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A³PreCore：ネイティブFLAIR空間での脳マスク転写のための頑健な剛体位置合わせ
要約本論文は、T1強調画像をネイティブFLAIR画像に六自由度の剛体位置合わせで合わせ、脳マスクの転写を安定させるA³PreCore手法を提案しています。また、マスクの範囲や形状などを多面的に評価する拡張定量品質管理（E-QC）も導入されています。78名の被験者で、fsl_anatでは21例に明らかな剛体のずれが生じた一方、A³PreCoreでは0例でした。
説明PhySGA：汎用的で対話的な3D構成のための物理空間に根ざしたエージェント型フレームワーク
要約本論文は、エージェントの探索と物理シミュレーションによって3Dオブジェクトを組み立てるPhySGAフレームワークを提案し、剛体・関節体・変形体に対応するとしています。全体計画と粗い調整を担う組立エージェント、シミュレータの状態診断と精密な閉ループ修正を担う批評エージェント、意味的計画を実行可能な物理プリミティブに写像するアクションルーター、試行錯誤の履歴から再利用可能な経験を抽出する自己進化型スキルライブラリで構成されます。Isaac Simでの実験で、関係の忠実度・物理的妥当性・視覚品質において既存手法を上回ったと報告しています。
説明対話型動画生成における投機的サンプリング：大きな双方向ウィンドウで画質と低遅延を両立
要約対話型動画生成では応答遅延を抑えるために小さな双方向チャンクが一般的に使われますが、本論文では、より大きなチャンクの方が画質が向上し、GPUの並列性もよく活用できるという予備実験の結果を示しています。提案手法の投機的サンプリング（Speculative Sampling）は、ノイズ潜在変数をパディングとして追加して変換ウィンドウを拡張し、条件が変わらない場合に予測結果を再利用するためにキャッシュします。予測は段階的に出力され、未確定の未来部分は差し替え可能なままです。著者らの遅延分析によると、チャンク境界による待ち時間の下限が解消され、最適化の焦点はチャンクサイズの縮小から、チャンクごとのサンプリングの高速化へ移ります。
説明AI が人間に与える影響のオープンベンチマーク（ImpactBench）：専門家が監修する、AI の人間への影響を総合的に評価するためのオープンプラットフォーム
要約本論文は、生成 AI モデルが利用者の心理・身体・社会的側面の幸福にどう影響するかを大規模に測定するため、反復改良可能で専門家が監修するオープンプラットフォーム ImpactBench を提案しています。26 のベンチマークから得た 809 の指標を用い、青少年と成人の場面を対比させた模擬的な多ターン対話で 10 の最先端 LLM を評価しました。対話は LLM 審査員が採点し、信頼性監査と人間の専門家による確認を経ています。その結果、望ましい行動を促した割合は 68.7%、害を避けた割合は 53.1% でした。
注目点専門家の構成概念と既存ベンチマークを実際のモデル挙動に基づく指標へ変換し、10モデル・48,540会話で評価した点に新規性がある。
説明PerSo：実世界の説得場面における大規模言語モデルの社会的知能の検証
要約本論文は、大規模言語モデルの社会的知能を評価するベンチマーク PerSo を提案しています。他者の心的状態を推論する認知知能と、社会的目標の達成に向けて適切な行動を選ぶ行動知能の両方を、Reddit の ChangeMyView コミュニティの実際の説得対話を用いて測定します。評価では、性能はおおむねモデル規模とともに向上する一方、次元によって差があることが示されました。
説明畳み込みニューラルネットワークによるジャガイモ葉の病害検出（ジャガイモの葉の病気を画像から自動判定する研究）
要約本研究は、ジャガイモの葉を健康、早期疫病、後期疫病の3種類に分類する軽量な畳み込みニューラルネットワーク（CNN）を開発しました。モデルはPlantVillageデータセットの2,215枚の画像で学習され、エチオピアのBanja地域の農場で撮影された247枚の独立した現場画像で評価され、現場での精度は90.28%でした。VGG16やMobileNetV2とも、性能と計算効率が比較されています。
説明局所的なモダリティ欠損下での信頼性を考慮したマルチモーダル感情予測
要約本論文は、テキスト・音声・映像の連続した区間が欠損した場合のマルチモーダル感情分析の性能を、整列済みのCMU-MOSEI特徴量を用いて検討しています。欠損位置を学習されたトークンで表すRM-Netを提案し、BERTのテキストモデルと融合しています。保持データ上の宏F1は、完全な入力で0.655、40%の混合欠損で0.634でした。ただし、この分割は開発中に確認されているため、盲検評価ではないと明記されています。
説明PrismaCoder：分解型ルーブリック合成による公開マルチモーダルコード知能の拡張
要約本論文は、プログラムの正しさ、構成の良さ、描画後の見た目を検査可能な基準に分解する合成ルーブリックを中核とするデータパイプライン「PrismaForge」を提案しています。このルーブリックは教師ありデータの絞り込みと、視覚コーディングタスクの強化学習の報酬の両方に用いられます。著者らはこれを用いて「PrismaCoder-2M」データセットを構築し、「PrismaCoder-9B」と「PrismaCoder-35B」の2モデルを訓練・公開しました。論文では、これらが公開モデルの中で大きく先行し、主要な非公開システムに匹敵するとしています。
説明関係深層学習のシンプルなベースラインを再検討
要約本論文は、関係データベース上でエンドツーエンドの予測モデルを学習する関係深層学習（RDL）において、単純な手法の有効性を検証しています。固定の低域通過特徴伝播を関係エンティティグラフに適用し、MLPで予測を行い、さらにCorrect-and-Smooth（ラベル伝播手法）で履歴ラベルを用いて予測を精緻化しています。RelBenchの分類・回帰タスクにおいて、近傍フィルタ済み特徴で学習したMLPは多くのタスクで対象エンティティ特徴のみの手法を上回り、異種グラフニューラルネットワークの性能の大部分に匹敵しました。
説明スケーラブルな潜在トークナイゼーションのための生成的表現学習
要約本論文は、生成モデリング用のトークナイザとして使える自己教師あり表現学習手法を提案します。データの点ごとの相互情報量を分解して表現損失を監督し、学習済み生成モデルの条件付き予測の情報差から推定します。DINOやLeJEPAが失敗する場合でも、次元崩壊や特徴抑制を回避できると報告されています。ImageNetとGPICでエンコーダのスケーリング則も示されています。
注目点生成モデルの点相互情報量分解を表現学習目標とし、ImageNetでFID2.18を示すなど、DINO等を上回る計算効率を実験で裏付けている。
説明ActiveEvidence：意思決定に焦点を当てた証拠グラフと検証可能な取得ギャップ
要約本論文は、マルチモーダルエージェントが視覚的証拠を取得すべきか、どの候補や解像度を照会するか、そして追加の対話が判断を変えなくなるのはいつかを研究している。反事実証拠交互作用グラフ（CEIG）と、ε決定証明書によって停止するギャップ指向の段階的精緻化手法を提案している。640件の事例での評価では、タスクスコアは0.842、証拠再現率は0.873、受理された呼び出しは平均1.74回、p95レイテンシは742msであった。
説明物理がそのままネットワーク：学習不要の高速ニューラルエミュレーション
要約本論文は、多項式力学の連続時間ニューラル表現と離散時間積分用の単純な再帰ネットワークを結合したPolyNetを提案している。支配係数が既知の場合は学習が不要で、既定の数値スキームを保持したまま効率的なハードウェア実行と並列シミュレーションが可能である。一次元Korteweg-de Vries方程式を用いて、有限差分Runge-Kutta solver（CPU・GPU）および学習済みの3種類のニューラルモデルと比較しており、PolyNetは数値solverに匹敵する精度を示し、GPU上で高いスループットを達成している。
説明エージェントの富：開発者をまたいでエージェント型AIを拡張する
要約本論文は、複数の開発者が協力してそれぞれのエージェントを組み合わせて構築する多開発者エージェントシステム（MDA）を提案しています。汎用アシスタントのベンチマークGAIAでは、個々のエージェントの精度が35%を超えない専門開発者の集団が、MDAとして組み合わせると70%に到達しました。これは、各専門家の開発予算の数倍をかけた単独開発の汎用システムの中央値を12ポイント上回る結果です。理論モデルも示され、専門化を促し、開発者資源をより効率的に使う仕組みが説明されています。
説明VASPO：特権的な価値推定を用いた自己蒸留ポリシー最適化（推論モデルの学習で教師の指導と価値評価を組み合わせる手法）
要約本論文は推論モデルの方策学習のため、VASPO という手法を提案します。自己教師による token 単位の指導と、批評器（critic）による将来報酬の予測を、PPO の枠組みの中で組み合わせます。著者らは、特権情報によって回答後半の価値予測精度が高まる一方、自己教師の指導は生成の中盤で弱まり終盤で再び強まることを示しています。6つの数学推論ベンチマークで、PPO と比べて Qwen3-4B と OLMo3-7B でそれぞれ平均精度が 2.59 と 1.81 ポイント向上し、Knights and Knaves では評価手法中で最も高い平均精度を達成しました。
説明公平な分類器を選ぶためのベイズ学習手法
要約本論文は、データストリーム上で分類器（AIモデル、大規模言語モデル、人間のラベラーなど）をオンラインで選択する問題を扱います。予測精度と機微属性にかかわるサブグループの公平性のバランスを取り、真のクラスラベルが遅れて届く場合にも対応することを目指します。著者らはこれを、トンプソン・サンプリングを用いたベイズ型多腕バンディット問題として定式化しています。表形式の分類器、大規模言語モデル、人間のラベラーを含む実データでの評価では、ベースラインと比べて後悔（リグレット）が大きく減少しました。理論面では、精度と公平性の両方を含む選択された分類器の性能保証を示しています。
説明縦断的電子カルテから発見された疾患経路の二段階臨床新規性優先順位付けフレームワーク
要約本論文は、縦断的電子カルテ（EHR）のグラフ解析で発見された疾患経路を対象に、二段階の優先順位付けフレームワークを提案する。事前学習済みの文埋め込みモデルで経路およびノードから終点までの意味的希少性を算出し、信頼性を調整した臨床優先度と組み合わせて約99,527個の分岐モチーフを順位付けする。高意味性サブグループでは分岐強化予測により条件付き事象時間の誤差が減少したが、意味スコアと予測利益の単調な関係は支持されなかったと報告している。
説明拡散言語モデルのためのオンポリシー残差学習（ORL）：モデルが自らの予測を繰り返し修正する学習手法
要約本論文は、拡散言語モデル（DLM）向けのオンポリシー残差学習フレームワークORLを提案し、デノイジング各ステップ間で予測分布を引き継ぐことで速度と品質のトレードオフを改善するとしています。モデル自身の軌跡から学習し、予測を鋭くするエントロピー収縮目標を導入し、非同期の残差キャプチャ・転送やブロック拡散注意機構などのシステム設計も含みます。著者らは、4BモデルでTPFが最大6.2倍、エンドツーエンドのスループットが約6.9倍向上し、品質は同等以上だと報告しています。
説明VascuSR：CT超解像のための反復型解剖認識拡散モデル
要約本論文は、3次元血管の明示的表現と反復フィードバックを組み合わせた拡散フレームワークVascuSRを提案し、CT画像の超解像で血管の誤った・不確かな再構成を抑えることを目指しています。再注釈されたMSD Task08およびHVMデータセットで評価され、セグメンテーション精度（Dice、clDice）および3次元血管構造の指標で補間法や学習ベースの基準手法を上回りました。画質は超解像の基盤モデルと同程度とされています。
説明ReaDy：ハイブリッド線形注意力モデルの再帰状態を動的文脈として用いる投機的ドラフト手法
要約本論文は、ハイブリッド線形注意力（HLA）モデルが履歴情報を蓄積する再帰状態を活用し、投機的デコーディングの各ドラフト位置に補助的な文脈を検索するReaDyを提案しています。軽量な状態リーダーが残差更新によってこの文脈を統合し、二段階の適応戦略を採用します。数学、コード生成、対話にまたがる7つのベンチマークで、自己回帰デコーディングに比べ平均3.16倍の高速化を達成し、すべてのベンチマークでDSparkを上回りました。
説明縦断的電子カルテに基づくグラフ強化型の疾病経路発見と時間的エンドポイント予測
要約本論文はMIMIC-IVの電子カルテを用い、疾病進行の経路を発見し終点イベントを予測するグラフ強化フレームワークを提案している。グラフ構築の前に患者を分割し、訓練データのみで連続受診間の遷移を学習し、Transformerで終点ごとに最大24個の分岐モジュールを検索する。イベント時間の平均絶対誤差は改善したが効果は期間によって異なり、生存予測での優位性は確認されなかった。
説明OLiVES：低照度映像の強調とセグメンテーションのための屋外ベンチマーク・データセット
要約本論文は、動的な屋外シーンの低照度動画を集めたベンチマーク・データセットOLiVESを提案しています。低照度動画の強調（LLVE）と動画オブジェクトセグメンテーション（VOS）の両方を支援することを目的としています。プロ仕様のシネマカメラで撮影され、25,000組以上の整列済み通常光・低照度フレームと46,000件以上のVOS注釈を含みます。最先端手法での評価により、このデータで学習すると両タスクの性能が向上することが示されています。
説明後知恵特権RLVR：グループサンプリングなしの単一ロールアウト型トークン単位クレジット配分
要約本論文は、完了した推論軌跡の実際の結果と検証器のフィードバックを用いて、各トークンの更新重みを与えるHP-RLVR手法を提案します。参照解や学習済み評価器は不要で、プロンプトごとのロールアウト数はGRPOの8分の1です。Qwen3-8Bでの比較実験では、数学、コード生成、ALFWorldのいずれにおいてもGRPOより速く学習し、全体の精度は同程度でした。
説明脳MRI基盤モデル表現に含まれるプライバシーリスクの定量化
要約本論文は、事前学習済みエンコーダで生成した脳MRIの埋め込み表現が患者固有の情報をどの程度保持しているかを検証しています。OASIS-2とMIRIADの2つの縦断T1強調画像データセットで、5種の凍結エンコーダを評価し、埋め込み、公開エンコーダ、補助MRIを持つ攻撃者を想定して患者の紐付けと性別などの属性推定を試みています。その結果、最もリスクの高い表現ではMIRIADで最大99%、OASIS-2で90%超のランク1一致が得られ、記録上の性別の平衡精度は90.9%（OASIS-2）と95.5%（MIRIAD）に達しました。埋め込みへの置換だけでは匿名性は確保されないと結論づけています。
説明単一の連続軌跡からの平均報酬方策の同定
要約本論文は、エージェントが単一の連続軌跡のみから学習する場合の標本複雑度を検討しています。平均報酬強化学習のために、どこで情報を収集すべきかを判断し、必要な標本を効率的に得られるようにするアルゴリズムを提案しています。準最適方策を同定するのに必要な相互作用回数の上界を示し、それに対応する情報理論的下界も証明しています。その結果、広いクラスの環境と十分高い精度のもとでは、単一軌跡からの学習は最悪ケースで状態・行動サンプルを自由に取得できる場合より難しくないことが示されています。
注目点単一の連続軌跡からの学習は高精度では自由サンプリングと同程度に困難であることを、上界と下界の一致で示し理論的理解を深めた。
説明分離型周辺シャープ化：学習不要の推論時スケーリング手法
要約本論文は、モデルの重みを更新せず、外部の報酬モデルも使わずに、大規模言語モデルの推論性能を推論時に高める方法を研究しています。著者らは、推論経路への偏りと最終回答への偏りを別々に制御する分離型周辺シャープ化（DMS）を提案し、アニーリング付き逐次モンテカルロ法のサンプラーと組み合わせています。MATH500、GPQA-Diamond、HumanEval、AIME24/25 での実験では、3つのベースモデルすべてで比較手法中最高の平均 pass@1 を達成したと報告されています。
説明『翻訳で失われるもの：偏見スコアの低下は、モデルがより公平であることを意味しない』：多言語バイアス監査の結論の信頼性を検証する研究
要約本論文は10の公開モデルを8言語で監査し、刻板印象スコアが全70組のモデルと言語の組み合わせで英語より低くなることを示しました。ヒンディー語、韓国語、スワヒリ語では、その低下が英語の言い換えで生じる変動を明らかに上回っています。ただし、平均スコアの低下だけでは、モデルが公平になったとは判断できず、項目ごとのスコアの対応関係も翻訳後には弱くなると指摘しています。また、バイアスの信号を静かに消してしまう3つの一般的なパイプラインの誤りを記録し、コードを公開しています。
注目点言い換えと項目単位の翻訳監査により多言語バイアス差の多くがノイズであることを示し、平均値では公平性を判定できないと論証している。
説明AdaRSI：身体性エージェントのためのオンデマンド再帰的自己改善フレームワーク
要約事前学習済みの視覚・言語・行動モデルは、未知の長期タスルの途中で失敗することが多いです。本論文のAdaRSIでは、コーディングエージェントがまずスキルと実行枠組みを改善し、保存した状態から失敗したサブステップを再試行して持続的な失敗の原因を判定します。そのうえで、信頼性の低いサブステップだけを、自ら収集したデモンストレーションと過去タスクの経験を用いて微調整します。RoboCasa365の50の目標タスクで、GR00T N1.5を実行器とし人間のデモを使わずに評価したところ、三つのスイートすべてで改善し、未知の複合タスクの成功率は4.6%から13.8%に上がりました。
説明SafeAdapt-Poker：対戦相手の変化下で予算制約付き適応を行う反事実リスク校正手法
要約本論文は、対戦相手の行動が変化した後、過去の対局履歴が誤解を招く可能性がある問題を扱います。SafeAdapt-Pokerは、各意思決定時に、固定された基準戦略からの逸脱によって生じる局所的な戦略リスクと、残りの逸脱予算を使うことで失われる将来の適応価値の両方を評価する逐次制御手法です。累積KL発散の台帳により基準からの総逸脱量を制限します。Leducポーカーや抽象HUNLなどで評価され、利得やリスク、予測精度などの結果が報告されています。
説明ChronoCulture：大規模言語モデルの文化認識の時間的変化を評価する研究
要約本論文は、72か国の縦断的調査データから構築した10,360組の時系列ペアからなるベンチマーク「ChronoCulture」を提案しています。各ペアは同じ国で同じ質問を古い年と新しい年に行った結果で、母集団全体の回答分布を正解として用いています。六つの大規模言語モデルを評価した結果、モデルはある時点の国の態度をある程度予測できる一方、その変化を確実には捉えられず、異なる年の予測が互いに近い値にとどまることが分かりました。プロンプトで対象年を指定しても、調査結果との一致は全体として大きく改善しませんでした。
説明RoLaQ：マルチヘッド潜在注意力における2ビットKVキャッシュの回転と範囲の同時較正
要約本論文は、マルチヘッド潜在注意力（MLA）の2ビットKVキャッシュを対象とした、オフラインの量子化較正手法RoLaQを提案している。凍結された鍵・値投影で定義される部分空間内で共有回転を改良し、量子化範囲を同時に学習する。三つのMLAモデルと六つのベンチマークで、比較した2ビット手法の中で最も高い平均精度を示した。DeepSeek-V2-Liteでは、SGLang実装が同じメモリ予算でBF16のKV容量の3.96倍、256K入力トークンでのデコード速度は2.51倍を提供するとされる。
説明選択的成長型Qネットワーク（SGQN）：分離型Q学習における適応的アクショングリッドの分析
要約本論文は、連続制御の価値ベース強化学習において、行動の離散化の解像度が探索と最終精度のトレードオフを生むという問題を扱います。著者らは、一様に細かくする代わりに、高Q値の隣接ビンを追加し低Q値のビンを削除する適応的アクショングリッドを用いたSGQNを提案し、八つのDMControlタスクで比較しています。ただし著者らは、適応グリッド自体が結果の主因ではなく、粗いグリッドからの開始とε貪欲選択が重要であると分析しており、単一要素に優位性を帰属させてはいません。
説明例から学ぶ：表形式基盤モデルによる電力網定常状態解析
要約本論文は、事前学習済みの表形式基盤モデルTabPFNが電力網の定常状態解析向けの汎用ニューラルソルバーとなり得るかを検討し、潮流予測、N-k事故スクリーニング、電圧安定度余裕予測の3課題で評価しています。118母線および2000母線系統で、再学習や微調整なしに、タスク専用モデルと同等または上回る結果を得たと報告しています。
説明同じCER、異なる被害：OCR向けの重大度加重文字誤り率
要約本論文は、OCRや視覚言語モデルで標準的に使われる文字誤り率（CER）を改良した指標semCERを提案する。CERの整列方式と分母は維持したまま、LLM評価器が各書記素の編集に重大度を割り当て、単語分割は行わない。英語、ベトナム語、中国語では、その重み付けが読者による編集ごとの評価と概ね一致した。研究者は、判定された6,100万件の編集、集約された読者評価、蒸留された評価器を公開している。
注目点字形編集ごとに重大度を重み付けしたCER変種を提案し、読者評価と大規模判定で検証しており、OCR評価に実質的な改良を与える。
説明MolLean：化学推論のためのプロセス検証可能な言語
要約本論文は、思考連鎖に含まれる構造や性質に関する誤った主張を抑えるため、明示的な分子状態に基づいて化学推論を行うMolLeanを提案している。Leanベースの階層型カーネルが分子の読み出しに対する状態遷移と主張を検査し、MolLean-MCPは生成中に検証フィードバックを返す。8,800件の対応する例と12タスクでの評価では、Qwen3.6-27Bにおいて全体トレース精緻化が直接的な思考連鎖を全タスクで上回り、反応タスクではMolLean-MCPがより高い性能を示した。
説明同じ主張、異なる解釈：LLMエージェントは科学的主張の曖昧さをどう処理するか
要約本論文は、科学的主張は表現が不完全なため複数の妥当な解釈が成り立つ一方、既存の検証エージェントは多くの場合暗黙に一つを選んでいると指摘します。著者らは、証拠収集の前に解釈を九つの欄に記録し、それぞれ「明示」「推論」「既定」と標示する Claim Cards を提案しています。材料科学と生物医学の60件の主張で GPT-5.4 エージェントを計900回実行した結果、カード自体は専門家ラベルとの一致を改善しなかったものの、一つの欄を変更すると約3分の1の主張で判定が変わりました。
説明定性推論と四値論理を用いた道路シーン理解における自動原因判定
要約本論文は、自動運転における道路シーン理解のため、時空間推論とBelnapの四値論理を用いて、自車の動作（停止、減速、左折など）の複雑な原因を定式化する手法を提案しています。道路上の実体間の時空間関係を抽象的に表す定性的説明可能グラフ（QXG）を分析して原因を算出します。提案手法の有用性はNuScenesデータセットから抽出したいくつかの場面で示されています。
説明L2G-SR：学習型構造検証器で大規模言語モデル型記号回帰を導く手法
要約記号回帰は、観測データを説明する数式を探索する手法です。数値誤差のみで探索を導くと、構造は誤っていても精度の高い近似式が選ばれることがあります。本論文のL2G-SRは、学習した構造検証器で探索を導くフレームワークです。木編集距離（TED）を用いて構造の教師信号を作り、親の選択で数値誤差を補完します。LLM-SRBenchでは、評価した大規模言語モデルの基盤とドメインにおいて、数値適合、方程式レベルの精度、TEDで最先端の結果を示しました。
説明力学関連 TPMS メタマテリアルのためのトポロジー認識表現学習
要約本論文は、大域的な構造連結性を明示的に符号化するため、永続ホモロジーを DMAE バックボーンに組み込んだトポロジー認識表現学習の枠組みを提案する。永続性に基づくマスキング戦略と補助的な永続ホモロジーデコーダにより、連結成分、トンネル、空洞の数といった位相特徴の情報を潜在表現に保持させる。2 つの TPMS データセットで、構造ファミリーおよび力学特性の分類、教師なしクラスタリング、回帰を評価し、有効性を示している。
説明COUNT：N-gram を数えてホストメモリでのスケーリングと学習不要の適応を実現する手法
要約本論文は、学習パラメータを増やさずに、事前に計算した N-gram の出現回数をホストメモリに保存して N-gram 埋め込みを構成する COUNT（Counting Offline Unlocks N-gram Transformers）を提案しています。固定の計算予算のもとで、10 億パラメータの言語モデルの事前学習に追加入力埋め込みとして用いると、計算量を 57% 多く使ったモデルと同程度に検証損失が改善したと報告しています。さらに、推論時にドメイン固有コーパスから得た別の N-gram 計数表へ切り替えることで、学習なしで新しいタスクに適応できるとしています。
説明不一致は何を意味するか？ペア選好学習における意味の識別可能性の境界
要約本論文は、ペア比較データに現れる不一致が何を反映するのかを検討します。安定した潜在的異質性、一時的な確率的ゆらぎ、強制的な二択インターフェースに隠れた非二値的な回答のいずれかが考えられます。著者らは、全体的な方向性選好、持続的不一致、非二値の割合という3つの量からなる潜在意味モデルを提案し、二値フィードバックだけでは全体的選好のみが一意に定まり、残り2つは実行可能領域内で変動することを証明しています。同一アノテータの反復回答と棄権を許す回答により全要素を識別でき、理論はシミュレーションデータで検証されています。
説明コードLMにおける因果的構文回路：予算とプローブが「局所化」に見えるものを決める
要約この研究は、プロンプトで言語が指定されない場合にコードモデルがPythonを書く傾向が、モデル内部の少数の見つけられる構成要素によって生じるのかを検証しています。著者らは10のオープンなコードモデルと3つの対象言語にわたる55の設定で、平均消去、活性化パッチング、貪欲な回路抽出、ランダム対照検定、活性化ステアリングからなる同一の手順を実行しました。偏好の大きさは主にプローブに依存し、局所化の判断は保持できる構成要素の数に左右されることが報告されています。
注目点55の設定で体系的に比較し、局在性の結論がプローブと予算の選択に依存することを示した点は既存の回路研究への実質的な再検討である。
説明TurboMamba：語彙メモリにより推論・学習の高速化と予測精度の向上を図る言語モデル構造
要約本論文は、言語モデル構造 TurboMamba を提案しています。グローバルな Mamba-3 モデルは完了したトークンブロックごとに一度実行され、小型 Transformer がその全体文脈とブロック内の先行トークンを使って次のトークンを予測します。局所予測を改善する軽量な追加機構も3つ含まれます。公開データ FineWeb-Edu 上で、Transformer、Mamba-3、Jamba、Zamba などを含む12の小規模モデルと比較した結果、TurboMamba は平均テスト予測損失が最も低く、学習スループットとバッチ推論の速度も向上したと報告されています。
説明IneqAgent：記号計算を組み合わせ、Lean で不等式を証明するエージェント型フレームワーク
要約本論文は、LLM の推論と記号計算を組み合わせて Lean4 上で不等式を証明するエージェント型フレームワーク IneqAgent を提案している。補題レベルのモンテカルロ木探索により、補題の構成、目標の書き換え、記号計算バックエンドの選択を調整する。4 つのベンチマークで、DeepSeek-V4-Flash を用いた IneqAgent は 186 問中 175 問（94.09%）を解いた。また、Dittert 予想の次元 4 と 5 における Lean 検証済みの強化形も得ている。
注目点モンテカルロ木探索と記号計算バックエンドをLean不等式証明に統合し、Dittert予想の強化やMerris予想の4次元版を検証、実験規模も大きい。
説明「精度の井戸」：微小初期化での精度の非単調な変化
要約本論文は、初期化を小さく設定した場合の分類モデルの学習中の精度の変化を調べ、精度が早期に急上昇した後に低下し、かなり後になって回復する現象を「精度の井戸（accuracy well）」と名付けています。この現象は、深層線形ネットワーク、MNISTに対する全結合ReLUネットワーク、CIFAR-10に対する深層畳み込みネットワーク、人工的な合成タスクで観察されています。著者は、目標駆動的な組織化、退化のボトルネック、その後の再編成と回復という三段階でこれを説明し、線形ネットワークについて理論的分析を示しています。
説明乳児の指紋：品質評価と認識
要約本論文は乳児の指紋をどのように評価し認識するかを検討したものです。乳児の指紋は隆線が細かく、採取時には不随意の動きや皮膚の付着物、指先の押し付けムラの影響を受けやすく、成人向けの既存の品質基準は適合しません。著者らは新生児から生後3か月までの6つの年齢層からなる縦断データセットで、10種類の指紋品質評価手法を評価し、パラメータ調整によって再較正しました。調整後のパラメータは、多くの手法と年齢層で既定設定より優れており、乳児指紋認識の信頼性向上に寄与することが示されています。
説明SwarmRSI：進化する科学エージェント群による再帰的自己改善
要約本論文は、科学研究エージェント群が自らの実験経験を通じて研究能力を再帰的に改善するフレームワークSwarmRSIを提案する。他エージェントの実験フィードバックを用いて仮説と実装を修正するフィードバック誘導型群変異と、エージェント間で保持された仮説や補完的なプログラム要素を再利用する補完的群再結合を組み合わせ、フィードバックループとして統合している。OpenProblems、NatureBench、MLE-Bench Liteでの実験で最先端の性能を示し、蓄積された研究経験は未見のタスクでも性能を向上させた。
説明信頼性の高い順序付き分子通信のための継続学習
要約本論文は、生体ナノマシンが指定された順序で分子にエンコードされた情報をやり取りする順序付き分子通信を扱い、実験条件の複雑さを段階的に高めながら通信プロトコルを評価する、シミュレーションに基づく新手法を提案します。提案手法はアフィンメモリリプレイ（AMR）と呼ばれ、生体ナノマシン間の通信性能を推定する継続学習（CL）モデルを構築します。AMRは過去のシミュレーションサンプルを保存し、過去のサンプル間の補間と外挿により追加のリプレイサンプルを合成します。段階的な性能推定タスクでは、過去のサンプルと合成サンプルを再生してモデル更新を正則化し、以前の知識を保ちつつ新しい実験条件に適応させます。実験結果では、逐次的に学習される推定タスク全体にわたって推定精度を維持する点で、既存のCL手法を大きく上回りました。また、適度な訓練コストで記憶の安定性と学習の可塑性のバランスを取れることが示されています。
説明質問応答タスクにおけるRAG（検索拡張生成）モデルの性能分析
要約本論文は、南アジアの多言語環境における文化的な質問応答で、RAG（検索拡張生成）モデルがどの程度有効かを調べています。文脈なし、文脈あり、RAG併用の回答方式を比較し、文化的な問いと非文化的な問い、人気のある問いとそうでない問いで結果がどう異なるかを検討しています。最適化されたハイブリッドRAGシステムの設計に役立つ要因の抽出を目指しています。
説明OrionMoE-v1.0：表形式データのインコンテキスト学習向け混合専門家基盤モデル
要約本論文は、分布を考慮した表現とデータセット条件付きのスパース混合専門家計算を組み合わせた、小型の表形式基盤モデル OrionMoE-Small-v1.0 を提案します。二軸 Transformer 構造に基づき、合成分類タスクのみで事前学習され、勾配による調整なしで下流予測を行います。複数の表形式ベンチマークで、はるかに大規模な基盤モデルと競合する性能を示し、小さな文脈や高次元データセットで特に良好な結果が報告されています。
説明信頼できないものから利用可能なものへ：LLMによるエンティティ抽出の失敗モードと信頼度シグナルの分解（サイバー脅威インテリジェンスにおける証拠）
要約本論文は、大規模言語モデルが長文書から実体を抽出する際の信頼性の低さという課題に対し、公開された354件のインシデントキャンペーンのコーパスで、事前登録・凍結された評価を行っています。低コストの2モデルと旗艦モデルを比較した結果、抽出精度は依然として低く、主な失敗は幻覚ではなく背景言及と対象範囲の欠落であることが示されました。自己一貫性頻度による信頼度の階層化は順位付けには有効なものの真偽を検証できず、1文の摂動で高信頼度の判断が覆ることがあります。論文は、信頼度の階層化は確認の優先順位付けにのみ使うべきで、真偽の判定には使えないと結論づけています。
説明オンライン凸最適化における少数の専門家の追跡
要約本論文は、専門家の助言からの予測問題の連続版を扱います。学習者は、わずか m 人の専門家から選び、最大 k 回切り替える比較対象に競争する必要があります。離散の場合は既に最適な効率的アルゴリズムがありますが、本論文は行動空間が連続なオンライン凸最適化における同種の問題を検討します。離散化による非効率なアルゴリズムの後悔は Õ(md+k)、既知の最良の効率的アルゴリズムは Õ(dk) です。超グラフ平面クリーク予想の下で、任意の多項式時間アルゴリズムには少なくとも (k√d)^(1−o(1)) の後悔が生じる事例が存在すると示し、この計算上の非効率性が本質的であることを示します。
説明SAMに曲率を考慮した適応的摂動を導入する手法（領域ごとに摂動の強さを変える）
要約本論文は、SAMが固定の摂動半径を用いて局所曲率を無視するため、摂動が小さすぎたり大きすぎたりする問題を指摘しています。著者らは、シャープネス比に基づいて摂動半径を調整するCAP-SAMを提案し、より頑健な平坦な極小値の探索を目指します。非凸確率的設定において標準SAMと同じ収束速度を持つことを証明し、CIFAR-10、CIFAR-100、ImageNetの複数のネットワーク構造でSAMやその主要な派生手法を上回ったと報告しています。
説明スパースオートエンコーダのデータ効果の逓減：機能的な動作が良くても特徴の再現性は保証されない
要約本論文は、スパースオートエンコーダ（SAE）の学習にどれだけの活性化データが必要かを、4種類のアーキテクチャと3つの言語モデルを用い、5Mトークンから500Mトークンの基準までの量で検証したものです。再構成などの機能的指標は小さなデータ量でも完全データの水準に近づく一方、特徴の一対一の再現性はデータ増加とともに改善し続けることを示しています。また、ランダム抽出と多様性に基づく抽出の比較や、理論的分析も行われています。
説明検証可能な報酬による強化学習では、モメンタムはいつ役立つのか？
要約本論文は、検証可能な報酬を用いた強化学習（RLVR）における一次モメンタム（指数移動平均）の効果を検討しています。バンディットモデルで解析し、勾配が正確な場合はオーバーシュートしない範囲で係数βを大きくすると最適化が加速することを示しました。勾配がサンプルから推定される場合は、学習率と(1-β)の比を安全な範囲に保てば、消えない利得が得られると述べています。シミュレーションとQwenモデルの実験により、より大きな係数を選ぶ原則が支持されています。
説明ラベルノイズ抑制を学習するハイブリッド教師ありインスタンスセグメンテーション
要約本論文は、低コストのバウンディングボックス注釈と高精度のピクセル単位注釈を組み合わせて用いるハイブリッド型のインスタンスセグメンテーション手法を提案しています。前景と背景の誤ラベル、およびインスタンスの誤ラベルによるノイズを抑制する2つの補助モデルを設計し、ボックス注釈から高精度な擬似ラベルを得ます。PASCAL VOC 2012およびCityscapesでの実験では、注釈コストを大幅に抑えつつ競争力のある性能を示したとされています。
説明超球面対照表現が計画と探索を可能にする：事前データや報酬なしで立方体タワーを学習する自己教師あり強化学習手法（C-Slerp）
要約本論文は、事前データ、報酬、デモンストレーション、事前学習済みモデルなしで、ゼロから最大8個の立方体のタワーを積むことを学習する自己教師あり強化学習アルゴリズム C-Slerp（球面線形補間による対照的計画）を提案している。対照的表現を再利用可能な部品として繰り返し合成し、球面線形補間（Slerp）によって中間のウェイポイントを閉形式で推定する。別個の高レベル方策の学習やグラフ探索は不要で、表現の幾何から各目標到達問題の難易度に応じてウェイポイント数を調整できる。長期的なナビゲーションとロボット操作の課題で成功を示し、強力なベースラインが一度も成功しない設定も含まれる。固定数のウェイポイントを使うと性能が大きく低下することも、アブレーションで示された。
説明事後頻度と当てはめない代償：記憶化下界の修正
要約本論文は、Feldmanの記憶化下界で訓練標本中の出現頻度に基づく係数が、条件付き形式と平均形式の両方で誤りうることを、三点からなる厳密な反例によって示している。一部の標本化事前分布では、提案された罰則と実際の超過リスクの比が指数関数的に増大し、一様な正定数による修正は成り立たないとされる。原モデルを保ったまま、全標本の事後確率を用いた厳密な置き換えを与えている。
説明言語モデルを「優雅に失敗」するよう訓練する：信頼できない場合に安全なフォールバックへ移行する手法
要約強化学習はモデルに推測を促すことがあり、成功時のみ報酬が得られるため、安全なフォールバックは常に不利になると論文は指摘しています。著者らはGracefulRLを提案し、可能な限り成功する振る舞いを維持しつつ、行動が信頼できない場合には安全なフォールバック方策を実行するよう学習させます。この振る舞いは結果レベルの報酬信号だけから生まれ、フォールバックのタイミング注釈や検証器などの追加機構は必要としないとされています。
説明ニューラルオペレータによるHRTFのアップサンプリングと個人化
要約本論文は、疎な測定値から連続的な頭部伝達関数（HRTF）場を再構成するニューラルオペレータSPAROを提案しています。測定値を学習された球面潜在モードに射影し、Transformerで処理して任意の方向で復号します。SONICOMデータセット（LAP24測定構成）では、測定点数3から100までのすべての疎密度で対数スペクトル歪み（LSD）と両耳間レベル差（ILD）誤差が最良であり、100点では最強のベースラインに比べLSDが18%、ILD誤差が43%低くなりました。両耳間時間差（ITD）誤差は競争力を維持しています。また、高密度HRTFの再構成はRANFより15～373倍高速です。HUTUBSデータセットでも有効性を確認しています。
説明Cortex：文脈をパラメトリックメモリへ統合する手法
要約本論文は、文脈によって得られた大規模言語モデルの性能向上を、文脈を取り除いた後も失わないようモデル内部へ取り込む「メモリ統合（Memory Consolidation）」を提案しています。提案手法Cortexは、文脈が使われる場面を予測するクエリを生成し、文脈条件付きの出力を、統合可能な低ランクまたは構造的なフィードフォワード網の更新へ蒸留します。4Bから120Bまでの多様なモデルで、ほとんどの設定において統合と保持のパレート最前線上に位置しました。14Bモデルで50回連続の事実編集を行った後も、Cortex-Structuralは文脈による向上の88.9%を回復し、元の非対象性能の99.8%を維持しました。
注目点文脈の利得をパラメトリックな記憶へ内在化し、編集・スキル学習・振る舞い制御を統一的に扱う新しい枠組みと手法で、多様なモデルでの評価が充実している。
説明ガウシアンはどこに置くべきか？CTシネマティック描画のための、予算制約付きガウシアン・スプラッティング向け再利用可能なラベル認識配分手法
要約本論文は、ガウシアン数が固定されている場合に、CTの3Dガウシアン・スプラッティング描画で血管を保つためガウシアンをどこに配置するかを研究している。患者ごとの最適化を行わずに、CT画像、解剖学的ラベル、伝達関数から位置を直接決める再利用可能な配分手法を提案し、ニューラルネットワーク事前分布と7パラメータの閉形式の2種類を示している。未学習の20名の患者では、両手法とも血管領域のPSNRが一様配分や枝刈りより明確に高かった。
説明二次ネットワークにおけるスペクトル非可識別性と学習曲線の識別可能性
要約本論文は、中心化された二次ネットワークにおけるスペクトル要約とスカラー学習曲線を研究している。1次元および2次元のガウス周辺分布をもつ解析的な正の入力密度を構成し、その構成のもとでアンカー付きスペクトル測度は等しいが、特定の教師モデルについては損失曲線が異なりうることを示す。さらに、各種の問い合わせ方式に必要なサンプル数を分析し、有理的に独立な教師スペクトルの条件下では、厳密なスカラー損失曲線一本から初期予測器と教師スペクトルを識別できることを述べている。
説明人間による修正から学習されるセグメンテーションへ：情報・学習・人的労力に関する批判的数学レビュー
要約本論文は批判的な叙述的レビューであり、人間による修正がいつ有用な学習に変わるのか、また同じ人的労力でより良いセグメンテーションを得るにはどうすればよいかを検討しています。能動学習、機械教育、対話型セグメンテーション、逐次的予測評価を、共通の数学的枠組みで比較しています。現在のマスクの修正と再利用可能な学習、シミュレーションされた対話と人間による証拠を区別すべきだと論じており、新しいアルゴリズムや経験的な優位性の主張は行っていません。
説明FOLD：長文脈の投機的デコーディングのための位置フリーの遠距離メモリと局所順序の手法
要約本論文は、大規模言語モデルの長文脈における投機的デコーディングを高速化する、学習不要の手法 FOLD を提案します。直近の位置情報は正確に保持し、遠方のエントリーはすべて共有位置を持つ遠距離メモリとして扱います。メモリが増えたときの注意の希薄化に対しては、メモリ内の注意を鋭くし、局所ウィンドウに対する総重みを別に制御します。6 組のターゲットモデルとドラフターの組み合わせ、最大 256K トークンの多様なベンチマークで、多くの場合最も高い高速化率を示し、最良の場合は自己回帰デコーディングに対する高速化率が 2.08 倍から 4.22 倍へと 2 倍以上に向上しました。
説明STP-GUI：Web GUIエージェント向けの空間認識型トークン削減手法
要約本論文は、視覚言語モデルを用いるWeb GUIエージェントで、高解像度のスクリーンショットや多段階の履歴が大量の視覚トークンを生み、推論負荷が大きい問題を扱っています。提案手法STP-GUIは、指示に基づくトークン評価を保ちつつ、空間的に連続したウィンドウ単位で選択を行い、ボタンやアイコンなどの小さな要素の局所構造を維持します。Online-Mind2Webでは21%のトークンを残すことで全トークン時の性能の77.7%を保ち、推論遅延を31%、FLOPsを57%削減しました。Android in the Wildでの結果から、モバイルGUI環境にも転用可能だと示唆されています。
説明関連性から妥当性へ：機能・文脈検証によるゼロショットのツール選択
要約大規模言語モデルのエージェントは未知の領域で作業することが増え、意味的な関連性だけでは新しい文脈でツールが機能するかを保証できません。本論文は、関連性に加え、エンドポイントに基づく機能的適合性とタスク条件下の文脈的根拠を組み合わせる段階的な検証フレームワークを提案しています。領域間・データセット間の転移実験では能力ランキングが一貫して改善し、機能や文脈があいまいな場合に効果が大きいと報告されています。アブレーション実験では、機能検証と文脈検証がそれぞれ補完的に寄与することも確認されています。
説明修復前に予測する：エージェント型画像修復のための事前予測学習
要約本論文は、ツールを実行する前にその結果を予測する画像修復エージェントPreActIRを提案しています。各ツールについて、残留劣化、画質、忠実度の変化と、有害となるリスクおよび予測の不確実性を予測します。独立した検証器が出力を採用するかロールバックするかを決めます。固定条件の制御実験では、実行後に評価する従来の試行錯誤に比べ、実ツール呼び出しが42.5%、拒否された呼び出しが63.4%少なく、Y-PSNRは0.92 dB向上しました。
説明重み付き中央値による仮説選択：サンプルから候補分布の中で目標分布に最も近いものを選ぶ研究
要約本論文は、既知のn個の候補分布の中から、未知の目標分布からのサンプルを用いて全変動距離が目標に最も近いものを選ぶ問題を扱います。著者らは、O(ε⁻²log(n/δ))個のサンプルと O(nε⁻²log(n/δ)) の計算時間で、確率1−δ以上で d_TV(P,H) ≤ 3·min d_TV(P,H_i) + ε を満たす分布を返すアルゴリズムを提示しています。先行研究に比べ、失敗確率δへの実行時間の依存が多項式から対数に改善されています。
説明トリアージから影響へ：説明可能なペルシア語ヘイトスピーチのためのマルチホップ推論ベンチマーク
要約本論文は、ペルシア語のヘイトスピーチを細かく分析するためのマルチホップ推論ベンチマークを提案します。コンテンツのトリアージ、対象の特定、手法と道徳的基盤の分析、根拠の抽出、有害な物語の推論、深刻度の評価を含みます。大規模言語モデルの評価では、より細かな意味的・推論的理解が必要な課題ほど性能が低下し、中間推論ステップを加えると深刻度予測が改善しました。ベンチマークは公開されています。
説明ReAl：動的フローの整合により神経演算子を精緻化する手法
要約平均二乗誤差で学習したニューラル偏微分方程式の代理モデルは、高周波成分や微細構造を失いやすいです。本論文は、既存の代理モデルに後付けできるモデル非依存のプラグイン「ReAl」を提案します。精緻化段階では条件付きフローマッチングで決定論的予測まわりの残差分布を学習し、整合段階では同一入力から複数の軌道を生成し軌道レベルの報酬で精緻化器を強化します。多様な代理アーキテクチャと偏微分方程式課題での実験で、高周波の忠実度、予測精度、長期安定性が一貫して向上したと報告されています。
説明視覚文書検索を効率化する、クロスモーダルなクエリ洗練を用いたカスケード型検索手法SCOUT
要約本論文は、表・図・レイアウトを含む視覚的に豊かな文書からの情報検索を扱います。提案手法SCOUTは2つのトラックからなるカスケード型検索で、視覚トラックでは軽量な親検索器で候補を絞ってから多ベクトル再ランカーで順位付けし、意味トラックではオフラインで生成したページ・文書要約を検索します。両者の結果はクロスモーダルなクエリ洗練によって統合されます。4つのベンチマークで6つのベースラインと比較され、クエリ時のレイテンシは最良のベースラインに対して最大80.7倍（平均28.8倍）改善し、NDCGは最大7.8%向上したと報告されています。
説明AIエージェント・コミュニティにおける語彙の持続と意味定着の欠如
要約本論文は、AIエージェントのコミュニティMoltBook（8週間）を、中国語の人間向け掲示板PTT（19年）および英語のフォーラムReddit（同じ8週間の期間）と比較しています。AIコミュニティでは語彙は広がり続けるものの、意味の時間的依存性は人間のプラットフォームより弱く、意味のずれは約2倍、近傍語の安定性は20〜30%低いことが示されています。著者は、語彙の拡散だけでは通時的な意味の定着は保証されないと解釈しています。
説明分数階の方が良い：ニューラル演算子学習における学習可能な導関数次数
要約本論文は、ニューラル演算子の入力表現を改良する手法を検討し、偏微分方程式の微分構造に合わせた導関数特徴を入力に加えることを提案している。導関数特徴の提供により近似誤差の上界が改善されることを理論的に示し、最適な導関数次数は偏微分方程式の階数より厳密に小さいことを明らかにしている。さらに、任意のニューラル演算子に学習可能な分数階導関数特徴を付加する手法 ∂-NO を提案し、複数のベンチマークで予測精度が向上したと報告している。
説明AIエージェントも噂話をするのか？人間とAIエージェントのオンラインコミュニティにおける評価的な会話
要約本研究は、不在の第三者への評価的な会話（噂話）を、AIエージェントのコミュニティであるMoltbookと、台湾の人間が運営する大規模掲示板PTTとで比較したものです。AIの側でも噂話は生じるものの、その頻度はPTTより2.6〜6倍低いことが示されました（分母の取り方により異なります）。後続の返信では、異論が出る割合が人間のスレッドで65.1%、AIエージェントのスレッドで21.3%でした。
説明専門家のランキングを超えて：混合精度MoE量子化のためのコントラスト較正
要約本論文は、トークンごとに一部の専門家（expert）のみを活性化するMixture-of-experts（MoE）言語モデルの量子化を扱い、感度の高い専門家により高いビット幅、耐性の高い専門家により低いビット幅を割り当てる手法を提案しています。提案手法NatScaleは、勾配ベースの専門家重みをべき乗変換で情報理論的なコントラスト目標に較正しつつ順位を保持し、ゲート・up・down各構成の出力誤差と組み合わせて記憶容量の制約下で構成を選択します。3つのモデル・9設定において、5つの割り当てベースラインより原モデルと量子化モデル間のKLダイバージェンスが最小、先頭トークン一致率が最高となり、7設定では最も低いパープレキシティを示しました。
説明ReferFlow：複雑な参照表現理解における最終ターゲット定位を超えて
要約本論文は、マルチモーダル大規模言語モデルの指示表現理解（REC）評価が最終ターゲットの定位のみに偏っている点に着目し、順序付けられた複数の定位ステップで中間の視覚的参照を扱う軌跡レベルのRECを提案しています。評価用にReferFlow-Benchを構築し、Refinement、Shift、Reset、Mixtureの4種類の軌跡を設定しています。さらに、状態付き領域潜在推論と軌跡対応の並列デコーディングを組み合わせたReferFlow手法と、Grounding-Aware GRPOによる学習を提案しています。著者らは、一般的なRECベンチマークとReferFlow-Benchで先行する性能を示したと述べています。
説明任意のロボット本体向けの後学習データとしての人間のデモ：手ではなく物体をリターゲティングする
要約本論文は、スマートフォンなどの簡易な機器で記録した人間のデモから、手の動きではなく物体の姿勢・接触区間・出所付きの3D再構成のみを用いる手法を提案します。URDFと簡単な記述ファイルで与えられた任意のロボットを、物体の実演運動を正解としてシミュレーション上で評価し、組ごとに合格、命名された失敗モード付きの失敗、または動作前に理由を示した拒否のいずれかを返します。42件の録画、8台のロボット、157組を分析した結果を報告し、この記録でまだ方策を学習した例はないと述べています。
説明リフトド状態方策最適化（LSPO）：遷移幾何による自己修正の内在化
要約本論文はリフトド状態方策最適化（LSPO）を提案し、各テキスト回答に学習可能な連続座標を付与して、エネルギー関数で評価・順序付けされるリフトド状態を構成します。編集とステップのコストを差し引いたエネルギー低下を報酬として学習させ、選ばれた低エネルギーの回答を直接生成器へ内在化させます。Qwen3.5-27B では、単一パスの方策が数学・科学・コード・論理のベンチマーク全体で 71.8% の正答率に達し、テスト時の反省（71.9%）とほぼ同等で、レイテンシは 28%、トークン数は 25.8% 少なくなっています。
説明NeuroDETR：非同期脳波イベント検出のための多スケール離散時空間トークン化手法
要約本論文は、推論時に事件の境界を事前に与えることなく、連続した脳波記録からイベントの種類と開始・終了時刻を直接検出するNeuroDETRフレームワークを提案している。多スケール時間コードブック、空間ピラミッド型VQ、イベント認識型スパースアテンションモジュールFOCALを組み合わせた手法である。著者らは、多様なパラダイムを含む8つの脳波データセットで最先端の性能を示したと報告している。
説明オプション付き平均報酬Q学習の非漸近収束性に関する研究
要約本論文は、時間的に拡張された階層的行動（オプション）を含む、平均報酬型強化学習におけるQ学習アルゴリズムの有限サンプル収束性を研究している。単鎖仮定の下で、オプション間・オプション内の両方のベルマン作用素が多段階スパン縮小性を満たすことを示している。これに基づき2種類のオプションQ学習を提案し、均二乗の意味で約1/反復回数の収束速度を与えている。
説明Doc2Harness：コーディングエージェントの長期的ハーネス工学におけるLLMの能力を測るベンチマーク
要約本論文は、コーディングエージェントを動かすハーネス（周辺実行基盤）を大規模言語モデルがどこまで構築できるかを直接評価するベンチマーク「Doc2Harness」を提案する。モデルはインターフェースのみの契約骨格と、十二の最先端ハーネスの挙動をまとめた開発文書を基に、隔離されたコンテナ内で完全なハーネスを構築し、その後スクリプト化されたモックモデルによって端から端まで動かされる。十九の最先端モデル、328のテストケースでの評価では、最高の通過率は53.05%、最低は27.44%で、失敗はクロスカット機能のモジュール分割に集中していた。
説明タスク認識型欠損値補完はいつ重要か：訓練とテストの不一致下での頑健性分析
要約本論文は欠損値を、タスク条件付き最適化問題の変数として扱う統一フレームワークを提案します。訓練時とテスト時の両方に欠損がある場合と、訓練データのみ欠損がある場合の二通りの実装を示しています。98の表形式データセットで評価し、36のデータセットで訓練とテストの不一致に対する頑健性を検証しました。その結果、再構成誤差は予測性能の指標としては不十分であり、困難な不一致の場面では、タスク認識型補完の勝率が最大80%に達したと報告されています。
説明InfiniSplat v2：任意視点からのフィードフォワード3DGS再構成の分析と改良
要約本論文は、入力画像から直接ガウシアンによる3Dシーンを生成し、大きな視点変化の下で新規視点レンダリングを行うInfiniSplat v2を提案する。幾何分支を凍結して幾何と属性の予測を分離し、学習時には真のカメラ姿勢で予測ガウシアンを整合させ、大角度の目標視点による監督を採用する。六つのデータセットで、姿勢条件付きと姿勢なしの両設定において、評価した手法の中で平均LPIPSとDISTSが最良の水準に達した。姿勢条件付き設定では、最強の比較基線に対しそれぞれ25.8%および32.9%低下した。
説明無制限入力に対するTransformerの学習動態：注意機構の学習は出力層の学習より遅れうる
要約本論文は、可変長の無制限入力に対する浅層Transformerの学習過程を研究し、注意機構と出力（フィードフォワード）層の学習をどう分離できるかを扱っています。星なし言語の認識タスクでは、1ステップの注意更新の後に出力層を学習させる方法は失敗すると示しています。一方、出力層の更新、注意の更新、出力層の微調整という3段階の勾配降下法では学習できるとしています。さらに、他の言語認識、回帰、文脈内学習のタスクでも、注意学習が出力層学習より遅れることが有益だと報告しています。
説明統合的文書解析と視覚要素記述生成：Read-Parse-Describeデータセットと手法
要約本論文は、ページ画像から、バウンディングボックス、意味ラベル、読み順、認識テキスト、図表などの代替テキストを含む順序付きレイアウト要素リストを出力させるデータセット Read-Parse-Describe を提案している。データセットは2,402文書、18,163ページ、125,218のレイアウト要素、11,338の視覚要素からなる。また、多層の視覚特徴を再利用し格子認識の空間情報を注入する、プラグアンドプレイ型の空間認識拡張モジュールを提案している。実験では、既存システムは読み順と視覚的意味を同時に復元することが難しいが、提案モデルは高い総合性能を示したと報告されている。
説明TreeFlex：エージェントが自らの探索木をナビゲートする手法
要約本論文は、エージェントが中間状態を要約付きで探索木のノードとして記録し、同一の言語モデルが木のどのノードから再開するかを決める TreeFlex フレームワークを提案しています。学習には過程報酬を加えた木対応の GRPO 強化学習を用いています。報告された結果では、深い研究型ベンチマークで正答率 48.8%、SWE-bench Verified で 54.9% の課題を解決し、比較対象の手法を上回っています。
注目点エージェント自身の方策が探索木上で再開地点を選ぶ設計で新規性が高く、二つのベンチマークで比較実験により裏付けられている。
説明一段階生成はそこまで複雑に考える必要があるのか？
要約拡散モデルとフローマッチングは連続データの生成で主流の枠組みですが、推論時に複数回のネットワーク評価が必要です。本論文は二段階の学習法「Priming Models」を提案し、まず再構成目的で学習させたのち、特徴空間での分布的な後学習を行います。著者らは、この再構成段階だけで分布的学習の困難を解消できるとし、類別条件付き画像生成、テキストから画像生成、世界モデリングで、学習計算量と生成品質のトレードオフを改善したと報告しています。
注目点再構成と分布学習の二段階による一段階生成を提案し新鮮な知見を示す。ImageNetで従来の約十分の一の計算量でSOTA級FIDを達成し、複数タスクで検証。
説明論証グラフ不確実性：推論連鎖の論理構造から不確実性を定量化する手法
要約本論文は、単一の思考連鎖（chain-of-thought）の論理構造から、大規模言語モデルの多肢選択問題に対する確信度を推定する事後型の手法を提案します。推論を命題単位に分割し、自然言語推論（NLI）モデルで二つの論証グラフを構成して、答えの選択肢上のディリクレ事後分布を求めます。GPQA、MMLU-Pro、TruthfulQA において、トークンベースおよび一貫性ベースの基準手法を上回り、既存手法と補完的な信号を捉えるとされています。
説明Anuvani-Diarization：インドの22言語にわたるゼロショット話者分離と注釈規約の研究
要約本論文は、インドの公用語22言語の会話を対象に、話者分離（誰がいつ話したかを判定する処理）を検討する。自己教師あり型のエンドツーエンド分割モデルをインドの会話に適応させ、不確実性を考慮した銀ラベルで学習したAnuvani-Diarizationを提案している。1,164件の録音での時間加重の分離誤り率は16.78%で、比較した全システムの中で最も低く、既発表の最良結果（16.0%）に次ぐ水準である。また、ベンチマークの発話単位の注釈規約が結果を1.9〜4.1ポイント左右すること、他のインド言語の書き起こしから学んだ規約は転用できないことを示している。
説明リアルタイムISAC向けビームフォーミングにおけるDLベース到来方向推定器の比較評価
要約本論文は、ISAC（統合センシング・通信）のビームフォーミング処理において、従来手法と学習ベースの到来方向（DoA）推定器、およびアンサンブル構成を比較するための統一的な評価枠組みを提示しています。SVDベースのビームフォーミングと組み合わせ、推定精度、推論遅延、ビーム重み生成時間、実効スペクトル効率を同一条件で検証しています。結果として、RCNNが精度・計算効率・ビームフォーミング性能のバランスに優れ、リアルタイムISAC展開の有望な候補だと述べられています。
説明静的な手がかりを超えて：二重フロー軌跡解析によるMLLMバックドアの統一的動的検出
要約本論文は、マルチモーダル大規模言語モデル（MLLM）へのバックドア攻撃を検出するEVO-Detectフレームワークを提案します。静的なスナップショットではなく、デコード初期段階における内部信号の動的変化を監視し、注意フロー（Attention Flow）とlogitsフロー（Logits Flow）の二つの経路で分析します。大規模な評価で、BYEやTCAPなど既存の基準手法を多様な攻撃種類で大きく上回ったとしています。
説明ロボット方策向けの効率的なテスト時適応手法（TEMPO）
要約本論文は、強化学習で学習したロボット歩行方策が、凹凸や滑りやすい地形、積載物の変化、センサー劣化などの環境変化で性能を落とす問題を扱い、報酬なしで実行中に自己教師ありで方策をオンライン適応させるテスト時適応（TTA）を研究している。提案手法TEMPOは、エントロピー正則化と、優先度付きリプレイに着想を得た記憶機構を組み合わせ、大きな変化下でも更新を安定させる。MuJoCo PlaygroundのGo1、Go2、G1および実機のUnitree Go2での実験では一貫した改善が示され、単一デバイス設定で最大約80%の向上が報告されている。
