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。
説明ソーシャルメディアが教えるAIの累積的リスク
要約本論文は立場表明型の論文で、核戦争や生物兵器のような破局的事象だけでなく、AIの日常的な大規模利用の中で徐々に蓄積する害にも目を向けるべきだと主張します。ソーシャルメディア研究の知見を踏まえ、対話型AIにおける迎合、操作、プライバシー喪失を事例として、これらのリスクがどう相互作用し累積するかを検討します。重要なのは、繰り返しのAI利用が有害だと決めつけるのではなく、累積的なパターンを評価することだとしています。
説明TriSAR-3DとPaintFusion：捜索救助における三次元人物検出のための新たな三モダリティLiDAR-RGB-熱画像データセットと手法
要約本論文は、既存の多モーダル三次元検出の多くが自動車向けで、倒れた人や遮蔽された人、屋内外の非構造的環境に対応できるか不明だと指摘します。著者らは128チャンネルLiDAR、RGBカメラ、熱画像カメラで記録したTriSAR-3Dデータセットを構築し、多様な姿勢と時間帯の屋内外シーンを含めました。また、PointPaintingによる情報を簡単なMLPで融合する三モダリティ手法PaintFusionを提案し、AP@50は65.4で、単一フレームの遅延は51.6msと報告しています。倒れた姿勢の学習データを除くと、倒れた姿勢のAP@50はほぼゼロになり、データの多様性が性能に大きく影響することを示しています。
説明RealCLI：CLIエージェントの人間との協働を統一的に評価するベンチマーク
要約本論文は、現実的なCLIタスクにおいて、エージェントのタスク実行と人間との協働品質を同時に評価するペアベンチマーク「RealCLI」を提案している。完全な仕様を最初に与えるREALCLI-EXECと、スクリプト化されたユーザーが情報の追加、修正、制約の変更、認可の判断を段階的に行うREALCLI-COLLABの二つのモードがある。結果として、最良の構成でも平均スコアは49.2%、協働スコアの最高値は37.6%にとどまり、操作性、信頼の調整、安全境界の管理に課題が見られた。
説明KFS⁴LAM：内視鏡向けガウシアン・スプラッティングSLAMのための適応的キーフレーム選択と構造認識マッピング
要約本論文はKFS⁴LAMを提案し、内視鏡（大腸内視鏡など）の場面でのガウシアン・スプラッティングによる同時自己位置推定と地図作成（SLAM）を扱います。動きに基づく適応的なキーフレーム選択、大腸のひだなど解剖学的輪郭による構造的監督を用いたマッピング、制限付きの時間的変形を組み合わせています。C3VDとC3VD-v2での実験では全体に良好な性能を示し、C3VD-v2ではSplaTAMと比べ回転の相対姿勢誤差が20.3%、深度RMSEが38.4%減少し、PSNRが0.78 dB向上したと報告しています。
説明Nemotron 3.5 Bolt 74B-A9B 24GB：ローカルAI向けのハイブリッド視覚言語モデル
要約本論文は、ローカルのエージェント型タスクにおいて、使用メモリ1GBあたりの速度と知能を最適化したハイブリッドMamba-Transformer型の視覚言語モデル「Nemotron 3.5 Bolt 74B-A9B 24GB」を紹介しています。Nemotron 3.5 Super VL 120B-A12Bファミリーから派生し、Star Elastic圧縮と2ビット量子化考慮蒸留（QAD）を組み合わせています。推論速度向上のためのLiLiCorr推測ドラフターも併せて公開されています。論文によると、同程度のメモリ量と速度を持つ主要モデルより多くのベンチマークで高い精度を示し、RTX Sparkで84 TPSを達成しています。
説明JAVIS：リアルタイム対話エージェントのための音声・映像統合インタラクションとストリーミング
要約本論文は、音声と顔の表情を単一の表現から生成する、リアルタイム音声映像対話エージェント向けのエンドツーエンドのストリーミングフレームワーク「JAVIS」を提案しています。また、表現力のある音声映像対話データの不足に対応するため、334時間の合成コーパス「JAVIS-Syn」を構築しています。実験では、強力なベースラインより初期遅延が大幅に小さく、口唇同期と表情の適切さでも上回ったと報告されています。
説明生成型価値分類器：行動から回収の分布を学習し強化学習の価値関数を得る手法
要約本論文はQ学習のための生成型価値分類器を提案しています。従来手法はスカラーまたは分布的な収益目標で状態行動価値関数を直接学習しますが、本研究は逆に、各可能な収益のもとでその行動がどの程度起こりやすいかを問います。生成部分は収益を条件とする方策で、アクターと同じアーキテクチャを共有でき、すべての行動が批評器の学習を監督します。オフラインとオンラインの強化学習タスクで評価され、分布的強化学習を含む主要な判別型手法より優れた結果が示されています。
説明スパイキングニューラルネットワークにおける因果ピースの個数の上界
要約単一スパイク型ニューラルネットワークの入力空間は因果ピース（causal pieces）に分解でき、その個数は一部のスパイキングネットワークの近似誤差の下界を与えることが示されている。本研究は、フィードフォワード型単一スパイクネットワークにおける因果ピース数について、2つの相補的な上界を導出する。一つはpoly-Bernoulli数に基づく組合せ論的上界で、広範なニューロンモデルに適用できる。もう一つは超平面配置に基づく上界で、特定のモデルについて具体的なオーダーを与える。
説明「星よ輝け」：マルチモーダルモデルは天文の視覚的質問応答データセットを正しく読み取れるか？
要約本論文は、大規模マルチモーダルモデル（LMM）が科学図を理解できるかを検証しています。研究者らは、等高線図、NASA SkyViewの実際の望遠鏡画像、そして軸と角度スケールは実画像と同じでも色をガウス混合モデルから生成した「偽」の夜空画像からなる2001枚の図と、47357の質問を含む天文分野の視覚的質問応答データセットを構築しました。低コストの商用LMM3種をテストした結果、専門的な質問に高い精度で答えられないことが多いと分かりました。歴史的な学術誌から集めた104枚の人手検証済み画像との比較では、角度範囲の中央値誤差が近い値を示しています。コードとデータセットはGitHubとHuggingFaceで公開されています。
説明画像スケーリングの統一理論：点広がり関数・離散カーネル・スケール空間
要約本論文は、カメラの点広がり関数（PSF）を基礎に、光学ズームと整合する画像スケーリング演算子の体系を提案します。拡大・縮小の双方に対応し、合成と逆変換が可能です。一般的な縮小方法は光学的に忠実でなく内部的にも一貫しないこと、ガウス型スケール空間は理想化された特殊例にすぎないことを示しています。実機撮影とノイズを含む光学シミュレーションで予測を検証し、超解像や分類タスクの安定性向上も示しています。
説明GPT-6-Astra は身体性知能に到達したか？
要約本報告は、ロボットの操作とナビゲーションにおける GPT-6-Astra の能力を、卓上操作、ヒューマノイド、移動プラットフォーム、器用なハンドなど 12 のベンチマークで評価したものです。文脈内学習と実行ステップの増加を許す統一プロトコルを用いています。また、高次推論モジュールと低次制御器を組み合わせるエージェント構成や、8 種類のロボットでの実機展開も検討しています。その結果、実演データの収集コストが高く、実用的な身体性知能には至っていないと結論づけています。
説明LIBERO-PeRM：パーソナライズドロボット操作のベンチマーク
要約本論文は、タスク達成と好みの充足を切り分けて評価できる、個人化ロボット操作のための制御されたベンチマーク LIBERO-PeRM を提案しています。312 タスクからなる 5 つのタスクスイートに、好みの有無を対にした示範データと自動評価指標を含みます。実験では、既存の VLA ポリシーはゼロショットでの個人化に苦戦する一方、教師ありファインチューニング（SFT）により好みを学習可能になることが示されました。好みの汎化、分解、衝突処理は依然として難しい課題です。
説明Gen4P：動画生成モデルは4次元知覚も担える
要約本論文は、単眼動画から4次元の幾何構造と運動を同時に復元する統合フレームワーク Gen4P を提案しています。事前学習済みの動画生成モデルを、反復的ノイズ除去なしで動作するフィードフォワード型の4次元知覚器に転用し、軽量なクロスアテンションデコーダで必要な属性を問い合わせて予測します。また、凍結した動画深度 LoRA を幾何事前情報として組み込む手法も示されています。3次元点追跡、動画深度、カメラ姿勢推定で最先端または競争力のある性能を報告しています。
説明どのトークンを統合すべきか？効率的な画像生成のための拡散ダイナミクス（DaTMe）
要約本論文は、拡散モデルの画像生成を高速化するため、学習を必要としないトークン統合手法DaTMeを提案しています。デノイジング中にトークンが未確定のままか、構造情報を持つかに基づいて安全に統合できるトークンを判定し、プロンプトとの関連性のみには頼りません。PixArt-αとFLUXでの実験では、画像全体で視覚的忠実度が維持されることが示されています。
説明SoftCache：拡散Transformer向けの適応ステップ幅キャッシュ手法
要約拡散モデルやフローモデルは反復的なステップを経て生成を行い、各ステップで大規模ネットワークの全体を計算するため、コストが大きくなります。本論文のSoftCacheは、従来の動的キャッシュのように再計算するかしないかを二値で決めるのではなく、キャッシュ信号が閾値からどれだけ余裕を残しているかに応じて、キャッシュされたステップをどこまで進めるかを決めます。余裕が大きいときは予定された複数のノードを飛び越え、再計算が近づくと元のステップ幅に戻していきます。学習は不要で、バックボーンごとの設定も追加しません。FLUX（画像）およびHunyuanVideoとWan2.1（動画）で3.5倍から6.9倍の高速化を実現し、4つの忠実度指標すべてで全ベースラインを上回りました。
説明T2-Z：ロボット世界モデルの環境潜在変数をテスト時に最適化する手法
要約本論文は、摩擦や質量など直接観測できない環境要因を表す学習可能な環境潜在変数をロボット世界モデルに加える T2-Z を提案している。学習時は世界モデルと環境潜在変数を交互に最適化し、テスト時はモデルを固定して新しい環境の潜在変数だけを最適化する。7つのシミュレーションと4つの実ロボットタスクで、物体予測誤差は 15.20 から 7.00 に、動作成功率は 33.73% から 72.96% に改善したと報告している。また、単一のテスト時インタラクション軌道からでも潜在変数を推定できることを示している。
説明知覚・予測・計画：一人称視点の器用な操作のための統一世界行動モデル
要約本論文はP³-WAMを提案します。これは一人称視点の器用な操作のための統一世界行動モデルで、知覚（動画から手の動きとカメラ軌跡を再構成）、予測（指定された動作のもとで視覚的な未来を生成）、計画（初期画像・言語指示・任意の視覚目標に基づき動作軌道とその視覚的結果を同時に生成）の3つのモードを持ちます。統一学習は単一モードの学習より3つの能力すべてを改善し、4つのデータセットで専用ベースラインを上回ったと報告されています。
説明CoDA：データエンジンと行動方策の共進化
要約本論文は、シミュレーションのデータエンジンとロボットの行動方策が共有メモリを通じて共進化するフレームワーク CoDA を提案する。視覚言語批評器による失敗の診断を、環境生成プログラムと学習プログラムに変換し、Text2potential によって段階的ポテンシャルへと変換して密な教師信号を与える。4つの操作タスクで、分布外成功率は教師ありファインチューニングの 5.3% から 27.6% に向上し、最強の閉ループ基線を 9.5 ポイント上回った。
説明3Dコンテンツに基づく生成的検証の提案
要約本論文は、10タスクからなるベンチマーク3DVerifierBench（3D検証ベンチマーク）を提案し、3Dコンテンツに対する判定、拒否理由の説明、仕様や候補の変更への対応を評価します。また、14,126件の学習例を作成するデータ生成パイプラインを構築し、検証フィードバックを候補選択や再帰的な改良に活用する可能性を検討しています。
説明PathFM：多変量軌跡の高速な生成的予測
要約本論文は、将来の完全な経路を流れマッチング（flow matching）で生成する軌跡ベースの予測モデル PathFM を提案しています。蒸馏により生成ステップを一〜二回に減らし、複数の経路の間で履歴の注意キャッシュを共有することで、単一系列から複数経路を生成する時間が分位点モデルへの一回の問い合わせとほぼ同程度になるとしています。fev-bench と TIME では周辺精度で競争力のある結果を示し、著者らが新たに作成した fps-bench（エネルギースコアとバリオグラムスコアを追加）では、比較した外部ベースラインより高い総合経路スコアを得たと報告しています。
説明PACE：ネイティブMLLM向けのパレート適応型視覚トークン圧縮手法
要約ネイティブMLLMはピクセルパッチを直接トークン化するため視覚トークンの冗長性が大きく、ViTベースのモデルより圧縮に強いことが示されています。PACEは高さと幅の二方向に注意を分解して重要度を推定し、性能、推論効率、空間カバレッジをパレート最適化で両立させる圧縮深度と保持率を決定します。実験では視覚トークンを25%〜50%保持してもほぼ無劣化で、一部のベンチマークでは向上し、FLOPsは2倍以上削減されたと報告されています。
説明DK-VLM：空間推論のために幾何を位置情報として扱う視覚言語モデル
要約本論文は、視覚言語モデルが視点をまたいだ3D空間関係を理解し、観測者の移動に応じて空間判断を更新する能力の向上を目指すDK-VLMを提案しています。デュアルカーネル注意機構により、事前学習済みの意味的注意と、推定3D点・カメラ姿勢に基づく幾何的注意を、学習型ゲートで統合します。さらに参照フレーム合成（RC）による段階的な監督を導入し、複数ステップの空間推論を改善したと報告しています。
説明OmniVerifier-C1：規則に基づく生成型世界モデリングのための分解型・段階評価検証器
要約本論文は、複雑なプロンプトや環境規則を細かい要素に分解し、要素ごとに点数を与える生成型視覚検証器を提案します。従来の真偽のみを返す二値検証器に代わり、連続的な評価信号を出力します。副問題ごとの二値判定と全体の整合性スコアを同時に最適化する分離型強化学習で訓練されます。文生成画像や迷路、数独などの構造化世界モデリング課題で、二値検証器より優れた結果を示したと報告しています。
説明現代の混合エキスパートモデルにおけるルーティング探索の再検討
要約混合エキスパート（MoE）は、モデルのパラメータ規模を拡大する重要な手法です。現代のアーキテクチャは、細粒度のエキスパート分割と共有エキスパートを併用することが多くなっています。本論文は、共有エキスパートがトークン表現の多様性を下げてルーティングの探索性を弱め、一方で細粒度分割による組合せ的に拡大したルーティング空間はより多くの探索を必要とするという、両者間の探索のジレンマを指摘しています。提案手法MirrorMoEは、トークンごとに不要なエキスパートを適応的に抑制して探索空間を縮小し、各モデル規模で性能を向上させるとしています。
説明SUPRA-TEX：超整列テクスチャによる3D生成手法
要約本論文は単一画像からの3D生成手法SUPRA-Texを提案し、与えられた3Dメッシュに再照明可能な材質を付与しつつ、参照画像の視覚的詳細を忠実に保持することを目指します。可視材質の推定、表面整列、観測に基づく3D補完を分離し、参照視点のPBRマップをMLLMベースの画像編集モデルで予測して観測潜在変数に符号化します。インターリーブ型フロー変換器がそれを固定の潜在アンカーとして用い、完全な材質潜在変数を生成します。公開データセットのみで学習し、幾何条件付きテクスチャリングとエンドツーエンドの資産生成でSOTAを達成したと報告されています。
説明FDE-Gym：AI提供の「ラストマイル」（ベンチマーク）
要約本論文は、実際の導入プロジェクトを基に業界専門家が改作した95件のエンドツーエンド配信タスクからなるベンチマーク、FDE-Gymを提案します。模擬顧客環境で、エージェントは台本化された関係者と対話しながら本番に近いシステムを操作し、動作する解決策を提供します。13のモデル構成を評価した結果、最良の構成の平均スコアは0.56で、95件中14件しか完了できませんでした。主なボトルネックは、明示されていない制約を発見することだとされています。
注目点顧客の業務指標で納品を測る新ベンチマークを提案し、95タスク・13構成で評価、隠れた制約の発見が主要な障壁と示した。
説明効率的な自己回帰型動画生成のための投機的フォーシング（Speculative Forcing）
要約少ステップの自己回帰型動画生成器は、すべてのトークンに最終のノイズ除去ステップを適用するため、多くの計算が不要になっています。本論文は中間のクリーン推定を下書きとして扱い、トークンを早期に確定して以降の除去を省く Speculative Forcing を提案します。確定したトークンのキャッシュ済みKVは文脈として残ります。学習不要の検証器と学習型の検証器を比較しています。LongLiveとLingbot-World 2.0での実験では、全ステップ方式と同等の品質を保ちつつ、計算量を減らし生成速度を向上させています。
説明MLExpert：自律的な機械学習エンジニアリングのための汎用エージェントモデル
要約本論文は、長期にわたる機械学習エンジニアリングの最適化を自律的に行うための後学習手法を提案し、35BパラメータのMixture-of-Expertsエージェントモデル「MLExpert」を訓練しています。実行可能なタスクを構築するKaggle-MLE Factory、階層的なエージェント型教師ありファインチューニング、結果に基づく報酬を実験間の対話ウィンドウに割り当てるWindowed Interaction RL（WIRL）が中核です。MLE-Bench Liteでは、平均メダル獲得率がベースモデルの37.9%から72.7%に向上したと報告されています。
説明GeoState：三次元世界モデリングのための視点非依存幾何状態の学習
要約本論文は、予測型三次元世界モデルのための視点分離型幾何表現 GeoState を提案します。シーン状態の時間変化とカメラに依存する観測を分けて扱い、多視点の幾何基盤モデル特徴を視点非依存のシーン状態にまとめ、カメラ光線で問い合わせて幾何をデコードします。Waymo で従来手法より優れた結果を示し、KITTI と nuScenes へゼロショットで汎化したと報告しています。
説明3DCodeVerse：三次元世界をコードとして探る研究
要約本論文は、コーディングエージェントが編集可能で検証可能な三次元コンテンツを大規模に作成できる研究基盤3DCodeVerseを提案します。実行可能な三次元コードの大規模データセット3DCodeVerse-2M、実行チェック・空間計測・視覚フィードバックで生成プログラムを自動評価・修正するマルチエージェント型フレームワーク、そして実証研究から構成されます。データセットでの微調整によりオープンソースモデルの三次元コーディング能力が向上し、ペア比較の人手評価ではClaude Opus 5.5を用いた場合にClaude Design（3D Object）に対して90%の勝率を得たと報告されています。
説明PlayPolicy：監督付きプレイから器用な操作を学ぶ手法
要約本論文は、ロボットが数分間の人間のプレイから行動クローニングでプレイ方策を学習し、それを自律的に動かして数時間分の接触データを収集して世界モデルを訓練する枠組み（監督付きプレイによる器用さ、DSP）を提案しています。推論時には、同じプレイ方策が学習済み世界モデル上で評価する候補行動列を提案するモデル予測制御（MPC）を導き、さらに世界モデル内の自己対戦で閉ループの目標条件付き方策を蒸留して推論を高速化します。劣駆動の押し操作と多指ハンドによる任意姿勢の手内再配向の実機実験では、事後行動クローニングより成功率が69.6%高く、強化学習と同等の成功率を490分の1の相互作用データで達成しました。
説明Lean 形式的定理証明のためのグラフ探索手法（LeanGraphSearch）
要約本論文は、Lean 4 向けのグラフベース検索手法 LeanGraphSearch を提案しています。Mathlib の依存関係からグラフを構築し、多段の依存連鎖をたどって補助となる補題を見つけます。二つの数学検索ベンチマークで、最強の基準手法 LeanSearch v2 より再現率が最大 12% 向上したと報告しています。さらに、反復的な証明ループに組み込むと、定理証明の合格率も改善したとされています。
説明モデルと測定の不確実性下での動的治療レジメンのための頑健な強化学習
要約本論文は、患者間で汎化し、バイオマーカーの測定誤差や疾患動態の変化があっても信頼できる適応的治療方策を学習する頑健な強化学習の枠組みを提案しています。患者を隠れた文脈としてモデル化し、頑健な文脈付きマルコフ決定過程によって汎化性と頑健性を統一的に扱います。臨床データで較正したシミュレータにおける転移性前立腺がんの適応療法に適用したところ、既存の適応療法手法を大きく上回る方策が得られたと報告されています。著者らは、頑健な強化学習が信頼できる適応治療方策を学習するための原理的な手法として有望だと結論づけています。
説明英語を超える評価認識：インド系言語でテストすると、LLMの振る舞いは変わるのか？
要約本論文は、大規模言語モデルが自分がテストされていることを察知できるか（評価認識）を研究し、その現象が5つのインド系言語と英語で見られるかを検証しています。3系統の指示チューニング済みモデル4種を対象に実験したところ、テストされていると告げられると有害な要求を拒否する割合が上がり、全モデル・全言語で確認されました。インド系言語では平均14.4ポイント上昇し、英語と同水準になりました。一方、無害な要求の拒否率も6.9%から11.3%に上がりました。（英語：Evaluation Awareness Beyond English）
注目点インド系言語における評価意識を初めて体系的に検討し、4モデル・6言語・47,880件の判定で、安全性評価が実利用と乖離しうることを示した。
説明KnowGPO：検索エージェント向けの知識グループ化方策最適化
要約この論文は、多ターンの検索で個々の検索判断にどこまで功績を配分するかが難しい問題に対し、KnowGPO という強化学習の枠組みを提案します。各質問に必要な情報を原子的な知識条件に分解し、軌道が満たした条件の部分集合で状態をグループ化し、連続するステップ間の知識の増分を過程報酬とします。Xbench、BrowseComp-ZH、GAIA での実験で、結果のみを用いる手法や他の過程監督の基準より 3.8〜4.2 ポイント高く、8B モデルが多くの 32B のオープンソースシステムに匹敵または上回ると報告されています。
説明連続拡散言語モデルのためのTransformer設計に関する論文
要約この論文は、連続拡散言語モデル（CDLM）の多くが、因果型大規模言語モデルや画像生成用のDiffusion Transformerのアーキテクチャをそのまま流用しており、CDLM向けには最適化されていないと指摘しています。著者らはCDLM向けTransformerアーキテクチャを体系的に調べ、特徴量とクエリ・キーの正規化、より広いノイズ条件付け、尤度ショートカット勾配ルーティングと校正、信頼度ゲート付きの学習時自己条件付けを組み合わせたLangDiTを提案しています。OpenWebTextで1024トークン列を無条件生成する実験では、プラグアンドプレイのバックボーンとして、異なるモデル設定の下で生成困惑度を下げる結果が示されています。
説明ACEdit：非対称条件付けによる安定した多段階画像編集
要約画像編集モデルは単一の編集では優れた結果を出しますが、複数回の編集を重ねると品質が低下することがあります。各回の小さな分布のずれが蓄積するためです。本論文では、学習時に編集器が自身の前回までの出力に対して編集を行うよう強制する学習方式を提案し、教師モデルによる蒸馏目的関数で信頼できる学習信号を与えます。教師は元の清浄な画像に固定され、複合的な編集指示を受け取ります。実験では、長い多段階編集列での品質低下が大きく抑えられ、編集品質と指示への追従性も保たれたと報告されています。
説明「Twice Upon a Time」：時系列推論のための相補的表現
要約本論文は、時系列言語モデルが二つの相補的な視覚表現を併用すべきだと提案します。絶対値と座標系を保持する折れ線グラフと、正の振幅スケーリングやオフセットを除きつつ時間構造を示す正規化遅延埋め込みです。Qwen3-VL-8B に基づく双視点モデルは、TSRBench の全体精度を折れ線グラフのみの 44.5% から 53.2% に向上させ、TSExam では 89.9% を達成しています。
説明Dense4D：ピクセル単位の4D人体対応付け
要約本論文は、単眼RGB画像群から、人体模型を用いずに身体・衣服・髪の表面点を稠密に4次元で対応付けるフィードフォワードモデル Dense4D を提案する。各人物ピクセルについて、基準時刻における観測表面点の3D位置（Human Point Maps）と深度を予測する。実在人物での実験では、比較対象のベースラインより高い追跡精度を示し、スキャンされた表面との一致度も高いと報告されている。
説明多様な科学的アイデアを生成するように推論モデルを訓練する
要約本論文は、先行論文を根拠としてLLMに複数のアイデアを提案させる際に、各アイデアの質と相互の多様性を両立させる方法を扱います。著者らは、各アイデアの質を先に書かれたアイデアからの距離で重み付けする集合レベルの強化学習目標を提案しています。論文によると、学習させた80億パラメータのモデルは、汚染のないベンチマークで既存モデルより高い創造的有用性を示し、概念実証実験の成功率は同等とされています。
説明分散型エージェント群における自己オーケストレーションの学習：市場ベースの後処理训练
要約本論文は、分散型エージェント群が行動方策と自己オーケストレーションを同時に学習する市場ベースの後処理（MPT）フレームワークを提案しています。エージェントは入札によって参加意思を示し、誰が行動するか、また集団の結果がどのように局所的な学習信号になるかを決めます。具身的な制作、ロボットナビゲーション、深い調査の三つの課題で評価され、単一体型の後処理より良い結果を示し、学習後の群は関連課題への適応や大規模運用、エージェント脱落時の頑健性でも優れていました。
注目点市場型の仕組みで行動方策と自己組織化を同時に学習する分散エージェント群の枠組みを提案し、三タスクで比較とアブレーションを行い、証拠は比較的充分である。影響は多エージェント学習の分野に限られる。
説明AVC-Reward：イベント中心の音声・映像整合性評価
要約音声・映像の同時生成モデルの性能向上により、生成される場面は複雑化しています。既存の評価指標は単純な課題向けのもので、こうした場面には適していません。本論文はイベント単位で音声と映像を分けて分析し、モダリティ間の関係を相互に検証して、三段階の整合性指標にまとめる評価枠組みを提案します。これを学習可能な報酬モデルAVC-Rewardとして実装し、人間の判断との一致度を評価するためのベンチマークAVC-Benchも構築しています。
説明単なる被写体ではなく：視覚的ストーリーテリングのための適応的なシーン固有の変化の捉え方
要約拡散モデルは物語のプロンプトから一貫した画像列を生成でき、視覚的ストーリーテリングに応用されています。しかし既存手法は人物の同一性維持に重点を置き、多様なシーンの変化への適応が不十分で、意味のずれや構造の柔軟性不足が生じます。本論文は学習不要のフレームワークEOS-Storyを提案し、テキストと視覚の両空間で同一性とシーン適応を両立させます。また多様な構図に対応するためConsistory+ベンチマークを拡張し、両ベンチマークで競争力のある、または優れた結果を示しています。
説明4体のGemini 4 Argonエージェントがマインクラフトをクリア
要約研究者は4体のGemini 4 Argonエージェントをサンドボックス化されたマインクラフトのサバイバルワールドに配置し、エンダードラゴンの撃破という目標を与えました。各エージェントはオープンソースライブラリMineflayerでプレイヤーを操作し、ゲーム内チャットと共有メモリで連携しました。役割分担もゲームロジックの作成も人が行わず、エージェントがすべてのプログラムを計画・作成・デバッグしました。イージー難易度のランダム生成ワールドから、チームは2,783個のプログラムを書き、27時間14分でドラゴンを倒し、その間605回死亡しました。
説明LLMエージェントとマルチエージェントシステムを誘導する学習
要約大規模言語モデル（LLM）のエージェントやマルチエージェントシステムは、長い工程のツール利用やエージェント間の協働で複雑な課題に取り組むが、実行の途中で全体目標から逸れることがある（ゴールドリフト）。本論文は、実行を随時監視し、逸脱が起きた際に軌道へ戻す誘導エージェントを提案する。低コストの高速経路で介入の要否を判断し、高コストの低速経路で介入の方法を決める。両経路は強化学習で共同訓練される。情報検索タスクの実験では、単一エージェントと複数エージェントの双方で性能と効率が向上した。
説明MindEval2：メンタルヘルス支援における言語モデル評価のための臨床的根拠に基づく患者・評価基準
要約本論文は、心理学の博士レベルの専門家と共同で作成した評価基準（MHQR）と、多ターン対話や記憶機能を備えた患者シミュレーター（MindSim）からなる評価フレームワーク MindEval2 を提案している。18 のモデルで評価した結果、フロンティアモデルは表層的な品質や境界の扱いで改善したものの、指導の調整（ガイダンスのキャリブレーション）が全モデルで主な失敗要因であり、品質差の大部分を占めることが示された。
説明Grid-Bench：大規模言語モデルは離散世界の変化を予測できるか
要約本論文は、二次元・三次元・四次元のグリッドで表現された離散世界に八種類の空間操作を適用する、実行可能なベンチマーク Grid-Bench を提案する。モデルは初期グリッド、明示的な規則、テキストで記述された事件履歴から、最終的なグリッド全体を予測する。六つの大規模言語モデルを評価した結果、履歴が長くなるほど完全な状態の正答率は大きく低下し、単一事象では同程度の性能を示すモデル間にも大きな差が見られた。
説明Velox：空間メモリで世界モデルを効率化する手法
要約Velox は学習を必要としないアテンションのルーティング手法で、ビデオ世界モデルにおいて領域単位で文脈を選択します。ストリーミング幾何情報から作ったカメラ視錐台のスラブを用いて過去のブロックを表現し、関連する領域に対してのみ重要度を調整します。チャンク48の時点で、アテンションは4.36倍、デノイジングは2.43倍高速化され、WBenchのナビゲーション評価セットでは密なベースラインとの平均差が0.15点以内に収まりました。
説明ARC-SORT：相互作用型多モデルを用いた適応的・頑健・補償型の多対象追跡
要約本論文はARC-SORTを提案する。これは学習を必要とせず実時間で動作する、スポーツ中継向けの多対象追跡手法である。相互作用型多モデル（IMM）カルマンフィルタの予測共分散から各トラックの探索領域を適応的に決め、二人の選手が交差した際には後の外観情報に基づき、最大一回の身份交換で修正する。SportsMOTとDanceTrackのテストセットで報告された結果を示し、ノートPC上で毎秒約50フレームで動作するとしている。
説明微調前に線形に読み出せる知識ほど、微調整後に汎化しやすい
要約本論文は、言語モデルが想起できる事実のうち、想起を超えた汎化を支える「能動的事実」と、想起はできても汎化を支えない「不活性事実」を区別します。既存の関係（地点と大陸など）に新しいラベルを割り当てて新関係を作り、モデルを微調整した後、同じ元の答えを共有する未見の主体へ汎化するかを検証しました。11のモデルと70の関係での実験では、元の関係が事前学習表現において線形に読み出せる度合いと汎化の度合いが強く相関しました（モデルごとのピアソン相関は0.87から0.92）。
注目点新しい関係を構成し、事前学習表現における元の関係の線形可読性が微調整後の汎化を強く予測することを、複数の統制実験で示しており、新規性と根拠は十分である。
説明LLMベースのエージェントの計画能力を形式意味論で検証する研究
要約この論文は、LLMベースのエージェントの計画能力が、通常はエンドツーエンドの成功率やLLM判定者でしか裏付けられていない点を問題視しています。著者らは、自然言語のタスクの背後に隠されたPDDLモデルを使い、行動の適用可否や目標到達を形式的に検証しました。5つのドメイン、4つのモデル、6つのプロンプト戦略、3つのエージェント構成で実験を行い、最良の構成はオフラインで可解タスクの78%、オンラインで40%を解決したと報告しています。
注目点LLMの計画能力をPDDLの形式意味論で検証し、オンライン・オフラインや解けないタスクでの大きな差を示した点に新規性がある。
説明AI Consilium：大規模言語モデルによる臨床多職種第二意見のベンチマーク
要約本研究は、診断が確定したNEJM–MedQAの症例300件を用いて、大規模言語モデルが臨床の第二意見を生成する質を評価する多次元ベンチマークを構築したものです。事実の根拠、臨床的整合性、実行可能性、安全性を対象としています。八つの単一モデル構成が独立した意見と対話型カンファレンス報告を生成し、医師が校正したLLM審査者が3,040件の最終報告を評価しました。報告の質はモデルの違いによる差の方が回答形式による差より大きく、構造化された総合意見は問題の優先順位付け、事実の根拠、推論の一貫性で向上が見られました。
説明ゼロビット・ニューラル音声透かしにおける後方互換性
要約本論文は、ゼロビット音声透かしシステムで埋め込み器と検出器を更新した後も後方互換性を保つ方法を検討します。新しい検出器が、凍結された旧バージョンの埋め込み器の系列すべてに対して精度を保つ学習枠組みを提案し、さらに新しい埋め込み器が出力空間の別々の領域を占めるよう強制する角度多様性損失（ADL）を導入します。著者らは、この手法により検出精度と音声品質を損なうことなく、ほぼ完全な真陰性率を回復できると述べています。
説明動画における位置指定つき人物属性記述と行動認識（GHADAR）
要約本論文は、動画内の各人物の位置が与えられた条件で、すべての人物の特徴と行動を記述するタスク「GHADAR」を提案しています。AVA-Actionsから派生させ、自由形式のキャプションを付与した新しいデータセットを構築し、学習時にVLMのクロスアテンションマスクを制約する手法を提示しています。実験では既存の最先端VLMを上回る結果が示され、既存評価指標の限界を指摘したうえで、動画と生成結果を直接比較するVLMベースの評価方式も提案しています。
説明拡散言語モデルによる多ターゲット少数ショットプロンプティング
要約本論文は、拡散言語モデルを用いた多ターゲット少数ショットプロンプティングを提案し、例示によって共有キャンバス上の複数のマスク領域を穴埋めします。左右の文脈に依存する一括編集に適用できます。また、キャンバスの選択的マスキングによって、例示に沿った穴埋めを優遇する尤度比報酬を導出しています。少数ショットベンチマークとソフトウェアリファクタリングの事例で、例示が穴埋めの精度を向上させ、一部の設定ではさらなる改善が見られたと報告しています。
説明継続学習に向けて：部分空間チューニングによる忘却の緩和
要約大規模言語モデルは微調整で新しいスキルを身につけますが、既存の能力を壊してしまうことがあります（破滅的忘却）。本論文は、重み更新を下位特異部分空間に制限する部分空間チューニング（SST）を提案します。主要な方向への変化を排除し、論文によれば最大99%の重み部分空間を保護して、目標タスクの性能を保ちつつ既存能力の保持を改善し、ベースの分布からのKLドリフトを2〜4倍小さくするとされています。
説明平行から分岐へ：言語モデルによる行為名詞構文の学習
要約本論文は、異なる文法的構成が言語モデルによる行為名詞構文（ANC）および関連構文の学習にどう影響するかを調べ、その学習傾向を自然言語の類型論的分布と比較しています。自然コーパスの共通意味入力と計算文法を組み合わせた、文法工学的な合成コーパス構築法を用い、96の対象言語でGPT-2-smallを一から学習させ、34の文法現象を対象とした最小対で評価しています。結果として、基本的な節の構成では類型論と類似が見られる一方、補語体系とANC戦略では分岐が見られました。
説明CAT-alyzing Honesty：大規模言語モデルの誠実性を転移可能にする継続的敵対的訓練
要約大規模言語モデルは、アライメント訓練後も既知の知識と矛盾する内容や、文脈に根拠のない不誠実な出力を行うことが指摘されています。本論文は、有害な質問を拒否するための手法を応用した継続的敵対的訓練 CATCH を提案し、自己報告の場面から作成した数百件のデータでモデルを誠実な回答へ導きます。Llama-3.3-70B-Instruct と Qwen3-3.6-27B で評価され、MASK、Among Us、AuditBench で効果が転移したと報告されています。
説明EliteReplay：品質多様性探索によりRL事後学習で多様な解を保持する手法
要約本論文は、GRPOと品質多様性探索で構築した「エリート」アーカイブを組み合わせた事後学習手法EliteReplayを提案しています。学習前に凍結したベースモデルで異なるアプローチの解を収集し、学習中はこのアーカイブへのリプレイ損失をGRPOと併用します。複数のtext-to-SQLタスクでpass@128が全ベースラインを上回り、ベースモデルの正解戦略の多くを保持しました。曖昧な質問を扱うAmbiQTでは、両方の解釈をカバーする頻度が最強のベースラインのほぼ2倍でした。
説明環境非依存エージェントの改善：スカフォールディングの役割
要約本論文は、Codex ベースの汎用エージェントを ARC-AGI-3、AGI Maze、Terminal-Bench で評価した研究です。困難の報告と自動継続への制御返却を促す指示を一文変えるだけで、ARC-AGI-3 と AGI Maze の平均スコアが向上し、Terminal-Bench では小さく結果がまちまちでした。それでも汎用エージェントは ARC-AGI-3 専用の参照エージェントに及ばず、リセット判断をスクリプト制御に移すと一部の優位性が回復しました。
説明マルチエージェントシステムにおける時相目標のための合理的戦略の学習
要約本論文は、ダイナミクスが未知の確率的マルチエージェントシステムにおける合理的シンセシスを扱い、各エージェントが有限トレース上の確率線形時相論理（PLTL_f）で自らの確率的時相目標を指定します。ナッシュ均衡などの解概念を結合戦略プロファイルへの制約として課し、表形式のNash-Q学習について条件付き収束保証を示しています。提案手法は8つの一般和並行確率ゲームで実験的に検証されています。
説明より賢く質問する：未指定の報酬のための的を絞った能動的選好学習
要約本論文は、人間の教示は課題の一部の特徴しかカバーしないことが多く、ロボットは教示データからその監督が不十分な特徴を特定できると指摘します。著者らは、そのような特徴に的を絞って選好クエリを行う事前分布を構築し、各クエリに該当特徴へ注意を向ける説明を添えることで、人間の負担をロボット側へ移す手法を提案しています。シミュレーションでは、クエリ数が少ない場合に標準的な能動的選好学習のベースラインを最大30.8％上回りました。ユーザー調査では、事前分布と説明がそれぞれ報酬の復元を有意に改善し、互いに効果を強め合うことが示されました。
説明オンライン拡散強化学習のためのルーティング方策最適化（RPO）：注意機構のルーティングで探索を導入し、学習後は元の決定的サンプラーに戻す手法
要約本論文は、ルーティング方策最適化（RPO）を提案し、視覚生成モデルの注意機構のルーティングを確率的な探索行動として扱います。一部のノイズ除去段階で各クエリブロックが鍵ブロックを抽出し、速度場を摂動させて強化学習で最適化します。学習では、プロンプト・初期潜在変数・ルーティング段階を共有し注意ルートのみ異なる二つのロールアウトの報酬差を利得信号として用います。推論時には稠密注意に戻し、元の決定的サンプラーを維持します。論文は、テキストから画像・動画への生成で品質が向上し、Flow-GRPO系手法より学習効率が約4倍高いと報告しています。
説明LEASH：計算機操作エージェントのための不確実性を考慮した弱から強へのエスカレーションと監督
要約本論文は、学習を必要としないLEASHという枠組みを提案します。弱い（小型の）オープン重みモデルがまず既定で作業を行い、その潜在的な不確実性の信号が必要だと示したときだけ強いモデルに制御を引き渡します。引き渡し後は、影のオブザーバーが黒箱の強いエージェントを引き続き監督します。OSWorldでの実験では、単独の弱いエージェントより一貫して改善し、同じエスカレーション率でのランダムなエスカレーションを上回りました。Qwen3.5-35B-A3Bを用いた場合、タスク成功率は73.66%で、常時Claude Opus 5を使った場合の72.90%と同等であり、推論コストは19.2%削減されました。
説明良性の再帰的自己蒸留から段階的なミスアラインメントが生じうる
要約本論文は、モデルが自身の出力で繰り返し自己蒸留を行う際の安全性を検討しています。各段階で、無害な手がかりを受け取った安全なモデルの応答が次の学習の教師になります。Qwen3とPhi-4のモデルファミリーをSORRY-BenchとStrongREJECTで評価したところ、有害なクエリに対する不整合が徐々に増大する「漸進的ミスアラインメント」が確認されました。有害な訓練プロンプトを使わなくても、良性のプロンプトでこの現象を引き起こせることも示されています。
注目点良性な再帰的自己蒸留によって段階的にモデルが不整合になることを示し、勾配法で良性プロンプトを見つけた点は新しい；2モデル族・2ベンチマークで検証しているが規模や消去実験は限定的。
説明Harness-Delta 帰属分析：Harness 進化による利得の分解
要約本論文は、固定重みのモデルを囲むプロンプト、ツール、オーケストレーションコードを自動最適化する Harness 進化の利得を、過学習、テスト時スケーリング、残りの汎化可能な改善に分解する評価手法 Harness-Delta Attribution（HDA）を提案しています。11 個の実行モデルと 3 種のフレームワークを数学、コーディング、創造性、エージェント課題で評価した結果、検索セットで有意な向上が見られた 21 設定のうち、過学習とテスト時スケーリングが平均でそれぞれ 54% と 14% を占めました。検索セットの向上は留保課題へ移転しないことが多いため、将来の研究では帰属を意識した評価が必要だと主張しています。
説明法的ガイドラインから導く半順序ゲームによる、監査可能で展開可能なマルチエージェント運動計画
要約本論文は、法的要件のもとでのマルチエージェント運動計画の枠組みを提案します。部分順序付き選好を持つゲーム（ポーセタルゲーム）を用い、場面に依存しない法的ガイドラインが抽象的な法的関心事を順序付け、そこから各具体的場面の選好と法的ゲームを自動的に導出します。海上航行への適用では、最大4隻が関わる7つの遭遇場面を検証しています。これにより、部分的に規定された法律からマルチエージェント運動計画に至る、監査可能な道筋が得られることが示されています。
説明MJev-Spatial：ネイティブ注意力マッチングによるシステム1空間知能モデル
要約本論文は、空間理解の選択式、数値予測、点位置予測を統一的な分類問題として扱う多モーダル高速判断モデル MJev-Spatial を提案します。バックボーンの事前学習済みクエリ・キー射影で候補を採点し、追加パラメータは不要で、推論は1回の順伝播で答えのテキストを生成せずに行われます。Qwen3.5-4B を基に12.3M 組の空間質問応答データで学習され、論文は8モデル中で総合スコア65.64%が最高で、未改造の自己回帰ベースモデルより高速だと報告しています。
説明ライブラリアンエージェント：将来の質問を先読みして長文コンテキストのワークスペースを整理するLLMの学習
要約本論文は、構築エージェントが生文書を合成ファイルと参照リンクを持つ階層型ファイルシステムに変換し、後段の回答エージェント向けのワークスペースを作る Librarian Agents を提案しています。ワークスペース構築をマルコフ決定過程として定式化し、強化学習で後段の回答精度を最大化するよう方策を最適化しています。BrowseComp-Plus では最強の検索・事前計算ベースラインを33ポイント上回り、BRIGHT では未見ドメインへゼロショットで一般化したと報告されています。
説明深層形態特徴とカラーヒストグラムを用いた公共交通車両の教師なしクラスタリング
要約本論文は、凍結したDINOv2のVision Transformerで抽出した車体の形態特徴と、手作業で設計したHSVカラーヒストグラムを重み付き早期融合し、UMAPによる次元削減とK-Meansで車両を分類する教師なし手法を提案しています。評価には、メキシコシティの幹線道路で約1,460時間撮影された映像から抽出した7,972枚のバス画像を用いました。形態特徴65%と色特徴35%を融合した場合、路線や車両種別を分ける14のクラスタが得られ、形態特徴のみの場合より目標クラスタの精度が向上しました。
説明X-RIC：強化学習を強化するエージェント型 RAN インテリジェントコントローラのベンチマーク
要約本論文は、O-RAN アーキテクチャにおける無線アクセスネットワーク向けインテリジェントコントローラ（RIC）を対象に、エージェント型推論と強化学習を組み合わせた説明可能なフレームワーク X-RIC を提案している。ドメインヒューリスティクスによる自動行動クローニング、文脈抽象化と解釈性を担う電気通信向け言語モデル、近リアルタイム RIC の制御ループ内での閉ループ共適応から構成される。さらに評価フレームワーク BARX を導入し、ネットワークスライシングのシミュレーションと O-RAN 準拠テストベッドで検証し、SLA 遵守を維持したまま運用コストを 89% 削減したと報告している。
説明両者間の反発を超えて：拡散サンプリングにおける行列式最大化による集合的多様性
要約テキストから画像を生成する拡散モデルは、強いガイダンスのもとで条件分布の高密度なモードに集中し、独立にサンプリングした結果が似通ってしまいます。これは分布の広がりが必要な合成データ拡張などで問題になります。本論文はDetNOを提案し、初期ノイズ上で一段階のTweedie予測のRBFグラム行列の対数行列式を最大化して、バッチ全体の多様性を高めます。アンカーによる忠実度項と、多様性と品質の釣り合いを制御する単一のハイパーパラメータλを用い、学習もサンプラーの変更も不要です。SD1.5、SDXL、SD3で批内多様性が最も高く、少数ショット分類では統計的に有意な精度向上が確認されました。
説明SCOPE：テキストから画像生成のプロンプト工学のための意味的に有界なクレジット最適化
要約本論文は、強化学習で言語モデルにプロンプトを書き換えさせ、固定された画像生成モデルの結果を改善するSCOPE手法を提案します。対象・数・属性・関係などの意味的なまとまり（スパン）ごとに方策の対数確率の変化を集約し、統一された更新重みを求めます。span報酬や追加の画像レンダリングは不要です。Qwen-Image、SD3、FLUX.1-devでは、従来のGRPOと比べてGeneValで平均9.48%、T2I-CompBenchで7.62%の相対的な向上が報告されています。
説明機械学習会議向け、著者が関与するエージェント型再現性監査
要約本論文は、著者の宣言（再現手順と制限事項）をAIエージェントの調査・評価への明示的な入力とする、著者参加型の協働的再現性監査を提案している。GitHub上の二段階ワークフローで、エージェントによる確認、著者による説明と修正、エージェントによる再評価を連結する。36本の会議論文と133の実験表・図に適用し、人間の審査後に20件の問題を提起した。追加の検証により全問題の解決を支持する結果が得られたが、一部では再現が完全には確認されなかった。
説明方策勾配推定におけるベースラインとスコア中心化：共分散による視点
要約大規模言語モデルの強化学習後訓練で生じる方策のずれ（オフポリシー）を扱い、重要度サンプリングの比率を切り詰めやマスク、クリッピングで正則化した場合に、報酬の定数シフトに対する不変性がどう保たれるかを検討しています。報酬と重要度重み付きスコアの共分散を推定対象とし、系列レベルと単語（トークン）レベルの両方で、群平均ベースラインとスコア中心化の役割を分析しています。系列レベルではグループ平均ベースラインを使えばスコア中心化は追加の利点がなく、トークンレベルで比率を正則化する場合は、スコア中心化なしのグループ平均ベースラインは一般に偏りを生じるとしています。
説明2024年モルドバ大統領選における政治的ナarrative：立場、増幅、影響
要約本論文は、2024年モルドバ大統領選挙期間中に、X、Facebook、Redditの公開投稿で政治的ナarrativeがどのように生まれ、整合し、拡散したかを分析しています。多言語の立場検出、協調分析、因果推論を組み合わせ、欧州統合、ロシア、主要候補者2名に対する立場の違いを検討しています。主要な立場カテゴリーにおいて、ピア影響の平均処置効果は正で統計的に有意であり、リツイートによる増幅と仲間からの接触がオンラインの政治ナarrativeの強化に寄与することを示唆しています。
説明風場超解像のためのトポロジー着想ファインチューニング
要約科学的超解像モデルは通常、画素単位の再構成損失で学習されますが、科学的解釈では極値・連結領域・多重スケールの構造が重要です。作者らは事前学習済みのCNNとGANの風場超解像モデルを比較し、画素単位の指標とトポロジー距離（持続図・マージツリー）はCNNを、二次Wasserstein持続図距離はよりシャープなGANを好むことを示しました。これを受け、速度・勾配・高速等値集合・局所極大に対する微分可能なトポロジー補助損失と固定ペア監督を用いてCNNを微調整しています。168フィールドの評価では、最終目標により平均持続図距離が約25〜31%低下し、PSNRは1.30 dB向上しました。マージツリー距離も改善しましたが、その効果はすべてのフィールドで見られたわけではありません。
説明FPG-Seg：アノテー��ョン不要の網膜血管トポロジー分割
要約網膜血管セグメンテーションは通常、臨床専門家による大量の手作業アノテーションを必要とし、非常に時間がかかります。本論文は、古典的な血管性フィルタリング、ベイズ深層学習、トポロジーを考慮したグラフ再構成を組み合わせ、手動ラベルなしで網膜血管のトポロジーを分割するFPG-Seg を提案しています。4つの代表的なベンチマークデータセットで、clDice は 0.74〜0.78 でした。また、FIVES 上での無アノテーション血管分割手法の初の性能ベンチマークも示しています。
説明テクスチャのノイズ除去は全く別の課題である
要約本論文は、テクスチャ画像のノイズ除去を扱う研究です。既存の最先端ノイズ除去モデルはテクスチャデータセットで性能が十分でなく、細部が過度に平滑化されることを示しています。テクスチャデータセットでのファインチューニングによってのみ改善が得られ、その際には元のデータセットを破滅的に忘却することも報告されています。著者は、テクスチャを忠実に再構成・合成するため、テクスチャ専用のノイズ除去手法が必要だと主張しています。
説明BitSparse：ReLU 順伝播ネットワーク向けのコンパクトな活性化値保存（スパースな活性化を可逆に圧縮し、大規模言語モデル学習のメモリを削減する手法）
要約本論文は、GPU 上で動作するスパースな活性化値の可逆圧縮フォーマット BitSparse を提案し、学習時の活性化キャッシュを縮小しつつ逆伝播で正確に復元する方法を示しています。BF16 と FP8 に対応し、符号ビットのパッキングを併用することで圧縮率をさらに高められるとしています。原文によれば、Modded-NanoGPT と Nemotron-H でトークンあたりの VRAM をそれぞれ 31% と 30% 削減し、実用的なシーケンス長でのオーバーヘッドは 1% 以下とされています。
説明一度探索して多数を評価：確率的線形バンディットにおける複数方策評価
要約本論文は、線形報酬構造を持つ確率的文脈付きバンディットにおいて、K 個の目標方策の価値を同時に評価する方法を研究している。著者は PRISMA というアルゴリズムを提案し、既知の特徴写像と報酬なしの方策クエリを前提に、各方策の価値を確率 1-δ 以上で精度 ε まで推定する。必要なサンプル数の上界も示されている。
説明「Xではなく、Yだ」：文脈の適切さから見る中国語LLMの書き癖の診断
要約本論文は、大規模言語モデルが中国語で書く文章によく現れる「不是X，而是Y（Xではなく、Yである）」という構文を分析したものです。著者は、用法を実質的・任意・欠陥の三種に分類する決定木を提案し、五つの商用モデルと人間の参照テキストでの使用頻度を比較しています。結果として、モデルの問題は正しさよりも文脈への適切さにあることが示され、一部の報酬モデルや大規模言語モデルによる評価も、この構文を好む傾向が見られたとしています。
説明不一致（分歧）に基づく弱→強ルーティング
要約小型言語モデルはコストや遅延の制約からエッジ機器などに配備されますが、能力に限界があります。本論文は、正解の真値監督を必要とせず、弱いモデルと強いモデルの回答の不一致（分歧）を用いてルーティングを決める手法を提案しています。エージェント型および単一ターンのタスクで、ルーティングコストと回答精度の間の良好なトレードオフを実現し、真値信号が利用できる場合でも、正誤を直接予測する手法より優れた結果を示すとされています。
説明SurvICL：文脈内生存分析のための基盤モデル
要約論文は、打ち切りデータから事象発生時刻を予測する生存分析において、既存の表形式基盤モデルがいずれも半世紀前のCoxモデルを上回れないことを指摘しています。著者らは、文脈内で生存曲線を予測するSurvICLを提案し、合成データのみで事前学習させ、通常の分位点回帰損失で学習させています。設計に使っていない63データセットでは、統合Brierスコアの対比較で82.9%の勝率を示し、Coxモデルを含む20のベースラインを上回り、小規模データセットでCoxを上回った初のモデルとなりました。
注目点合成事前分布で事前学習する生存分析向け文脈内学習モデルを提案し、大規模ベンチマークで多数のベースラインを上回る。
説明MMSearch-OPD：長期的なマルチモーダル検索エージェントの学習手法
要約本論文は、継続的に証拠を収集する長期的なマルチモーダル深層検索エージェントを訓練する手法MMSearch-OPDを提案します。既存の単純な画像・質問ペアから推論連鎖を拡張するデータ精錬パイプラインと、強化学習および同方策蒸留を組み合わせた学習を行います。実験では、データ精錬とSFT後の共同学習により性能が向上したと報告されています。
説明並列マスク拡散のためのクエリ効率的リジェクションサンプリング
要約マスク拡散モデルは複数のトークンを並列にアンマスクして生成を高速化しますが、独立にサンプリングすると相関が無視され出力に偏りが生じます。本論文は、1回のクエリで1つのランダムな増分から対数受理確率を推定する単一増分リジェクションサンプラー（SIRS）を提案します。さらにRao-Blackwell化によってクリッピングの影響を減らします。SIRSの出力とデータ分布のKLダイバージェンスは、クリッピング項とモデルの学習誤差で上界が与えられています。
説明学習不要のオンポリシー蒸留：順伝播のみで専門モデルを統合する手法
要約本論文は、同じ基盤モデルから個別にチューニングした複数の専門モデルを、勾配学習なしで一つの生徒モデルに統合する手法を提案します。各線形層を最小二乗問題として解き、少数のロールアウトから得た入力の二次モーメントだけを必要とします。繰り返しループで打ち切られた回答を除外することが結果に大きく影響すると報告されています。Olmo-3-7Bでの実験では、統合モデルが数学とコードの7つのベンチマークで各専門モデルの向上分の大部分を保持したとされています。
説明OS-Helix：ネイティブなコンピュータ操作エージェントにおけるGUI操作とコード実行の統合
要約本論文は、GUI操作とコード実行を単一の行動空間で統合する、エンドツーエンドで学習されたマルチモーダルのコンピュータ操作エージェント OS-Helix を提案しています。アプリケーションとファイルを組み合わせて実行可能なUbuntu環境を構築し、検証可能なタスクデータを生成します。SFTで初期化した後、オンライン強化学習で改善し、行動ステップ単位で重みを平均する Step-balanced GSPO を導入しています。OSWorld-Verifiedで OS-Helix-27B-RL は 66.44% の成功率に達しています。
説明WaveLLM：ウェーブレット領域のLLMエントロピー・モデリングによる可逆画像圧縮
要約本論文は、画像を多段階のウェーブレットサブバンドに分解して予測問題をより構造的で統計的に均質な部分問題にし、Llama-3.2-3BにLoRAを適用したLLMで自己回帰的に確率を推定するWaveLLMを提案しています。Kodak、CLIC Pro、DIV2K上での圧縮率はそれぞれ2.51、2.24、2.27 bpspで、同じウェーブレット変換を用いたPixelCNNベースの符号化器を上回り、近年のLLMベースの可逆圧縮手法も三つのベンチマーク全てで超えています。
説明ハードウェアの多様性に備えて：AMD GPU で高性能 AI 学習を実現する Meta のエンドツーエンド協調設計
要約本論文は、Meta が AMD Instinct MI350X 上で推薦モデルの学習を最適化した方法を、NVIDIA B200 との比較を通じて紹介しています。モデルとハードウェアの協調設計、ウォームアップ不要の分析的性能モデルによるカーネル選択、CUDA からの移植を支援するエージェント型ワークフローという三つの再利用可能な原則を提案しています。直接移植したベースラインと比べ、エンドツーエンドの学習スループットが最大 1.5 倍向上したと報告しています。
説明視覚モデルは音からどれだけ物理を学べるか：減衰構造の探索と蒸留
要約凍結した音声エンコーダと、衝突時の動画1フレームをCLIPで符号化した表現を比べ、物体の減衰を表す品質係数Qの順位付けを評価しています。音声はSpearman相関0.73、単一フレームは0.28で、音声が大きく上回りました。音声教師を投影ヘッドを介して視覚モデルに蒸留すると一部の優位性を回復し、材料を除外した評価では四フレーム入力で相関が0.234から0.338に改善しました。
説明統一視覚言語モデルのためのスキル分離型オンポリシー専門家蒸留
要約本論文は、視覚言語モデルにおいて独立に獲得された複数の能力を統合するSCOPED手法を提案します。各能力の専門家を学習し、報酬に基づく内省で明示的なスキルを抽出します。蒸留時はスキルが専門家の指導に用いられ、統一モデルは推論時にスキルなしで手続き的知識を内在化します。8つのマルチモーダルベンチマークで、ベースモデルや混合能力の強化学習を上回りました。
説明FutureLift：軌跡候補を双方向の将来グラフに持ち上げて運動予測を改善する手法
要約本論文は、どの予測骨格にも依存しない軌跡修正モジュールFutureLiftを提案する。各多モーダル予測候補を異種の将来グラフとして表現し、双方向の時間エッジにより一度の処理で座標と信頼度を修正する。入力は候補軌跡、スコア、シーン文脈のみである。Argoverse2とWaymo Open Motion Datasetで凍結された候補を一貫して改善し、WOMDのリーダーボードでは比較対象の標準入力手法の中でminADEとminFDEが最良であった（論文の記載による）。
説明GNNによる局所改良を用いたDSA-MPの効率的なレイアウト分解
要約本論文は、多重パターニングリソグラフィと指向性自己組織化（DSA）を組み合わせたDSA-MPにおけるレイアウト分解を扱う。著者らは、従来見過ごされていたDSAテンプレートのエッジ間スペーシング制約を取り込んだ新しい競合グラフモデルを提案し、グラフニューラルネットワークによる局所改良手法を開発した。実験では、既存手法より解の品質が高く収束も速く、レイアウト規模や工程ノード、マスク数が変わっても頑健であることが示されている。
説明非凸学習における確率的ブロック座標降下法の汎化保証
要約本論文は、非凸目標関数に対する確率的ブロック座標降下法（RBCD）の汎化性能を扱います。従来の理論は主に最適化の収束に焦点を当てていました。著者らは、経験リスクと母集団リスクの勾配に関する高確率の汎化保証を示し、反復回数の調整による最適化と汎化のバランスについても論じています。
説明TRACE：細い構造のセグメンテーションのための、予測に適応する接続性強制型トポロジー認識再接続手法
要約細長い構造物は接続性の誤りに敏感で、局所的な誤分類がわずかでも連続した経路を分断してしまいます。本論文はTRACEを提案します。これは目標スケルトンを用いて必要な局所接続を定義し、現在の予測のもとで各接続に対して最も容易な有効な再接続経路を見つけ、そのボトルネックを対応するスケルトン点と共に教師付けする、トポロジーを考慮し予測に適応する学習目標です。六つの2次元・3次元ベンチマークでの実験により、TRACEは学習の計算負荷を低く抑えつつ、高いセグメンテーション精度を維持しながら接続性とトポロジーを改善することが示されています。
説明下流のQAを超えて：エージェントのメモリ評価方法の再考
要約既存のエージェントメモリのベンチマークは、下流の質問応答精度を記憶品質の代理指標として用いていますが、この指標は記憶の正しさと検索・生成の品質を混同しています。本論文は、30の事実進化トラジェクトリ、6つの診断カテゴリ、3つの難易度からなるベンチマーク「FEB-30」を提案します。文書は既知の事実トラジェクトリから生成され、人手による注釈なしで決定的な正解が得られます。内在的評価と外在的評価は平均16ポイント乖離し、記憶操作の正しい分類率は20%にとどまりました。
説明逐次オークションによる分散型LLMワークフロー
要約本論文は、利己的なエージェントの分散型市場を通じて多段階タスクを解くためのスケーラブルな枠組みを提案する。従来の理論では完全に同一のクローンが存在する完全競争を前提としていたが、その場合エージェントの利益はゼロになる。本研究は、競争が存在しない場合も市場が機能しなくなることを実証的に示し、その中間にある不完全競争下で異種エージェントがどう生き残るかを検討している。四つの入札アルゴリズムと三つのオークション方式を比較し、不完全競争が適度な利益率を維持しつつ低コストで高いタスク成功率を実現すると結論づけている。
説明OpenGCUA：汎用コンピュータ操作のための完全オープンなスタック
要約本論文は、視覚的およびプログラム的インターフェースを通じてコンピュータ上のタスクを遂行する汎用コンピュータ操作エージェント（GCUA）の完全なオープン技術スタックを目指すOpenGCUAプロジェクトを紹介しています。コード実行と、固定されたharnessのルールからモデルへ判断を移す「harness-to-model decision transfer」を提案し、OSWorld-v2でGPT-6 Astraや Claude Opus 5 を含む8つの評価モデルすべての平均部分スコアを19.6点向上させ、タスクあたりのステップ数を平均53.0%削減したと報告しています。実装、プロンプト、評価トレースに加え、実機用harnessとクロスデバイスSDKの初期版も公開されています。
説明到達可能集合に基づく制御障壁関数を用いた、先制通信付きのロバストなマルチエージェント追跡
要約本論文は、通信が断続的な環境で資源の限られたロボットが安全に協調する問題を扱い、制御と通信を統合した戦略を提案しています。各エージェントは最後に受信した近傍の状態から到達可能集合を計算し、制御障壁関数に基づいて衝突を避ける安全な制御入力を求めます。追跡・回避シナリオでのシミュレーションでは、先制通信が周期的およびイベント駆動型のベースラインと比べてメッセージ数を77.5%削減し、衝突はゼロだったと報告されています。
