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。
説明曖昧性の探査：頑健な Text-to-SQL のための敵対的意図解決
要約この論文は、自然言語から SQL への変換システムが、各質問に対応する正しいクエリは一つだけと想定しがちなのに対し、多くの質問は本質的に曖昧であると指摘します。著者らは、タスク固有の学習を必要としないマルチエージェント枠組み AIR を提案します。AIR は競合する解釈を構成し、SQL の実行によって結果が実際に異なるかを検証したうえで、データの差異に基づく明確化質問を生成します。AMBROSIA ベンチマークのスキーマのみの設定では、強化学習モデル IntentRL を全指標で上回ったと報告されています。
説明CoCoNet：多次元不確実性領域のための凸型コンフォーマルネットワーク
要約本論文は、柔軟でデータ適応的な予測領域を生成する凸型コンフォーマリティスコアを学習するCoCoNetを提案します。残差に対する凸性を保ちながら、留出データ上で予測領域の効率を最適化し、その後スプリットコンフォーマル較正で有限サンプルの被覆保証を維持します。8つのモデルと30の多次元回帰タスクで比較した結果、CoCoNet_ICNNとCoCoNet_Spline-ℓ1の平均順位はそれぞれ1.45と2.75で、CoCoNet_ICNNは30タスン中22タスクで効率が第1位でした。
説明宇宙ロボティクスへの強化学習の応用：高速学習と実world への信頼性の高い移行
要約本研究は、シミュレーションに基づく高速な学習フレームワークを用いて強化学習で制御方策を学習する手法を示しています。必要なハードウェアは最小限で、シミュレーションで学習した方策は実世界へ信頼性高く移行できます。単一のコンシューマ向けGPUで20分足らず学習させた四足歩行ロボットが、月面を模した施設を含むさまざまな実地形を確実に踏破できたことが報告されています。
説明ニューラルネットワークの補間により、Myersonの最適オークションを相関のある入札者へ拡張する
要約本論文は、単一財のオークションにおいて、決定的で戦略耐性があり、事後的に個別合理的な収益最大化メカニズムの設計を扱う。著者らは、限界利潤に基づくグリーディ配分をニューラルネットワークで補間し、形式的検証で厳密な戦略耐性を確認し、構成的な修正手続きを加える実証パイプラインを提案する。合成、敵対的、消費者・金融・産業の実データセットでほぼ最適な収益を達成し、既存の手法との収益差を大幅に縮小したと報告している。
注目点相関入札者へMyerson最適オークションを拡張し、ニューラル補間と形式検証、貪欲収益上界を組み合わせた点は新規性が高い。多様なデータセットでの実験により根拠は比較的充実している。
説明エンコーダーなしのマルチモーダルLLMは暗黙的エンコーダーを学習する
要約本論文は、最近提案された2つのエンコーダーなしマルチモーダルLLM（Gemma-4 12B と Inkling-Small）を実証的に分析しています。これらのモデルは音声や画像用の専用エンコーダーを使わず、音声サンプル、画素、スペクトル特徴の窓を直接 Transformer 言語モデルに入力します。分析の結果、初期層は「暗黙的エンコーダー」として働き、その符号化はクロスモーダル文脈にほぼ依存しないことが示されました。また、マルチモーダル推論では、モダリティごとに初期層で別々に符号化しても、第1層から共同で符号化した場合と同じ精度が得られることが分かりました。
説明ゴースト攻撃：19世紀の錯視で21世紀の生体認証を欺く
要約本論文は、19世紀の光学技術「ペッパーズ・ゴースト」を応用した物理攻撃「ゴースト攻撃」を提案しています。低コストの自由空間ハードウェアと透明な媒体を使い、高解像度の顔データを物理的な3次元空間に投影する手法です。著者らは、この攻撃が顔認証システムの顔照合、提示攻撃検知、モーフィング攻撃検知の三つの要素を同時に突破し、最新のアルゴリズムに対して高いなりすまし成功率を示したと報告しています。また、100人分の有無の「ゴースト」投影を含む顔画像データセットを、新たな評価用ベンチマークとして公開しています。
注目点19世紀の錯覚技法を用いて顔認証の三つの要素を同時に突破する新奇な手法。実験規模は要約からは限定的で、生体認証への影響は大きい。
説明適応的リプレイによる検証可能報酬強化学習での推論多様性の維持
要約検証可能報酬による強化学習（RLVR）は大規模言語モデルの推論能力を高める一方、推論の多様性を減らすことが多いことを扱います。有限のオンポリシーサンプリングが、意味的には異なるが同じく報酬を得る推論モードを徐々に抑え込むことを示し、その問題に対処するTAR（Targeted Adaptive Replay）を提案しています。TARは基盤モデルの多様な正解を小さなメモリバンクに保存し、RLVR中に抑制されたときだけ選択的に再生します。6つの数学推論ベンチマークと2つのQwen2.5規模で、既存の多様性維持手法より性能と多様性のバランスが良く、基盤モデルの正解の忘却も大幅に減ったと報告しています。
説明誰が計画し、誰が編集するのか？LLM駆動のアナログレイアウト修復における、検証済みかつコストを考慮した役割分担
要約本論文は、大規模言語モデルのエージェントがアナログ回路のレイアウトを修復する際に、どのモデルが計画を立て、どのモデルが編集し、コストがどうなるかを検討している。手法ではモデルは有限のレイアウト操作のみを選択し、各編集後に検証ツールが再チェックするため、不合格のレイアウトは採用されない。さらに、最初のツール評価に基づいて各役割のモデルと切り替え順序を選び、試行ごとにベイズ推定を更新する学習型コントローラを提案し、封印された未見の4課題で8件中7件を修復した。
説明合成イベント時間データ生成のための打ち切り対応フローマッチング
要約本論文は、打ち切りを含むイベント時間データをフローベースの生成モデルで合成し、その確率密度を推定する打ち切りフローマッチング（CFM）を提案しています。生存尤度に頼らず、微分フローの単調性を利用したプルバック・サンプリングで打ち切りを扱い、EMアルゴリズムの形で反復します。穏やかな条件の下で真のイベント時間分布への収束を示し、シミュレーションとOPTN・MIMIC-IVデータへの適用で、データの忠実度、予測性能、経験的プライバシーの観点から有用性を示しています。
説明記憶制約付きユーザーシミュレーターにおける反復と干渉の効果の分析
要約この論文は、記憶に制約を設けたユーザーシミュレーターが、人間の情報保持に影響する二つの要因、すなわち事実の反復と競合情報による干渉を再現できるかを検証しています。一部のシミュレーターは人間に近い全体的な正答率を示し、反復と干渉の効果の大きさも再現しました。しかし特定の質問ごとの正答率は人間と一致せず、人間は事実を誤って覚えるのに対し、モデルは忘れてしまうため、誤りのパターンが異なると報告しています。著者はこのデータを今後の研究向けの挑戦的ベンチマークとして公開しています。
説明LoopHIL：無線組込みシステム向けに、LLMエージェントへハードウェアをループ接続する手法
要約本論文はLoopHILという枠組みを提案し、LLMエージェントが複数デバイスからなるRFベンチを制御し、スペクトラムアナライザ、ロジックアナライザ、エネルギーメーターで監視しながら無線リンクを検証できるようにします。4つの難度の異なるタスクと2社の6モデルで評価した結果、ハードウェア・イン・ザ・ループにより完了率が最難タスクで17%から83%に向上し、作業時間と出力トークンは約半分になりました。さらにデバッグツールにより、タグの消費電力は最大96%削減されました。ただし小型モデルは未検証の主張を報告することがあるため、独立したハードウェア確認が依然として必要です。
説明部分ロールアウトを用いた効率的な強化学習のための、学習不要なプロンプト選択
要約本論文は、学習を必要とせずに有用な学習用プロンプトを選ぶ手法 LIFT を提案し、検証可能な報酬による強化学習（RLVR）におけるデータ選択のコストを下げることを目指しています。中核となる指標 PRCL は、問いを条件とした文脈と問いを除いた空の文脈との間のトークン単位の対数尤度比を累積します。著者らによれば、LIFT は SHIFT と比べて選択コストを 3.7〜9.1 倍削減し、下流の RLVR 性能でも競争力があるとしています。
説明言語モデルは「怠け者の詩人」：大規模な創作におけるモード崩壊
要約本研究は、調整済みの大規模言語モデル（LLM）が創作の出力で互いに非常によく似た結果を生む「モード崩壊」現象を、詩に焦点を当てて大規模に分析したものです。15種の詩形式、248の主題タグ、16のオープンウェイトモデルを対象に、110万首以上の詩を生成しました。研究者の知る限り、これはLLMが生成した詩のコーパスとして現時点で最大規模です。結果として、モデルの詩語彙や押韻能力は大きいものの、著しく活用が不十分であり、少数の単語・冒頭句・韻に過度に依存することが示されました。また語彙の同質化はモデルや詩の形式によって異なり、観察された押韻語彙量はモデル規模と相関することがわかりました。
説明隠れ軌跡は嘘をつかない：テスト時適応における破損ドリフトの補正
要約本論文は、展開時に生じる分布シフトに対処するため、凍結したバックボーンに低ランクのアダプタを加え、破損画像の中間表現の軌跡を、より清浄な入力の軌跡に揃えるDrift-TTAを提案している。CIFAR-100-Cなどで評価され、重症度5のソースフリーなオンライン設定において、精度の向上と校正誤差（ECE）の低減が報告されている。
説明術前肝臓モデルと術中表面の、ランドマーク不要・スケール非依存の多視点位置合わせ
要約本論文は、腹腔鏡下肝切除のAR支援のため、CT/MRIから得た術前3D肝臓モデルを術中表面に位置合わせするSimCompose框架を提案しています。ランドマークを用いず、スケールを含む完全な相似変換を推定し、既知の相対幾何を持つ複数視点に同じ変換を適用します。また、正解なしで候補変換の不一致から信頼できない位置合わせを検出し、SOFAのNeo-Hookean模擬による非剛体補正も用いています。合成データと5名の生体患者での評価が示されています。
説明SWE-Bench Pro V2：よりクリーンで不正になりにくいコーディングベンチマーク
要約SWE-Bench Pro は、コーディングエージェントの長期的なソフトウェア工学タスクを評価するために広く使われているベンチマークです。著者らは改訂版 V2 を公開し、監査・専門家による判定・盲目的な再実装を経て、731 件中 480 件のタスクを修正または除外しました。評価手順も強化され、ネットワークアクセスの制限や、クリーンなコンテナ内での再採点が行われます。642 件の V2 タスクでは最先端のエージェントが最大 99.4% を解決し、51 件の困難版では 52.9% から 98.0% まで差が見られます。
説明PREEMPT：メディア保護技術のための編集下での事前的ロバストネス評価フレームワーク
要約本論文は、画像編集後における主動的画像保護技術のロバストネスを評価する枠組み PREEMPT を提案しています。単発の編集と連続する多段階の編集の両方を対象とし、画像変換、意味的編集、およびそれらの組み合わせを扱います。保護効果は比較のために保護存続軌跡として整理されます。単発評価では劣化の過程が見えにくいこと、摂動型と透かし型で失敗の仕方が異なること、最初の意味的編集が後続の劣化をほぼ決定することが示されています。
説明放物型障害物問題に対する検証可能なニューラル近似
要約本論文は、相変化や接触などの自由境界問題に対し、ニューラルネットワークによる放物型障害物問題の近似に誤差保証を与える研究です。一階の状態・流束・乗数形式で誤差上界を導出し、一次元のStefan問題と二次元の拡大する円盤で認証された誤差の結果を示しています。一方、拡大する楕円の場合には勾配の上界が二分の一を超えたままであり、上界は状態・流束のノルムのみを制御し、乗数や自由境界の位置は対象外と述べられています。
注目点Apushkinskaya–Repin型の事後上界を一般係数・自由乗数・フラックス境界へ拡張し、区間計算による検証と数値実験で裏付けている。応用範囲は特定分野に限られる。
説明候補依存の残差ルーティング：リスト上位の精度と再現率の交換
要約本論文は、自己注意型の逐次推薦ベースラインに小さな残差ルーティングモジュールを加え、ルーティング重みを利用者の履歴表現で決める版と候補アイテムの埋め込みで決める版を比較しています。REES46 化粧品データセットで5つの対応シードを用いた実験では、主要指標の NDCG@10 はほぼ変わりませんでした（平均相対変化 +0.003%）。補助的な分析では、候補依存版はトップ10に関連アイテムをより多く入れる（再現率 +1.81%）一方、最初の関連アイテムの順位はやや下がる（平均逆順位 -1.09%）ことが示されています。
説明蒸留・自己学習と学習された化学推論の脆さ：開放重みモデルによる順方向反応予測
要約本論文は、フロンティアモデルの推論過程を蒸留して開放重みの小型モデルを訓練し、さらに自身の検証済み出力から学習させる Resonance モデルを提案し、順方向の化学反応結果の予測に用いている。蒸留により小型モデルの精度は大きく向上し、より強い学生モデルは蒸留だけで教師を上回ったと報告されている。一方で著者らは、精度の向上が頑健な推論を意味しないことを指摘している。学生モデルは教師の一回限りの推論様式を受け継ぎ、自己学習は既に到達可能だった答えを主に鋭くするにすぎず、反論を受けると正しい答えを容易に放棄する。
説明ツール利用エージェントはいつ行動し、いつ立ち止まるか：反実仮想データによる意思決定制御
要約本論文は、ツールを使う大規模言語モデルエージェントが、不確実な状況で自律的な行動、追加情報の収集、人間へのエスカレーションのどれを選ぶべきかを扱います。著者らはToolSandbox上で1,036の意思決定点と3,115件の行動結果からなる反実仮想データセットを構築し、凍結したバックボーンエージェントの行動を選ぶ制御器SURE-Actを学習させました。原文によれば、順位付け学習は回帰のみのベースラインより離線での行動選択効用を0.0309向上させ、Qwen3-4Bエージェントでは最大0.0575のOverall Score改善をもたらしています。
説明論文の説明：スコア関数の再パラメータ化（History-Reparameterized 方策勾配）
要約本論文は、自己回帰型系列モデルの方策勾配が、過去の決定が後続の条件付き分布へ与える影響を無視しており、報酬がまばらな場合に信用割当が難しいと指摘します。著者らは History-Reparameterized（HR）方策勾配を提案し、分散を抑えるための中心化制御変数推定量 OHR を導出しています。実験は、ガウス線形マルコフモデル、報酬がまばらな T 字迷路、小規模な巡回セールスマン問題で検証されています。
説明外部メモリを用いた文脈管理による推論手法（RCMEM）
要約本論文は、推論モデルが文脈内で有用な中間情報を失う恐れがある問題に対し、外部メモリで文脈管理を拡張するRCMEMを提案している。追加情報を推論モデルの文脈に負担させずに保持できるとしている。中間ステップの繰り返し計算を要する問題では計算時間を大きく削減し、複雑な問題ではより良い性能を示したと報告している。数学問題で、0.4〜25百万パラメータのモデルとGPT-2を用いて検証している。
説明スパース報酬下での推論時探索のためのブートストラップ確率的補間木（BSIT）：より効率的なサンプリング手法
要約本論文は、推論時探索のための木構造サンプラーBSITを提案する。子ノードの生成を親ノードへの明示的な依存から切り離し、経路の多様な展開を促すことで探索能力を高めるという。著者らは、DDPM型の遷移に依存するサンプラーより目標分布の被覆範囲が広く収束も速いとし、追加の関数評価や報酬フィードバックは不要だと述べている。希少種の発見や目標に沿った分子生成の実験で、探索効率の向上が示されている。
説明スタイル埋め込みによる複数著者の文体検出：大規模言語モデルを用いた複数著者の文体変化検出の研究で、二種類の埋め込みを組み合わせて検出精度を高める。
要約本論文は、複数著者の文体変化検出における大規模言語モデル（LLM）の利用を検討している。既成のLLMや対象領域内だけの教師ありファインチューニングでは有効な特徴が得られないため、著者検証向けにファインチューニングしたLLMベースの埋め込みを用いるクロスドメイン転移学習を提案する。Mistral-7Bの埋め込みモデルをファインチューニングし、PAN-25の複数著者文体分析チャレンジで最先端システムに使われたDeBERTaと比較した。その結果、両者はユーザー生成テキストの異なる場面で優れることが示され、二つの埋め込みを組み合わせることで文体変化検出がより効果的になった。
説明精密な綿病害管理：UAV画像とカスタムYOLO深層学習フレームワークによる検出精度の向上
要約本論文は、無人航空機（UAV）画像から綿の病害を早期に検出する軽量な単段階検出器Cotton-Visionを提案しています。Ghost Bottleneck、ECAアテンション、CSP融合を組み合わせ、パキスタン・パンジャブ州の七つの綿畑で撮影した約2,700枚の高解像度画像で学習しました。テストセットで適合率97.7%、再現率77.7%、mAP@50 85.6%を達成し、YOLOv5やYOLOv8などの基準モデルを上回ったと報告しています。
説明大規模言語モデルと強化学習に基づく自律施工および進捗更新
要約本論文は、大規模言語モデルと強化学習を組み合わせた自律施工手法を提案しています。改良した soft actor-critic 強化学習アルゴリズムで施工タスクに応じて移動式クレーンの動作を計画し、ロボット運動学と制御アルゴリズムで実行可能にしています。さらに大規模言語モデル ChatGPT 5 を用いて施工進捗の更新、安全情報の提供、進捗報告書の作成を行い、実物大の擁壁施工実験により方法の実現可能性を検証しています。
説明自己改善型の映像-行動モデル：専門家の行動データなしで映像計画から行動を学ぶ手法
要約本論文はMirrorという手法を提案します。報酬や専門家の行動データを使わず、環境との相互作用を通じて映像から行動へのマッピングを自己教師ありで学習します。Mirrorは映像計画に従おうと自らの行動推定を実行し、その結果の映像と行動の組で学習を繰り返します。Atari、OGBench、DeepMind Control、Minecraftで評価され、Minecraftの生存タスクでは自己改善のみで鉄のツルハシを入手した初の手法とされています。
注目点行動ラベルや手作り報酬を使わず自己改善で映像から行動への写像を学ぶ手法で、複数ベンチマークとMinecraftで比較実験を行い、証拠は比較的充分。
説明SERO：単一ステップの物体除去のための意味予測手法
要約本論文は、画像内の物体除去と欠損領域の補完を単一ステップで行うSEROというフレームワークを提案しています。モデルはまず埋め込み空間で隠れた領域の意味的な事前情報を予測し、それを用いて潜在ブリッジマッチング生成器を誘導し、シーンの構造と整合した補完を行います。RORDとOBERのデータセットでの実験では、1回の生成ステップのみで競争力のある、あるいは最先端の性能が示されています。
説明BabyLM規模の音素言語モデリングにおける韻律構造の重要性
要約本論文は、子どもの学習に近いデータ量（BabyLM、1,000万語と1億語）で、音素言語モデルに韻律情報を加えることが有効かを検証しています。正書法ベースラインと、音韻的な豊かさを段階的に高めた3つの条件を、いずれもBERT型のマスク化言語モデルとして学習させて比較しています。新たに設計した語彙判断課題と意味構造の課題の両方で、韻律注釈付きの音素列が両規模で最も良い分類的組織化を示し、境界構造を持つ音素モデルは正書法ベースラインと競合すると報告されています。
説明モデル能力フロンティア：LLM支援型社会シミュレーションのための開発フレームワーク
要約本論文は、指定されたモデル構造が許容される設定の範囲内で達成しうる実証的性能を特徴づける「モデル能力フロンティア（MCF）」を提案している。多目的の場合、この能力は系統的な設定探索によって得られる推定パレート・フロンティアで表される。著者らは、大学の卒業式における約1万2千人のエージェントによる群衆シミュレーションで検証し、時間的占有、空間分布、流れの方向に関する実測データを用いた。LLMを初めて統合すると流れの方向は改善したが、時間的占有と空間分布は悪化した。その後、LLM層を改良すると時間的占有が改善し、空間性能も回復した。
説明混合依存下の投票分類器に対するマージン証明書
要約本論文は、定常混合（mixing）系列における重み付き投票分類器の汎化保証を研究している。定常β混合過程の独立ブロックRademacher理論と打ち切りマージン損失を組み合わせ、近似独立ブロック数と結合予算によって依存ペナルティが決まる明示的な一様マージン証明書を導出している。実験では、ブロック数が多い場合に証明書が非空となり、強い依存下でも有効性を保つ一方、素朴な区間は被覆率が不足することが示されている。
説明難しい単語の発音：事前学習済み対話型音声合成モデルの音素適応
要約本論文は、音声アシスタントで稀な薬剤名の発音が不正確になる問題に対し、事前学習済みの対話型音声合成（TTS）モデルに音素制御機能を加える手法を提案しています。ARPAbet語彙の拡張、音素を加えた継続的な教師ありファインチューニング、学習不要の推論時音響バイアスを用いています。7,500件の臨床薬剤名発音評価で、正解率は54.6%から90.7%に向上しました。盲検の人間評価では84%が正しいと判定され、最強のベースラインの82%とは信頼区間が重なっています。
説明TorchTPU：TPU上でPyTorchをネイティブ実行するハイブリッド型Eager/コンパイル アーキテクチャ
要約TorchTPUは、GoogleとMetaによるオープンソースの共同プロジェクトで、Google TPU向けのネイティブかつ体系的なPyTorchバックエンドを提供します。モデルをそのまま実行でき、TPUへの移行も容易になります。また、Eager実行の最適化、torch.compileとの統合、ネイティブなハードウェアアクセラレーションにより、業界水準に匹敵する推論および学習性能を実現するとされています。
説明CoDA：特定分野のテキスト注釈のための人間とLMの協働コードブック作成支援
要約本論文は、オープンソースのツールCoDAを紹介しています。CoDAは専門家と協力し、言語モデルの誤った予測を確認して専門家のフィードバックを取り入れながら、注釈ガイドライン（コードブック）を反復的に作成します。ホームレス支援の記録から健康指標を抽出する事例と、野生生物密売に関するSNS投稿の感情分類事例では、CoDAが作成したコードブックは専門家作成のものと同程度の分類性能を示し、作成期間は数週間から約2時間に短縮され、手作業による注釈例は5分の1で済みました。
説明予算制約付きベイジアン・バンディット：将来の活用のための探索
要約本論文は、探索に厳格な予算上限があり、活用より前に行われる多腕バンディット問題の変種を扱います。既存の1/3および4/27の近似保証に対する解析が厳密であることを示し、近似比0.43の効率的なアルゴリズムを提案しています。有界で交換可能な報酬観測に対しては、非消失領域において保証が1-e^{-1}（約0.63）に近づくアルゴリズムを示し、自然な線形計画緩和に対して漸近的に厳密であるとしています。
注目点既知の近似比を改良し旧解析の厳密性を示し、0.43と0.63に近づく手法を与え、厳密な証明で分野の一部に影響する。
説明NV-Generate-Body：解剖構造・腫瘍・体格属性を制御可能な3D潜在拡散モデルによる身体マスク合成
要約本論文は、全身CTセグメンテーションマスクを生成する3D潜在拡散モデル NV-Generate-BodyMask を提案しています。臓器の解剖構造、腫瘍の負荷、患者の人口統計学的属性を同時に制御でき、注釈付きCTデータの不足やプライバシー制約への対策として位置づけられています。26コホート・132ラベルの8,571枚のマスクで学習し、臓器サイズ、腫瘍再現率、人口統計学的整合性について論文中で報告された指標を示しています。
説明共同行為規範の実験的拡散におけるアルゴリズム構造の保持と喪失
要約本論文は大規模な人間被験者実験を通じて、新しい社会規範が集団内に広がる際に、その暗黙の共同行為手続きのアルゴリズム構造がどう変化するかを調べています。プログラム合成の手法を用い、独立した集団で形成された手続きを特徴づけています。異なる変種を受け継いだ参加者同士の相互作用では、継承された手続きが構造的に単純化・喪失する一方、相互作用による修復の機会がこの圧力を相殺し、複雑なアルゴリズムが保たれることを示しています。
説明lepidoptera：混合変数型・ヴァインコピュラ依存・個体レベル反事実伝播に対応した汎用因果シミュレーションエンジン
要約lepidoptera は、異なる型の変数を含む構造的因果モデル（structural causal model）からシミュレーションを行うためのオープンソースの R および Python パッケージです。因果グラフと各ノードの生成規則を分離し、事前構築された機構ライブラリで連続・カテゴリ・順序変数の親子の組み合わせ9通りを扱えます。ヴァインコピュラ機構は観測データから同時依存構造を推定し、20種類以上のコピュラ族に対応します。また部分伝播により個体レベルの反事実問い合わせをサポートし、臨床試験計画、救急病棟の収容能力分析、疫学の媒介分析の3つの例でその適用範囲を示しています。
説明可変設計パラメータ下での高速リンク過渡応答のシーケンス・ツー・シーケンス型ニューラル代理モデル
要約本論文は、高速リンクの過渡応答モデリングと信号品質（シグナルインテグリティ）解析のためのシーケンス・ツー・シーケンス（seq2seq）ニューラル代理モデルを提示する。固定設計パラメータでは、フィードフォワード型ネットワークが再帰型モデルと同等の精度を計算コストを抑えて得られるとしている。14次元の可変パラメータ条件では、TX のみの非自己回帰推論が安定し、提案された Early Fusion LSTM は過渡波形・アイ高・アイ幅の予測で R2 がそれぞれ 99.51%、99.57%、99.94% となったと報告している。
説明EGGHead：単一画像から効率的かつ汎化可能なガウシアン頭部モデルを作る手法
要約本論文は、単一画像からフォトリアルな人の頭部を生成する EGGHead を提案している。固定されたガウシアン数の予算の下で、頭部の意味的領域にガウシアンを効率よく割り当てる新しい配分アルゴリズムを導入し、表現力への影響を抑えつつ必要な数を減らす。単一の順伝播で処理し、再構成品質、新規視点合成、描画速度で従来の単一画像顔モデリング手法を上回ると報告されている。
説明スペクトログラムから浅層音声SSLへ：生成器分離・低遅延な音声映像ディープフェイク検出のための音声フロントエンド設計
要約本論文は、固定のMRDF（ディープフェイク検出）フレームワーク内で音声フロントエンドの設計を研究しています。対数フィルタバンク特徴量と、凍結したwav2vec 2.0およびWavLM表現を比較し、二重SSL融合、実行深度、浅層集約の効果を検討しています。生成器分離のMMDFデータセットでは、完全なwav2vec 2.0により平均マクロAUROCが84.19%から87.19%に向上し、6層実行と学習型の非一様層集約を加えると90.61%に達しました。浅層実行は推論遅延も低減しました。
説明進化戦略による継続的テスト時学習の提案
要約本論文は、外部からの教師なしの開かれた環境で大規模言語モデルが継続的に適応できるよう、ESRL（進化戦略強化学習）という枠組みを提案します。単一の方策が自ら生成する教師信号ではなく、アンカーとなる方策を摂動させて得た複数の近傍方策の答えを集約し、ラベル不要の群相対的な学習信号を作ります。アンカーは区間ごとに固定され、区間の境界で更新されます。数学推論、一般知識、医療の各分野の単一タスクのテスト時適応で、基礎モデル比で平均精度を最大31.7%、最強のベースライン比で16.6%向上させ、破滅的忘却を大きく抑えたと報告されています。
説明ループ型Transformerの深さに制約されるアルゴリズム課題における機構的研究
要約本論文は、同じ層のブロックを何度も反復利用する重み共有型のループ型Transformerを研究し、パラメータを増やさずに有効な深さを広げる手法を扱っています。有向順列走査の課題で、モデルは開始ノードから複数ホップたどった到達ノードを出力します。結果として、同じ有効深さの非共有モデルでは解けない課題を、ループ型モデルは中間ノードを段階的に進みながら解けることが示されています。
説明AI代理モデルによるカナダ全土の山火事危険度マッピングの高速化
要約本論文は、BurnP3+などのプロセスベース山火事シミュレータの出力（延焼確率、平均火勢、平均延焼速度）を近似する深層学習の代理モデルを提案しています。全国規模のデータで学習され、従来は数日から数週間かかっていた地域単位の計算を数秒で行えるとしています。代表的な地域で、エンドツーエンドのCPU処理が806倍高速化され、ゼロショット転移と軽量な微調整にも対応すると報告されています。
注目点多タスク深層学習の代替モデルでモンテカルロ山火事シミュレーションを置き換え、反事実評価とゼロショット転移で検証しており、実質的な改良がある。全国データと地域転移で裏付けがあり、カナダの火災リスク地図作成への影響も大きい。
説明Transformerの条件付きno-hair定理：言語モデルはプロンプトをどのように忘れるか
要約本論文は、自己回帰型Transformerがt個のトークンを生成した後に、プロンプトの情報をどれだけ保持しているかを調べています。同じ続きのテキストに対して異なるプロンプトを与えたとき、隠れ状態の距離はおおむねべき乗則t^(-α)に従って減衰することを示しています。また、一定の条件下で上界を証明し、生成済みのテキストが次のトークンの主な根拠になると論じています。
説明チームワークの重み：コミュニケーション構造はLLM科学者による科学法則探索を助けるか？
要約本研究は記号回帰を科学探索の対象とし、同じ呼び出し予算のもとで、仲間の可視性や更新タイミングが異なるLLMチームを比較しています。固定された候補表現の集合と、そこから選ばれた最終的な式の両方を評価しています。予算を多くの独立した試行に分散させると最も大きな改善が見られ、共通の選択規則のもとでリング型は独立型より平均スコアが0.33低くなりました。一方、スター型と完全結合型は結論が出ていません。結果から、候補生成と最終選択は別々に報告すべきであり、コミュニケーション構造だけでは構成の順位は決まらないと示唆されます。
説明三分割カウント分割で単一細胞トピックモデルの「二重利用」を減らす研究
要約本論文は、一細胞RNAシーケンスデータでトピックモデルと遺伝子検定が同じカウントを使う問題を扱う。独立した3分の1のカウントでトピック使用量を符号化し、残りのカウントで検定する手法を提案している。104,400細胞のループス코호트で置換した帰無遺伝子を検証したところ、名目5%水準での誤棄却率は素朴な方法の36%から7.7%に下がった。
注目点三分割カウント法を単一細胞トピックモデルに適用し二重利用バイアスを抑える点は中程度の新規性。大規模コホートと置換零遺伝子で検証され、証拠は充実。
説明デジタルツインとシミュレーションモデルを拡張可能に生成するためのデータ駆動型リソース集約手法
要約本論文は、製造システムが頻繁に再構成され手作業でのモデル作成が難しいという課題に対し、生産イベントログからリソースを自動選択・集約する手法を提案しています。逆強化学習の考え方を用い、各リソースの行動的価値表現を学習して機能的な貢献が似たリソースをまとめます。スループットとシステム時間を指標とした実験では、精度を保ちつつ複雑さを大幅に減らせることが示されています。
説明構造ベース創薬における生成モデルの選択性：SELECTBENCHベンチマークの提案
要約本論文は、構造ベース創薬（SBDD）の多くの生成モデルが単一標的への結合のみを最適化し、オフターゲット相互作用による選択性を考慮していない点を指摘しています。著者らは生成SBDDモデルの選択性を評価するベンチマーク「SELECTBENCH」を提案し、3種類の評価課題と選択性指標を設計しました。9つの代表的モデルを評価した結果、選択性を学習したモデルでも脱ターゲット識別は限定的で、推論時のガイダンス手法の効果も小さいことが示されました。
注目点生成型SBDDモデルの選択性を体系的に評価するベンチマークを構築し、九つの代表的モデルを比較した点に新規性と有用性がある。
説明事前学習済みTransformerで任意の出力系列を得るためのプレフィックスチューニング
要約本論文は、パラメータ効率の良い微調整手法であるプレフィックスチューニング（prefix-tuning）の表現力を理論的に分析したものです。事前学習済みの自己回帰型Transformerに対し、目標出力が事前学習済みTransformerの値域にあるという仮定のもとで、入力の前に付加すると目標出力を生成させるプレフィックスが存在し、複数の線形方程式を解くことで明示的に計算できることを示しています。また、この仮定が成り立たない場合にはそのようなプレフィックスが存在しない可能性があることも示しています。GPT-2およびQwen3-4Bでの実験では、本アルゴリズムが出力を強く制御できるプレフィックスを生成することが確認されています。
説明HAVANA：視覚言語ナビゲーションのための階層型ビデオ・アクションモデル
要約論文は、予測的推論と反応的な局所計画を分離した二重システムのビデオ・アクションモデル HAVANA を提案している。低速システムは観測履歴から言語条件付きのコンパクトな潜在計画を生成し、高速システムは最新の計画と現在の観測を組み合わせて局所軌道を生成する。両者は非同期に動作し、推論時に未来の映像は生成されない。著者らは OmniNavBench で既存のベースラインを上回る性能を報告し、異なるロボットでの実環境展開において未知の環境への頑健な汎化も示したとしている。
説明言語モデルは変数の役割を理解しているか？変数ロールによるコード表現の解釈
要約本論文は、Sajaniemiの変数ロール分類に基づき、大規模言語モデルが累積、走査、最良候補の保持といった変数の役割をどの程度識別できるか、またスパースオートエンコーダ（SAE）がその区別をどのように保持するかを調べています。全11種類のロールについての静的注釈規則と、5言語にわたる126,926件のコードファイルからなるコーパスを構築しました。結果として、残差プローブは単一のSAE特徴や語彙ベースラインを上回る一方、役割を変える編集に対してはSAE再構成に基づくプローブの感度が低いことが示されています。また、生成時の介入は正しさを損なう代わりに役割注釈を変えることが多いと報告されています。
説明対照単位の冗長性下で安定した反実仮想推定を行うグラフ正則化合成コントロール
要約合成コントロール法は、処置前に未処置の対照単位へ重みを付けて処置単位の結果を模擬します。しかし対照プールが大きく相関が強く、処置前データが短い場合、ほぼ同等の解が多数生じ、重みが不安定で解釈しにくくなります。本研究はグラフラプラシアン罰則を従来の処置前マッチング目標に加えた凸推定量「Graph-SC」を提案します。構造的に近い対照単位に一貫した重みを与え、理論的な偏差と分散のトレードオフの分析と加速近接勾配法による収束保証を示し、シミュレーション、カリフォルニア州 Proposition 99、Waymo データで重みの安定性向上と冗長な対照プールへの感度低減を確認しています。
説明固定深度を超えるループ型GNN：グラフサイズ汎化とパラメータ効率的な適応
要約小さなグラフで学習したグラフニューラルネットワークを、より大きなグラフへ汎化させる方法を研究しています。事前学習で局所的な更新規則を学び、同じ処理器を学習時の深さを超えて繰り返し適用することで、再学習なしに大きなグラフでの情報到達範囲を広げます。さらに、事前学習済みの処理器を凍結し、繰り返し適用を制御する小さなコントローラのみを学習する Loop-Freeze-Steer（LFS）を提案しています。合成タスクとチップ配置で実験を行っています。
説明中間デコードによるAI気象モデルの解釈可能性
要約AI気象予測モデルは内部処理がブラックボックスと見なされがちです。本論文は、AI気象モデルの中間層の潜在状態を気象場へ復号する「中間デコード」手法を提案し、GraphCast、Aurora、ArchesWeatherに適用しています。その結果、中間段階の予測精度はプロセッサ層を経るごとに向上し、エンコーダ・デコーダは単なる恒等写像ではないこと、また各モデルは粗いスケールから細かいスケールへ段階的に予測を洗練することが示されています。
説明BLANC：手話生成のための適応的時間スケジューリング手法
要約本論文は、書かれたテキストから手話の動作を生成する課題を扱っています。身体と両手を、それぞれ異なる時間解像度の離散系列として表す多速率ベクトル量子化器（MRVQ）を提案し、その上で可変長の動作ブロックを順に生成するBLANCフレームワークを構築しています。PHOENIX-2014TとCSL-Dailyのデータセットで最先端の性能を達成したと報告されています。
説明結合型・分離型・エージェント型：マルチモーダル整合の3方式はどの場面で有利か
要約本論文は、三つのマルチモーダル統合方式を比較しています。共同で事前学習したエンコーダに融合ヘッドを載せる方式（JOINT）、独立に事前学習したエンコーダを用いる方式（DECOUPLED）、凍結したLLMに指示と例を与える方式（AGENT）です。五つの分野の16の対応データセットと複数の学習ラベル量で評価した結果、144の組み合わせ全体で一つの方式が優位になることはありませんでした。さらに、表現と課題の診断情報を用いて方式を選ぶ二段階手法を提案し、メタデータのみの場合より高い正解率を示しています。
説明Cache2LoRA：文脈の内在化の理解と改善
要約本論文は、文書を低ランクのパラメータ更新（LoRA）として符号化し、元のテキストを保持せずに言語モデルが回答できるようにする手法を検討しています。著者らはCache2LoRAを提案し、各クエリごとに凍結された再利用可能な文書キャッシュから証拠を集約してからLoRA更新を生成します。17のタスクでマクロF1は0.663となり、全文脈の文脈内学習の0.671に近づき、32K文書・256トークン出力・バッチサイズ16でのデコード速度は後者の5.9倍です。
説明高解像度LVLM向けの階層的かつクエリ認識型の視覚トークン枝刈り手法
要約高解像度の大規模視覚言語モデルは、グローバルなサムネイルと複数の局所クロップを符号化して細部を保持するため、大量の視覚トークンが生じ、LLM推論がボトルネックになります。本論文は、LLMブロックを実行する前にクエリを用いて、インスタンス、クロップ、トークンの三段階で重要な視覚トークンを選ぶ、学習不要の枝刈りフレームワークを提案します。LLaVA-NeXT-7Bでは、視覚トークンを25%残した場合に未枝刈り性能の98.0%を維持し、推論スループットは2.0倍に向上し、POPEでは未枝刈りのベースラインを0.7点上回りました。
説明BiNar：ビットストリーム破損画像復元のためのビットストリームネイティブ復元器
要約本論文は、破損した圧縮ビットストリームから画像を再構成するビットストリーム破損画像復元（BCIR）を扱います。提案手法BiNarは、ビットストリーム由来の細粒度な意味情報を用いる生成的復元フレームワークで、ビットストリーム意味モデリング、破損適応型マルチモーダル意味集約、盲目的な破損位置特定の3モジュールから構成されます。著者らは、多様な破損条件下の実験で、知覚品質と客観品質のいずれにおいても既存の最先端モデルを上回ったと報告しています。
説明AI支援開発でソフトウェアは均質化するのか？コードの類似性・品質・進化に関する実証研究
要約本論文は、長期にわたり開発されたJavaとPythonのオープンソースプロジェクト50件を、LLM以前、LLM支援の可能性がある時期、エージェント型開発が検出された時期の三つの段階で比較した研究です。コードの類似性は意味と構文の両面から測定され、品質はSonarQubeで評価されています。結果として類似性が一貫して高まる証拠はなく、Javaでは後の二段階で類似性が有意に低下し、Pythonには有意な差は見られませんでした。
説明漢字描画におけるLLMエージェントの永続メモリと反復改善
要約本論文は、大規模言語モデル（LLM）エージェントが、プログラムによる漢字描画タスクで過去の試行から蓄積した永続メモリを新しい問題の解決に役立てられるか、またメモリの設計がその効果に影響するかを検討している。668項目について五つのエージェント条件を比較した。自由形式のメモリは初回試行の成功率を4.6ポイント向上させ、自由形式メモリと再利用可能なコードを組み合わせた設計は2.8ポイント向上させた。後半の難しい項目では、コードバンク設計にやや優位性が見られた。事後的な比較では、コードバンク・エージェントが対象ごとの構造的な監督情報を受け取った場合、改善幅がはるかに大きかった。
説明人間のレビュアーによる顔認証の誤検出の発見は、アルゴリズムとそのセキュリティ設定によって異なる
要約本研究では、801名の人間のレビュアーが、3つのセキュリティ設定（運用上関連する生体認証の閾値）で、商用顔認証アルゴリズム4種が生じた誤検出を検出できるかを測定しました。使用したのは、新たに作成された困難顔画像比較テスト（DFICT）データセットです。人間の確認により誤検出は減少するものの、より厳しい閾値では性能が低下し、アルゴリズムごとに結果も異なりました。
説明有限可検証分割：有限状態検証器を持つすべてのトークナイザの決定可能性
要約本論文はトークン分割方針を扱い、各バイト列に高々一つの分割を与える方針が、境界ビットを付した文字列を受理する有限オートマトンで検証できる場合を「有限可検証」と定義する。この仮定の下で、窓が境界を保証するか、境界間隔が有界か、マスクによって生成が完了可能か、二つの方針が等価かといった問題が決定可能であることを示す。各定理には実行可能な検査が付され、統計値はプログラムの出力である。
注目点有限検証可能性の仮定の下で分割方針の六つの判定問題を決定可能にし、Choffrut問題を多項式時間で解く点は新規性が高い。
説明OR-License：大規模言語モデルエージェントを実務の運用研究担当者として評価するベンチマーク
要約本論文は、有償の運用研究（OR）案件から得た31件、10の産業シナリオにわたるOR-Licenseベンチマークを提案しています。大規模言語モデルのエージェントが、専門家による事前の再定式化なしに、顧客の原資料から専門家水準の解を出せるかを検証します。顧客情報の取得を調べるためにORSim模擬顧客を導入し、展開調整品質（DAQ）で評価します。最良のClaude Code構成のDAQは0.87で、専門家の基準値1には届きませんでした。
説明Coopshift：後処理がLLMの協力における「記憶の呪い」を増幅する
要約本研究は七つのモデル系列について、事前学習、教師ありファインチューニング、選好・報酬最適化の各段階のチェックポイントを比較し、七種類の社会的ジレンマゲームで200ラウンドの反復対戦を行いました。可視履歴は直近2ラウンドまたは40ラウンドに制限されています。履歴が増えると協力率が下がり、その低下は後処理段階で事前学習段階より大きくなる傾向が示されました。
説明GLOW：ウォード法で最適化した一般線形モデルによる脳画像の領域解析
要約本論文は、画像特徴が診断や年齢などの変数と相関する脳領域を探す手法GLOW（General Linear Models Optimized with Ward's method）を提案しています。GLMの誤差を貪欲に最小化して入れ子の領域階層を構築し、最大統計量の置換検定で全体の family-wise error を制御します。さらに剪定の工程で、完全かつ純粋な効果の範囲を探します。合成効果の実験では、多くの場合に一貫した効果を一つの領域として返しますが、陽性的中率は低く、領域が真の効果範囲を超えることがあります。
説明場所が重要：生成AI検索最適化では、質問する場所で引用元が変わる
要約本論文は、生成型検索エンジンの回答がユーザーの所在地によって変化するかを検証したものです。300の質問をChatGPTとGeminiに投げ、計31,200件の回答を集めて、両エンジンが位置情報を取得する経路の違いを調べました。ChatGPTはアプリが宣言した位置に従い、Geminiはネットワークの国に従うことが示され、推薦される企業も引用元とともに変わるため、監査では両方の経路を管理する必要があるとしています。
説明OrTeN：地形と線走査カメラ軌道の同時再構成のためのニューラル逆グラフィックス手法
要約本論文は、ニューラル逆レンダリングを用いて、線走査衛星画像からテクスチャ付き高さマップと軌道カメラの姿勢補正を同時に最適化し、数値地形図（DTM）を構築するOrTeN手法を提案している。必要なのは校正済みの線走査画像と初期カメラ姿勢のみで、測距データや初期の粗いDTMなどの構造的事前情報は使用しない。四つの惑星画像データセットでの位置合わせ後の地形RMSEは0.43mから16.18mである。
注目点ニューラル逆レンダリングで標高マップとライン走査カメラの軌道を同時最適化し、深度事前情報なしで四つの惑星データセットにて検証しており、新規性と根拠は十分。
説明ビルダーは誰が検証するのか？エージェントが生成したソフトウェアの独立した保証に向けて
要約コーディングエージェントがソフトウェアとその正しさの証拠を同時に生成すると、そのテストは独立した証拠になりにくいと論じています。著者らは、構築と検証を構造的に分離する枠組みを提案し、検証契約と二段階の検証（仕様優先と実装認識）を定め、リリースの判断は人間に委ねるとしています。三つのステートフルサービスとEvalPlusの試験運用による事前登録研究では、新しい文脈の検証者がビルダー自身のテストより多くの意図的な欠陥を検出しましたが、誤った判定も一部ありました。
説明生成動画の幾何構造を補正する学習手法
要約生成動画はカメラ移動時に幾何学的一貫性を失いやすく、構造の歪みや視差の不整合が起きます。本論文はこれを主にデータの問題とみなし、合成のペアデータで学習する後処理モデル Video Geometry Corrector（VGC）を提案しています。VGC は元の生成器を変更せず、歪んだ動画を幾何学的に一貫した動画へ変換し、オプティカルフローを補助手がかりとしてカメラ運動と物体運動を分離します。姿勢条件付きおよびプロンプト駆動のベンチマークで、複数の生成器に対して一貫性の向上が示されています。
説明World of SWECraft：模擬ソフトウェア世界によるエージェント大規模協調
要約本論文は、実際のソフトウェア生態系でマルチエージェント協調をシミュレーションするフレームワーク Software World（ソフトウェアワールド）を提案し、相互依存する Python パッケージからなる環境（ソフトウェアワールド）の作成パイプラインを構築しています。エージェントはソフトウェア効率の向上という高次の目標のもとでパッケージを保守し、隠された依存パッケージの高速化率によって全体の成果を評価します。三つのワールドで八つのモデルを用い、1万時間を超えるエージェント作業を実行した結果、推論時計算量の増加に伴い性能が向上し、最良のモデルで下流効率が最大31%改善しました。一方、一部のフロンティアモデルは改善の探索を早期に打ち切ることも示されています。
説明ピクセル空間拡散Transformerの設計空間の再検討：MFlowとConvRefiner
要約本論文は、潜在拡散の代わりに画素空間で直接画像を生成する拡散Transformerを扱い、x0予測と速度予測の二つのパラメータ化を比較します。著者らはMFlowを提案し、データの主要方向ごとに両者の補間を拡散学習と同時にエンドツーエンドで学習させ、望ましいパラメータ化がデータ表現とモデル容量によって変わることを示しています。さらに軽量な畳み込みモジュールConvRefinerを、拡散バックボーンを固定したまま敵対的損失で事後学習し、FIDを維持しつつ生成画像の高周波特性を回復させています。
説明行動の結合：言語モデルにおける形成から行動の創発まで
要約本論文は、大規模言語モデルのファインチューニングにより、直接狙っていない別の行動が現れる現象（「行動の結合」）を研究している。学習文書が二つの行動を同時に記述していると、一方を引き出す微調整で他方も現れることが示された。結合は連鎖的に組み合わさることもあり、望ましくない振る舞いの出所を特定しにくくなる。著者は、現在の振る舞いを超えた評価が必要かもしれないと論じている。
注目点行動の結合という概念を提案し、文書学習で形成され合成可能であることを示す。微調整による意図しない挙動リスクを明らかにするが、実験は小規模。
説明AIエージェントによる科学的発見の再現性と分析的頑健性の検証
要約本論文は、大規模言語モデルのエージェントが研究結果の再現と頑健性分析を支援できるかを、米国のがん登録データベースSEERを用いた医学の事例で検討したものです。著者らは発表済みの20本の論文からなるSEER-Reproベンチマークを作成し、2,190件の原子的主張のうち77.4%を再現するAIエージェントを開発しました。さらに、分析上の選択肢を特定して代替案で再実行する分析パイプラインを構築し、完全に再現された知見の9.5%で結論に影響しうる選択を見つけ、専門家の確認に回しています。
説明StopWatch：物体目標ナビゲーションのための目標グラウンディング手法
要約本論文は物体目標ナビゲーションを対象とし、微調整されたVLMベースのナビゲーション方策の主な失敗は目標のグラウンディング（目標の認識と距離推定）にあると指摘しています。著者らは目標を明示的にグラウンディングする手法を提案し、3つのシーン集合の6つのベンチマークで最先端の結果を達成したほか、ベンチマークの注釈上の欠陥も修正しています。
説明DiscoveryRSI：有望な仮説を再帰的に学習して発見する手法
要約本論文は、価値があり検証可能な研究仮説を、証拠に基づき重要な不確実性を扱い、実行可能な調査、明確な判断基準、代替説明を備えたものとして操作的に定義します。提案するDiscoveryRSIは、マルチエージェントの進化的探索で仮説ツリーを作り、三つの仕組みで再帰的に学習します。評価用にDFM-Benchも導入されています。四つの生命科学分野での自動評価では、仮説の質が基盤モデルの4.86から2回の自己改善後に5.39へ上昇したと報告されています。
説明生成テキストモデルと言語誘導型視覚注意によるパリンプセスト解読
要約本論文は、消されて上書きされた写本（パリンプセスト）の下層の文字を自動的に復元する手法を扱う。生成対向ネットワークと拡散モデルを検討し、構造化されたノイズのパターンを学習する独自のノイズ除去拡散モデルで下層の文字を再構成し、その後、微調整された注意機構ベースの手書き文字認識ネットワークで認識する。さらに、CLIP（Contrastive Language-Image Pre-training）による注意マップを用いて言語記述を活用する認識枠組みも提案し、合成パリンプセストのデータセット、記述文、学習済みモデルとコードを公開している。
説明答えを超えて：学習者に合わせた推論トレースの構築と蒸留
要約本論文は、正解の答えだけを与える学習より効果的な推論トレースを、特定の学習者に合わせて構築する方法を研究しています。提案手法ReDiSTは、学習者自身の解答案を与えられた根拠に基づいて修正し、誤った解答案は検証済みの答えを手がかりに修復します。凍結された学習者対応の読解モデルが候補を評価・順位付けし、その後蒸留を行います。質問応答ベンチマークでは、元のトレースや答えのみの学習より、源タスクと跨ぎベンチマークの両方で性能が向上したと報告されています。
説明待つことで得られるのは二つの積率のみ：予測に基づく配分における内生的識別
要約本論文は、固定された予防支援の予算のもとで、誰を支援するか、いつ支援するかを決める問題を扱う。標準モデルでは長さτの観測期間から潜在リスクの積率が識別され、観測が一期延びるごとに新たに二つの積率が得られる。ただし、これらの積率から配分の厚生や優先対象者の離脱率は必ずしも識別できない。実験では、観測期間を延ばすと時期の不確実性は解消しうるが、最適な時期がすでに過ぎている場合があることが示された。
説明自己構築型ラボ：科学目標から実験環境を自ら構築・運用するシステムの紹介
要約本論文は、高レベルの科学目標が与えられると、実験環境を自ら設計・構成・運用する「自己構築型ラボ（SBL）」を提案している。空の部屋から既存の自動実験装置（SDL）まで、どの出発点からでも、レイアウト、デジタルツイン、ロボットスキル、実験ワークフローなど不足した機能を構築する。複数のロボットや装置構成での動作を示し、実際の量子ドット合成実験により端から端までの能力を検証している。
説明ENFR：フローマッチング参照付きエビデンスネットワークによる償却型シミュレーションベースのモデル推論
要約本論文は、データ生成モデルの絶対的なエビデンス（周辺尤度）を高速かつ正確に推定するENFR手法を提案しています。まずフローマッチング参照に対するベイズ因子を学習し、そこから絶対エビデンスを復元します。検討したすべての応用で基準となるフローベース手法より推定精度が向上したと報告されており、複数モデルのエビデンスを同時に学習するアーキテクチャも提示しています。
説明物理的対称性を学び直さずに済む：球面上のSO(3)同変畳み込みネットワーク
要約本論文は、HEALPix球面画素化に対応したSO(3)同変畳み込みニューラルネットワークを提案する。操舵可能フィルタ、平行移動、スピン重み付き特徴量を用いることで、回転対称性を構造として組み込み、学習データからその対称性を学習させる必要をなくしている。著者らは、帯域制限の下で畳み込み演算が厳密な同変性を持つと述べ、密な勾配回帰や宇宙マイクロ波背景放射の前景除去・ノイズ除去のベンチマークで結果を示している。また、宇宙論のレンズ効果を用いたシミュレーションベース推論では、同じシミュレーション数で最も狭い事後分布が得られたと報告している。
注目点HEALPix向けのSO(3)等変畳み込みネットワークを提案し、厳密な等変性を証明、回帰・ノイズ除去・宇宙論SBIで検証して影響が広い。
説明CocoRNA：協調型マルチエージェント強化学習によるRNA集団設計
要約本論文は、指定の二次構造に折りたたまれるRNA配列を求めるRNA逆設計のための枠組みCocoRNAを提案しています。設計課題を小さな部分問題に分解し、複数のエージェントが協調して解く方式です。学習時には大域的な構造情報を使う集中型クリティックがエージェントを導きます。論文によると、Rfamデータセットで成功率と設計速度の両方が既存手法を大きく上回り、追加学習なしで未知の構造にも一般化できるとされています。
説明受理率は速度ではない：学習不要の有損投機的デコーディングにおける長さの膨張
要約本論文は、投機的デコーディングで検証基準を緩めた場合に生じる問題を検討している。緩和された検証では1ラウンドあたりに受理されるトークンが増えるが、主に推論過程が延びることで出力が長くなり、見かけ上の効率向上を相殺する。著者は12組のターゲットモデルとドラフトモデルの組み合わせで、既存の学習不要の緩和規則を無損失検証と比較し、1ラウンドあたりの受理トークン数だけでは実際の復号速度を信頼性高く測れず、生成長と検証ラウンド数も併せて報告すべきだと結論づけている。
説明遅延・片側フィードバックから個人化メモリゲーティングを学習する
要約本論文は、言語モデルエージェントが長期記憶のどの事実を保持すべきかを判断する方法を扱います。各事実を「後の応答で検索され利用されたか」によってラベル付けし、オンラインのメモリゲーティングを遅延・片側フィードバックを伴う文脈的 apple tasting 問題として定式化しています。既存データによるオフライン学習と現在のユーザーへのオンライン適応を組み合わせた Warm-Start UCB を提案し、高確率の後悔上界を示しています。実験では、異なるメモリ容量と履歴長のもとで全ての基準手法を上回ったと報告されています。
説明機械学習による説明可能な解析：繊維補強高性能コンクリートの圧縮強度に対する温度の影響
要約本研究は1,204件の実験データを用い、8種類の機械学習モデルで高温曝露後の繊維補強高性能コンクリートの圧縮強度を予測しています。勾配ブースティングと極端勾配ブースティングは、未知データに対していずれもR²が0.903と高い性能を示しました。SHAPと部分依存分析により、温度が強度に最も大きく影響し、強度は温度上昇とともに著しく低下することが明らかになりました。
説明言語を超えた制御：ペア残差部分空間除去による多言語学習不要テキスト埋め込みの改善
要約本論文は、大規模言語モデルにおける多言語の学習不要テキスト埋め込みを初めて体系的に調べたものです。意味が同じ文でも言語間では埋め込みが一致しないことを明らかにし、推論時に介入する学習不要手法PRSRを提案しています。PRSRは多言語の対訳文からペア残差を作って言語特有のずれを捉え、その低ランク部分空間を抑制します。18言語の単言語評価と、英語と200以上の言語間の双文マイニングで、既存の学習不要ベースラインの性能を一貫して向上させたと報告しています。
説明SAEを超えて：スパース符号化による一貫した概念発見
要約スパースオートエンコーダ（SAE）は、モデルの活性化を学習された辞書アトムのスパースな組み合わせに分解して基盤モデルの表現を説明しますが、学習の実行ごとに辞書が変わることがあり、分析の信頼性と再現性が制限されます。本論文は、標準の線形エンコーダを逐サンプルのスパース符号化に置き換える一貫性スパース辞書学習（ConSDL）を提案します。16の合成設定では辞書と係数をほぼ完全に復元しました。視覚と言語の4設定では、6つのSAEベースラインの平均に対し、辞書の一貫性が17.6%、係数の一貫性が35.9%向上しました。
説明FuTransformer：Hopper GPU 上の Llama 型推論向け FP8 プリフィルと INT4 デコード
要約本論文は、NVIDIA Hopper GPU 上で Llama 型 Transformer ブロックを推論するための CUDA 実装 FuTransformer を提案します。プリフィルには FP8、単一トークンのデコードには INT4 の重みと INT4 の KV キャッシュを用います。単一の H100 では、プリフィルがコンパイル済み PyTorch の FP8 より最大 1.48 倍速く、1.29 PFLOP/s に達します。デコードは、バッチ 1〜32 の 8B および 70B 形状で、PyTorch の BF16 と INT4 のうち速い方より 1.3〜2.4 倍速くなります。WikiText-2 では、INT4 重み経路により困惑度が 6.24 から 7.23 に上がり、GPTQ を用いた場合は 6.99 です。
説明動画ワールドモデル向けの持続的平面メモリ（PPMem）：平面プリミティブを生成シーンのコンパクトな3Dメモリとして使う手法
要約本論文は、平面プリミティブを持続的な3Dメモリとして用いる動画ワールドモデル「PPMem」を提案しています。動画拡散Transformerに平面予測ヘッドと深度トークン融合（DTF）モジュールを加え、各チャンクでRGB動画と平面形状を同時に生成して平面メモリに統合し、後続のチャンクを制約します。原文によると、このメモリは画素単位の点群より約3桁コンパクトで、DL3DVとRealEstate10Kでは既存の3Dベースの世界モデルより動画品質が高く、メートルスケールの深度、法線、書き出し可能な平面形状も得られるとされています。
説明DrugHarness：計算創薬向けの進化可能なエージェント基盤
要約本論文は、80以上の科学的操作と生物医学リソースを統合し、実行履歴や結果フィードバックから適用条件付きのスキルを帰納する、進化可能なエージェント基盤DrugHarnessを提案している。独立したレビューエージェントが候補スキルを検証したうえで後続タスクに用い、フィードバックにより改訂する。MolBenchとSMDD-Benchで分子スクリーニング、最適化、制約付き設計での性能を示し、HPK1の前向き研究では合成化合物が細胞IC50 14.19 nMを達成し、最良の入力参照より2.64倍高い活性を示した。
注目点条件付きスキル帰納と独立審査を組み合わせた進化可能な創薬エージェントを提案し、ベンチマークと前向き実験で検証している。影響は計算創薬分野に限られる。
説明中心静脈カテーテル被覆材交換の実世界大規模データセット収集に関する研究
要約本論文は、中心静脈カテーテル被覆材交換（CLDC）の技能を自動評価するための大規模動画データセットの収集過程を紹介している。データはヒューストン・メソジスト病院の2026年度能力試験で撮影された登録看護師365本の録画からなり、各動画には手技の17のサブタスクごとの時間注釈と臨床パフォーマンス評価が付与されている。さらに、時空間深層学習モデルによるベンチマーク実験で、動画に基づく技能評価の実現可能性も示している。
説明制約付きマルコフ決定過程における原始双対学習のパラメトリック共鳴
要約本論文は、制約付きマルコフ決定過程の原始双対法を二時間スケールの仮定の下で解析し、非定常性が加法的経路とパラメトリック経路の二つを通じて作用することを扱う。原始更新が用いる制約推定と双対更新が用いる測定との不一致が、パラメトリック共鳴による不安定性を生むことを示す。これらの結論は能動的鞍点まわりの接線線形二次近似のもとで、一つ以上の制約について成り立つ。さらに、リアグランジアン・ソフトアクタークリティックのエージェントでの振る舞いが報告されている。
説明DLite：エージェント型AI向けの履歴なし投機的デコーディング手法
要約この論文は、文脈が長くなりターンが頻繁に続くエージェント型AIの負荷に対応するため、履歴なし投機的デコーディングの枠組みDLiteを提案しています。履歴の文脈を明示的に保持せず、目標モデルの文脈隠れ状態を再利用して局所的な投機予測を行い、軽量な逐次ヘッドでブロック内の因果依存関係を復元します。汎用、長文脈、エージェント型のワークロードでの実験では、受理長が2〜6となり、既存手法DSparkより最大70%高い性能を示したと報告されています。
説明注意機構ベースのニューラルネットワークによるXYモデルのサンプリング
要約本論文は、連続的な自由度を持つ格子系をサンプリングするためのTransformerベースの変分自己回帰ネットワークを提案し、二次元XYモデルのBerezinskii-Kosterlitz-Thouless転移付近に適用しています。局所性を考慮した注意機構や近似確率といった物理に基づく工夫を組み合わせ、既存のニューラルサンプラーを大きく上回る性能を示しています。最大96×96の格子でモデルを訓練し、モード脱落推定量によって構成空間の欠落がないことを検証し、従来のマルコフ連鎖モンテカルロ法で得られたエネルギー、磁化、ヘリシティ・モジュラスを再現しています。
説明大規模幅のニューラルネットワークにおける中間スケールの学習ダイナミクス
要約本論文は、幅と入力次元が比例して増大する二層ニューラルネットワークが、確率的勾配降下法によって目標関数の内部表現をどのように学習するかを研究している。学習された特徴と目標特徴の重なりの分布を調べる中間スケールの記述を用い、初期段階では線形成分と二次成分を追跡する少数の集団変数で学習を表せることを示す。さらに、個々の特徴が専門化する時期と、その加速機構について分析している。
注目点中間スケールの記述を提案し、ガウス閉包で広幅ネットワークの学習動態を少数の集団変数に縮約、特殊化と二次遮蔽機構を解析している。
説明ビデオ拡散アバター：ビデオ拡散モデルを制御可能な3Dアバターに応用する研究
要約本論文は、ビデオ拡散モデル（VDM）を微調整し、一枚の画像から写真のように精細で多視点で一貫したアバターを生成する手法「Video Diffusion Avatars（VDA）」を提案しています。カメラ視点、表情、上半身の姿勢を個別に制御でき、三次元変形可能顔モデル（3DMM）に代えて学習された表情空間を用いることで、舌や口の内部などの表現力を高めています。著者らは学習された表情符号に視点の偏りがあることを指摘し、その除去方法も示しています。BecomingLitでの評価では、既存の単一画像3Dアバター手法と比べて顔のLPIPSが29%低下し、知覚品質（JOD）が66%向上したと報告されています。
注目点動画拡散モデルを微調整し、表情符号化の視点バイアスを解消して単一画像3Dアバターを制御可能にし、BecomingLitで既存手法を大きく上回る。
説明LLM支援による双近似CHC求解
要約制約付きホーン節（CHC）ソルバーは、多数のルール展開を要する深い反例の発見に苦労することが多い。本研究では、多段階のCHC導出が誘導する関係の、ソルバーで検証された下近似「導出能力下近似（DPU）」を提案する。LLMが記号的な中間状態の証拠とともにDPUを提案し、SMTによる検証を可能にする。検証済みのDPUは健全に合成・再利用できる。これを基にしたHornCraftは、上近似のための不変式生成とDPU生成を組み合わせる。Spacerが30分で解けなかった260の整数算術ベンチマークのうち、228件で認証された結論を得た。DPUの構築と再利用を無効にした場合の22件に対し、42件を不安全と認証した。
注目点求解器で検証可能な導出能力の過小近似（DPU）という新機構を提案し、LLMと不変式生成を組み合わせる。未解決の260ベンチマークで228件を認証し、不安全事例は22から42件に増加。
