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。
説明困難な例だけで学ぶ：データ剪定学習の理論的な利点
要約本論文は、重み付き経験リスク最小化によるデータ剪定下の学習を理論的に分析し、入力次元とサンプル数の比が固定された場合のテスト誤差の極限曲線を精密に示している。サンプル数が次元を大きく上回る場合、戦略的な剪定によって分類誤差の減衰を従来の sqrt(N/P) から N/P のオーダーへ加速できることを証明している。最適な戦略は、最も難しい 2N 個の訓練例だけを残し、残りのほぼすべてを捨てるというものである。
注目点高次元極限でデータ剪定の汎化誤差を厳密に特徴づけ、誤差減衰を√(N/P)からN/Pへ加速できることを示し、最難の2N例のみの保持が最適だと証明している。
説明タンパク質設計システムの事前学習・検索コーパスに対する汚染攻撃の研究
要約本論文は、タンパク質設計システムに対してデータのみを操作する二種類の汚染（ポイズニング）攻撃を調べている。一つは自己回帰型タンパク質言語モデル（ProtGPT2、ProGen2の変種）の事前学習コーパスに、トリガー付きの悪意ある配列を混入させる攻撃、もう一つはテキスト誘導型タンパク質生成器の検索コーパスに記録を挿入する攻撃である。実験では、汚染データによってモデルがトリガーに依存した安定的な生成挙動を獲得し、検索攻撃でも検索結果を大きく占有して生成配列を変えられることが示された。一方で、通常のモデル動作はおおむね維持された。著者らは、タンパク質配列データの完全性と生物学的な出所の確かさが、生成式タンパク質設計システムにとって重要な保護措置であると指摘している。
注目点タンパク質設計系の事前学習コーパスと検索コーパスに対するデータポイズニングを、300Mパラメータのモデルと検索実験で検証しており、既知手法の新領域への適用が中心である。
説明言語モデルのオンポリシー蒸留のための条件対比外挿法
要約本論文は、オンポリシー蒸留（OPD）において教師モデルが問題の前提に反する誤った続きを好む問題に対処する、条件対比外挿オンポリシー蒸留（CCE-OPD）を提案している。問題の条件を遮蔽して比較する固定プレフィックス比較と、有界な対数確率の対比による教師分布の再重み付けを組み合わせる。6つの数学ベンチマークで、Qwen3-8Bを0.6Bと1.7Bの学生モデルに蒸留した場合、OPDに比べavg@8がそれぞれ平均1.60、1.95ポイント向上したと報告されている。
説明ControlFlow3D：多視点知識を潜在フローマッチングへ蒸留する点群アップサンプリング
要約本論文は、疎な点群を密な三次元点群へ補完する手法ControlFlow3Dを提案しています。学習時に事前学習済み基盤モデルの知識を軽量な生成ネットワークへ蒸留するため、テスト時に多視点画像は不要です。凍結された三次元エンコーダが定義する潜在空間で条件付きフローマッチングを行い、35Kオブジェクトのマルチモーダルベンチマークも構築しています。論文は複数のベンチマークで有効性と高い汎化性能を示したと報告しています。
説明訓練不要の重み編集による有害な指示への抵抗
要約本論文は、指示に従う言語モデルが有害な指示に応じてしまう問題を抑えるため、訓練を必要としない重み編集手法を提案しています。各目標行動について少数のプロンプトペアに対する順伝播のみで済み、編集内容はモデルの重みに保存されるため、プロンプトの変更や削除では取り消せません。5つの指示調整済みモデルで、指示された虚偽と指示された性差別の2種類を評価し、後者では性差別的回答率が平均57.9%から24.3%に下がり、公平性プロンプトと併用すると11.9%になったと報告しています。
説明大型ディーゼル車の燃料・排出量モニタリングにおけるセンサー診断
要約健全な計測データから学習した関係を用いてエンジンセンサーの故障を診断し、燃料量を補正する手法を評価した研究である。大型ディーゼルエンジンの217の定常運転点で5種類の合成故障を検証し、20点のグループの77.3%で診断を出し、その92.1%が正しかった。想定条件下で、選択的な燃料補正により燃焼CO2計算の平均絶対誤差は83.8%減少した。
説明マイン・サンプル・レンダー：生成モデルの推論時多様性整合
要約本論文は、現代の生成モデルは個々の出力の品質は高いものの、多様なサンプリングが難しいと指摘します。著者らは、実データのコーパスから解釈可能なカテゴリ・スキーマを抽出し、そこから得た統計に基づいて属性の組み合わせをサンプリングし、生成モデルは条件付きレンダラーとしてのみ用いる手法MINE-SAMPLE-RENDER（MSR）を提案しています。天気予報の生成、ユーザーシミュレーション、Webデザイン、テキストから画像への生成、エージェントが生成する3Dアセットなどで評価し、MSRがコーパス分布との整合性と出力の多様性を高めることを示しています。
説明IWOO：数値最適化と工学応用のためのハイブリッド戦略で改良された波動光学オプティマイザ
要約本論文は、光の回折と干渉を用いる既存の波動光学オプティマイザ（WOO）を、四つの相補的な戦略で改良したIWOOを提案している。収束の遅さや局所最適への陥りを抑えることが目的である。IEEE CEC2019、CEC2022、CEC2017のベンチマーク群で代表的な手法と比較し、各戦略の寄与をアブレーション実験で検証している。さらに、制約付きの工学最適化問題六件でも試験されている。
説明検索の失敗を超えて：マルチホップRAGでLLMが証拠を見落とす理由の理解
要約本論文は、マルチホップ検索拡張生成において誤答に必要な証拠が欠けている原因を調べ、検索器が文書にアクセスできないのか、それとも文書を取得するクエリをエージェントが発行しなかったのかを区別しています。著者らは、未解決のサブ質問とその根拠を記録する学習不要の要件レジスタ「ExecutionRAG」を提案し、MuSiQue の1,000問で証拠欠落による誤答数を減らしました。残る課題は、検索の誘導から、取得した証拠が十分かどうかの検証へ移ったと論じています。
説明教師なし深層多視点擬似不変特徴学習による多時期多分光地表反射率の単調区分線形調和化
要約光学衛星の地表反射率製品は、各画像が個別に大気補正されるため、観測日ごとに系統的な不整合が生じることがあります。本研究はDeepMGCCAを提案し、深層一般化典型相関分析と多変量変化検出を統合して深層擬似不変特徴を学習し、偏りを除去します。四地域のLandsat-8/9およびSentinel-2データで評価した結果、深層特徴の分位点から導出した単調区分線形変換が最も大きな偏り低減を示し、分光角とRMSEが低下し、PSNRは最大約4.04 dB向上しました。
説明潜在思考連鎖は本当に推論しているのか？潜在推論の統一的分類法
要約本論文は、文章による推論ステップの代わりに連続的な隠れ状態を用いる潜在思考連鎖（latent chain-of-thought）が実際に推論を行っているかを検証する。21のモデル・タスク構成で、連鎖の削除、内容の置換、プローブ、軌跡分析を組み合わせて調べている。論理タスクでは連鎖の開始前にすでに答えが読み取れる場合が多く、算術タスクではすべての手法が連鎖内容への依存を示した。著者らは、連鎖が何を表すかと、モデルがそれをどう使うかを区別する分類法を提案している。
説明審査者を審査する：ルーブリック報酬における確信度と意見の不一致
要約本論文は、構造化されたルーブリックに基づいてLLMの審査者が回答を採点し、その結果を強化学習の報酬として用いる手法（Rubrics as Rewards, RaR）を扱います。審査者を変えるだけで採点結果に大きな差が出ることを示しました。そこで審査者のアンサンブルを用いる手法RaREを提案し、確信度で重み付けした報酬と、意見の不一致が大きい出力の除外という二つの仕組みを導入しています。RaREはHealthBenchとGPQA Diamondで、単一審査者を用いたすべての変種を上回ったと報告されています。
説明AgentEval：証拠の範囲を限定したステートフルエージェントの評価
要約本論文は、ツール実行、状態・イベントの記録、報告の審査、ケース管理の各段階を通じて、契約に基づく評価記録を保持するシステム AgentEval を提案する。エージェントが何を行ったか、証拠が何を立証するか、結論が現在の用途に支持されるかを区別する。32 回のツール環境実行のうち、独立した検査は完全な 30 エピソードで一致し、満たされた・違反された・未解決の義務を区別した。中断された 2 回の実行も保持されている。48 の証拠ビューに対する制御された介入では、エージェントの振る舞いを変えずに、ハッシュのみの検査が見逃した 36 件の束縛故障が明らかになった。
説明言語モデルはワーキングメモリにおいて共通の読み出しボトルネックを持つ
要約本論文は、大規模言語モデルがN-backタスクで示すワーキングメモリの特性を調べたものです。記憶負荷Nが増えると成績が低下し、誤りは近接位置の妨害項に集中します。研究者は注意の精度不足と妨害項の内容による干渉という二つの説を、15の事前学習済みモデルと小型Transformerで比較しました。その結果、モデルは多くの場合正しい対象に注意を向けているものの、妨害項の内容が判断を損なうことが示され、限界は位置特定ではなく干渉下での読み出しにあると結論づけています。
注目点注意精度と干渉の二つの機構を分離し、LLMの作業記憶の限界が読み出し段階にあることを、探針と抑制実験で示している。
説明MemScope：局所的なコード修復によるエージェント記憶アーキテクチャの進化
要約本論文は、既存のエージェント記憶アーキテクチャを証拠に基づき局所的に修正するフレームワーク「MemScope」を提案しています。パッチエージェントが実行トレース、実行時の記憶状態、アーキテクチャのコードを合わせて検査し、問題箇所に限定した編集を行います。GAIA、xBench、ALFWorldでの評価では性能向上が示され、アーキテクチャコードの変更率の中央値は4.4%でした。
説明GRADS：難易度を制御できるグラフ誘導型エージェントによるデータ合成手法
要約本論文は、難易度制御を備えたグラフ誘導型エージェントのデータ合成フレームワークGRADSを提案し、多段階で長い推論を要する深層リサーチタスクのデータを生成します。回答に必要な証拠と推論の依存関係をグラフで管理し、関連する部分グラフに基づいて質問と回答を構成・検証します。実験では、セキュリティ、ソフトウェア工学、科学文献の各分野で難易度が実測上明確に分かれたデータが得られ、学習後の4Bモデルは一部の分野でSonnet 4を上回りました。
説明長いコンテキストから選択的メモリへ：大規模言語モデルのためのメモリ中心圧縮に関するサーベイ
要約本サーベイは、大規模言語モデルにおける長文脈圧縮を、推論時の記憶管理の問題として捉え直しています。計算に直接関わるアクティブメモリと、計算経路の外に置かれ保存・検索・更新・忘却されうる非アクティブメモリを区別し、書き込み、退避、呼び出し、淘汰、統合、忘却などの操作を、単一のコストモデルで扱う枠組みを提示しています。また、評価の観点とベンチマーク上の欠落を整理し、動的で管理可能なライフサイクル志向の記憶管理への移行を提言しています。
説明Transformerベースの早期音声認識によるベンガル語音声の自動文補完
要約本論文は、ベンガル語の音声とテキストの分析によって認知症の兆候を検出し、会話中に文の自動補完を支援する統合システムを提案する。Transformerモデルで音声をテキストに変換し、複数の機械学習・深層学習モデルを比較したところ、LSTM構造が音声と言語の文脈パターンのモデル化で高い能力を示した。文補完には注意機構付きの双方向LSTM（Bi-LSTM）を用い、途中まで表現されたベンガル語の文を補完する。
説明通信不要の可変コスト分散学習向けワークロード正則化（論文）
要約同期データ並列学習では、各ランクに同じ件数のレコードを割り当てるため、レコードごとのコストが大きく異なると待ち時間が生じます。本論文はこの問題に対し、ランク内の有界なウィンドウをバッファリングし、推定コストが均衡した固定件数のパックに再分割するデータローダ方式 Batch Cost Lookahead（BCL）を提案しています。ランク間のメタデータ交換や学習フレームワークの変更は不要です。著者らは公開ワークロード分布上のシミュレーションでランクごとの推定バッチコストのばらつきを最大 82.8% 削減し、NeMo-RL の 13 の SFT コーパスで pooled MFFD より 1.050～1.167 倍速いと報告しています。高分散またはメモリ溢れしやすいデータには p99 上限を先に設ける必要があることも示されています。
説明VisualTrust：画面上の文言による誤誘導下での動画推論の研究
要約本研究は、マルチモーダル大規模言語モデルが、画面上の文言の主張を矛盾する視覚的証拠より優先してしまう傾向を調べたものです。5,063件の事例からなる反事実ベンチマークVisualTrustを構築し、主張なし・正確な主張・誤解を招く主張の3版の動画で評価しました。平均精度は主張なしの90.1%から誤解を招く主張下では51.9%に低下しました。また、学習を必要としない動画質問応答エージェントDEARを提案し、誤解を招く主張下での精度を81.8%から85.2%へ引き上げたと報告しています。
注目点画面証拠と画面文字の主張を区別する反事実ベンチマークと学習不要のエージェントを提案し、11モデル・5063件で検証しており証拠は比較的充実している。
説明単一ハイパースペクトル画像における遮蔽物体の位置特定のための材質・デフォーカス手がかり：探索的研究
要約部分的な遮蔽があり、見えている領域のテクスチャが弱い、または外観が似ている場合、物体検出は困難になります。本論文は、ハイパースペクトルイメージングの材質依存スペクトルと波長依存の光学的ぼけを利用し、非負値行列分解による材質グループ化、ダイバージェンスに基づく光学的手がかり、グラフラプラシアン伝播を組み合わせた手法を検討しています。推論時に別途の深度センサーを必要とせず、領域抽出と境界ボックスによる位置特定を行います。2種類のカメラで取得した室内30場面・屋外6場面の定性的な例を示しています。同じ材質かつ同じ深度の物体は依然として難しく、検出性能の定量的評価は今後の課題です。
説明一回の処理で位置合わせは可能か？多層・多空間の文脈ガイダンスによる一回通過型レジストレーションの再検討
要約本論文は、医用画像の非剛体位置合わせを対象に、再帰的な反復を用いず単一のネットワーク処理で多段階の漸進的ピラミッド位置合わせを行うM2CGを提案しています。各段階は、前段階・現段階・後段階の三つの層と、画像、画像特徴、セグメンテーション、セグメンテーション特徴の四つの空間から得られる文脈情報で導かれます。ラベルを使わない教師なし学習と、一部の訓練データにセグメンテーションラベルを用いる半教師あり学習の両方に対応し、八つの公開データセットを用いた二種類の医用位置合わせタスクで最先端の性能を示したと報告しています。著者らは、再帰への依存は目標位置合わせまでの残りの距離を十分に表す文脈情報の欠如に起因するのではないかと述べています。
説明「従順なユーザー」だけで学習しない：主導型対話のための心的化された敵対的セルフプレイ
要約本論文は、システムと合理的に抵抗するユーザーとの不完全情報ゲームとして主導型対話を捉える MASP フレームワークを提案します。BDI に基づく潜在状態でユーザーの変化する心的状態を表現し、システムとユーザーの方針を交互にセルフプレイで更新します。SFT やプランナーのみの手法と比べ、複数のベンチマークで成功率（SR）と合理性制約付き成功率（RCSR）を向上させ、平均ターン数（AT）を減らしています。
説明観察から介入へ：実行可能な因果介入による自己生成デモンストレーションの蒸留
要約本論文は、大規模言語モデルが自ら生成する少数ショット事例の選別方法を扱う。出力結果の観察だけで根拠の良否を判断すると、因果的な根拠と事後的な見せかけの根拠を区別できないと指摘する。そこで提案手法ECI2Dは、言語による根拠を実行可能なプログラムに抽象化し、論理的に類似した事例に因果介入を適用して、転移不変性を持つ事例のみを残す。数学・論理・常識推論のベンチマークで、観察ベースの文脈内学習より高い性能を示し、保持する事例数ははるかに少ない。
説明オールインワン記憶：プロセス報酬付き強化学習による記憶エージェント
要約本論文は All-in-One Memory（AiO-Mem）を提案し、検索、記憶の書き込み、停止の判断を共有された証拠状態上の遷移として統一し、同じ報酬空間で各行動の意味的品質を評価します。対話履歴や長文書を出典を追跡できるイベントに整え、プロセス報酬モデルで軌跡全体を採点し、PA-DAPO で記憶方策を最適化します。著者らは、長文脈の記憶ベンチマークで、静的な記憶システムや強化学習で訓練された記憶エージェントより回答精度が向上したと報告しています。
説明CoSTA：効率的な音声対話モデルのための圧縮音声トークン適応フレームワーク
要約音声対話モデル（SDM）は通常、生成と合成に同じ音声トークン空間を使うため、自己回帰系列が長くなり推論コストが高くなります。本論文は、元の音声トークナイザーとデコーダーを保持したまま、生成用と合成用のトークン空間を切り離す後処理型フレームワーク CoSTA を提案します。平均初期化による語彙拡張、発音適応、対話適応によって圧縮表現を生成トークン空間に加え、合成前に元の音声トークン空間へ決定的に展開します。バイリンガルの音声対話ベンチマークでは、展開後の音声トークン生成速度が約 1.7 倍となり、応答全体の遅延が低減し、スループットが向上しつつ応答品質は維持されました。
説明より良いLLMにいつ対価を払う価値があるか：混合忠実度オラクル切替による確率的最適化
要約本論文は、データクリーニングなど上流工程で大規模言語モデル（LLM）を使う際に、高忠実度モデルへの支払いがいつ見合うかを研究しています。確率的オラクルの間で適応的に切り替えるコスト考慮型のアルゴリズムを二種類提案し、既知のバイアスと未知のバイアスの場合にそれぞれ対応します。実験では、適応的な方針が高コストのLLMの一部を省き、精度をほぼ保ったまま総コストを大きく削減することが示されています。
説明CleanRM：少量のクリーンなフィードバックで雑音の多いフィードバックから報酬モデルを学習する（RLHF 向け）
要約選好データには、主観的な人間の判断、アノテーションの誤り、不完全な LLM 評価などによるフィードバックの雑音が広く存在する。論文は、少量のクリーンなフィードバックを使い、最適輸送によってサンプルごとの雑音比率を校正する CleanRM を提案する。雑音補正済みの代理損失で報酬モデルを学習し、その目的関数はクリーンなリスクに対して不偏であることを理論的に示している。実験では既存の雑音除去ベースラインを上回り、下流の RLHF による整合にも効果的であると報告されている。
説明OnBodyAI：次世代AIに身体が必要な理由
要約本稿は、次世代AIの強みは世界の知識量ではなくユーザーを理解することにあると主張する論考です。大規模言語モデルに身体を与え、身につけて利用者のために働き、その指示に従う状態を「OnBodyAI」と呼び、その実現に研究と産業が何を必要とするかを論じています。UbiComp/ISWC 2026（2026年10月13日、上海）の産業パネルでの講演に基づき、十の主要な論点に沿って構成されています。
説明乗法的半コーシー過程の経路ごとの縮小と確率的較正
要約本論文は、対数スケールのランダムウォーク表現を通じて乗法的半コーシー過程を特徴づけ、縮小・拡大・臨界の各領域、ほぼ確実な総和可能性、局所的な反発、実効次元などを扱っています。また、解釈しやすい事前確率の記述をそのスケールパラメータに結びつける準解析的な較正規則も導出しています。
説明体外受精・顕微授精における新鮮胚移植後の生児出生予測：内細胞塊と栄養外胚葉の形態の差分重み付け符号化とアテンション・ロジスティック回帰混合アンサンブル
要約本論文は、ある単一施設の616回の新鮮胚移植周期（生児出生251例、非出生365例）の臨床・検査・胚学データをもとに、生児出生を予測するモデルを構築した研究です。内細胞塊と栄養外胚葉の形態に差分重み付けを施す新しい符号化法を提案し、ハイブリッド・アテンションネットワークとロジスティック回帰のアンサンブルを開発しました。保持検証セットでのAUC-ROCは0.710で、従来型機械学習やTabPFN、テキスト化した言語モデルの基準モデルを上回りました。ただし、外部検証は今後の課題とされています。
説明階層型エンベロープ敵対的ドメイン適応による歩行者軌跡予測手法（HEADA-LTCTPM）
要約本論文は、歩行者軌跡予測における単一の社会的結合のみの考慮と、事前定義された統計指標に依存するドメインシフト対処の限界に取り組みます。エンベロープサンプルを構築してグラフ構造に拡張し、局所と全局の戦略を統合した敵対的ドメイン適応モジュールで多様な結合関係に適応するモデルを提案しています。2つの公開データセットで6つのベースラインと比較し、ADEとFDEがそれぞれ17.6%と19.1%低下したと報告しています。
説明動画生成を高速化する疎なアテンション：スパース性の段階的増加と探索の削減
要約拡散Transformer（DiT）は動画生成の主流ですが、自己注意の計算量が二次的なため推論コストが高くなります。本論文は、学習を必要としない枠組みGSRS（Growing Sparsity and Reduced Search）を提案し、デノイズの初期には多くの計算を残し、後期に段階的に減らすとともに、後続の探索を初期の候補集合に限定して探索コストを抑えます。HunyuanVideoとWan 2.1での実験では、全注意と同程度の生成品質を保ったまま1.55〜2.21倍の高速化が確認されたと報告されています。
説明判定者が一致して誤るとき：一貫性と正確性の乖離はラベルなし評価の盲点である
要約本論文は、正解ラベルなしの評価手法が、一貫性を正しさの代理とみなしてよいという前提を検証する。4つの金融QAデータセット、10の一貫性指標、2つの最先端モデル系列を用い、個々の事例ごとに一貫性と正確性の同時分布を調べた。誤答の60%は高一貫性領域(一貫性≥0.8)に入り、そのうち77.7%は全摂動バリアントで同一の誤答を返す完全な回答崩壊であった。このため、一致度のみに基づく信号では検出が困難であることが示される。
説明圧縮は選択で終わらない：スパースKVキャッシュにおける選択後の位置幾何
要約スパースKV圧縮は履歴の一部だけを保持して長文脈推論のコストを下げますが、保持された状態は全履歴の位置座標をそのまま使うため、削除されたトークンによる隙間がクエリとキーの照合に影響します。本論文は固定されたセレクタ出力のキャッシュ上で選択後の位置幾何を調べ、RoPERelayを提案します。これは順序を保つ compact な RoPE 座標を割り当て、逆回転と再回転でキーの位相を移し、以降の生成と同期させるもので、再選択や再プリフィルや予算増加を必要としません。2モデル、6種のセレクタ、3つの長期記憶タスクにわたる36の比較のうち32件で回答品質が向上し、Llama-3.1-8B-InstructとBM25によるLongMemEval-Sでの正答率は23.6%から35.4%に上がりました。完全なリクエストの時間オーバーヘッドは評価した設定で約1%から3%でした。
説明少ステップ生成モデルのためのノイズ空間報酬アライメント（Noise Policy Optimization、NPO）
要約本論文は、数回の評価で生成を行う少ステップ生成モデルを、報酬の黒箱評価しか得られない状況で望ましい性質へ誘導する問題を扱います。提案手法NPOは生成器を凍結したまま、初期ガウスノイズ空間上で償却フローポリシーを学習し、ノイズを報酬で傾けた分布へ輸送します。これにより生成器を通した出力が報酬傾斜分布に従うとされています。画像、言語、タンパク質構造生成の実験で、直接ファインチューニングより報酬と品質のバランスが良く、推論コストが16〜549倍低い条件でテスト時探索法と同等の結果を示したと報告されています。
注目点少ステップ生成器の初期ノイズ空間上で償却フロー方針を学習する新しい発想を提案し、画像・言語・タンパク質構造で比較実験により検証、推論コストを16〜549倍削減。
説明DST-Net：時系列予測のための分解型時空間ネットワーク
要約本論文は、時系列を成分ごとに分解して別々にモデル化するネットワーク DST-Net を提案している。トレンド成分には潜在グラフブロックでチャネル間の大域的依存関係を捉え、季節成分には学習可能なガウス事前分布を用いたマルチスケール注意機構で局所的な時間変化に注目させる。著者らは複数の実データセットでの実験により有効性を示したとしている。
説明エージェントベース農業生態モデルにおける意思決定ルールの感度分析
要約本論文は、エージェントベース農業生態モデルのパラメータが、上位の選択によって有効になる決定木構造をなしている点に着目し、従来の全体感度分析が適用しにくいことを指摘する。著者らは高解像度プラットフォームMAELIAの作物管理工程を、カテゴリ変数と数値変数を含む階層的な設計空間として符号化し、木構造上で主効果と交互作用を順位付けする、ランダムフォレスト教師付きHSIC-ANOVAという手法を提案している。窒素溶脱、土壌有機炭素の変化、収量予測などのシミュレーション出力に適用し、解釈可能な結果を示す。
説明ResStreamGS：モバイル立体動画ストリーミング向け残差感応型デュアルストリーム・ガウシアンスプラッティング
要約帯域幅と計算能力が限られたモバイル環境で、リアルタイムの立体（ボリューメトリック）動画を配信する手法を提案した論文です。3Dガウシアンスプラッティング（3DGS）の各ガウシアンを時間的な変化の仕方に応じて分け、時間的に安定したものはGOPごとに一度だけ送信し、変化するものだけを毎フレームの動画ストリームで送ります。複雑な全景動画での実験では、全ガウシアンを符号化する基準手法（V³方式）と比べ、符号化後のPSNRが7.51〜8.35 dB向上し、償却ペイロードは最大56.5%削減、Snapdragon 778Gで30.883 FPSを達成したと報告しています。
説明スペクトル空間解釈（SSI）：マルチスペクトル画像の位置ごと・チャネルごとの寄与を割り当てる手法
要約本論文は、マルチスペクトル画像に対するモデルの判断を説明するスペクトル空間解釈（SSI）を提案しています。各空間位置で周囲の文脈を固定し、その位置のチャネルについて局所的なゲームを定義してShapley値を計算し、位置とチャネルの完全な寄与行列を得ます。HLS Burn Scarにおいて、MC-Owen推定器を複数の指標で上回り、評価予算は約6%だと報告されています。
説明SSR：LLM編成型マルチエージェントシステムのための構造的シグナル検索器
要約本論文は、LLMが編成するマルチエージェントシステムで適切なエージェントを見つける、学習不要で決定的な検索手法SSR（Structural Signal Retriever）を提案する。Agent Cardの能力関連フィールドから構造的な語彙シグナルを抽出し、IDFで重み付けし、反転シグナル索引で候補を選択的に採点する。1,000エージェントの場合、全カタログを渡す方式と比べてLLM入力を98.8%、編成遅延を70.9%削減したと報告している。
説明Kolab：長期ワークフローにおける人間とエージェントの協働を評価するベンチマーク
要約本論文は、40 職種の専門家 50 名が現実的な長期課題でエージェントと協働した 115 時間以上の画面録画と、協働および成果物の品質に関する評価を収めたデータセット Kolab を提案する。フロンティアモデルは専門家との協働を過大評価し、高品質な協働と低品質な協働を見分けることに苦労すること、また、ワークフローの文脈を長くしても予測が一貫して改善しないことが示されている。
説明部分観測環境における LLM の計画コミットメント：積極的戦略と保守的戦略のトレードオフ
要約本論文は、部分観測環境で LLM ベースの計画エージェントが取る二つの戦略を検討する。積極的戦略は未観測状態についての仮定に基づき長い計画に早期にコミットし、保守的戦略は観測済みの範囲のみを計画する。三つの LLM で両戦略の精度はほぼ同等だったが、保守的戦略は失敗が少なく API 呼び出しが多い。また、調整可能なハイパーパラメータを持つハイブリッド戦略も探られている。
説明重い裾を持つ分布に対する片側 McDiarmid 型不等式（逆 KL テンソル化による）
要約本論文は統計的学習理論の中心的な道具である McDiarmid の不等式を再検討する。独立な確率変数の関数が、ほぼ確実に上に有界で、p∈(1,2] 次の条件付きモーメント仮定を満たすとき、平均より上の大偏差が指数的に起こりにくいことを示す。p<2 の場合は、関数の分散が無限大でも成り立つ。証明には、KL ダイバージェンスに対する新しいテンソル化不等式（逆 KL テンソル化と呼ばれる）を用いる。
注目点反転KLテンソル化不等式を導入し、有限p次モーメントのみの重い裾へMcDiarmid型集中限界を拡張。理論的に実質的前進で、証明も厳密。
説明ToolBottleneckBench：制御された負荷と固定のハーネス予算下でのツールエージェント性能の測定
要約本論文は、ツール一覧、可視メニュー、認定ワークフロー、返却レコードの符号化という四つの要因のうち一つだけを変えながら、固定されたハーネス予算の下でツールエージェントの性能を測るベンチマーク「ToolBottleneckBench」を提案しています。21の構成で検証した結果、モデルに大きな影響を与えたのは可視メニューのみで、その影響は完了上限による打ち切りと関連していました。著者らは、負荷の効果を報告する際には測定時のハーネス予算も併記することを勧めており、ベンチマークはGitHubで公開されています。
注目点固定ハーネス予算下で制御された圧力を変えてツールエージェントの性能を測る基準を提案し、切り捨ての影響を実験で示した。
説明統一的な因果学習のもとで、世界モデリングと行動モデリングは互いに利益をもたらすか？
要約本論文は、共有の動画・行動アーキテクチャ内で、行動を世界予測の条件であり方策学習の目標でもあるとみなす統一因果学習フレームワーク OneWM を提案している。LIBERO、LIBERO-Plus、RoboCasa365 で方策学習と世界モデリングを評価し、実ロボットでの実験も補足している。指定した行動の視覚的帰結を学ぶことで、場面が変化する環境での方策性能と汎化が向上し、行動学習は多視点の世界予測の忠実度も高めるとしている。
説明MemComposer：強化学習でLLMエージェントの記憶を組み立てる手法
要約本論文は、現在のクエリと検索された候補記憶を併せて評価し、どの経験を含めるか、いくつ選ぶか、どの順に並べるかを決める記憶コンポーザー「MemComposer」を提案しています。学習にはGRPOに基づくExPOを用い、完全なエージェント対話でのタスク成功のフィードバックで組み立て方策を最適化します。三つのτ²-benchドメインと二つの凍結実行器で、各実行器の最強ベースラインを上回り、平均記憶トークン使用量をそれぞれ16.9%と4.9%削減しました。
説明RoboCloth：ニューラル反射率再構成のための大規模実布地素材データセット
要約本論文は、ロボットで制御されキャリブレーション済みのカメラと照明の下で撮影した500種類の実布地素材からなるデータセット「RoboCloth」を提案しています。各素材は約580枚のハイダイナミックレンジ画像で撮影されています。著者らは、このデータで共有MLPデコーダを学習して布地の材質事前分布を獲得し、その後、対象素材ごとに2048x2048の潜在テクスチャを当てはめています。独立したUBO2014ベンチマークを含む評価で、本データで学習したデコーダが既存の計測反射率データセットで学習したものや解析的PBR当てはめを上回ったと報告されています。データセットはCC BY 4.0でHugging Face Hubに公開されています。
注目点ロボット制御による新規データセットと二段階の神経再構成を組み合わせ、独立ベンチマークUBO2014で既存手法を上回ることを示している。
説明Probe-and-Resume：エージェントの実行をいつ、どのように評価するか
要約本論文は、ターミナルベースのコンピュータ操作環境におけるテスト時探索の効果を検討しています。評価した MCTS（モンテカルロ木探索）の構成では、タスク成功率は有意に向上しなかったと報告されています。原因は、批評者（critic）が評価に必要な環境状態を観測できないことと、中間状態から成功の見込みを判断しにくいことです。提案手法 Probe-and-Resume は、エージェントが完了したと判断した時点でのみ批評者を呼び出し、現在および初期状態の分岐コピー上で探索させ、却下された場合は中断箇所から再開します。Terminal-Bench 2.1 では、従来の批評者を用いた MCTS より成功率が 8.4 ポイント高かったとされています。
説明SIEVE：等変自己教師あり学習における位相的障害の克服
要約本論文は、3次元点群のマスク付きオートエンコーディングとSE(3)等変ネットワークとの間に理論的な非互換性があることを示しています。標準的なマスクでは位相的崩壊が生じ、モデルが基準座標系なしに向きを推定せざるを得ないと論じています。これに対し著者らは、点群の幾何を不変なスカラー埋め込みへ圧縮するSIEVEを提案し、球面投影マスクで大域的な姿勢を保ちながら局所的な意味情報を隠します。下流の点群タスクでは、座標ベースの基準手法や手作業の幾何記述子を上回り、未見の形状カテゴリへの汎化で最も大きな向上が見られたと報告しています。
説明RoPE-Flow：二次元グラフ条件付き三次元フローマッチングによる単眼視覚ロボット姿勢推定
要約本論文は、単眼画像からカメラに対するロボットの姿勢を推定するエンドツーエンドのフローマッチング枠組みRoPE-Flowを提案します。予測された二次元ヒートマップから、キーポイント中心の特徴抽出器で位置特徴と文脈表現を得て、学習可能な隣接マップでキーポイント間の相関に基づく条件を生成します。さらに骨長損失と射線深度損失を導入し、位相の一貫性と尺度の安定性を図っています。著者らは、複数のロボットや複数カメラ構成で既存手法より優れると述べ、ゼロショットのクロスシーン評価用ベンチマークも構築したとしています。
説明多数決ではなく陪審員：ラベル不要で言語モデルのアンサンブルの信頼性を推定する手法
要約本論文は言語モデルのアンサンブルを、信頼性の不明な証人の証言を聞く陪審団とみなします。各モデルの信頼性を、正解ラベルを使わず、回答同士の一致と不一致のパターンのみからEM（期待値最大化）法で推定します。1560問のベンチマークで、最大30億パラメータの9モデルからなる陪審団は、ラベルで重みを学習した同じ統合手法と同程度の性能を示し、最良の単一モデルや最強のラベル不要手法を上回りました。
説明Sci$\Pi$vot：科学AIエージェントの重要局面における研究判断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（LLM）エージェントの科学的判断力を評価するため、248件からなるSci$\Pi$votベンチマークを構築したものです。six の分野にまたがる26のプロジェクトで、上級研究者がエージェントの研究判断を繰り返し修正した記録を基にしています。モデルは元のLLM案と人間が修正した案のどちらかを選びますが、多くの前沿モデルは偶然の水準を下回る結果となりました。
説明偏微分方程式向け適応型ランダム化ニューラルネットワーク：構造認識型特徴再配分と残差駆動ブロック拡張
要約本論文はSFRBE–RaNNという偏微分方程式の解法を提案する。手法は二段階で適応的な試行空間を構築し、まず固定数のランダム特徴を領域ごとの指標量に応じて再配分して重みスケールを調整し、次に複数の活性化関数族を選別し、既に表現された応答方向を除いて非冗長な拡張を構成する。固定線形問題については厳密な離散残差減少恒等式と条件付き解誤差評価を示し、局所的・多スケール・非線形の時空間問題で数値実験を行っている。
説明OmicsBench：研究規模のバイオインフォマティクスにおけるAIエージェントの長期・多ターン評価ベンチマーク
要約本論文は、AIエージェントが長期にわたる多ターンの生物情報学タスクをどの程度こなせるかを測るベンチマークOmicsBenchを提案しています。97のタスクに計662のサブタスクを含み、正解に照らして決定論的に採点されます。12のモデルを三つの実行環境で評価した結果、平均スコアは文脈内フィードバックなしで0.43〜0.57、ありで0.54〜0.67にとどまりました。失敗の傾向を教師なしで発見する手法も併せて提示されています。
説明圧縮器を省く：コーディングエージェントは完全なファイルを選ぶと、より多くの問題を修正できる
要約本論文は、コードリポジトリがコンテキスト長を超える場合に、コーディングエージェントがどのコードを選ぶべきかを検討します。提案手法CQ2-CAREは、同じトークン予算のもとで、修正が必要なファイルを原文のまま示します。300件のSWE-rebench課題では、三種の圧縮器・三種の検索器、さらにSweRankとSWE-Prunerより多くの課題を解決しました。
説明数式が多い科学文書向けのマルチモーダルAI検出
要約大規模言語モデルが科学論文の執筆を支援するようになり、AI利用の透明性を高めるための検出技術が求められています。本研究は2022年以前のarXivの人間執筆段落を15種の最新LLMで再生成し、LaTeX原文、PDFの描画画像、PDFから抽出したテキストの3形式で比較しました。数式が多い文章ほど既存検出器の精度が落ちる一方、画像ベースの検出器SnapJudgeは誤検出率0.1%でも証明文・散文ともに高い検出率を示しました。
注目点数式の多い科学文書向けに画像ベースのAI検出器を提案し、LaTeX・画像・テキストの対応データで比較して、強い実験的根拠を示している。
説明ゼロショット条件付き離散拡散におけるスコア不一致と集合制約サンプリング
要約本論文は、無条件分布で学習した離散拡散モデルを推論時に条件付き目標分布からのサンプリングに直接用いる場合に生じる、スコア不一致の問題を扱います。不一致がある場合のKLダイバージェンスの一般的な上界を導出し、既存のConditional SEDDサンプラーに含まれる偏りを分析しています。そのうえで、座標ごとの集合制約に対するRandomized Hard Clamping（RHC）サンプラーを提案し、数値実験と実データ実験で有効性を示しています。
説明LLM算術推論のためのベルマン整合型軌道強化学習
要約本論文は、LLMの算術推論における終端報酬の疎さという問題に対し、ベルマン整合型の軌道強化学習手法を提案する。中核となるTrajectory Bellman Residual Minimization（TBRM）は、疎な報酬をトークン単位の密な信号に変換する。RLOOによるグループ戦略でベルマン残差の勾配分散を抑え、事後目標リラベリングで中間学習を加速する。Countdownタスクでは、TBRM-RLOOによりPass@1が0.55〜0.64、Pass@16が76.0〜84.0%に達し、SFT、IPO/DPO、RLOOの各ベースラインを上回った。
説明Athanor：自律的ポストトレーニング研究のためのエージェント向けシステム
要約本論文は、実際のGPU上で動作する、自律的なポストトレーニング研究（AutoPostTrain）のためのオープンなシステム Athanor を提案します。104時間の実験では、4体のエージェントチームが Qwen3-4B-Base を開発スイートで 15.9 から 67.3 に、非公開のホールドアウトスイートで 9.2 から 48.2 に改善し、公式の Qwen3-4B-Instruct-2507 と平均で同等かそれ以上の結果を得ました。論文によると、エージェントは既存手法やエージェント同士のモデルを組み合わせることでこの水準に到達しました。
説明SALTO：非線形イベント推定のためのソルバー固定型リフテッド転送演算子
要約本論文はSALTO（Solver-Anchored Lifted Transfer Operators）を提案する。これはKoopman法に基づき、有限振幅の波源を推定する枠組みである。リフテッド空間で非線形力学を線形伝播子で近似し、その転置により各センサーの測定値を一度の求解で逆向きに伝える。三つの非線形偏微分方程式系において、SALTOの測定予測誤差は2〜8%であり、古典的な随伴法の誤差41〜165%を大きく下回る。
説明PremiseCheck：人間とAIによる査読コメントの事実誤りを効率的に検証する手法
要約投稿数の増加により査読は負担が増しており、人間やAIが書いた査読コメントが論文の内容を誤って述べることがあります。著者らは、NLP、機械学習、自然科学にまたがる統一的定義で査読コメント中の事実誤りを標注し、精度と併せてコストと遅延も測るベンチマークReviewFactを提案しています。提案手法PremiseCheckは、LLMがコメントを論文を読まずに明示的な前提へ書き換え、決定モデルが各前提を論文と照合します。各コメントを個別に検証した場合、三分野すべてでGPT-5.5に近い精度を、約半分のコストで達成し、NLP査読では約4分の1のコストと半分以下の遅延を示したとしています。
説明撤回のタイミングを学ぶ：微調整された言語エージェントにおけるカリキュラムの網羅性と規則別の失敗
要約本論文は、証拠が変化したり権限が取り消されたりした際に、ツールを使う言語エージェントが準備済みの行動をどう扱うかを研究しています。合成環境NAQD-Env上で、Qwen2.5-3B-InstructをLoRAで監督付き微調整し、元のカリキュラムと拡張カリキュラムを比較しました。規則別の分析では、元のカリキュラムのモデルが代替根拠の残る行動を誤って多数撤回することが示されました。著者は、全体精度では見えない規則レベルの劣化を検出する方法が主な貢献であり、微調整だけで安全性が保証されるわけではないと述べています。
説明ReviewPilot：システマティックレビューの文献スクリーニングとデータ抽出を行うマルチエージェントシステム
要約本論文は、PRISMA 手順に沿って文献のスクリーニングから情報抽出までを自動化する、対話型マルチエージェントシステム ReviewPilot を提案している。研究者は対話を通じて基準や抽出スキーマを調整でき、プロジェクトメモリが設定と改訂履歴を保持する。各スクリーニング判断には理由が、各抽出値には出典が付与される。疫学の専門家レビューでは、単一プロンプトの大規模言語モデルや AgentSLR を上回ったと報告されている。
説明敵対的メタプロンプト進化による再帰的報酬改善（RRI）
要約本論文は、臨床報告書作成のような答えのない専門的タスクで自己改善を行うため、RRIという手法を提案している。報酬ハッキングを行う敵対者が、モデルが作成した採点基準の抜け穴を突けるかを検査し、最大2回の修正で採点基準を直す。HealthBench Professionalでは、生成のみの自己改善ベースラインより調整後スコアが向上し、PRBench HardとProfBenchへも効果が移転したと報告されている。
説明音声言語モデルにおける制御可能な話し方スタイルキャプションのベンチマーク
要約本論文は、指示に従って音声の指定された話し方の側面（話者の特性、感情、表現方法など）だけを記述する、制御可能な話し方スタイルキャプション（SSC）の課題を提案しています。音声言語モデル向けの初の標準化ベンチマークStyleInstructCapsを構築し、データセットと評価枠組みを提供します。評価項目は、メタデータへの根拠づけ、幻覚、指示への追従、未知の指示や音声データへの汎化、話者スタイルの一貫性です。九つの最新モデルで検証した結果、指示への追従力が高くても話し方の理解に根拠があるとは限らず、SSC向けの多様な指示による学習で根拠づけ、制御性、話者の一貫性が大きく向上したと報告しています。
説明INCONVENIENT：便宜サンプルから大規模言語モデルの汎化能力を評価するベンチマーク
要約本論文は、便宜的抽出によって訓練データに偏りがある場合のモデルの頑健性を検証するINCONVENIENTベンチマークを提案しています。自然なドメイン分割を使わず、訓練分布における特徴量と目標変数の関係を直接摂動させ、元の母集団分布を展開環境として保持します。偏りの方向と強度を明示的に制御でき、200の表形式分類・回帰データセットから約15,500の偏った訓練分布を生成し、下流タスクで大きな性能低下を引き起こすことが示されています。
説明いつ考えるかを学習：効用に導かれた適応的推論による効率的なテキスト検索
要約本論文は AURA フレームワークを提案し、中間の推論状態が関連文書と難しい妨害文書をどれだけ分離できるかに基づいて推論過程を直接教師し、軽量な効用推定器で推論時に推論の深さを適応させます。推論集約型のBRIGHTベンチマークでAURA-4Bは平均nDCG@10が34.7で、クエリあたり平均2.8ステップ・96トークンを使用しました。同じ展開条件下で適応的停止により、全軌道推論に比べて遅延は4.6秒から0.76秒に短縮されました。MS MARCOでの結果は、この特化が従来の領域内検索を大きく損なうとは限らないことを示唆しています。
説明SCARCE：長期的なマルチエージェント・コーディングシステムに自然発生する制度的行動
要約本論文は、各自の締切の下で連続するコーディング課題を解きながら、共有の実行リソース（コードの検査、コンパイル、テストの実行に使用）へのアクセスを交渉する SCARCE（Shared Compute ARena for Coding agEnts）というフレームワークを提案しています。エージェントは評判、互恵性、先例に基づく非公式な規則や約束を自発的に形成し、それがリソース配分に影響することが示されています。著者らは交渉戦略と創発的規範の21カテゴリの分類体系を作成し、8つのモデルの1,500件以上の軌跡を分析しました。
説明勾配クリッピング法の最終反復収束性
要約本論文は確率的（強）凸最適化において、最後の反復点が収束するという最終反復収束性を研究している。既存の結果は勾配ノイズに強い条件を課すことが多く、現実に多い重い裾のノイズでは標準的なSGDが不安定になったり収束しなかったりする。著者は勾配クリッピングを組み込んだClipped-SGDについて、重い裾のノイズの下で高確率における初の最適な最終反復収束率を証明し、文献上の空白を埋めている。
説明読み出しを学ぶ：言語モデル事前学習における非埋め込みの動態
要約本論文は、言語モデルがいつ能力を獲得するのかを検討し、出力が正しくなった時点で判断する従来の方法は、学習中の反埋め込み（読み出し）行列を経由するため信頼できないと指摘します。著者らは、各チェックポイントの重みのみを用いて読み出しの変化を追跡する「パラメータ軌跡クロスコーディング」を提案しています。Pythiaの事前学習の非常に早い段階で読み出しが再編成され、隠れ状態には出力より先に課題情報が現れることを示しました。読み出しの学習率だけを変えた小型モデルの実験では、学習率が高いほど読み出しが早く発達し、差が早く縮まることが分かりました。
説明単一の楽曲からコーパスへ：HookTheoryにおける説明可能な和声決定の評価
要約本研究は、個々の楽曲向けに設計され、規則を固定した説明可能な旋律ハーモナイザ（EMH）を、HookTheoryの人手で注釈された旋律とコードの抜粋に適用します。モデルはメロディのみからコード進行を生成し、人間のコードは事後比較にのみ使われます。19の抜粋から439の評価可能な和声セグメントが得られ、コードの完全一致は20.50%、ルート一致は31.66%、和声機能の一致は47.62%でした。モデルの表現力の限界と、コード選択の違いを区別して分析しています。
説明ガウス変分推論における加速とその限界
要約本論文は、強対数凹かつ対数平滑な目標分布に対して、古典的な運動量ベースの加速が勾配降下法の条件数依存性を改善する効果を、ガウス変分推論（GVI）へ拡張できるかを検討している。正確なガウス期待値の下では、凸複合定式化により古典的な√κの収束率が得られる。一方、点ごとの微分しか利用できない場合には、任意の乱択アルゴリズムがκ^{1-o(1)}回の問い合わせを必要とする目標分布の族を構成し、曲率の境界だけでは一様な加速は保証されないことを示す。さらに、Hessianのリプシッツ条件の下でHessianの変動が十分小さければ分散低減型の確率的手法で加速保証が得られる例を挙げ、実データ実験で多くの手法に対する加速の効果を示している。
注目点曲率境界だけでは一様な加速が保証されないことを、κ^{1-o(1)}のクエリ下界族の構築で示し、Hessian-Lipschitz下での肯定的結果も与えている。
説明インド・アンドラ・プラデシュ州ゴダヴァリ地区の森林植林地マッピングに向けた深層学習
要約本論文は、インド・アンドラ・プラデシュ州の東ゴダヴァリ県と西ゴダヴァリ県において、深層学習を用いて小規模な森林植林地の分布を地図化する手法を研究しています。Harmonized Landsat Sentinel-2 の雲のない衛星データを用い、ピクセル単位のニューラルネットワークで分類しました。学習データは現地調査と専門家による航空写真判読を組み合わせて作成されています。約 21,543 平方キロメートル、3 年間の研究地域で、深層学習手法をランダムフォレストの基準モデルと比較し、土地被覆クラスや季節ごとの結果の違いを分析しています。
説明失敗は成功の母：事後の教訓で教師信号を回復する
要約GRPO学習で同じ問題の全試行が失敗すると学習信号が得られない問題に対し、論文は「回放選別型事後蒸留（RSHD）」を提案しています。モデルは参照解答を見ずに失敗試行への修正メモを書き、そのメモを文脈に入れて再度解き直します。メモの再試行成功率が元の群を上回る場合のみ採用し、通常プロンプトの方策に蒸留します。複数のモデル系列・規模と二つの学習領域で、領域内ベンチマークでGRPOを上回り、領域外評価にも効果が及ぶと報告されています。
説明CausalEvo：健康分野のLLMエージェント向け因果的スキル自己進化手法
要約本論文は、健康分野の大規模言語モデル（LLM）エージェントが、タスクのフィードバックから計算基準や測定時点などのテキストスキルを蓄積・選別する手法CausalEvoを提案します。モデルの重み、フィードバック事例、ルール数を固定し、スキルを置き換えた場合の相対的効果を比較します。MedCalc-Bench-Verifiedの6タスク・120の未使用事例で、正答率は60.00%で、SkillOptの55.83%、スキルなしの51.67%を上回りました。学習トークン消費はSkillOptより55.6%少ないと報告されていますが、改善は特定の計算に集中し、他では悪化も見られ、対応のある正答率の区間には0が含まれます。
説明実世界の動画における視聴覚による犬の個体識別と追跡
要約本論文は、視覚的識別、複数物体追跡、犬の鳴き声の声紋分析を組み合わせ、吠え声のイベントを個々の犬に対応付けるマルチモーダルな枠組みを提案しています。遮蔽、鳴き声の重なり、画面外からの吠え声があっても、個体ごとの識別プロファイルを維持できることを目指しています。また、46本の実世界動画に含まれる213件の吠え声イベントを手作業で注釈したベンチマークを導入しています。交差率（IoU）0.30以上の条件で、可視イベントの61.83%において発声中の可視の犬を正しく特定し、可視と画面外の吠え声の検出ではF1スコア91.33%を達成しました。
説明HPCジョブスケジューリングのための深層強化学習：統計的評価
要約本論文は、PPO、A2C、DQNの3手法それぞれについて、行動マスクの有無を含む6通りの深層強化学習（DRL）手法を、2つの実際のSlurmワークロードトレースで比較している。3つのヒューリスティクスとシード対応のマスク付きランダム統制群が基準として用いられている。同質的トレースでは、マスク付きDRL手法は統制群に対して有意な改善を示さなかった。異質的トレースでは、MaskablePPOが3指標すべてで統制群を上回ったと報告されている。
説明末尾に注目：スパースな概念によるデータ選択
要約本論文は、スパースオートエンコーダで画像から視覚概念を抽出し、データセット全体での概念の支持量に基づいて、よく表現された概念の重みを下げ、分布の末尾（希少概念）に焦点を移すデータ選択手法を提案しています。局所的な支持量も組み合わせ、支持が不足している概念を強化するサンプルを選びます。著者らは、細粒度分類、疑似相関を含む分類、一般画像分類、マルチモーダル事前学習の各ベンチマークで強力なベースラインを上回り、分布外や疑似相関の文脈に対する頑健性が向上したと報告しています。
説明大規模言語モデルは自らの決定的要因を事前に予測できるか？
要約本論文は、言語モデルが一つの行動を別の行動より推奨する際の決定的要因（cruxes）を、複数回の生成結果から抽出する方法を検討しています。決定的要因とは、生成結果同士が食い違い、その値を変えると結論が変わりうる下位の問いを指します。事前の問い合わせ、単一の推論からの抽出、複数の生成結果の比較という三つの方法を比べた結果、低コストの前二者では要因を十分に特定できず、高リスクの判断には複数生成による手法が必要だと示されています。
説明不完全でも完全：分枝価格切除法における学習型列プレフィル
要約本論文は分枝価格切除法で列を事前に投入する手法を扱う。最適解の列ではない通常の経路列を事前に用意し、学習で得た平滑化中心と組み合わせることで根ノードの価格決定が大きく速くなることを示す。容量制約付き車両経路問題の RouteOpt では、300〜1000 顧客の 95 インスタンスにおいて、バニラ版の根ノード価格決定時間の約 13.2% で同じ認証済み根界に到達するという。
注目点最適でない不完全列の事前充填と学習型生成器・平滑化中心予測を提案し、300〜1000顧客の95インスタンスで根定価時間を13.2%に短縮、25件すべてを認証しており実証は充実している。
説明EigDiff：固有サンプル拡散——性能をほぼ保ったまま学習データを大幅に削減する方法
要約拡散モデルは学習コストが高く、大規模なデータセットを必要とします。本論文は、事前学習済みCLIPモデルの潜在空間で主成分分析を行って固有ベクトルを求め、それを参照点として代表的なサンプルと多様な画像からなる学習部分集合を選ぶEigDiff手法を提案します。複数のデータセットと拡散モデルでの実験では、学習データを最大14倍削減し、部分集合の選択を最大1607倍高速化でき、性能差はわずかであったと報告されています。
説明Halve-Then-Greedy：事後成功確率を高める近最適な適応サンプリング手法
要約本論文は、推奨する設計の平均性能が目標値を超えるという十分な事後証拠を得る確率を、固定予算の下で最大化する適応的実験を研究している。最良の設計を見つける必要がないという点で最良腕識別とは異なる。ガウス事前分布を持つガウス老腕ばんに対し、初期の均等配分、逐次半減、事後貪欲サンプリングを組み合わせた Halve-Then-Greedy（HTG）を提案し、事後失敗確率の有限予算指数上界を示す。シミュレーションで標本効率の優位性を確認している。
説明一つのバイアススコア、二つの要因：多肢選択式評価における緩和策が選択肢バイアスに与える影響
要約多肢選択問題の選択肢の順序を入れ替えると、モデルの回答が変わることがあります。本論文はこの現象を選択バイアスと順序感受性の両面から捉え、汇总された選択率の標準偏差を用いて、翻転率と位置の偏りという二つの要因に分解します。41のチェックポイントと12のベンチマークでの結果では、事前分布補正は主に位置の偏りを減らし、順序を反転させたものと集約する手法は主に翻転率を減らします。ただし集約は同じ誤答に回答を集中させることもあるため、精度と併せて両要因の報告が推奨されています。
説明DeSpatial：空間推論の難しさは3D知覚そのものにある
要約再構成やセグメンテーションのツールを備えた空間エージェントは、予測の不一致や物体IDの断片化により、信頼できる3D情報を出力できないことがあると指摘しています。本論文は空間理解を知覚と推論に分解するDeSpatialを提案し、共有の3D知覚ツールで個々の知覚結果を統一された計量的・重力整列の3Dシーンに統合します。VSI-Bench、MindCube-Tiny、ViewSpatialで首位の性能を示し、VSI-SUPER長編動画でも結果を報告しています。
説明『言うことではなく、することを真似よ』：視覚言語モデルにおけるオンポリシー蒸留は教師モデルの欠点を引き継ぐ
要約本論文は、視覚言語モデルの推論能力を高める二つの事後学習手法を比較しています。一つは教師モデルが生成した手本で学習する教師あり微調整（SFT）、もう一つは生徒モデル自身が生成した軌跡に教師のフィードバックを与えるオンポリシー蒸留（OPD）です。Geometry3Kでは教師の解答の22%が完結せず、OPDはSFTを7.9ポイント下回り、その差は主に不完全な回答によるものでした。またSFT済みの生徒から始めたOPDは完了率を76%から62%に下げ、同方策の監督が教師の持続的な失敗パターンも伝えることを示しています。
説明Blume-Capel模型をφ⁶場の理論として扱うモンテカルロ・フローモデル研究
要約本論文は、連続スピン版のBlume-Capelモデルに対してモンテカルロシミュレーションを行い、結晶場と温度の平面上での相図を、スピンの柔らかさの関数として計算している。自己相関なしに直接サンプリングできる生成モデルである正規化フローを、一次相転移領域や三臨界点付近を含む相図全体のサンプラーとして用いている。有限サイズスケーリング解析により、フローによるサンプルから相転移と三臨界点を、標準的および拡張アンサンブルのモンテカルロ法と同程度の精度で特定できることを示している。
説明『How to Train Your Little Dragon』：小型言語モデルにGPU最適化スクリプトの構築と改良を教える研究
要約本論文は、80億パラメータの小型言語モデルに、GPUカーネル最適化のための完全なコンパイラ最適化スクリプトを生成させ、既存のスクリプトを改良させる学習手法を提案しています。TVM MetaScheduleを用いて54,116のワークロードから学習データを作成し、教師ありファインチューニングと、正しさと実測性能を組み合わせた報酬による強化学習を行いました。論文では、構築と改良それぞれの試行あたり正答率が91.27%と92.01%であったと報告し、複数のタスクで六つの大規模モデルより優れていると述べています。
説明グループ別拡散モデルのための二段階スコア推定
要約関連する分布の間で共有構造を用い、目標分布の観測が少ない場合でも生成精度を高める拡散転移の統計的枠組みを提案しています。共有されたプールスコアと目標分布固有のオフセットを分析し、それぞれの学習コストを分けた収束速度を導出しています。適切な仮定の下で、拡散時間が0に近づいてもオフセットが有界かつ正則であることを示し、総変動距離の保証も与えています。合成データと画像ベンチマークによって概念実証を行っています。
説明PiCo：地理基盤モデルのための物理情報ベース概念プロービング手法
要約地理基盤モデル（GFM）は通常、下流タスクの予測性能で評価され、どの物理的特徴に敏感であるかはわかりにくいのが現状です。本論文は、3次元放射伝達モデルとゲームエンジンで生成した合成多分光衛星観測を用いて、モデルの埋め込み空間から概念ベクトルを特定する事後解釈フレームワーク「PiCo」を提案します。3つのモデルと7つの森林・樹冠の物理概念で評価したところ、概念表現は全埋め込みによる分類精度の70.0〜93.8%を保持しました。
説明SOMA：四足ロボットによる多層積み重ね物体の非把持型操作
要約本論文は、専用マニピュレータを持たない四足ロボットが、複数物体の積み重ねを全身で非把持的に操作する階層型強化学習フレームワーク「SOMA」を提案している。ロボット本体の高さ制御を組み込み、平面的な押しに限らない三次元的な押し戦略を可能にしている。シミュレーションでは、単一物体の再配置で成功率90.3%、動的な二箱積み重ねで最大90.1%を達成した。さらにUnitree Go1での実機検証も報告されている。
説明MIDI-REPA：記号表現のアライメントによるテキストからの音楽生成の改善
要約本論文は、自動音楽転写（AMT）で得たMIDI情報を教師信号として、フロー・マッチングDiTモデルの中間表現を揃えるMIDI-REPAという枠組みを提案しています。122Mパラメータの FluxAudio-S を基準に、何を、どの層で、いつ揃えるかを検討し、フロー軌道全体にわたって早期のDiT層とピアノロールを揃える方法が最も良い結果になったと報告しています。単一のRTX 3090で約31時間で学習でき、転写パイプライン、JamendoMIDI、学習コード、音声サンプルが公開されています。
説明MSP：対になるクロスモーダルデータなしでマルチモーダルLLMを訓練するモダリティ自己対戦法
要約本論文は、実際の対になるクロスモーダルデータの代わりに、モデルが生成する代理テキスト記述を意味的な橋渡しとして使うMSP（Modality Self-Play）訓練フレームワークを提案しています。訓練では実在のアンカーモダリティとその代理記述のみを用い、推論時には複数のモダリティを統合して推論できるとされています。著者らは複数のマルチモーダルベンチマークで最先端または競争力のある性能を報告していますが、モダリティ・テキスト対、事前学習済みの対照学習エンコーダ、モダリティ分布の橋の調整には依然として依存しています。
説明ESC：幾何制約で2D拡散の曖昧さを克服し、一貫した新視点合成を実現
要約本論文は、カメラ視点が大きく変化する場合に、目標視点の画像とその深度マップを同時に生成し、単一画像からの新視点合成における幾何学的整合性を高める枠組みを提案しています。拡散モデルを単一の入力画像、入力深度、目標カメラ光線で条件付けし、生成された視点間の三次元一貫性を保つため、画素ごとの深度一貫性制約を導入しています。著者らは、既存の最先端手法と比べて視覚的精度と空間的整合性が優れると述べています。
説明VELD-QA：長文書における視覚的根拠の特定と質問応答のための大規模データセット
要約本論文は、長文書の視覚的証拠の特定と質問応答を評価する大規模ベンチマークVELD-QAを提案しています。5,859件の実世界PDF、合計372,445ページを対象とし、人手で作成された15,000組の質問応答ペアを含みます。グラフ、表、複雑なレイアウトの課題をバランスよく扱い、根拠となるページや視覚要素が注釈されています。9つの視覚言語モデルと7つの検索拡張・エージェント型システムを評価した結果、検索ベースの手法は正解ページを与えた場合より大きく劣り、上限設定での精度は81.7%が最高でした。視覚要素の注釈で入力を補強すると、性能差は17〜24%縮まりました。
説明StepSafe：文脈を考慮した安全推論による適時介入の学習
要約本論文は、エージェントの安全性が手順ごとに連続して決まる点に着目し、各ステップで介入すべきかを判断する学習枠組み ASPO を提案しています。同一プレフィックスの応答を比較する段階整合と、モデル自身を教師とする自己蒸留による推論フィードバックが含まれます。これを用いた安全ガードレール StepSafe は、5つのベンチマークでオープンソースの中で最高水準を示し、4B版の Youden's J は 53.0（比較対象は 46.2）とされています。
説明同じ文脈、異なるエージェント：データエージェントにおけるセマンティックレイヤー、マルチエージェント編成、メモリ圧縮の行動研究
要約本論文は、データエージェントにおける三つのコンテキストエンジニアリング手法（セマンティックレイヤー、マルチエージェント編成、対話履歴の圧縮）を単独および組み合わせて検証しています。五つのベンチマークから得た1,514件の長期タスクを、七つの大規模言語モデルで行動、精度、コストの観点から分析しています。著者らは、エージェントの行動とタスク要件、精度とコストの兼ね合いに基づいて手法を選ぶための指針を示しています。
説明線特徴を加えた cuVSLAM：テクスチャの少ない環境で頑健な視覚オドメトリ
要約本論文は、CUDA で高速化された視覚 SLAM システム cuVSLAM に線特徴を加え、倉庫など点特徴が少ない環境に対応させるものです。線は位置推定と滑走窓バンドル調整の両方に用いられ、既存の求解器に残差項を加える形で実装されています。RGB-D モードでの評価では、TUM RGB-D Freiburg3 の 22 シーケンスで平均絶対軌跡誤差が 38.5%、Replica の 8 シーケンスで 30.1% 低減し、試験したすべての設定で追跡失敗はありませんでした。
説明頭皮脳波による想像発話の被験者間デコード：三つの公開コーパスでのリーク対策付き評価
要約本研究は、頭皮脳波(EEG)で記録した想像発話の内容が、キャリブレーションなしで別の人にも使えるかを検証しました。三つの公開データセットを分析し、個人内での精度が低い理由も検討しています。482組の被験者ペアのうち、多重比較補正後に有意となったペアはありませんでした。作者らは、検討した表現方法のいずれでも、想像発話の内容は人の間で転移しなかったと結論づけています。
説明査読の「くじ引き効果」を減らすためのチェックリスト学習
要約少数の査読者が論文の一部の問題にしか注目しないことで生じる誤差（レビュアー・ロッタリー誤差）を扱った論文です。過去の査読データから学習した批判項目のチェックリストを提示することで、この誤差を減らせると主張しています。NeurIPS 2021 と ICLR 2022 のデータを用いたLLM模擬査読では、3名委員会の平均二乗誤差がNeurIPSで58%、ICLRで21%低下したと報告されています。
