文は、エージェントの次の行動を一回の採点で選ぶ高速モデル（System One）がなぜ誤るのかを調べています。凍結されたベンチマーク上で、各行動の質問に同じ状態についての事実確認の質問を組み合わせ、それぞれ独立に回答させました。17の高速システムと1つの推論モデルで、多くの誤った行動は正しく事実を読み取れた後に起きており、精度の高いシステムほどこの種の誤りの割合が高いことが示されています。これらの誤りは特定の状態に集中して現れます。
説明目的が増えるほど識別が容易になる場合：選好とフィードバックの役割
要約本論文は多目的マルチアームバンディットにおける最適アーム識別を扱い、複数の評価基準のもとで少ないサンプルで最適アームを見つける条件を分析しています。ガウス型バンディットについて固定信頼度識別の特性時間下界を示し、Pareto、線形、辞書式の選好ごとに比較しています。さらに、その下界に漸近的に一致する OATS アルゴリズムを提案しています。多目的問題が単目的問題より少ないサンプルで済む場合があることも示されています。
注目点多目的化により最良腕同定に必要なサンプルが減る三つの現象を示し、特性時間下界と一致するOATSを提案しており理論的貢献が大きい。
説明量子化モデルで信頼性の低い分類結果を検出する手法
要約本論文は、正解ラベルを必要としない方法を提案します。学習後のINT8量子化の前後（FP32とINT8）で、同一サンプルに対する出力確率ベクトルのコサイン類似度を計算します。類似度は1回の順伝播で得られ、正解率の低い予測を識別するために使われます。ResNet-50、VGG-16-BN、Wide ResNet-50、ViT-B/16の4つのアーキテクチャにおいて、固定パーセンタイル分割のもとで、信頼度のみを用いるベースラインを上回りました。
説明AIの多様な教訓：北米ニュース物語に見られる警戒バイアスをグローバルな視点から比較
要約本論文は、2022年以降に公開された英語のAIニュース記事12,924件を分析し、北米、中国、インド、中東の4地域における報道の語り方の違いを比較しています。大規模言語モデルを用い、各記事に暗示された「寓意」を抽出しました。その結果、北米のAI報道は警戒を訴える物語が際立つ一方、イノベーションや協力を描く物語は他地域より少ないことが分かりました。ただし、この傾向は主に北米ニュース全体の否定的な論調によって説明され、AIそのものへの懸念が強いためとは限らないとされています。
説明構造化レシピ最適化によるLLMエージェントの自動ポストトレーニング
要約本論文は、限られた実験予算の下で、データソース、データ処理、ドメイン間の組み合わせ、学習設定といった相互に関連する決定からなるレシピを自動で構築・最適化し、事前学習済みLLMを複数分野に対応させる手法を提案しています。提案手法はStructured Recipe Optimization（SRO）と呼ばれ、LLMベースのレシピ空間設計器と多領域レシピ最適化器から成ります。原文によれば、3つの能力分野・6つのベンチマークでの共同ポストトレーニングにおいて、Qwen3-1.7B（GPT-5.4使用）では41.1、最強のベースラインは15.4、Qwen3-4B（DeepSeek-V4-Flash使用）では53.8、ベースラインは40.8でした。
説明段階別共有アダプタを用いたパラメータ効率の高いマルチモーダル脳腫瘍セグメンテーション
要約MRIの各モダリティは脳腫瘍の異なる部分を映し出すため、セグメンテーションモデルはこれらの情報を組み合わせて腫瘍領域を描き出します。本論文では、各モダリティのエンコーダから圧縮された特徴を共有経路で統合し、適応後の特徴を各ストリームに返すブロック単位共有アダプタ（BWSA）を提案します。その学習可能なゲート付き版（TG-BWSA）は、モダリティとエンコーダの段階ごとに元の特徴と適応後の特徴の重みを個別に学習します。BraTS 2020およびBraTS 2023で4種類のバックボーンを用いて評価し、いずれの変種もパラメータを約0.85〜3.73%増やすのみです。
説明世界モデルにおける短期計画のための順序保存的な潜在幾何
要約潜在空間プランナーの多くは、候補行動系列の終点と目標潜在変数とのユークリッド距離で評価を行う。本論文は、潜在距離が真の遷移の進展を逆転させないことで十分であり、この要件が古典的な自己接近条件と等価であることを示す。さらに、折れ線上の鋭角の屈曲によって、遷移的により悪い候補が良い候補より上位に並ぶ場合があることを証明し、六分岐実験でその順位誤りを検証している。
説明CREATE：視覚的遠隔連想テストによる視覚言語モデルの創造性評価
要約本論文は、視覚的遠隔連想テスト（Visual Remote Associates Test）の問題155問からなるベンチマーク「CREATE」を提案しています。解答者は、一見無関係な3枚の画像に共通する潜在的なつながりを見つける必要があります。25名による人間の被験者実験でベンチマークの品質を検証し、11の視覚言語モデルを評価しました。多くのモデルが人間より低い成績であり、その連想能力はテキストで与えられる手がかり概念に依存し、視覚的なパズルには一般化しないことが示されました。
説明RAGシステムの設定問題：何が壊れ、原因はどこにあり、どう直すか
要約本論文は、10の実際のRAG（検索拡張生成）システムから収集した654件の設定問題を対象とした大規模な実証研究です。問題の症状、根本原因、関連するパイプライン段階、修正パターンを分類しています。さらに、RAGシステムの設定問題のテスト、原因特定、修正に関する9つの実践的な知見を示しています。
説明DSM支援型空中測位における観測品質：ベンチマークと基準点アンカー型不確かさ校正
要約本論文は、数値表面モデル（DSM）を用いた空中地図照合による測位を対象に、五つのベンチマークタスクを定義し、基準点アンカー型の不確かさ校正手法を評価している。この手法は、画像と地図の伝播感度と、報告位置を基準とした構成部分集合の二次モーメントを組み合わせ、報告位置自体は変更しない。保持した二つのクエリ集合では、固定全行列ベースラインと比べ、等位置の正規化位置更新リスクが7.70%および5.46%低減した。ただし、航法上の利益と実際の時間累積は未検証であると明記されている。
説明調和ゲームにおける楽観的学習の線形最終反復収束率
要約本論文は、多人数の調和ゲーム（harmonic games）において、楽観的追従正則化リーダー（OFTRL）の最終反復が線形速度でナッシュ均衡に収束することを証明している。結果は穏やかなゲーム正則性条件のもとで、エントロピー、Tsallis、対数バリアなど広範な正則化関数の族について成り立つ。解析は OFTRL の双対の視点に基づき、楽観性と調和ゲームの大域的構造の相互作用により、双対反復に沿ってエネルギー関数が減衰することを示し、その定量的な厳密な上界を与えている。この結果は Extragradient FTRL の変種にも当てはまる。
注目点調和ゲームにおいて楽観的FTRLの最終反復が線形速度でナッシュ均衡に収束することを厳密に示し、既存の収束結果を強化している。
説明Denoise X：胸部X線の量子モットル抑制のための自己教師あり U-Net
要約本論文は、低線量胸部X線画像の量子モットルと電子読み出しノイズを抑制する軽量な自己教師あり U-Net モデル Denoise X を提案しています。学習には NIH ChestX-ray14 データセットを用い、対になったクリーン画像は使用していません。未見のMontgomery CountyおよびShenzhenデータセットでの評価では、PSNRがそれぞれ36.09 dB、36.44 dBでした。
説明線形減衰を伴うクリップ付きSGDの最終反復収束性
要約本論文は、裾の重いノイズの下でのクリップ付き確率的勾配降下法（clipped SGD）の最終反復の収束性を研究している。確率的勾配は不偏で、ノイズの中心p次モーメントは有界（1<p≤2）と仮定している。滑らかな凸目標に対しては、線形に減少する学習率により高確率の誤差上界が得られる。非滑らかな複合目標や近接更新を伴う滑らかな複合目標についても議論し、因果的敵対者が最大q個の勾配を置き換える場合の修正された上界と、クリーンおよび汚染されたオラクルモデルの下界も示している。
説明非平衡W-Flow：有限バッチの周辺分布変動下における非平衡Wasserstein漂流
要約本論文はUW-Flowを提案し、平衡Sinkhornエネルギーを、デバイアスされた非平衡Sinkhornダイバージェンスに置き換えます。有限ミニバッチの変動によって生じる不適切な輸送を抑えることを目指しています。MNIST、CIFAR-10、ImageNet-100において、同じ訓練予算での生成性能の向上が報告されており、特に無条件生成で大きな改善が見られます。
説明循環置換を理解し、CMinHash 推定量を拡張する
要約CMinHash は循環置換を用いて MinHash アルゴリズムを設計し、分散と記憶容量の削減を目指す手法です。元の分散解析は他の MinHash 推定量には拡張しにくいものでした。本論文は明示的で比較しやすい近似分散の式を与える新しい手法を提示し、Minner 推定量の分析に用いています。数値実験により、この分散の式が推定値の経験的平均二乗誤差と一致することが示されています。
説明再帰的推論器のテスト時スケーリングのための入力条件付き探索
要約再帰的推論器は、学習済みの更新則を潜在状態に繰り返し適用して推論し、更新回数や潜在状態への摂動による軌道の追加でスケールできます。ただし、これらの方法は誤った吸引点に収束することがあります。本論文は、追加学習なしに入力条件を探索して事前学習済みモデルから異なる更新写像を誘導する入力条件付き探索（ICS）を提案します。6つの推論タスクで ICS は最も高い平均精度を示し、比較したスケーリング手法より最大2桁少ないモデルFLOPsで済みます。理論解析と数値検証により、誤った吸引不動点を局所的に除去できることも確認されています。
説明エンコーダを超えて：セグメンテーション基盤モデルから現れる対象中心表現
要約本論文は、Segment Anything Model 2（SAM2）のオブジェクトポインタ、すなわちセグメンテーション経路で生成される小型の対象レベル表現が、下流の腫瘍予測タスクにどれほど転移可能かを検討しています。2つのPET/CT腫瘍予測タスクでの実験では、セグメンテーションの教師信号のみで学習されたオブジェクトポインタがすでに腫瘍の識別に有用な情報を含むことが示されました。さらに、セグメンテーションと下流予測を同時に形作る補助目的関数を加えたタスク誘導型オブジェクトポインタを提案しています。これは癌種分類でエンコーダベースの転移やラジオミクスを上回り、より難しい再発予測ではセグメンテーションのみのポインタが最良の結果を示しました。
説明共感は事実性や信頼性低下の主犯ではない
要約本論文は、言語モデルが温かく共感的な応答をすると事実性や信頼性が下がるのかを検討しています。著者らは、プロンプティング、教師ありファインチューニング（SFT）、強化学習の3つの手法で温かい振る舞いを誘導し、11データセットのベンチマークと感情文脈のEMOFACTで能力の維持を評価しました。その結果、温かさの影響はタスクやモデルによって異なり、タスクに合わせた適応的な語調は共感と特定分野の信頼性を高めうるものの、能力のトレードオフも一部残ることが示されています。
説明マルチエージェントシステムにおけるエージェントの異質性を特徴づける対称性について
要約本論文は、有限期間の部分観測確率ゲーム（POSG）におけるエージェントの異質性を扱い、「政策評価対称性」という概念を提案します。完全な政策評価が、型に適合した変換と可換である場合に、その変換を対称性とみなし、そのエージェントの軌道として構造的なエージェント型を定義します。著者らは、成分ごとの環境自己同型がすべて政策評価対称性であることを示しますが、その逆は成り立たないことも示しています。協力型 Dec-POMDP に適用すると、共通の報酬を持つ場合でも、エージェントが異なる構造型に属しうることが示されます。
説明Meta-Video：映像理解のための効率的な標準化評価
要約本論文は、映像理解ベンチマークの評価がフレームサンプリングや前処理などの既定設定に依存し、評価設定だけで同一モデルの精度が大きく変わり得ることを指摘しています。著者らは791本の動画を用いた1000問のMeta-Videoベンチマークを作成し、モデルの順位を概ね保ったまま推論を高速化しました。あわせて標準化された評価手順と、5モデル・7ベンチマークの再現可能な参考スコアを公開しています。
説明ユークリッド距離に基づくフローマッチング：二乗誤差の代わりに幾何学的中央値を用い、汚染データへの頑健性を高める手法
要約本論文は、生成モデリングで用いられるフローマッチングについて、標準的な定式化が二乗ユークリッド距離による回帰を用いるため、データ汚染に敏感であると指摘しています。著者らは回帰目標を非二乗のユークリッド距離に置き換え、それを条件付き幾何学的中央値として確率的に解釈し、目標分布が汚染された場合の条件付き速度分布への影響を分析しています。CIFAR-10画像データセットでの実験では、目標分布の深刻な汚染がある場合に明確な優位性が示されています。
説明医療における System-One 型の意思決定はどの程度信頼できるか：Jev、Jev 系モデル、LLM の比較研究
要約本論文は統一プロトコルのもと、15 の医療データセット（計 8,742 件）で各種の System-One 型意思決定モデルを比較し、精度に加え判断の安定性と信頼できない判断を見分ける能力を評価している。Jev は主にテキストに基づくタスクでは主要モデルに匹敵するが、数値に基づくタスクでは効果が低い。多くのモデルは正答の欠如を認識することや任意の棄権を使うことに限界がある。また、選択肢ごとの二値スコアを正規化すると、選択方式の採点より保持精度が高くなることが示された。
説明検索の不一致をシグナルとして：多言語デンス埋め込みモデルの診断と調整
要約多言語デンス検索モデルは全言語を共有のベクトル空間に配置します。本論文は、同じ質問を異なる言語で行うと検索される文書が大きく異なることを示し、その原因は言語理解の弱さではなく、共有インデックスで正解が下位に押し下げられることにあると述べています。著者らは、言語ごとの方向ベクトルで推論時にクエリを調整する手法を提案し、同一言語文書の密集を最も強く減らす一方、再現率では競争力を保つと報告しています。
説明APTree：建設分野で適応的かつ拡張可能な自動ロボットタスク計画のための拡張ビヘイビアツリー
要約本論文は、行動木を実行モデルとして自動タスク計画とモジュール型タスク実行を統合する、モデル駆動型フレームワーク APTree を提案しています。実行時に複数の記号プランナーを繰り返し適用・協調させ、モジュール型のタスク計画を自動生成・合成します。実在する livMatS Biomimetic Shell パビリオンでの評価では、設計時と実行時の仕様・計画エラーの検出や大規模計画の生成が示されました。形式的解析では、明示された仮定のもとで合成実行と局所的再計画が安全であることも示されています。
説明暗黙的ルーティングで迷走：大規模スキルライブラリでLLMエージェントが関連スキルを読み込めない理由（Lost in Implicit Routing）
要約本論文は、再利用可能なスキルの数が増えたときにLLMエージェントがどの程度正しくスキルを読み込めるかを検証したものです。関連スキルは残したまま無関係なスキルを1,000件追加すると、読み込まれたスキルの再現率が73.6%から27.4%に低下しました。著者は、スキルの説明文による意味的干渉と、スキル選択がタスク実行と競合することによる指示の干渉を原因として指摘しています。
説明言語モデルのlogitの幾何構造：一般的な構造と学習による逸脱
要約本論文は、自己回帰型言語モデルが各予測ステップで出力する語彙サイズのlogitを順位順に並べると、おおむね対数線形の関係に従うことを示している。この規律は文脈、アーキテクチャ、規模をまたいで一貫しており、事前学習の過程で徐々に現れるとされる。順序統計の基準モデルで幾何構造の大部分は説明できるが、学習後のモデルの傾きαは約1.4〜1.7と、初期化時の約0.2より大きく、αは予測性能と相関するため、一般的な極値効果を超えた学習済みの構造を捉えていると論じている。
説明二重領域のスパースビュー4D CBCT再構成と時空間一貫性学習
要約本論文は、4D コーンビームCT（4D CBCT）向けのスパースビュー再構成フレームワーク STCNet を提案する。各呼吸位相でわずか16投影から高品質な画像を再構成する。物理駆動の位置エンコーディングで投影領域の幾何学的一貫性を保ち、潜在空間の時間エンコーディングで位相間の呼吸運動を捉える。TCIA-LUNG と CIRS 胸部ファントムのデータセットで、従来法や近年の深層学習ベースラインより画質、アーチファクト抑制、構造保持で優れた結果を示した。
説明インプリンティング：知識蒸留が生徒モデルの振る舞いを変えうることを示す研究
要約本研究は、知識蒸留において教師モデルが生成する応答が、タスク能力だけでなく安全性に関する傾向も伝えるかを検証します。同じ基盤教師から有害性を受け入れる版と回避する版を作り、安全と無関係な推論・知識問題への応答を、異なる基盤モデルの生徒に蒸留しました。生徒は能力を獲得する一方、判断が教師の安全志向へ寄る「インプリンティング」が見られました。蒸留後の選好最適化は有害回避を高めますが、教師による差異は消えません。
注目点無関係な推論・知識データの蒸留でも教師の安全性に関する傾向が生徒に移ることを、対照的な教師変種で示し、新規性は高いが実験規模は限定的。
説明一石二鳥：曲率を考慮した剪定で影響関数も保持
要約本論文は、事前学習済みモデルの重みの剪定と、スパース＋低ランク分解を行うADMMベースの最適化手法CACTUSを提案する。曲率を考慮した目的関数により、疎なモデルと密なモデルの勾配の整合性を保つ。Qwen3-4Bの50%剪定では、C4のパープレキシティ差を45%縮小し、LLM-Surgeonより28倍以上速く動作した。また、影響関数の保持によりデータ選択にも有効であることを示している。
説明世界各国の視点から見た、LLMが人間の時間をどう評価するか
要約研究者は、利用者の国だけを変えたときに大規模言語モデルが60分の予約遅延にどれだけの補償が適切と判断するかを測定しました。193か国と5つのモデルを対象に、その結果を購買力平価による一人当たりGDP、平均所得、文献に基づく忍耐指数と比較しています。モデル間で各地域の時間価値の評価に明確な違いが見られ、欧州には最も高い補償が、アフリカにはほとんどで最も低い補償が推奨されました。また、アジアと南米の利用者の時間価値は、購買力平価による一人当たりGDPから見て過小評価されていました。
説明非同期マルチプレイヤー・バンディットにおける最適方策の近似
要約認知無線ネットワークに着想を得た、各プレイヤーの活性化確率が異なる非同期マルチプレイヤー多腕バンディット問題を扱った論文です。まず最適な割り当ての計算がNP困難であることを示し、多項式時間で動く貪欲法が最適割り当ての1/e近似を達成することを証明しています。活性化確率の大きい順に処理すると保証は1/√eに改善されます。
説明スマートビルディング・チャレンジ：実世界の大規模最適化に向けた基盤モデルの学習
要約米国の二酸化炭素排出量のほぼ40%は建物に由来し、その中で空調（HVAC）システムが大きな割合を占めています。既存の建物制御手法の多くは開発対象の建物にしか適用できず、他の建物には汎用化できません。本論文は、少ない設定で新しい建物に適応できる建物基盤モデルの開発を目指す挑戦課題を提案し、参加者は模擬建物で制御方策を学習し、未知の建物で評価されます。
説明長文書タスクにおけるコーディングエージェントのラストワンマイル：臨床試験プロトコルのデジタル化に関する実証研究
要約臨床試験プロトコルのデジタル化を題材に、コーディングエージェントが長い文書を正確な構造化データにどこまで確実に変換できるかを検証した研究です。著者らは専門家が注釈した150件の公開プロトコルPDFからなるベンチマークTrialPD-Benchを構築し、複数のモデルとエージェント環境で評価しました。最も性能の高いエージェントでも課題を完全には解決できず、主な問題は根拠の転記と構造化の段階にあると報告されています。さらに、ドメイン特化型の枠組みTrialScribeが提案され、ローカルで動かすオープンウェイトモデルの性能を向上させ、一部の商用モデルと同等以上の結果を示しました。
説明再利用可能な局所事後分布による半償却ベイズ推論：パラメータブロックの条件付き事後分布をニューラル推定器で近似し、通常のマルコフ連鎖更新と交互に実行する方法
要約本論文は、モデルのパラメータを小さなブロックに分け、条件付き独立性を利用して各ブロックの推定に必要な情報を特定する半償却ベイズ推論の手法を提案しています。更新に計算コストがかかる、あるいは頻繁に繰り返されるブロックについてはニューラル推定器を学習し、関連するモデル要素のシミュレーションから完全条件付き事後分布を近似します。マルコフ連鎖は、これらの推定器からの直接サンプリングと残りの変数の通常の更新を交互に行い、ニューラル更新には尤度評価や採択・棄却のステップは不要です。同じ条件付き構造が現れる場合は、一つの推定器をブロックやデータセットをまたいで再利用できます。高次元で計算コストの高い階層モデルと時空間モデルでの適用例が示されています。
