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TokenEconomizer：経験に基づくブラックボックス型コーディングエージェントのコスト制御手法
要約本論文は、最先端のコーディングエージェントのトークンコストが急増している点を指摘し、実際の開発に近い連続したタスク列で評価すると、環境に依存して繰り返し発生するトークン消費があることを示す。著者らは、外部コントローラであるTokenEconomizerを提案する。これは、注入すべき操作用の微小スキル、継続的に無関係なツールの剪定、非生産的な失敗ループへの介入時点を決定することでコストを削減する。Claude Code、Codex、GitHub Copilot CLIでは、タスク成功率を同等に保ったまま平均トークンコストを18.4〜30.9%削減し、ウェブ開発やセキュリティ監査などでも6.4〜21.2%の削減が得られたと報告している。
説明視覚的に似た文字を複数の分類器で検証しOCR精度を向上
要約本論文は、OCRで「O」と「0」、「Z」と「2」、「S」と「5」など見た目が似た文字を誤認識する問題に対し、文字単位の後処理フレームワークCharacter Verification Model（CVM）を提案しています。CVMは、混同しやすい文字対で学習した二値分類器を用いてOCR出力の該当文字を検証・訂正します。辞書に依存しないため、シリアル番号や英数字コード、ナンバープレートなどにも適用できます。Tesseract、EasyOCR、TrOCRの3エンジンと10種のフォントでの実験では、精度が3.95～14.81ポイント向上し、視覚的に似た文字の誤りの訂正率は87.3%、誤訂正率は2.3%でした。
説明誤情報の「手口マニュアル」で判断力を高め、冷笑主義は助長しない研究
要約本研究は、51言語にわたる214,646件の事実確認済み主張から、誤情報に繰り返し見られる説得の手口をまとめた「手口マニュアル」を作成しました。このマニュアルを示された人間とAIは、なじみのない主張の判別力が向上し、真実の主張への信頼は変わりませんでした。ただし、全主張を平均した場合の改善は統計的に有意ではありませんでした。
注目点個々の事実ではなく説得戦略に基づく防御を提案し、21万件超の検証済み主張で検証。事前登録実験で一部効果を示すが全体では有意差なし。
説明LEMON：新しいLLMでのゼロショット不正挙動監視のための注意マップ上の等変学習
要約本論文は、大規模言語モデルの注意マップを入力とし、トークンごとに異常スコアを出力するオンライン型のグラフニューラルネットワーク監視器LEMONを提案している。モデル間の対称性に対して予測が不変になるよう設計されており、再注釈なしで新しいモデルへ転用できる。16のLLMと6つのデータセットによる実験では、ゼロショットのクロスモデル設定で、幻覚と脱獄の監視の両方において全ベースラインを上回り、最も強い手法に対しROC-AUCで最大14ポイント向上したと報告されている。
注目点幾何深層学習の対称性を用い、16のLLMと6データセットで横断モデル注意マップ監視を検証し、最強基線を大きく上回った。
説明CoLU：大規模言語モデルのための信頼度重み付き層別アンラーニング手法
要約本論文は、大規模言語モデルを最初から再学習せずに特定の情報を忘却させつつ、他の知識を保持するためのCoLU手法を提案している。CoLUは全モデルではなく選択した単一のTransformer層のみを更新し、信頼度で重み付けした忘却と保持の正則化を組み合わせる。さらに、計算コストを下げるBrief Layer Screening（BLS）を提案しており、論文によれば実行時間を60.2〜79.7%削減できるとされている。TOFUやMUSEなどのデータセットで、著者らは比較手法より良好な忘却・保持性能を報告している。
説明HilbertGen-3D：ヒルベルト・多重フラクタル条件付けによるトポロジー認識型3D生成
要約本論文は、拡散モデルに基づく3D点群生成フレームワーク HilbertGen-3D を提案し、ヒルベルト・多重フラクタル条件付け（HMC）によって大域的な構造情報を取り込みます。多スケールのボクセル測度を計算し、3次元ヒルベルト曲線で直列化して、一般化フラクタル次元を推定します。ShapeNet の Chair、Airplane、Car カテゴリでは、TopoDiT-3D と比べ、1-NNA の50%からの絶対偏差を最大8.90ポイント減らし、カバレッジを最大5.88ポイント向上させました。
説明ARBOR：推論状態の追跡による長い思考連鎖における推論失敗の特定
要約大規模推論モデルは長い思考連鎖を通じて複雑な問題を解きますが、過剰思考、思考不足、根拠のない推論などの失敗モードが報告されています。本論文は、各推論軌跡を推論状態の木として表現し、あるステップと直前の状態との関係に基づいて失敗を帰属させるフレームワーク「ARBOR」を提案します。これにより3つの失敗モードをより細かい下位類型に分け、失敗が起きたステップと、失敗が起きなかった危険なステップを、その直前の木状態によって区別できることを示しています。
説明ChairNav：長距離車いすナビゲーションのためのクロスエンボディメント事前学習と個別化
要約本論文は、汎用の視覚ナビゲーションモデルを個人向け電動車いすのナビゲーションシステムに適応させるChairNavフレームワークを提案します。学習は三段階で行われ、まず大規模なクロスエンボディメントデータで事前学習し、次に少量の車いすの実演データで中間学習して領域差を解消し、最後にユーザーの介入をもとに後学習で動作を個別化します。RGB-Dカメラと NVIDIA Jetson を搭載した市販の電動車いすに実装されています。実験では、事前学習により横方向のADEが18%低下し、後学習によりユーザー介入の平均間隔が29.2mから57.4mに伸びました。キロメートル規模の都市歩道では、総走行時間の93.4%で自律走行できたと報告されています。
説明拒否と危険性：自殺念慮への LLM 応答の仕組みに関する研究
要約本論文は、八つの指示微調整済み大規模言語モデルが自殺念慮や自傷の告白にどう応答するかを検証し、六つのオープンウェイトモデルで機構分析を行っています。基準条件では、応答の危険性の上昇は主に告白への注意不足と応答拒否によるものでした。臨床医が作成した対応プロトコルは、拒否を減らしつつ応答の危険性を一貫して低下させました。著者らは、モデルは必要な場合にのみ拒否し、利用者が自殺念慮を打ち明けた際は対話的に安全な形で応じるべきだと論じています。
注目点8つの指令調整済みモデルの自殺念慮への応答を評価し、6つのオープンウェイトモデルで機制分析と除去実験を行い、拒否と応答リスクの関係を示した。新規性は中程度、証拠は比較的充実、影響は主に安全性と精神保健分野。
説明First Passage Attention（首通過アテンション）：減衰の累積ではなく経路上の極値で忘却を決める注意機構
要約本論文は、First Passage Attention（FPA）を提案しています。従来の忘却ゲート付き softmax アテンションが鍵-クエリ経路に沿って減衰を累積するのに対し、FPA は学習されたスカラー場が中間区間で最も深く下がった点に応じて鍵の logit を下げます。著者らは、FPA が Forgetting Transformer（FoX）を特殊例として含むことを示し、合成実験で固定次元の FPA ヘッドが任意の生存鍵集合を表現できることを報告しています。1億1000万パラメータの言語モデルでは、困惑度は FoX と同等で、訓練長の8倍でパスキー検索が完全に成功したとしています。
説明長距離イジングモデルベンチマーク上の多項式グラフフィルタのスペクトル限界
要約本論文は長距離イジングモデルベンチマーク（LRIM）を用い、隣接行列の多項式に基づく読み出しには次数を上げても解消しない誤差下限があることを証明しています。その下限を超えるには、隣接行列がまとめてしまうオフセットを区別し、格子全体の結合を捉えるフィルタが必要だと論じています。ストライド型フィルタは既存の最良ネットワークより大幅に低いテスト誤差を示し、拡張畳み込みネットワークは一部のサイズで既報の最良結果を上回るか同等になっています。
説明正規化フローマップ：厳密な尤度を計算できる少ステップ生成モデル
要約本論文は、正規化フローとフローマップを一般化する、厳密に可逆なプッシュフォワード写像のクラス「正規化フローマップ（NFM）」を提案します。NFM は基礎となる力学系の積分器を学習し、構成上、効率的かつ厳密な尤度評価が可能です。学習には点ごとの一致と分布の一致という2つの一貫性目標を用います。CIFAR-10 と ImageNet-64 の条件付き画像生成では、パラメータ数を揃えた正規化フローの中で最高水準の標本品質を達成し、尤度に基づく RLHF もサポートします。ボルツマン生成器の平衡サンプリングでも、従来の正規化フローを上回る結果を示しています。
説明GlobeBench：テキストベースの世界モデルの能力を評価し、スケーラブルな環境シミュレーションに活かすためのベンチマーク
要約本論文は、テキストベースの世界モデルが強化学習環境の状態遷移をどの程度模擬できるかを比較・検証するためのベンチマーク「GlobeBench」を提案しています。5つの領域と19種類のシミュレーション技能にわたる1,632のタスクを含み、エージェントの完全な行動履歴から特定の行動への環境の応答を予測できるかを評価します。評価は決定的なゲートと意味的な判定器を組み合わせたハイブリッド方式で行われ、20モデルの中で GPT-6 Astra が49.57%で最も高い成功率を示しました。行動の影響が依存する対象へ広がる場合、全20モデルの平均成功率は5.1%まで低下しました。
説明アニメ映画の社会的・感情的理解のための脳整合型マルチモーダルLLM研究
要約本論文は、拡散型と自己回帰型の2種類のマルチモーダル大規模言語モデル（MLLM）が、3本の短編アニメ映画に対して行った心の理論（ToM）と感情的価値（valence）の評価を、人間による連続評価と時間的に比較したものです。また、各評価を用いてfMRIによる脳領域の反応を予測しました。モデルは人間の評価の時間的変動を捉えていますが、分布には系統的な違いがあり、感情的価値の方が心の理論より一致度が高い傾向がありました。
説明クエリテンプレート識別のためのデータプロヴェナンス集約と構造記述子
要約本論文は、データプロヴェナンス（データの由来情報）を用いてクエリテンプレートを識別する手法を提案しています。クエリ結果全体にわたるタプル単位のLineageおよびWhy-プロヴェナンスを集約し、データ依存関係、出現頻度、構造特性を捉えるクエリ単位のプロファイルを構築します。さらに、これらを少数の数値特徴でまとめたProvenance Structural Descriptors（PSD）を導出しています。パラメータ化されたTPC-DSテンプレートから生成した12,500件のクエリインスタンスでの実験では、プロヴェナンスの痕跡だけでテンプレートを識別でき、履歴データが増えるほど精度が向上することが示されています。また、PSDは訓練履歴が限られていても高い分類精度を達成し、テスト時の処理コストも低いとされています。
説明NoveltyScope：科学論文の新規性を根拠付きで評価するマルチエージェント研究支援ツール
要約NoveltyScope は、論文を検索で得られた先行研究と比較し、構造化されたレポートと5段階の新規性スコアを作成する試作システムです。閉じたローカルコーパスで証拠を検索し、四つの評価役割がその証拠に基づいてスコアを付けます。50件のRINoBenchサンプルでは、マルチエージェント構成が単一LLM構成より平均絶対誤差が小さく、GeminiとQwen3の両方で同じ傾向が見られました。
説明マルチエージェントシステムにおいて創発する差別と分極化
要約本論文は、学習エージェントの集団で差別や分極化がどのように自発的に生じるかを理論的に研究している。各エージェントは適応線形決定層により言語モデルの埋め込みを二値の意見へ変換し、他のエージェントへの信頼度をオンラインベイズ則で更新する。さらに集団ラベルと偏見パラメータを導入し、統計力学の序変数を用いて、四つの集団状態が現れることをシミュレーションで示している。
説明上空から考える：鳥瞰視点の視覚トークンによる効率的な空間推論
要約既存の動画マルチモーダル大規模言語モデルは主に時間軸で視覚情報を整理するため、身体性を持つ空間推論には限界があります。本論文は、深度とカメラ姿勢を用いて各フレームの視覚特徴を共通の鳥瞰視点座標系に投影し、空間の格子ごとに平均化する、パラメータを増やさない幾何学的トークン化手法Cambrian-BEVを提案しています。128フレーム約10万の特徴が729個のBEVトークンに圧縮され、LLMの事前充填時間は2.9倍、ピークメモリは3.6倍削減されました。VSI-Benchでは63.48点で、対照モデルより8.5点高く、視覚トークンは12.6分の1です。
説明修復・再試行と事後情報のコスト：形式的定理証明における検証器フィードバック
要約本論文は、Leanでの定理証明において、コンパイラのエラー情報を使って失敗した証明を修復する効果を検証します。MiniF2F の難問を用い、Qwen3.6-27B と DeepSeek-Prover-V2-7B で一段階の対照実験を行いました。失敗した証明を見せると成功率が下がり複製が増えますが、Qwen では対応するコンパイラエラーを加えると低下の一部が回復します。ただし、指示のみで再サンプリングする方法を上回る利点は確認されていません。
説明在線選好学習を用いた機会制約付き個人化LLMルーティング
要約本論文は、コストと能力が異なる複数のモデルから、ルーターが個々のユーザーに合ったものを選ぶ個人化LLMルーティングを扱います。ユーザーの選好は未知で、運用中のフィードバックから学習する必要があります。著者らは、累積推論コストを抑えつつ実際の応答品質の信頼性を確保する問題を、制約付き文脈バンディットとして定式化し、コストと品質のバランスを取りながら選好を学習するアルゴリズムを提案しています。ロジスティック選好モデルと厳密な実行可能性条件の下で、最適な定常ランダム化文脈オラクルに対する期待コスト後悔の劣線形性と、実際の累積満足度に関する高確率保証を示しています。この枠組みは信頼性が求められる他のオンラインモデル選択問題にも拡張できるとされています。
説明ReLUニューラルネットワークによる滑らかな関数の最適近似
要約本論文は、全結合ReLUネットワークによるヘルダー球（Hölder ball）内の関数の一様近似を扱う。すべてのs>0およびD≥1について、幅O(N)、深さO(L)、パラメータ量O(1)のネットワークで(N²L²logN)^(-s/D)の一様近似誤差が得られることを示している。対象関数の局所テイラー係数に関する高階有限差分の評価を利用する新しい符号化・復号機構を提案している。統計的な帰結として、対応するクリップ付きネットワーク族上の経験リスク最小化器は、追加の対数因子なしで極小極大回帰レートn^(-2s/(2s+D))に達する。
注目点すべてのs>0、D≥1についてReLUネットワークの近似効率の差を埋め、新しい符号化・復号機構で最適な上界を示し、理論的に強い結果である。
説明別々に探索し、選択的に採用する：大規模ツールライブラリに対する実行誘導型ツール利用
要約大規模言語モデルのエージェントは、タスク実行中に必要に応じて数千のツールから適切なものを探す必要があり、複数の候補が同じ必要を満たしうる場合は実行して判断することがあります。本論文はBRIA（分岐・検証・採用）を提案し、各候補の調査を別々の分岐で一時的に分離して行い、タスクエージェントが実行結果を検証して有用なものだけを継続する軌跡に採用します。1897個のツールからなる共有プールを用いた評価では、すべての設定で最強の検索ベースラインと同等以上となり、MCP-Atlasでは平均スコア89.77でMCP-Zeroの75.40を上回りました。
説明長期的タスクのための具現化エージェント向けマルチモーダル・ファイルシステム記憶（MFM）
要約本論文は、エピソード記憶・空間記憶・意味・手続き記憶・作業記憶を分けて保持するマルチモーダル・ファイルシステム記憶アーキテクチャ MFM を提案します。検索可能なテキスト記録により、各表現を元のマルチモーダルエピソードに結び付けます。Minecraft とコンピュータ操作の長期タスクで、GPT-6-Astra を用いた場合、Mine Diamond from Scratch を完了し、Ender Dragon では 24 中 16 のマイルストーンに到達しました（最良のベースラインは 12.7）。CUABench-KiCad の平均報酬は 0.440 でした（最良のベースラインは 0.400、永続記憶なしは 0.267）。
説明AlphaBet：LLM事象予測エージェントのための強化学習
要約本論文はAlphaBetを提案し、結果確定前の複数の日付で検索・推論・確率報告を行う単一のLLMポリシーを強化学習で訓練する。各日付の予測は適切なスコアリングルールで最終結果と照合され、一つの事象が異なる情報状態での判断を監督できる。GLM-4.5-Airでは、Brierスコアが Forecast-Dojo で 0.731 から 0.626 に、FutureX で 0.612 から 0.528 に低下した。
説明閉鎖型クレジット経済における動的オークション機構：航空交通管理における逐次的スロット再配分
要約本論文は、容量削減により既存の割当てが実行不能になった不可分資源を、金銭補償が難しい状況で再配分する問題を扱います。再利用可能な人工クレジットを用いた逐次的な再配分方式と、部分的配分を整数の最終割当てに変換する仕組みを提案し、昇順オークション機構を定式化しています。空港スロット再配分のシミュレーションでは、地上遅延ベースラインと比べ、モデル化された総遅延およびキャンセルコストが減少したと報告されています。
説明FlexUMM：統一マルチモーダルモデルのための柔軟な表現学習
要約統一マルチモーダルモデル（UMM）は、単一のバックボーン内で理解と生成を統合できます。しかし、この二つの能力は互いに衝突する表現を生む可能性があります。本論文は、計算をいつ共有し、いつ専門化された容量へ振り分け、いつ処理を打ち切るかを動的に決めるFlexUMMを提案しています。論文によれば、機能間の有害な競合を減らすことで精度が向上し、入力の表現が十分に成熟した後の不要な計算を省くことで効率も改善します。さらに、既存のUMMに適用できるモデル非依存の機能プラグインとして機能します。
説明EgoP²C：単一の視覚言語モデル内で「計画・知覚・構成」を内在化する一人称視点動画の空間推論フレームワーク
要約本論文は、一人称視点動画における複雑な空間推論の課題に対し、単一の視覚言語モデル（VLM）内で計画・知覚・構成の過程を内在化するEgoP²C（Egocentric Plan-Perceive-Compose）を提案しています。デュアルLoRAで計画用と知覚用の教師モデルを学習し、混合専門家（MoE）の学生モデルを蒸馏で訓練します。三つの空間推論ベンチマークで、基盤モデルより平均9.2ポイント（Qwen3-VL-8B）と7.5ポイント（SenseNova-SI-1.3-8B）高い性能を示し、推論FLOPsは約66%削減、教師モデルに対して1.29〜1.49倍の高速化を達成しました。
説明誰の分極か？ネットワーク分極指標の公平性監査
要約本論文は、ネットワーク上の分極指標7系統が少数派に対して公平かを監査し、測定不変性と構造的外生性の2基準を提案しています。新たにネットワーク加重距離（NWD）も導入されています。その結果、全ての適用可能な検定を通過する指標はなく、少数派は同等の多数派より分極していると系統的に評価されることが示されています。著者らは、この偏りの原因として多数派の構造が意見に与える影響と、構造の変化が構造指標の計算に与える影響の2つを挙げ、分極スコアの報告に関する実践的指針も示しています。
注目点公平性監査の枠組みとNWD指標を提案し、合成・実ネットワークで七種の指標を検証して、少数派が系統的に過大評価される二経路を示した。
説明ディープフェイク画像検出の深層学習：モデル比較と勾配ベースの可視化による説明
要約本論文は、画像単位のディープフェイク検出について、二つの手法を比較しています。一つは一から学習させた小規模な畳み込みモデル、もう一つはImageNetで事前学習したMobileNetV2を二段階の転移学習で調整したモデルです。14万枚の真偽顔画像データセットで実験を行い、記録された検証条件で事前学習モデルの精度は95.90%、一から学習したモデルは84.15%でした。Grad-CAMによる可視化も行われていますが、報告値は検証結果であり、独立したテスト評価ではありません。
説明ゴシップ・エージェント：進化するネットワーク上の意見ダイナミクスによる評判の伝播
要約本論文は、自己利益を追求する学習エージェント間の協力を、第三者に関する情報の交換（ゴシップ）による評判の拡散によって促す仕組みを研究しています。エージェントは限られた観察から私的な意見を形成し、DeGroot意見ダイナミクスに従って隣接エージェントと交換します。通信ネットワークは相互作用や移動に応じて変化し、放送半径によって情報の到達範囲を調整できます。囚人のジレンマとHarvestの二つの環境で検証され、評判情報の到達範囲が協力行動に影響すること、Harvestでは評判の拡散が環境報酬を高め、より平和で持続可能な行動につながることが示されています。
説明すべてのグラフが地図とは限らない：モバイルGUIナビゲーションのためのタスク非依存な探索フレームワーク
要約本論文は、既存のモバイルGUIエージェントに再利用可能な目的地メモリを加えるTAG-Navフレームワークを提案します。タスクを評価する前にオフラインで探索を行い、アプリの機能、目標ページ、経路を簡潔な記録にまとめます。新しいタスクの目的地がカバーされていれば、タスク専用の実演なしで目的地を検索し経路案内を行います。あわせて、ナビゲーションのみを評価するDestBenchを導入し、グラフメモリがUI-TARS-1.5-7BとQwen-VL-Maxの厳密なナビゲーション成功率を高めることを報告しています。
説明MemoProAgent：記憶駆動型のプロアクティブ支援に向けて
要約本論文は、アシスタントが受動的な応答から能動的な介入へ移る際に、長期の個人記憶をもとに発話の要否とタイミングをどう判断するかを研究しています。著者らは、一人称視点の動画と平均約618Kトークンの長期記憶を含むベンチマーク MemoProBench を提案し、内容とタイミングを同時に評価します。既存の基線は最大15%と低い結果でしたが、MemoProAgent は学習なしで厳密精度を約37.5〜38%に引き上げ、強化学習後は42.4%に達しました。
説明関連する記憶から十分な証拠へ：LLMエージェントにおける記憶活用の再考
要約論文は、LLMエージェントが関連する記憶を検索しても、質問への回答に十分な証拠が得られるとは限らないと指摘します。著者らは、記憶活用を個々の検索関連性ではなく、クエリごとの証拠集合の構築として捉え直すQEMemフレームワークを提案しています。LoCoMoベンチマークでは、Claude Opus 4.5を用いてLLM評価者による正答率91.43%を達成し、評価した中で最も強い基準手法MemR³を上回りました。また、複数セッションにまたがる証拠の統合が必要な質問でも良好な結果を示しています。
説明多様な推論経路が重要：RL探索を強化する記号的等価拡張
要約本論文は、教師ありファインチューニング（SFT）データにおける思考連鎖の推論ステップの多様性が、後続の検証可能な報酬による強化学習（RLVR）の性能に影響するかを検討しています。著者らは記号的等価変換を用いて、推論ステップが異なり正しさが証明可能な推論経路を生成するデータ拡張フレームワーク EquivAug を提案しています。GSM8K と FOLIO で複数のモデル規模を用いた実験では、SFT後の推論経路の多様性が最も高く、GRPO後の精度も最良だったと報告されています。
説明人間とAIの対話における編集候補の発見：高コストな再確認に回す対話の選び方
要約本論文は、人間とAIの対話データから修正が必要なモデル回答を見つける方法を研究しています。回答を確認し修正できる「編集者」（人間の専門家や、より高性能なAIなど）は呼び出しコストが高いため、事前にどの対話を送るかを決める必要があります。著者は編集発見最適化（EDO）という問題を定式化し、部分的なフィードバックのもとで動くオンラインアルゴリズムEDITを提案しています。四つの推論・事実質問応答ベンチマークでは、直接LLMでバッチ選択する方法より、編集者コスト・第一種誤り・第二種誤りのバランスが良いと報告されています。
説明「二次的ストレス」：大学院出願コミュニティにおけるストレス開示が心理社会的ウェルビーイングに与える影響を調べた研究です。
要約本論文は、ストレス・クロスオーバー理論（stress crossover theory）に基づき、2つのReddit大学院出願コミュニティの3つの出願サイクルにおける171,981件の投稿と1,130,413件のコメントを分析しています。傾向スコア層別化とベースライン調整比較を用いています。出願準備期間中にストレスの開示に関わったユーザーは、分類器で推定された不安・抑うつ・ストレス表現が高く、コメント活動や語彙の冗長性も高い傾向がありました。一方、そのユーザーと交流した下流のユーザーには有意な心理社会的関連は見られませんでした。
説明線形プローブは表現が線形であることの証拠になるか？視覚モデルが生成因子を線形に符号化しているかを、線形分類器で判定する手法を疑問視する論文です。
要約線形プローブで高い精度が得られても、十分に豊かな特徴写像（ランダムなものでも）では線形読み出しが可能なため、それだけでは因子が線形に符号化されているとは言えないと指摘しています。著者らは反転予測可能性、スペクトル集中度、分布外汎化の3つの診断法を提案し、真値が既知の完全観測シミュレーションで検証しています。6つの事前学習済み視覚トランスフォーマーなどへの適用では、事前学習によりランダムカーネルを超える構造は生まれるものの、線形世界モデルには遠く及ばないことが示されています。
説明CTおよびMR血管造影における血管別頭蓋内動脈瘤セグメンテーションのための解剖学的認識型段階パイプライン
要約本論文は、TopAneu 2026チャレンジ向けに、CTおよびMR血管造影で頭蓋内動脈瘤をボクセル単位で分割し、50を超える血管クラスのいずれかに割り当てる手法を提案しています。単一のネットワークではなく、モダリティ分類、血管分割、候補領域の特定、病変分割、インスタンス化、位置分類からなる六段階のパイプラインを用いています。各段階の性能と、血管事前情報やクラス考慮サンプリングの寄与を調べる五部構成のアブレーション実験も報告されています。
説明消費者向け銀行検索のための証拠ゲート型バイリンガルRAG
要約本論文は、消費者向け銀行ウェブサイトの検索において、利用者の自然言語による要望に応えるため、ローカル環境で完結するバイリンガル検索拡張生成（RAG）の枠組みを提案しています。ウェブコンテンツの整理、ハイブリッド検索、意図を考慮した証拠選択、クロスエンコーダによる再ランキング、そして「回答／関連するが不一致／回答なし」の3つの判定を組み合わせています。アラビア語と英語の210件のURL付きクエリでは、Top-1ヒット率が50.48%から79.05%に向上しました。ただし著者らは、評価クエリが少数の参照集の言い換えであり、エンドツーエンド評価も小規模で自動判定に基づくため、結果は予備的であると述べています。
説明LLM学習段階間で最適化手法を切り替えるコスト：Muon と AdamW の混在の影響
要約本論文は、事前学習と後続の学習段階の間で最適化手法（AdamW と Muon）を切り替えると性能低下が生じるかを検証しています。著者らは1.2BパラメータのLlama-3モデルを一から事前学習し、両手法による更新の割合を変えて、継続事前学習と教師ありファインチューニングでも両者を補間しました。その結果、不一致による明確な性能低下は小さく、最終性能は事前学習と後処理それぞれの最適化手法の独立した効果でほぼ説明できることが示されています。
説明LGGS：ガイド付きグループスパースによる縦断MRI再構成手法
要約本論文は、MRI画像の撮像時間短縮を目的とした縦断誘導グループスパース（LGGS）手法を提案する。同一患者の過去の検査画像を事前情報として利用し、学習された位相不変の循環注意機構で検査間の対応する特徴を特定して再構成の正則化項に組み込む。縦断T1強調多コイル脳MRIデータでの評価では、各加速率において比較対象の無誘導手法および縦断情報を用いた手法を上回り、学習パラメータ数も大幅に少ないと報告されている。
説明SAFETYEDIT：LLMジェイルブレイク・バックドア向けのスパース内部ターゲットとプロンプト全体制御
要約本論文は、トリガー入力の下で有害な応答を引き出しつつ、非トリガー入力では通常の動作を保つモデル編集型バックドアを扱います。著者らは、拒否に関連する単一のMLP座標を最適化し、初期のアテンション層におけるKVキャッシュのマーキングによって前置きトリガーの信号を後続の指示位置へ伝播させるSAFETYEDITを提案しています。4つのオープンウェイトLLMと3組のデータセットでの評価では、多くの比較でトリガー後のGuard攻撃成功率とStrongREJECTスコアが最高値を示したと報告されています。また、テストした構成では未トリガー時の動作と一般的能力の変化は概ね小さいとされています。
説明言語横断的な共示パターンと文章属性による概念埋め込みの帰納的学習
要約本論文は、概念埋め込みを学習するための帰納的フレームワークを提案する。完全および部分的な言語横断の共示（colexification）ネットワークの構造情報と、短い概念記述から得られる意味情報を組み合わせる。これにより、訓練データに含まれない概念も短い定義に基づいて埋め込めるようになる。得られた概念埋め込みは、各種の言語横断的な類似度・関連度の指標と相関し、新しい概念にもよく汎化することが示されている。
説明困難事例をオンデマンドで生成：最適化によりアルゴリズム実験用の難しいテスト事例を探索する研究
要約本論文は、アルゴリズム実験の結論はテスト事例に依存するが、ランダム生成の事例は評価を誤らせることがあると指摘します。著者らは事例生成を最適化問題とみなし、ソルバーの実行時間を目的関数として Nevergrad のブラックボックス最適化器で困難な事例を探索します。充足可能性、巡回セールスマン、ハミルトン閉路、非置換フローショップ・スケジューリングの4つのNP困難問題で、同じ計算予算のランダム抽出より難しい事例が得られたと報告しています。
注目点インスタンス生成を実行時間を目的とするブラックボックス最適化として扱い、四つのNP困難問題で乱数抽出や標準ベンチマークと比較しており、新規性と証拠は十分。
説明因果的頑健性による大規模言語モデルの機構的不確実性の測定
要約本論文は、モデルの応答を支える内部機構の安定性によって不確実性を捉える「機構的不確実性」という概念を提案します。モデルの出力を変えるのに必要な最小の内部介入量として「因果的頑健性マージン」を定義し、Jacobian Lens（Jlens）の概念ステアリングベクトルで実装しています。3つのオープンソースモデルと5つの質疑応答データセットで、誤答や不確実な応答はマージンが小さく、内部介入に敏感であることが示されました。また、この指標は従来の出力ベースの不確実性手法を補完するとされています。
説明ICU敗血症予測における補完戦略の評価のためのアラートリスト一致度
要約本論文は、2つの前処理パイプラインが高リスク患者として抽出する上位k%のアラート集合のJaccard類似度によって、両者が同じ患者を特定するかを測る「アラートリスト一致度」を提案している。PhysioNet/CinC 2019データセット（40,336名、欠測率71.9%）で、9種類の補完手法と原欠測ベースラインを比較した。全体的なAUROCに統計的有意差がない手法の組でも、アラートリストの重なりはJaccard 0.518から0.750にとどまることが示された。
説明ToMStories：合成物語で心の理論を検証する研究
要約本論文は、約6,000編の合成された短い物語からなる評価データセットToMStories（Theory-of-Mind Stories）を提案します。各物語には、登場人物の感情、恐れ、動機、情緒的な傷についての選択式または記述式の質問が付いています。心理状態は、暗示的、明示的、または会話と地の文の矛盾によって提示されます。パラメータ数10億から720億の13のオープンウェイトモデルを評価した結果、最大のモデルは選択式では人間と同等でしたが、記述式では及びませんでした。著者らは、合成データはモデルの解釈の仕方を理解するのに役立つが、人間を理解する能力を過大評価している可能性があると述べています。
説明もっともらしい説明だけで、マルチモーダル評価モデルが誤った判断をする現象を分析
要約マルチモーダル大規模言語モデルは、学習や評価の場で答えと説明を同時に判定する役割を担うことが増えています。本論文は、答えを固定して説明だけを変えるベンチマーク JUPE を提案し、14 のモデルで検証しました。もっともらしい普通の説明は、説得を意図した議論と同程度に判定を誤らせ、誤答の棄却率を平易な理由で 12.7 ポイント、思考連鎖で 13.8 ポイント下げました。著者はこの失敗を「もっともらしさによる捕捉（plausibility capture）」と名付けています。
説明固定センサーが少ない高速道路網全体の速度推定・予測モデルの選択
要約本論文は、固定検出器が一部にしか設置されていない高速道路網で、全リンクの現在および次の1時間の速度を推定する各種手法を比較している。学習には過去のプローブデータを用いる。対象はダラス・フォートワース高速道路網で、有向リンク4,127本のうち643本（15.6%）に検出器が設置されている。5系統18手法を同一条件で評価した結果、道路グラフ上で情報を伝播させるグラフニューラルネットワークは、検出器のないリンクの現在時間帯の誤差を過去平均と比べて約17%削減した。インターポレーション特徴を加えると、10種のアーキテクチャの差は約0.1マイル/時以内に収まった。
説明確率的擬似勾配に対する外側 Nesterov モメンタムの安定性の解明
要約本論文は、多数のワーカーで大規模ニューラルネットワークを学習する際に、外側 Nesterov モメンタム、ローカル最適化ステップ数、ワーカー間平均が学習の安定性をどう左右するかを研究している。ランダム二次関数について、任意の次元で厳密な平均二乗安定性の判定条件を導き、内側バッチサイズがローカルステップの増加を安定化させるか不安定化させるかを決めることを示す。さらに、ワーカー間平均により大きな外側モメンタムが許容されうるが、安定に必要なワーカー数はローカルステップ数とともに指数的に増えうること、そして理論結果を複数のネットワークで検証したことを述べている。
説明二値・三値AIモデルのエッジ学習のための、ノイズ整形によるサンプリングとアニーリング
要約本論文は、離散重みの多線形多項式として表した二値・三値ニューラルネットワークの学習損失が、高次イジング模型のエネルギーと構造的に等価であることを示します。この等価性を利用してイジングソルバーで離散重みの学習を行う手法を提案し、その中核としてΣΔ-Samplerを導入します。これは確率的サンプリングとアニーリングを、一次ΣΔノイズ整形ループ内の雑音量子化器として組み込む最適化手法です。報告では、標準的な量子化認識学習と比べて学習メモリを50%以上削減できるとされ、オンデバイス学習に有望だと述べています。
説明軌道誘導型ステアリング：臨床分類における疑似特徴バイアスの緩和
要約大規模言語モデルは臨床分類で疑似特徴に依存することがあり、臨床ノートの性別語を一つ入れ替えるだけで、性別と無関係な診断が最大53.5%のケースで変わります。本論文はTrajectory-Guided Steering（TGS）を提案します。これは各層にわたる回答の選好の推移だけから、予測を修正すべきか、どの方向に修正すべきかを判断し、反事実データや疑似特徴の知識を必要としません。i2b2の16の臨床分類タスクで、TGSは誤りの17.7%を修正し、正しい予測を破壊するのは1.3%にとどまりました。
説明不確実性はRAGの幻覚リスクをいつ測れるのか？
要約本論文は、検索拡張生成（RAG）において、モデルの不確実性が幻覚リスクを測れるかを検討しています。HotpotQAとSQuADで4つの指示チューニング済みモデルを検証し、検索された根拠が回答を制約している場合にのみ、不確実性指標が有効であることを示しています。不確実性と意味的ドリフトを組み合わせたスコアは較正を改善するとされています。
説明手がかり依存アラインメント：視覚言語モデルが信頼する手がかりによるランキング
要約本論文は、視覚言語モデル（VLM）の選択方法としてShift-Reliance Alignment（SRA）を提案します。ソース画像を編集して手がかりが誤った答えを示すようにし、モデルがその手がかりにどの程度依存するかを測定します。対象ドメインで全候補を実行せずに最適なモデルを予測し、一部のデータセットでは選択モデルの誤答率を下げました。またCueDialベンチマークを公開しています。
注目点手がかりへの依存度と分布シフトを組み合わせてVLMを選ぶ新しい評価法を提案し、複数データセットと事前登録テストで検証したが、COCOでは予測通りにならなかった。
説明ProactGen：動画生成のための能動的な確認質問の学習
要約本論文はProactGenというフレームワークを提案し、初期プロンプトと動画のドラフトを見て、ユーザーの意図を引き出す質問を能動的に行う視覚言語モデルを強化学習で訓練します。報酬は最終的に生成された動画と目標参照との整合性に基づきます。実験では、直接生成と比べて目標との整合性の向上幅が最強のベースラインの少なくとも1.8倍であり、1回の確認で、ベースラインが4回の改良後に達する整合性を、約29%の時間で上回ったと報告されています。
説明3種類のLiDAR・25データセット：樹種認識における異なるデータソース間の汎化
要約FOR-species20K（樹種分類のための公開LiDARベンチマーク）は、33種を対象に25の独立収集データセットを統合した最大規模のものです。本論文では多解像度・多視点のConvNeXtV2モデルを提案し、公式隠しテストの精度を79.5%から85.0%に向上させました。しかし著者らは、データソースを分離した評価では精度が大きく低下することを示し、このスコアは同一分布内の性能を表すものであって、未知のデータソースへの汎化を示すものではないと指摘しています。
説明明示的な意図を超えて：人間とAIの共創を通じた芸術的意図の発見と形成
要約本論文は、芸術家の創作意図は曖昧で潜在的なことが多く、テキストプロンプトで事前に伝えることは難しいとして、人間とAIの共創パラダイムを提案している。モデルの探索範囲を広げ、芸術家が観察・比較・選択を通じて自分の好みを見出せるようにし、その選好を強化学習に統合して、認められた方向をより強く強化する。三つのユーザー調査により、潜在的な好みの発見、個人的な好みへの適合、曖昧な創作意図の外在化を検証している。
説明一回しか現れない観測（シングルトン）の希少性が重要：未観測種推定における脆弱性考慮の手法
要約本論文は、有限サンプルから未観測の確率質量や未観測種の数を推定する際、出現回数が1回のみの観測（シングルトン）に依存する従来の推定量が小標本で不安定になる問題を扱っています。著者らは、シングルトンに基づく脆弱性指標により基礎推定値への依存度を調整するエントロピー・KL最適化の枠組みを提案しています。合成分布と実世界の言語コーパスを含む360の実験設定で検証され、安定した状況では競争力を保ち、断片化・長い裾野・小標本の状況では精度と安定性が向上したと報告されています。
説明計算可能性の限界：忙しいビーバーのフロンティアにおける自律的AI発見への一歩
要約本論文は、計算不可能な忙しいビーバー（Busy Beaver）領域で、チューリングマシンの加速規則を自動的に発見するGeminiベースのエージェント型パイプラインを提案する。このシステムは、パターン認識、自動予想、非形式的な数学的推論、およびLeanによる形式的定理証明を統合している。BB(6)の11台の機械について、新規のCollatz型加速規則を自律的に発見し形式検証した。これらの機械は暫定的に「Cryptid」に分類されている。
説明「Stuck on Shuffle」：視覚言語モデルにおける属性と物体の結びつき
要約この論文は、マルチモーダル検索において「どの属性がどの物体に属するか」を正しく対応づけられるかという属性-物体バインディングを扱っています。著者らは四種類の画像・テキストの組み合わせ、最大10個の物体を含むSABERベンチマークを提案し、CLIP系の二重エンコーダとMLLM系の埋め込みモデルの双方に明確な結びつけの誤りがあることを示しました。さらに、合成された属性バインディング用テキストのみでMLLM埋め込みモデルを微調整したところ、効果は画像を用いない設定でもクロスモーダル検索や画像同士の検索へ転移し、SABERで論文の報告では最高水準の結果を得ています。
説明大規模言語モデルは機械学習実験の結果を予測できるか？
要約本論文は、フロンティアの大規模言語モデルが、学習を実行する前に自ら提案した機械学習実験のアイデアの効果を正確に予測できるかを検証しています。MLE-benchの8つのタスクにわたる288件のアイデアからなるデータセットを構築し、5つのモデルの予測を学習後の実際の結果と比較しました。予測はランダムより大幅に優れるものの精度は限定的で、最良のモデルでも結果の分散の約半分（R²=0.49）しか説明できず、全モデルが変化の大きさを過小評価する傾向がありました。
説明組み合わせ型ロボット制御のための運動スタイルの弱教師あり発見
要約本論文は、組み合わせ型ロボット制御のためのフレームワークCODESを提案します。まずモーション・リターゲティングで記録動作を対象ロボットで実行可能な動作に変換し、弱教師ありの一貫性エンコーディングと密度ベースクラスタリングで、事前に個数を定めずにスタイルを発見します。その後、強化学習で発見したスタイルと独立した指令を組み合わせる方策を学習します。Unitree Go2四足ロボットで、2種類のシミュレータと実機において、ベースラインと比べ運動学的一貫性が向上したと報告しています。
説明層ごとのプローブエントロピーによるGNNの失敗モードの診断
要約本論文は、学習済みのグラフニューラルネットワークを凍結し、各層に独立した線形プローブを当てはめ、プローブ精度と正規化予測エントロピーを追跡する事後診断手法を提案しています。実データと合成データのグラフ設定において、層ごとのプローブエントロピーは有益、中立、有害な平滑化を区別できることが示されています。浅いモデルと深いモデルを比較し、エントロピー低下の開始点によって、異質性下の構造的ミスマッチと、伝播の深さが増すにつれて現れる過剰な平滑化という2つの主な失敗モードを分けられると述べています。
説明モデルはより良く知っている：医療マルチエージェントシステムをプロンプトインジェクションから守る
要約本論文は、医療マルチエージェントシステムに対するプロンプトインジェクション攻撃を調べたものです。攻撃者が入力に挿入した一文により、モデルが誤った判断に導かれ、その成功率は最大61%に達し、協働だけでは一貫した防御にはならないことが示されています。著者らは、患者の所見と診断・推奨などの臨床的判断を分け、所見のみに基づいて各判断を検証する学習不要の防御法を提案しています。MedQAでの攻撃成功率は4〜7%に下がったとされています。
説明損失は平坦、特徴は変化：剰余加算における「グロッキング」
要約本論文は、「グロッキング（grokking）」の標準的な検証課題である剰余加算を対象に、学習時の交差エントロピーがほぼ平坦かつ正の値にとどまるとき、ネットワークが学習を続けられるかを調べたものです。訓練精度100%を保ったまま隠れ層の特徴が変化し、検証精度が0から90%超へ上昇することを示しています。単一隠れ層ネットワークについての有限ウィンドウの定理と、深層ネットワークおよびTransformerでの実験により裏付けられています。
注目点訓練交差エントロピーがほぼ一定でも特徴が学習されることを有限窓定理と複数実験で示し、grokking理解に新しい視点を与える。
説明SAG2：BM25とJEVを用いた埋め込み不要のマルチホップ検索
要約本論文は、ベクトル埋め込みを使わないマルチホップ検索の構成SAG2を提案します。単一のSQLiteデータベース、BM25、JEVによる文脈的な証拠判定に基づき、クエリ時に選ばれた段落から次の証拠を順に検索します。オフラインの埋め込み計算や大規模言語モデルによるエンティティ抽出は不要です。MuSiQue、2WikiMultiHopQA、HotpotQAの1000問のサブセットでは、比較対象の中で最も高いRecall@10（86.62%、97.43%、99.00%）を示しました。
説明根拠正則化による説明と人間の判断の一致における集団間格差の緩和
要約本論文はヘイトスピーチ検出における説明の公平性を研究している。分類性能が高くても、異なる人口集団に対して同程度にもっともらしい説明を生成しているとは限らない。著者はPlausibility-EFG指標を提案し、モデルが生成したトークン帰属と人間が付与した根拠を比較して、集団間の説明のもっともらしさの最大差を測定する。BERT、RoBERTa、敵対的訓練を施したADV-RoBERTaを評価したところ、ADV-RoBERTaは分類性能と説明と人間の根拠の一致を向上させつつ、集団間の説明の差を減らしたと報告している。
説明連合車両ネットワークにおける運用上の症状からの影響除去の開始
要約本論文は、コネクテッドカーの連合学習で生じる問題を扱います。欠陥のある車両の寄与は、道路走行中の遅延した症状としてしか現れず、どの車両やどのラウンドが原因かは特定できません。著者らは集約時運用証拠中和法（AT-ONE）を提案し、アンラーニングを連合集約則の一部として組み込みます。直近の大域更新から推定した曲率を用いて一度の逆伝播で全寄与を採点し、二段階の補正で疑わしい影響を抑制し、確認された影響は一ラウンドの探査後に除去します。三つの運転データセットでは、九設定中八設定で最強の基準手法より残留被害を43%から61%少なくし、効用は完全な再学習と0.36ポイント以内の差に収まりました。
説明分散型LLMエージェントの実行基盤（ハーネス）を自動進化させる連合学習型フレームワーク（説明：各エージェントの経験を共有し、実行の仕組みそのものを自動で改良する研究）
要約本論文はFederation over Harness（FoH）というフレームワークを提案しています。分散したLLMエージェントが共有知識を作るため、サーバー側エージェントがクライアント側の課題解決・自己内省のハーネスを自動で進化させ、同時に分散した内省結果を集約・共有知識の維持・次のクライアントハーネスの更新を行う自身のハーネスも進化させます。進化の過程で正解ラベルや検証データは使わず、分散エージェントが生成した自己内省のみから学習します。複数のベンチマークで、固定ハーネスの単一エージェント基準およびハーネス自己進化手法に対し、それぞれ53.57%と29.76%改善したと報告されています。
説明自発音声向けのノイズに強い強制アライメント手法
要約本論文は、既存の強制アライメントツールが自発的で雑音の多い実音声では精度が落ちること、フィラーや笑い声、非流暢な発話が単語境界を乱すことを示す。作者らはMFCCの代わりにWavLM特徴量を用い、フィラーや非語彙的音声イベントに専用の音素単位を設け、判別的射影で頑健性を高めている。手動や外部の境界ラベルを使わず、自己ブートストラップで学習する。会話音声と非流暢音声の2つのデータセットで、十の基準手法の中の最良を下回る単語境界誤差を示し、大きなずれはMontreal Forced Aligner（MFA）より少ないと報告している。
説明具身分類器ガイダンス：デモなしで凍結VLAをロボット動力学間で転移させる手法
要約π0のようなフローベース方策は固定された具身（ロボット本体）で学習されており、新しい本体への転移は未解決の課題です。本論文は、少数のキャリブレーションタスクで成功した行動チャンクを元の本体と対象本体で区別する軽量な具身分類器を学習し、その勾配でπ0の各ノイズ除去ステップを誘導します。デモ追加やパラメータ更新は不要です。LIBEROシミュレーションでは、4種の改変コントローラにおいて対象本体での平均成功率が72%から80%に向上したと報告されています。
説明ガウス過程分散ポート・ハミルトン系のための構造認識型空間カーネル
要約本論文は、ガウス過程分散ポート・ハミルトン系のモデル化に用いる構造認識型カーネル設計を提案する。無関係な状態座標を除去し、テンソル積共分散によって状態依存性と空間依存性を分離する。周期的、緩やかに変化する、準区分的な剛性プロファイルを持つ非線形弦による数値実験では、構造の分離により再構成精度が一貫して向上し、プロファイルに適合した空間カーネルはさらに大きな改善をもたらすことが示された。
説明視覚の脳エンコーディングモデルを個人の知覚類似性判断に合わせる研究
要約本研究は、視覚の脳エンコーディングモデルの内部表現を個人の類似性判断に近づけるために微調整できるかを検討したものです。Natural Scenes Dataset（NSD）の8名の被験者による100枚の画像に対する類似性判断を用い、汎用の類似性判断モデル（DreamSim）を被験者ごとに適応させています。個人化された知覚類似性情報で微調整したモデルが、人間の判断に最もよく一致し、被験者間の相関も再現したと報告されています。
説明決定的診断によるLLM生成形式仕様の修復
要約大規模言語モデルは、自然言語の推論問題を形式仕様に変換し、記号ソルバーで解く用途で使われています。本論文は、実行できても意味的に誤った仕様が生じ、LLM自身による診断は誤りの検出が難しく、正しかった仕様を悪化させることがあると指摘します。提案手法DRAGOは、決定的な形式体系固有の診断で修復し、誤りの重みが厳密に減少した場合のみ書き換えを採用します。
説明視点主義モデルは誰をよく予測できるのか：アノテーター間の一致度、疎性、性能
要約本研究は、視点主義的な自然言語処理モデルが異なる注釈者をどの程度正しく予測できるかを調べたものです。研究者らは順序尺度の注釈を持つ視点主義データセットとして現時点で最大規模のコレクションを作成し、複数種類のアルゴリズムを評価しました。その結果、他者と意見が一致しやすい注釈者ほど予測性能が高い傾向があった一方、注釈の回答率と性能の間には統計的に有意な正の相関は見られませんでした。
説明動画とEEGの深層学習によるげっ歯類の発作自動検出と重症度分級に関する大規模実証研究
要約本研究は、ソマン誘発てんかんモデルの20匹のラットから得た601セッションの同期動画・脳波記録のうち24,131の対応クリップを用い、複数の動画モデルと単一チャネル脳波モデルの発作検出および行動による重症度分級性能を評価した。セッション単位の評価では検出マクロF1は0.968から0.974、五分類ではおよそ0.56から0.66であった。個体単位で評価すると五分類の性能は動画で0.475、脳波で0.404に低下した。
説明オフポリシー分位数認証におけるカバレッジの崖：ログデータで方策の裾分位数を保証できるかの検討
要約本論文は、文脈付きバンディットのログデータから、同じサンプルで選ばれた方策の上側裾分位数を認証できる条件を検討する。PAC-Bayes Bernstein の下側信頼包絡と TailCert 手続きを構築し、分位数の上側信頼限界または「結論不能」を返す。有限クラスに対する一致する認証境界も示され、模擬実験では探索複雑度の変化、データ再利用時の勝者の呪い、データ分割による検出力低下が確認されている。
説明距離空間における回帰・分類の精度と安定性に関する決定論的上界・下界
要約本論文は、入力と目標の関係の曖昧さを、最悪ケースのノイズから得られる実行可能集合に基づく平均カーネルサイズで定量化する幾何学的枠組みを提案します。この枠組みは、モデルに依存せず、有限データセットにおける達成可能な最良の経験誤差と精度について、計算可能で決定論的な非漸近的な境界を与えます。表形式回帰、画像回帰、画像分類のデータセットで実験が行われています。
説明マイクロ位置推定：顕微鏡による地表テクスチャを用いた移動ロボットの高精度自己位置推定
要約本論文は、顕微鏡光学で捉えた自然な地表テクスチャを用いて、数十マイクロメートル領域の高精度な大域的位置推定を実証しています。光学倍率や画像上の位置推定の不確かさと物理的な位置精度の関係を示し、高倍率撮像に伴う校正・カメラモデル・焦点の課題に対応する顕微鏡ベースのシステムを開発しました。精密ガントリー上で複数の表面テクスチャを評価し、平行移動のRMSEは28〜73マイクロメートルでした。低コストの移動ロボットでの動作も示し、熱膨張による微小変位を捉えられることを確認しています。
注目点顕微鏡で撮影した自然な床面テクスチャにより数十マイクロメートル精度の定位を実現し、倍率と定位精度の関係を示した点が新しい。精密ガントリーで千件超の検証を行っており、証拠は十分。
説明FRACTAL：形式的な通信・収束・深さの境界を持つ自己相似型マルチエージェント編成アーキテクチャ
要約本論文は、再帰的な目標分解のための自己相似型マルチエージェント・アーキテクチャ FRACTAL を提案する。同じ五つの構成要素からなる組織パターンが、分解木のすべての階層で繰り返される。二段階のプロトコルの下での通信コスト、収束保証と深さの境界、階層間のエスカレーション機構について形式的な議論を行う。定量的な性能結果は報告しておらず、定性的な例を示すにとどめ、モデルの限界も論じている。
説明計画が変わったら記憶する：再計画信号に基づく視覚メモリ（視覚・言語・行動モデル向け）
要約本論文は、長期にわたる多段階の操作を行うVision-Language-Action（VLA）ポリシー向けに、ポリシー自身の計画修正をオンラインでメモリへの書き込み信号として使うRePlanMem-VLAを提案します。連続する行動チャンクが同じ将来の行動を予測する際の食い違いが大きい時点を、タスク関連のイベントの兆候とみなします。シミュレーションのタスクと実機のリプレイデータで検証し、検出器のROC-AUCは0.981〜0.997と報告されています。記憶保持実験では、評価したエピソードの100%で、後の判断時点までタスク関連の観測を保持したとされています。
説明生成AIが生み出し広める「美貌バイアス」について
要約本論文は、2022年から2026年にかけて公開された27種類のテキストから画像を生成するAIを、美しさに一切言及しない単純なプロンプトで検証し、生成された51,300枚の顔と160,196枚の実在人物写真を比較した。多くのモデルの出力は自動指標と人間の評価の双方で実在人物の写真より魅力的と判断され、濃い肤色の集団は一般に低い魅力スコアを受けた。事前登録された採用シミュレーション実験（N=570）では、魅力度の高いAI生成の顔にさらされた後、実在の候補者に対する採用可能性と信頼性の評価が低下した。
注目点27の画像生成モデルを監査し、550人の評価と事前登録実験で生成顔が実在人物の採用判断に影響することを示した。
説明CFC26：ソナー映像による魚類計数の実運用に向けた評価基盤
要約本論文は、ソナー映像を用いた自動魚類計数システムを既知および未知の河川で評価するための新データセット CFC26 と、改良された評価手順を提案しています。CFC22 を拡張し、アラスカから北カリフォルニアまでの太平洋サケ類の河川9水系、11か所の設置地点を含みます。また、計数用の新指標 nMNE と nMANE を導入し、上流と下流の計数に存在する方向性の偏りを明らかにしました。データセットとコードは公開されています。
説明文化的（不）適格性：大規模言語モデルの文化特有のステレオタイプ検出能力の検証
要約本論文は、大規模言語モデル（LLM）が文化特有のステレオタイプをどの程度正しく検出できるかを体系的に調べたものです。プロンプトの言語、指示チューニングの言語、ファインチューニングのデータ量という三つの要因を比較しています。実験の対象は米国、オランダ、中国の文化的文脈です。結果として、LLMは文化的文脈を確実には考慮せず、ステレオタイプの存在を過剰に予測する傾向が見られました。非英語のプロンプトは文化的文脈の考慮を改善し、追加の指示チューニングは偽陽性率を下げ、学習データ量の効果は単調ではないことが示されました。
説明SPOT：コミット順序予測による拡散言語モデルの投機的デコーディング高速化
要約本論文は、拡散言語モデル（DLM）で速度と品質の両立が難しい問題に対し、目標モデルの出力分布のみを読み取り位置の順序を予測する0.62Mパラメータのモデル SPOT を提案しています。候補の続きを木構造で提案し、目標モデルが一度の前向き計算で検証します。また動的閾値デコーディング用の SPOT-Sets も提示され、SDAR-8B で最大6.8倍の目標パス削減、最大3.4倍のスループット向上が報告されています。
注目点コミット順序を予測する投機的復号を提案し、複数の拡散言語モデルで高速化と無損失性を実験的に示しており、新規性と証拠は強く、分野への影響も大きい。
説明HeRE：LLMによる知識グラフ対応の雑音除去を用いたヘブライ語関係抽出ベンチマークの新提案
要約本論文は、大規模言語モデルは英語の関係抽出で高い性能を示す一方、低リソース言語向けの標準ベンチマークが不足していることを指摘します。著者らは、知識ベースと対応テキストの自然に生じる雑音を含む対応関係を、自然言語推論タスクによって除去する、言語非依存の手法を提案し、五つの除去戦略を比較しています。その成果として、150万件のインスタンスを含むヘブライ語関係抽出用のシルバーデータセットHeReを公開しています。
説明再学習ではなく再構成：混合ハイパーネットワークによるWebエージェントの適応
要約本論文はWebMixを提案します。これは混合ハイパーネットワークで、目標インターフェースに対する勾配更新なしで、未知のWebインターフェースにWebエージェントを適応させます。ソース画面で訓練した低ランクアダプタ群を用意し、展開時に偵察エージェントが対象画面を探索して要約を作成し、ルーターがそれに基づいて既存アダプタを組み合わせます。TimeWarpとWebArena-Lite-v2での実験では、文脈内学習やLoRAのベースラインと同等以上の結果が示され、TimeWarpの領域転移では最良のベースラインより平均約8ポイント高いとされています。
説明大規模推論モデルは日常的な推論が得意か？論理推論課題での非推論モデルとの比較
要約本論文は、言語的・語用論的推論現象に基づくベンチマークを構築し、推論モデルが日常的な推論パターンにどの程度適合するかを体系的に評価しています。統制されたプロンプト条件下で非推論モデルとも比較しています。その結果、日常的な推論が形式論理の規則から逸脱する場合、推論モデルの性能が低下すること、思考連鎖プロンプトを用いた一部の非推論モデルが同程度の推論モデルを上回ることが分かりました。また、追加指示による推論挙動の制御は限定的でした。著者らは、現在の推論モデルは日常的推論を確実に捉えられておらず、学習後の工程に限界があると指摘しています。
説明FlashControl：蒸留しやすい単一ストラクチャ教師モデルによるワンステップ制御可能生成器
要約本論文は、拡散モデルは生成に多くのステップを要し、制御可能生成の蒸留も難しいという課題に取り組んでいます。追加の条件分岐を加える代わりに、テキストから画像を生成する元の拡散モデルの一部の層を微調整し、双分岐方式と同等の性能を持つ単一フローの多段階モデルDeltaControlを得ています。さらにステップ蒸留を行い、一回の順伝播で空間条件付きの制御生成を行えるFlashControlを得ています。
説明Pearl-Chat：JAXとFlax NNXで一から構築したルガンダ語言語モデル
要約本論文は、東アフリカの低資源ニジェール・コンゴ系バントゥ語であるルガンダ語向けに設計された、約850万パラメータの因果デコーダ型Transformerモデル「Pearl-Chat」を紹介しています。JAXとFlax NNXで基礎から実装され、語彙数8,192のバイトレベルBPE分かち書き器を専用に学習しています。事前学習と指令微調整の二段階で学習され、保持データでのROUGE-LとBLEUで高いスコアを示しました。重み、分かち書き器、コードはオープンソースで公開されています。
説明字句への固着：テスト言語がベンガル語慣用句の判定モデルにおける字句的誘引をどう変えるか
要約本論文は、テキストを生成せず与えられた選択肢の確率を出力する判定モデルが、ベンガル語の慣用句で字句的な解釈に引き寄せられるかを検証しています。慣用句自身の字句的な注釈を選択肢に加えると、各モデルの残りのベンガル語の誤りの65％から96％がその選択肢に向かいました。同じ項目でもベンガル語の誘引は英語の1.9倍から6.4倍でした。
説明QLoRA で微調整した NileChat-3B による文脈考慮型の英語→アラビア方言対話翻訳（AlexandriaX-2026 サブタスク1）
要約本論文は、チーム alkhder が AlexandriaX-2026 共有タスクのサブタスク1に提出したシステムを説明しています。英語の対話を13種類のアラビア方言に翻訳することが目的です。NileChat-3B-Base を Alexandria 並列対話コーパスで QLoRA により微調整し、全方言で1組のアダプター重みを共有しています。翻訳時には対象国・方言、分野、話者の役割、前の発話文脈などを条件として用います。制約付きトラックでの国別マクロ平均 spBLEU は 20.36、chrF++ は 36.64 です。
説明クライオ電子顕微鏡の逆問題に共通する潜在構造の学習
要約本論文は、自己蒸留により、姿勢推定・構造の不均一性解析・三次元再構成などの逆問題に共通して使える、クライオ電顕の二次元粒子画像の表現を学習する手法を提案しています。EMberと名付けた視覚トランスフォーマーのファミリーは、214のEMPIARデータセットに由来する5000万枚超の実験粒子画像と、26万8000の分子集合体の模擬投影で事前学習されています。原文によれば、構造の区別において既存手法より14.85および14.26ポイント向上し、線形プローブで構造の集団割合を推定できます。
説明運動学的補間子による滑らかな力学系の学習（論文）
要約本論文は、位置と速度の観測を同時に用いて相空間で非線形力学を推定する新しい枠組み、運動学的補間子（Kinematic Interpolants、KI）を提案し、確率的補間子の手法を拡張したものです。著者らは、複数の科学データセットにおいて、KIが既存のベースライン手法より基礎となる力学の再構成に優れ、学習時間はわずかで済むと報告しています。
説明シミュレーションの忠実度向上のためのユーザー表現学習
要約本論文は、ユーザーシミュレーターが実際のユーザーの多様な振る舞いを再現しにくく、その結果AIアシスタントが少数派ユーザーに対してうまく汎化しないと指摘しています。著者らは、自然言語で記述されたユーザー表現をシミュレーターの条件として用い、元の会話と模擬会話のユーザー行動を比較する会話再構成タスクで品質を評価します。さらに、後知恵フィードバックを表現生成器へ蒸留する手法を提案し、UserRepGen-4Bを訓練しました。七つのデータセットの700会話において、GPT-5.5より忠実なシミュレーションを可能にする表現を生成したと報告しています。
説明戦略的な買い手を考慮した情報源認識型の動的価格設定
要約本論文は、検証済みの特徴と買い手が自己申告し操作され得る特徴を区別する、文脈付き動的価格設定の枠組みを提案します。手法SALEは、検証済み特徴を用いて価格探索を局所化し、利用段階で両種の特徴を組み合わせて戦略的操作を補正します。高次元半パラメトリック設定で一致性と劣線形の期待後悔の保証を示し、シミュレーションと実データで性能を検証しています。
注目点特徴の出所による操作可能性の違いを扱う動的価格設定の枠組みを提案し、高次元半パラメトリック設定で後悔上界と推定保証を示す。影響は価格設定の一分野に留まる。
説明ImageEval 2026 共有タスク参加論文：マルチモーダル幻覚検出のための制約付き選択と回転平均ロジット採点
要約本論文は、ImageEval 2026 サブタスク 1b への提出システムを説明するものです。このタスクは、画像に対応する3つの候補文から視覚的に正しい文を1つ選ぶもので、英語と現代標準アラビア語の両方で行われます。著者らは、タスク固有の学習や微調整を行わず、事前学習済みの 7B 視覚言語モデルをゼロショットで用いています。解答位置の偏りを減らすためにラテン方陣による回転を適用しています。CI スコアは英語テストセットで 0.0510、アラビア語テストセットで 0.0960 であり、devtest で公表された 3B ベースラインと比べてそれぞれ 83.7% と 80.4% 低減しています。
説明三次元基盤モデルで地理的に多様な建築物を再構成する試み
要約本論文は、地理的範囲が広くメタデータが豊富な三次元建築ランドマークのベンチマーク「ArchWorld」を提案しています。これを用いて既存の三次元基盤モデルの誤差を分析し、地域によって性能に差があることを明らかにしています。その差は訓練データの分布だけでは説明できず、地域特有の建築特徴や背景の妨げ要素も関係しています。さらに、性能を向上させつつ地域間の差を縮める介入手法を提案しています。
説明オンポリシー自己蒸留における特権情報の有効性を予測する
要約本論文は、大規模言語モデルのオンポリシー自己蒸留で用いる特権情報（PI）の内容と構築方法が学習効果に与える影響を調べています。3つのマルチターン・エージェント型ベンチマークと3種類の学生モデルで16のPI構成を評価しました。情報密度の高い軌跡や、より高性能な生成器が作ったPIほど効果が大きく、学習前にPIを評価するためのKLベースの指標も比較しています。
説明AuditKIT：大規模言語モデルとエージェントシステムを評価・比較するための統一評価基盤
要約本論文は、ベンチマーク精度、判定ベースの評価、実行性能、ツール利用、検索品質を一つの結果形式で記録する、ソース公開型の評価ライブラリ AuditKIT を紹介しています。エージェントについては、並列実行と逐次実行を区別し、検証済みのタスク結果と軌跡レベルの診断を分けて扱います。観測できない証拠は失敗として数えず、未採点として扱います。七つの事例研究により、回答抽出、実行時の挙動、指標の選択が評価結果をどう変えるかを示しています。
