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。
説明ルーター・ドリフト制御：混合専門家型強化学習におけるオフポリシー劣化の抑制
要約論文は、混合専門家（MoE）モデルの強化学習では、学習と推論の不一致によりルーターのドリフトが生じると指摘します。著者らはルーティング再生（R3）が勾配バイアスを生むことを分析し、推論と学習のルーティングの不一致をオフポリシーの古さの指標として用い、ドリフトの大きい応答を選択的に除外するルーター・ドリフト制御（RDC）を提案しています。非同期強化学習では、RDC と截断重要度サンプリング（TIS）の組み合わせが、AIME 2024 と AIME 2025 の平均ピーク検証精度で TIS および R3 を上回ったと報告されています。
説明大規模言語モデルのデータ戦略：学習ライフサイクル全体を見渡す統一的視点
要約本論文は、大規模言語モデル（LLM）の学習ライフサイクル全体におけるデータ戦略、すなわちデータの選択・重み付け・スケジューリングを整理したサーベイです。各手法を、決定の粒度、モデル依存性、時間的適応性で分類し、学習データの候補例へ学習予算を配分する「ポリシー」として定式化しています。細粒度または学習状態に依存するポリシーは制御性が高い一方、スコアリングや探索などの追加コストがかかると述べ、モデル規模を越えた転移の実証や、エンドツーエンドでの同等コストの比較はまだ限定的だと指摘しています。
説明トークナイザーの単一の特徴では下流の言語モデル性能を確実に予測できない
要約本論文は、9つの言語で学習させた約200の言語モデルとそのトークナイザーを分析し、様々な内在的トークナイザー指標がモデルの性能とどの程度関係するかを検証しています。提案された多数の指標のいずれも、モデルファミリー、タスク、言語を問わず一貫して下流性能を予測することはできませんでした。著者らはこれを受けて新たな評価指標の必要性を示し、言語学に基づく新指標を提案しています。この指標は既存指標が捉えきれない品質の側面を捉えますが、その予測力はモデルファミリー、言語、タスクによって異なる可能性があるとしています。
説明古典的手法による現代的応用：軽量な離散応答・連続潜在変数モデルを用いた合成表形式データ生成
要約本論文は、連続変数と離散変数の両方を含む表形式データをモデル化する軽量なアルゴリズムを提案している。経験的周辺分布と選択した分位関数でデータを連続潜在空間へ変換し、多変量ガウス分布などを効率よく推定・適用する。深層構造と異なり、依存関係が少なく、学習が頑健で、サンプリングも効率的である。離散変数は潜在空間の点ではなく領域に対応するため、著者らはモンテカルロ期待値最大化（MCEM）の定式化を導入し、従来の最尤推定量を利用できるようにしている。
説明成対トークン対比と適応的軌道信頼度によるマルチモーダルRLVRの改良（検証可能な報酬による強化学習で功績配分を精密化する手法）
要約本論文は、検証可能な報酬による強化学習（RLVR）のマルチモーダル推論における課題に取り組んでいます。従来手法は回答全体の単一の系列レベル優位性を各トークンに均等に与えますが、誤りは通常少数の決定的なステップに集中します。著者らはPACE（Pairwise token contrast and Adaptive trajectory ConfidencE）を提案し、4種類の教師視点によるトークンごとの成対対比と、回答ごとの適応的軌道信頼度により功績の再配分幅を決めます。原文によれば、3つのバックボーンで平均精度が最も高く、Qwen3-VL-8B-Instructではすべての評価対象マルチモーダル推論ベンチマークで首位となりました。
説明Edit4D：テキスト制御による編集可能な4Dシーン生成
要約Edit4Dは、背景と動的キャラクターを分けて表現し、それらを組み合わせて4Dシーンを生成する、編集可能なテキストから4Dシーンを作る枠組みです。ユーザーの指示を背景、キャラクター、シーン合成の各段階向けのプロンプトに分解し、背景の3Dガウシアンスプラッティング表現と、4Dメッシュおよびガウス基本要素によるキャラクター表現を段階的に生成・再構築します。テキスト誘導セグメンテーションと接触認識最適化で両者を合成し、全体の調和を高めるため最後にシーン全体を洗練します。論文では、カメラ運動の制御やオブジェクト単位の柔軟な編集が可能になるとされています。
説明FusionAudit：ネイティブ・マルチモーダルモデル向けの経路条件付き頑健性監査
要約本論文は、視覚言語モデルの画像入力に対する2種類の介入（ピクセル摂動と描画テキストの挿入）ごとにリスクを評価する監査フレームワークPaRMAを提案している。ネイティブモデルは画像上の文字に強く注目しながらも、それに惑わされない傾向があり、深い融合モデルではエンコーダレベルと回答レベルの攻撃で目的が一致しないことが示されている。これらの知見に基づき、MANTISとNat-Evidという2つの攻撃手法を設計し、18のオープンウェイトモデルで評価した結果、従来の単一攻撃による順位付けはネイティブモデルでは不安定であることが報告されている。
注目点経路条件付きリスク監査の枠組みを提案し、見ても騙されない現象と目的の不一致を発見、新規性は高い。18モデルで評価し証拠は比較的十分。
説明摂動による重み更新でMNISTの誤差逆伝播並みの精度に近づける研究
要約本論文は、導関数の逆伝播を行わず、ランダムなパラメータ摂動と損失のスカラー変化から学習方向を推定する重み摂動（WP）法を扱います。全結合のMNISTネットワークで、バッチサイズ、学習期間、推定量の安定化が到達精度に与える影響を調べています。浅いネットワークでは大バッチ学習で約97%のテスト精度に達し、誤差逆伝播（BP）の参考値に近い結果となりました。ただし10エポックの条件では、WPは90.2%、BPは97.4%で、効率には大きな差があります。結論は特定の構成と予算の下でのみ成り立ち、効率の同等性や深さ全般での精度保証を示すものではありません。
説明条件付き平均フロー：シミュレーションベース推論のための少数ステップ密度推定
要約本論文は、事後分布と尤度の近似のための条件付き平均フロー（conditional mean flows）を提案している。少数ステップのサンプリングと計算可能な密度評価を組み合わせ、フローマッチングが推論時に必要とする繰り返しの数値積分とMCMCサンプリングの高コストを軽減する。著者らは、単一ステップでの密度評価の誤差は200ステップのフローマッチングと同程度であり、後続のMCMCサンプリングは約200倍高速になると報告している。
説明Data World：データ環境をゼロから拡張する手法
要約本論文は、ファイルの背後にある世界の仕組みを先に定義し、その後に環境・タスク・採点基準を合成するマルチエージェント基盤「Data World」を提案しています。これによりデータ分析エージェントの学習と評価を行い、DataWorld-Bench（16分野・100タスク）を構築しています。合成タスクによるRL-zero学習で得たモデルは、原文によれば複数のベンチマークで基盤モデルを上回りました。
説明台風データセットV3：マルチスペクトル拡張と強度回帰の系統的バイアス分析のベンチマーク
要約本論文は、ほぼ50年に及ぶ台風衛星画像データセットの新版「Digital Typhoon Dataset V3」を紹介し、長期の時空間データで機械学習モデルを評価するためのベンチマークを示します。新たにマルチスペクトル衛星データが加えられました。現在のデータ構築と実験条件では、多チャンネル入力が単一チャンネル入力を明確には上回らないことが示されています。また、強度回帰には強い台風を過小評価する系統的バイアスがあり、不均衡を考慮した重み付け手法でもそれを除去できないと報告されています。
説明自己改善問題：自動ゲートで改善の有無を確実に判定できるかを考察
要約大規模言語モデルのエージェントが自己改善する際、報酬モデルや自動レビューアなどの自動ゲートが更新を正しく受理できるかを検討した論文です。著者らはエージェントをプログラムとしてモdelし、一般的な設定では、信頼性と非保守性を同時に保証する停止する手続きは存在しないことを示しています。有界な評価と有限の提案予算という実用的な可判定領域では、網羅的シミュレーションで保証を回復できる一方、受理された更新の連鎖により真のスコアが下がりうることも示しています。
注目点一般設定では自己改善のゲートが信頼性と非保守性を同時に保証できないことを示し、決定可能領域との境界を明確にした理論的成果。
説明効率的なペアワイズ差分学習：エンコーディング戦略と学習ペア選択の比較研究
要約本論文は、ペアワイズ差分分類（PDC）における入力表現とペア選択という2つの設計上の選択を検討しています。約200の分類ベンチマークデータセットで、4種類の特徴エンコーダと4種類のペア選択戦略を比較しました。提案する三つ組・絶対差エンコーダの平均F1スコアが最も高く、上三角ペアのみで学習すると精度低下をほとんど伴わずに計算時間が約40%削減されました。カーネル薄化による選択は精度向上をもたらさず、計算負荷を大きく増やしました。全体として、PDC設定は試験された94%のケースでベースモデルを上回りましたが、万能な単一設定は存在しませんでした。
説明SCMerge：効率的な意味セグメンテーションのための空間一貫性を考慮したトークンペア統合手法
要約Vision Transformer は意味セグメンテーションで高い性能を示しますが、注意機構の計算量が系列長の二乗に比例するため実用上の制約があります。既存のトークン統合手法は特徴の類似度だけで類似トークンを選ぶため空間的な一貫性を無視し、セグメンテーション誤りを招く可能性があります。本研究は、学習を必要としない SCMerge を提案します。特徴類似度と空間一貫性の両方を考慮してトークンを対にし、エンコーダ内で統合したのち、デコード後に元の画像パッチ格子へ復元します。ADE20K、Pascal Context、Cityscapes での実験では、ベースライン手法より精度と効率のバランスが一貫して優れていると報告されています。
説明ReFlow：リプレイ駆動の分離による効率的なRL事後学習フレームワーク
要約本論文は、大規模言語モデルの事後学習を効率化するための、システムとアルゴリズムを協調設計した強化学習フレームワーク ReFlow を提案しています。最近の軌跡を経験リプレイすることでサンプルを再利用し、軌跡生成の高いコストを償却しつつ、過度なポリシーの陳腐化を避けます。双方向リプレイデータサイクル、弾力的リソースプール、適応スケジューラの3つの設計を採用しています。単一ターン推論と多ターンのエージェントタスクでの実験では、学習スループットが最大2.06倍向上し、モデル性能は同等以上を維持したと報告されています。
説明DIAL：天気アンサンブル予報の原生確率過程を動的に調整する手法
要約本論文は、学習済みモデルを再学習せずに、凍結された天気予報モデルの原生的な確率性を動的に調整するDIAL手法を提案します。過去の予報から、各変数と空間スケールで散らばりを増やすべきか減らすべきかを予測し、予報の進行に合わせてステップごとに小さくノイズを更新します。FourCastNet 3での評価では、未修正の原生モデルに比べ多重スケール連続順位確率スコア（CRPS）が8.27%改善し、学習型後処理や報酬ベース制御の基準手法よりも信頼性が高いと報告されています。
説明視覚トランスフォーマーの疑似注意ヘッド：胸部X線解析における注釈起因バイアスの機構的特定
要約本論文は機構的解釈可能性の手法を用い、ViT-Base 16内の注意ヘッド（L8H10）が胸部X線の隅の注釈文字に注目し、肺病変には注目しないことを特定した。COVID-19画像200枚のうち62%で見られた。インペインティングによる因果検証では、注釈の内容が動作を引き起こしており、その除去後は影響を受けた画像で肺への注意が1.52倍に増加した。同様の現象はNIH ChestX-ray14、DeiT-Base、ViT-Largeでも再現され、完全なファインチューニングでも抑制されなかった。単一および複数ヘッドの消去後も出力評価では検出できず、機構的監査が行動テストで見逃される問題を明らかにしたと述べている。
説明Anchor3DGS：コンパクトなアンカー表現によるフィードフォワード型3Dガウシアンスプラッティング
要約本論文は、カメラ姿勢を必要としないフィードフォワード型3Dガウシアンスプラッティング（3DGS）フレームワーク「Anchor3DGS」を提案し、複数視点画像からの3D再構成を行います。ピクセルごとにガウシアンを予測する従来方式に代えて、情報エントロピーに基づき3Dアンカーを配置し、視覚的に複雑な領域に集中させます。複数のベンチマークデータセットでの実験により、ガウシアンの数を約一桁少なくしながら、新規視点合成の品質が最先端水準に達したと報告されています。
説明ContextLift：条件付き創発的ミスアライメントの背後にある疑似相関を断つ
要約狭い範囲の不適切なデータで言語モデルを微調整すると、モデル全体がミスアライメントを起こす場合がある。一般的な安全データの混在は既知の最も有効な学習中の防御策だが、プロンプトが微調整時の文脈に似るとミスアライメントが再び現れる。本論文は、安全データの半数に、ランダムな学習プロンプトから抜き出した文脈文を加えて複製し、回答は変えない手法 ContextLift を提案する。Qwen2.5-7B では、領域の手がかりの下での不適切な回答率が 18.9%、41.9%、58.2% から 2.6%、6.1%、12.8% に下がったと報告している。
説明人の動作データへの局所的時間対比が生む潜在幾何構造
要約本論文はSemTACというエンコーダを提案し、時間近傍の対比損失で学習させることで、人の動作系列の表現軌跡に全体的な時間構造を保たせます。5段階の動作系列判別課題で、途中で切れた系列に対する中央値F1は0.77で、比較した4つの基準手法は0.27〜0.70でした。位移の滑らかさを測る新しい指標でも、解釈可能な幾何構造が確認されたと報告しています。
説明AgentPerturb：制御された相互作用摂動下におけるLLMエージェントの頑健性評価
要約本論文は、摂動の対象と種類という二つの次元から大規模言語モデルエージェントの頑健性を体系的に評価するフレームワーク AgentPerturb を提案しています。APEX-Agents と Toolathlon での制御実験により、摂動はいずれも性能を低下させ、主な脆弱性はタスク環境ごとに異なることが示されました。軌跡分析では、エージェントは改変された入力をほとんど認識せず、検証なしに誤った情報を伝播させることが多いと報告されています。
説明学習不要な3Dガウシアン言語マップのターゲット対応精緻化
要約本論文は、すでに蒸留された3Dガウシアン言語マップを、学習を行わずに改善する手法を提案します。テキストで指定できるセグメンタを用い、検出された各ターゲット領域の視覚埋め込みをターゲットのテキスト埋め込みと凸結合し、非ターゲット領域は変更しません。各ターゲットについて、閉形式で最小の係数を求めます。また、テキスト埋め込みの共通成分による問題を、読み出し時の中心化で解消します。3つのベンチマークで開語彙セグメンテーションが改善し、言語による目標の位置特定も安定しました。さらに、既存の言語マップへのプラグインとしても使えることが示され、脚式ロボットが自然言語の目標へ移動する実機デモも含まれています。
注目点学習不要で蒸馏済み言語マップを目標認識的に改良し、係数を閉形式で求め読み出しを中心化する点が新しい。三ベンチマークと実ロボットで検証し、mIoUは約2倍に。
説明医用画像セグメンテーションの不確実性を意思決定の観点から評価するプロトコル
要約本論文は、医用画像セグメンテーションの不確実性がこれまで較正誤差やピクセル単位の誤り検出指標で評価されてきたが、それでは後段の確認判断が改善されるかを示せないと指摘します。著者らは、不確実性推定と保留（人による確認への回送）方針を分けて、固定の確認予算の下で両者の組み合わせを評価するプロトコルを提案します。網膜血管、皮膚病変、ポリープの各セグメンテーションで検証し、推定手法の順位は普遍的でないこと、境界や細い構造の失敗が注釈の曖昧さと一部関係することを報告しています。
注目点固定レビュー予算の下で不確実性と判断延期の組み合わせを評価する決定認識型プロトコルを提案し、複数データセットで検証している。
説明Qwen-Audio-Jev：音声判断のための統一インターフェース
要約本論文は、Qwen-Audio-3.1-ASR-Flash-Next に専用の Jev 決定ヘッドを加えた Qwen-Audio-Jev を提案しています。CHOICE、NOUL、SCORE の三つの決定プリミティブにより、テキストを逐次生成せず、確率分布や数値スコアを直接出力します。18 のベンチマークで評価され、MMAU で CHOICE の正解率 78.40%、MMSU で 83.14%、VoxCeleb1-O 話者照合で NOUL 93.76%、NISQA 品質評価で SCORE の正規化平均絶対誤差 0.1235 が報告されています。
説明潜在世界モデルにおける内在的ダイナミクスの学習：行動の予測可能性で制御関連情報を保持
要約本論文は、行動とその結果の違いをエンコーダが保持するよう促すことで、視覚的変動が多い場合の潜在空間での計画性能が向上することを示しています。著者らは、オフライン軌跡の既存の行動ラベルを用いて共有エンコーダを更新する Concat IDM を提案しています。Push-T タスクの 24 種類の外観条件での実験では、計画成功率が 9.1% から 77.2% に上昇したと報告されています。
説明TRACE：通信効率の高い分散エッジ推論のためのTransformer残差活性化コードブック符号化
要約本論文は、市販のエッジ機器間で分散Transformer推論を行う際の通信負荷の問題に取り組み、TRACEフレームワークを提案する。各層の注意機構後の残差にベクトル量子化器を配置し、コードブックのインデックスで表された键・値表現を事前に計算することで、受信側はテーブル参照により下流の計算を経ずに键と値を復元できる。実験では、ViT-BaseやViViT-Bで既存のVQ手法と比べて最大1.89%の精度向上と1.27倍の高速化を示し、非圧縮の系列並列推論と比べて通信オーバーヘッドを最大22,624倍削減した。
説明AI安全投資に対する市場インセンティアの分析
要約本論文は、企業の利益追求がAIシステムの安全性への投資にどう影響するかを、上流のLLM提供者と複数の競合する下流企業からなるゲーム理論モデルで分析しています。市場主導の安全投資水準を導き出し、市場厚生および業界利潤を最大化する水準と比較しています。下流の競争は、業界利潤を最適化する水準を上回る安全投資を促す傾向があるとされます。一方、上流提供者は安全投資の余剰を十分に得られないため、投資が過少になる可能性があります。さらに、規制介入が参加者の誘因と安全性水準に与える影響も検討しています。
説明LLMベースエージェントの探究学習の評価：仮説立案、推論、探索
要約本論文は、大規模言語モデルの科学的探究能力を統一的な対話型枠組みで評価する手法を提案します。Countdownタスクを数学環境へ拡張し、エージェントが変数を操作して観測を集め、変数間の関係を推論する形式です。7つのLLMと複数のプロンプト戦略の実験では、固有の探究能力は限定的で、基礎となる式の発見成功率は低いことが示されました。一方、教育的足場かけに着想を得た構造化されたガイダンスにより性能が有意に向上しました。
説明Waypoint-OPD：強化学習による方策変化をゲート付きオンポリシー蒸留で転移
要約本論文は、教師モデルの強化学習前後の方策差分を用いて生徒モデルを学習させる際の課題を扱います。提案手法Waypoint-OPDは、同じ強化学習run の中間チェックポイントを使い、早期と後期の方策変化の方向が一致するかに応じて最終的な方策変化をゲートし、逆向きの場合は抑制します。数学とコード推論で、Qwen3-4B教師と複数の生徒モデルを用いた six の設定すべてにおいて、比較した蒸留手法より高い領域平均スコアを示したと報告しています。
説明iOS の位置情報サービスが Apple に送るデータの解読：LLM は信頼できる分析者ではないが、有用なツール作成者である
要約本論文は、iPhone が Apple の位置情報サービスに送る protobuf データ形式の復元に AI を活用できるかを検証しています。2つの最先端モデルが再構築したスキーマの大半には重大な誤りがあり、内部的には矛盾がないため発見が困難だと報告しています。そのため直接的な AI 利用は法科学やプライバシー分析には不向きとされています。一方、出力を検証できる場合には AI が信頼性の高い分析ツールを作成できるとし、Claude が書いた Extractor ツールで脱獄済み iPhone 8（iOS 16.7.11）のネットワークトラフィックを解析したと述べています。
説明LoopAhead：ループ型言語モデルの高速デコードのための先読み推測フレームワーク
要約本論文は、ループ型Transformer向けの推測デコード枠組みLoopAheadを提案している。浅いループの状態を使って複数の将来トークンを先に予測し、深いループからのフィードバックで草稿の分岐を続行するか停止するかを判断する。最終的なトークンの決定は全深度のモデルが行う。論文では、自己回帰デコードに対して最大7.82倍の高速化を達成し、目標モデルの出力分布を保つと報告している。
説明LOADBench：IC設計における機械学習のための大規模オープンアナログデータセットとベンチマーク
要約この論文は、アナログIC設計への機械学習適用において公開データと統一的な評価基準が不足している問題に取り組んでいます。SkyWater130 PDKに基づく100種類以上の演算増幅器（オペアンプ）トポロジーを含むオープンデータセットを公開し、構造・機能の注釈、サイジング制約、NSGA-IIによる多目的最適化結果を収録しています。さらに六つのベンチマークタスクと評価プロトコルを定義し、データと評価指標の参照実装をオープンライセンスで公開しています。
説明聞いて、定位し、推論する：視聴覚LLMのための空間認識型シーン理解
要約本論文は、既存の視聴覚大規模言語モデルの多くが音声をモノラルの意味情報として扱うため、音源の位置や映像との関係を推論しにくいと指摘する。著者らは聞く・定位する・推論するの三段階で能力を評価するベンチマーク HLR-AVSceneQA を提案し、さらに単眼の意味音声経路に加えて両耳空間音声の分岐を持つ HLR-LLM を提案する。カリキュラム学習により多段階の空間推論を強化しており、実験では既存モデルが空間的な定位と関係推論に限界を示す一方、HLR-LLM は意味的な視聴覚知覚を損なわずに空間的理解を大きく改善したと報告している。
説明AVALON：人が初期化したトポロジカルメモリによるゼロショット屋内ナビゲーション
要約本論文は、事前マッピングなしで屋内サービスロボットを誘導するAVALONフレームワークを提案しています。必要なのは平面図、場所の手がかり、初期のトポロジー・オドメトリ整合のみで、人とロボットが階層型の空間メモリを共同で更新します。Unitree Go2での実験では、X-NavDPと組み合わせたAVALONが12.81mの移動タスクを5回中5回、46.4秒で完了し、DimOS-Go2より40.9%短い時間でした。一方、X-NavDP単体は5回とも時間切れとなりました。
説明未知の適応的方策から得られたデータを用いたバンディットの転移学習：問題依存の下界と上界
要約確率的多腕バンディットにおいて、事前データが固定のオフラインデータセットではなく、方策が未知の適応的な意思決定過程から得られる場合の転移学習を研究している。著者は問題依存の漸近下界を導出し、オンラインデータと履歴データを組み合わせるKL-UCB-Transferを提案している。特定の条件下では対数後悔の定数が改善され、それ以外では従来のKL-UCBの保証に一致する。さらに片側的な条件緩和の下での三つの場合も分析されている。
説明ClaimScope：数学的主張監査のための無ラベル見届け検証ベンチマーク
要約本論文は、判定・適用範囲・反例・修正を通じて数学的主張を監査するための72タスクのベンチマーク「ClaimScope」を提案します。タスクはオプティマイザ状態の伝達、有限ホライズンのアフィン漸化式、正確な2×2線形代数を含みます。Qwen3-8Bを用い、直接生成と、同一の草稿から始まる4つの二段階条件を比較しています。見届けチェッカーはモデルが提出した状態のみを評価し、参照判定は参照しません。検証器のフィードバックを受けた場合、無効な主張に対して受理された反例が増え、安全な完了も増加しましたが、厳密な完了は17/72のままでした。
説明認定済みプログラムから実行可能なパターン編集手順を探索学習する研究
要約既存のモデルは画像やテキストから実行可能な縫製パターンを生成できますが、パターン職人があるパターンを別のものへ編集する過程はモデル化していません。本研究はSemDraftを提案し、編集手順の記録なしに、編集前後の縫製パターンの対からプログラムを有界探索で復元し、再コンパイル、動作の順序判定、独立した再生の三つの検証を経て認定します。認定されたプログラムで候補動作をランク付けするモデルを学習します。80件の二つの試行で、学習型ランカーは1,000回の探索実行内に63件と64件を認定し、非学習型は最大でそれぞれ53件と52件でした。
説明MYOPIA：視覚言語モデルにおける決定木ベース推論の限界を探る研究
要約本論文は、GTSRB、MNIST、CIFAR-10、MSCOCO の四つのデータセット向けに、LLM が生成し人手で改良した決定木を含むベンチマーク MYOPIA を提案し、対応するプロンプト、診断手順、評価環境を併せて公開しています。12 のデータセットとモデルの組み合わせすべてで、木をたどる方式はゼロショットのプロンプティングを下回りました。著者らは失敗の要因を分析し、視覚的に回答可能であることや、初期の誤りから回復できることを重視した木構造の設計を検討すべきだと述べています。
説明マルチターンのツール利用におけるツールグラフメモリの役割を再考する
要約大規模言語モデル（LLM）エージェントは、複数ターンにわたって外部ツールを呼び出して複雑なタスクを解きます。近年、過去の経験をツール間の遷移として保存し、後続のツール選択を導くツールグラフメモリが提案されています。本論文は9つのモデルと2つのベンチマークでこの手法を評価し、ベースラインに対して有意な改善はほとんど見られず、改善が見られた場合でもLLM呼び出しが2倍以上になることを報告しています。メモリの指示はしばしば誤っており、ランダムな指示や指示なしでも利得の大部分が保たれることから、利得はメモリ自体ではなく追加計算に由来すると述べています。さらに、正しい次のツールを示しても、ツールを呼ばずに諦めるなどの失敗が残ります。同じ経験をテキストの洞察として保存する方法は、LLM呼び出しをほぼ増やさずにツールグラフメモリを上回りました。メモリは次のツールを指定するものではなく、ソフトな事前知識として使う方が効果的で汎用性も高いと示唆しています。
説明ハードウェア設計における LLM 駆動の機能カバレッジ収束に対する独立したデータ整合性検証
要約本論文は、大規模言語モデルに指向性テストを書かせて機能カバレッジを高める小規模なエージェントを提示します。カバレッジはシミュレーションが出力したレポートから読み取り、データ整合性はモデルから独立したスコアボードで検査します。3 種類の RTL 設計では、8 回の反復内でカバレッジが 100% に達し、時間領域交差のバグも発見されました。ただし、この監視器はまだ LLM 生成テストには接続されておらず、証拠は限定的です。
説明分離型安全制御：学習不要の安全ガイダンスのための制御アルゴリズム
要約拡散モデルはテキストから画像を生成する性能が高い一方、不適切な内容を生成することがあります。既存の学習不要な安全ガイダンスは、同一の不安全条件で回避対象の指定、リスクの判定、介入の構成、介入の継続判断をまとめて行うため、有害な意味と無害な意味が混在すると効果が安定しにくいと指摘されています。本論文は、現在の生成状態に基づいて介入を決定する分離型安全制御（DSC）を提案します。標準的な安全性ベンチマークでの実験では、無害な生成の品質と推論効率を保ちつつ、不適切な内容の抑制が強化されたと報告されています。
説明知覚から予測・介入へ：実生活シーンにおける先回り型ビデオアシスタントのベンチマーク
要約本論文は、リアルタイムの映像ストリーミング場面で先回りして支援する能力を評価するベンチマーク「P³IBench」を提案しています。日常の知覚、リスク予測、介入の三つの能力を測定し、オープンソースや商用の12のビデオ言語モデルを評価しました。その結果、現在のモデルは応答のタイミングや判断を適切に行うことが難しいことが示されています。さらに追加の学習データで「P³I-Assistant-4B」を訓練し、一部のタスクで改善が見られましたが、能力ごとの向上は均一ではありません。
説明論理的整合性に基づく、鋭く安定したラベル不要の較正証明書
要約本論文は、質問に条件づけられた確率的予測器の較正を扱います。この種の予測器は論理的に関連する質問に一つずつ答えますが、較正を確認するためのラベルはしばしば欠けています。著者らはミニマックス定理により、賭け金の使い方に関する各制限に対して、較正残差のラベル不要な鋭い下界を与えます。さらに、この下界はWasserstein距離に関して連続ではなく、Lipschitz型の賭け金では安定した下界が得られることを示します。独立同分布のデータ列では、固定期間と任意時点で有効な証明書を構成し、4つの予測器と2つのデータセットでの事前登録研究で結果を示しています。証明書は較正が少なくともこの程度悪いことを示すのみで、ゼロは「反証されていない」を意味します。
注目点論理的一貫性に基づくラベルなし校正下界とミニマックス定理を示し、安定性と逐次構成も与える点が新しい。実験は小規模な事前登録研究。
説明量子機械学習によるコンテンツベース推薦の手法：テレビ番組推薦の研究
要約本論文は、量子自然言語処理（QNLP）の枠組みに基づき、番組あらすじを変分量子回路に写像し、ペアワイズ類似度学習で訓練する内容ベース推薦システムを提案しています。BBC iPlayerの1週間分のデータで、同一データと目的関数で学習した古典的なBiLSTMと比較し、同程度の性能をより少ないパラメータ数（47kと17.8M）で達成したと報告しています。さらにQuantinuumのSystem Model H2とエミュレータ上で、SWAPテストに基づく方式による実行も検証されています。
説明DialFork：事実性を超えて、対話エージェントの手続き的幻覚を評価する
要約この論文は、対話エージェントが流暢で事実として妥当な発話をしながら、想定された対話手続きから逸脱する問題（手続き的幻覚）に着目しています。原文対話を対象に評価する初のベンチマークDialForkを提案し、36,278の対話を含みます。対話の流れを比較する指標FlowKLとFlowScoreを導入し、FlowScoreは七つのエンコーダすべてで基線を大きく上回ったと報告しています。
注目点手続き的幻覚を測る新ベンチマークと流れ認識指標を提案し、36,278対話・7エンコーダでFlowScoreが基線を上回ることを示す。
説明Muonオプティマイザはいつ本当に優れるのか？データ・時間・チューニング予算に基づく対応ベンチマーク
要約本論文は、単一のA100 GPU上で、参照用の単一デバイス版Muonオプティマイザ（Muon）とAdamWを比較しています。対象は1,770万・3,360万パラメータの因果言語モデルと270万パラメータの視覚Transformerです。同一データ量での検証損失の曲線下面積は3.25%から22.44%低下し、20組の主要な比較すべてでテスト損失も下がりました。時間で正規化すると、視覚タスクではMuonが19.68%から22.31%優れ、言語タスクではAdamWが3.38%から6.96%優れます。ただしこれらは小規模モデルと参照実装に限られた結果であり、大規模モデルや最適化された実装への一般化は確認されていません。
説明ペアワイズ差分学習における分類の不確実性定量化
要約本論文は、分類のためのペアワイズ差分学習（PDL）を提案します。このモデルは二つのインスタンスを入力とし、対応する結果の差を予測し、すべての訓練例からの予測を平均して分類を行います。さらに、全体の不確実性を偶然性と認識性の成分に分解する既存手法をPDLに拡張し、大規模実験で予測精度と不確実性の把握能力を分析しています。
説明EviGround-CT：LLM生成の胸部CT所見文と3Dボリュームの対応付けによる検証
要約本論文は、大規模言語モデル（LLM）が生成した胸部CT報告書を検証するEviGround-CTを提案する。陽性所見の文を抽出し、3D定位モデルが各文に対する根拠マスクを予測して、スキャン上に対応する所見があるかを確認する。100症例のホールドアウト部分集合では、文単位の定位検証により、カテゴリ条件付けと比べて根拠支持精度（ESP）が0.263から0.365に向上し、根拠のない陽性所見の割合は0.737から0.635に低下した。
説明書き込み可能性と経路：アドレス指定可能メモリへの知識注入に関する対照研究
要約本論文は、アドレス指定可能な条件付きメモリに事後的に知識を注入する効果を検討しています。凍結した GPT-2 での 2×2 対照実験と、Qwen および DeepSeek モデルでの本番規模のメモリ実験を行っています。書き込みに成功しても新しい質問への転移や無関係な動作の維持は保証されず、最初の回答トークンの順位上昇は完全な回答の正しさを示さないと結論づけています。
説明TI2I フローマッチングにおける分類器フリーガイダンス（CFG）の再検討
要約本論文は、制御可能な画像編集のためのテキストと画像からの画像生成（TI2I）フローマッチング手法を研究している。フローモデリングのノイズ段階では、CFG の仕組みが編集に対して暗黙的に有害であり、指示への追従と制御性を妨げることを指摘している。そこで初期のフローステップに簡単な補正を加え、追加コストなしで整合性と保存性のより良いトレードオフを実現する。提案手法の有効性は、ピクセル空間と潜在空間の両方の TI2I フローで示されている。
説明Muon はいつ最適か？径方向の脆弱性と極小極大幾何
要約本論文は、Muon 最適化手法の曲率に基づく説明が、固定入力半径を一般の径方向分布に置き換えたときにも成り立つかを検討する。随機半径の等方的曲率モデル（RR-ICM）と極因子の許容集合を導入し、原子のない径方向分布では厳密な最適性が、勾配がすでにスケールされた列等長写像である場合に限られることを示す。さらに、球面上の確率分布に対する最悪ケース最適化による極小極大版を提案し、非零の大域的最小化子が勾配の極方向上にあることを証明する。
注目点ランダム半径曲率モデルと極小最大特徴づけを提案し、Muonの幾何学的解釈に新しい理論的視点を与え、証明も比較的充実している。
説明部分観測下の制約付き強化学習に対する有限時間保証
要約本論文は、状態の一部しか観測できないエージェントが、コスト制約の下で報酬を最大化する制約付き部分観測マルコフ決定過程（CPOMDP）における強化学習を扱います。有限長の履歴ウィンドウを制約付きMDPの状態として表現し、元のCPOMDPにおける平均報酬の最適性からの乖離と制約違反を同時に評価する、原始双対アルゴリズムの非漸近的保証を初めて示しています。フィルタ安定性の仮定の下で、近似誤差はウィンドウ長に対して幾何級数的に減少します。部分観測グリッドワールドでの実験により、手法の有効性が確認されています。
説明強化学習で駆動する拡散モデル：言語・視覚などへの展開を概観する論文
要約本論文は、強化学習（RL）を用いて拡散モデルを事後学習で改良する研究を、初めて包括的にレビューしたものです。言語、マルチモーダル、ロボット、科学分野の拡散モデルにおけるRLの役割を整理し、複数のベンチマークで代表的手法を比較しています。さらに、報酬設計の脆さ、高次元生成空間での探索と活用のトレードオフ、疎な報酬下の学習の不安定さという三つの課題を挙げ、今後の研究の方向性を示しています。
説明エージェント状態プロトコル（ASP）：マルチエージェントシステムにおける状態報告の軽量仕様
要約本論文は、エージェント状態プロトコル（ASP）バージョン0.1を提案する軽量な仕様である。異種のAIエージェントが状態サーバーに動作状態を報告し、ダッシュボードなどの観測者が変化を即座に受け取る仕組みを定義する。エージェントはHTTP POSTで小さなJSONイベントを送信し、サーバーはServer-Sent Events（SSE）で集約状態を提供する。自己申告だけに頼らず、ハートビートの欠落から生存を推定し、監督者やガードレールからの観測も取り入れる。本書は承認済みの標準ではなく、議論を促すための作業草案である。
説明大規模言語モデルの効率的な継続学習のための機能サブネットワーク局在化
要約本論文は、大規模言語モデルが継続学習の際に破滅的忘却を起こしやすい問題を扱っています。勾配帰属分析により、相互重なりの極めて少ない機能サブネットワークを特定し、各訓練例をそれに対応するサブネットワークへ振り分けて、その領域のパラメータと最適化状態のみを更新する枠組みCiMEOを提案しています。150万件の連続指示による実験では、プログラミング、試験形式、数学的推論の5つの生成ベンチマークで平均性能が最も高く、忘却も抑えられたと報告されています。
説明活性化関数に隣接する層正規化：近似能力への影響
要約本論文は、活性化関数の前後に層正規化（LN）やRMSNormを挿入した浅いネットワークが、幅Nの単一隠れ層MLPを近似できるかを研究している。著者らは幅の拡張によって、コンパクトな特徴集合上で正規化を局所的に線形化する手法を用いている。RMSNormではN+1、LNではN+2が最悪ケースの上界であることを証明し、数値実験で予測された近似速度を確認している。
説明CriticaLLM：大規模言語モデルによるテーブルトークRPGの自律型ゲームマスター
要約本論文は、テーブルトークRPG（TTRPG）全体を進行できる完全自動のゲームマスターとして大規模言語モデルを用いるフレームワーク「CriticaLLM」を提案しています。物語の作成から探索・戦闘の管理までを担います。実際のTTRPGプレイヤーによる評価と、異なる規模の4つのモデルで生成されるプロットや敵役の多様性の検証も行われています。
説明BOLT：時間ラグと輸送資源の結合を伴う柔軟なジョブショップスケジューリングのための多重ボトルネック境界誘導学習
要約本論文は、台数の限られた車両群が工程間で部材を運ぶため輸送待ちがスケジュールを左右する柔軟なジョブショップ問題を扱うBOLT手法を提案します。連鎖、機械容量、車両群容量の緩和から下界を作り、その増分を強化学習の報酬として用います。預製建設を模した実例で、文中に報告された複数の条件において、運搬の惩罚方策や一部のディスパッチングルールの組み合わせより良い結果が示され、1イベントあたりの意思決定は約2.3〜5.9ミリ秒とされています。
注目点下界の変化を報酬とし資源結合型輸送を扱うスケジューリング手法で、産業的インスタンスで複数の基準と比較し、柔軟ジョブショップ分野に影響する。
説明階層的で解釈可能なマルチタスク音声表現学習：情報ボトルネックによるイベントとシーンの関係分析
要約本論文は、音響シーン分類と音声タグ付けを同時に学習する手法を扱い、従来のマルチヘッド構造に代えて、中間のイベント確率からシーンを予測する階層的条件付け手法を提案しています。PaSST、PANNs、BEATsの3種類のバックボーンで計66回の学習を行い、分類性能は同等でありながら、特定の損失重みで二つのタスクを同時に学習できることを示しています。中間特徴空間は条件付きエントロピーが低く、相互情報量が高く、クラスタの分離度も高いと報告されています。
説明SCRIBE：解釈可能な脳対応の文脈的意味表現手法
要約本論文は、複数のオープンソース大規模言語モデルを用いて、任意のテキストの単語レベルの意味表現を生成するSCRIBEフレームワークを提案している。921名を対象とした行動実験では、人間の意味特徴判断が文脈によって体系的に変化し、SCRIBEがその変化を捉えて、推定される人間のノイズ上限の75〜81%に達することが示された。自然な物語を聞いている際の脳活動を用いた分析では、SCRIBEは非文脈的な意味表現より有意に高く言語選択的な脳領域の神経応答を予測し、統語的特徴を超える独自の脳予測情報も説明した。
説明毒の谷：LLMコード修復における経路依存の失敗の診断
要約本論文は、コード修復エージェントがなぜ失敗するのかを調べています。最終テストではパッチの誤りはわかっても、どの初期の判断や実装計画が原因かはわからないという問題に取り組みます。合成されたPython課題2件（PersistQueueとDijkstra）で1,844回のモデル要求を追跡し、OracleとDiagnostic座標で生成コードを評価しています。誤解を仮説から実装計画へ移すと、失敗率はPersistQueueで32.2%、Dijkstraで28.9%増加したと報告されています。
説明QREF：クエリ改善とエビデンス絞り込みで検索と推論を整合させ、DeepSearchエージェントを改善する手法
要約DeepSearchエージェントは反復的な検索と推論により複雑な情報探索タスクで高い性能を示しますが、意図と合わない、制約が不足した、または重複した検索クエリを出すことがあり、証拠のカバー範囲が狭く検索ノイズが蓄積します。本論文は、プラグアンドプレイ型のクエリ改善器（Query Refiner）と証拠フィルター（Evidence Filter）からなるQREFを提案します。改善器は現在の推論意図に基づきクエリを書き換え、各検索バッチで相補的なカバーを確保します。フィルターは現在のバッチと推論目標の両方に関連する証拠を残します。改善器は教師ありファインチューニングで初期化され、実際のウェブ検索環境との相互作用による強化学習で最適化されます。4つのベンチマークで、WebSailorの平均相対Pass@1は33.55%、TongyiDeepResearchは11.04%向上しました。
説明ProV-Mem：ストリーミング動画質問応答のための能動的メモリ
要約本論文は、凍結された視覚言語モデルを基盤とする、学習不要の能動的メモリ枠組みProV-Memを提案し、ストリーミング動画質問応答において、いつ発話するか、何を言うか、応答を出力するかを自律的に判断させます。この判断は、時間的トリガー、指示、エピソードの3層の軽量メモリに分解されています。さらに、冗長な出力や不必要に長い出力を割り引くコスト考慮型指標CAUCを導入し、ProactiveVideoQAの4つのシナリオで実験を行っています。
説明解釈可能な意味表現を用いた脳とLLMの整合性の分解
要約本論文は、大規模言語モデル（LLaMA2-7B）が自然言語理解中の脳神経応答をどのように予測するかを検討しています。神経認知に基づく65の意味特性を持つ解釈可能な意味表現SCRIBEを用い、7名の被験者が物語を聴取した際のfMRIデータで、両表現が共有する分散と各々に固有の分散を分割しました。共有分散が主要な成分であり、具体的な特性ほどLLaMA2-7Bとの共有分散が大きい一方、SCRIBEにも独自の寄与が残ることが示されています。
説明FilterFusion：効率的な動画ノイズ除去のための事前情報誘導型適応フィルタ融合手法
要約本論文は、低コストの誘導信号によって解釈可能なノイズ除去分岐群を適応的に混合する多フレーム動画ノイズ除去フレームワーク FilterFusion を提案しています。モデルのパラメータは 109K のみで、実センサーノイズのデータセット CRVD では PSNR 34.72 dB、SSIM 0.9330 を達成しています。また、単一 CPU スレッドで 1080p の 1 フレームを 17.9 ミリ秒で処理できると報告されています。
説明ISW-Agent：大規模言語モデルの対話とn8nワークフローを統合した内部孤立波リモートセンシング画像処理
要約本論文は、大規模言語モデル（LLM）による自然言語指示の解釈をn8nワークフローおよび独立した科学モデルと結び付けるISW-Agentシステムを提案しています。120件の中国語指示による試験では、両バックエンドとも厳密なタスク一致率が94.2%でした。計時した50シーンのうち39シーンで検出・抽出・予測が完了し、中央値は48.04秒でした。残りの11シーンは抽出結果が空のため停止しました。
説明KVキャッシュがGPUより遅くなるとき：コンテキスト並列プリフィルのためのリモートKV階層の拡張
要約本論文は、複数エンジン間で共有されるリモートKVキャッシュ層を、8基のB300ノード上のプリフィルコンテキスト並列（PCP8）環境で検証したものです。リモート層の有効化により16kトークンのp99レイテンシが3.96秒から17.3秒に悪化したのは、リモートヒットの方が再計算より遅かったためだと分析しています。著者らはコストモデルに基づき、ストアのシャーディングやランク別分割などを行い、命中が多いワークロードのp99を0.67秒に改善し、プリフィル スループットを14%から34%向上させたと報告しています。
説明GRASE：動画から幾何を重視して実環境をシミュレーション用3Dシーンへ変換するエージェント型フレームワーク
要約本論文は、実環境を撮影した多視点動画を編集可能な3Dシーンに変換するエージェント型フレームワーク GRASE を提案している。撮影映像を全工程の基準とし、レンダリング結果が撮影と食い違う場合は現在の仮説を修正して、関係する部品だけを反復的に改良する。著者らは、生成されたシーンが入力に忠実で視点間で一貫し、シミュレーションに適すると述べ、実験では他の先進手法を上回ったとしている。
説明OPRD：長期タスク向けコーディングエージェントのための同方策リマインダー蒸留
要約本論文は、長い対話の中で制約を守り、ツールのフィードバックに応答できるコーディングエージェントを改善するため、OPRD 手法を提案している。学習時には、同じ生成軌跡にリマインダーを付与した教師モデルが監督信号を与え、推論時の学生モデルはリマインダーなしで動作する。SWE-bench Verified、SWE-bench Pro、SWE-bench Multilingual で、ベースモデル Qwen3.5-4B に対し課題解決率の平均が 11.3 ポイント向上し、誤りイベント数は 446 から 222 に減少した。
説明位相カーネルで高密度連想記憶の容量を向上
要約現代ホップフィールドネットワーク（MHN）は線形カーネルを用いると、高い記憶負荷の下で吸引盆地が重なり偽の状態が現れ、理論上の指数的な記憶容量が実際には制限される。本論文では、エネルギー地形と検索ダイナミクスを変える非線形の位相カーネルを構成し、カーネルの滑らかさ、記憶の分離性、記憶分布に関する条件の下で指数的記憶容量と局所不動点収束が保たれることを証明している。この枠組みを実装したSigmoidal Phase Hopfield Network（S-Hop）はエネルギーの単調減少を保証し、実用上の容量低下を緩和する。
説明MetaExp：検証可能なタスク横断環境の拡張による経験からの自己改善学習
要約本論文は、制御された横断的構造を持つ検証可能なタスクファミリーを通じて、言語モデルエージェントが対話フィードバックを再利用可能な経験へと変換する能力を学習させる枠組み MetaExp を提案している。共有ツール型と共有ワークフロー型の二種類のタスクファミリーを設計し、1,000 のタスクファミリーから得た 4,956 の軌跡で Qwen3.5-122B-A10B を微調整した。パラメータを凍結した状態で、SpreadsheetBench で 8.5 ポイント、APEX-Agents で最大 2.3 ポイント、AutomationBench で 14.8 ポイントの向上が報告されている。
説明FlashAttention統計量：小型幻覚検出器向けの低オーバーヘッドな注意機構特徴
要約大規模言語モデルは、与えられた文脈に裏付けられない流暢な回答を生成することがあります。本論文では、凍結した小型プロキシモデルに文脈と回答を読ませてこの種の幻覚を検出する方法を提案します。注意重み行列を明示的に生成せず、FlashAttentionの処理中の集計、その後の疎な参照、または第2の分割パスによって注意統計量を求め、メモリ使用量を抑えます。3つのベンチマークでは、Qwen3プロキシに基づくプローブが強力な検出器となり、12の組み合わせのうち半数で注意特徴の追加によりF1が有意に向上しました。
説明AIによる災害対応と避難民モニタリング
要約この論文は、気候変動への対応、貧困予測、森林破壊の監視など、人道支援分野における人工知能（AI）の活用を扱っています。AIは災害対応や紛争モニタリングにも用いられ、被害状況や緊急ニーズの評価、避難民の追跡に役立つことが述べられています。
説明コルモゴロフ・アーノルド・ネットワーク（KAN）：次元の呪いと構造バイアス
要約本論文は、KAN の近似能力が入力次元とともにどう変化するかを検討しています。等方的ソボレフ球上で、標準的なスプライン KAN が次元に依存しない精度を得るには、必要なスプライン係数の数が入力次元に対して少なくとも指数的に増えることを証明しています。良好なスケーリングは KAN 固有のものではなく、目標関数の構造と適合する帰納バイアスに依存すると述べ、MLP との比較実験も示しています。
注目点任意深さのスプラインKANに対しSobolev球上で指数的な次元下界を証明し、制御実験で利点が目標構造に由来することを示す点が特徴。
説明患者記録から医学計算を行う、ツール拡張型大規模言語モデルの研究
要約本論文は、患者の自由記述カルテから信頼性の高い医学計算を行うため、ツールを組み込んだ大規模言語モデルの枠組みを提案している。計算器の仕様を取得・構造化して再利用可能な実行ツールを生成し、制約付き抽出器でカルテを計算器の入力に変換して、ツールが決定的に計算を行う。MedCalc-Bench での最終回答正解率は 86.73% とされている。
説明不均衡ファインチューニングにおける稀少クラス抑制を、異なるプロンプトによる推論で緩和する研究
要約クラス分布が偏ったデータで視覚言語モデルをファインチューニングすると、稀少クラスの再現率がモデル本来のゼロショット性能を大きく下回ることがあります。本研究は、推論時に学習時と同じ説明的プロンプトを使うと、別の説明的プロンプトを使うより稀少クラスの再現率が低くなる場合があることを示し、この推論戦略を「クロスプロンプト推論」と名付けています。六つのデータセットで検証した結果、この手法は稀少クラスの再現率を一貫して改善しましたが、頻出クラスの再現率への影響は手法ごとに異なりました。
説明大規模言語モデルは物語を時系列からずらして語れるか？非線形叙述生成のためのコーパスとベンチマーク
要約本論文は、言語モデルが非線形の物語を語れるかを検証するため、出版された83作品からなるベンチマークを提案します。各作品について、出来事の物語内時間と叙述の時間という二つの順序を注釈し、因果関係、登場人物の知識、語りが提起・解決する問いを含む物語グラフを作成しています。実験では、モデルは既存作品よりも時系列順に語る傾向が強く、特定の構造を指定した場合は約半数が人間の範囲内に収まりました。71人の読者は、モデルが既定で書いた時系列の物語を、指示に基づく非線形の物語より好む傾向が見られました。
説明DuET：ピアノ演奏から楽譜への変換のための音符-フレーム二重エンコーディング手法
要約本論文は、音符レベルの演奏MIDIから楽譜への変換（PM2S）とフレームレベルの拍・強拍追跡を同時に学習する二重エンコーダTransformer「DuET」を提案しています。また、TimeRoPEと時間-音高回転位置符号化（TPRoPE）を導入しています。ASAPおよび作者が構築したGangqinpuデータセットでの評価では、MUSTERの平均誤差がGangqinpuで6.56%から3.64%、ASAPで11.30%から11.22%に低下したと報告されています。
説明埋め込みとLLMによるオントロジー修正：CASTONのケーススタディ
要約本論文は、鋳造分野のオントロジーCASTONにおけるクラス階層の包含関係の誤りを修正する、軽量かつ拡張可能なワークフローを提案しています。微調整したオントロジー埋め込みモデルで修正候補の公理と置換候補を抽出し、大規模言語モデルが修復案を返します。小規模な専門家評価では、既定の構成（CASTON向けに微調整したOnT埋め込みモデルとQwen3-8B）が出した高信頼度の置換案6件がいずれも両専門家に承認されました。
説明ツール利用エージェントのための意味検証つき軌跡レベル推測：強いモデルが弱いモデルの下書きを審査する方式
要約本論文はSpecAgentという協調プロトコルを提案し、小型モデルが複数ステップのツール呼び出し軌跡を下書きし、強いモデルが一度のプリフィルで下書きを検証して意味的に有効な最長の接頭辞を確定し、最初に却下されたステップを修復する仕組みを示しています。複数のベンチマークで強いモデルの成功率に近づきつつメモリ転送量と所要時間を削減し、エッジ・クラウド環境では強いモデルが生成するトークン数を大幅に減らしたと報告しています。
注目点強いモデルが弱いモデルの下書きを検証する軌道レベルの協調手法を提案し、複数のツール利用ベンチマークで並列プリフィルにより品質を保ちつつ遅延とメモリ転送を削減したことを示す。
説明視覚生成は統一マルチモーダルモデルの知識を広げられるか（視覚生成による知識転移の検証）
要約本論文は、画像生成の学習によって統一マルチモーダルモデル（UMM）が得た視覚知識を、テキストのみの質問応答で利用できるかを検証しています。著者らは知識転移探索（KTP）という統制された手法を提案し、7つの知識カテゴリと3つのモデルで、視覚から言語への転移が生じるものの不均一であることを示しました。テキスト整合と画像・テキスト交互整合を導入すると、一部の実体への指導が他の実体の知識へのアクセスを改善することも報告されています。
説明結合型サロゲート形態動力学モデリングのための適応ホライズン・グラフニューラル演算子
要約本論文は、非構造格子上で最近の流体力学および地形の状態から将来の河床標高増分を予測する適応ホライズン・グラフニューラル演算子（AH-GNO）を提案します。Bump、Yen湾曲部のベンチマークとニュージーランドのWaiho川への適用で、床形の移動や湾曲部での侵食・堆積などの主要パターンを再現したと報告しています。展開条件によっては、河床更新の処理時間がGAIAでの12〜1204秒からAH-GNOで0.08〜3.34秒に短縮されたとされています。
説明低リソース多言語翻訳のための翻訳回路の発見と対象を絞った最適化（TITANフレームワーク）
要約本論文は、多言語大規模言語モデル内部で低リソース翻訳を担う「翻訳回路」を、ヒンディー語からウルドゥー語、ヒンディー語からシンド語（デーヴァナーガリー文字）を対象に研究している。因果介入、疎な特徴分解、対象を絞った選好最適化を組み合わせたTITANという手法を提案し、パラメータの5%未満のみを更新する。実験では、最強の多言語ベースラインと比べ、両言語対でBLEUがそれぞれ33.75%、45.86%向上したと報告されている。
説明CarryOn：個別化と信頼性を両立するロボット支援のデュアルループ・ハーネス
要約本論文は、凍結された視覚・言語・行動（VLA）方策を補強するためのデュアルループ型フレームワーク「CarryOn」を提案している。計画ループは利用者と場所の持続的な文脈を保持して個別化されたタスク選択を行い、実行ループは危険な接触を予測して行動を制御する。実機およびシミュレーションで、安全違反率は52.6%から6.1%に低下し、洗練された復旧スキルの再利用時には復旧成功率が13%から80%に上昇したと報告されている。
説明音声・表情・ジェスチャーを伴う全二重対話：ELLSA 2 が話すときも聞くときも身振りを生成するモデル
要約本論文は、音声対話と手の動き・表情を同時に生成するエンドツーエンドの全二重対話モデル ELLSA 2 を提案する。話していないときでも非言語動作を連続的に生成でき、意味的ジェスチャーを呼び出す仕組みとテンプレート指導を導入している。実験では、対話を考慮したジェスチャー指標で級数型ベースラインを上回り、オープンソースの全二重音声モデルと競合する結果を示した。
説明経時的全身PSMA PET/CT位置合わせにおけるPET定量値の保持手法
要約本論文は、微分同相の粗から細へのLapIRNアーキテクチャを、Learn2Reg 2026 PSMAReg挑戦課題向けの経時的全身PSMA PET/CT位置合わせに適用したものです。アフィン事前位置合わせ、マルチモーダル変形位置合わせ、テスト時インスタンス最適化を組み合わせています。さらに、代謝腫瘍体積（MTV）と総病変糖解量（TLG）を保持するPETバイオマーカー損失と、骨格構造に対する剛性正則化を導入しています。提出した構成は、著者の評価基準で81.0%のDSCと6.17 mmのHD95を達成し、MTVとTLGの誤差はいずれも3.3%でした。
説明X-Fly：全チャンク空中視覚言語ナビゲーションで到達と停止を学習する手法
要約大規模視覚言語モデルに基づくドローンの視覚言語ナビゲーションを扱う論文です。予測された行動チャンク全体を実行すると推論コストは下がるものの、専門家のデモから外れた状態で方策が照会され、停止の監督も不足すると指摘しています。著者らは、回復型DAgerとFlow-GRPOを組み合わせて制御器と停止方策を共同学習する段階的フレームワークX-Flyを提案し、OpenFlyの既知環境で74.18%、未知環境で51.73%の成功率を報告しています。
説明救急到着後の予測のためのツール利用型強化学習（TIR-EC）
要約本論文は、大規模言語モデルが電子カルテの特徴群をツールとして呼び出し、勾配ブースティング木を教師として報酬を得る強化学習フレームワーク TIR-EC を提案している。さらに、強化学習の過程で提示から技能を段階的に取り除く逆カリキュラムによって、臨床技能をモデルの重みに蓄積する。三つの臨床予測課題の評価では、4B パラメータのエージェントが比較したモデルの中で最も高いマクロ F1 を示し、従来の機械学習の基準を上回り、はるかに大きなフロンティア LLM と競合する結果となった。
説明V-SHARE：アドバンテージ型アルゴリズムに対する収束保証の証明
要約本論文は、行動間で価値を共有し重要度重み付きのベルマン残差補正を組み合わせた、アドバンテージベースの価値学習アルゴリズム V-SHARE を提案する。このクラスのアルゴリズムについて、漸近収束と有限サンプルの非漸近保証を含む初の完全な理論的特徴付けを示している。離散マルコフ決定過程と深層強化学習のベンチマークでの実験により結果を検証している。
説明SITAR：自動音声認識評価のための状況歪み指標
要約本論文は、自動音声認識（ASR）において、転写誤りが音声の伝える状況にどの程度影響するかを測る指標SITARを提案している。状況の深刻度と累積的な範囲を、有界な再帰式によって一つのスコアにまとめる。これをBERT系の軽量な回帰モデルとして学習させ、参照文と認識結果の組を一回の順伝播で採点できるようにしている。また、外的妥当性と内的な採点の信頼性の両面から検証手順を定めている。
説明各報酬を関連トークンへ割り当てる：多報酬強化学習のための報酬別トークンレベル信用割当
要約言語モデルを複数の検証可能な報酬で同時に学習させる問題を扱い、MRTPO という手法を提案しています。各報酬の優位性を、その検証器が確認する内容に関連するトークンだけに割り当て、補助モデルやトークン単位の注釈は使いません。text-to-SQL、複数制約の指示追従、ツール呼び出しの各タスクで、比較手法より速く収束し性能も高かったと報告されています。
説明RLDF：部分的な顔改ざん検出のための領域レベル深層偽造データセットとベンチマーク
要約既存の深層偽造検出モデルは、顔全体を入れ替えたか合成した画像で学習されている。本研究はRLDFという、顔の一部だけを改ざんした画像を集めた初のデータセットを提案し、領域を意識した部分的な顔交換手法で200万枚以上の画像を生成した。12の最先端検出器を評価したところ、領域レベルの評価では平均AUCが10.5%、精度が10%低下した。あわせて、マスク誘導型のクロスアテンションモデルをベースラインとして示している。
説明HyCo：モバイルとクラウドの協調投機的デコーディングのための低コスト・ハイブリッド草案方式
要約本論文は、スマートフォンのNPU上でサーバーモデル付属のマルチトークン予測（MTP）ヘッドを動かして深い草案チェーンを構築し、小型言語モデルの1回の推論で代替分岐を加えるHyCoを提案します。Galaxy S26 Ultra、LTE/5G環境での単一クライアント実験では、サーバー側MTP自己投機に比べ、トークンあたりのサーバーGPU時間がSpec-Benchで38.6%、32Kトークン要約で29.2%削減されました。
説明適応的なVLA行動チャンク実行のための方策整合型予測検証
要約視覚・言語・行動（VLA）方策は一度に行動列をまとめて生成し、繰り返し推論を減らします。ただし、その列のどこまで実行するかはタスクの成否に直結します。本論文は、実行前に候補となる行動の接頭辞の結果を予測し、その後のタスク成功との整合性を評価する方策整合型予測検証器（PAV）を提案します。提案手法はVLAの内部のタスク条件付き表現空間で既存の候補行動を評価します。LIBERO、RoboTwin 2.0、実世界のマニピュレーションにおいてpi_0とpi_0.5で検証され、成功率とクエリ回数のトレードオフの改善が示されています。
説明ManiFusion：多様体空間での重ね合わせによる高スループット画像生成
要約拡散モデルは高品質な画像を生成できますが、多くのタイムステップにわたる反復的なノイズ除去のため計算コストが大きくなります。既存の高速化手法は主に1サンプルあたりの遅延を減らしますが、その効果は頭打ちになりつつあります。本論文は、1回のノイズ除去計算で複数サンプルを同時に処理するManiFusionを提案し、融合因子を動的に調整するTrajectory-Fusion Scheduling（TFS）を導入しています。著者らによれば、U-Netやtransformerなど複数の拡散モデルに適用でき、既存の高速化手法と組み合わせて、品質の低下を小さく抑えつつ従来手法では到達できなかったスループットを実現します。
説明局所的コンテキスト蒸留による対話経験からの学習（LoCD）
要約本論文は、大規模言語モデルが運用中に対話経験から継続的に改善できるよう、局所的コンテキスト蒸留（LoCD）を提案している。まず学生モデルの軌跡のうち修正が必要な重要区間を特定し、教師モデルが学生自身の接頭辞から、その区間のみを再生成する。学生はその再生成された区間で学習する。数学推論、コード生成、エージェントタスクの実験で、強力なベースラインを上回り、より安定した学習と、より小さく疎なパラメータ更新を達成したと報告している。
説明通信と目標照射のためのGPU加速型ロバストMA-RIS事前最適化
要約本論文は、統合センシング・通信（ISAC）における可動アンテナ（MA）と再構成可能知的表面（RIS）について、低速時間スケールでアンテナ位置とRIS位相を事前に最適化する手法を扱います。期待される最悪ユーザのレートと最悪目標への送信側照射のバランスをとる、再利用可能なパレート集合を得ます。提案手法RAMPは、GPUで高速化された多目的事前最適化であり、数値結果では比較した進化的アルゴリズムの基準と同等のロバストなパレート品質を示し、オンラインでの物理的再最適化を不要としています。
説明エージェントには新しい種類の論文が必要か？SPRA：エージェント向けの構造化論文表現
要約本論文は、問題、貢献、構成要素、実験設定、指標、知見などの研究対象と型付き関係を整理し、照会や再利用を可能にする構造化論文表現SPRAを提案する。100万本を超えるAI論文に適用し、検索拡張方式で科学的QAや論文横断推論の性能を評価している。段落検索と比べて評価スコアが向上し、入出力トークン数が大幅に減少したと報告している。
説明動画理解のためのクエリ誘導型グラウンディング：物体・関係・時刻の特定
要約本論文は、動画内でクエリに導かれて行う三種類のグラウンディングタスクを研究している。物体レベル（重要な物体はどこにあるか）、関係レベル（物体同士がどう相互作用するか）、時刻レベル（特定の瞬間がいつ起こるか）が対象である。著者らは、単一例による未知物体の定位のためのQDETRv、少数例の動画物体検出のためのTOViT、少数例の指示関係定位の手法、そして動画間および文章-動画間の瞬間検索のためのMATRを提案している。
説明CGDT-CESN：多変量時系列予測のための相関誘導・動力学学習型クラスタ化エコー状態ネットワーク
要約本論文は、多変量時系列の各変数を一つのクラスタが専門に扱うモジュール型のリザーバ構造（CGDT-CESN）を提案している。クラスタ間の結合は、変数間で経験的に観測された相関に基づいて設定され、そのクラスタ間結合の重みも学習される。Twitterの情報カスケード推移と太陽風予測の二つのデータセットで、従来のエコー状態ネットワークより高い予測精度を示し、データ量が少ない場合や複数の予測期間でも改善が保たれたと報告している。
