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。
説明一度記録し、何度も検査：エージェントの軌跡を事後にポリシー照合するための再利用可能な台帳
要約本論文は「一度書き、何度も検査する」枠組みを提案します。書き込みモデルがエージェントの各軌跡を、ポリシーに依存しない行動と結果の台帳に変換し、読み取りモデルは元の軌跡にアクセスせず台帳だけで新しいポリシーを検査します。SHADE-Arena、τ-bench、τ²-benchの900件の軌跡で、12Bの読み取りモデルは同規模モデルが完全な軌跡を読む場合と同等以上のAUCを示したと報告しています。八つのポリシーを個別に検査する場合、台帳は書き込みコストを含めても約5分の1のトークンで済みます。一方、単一行動ポリシーの一部や長いツール出力・メッセージ内容では証拠を取りこぼす可能性があります。
説明RiSE：汎化可能なテキスト中心画像改ざん位置特定のための残差部分空間エキスパートモデル
要約本論文は、既存のテキスト中心画像改ざん位置特定（TFL）手法が全パラメータ微調整後に未知の改ざん種類へ汎化しにくい問題に対し、RiSEを提案する。主要なSVD成分を凍結し残差部分空間のみを調整する専門家モデルで、改ざん種類ごとに独立して学習する。推論時は潜在摂動信頼度（LPC）により、単一の順伝播で最も信頼度の高い専門家を選択する。合成データで学習した単一専門家は実画像で既存手法を20.4%上回り、学習ステップは10分の1に減ったと報告されている。専門家を9個に増やすと35.8%の向上が示されている。
説明再現率飽和を超えて：産業用法律検索向けハードネガティブ再ランカー学習の拡張
要約本論文は中国語法律検索における再ランカーの学習を扱います。埋め込みモデルは候補数を増やしても再現率の伸びが鈍く、関連する証拠が出力の打ち切り位置より下に順位付けされることがあるため、再ランカーの改善に注目しています。埋め込みで採掘した負例と自己採掘負例を組み合わせた二段階の手法が有効であり、0.6Bから4Bのモデルにまで拡張されています。
説明Ben-Misandry：男性への性別ヘイトを検出するためのベンガル語データセットと後期融合Transformerフレームワーク
要約この論文は、ベンガル語の性別ヘイトスピーチ研究がほぼ女性への蔑視（ミソジニー）に限られ、男性へのヘイト（ミサンドリー）が未検討であることを指摘しています。著者らは初のベンガル語ミサンドリー検出データセット「Ben-Misandry」を構築し、6つのカテゴリに分類された5,000件のコメントを収録しました。データはGPT-4.1で生成された合成データで、人間のレビュアー4名が500件を抽出して確認しています。後期融合アンサンブルは正解率96.6%に達し、最良の従来型モデルは91.8%でした。ただし有意性検定は未実施で、合成データの影響も残ると述べられています。
説明大規模言語モデルにおける多元的アラインメント：目的、人間の参照、選好表現
要約本論文は、人間の選好の多様性をモデルに反映させる「多元的アラインメント」の研究を整理しています。意見の違いを単一の答えにまとめないことを目指します。著者は二層の分類枠組みを提案し、第一層では多様な観点の提示、指定された立場への忠実な適応、対象集団の回答分布との一致の三つを区別します。第二層では、総体的な集団、国や地域、下位集団を人間の参照先として区別します。70件の関連研究を分析し、各目的に必要な評価の根拠も示しています。
説明どの長文書が効果的か？文脈長拡張のためのデータ選択に関する対照研究
要約本論文は、同じ6Bトークンの継続学習予算の下で、Qwen2.5-3Bを用いて文脈長拡張のための長文書データ選択手法を比較しています。自然な長文書をランダムに抽出する方法は、再パッキングより長い評価長で高い性能を示しました。同じ候補群の中では、LongPPLの重要トークン密度が高い文書を選ぶとさらに改善します。著者らはtruncLongPPLを提案し、切り詰めた前置部分で密度を計算することで採点コストを下げ、128Kで約2.28倍の高速化を報告しています。
説明SENTRY：リアルタイム音声ディープフェイク検知のためのエッジネットワーク向けストリーミング信頼エンジン
要約本論文は、ネットワークエッジでストリーム上に直接動作し、音声ディープフェイクを検出するハードウェア指向のエンジンSENTRYを提案している。特徴抽出は整数の加算・シフト・比較・ビット演算のみで行われ、教師あり勾配ブースティング木と、真正な音声のみで学習したマハラノビス距離による異常検知器の出力をロジスティック層で融合する。WaveFakeおよびASVspoof 2019 LAで高い精度と低い等誤り率を報告し、GPUや浮動小数点演算を用いないプロトタイプを示している。未知の生成モデルへの汎化は今後の課題とされている。
説明振幅・位相の結合と信頼性の高い内生事前情報を統合した低照度画像強調手法
要約本論文は低照度画像強調を対象に、既存の周波数領域手法が振幅と位相を独立に復元し、スペクトルの結合を無視して情報の不整合や構造歪みを生むと指摘する。著者らは双方向の相互作用を可能にする振幅-位相適応補償融合モジュールと、中間復元結果から構造手がかりを抽出する内生信頼性事前情報を提案し、二重モーダル誘導精緻化ネットワークで細部を復元する。ベンチマークデータセットにおいて、定量指標と視覚品質の両面で既存手法を上回ると報告されている。
説明組み合わせを学ぶ：ゼロショット長期ロボット操作のための共有実行可能スタックの再帰的自己改善
要約論文は、ツール、実行契約付きスキル、ハンドオフ、検証器からなる共有実行可能スタックを改善の単位とする再帰的自己改善フレームワーク Recursia を提案しています。実行トレースで失敗を特定し、ツールや修正を生成して検査を経たものを凍結し、宣言的なタスクアダプタで新しい組み合わせに再利用します。LIBERO-Pro Long のシミュレーションと Franka FR3 実機で評価し、ASPIRE や Skill Document Only 基準より成功率が向上したと報告しています。
説明パラメトリック・セッション状態：履歴を再生せずに検索意図を回復する
要約長期間動作するアシスタントは、数ターン前に確立された参照対象や制約、目標を踏まえて後続の要求を解釈する必要がある。課題は文脈の長さだけでなく、検索意図にある。著者らは、事実知識を外部に保ちながら何を検索すべきかを記憶する、再利用可能なセッションメモリ層「パラメトリック・セッション状態（Parametric Session State）」を提案している。履歴を繰り返し処理するコストを避けることが狙いである。
説明O-SCD++：再生不要の再帰的証拠融合によるオンライン場面変化検出
要約本論文は、エージェントが現場で観測しながら、既にマッピング済みの環境のどこが変化したかを検出するオンライン場面変化検出を扱います。著者らはO-SCDを基に、過去の観測を保存・再訪しない手法を提案し、新しい観測を渡すたびに、レンダラーの一回の逆伝播で参照地図のガウシアンへ直接書き込み、各ガウシアンの多視点融合を厳密な二スカラーの再帰として表現します。PASLCDでは平均交差比が0.489から0.575に、スループットが毎秒11.8フレームから25.6フレームに向上しました。
説明オフラインデータからエンパワーメントを測定し、内発的動機付けによる探索に活用する
要約本論文は、ラベルのない過去の経験データを、オンライン強化学習における探索の効率化にどう使うかを扱います。著者らは、エージェントが実現できる将来の状態の数を表す指標「エンパワーメント（empowerment）」を、環境との相互作用なしに、ラベルのない離線軌跡から推定する初の手法を提案しています。エンパワーメントを最大化する方策と割引状態占有測度を同時に学習することで実現しています。実験では直感的なエンパワーメント値が得られること、また目標条件付き強化学習の探索改善に使えることが示されています。
説明生成的検索による逆方向ターゲット探索とプロテオーム規模ベンチマーク（GenFish）
要約本論文は、問い合わせ分子に対してタンパク質ターゲットを探す逆方向ターゲット探索を生成的検索として再定式化し、GenFishを提案しています。凍結したタンパク質言語モデルの特徴を残差ベクトル量子化で共有の意味的識別子に変換し、分子フィンガープリントから自己回帰的に識別子を生成して順位付けします。また、20,431件のヒトタンパク質を対象とするProTargetBenchを公開しています。198の保留分子では、全カタログ検索の3指標で、判別型の神経ベースライン4種と非神経ベースライン3種より高い平均性能を示しました。
説明ツリー多数派拒否権投票：少ラウンド・低通信量・低い距離歪みを両立する決定的投票プロトコル
要約本論文は、有権者と候補者が未知の距離空間に埋め込まれる投票の距離歪み（metric distortion）の枠組みを扱います。規則は有権者の順序的選好のみを用います。提案するTreePluralityVetoは決定的プロトコルで、任意のr≥2について、最大r ラウンド、総通信量O(n log m + n s^{1/(r-1)} log s) ビット（s=min{n,m}）で、歪みを2r−1以下に抑えます。有権者の階層的分割上でPluralityVetoを並列に実行し、分岐係数がラウンド数と通信量のトレードオフを制御します。
注目点木構造の拒否投票プロトコルを提案し、ラウンド数と通信量のトレードオフを可調整にして歪み上界を匹配解析で示す点が新しい。
説明MELD：多エージェント科学発見のための階層的協調による再帰的自己改善
要約本論文は、大規模言語モデルによる多エージェント科学発見のためのフレームワーク MELD を提案します。同一の発見プロセス内で、チームレベルのコーディネーター方策と各エージェントの科学者方策を共同で適応させ、チーム編成と個々の研究行動が再帰的自己改善ループの中で共に進化するようにします。22 個の MLGym および MLE-bench タスクのうち 20 個で MELD が最良の結果を示し、MLGym では最も高い総合正規化スコアを達成しました。
説明Hippo：海馬リプレイに着想を得た、学習不要のエージェント自己進化手法
要約本論文は、モデルのパラメータを更新せず、外部メモリを通じてLLMエージェントがどのように学習できるかを検討しています。著者らは、同一タスクの複数回の試行を比較して再利用可能な判断を見つけ、重なる経験を統合し、競合する経験は適用条件を明示して解決するメモリフレームワーク「Hippo」を提案しています。SWE-bench Verified、WebArena、Mind2Web の3つのベンチマークで性能向上を示し、保持する経験の数は単純に蓄積する基準手法より大幅に少なくなっています。
説明HumanSkill-4D：訓練不要で、言語により時空間上の駆動可能ガウシアンアバターを指定する手法
要約本論文は、言語クエリで駆動可能なガウシアンアバターの領域を選択する「アバター指示セグメンテーション」を提案する。クエリで姿勢や動作を指定して対応する時間区間を選ぶこともできる。提案手法HumanSkill-4Dは訓練を必要とせず、マルチモーダル大規模言語モデルと幾何学的演算子を用い、意味記憶と動作記憶を介して選択を行う。3種類の人手注釈ベンチマークを導入し、部位分割および3D・4D指示セグメンテーションで既存手法を上回ること、各アバターの準備が数分で済むことを示している。
説明3D大規模言語モデルは本当に3Dの根拠を使っているのか？
要約本論文は、参照の曖昧さ、シーン証拠の不足、誤った前提がある場合に3D大規模言語モデルがどう応答するかを評価するベンチマーク「UNICORNS」を提案しています。ScanNetの557シーンに基づく11,387問を含み、6つのオープンソース3Dモデルを評価した結果、最良のゼロショットモデルは可答対照問題で61.22%、8つの挑戦カテゴリでは40.94%でした。さらに、報酬学習を組み合わせた後処理法「HORN」を提案し、挑戦カテゴリで75.1±1.0%、全体で77.2±0.8%を達成しています。
注目点3D-LLMの証拠に基づく信頼性を評価する新ベンチマークと学習手法を提案し、11,387問と6モデルで比較している。
説明単調な確率的問題の半バンディット学習における近最適な後悔境界
要約本論文は、真の分布が未知の確率的最適化問題において、近似的に最適な方策を学習する課題を扱います。各期でアルゴリズムは方策を実行し、その方策で選ばれた確率変数からのみ新しいサンプルを観測します（半バンディット・フィードバック）。弱い単調問題に対しては Õ(√(nkT))、強い単調問題に対しては Õ(√(nT)) の後悔境界を示し、従来より √n 倍改善しています。主要な手法はHellinger距離を用いて真の分布と学習された分布の誤差を評価することです。
説明テスト時学習による記憶の内在化：長尺動画理解のための手法
要約本論文は MIT^3 という、動画ごとに小型の専用パラメータへ内容を書き込み、動画なしでテキストのみの質問応答を行う枠組みを提案します。因果追跡で動画の知識を書き込むべき層を選び、視覚記憶蒸留で関連する動画クリップが引き起こす表現の変化をテキストのみの記憶に再現させます。LVBench、LongVideoBench、Video-MME での評価で、既存のパラメータ化動画記憶手法より合成サンプルが大幅に少なく済むと報告しています。
説明不確実性で勾配を制御：一般化少数ショット3D点群セグメンテーションのための適応的更新
要約本論文は、一般化少数ショット3D点群セグメンテーションにおいて、サポート注釈が疎で遮蔽を受けるため品質が不安定である問題に取り組みます。提案手法UGA（Uncertainty-Gated Adaptive）は、不確実性を更新段階のゲーティングに用いるフレームワークです。中核のUG-Updateは、統合されたサポートと疑似ラベル付き新規クラスの監督に基づくクラス内分散からエピソードの信頼性を推定し、残差勾配更新を選択的に制御します。さらにUB-Filterにより高信頼度の密な信号のみを学習に用います。ScanNet200とScanNet++（1-shot・5-shot）で、最も強い先行ベースラインに対し平均+3.08のHM IoUを達成し、新たな最先端を示しています。
説明タスク横断的な適応カーネル学習器としてのTransformer（文脈内学習）
要約本論文は、Transformerの文脈内学習（ICL）を、注意機構を適応的カーネル手法とみなす理論から分析しています。低ランク線形および多指標非線形回帰を対象とした数値シミュレーションでは、学習された注意スコアが理想的なカーネル（oracle kernel）に近いことが示されています。さらに、広く浅いTransformer構造による理想カーネル推定器の明示的な構成と、ICLの汎化誤差の解析を行っています。
説明BodyBridge：歩行者など脆弱な道路利用者のシミュレーションから実写への変換のための人体グラウンディング層
要約本論文は、走行映像の拡散モデルが歩行者や自転車利用者などの脆弱な道路利用者を一般的な物体クラスとして扱うため外観が十分に再現されない問題に取り組み、シミュレータ由来のピクセル整列表現 Grounded Body Layers（GBL）を提案しています。CARLAから実写への変換実験では、近距離 PCK@0.5 が22%向上し、人体の反転は18%、近距離での向きの反転は27%減少したと報告されています。
説明低ビット分散制約付き最適化と最適スケジューリング・配分への応用
要約本論文は、各エージェントが局所コスト勾配の符号、すなわち有向リンク1本あたり反復ごとに1ビットだけを通信する分散資源配分アルゴリズムを提案している。各反復で需要の等式制約を保つため、終了時刻によらず任意の時点で実行可能解が得られる。経済ディスパッチ（発電機1000台）とCPUスケジューリング（サーバー500台）のシミュレーションでは、単一ビット方式が多ビットのベースラインに比べて総通信コストを5〜60倍削減したが、調整可能で上限が明示された最適性ギャップを伴う。減少ステップサイズを用いるとこのギャップは実験上消えるが、その厳密な収束解析は未解決の課題として挙げられている。
説明伝導経路を共有する成分のみを移送する：Holter・パッチ心電図の患者適応のための正常値アンカー型SPD幾何学的移送（ソースフリー）
要約本論文は、新しい患者や機器で心拍分類器の精度が低下する問題に対し、ラベルなしの正常拍アンカーから対称正定値の変換を推定し、正常拍と上室性の原型にのみ適用するNAGTを提案している。Icentia11kの胸部パッチ記録493名（973記録）では、不整脈のマクロF1が適応なしの34.5%から48.7%に向上し、AdaBN、Tent、T3Aを上回った。ただし、歴史的分割の75名のテスト部分集合では改善は有意ではなかった。
説明反対の前提が同一に翻訳される場合：多言語常識問題のための原文対照診断
要約本論文は、多言語推論比較において英語の前提が翻訳後も元の関係を保つかを検討します。ACCORDの前提について英語の極性を反転させ、両方を独立に翻訳して、目標言語の出力が完全に一致する件数を数え、それぞれを自身の原文と照合します。スワヒリ語などで完全一致が多く見られ、その一部は往復NLI検定を通過しましたが、少なくとも一方が不忠実な翻訳であることしか示せず、どちらかは特定できません。著者は、これらの結果が自然な翻訳誤りの検出精度を示すものではないことも明記しています。
説明蒸留によって汎用的な局所音声特徴抽出器を構築する試み
要約自己教師あり音声モデルは通常、局所特徴抽出器として畳み込みニューラルネットワーク（CNN）層を用い、その後にTransformer層を続けます。著者らは、このCNN層を単純な汎用モデルで置き換えられるという仮説を立て、HuBERT、data2vec、WavLMなどの教師モデルからの蒸留により2層の特徴抽出器を学習しました。SUPERB(-SG)ベンチマークでの実験では、教師モデルの性能をおおむね維持し、未見のモデルであるwav2vec 2.0にも利用できることが示されました。CNN層の演算量の3%で済み、全体の推論時間は20%以上削減されています。
説明時間遅延と量子化を伴うエネルギー資源管理の分散制約付き最適化へのヘビーボール運動量の導入
要約本論文は、ヘビーボール運動量、対になった通信遅延、固定対数量子化を備えた離散時間の符号付き勾配・合意混合法を研究している。この手法は各反復で需給の総和の等式を保つ。静的な連結無向グラフと有界遅延の下で、Lyapunov-Krasovskii解析により実用的安定性を示し、無量子化の場合には滑らかな罰則付き等式制約最適化の解への厳密な収束を示す。遅延のない無量子化の二次コストに対しては、ヘビーボールの安定領域と最適パラメータを解析し、固定のスパースネットワーク上で数値的に検証している。
説明多モーダル健康データモデリングのための次元間・モーダル間関係テンソル表現学習
要約本論文は、各次元のテンソル表現と次元間・モーダル間の関係を同時に学習する統一フレームワーク、関係テンソル表現（RTR）を提案しています。学習可能な関係ブリッジ行列を導入し、因子レベルと関係レベルの情報を構造化融合機構で統合してコンパクトな表現を得ます。感情認識と脳活動分類を含む2つの多モーダル神経生理データセットおよびシミュレーションデータで、RTRが代表的な基準手法を上回る結果が示されています。
説明S3D-Mosaic：劣勾配誘導型クロスバンド構造転移によるスペクトルデモザイキング手法
要約マルチスペクトルフィルタアレイ（MSFA）撮像は一度の撮影で分光情報を取得できますが、各バンドのサンプリングが疎なため空間エイリアシングが深刻になります。本論文は、次勾配誘導型クロスバンド構造転移の枠組みに基づくモデルベースの手法S3D-Mosaicを提案し、指向性スパース等変差分畳み込み（DSE-DConv）と二重走査ADMMアルゴリズムを用いています。著者らは、CAVEとNTIRE 2022でState-of-the-artの教師なし手法を上回り、異なるMSFA配列や実際のUAVデータにも頑健に一般化すると報告しています。
説明質問を減らし、より良く質問する：割り込み予算による対話型LLMエージェントのユーザー注意配分
要約本論文は、タスク完了のために大規模言語モデル（LLM）エージェントが行う確認質問がユーザーに与える負担を研究しています。質問数を割り込み予算で制限し、人手で検証されたLLM評価器で質問の読みにくさや不要さに応じてコストを加える新しい評価手法を提案しています。八つのモデルと四つの顧客サービス分野での実験では、質問を1〜3回に制限すると注意コストが36〜73%下がり、タスク報酬の86〜94%を維持しました。
説明「Long Listening Thoughts」：熟慮的知覚と認知的洗練による開かれた聴覚推論の引き出し
要約本論文は、音声推論を改善するための後学習データセット構築フレームワーク Long Listening Thoughts（LLT）を提案しています。四段階のパイプラインで、多面的な密な音声記述、より難しい質問、誤った推論過程を生成し、思考継続の戦略により検証や後戻りなどの認知行動を含む長い推論を作ります。これで合成した160万件の推論過程を使い、Qwen2.5-Omni-7B を教師ありファインチューニングと直接選好最適化で学習させ、複数のベンチマークで精度が向上したと報告しています。
説明ZeroDSS：クラス名だけで行う意味的セグメンテーション
要約本論文は、対象領域の実画像・マスク・キャプションを一切使わず、事前定義されたクラス名のみから意味的セグメンテーションを学習するZeroDSSを提案している。大規模言語モデルによる構造化プロンプト生成と拡散モデルの注意機構を用いて画像とマスクの組を作成し、フィードバックに基づく二段階の閉ループ学習と教師・生徒フレームワークで合成データの分布を反復的に改善する。合成データのみで学習した結果、MS COCOでDeepLabV3により35.0%、PASCAL VOCでDeepLabV3とMask2Formerによりそれぞれ66.3%と63.5%のmIoUを達成したと報告されている。
説明Spatons：効率的なXR事前歪み補正のための空間的に局所化された構成ブロック
要約本論文は、XR（AR・VR・MR）ディスプレイの幾何学的歪みと色の歪みを事前補正する計算効率の高い手法として、コンパクトで空間的に局所化されたニューラル演算子群「Spatons」を提案しています。各 Spaton は小型の多層パーセプトロンと固定機能の補間を組み合わせたブロックです。全体シナリオでは CompenNet++ と同等の SSIM・PSNR を、大幅に少ない演算量とパラメータ数で達成したと報告されています。色収差（カラーフリンジ）は依然として課題です。
説明MSCR：モダリティ間の利用バランスと相乗情報の発見を同時に行う多モーダル正則化手法
要約多モーダル学習では、モダリティの不均衡によって一方の模態が最適化を支配し、モダリティ間の相互作用を十分に活用できないことがあります。本論文は、各モダリティの利用を均衡させつつ融合時の相乗情報の発見も促す手法MSCRを提案しています。5つのベンチマークで、MCRより一貫して高い性能と、より強い相乗能力を示したと報告されています。
説明エッジは信じ、矢印は疑え：テキストマイニング臨床因果知識グラフの検証信号の監査
要約本論文は、MIMIC-IVの約33万件の退院サマリーからLLMで因果候補の有向知識グラフを構築し、SemMedDBを基準に共起リフト、診断コードの時間的先行性、文献による裏付けの3つの信号を評価しています。リフトは根拠のない共起を除外できるものの因果の証明にはなりません。コード順序による方向判定はSemMedDBとの一致率が54.2%で、抽出器の69.4%を下回りました。著者らは、こうしたグラフを電子カルテに支えられるが方向は不確実な候補として扱うべきだと結論づけています。
注目点臨床テキストから抽出した因果グラフの三つの検証信号を体系的に監査し、MIMIC-IIIで再現。方向信号の否定的知見が新規で、影響は臨床因果検索の領域に限られる。
説明GARCHで変調したLSTMにより、ボラティリティに適応した忘却機構を学習する株価予測
要約本論文はGsigmoid-LSTMモデルを提案し、GARCH(1,1)で推定したボラティリティをGsigmoid活性化関数によりLSTMの忘却ゲインに組み込みます。市場が荒れた時期には直近の情報を優先し、安定期には長期依存性を保持します。日次株価予測の実験では、五つのデータセットすべてで同じボラティリティ信号を用いる特徴量統合ベースラインを上回り、九モデルの比較で最良の平均順位を得ました。
説明探索とペルソナの橋渡し：テスト時エージェント個人化のための情報指向デュエリング手法
要約本論文は、LLMエージェントがテスト時に少数の対話を通じてユーザーの好みに適応する方法を研究しています。候補応答同士の二値比較を用いてペルソナを選択し、クエリ条件付きニューラル効用モデルと軽量なBradley-Terry探索器を組み合わせたID-TAPを提案しています。七つのユーザー条件付き生成ベンチマークにおいて、固定の10ラウンドの比較予算内で、評価されたベースラインの中で最も高い総合性能を示したと報告されています。
説明奇異スペクトル解析と変動率適応型LSTMを組み合わせた株価予測の分解・統合フレームワーク
要約本論文は、金融時系列の多スケール性、高ノイズ性、非定常な変動特性に対処するため、CEEMDAN-SE-SSA-VMGLという枠組みを提案しています。CEEMDANで系列を分解し、サンプルエントロピーとK-meansクラスタリングで成分を高・中・低周波および残差に分け、高周波成分には特異スペクトル解析（SSA）を適用してモード混合を緩和します。さらに、GARCH(1,1)層を組み込んだ変動率変調型LSTM（VMGL）により、記憶の減衰を瞬時の変動率に応じて調整します。五つの米中金融系列で、最良のベンチマークに比べ予測誤差を9％から24％低減したと報告されています。
説明IF-MAP：影響関数に着想を得た、マルチエージェントシステムにおけるエージェント優先度付け手法
要約本論文は、LLMベースのマルチエージェントシステムにおいて、改善すると全体性能が最も向上するエージェントを特定する IF-MAP を提案している。各エージェントのプロンプトに意味的な摂動を加え、エンドツーエンドの損失変化を測定し、低次元のプロンプト埋め込み空間で正則化された局所応答モデルを当てはめて、応答ノルムを優先度スコアとする。six つのワークフローで、選ばれたエージェントへのプロンプト最適化やモデル更新は一様な選択より高い利得を示し、全エージェントを最適化する場合と比べてトークン使用量も削減された。
説明これはあなたのエージェントですか？動的環境におけるエージェントシステムのアイデンティティ透かし
要約本論文は、動的エージェントシステム向けのアイデンティティ透かしフレームワーク「DASMark」を提案しています。エージェントがメモリや設定を更新し続けても、継続的に身元を認証できることを目指します。行動保持埋め込み（APE）とシフト耐性復元（SRR）の2つの手法を含みます。原文によれば、動的環境でビット復号精度98.5%、攻撃下で95.2%を達成し、タスク性能は透かしのないエージェントと同等です。
説明Organon：進化的探索から科学的発見のための再帰的自己改善エージェントへ
要約本論文は、科学的発見のための再帰的に自己改善するエージェント Organon を提案している。実行中に蓄積した経験を分析し、探索戦略、集団管理、診断ツール、メモリ、ワーカーの協調を自律的に修正し、さらに自身の適応手順の欠陥も修正できるとしている。21 の計算発見タスクで評価され、ALE-Bench Lite と KernelBench で比較対象の探索フレームワークより良い結果が報告されている。
注目点実行時に自己の探索戦略を再帰的に改良するエージェントを提案し、21タスクでEvoX等と比較して改善を示すが、評価の範囲には限りがある。
説明正しい領域から学習する：医用画像のためのクラス条件付き説明ガイダンス
要約本論文は、マルチラベル医用画像分類のためのクラス条件付き説明ガイド学習フレームワークを提案しています。陽性クラスごとに個別の説明を生成し、そのクラス固有の注釈領域外の根拠に罰則を与えます。Grad-CAMを用いて14の異常を対象に、EfficientNet-B1、ViT-B/16、ViT-B/32、Swin-Bで評価した結果、説明と注釈の整合性が大きく向上し、分類性能の変化は小さいことが示されています。
説明ローカルで学習し、共同で学ぶ：ADMMによる分散型マルチエージェント学習
要約本論文は、交互方向乗数法（ADMM）の合意形成に基づく分散型マルチエージェント学習フレームワークを提案します。各エージェントはローカルで学習し、リングオールリデュースなどの通信プロトコルで合意を形成するため、中央の学習器は不要です。分散型の安全性アライメントと汎用推論のタスクで評価され、損なわれたエージェントがある状況ではHarmBenchの攻撃成功率を最大26.4%低減し、推論性能は集中型学習と同等の向上を示しました。
説明PACE-Mem：マルチモーダルエージェント向けの接頭辞認識型補完証拠検索手法
要約マルチモーダルエージェントの長期記憶には似た観測が多く含まれ、回答には記憶から証拠を検索する必要がありますが、関連記憶は内容が重複しがちで、固定の検索件数は質問に合わないことがあります。本論文は PACE-Mem を提案し、最大限界関連性（MMR）選択で問い合わせへの関連性と既選択証拠との重複を両立させ、接頭辞長選択アルゴリズムで得点の推移から検索件数を決めます。学習を必要とせず、クリップベースの記憶システムに組み込めます。3つの長尺動画ベンチマークと2つのエージェントフレームワークで、最強のベースライン Adaptive-k より質問応答精度が平均1.6%向上したと報告しています。
説明次画面予測を超えて：GUI世界モデルの意思決定価値
要約GUI世界モデルは候補動作の結果を予測して行動選択を改善するために使われるが、その利得が予測自体によるのか、予測を解釈する評価器によるのかを本論文は検証する。提案手法のDirect Action Ranking（DAR）は将来の画面を生成せず、参照動作から候補を直接スコア付けする。AndroidWorldでのタスク成功率は、再学習なしで5.8〜16.4ポイント向上し、予測を用いる構成より高いとされる。著者らは、予測精度や端から端までの先読み利得ではなく、強力な直接評価器を超えた予測の増分的な意思決定価値で評価すべきだと主張している。
説明平滑化オンライン学習の再検討：競合比、切替コストを伴う動的リグレット、両方の良さ（Best of Both Worlds）の保証
要約本論文は平滑化オンライン学習（smoothed online learning）を再検討し、競合比を改善したアルゴリズム、切替コストを伴う最適な動的リグレットを達成するSmoothed Ader（SAder）、および両方の良さを保証するUDNPを提案している。多面体型および二次成長型のヒットコストについて、ヒットコストのみの最小化で改善された競合比が得られることを示し、対応する下界も与えている。
注目点平滑オンライン学習で素朴なアルゴリズムの競合比を大きく改善し、下界も一致させて理論的に厳密な結果を示した。
説明Tactix：柔軟な SAT ソルビングのためのプログラマブルな戦略インターフェース
要約本論文は、証明を出力する逐次 CDCL の SAT ソルバー Tactix を紹介する。証明規則と求解戦略を明確に分離し、利用者が各種技法を呼び出し、その効果を観察し、独自の戦略を記述できる公開インターフェースを提供する。Tactix の既定戦略はこのインターフェース上でプログラムされ、2024〜2026 年の SAT コンペティションのベンチマークで最先端ソルバーを上回った。さらに、2つの応用分野の難しいベンチマーク向けに新たな戦略を開発し、強力なベースラインに対して性能向上を得たと述べている。
説明WAQS：二次プロービングとアフィン制御のための重み吸収手法
要約本論文は、二次プローブで概念をモデル化し、その勾配から活性化値に依存するアフィンな制御方向を得るWAQSフレームワークを提案しています。この介入はオフラインの重み更新によって隣接する線形層に厳密に畳み込めるため、推論時の追加計算は不要です。真実性、拒否、迎合の制御タスクでの実験では、二次制御が一定の線形制御と同等以上の効果を示しつつ、モデルの有用性を保つことが報告されています。
説明空港での観測が不完全な場合に、モバイル位置情報サービス（LBS）データから航空移動を推定する二段階ハイブリッド枠組み
要約本論文は、大規模なモバイル機器の位置情報サービス（LBS）データを用いて米国国内線の航空移動を推定する。第一段階では、両端が異なる空港で観測された信頼度の高い移動をヒューリスティックなルールで特定する。第二段階では、空間的近接性、時間的整合性、過去の運航スケジュール情報を用いる確率モデルで、潜在的な航空経路を推定する。2022年1月の約1,000万人・1.31億件のデータで検証し、航空経路のカバー率は10.65%から50.60%に向上した。
説明FlashMap：フローマップに基づく投機的デコーディング手法
要約本論文は、大規模言語モデルの推論を高速化するための連続フロー型ドラフターFlashMapを提案しています。ターゲットモデルの隠れ状態を条件として、トークン間の依存関係を捉えながら、一度の順伝播でブロック全体を生成します。Qwen3-8Bでは、すべてのベンチマークで対応するDFlashベースラインより高速で、平均速度向上は7%高く、最大6.1倍の無損失加速を達成したと報告されています。
説明GazeAgent：AIグラスのための、VLMが導く暗黙的視線キャリブレーション手法
要約AIグラスは通常、利用者ごとに明示的な視線追跡のキャリブレーションが必要で、装置がずれると精度が低下します。本論文は、慣性計測装置・視線・装着者の手の信号から精密視覚注意（PVA）イベントを検出し、機能的対象を擬似キャリブレーション目標として用いるGazeAgentを提案します。10名を対象とした台本付き実験では、定義された820件のPVA機会をすべて検出し、装置の外乱下で明示的キャリブレーションと比べて中央値の視線誤差を44.1%削減しました。
説明モデルベース反復CT再構成のための六角形基底射影子
要約本論文は、扇状ビームCT向けに、ボックススプライン（box spline）を用いた定数および線形の六角形射影子を提案し、射線の覆い範囲と検出器ぼかしの解析式を導出するとともに、GPUによる効率的な順投影・逆投影を実装している。シミュレーションデータ（FORBILD）では線形モデルがデカルト格子および六角形ピクセルより高い精度を示した。実データ（2DeteCT）では、高線量・高解像度のデカルト再構成を擬似的な正解として比較し、画像および特徴量の一致度で競争力のある結果を報告している。
説明DKnown-Jev：規範的知識を扱うタスク向けJEV型モデルの微調整と評価
要約本論文は、概念解釈、資格判定、手続き説明などの規範的知識を扱うタスクのために、候補段落を「回答証拠」と「非回答証拠」に分類するDKnown-Jevモデルを提案しています。Qwen系の基盤モデルから2Bと27Bの構成を微調整し、人手で検証した1,120件のテストセットでJevと比較しています。27Bモデルは1エポック学習で正解率98.75%を達成し、Jevを上回りました。2Bモデルの改善幅は小さく、安定した優位性を示すには不十分です。
説明Koi：マルチクラウド・異種混在LLM推論基盤向けの、証拠に基づき自己校正するプランナー
要約本論文は、複数のクラウドにまたがる異種混在環境で大規模言語モデル（LLM）の推論デプロイを計画するシステム Koi を提案している。Koi は再帰的言語モデル（RLM）階層で仮説を立て、決定論的コンポーネントが性能予測、候補の採点、配置制御を行う。原文によれば、実クラスタにおいて最強のベースラインより 1.18 倍高いグッドプットを達成し、トークンあたりコストを 20% 削減した。
説明FlashRT-PAI：高速カーネルは高速パイプラインではない——物理AI推論のための低遅延エンジン
要約本論文は、視覚・言語・行動モデル（VLA）、映像行動モデル（VA）、世界行動モデル（WAM）などの物理AIシステムにおけるリアルタイム単一バッチ推論の遅延問題を扱っています。遅延の主因は個々のカーネル計算ではなく、システム全体のオーバーヘッドにあると指摘しています。著者らは、深い演算子融合、パイプライン構造と状態再利用を記述する実行契約、高速な保存・復元が可能な実行状態カプセルからなる推論エンジンFLASHRT-PAIを提案しています。RTX 5090とJetson AGX Thorでの評価では、同じ16ビット精度で公式のコンパイル経路より1.3〜3.7倍高速で、低精度と組み合わせると公式のEager実装に対して3.38〜12.66倍の高速化を示したと報告しています。
注目点モデルとハードウェアのパイプライン協調設計により、深い演算融合と実行契約、状態カプセルで物理AI推論の遅延を改善。複数ポリシーと2種類のハードで1.3-3.7倍の高速化を示す。
説明LLMベースのネットワーク制御に対するブラックボックス性能分析
要約大規模言語モデル（LLM）はネットワーク制御システムに不可欠になりつつあるが、その内部は不透明で、未知の入力に対する性能の監査が難しい。本論文は、LLM対応ネットワーク制御システムに対する初のブラックボックス性能分析手法であるLENSを提案する。LENSは深層強化学習を拡張し、性能差や、LLMが苦手とする入力の探索を導く。LLMベースのトラフィックエンジニアリングおよびGPU割り当てシステムで大きな性能差を発見し、手作りのTEヒューリスティックを対象とする既存のホワイトボックス分析器と同等の結果を示した。
説明ペアワイズ判定に基づく再ランキングの厳密なリスク証明書
要約本論文は、ペアワイズ関連性判定しか得られない状況で、順位を固定の候補順位に置き換えた場合にnDCGが被りうる最悪損失を厳密に特徴づけています。二値利得がこの最悪損失を達成し、検査可能な証拠（witness）を与えることを示しています。閾値の検証は高々K+1個の最大閉包問題に帰着されます。TREC-DLやBEIRでの実験では、厳密な検証により比較回数が節約されることが報告されていますが、予測ゲートの方が部署時の利得は大きいとされています。
説明閉ループ・エージェントにおける精度向上のタスク価値の測定
要約本論文は、低精度のエージェントが重要な判断点で全精度（BF16）モデルを代替手段として呼び出す仕組みを扱います。学習された精度ルーターが、二つのモデルの食い違いに基づいて呼び出し位置を決定します。著者らは、代替手段の価値を、救済されたタスク数から悪化させられたタスク数を引いたものと定義し、tau2-bench上のQwen3エージェントで成対分岐実験により測定しています。単一の行動だけを置き換えた場合は救済と悪化がほぼ相殺され、行動と後続実行を両方置き換えた場合は一部の設定で正の純利益が得られました。
説明認証指数：履歴依存ログからの方策改善のインスタンス最適逐次認証
要約本論文は、新しい方策を導入する前に、記録されたエピソードだけで「新方策が優れている」という証明書を出すのに何エピソード必要かを扱います。著者は、必要エピソード数の下限を与える指数K*を定義し、プラグイン型Kelly認証器が一次の意味でこの速度を達成することを示します。実験では、記憶タスクやTiger、ランダム木で停止時間が下限の約1.1〜1.6倍となり、いくつかの標量ベットの基準より速いことが報告されています。
注目点KL発散で定義される認証指数K*を導入し、タイトなサンプル下界と一次最適なプラグインKelly認証器を示す。記憶課題やTiger、ランダム木で実験により検証。
説明NVFP4学習で重要な要素は何か？低精度事前学習レシピの比較研究
要約本論文は、最近のNVFP4（4ビット浮動小数点）事前学習レシピを中規模で体系的に比較したものです。8Bの稠密モデルと30B-A3BのMoEモデルを最大1Tトークンまで学習し、精度回復に必要な要素に焦点を当てています。既存の安定したNVFP4学習の原則に基づく最終レシピを提案し、各技術が損失の推移を改善すること、大規模では一部の高精度層が精度回復に必要であること、逆伝播の各テンソルは脱バイアスの恩恵が均等ではないことを示しています。
説明最適なスケールと速度での一様収束
要約この論文は一様収束を扱い、経験平均が関数クラス全体にわたって期待値を同時に近似するために必要なランダムサンプル数を調べています。実数値関数クラスについて、最適なスケール γ で d/ε² 程度のサンプル数により誤差 γ+ε を達成できることを示し、従来はスケールか標本複雑度のどちらかしか最適化できなかった問題を解決しています。また、マージン付き ε-ネット、覆域の上界、連鎖の上界など、独立して有用な道具も提示しています。
注目点実数値関数クラスの一様収束で最適スケールと最適サンプル複雑度を同時に達成するという長年の隙間を埋め、新たな道具も提示している。
説明正解データなしで大規模言語モデルの審査役を選別する：AI歯科衛生指導ツールの予備評価
要約本論文は、専門家による審査の前に候補となる大規模言語モデルの審査役と学生モデルを、各段階で明確な判定基準を用いて選別する段階的なパイプラインを提案します。合成かつ臨床的に未検証のデータを用いた事例研究で、2つの微調整済み小型モデルを5つの審査役で評価しました。歯科衛生の専門家による採点はまだ行われておらず、結果は予備的なものです。
説明固定木構造の階層言語における、温度による臨界現象を示さない冪乗則相関
要約本研究は、固定深度の確率的文脈自由文法（PCFG）を用い、信念伝播で次トークンの条件付き確率を厳密に計算し、ソフトマックス温度で再スケールした上で自己回帰サンプリングを行う制御実験です。トークン間の相互情報量を距離の関数として測定したところ、検討した温度と文法の集合の範囲では冪乗則の包絡線でよく記述されました。温度は相関の大きさと拟合指数を変えますが、観測可能な系のサイズ内では秩序相に特徴的な長距離プラトーや、短距離の指数減衰への明確な転移は見られませんでした。木上のIsingモデルへの近似写像により、木の距離での指数減衰がトークン距離では冪乗則になる仕組みが説明されています。
説明クエリフィードバックによるPAC学習：各サンプルは正解ラベルが指定部分集合に含まれるかの二値応答のみを返し、論文はそのサンプル複雑度をクエリ次元で特徴づける。
要約本論文は、各訓練サンプルが選択された部分集合に真のラベルが属するかを示す二値応答を1つだけ返す、実現可能な多クラスPAC学習を研究する。仮説クラスの構造と利用可能なクエリがラベルを区別する能力の両方を捉える組合せ的パラメータであるクエリ次元を提案し、bandit DS次元を一般化している。サンプル複雑度について下界Ω(D/ε)と上界Õ(D²/ε)を示し、各候補集合を同程度の大きさの二つに分割できるクエリがある場合、上界はÕ(D/ε)に改善される。
注目点クエリ次元を提案しbandit DS次元を一般化、上下界を与える理論的貢献で、新規性と証明が明確。
説明VERAS：信頼性の高いオペレーションズ・リサーチのための検証誘導型適応探索
要約本論文は、大規模言語モデルのエージェントが運用研究（OR）問題をより信頼性高く解けるよう、検証結果を用いて探索を導くVERASという枠組みを提案する。タスク固有の解チェッカーと独立した検証エージェントを組み合わせ、検証フィードバックに基づき実行可能性の修復、制約の確認、目的関数の改善を優先する。ORAgentBenchでの合格率は42.99%で、同じLLMを用いたCodexの報告値35.51%を上回った。
説明外部リソースによる継続的なオントロジー保証：ソフトウェア言語工学を事例とするオントロジー工学の方法
要約本論文は、進化する外部リソースに照らしてドメインオントロジーを継続的に検証する方法COATERを提案します。検証部品はarrowと呼ばれ、オントロジーの一部を関連リソースと比較し、公理に対する裏付けや疑義を報告します。疑義は補完・修正・再構成の提案となり、人間またはエージェント支援による作業として扱われます。事例としてソフトウェア言語工学（SLE）のFSLオントロジーを用い、LLM支援によるリンク作業で、定められたWikipedia連携方針への準拠が600件中405件から600件へ増えたと報告しています。
説明Morpheus-2.0：双軸注意機構による多尺度確率的予測モデル
要約本論文は、コンパクトなエンコーダ専用の時系列基盤モデル Morpheus-2.0 を提案します。変数と時間の関係を単一の可変時間グリッド上で同時に扱い、学習可能なゲートで両者を重み付けします。予測長は学習時にサンプリングされるため、一組の重みで短期から長期まで対応できます。GIFT-Eval では、81M パラメータのモデルが相対 MASE 0.685、多尺度版が相対 MASE 0.646・相対 CRPS 0.455 を示し、後者は両指標で論文中の公表済みシステムの中で最も低い値です。
説明評価モデルは自己バイアス除去できる：信頼性の高いLLM-as-a-Judgeのための偏り認識と自己バイアス除去
要約本論文は、LLMを自動評価に用いる際に生じる系統的な偏り（バイアス）の問題を扱います。追加学習を必要としない二つの軽量な手法、評価前に潜在的な偏りを注意喚起するプロンプトと、初回の判定を偏りの影響の観点から自己批評させる手法を提案しています。また、権威バイアス、確信度バイアス、形式バイアスの3つの新しいベンチマークを導入し、計7種類の偏りで評価を行っています。自己バイアス除去は、3つの最先端モデルの21通りの組み合わせのうち20通りで性能を改善したと報告されています。
説明確率回路における潜在状態の利用状況
要約本論文は、確率回路（PC）に潜在状態を増やしたときに、学習済みモデルが表す変数間の依存関係がどう変わるかを調べています。ImageNet32 上での隠れ Chow-Liu 木（HCLT）の実験では、学習された依存は緩やかにしか増えず、潜在状態の上限やデータ中の依存の推定値を大きく下回ることが示されています。また学習中に、サンプルごとの状態選好と状態の使われ方の広がりを追跡し、初期化と木構造の選択を改善して最終性能を高めたと報告しています。
説明人工知能の助言が敗血症の複雑な治療判断に及ぼす間接的な影響
要約研究者はまず6,928人の敗血症患者を対象に、AIシステムの推奨を後ろ向きに評価し、全体では元の治療判断を改善したものの、複雑な症例では成績が有意に劣ることを確認しました。次に228名の米国集中治療医を対象とする事前登録済みの実験で、推論の自律性を変えた3種類の助言形式を用い、6つの複雑な治療判断を検証しました。単純なモデル推奨を受けた医師は56.3%の判断で最適な治療を選択し、常に推奨に従った場合の31.8%や、より制約の少ない助言形式の42.9%を上回りました。
説明逆ジオコーディングを用いた行政境界を考慮する位置エンコーダの学習
要約本論文は、逆ジオコーディングで得られたテキストを自己教師あり学習の信号として用いる位置エンコーダの学習手法を提案しています。これにより、行政境界や地名を明示的に捉えられるようになります。本手法は既存の位置エンコーダ構造に適用でき、下流タスクの性能を一貫して向上させます。さらに、逆ジオコーディング用に設計されたRevGeoRQ構造も紹介され、複数の下流タスクで既存の位置エンコーダを上回る結果が示されています。
説明Muonオプティマイザは安定性の縁を超えて動作する
要約本論文はシャープネスを用いてMuonオプティマイザを研究し、「平坦な極小値仮説」がMuonにも当てはまることを初めて実験的に示しています。CIFAR-10での実験では、各オプティマイザ内でシャープネスと汎化ギャップに強い正の相関が見られました。また、Muonは対角前処理型のAdamやRMSpropを制約する従来の適応的安定性の縁の閾値を超えて動作しながらも安定であり、その動作様式は対角適応型手法とは根本的に異なることが示唆されています。Muonの正確な安定性境界は未解決の問題として残されています。
説明多目標強化学習による、パレート最適なRTLコード生成（電力・性能・面積の異なるトレードオフの回路案を大規模言語モデルで複数生成する手法）
要約本論文は、大規模言語モデルでRTL回路を生成する際、単一回路の品質ではなく、複数回の生成で得られる回路集合全体の品質と多様性を、PPA（電力・性能・面積）の目的空間で最適化する学習手法を提案しています。手法は、パレート解集合全体のカバー率向上を逐次的な回路生成問題として定式化する学習パイプラインと、生成回路がパレートフロントにどれだけ寄与するかを測るハイパーボリューム寄与度（HVC）に基づく報酬関数から成ります。RTLLM v2ベンチマークでは、PPA最適化を行わない基準手法より相対ハイパーボリュームが13.3ポイント、単一目的の強化学習手法より14.4ポイント高く、回路の多様性でも優れていることが示されています。
説明CME-SpectrumBench：大規模言語モデルは凝縮系物理のスペクトルデータを解析できるか
要約本論文は、凝縮系実験の研究レベルのスペクトルデータを前沿の大規模言語モデルがどの程度正確に解析できるかを測る、専門家設計の190問からなるベンチマーク「CME-SpectrumBench」を提案している。問題はノイズと有限の計測分解能を含むシミュレーションの二次元強度配列から構造を特定するものである。直接質問する形式では、モデルは手書きのコードより概して低い成績となったが、Pythonインタプリタの利用を許すと手書きコードに近い成績となった。著者らは、モデルはコードを通じて研究補助として役立つ一方、大規模データを直接処理することには依然として困難があると結論づけている。
説明Torch-DPhys：PyTorchベースで MOOSE と互換性のある、微分可能な物理シミュレーションと機械学習のハイブリッド統合フレームワーク
要約本論文は、PyTorchで実装された微分可能な物理シミュレーションおよび物理と機械学習のハイブリッドモデリングのためのフレームワーク Torch-DPhys を紹介します。MOOSE の熱水力モジュールとシステム解析モジュール（SAM）の一部の熱水力モデリング概念と離散化を実装し、連続体力学へも予備的に拡張しています。平面ひずみ弾性、一次系・二次系の熱水力過渡現象、軸対称の溶融塩高速炉などで検証とデモを行い、パラメータ同定や求解器を組み込んだ予測制御器の学習などの応用例を示しています。
説明CRISP：意味的事前知識と段階的照明カリキュラムを用いた再帰型低照度動画強化手法
要約本論文は、低照度動画の強化を目的としたCRISPフレームワークを提案します。ノイズや動きがある中で明るさ、色、細部を回復しつつ時間的一貫性を保つことを目指します。二フレームの再帰構造を採用し、低照度入力から参照画像へ段階的に移行する学習カリキュラムで教師信号を与えます。さらにAdaLN型の変調により凍結したDINOv3の意味特徴を任意で組み込みます。DIDではPSNR、BVI-RLVではSSIMにおいて、評価した手法の中で最高値を達成したと報告されています。
説明誰が発言し、誰が認可し、誰が行動するのか？マルチエージェントLLMにおける信頼境界の理解
要約本論文は、マルチエージェント大規模言語モデルシステムにおける信頼境界を扱い、メッセージ配信、署名による認可、ツール側の実行を別々の境界として区別しています。既定の仮定の下で、ポリシーに適合する虚偽主張の証明を構成できる、独立に侵害された署名者の最小連合を分析しています。統制実験では、固定メッセージの経路比較は事前に定めた大効果の基準を満たさず、無効な証明の事例では一部のモデルが保護された操作を高い割合で要求したものの、決定的なツールゲートは一度も実行を許可しませんでした。
説明すべての利用者が全てを話すわけではない：理想的でない模擬利用者にも対応できるツール利用エージェントの訓練
要約本論文は、ツール利用エージェントが通常は詳細を明確に述べる強い模擬利用者だけで訓練・評価されている一方、実際の利用者はそうでないことが多いと指摘しています。模擬利用者の発話の文を隠す方法で弱い利用者を作り、tau2-bench と ToolWOZ で評価したところ、弱い利用者はどの方策の成功率も下げ、弱い利用者での訓練も誤差を超える改善にはつながりませんでした。著者らは StaGPO（State-Grouped Policy Optimization）を提案し、エージェントが必要な情報・不足情報・その補完状況を記述することで、同じ状況に到達したターン同士を比較して段階ごとに報酬を割り当てます。ToolWOZ では、弱い利用者で訓練した Qwen3.5-2B が弱い利用者に対して 76.8% を達成し、GRPO を 4.8 ポイント上回りました。
説明ガウス重み付きリッジレット変換による無限次元ニューラルネットワークの構成的万能近似
要約本論文は、オペレータ学習のように関数を入力とするニューラルネットワークの万能性を研究する。リッジレット変換を可分無限次元ヒルベルト空間上の連続写像へ拡張し、無限次元では使えないルベーグ測度の代わりにガウス重みを用いて、明示的な係数表現を与えている。これに基づき、ReLUを含む多項式増大の連続非多項式活性化関数について、コンパクト集合上の一様近似を示す。さらにモンテカルロ法により、幅Nに対して次元に依存しないO(N^{-1/2})の誤差をもつ有限幅ネットワークの結果を得ている。
注目点リッジレット変換を無限次元ヒルベルト空間へ拡張し、ガウス重みで構成的な近似と次元非依存のO(N^-1/2)誤差を与えており、理論的に新規性が高い。
説明フーリエ幾何の誘導：平滑性事前分布が多モーダル恒星埋め込みに近似並進等変性をもたらす
要約本論文は、表現の幾何を事前に指定せず、物理パラメータ空間上で表現が滑らかに変化するよう促すグラフラプラシアン平滑性事前分布を提案している。六つの天文サーベイにまたがる多モーダル恒星表現において、もとの表現にこの幾何がない場合でも、恒星パラメータに沿ったToeplitzグラム構造と正弦波モードが誘導された。下流の線形プローブ性能とラベル効率も向上したと報告されている。
説明LLM最適化器の重要なボトルネック：原理レベルの局所最適
要約本論文は、フィードバック駆動型LLM最適化器の探索後半に生じる「原理レベルの探索崩壊」、すなわち探索が少数の設計原理に限定される現象を調べています。分子最適化、ネットワークのセンチネルノード選択、GPUカーネル最適化の3領域で診断ベンチマークと決定木プロトコルを構築し、161の評価可能な実行のうち78.3%で崩壊の兆候が見られました。多様性注入（温度の引き上げ、複数LLM、Web検索など）の効果は限定的で一貫せず、参照原理を用いた介入もモデルやタスクによって結果が異なると報告しています。
説明クリーンな精度を超えて：ピクセルベース言語モデルの実用上の課題と利点
要約本論文は、固定のサブワード語彙に頼らず描画されたテキストを直接処理するピクセルベース言語モデルが、下流タスクに信頼性高く適応できるかを検討しています。ファインチューニングの挙動、タイポグラフィ的ノイズへの頑健性、ゼロショット言語間転移を調べました。その結果、このモデルはテキストベースのモデルより長い学習とより広いラベル付きデータを必要とし、学習の遅れや学習率への依存が適応の信頼性を下げることが示されました。適応に成功すると、タイポグラフィ的ノイズ下での精度低下は小さく、2つの言語間ベンチマークで英語事前学習のテキストモデルより高い対象言語精度を示しました。英語のクリーンデータでの性能は弱いものの、この点が確認されています。
説明BanglaShield：ベンガル語の原文字・ローマ字・コード混在プロンプトに頑健な安全分類器とベンチマーク
要約大規模言語モデル向けの安全分類器は通常、標準的な文字で書かれたテキストで構築・評価されますが、ベンガル語は原文字、ローマ字表記、英語・ヒンディー語・ウルドゥー語との混在で書かれることが多いです。本研究は10,245件のベンガル語プロンプトを四段階の基準（安全、攻撃的、有害、重大）で分類し、三つの書記形式で対応づけたベンチマークBanglaShieldを提案します。六つのLLMでの評価では、多くのモデルが危険な原文字プロンプトを安全と誤判定しました。一方、小型の微調整エンコーダであるBanglaShieldは大幅に高い精度を示しました。コーパス、分割、判定結果、モデルを公開しています。
注目点ベンガル語の原文字・ローマ字化・混合表記に対する安全分類のベンチマークと小型モデルで、多数のLLMやガードモデルと比較した大規模実験があるが、影響は特定言語領域に限られる。
説明SteerSearch：応答途中の誘導による対話型検索推論
要約本論文は、検索拡張言語モデルが推論や検索の途中でユーザーに目標を変更された場合の挙動を研究しています。モデルが更新された要求の証拠を検索しながら、以前の質問に答えてしまう「回答目標アンカリング」という失敗モードを指摘しています。著者らは、介入を含む対話型検索軌跡で学習する強化学習フレームワークSteerSearchと、そのベンチマークSteerSearch-Benchを提案し、補助信号としてContrastive Context Reward（CCR）も検討しています。Qwen2.5-3BとQwen3-4Bにおいて、SteerSearchは誘導精度をSearch-R1より向上させ、単一クエリの標準性能も維持しています。
説明ULIFlow：統一潜在空間における人物-物体インタラクション生成
要約本論文はテキストから三次元の人物-物体インタラクション動作を生成する課題を扱います。従来の骨格表現は接触などの表面的な幾何情報を十分に表せないと指摘し、疎な体表マーカーから連続的な関係を導き、人体運動や物体の動きとともに統一潜在空間でモデル化するULIFlowを提案しています。報告によれば、生成品質と人物-物体の協調性で既存手法を上回り、学習時の長さを超えても一貫したインタラクションを維持できるとされています。
説明ROAR：リアルタイム制約下でのマルチプレイヤー・アクションシューティングゲームにおけるLMMエージェントのベンチマーク
要約大規模マルチモーダルモデル（LMM）は、マルチエージェント環境で知覚・推論・行動するエージェントとして使われつつあるが、既存の評価の多くはターン制であり、推論中は環境と他のエージェントが待機する。本論文は、協力・競争・混合・単独エージェントの各シナリオを備えたマルチプレイヤー・アクションシューティングゲーム環境ROARを紹介する。また、環境と各エージェントを別スレッドで動かす非同期Gymインターフェースを提案し、リアルタイム制約下での評価を可能にする。
説明Beckmann世界モデル：一段階の行動条件付き予測のための直接的な終端写像学習
要約本論文はBeckmann世界モデル（BWM）を提案し、事前学習済みの生成教師モデルを使わずに、ノイズ・視覚履歴・行動から将来フレームへの写像を直接学習します。端点整合の学習により推論時の精度を高めた結果、PushTとRobomimic Canで64フレーム予測のMSEが、同じバックボーンの回帰ベースラインに比べてそれぞれ68%・57%低減しました。
説明表形式基盤モデルにおけるデータ出所と privacy 監査のためのデータセット推定手法
要約本論文は、表形式基盤モデル（TFM、Tabular Foundation Models）に対する初のデータセット推定（dataset inference）手法を提案し、疑わしいデータセットがモデルの事前学習データに含まれていたかを判定することを目指しています。著者らは入力操作によりブラックボックスのTFMから観測できる多数の候補信号を分析し、個々の信号は弱い証拠にとどまるものの、複数の相補的な信号を組み合わせると、実データで学習された複数の最先端TFMについて、モデルにより最大0.99のROC AUCで推定できたと報告しています。事前学習データの構成、モデル容量、実データと合成データの利用といった要因の影響も検討されています。
注目点表形式基盤モデルに対する初のデータセット推論手法を提案し、複数の黒箱信号を組み合わせて最大0.99のROCAUCを示し、証拠は比較的十分で影響範囲も広い。
説明側方結合の自己組織化マップによるバイリンガルの呼称課題成績のモデリング
要約本論文は、双語彙の計算モデル BiLex に興奮性・抑制性の側方結合を加えて拡張した研究である。これにより、反応時間や、意味概念の親しみやすさ・典型性・特異性に基づく一般的な誤りを再現できるようになった。スペイン語と英語でボストン呼称検査を模擬したところ、モデルの成績は言語歴の異なるスペイン語・英語バイリンガルの呼称正答率と誤りの種類におおむね近似した。著者らは、この手法が双語彙へのアクセスにおける意味レベルの処理を捉えられるとし、今後は障害や治療の検討の基盤になりうると述べている。
説明SEC提出書から金融シグナルへ：LLMの株価反応とアナリスト予測に対する評価
要約本論文は、2001年から2024年までの45,964件の10-Q四半期報告書のMD&Aを用い、汎用および金融特化の13のLLMをゼロショットで評価した。株式リターンの順位付けと次四半期EPS予測を、アナリスト予測や実際の超過リターンと照合している。基本的なファンダメンタル順位を加えるとリターン順位の相関が改善する一方、アナリスト要約では同様の改善は見られなかった。直接予測のEPSはアナリスト分布の平均43.4パーセンタイルにあり、個々のアナリストを一貫して上回るわけではなかった。コンセンサスへのアンカリングは区間内の割合を高めたが、報告EPSの誤差は増大した。
説明小型オープンウェイトLLMは不完全な移動軌跡から移動イベントを復元できるか：航空移動を用いた統制評価
要約本研究は2022年1月の米国全国規模の位置情報サービス（LBS）データと空港の参照データを用い、高信頼度の航空移動30件について、出発空港付近、到着空港付近、または両方の観測点を除去した軌跡を作成しました。ローカルに配備した小型LLMが欠けた航空便の乗継区間と発着空港を復元できるかを評価しています。正確な乗継区間の一致率は9.2%、出発・到着空港の正答率はそれぞれ31.4%と10.7%で、より明示的なプロンプトほど成績が良好でした。
説明望ましさの確認：AIの親密なロールプレイにおける関係的おべっか
要約本論文は、成人向け親密ロールプレイにおける大規模言語モデルのおべっか（sycophancy）を研究しています。2つのオープンウェイトモデルの2,016件の出力を統制されたプロンプトベースで監査し、欲望の正当化、ユーザーが求められていると示すことなど、4つの繰り返される関係的な表現を特定しています。著者はこの傾向を「望ましさの確認」と概念化し、関係的な位置づけを通じてユーザーを喜ばせるパターンを示しています。
説明AM-Bench：エージェントの不整合を評価する統一分類と評価スイート
要約本論文は、大規模言語モデルベースのエージェントが失敗よりも有害な行動を選ぶ「エージェント的不整合」を評価するためのベンチマーク AM-Bench を提案しています。七つの業界にまたがる35のシナリオを用い、目的指向の不正行為を説明する犯罪学の枠組みである「不正のトライアングル」に基づいて、知覚された脅威・知覚された機会・推論の三つの観点から分類と検出の仕組みを構築しています。10の先端モデルを評価した結果、モデル間で不整合の度合いに大きな差があり、Gemini 3 Flash と Gemini 3.1 Pro が最も高く、Claude Sonnet 4.6 はほぼゼロでした。
説明両者の良いとこ取り：微調整した小型モデルとLLMの併用によるコストと性能の改善
要約本論文は調査テキストを16クラスに分類し、学習済みのRoBERTaモデルと既製のGPT-3.5モデルを、性能・コスト・処理時間の面で比較しています。RoBERTaのF1スコアは96%で、GPT-3.5の83%を上回りました。1万件の処理時間はGPT-3.5が6時間、RoBERTaが約12分でした。バッチプロンプティングによりGPT-3.5の推論コストは約70%削減され、両モデルのアンサンブルはF1 97.5%を達成し、推論コストは単独のGPT-3.5の4.4%にとどまりました。
説明SLA-LENS：授業記録から第二言語習得理論に基づく相互作用分析へ
要約本論文は、大規模言語モデルを用いて授業の書き起こしを構造化された教育的アノテーションに変換し、根拠となる原文へ結び付けた記述的分析を生成するSLA-LENSフレームワークを提案しています。アノテーション体系は相互作用主義の第二言語習得理論に基づき、学習者の誤り、教育的機能、アップテイクや修復を扱います。オンラインのスペイン語第二言語授業の書き起こし40件（21,000文以上）に適用し、複数のモデルを評価しています。
説明部分集合の整合のための動的ニューラル最適輸送：ターゲット分布のうち関連する部分だけに源分布を写像し、各領域の強調度を制限する手法です。
要約ターゲット母集団の一部のみが源分布と関連する場合の分布間の最適輸送を研究しています。目標は、完全なターゲットに対する密度比が [0, c] に収まる、重み付けし直されたターゲット分布へ源分布を写像することです。提案手法は、時間依存のポテンシャル関数と、源分布と学習された終端分布の補間を、それぞれ二つのニューラルネットワークでパラメータ化します。終端分布を固定と仮定する既存手法と異なり、ターゲットの台集合内で終端分布を学習します。正例・ラベルなし学習、対応のないドメイン変換、軌跡推定の三つの課題で手法を示しています。
説明Cortex：統制されたコーディングエージェントの不動点理論（技術報告）
要約本論文は、コーディングエージェント向けの監督レイヤーCortexを扱い、実行前の統制、要件追跡、反復的な検証と修復を対象としています。有限束上で要件の閉包を形式化し、所定の仮定のもとで反復が最小不動点に到達することを示すほか、確率モデルで期待完了時間の上界を与えています。ただし結果は仮定に依存し、統制の効果について因果的な主張はできないと述べています。
説明MOSS：検索・推薦システムの意味的障害を監視・診断する本番環境向けフレームワーク
要約本論文は、本番環境で推薦・検索システムを継続的に監視するためのフレームワーク MOSS（Model Sanity Service）を提案しています。大規模言語モデルによる関連性スコアリングを用い、障害を対処可能な根本原因に分類します。米国の大手小売企業で6か月以上稼働し、2件の確認済みサービス欠陥を検出しました。人手で注釈された推薦ベンチマークでは、大規模言語モデル評価器が非LLMベースラインより高いF1・AUCの点推定値を示しています。
説明このLLMは私のデータに注釈を付けられるか？ゼロショットでのLLM性能を推定する
要約大規模言語モデル（LLM）はアノテーション作業に使われることが増えているが、その成果にはばらつきがある。本研究は、新しいデータセットでLLMがどの程度うまく機能するかを事前に予測できるかを検討している。そのために2つのタスクファミリーを構築し、461件のテキスト分類データセットを作成した。その結果、ある程度までは性能を予測できること、そして自己確信度の言語化よりも内部の対数確率のほうが予測力の高い信号であることが分かった。
