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。
説明履歴は何を加えるのか？大学の軌跡予測におけるカレンダー統制と情報時点の監査
要約本論文は、ルールベースの大学軌跡シミュレータで履歴要約の予測価値を検証する。17種のリッジ回帰設定と持続性ベースラインを、現在の計画、過去の状態・計画の要約、暦のみの履歴長指標と比較している。六か月の履歴は現在状態のみの予測より六ステップの誤差を下げるが、履歴長のみの対照群との差は不確かである。また疲労の予測値の28.20%がシミュレータの[5,90]の範囲を外れると報告している。本研究は評価の監査であり、新しい記憶アーキテクチャの提案ではない。
説明複数の時空間階層にまたがる予測の学習
要約本論文は、同じ時系列群を異なる階層構造で見たときの差異を多タスク正則化として用いるグラフ深層学習フレームワークを提案しています。単一の固定された階層での学習は過度な特化を招くが、複数の階層にわたる同時学習によって予測性能が向上すると報告しています。また、各階層の集計制約に整合した予測を、階層の大きさに対して線形の時間・空間計算量で生成するトップダウン型の演算子も提案されています。実験では、単一構造での学習より精度が高く、現行の最先端手法と同等の性能が示されています。
説明JevAgentHarness：LLMと制御を分担する意思決定モデルの評価・展開・学習
要約論文は、LLMエージェントが各ステップで大規模LLMを呼び出すため長いタスクが遅く高価になり、その呼び出しの多くは選択式の判断であると指摘します。著者らは評価基準AgentDecisionBenchを構築し、各選択に対する信頼度しきい値をエージェント自身の軌跡で当てはめ、しきい値未満のときだけLLMに判断させるJevAgentHarnessを提案します。さらに、オープンな4BモデルAgentDecision-4Bを学習させ、訓練データに近いタスクではコストを81.1〜89.0%削減し、最大2.5倍高速化しつつ、タスク成功率の低下は3ポイント未満に抑えられたと報告しています。
説明Jev-LiteMAS：マルチエージェントのワークフローにおける判断と生成の分離
要約本論文は、軽量な判断モデル（Jev）が次に担当する専門エージェントの選択と中間成果物の品質判定を行い、生成型LLMは実行と修正フィードバックのみを担う Jev-LiteMAS フレームワークを提案している。4つのベンチマークと2種類のバックボーンモデルにおいて、LAS と比べて生成型LLMのトークン消費を12.7〜54.6%削減し、精度低下は1.34ポイント以内に抑えられ、8つの設定中7つで遅延も低減した。
説明CLAD：全体的な直線対応を用いたキーポイントマッチング手法
要約本論文は、画像のキーポイントマッチングのためのCLAD（文脈的直線補助記述子）を提案している。SIFTやORBなどの従来の局所記述子は、繰り返し模様や弱いテクスチャのある場面で不安定になりうるが、CLADはキーポイントと対応する直線との近接関係という全体的な幾何学的文脈を用いて表現する。直線構造の検出にはHOMEを用いる。TUM RGB-D SLAMデータセットと屋外動画での評価では、幾何学的に一貫したマッチングが得られ、繰り返しのある場面でもマッチングの信頼性が向上したと報告されている。計算負荷は軽い。
説明ストレスと感情予測のためのプロンプト進化における有効な戦略の特定
要約本論文は、ソーシャルメディアのストレスおよび感情データを用い、2つのモデル規模で6つのプロンプト進化手法を比較しています。GEPAおよび2つのプロンプトの指示を組み合わせた拡張版（GEPA+merge）が、複数の設定で初期プロンプトより予測を改善したと報告しています。また、性能向上に関連する5つのプロンプト戦略と、タスクおよび評価条件に関する複数の観察を示しています。
説明MemCut：LLMエージェントの長期記憶には、秘密のすべてが痕跡を残す
要約本論文は、LLMエージェントの長期記憶がユーザーの要求に応じて敏感な情報を忘却できるかを評価するためのベンチマーク「MemCut」を提案しています。456の人手で設計された秘密と、削除後の復元を検証するための注釈付き証拠痕跡を含みます。直接的な開示の削除だけでは、残存痕跡からの復元率が大きく下がらないこと、また候補の網羅性が削除基準の制約になることが示されています。
説明マルチ報酬ハッキング：集約によるドリフトから信頼アンカー型防御へ
要約本論文は、LLMの事後学習において正確性などの主報酬と簡潔さなどの補助報酬を対称的に集約すると、総報酬は上がっても主タスクの性能が下がる問題を分析しています。提案手法Trust-Anchored Gating（TAG）は、まずアンカーとなる報酬チャネルを選び、補助報酬の加点をアンカーの達成に条件付けます。数学とプログラム合成の実験で、TAGは対称的な集約より性能劣化を抑えることが示されています。
注目点対称的な報酬集約による多報酬ハッキングを理論的に特徴づけ、アンカー付きゲーティング手法を提案。収束証明とQwen/Llamaでの比較実験があり、新規性と根拠は十分。
説明不変性を超えて：マルチモーダル学習のための因子ごとの選択的シフト処理
要約本論文は、マルチモーダル学習における分布シフトの問題に取り組み、潜在表現の因子を分布変化、介入効果、環境間の安定性に基づいて診断する FaShift フレームワークを提案しています。予測に寄与しない因子、安定して予測に有用な因子、予測に有用だが不安定な因子を区別し、それぞれの寄与を選択的に抑制、保持、または弱めます。MOSI、MOSEI、CH-SIMS での実験では、同分布（ID）の精度と F1 が三データセットすべてで最良の結果を示したと報告されています。
説明エッジAIを用いた光無線リンクの故障検出とビット誤り率診断
要約本論文は、ESP32-S3マイコンを中核とし、オンデバイスのTinyML分類エンジンを備えた自律診断型の光無線受信ノードを提案する。ビット誤り率、受信信号電圧、信号対雑音比、環境光ベースラインなどのチャネル特徴をリアルタイムに抽出する。INT8量子化モデルは3.32 kBのSRAMのみを使用し、通常伝送、光フィルタ減衰、環境光干渉、深刻な遮蔽・位置ずれの4つの動作条件で全体精度74.68%を達成した。オンデバイス試験により、リアルタイムかつ決定的な故障分類が可能であることが確認されている。
説明もしワットが違ったら？AIデータセンター建設の反実仮想推論ベンチマーク
要約AIデータセンターは着工前に、電源（系統電力かオンサイトのガス）、冷却方式、立地などの選択を済ませており、それが投資、水使用量、炭素排出の道筋を決めます。著者らはDCBench-440を提案し、STRIPSの世界モデルに基づく200問の生成式問題と、実際の敷地記録や排出式に基づく240問の選択式問題で、大規模言語モデルが各選択によって何が排除されるかを理解しているかを検証します。オープンウェイトモデルの正答率は生成式で12.5〜71.5%、選択式で58.3〜92.5%でした。一方、意思決定地点で可能な行動をすべて列挙する課題では、どのモデルも完全一致率が4.0%を超えませんでした。
説明車両経路問題の誤り診断のための自己誘導型LLM推論
要約車両経路問題は多くの実応用の基礎であり、近年は大規模言語モデル（LLM）を用いてこのNP困難問題を解く研究が進んでいます。しかし既存手法の多くは入力データに誤りがないと仮定しています。本論文は、LLMが車両経路問題のインスタンスにおける誤りを検出・訂正する能力を体系的に調べ、複雑なインスタンスや推論負担を大きく増やす誤りに対する限界を示しました。これに対し、LLMが自律的にコードを生成して誤り診断に役立つ構造化された知見を得る自己誘導型推論フレームワークを提案しています。多様な設定とLLMでの実験により、誤り検出性能が大幅に向上し、ほぼ完璧な精度に達したとされています。
説明選択的な内部フィードバックによる推論学習：正解なしで行う強化学習手法
要約本論文は、正解データや外部検証器を使わず、言語モデルの内部確信度信号で強化学習を行うSIF手法を提案している。SIFは複数のウィンドウと比較対象との間でトークン単位の自己確信度プロファイルを比べ、サンプルとグループの両レベルでフィルタした回答だけを方策更新に用いる。12の数学・科学推論ベンチマークで、最終チェックポイントの平均精度がIntuitorとVigorの最良検証チェックポイントを上回ったと報告している。
説明PriorityFEC：エッジ多エージェントシステムにおけるKVキャッシュ引き継ぎのための締切認識型ストリーミングFEC
要約本論文は、エッジ上のマルチエージェントLLMシステムで上流エージェントが処理済みの文脈を再度プリフィルする冗長な計算の問題を扱い、PriorityFEC方式を提案しています。この方式は価値の高いKVキャッシュブロックを先に送信し、受信側のフィードバックに応じて流式前方誤り訂正の修復パケットを適応的に送ることで、初トークン遅延の締切と不安定なネットワークの下でも重要な情報を守ります。Qwen2.5-7B-InstructとLlama-3.1-8B-Instructによる評価では、比較した伝送方式より高いタスク品質を示し、厳しい締切の条件でその優位性が際立つとされています。
説明校正言語がマルチリンガル言語モデルのブロック影響度剪定に与える影響
要約本論文は、深さ方向の剪定に用いるブロック影響度（BI, Block Influence）が英語からヒンディー語、マラーティー語、タミル語などのインド諸言語へ転移するかを、Qwen2.5-1.5B-Instruct、Llama-3.2-1B、Gemma-2-2Bの3モデルで検証しています。インド諸言語では後段ブロックのBIが英語より20.7〜55.5%高く、英語のみで校正すると後段の活動を見落とすことが示されました。英語・ヒンディー語・マラーティー語に等量の予算を割り当てて平均を取ると、一部のモデルと剪定深度で困惑度の悪化が緩和されますが、Llamaではタミル語が大きく悪化するなど普遍的な効果はなく、多言語校正はアーキテクチャと剪定規模ごとに検証が必要だとしています。
説明RDL-Bench：リレーショナルデータベース上のタスク認識型質問応答ベンチマーク
要約本論文は、実際のリレーショナルデータベース（RDB）上で自然言語による質問応答能力を評価するベンチマーク RDL-Bench を提案する。質問は、現在のデータベース状態から答えが決まる推論型と、時間制約のもとで将来の結果に依存する予測型の二種類に分けられる。各事例には、自然言語の質問、タスクのメタデータ、スキーマ情報、時間的文脈、実行可能な根拠または正解構築ロジック、および外延レベルの正解が含まれる。評価は、原生ソルバーによる方式と、ルーターが各質問を適切な実行モジュールへ振り分ける方式の二通りに対応している。
説明知覚か推論か？VLMの強化学習のボトルネックを診断し解決する
要約本論文はPARA（知覚・推論帰属）を提案し、より正確な視覚情報と、より強力な推論器のそれぞれで現在の誤りがどれだけ回復するかを比較して、各モデルとベンチマークの組み合わせにおける知覚と推論の余地を測定します。4つの視覚言語モデルと17のマルチモーダルベンチマークで、知覚の余地が大きいほど強化学習の効果は小さくなり、推論の余地が大きいほど効果が大きいことを示しています。この知見に基づき、著者らはGRADを提案します。これは各グループで最良の試行を用いて、弱い試行の視覚注意を直接導く手法で、2つのモデル規模と7つのベンチマークで性能を改善し、既存の強化学習手法と併用できることを示しています。
説明DPA-MoE：MoE推論向けの実行時精度制御フレームワーク
要約混合エキスパート（MoE）モデルは、各トークンを少数のエキスパートにルーティングして計算量を減らしますが、選ばれたエキスパートは固定精度で動作します。本論文ではDPA-MoEを提案します。これは推論時にルーターのゲートスコアに基づいて重みの精度を割り当てる仕組みです。SharedScale AnyBCQ（SharedScale AnyBCQ）で符号化するため、再学習や再符号化なしに、同一モデルを複数の実効重み予算で動作させられます。Qwen3-30B-A3BとDeepSeekMoE-16Bでの実験では、同じ予算で一律割り当てより KL ダイバージェンスと下流精度が改善し、試作版の定常スループットの低下は小さいと報告されています。
説明圧縮は汎化を意味するか？最小記述長の観点から
要約本論文は最小記述長（MDL）原理に基づき、学習の軌跡だけから計算できる逐次的後悔（prequential regret）を圧縮の指標として提案している。ほぼ補間する状況では、その期待値が学習済みパラメータの記述長の上界となり、そこから高確率の汎化境界が導かれることを示している。CIFAR-10 および CIFAR-100 での実験では、ピアソン相関係数が 0.9 を超えた。
説明Memorilla：大規模言語モデル向け潜在意味記憶システム
要約本論文は、パラメータを固定した大規模言語モデル（LLM）に外部記憶を与えるシステム「Memorilla」を提案しています。文書集合全体を、クエリに応じた固定数の記憶トークンにまとめます。16個の記憶トークンのみで、八つのベンチマーク中五つでMem0やMemoRAGなどのベースラインを上回りました。FactKGでは全文脈推論の80.43%に対し84.33%の精度を示し、元文書の表現に用いるトークン数は108分の1です。さらに、TextWorld環境で継続学習の効果も確認されています。
説明同じ目標、異なる起点：偏微分方程式エミュレーションの一貫性のための潜在ロールアウトの整列
要約ニューラル偏微分方程式ソルバーは通常、自己回帰ロールアウトで多段階予測を行うため、誤差が蓄積し、同じ目標時刻の予測が開始時刻や展開の深さに依存しうる。本論文は、ソルバー内部の潜在表現を正則化し、異なるロールアウト起点間の一貫性を促進するAlign Latent Rollout（ALR）を提案する。二次のテイラー解析に基づき、共有目標時刻の表現を揃える零次の潜在状態一貫性と、共有摂動への局所的な応答を揃える一次の潜在動力学一貫性の二つの目的関数を設計している。複数のベンチマークとニューラルオペレータ基盤で、ALRは予測精度を向上させつつ、起点間の共有目標での差異を減らすことが示されている。
説明ESG-Kor：ESG関連情報抽出のための韓国語データセットと実用事例
要約本論文は、環境・社会・ガバナンス（ESG）関連情報を自動抽出するための韓国語データセット「ESG-Kor」を構築したものです。韓国企業のサステナビリティ報告書から抽出し、ESG評価機関の客観的ルールに従って手作業で注釈を付けた118,946文で構成されています。複数の韓国語事前学習言語モデルで分類性能の有効性が確認され、中小企業の文書への拡張やESGの重要課題に基づく分析の可能性も示されています。
説明SATOR：サンプル適応型トークンルーティングによる逆伝播不要の3D テスト時適応
要約本論文は、分布シフト下の3Dポイントクラウドに対するテスト時適応(TTA)を扱い、ソースデータも逆伝播も必要としないSATORフレームワークを提案しています。注意機構と幾何学的関係グラフから各トークンの異常スコアを算出し、Otsu法によって保持するトークンと剪定するトークンをサンプルごとに直接分割するため、候補サイズの探索が不要です。著者らは、ModelNet40-C、ScanObjectNN-C、ShapeNet-Cの3つの3D破損ベンチマークで最高水準の精度を達成したと報告しています。
説明RenoLayout：制約を考慮した住宅設計のための間取り改修と家具配置の統合フレームワーク
要約本論文は、既存の間取りと設計ポイントの集合を、実行可能な Geometry-as-Code プログラムに変換する RenoLayout を提案しています。構造改修と家具配置を対象とする 123 個の細粒度設計ポイントからなる Design Map を構築し、改修前後の設計ペアから設計ポイントを自動的に導出する手法も示しています。さらに、家具配置が完備された実在の改修事例 200 件からなる RenoLayout Benchmark を公開しており、著者らの知る限り統合的な住宅設計のための初のベンチマークだとしています。
説明CoDeFont：多段階の因子別表現学習によるワンショットフォント生成
要約本論文は、単一の参照グリフのスタイルを転写して対象文字の字形を生成するワンショットフォント生成のためのCoDeFontフレームワークを提案しています。複数の空間レベルでスタイルと構造の情報を分離して抽出し、対照学習でスタイルと内容の埋め込みを分離します。構造の異なるベンガル文字とラテン文字で、既知および未知のフォントスタイルに対して評価を行い、既存の最先端手法より一貫して優れた結果を示したと報告しています。
説明テスト時LLMアンサンブルにおける二つのサンプルサイズ：バッファ付き経験的リスク最小化とミニマックス理論
要約本論文は、テスト時に複数の大規模言語モデルの回答を重み付きで集約する際、学習に用いる二つのサンプルサイズ（Q個のラベル付き質問と、モデル・質問ごとのN回の生成）がどのように影響するかを分析しています。マージン条件の下で、校正されたマージンバッファを用いた経験的リスク最小化が、対数因子を除き約Q^{-1/2}+N^{-β/2}の超過リスクを達成することを示しています。また、二モデル・二回答の簡略化されたモデルでミニマックス超過リスクを特徴づけ、質問数を増やしても消えないN^{-β}の下限が存在することを明らかにしています。
説明LTM：視覚・言語・行動モデルのための潜在遷移ベース文脈内メモリ
要約ロボットの操作では、もう見えなくなった相互作用を覚えておく必要があることがよくあります。本論文は、連続する観測の間の遷移をコンパクトな潜在表現として保存する潜在遷移メモリ（LTM）を提案し、π0.5上にLTM-πとして実装しています。RoboMMEとLIBERO-Memでの成功率はそれぞれ58.54%と80.5%で、外部推論モデルや記憶専用の注釈を使わない基準手法の中で最良でした。
説明L2GSSL：体積医療データ向けのラベル効率的な局所-全体自己教師あり学習
要約本論文は、未ラベルのCT体積データを活用する自己教師あり事前学習フレームワークL2GSSLを提案し、スライス内とスライス間の表現空間に分解して学習します。LIDC-IDRI の肺結節悪性度分類では、ラベルの10%で AUROC 0.9229、25%で 0.9377に達し、体積単位の VICReg を上回りました。
説明埋め込みは過大評価されているか？小型・三値言語モデル向けの凍結16MB語彙表
要約本論文は小型言語モデルにおける単語埋め込み表を検討しています。Gemma 3 270Mでは、埋め込み表が2億6800万パラメータのうち1億6800万を占めます。著者らは、事前学習済み埋め込みから主成分射影と符号二値化によって一度だけ作成した16MBの凍結512ビット符号表を用い、学習可能な表と比較して同じ本体を訓練しました。多くのベンチマークで凍結表モデルが同等か良い結果を示し、三値モデルではより小さいサイズとCPUでの高速な生成を実現しています。
説明正直は最善の策か？確率的サービスオプションの需要管理
要約本論文は、サービス提供者が予約時に予測されるサービス水準の確率を表示する場合を研究している。真の確率はシステムの状態に応じて内生的に変化し、顧客はその正確性を容易に検証できない。著者らは問題を逐次的意思決定過程としてモデル化し、真の確率を再帰的に定義するとともに、その歪曲を制限する透明性制約を導入している。さらに、強化学習による近似と、各状態で開示する情報を最適化する混合整数計画法を提案し、宅配ロッカーや店舗への外出配送を事例として、個人レベルの透明性と顧客全体の効用の間にトレードオフがあることを示している。
説明低品質文書を検出するための階層型グラフ畳み込みネットワーク手法
要約本論文は、文書内部の矛盾や見出しと本文の不一致を検出する階層型グラフ畳み込みネットワーク（HGCN）を提案しています。ニュースデータとそのメタデータを用いてInconsistency Datasetを構築し、モデルを学習させました。実験では、自作データセットで91.20%、公開の不一致関連データセットで92.00%の精度を示し、メタデータの利用が性能向上に有効であることも確認されています。
説明FedSkillGit：バージョン管理を用いたフェデレーテッド・スキル進化フレームワーク
要約本論文は、大規模言語モデル・エージェントの連合学習環境で再利用可能な自然言語スキルを進化させるFedSkillGitを提案します。クライアントは文書全体ではなく、名前付きルールに対する有限個のパッチと、局所的な経験の要約を、二段階のプライバシーフィルタを通して送信します。サーバーはパッチと経験を重複排除して統合し、候補スキルを生成します。各クライアントがローカル検証セットで採点し、スコアが向上した場合のみ公開されます。著者らは、3つのデータセットと3系統の言語モデルで既存手法を最大22%上回り、生データを共有せずに集中型進化に近い性能を得たと報告しています。
説明感情は外部知識ではない：感情状態推論のための内部注意信号
要約本論文は、大規模言語モデルが多ターン対話において、疎な文脈手がかりから暗黙の感情状態を推論できるか、また推論時にそのような証拠を振り分けるための内部注意信号を持つかを検討しています。著者らはSIAB（自己ターゲット型内部注意増強）を提案し、因果的局在化によって疎な感情注意ヘッドを特定し、その注目する内容トークンを増強します。ECCとGoEmotionsで、プロンプトを揃えたベースラインに対し最大でマクロF1が10.3および5.5向上したと報告されています。
説明ARGUS：信頼性の高いユーザーシミュレーションのための議題駆動型フレームワーク
要約本論文は、対話環境でエージェントを評価・学習させるためのユーザーシミュレーターとして、ARGUS（Agenda-dRiven Goal-oriented User Simulator）を提案しています。動的な議題スタックを記号操作で管理してユーザーの目標状態を保持し、状態追跡と自然言語生成を分離することで、目標の段階的な進行と制約に沿った対話を実現します。さらに、小型モデルへの蒸馏や、評価指標 CBS（Composite Behavioral Score）を用いた検証を行い、τ³-Bench と MultiWOZ で有効性を示しています。
説明OpCredit：エージェント型ナレッジグラフ質問応答のための操作単位の方策学習
要約本論文は、エージェント型ナレッジグラフ質問応答において、軌跡全体の報酬では個々の操作の寄与が見えにくいという問題を扱います。成功した軌跡にも無効な操作が含まれ得るため、各操作を評価する枠組みOpCreditを提案しています。分岐結果クレジットと遷移クレジットを組み合わせて学習時に各決定区間を監督し、推論時は学習済みの方策と標準的なKGインターフェースのみを使用します。ComplexWebQuestions、WebQSP、GrailQAの3つのデータセットと3種類のバックボーンで、KGQA性能の一貫した向上が示されています。
説明神経精神疾患の分類における量子機械学習と古典的機械学習の比較：特徴量を揃えた多コホート評価
要約本論文は、安静時機能的結合のデータに対して、同一の相関ベース特徴量を用いて六種類の量子機械学習モデルと古典モデルを比較したものです。四つの公開コホート（計4,308名）で評価され、多くの量子モデルは対応する古典モデルと同等でしたが、一貫して上回るモデルはありませんでした。284組の対応比較からなるベンチマークを提供しています。
説明適正損失関数に対するオンライン分位点オムニ予測法
要約複数の評価指標のもとで同時に高精度となる予測器を構築する「オムニ予測（omniprediction）」を扱う論文です。離散的な確率水準上の分位点として予測を表し、温和な正則条件を満たすすべての適正損失関数について同時に正確となる、標本効率の良いオンラインアルゴリズムを提案しています。例として、パンデミック中に専門家が行ったCOVID-19入院者数の分位点予測をアンサンブルする応用を示しています。
説明ディリクレ過程を用いた深層ニューラルネットワークの次元非依存PAC-ベイズ汎化境界
要約従来のPAC-ベイズ汎化理論はパラメータ空間に事前分布を置くため、ネットワークのパラメータ数に応じて境界が悪化し、無意味になります。本論文はディリクレ過程を用いて事前分布をデータ分布の空間に置き、学習アルゴリズムによる押し出し測度を通じてパラメータ分布を導出します。データ処理不等式により閉形式で評価でき、パラメータ数・幅・深さに依存しない汎化証明書が得られます。MNIST上で7,850から4,203,522パラメータのモデルに対し、証明書は8.8%から9.4%の間で安定しており、従来の重み空間の境界は940%を超えて無効になります。
説明オンポリシー蒸留は毎回のロールアウトを最後まで完了する必要があるか？
要約本論文は、生徒モデルのロールアウトをランダムに途中で打ち切り、ブロック単位の逆確率重み付け（IPW）で偏りを補正する確率的截断型オンポリシー蒸留（STOPD）を提案し、計算コストを抑えます。重み付けは期待値の上で元の目標の勾配和を保つことを示し、SGD・Adam・Muon に対する一段更新の誤差上界を導出しています。実験では生成トークンが25〜48%減り、精度は従来手法と同程度で、学習は1.3〜2.2倍高速化されました。
説明スパースかつ継続的な強化学習ファインチューニングのためのアテンションヘッドのランキングと分割
要約本論文は、アテンションヘッドのランキングと分割を通じて、言語モデルをスパースかつ継続的に強化学習でファインチューニングする方法を研究しています。スパース学習では勾配ノルムによってヘッドを順位付けし、効果的に学習できる少数のヘッドを選びます。継続学習では、タスク間の干渉を減らし既存の能力を保つためにヘッドを分割します。数学、指示追従、コーディングのタスクで、上位のヘッドを調整する方が下位より一貫して良く、より密なベースラインに近い結果が示されています。
説明低照度パイプラインはいつ生成を使うべきか？選択的生成強調のための監査可能なリスク制御
要約本論文は低照度画像強調における生成型手法と復元型手法の使い分けを扱います。生成型は自然なテクスチャを得られる一方で構造を幻覚することがあり、復元型は構造を保つ一方で強調が不十分な領域が残ることがあります。著者は、凍結された基礎モデルを領域ごとに生成結果で置き換えるかどうかを決める VetoNet を提案し、根拠が不十分な場合は切り替えを拒否します。実験では、専門家の相補性が予測可能な場合に統計的に有意な認証付き向上が得られ、根拠が弱い場合やドメインシフトがある場合には切り替えを保守的に見送ることが示されています。
説明可逆な双Lipschitzアダプタによるフローマッチングの意味的潜在空間整合
要約本論文は、事前学習済みのエンコーダとデコーダを固定したまま、両者の間の潜在座標のみを変更する手法を提案します。意味的教師モデルにオフラインで整合させた可逆かつ双Lipschitzのアダプタを、クラス条件付きフローマッチングの間は固定して用います。双Lipschitz制約により、整合による潜在空間の幾何の歪みが抑えられます。2つの医用画像データセットで、制約付きの適応は特徴量指標、シード安定性、反事実編集の強度を改善し、下流の分類でも競争力を保ちました。一方、制約のない適応は可逆性を保ちつつも、高度に非等方的で敏感になることが示されています。
説明VoteGEO-Bench：生成エンジン最適化が選挙情報の露出に与える影響を測る評価ベンチマーク
要約本論文は、2024年米国大統領選挙と2026年日本の衆議院選挙を対象とするベンチマーク「VoteGEO-Bench」を提案し、ウェブページの書き換え（生成エンジン最適化）が大規模言語モデルの回答に含まれる選挙情報の露出にどう影響するかを検討しています。生成エンジンが引用する情報源を分析し、4カテゴリ計11の書き換え戦略を評価しています。結果として、対象を指定した書き換えの方が露出を高めやすく、ページ構成の改善や論証による立場の強化が、根拠の追加や言い換えより大きな効果を示したと報告しています。
注目点選挙場面におけるGEOの危険性を測る新ベンチマークを提案し、11種の書き換え戦略を両国の選挙で評価しており、証拠は比較的充実し、影響も大きい。
説明商品属性-値抽出のための混合生成・タグ付けデコーディング手法
要約本論文は、商品の属性名と属性値を抽出するため、系列タグ付けと自由形式の生成を組み合わせた混合デコーディングモデルを提案しています。原文からそのままコピーできる頻出属性は、タグ付けヘッドが直接抽出し、生成ヘッドは希少な属性や言い換え・正規化が必要な値を担当します。vLLM 推論に統合した結果、属性カバレッジは10%向上し、正しい属性-値ペアは63%多く抽出され、精度は低下せず、レイテンシは44%削減されました。
説明DocPilot：長文視覚文書理解のための対話型エージェント編成と学習
要約本論文は、複数ページとモダリティにまたがる長文書の質問応答を支援するエージェント型フレームワーク DocPilot を提案します。ページ単位のナビゲーションと細粒度の証拠特定により情報を探し、局所的な視覚検査、コードによる数値推論、クロスモーダル推論を組み合わせます。さらに、小規模言語モデルへ能力を移すためのカリキュラム型学習を示し、DocPilot-4B は大幅に大きなモデルに匹敵する性能を報告しています。
注目点学習可能な文書エージェントと段階的訓練を提案し、4つのベンチマークで大きな改善と4Bモデルの競争力を示す。
説明CertEx：認証付き除外による大規模な正確な視覚検索
要約本論文は、画像記述子や埋め込みに対するGPU向けの正確なk近傍探索手法CertExを提案します。中核となるのは認証付き除外で、各ベクトルの下界射影を半精度で保存し、丸め誤差の証明書を用いて除外できるベクトルを判定します。残った少数のベクトルにのみ正確な距離を計算します。著者らは、各クエリに対して正確なkNNを返すことを証明し、最大1億ベクトルの16データセットで、cuVSを上回るスループットを報告しています。
説明AdaLoop：視覚エンコーダを使った推論
要約多くの視覚言語モデルは視覚エンコーダを静的な特徴抽出器として扱い、質問に関係なく画像を一度だけ符号化します。AdaLoop は、質問に応じて視覚計算を適応させる、質問条件付きの視覚再帰のフレームワークです。事前学習済みの視覚重みは凍結したまま、エンコーダの変換を複数回反復して再利用します。また、視覚中心の推論を訓練・評価するためのVisRO手続き型データセットと生成パイプラインも提案されています。
説明CoViG：画像分類のための粗視化ビジョングラフニューラルネットワーク
要約本論文は、グラフ粗視化（graph coarsening）とVision Graph（ViG）を組み合わせたCoViGを提案する。ViG中間ブロックのGrapher内にMinCUTプーリングを追加し、特定ブロックのノード数を減らす。ImageNetで複数のViGアーキテクチャを評価した結果、元のViGと同等の精度を、約51%のFLOPsで達成したと報告している。
説明ZoomCap：証拠ルーティングによる視覚ズームで、回復可能な視覚情報を転送する手法
要約本論文は、下書きキャプションに基づいて知識検索、文字認識、欠落情報の補完、適応的な局所拡大を行い、限られた観察予算内で詳細を補い、視覚言語モデル学習用の細粒度キャプションを生成する ZoomCap を提案しています。また、元画像と再構成という二つのブラインドアンカーで、キャプション中の原子的主張を一つずつ評価する FactCycle を導入しています。人手評価や継続事前学習、医療事前学習の実験結果も報告されています。
注目点証拠ルーティングによる視覚ズームと事実レベル評価を提案し、複数のVLM事前学習実験で転移効果を検証している。
説明想像内で制約付きマルチエージェント強化学習を行う研究（コストを予測して実環境との相互作用を減らす手法）
要約論文は、マルチエージェント世界モデルでコストを予測し、制約付きの方策更新の大部分を想像内で行う CA-MAMBA を提案しています。要約によると、SMAC の中央値的な設定では、比較対象の強力なモデルフリー基線は CA-MAMBA の 10 倍から 20 倍の相互作用を必要とします。MAMuJoCo では、同じ予算で CA-MAMBA の報酬は基線の 2.8 倍から 12 倍です。
説明視覚的証拠をより明確に：マルチモーダル文書RAGにおけるLoCの提案
要約本論文は、マルチモーダル文書の検索拡張生成で、正しいページが検索されても生成モデルが証拠を十分に活用できていないことを示す。視覚トークンを十分に使う点と証拠領域を目立たせる点の二つの要件から、LoC（Loud and Clear）を提案する。LoCは高解像度の全ページと質問に関連する領域のOCRを組み合わせ、正解領域の注釈や追加学習を必要としない。SciEGQA、ViDoRe-v3、MMLongBench-Docで八つの既存手法を上回った。
説明マネーミュール（資金の運び屋）口座検出を関係学習問題として捉える：RBIH NFPCデータセットに関する研究
要約本研究は、口座単位で直接スコアを付ける資金の運び屋（マネーミュール）検出手法を提案します。銀行の関係データベースを異種グラフとみなし、口座の多段近傍と時間エンコーディングを用いてグラフニューラルネットワークで学習し、フラグ付け以前の証拠のみを用いるよう制限しています。RBIHの小売銀行データセットでは、未見の運び屋口座の約9割を83%の適合率、0.5%の誤報率で検出し、同じ証拠を与えた最強の木構造アンサンブルより115件多く発見しました。
説明スペクトルだけでは不十分：差分プライバシー学習におけるデータフリー前処理のランダム行列による解析
要約本論文は、非公開データの代わりに合成プローブからKFACのKronecker因子を構築する手法を、ランダム行列理論で分析します。誤差信号因子Gはデータなしでほぼ再構成でき、活性化因子Aのデータ由来のスパイクは再構成できないことを示し、その失敗の閾値を与えます。スペクトルの形がほぼ一致していても固有ベクトルがランダムだと残差が大きく増えることも報告されています。
注目点ランダム行列理論でデータなしプローブが再構成できる範囲を解析し、データ非依存性の証明とBBP閾値を与え、多モダリティで検証している。
説明PocketTSLM：スマートフォン上で動作する、プライバシー保護型のソフトプロンプト時系列言語モデル
要約本論文は、OpenTSLM のソフトプロンプト版をスマートフォンに実装した PocketTSLM を提案しています。時系列データをテキストにせず、エンコードした時間窓を埋め込みとして入力することで、端末内で完結して推論できるとしています。著者らによれば、本ベンチマーク形式ではテキスト化した基準手法に比べ時系列トークンが約12分の1に減り、睡眠脳波や12誘導心電図の処理も行えるとされています。推論中に健康データは送信されません。
説明VLA-Δ：視覚・言語・行動モデルのための物理状態遷移学習
要約視覚言語行動（VLA）モデルは、視覚言語事前学習で得た意味知識をロボット制御に転用する。多くのVLAは中間の物理状態変化を明示的に監督せず、観測と行動の対応に過学習しやすいと指摘されている。本論文はVLA-Δを提案し、現在と未来の状態間の物理的変化を明示的な学習目標とし、大規模な事前学習データセットと状態遷移アノテーションを構築した。LIBEROとRoboTwinで最先端手法に匹敵する性能を示し、実ロボット実験ではπ0.5を上回った。
説明VALCON：二重役割の変化による大規模言語モデルの価値一貫性のベンチマークと改善
要約従来の大規模言語モデルの価値整合評価は主に出力が規範に従うかを見ており、生成者と評価者の役割を切り替えたときに価値が一貫しているかは見ていませんでした。本研究はVALCONという枠組みを提案し、同一の原則のもとでモデルの生成と評価判断を組み合わせ、三つのベンチマークを構築して隠れた価値の食い違いを明らかにします。28のモデルでの実験では、役割をまたぐ不一致が広く見られ、出力が従順なモデルでも自身の生成物と判断が一致しないことが多いと報告されています。さらに、役割に依存する表現の分離を機構的な探査で確認し、それに基づく表現レベルの介入で不一致の緩和を図っています。
注目点生成者と評価者の役割間での価値一貫性を新たな評価軸として提示し、28モデルでの実験と機制的分析・介入で裏付けている。
説明「幻影を払う」：動的コンテンツの消失を防ぐガウシアン割り当て手法
要約本論文は、動的ガウシアン表現を用いたボリュームビデオ再構成における課題に取り組みます。動きの速い小さな物体が消えたり、高動的領域の細部が失われたりする問題に対し、原因はガウシアン基本要素の表現能力ではなく、その配置の場所と時点にあると論じています。提案手法は二つあり、Seed Injectionは時間的な見た目の変化と再構成誤差から再構成不足の領域を特定し、多視点観測により新しいガウシアンを初期化します。Temporal Biased Relocationは時間分解された最適化信号を用いて、再配置されるガウシアンの時空間的な配置を誘導します。どちらもガウシアンの総数を固定し、基礎となる表現は変更しません。複数の動的シーンデータセットでの実験により、特に高動的領域で再構成品質が向上したと報告されています。
説明医療機器文書評価の各段階を大規模言語モデルで決定論的にする研究
要約本論文は、医療機器の規制適合性評価に大規模言語モデルを使う際、同じ依頼でも結果が変わる問題を検討している。14の商用環境を調べ、いずれも少なくとも1件の依頼で異なる評価を返し、12環境では判定ラベルが変わった。著者らは抽出、分割、埋め込み、索引、検索、推論の各段階を決定論的にしたパイプラインを構築し、血糖測定器と輸液ポンプの文書で再実行後も同一の出力を得た。GPUの型番や推論エンジンのスケジューリング設定も出力に影響するため、記録すべき構成に含めるべきだとしている。
説明GeoPano：単一パノラマから幾何学的に正確な3D再構成を目指す手法
要約本論文は、単一のパノラマ画像から360度シーン全体の点群を復元するフィードフォワード型フレームワーク GeoPano を提案しています。球面幾何を活用するPano-Attention機構により、複数の視点間の幾何的な不整合を抑えます。さらに、局所の詳細と全体構造を同時に保つ混合監督戦略を用いています。原文によると、再構成精度、幾何的一貫性、視覚的忠実度で従来の最先端手法を上回るとされています。
説明エージェント的解釈（AgInt）：ソフトウェアエージェント向けのハーネス制御による証拠構築
要約本論文は、モデルが型付きの記録を提案し、決定的なハーネスがそれを受け入れ、評価し、永続化して、タスク固有の規則に基づき結論を出す枠組み AgInt を提案します。その結果として監査可能な証明書が作成されます。SWE-bench-Live や Defects4J などのベンチマークで評価され、論文はベースラインのエージェントに比べて複数の指標で改善を報告しています。
説明連合 Stackelberg 最適化のための個人化射影上昇法
要約本論文は、共有される最小化変数 x は集約し、各クライアントが個人化された最大化変数 y_i（コンパクト凸集合に制約）を保持する連合ミニマックス問題を扱います。非凸-凹の場合、射影上昇法は標準的な劣線形収束率に到達することを示しています。一方、非凸-PL の場合は確率的更新によるノイズ床が生じるため、それを除去する分散削減付きの VR-SGDA を提案し、最悪グループの頑健性向上を実験で確認しています。
説明能力強化は局所化できるか：特定の注意ヘッドを取り除くだけでタスク性能が向上するかを検証する研究
要約本論文は、Transformer言語モデルにおける「能力強化の局所化」（CEL、Capability Enhancement Localization）を扱います。微調整なしに、少数の注意ヘッドを除去するだけで特定タスクの性能が上がるかを、複数のモデル系列で実証的に調べています。さらに、簡略化した多ヘッドsoftmax注意モデルと、特徴が衝突する二つのタスクを用いて、小さなランダム初期化からの勾配降下が衝突する特徴を特定のヘッドに集中させることを理論的に示し、訓練過程による説明の可能性を提示しています。
説明マルチエージェント集約におけるバイアス制御と注入
要約本論文は、複数の大規模言語モデルのエージェントの意見が食い違ったとき、どの判断を信頼すべきかを検討しています。多数派の圧力や回答スタイルといった非意味的バイアスを制御すると初期回答の選択が改善し、意図的にバイアスを注入すると判断の不安定性が生じ、それが信頼性の指標になることを示しています。検証データを必要としない推論時の集約フレームワークを提案し、3つの数学推論ベンチマークと4種類の異種モデル組み合わせで、既存の非オラクル集約手法より高い平均精度とトークン効率を達成したと報告しています。
説明ReState：少ステップ蒸留拡散モデルの学習不要な物体除去のための状態補正手法
要約本論文は、学習不要の物体除去において、少ステップ蒸留拡散モデルで対象領域に物体形の残像が残る問題を扱います。構造化された予測は最初の順伝播でマスク内に形成され、後期ステップでの注意の再配分では十分に修正できないことを示しました。そこで、ノイズレベル認識重みを用いてマスク内のクリーン予測を入力から検索した背景証拠へ補正するReStateを提案し、2つの対応ベンチマークと2つの少ステップバックボーンで学習不要手法の中で最良のマスク付きPSNR、SSIM、LPIPSを達成しています。
説明「思考の密度」：大規模言語モデルの推論を予測し制御する研究
要約本論文は、思考連鎖（CoT）推論の各ステップにおける情報密度が、回答の正否を予測できるか、また推論時に制御可能な目標になり得るかを検討している。6つのモデル規模、2種類の学習方式、60問のGSM8Kで実験を行い、密度と正答率の関係は学習方式によって異なることを示した。さらに、トークンレベルのシャノンエントロピーで密度調整を制御する手法（EGDR）を提案し、外部の指示なしで正答率を10.0ポイント向上させたと報告している。
説明Mallea：コーディングエージェントによる世界の構築・制御・記憶
要約本論文は、テキストから仮想世界を構築するシステムMallea（マレア）を提案しています。コーディングエージェントがプロンプトから物体間の相互作用要件を推定し、物体の構造・属性・ルールを計画します。世界は計画されたルールに従って変化し、ユーザー操作やテキスト指示で属性や機能を調整できます。ホワイトボックスで定義された物体のテクスチャは記憶され、状態の変化に合わせて更新されます。
説明LICOA：移動型空間拡張現実のための指示条件付き光学アクション学習
要約本論文は、言語指示と視覚観測に基づいて、ロボットが移動方法と投影の位置・スケールを決定し、投影光を身体化されたアクションとして扱うLICOAシステムを提案しています。差動駆動の台車と2自由度の操舵可能なミラーを組み合わせ、シミュレーション環境と150タスクのデータセットを構築しました。12タスクの実環境での480回の閉ループ試行では、最良の適応モデルの成功率は57.50%で、同じ構造を最初から学習した場合の8.33%を大きく上回りました。
説明Diviner：大規模インフラ向けの、人間が管理する適応型エージェント型根本原因分析
要約本論文は、Meta で運用されているエージェント型根本原因分析（RCA）システム Diviner を提案し、大規模分散システムにおける障害の根本原因の特定を支援する仕組みを説明しています。システムは符号化、実行、評価、適応の4段階で構成され、レビュー済みのインシデントとサービス所有者の知識からスキル、ワークフロー、知識グラフを生成します。知識の更新は、リプレイ検証、品質確認、所有者の承認を経てから採用されます。
説明TimeCap：ウェアラブル健康時系列データ向けの拡張可能なオープンソース字幕生成パイプライン
要約本論文は、信号から直接テキスト説明を生成する、決定的なオープンソースの時系列データ字幕生成パイプラインTimeCapを提案している。言語モデルは用いず、再現と拡張が可能な設計である。MyHeart CountsのウェアラブルデータセットOpenMHCに適用し、19のApple HealthKitチャネル、908,944人日にわたる7,005,763件の字幕からなるMHCapを作成した。このデータで時系列言語モデルOpenTSLMを学習させたところ、字幕を加えた学習版は、8タスクの32の個人別二値評価のうち29件でラベルのみのベースラインを上回った。
説明医療LLMエージェントにおけるエスカレーションの信頼性監査：ワークフロー状態の失敗を対象とした摂動制御ベンチマーク
要約本研究は、合成された医療ワークフローの400エピソードからなる評価ベンチマークを構築し、回答、確認質問、回避、エスカレーションのいずれを選ぶかをモデルに求めます。事前に定めた5対1の見落とし・過剰エスカレーションのコストで採点されます。干渉のない入力では判断精度が0.97に達する一方、不確実性を促したモデルは必要なエスカレーションの32〜97%を見落としました。透明なワークフロー認識型コントローラーは見落としを減らしましたが、未知の言い換えに対しては規則検出器の再現率が1.00から0.00に低下し、その効果はこのベンチマーク内に限られます。
説明PRIME：LLMエージェントにおける検証可能で証拠に基づく推論の手法
要約本論文は、LLMエージェントが組織の要件に照らして記録を確認する際の方法PRIMEを提案している。確認前に各結論を正当化しうる証拠ルートを定め、独立したプログラムが確認結果を記録して、結果で裏付けられない結論は拒否する。480件の公開記録タスクでは、要件を示されたエージェントの26.7%のタスクで根拠のない結論が報告されたのに対し、PRIMEではそのような結論は報告されなかった。正当化された結論のスコア平均は30.1から最高59.2（満点100）に上昇した。
説明TRACER：LLMエージェント向けの軌跡認識型ツール検索
要約エージェントはツールレジストリから道具を選びますが、レジストリ全体を提示するとトークン費用が高くなり、規模が大きいほど選択精度も下がります。本論文は、観測されたツール呼び出し列をトライ木に索引化し、経験的事前情報と文脈的事前情報を組み合わせて続きの候補を順位付けする検索フロントエンドTRACERを提案します。小売と通信が混在するτ²環境で、128個のツールのうち5個だけを提示しながら、GPT-5.4のツール選択精度を4.7ポイント向上させ、1ステップあたりの入力トークンを80%削減しました。
説明TRACER：病院における患者ケアのためのマルチモーダル・ハーネス
要約本論文は、学習を必要としないマルチモーダル・フレームワーク TRACER を提案します。病室の映像を分単位の行動記録に変換し、臨床記録と組み合わせて1時間ごとのレポートにまとめ、LLMエージェントがツールを通じて映像と臨床データを照会できるようにします。280名の患者、約60,000カメラ時間のデータでは、せん妄評価が陽性の患者のほうが有目的な活動が有意に少なかった（p < 0.0001）と報告されています。
説明モーメントマッチングによるラベル比率学習の再考
要約本論文は、ラベル比率学習（LLP）を扱います。学習データはバッグにまとめられ、観測されるのはバッグごとのラベル比率のみで、個々のインスタンスのラベルを予測する分類器を学習することが目的です。既存の多くの手法はインスタンスをランダムにバッグへ組むことを仮定しており、非ランダムな状況では性能が低いと報告されています。本研究では、バッグは独立同分布に抽出され、インスタンスのラベルは与えられたインスタンスのもとで条件付き独立であるという設定を採用し、そのもとでラベル数がポアソン多項分布に従うことを示します。これに基づき、多次の階乗モーメントを学習目標とする単純な手法LLP-MMを提案しています。複数のベンチマークと様々なバッグ構成で有効性と計算効率の高さが確認されています。
注目点より現実的なバッグ構成の仮定下でポアソン多項分布を導出し、多次階乗モーメントを学習目標とする点に新規性があり、複数構成での基準実験で有効性を示している。
説明スパースオートエンコーダ表現の振る舞いの合成性：個々の特徴を超える相互作用の測定
要約本論文は、スパースオートエンコーダ（SAE）が抽出した特徴の下流での振る舞いへの効果が単純に加算できるかを調べます。指定した交互作用次数より上で説明されない振る舞いの変動を測るSAE加法性残差（SAR）を提案し、学習された SAE 座標を同じ部分空間の和を保つランダム回転と比較しています。学習座標は一次の残差が小さい一方、二次の交互作用項は保留データでの順序誤差をなお改善し、忠実な共同説明には個々の特徴効果を超える相互作用が必要であることを示しています。
注目点相互作用次数に基づく振る舞いの加法性残差を提案し、ランダム回転との比較で18設定にわたり実験的に検証しており、SAE解釈研究への影響は中程度である。
説明分数べき乗二量子化：乗算器不要の効率的なLLM推論に向けた手法
要約本論文は、底が√2の半オクターブ分数PoT格子で大規模言語モデルの重みを4ビット量子化し、整数のシフト加算データパスを保つ手法（FPoT）を提案している。Llama-3-8Bの4ビット重み・活性化量子化において、PoTベースラインに比べゼロショット常識推論性能が8.72%向上し、均一整数ベースラインに近い水準を示したと報告されている（差は0.4%ポイント）。既存の学習後量子化手法とも組み合わせ可能だとしている。
説明ラベルなし部分空間を用いた言語モデルの判断の分離
要約本論文は、同じ入力に対して指示を変えて判断させると最終回答の信頼性が下がる原因を調べています。指示による隠れ状態の差が低次元の「表現部分空間」に集中することを示し、ベンチマークのラベルなしでその部分空間を特定して線形予測器から取り除き、独立した判断を取り出します。正しさ、含意、安全性の各タスクで検証され、質問を否定した場合、含意と安全性のAUROCがそれぞれ0.504から0.825、0.480から0.891に向上したと報告されています。
説明LLMによるサイバーセキュリティ・ツイート分類の弱アノテーション：教師・生徒フレームワーク研究
要約SNS上のサイバーセキュリティに関する議論は専門家が注釈できる量を超えており、ラベル付きデータが大きなボトルネックになっていると指摘しています。本論文は、LLMを教師役として未ラベルのツイストに弱ラベルを付け、分野特化型の事前学習言語モデルを訓練する枠組みを提案しています。LLMの生成ラベルのみで学習したモデルのF1値は全ての評価アーキテクチャで0.92以上となり、人手で教師付けしたモデルとの差は3ポイント以内でした。
説明AIチャットボットは、自殺念慮への支援の案内を利用者が断った後どう対応するか
要約本研究はAIチャットボットの監査です。研究者は、異なる重症度の自殺念慮を打ち明ける想定の多ターン会話2,550件を用意し、支援機関への相談を勧められた後に繰り返し断る場面を再現して、その後の応答を調べました。ほぼすべてのチャットボットが最初に外部支援を勧めた一方、勧めを続ける度合いには大きな差があり、新しいバージョンほど続けなくなっていました。意図を明示した利用者の場合、断られた後に再度案内される確率が高いことも示されています。著者は、安全性評価では案内を提示するかだけでなく、断られた後の挙動も検証すべきだと主張しています。
注目点用户が支援を断った後の多ターン対話を監査し、新版ほど固執しないことを2550会話の定量分析で示した。
説明VLAモデルは本当に指示に従うのか？「どのように行うか」の指示追従を診断する
要約本論文は、視覚・言語・行動（VLA）モデルが、タスクの内容ではなく実行方法を指定する「How型」指示にどの程度従えるかを検証しています。現行モデルではこの種の指示が成功率を改善せず、むしろ下げることが分かりました。セグメント単位で拡張した指示で学習すると行動の指示への反応は改善しますが、成功率は一貫して上がりません。また、指示のみに条件が示されるSIMPLER-INというベンチマークを導入し、高難度や分布外の指示には改善が及ばないことを示しています。
説明FocusOPD：拡散モデルのための構造誘導型オンポリシー蒸留法
要約本論文は、複数教師によるオンポリシー蒸留において、生徒モデルと教師モデルの内部特徴が一致しない問題を分析しています。差異は初期のデノイジング段階の深いTransformerブロックに集中し、OPD蒸留後も残ることが示されました。提案手法FocusOPDは、基本のOPD目標に、深い層と初期のデノイジング段階に限定したトークン単位の方向性特徴整合を加えます。GenEvalなどの指標でDiffusionOPDを上回る結果が報告されています。
説明FGSS-BO：大規模言語モデルに基づくベイズ最適化のためのフィードバック誘導型仮説管理
要約本論文は、大規模言語モデル（LLM）でベイズ最適化を導く手法に対し、言語による仮説を観測証拠・実行可能なパラメータ操作・比較的な支持度の更新と結びつける構造化フレームワーク、FGSS（フィードバック誘導型探索状態）を提案しています。LLMが仮説の提案と修正を行い、決定論的な管理部が検証と記録を担います。LLAMBOに実装したFGSS-BOは、一部の設定で対応するベースラインより探索性能が高く、転移の効果はタスクによって異なると報告されています。
説明System1-Arena：どの判断を System 1 モデルに任せられるか
要約本論文は、大規模言語モデルと System 1 モデル（一度の順伝播で選択肢の確率を出力するもの）を同じ判断課題で比較する評価基準 System1-Arena を提案しています。105 のタスク、約 9.2 万問、138 の閉ループ環境を含みます。30 モデルの評価では、最大規模の System 1 モデルが非エージェント型の正解率で高速な商用 LLM に匹敵または上回り、確率の校正もより良く、遅延は約 4 分の 1 でした。推論型 LLM が最も正確ですが、コストは高速 LLM の約 70 倍です。閉ループ課題では大規模なオープン LLM の成功率が最も高く（最大 32.9%）、小型の System 1 モデルはほとんど成功しませんでした。
説明分散型マルチエージェントシステムのための責任中心の協調メカニズム
要約本論文はRCMという協調メカニズムを提案し、「コミットメント」を用いてタスクの委任と当事者の明示的な責任を結びつけます。エージェントは再帰的な委任の中で上流の責任を保持しつつ、下流のコミットメントをローカルに調整します。エージェントは責任制約付きの意思決定と責任指向の通信プロトコル（RCP）により、コミットメントを自律的に確立・管理・終了します。実験では、集中型および分散型のベースラインを上回る性能を示し、タスク固有の学習なしで失敗や危害の検出も改善されたと報告されています。
説明スパースオートエンコーダにおける表現の再分配：言語モデル内部の特徴の反復的な変化と下流の判断への影響
要約スパースオートエンコーダ（SAE）は言語モデルの活性化をスパースな特徴に分解します。本論文は、一貫した方向に繰り返し現れる大きな特徴の変化を特定する再分配感度スコア（RSS）を提案し、選択に用いられなかった変種上で検証します。8つの言語モデルにまたがる27の事前学習済みSAEで、テストした提示変換は再現可能な再分配パターンを示しました。さらに、表現の変化と決定の失敗を区別し、2つの凍結された安全性読み出し器で反復的な失敗のAUROCを報告しています。
説明領域適応型の土地被覆セマンティックセグメンテーションのための、気候を考慮した大規模衛星画像データセット
要約本論文は、アジア30地域の衛星画像980枚（各5000×5000ピクセル、総面積24,500平方キロメートル超）からなるデータセットCASIDを提案しています。画像は温帯季節風、亜熱帯季節風、熱帯季節風、熱帯雨林の4つの気候帯から収集され、各気候帯が一つのドメインを構成します。著者らは各気候帯の特徴の違いを分析し、最新のセグメンテーション手法と教師なしドメイン適応手法を評価して今後の研究の基準を示しています。
説明互換性が重要：オンポリシー蒸留におけるトークン単位の教師選択の枠組み
要約本論文は、オンポリシー蒸留（OPD）において、教師を提示ごとに一つ固定するのではなく、生成過程でトークン単位に選択する手法を提案しています。教師と生徒が互換であるための条件を理論的に分析し、教師選択の経験的ヒューリスティクスを導いています。数学、コーディング、カーネル生成、視覚推論の実験では、一部のタスクで pass@k が通常の OPD や教師専門家と比べて最大約10ポイント向上したと報告されています。
説明変化=損傷ではない：大規模言語モデルのための更新対応型アンラーニング
要約本論文は、大規模言語モデルからプライバシーや安全上のリスクにつながる知識を取り除きつつ、新しいタスクを学習する能力を保つ「アンラーニング」を扱います。削除した知識の再学習に抵抗しつつ、学習能力（可塑性）も維持することが目標です。著者らは、同じ模擬再学習の更新を防御モデルと未防御の参照モデルに適用する「更新対応型アンラーニング（UMU）」を提案し、新タスクの学習結果でモデルを選択します。TOFU と FaithUn での Llama・Qwen モデルによる実験では、三種の基礎手法すべてで再学習への抵抗性と新タスク精度が向上したと報告されています。
説明何を取り除くべきか：RLVRデータの汚染除去の信頼性とコストの評価
要約本研究は、公開されている16のRLVR数学学習コーパス（計1,673,514件）を6つのベンチマーク（計1,949問）と照合して監査しています。正確一致、語彙一致、意味一致に基づく8つの除去ポリシーを、独立かつ盲検で二重レビューされた594組の学習とベンチマークの組で評価しています。校正セットでは、事前登録した閾値範囲のいずれも保守的な精度目標90%を満たしませんでした。既存の審判判定ポリシーは、held-outコーパスで高い精度と再現率を示しましたが、リスクがゼロであるとは証明されていません。
説明KBS：基盤モデル評価のための韓国語ベンチマークスイート
要約本論文は、Ko-ARC、Ko-GSM8K、Ko-EQ-Bench、Ko-WinoGrande、Ko-LAMBADA、Ko-IFEval の6項目からなる韓国語ベンチマークスイート KBS を提案し、6つの能力にわたる計9,396問を収録しています。翻訳のみに頼らず、レビュー、ローカライズ、韓国語での直接作成、韓国語向けの再設計を組み合わせて構築されています。韓国製モデル、多言語オープンモデル、クローズドAPIモデルを、モデルへのアクセス方法、プロンプト形式、採点方式の違いを考慮した手順で評価しました。その結果、韓国語ベンチマークの得点は、課題の構成、採点規則、プロンプト、モデルの事後学習に左右されることが示されました。そのため、最終スコアとあわせて、得点を得た際の設定も報告すべきだとしています。
説明ラグランジュ・オイラーグラフ神経常微分方程式による多スケール時空間感染症動態の学習と予測
要約本論文は、中長期の感染症予測のためのLE-EpiGNODEモデルを提案する。汎用的なメッセージパッシングの代わりに、機構に基づくプロセス固有の神経オペレータを用いる。年齢別接触情報はラグランジュ的な感染発生を、移動データは保存的なオイラー的人口輸送を駆動し、構造保存型の普遍微分方程式に組み込まれる。14の合成機構と3つのCOVID-19データセットでの評価では、最長の予測期間においてWMAPEが3つの実データセットすべてで最も低く、最良のベースラインに比べ誤差を17.7%から40.0%削減した。
説明RecSoup：制御可能な多目的推薦のための効率的なモデルマージ手法
要約推薦システムは相反する複数の目的のバランスを取る必要があることが多い。本論文は、目的ごとの特化モデルを軽量な二段階で統合するRecSoupを提案する。まず目的ごとの重要度と目的間の関連性を考慮した剪定で、パラメータ干渉を抑える。次に学習可能な選好から係数へのマッピングで適応的にパラメータを統合し、再学習なしに推論時の権衡調整を可能にする。実験では、参数生成型手法より推論遅延が165〜228倍速いとされている。
注目点モデルマージを制御可能な多目的推薦に応用し、剪定と学習可能な選好係数写像を提案。複数ベンチマークで帕累托前線と推論遅延を比較し、証拠は比較的十分。
説明AutoOnboarder：LLMエージェントを自律的にオンボーディングする仕組み
要約論文は、エージェント型の大規模言語モデルがハーネス（観察と行動を仲介するソフトウェア）に組み込まれると推論能力が低下しうると指摘しています。著者らは、新人研修のように既存モデルをタスクに適応させるシステムAutoOnboarderを提案し、監督役のコーディングエージェント「Onboarder」が基盤モデル、プロンプト、ハーネスのソースコードを反復的に調整して性能向上とコスト削減を図ります。ゲノム配列解析の事前承認フォーム提出タスクでは、Gemini 3.5 Flashベースラインと同等以上の性能を最大29分の1のコストで達成しましたが、オンボーディングの結果には大きなばらつきがあるとされています。
説明高齢者の音声から抑うつと認知機能低下を切り分ける：同時臨床評価を用いた研究
要約本研究は軽度認知障害の高齢者89名の韓国語音声コーパスを、抑うつ（SGDS）と認知機能（MMSE）の同時評価とともに収集した。認知機能を統制すると、7つの特徴群のうち抑うつと関連したのはフォルマント特徴のみで、広く使われるF0特徴には関連が見られなかった。F1+F2の12特徴だけでUAR 0.760を達成し、完全なeGeMAPSベースラインや自己教師あり表現を上回った。
説明DLOSAC：ドロネー三角分割で導く局所最適化RANSACによる空間・幾何の同時推定
要約本論文は、ノイズを含む対応点からの画像幾何推定を扱い、DLOSACという手法を提案する。候補インライアに対してドロネー三角分割を構築して近傍のトポロジーを表現し、辺ベースの幾何整合性評価、三角形の面積と辺の属性から導く空間分布の正則化、従来の点レベルの幾何制約を組み合わせてモデルパラメータを改善する。著者らは、3種類の幾何推定タスクに関する6つの公開実データセットで最先端の性能を達成したと報告している。
説明ルーブリック判定には不確実性がない：LLM評価のための保形加重法
要約本論文は、大規模言語モデルの評価で広く使われるルーブリック方式が、各基準の二値判定を同じ重みで単純に合算しており、判定の確かさの違いを無視している点を指摘します。著者らは学習を必要としない手法URW（Uncertainty-aware Rubric Weighting）を提案し、保形較正（conformal calibration）によって基準ごとの判定の不確実性を数値化し、重みに変換します。実験では、対比較の選好判断の精度が向上し、下流の強化学習による整合性も改善したと報告されています。
説明SpaceCache：点群ストリームにおける意味セグメンテーション高速化のための中間特徴再利用
要約自動運転やロボットで使われる連続した点群フレームは大部分が重なるにもかかわらず、既存のセグメンテーションネットワークは毎フレームを一から処理しています。本論文は、学習を必要としない特徴キャッシュ手法 SpaceCache を提案し、観測済みの領域の中間特徴をフレーム間で再利用して、残りのトークンだけを計算します。nuScenes、Waymo、ScanNet において Utonia と LitePT-B の 2 種類のバックボーンで評価した結果、最大 1.65 倍の高速化を、mIoU の低下 1 ポイント未満で達成し、トークン統合手法を上回りました。
説明一度受け入れてから取り消す：思考によって推論モデルが一部の語を文字どおりに読むようになる仕組み
要約本論文は、推論モデルが思考量を増やしたときに「some」や「or」などの語をどのように解釈するかを調べたものです。重みを固定し、思考の長さだけを変えて、モデルが選ぶ読み方を記録しています。その結果、多くの検証対象のオープン推論モデルとGPT-5では、思考後に論理的な読み方が優先され、含意（「全部ではない」「両方ではない」）が取り消される傾向が示されました。
説明エージェントの約束を解除できるのは誰か？複数人チャットにおける「権限」の問題
要約本論文は、複数人のチャットで、アシスタントが誰かに行った約束を誰が取り消せるのかを検討します。約束を受ける側、またはその受益者と運用ポリシーで認められた人だけが解除でき、役職の高低は関係ないという「権限（standing）」の概念を提示しています。六つのモデルを比較した結果、解除された約束を実行してしまうケースが多く見られ、約束の台帳と短い解除ポリシーを加えると正確さが大きく向上したと報告しています。
注目点約束の解除権限という新しい問題を提起し二種類の誤りを区別、六モデルの統制実験で行動差を示し、台帳と方針の有効性も検証している。
説明UltraDiff：高圧縮潜在空間へ高忠実度の事前知識を転移する高解像度画像生成手法
要約この論文は、潜在拡散モデル（LDM）における計算コストと生成の忠実度のトレードオフに取り組み、UltraDiff という枠組みを提案しています。結合潜在拡散学習と周辺スコア蒸留により、高忠実度の f8 モデルの事前知識を、高圧縮の f32 潜在空間へ転移します。1K から 4K の設定で評価され、品質は f8 に近づきつつ f32 の効率を保ちます。単一の A100 GPU で 20 ステップのサンプリングにより 2K 画像を 6.2 秒で生成し、f8 ベースラインより 40 倍以上高速です。
