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。
説明失敗から振り返る：脳に着想を得た身体的空間知能の自己進化エージェント（HiMeco）
要約本論文は、メタ認知モニタリングと海馬による記憶の定着に着想を得た、身体的空間知能のための自己進化エージェントHiMecoを提案している。海馬‐メタ認知的反省により、知覚・探索・計画の各段階での失敗を診断し、複数回の実行試行を比較して再利用可能な戦略を導出する。さらに、対話プログラムをパラメータ化されたスキルに抽象化し、実行に基づく検証で保持と再利用を判断する。論文によれば、ESI-BenchでSOTA性能を達成し、進化なしでもEmbSpatial-Benchの精度を3.94ポイント向上させたという。
説明合成開口イメージングにおけるイベントカメラとフレームカメラのシミュレーション比較
要約合成開口イメージング（SAI）は、カメラ経路に沿って多数の視点を統合することで、葉などの遮蔽物を除去する手法です。これまで主にフレームカメラで使われてきました。本研究は、同一のシーンと同一のカメラ移動をシミュレーションで再現し、イベントカメラを比較しています。各イベントを焦点面へ個別に投影する新しい統合手法も提案されています。明るい高速シーンではフレームカメラが遮蔽物を除去できなかったのに対し、イベントカメラは目標を再構成できました。一方、1メートル毎秒の一致したデータ量の条件では、再構成品質にイベントカメラの優位性は見られませんでした。イベントカメラのデータ量はシーンに依存し、高速で明るいシーンで最大になります。
説明単一の乱流データからの極端超解像：一つの流れ場から均質乱流の多スケール構造を学習する
要約本論文は、広活性化超解像ネットワーク（WDSR）を、二次元の均質等方性乱流の単一の高解像度データから切り出した重なり合うパッチだけで学習させる手法を検討している。未知の流れ場は、パッチごとの予測結果をハン窓による重み付きオーバーラップ加算で組み立てて再構成される。超解像倍率32倍と64倍の強い解像度不足の条件で、補間法より連続的な渦構造と細かな特徴をよく復元できることを示した。スペクトルと統計の解析でも高波数域のエネルギーや多スケールの特性が改善された。高解像度の学習データが乏しい場合に、データ効率の良い方法として有望だと結論づけている。
説明SpectrumQuant：大規模言語モデル量子化のためのスペクトル整合直交変換手法
要約本論文は、大規模言語モデルの低ビット学習後量子化を対象に、活性化の共分散に基づく閉形式の回転手法SpectrumQuantを提案しています。キャリブレーションデータから活性化共分散を推定し、それを用いて共分散を考慮した直交変換を構成します。Hadamard行列はその特殊な場合として含まれます。Llama・Mistralモデルでの実験では、最先進の回転手法と同等の性能を、GPUメモリの3分の1未満かつSpinQuantやDartQuantなどの学習型回転より大幅に短い時間で達成したと報告されています。
説明MMLA-RSI：RTT と RTMA による再帰的自己改善に関する論文
要約本論文は、記憶媒介学習アーキテクチャにおける MMLA-RSI という枠組みを提案します。推論時訓練（RTT）は方策の状態を、推論時記憶適応（RTMA）は権威ある記憶を変更し、どちらも適応手法自体を改善の対象とします。有界な規則言語と統一アルゴリズムを示し、一部の実験結果を報告しています。ただし、再帰的改善の連鎖が有益であるかどうか、探索効率は今後の評価課題とされています。
説明CASI：エージェント型検索のための集合介入による信用割り当て
要約本論文は、言語モデルが複数の検索動作を同時に生成し、システムが集合全体に対して一つの報酬しか与えない状況のための CASI 手法を提案しています。スナップショットを固定し、共通条件下で異なる部分集合を評価して反実仮想情報を作り、Shapley 値によって集合内の貢献を各動作に配分します。五動作の検索広告実験では、CASI で学習した方針が保留データで高い集合価値を示し、10%のトラフィックで行った七日間の本番 A/B テストでは広告主価値指標が 3.51% 向上したと報告されています。
注目点スナップショットに基づく集合介入とShapley配分を提案し新規性は高い。オフライン再生と5回の学習、7日間のA/Bテストで検証、影響は広告検索領域に限られる。
説明医療推論の検索タイミング：ステップ単位の内部信号による知識参照型推論の適応的制御
要約本論文はPUlSEという手法を提案し、大規模言語モデルの内部表現を用いて、各推論ステップで外部の医療エビデンスを検索すべきかを判断します。誤ったステップは層間の変動が大きいことが分かり、それを基に軽量なプローブを学習して事実誤りを検出し、検索と再生成を起動します。四つの医療ベンチマークで、逐次検索と同等の精度を保ちながら検索呼び出しを72%削減し、未見の法律分野にも転用できることが示されています。
説明正しさのフィードバックが証拠を消すとき：Verus における段階分離型の完全性監査
要約本論文は、Verus/Rust において、仕様の完全性監査が発見すべき証拠（書かれた契約は満たすが意図した振る舞いに違反するプログラム）を、正しさのフィードバックが抑制してしまうことを検証しています。12 件のタスクで、フィードバックなしの独立した発見は、IntentShield の修正フィードバックループの 27.1% に対し 59.0% の認証済み見本を得ました。見本を保持したうえで修復した契約は実装成功率 81.3%（IS-Revised は 62.5%）に達しました。この効果は Dafny と Lean の評価では再現されませんでした。
説明未観測の科学的相互作用の予測：条件付きフローモデルは非加法的効果を幻覚する
要約本論文は、条件付き流れマッチングモデルが学習データの範囲外で、二つの介入の相互作用をどこまで正しく再現できるかを検証しています。生理時系列シミュレータ、薬物用量反応データ、組合せ細胞摂動、分子コンフォーマー生成の各設定で実験を行いました。その結果、個別効果は相互作用より早く学習され、相互作用が存在しない場合にもモデルが相互作用を生成することが分かりました。条件構造が観測対象から未観測対象へ続く場合にのみ、相互作用は回復可能でした。
説明プラトンからアリストテレスへ：表現仮説の一般理論に向けて
要約本論文は、高性能なモデルが共通の表現に収束するというプラトン的表現仮説（PRH）について、研究ごとに異なる表現の整列基準が結論を分けている点を扱う。著者は、それらの基準が一つの格子（lattice）上の異なる位置にあるとする格子表現仮説（LRH）を提案する。数十の事前学習済み視覚・言語モデルと、理論モデルでの多数の実行により結論を検証している。
注目点表現仮説間の不一致を格構造で統一的に説明し、理論証明と大規模実験で裏付けており、新規性は高い。
説明ECHOES：再帰的履歴圧縮と特権付きオンポリシー蒸留で現在の画像を超えて見る
要約本論文は、長い作業を行うGUIエージェント向けのECHOES手法を提案している。訓練時に特権的な複数画像入力を用いて教師を導き、テキスト化した履歴の圧縮と長期推論を強化する。展開時には過去のスクリーンショットを保持せずに済む。また、実際のGUIエージェントの失敗軌跡から作成した診断ベンチマークECHOESBMKも導入している。
説明低リソース言語サライキ語のニューラル品詞タグ付け
要約本論文は、サライキ語を対象に17種の品詞カテゴリで人手注釈したUniversal POSタグ付けデータセットを構築しています。同一の微調整設定で3つの事前学習済みTransformerエンコーダを比較し、XLM-RoBERTa baseが最も良く、テスト精度は88.60%でした。多言語および同系文字の事前学習エンコーダが有効であることが示され、データセットと基準結果は今後の研究のベンチマークとなります。
説明有効な透かしは有効な本人性を意味しない：透かしを保持する空間・スペクトル敵対的顔回避攻撃
要約本論文は、ブラックボックスの透かし条件下で顔認識の類似度を下げる敵対的摂動攻撃（PGD-L_2）を提案しています。空間およびスペクトルの保持項により、画素レベルの歪みと隠し透かしに干渉しうる高周波変化を抑えています。実験では、運用しきい値で回避率が92%を超え、透かしの復元率も高く保たれ、画質も良好でした。顔認証に基づく透かし認証には、画像が透かし上は有効でも生体認証上は信頼できなくなりうるという構造的な欠陥があることを示しています。
説明TANGO：RNAのトポロジーと幾何学の協調設計
要約本論文は、目標とする三次元構造からRNA配列を逆算して設計する問題を扱います。従来法は三次元幾何のみを考慮し、二次の塩基対トポロジーを十分に扱っていないと指摘しています。そこで著者らは、両者を同時に扱う多目的マルチエージェント強化学習フレームワーク「TANGO」を提案しています。実験では、最強のベースラインと比べて三次・二次構造の性能がそれぞれ18.3%、52.7%向上したと報告されています。
説明学習可能なリサイズとスペクトルフィルタ表現による解像度配分の研究
要約本論文は、学習可能なダウンサンプリング比と周波数領域のフィルタ表現が畳み込みネットワークに与える相互作用を検討しています。空間領域とスペクトル領域で学習されたカーネルを比較し、学習された解像度配分に対する反応の違いを分析しています。EuroSAT、CIFAR-10、STL-10の3データセットと2つのモデル規模で、スペクトルカーネルの精度向上が大きい傾向が確認され、保持される総面積を揃えても差は正の値のままだと報告されています。
説明CSWBench：創作文における文脈依存のコードスイッチング能力を評価するベンチマーク
要約本論文は、大規模言語モデルが創作文の中で、いつ、どこで、なぜ言語を切り替えるべきかを文脈に即して判断できるかを評価するベンチマーク CSWBench を提案しています。聚焦叙事（Focused Narrative）と拡張叙事（Extended Narrative）の二つの設定を用い、事象レベルと全文レベルの評価枠組み CSWEval で検証しています。十二のモデルを評価した結果、能力には意味のある差があるものの不均一であることが示されました。
説明FlowSep-RF：単一チャネル無線周波数信号分離のための整流フロー整合法
要約本論文はFlowSep-RFを提案します。これは整流フロー整合（rectified flow matching）に基づき、時間と周波数で同一チャネルの干渉と重なる単一チャネル無線周波数信号を分離する枠組みです。時間領域のIQサンプルと周波数領域の特徴を組み合わせ、端点速度の評価を1回行うだけで分離後の波形を復元します。QPSK信号とOFDM-BPSK、OFDM-QPSK、RFChallenge CommSignal2の干渉との混合で評価した結果、三つの設定すべてで比較対象の古典的、識別的、生成的ベースラインより平均BERとMSEが低く、推論は1ステップです。
説明FUSE：q公平連合学習における拜占庭攻撃に対する公平性考慮型更新スクリーニング手法
要約本論文は、q公平連合学習（q-FFL）において拜占庭耐性がほとんど検討されていない点に着目し、サーバーが公平性スケーリング後のクライアント更新のみを観測できる条件下での問題を定式化しています。公平性スケーリングが正直な更新の幾何構造をどう変えるかを分析し、それに基づいて二つの相補的な検定を導出しています。提案手法FUSEは、少量の信頼できるラベル付きデータを用いて筛选と步長制御を行い、四つのベンチマークと七種類の拜占庭攻撃で最悪攻撃時の精度を向上させつつ、高損失の正直なクライアントの影響力を概ね維持します。
説明Anuvani-LID：インド言語向けの頑健で校正された音声言語識別モデル
要約本論文は、インドの22言語とインド英語の音声、計54,643時間で学習した1億1,500万パラメータの専用言語識別（LID）Conformerモデル「Anuvani LID」を提案している。一部の汎用音声モデルや音声対応LLMは、1秒の短い音声ではインド言語の識別精度が低いと報告している。37の条件で平均macro-F1は0.914に達し、校正指標ECEは0.008とされている。
説明ハーネス方針蒸留：エージェント方針を実行時セマンティクスに整合させる
要約本論文は、汎用モデルを製品固有の実行ハーネス内でエージェントとして動かす際に、どの行動が実行可能か、状態がどう進むか、いつ終了するかといった制御セマンティクスを学習目標として明示する「Harness Policy Distillation（HPD）」を提案します。参照軌跡をハーネスで再生して制御文書を復元し、教師モデルの行動生成に用い、実行環境で検証したうえで共同学習します。TRAJECT-Bench（Piハーネス）では、HPDで学習したQwen3-8Bの自律タスク成功率は22.98%、実行時準拠率は49.23%で、未適応モデルはそれぞれ3.09%と19.90%でした。
説明長期ホライズン強化学習にMuonが必要な理由：非同期・単一軌跡学習手法の研究
要約本論文は、長時間の対話で推論・ツール利用・環境フィードバックを調整する必要がある長期ホライズン型エージェントの強化学習手法を扱います。Muon（オプティマイザ）、トークン平均損失、打ち切り重要度サンプリング、長さとツールエラーの補助ペナルティを組み合わせた単一軌跡の非同期学習手法を検討しています。リポジトリレベルの課題解決を対象に、2つのモデル系列で評価を行い、完全な手法は基線より高い学習成功率を示したと報告しています。
説明GLoD-LVSM：大規模ビュー合成モデルのための幾何ベース連続LoD シーン表現
要約本論文は、大規模ビュー合成モデル（LVSM）向けに、連続的な詳細度レベル（LoD）を持つ幾何ベースのコンパクトなシーン表現 GLoD-LVSM を提案しています。固定のアンカー集合ではなく連続場から必要数のアンカーを初期化し、幾何注意機構を用いてシーン情報を圧縮します。原文によると、圧縮なしの基本モデルと比べ、品質低下なしでシーン token 数が 33.4% 減り、描画が 1.23 倍速くなります。
説明テキスト更新後の音声アクセス修復：凍結アフィン場によるAFFIRM
要約テキストの更新で得た知識が、同じ質問を音声で行うと使えなくなることがあります。本論文は、知識を持つモデルを凍結したまま、取り外し可能な演算子で音声アクセスを一回のモデル実行で修復する手法AFFIRMを提案します。合成音声のPopQAでは、SALSAや低ランクReFTと比べて明確な優位性は示されませんでした。実録音のSLUE-SQA-5では、再学習なしで転移し、対応する基準よりROUGE-Lが0.0941向上しました。
説明堅牢な惑星着陸のための敵対的強化学習
要約本論文は、惑星着陸などの宇宙機制御タスクにおける深層強化学習方策に対し、物理的制約を受けた外乱を第二のエージェントが生成し、着陸制御器との非対称なゼロ和ゲームとして交互に最適化する手法を検討しています。3自由度の着陆シミュレーションによる予備実験では、従来のランダム化では見落とされた脆弱性を敵対的外乱が明らかにしたと報告されています。著者らは、より大規模な学習によって堅牢性と汎化性能の向上が期待できるとしています。
説明下部骨盤MRIにおける頑健な多構造セグメンテーションのための対照的不確実性学習
要約本論文は、モンテカルロ・ドロップアウトで算出した体素単位の予測不確実性を用いて表現学習を直接導く、対照的不確実性学習（CUL）フレームワークを提案しています。589症例の3D前立腺MRI・8解剖構造のセグメンテーションで評価され、平均Diceはベースラインとほぼ同等（83.38%対83.35%）ですが、8構造中6構造で表面距離が有意に減少しました（p<0.001）。
説明生成エージェントによる、適応的かつ実調査に整合した都市移動行動のシミュレーションに向けて
要約本論文は、フランスのトゥールーズを対象とした日常の複数モード移動に関するエージェントベースモデルを構築し、簡素なベースライン、調査データに適合させたモデル、最小および調整済みプロンプトを用いた生成エージェント、型付き分類器など15種類の意思決定者を、実際の世帯移動調査上で比較しています。調整済みプロンプトの生成エージェントは、交通障害のない一日の交通手段分担では適合モデルに近づくものの、トリップ単位では一致しないことが示されています。また、予期しない事象が起きた際には反応することも確認されています。
説明多言語混合専門家モデルのスケーリング：言語カバレッジが容量と計算配分をどう変えるか
要約本論文は、多言語モデルに言語を追加する際、混合専門家（MoE）構造が言語ごとの追加コストを下げられるかを検討しています。著者らは、活性パラメータ数、言語ごとの学習トークン数、専門家数、言語カバレッジを関連づける、反復を考慮した同時スケーリング則を提案しています。64の事前学習構成から得た26,300件の言語別損失観測値で当てはめを行っています。論文によると、活性パラメータ数と言語ごとの学習トークン数を揃えた場合、32専門家は密なモデルに比べ、12言語から200言語へ拡張する際の損失の増加を83%減らしています。
説明時系列異常検知におけるモデル選択のための類似検索ベース手法 RAMSAD
要約本論文は、時系列異常検知でどの検知器も全データで最良とは限らない問題に対し、検索ベースのモデル選択フレームワーク RAMSAD を提案しています。新しい時系列について既存事例の知識ベースから最も類似した上位 k 件を検索し、その性能プロファイルから検知器を推薦します。著者らは、同分布設定では既存の基準手法より優れ、分布外設定では少数の検知器選択で全検知器を実行するアンサンブルと同等以上の結果を、より低コストで得られると報告しています。
説明PAWA：複数エージェント向けパノラマ行動条件付きワールドモデリング
要約本論文は、Minecraftの複数プレイヤー環境を対象とした、PAWAというデータセットとフレームワークを提案しています。各プレイヤーの一人称視点動画と、世界に安定したパノラマ動画および整合された行動を組にしています。二つの映像を同時に予測する双塔モデルを開発し、共有世界座標系で同じ方向を見るトークン同士をクロスアテンションで対応づけています。実験では、一人称視点の予測品質で既存の複数人ワールドモデルを上回り、高精細なパノラマ予測も生成できたと報告されています。
説明MAEM：再生なし・容量制御付き動的エキスパート混合による、クラス増分グラフ学習の最近性バイアス緩和
要約本論文は、クラスが順次到着する際にグラフニューラルネットワークが起こす破滅的忘却に取り組みます。新しく学習されたクラスに予測が偏る最近性バイアスを指摘し、各セッションで専門家を訓練して凍結し、マスク付きオートエンコーダの再構成誤差で専門家を選ぶMAEMを提案しています。専門家数が上限に達すると、整合による統合と蒸殺で容量を抑えます。著者らは、四つのベンチマークでバイアスが緩和され、既存手法を上回り、履歴データを保存せずに容量が有界に保たれたと報告しています。
説明ニューラルネットワークの最小幅と実射影空間の浸漬
要約本論文は、コンパクト部分集合上の一様収束の位相で、R^nからR^mへのすべての連続関数を近似できる深層ニューラルネットワークの最小幅を研究している。実射影空間RP^(n-1)がR^nへの滑らかな浸漬を持つとき、活性化関数が連続かつ単調であれば、最小幅はn+min{n,m}以上になることを示す。その結果、nが2、3、4、7、8で1≤m≤nのとき、ReLUネットワークの最小幅はn+mとなり、Hanin-Sellkeらの結果を拡張している。
説明合法化後のプレースメントに向けた強化学習構成の設計空間探索
要約本論文は、三つの ISPD2015 ベンチマークを用い、GNN-PPO（グラフニューラルネットワークと近接方策最適化）の枠組みで、配置合法化後の配置精緻化を検討しています。報酬関数、GNN の構造、行動空間、候補集合のサイズ、学習戦略など 18 の構成を評価しています。結果を分析して問題点を明らかにし、強化学習モデルの設計判断を導くための設計分類手法を提案しています。
説明AlphaDiana：検証可能な推論タスクにおけるエージェントの測定システム
要約本論文は、検証可能な推論タスクでエージェントの性能を測定するシステム AlphaDiana を提案している。データセット、エージェント、環境、採点器のためのモジュール式インターフェースを備える。三つのオープンソースモデルと三つのオープンソースのハーネスを、五つの解答型ベンチマークで検証し、二つのモデルについては二つの対話型ベンチマークでも試験している。ハーネスは推論精度を一貫して向上させるわけではなく、スキル指示や保持された履歴も精度を確実には高めないことが示されている。
説明フローマップ学習の安定性と収束性に関する研究
要約フローマップは、拡散の軌道を一段階のサンプラーに近似させる確率的生成手法です。本論文は MeanFlow および Lagrangian 損失が誘導する関数的勾配流を解析し、真のフローマップへの収束を示しています。更新が無界になりうる点が実用上の障害とされ、適応正規化と特定の重み付けにより有界な更新と解の近傍への収束保証が得られると述べられています。
説明推論誘導型翻訳による多言語の安全性・推論評価の拡張
要約本論文は、各種ベンチマークの構造と意図された意味を翻訳後も保つための、推論誘導型翻訳フレームワークを提案しています。翻訳戦略の選択と大規模な生成を分離し、タスクを考慮した検証、対象を絞った修正、独立した品質スクリーニングを組み合わせています。これにより11言語にわたる7種の安全性・対話・数学的推論のデータセットを構築し、オープンソースLLMを評価したところ、言語によって異なる脆弱性や、低リソース言語での推論性能の大幅な低下が見つかりました。
説明Glance Forcing：双方向拡散モデルを自己回帰的な動画生成に変える手法
要約本論文は、双方向拡散モデルを因果的な少ステップ生成モデルへ蒸留する軽量フレームワーク Glance Forcing を提案しています。ノイズ除去の軌跡を高ノイズ段階と低ノイズ段階の二つの専門家に分け、それぞれに専用の目的関数を与え、教師モデルは凍結したままにします。PF-ODE の軌跡を一本だけ使い、VBench Total スコアを 84.04 から 84.22 に高め、軌跡収集コストを数千 GPU 時間から約 1 A100 GPU 時間に削減したと報告しています。
説明混合ポアソン拡散モデルとその事後サンプリングへの応用：ガウスノイズではなく計数過程によるノイズを用いる生成モデルで、ポアソン逆問題の事後サンプリングに用いる。
要約本論文は、ガウスノイズの代わりに多変量計数過程に駆動される泊松ノイズを用いる拡散モデル、混合ポアソン拡散モデル（MPDM）を提案する。ポアソン逆問題を動機として、この生成ダイナミクスに基づく複数の事後サンプリングアルゴリズムを導出している。現実的なポアソン逆問題での評価により、本枠組みがこの問題クラスに適していることが示されている。
説明タスク整合のための前立腺MRI ViTエンコーダーの継続的事前学習
要約本論文は、医用画像の基盤モデルにおいて事前学習と下流タスクの目的がどの程度整合しているかを検討しています。著者らは、前立腺セグメンテーションタスクでLoRA（低ランク適応）を用い、事前学習済みViTエンコーダーを継続的に事前学習し、中心カーネル整合（CKA）で各層の表現の変化を分析しています。6つの下流タスクのうち3つで性能が向上し、残りは同程度の結果でした。セグメンテーションタスクでは、継続的事前学習エンコーダーの特徴が元の事前学習エンコーダーより微調整済みエンコーダーに似ており、これが性能向上と関連していると報告されています。
説明単一パスの判定スコアで、医療用マルチモーダルLLMを閾値調整可能な高速分類器に
要約マルチモーダル大規模言語モデルは二値の臨床質問に対し「yes」「no」のトークンで答えるため、判定閾値が暗黙的かつ固定されています。本研究は、yes と no のトークン確率を再正規化することで、一回の順伝播から連続スコアを導き、再学習なしで閾値を臨床ニーズに合わせて調整できるようにしました。MedGemma と Gemma-3（4B、27B）を六つの医用画像データセットで評価した結果、正規化手法は六つのうち四つでAUROCが最も高く、一回の判定に53～79ミリ秒を要しました。
説明統計的・因果的不確実性に頑健なマルコフ決定過程の反事実推論
要約本論文は、マルコフ決定過程（MDP）において「別の判断をしていたらどうなっていたか」を問う反事実推論を扱い、AIシステムの逐次意思決定における失敗原因の特定と挙動の説明に用いる手法を検討しています。軌跡データからMDPを推定する際の統計的不確実性と、同じMDPに適合する複数の構造的因果モデル（SCM）が存在することによる因果的不確実性の両方を同時に扱います。区間MDPから導かれるすべてのSCMで成り立つ反事実確率の解析的な上下限を示し、誘導された反事実区間MDP上での悲観的価値反復により、望ましい結果を得るための最小限の頑健な介入を計算します。複数の事例研究で、手法の頑健性と実用性が示されています。
説明HGRP：配線容易性予測のための異種グラフニューラルネットワーク
要約本論文は、配線容易性予測（routability prediction）のための異種グラフニューラルネットワーク「HGRP」を提案している。配線を実際に行わずに配置の品質を素早く評価できるようにすることが目的である。セル、ネット、配線グリッドを異なる種類のノードとして表現し、異種グラフ表現を構築したうえで、異種メッセージ伝搬機構により回路構造と配線挙動の複雑な相関を学習する。CircuitNetデータセットにおける輻輳予測タスクでは、既存の最先端手法と比べてF1スコアが相対で18.69%向上したと報告されている。
説明人間とAIエージェントにおける慣習の特定と定量化：何を、どこで（Hanabiを用いた研究）
要約本論文は協力型カードゲームHanabiを題材に、人間とAIエージェントがどのような暗黙の慣習を用いるかを調べたものです。慣習が使われた場合に成功率が予測を上回る分を「慣習ギャップ」として測定し、人間と複数レベルのエージェントを比較しています。人間のギャップは大きく、特に触れたのとは別の札を指すヒントの場面で優位が見られ、慣習の使われ方は手札の既知情報や中盤の局面と関係していました。
注目点Hanabiで人間とエージェントの慣習を量化する「慣習ギャップ」指標を提案し、介入実験で因果性を検証しており、新規性と根拠は比較的強い。
説明少数のデモから鳥瞰図（BEV）ベースで自動運転を学習する行動模倣の検討（シミュレート都市）
要約本論文は、シミュレートされた都市環境において、鳥瞰図（BEV）の視点から行動模倣（BC）による自動運転を検討したものです。著者らは、カーネル密度推定器で行動の密度に応じて学習サンプルの重みを調整し、専家デモが少ない場合でも赤信号での停止や青信号での加速といった稀だが重要な行動の学習を改善する手法を提案しています。CARLAシミュレータでの実験では、この重み付け手法が標準的な行動模倣よりも高いルート完了率を達成したと報告されています。
説明競合するインセンティブ下でのLLMの合意形成の要因に関するシミュレーション研究
要約本論文は、ネットワーク合意ゲームに基づく評価手法を提案し、エージェント群が二色のうち一色で合意して報酬を得る状況を設定しています。エージェントごとに同じ色に対する報酬が異なります。六つのオープンソースモデルと一つのクローズドモデル（ChatGPT 5.6-sol）を、通信範囲やネットワーク構造を変えて比較しています。結果として、オープンソースLLMは消息がネットワーク全体に伝わる場合にのみ合意に至ることが多く、ChatGPT 5.6-solは隣接ノードとのみの通信や通信なしでも合意できました。高度にクラスタ化されたグラフでは合意が減少します。
説明社会的エージェントの対話を効果的にするものは？対になった世界での検証可能な結果からの学習
要約論文は、日常的な調整場面180件からなるベンチマーク「HICO-Bench」を提案しています。各自が私的情報を持つ二つのエージェントが対話した後、合意した計画をそれぞれ記録し、プログラムで実行可能性を、LLMで対話が計画を裏付けているかを確認し、両方を満たすものを「検証済み成功」としています。十三のLLMでは、目標達成度が高いと評価された対話の36%が検証済み成功に至りませんでした。さらに、報酬付き方策最適化手法「PaCPO」を提案し、Qwen3-8Bの検証済み成功率を20.4%から28.3%に引き上げたと報告しています。
説明SWE-Stream：段階的構築と弾力的ストリーミングによるSWEエージェント向け実行可能な学習データの拡大
要約本論文は、ソフトウェア工学エージェントの学習に使える実行可能なタスクを増やすためのシステムSWE-Streamを提案しています。10,728のリポジトリの開発履歴から80,874件の検証済みタスクと118,688件の成功した軌跡を収集しました。これらでQwen3-30B-A3B-Thinking-2507を微調整すると、SWE-bench Verified、Multilingual、Proでの解決率はそれぞれ69.0%、49.3%、45.42%でした。
説明HEM-Med：多施設での安全な投薬推奨のための階層型エージェント記憶フレームワーク
要約本論文は、多施設環境での投薬推奨（MR）を行うHEM-Medを提案します。施設間で移転可能な臨床経験と、各施設固有の処方パターンを分離して記憶し、薬物相互作用や院内採用薬の実現可能性といった安全制約を考慮して推奨を生成します。実在の多施設データセットeICUでの実験では、代表的な転移学習、LLMベース、既存のMR手法より、推奨精度と安全性の両面で優れると報告されています。
説明価値誘導型反発によるオフライン強化学習（VRQL）：粒子相互作用に行動価値を組み込み、方策改善と行動正則化を整合させる手法
要約本論文は、オフライン強化学習におけるドリフト（drifting）方策について、標準的な手法が生成された行動同士の幾何学的関係のみで反発を決めるため、期待価値で区別できない点を指摘している。著者らは、行動価値の推定値を粒子相互作用場に組み込む価値誘導型反発Q学習（VRQL）を提案し、価値の低い粒子ほど強い反発を与えつつ、行動データへの引力は保持するとしている。OGBenchの50タスク設定およびD4RL AntMazeの6設定で、既存のベースラインと高い競争力を示したと報告している。
説明指数凹オンライン学習における次元最適な動的リグレット（変化する比較対象を追う学習の誤差の理論的上限と下限）
要約本論文は、指数凹損失のオンライン学習において、変化する比較対象を追跡する際の次元の影響を扱っています。次元因子を既存の d の2/3乗から d の1/3乗へ改善し、対応する下界も示しています。未知の経路長に適応する学習器を提案し、計算時間はTにほぼ線形です。
注目点指数凹損失の動的後悔における次元依存性の最適化を解決し、既存のd^{2/3}を改善して一致する下界を示す。
説明職業由来のスキルが役立たない場合：スキル併用型キャリアパス予測の限界
要約本論文は、テキストベースの職業表現に加えて明示的なスキル表現が補完的な情報をもたらすかを検証しています。予測されたスキルとESCOの正解アノテーションの両条件で、スコア融合やニューラル構造など複数の手法を評価した結果、二つのベンチマークデータセットにおいて強力なテキストのみのベースラインを大きく上回る改善は見られませんでした。その要因として、テキストとスキル表現の高い冗長性、ESCO分類体系の限られた識別力、スキル埋め込みの表現崩壊が挙げられ、密なテキスト表現が関連するスキル情報の大部分をすでに捉えていることが示唆されています。
説明クロスモデル文脈内ニューロフィードバックが示すLLMの（限定的な）活性化制御
要約本論文は文脈内ニューロフィードバック実験により、言語モデルが自身の活性化から導かれるスコアを意図的に制御できるかを検証しています。5つのファミリーの公開重み付きモデル10件を対象とした結果、一部のモデルは自身のスコアを大きく動かせるものの、同程度の能力を持つ別の執筆モデルを上回るものではないと報告されています。また、10件中3件のモデルに小さいながらも一貫した制御効果が見られ、活性化監視器のスコアを上げられるモデルは1件のみで、下げられたモデルはありませんでした。
説明TreeSpark：検証する木構造の草案を学習する投機的デコーディング手法
要約本論文は、半自己回帰型 DSpark アーキテクチャを拡張した学習・推論の統一フレームワーク TreeSpark を提案する。単一のバックボーン前向き計算から親状態に条件付けた候補木を構築し、学習中に展開・剪定・予算制約付きパッキングを再生する。生存負の対数尤度と上限付きカバレッジヒンジ損失の二つの目的関数は、参照連鎖の目標分布を再利用し、追加の目標モデル前向き計算を必要としない。Qwen3-4B と Qwen3-8B での評価では、DSpark と比べて平均受理長と単一リクエストのスループットが向上したと報告されている。
説明RM-OPD：生成型報酬モデルのためのオンポリシー蒸留法
要約本論文は、混合ドメインの選好データで強化学習を行う生成型報酬モデル（GRM）の学習における、報酬の疎さとドメイン間干渉という問題に取り組みます。提案するRM-OPDは二段階の枠組みで、まず単一ドメインのGRPO微調整により各ドメインの専門教師モデルを育成し、次にオンポリシー蒸留などの手法で一つの生徒モデルに統合します。複数の報酬モデルベンチマークと二つのベースモデルで、従来の混合強化学習などを全体として上回ったと報告されています。
説明統一マルチモーダルモデルの生成経路を使い、細粒度の視覚理解を高める研究
要約本論文は、統一マルチモーダルモデル（UMM）の生成側の視覚表現が細粒度の視覚理解に役立つかを検討しています。生成側の表現は細かな意味の変化に敏感で、正しい空間配置に依存することが示されています。これを踏まえ、生成側の情報をコンパクトなGトークンに圧縮して理解経路で検索するGAFUという後学習フレームワークを提案しています。実験では、同じデータで学習したSFTベースラインを多様なタスクとアーキテクチャで上回り、VStar-Bench、OmniSpatial、VSR-Benchで最大相対改善率はそれぞれ20.00%、17.94%、8.62%でした。
説明MultiPartyTurnBench：多人数音声対話における発話権制御のベンチマーク
要約本論文は、2〜5人の話者と6種類の対話形式を含む240件の合成多人数会話からなるベンチマーク MultiPartyTurnBench（MPTB）を提案し、全二重音声システムが発話終了と割り込みを正しく判定できるかを評価する。学習型システムは発話終了の検出で高い再現率を示す一方、割り込みの検出は取りこぼしや過剰反応が見られる。五つの全二重エージェントも、発話権の選択的な扱いではほぼ偶然レベルにとどまり、多人数音声対話における選択的な発話権制御が未解決の課題であることを示している。
説明混合整数線形計画法による疎なブール規則ネットワークの最適化
要約本論文は、ブール規則として直接解釈できる、正確で認知的に単純な二値分類器の学習を扱う。混合整数線形計画法（MILP）により、疎な選言標準形（DNF）ネットワークを学習する手法を提案し、まず網羅構造を固定してから最適な重みを求める。正則化目標により誤分類コストと疎性のトレードオフを明示的に制御する。改良した定式化は計算効率を高め、既存の解釈可能な基準手法と同等かそれ以上の精度を示している。
説明ギャップ検出：需要と防御可能性による同質化の緩和
要約言語モデルは、多くの妥当な代替案がありうる自由形式の質問に対しても、意味的に似通った回答を出しがちです。本論文は、共有テキスト埋め込み空間で関連性がありながら既存の回答が埋めていない方向を探す「ギャップ検出」の枠組みを提案します。クエリへの関連性（需要）と最も近い既存項目との非類似性（防御可能性）の積でスコアを定義し、最適化します。5つのトピックと90件のクエリで出力の衝突率が平均で約12.8%および10.8%相対的に低減したと報告されています。
説明OneLA：潜在行動から多様な世界を学習する統一制御空間
要約本論文は、共有直交辞書と共通の予測目標により、映像から連続的な潜在行動を学習するOneLAフレームワークを提案します。明示的な行動教師ラベルや、タスク固有の設計、ドメイン間アライメント損失は用いません。軽量なアダプタが各ドメインのネイティブな制御指令を同じ空間へ写像し、世界モデルはそれに基づいて可制御な状態遷移を予測します。最も強いベースラインと比べて、行動サイクル転送の回転誤差を24.8%削減し、同時学習比較では実シーン生成のHPSv3スコアが20.5%向上したと報告されています。
説明データセットレベル正則化：結合埋め込み型自己教師あり学習のための手法
要約本論文は、データセット全体の状態をCPUメモリに保持し、ミニバッチ外で構築したサンプルごとの目標を用いる「バッチ外正則化」を提案している。自然画像と生体医学データセットで評価され、小さいバッチサイズでは従来のミニバッチ推定より全データセットの正則化勾配に近い結果を示す。SimCLRとSIGRegに適用すると、画像分類、少数クラス性能、インスタンス検索、継続的事前学習で改善が見られ、小さいバッチサイズでの利得が最も大きい。
説明大規模言語モデルによる融資申請のポリシー適合性検証
要約本論文は、銀行の内部融資ポリシーから規則を自動抽出し、融資申請がそれに適合するかを検証する大規模言語モデル（LLM）ベースの試作システムを提示する。抽出された規則を用いて、ポリシー例外、非適合事項、情報不足、人手による確認が必要なケースを特定する。実在の融資申請11件（既知のポリシー例外あり）での評価では、例外の大半を検出し、人手レビューで見落とされていた問題も指摘した。一方で誤検知があり、人間の判断を完全に代替するものではないとされている。
説明構造的依存か、模倣か、群集か？グローバルなメディア間アジェンダ設定のマルチエージェント・シミュレーション
要約バングラデシュ、ケニア、南アフリカ、インド、マレーシア、ナイジェリアの18の国内メディアが、ウクライナとガザの戦争および2022〜2024年の国連気候会議2回の報道で、四つの中核メディアとどれだけ似ていたかを、報道量、切り口、掲載時期の面から測定しました。さらに言語モデルを編集者として振る舞わせ、依存・模倣・群集の各仕組みを切り替えるシミュレーションを行いました。検証した9項目のうち支持されたのは一つだけで、通信社の配信記事への依存度が高いメディアほど中核メディアの後に早く掲載していました。群集の検証は支持され、模倣は支持されませんでした。依存のルールは配信記事の掲載に還元されたため、仕組みを特定するには至っていません。
説明火災・煙検知のための注意機構ベースの時空間アプローチ
要約本論文は、映像内の煙と火災を検出するため、空間特徴と時間ベースの特徴を組み合わせた視覚ベースの手法を提案しています。赤外線熱センサーや煙センサーは屋外では使用できないため、この手法が検討されています。手法は三つの主要部分からなり、各部分が前の部分の誤差を減らす構成で、Transformerモジュールも精度向上に用いられています。著者らは、この手法が職場の安全性向上に利用できると述べています。
説明自然言語処理のメカニスティック解釈可能性のためのスパースオートエンコーダ：再現性・解釈可能性・有用性に関する批判的サーベイ
要約本論文は、自然言語処理におけるスパースオートエンコーダ（SAE）に関する138件の研究を批判的にレビューしたサーベイです。SAEは言語モデルの活性化を、疎で解釈可能かもしれない特徴へ分解する手法です。著者らは辞書設計・特徴操作・NLP機能を結びつける課題志向の分類法を提案し、特徴の再現性に影響する要因や、意味的解釈可能性・機構的忠実性・振る舞い上の有用性の根拠を検討しています。公表結果の比較分析を通じて見かけ上の不一致を整理し、より厳密な評価の方向性を提示しています。
説明フローマッチングによる文脈内バッチブラックボックス最適化
要約本論文は、多数の候補を並列評価できるが評価回数が限られる高コストなシステムを対象とする。提案手法FMTR（Flow Matching for Thompson-Sampling Refinement）は、履歴を条件とする連続的な提案分布を事前に学習し、可変サイズのバッチをサンプリングする。合成および実世界のベンチマークで、バッチ型ベイズ最適化や文脈内ベースラインを上回り、バッチ選択の計算コストも大幅に削減したとされる。
説明StreamErase：超高速ストリーミング動画消去
要約本論文は、単一GPU上で遅延1秒未満、最大26 FPSのストリーミング生成を可能にする動画オブジェクト消去手法StreamErase（ストリームイレース）を提案します。まずマスク入力を備えたテキストから動画を生成するモデルで、対象物を消去し背景を合成した高品質な動画を作り、その消去能力を効率的な一方向ストリーミング消去器へ段階的に移します。アテンションシンクを伴うスライディングウィンドウ因果アテンションと、学習時の自己ロールアウトおよびKVキャッシュのローリングにより、任意の長さの動画を一定速度で生成できるようにしています。また長尺動画の消去のための専用ベンチマーク LongErase も構築されています。
説明エッジデバイスにおける視覚言語モデル推論のエネルギー特性評価
要約本論文は、視覚言語モデル Qwen2-VL-2B-Instruct とそのテキスト専用版について、Hailo-10H NPU を搭載した Raspberry Pi 5 および Jetson Orin Nano Super 上での、システム全体のエネルギー消費、遅延、温度挙動を測定したものです。各リクエストの固定エネルギーと出力長に応じて増加するエネルギーを分けて評価しています。NPU へのオフロードにより生成トークンあたりのエネルギーが約3分の2削減され、CPU の長時間使用時に起こるサーマルスロットリングも避けられたと報告されています。両プラットフォームのエネルギー曲線は出力約40トークン付近で交差します。
説明イベントから推論へ：明示的状態上の階層的ルール合成
要約本論文は、推論状態を明示的なイベントグラフとして扱うイベント推論システム（ERS）を提案している。意味的特徴が候補の対象とルール束縛を提示し、宣言されたルールとタスク条件が実行可能かどうかを判断するため、期間・単位・証拠の制約に反する候補は受理された推論経路に入らない。構造化イベントグラフ上での依存連鎖の長さ、根拠のない出力の数、推論の所要時間などの結果が報告されている。
説明BlenderWorld：実世界の参照からの3D制作を行うビジュアルエージェントのベンチマーク
要約本論文は、実際の3D制作タスクでフロンティアモデルを評価する初の包括的ベンチマーク「BlenderWorld」を提案しています。建築、製品、自然環境、科学的可視化にわたる223のタスクを含み、入力はテキスト、画像、動画、構造化仕様です。提出されたBlenderプロジェクトを複数の視点から描画し、2,651の二値評価基準と全体的な視覚品質スコアで評価しています。13のモデルを比較した結果、広い指示の理解は可能でも、きめ細かな3D空間の一貫性や構造の正確な再現には依然として課題があることが示されています。
説明DreamHMR：構造的な注目による、動画生成から人体動作モデリングへの転用
要約本論文は、動画生成の事前学習で得られる時空間的な先験情報を人体メッシュ復元に応用するDreamHMRを提案します。動画から身体の動きと手の細かな動きを同時に復元することを目指します。まず全体表現の転移で人体の幾何学を学習し、次に局所的な関節特徴の強化で遮蔽や背景の影響を抑えつつ細部を復元します。3DPW、EMDB-1、RICHでは、最良モデルが身体のMPJPEをそれぞれ4.2%、4.7%、6.1%削減しました。遮蔽の多いBEDLAMとEgoBodyでは、身体と手のMPJPEがそれぞれ7.0%と10.0%減少しました。
説明神経オペレータをBregman近接の観点から見る：演算子層を正則化最適化問題の解として捉える新しい枠組み
要約本論文は、神経オペレータの演算子層の働きを、Banach関数空間上のBregman正則化最適化問題の最小化解として捉えます。この枠組みでは、活性化演算子を双対空間から原空間へのBregman近接演算子として解釈できます。著者らはこの視点から、逆活性化演算子を含むBregman神経オペレータを提案し、標準的な神経オペレータと同等の表現力を持つことを示しています。数値実験では、Bregman版のフーリエ神経オペレータが、より深く高精度なモデルの学習に有益であることが示されています。
説明KANLab：コルモゴロフ・アーノルドネットワーク向けの TensorFlow Playground 型可視化教材
要約KANLab は、TensorFlow Playground をもとに作られたブラウザ上の可視化ツールで、コルモゴロフ・アーノルドネットワーク（KAN）の中核的な概念を対話的に学べるようにしたものです。教育上の分かりやすさを優先し、現代の KAN 実装にある残差接続や学習可能なスケーリングパラメータは省かれており、表示される B スプライン活性化曲線は学習可能な制御点に直接対応しています。利用者は活性化関数や初期化方式を確認・変更でき、人為的な乱れを勾配降下法が修正していく様子を観察できます。さらに、コンパクトな二次元の機械学習設定の中で、活性化の分散、対話的な枝刈り、再学習といった現象を試すことができます。ツールはオープンソースで、https://kanlab.app/ から利用できます。
説明文脈圧縮の透明性を高めると、軽量コーディングエージェントの事実と約束の保持が向上する
要約長時間にわたるコーディングエージェントのセッションはモデルの文脈ウィンドウを超えるため、履歴を圧縮する必要があります。本論文は、オープンソースの Pi コーディングエージェント向けの決定的な手法 transparent-compact を提案します。この手法は、ユーザーとアシスタントの文章をモデルやアルゴリズムで変更せず、圧縮で情報が失われた箇所を明示します。複数のモデルによる評価では、約束や事実の想起タスクで比較手法と同等以上の結果を示し、特に誤った情報を自信をもって述べる誤りを減らしました。フロンティアモデルでは優位性はより小さくなりました。
説明ACR-Net：対照的な音響-意味の分離による意味支配の緩和
要約音声感情認識モデルや音声LLMは、声の調子と文字の意味が矛盾する場合に誤りやすいと論文は指摘します。学習データの意味と調子が一致していることから、モデルがテキストに強く依存する「意味支配」が生じるとされています。著者らは四種類の矛盾を含む敵対的な音声・テキストのペアからなるASPIREベンチマークと、意味過信ペナルティ（SOP）および潜在解耦度（LDD）の二つの指標を提案しています。提案手法ACR-Netは、クロスモーダル注意と対照的解耦損失を用いて矛盾する表現を直交する潜在空間に分離し、敵対的・標準的な両条件で高い音響精度を示したとしています。
説明スペクトルからフロベニウスへ：Muonがスペクトル的暗黙バイアスを失うとき
要約本論文は、線形分離可能データにおけるMuon最適化手法の暗黙バイアスを扱う。有限回のNewton-Schulz反復による近似と正の安定化定数を用いる実装では、理想的なスペクトル最大マージン方向ではなくフロベニウス最大マージン方向が選ばれることを証明している。反復回数、安定化定数、Newton-Schulz多項式の役割も分析し、反復回数を訓練中に対数的に増やすとスペクトルバイアスを回復できると示している。
注目点有限回のNewton-Schulz反復と安定化定数により、Muonが実際にはFrobenius最大マージン方向へ偏ることを証明し、複数の漸近挙動を明らかにしている。
説明RepForcing：自己回帰型動画蒸留のための表現空間初期化手法
要約本論文は、事前学習済みの動画拡散モデルを少ステップの自己回帰（AR）生成器へ蒸留する手法RepForcing（Representation Forcing）を提案する。中間ARティーチャーの軌道回帰に代えて、凍結した動画拡散Transformerの正規化特徴による表現空間の監督で、少ステップの因果的初期化を学習する。著者らは、4ステップのサンプリングでDMD後にVBench Totalが84.04から84.66へ、VisionRewardが6.326から10.074へ向上したと報告している。
説明網羅的な正準スケルトン生成：分解可能な記号回帰のための形式的データセット
要約本論文は、ニューラル記号回帰の学習データが確率的サンプリングに依存して構造的冗長性が高く、関数の網羅性も不完全だという問題に対処します。決定的な制約付き文脈自由文法により、単変量の正準スケルトンを網羅的に生成したデータセットを提案します。あわせて、人為的な保護演算子に頼らず数値不安定性を避けるサンプリング戦略を組み合わせ、多変量問題への分解可能な記号回帰にも対応します。さらに150問からなる三段階のベンチマークを構築し、最先端手法がこれに大きく苦戦することを示しています。
説明なぜクリックを生成するのか？Web エージェントのためのプラグイン式意思決定ヘッド
要約視覚言語モデルに基づく Web エージェントは、通常 click(12) のようなテキストを生成して各ステップの操作を決めますが、そのテキストの大部分は、少数の操作種類と数十個のマーク付き要素の中からの選択にすぎません。本研究では、生成器の隠れ状態から直接これらの選択を読み取ります。凍結した生成器に接続するプラグイン式の意思決定ヘッドが操作種類を予測し、目標要素を選びます。ヘッドが確信を持てる場合はその操作を実行し、そうでなければ生成器が続きを復号する信頼度カスケードを用います。WebArena などのベンチマークでは、生成トークンを半分未満に抑えつつタスク成功率を維持しています。
説明市場マイクロストラクチャの基盤モデルは何を学ぶのか：合成リミットオーダーブックによる制御実験
要約本論文は、潜在パラメータが既知のシミュレータで生成した注文フローでGPT型モデルを学習し、ベイズ最適予測器と生成状態を基準として評価しています。注文フローに対する次トークン事前学習は、市場レジームに対する償却ベイズ推論を実現することが示されています。実データへのゼロショット転移は、シミュレータの事前分布が実際の注文フローをどれだけ覆うかで決まるとしています。
注目点真値が既知のシミュレータでベイズ最適との比較を行う設計は新しく、実験は十分に裏付けられており、サブ分野への参考価値が高い。
説明言語への露出の影響：データが限られた多言語 BabyLM 事前学習における分布と順序
要約本論文は、データが限られた条件で、英語・オランダ語・中国語への学習データの配分と、その露出の順序が多言語 BabyLM の性能にどう影響するかを検討しています。学習データを均等に配分する場合と、特定の言語に偏らせる場合を比較し、さらに多言語データを最初から混ぜて学習する方式と、段階的に学習する方式（カリキュラム学習）を比べています。その結果、混合学習は 15 の対応する構成すべてでカリキュラム学習を上回り、偏重型の混合構成の一部は均等構成より高いスコアを示しました。オランダ語を主とする構成が全体として最も良い性能を示しました。
説明タスク状態ガバナンス：検証可能で回復可能な GUI エージェント実行のための仮想マシン
要約本論文は、望ましい結果・保持すべき事実・観測されたアプリケーション状態を結び付けた編集可能な契約としてタスクを表す対話パラダイム「タスク状態ガバナンス」を提案しています。その実装である TaskVM は、実行中の状態を編集可能なタスク操作に投影し、独立した観測により結果を検証し、各操作を可逆・補償可能・不可逆のいずれかに分類します。自動契約ベンチマーク、対照的ユーザー調査、ライブモデルによる探索で、実行結果を変えずに契約遵守とユーザーの回復制御・信頼が向上したと報告されています。
説明EvalBuilder：LLMは効率的なベンチマークを構築できるか？
要約本論文は、大規模言語モデルのエージェントが、高コストな参照評価と同じ結論を保つ低コストの評価ベンチマークを自動で構築できるかを検討します。自動ベンチマーク構築をメタ評価問題として定式化し、忠実性、効率性、頑健性の三つの観点でその能力を測るEvalBuilderという枠組みを提案しています。さらに、固定の時間予算内でベンチマークを反復的に改良できる環境も提供しています。
説明RTAformer：動画シーングラフ生成のための関係遷移認識型Transformer
要約本論文は、動画中の物体とその時間的に変化する関係を捉える動画シーングラフ生成（VidSGG）を扱います。既存手法は一貫性を重視するため、関係が変化した後も以前の予測を保持してしまう問題があり、これを「関係的意味慣性」と呼んでいます。そこで提案手法RTAformerは、実体の持続性と関係の変化を別々にモデル化し、学習時にはフレーム間のインスタンス対応付けを行います。Action Genome上の実験では、再現率と平均再現率の向上が示され、関係遷移フレームでの改善が非遷移フレームより大きいと報告されています。
説明好みの比較が循環するとき：動画GRPOのための信頼性アンカー付き選好ウォーク
要約本論文は、動画生成モデルの強化学習で用いられる対比較型の選好フィードバックを対象とし、6,976組のオンポリシー比較グラフの分析から、循環する選好が広く存在し学習全体を通じて持続することを示しています。平均勝率に基づく単純な報酬集約は比較構造を捨てるため、一部のサンプルで信頼性の低いアドバンテージ推定を招きうると指摘しています。これを受けて、循環選好グラフ由来の信頼できる関係性の証拠で勝率ベースの全体的選好信号を補強する「Reliability-Anchored Preference Walk」を提案しています。評価器、比較プロトコル、グループサイズ、プロンプト配分、クエリ予算を揃えた条件で、追加の評価器クエリなしに、Pairwise-GRPOを上回る結果が示されています。
説明AFCS：事実知識の事前学習のための原子事実条件付き合成手法
要約本論文は、原文書から根拠のある原子事実を先に抽出し、保持された各事実を用いて学習コーパスを生成するデータ合成パイプラインAFCS（Atomic-Fact-Conditioned Synthesis）を提案している。OLMo-3-7Bおよび32Bベースモデルの継続事前学習実験では、SimpleQA、SimpleQA Verified、PopQA、HotpotQAでWRAPやNemotron-CCを上回った。粒度の比較実験では、事実レベルの合成がチャンク、段落、エンティティレベルより優れることが示された。
説明視聴覚質問応答で LLM の推論を高めるテキストインターフェース設計
要約本論文は、視聴覚質問応答タスクにおいて自動プロンプト最適化（APO）を適用する際に、テキストインターフェースの設計が与える影響を検討しています。単一の全モダリティ大規模言語モデル（OmniLLM）による直接推論、キャプション生成と推論を分けた方式、主エージェントがサブエージェントを統括する方式の3種類を比較しました。Qwen3-Omni と Gemini を用いた実験では、直接最適化の効果はモデルによって異なり、後者の2方式は解釈しやすい一方で最適化が難しいことが示されました。著者らは、全モダリティ推論においてテキストインターフェース設計が最適化の効果を左右する重要な要因だと結論づけています。
説明VisualWorldBench：MLLMの視覚的世界知識を細粒度に評価する多タスクベンチマーク
要約本論文は、8つの視覚領域にまたがる21,291の葉ノードクラスの階層的分類体系に基づく多タスクベンチマーク「VisualWorldBench」を提案しています。評価インスタンスは32,541件で、閉集合認識、対比選択、精密な位置特定、オープンワールド命名の4タスクから構成されます。多くの問いは分類上近いカテゴリから作られ、細粒度の識別能力を問います。最も性能の高い商用モデルの平均精度は80.4%にとどまりました。さらに、50K以上のカテゴリを含む学習資源「VisualWorldBench-50K」を構築し、ファインチューニングでベンチマーク上の性能が21ポイント以上向上したと報告しています。
説明一般化全変動最小化による最小二乗フェデレーテッド学習の大次元解析
要約本論文は分散ネットワーク上のフェデレーテッド学習において、協調によって局所の有限サンプルノイズを抑えることと、異種ノード間の協調が生む偏りとの間のトレードオフを研究しています。ランダム行列理論を用いて、最小二乗モデルによる一般化全変動最小化（GTVMin）の解を大次元で解析し、固定ネットワーク上の独立同分布および非独立同分布のガウス混合分布の場合について、性能の厳密な解析式を示しています。結果は合成データと実データの実験で確認されています。
説明患者個別デジタルツインによる脳室腹腔シャント留置経路計画の実現可能性の検討
要約本研究は、術前CTから頭蓋骨・頭皮・耳・脳室を再構築し、Keen点周囲で最適な穿刺経路を探索して、耳からの定規測定と2つの深さで留置計画を示す患者個別デジタルツインを構築したものです。成人11名に徒手で実施したところ、11例中10例でHayhurst分類Grade 1の留置が得られ、過去の対照では213例中22例でした。術中合併症はありませんでした。改善は患者ごとに穿刺点と深さを選んだことによるもので、翻術を減らすかどうかは次段階の検証課題です。
説明GDBA-Net：クロスドメイン核セグメンテーションのためのゲート付き二分岐SAM2適応手法
要約本論文は、パラメータ効率に優れた核セグメンテーションフレームワークGDBA-Netを提案します。中核となるのはゲート付き二分岐アダプタ（GDBA）で、凍結したSAM2エンコーダに、事前学習済みの意味表現と周波数由来の構造事前情報を組み込みます。両者はサンプルごとに適応するチャネル単位のゲートで統合されます。430万個の学習可能パラメータのみで、6つの核セグメンテーションベンチマークにおいて、データセット内およびデータセット間の汎化性能が競合手法を上回ると報告されています。
説明予測区間の再考：少ステップ MeanFlow でモデル照会と状態更新を切り離す
要約本論文は、少ステップサンプリングにおける MeanFlow の推論制御を扱っています。モデルに照会する区間と状態更新の幅を分離し、モデルや更新グリッドを固定したまま予測区間の長さだけを変えて検証しました。効果は照会位置と入力される状態の両方に依存し、再学習や追加照会なしで CIFAR-10 の FID を下げる固定ルールが提案されていますが、すべての条件で最良とは限らないと報告されています。
説明深層で学習可能、小規模で厳密に解ける：多項式活性化関数の損失曲面が網の設計・初期化・学習をどう規定するか
要約本論文は多項式活性化関数を中核とする網の構成を提案し、深い積層網としてMNISTで正規化機構なしに100層まで学習できることを示しています。小規模モデルとしては二乗損失を厳密に解ける多項式系として表します。著者らは、小規模での厳密な分析が大規模な積層網の設計・初期化・学習の指針になると論じています。
説明LLMはどの知識を信頼すべきか：知識の衝突をまたいで一般化できる誘導方向の発見
要約本論文は、大規模言語モデルが内部のパラメトリック知識と外部の文脈知識が衝突した際に、どちらを選ぶかを検討しています。この選択はモデルの残差ストリーム内の単一の方向で線形に表現され、制御可能であることを示しています。この方向は複数の事実衝突の設定に一般化し、検索拡張生成、記憶、規則遵守の3つのタスクにも転移して、プロンプトで与えられた情報の利用を高めます。
説明FoveaVLA：VLAモデルでリストカメラを注視動作に置き換える手法
要約本論文は、手首カメラを学習された注視（フォビエーション）動作で置き換えるVLA（視覚・言語・行動）モデルFoveaVLAを提案します。各行動チャンクとともに次の観察すべき相互作用領域を予測し、元の解像度の画像から切り出した領域と全体視野を入力します。π0.5を基盤とする単一・二重構成で、実世界の4つのタスク群において、手首カメラ付きのπ0.5（52.1%）より高い成功率（単一70.8%、二重77.1%）を示したと報告されています。
説明正しさを超えて：推論モデルの事後学習のための計算応答型データ選択
要約本論文は、推論モデルが事後学習によってテスト時の計算資源をより有効に使えるか、またどの学習例が有用かを検討します。追加の推論によって初期の失敗から成功へ変わる「計算応答型（CR）」例に注目し、それを優先するデータ選択手法CRDSを提案しています。Qwen3-8Bでは、CR例での学習が既に解けた例での学習より低計算での失敗問題の回復率が高いと報告されています。
注目点追加推論計算の限界効用で訓練例を選ぶ新原則を提案し、複数モデル・データ・予算で体系的に検証しており証拠は比較的充実している。
説明GBTSVR：粒球計算に基づく双子サポートベクター回帰
要約本論文は、個々のサンプルの代わりにコンパクトな粒球を基本学習単位とする粒球双子サポートベクター回帰（GBTSVR）と、その分位点回帰への拡張GB-TSVQRを提案している。粒球上で非平行な上下限回帰関数を構築し、ノイズや外れ値の影響を抑える。著者らは、合成データ、時系列ベンチマーク、外れ値を含むデータでの実験において、既存の回帰モデルを上回ったと報告している。
説明明確化とは何か：モデル依存の入力曖昧性の推定
要約本論文は、入力が許容するすべての解釈を指す「世界の曖昧性」と、応答モデルが到達できる解釈を指す「モデルの曖昧性」を区別します。自然言語の明確化を一意性、忠実性、答えの同値性の三つの条件で定式化し、黒箱手法CircleClarを提案しています。CircleClarは「答え–明確化–答え」の循環における一貫性を確認し、モデルが利用可能な答えの集合を推定します。オープンドメインQAと実行可能なText-to-SQLで、この集合を高い精度で復元できることを示しています。
説明FACES：マルチモーダル感情サポート対話のための細粒度ゲート型意味アライメント手法
要約本論文は、マルチモーダル感情サポート対話（MESC）向けのFACESフレームワークを提案します。複数ソースの報酬を統合して多次元の意味・機能アライメント信号を構成し、非補償型のゲート融合機構で次元間の報酬の偏りを抑えます。さらに構造化された思考連鎖（CoT）アンカーを用いてトークン単位の信用割当を行います。回答長を統制した条件で、マルチモーダル大規模言語モデルによる平均評価スコアは3.61から4.04に向上し、SOTAに対する一対比較の勝率は80.22%、人手評価の選好率は75.3%でした。三つの外部データセットでも転移可能性が示されています。
説明逐次学習に基づく物理情報ニューラルネットワークによる電力変換器のパラメータ推定
要約本論文は、時系列データから直流降圧コンバータのインダクタンス、キャパシタンス、寄生抵抗を同定するための段階的な物理情報ニューラルネットワーク（PINN）を提案します。勾配は感度解析に基づく順序（L、C、rL、rC）で段階的に解放されます。五段階方式ではLとCが5%以内、直列等価抵抗（ESR）が10%以内の精度で推定され、三段階方式は同等の精度を11%速く達成します。
説明SWE-Nexus：テスト実行に基づくソフトウェア工学タスクの自動合成
要約この論文は、過去のコード変更ではなくテスト実行に基づいて、リポジトリ単位の実装タスクを自動構築するパイプライン SWE-Nexus を提案している。テストが実行する本番関数の本体を追跡し、それらを隠した状態で少なくとも一つのテストが失敗することを確認した範囲だけを残し、互いに両立する範囲を決定的に組み合わせて複合タスクを作る。ベンチマークは 105 リポジトリ・6 言語の 600 タスク（単一 116、複合 484）からなり、12 モデルを 3 種のエージェント構成で評価した結果、最良構成は一回の試行で 37.8% のタスクを解決した。
説明重み付き随伴マッチング：時間依存の制御コストによるフローマッチングモデルの微調整手法
要約本論文は、微分可能な報酬が与えられたとき、事前学習済みの拡散モデルやフローマッチングモデルを微調整する手法「重み付き随伴マッチング（Weighted Adjoint Matching）」を提案しています。随伴マッチングを土台に、制御コストへ時間依存の重みを導入しました。生成初期は高いコストで粗い特徴の多様性とバランスを保ち、終盤は低いコストで細部を洗練させて報酬を高めます。提案法は生成経路上の時間変化するKL正則化の下で報酬を最大化することと等価であると証明されています。ガウス混合およびMNISTでの実験では、随伴マッチングより報酬とモードのバランスの良いトレードオフが示されました。
