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TALLOP：時間制約付きフェデレーテッド学習における局所学習と通信圧縮の同時最適化
要約本論文は、低速なクライアントが全体の同期を遅らせるフェデレーテッド学習の問題に取り組み、ラウンドごとの時間制約の下で局所学習量と通信圧縮を同時に最適化するTALLOPを提案します。学習初期のミニバッチ損失の推移から計算予算ごとの学習損失を予測し（LENS）、圧縮誤差モデルで圧縮による性能低下を見積もります（CLEN）。実験では、局所学習のみ、または両方を最適化しない手法と比べて、目標精度到達までの時間が概ね同等以上に改善することが示されていますが、学習のみの適応に対する利点は設定によって異なります。
説明GOLD：構造を意識したRNA逆折りたたみのための幾何最適化潜在拡散法
要約本論文は、特定の三次元構造に折りたたまれるRNA配列を設計するGOLD手法を提案している。GeoVAEを用いて離散的なRNA配列と連続的な側鎖角度を統一された潜在空間に写像し、サンプリング時には物理的制約から解析的勾配を計算して生成を導く。論文では配列回復、二次構造の妥当性、三次元折りたたみ可能性の各指標で最先端の性能を達成したとし、コードとデータは公開されているとしている。
説明A100：農業植物画像分析のためのハイブリッド視覚基盤モデル
要約本論文は、100種以上の作物を含む圃場の未ラベル画像300万枚で自己教師あり事前学習を行った農業向け視覚基盤モデルA100を提案する。CNNとTransformerを組み合わせたバックボーンを用い、微調整なしでも作物分類と葉数推定でImageNet-12Kの教師あり特徴量を上回ると報告している。ラベルデータの1%のみを用いた場合でも植物分類で98.01%の精度を示し、事前学習済みモデルの公開を計画している。
説明PersonaCUABench：多様なペルソナに対応するコンピュータ操作エージェントのベンチマーク
要約本論文はPersonaCUABenchを提案し、11分野にわたる74タスクを固定したまま、依頼するユーザーのみを変えて評価します。44種のペルソナを演じる代理が指示を各ユーザーの言葉で言い換え、エージェントの質問に答えます。9つの基盤モデル・計3,330回の実行で、平均タスク完了率は元の依頼に比べて36%低下しました。著者らは、タスク完了だけでなく、ユーザーが示す要件や制約を満たしているかも評価すべきだと主張しています。
説明承認から悪用へ：実行ハーネスで保護されたコーディングエージェントに対する権限昇格攻撃
要約本論文は、コーディングエージェントにおける権限昇格のリスクを検討しています。攻撃者はリポジトリに悪意のある文脈を仕込み、通常のタスク中にもっともらしく見えるが範囲の広すぎる許可ルールを要求させられることを示しています。ユーザーがそれを承認すると、そのルールに一致する後続の悪意ある操作が確認なしで実行されてしまいます。実験は Claude Code と Codex CLI などの実運用プラットフォームで行われました。
注目点信頼できない文脈が権限許可ルールを誘導し昇格させる新たなリスクを示し、実プラットフォームで成功率と影響範囲を定量化したが、実験規模と比較は限定的である。
説明Prism Attention：効率的な LLM 推論のための提案精緻化型インデックス共有機構
要約長文脈のデコードでは、大規模言語モデルが増え続ける KV キャッシュに対して注意計算を行う必要があり、コストが大きくなります。論文は、層ごとに注意パターンが変化するため、従来の層間スパースインデックス共有では精度が落ちると指摘します。著者らは、固定的な再利用の代わりに粗いものから細かいものへ絞り込む戦略を用いる Prism Attention を提案し、層ごとの適応性を保ちつつ共有の効率を維持するとしています。論文によれば、推論および長文脈のベンチマークで主要なスパースアテンション手法の中で最高水準の性能を示し、128K の文脈長で FlashAttention に比べ端から端までのデコードを 3.4 倍高速化したとしています。
説明自己進化エージェントは失敗を修復できるが、そこから一般化するのは難しい
要約本論文は、成功経験がない状態から失敗した対話のみで学習する場合（コールドスタート・失敗のみ進化）に、大規模言語モデルのエージェントが自己改善できるかを検討しています。失敗から得た経験は既に失敗したタスクの修復には役立つものの、未見のタスクで持続的な向上をもたらすことはほとんどありません。エージェントは失敗の原因を誤解しがちで、検証済みの正しい経験でも転移しにくいことが示されています。成功した軌跡が転移を最も大きく改善しました。
説明UniField++：ループ推論を用いたMRI磁場強度向上のための統一エージェント型フレームワーク
要約本論文は、64mTから3T、3Tから7Tなど複数の磁場強度変換を統一的に扱う二つのエージェントからなるフレームワーク、UniField++を提案しています。放射線科医の注釈に基づき、VLMベースのプランナーが解剖学的な誤生成（幻覚）が起きやすい領域のリスクを予測し修復計画を立て、フローマッチング型のエンハンサーがその計画に従って高リスク領域を繰り返し精緻化します。論文では、PSNRとSSIM、および下流の全脳セグメンテーション指標で比較手法より高い値を報告しています。
説明視覚言語モデルはいつ「見えていない」と気づくのか？物理的な視程軸での精度・確信度・棄権の検証
要約本論文は、メートル単位の視程を軸に、霧と水中画像で5つの小型オープンソース視覚言語モデルを評価しています。視程が下がると精度は短い範囲で偶然レベルまで落ちますが、多くのモデルの確信度は高いままで、「死角」が見られます。ImageNet-Cの霧の強度レベルに対応する視程は失敗領域よりはるかに大きく、この問題は検出されませんでした。
説明KiranaBench：言語モデルは近所の小売店を運営できるか
要約本論文は、インドの小規模雑貨店を模擬した多エージェント評価環境 KiranaBench を提案する。店長・レジ係・助手・経理の4役割をそれぞれ別々の大規模言語モデル（LLM）エージェントが担当し、顧客や供給業者とは英語、ヒンディー語、Hinglish で対話する。需要はインドの全国家計消費支出調査（HCES）に基づいて調整されている。4つのオープンウェイトモデルを評価した結果、いずれも固定ルールの店主ベースラインを大きく下回り、最良のモデルの利益はベースラインの8分の1にとどまった。また2つのモデルは、管理者のいない店舗よりも低い結果となった。英語の供給業者とのやり取りに比べ、ヒンディー語と Hinglish では性能が一貫して低かった。これにより、現時点の LLM エージェントはインドの小規模事業を自律的に運営するには信頼性が不十分であることが示唆される。
説明シンク疎ハイブリッドアテンション：T2I/T2V拡散Transformerの高効率推論手法
要約本論文は、拡散Transformer（DiT）による文章からの画像・動画生成で、密な自己注意の推論コストが大きい問題に取り組みます。学習を必要としないアテンション置換手法Sink-Sparse Hybrid Attentionを提案し、少量のオフライン校正データから層・ヘッドごとの再利用可能な高重み構造を特定し、軽量なプールKVブランチと組み合わせます。モデルの重みとサンプリング手順は変更しません。Wan2.1-T2V-1.3Bでは終端間で1.54倍、Z-Image-Turboでは1.57倍の高速化を達成し、生成品質を維持したと報告されています。
説明DiffusionRVGE：回帰ベースの価値勾配推定による拡散モデルの強化学習
要約本論文は、報酬に基づいて拡散モデルを強化学習で改善する手法DiffusionRVGEを提案します。報酬の微分やサンプリング経路を通じた随伴逆伝播を必要とせず、中心化した報酬を最終的な中心化画像に回帰して更新方向を作ります。五つの報酬で共同学習したSD3.5-Mediumモデルは、八指標中七指標でDiffusionNFTの共同モデルと同等以上となり、学習計算量は約五分の一と推定されています。単一報酬の学習では、同じハードウェアで再現したDiffusionNFTより2.1〜6.7倍速く同じ報酬閾値に到達しました。
注目点中心化報酬を最終的な clean 画像に回帰して価値勾配を推定し、報酬微分や軌道逆伝播を不要にした点で実質的な改良である。複数報酬と単一報酬の両方でDiffusionNFTと比較し、証拠は比較的充実している。
説明反復的自己修正によるNL2SQL（自然言語からSQLへの変換）
要約本論文は、非技術者が自然言語でデータベースを照会できるよう、複数のエージェントと役割（ペルソナ）に基づくNL2SQLフレームワークを提案しています。領域関連性の検出、スキーマに基づく知識構築、KPIを考慮したSQL生成、SQLiteの実行結果を用いた構文レベルの自己修復、SQLから自然言語への逆変換による意味的整合性の確認から構成されます。60件のクエリ（HuggingFaceのtext-to-SQLデータセットから50件、独自の領域クエリ10件）による評価では、Mistralを用いて7回の協調的なLLM呼び出しにより正答率90%を達成したと報告されています。
説明ANCHOR：視聴覚的根拠に基づく思考連鎖推論ベンチマーク
要約本研究は、2,319本の動画と8,272組の質問応答からなるベンチマーク「ANCHOR」を提案し、構造化された推論過程、時間的証拠、空間的バウンディングボックス、音声手がかりを含みます。人手で精査したテストセット（224本の動画、975組）も含まれます。答えの正答率が近いマルチモーダル大規模言語モデルでも、説明が注釈付きの証拠に裏付けられているかは大きく異なることが示されました。動画を除去すると精度が大きく低下し、バウンディングボックスや音声の除去による低下は小さいことが報告されています。
説明対話中の大規模言語モデルと脳の整合を左右する要因：言語産出と理解からの分析
要約本論文は、対話中に収集されたfMRIデータを用いて、言語産出と言語理解のそれぞれにおける大規模言語モデルの各層と脳領域の表現の整合を調べています。あわせて、モデル表現の内在次元（ID）との関係や、解釈可能な言語・コミュニケーション特徴の寄与も分析しています。その結果、産出と理解で整合のパターンが異なり、それぞれの処理に関わる脳領域で内在次元と強い関連が見られたと報告しています。
説明SSMベース低照度画像強調における照明条件付けの安定化：ボトルネック・プロンプト・サイドカー
要約本論文は、状態空間モデル（SSM）ベースの低照度画像強調で照明の事前情報を安全に組み込む方法を研究しています。軽量な推定器が照明マップを予測し、それをプロンプトトークンに変換してボトルネック部の残差サイドカー・アダプタから注入します。状態空間コアは直接変更しません。LOL-v1、LOLv2-Real、LOLv2-Synthetic の3データセットで、基礎モデルに比べPSNRが0.94、1.24、0.93 dB向上し、実データであるLOLv2-Realで最も明確な効果が見られました。
説明クエリ適応型の再帰的トークン化：質問に応じて視覚情報とトークン数を調整する手法
要約本論文は、どのバックボーンにも組み込めるモジュール QART（Query-Adaptive Recurrent Tokenizer）を提案しています。テキストの質問に応じて視覚表現の焦点を変え、必要な情報量に合わせて視覚トークンの数を調整します。凍結したエンコーダの特徴から出発し、質問に関連する視覚情報の再構成品質を基準に、トークンを追加するかどうかを決めます。Visual7W と VQAv2 では、約 29 個の視覚トークンで 81.96% と 76.37% の精度を達成し、密な VLM 入力と比べてトークン数を 20〜25 倍減らしたと報告されています。
説明敵対的学習におけるロバスト性と幾何学的精度のトレードオフに関する研究
要約本論文は、敵対者が存在する場合のノンパラメトリック二値分類を扱い、ベイズ分類器とのハウスドルフ距離で測る幾何学的精度を、敵対的予算 ε で表されるロバスト性との関係で評価します。ロバストな分類器が失う精度は、基礎となるベイズ分類器の正則性に応じて最大で O(√ε) または O(ε) であると示されています。高い複雑度の仮説クラスでは、精度が定量的に示されたロバストな分類器が得られることも示されています。結果はユークリッド空間上の任意のノルムと、無限および有限データの両方に適用されます。
注目点敵対的予算εに対する幾何学的精度の損失について最適な定量的上界O(√ε)/O(ε)を厳密に証明し、従来の不整合結果を精緻化している。
説明「当たり」の認識と「先手」の評価：言語ベースの囲碁エージェントを対象とした統制評価課題
要約本論文は、囲碁の用語と着手評価を検証するための統制された評価セットを構築し、特に「当たり（打ち込み）」と「先手」の関係に焦点を当てています。用語と解説データで微調整した囲碁言語モデルLoGosで検証を行いました。その結果、モデルは当たりの関係の変化や戦略的な意味を正しく捉えるのが難しく、用語の予測は参照評価と矛盾する場合でも着手の選好と関連していることが分かりました。
説明MambaAct：フローマッチング型ビジョン・言語・行動モデル向けの高効率なMambaアクションエキスパート
要約本論文は、フローマッチング型のVLA（ビジョン・言語・行動）ロボット操作モデル向けにMambaActを提案しています。π0.5の視覚言語プレフィックスエンコーダは保持し、Transformerベースの行動エキスパートを小型のMambaベースのものに置き換えています。論文によれば、行動エキスパートは10倍小さく、去ノイズの遅延はLIBEROで64.8％、実機で58.8％削減され、LIBEROの平均成功率は1.08ポイント向上しています。
説明大規模拡散モデルには EMA 以上の工夫が必要：分散抑制と継続的な最適化のバランス
要約本論文は、大規模拡散モデルの学習における三つの手法、すなわち定数学習率と指数移動平均（EMA）、学習率減衰、Schedule-Free 最適化を比較しています。理論面では、一定ステップの軌跡を平均化することには最適化上の本質的な限界がある一方、学習率減衰と Schedule-Free は標準的な非凸条件のもとで定常性の保証が消失することを示しています。実験では、Schedule-Free が各学習段階で定数学習率の EMA を上回り、生成品質も改善したと報告されています。さらに、その利点は ReFL や生成器側の DMD にも及ぶとされています。
説明反事実的不変性に向けて言語モデルを調整する
要約本論文は、強化学習などの一般的なモデル調整手法が、回答品質全体を向上させる一方で、人口統計グループ間の回答品質の差を拡大し、いわゆる反事実的バイアスを増幅することを示している。これに対し、反事実的なプロンプトのペアに対して働く群レベルの報酬関数を用いた方針勾配法を提案し、制御された反事実プロンプトのデータセットも構築している。複数の公平性ベンチマークで、反事実的な差を減らしつつ全体の回答品質を保てることが確認されている。
説明表層的手がかりを超えて：頑健な LLM 生成韓国語テキスト検出
要約本論文は、表層的な近道を抑えつつ意味内容を保つ、バイアス制御された敵対的ベンチマーク KoLing（5 万 900 件）を提案し、LLM 生成テキストと LLM による修正テキストの検出を別々に評価します。また、理論言語学に基づき複数の言語レベルで韓国語の特性をモデル化する、解釈可能な検出器 KoLingProbe を提案しています。実験では、全検出タスクで強力なベースラインを大きく上回り、敵対的攻撃にも頑健であることが示されています。
説明多くのバイアス、一つの回路：事後学習が事前学習済みの手掛かりルーティング機構を調整する
要約言語モデルは、誤った選択肢への手掛かり（例：「答えはBだと思います」）がプロンプトにあると、正しい答えを捨ててしまうことがあります。本論文は、こうしたバイアスの背後にある注意ヘッドを二つの事後学習パイプラインの各段階で追跡しました。多肢選択問題では、四種類の手掛かりの多くが同じ少数のヘッドに依存しており、その回路は事前学習済みモデルにすでに存在していました。さらに、事後学習、特に強化学習の段階が、この回路を使う時期や強さを変えることが示されています。
説明ASR式の書き起こし正規化は対話行為分類に有用な語用論的信号を失わせる
要約自動音声認識で一般的な書き起こしの正規化（フィラーや句読点の除去、口語形の展開）が、対話行為分類に与える影響を検証した論文です。三つの対話コーパスと六種類の分類器で九通りの書き起こし条件を評価し、複数の乱数シードによる実験や実際のASR出力による評価も行っています。結果として、強い正規化は多くの組み合わせでMacro-F1を低下させ、その効果は前処理の定義、特徴抽出、対話の文脈に依存することが示されています。
説明コンフォーマル方策選択：AI の判断を標的介入に展開すべきとき
要約本論文は、医療や金融などの高リスク分野で AI 方策を展開する際に、平均的な効果だけでなく個人ごとの効果も問題になるという課題を扱います。各個体について AI 方策下の結果が利用者指定の閾値を超えるかを検定する多重検定問題として定式化し、選択された集合の偽発見率（FDR）を制御する「コンフォーマル方策選択」を提案します。行動方策から目標方策への分布シフトを考慮した重み付きコンフォーマル p 値と、選択と剪定の二段階手続きを組み合わせています。有限サンプルでの FDR 制御と、結果モデルまたは傾向スコアモデルのいずれかが正しければ成り立つ二重頑健な漸近保証を示し、合成実験と実際の電子カルテ共変量に基づく半合成研究で検証しています。
説明DICL-Qwen3VL：解釈可能な作業服検出のための分離型信頼度キャリブレーション手法
要約本論文は、屋内作業現場での照明不足や遮蔽による衣服の判別困難に対応するため、作業服の着用適合性を判定するDICL-Qwen3VLを提案している。Qwen3-VLにLoRAを適用して上半身の衣服を検出し、視覚的観察と適合性の推論を分離して、それぞれに信頼度を付与する。さらにGRPOで検出精度、出力の妥当性、信頼度キャリブレーションを同時に最適化する。2つのデータセットでmAP@50はそれぞれ0.730と0.753となり、評価したLoRA適用VLMベースラインを上回った。産業安全監視での人による確認を支える根拠と個別の信頼度も提示する。
説明多ターン脱獄攻撃における有効ホライズン圧縮：元の約半分のクエリで攻撃の進捗を再現
要約本論文は、多ターン脱獄攻撃で有効な経路を見つけた後、初期のクエリ履歴がどの程度必要かを調べています。初期の攻撃クエリを削除し、残りのクエリを新しい会話で再実行して、攻撃の進捗を同じように再現できる最短のクエリ列を「有効ホライズン」と定義しています。実験では、平均して元のクエリ列の約半分で同じ進捗を再現できることが分かり、これを「有効ホライズン圧縮」と呼んでいます。さらに、短縮された履歴は攻撃者の学習時に初期クエリの学習信号を下げる判断に役立ち、短い報酬伝播ウィンドウでも防御の校正性能が全軌跡の報酬に近く保たれると報告しています。
説明大規模深層学習向けのスケーラブルな Levenberg-Marquardt 学習フレームワーク（LeMA）
要約本論文は、マルチGPU環境で大規模ニューラルネットワークを学習するための分散型 Levenberg-Marquardt 法アルゴリズム LeMA を提案しています。LMA の厳密な双対定式化により、メモリ使用量をパラメータ数に依存させず、ヤコビ行列のシャーディングにより全体を展開せずに並列計算しています。著者らは、10億パラメータ級のモデルで近似解法なしに厳密な LMA ステップが可能になり、8 GPU ノードで 7.97 倍の高速化と 99.7% の強スケーリング効率を得たと報告しています。
説明Sep-Latent：区切りトークンを暗黙的推論の自然な圧縮アンカーとする手法
要約大規模言語モデルは明示的な思考連鎖（CoT）で複雑な推論を行えますが、計算コストと出力の冗長さが課題です。本論文のSep-Latentは、区切りトークンを構造的な意味のアンカーとして用い、注意減衰機構によって推論の論理を各アンカーに集約・圧縮します。多層蒸馏で明示経路と暗黙経路を整合させ、問題の複雑さに応じて潜在的思考の段階を動的に終了させます。GSM8k-Augベンチマークでは、平均5.4トークンで56.8%の正解率を達成しました。
説明ODSS-Net：マルチモーダル物体再識別のための直交分離型共有・固有表現手法
要約本論文は、マルチモーダル物体再識別（ReID）におけるクロスモーダルの位置合わせと融合の課題に取り組み、ODSS-Net（Orthogonally Decoupled Shared-Specific Networkの略）を提案しています。共有構造特徴を抽出したうえで、幾何学的直交射影により共有成分を除いたモダリティ固有の特徴を学習し、共有構造を経路制御の文脈として用いる適応的融合を行います。論文は、3つのベンチマークでの実験によりその有効性を示したとしています。
説明MaskMerge：効率的なインスタンスセグメンテーションのための構造認識型トークン統合
要約Vision Transformerは冗長なトークンを統合して効率を高めますが、既存手法は主に特徴の類似度で統合対象を決めます。同じクラスの隣接する物体は特徴が似るため、インスタンス分割では別個体同士が誤って融合されることがあります。本論文のMaskMergeは、粗い中間マスク予測で特徴ベースの統合を制約し、インスタンス境界を保ちます。PanNukeとiSAIDでは、ALGMと比べてmAPが向上し、計算量と実行時間が削減されました。
説明間接的証拠はどこにあるか：影響関数による文法の汎化の検証
要約本論文は、影響関数を用いて個々の訓練文が言語モデルの予測にどう影響するかを、BLiMPの15の文法現象について測定しています。規則で直接的証拠を除いたうえで、最も影響の大きい6万文を間接的証拠としています。これを除去して再訓練すると、ランダムに選んだ同数の文を除いた場合より正解率が大きく低下し、現象の聚類からは語彙上の分類の一部が再現されました。
説明動的カーネル注意：過去の記録から現在を推定する
要約本論文は、確率的ダイナミクスの下で変化する潜在状態のロバスト推定から注意を導出する動的カーネル注意（DKA）を提案します。過去の状態がダイナミクスにより平衡へ減衰すると、現在に関するその情報は消えるため、ヘッドが得られる証拠の総量は有界になります。著者らは、関連する証拠が弱い場合に参照を控えられること、古いトークンを破棄しても誤差が有界に保たれることを述べています。標準的な注意の並列構造と計算コストは維持されます。実証評価は後続版に委ねられています。
説明Reward Engine：オープンエンドなツールエージェントのための報酬中心の自己進化手法
要約本論文は、実行可能な正解がないオープンエンドのツールエージェント課題において報酬を構築するReward Engineを提案します。タスクと初期軌跡から、正しさを確かめるテストケースと品質を採点するルーブリックからなるRewardPackを生成し、最適化中は固定します。WorkBuddy Bench OfficeとClaw-Evalでは、この報酬はベンチマークの採点とおおむね一致し、出力の修正により3回一貫性指標Pass³がそれぞれ45.0%から54.0%、78.4%から83.7%に向上したと報告しています。
説明COMET：タスク非依存の継続的視覚言語学習に向けた、蒸留・ルーティング・容量制御の分離手法
要約本論文は、CLIPなどの視覚言語モデルが継続学習で直面する問題に対し、COMET（Collaborative Mixture-of-Expert Transfer）を提案する。凍結された教師モデルが特徴の参照のみを提供し、Tri-Affinity Distillationが画像・テキスト・図文の幾何構造を保持する。さらに、文脈的バンディットによる専門家の維持・統合と、教師意味を用いない再構成ルーターによるテスト時のスパース専門家選択を行う。著者らはX-TAILベンチマークで各構成要素の有効性を示したと述べている。
説明FederatedBytes：効率的なマルチモーダル連合学習のためのトークナイザ不要のバイトレベル小規模言語モデル
要約本論文は、入力をバイト列として扱い線形注意機構を組み合わせた小規模言語モデルFederatedBytesを提案する。テキストや画像など任意のデータを同じ方式で処理でき、メモリと計算負荷の低減を目指している。多言語Amazonレビューと ScienceQA データセットによる感情分析の実験では、ByT5やLSTMより高い精度を示し、メモリと通信のオーバーヘッドも大きく減ったと報告している。
説明ニューラルネットワークの多クラス分類のための特徴選択層アプローチ
要約本論文は、ニューラルネットワークの解釈性の不足に対応するため、埋め込み型の特徴重み付け機構である特徴選択層（Feature Selection Layer）の複数の拡張案を提案し、実験によって最も効果的な版を選定しています。既存の特徴重み付け手法と比較すると、全体として関連性の高い特徴の特定では同等であり、特定のラベルに固有の関連性の把握では上回ると報告されています。学習後のニューラルネットワークの内部の仕組みを利用し、学習以外の後処理を必要とせずに、個々の特徴が特定のラベルの予測にどう寄与するかを示します。
説明いつ忘れるか：長期タスクエージェントのためのリスク管理付きコンテキスト適応
要約長期タスクを行うエージェントが、実行の途中で同じ履歴ブロックを保持・圧縮・削除するのがいつ後続の実行に有益かを調べた論文です。著者らはRECAPという枠組みを提案し、対応づけたコンテキスト介入、実行関係の予測、独立したポリシー認証を組み合わせています。5つのバックボーンモデルで実験を行い、Hunyuan-A13Bではチェックポイントの43.24%を編集しつつ、全履歴保持（KEEP）と同等の91.89%の継続成功率を観測し、平均継続プロンプトコストを4,619.8トークン（2.13%）削減したと報告しています。
説明HAPACT：映画における人間中心の身体衝撃位置特定ベンチマーク
要約本論文は、動画内で衝撃イベントを時間的に特定し、人体上でその影響部位を空間的に特定する新しいタスクを提案します。映画クリップから構築したデータセットHAPACTには、2,800組以上の動画・クエリペアと2万フレーム以上の細粒度な人手アノテーションが含まれます。既存の動画モーメント検索モデルや人–シーン接触モデルで評価を行い、文章条件付きのベースラインも提示しています。結果として、衝撃の位置特定は既存手法にとって依然として難しいことが示されています。
説明希少疾患診断のための多パラダイム融合AI「FusionRare」
要約本論文は、知識駆動の記号推論、深層学習によるパターン認識、症例検索、大規模言語モデルによる推論を統合した希少疾患診断フレームワーク「FusionRare」を提案しています。情報漏洩を防いだ2,528例の臨床症例で評価され、表現型のみの場合のマクロ平均Recall@1は51%、表現型と遺伝子型の併用では79%でした。無作為化クロスオーバーの臨床医・AI検証では、真の診断順位が上がった割合などが報告されています。
注目点記号推論・深層学習・症例検索・LLM推論を統合し、2528例の隔離症例と医師の交差試験で検証しており、証拠は比較的堅実である。
説明大規模言語モデルの論理推論を能力ベースで評価する研究
要約既存のベンチマークは、少数の推論課題における単一の正答率を報告するものが多く、推論の汎化能力を十分に示せないと論文は指摘します。著者らは、問題の複雑さを変えても必要な能力は一定に保ち、答えが同じになる異なる表現で正しさを検証する「能力ベース評価（CBE）」を提案しています。基本的な順序付け課題で6つのGPTおよびQwenモデルを検証した結果、限られた複雑さの範囲では概ね良好でしたが、強力なモデルでも試験した問題群全体では能力条件を満たせなかったと報告しています。
説明検索とプログラムによるベンガル語のハルシネーション検出：システム研究
要約本論文は、応答を条件とするクエリ書き換え、ハイブリッド検索、タスク専用の言語モデル判定を組み合わせた、推論のみのベンガル語ハルシネーション検出システムを提案します。サンプルはルーティングにより、27Bのテキスト判定モデルか、回答の比較・直接推論・Pythonの生成と実行を行う14Bエージェントに振り分けられます。著者はOlikbochon課題の保存済みコードや予測結果、実行記録をもとに分析し、評価入力と重なる文書が見つかったため、無条件のコーパス非依存の汎化は主張できないと述べています。（Olikbochon）
説明精度の裏に隠れる問題：学習済み Transformer プログラムの検証
要約本論文は、読める Python コードとして抽出できるよう構造を制限した Transformer（Transformer Programs）を検討している。9 つのアルゴリズム課題で、トークン単位の精度と出力系列全体の精度を比較し、サンプル検査では見落とされる失敗を確認した。プログラムの検査と失敗分析をもとに訓練データを改善したところ、いくつかの課題で系列精度が向上した。
説明NLData2Opt：自然言語とデータから最適化問題のパラメータを導出・予測するベンチマーク
要約本論文は、問題記述と生データから大規模言語モデルが最適化モデルを構築できるかを評価するベンチマーク NLData2Opt を提案している。モデルには、誤解を招く属性を含むデータからパラメータを抽出すること、既存データから欠損パラメータを計算すること、過去の観測から将来の値を予測することが求められる。結果として、既存ベンチマークと比べて性能が大きく低下し、既存ベンチマークの進歩が実際の最適化問題の定式化精度に直結しないことが示された。
説明バッチ文脈強化学習II：RLVRには長いロールアウト窓が必要か？
要約本論文は、検証可能な報酬による強化学習（RLVR）において、同一の学習補完内に3問を同時に配置することで、短い窓でも正解信号を保てるかを検討している。提案手法の並行制約強化（CCR）は、8kトークン窓で、32k窓の単一問題GRPOと比べ、4Bと8Bの数学推論モデルで学習ステップあたりのトークン数をそれぞれ82.1%、79.1%削減した。8Bの学習過程では、正解率報酬が上昇し補完も短くなったと報告されている。
説明ガイドされることを学ぶ：分類器フリーガイダンスのための潜在幾何の整形
要約本論文は、拡散モデルの分類器フリーガイダンス（CFG）において、クラスが潜在空間でどのように配置されるか（クラス幾何）を研究しています。ガウス型クラスモデルの下で原型正則化（PR）という軽量な手法を提案し、ImageNetでガイド付きgFIDを3.31から2.28へ改善しました。さらに、クラスタリングによる擬似ラベル、連続的なテキスト埋め込み条件、動画潜在変数にも有効であることを示しています。
説明ToPA：表現力と効率を両立するブロック単位 Toeplitz 適応によるファインチューニング
要約本論文は、事前学習済みモデルの重みを効率よく調整する手法 ToPA を提案している。ToPA は、明示的な低ランクや疎性の制約を課さず、ブロック単位の Toeplitz 行列の積によって重みを更新する。著者らは、より短い連鎖長で任意の行列を近似できることを理論的に示し、既存の低ランク・疎な手法より表現力が高いと述べている。5 種類のモデル構造と 21 の NLP・CV データセットでの実験により、その有効性を確認している。
説明適応なき協力：集団リスク・ジレンマにおけるLLMエージェント
要約本論文は、5つの大規模言語モデル・エージェントが集団リスク・ゲームで、変化するリスクや相手の行動に応じて貢献度を調整するのか、それとも比較的固定された戦略に従うのかを検証しています。多くのモデルはリスクがゼロでも貢献を続け、リスクの変化に応じた調整はほとんど見られませんでした。協力的な自己対戦の結果だけでは戦略的適応力の証拠にはならない、と結論づけています。
説明ProtoGTX：説明可能な全スライド画像解析のための原型整合グラフTransformer
要約本論文は、全スライド病理画像の予測を説明するためのグラフベース手法ProtoGTXを提案している。パッチ特徴を空間グラフ上で文脈化したうえで、交差注意により形態概念を表す学習可能な原型を最適化し、固定された参照原型バンクの形態構成と整合させる。CPTACおよびBRACSのデータセットで、比較した基準手法を上回る性能を示し、原型マップは病理医の注釈領域とも一部対応したと報告している。
説明振り返って前へ補正する：時系列予測のための誤差フィードバック校正
要約本論文は、テスト時に確定した過去の予測誤差を用いて、固定された時系列予測モデルの出力を事後的に補正する誤差フィードバック校正（EFC）を提案している。因果誤差対角、累積誤差輸送、時間的なサンプル外検証、時系列残差学習の各要素から構成される。著者らは、複数の予測バックボーンとデータセットにおいて、予測性能が全体的に向上し、過剰補正による悪影響も大きく抑えられたと報告している。
説明ShadowFPT：影トリガーによる連合プロンプトチューニングへのバックドア攻撃
要約本論文は、連合プロンプトチューニング（FPT）で凍結されたバックボーンが生む安全上のリスクを扱い、バックドア攻撃手法 ShadowFPT を提案している。悪意あるクライアントは凍結された CLIP 視覚エンコーダに対して学習可能な影トリガーを事前学習し、トリガー付き入力を表現空間上で目標クラスへ誘導する。アップロードされるプロンプトは正常な更新に近く保たれる。主要設定では攻撃成功率が 19.81% から 90.36% に上昇し、クリーン精度も維持されたと報告されている。著者らは、プロンプト更新の異常検知だけに頼る防御では不十分だと論じている。
説明MS-Eval：MCP を多用する業務シナリオにおけるサブエージェントへの委任とオーケストレーションの評価ベンチマーク
要約本論文は、LLM エージェントの「メインエージェントによる委任とサブエージェントによる実行」（MAD-SAE）方式を評価するための統合評価キット MS-Eval を提案します。MCP を多用するベンチマーク、制御された実行環境、委任とオーケストレーションの指標、総合指数 MSQ が含まれます。4 種類の MAD-SAE 方式と 8 つの最先端モデルで評価した結果、サブエージェントの専門化が最も有効な実践であり、オープンソースモデルは概ね競争力があることが示されました。MAD-SAE は一般にコストを増加させ、その効果は状況によって異なります。
説明Evo-B&B：MILP向けの行動認識型LLM誘導による分岐・ノード選択方策の共同進化手法
要約本論文は、混合整数線形計画（MILP）の分枝限定法において、大規模言語モデルで導かれる進化フレームワーク Evo-B&B を提案します。SCIP ソルバーのエンドツーエンドの評価フィードバックを用いて、実行可能な分岐方策とノード選択方策を共同で進化させます。固定された分枝決定状態での挙動から方策の類似度を測定し、個体群の多様性を維持することで、冗長な評価を減らします。四つの標準 MILP ベンチマークの複数規模のインスタンスで評価し、競争力のある求解性能と大規模インスタンスへの良好な汎化を示しました。
説明大規模言語モデルの効率的なツリー探索のための不確実性考慮型予算配分
要約本論文は、大規模言語モデル（LLM）の多段階推論に用いられるツリー探索を扱い、既存手法が展開の限界効用を考えずに各ステップへ固定予算を割り当てている点を問題とします。同一の中間状態から得られる続きの多くは重複し少数の答えに集約されること、兄弟アクションの意味的分散がその後の冗長性を予測することを示します。これに基づき、学習を必要としない不確実性考慮型配分（UAA）を提案し、価値で有望な候補を、兄弟分散から推定される不確実性で展開数を決定します。数学、論理推論、計画のベンチマークで、同程度の精度のままトークン使用量を最大90%、遅延を最大9分の1に削減したと報告しています。
説明フロー逆転アクションアンカーによるサンプル効率の良い方策改善強化学習（AnchorQ）
要約本論文は、汎用ロボット方策を強化学習で改善する方法を扱い、AnchorQを提案しています。フロー逆転で参照行動を状態依存の潜在アンカーに写像し、その周辺で粒子をサンプルして、価値関数によって有望な改良を探索します。著者らは、同じ相互作用予算の下で、実機タスクの成功率が37%、シミュレーションタスクのスループットが97%向上し、既存の後処理ベースラインを上回ったと報告しています。
説明頑健な非視線イメージングのための測定適応型ライトコーン変換
要約本論文は、ライトコーン変換（LCT）のフーリエ領域での効率的な逆変換構造を保ちつつ、解析的応答と学習された応答を測定条件に応じて重み付けする測定適応型ライトコーン変換（MALCT）を提案する。注意機構を組み込んだ時空間特徴抽出モジュールにより、低信号条件下での再構成を支援する。合成データと実測データの実験では再構成品質の向上が示され、時間応答の広がりや取得時間の短縮に対する頑健性も評価されている。
説明エージェント型因果探索の評価と強化
要約論文は、既存ベンチマークでは変数に意味のある名前が付いているため、LLMが名前だけで因果の向きを当ててしまい、エージェントがデータを精査してアルゴリズムの誤りを修正できるかを測りにくいと指摘しています。著者らは、線形ガウスから裾の重い分布までの機構を持つ匿名の模擬データセットからなるベンチマーク「Heuresis」を提案し、エージェントが変更した各辺を追跡します。実験では、データを検証するエージェントが、選ばれた最良のアルゴリズムを全6ファミリーで上回ったと報告されています。
説明DinoMUSE：DINOv2で誘導する超音波エラストグラフィの教師なし横方向運動推定フレームワーク
要約本論文は、超音波エラストグラフィにおける横方向運動推定の精度不足という課題に対し、DINOv2が学習した視覚表現をMoE（専門家混合）ベースの特徴融合モジュールで局所マッチング特徴と統合するDinoMUSEを提案している。シミュレーションデータでは、SOTA手法と比べて横方向変位と歪み推定の平均二乗誤差がそれぞれ60%と65%低減した。乳腺の生体内データでは横方向歪みのSNRとCNRも向上し、軸方向の性能は競争力を維持している。
説明視覚的質問応答におけるバイモーダルバイアスを緩和する変分・分解手法
要約視覚的質問応答（VQA）モデルは、頻出パターンに過剰適合するバイアス問題を抱えることが知られている。本論文は計数問題と非計数問題のマルチモーダルバイアスを調べ、両者は異なる要因から生じると論じる。計数バイアスは視覚側から生じてモダリティ融合を通じて伝わり、非計数バイアスは主に言語バイアスに由来するとする。提案手法VDBは、変分自己符号化器の原理に基づく変分バイアスモデルと双モーダルバイアスモデルで両者を分けて学習し、VQACPv2、VQACPv1、GQAOODで有効性を示す。
説明VTrajEmbed：時空埋め込みによるテキストと動画内物体軌跡の対応付け
要約本論文はVTrajEmbedを提案する。動画を物体の軌跡に分解し、各軌跡の埋め込みをテキストと対応付けて、検索による物体レベルの位置特定を行うモデルである。手法には、高頻度の動きを捉える低解像度フレームと文脈を捉える高解像度フレームを処理する二重分岐のSlow-Fast軌跡符号化、マスク誘導型の対照学習、軌跡レベルのベンチマークText2Traj-Benchが含まれる。原文によると、VTrajEmbed-5BはQwen3-VL-Embedding-8Bに比べ、テキストから軌跡、軌跡からテキストのR@1がそれぞれ15.48、18.05ポイント高く、五つの全体検索ベンチマークの平均R@1は49.48%（比較対象は42.86%）である。
説明推論依存仮説：言語資源が少ないほど思考連鎖の忠実性が高まる
要約本論文は、大規模言語モデルの思考連鎖（CoT）が実際の回答根拠をどれだけ忠実に反映しているかを調べたものです。MMMLU の八言語による平行選択問題で、四つのモデルを用いて、言語の資源水準と課題の種類（知識集約型か推論集約型か）の影響を比較しました。知識集約型の課題では資源水準が低いほど忠実性が高まり、推論集約型では見られませんでした。著者らは、答えを思い出せないときにモデルが推論により依存するとする「推論依存仮説」を提案しています。
注目点思考連鎖の忠実性を言語資源レベルとタスク種別の両方に結びつけ、Reliance仮説を提案。8言語・4モデルの実験で支持され、シンプソンのパラドックスも見出した。
説明感情が本物すぎて偽物に見えない？発話内の感情変化が音声ディープフェイク検出器の弱点を暴く
要約本論文は、感情が安定した発話と発話内で感情が変化する発話を比較する評価基準 EmoShift を提案し、感情の動きが音声ディープフェイク検出に与える影響を調べています。基準には真正な発話 7,240 件と、4 種類の表現力のある TTS システムで生成した合成発話 9,720 件が含まれます。実験では、感情の変化によって合成音声が本物らしく見え、固定閾値での見逃し率が最大 25.3 ポイント上昇することが示されました。一方、感情が変化する真正な発話では誤検知率が最大 24.4 ポイント上昇しました。
説明部分開示パネル予測：予測情報利得、割り当て、粗化一貫演算子
要約本論文は部分開示パネル予測を扱う。前の対話ターンについてn人の注釈者のうちk人の投票が与えられたとき、次のターンのパネルの完全な件数分布を予測する。跨ターンの予測情報は、同一項目の注釈価値とは異なるとされる。閉形式のDirichlet-multinomial実装を持つ粗化一貫パネル演算子を定義し、IEMOCAP、M3ED、EmoWOZの3コーパスで逐次ルックアップと比較している。改善は小さく、コーパスに依存し、一部の差は小さいかゼロである。
説明World Action Critic（WAC）モデル：方策学習のための予測と評価の同時学習
要約本論文は、逐次意思決定のための World Action Critic（WAC）モデルを提案します。多モーダルな行動候補を生成し、候補を条件とした将来予測と結果評価を同時に学習します。自動運転への適用では、NAVSIM-v1 で 93.4 PDMS を達成したと報告されています。
説明VISTA：視覚障害者・弱視者向けの目的志向の知覚・支援を評価するマルチモーダル一人称視点ベンチマーク
要約本論文は、視覚障害者や弱視者の日常生活を支援するAIの性能を評価するため、一人称視点のマルチモーダルベンチマークVISTAを提案しています。Project Ariaメガネで撮影した約1,000件の録画に、同期した6種のセンサー入力と3種類の注釈を付け、10の作業カテゴリを対象としています。14の視覚言語モデルをゼロショットで評価し、6つのモダリティを統合した軽量ベースラインも示しています。結果として、既存モデルはシーンの説明はできるものの、目的に沿った支援的な案内の生成にはまだ限界があるとされています。
説明因果編集シリアル化：単一の自己回帰ストリームで局所的な修正を表す手法
要約本論文は因果編集シリアル化（CES, Causal Edit Serialization）を提案し、標準的な自己回帰言語モデルが同じ因果トークン列の中で、ポインタトークンと予測された参照元アドレスを用いて挿入、削除、置換、コピー、移動を行えるようにする枠組みを示しています。軽量な位置特定ヘッドと二重インデックス回転位置符号化を用い、通常の因果的注意マスクを保ちます。事前学習では、通常の言語モデリングとランダムな破損、モデル生成の編集、繰り返しテキストから得た直列化された修復を組み合わせます。論文では、CESモデルが完全な編集を実行でき、クリーンテキストのビット/バイト値はクリーンな自己回帰モデルより若干高いと報告しています。文法誤り訂正の概念実証では、有益な変更が有害な変更より多いと述べています。
説明ハードウェア効率の高い速度標識認識のための再生プルーニングと低ビット整数推論
要約本論文は車載カメラ用SoC上の速度制限標識認識を対象とし、検出器にはチャネル再生プルーニングと知識蒸留による回復を、分類器と検出ヘッドの後処理には整数演算のみを用いる2段階認識器を提案している。YOLOv5nでは再生により60.3%のパラメータを削除しつつ親モデルと同等の精度を保った。全体で0.72Mパラメータのシステムは、保留した車載カメラデータで精度90%で標識の95.2%を認識し、毎秒94フレームで動作する。
説明大規模言語モデルの位置バイアスに関する包括的研究
要約本論文は、大規模言語モデルが選択肢や文書の位置によって影響を受ける現象（位置バイアス）を調べたものです。数十億から数兆パラメータまでのモデル規模と、5つの言語にわたる選択式課題および複数文書タスクを対象としています。小規模モデルや英語以外の言語では位置バイアスが目立つ一方、モデル規模を大きくし標準的な思考連鎖（Chain-of-Thought）プロンプトを用いると大きく緩和されることが示されました。また、拡張推論能力を持つ思考型モデルはほぼ影響を受けないと報告されています。
説明圧縮が先、内容が決める：報酬モデルに現れる創発的ミスアライメント
要約本論文は、Skywork-Reward-V2 の Llama-3.1-8B 版と Qwen3-8B 版の 2 つの報酬モデルを、医療または金融の一領域で有害な応答を好むよう微調整しました。その傾向は、学習に使われなかった 7 つの領域へも一般化しました。微調整後のモデルの RewardBench 2 での総合スコア低下は 4.8 と 5.3 ポイントにとどまり、無改変の Qwen 版報酬モデルよりは依然として高い性能です。さらに、報酬モデルは対応する言語モデルより選好の反転を起こしやすく、その仕組みは最終の採点トークンで、安全な応答と有害な応答の表現の幾何学的圧縮と、有害表現がスカラーヘッドとより小さい角度をなして高報酬を得ることに局在していました。
説明CLARO：VLMエージェントによる、乱雑な環境でのオープン語彙把持のためのクラッター認識ロボット調整器
要約本論文は、視覚言語モデル（VLM）エージェントCLARO（Clutter-Aware Robot Orchestrator）を提案します。CLAROは知覚と操作のスキルを調整し、自然言語で指定された対象物を乱雑な環境の中から探して取り出します。過去の行動を記憶して長期の実行を支え、把持姿勢や三次元経路点を出力するため、タスク固有の学習なしで異なるロボットアームへ転用できます。シミュレーションでの平均成功率は89.1%、実機の乱雑な場面での成功率は88.8%と報告されています。
説明意味IDのみを物品表現とする推論型再ランキング
要約本論文は、推論型の再ランキングモデルが物品のメタデータではなく意味ID（SID）のみで順位付けできるかを検討している。制御された検証環境ReRankIDを構築し、入力順をそのままコピーする失敗が多いことを示した。後処理（段階的な順位報酬で学習した8Bモデルなど）によりSIDのみでの順位付けは改善し、約20倍長いテキストプロンプトを使うモデルに匹敵する。一方、物品の説明の正確さは低いと報告している。
説明ループ型 Transformer 向けの因果的潜在ワークスペース
要約本論文は、パラメータを共有するループ型 Transformer に、位置ごとの接頭辞に対応する潜在スロットを設ける因果的潜在ワークスペース Transformer を提案します。各位置はゲート付きベクトルを書き込み、内容アドレス型の要約を次の共有ブロックの適用前に取り出します。3 種のバイトレベルコーパス、3 つのシード、2 つのパラメータ規模で評価したところ、6 設定中 5 設定で平均のテスト困惑度が最良でした。ワークスペースを加えると、6 設定すべてでアンカー付きループモデルより改善しました。
説明再帰型ニューラルネットワークによるO型連星系の解析
要約本研究は再帰型ニューラルネットワークを用いて、模擬O型連星系の有効温度と表面重力を推定する初期解析である。入力は光学域スペクトルから得た34個の等価幅測定値である。副星スペクトルを主星に対して異なる割合で加えた結果、多くの場合で推定値は副星の寄与の増加とともに低下したが、組み合わせによって挙動は一様ではなく、観測連星における副星の唯一の寄与は確定できないとしている。
説明STRIDE：自動運転のエッジケースにおける時空間推論の評価
要約本論文は、自動運転のロングテールかつ安全上重要な場面で、視覚言語モデルの時空間推論能力を測るベンチマーク STRIDE を提案しています。空間知覚、時間的記憶、軌道予測など六つのタスク群を含み、選択式問題と自由記述の視覚的質問応答を組み合わせて評価します。最良のモデルでも平均選択式正答率は43.4%にとどまり、ランダム選択の約20%に近い水準であることが報告されています。
説明Ori：極低ランクLLM学習向けのドリフト対応ストリーミングk-PCA最適化手法
要約本論文は大規模言語モデル（LLM）学習のための低ランク最適化手法Oriを提案している。勾配の主方向が時間とともに緩やかに変化する性質を追跡し、Oja++に着想を得たストリーミングk-PCAにより、ステップごとの計算コストを抑えて部分空間を随時更新する。1B LLaMAの事前学習では、低ランク手法と全ランク手法の性能差を最大69.3%縮小したと報告され、Roberta-Baseの微調整では16タスク中10タスクで最良の結果を示したとされている。
説明漏洩ニューロンの剪定：結合埋め込み誘導による微調整LLMの私的データ漏洩の抑制
要約本論文は、私的記録で微調整した大規模言語モデルが個人識別情報を漏らす問題に取り組み、JEPA-Pruneを提案しています。個人識別情報を含まないテキストのみで学習した公開モデルを参照として、積分勾配などで個人識別情報に反応するニューロンを特定し、再学習なしに剪定します。実験では約1.6%のニューロンを剪定することで、個人識別情報の推論精度と抽出再現率が大きく低下し、多くのモデルで未見テキストの困惑度は未剪定モデルの16%以内に収まったと報告されています。
説明Harness-Policy 最適化による自己進化型コーディングエージェント
要約本論文は、外部実行環境（harness）と方策モデルを交互に最適化し、コーディングエージェントを再帰的に自己改善させる Self-HPO を提案しています。方策モデルはまず自身の失敗を分析して新たな harness 候補を提案し、その後に選ばれた harness の下で強化学習により更新されます。学習中に見つかった難しいタスクが次の harness 探索集合になります。3つのコーディングベンチマークで、harness のみ・方策のみの基準より優れ、Qwen3.5-35B-A3B の平均解決率を 57.8% から 64.8% に向上させたと報告されています。
説明次のトークンかベクトルか？どこまでデコードするかを学習する
要約論文はCADENCE（文脈適応型デコード）という生成手法を提案しています。ガウス予測ヘッドで将来の複数トークンを連続的な潜在ベクトルとして表し、共有デコーダがそれを並列にトークン予測へ変換します。学習済みルーターがモデルの隠れ状態と予測されたガウスパラメータから予測長を選び、必要に応じて1トークン生成に戻ります。実験では標準の貪欲デコードに比べ、スループットが最大1.3倍に向上したと報告されています。
説明AIサービスの随時終了可能な契約：提供者と利用者の間のモラルハザードに対する契約設計
要約AIサービスの提供者は、リクエストをより安価で品質の低いモデルへ密かに振り分けることがあり、モデル出力の確率的なばらつきのためにこの劣化は検出しにくい。本論文は、利用者がいつでも解約できる場合へ契約理論を拡張し、問題をプリンシパル・エージェント・ゲームとして定式化する。予算最適な契約が、尤度比e値に基づく随時有効な仮説検定と比例することを示し、その計算アルゴリズムを与える。合成データと実際に運用されている大規模言語モデルのデータで評価している。
説明エージェント自身の検証器はいつ信頼できるか：探索圧力と問い合わせ条件下での反実仮想理由検証のストレステスト
要約本論文は、エージェントが自らの設計理由を検証する信号が、その信号に対して最適化された場合にも信頼できるかを検討します。作者は圧力比 ρ と四つの検査手法を提案し、自作の理由一貫性スコア（RCS）を機械学習パイプラインを設計するLLMエージェントで試験しました。その結果、検証器は元の設定では探索にほとんど影響せず、問い合わせが可能な場合は通過した主張を残す一方、保留データでの忠実性が低下することが示されました。作者は、信頼する前にこれらで検証器を監査することを提案しています。
説明N次元スプラッティングの直接条件付きパラメータ化：共分散由来の計算を明示的パラメータに置き換え高速化
要約本論文は、3Dガウシアン・スプラッティングを視線方向と時間へ拡張したN次元スプラッティングにおける条件付きスライスの手法を扱います。共分散から導出していた読み出しを、効果ごとの明示的パラメータに置き換える直接条件付きパラメータ化を提案し、ガウス核（dGS）とベータ核（dBS）の双方に適用しています。5つの静的・動的ベンチマークで共分散由来版と同等以上の品質を示し、主要なMCMC評価では最大+1.26 dBの改善が報告されています。さらに、本手法のスライス処理は従来より6.9〜7.7倍速く、完全レンダリングは4つの学習済みシーンで1.25〜1.91倍高速化されたとされています。
説明異なるモデル表現間で校正ゲインを再利用する研究
要約この論文は、同じ事前学習済みモデルの別の表現に、ある表現の校正更新をどの程度再利用できるかを調べています。正の分組ゲインを抽出し、受け手の重みまたは元の量子化スケールに、受け手側の最適化なしで組み込みます。Qwen3-1.7Bの浮動小数点版とGPTQ INT3版の双方向転送では、新しいWikiTextとC4のデータで76.9%から90.5%のテキスト損失改善が保持されました。
説明因果基盤モデルでは、個体単位の推定を集計すると信頼区間のカバレッジが崩れる
要約因果基盤モデル（CFM）は個体ごとの処置効果を推定できるが、意思決定では集団平均の効果が使われることが多い。本論文では、個体単位の分散を独立とみなして合算すると区間が狭くなり、集団が大きいほど実際のカバレッジが公称値を下回ることを示している。さらに、集団を同時に予測する2種類のニューラルプロセスモデルが、合成データと各種ベンチマークでカバレッジを改善すると報告している。
説明一つの通信器、三つのベンダー：MoA予測理論を実際のNVIDIA+AMD+CPU MPIアンサンブルへ拡張
要約本論文は、前作のMPI拡張研究を複数ベンダーの通信器へ広げたものです。Slurmのヘテロジニアスジョブにより、A100、MI100の両GPUとCPUの計9プロセスを一つの通信器に配置しました。時間の逆数に比例した重み配分の理論を示し、実測結果を報告しています。MI100の処理時間は行数に対して線形ではなく、起動設定の変更で1回あたりのエネルギーが約32分の1になりました。前作のA100による8.1倍の高速化と22ミリ秒のGathervは、複数プロセスが一つのGPUを共有したことによる人為的な結果だったと指摘しています。
説明StoBasket：貢献利益率のためのアップセルとクロスセルの同時最適化
要約本論文は、既存のバスケットに対して置き換え型（アップセル）と追加型（クロスセル）の提案を同時に選び、期待される増分貢献利益率で評価する「同時確率的バスケット編集」の枠組みを提案する。提案手法は、表示・承諾・同時承諾の応答チャネルで両者を結合する。5つの公開バスケットデータセットに基づくシミュレーションで、既存の手法と比べて達成可能な利益に近い結果を示したと報告されている。
説明離散空間におけるベイズ最適化のための獲得関数誘導生成（AFGG）
要約本論文は、離散空間でのベイズ最適化に向け、データ空間上で直接定義した代理モデルと事前学習済み生成モデルを組み合わせる手法AFGGを提案しています。獲得関数で傾けた分布から候補を、拡散ブリッジを用いてサンプリングします。カテゴリカル拡散モデルと自己回帰正規化フローの二種類で実装され、多数の分子ベンチマークで評価されています。拡散モデル版は主要なベイズ最適化手法と同等、フロー版は多くの場合で最先端手法を上回る結果が報告されています。
説明形状認識型ニューラル時間場による剛体の運動・操作計画
要約本論文は、剛体の運動計画のための物理情報ニューラル計画フレームワーク、形状認識型ニューラル時間場（Shape-Aware Neural Time Fields）を提案しています。平行移動と回転それぞれの幾何学的制約を明示的に扱い、再利用可能な到達時間（コストツーゴー）表現を学習します。2次元・3次元の剛体計画と物体押しの操作タスクで評価され、物理情報ニューラル計画の基準手法より成功率と推論効率が向上し、古典的なサンプリング型計画法より短い計画時間を示しています。また、実行誤差や外乱のある閉ループ押し実験では、高速な再計画により適応的な実行が可能であることが示されています。
説明ネタバレと推測の間で：コーディングベンチマークにおける過剰な仕様の回避
要約本論文は、AIのコーディングベンチマークに、タスクの記述不足による推測や不正行為と、記述過多による答えのネタバレという二つの問題があると指摘します。SWE-bench Proなどのベンチマークは、記述不足を補うために正解由来のヒントを加えていますが、それが一部で過剰な仕様を生んでいることを示しています。著者らは様々な仕様レベルを試し、簡潔なヒントの導出手法を提案し、ヒントを公開する予定です。
説明病院間IHCグレーディングのための入力・特徴空間補正
要約病理基盤モデルは主にH&E画像で学習されていますが、免疫組織化学（IHC）の凍結特徴抽出器としても使われ、病院間の差異がグレーディングを損なうことがあります。本研究はUNIとVirchow2、3種類のIHCマーカー、6つの病院間転移方向（計12設定）を用い、ラベル不要の入力画像変換と特徴量変換の補正手法を比較しました。入力空間ではFIX、特徴空間では単純な特徴量標準化が最も良い改善を示し、両者の組み合わせは相補的な効果を示しました。
説明拒否は堅牢性ではない：自己回帰型言語モデルにおける有害出力への到達可能性の測定
要約本論文は、ジェイルブレイク攻撃成功率（ASR）だけでは、サンプリングされた出力しか評価できず安全性を十分に測れないと指摘しています。著者らは、自己回帰生成をトークン接頭辞上の確率過程とみなし、有限ステップ内で有害な続きに到達する確率を計算する有界継続分析（BCA）を提案しています。4つの指示調整済みLLMと100件のJailbreakBenchの振る舞いを用いた実験では、BCAが隠れた有害な振る舞いを定量化し、レッドチーミングの指針になることが示されています。
説明MedSTP：医療VQAにおける視覚トークン剪定手法（部分空間と遷移の証拠を保持）
要約医療用の視覚言語モデルは、視覚質問応答で多数の視覚トークンを言語モデルに渡すため、剪定が有効ですが、境界や質感の情報を失う危険があります。本論文は学習不要の剪定手法MedSTPを提案し、全トークンが作る主要な視覚証拠の部分空間に残すトークンを近づける問題として扱います。さらに有界なトークン格子の遷移事前分布で境界と質感に敏感なトークンを優先します。SLAKE、OmniMedVQA、RadImageNet-VQAでLingshu-7BとQwen3-VL-8Bを用いて評価し、開放型と閉鎖型の両方で安定した性能を示しました。
説明ネイティブ幾何と線形復元可能性：アライメントがプラトニック・スケーリングをどう変えるか
要約本論文は、大規模なモデルほど同じ世界について類似した表現を学習するのかを検討し、プラトニック表現仮説（PRH）を検証しています。5つのモデルファミリーについて、Legacy Survey と HSC の一致した埋め込みを用い、コサイン類似度による原生的な近傍構造と、リッジ回帰による整列後の線形復元可能性を比較しました。その結果、リッジ整列はネイティブなコサイン幾何に比べて、モデル規模とデータセット間の近傍対応の関係を強めることが分かりました。この効果は次元を揃えた場合も残ります。ただし学習された写像は回転や一様スケーリングからは遠く、スパースな特徴量による優位も見られません。よって、モデル規模は共有のネイティブ計量幾何への収束を示すというより、線形復元可能性をより明確に改善すると結論づけています。
説明複数人物生成におけるソース結合が引き起こす他者の顔の同一性変化：UniPortrait の対照研究
要約複数人物のパーソナライズ生成では、指定の対象外の人物の同一性も変化しうることを、UniPortrait を用いて検証した研究です。新しい保護アルゴリズムは提案していません。二人の基準シーン 119 件を用い、InsightFace で顔の類似度を測定して、単一ID生成と原生の二ID生成を比較しています。二ID生成では保護対象と目標の双方で類似度が正方向に変化しましたが、結果は評価した実装と対象集団に限られ、構成要素の因果関係や一般的な同一性保持は立証されていないとされています。
説明OmniXRef：マルチモーダル複数参照型ビデオ編集のための統一フレームワーク
要約本論文は、テキスト、画像、動画の参照を任意の数で組み合わせ、元動画の様々な属性を制御できる統一フレームワーク OmniXRef を提案しています。モデルは単一ストリームの拡散トランスフォーマーを用い、合成データと段階的な学習で訓練されています。カメラ、動き、内容、スタイル、視覚効果を対象とする評価ベンチマーク OmniXRef-Bench も公開されています。論文では、タスク特化型のベースラインや商用モデルより優れた結果が示されているとしています。
説明TWIN-MoE：不完全なマルチモーダル学習のための二段階エキスパート内補完ネットワーク
要約この論文は、マルチモーダル学習でモダリティの一部が欠損する問題を扱います。既存の混合エキスパート（MoE）手法は、欠損パターンごとに専用のエキスパートを割り当てるため拡張性に乏しく、あるいは高コストな検索機構を必要とします。著者らは二段階のフレームワーク TWIN を提案します。前補完段階では、エンコーダの埋め込み空間で文脈条件付きの推定値を生成し、観測データから得た統計量で制約します。後補完段階では、MoE の後に同一サンプル内のエキスパート条件付き表現を集約して欠損表現を精緻化します。4つのベンチマークで最先端の性能を示し、同種の MoE 補完手法より大幅に少ないパラメータで済むとしています。
説明R²Orch：スキル内在化ループ内の自己対戦によるエージェント編成の再帰的自己改善手法
要約本論文はR²Orch（Recursive Self-Play Orchestration）を提案する。内側ループは自己選択したタスク上の自己対戦で編成器を改善し、外側ループは内側ループの改善方法そのものを改善する。提案者がスキルを撤去しても展開結果が異なり続けるタスクを選ぶよう報酬を与える「再帰的学習可能性」目標と、自己対戦内の制御評価で編成器がスキルなしでも同等に動作すると示された時点でそのスキルを撤去する「スキル撤去」を導入している。12のデータセットでの実験において、質問応答、数学、コード、対話型タスクで基線を上回ったと報告されている。
注目点再帰的自己対戦とスキル撤去という新しい枠組みを提案するが、12データセットでの実験の詳細は要約からは判断しきれない。
説明SPADE-KD：異種環境におけるピアツーピア協調学習フレームワーク
要約本論文は、モデル構造とデータ分布の両方が異なる環境で協調学習を行うための、完全分散型のモデル蒸馏フレームワーク SPADE-KD を提案している。自適応蒸馏と効用に基づくピア選択という二つの仕組みにより、全体最適ではなく各クライアントの個別性能の向上を目指す。連合分類タスクでの実験において、素朴な分散蒸馏より損失が低く収束が速いこと、また両構成要素を併用した方が単独利用より効果的であることが示されたと報告している。
説明推論型LLM向けのグラフ直列化：知識抽出と構造推論に関する研究
要約知識グラフをテキストとしてLLMの文脈に入れる際の直列化形式が、モデルの性能に大きく影響することを検討した論文です。著者らは九種類のフロンティアLLM構成で、十五種類のグラフ表現形式を、オントロジーに基づく知識抽出と構造的グラフ推論のタスクで評価しました。知識抽出は形式の違いに比較的影響されにくい一方、構造推論では最適な形式の選択が精度に大きく影響すると報告しています。最適な表現はモデル、クエリ、タスクによって異なるため、直列化を動的な編成の判断として扱うことを提案しています。
説明Thunder-DeID+：韓国語の裁判判決から幅広い機密文書までを対象とする境界認識型の匿名化手法
要約本研究は、韓国の裁判判決向けに開発された匿名化モデルを、より幅広い機密文書へ転用できるかを検証しています。韓国語の膠着語的な性質により、BPEトークナイザが個人情報と助詞を結合しやすく、正確な範囲の特定が難しいという課題に対し、著者らは三層の個人情報分類体系と境界認識トークナイザを組み合わせたThunder-DeID+を提案しています。判決全文での実験では、厳密な型付きF1スコアが0.76〜0.77から0.87〜0.88に向上し、主に精度の改善によるものだとされています。さらに1,000件の幅広い機密文書で微調整すると、F1スコアは0.93に達し、判決で学習したモデルが判決以外にも有効に転用できることが示されています。
