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LEV：ループ型意思決定モデルで速く深く考える手法
要約本論文は、テキストを生成する代わりにネットワークの層を循環させて深く考える意思決定モデル LEV を提案しています。入力ごとに一度の順伝播で各選択肢の確率を出力します。同じ重みのまま循環の深さを増やすと、主に難しい問題で正答率が上がります。問いごとに深さを動的に決める方式では、計算量を約15％から24％削減しつつ、正答率の低下は1ポイント未満に抑えられるとしています。
注目点決定モデルにループ層を用い、問題ごとに深さを選べるようにし、複数のバックボーンとベンチマークで比較している。
説明順位は正しいが大きさは誤る：アンサンブル散らばりは流量の極端値で静かに機能しなくなる
要約本論文は、LSTMなどの深層学習による河川流量予測で、不確実性の指標として用いられるアンサンブル散らばりの信頼性を検証しています。通常の流量では予測誤差が補正後の散らばりのおよそ2倍、最高流量では4倍に達し、訓練記録を超える観測された極端流量では最大18倍の過小評価が見られました。散らばりは誤差の順位付けにはほぼ理想的に機能する一方、リスクを系統的に過小評価し、最も重要な極端事象でその傾向が最も強いと報告しています。
説明MAI-Gym：モバイルとコンピュータ環境におけるGUIエージェントの評価と強化学習のためのオープンな統合プラットフォーム
要約論文は、GUIエージェントの評価、データ収集、オンライン強化学習を統合したオープンなプラットフォーム MAI-Gym を紹介しています。モバイル、コンピュータ、ウェブ環境に対応し、最大2万の並列環境インスタンスに拡張できるとしています。これを用いて学習した90億パラメータのエージェント MAI-Gym-9B は、MobileWorld で78.4%、OSWorld-Verified で76.2%を達成したと報告しています。さらに、模擬の乗車券アプリでの学習が実機の電話にも移り、タスク成功率が28.8%から48.1%に向上したとしています。
注目点GUIエージェントの評価と強化学習を統合する基盤を提案し、複数ベンチマークと実機への転移で検証しており、新規性と影響は中程度以上。
説明RAC：制約に従う工学タスクのための関係型エージェント契約
要約本論文は、工学エージェントの行動・フィードバック層のための契約 RAC を提案します。エージェントは成果物が満たすべき関係を決め、具体的な結果は専用ツールが導出します。PCB の配置・配線・修復タスクでは、9 モデルの平均クリーン合格率が 90.9%で、最強のベースライン（74.0%）を上回りました。ジョブショップスケジューリングでは、直接的な関係型行動の品質合格率が 96.3%で、コード経由の納品（59.6%）より高い結果でした。
説明履歴ではなく要約を刈り込む：長期タスク用エージェントのための出典判定型圧縮
要約長期タスクを行う LLM エージェントは、履歴が文脈窓を超えると自然言語の要約に置き換えます。著者らは、要約には環境で確認された事実と圧縮器の推論が混在しており、その区別がつかなくなることを指摘します。提案手法の SJC は、学習を必要としない後処理として、各要約項目に環境出力や前の要約による根拠があるかを判定し、根拠のない項目を削除します。AppWorld と OfficeBench で、元の圧縮器に比べ実行間の信頼性を 2.1%〜8.9% 改善し、エージェントのトークン使用量は増やさないと報告されています。
説明SkillNEO：エージェントスキルの非エリート進化最適化手法
要約本論文は、LLMエージェントの再利用可能な手続き知識である「スキル」を段階的に改良する手法SkillNEOを提案しています。得点の低いバージョンも、後の編集で有用になる部分的修復を残すため継続して修正対象とし、関連バージョンの実行結果を比較して保持すべき手順と残る失敗を特定します。SkillsBenchの86タスクでは、GPT-5.4 Miniの平均報酬が49.1%から66.4%に向上し、改良されたスキルは、より強力なモデルの性能も高めることが示されています。
説明学習しながら計画する：将来の学習を保証するGPU上のリアルタイム頑健適応制御
要約本論文は、未知の環境でロボットを安全に制御しつつ不確かさを減らすための、学習を考慮した頑健適応モデル予測制御フレームワークA-SLS（システムレベル合成に基づく）を提案しています。将来のパラメータ不確かさを予測し、将来の情報獲得を考慮した到達集合を構成します。また、リアルタイム性能のためのGPU加速ソルバーを開発しています。非線形ロボットでの到達管の保守性低減、61状態・8不確定パラメータ・12入力の四足歩行ロボットの全身制御への拡張、そしてCrazyflieドローンによるオンラインでのパラメータ学習と安定化の実機検証が報告されています。
注目点将来のパラメータ学習を考慮した頑健適応MPCの到達集合を構築し、GPU求解器と四足・ドローンの実機実験で検証している。
説明合成構造の定義と生成：アルゴリズム情報理論による形式化
要約本論文は、アルゴリズム情報理論を用いて「合成構造」を形式化し、部分を一緒に考えたときに、個別に modeling すると捉えられない共有構造が現れることを定義します。この定義に基づき、計算可能な近似を用いて、特定の合成構造を指定した文字列や画像を最適化により生成しています。生成物には階層的な再利用と部分-全体の組織が認識でき、機械学習への示唆も論じられています。
説明多層型AIアクセシビリティモデル（MAIAM）：包括的な最先端AI安全のための段階的アクセスと能力上限
要約本論文は、AIの公開かAPI提供かという二択ではなく、利用目的・安全性・能力に応じてアクセスを分ける多層型AIアクセシビリティモデル（MAIAM）を提案する。モデルは、広く利用できる学習用の層、登録と本人確認を伴う研究開発用の層、そして構造化され記録と説明責任のある経路でのみ利用できる最先端の層の三つからなる。さらに、SAFE AI操作点と組み合わせ、安全上の限界を定める能力境界と、その下の能力を誰が得られるかを定めるアクセシビリティ境界からなる二部構成の枠組みを示している。能力制限だけでは安全は確保できず、規制機関が運用する段階的アクセス制度が必要だと論じている。
説明AIの気象モデルによる停電予測：予報のリードタイムと復旧作業班の配置時期
要約本研究は、GraphCastとFourCastNetの2つのAI気象モデルを用い、米国本土の郡ごとに24〜120時間先の停電発生を予測し、予報のリードタイムが作業班の配置判断に与える価値を評価します。リードタイムが長いほど停電負荷の捕捉率は低下し、全ての要請班を早期に配置する方が、少数の班を遅く配置するより優れた結果となることが示されています。
説明Decision-FLIP：ガウス占有モデル向けの予算不要な構造化枝刈り
要約占有予測モデルは、サイズが手作業で固定された大量のガウシアンや学習済みクエリに依存しています。本論文では Decision-FLIP を提案し、ラベルのない校正入力だけで、各行を取り除いたときにボクセルの判定が変わる数を数え、Otsu 分割で残す行数を自動選択して、小さなチェックポイントに物理的に圧縮します。複数の設定で可削除行の12%から79%を削減し、対応する遅延を低減しつつ、意味的 mIoU の変化は0.18ポイント以内に収まったと報告されています。
説明エントロピー利得サンプリングと回答混合による再帰的オフライン蒸留：大規模モデルの推論過程を小型モデルに学習させる手法
要約本論文は、大規模言語モデルの推論連鎖をより小型のモデルへ蒸留する方法を検討しています。教師モデルの内部表現に完全にアクセスできない場合を想定しています。手法は、中規模の補助モデルとのエントロピー差で推論連鎖を重み付けしてサンプリングし、思考過程に単一トークンの正解を補う構成です。著者らは、同程度のデータ量で平均57.15±1.01となり、単純な蒸留の51.61を上回ったと報告しています。
説明再現可能なデュエリング・バンディット：ノイズのある比較で毎回同じ順序対を選ぶ手法
要約本論文は再現可能なデュエリング・バンディット問題を扱う。共有された内部乱数と独立な比較結果をもつ2回の実行が、各ラウンドで確率1-ρ以上で同じ順序対を選ぶ必要がある。Beat-the-Meanを基に、サブリニアな後悔をもつ初のこの種のアルゴリズムを設計し、緩和された確率的推移性、強い確率的推移性、線形デュエリング・バンディットの各設定に対応させた。合成データと言語モデルの選好データでの実験により、再現性とサブリニアな後悔が示されている。
説明認知障害検出のためのタスク中心マルチモーダル学習
要約本論文は、Amazon Alexa（アマゾン・アレクサ）との構造化された音声対話中に収集した映像・音声・テキストを用いる非接触型のマルチモーダル認知スクリーニング手法を提案しています。3種類の会話タスクで、単一モーダルと多モーダル融合モデルを比較しています。多モーダルモデルはタスク間で安定した性能を示し、正解率は0.76でした。
説明EgoJEPA：再ターゲティングを超える、一人称視点動画による器用な操作学習
要約本論文は、人の一人称視点動画から、手の関節を機械的にロボットへ写像する再ターゲティングを用いずに形態非依存の表現を学習する三段階のフレームワーク、EgoJEPAを提案しています。三種類のロボットによる五つの実世界操作タスクで評価され、ドメイン外評価の平均成功率は74%で、再ターゲティングのベースラインの65%を上回りました。累積の形態横断コストは743.2時間から392.7時間へと47.2%削減されています。
説明誤指定回帰のための符号ベッティング：分散適応性と最適近似
要約本論文は、モデルの誤指定がある場合の有界回帰を扱い、関数と条件付き平均の間のL1距離で評価します。Baraud と Maillard（2025）の極小極大推定量を「符号ベッティング回帰」と呼んで分析しています。誤指定の下でも高確率のL1オラクル不等式が成り立ち、実現可能な場合には平均条件付き分散に適応することが示されています。さらに、適切な学習器の最適な普遍近似係数が3であることも論じられ、合成データと実データでの実験で補足されています。
説明TGrasp6D：タスク情報付き視覚言語事前分布と姿勢精緻化によるゼロショット・タスク指向6DoF把持
要約本論文は、専用の学習データなしでロボットがタスクと1枚のRGB-D画像から、タスクに適した6自由度の把持を生成する手法TGrasp6Dを提案しています。まず視覚言語モデルでタスクに適した意味的アフォーダンスを推論し、初期の事前分布を作ります。その後、タスクの一貫性を保ちながら衝突回避のために6自由度の姿勢最適化を行います。TaskGraspデータセットでの成功率は94%で、最良のベースラインは74%です。またFranka Research 3ロボットで実物体へのゼロショット汎化も確認しています。
説明誤った投票、正しい勾配：多数決報酬が検証可能な強化学習に近づく理由
要約正解が与えられない場合に、モデル自身の複数サンプルの多数決をラベルとして強化学習を行うと、検証可能な報酬での学習とほぼ同等の効果が得られることがあるという現象を検討した論文である。著者らは、ラベルの誤りが問題ごとにばらばらの方向を向いていれば、バッチサイズの増加とともに誤りの影響が消えると主張する。実験では多数決による更新が金標準の更新とほぼ一致した。ただし、この等価性は局所的であり、金標準報酬で学習したモデルは検証用の多数決精度で依然として上回った。
注目点多数決報酬を批次レベルの更新で説明する新視点を示し、誤りの一貫性が鍵であることを五モデルの勾配測定で検証している。
説明確率的勾配降下法：非線形時系列の視点
要約本論文は、反復確率関数の枠組みのもとで、定数ステップサイズの確率的勾配降下法（SGD）の統計的性質を調べている。幾何モーメント収縮（GMC）を示すことで、ユークリッド距離での収束を直接与えている。平均化SGD（ASGD）については、初期化によらないクエンチ中心極限定理、不変原理、α安定収束を証明し、さらに改良版のRichardson-Romberg外挿法と、オンライン推論手法および経験的信頼区間を提案している。
説明打ち切り結果に対する柔軟な二重頑健近位因果推論
要約本論文は、観測されていない交絡がある場合に、右側打ち切りの生存時間アウトカムに対する因果効果を推定する方法を扱う。著者は、代理変数を用いて未測定交絡に対処する近位生存ブリッジ学習（PSB）フレームワークを提案し、アウトカムブリッジ、処理ブリッジ、二重頑健の3種類の推定量を示す。ブリッジ学習器としてカーネル法（PSB-K）とニューラルネットワーク法（PSB-N）の2つを用意している。SEMベンチマーク、半合成のACTG研究、Framinghamの実データで比較され、代理変数が弱い・無効な場合や打ち切りが多い場合の頑健性も検証されている。
説明実測ソルバーコストに基づく単体法のウォームスタート学習
要約本論文は、機械学習で単体法の初期基底を予測し、反復回数と求解時間を減らす方法を研究しています。良い初期基底は反復を大きく減らすものの時間の短縮は限られ、その理由は省かれた反復が比較的安価であり、最適基底への近さがコストを反映しないことにあると分析しています。提案手法CostStartは、実測の命令数で学習した小さな方策によって、各線形計画問題ごとに予測列の使用数、アルゴリズムと価格付け規則、ウォームスタートの要否を選択し、未学習の問題で既定の開始法の約半分の求解時間を達成するとしています。
説明創発的ミスアライメントのモデルは回路を共有しているか？
要約研究者は、有害な医療助言、危険な金融助言、極限スポーツの推薦でそれぞれ微調整した三つのQwen2.5-3B-Instruct（LoRA）モデルを用い、微調整後に無関係な分野にまたがって現れる誤整列が共通の計算要素に依存するかを調べた。三つのモデルの上位5つのアテンションヘッドに共通する3つの位置を特定した。選ばれたヘッドの寄与をベースモデルの寄与に置き換えると、判定された一貫性を損なわずに自由生成での誤整列率が大きく下がった。
説明ピクセルからトークンへ：極少量ラベルの意味的セグメンテーションのためのトークン空間で効率的な能動学習
要約本論文は、ViT（Vision Transformer）表現に基づく初のピクセルレベル能動学習フレームワークTEAL（Token-space Efficient Active Learning）を提案しています。凍結したViT骨格のネイティブなトークン格子上で多様性ベースの選択を行い、より細かいデコーダ格子でマージンベースの不確実性による精緻化を行います。CamVid、Cityscapes、ADE20K、Pascal Contextにおいて、画像あたり1ピクセルのラベルのみの場合、最も強力な基準手法を最大24.36 mIoU上回り、画像あたり10ピクセルで全教師あり性能の97%に達したと報告されています。
説明DefoliationCAM：ブドウ園で害虫による落葉の程度をリアルタイム評価するエッジAIシステム
要約本論文は、太陽光で動作するエッジAIシステムDefoliationCAM（D-CAM）を提案しています。YOLOX-Nanoで4K画像中のブドウの樹列を検出し、軽量なチャネル注意機構を備えたMobileNet系分類器で320×320画素のパッチごとに落葉の程度を判定します。結果はLoRaでウェブダッシュボードに送信されます。著者らは5週間にわたる2台の現地展開で、自律的な太陽光駆動運用と遠隔監視の実現可能性を示したと述べています。
説明CogDrift-4D：軽度認知障害検出のための時間的行動低下の階層的マルチモーダルモデリング
要約本論文は、軽度認知障害（MCI）を検出するための階層型4D Transformer「CogDrift-4D」を提案している。18か月にわたる7種類の非台本型マルチモーダル対話で収集した行動データを4Dテンソルとして構成し、セッション内の回帰傾きとセッション間の再帰的クロスアテンションで認知低下の変化を捉える。構造化された言語対話データでの評価では、分類精度0.733±0.13、F1スコア0.716±0.14を報告し、先進的なベースラインを上回ったとしている。
説明実験測定値で制約された機械学習ベースのニュートリノ事象生成
要約本論文は、荷電カレントν_μ-原子核散乱のための生成的サロゲートモデルを提示する。イベント単位の実験データを使わず、測定された微分断面積に合わせて較正できる。理論的な相互作用モデルを出発点に、MicroBooNE の測定値へ微調整したところ、フィットに用いなかった観測量の記述も改善した。較正後のモデルは再調整なしで異なるニュートリノフラックスの測定にも適用でき、出射μ粒子の運動学についてイベント単位の予測も保持する。
説明CatBoostとSHAPを用い、NHANESの連続・カテゴリ特徴から臨床的に解釈可能な生物学的年齢を推定する研究
要約本研究は、NHANES（2011年〜2020年3月、18歳以上の成人24,983人）のデータを用い、CatBoost回帰モデルで人口統計、検査値、身体検査、生活習慣の44変数から生物学的年齢を推定しました。モデルが推定した年齢を生物学的年齢としています。SHAPで多段階の解釈を行い、SHAP依存性プロットから寄与が最小・最大となる値の範囲や拐点を自動的に定量化する手法を提案しています。テストデータで暦年齢との相関はPearson r=0.798でした。
説明ASPに基づく移動物体の先読み常識推論：相互作用する軌道のための説明可能な予測フレームワーク
要約本論文は、複雑な動的環境における相互作用的な運動について先読み推論を行うための、汎用的な宣言的フレームワークを提案しています。意味レベルで説明可能な時空間の心的モデルを形成し、低レベルの運動計算を発見的に導くことを狙いとしています。手法は、相互作用軌道の動態を記述するASPモデル、「分岐する軌道の未来」を導出する意味誘導型予測、そして先読み結果を評価・順位付け・絞り込みするエネルギーベースの最適化モデルから成ります。Argoverse 2ベンチマークで評価されており、各予測軌道には検証可能な事象レベルの仮説が付いている点が、エンドツーエンドの確率的予測とは異なると述べられています。
説明SHRED：専門家のデモなしで異種道路利用者を学習させる自己対戦フレームワーク
要約本論文は、ランダム初期化から車両・歩行者・自転車を大規模な異種自己対戦で同時に学習させるSHRED枠組みを提案します。人間の運転デモや記録軌跡は使用しません。種類ごとの動力学と目的、手続き的シナリオ生成、エージェントごとのランダム化を組み合わせています。Waymo Open Sim Agents Challenge（WOSAC）では、デモを使わない自己対戦ベースラインやデモで学習した参照方策を用いる手法を上回りました。交通の現実性と計画性能の両方で、異種性が有効であることも示されています。
注目点デモ不要の異種道路利用者セルフプレイを提案し、WOSACとInterPlanで比較手法を上回り、アブレーションで裏付けるが、自己対戦パラダイムの拡張である。
説明長文脈でも短文脈向けの凍結ドラフターで推測デコードを高速化する手法の提案
要約本論文は、超長文脈において推測デコードの高速化効果が失われる問題を扱います。ドラフターが全接頭辞に注意を向けると、コストが増えて速度向上が消えてしまいます。著者らは長文脈用ドラフターを新たに学習させるのではなく、公開済みの短文脈ドラフターを凍結し、注意キャッシュの制限と回転位置インデックスの再配置という推論時の二つの仕組みで、最大200万トークンまで動作させる方法を示しています。三つのターゲット・ドラフター組とfive種のコーパスで検証されています。
説明SNOAR：クリーン参照なしで音声雑音除去を行う自己学習手法
要約本論文は、クリーンな参照音声を使わずに音声雑音除去を行う自己学習フレームワークSNOARを提案している。まず差分雑音フィルタリング（DNF）で教師モデルの音声推定に残った雑音を除去し、さらに雑音付き観測の一部を加えて抑圧された音声を復元し、アーティファクトを減衰させる。RemixITと比べ学習が安定し、信号ベース、知覚、単語誤り率の各指標で上回る。WHAM!では全教師あり基準のSI-SDR改善量の97%に達し、実環境のCHiME-3録音では3種類の教師モデルすべての指標を改善した。
説明時間分割ガウス過程混合モデル：金融・マクロ時系列の体制変化を特定する手法
要約本論文は時間分割ガウス過程混合モデル（TPGPMM）を提案する。これはマルコフ仮定を用いずに時系列の体制（レジーム）を特定し、非定常な予測を行うベイズ非パラメトリックの枠組みである。適応的Pitman-Yorプロセスの事前分布で時間区間を分割し、各体制にガウス過程を当てはめて時間依存性を表す。模擬データと、CBOEボラティリティ指数および米10年国債利回りに適用した結果、特定された体制は文献に記録された市場や金融政策のイベントとおおむね一致した。
説明形態論的な正しさはトークン化に重要か？タガログ語のスクランブル対照実験
要約この論文は、形態素境界に沿って分割するトークナイザ MorphAustro-Tok を、コーパスを揃えた BPE ベースラインと比較しています。タガログ語は中接辞で態を示し語根が連続しないため、BPE の統合では復元できません。さらに、形態素の数や可逆性を保ったまま擬似接辞をランダム化する対照群も設けられています。機械翻訳では MorphAustro-Tok が BPE を上回りましたが、分析を打ち消すと差はシード間のばらつき以下となり、この規模では形態論的な正しさの寄与は検出されませんでした。
説明物体注意で視覚言語モデルの否定理解を探る
要約本論文は、視覚言語モデル（VLM）が否定文をどのように処理するかを、モデルの注意パターンを分析して検討しています。肯定文と否定文を処理する際のモデルの注意と人間の視線を比較し、合成データと実データの両方で評価しています。その結果、否定の解決時にモデルは概ね人間のような注意パターンに従わず、注意以外の仕組みに依存している可能性が示されました。
説明完全か疎か：二つの識別可能性の物語
要約本論文は、ニューラルネットワークがいつ解釈可能な表現を学習できるかを、識別可能性（教師あり学習でデータの真の潜在変数を回復できるか）の観点から検討します。因果方向の異なる二つのデータ生成過程を導入し、表現次元が十分な場合には最適エンコーダが潜在変数について線形になることを示します。さらに非負活性化とエネルギー効率などの制約の下では各ニューロンが一つの潜在変数だけを符号化し、潜在変数が疎でspark条件を満たす場合には疎辞書学習で個々の潜在変数を回復できると述べています。合成ベンチマークや視覚モデル、大規模言語モデル、マカクの下側頭葉皮質の活性化データで検証されています。
説明拡散モデルにおけるデノイジング・スコアマッチング：ランク制約が汎化に与える影響
要約本論文は、拡散モデルのスコアネットワークにおいて、ランク制約付きの非線形項と線形スキップ接続が汎化に与える影響を検討しています。数値実験では、ランクを上げると訓練誤差は下がるものの、テスト誤差への影響はサンプル数とデータ次元に依存することが示されています。著者らはランク制約付きのランダム特徴モデルを解析し、比例スケーリング下での訓練・テスト誤差の漸近的極限を導き、データ部分空間の直交補空間の次元が自然なランク閾値になることを示しています。
説明共進化して、共に崩れる：自己改善エージェントにおけるスキルと方策の共進化のわな
要約本論文は、方策モデルとスキルバンクが学習中に互いを高め合う共進化手法を扱います。既存の評価は学習時の最終スキルバンクで方策を測るため、展開後にスキルが書き換えられたり増減したりする漂流を見落としていると指摘しています。理論と実験から、これらの手法に共通する協調的な受け入れ規則が、スキルの漂流に対して方策を脆弱にし、その感受性は共進化学習が進むにつれて増すことを示しています。著者らはこれを踏まえ、展開を想定した評価プロトコルCODAを提案し、複数の手法とベンチマークで最悪条件下の成功率がピークより低いことを報告しています。
説明MARS：自己回帰型の基盤地図生成モデル
要約本論文は、自己回帰的に複数のポリラインからなる道路網とポリゴン状の建物を統一的に生成する、初の地図基盤モデルMARS（Map Auto-Regressor）を提案しています。学習には約340万件からなる多クラス地図抽出データセットMAP-3Mを用いています。四つの道路・建物データセットで、多段階のベースライン手法と同等以上の性能を示し、人が介在して地図の生成や修正を行う対話機能も備えています。
説明無線ネットワークでデータとAIを統合するためのアナログRF計算
要約基地局がニューラルネットワークの重みを符号化した波形をマルチキャストし、端末がパッシブミキサーで行列ベクトル積を実行することで、極めて低い電力とメモリでAI推論を行う手法を扱う論文です。多ユーザMIMO下りリンクで、AIフローとデータフローの結合ビームフォーミング問題を定式化し、WMMSEベースのアルゴリズムで解いています。3GPPチャネルに基づく数値結果では、代表的な条件でAIフローの統合による総データレートの相対的低下は5%未満とされています。
説明視覚・言語・行動（VLA）モデルにおけるニューラル幾何の現象論：ロボット方策の内部で任務概念がどの形をとるかの研究
要約本論文は、視覚・言語・行動（VLA）ロボット方策の内部表現について、変数が線形に読み出せるかだけでなく、その値がたどる幾何学的な形状を調べたものです。受控スイープ、自然な実行ロールアウト、線形プローブ、活性化介入を用いて、VLAモデルにおける7つの任務関連概念の分類を構築しています。結果として、実現される幾何は主に多次元であり、関節の可動域などの物理的制約によって形作られることが示されています。同じ幾何は、実機ロボットデータで学習した他の2つのVLAモデルでも現れました。
説明評価器誘導型テスト時推論のための信頼度較正付き推論拡張
要約本論文は、評価器に導かれる推論を各ステップでの局所的な制御問題として扱います。現在の回答を信頼する、代替結果を返す、または追加の推論計算を行う、という三つの行動から計算コストを考慮して選ぶコントローラを提案し、較正された信頼度推定に基づいて決定を行います。保留された幅拡張および修正タスクでは、較正で選ばれた固定方策より効用が向上し、正規化されたオンライン計算量はそれぞれ約30%と16%削減されました。
説明推論型大規模言語モデルにおける逐次実験計画の償却
要約大規模言語モデルは、実験計画のタスクで情報を段階的に集めることが苦手です。本論文は、情報利得を報酬とする学習によって、逐次ベイズ実験計画（BED）をLLMに償却する手法を扱います。Twenty Questionsでは、情報取得とタスク性能が向上し、推論時・訓練時のBEDベースラインより計算コストを抑えつつ上回りました。さらに、未見のカテゴリへの汎化と、臨床対話ベンチマークMedi-Qへの正の転移も示されています。
説明PEDBench：音声モデルは音素の誤りを検出できるか？
要約本論文は、自然な音声から統制された音声までを対象とした初の音素誤り検出（PED）ベンチマーク「PEDBench」を提案します。児童の実際の発話誤り録音（334件）、俳優による台本式の誤り発話（1,188件）、音素条件付きテキスト音声合成による合成誤り発話（1,083件）から構成されます。13の最先端音声モデルを評価した結果、統制条件下でも誤りを確実に検出できず、正しく発音された音素を誤りと判定する傾向も見られました。合成データで微調整した音声言語モデルは単語レベルの検出で商用・オープンソースの基準を上回りましたが、合成から実データへの領域差は残っています。
説明CoTranslator：推論蒸留のための逆向きから正向きへの思考連鎖翻訳器
要約本論文は、推論蒸留に必要な思考連鎖データを効率的に得るための CoTranslator を提案している。既知の答えを条件とした逆向き思考連鎖を、検証済みの正向き思考連鎖の分布に近づけるよう学習させる手法である。原文によれば、6つの数学ベンチマークで語義抑制法より平均精度が最大 5.82 ポイント向上し、再学習なしで別のデータセットや STEM 問題にも転移できるという。
説明タスク段階で条件付けたエキスパートルーティングは、MoE・FFNテンソルの量子化感度の信頼できる代理指標ではない
要約本論文は、混合エキスパート（MoE）言語モデルにおいて、層ごと・タスク段階（プロンプト、推論、応答）ごとのエキスパートルーティング統計が、ルーティングされたエキスパートのFFNテンソルの層別混合精度量子化を導けるかを検証しています。著者らは、固定の平均ビット/重み予算の下で、ルーティング統計に基づく感度スコアで各層のビット配分を調整しました。その結果、ルーティング情報に基づく再配分もランダムな再配分も、均一なベースラインを一貫して上回らず、厳しい予算では明確な性能低下が見られました。著者らは、ルーティング挙動の統計は層ごとの真の量子化コストを示す検証済みの指標ではないと結論づけています。
説明有界入力次数を持つ多項式合成の線形独立性
要約本論文は、Kohn、Marchetti、Massarenti、Mellaによる弱い合成独立性予想を証明している。証明には有理曲線の変形と線形化方程式の単一の核が用いられ、Riemann-Rochの定理により制御された極をもつ接ベクトル場からの矛盾が導かれる。これらの予想の解決により、十分に大きな次数の一般的な多項式活性化関数を持つニューラルネットワークが識別可能であることが示される。
注目点Kohnらの弱合成独立性予想を証明し未解決問題を解決した。摘要には証明の概略のみで実験はない。
説明ウォロフ語向けに適応した、産業利用可能なオープンウェイト言語モデル
要約ウォロフ語は主にセネガルで約2300万人が話しているが、オープンウェイト言語モデルでの対応は不十分である。本論文は、指示チューニング、選好アラインメント、モデルマージによってウォロフ語に適応させた0.6Bから14Bパラメータのオープンウェイトモデルを提示している。63の公開タスクおよび社内タスクでの実験では、ウォロフ語の理解と生成で良好な性能を示し、他言語や言語横断的な能力でも有効性を保った。特に8Bおよび14Bモデルは、はるかに大規模な商用システムに匹敵する競争力を持つ。これらのモデルは現在、社内の顧客対応パイロットで評価されており、Hugging Faceで公開されている。
説明学習前の実現可能性上限：ドローンメッシュ迎撃の規模とタイミングの限界
要約複数のドローンが網目状に並び、接近する物体の予測到達点を覆う問題を扱う論文です。策略を選ぶ前に性能の上限を与える閉形式の式を導出し、モンテカルロ法で検証しています。智能体間の距離が少なくとも2rという制約の下では、平面の被覆率は90.69%、体積では74.05%を超えないと述べています。
説明テキストから動画生成のための時系列仕様ガイダンス（Temporal Specification Guidance）
要約テキストから動画を生成するモデルは、プロンプトで指定された視覚的概念を描けても、その順序・タイミング・持続性の要件を満たせないことがあります。本論文はこれらの要件を時相論理（Temporal Logic）の仕様として表し、学習不要で推論時に動作するフレームワークTSGを提案します。220のプロンプト、11種類の時間的制約からなるベンチマークで、5つのモデルにおいてCFGと比べ仕様充足精度が9.5〜20ポイント向上したと報告しています。
説明Intern Lumina U2：全方位視覚理解と画像生成のための多コードブック拡散型大規模言語モデル
要約本論文はIntern Lumina U2を提案します。これは完全離散空間で多コードブックの視覚トークンを表現する拡散言語モデル（diffusion language model）で、各視覚位置を相補的なコードブックのコード群で表し、表現能力を高めつつテキストの離散モデリングとの互換性を保ちます。AToken の統一4D表現に基づき、単一のバックボーンで画像・動画・3D入力を扱い、論文では統一モデルの中で視覚理解、画像生成、画像編集で先進的な性能を示したとしています。また、昇腾（Ascend）とNVIDIA両プラットフォームで検証し、安定性を考慮したサンプリング手法により画像生成を4.45倍高速化したと報告しています。
説明ネットワークの異質性下での O-RAN ネイティブなジャミング検出
要約本論文は、対立環境で携帯ネットワークに影響しうる無線周波数ジャミングを扱い、専用ハードウェアを使わず O-RAN の E2 インターフェース経由で得られる端末単位の指標で検出する手法を提案します。提案手法 SEM（統計的アンサンブル法）は、適応型中央絶対偏差によるベースライン検出、件数ベースの異常検出、急激な変化の検出を重み付き投票で統合し、ラベルなしで即座に使えるコールドスタートモードと、ラベル付きデータで網羅的探索により事前にパラメータを調整するモードを備えます。約 25 時間分の 8 種類の異なる 5G 環境のデータで評価したところ、学習時に見ていない分布のずれがある条件では、学習ベースのモデルは再現率が低下してジャミングを見逃す傾向がある一方、SEM はコールドスタートでも検出能力を保ち、その代わり誤警報が増えることが示されました。
説明Gibbs-Gap 方策最適化：検証可能な報酬のためのオフポリシー強化学習
要約本論文は、検証可能な報酬を用いた強化学習で、学習データが古い、あるいは異なる行動方策から生成される問題を扱い、Gibbs-Gap Policy Optimization（GGPO）を提案している。GGPO は同一プロンプトへの複数応答の間で、KL 調整済み報酬の log-mean-exp 対比損失を最小化し、学習者と行動方策の間の重要度重みを用いない。数学的推論の実験では、訓練と推論の不一致や固定オフラインデータの条件で、GRPO や AGRO より優れた結果が示されている。
説明RIGen：生成型ゲームにおける相互作用による行動追従を超えた仕組み
要約本論文は、生成型ゲームにおける相互作用のためのフレームワークRIGen（Reciprocally Interactive Generation）を提案しています。永続的な状態と設定可能なルール、文脈的な相互作用推論、行動条件付きの視聴覚生成を組み合わせ、相互作用の結果と行為者の振る舞いが共同で生成内容を決めるようにしています。Xonotic のゲームデータで生成器を学習し、対話型の一人称シューティング試作版RIGenArenaを構築した結果、戦闘結果の信頼性とプレイヤーと生成世界の相互作用が向上したと報告しています。
説明自ら DSL を拡張するエージェント：報酬や裁判者なしで正確な質問応答の演算子を獲得する手法
要約本論文は、報酬・裁判モデル・正解データがない状況で、エージェントが正確に計算できる能力を自ら拡張できるかを検討しています。凍結された一つのモデルが小規模な領域特化言語（DSL）上で内外二重のループを回し、内側のループは独立に書かれた二つの式が全レコードで一致した場合のみ回答し、外側のループは不足している能力を見つけて演算子を作成します。論文は、この仕組みが構造の異なる二つの新領域でも回答可能な問題集合を拡張でき、欠陥のある演算子138件をすべて棄却したと報告しています。
注目点報酬も評価者も正解もなしにDSL演算子を自己拡張する新しい仕組みを提案し、独立実装と保存則で採否を判定する点が新しい。複数領域と複数モデル系で検証され証拠は十分だが、影響は正確な質問応答に限られる。
説明PRISM：ツール呼び出し言語モデルにおける活性化介入の転移と限界
要約論文は、言語モデルがテキストで不正な要求を拒否していても、不安全なツール呼び出しが同時に起こりうることを指摘しています。著者らは、精度・言語・モデル規模をまたぐ活性化介入の転移を評価するフレームワーク PRISM を提案しています。量子化（NF4）モデルと言語間転移による補助的な教師信号が、アラインメントの改善に有効であることが示されました。Llama-3.1-8B では、5言語の方向性をアラビア語へ転移させることで不安全な違反が 21.95 ポイント減少し、最大 70B パラメータのモデルにも転移できたと報告しています。
説明推論過程と証拠が衝突するとき：回答の構成が証拠への追従をどう左右するか
要約本論文は、回答時に保持される推論過程が精度を高める一方、現在の証拠と競合しうることを検討している。gpt-oss、Gemma4、Qwen3 の3モデル系列を HotpotQA と MuSiQue で評価し、モデル自身の思考を継続する方式と別途回答を呼び出す方式を比較した。その結果、別途呼び出しの方が現在の証拠に従う頻度が高く、継続方式は多くの衝突で古い結論を繰り返すことが示されている。
説明高次元の連続線形回帰における最適な明示的・暗黙的正則化の強さ
要約本論文は、学習者が複数のタスクを順に観測してパラメータを逐次更新する高次元の連続線形回帰を研究している。各タスクで固定ステップ数の勾配降下法で学習したモデルの汎化損失について、任意の教師に対して成り立つ閉形式の式を導出している。単一の教師または独立同分布の教師の場合、最適なステップ幅はタスク数Tに対して ln T / T の割合で減少し、その際の汎化損失は最適に調整されたL2（等方的）正則化と漸近的に等しいことを示している。さらに対角正則化行列をもつ一般化リッジ回帰にも解析を広げ、タスクの変動と暗黙的正則化の間に非自明なトレードオフがあることを示している。
説明説明可能な時系列分析を用いた深層学習による脳波ベースの音楽愉悦度予測
要約本論文は公開データセットMUSIN-G（20名の聴取者の128チャネル脳波と楽曲ごとの愉悦度評価）を用い、音楽の愉悦度予測を回帰問題として扱っている。聴取者単位の分割手順で六つの深層学習モデルを比較し、TCNが評価値との相関で最も高かった（r=0.21）。勾配法と遮蔽法による説明から、TCNの予測に最も影響する時間区間を特定し、再現可能な聴取者横断ベンチマークを示している。
説明誤った文字を責め、キャンバスは責めない：視覚的テキスト生成のための欠陥認識型空間クレジット割り当て
要約本論文は、視覚的テキスト生成における単語の誤りや字形の崩れに取り組みます。個々のテキスト領域を特定し、意味の正しさと字形の品質を別々に評価する領域ターゲット型の報酬モデル TextDART を提案しています。さらに SCANNER は、その領域ごとの判断を空間的に差別化された方策フィードバックに変換します。著者らは、既存のベンチマークと新たに構築した PolyText-Bench で、文字の正確さと字形の忠実度が最先端の水準に達したと報告しています。
説明誤差証明書付きのスライスWasserstein スケッチ
要約本論文は、少数の重み付き原子点（M個）で一次元確率分布を近似する方法を研究し、二次Wasserstein距離で最適な量子化を行い、スライシングによって高次元へ拡張します。二乗距離の誤差を計算可能な項に分解し、任意の重心スケッチに誤差証明書を与えます。実験では、最適スケッチが記憶容量を大幅に削減しつつ、非圧縮のスライス距離と同等の分類性能を保つことが示されています。
説明EvolvingBrain：オープンワールドでマルチモーダルエージェントが自己進化するための適応型スキルシステム
要約本論文は、マルチモーダルエージェントの自己進化の「頭脳」として適応型スキルシステムEvolvingBrainを提案します。階層的スキル自己進化では、軌跡から手順パターンと問題パターンを抽出し、ドメイン・計画・行動/罠の3層からなるスキル構造を形成します。状態認識型適応実行では、長期的なやり取りを構造化抽象メモリにまとめ、現在の状態に応じて知識を使い分けます。著者らはVAB-MinecraftとDiscoveryWorldでの実験により、成功率の向上と汎化能力を示したと報告しています。
説明APRiL：大規模言語モデルの中国語社会的認識を測る自由回答型ベンチマーク
要約本論文は、中国語における社会的認識能力を評価する自由回答型ベンチマーク「APRiL」を提案している。六つのカテゴリにわたる2,196件の評価インスタンスを含み、社会的状況の分析と、社会的に適切な応答の生成という二つのタスクで構成される。六系統12モデルでの実験の結果、状況分析の理解と応答との間に一貫したギャップが見られ、分析の質が高いほど応答も改善する一方、分析が弱いと応答の質が下がる場合があることが示された。
説明オープンワールドAI：三つの要件に関する考察
要約本論文は、閉じた世界とオープンな世界におけるAIタスクの違いを論じています。オープンな世界では、機械が推論時に学習し、未知のタスクに対応することが求められ、豊かな表現と予測的な分離という二つの追加要件が導かれています。最大8Bの言語モデルで検証した結果、要件を満たすモデルは関連タスクのデータが蓄積されるにつれて向上し、それ以外は劣化しました。規模の拡大や層の種類の組み合わせでは、この傾向は改善されませんでした。
説明ReasonUni：推論強化型再構成で統一マルチモーダルモデルを高める研究
要約本論文はReasonUniという枠組みを提案し、統一マルチモーダルモデルにおいて推論を通じて画像理解と画像生成を相互に強化します。モデルはまず編集すべき内容と方法を推論して目標状態を記述し、その理解結果に基づいて目標画像を生成します。両モジュールを同時に最適化するため、木構造の強化学習手法TreeGRPOも導入されています。複数のベンチマークで理解と生成の両方の向上が示されています。
説明ARIA：マルチエージェントシステムの実行時検査と修正フレームワーク
要約LLMベースのマルチエージェントシステムでは、一つのエージェントの局所的な誤りが他のエージェントに引き継がれ、タスク失敗につながることがあると論文は指摘しています。著者らはARIA（Agent Runtime Inspection and Amendment）を提案し、実行中のタスクをいつ、どのように修復するかを学習させます。24,000件を超える成功・失敗の実行軌跡を収集し、実行で検証された修復3,953組からなるARIAデータセットを構築しました。これを用いて学習したモデルは、事後・実行時の両方で良好な修復性能を示し、未知のフレームワークやホストモデルにも汎化したと報告されています。
説明Verdict-MQ：一度のエンコードで複数の判定を行うオープンエンコーダ
要約本論文は、ひとつの事例を一度だけ読み込み、その事例に関する複数の型付き質問に同時に確率的に答えるオープンエンコーダ Verdict-MQ を提示します。型付き判定ベンチマークでは、395M パラメータの Verdict-MQ が、公開済みの 421M パラメータの Laya 専門モデルよりソフトラベルへの適合度が高いと報告されています（KL 0.080 対 0.117、Brier 0.045 対 0.061）。RACE、BoolQ、MultiRC では結果が分かれ、MultiRC では勝る一方、RACE と BoolQ では劣ります。
説明選択安全な共形早期終了：適応的深さのもとで分布に依存しない被覆保証
要約論文は、深層ネットワークの複数出口による早期終了において、出口ごとに共形予測集合を個別に較正すると、データに依存した出口選択によって被覆率が損なわれる問題を扱っています。著者らは、接頭辞の最大値から単一の終端パススコアを構成して一度だけ分割共形分位点を較正し、有効な終端集合を含む入れ子の接頭辞集合を返します。八つのエンコーダ課題・バックボーンの組み合わせで、経路的選択の宏被覆率は0.901で、逐層的選択の0.814を上回ったと報告しています。
説明脳波と文章の意味整合：想像発話デコードのための対照学習フレームワーク
要約本論文は脳波（EEG）による想像発話のデコードを扱い、脳波試行を凍結された事前学習済みテキストエンコーダの埋め込み空間に整合させる対照学習手法を提案している。Chiscoデータセットの5名の被験者で評価した結果、39の意図カテゴリにおいて閉集合分類器と同等の性能を示し、類似度に基づく検索や信頼性のランキングも可能になるとしている。
説明現実が認知を上回るとき：信頼できる知能のための新しいスケーリング原理
要約本論文は、現実が変化する速度が速くなったとき、知能システムがどこまで信頼して知覚・推論・行動できるかを、理論やモデルに依存しない形で問うものです。著者らは、有効な一貫した認知速度（S_C^eff）を、システムが事前に定めた行動の信頼性基準を継続的に満たせる最高の現実速度として定義しています。強化学習の実験では、Co^4 がテストした場面で、Transformer やゲート付き MLP の基準よりも高い S_C^eff を示しました。
説明参照録音による全二重音声言語モデルの発話交替スタイル転移
要約全二重音声言語モデルは各フレームで発話権を取るかを決め、会話の個性を形成します。本論文は、モデル自身の会話から訓練や注釈なしに抽出した後段の残差ストリーム方向（主導性ベクトル）を特定しました。この方向は最大800ミリ秒先の発話開始を予測し、発話比率も調整できます。短い参照録音で特定話者の発話交替スタイルを転移でき、転移は参照に固有です。
注目点全二重音声モデルの発話量を左右する単一の残差方向を特定し、参照録音で話者のターン制御スタイルを移せることを示した。新規性は高く、複数条件の実験で裏付けられるが影響は限定的。
説明整列の前に浄化する：拡散モデルの表現整列を改善
要約本論文は局所外観浄化（LAP）という手法を提案し、拡散モデルの学習時に整列の目標から局所的に予測可能な内容を取り除き、残差に対して整列を行うことで表現整列の効果を高めます。LAPは整列の目標のみを変更し、拡散モデルの学習や推論は変更しません。ImageNet-256でSiT-B/2を用いた場合、MAEを整列対象としたときのFIDは53.1から42.3に改善され、五つの事前学習済み表現すべてで効果が見られます。
説明Optimal Hydra：データ情報に基づくHydra-Netによる大規模言語モデルのヘテロジニアス連合学習
要約本論文は、クライアントの計算資源が限られるため完全なモデルの学習が難しい大規模言語モデルの連合ファインチューニングを扱います。提案手法Optimal Hydraは、全体での層選択と、ローカルデータ分布に合わせたクライアント固有の注意ヘッド選択を組み合わせ、Hydra-netと呼ばれるクライアント別サブネットワークを作成します。著者らは、LLMのファインチューニング向けのモデル異種連合学習として初めてのアプローチであるとし、三つのデータセットでベースライン手法を上回り、ローカルの資源需要も減らしたと報告しています。
説明言語モデルのパラメータを解釈する：敵対的パラメータ分解（VPD）の手法
要約本論文は、ニューラルネットワークがパラメータを使ってどのように計算を行うかを理解することを目的としています。著者らは、敵対的パラメータ分解（adVersarial Parameter Decomposition、VPD）という手法を提案し、言語モデルのパラメータを、モデルの学習済みアルゴリズムの一部だけを実装する小さなサブコンポーネントに分解します。少数のサブコンポーネントだけで任意の入力に対する振る舞いを説明でき、多くを除去しても入出力の振る舞いが保たれることを目指します。さらに、これらのサブコンポーネント間の相互作用の系列が特定の入力に対する出力をどう生むかを調べ、新しい種類の「回路」分析を可能にしています。
説明確率的正規化フローによる連続極限に向けた遍歴的トポロジー・サンプリング
要約本研究は、SU(3)ヤン・ミルズ理論においてフローベース手法によりトポロジカル・フリージング（位相凍結）を緩和できることを、格子間隔約0.03 fmまでの数値的証拠で示しています。開放境界条件と確率的正規化フロー（Stochastic Normalizing Flows）を組み合わせた計算戦略のコストの標度を解析しています。調べた parameter 範囲全体で、二乗トポロジカル電荷の積分自己相関時間とトポロジカル感受率の統計誤差が、現在利用可能な計算資源で制御されたままであることを示しています。最先端の格子ゲージ理論計算で、より効率的なフローアーキテクチャを遍歴的トポロジー・サンプリングに用いるための重要な一歩です。
説明メタ測度のための垂直スライス・ワッサースタイン距離：分布の分布を比べる拡張可能な指標
要約多くの現代的な学習問題では、個々の観測対象が確率測度そのものである分布どうしを比較する必要があり、これはメタ測度（確率測度上の確率測度）として扱われます。既存の最適輸送距離は計算コストが高いという課題があります。本論文は垂直スライス・ワッサースタイン（VSW）距離を提案し、連続なテスト関数で内側の測度を射影したうえで、得られた一次元分布を一次元ワッサースタイン距離で比較します。VSWが有効な距離であり弱収束を距離化すること、次元に依存しない統計的収束保証を持つことを示し、メタ測度の勾配ベース輸送にも利用できることを報告しています。
説明確率的時系列予測のための分位数誘導拡散モデル
要約本論文は、予測された分位数を拡散予測モデルの分布制御信号として用いる方法を研究している。事前学習済みのバックボーンを凍結したまま分位数制御経路を学習するControl-TSを提案し、8つのベンチマークでバックボーンのCRPSを一貫して改善したと報告している。また、生成された将来軌道の下流予測有用性を評価する条件付き線形予測スコア（CLPS）も導入している。
説明WorldCast：世界状態予測における知的な視覚生成の探究
要約本論文は、8カテゴリ・計320件の人手で設計された事例からなるベンチマーク WorldCast を提案し、マルチモーダルな観測と参照情報から連続する将来の世界状態を予測する能力を、12の代表的モデルで評価しています。フロンティアモデルの GPT-Image-2.5 System は72.8点を獲得した一方、最良のオープンソースモデルは20.1点にとどまり、複雑な文脈や絡み合った参照、推論を多く要するタスクに課題が残ることを示しています。
説明空間に関する質問への応答学習は新規視点生成を改善できるか？
要約本論文は、三次元言語理解（空間的な質問への応答）の学習が新規視点画像生成に補完的な監督を与えられるかを検討しています。事前学習済みの統一マルチモーダルモデル（Mixture-of-Transformers構造）上に構築したAsk4NVを提案し、カメラ幾何情報を組み込み、モダリティ対応の注意マスクを用いた共同自己注意により理解特徴を生成に活用します。実験では新規視点生成で高い画質と幾何学的一貫性を示し、三次元言語理解でも競争力のある性能を確認しました。共同学習によりVAE表現における視点間の対応関係も向上したとされています。
説明Orbia：生成された動画は一貫した3D世界を形成するか？
要約本論文は、対話型世界モデルの3D一貫性を体系的に評価する初のベンチマーク「Orbia」を提案しています。受容的な探索と再訪を通じて、入力の保持、生成内容の持続性、3D自己一貫性の三次元で評価を行います。室内外の720件の事例と6種類の探索・再訪プロトコルを含み、27のテキスト・行動・カメラ条件付きモデルを評価対象としています。
説明生成のための表現条件付け（RECON）：拡散モデル後段層でも視覚意味情報を活用し、学習収束を高速化する手法
要約本論文は拡散トランスフォーマーの表現アライメント手法 REPA を対象とします。REPA は中間層に対してのみアライメント損失で視覚エンコーダの意味情報を取り込みますが、後段層は速度予測損失のみで監督されるため、その情報に十分アクセスできない可能性があります。著者らは、学習時に事前学習済み視覚エンコーダのトークンを後段層へ入力し、推論時には MLP ヘッドを代替として用いる表現条件付け（RECON）を提案しています。本手法はパラメータを追加せず、論文では SiT より 63 倍、REPA より 25 倍速く収束すると報告されています。
説明スパースな人間の指導を用いた実世界モバイルマニピュレーションのための階層型残差方策学習
要約本論文は、実機ロボット上で移動マニピュレーションシステムを安定かつ効率的に微調整するためのHiRe-MoMa（階層型残差移動マニピュレーション）フレームワークを提案しています。凍結された基礎方策に対して加法的な補正を学習し、その残差を移動台車とマニピュレータアームの二つのヘッドに分解します。さらに、訓練の20%未満にあたるスパースな人間の介入を用いて価値関数を調整し、TIAGo++プラットフォームでおよそ30分のオンライン相互作用により、タスク性能の向上を示しています。
説明拡散モデルによるヒューマノイド方策のニューラル重みの生成とその理解
要約本論文は、ヒューマノイドロボットの制御ネットワークの重みを直接生成的にモデル化できるかを検討しています。線形オートエンコーダでアクターネットワークのパラメータを潜在空間に圧縮し、Diffusion Transformerでその潜在分布を学習する潜在拡散フレームワークを採用しています。Unitree G1の強化学習ネットワークで学習し、生成されたネットワークは歩行、ダンス、スピンキックなどを実機で実行できました。さらに第1層の重みが運動学的な事前知識を反映しており、強化学習と模倣学習の両方で現れることを示しています。
説明VITAL：視覚的な動きから精密な行動へ（視覚由来の運動表現で運転行動を学習する手法）
要約既存の世界行動モデルは、視覚的な動力学とは独立に定義された軌道表現で行動エキスパートを学習することが多いと指摘しています。本論文は、視覚由来の運動の骨格と、その骨格が残す軌道誤差を符号化する小さな残差を組み合わせる行動トークナイザVITAL（Vision-Induced Tokens for Action Learning）を提案します。フローマッチングにより、現在の画像、自車状態、ナビゲーション指令から両成分を同時に予測します。NAVSIM v1 navtestでは1ステップの推論で90.8 PDMSを達成し、10ステップの結果との差は0.13点、推論速度は約3.29倍です。
説明CommerceGen-Studio：商用レベルの商品メイン画像生成のためのエンドツーエンドフレームワーク
要約本論文は、ECサイトの商品（SKU）向けに商用品質のメイン画像を生成するエンドツーエンドのフレームワーク CommerceGen-Studio を提案しています。情報抽出、意味的な書き換え、多条件生成の三段階で構成されています。本番環境では1日に数百万枚のメイン画像を、1枚あたり数秒で生成しているとされています。また、ベンチマーク CommerceGen-Bench を公開し、評価された公開モデルの中で総合スコアが最も高かったと報告しています。
説明DynThinker：静的3Dと動的4Dの空間推論を統合するフレームワーク
要約論文は、既存モデルが静的3Dと動的4Dの両方で優れた性能を出しにくいと指摘する。3D後処理学習は動的理解を弱めることがあり、4D特化モデルは静的3D推論が弱いことが多い。著者はこれを克服するため、D-EMAとSDFからなる統一フレームワーク「DynThinker」を提案し、9つの静的3D・動的4Dベンチマークにまたがる10指標で比較モデル中最高の平均スコアを達成したとしている。
説明言語エージェントの行動と予測の共進化（CoPE）：途中ステップの監督で長い手順の学習を効率化
要約本論文は、言語エージェントの強化学習が最終報酬しか使わず中間ステップの監督が活用されていない問題に対し、CoPEを提案する。成功した軌跡上で、各履歴に続く多段階の行動系列を生成するようモデルを学習させ、行動と予測を共進化させる。推論時は従来どおり一段階ずつ行動し、追加の計算負荷はない。ALFWorld、ScienceWorld、WebShop、τ²-bench、AppWorldの5つのベンチマークで、GRPOなどのベースラインを総合的に上回ったと報告されている。ScienceWorldではサンプル効率がECHOの最大1.9倍、GRPOの最大2.0倍とされる。
注目点多段階の行動目標という第三の教師信号を提案し、五つのベンチマークでGRPO等と比較して サンプル効率の向上を示しており、証拠は比較的充分である。
説明GeoThinker-F：高速な空間知能のための内生的予測世界表現
要約既存の幾何認識マルチモーダル大規模言語モデルは、構造的な事前情報を外部の3Dエンコーダに頼っており、推論時にその経路を実行すると遅延と計算負荷が大きくなります。本論文のGeoThinker-Fは、因果的なモデルの隠れ状態を予測的な潜在世界表現に変換する手法です。まず主幹を凍結し、軽量な予測ヘッドがオフラインの3D幾何専門家と次フレームの意味目標から学習します。次に外部専門家を取り除き、自己予測した事前情報を空間・時間融合モジュールで統合しながら共同最適化します。論文によれば、推論は最大3.6倍高速化され、遅延は1.45秒から0.40秒に減少し、空間推論性能も維持されます。
説明3Dガウシアン・スプラッティングのためのフィードフォワード型マルチビュー特徴符号化（MFGS）
要約本論文は、エンドツーエンドのフィードフォワード型シーン符号化フレームワークMFGSを提案しています。明示的なガウシアン表現を圧縮する代わりに、入力画像からマルチビュー特徴を抽出してコンパクトなビットストリームに符号化し、受信側が復号した特徴からガウシアンの属性を予測します。BD-rateで、「生成してから圧縮」方式と比べてRE10K、ACID、DL3DVで約99.76〜99.86%のビットレート削減を達成し、総GMACsは52〜55%減少、エンドツーエンドで約12倍の高速化を報告しています。
説明『Your Transformer Is Secretly Elastic』：再学習不要で事前学習済みTransformerを計算量に応じて伸縮できるモデルに変える手法
要約本論文は、事前学習済みのTransformerを、再学習なしで単一のモデルとして計算予算に応じて動的に調整できる形に変える手法を提案しています。MLPのニューロンとアテンションヘッドを共通の尺度で同時にランク付けし、多数のスパース性目標に対して同時にソフトプルーニングを行います。22Mから8Bパラメータまでの27の視覚・テキスト系エンコーダで評価され、スパース性60%まで性能が緩やかに低下し、深い剪定で一回限りのベースラインを上回ると報告されています。
説明エージェント市場における一価格オークションの無政府状態のコスト
要約本論文は、AIエージェントがユーザーのプロンプトを獲得するために入札する分散型市場で、一価格オークション（最高入札者が自身の入札額を支払い提示を得る方式）を分析します。入札者が本来の価値より低く入札する可能性があるため、配分が最適な厚生から逸脱し、その損失を無政府状態のコスト（PoA）で定量化します。著者らは、競争的な下限と条件付き独立に近い価値という二つの特徴がこの損失を抑えられることを示し、前者では損失をゼロに近づけ、後者では最適厚生の1−1/e²倍に近い効率保証を導くとしています。EmbedLLMのプロンプトルーティングデータセット上で、戦略的入札者によるシミュレーションで実証しています。
説明連続注意機構（Continuum Attention）：離散位置の代わりに連続軌跡上で積分して注意を計算する新手法
要約本論文は連続注意機構（CA）を提案します。隣接するキーと値のベクトルを区分線形の連続的なメモリ軌跡でつなぎ、クエリは可視な接頭辞上での正規化積分によって情報を取り出します。著者らは、積分が解析的に求められ微分可能であるとしており、因果マスクと標準的な Transformer デコーダ構造を保持します。バイトレベルの制御実験では、同条件の softmax 注意機構より正確な連続積分が優れていました。多言語評価では、CA はすべての評価言語で各ベースラインを上回り、最強のベースラインと比べて平均で 5.8% バイトあたりビット数（BPB）を削減しました。
説明学習可能なHodgeラプラシアン駆動のエキスパート混合モデル：粗い非構造メッシュ上の定常PDE代理モデルのための手法
要約本論文は、定常偏微分方程式の代理モデルに向けた構造を提案します。解を空間周波数の異なるスケールごとに、複数の標準Transformerエキスパートに分割し、その分割は高周波成分を測る離散Hodgeラプラシアン（Hodge Laplacian）に基づきます。翼型のAirFRANSベンチマークの縮小再メッシュ版では、Transolverと比べ相対L2誤差が31%、内部の平均二乗誤差が47%低減されたと報告されています。
説明Player-1：合成経験からゲーム操作を学習する手法
要約本論文は、デモンストレーションを超えて合成経験からゲーム操作を学習する後学習フレームワーク Player-1 を提案します。コンピュータ操作の行動空間に相対ポインタ移動、持続入力、複合動作を加え、16 個の合成 2D・3D 環境で PPO による多環境強化学習を行います。Player-1-9B は MineDojo-300 で 38.33% の成功率に達し、最強の比較基線 12.63% を上回り、ViZDoom-10 と GameWorld でも改善が見られたと報告しています。
説明テスト時学習によるLatent Compaction：長文書向けにKVキャッシュを小さく学習する手法
要約長い文脈を扱う大規模言語モデルでは、KVキャッシュがメモリと注意計算のコストを増やします。本論文はテスト時学習を用いて、文書ごとに小さなキャッシュを学習する「Latent Compaction」を提案します。学習中はモデルの重みを固定し、文書に関する汎用的なプロンプトのみを使い、後続の質問や回答は使いません。RULERでは32倍圧縮時に96.7%の精度を示し、比較対象のKVZip+は40.0%でした。Qwen3とMiniCPM5でも検索性能の向上が報告されています。
注目点テスト時学習でKVキャッシュを圧縮し蒸留で全体を最適化、RULERで32倍圧縮時に既存手法を大きく上回り、複数ベンチマークで検証。
説明同じタスク、複数のインターフェース：簡単な相互インターフェース一貫性学習でLLMエージェントの頑健性を向上
要約論文は、事後学習されたLLMエージェントが、アクション名の変更や表記の変更といった意味を保つインターフェースの摂動に弱く、性能が低下することを指摘しています。著者らは、動作名を情報のない識別子に置き換え、同じ学習サンプルを二つのインターフェースで提示する自己教師あり目的関数CIPR（Cross-Interface Policy Regularization）を提案しています。二つのインターフェース下で誘導される行動分布間のKLダイバージェンスを罰することで、方策を一貫させます。関数呼び出しタスクでは、未知のインターフェース摂動により精度が約25%低下したのに対し、CIPRは10.5%を回復し、元のインターフェースでの精度は維持されました。
説明LLM審査を超えて：エージェント型自動形式化のための機械的検証
要約本論文は、LLMによる忠実性審査に頼らず、Leanによる形式化を検証する新手法を提案する。LLMによる意味的レビューと、機械的な数値検査および空虚性検査を組み合わせ、検証可能なフィードバックを提供し、LLM審査で見逃される誤りを検出する。著者らはこの手法とExtract-Verify-Proof自動形式化パイプラインを用いて、NIST数学関数デジタルライブラリ（DLMF）の部分的形式化であるFLMFを構築した。3つの注釈付きデータセットで、評価された手法の中で最も低い誤り受理率を示した。専門家による確認では、既存データセットの翻訳およびソースの欠陥も見つかった。
説明批評に基づく同方策蒸留で信頼できる教師信号を取り戻す
要約本論文は、同方策蒸留（OPD）において教師モデルが学習者の誤った回答に対して正しい監督を与えられない「回復可能性」の問題を扱う。教師は誤りを認識できるにもかかわらず、学習者の誤りに従ってしまうことが示されている。提案手法CriticOPDでは、教師が誤った回答を批評し、学習者がその批評を受けて解答を書き直し、教師が修正版を採点する。二つのQwen3学習者モデルと六つの数学推論ベンチマークで、OPDより改善し、特に競技数学で大きな効果が見られたと報告されている。
説明いつでも、どこでも：世界状態中心のエージェント型動画生成フレームワーク
要約本論文は、長尺のエージェント型動画生成のためのATASフレームワークを提案します。脚本を場所・カメラ・イベント時刻を明示したショット要求に変換し、生成前にシーン記憶とイベント記憶から関連証拠を検索し、生成後はクリップを再構成して登録します。四種類の動画生成モデルで跨ショットの一貫性指標が改善し、空間の再訪やイベントの再現でも比較手法を上回ったと報告されています。
説明Manacá-1B-Instruct-2：ブラジルポルトガル語LLMの再現可能な安全性アライメント、DPOの負の結果と審査LLMの無言の失敗
要約本論文は、ブラジルポルトガル語向けにゼロから学習された1.72BパラメータのオープンモデルManacá-1B-Instruct-2の安全性アライメントを扱います。3回のDPO試行はいずれも失敗し、安全性は専用の安全SFTによって得られたと報告しています。安全SFTに混ぜる一般データの割合を変えた実験では、過剰拒否の曲線に40〜50%付近の折れ点が見られました。また、MT-Bench-PTの一部の安全項目では、LLM審査役が評価そのものを拒否することが示され、すべてのコードとデータが公開されています。
説明発見の拡大には忘却が必要：エージェントの探索状態を定期的に破棄し、自動研究の効果をさらに高める
要約本論文は、大規模言語モデルのエージェントによる自動研究を扱う。単一エージェントの反復を長くする、複数エージェントを並列に動かす、並列エージェント同士が通信するという三つの拡張方法は、いずれも履歴の蓄積により次第に頭打ちになると著者らは指摘する。そこで、各エージェントのセッションと候補の履歴を含む探索状態を定期的に破棄し、これまでの最良候補から再開する手法を提案する。ヒューリスティックプログラミング、カーネル最適化、モデル学習の四つのタスクで評価し、並列エージェントと比べて最大15%、単一エージェントと比べて最大39%の改善を報告している。
