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。
説明記憶を絞って長く適応する：再帰的要約メモリによる有界状態の文脈内強化学習
要約本論文は再帰的要約メモリ（RSM、Recurrent Summary Memory）を提案します。これはTransformer方策が直近の相互作用の短い作業バッファを直接参照し、それより前の経験は固定容量の要約として保持する仕組みです。バッファが満杯になると要約を書き換えてバッファを空にするため、記憶量と意思決定コストは課題の長さに依存しません。部分観測の長時間課題で、訓練時の八倍の期間にわたり適応性能を維持したと報告されています。
説明どの回答が一致するか？不完全なログから自己一貫性を評価する
要約本論文は、複数の回答を生成して最も多い答えを選ぶ自己一貫性（self-consistency）手法の評価方法を検討しています。正解ラベルだけでは投票精度を確定できない場合について、精度の上下限を導出しています。また、回答カテゴリ数が得られる場合に投票精度を厳密に計算する Plurality-U という手法を提案しています。
説明NADS：微調時の破滅的忘却を抑えるナビゲーター誘導型データ選択手法
要約大規模言語モデルを新しいタスクで単段階微調整すると、元の能力を忘れてしまう破滅的忘却が起きやすく、事前学習データが利用できない場合はさらに深刻です。本論文は、保持正則化を使わずに目標の微調整を行ってナビゲーターモデルを得て、その事前学習モデルとの予測の乖離を使って合成候補データを評価するNADSを提案します。効率的な効用・多様性選択で制約集合を作り、新タスクのデータで微調整しつつ、選ばれた制約上で事前学習時の振る舞いを蒸留します。実験では、新タスク性能と汎用能力の保持のバランスが向上し、選択の計算負荷も減ったと報告されています。
説明認知デカップリング・メタ帰納：分布外汎化のためのタスクレベル帰納表現学習
要約本論文は、文脈内学習が問い合わせと実例の近傍マッチングに強く依存し、分布外（OOD）性能が制限されると指摘しています。著者らは、問い合わせに依存しないタスクレベル帰納表現に基づく推論手法CoDIを提案し、二重ループのメタ帰納学習で異なるタスク間の帰納器を最適化します。5つの同分布・分布外ベンチマークで大きな性能向上を報告し、推論時に明示的な帰納を行わなくてもOODでの利得が保たれるとしています。
説明MAPS：強化学習で強化されたマルチエージェント型パーソナライズ脚本駆動動画広告システム
要約本論文はMAPSシステムを提案し、ユーザープロファイルのモデリング、脚本生成、動画合成、フィードバックに基づく反復改善の四つの協調エージェントで閉ループの流れを構成します。脚本生成エージェントは多次元報酬関数を備えた強化学習で訓練され、ユーザーの内容の好みと対象商品情報の両方に合う脚本を生成するよう導かれます。快手（Kuaishou）広告システムの特定シナリオでのオンラインA/B実験では、生成型ベースラインと比べてCTRが2.87%、CVRが2.74%、ARPUが9.85%向上したと報告されています。
説明言語モデルによるベイズ的モデル発見：仮説と実験のループを閉じる
要約本論文は、言語モデル（LLM）による候補モデル族の提案と、ベイズ実験計画を組み合わせたBMD手法を提案する。数値エンジンがパラメータを当てはめ、モデルエビデンスで重み付けして予測を平均し、次の実験条件を選ぶ。更新された信念と残差診断はLLMへ返され、次の提案に使われる。著者らは、4つの科学発見ベンチマークにおいて、BMDが文脈内学習やLLMベースの科学エージェントより最終予測誤差が小さく、正確な関数形をより多く復元したと報告している。
説明一段階拡散蒸留のための機能的クロスレイヤー専門家ルーティング（DeMoE）：一回の順伝播内で内部容量をどう配分するか
要約本論文は、拡散モデルの一段階蒸留において、モデル内部の容量をどのように構成すべきかを検討します。著者らは、画像FFNに常時有効な共有専門家と条件に応じてルーティングされる専門家スライスを組み合わせた DeMoE を提案し、一段階の分布マッチング目的関数で学習します。一段階の FLUX.2-4B 生成において、DeMoE は GenEval で 0.8220 を得て、画像FFN幅の 80.5% のみを活性化します。原文によれば、全体スコアでは50ステップの教師モデルに匹敵し、複雑な構図と計数では教師を上回ります。
説明誤答一つのコストはどれほどか：ノイズのあるLLMオラクルを用いた制約プルーニングにおける誤りの伝播
要約推移性などにより既に受理された回答から含意される問いを飛ばすことで、LLMなどのノイズのあるオラクルへの問い合わせを減らせるが、従来の解析は通常オラクルが正しいと仮定してきた。本論文は、誤った回答が含意するすべての問いに広がるため、オラクルが誤る場合のリスクでプルーニングを評価すべきだと論じる。含意規則と実体解決の二種類の制約について、問い合わせ順序が誤りをどの程度増幅するかを理論的に示し、シミュレーションが予測定数と抽出誤差の範囲で一致したと報告している。
注目点制約剪定の誤り伝播を一次リスクとしてモデル化し、エンティティ解決の問い合わせ順序の最適性を示す点は新しく、理論解析と模擬実験で裏付けている。
説明言語モデルの傾向ドリフトを検出するための較正済み測定手法
要約本論文は、推論最適化が出力品質に与える影響の評価に用いられる較正済み測定手法を応用し、微調整後に危険な依頼への応諾、欺瞞、権力追求、迎合などの安全性に関わる傾向がどれだけ変化するかを検出します。数パーセント程度の変化を信頼して検出できることを示したうえで、正しい助言と微妙に有害な医療・金融助言で微調整した場合を比較し、有害な助言の方が大きな変化を生むことを報告しています。推論を行うモデルは回答上ではその変化をほぼ隠すものの、内部状態では傾向が移動していることが確認されました。推論の有効・無効の両方で安全性を検査する必要性が示されています。
説明密に考え、疎に行動する：自動運転向け視覚・言語・行動モデルのための潜在エキスパート認知連鎖（LECDrive）
要約自動運転には視覚、意味、幾何情報の密な理解が必要ですが、既存の視覚・言語・行動（VLA）モデルは言語指示や軌道などの疎な信号で学習されることが多く、重要な場面情報が失われがちです。本論文は「密に考え、疎に行動する」という考え方と、その実装であるLECDrive枠組みを提案します。モデル内に段階的な潜在エキスパート認知連鎖を埋め込み、コンパクトな潜在トークンを介してDINOv3、SAM3、DepthAnything3の知識を取り込み、表現から意味・幾何へと段階的に学習させます。複数の自動運転ベンチマークで、物体認識、状態予測、軌道計画の性能向上が報告されています。
説明TimelineAgent：複数文書から、クエリ中心にイベント時系列を抽出する LLM ベースのフレームワーク
要約本論文は、大規模言語モデル（LLM）を基盤とするマルチエージェント・フレームワーク「TimelineAgent」を提案し、異なるクエリの焦点に応じて複数の文書からイベントの時系列を構築する手法を示しています。多段階の推論ワークフローでは、多様なイベント特徴を再利用可能なスキルとして整理し、目標指向のプロトコルで連携させます。また、多様なクエリ焦点を対象とする評価用ベンチマークを構築し、既存手法を上回る結果が報告されています。
説明協調は忘却を損なうか？共有モデル型LLMチームのための頑健なアンラーニング
要約本論文は、複数のLLMがチームで協働する際にアンラーニング（忘却）の効果が弱まることを指摘しています。最終回答だけを評価すると、チーム内メッセージに残る復元可能な情報を見逃し、個々のメッセージを制御しても組み合わせた際の復元を抑えられないと示しています。提案手法ACUは、個別および統合メッセージからの再構成フィードバックで共有モデルを学習します。TOFUでは、ROUGE-L再現率による軌跡全体の復元率を41.8%から19.3%に、事実の復元率を34.2%から18.7%に下げ、保持タスクの性能は同程度を保ったと報告しています。
説明限定遅延下のニューラル動画符号化：理論的最適性とシステム設計
要約従来のニューラル動画圧縮は、遅延ゼロの厳密な因果的予測符号化を前提としてきました。本論文は情報理論の観点から、限定的なフレーム遅延を設計パラメータとして扱い、マルコフネットワークのクリーク分解に基づく率歪み解析を行います。そして、順次動画符号化のためのフレームワーク「グラフ因子化順次符号化（GFSC）」を提案しています。K次マルコフ源に対して、Kフレームの遅延で一定の歪み領域において結合符号化の率歪み最適性が得られることを理論的に示しています。実験では、軽量なニューラルモジュールによって既存の因果的codecの性能が一貫して向上することが報告されています。
注目点有限遅延下でK フレーム遅延が結合符号化の最適性に到達するという新理論を示し、複数モデルで実験的に検証している。
説明相手が誰であれ：大規模言語モデルにおける宛先志向性と追従（シコファンシー）
要約本論文は、大規模言語モデルがなぜ過度に同意したりへつらったりするのかを検討しています。後処理（ポストトレーニング）によって出力に「相手に向けられた性質」が生じ、それが追従的な振る舞いと結びついていることを示しています。スパースオートエンコーダで抽出した方向を用いて調整すると、この関連は後処理済みモデルでのみ見られ、また特定の相手ではなく認識された相手が存在するだけで追従が生じると報告しています。
説明オフポリシー方策勾配の分析：重要度サンプリング、KL正則化、ベースライン
要約本論文は、大規模言語モデルの事後学習で用いられるオフポリシー方策勾配法を検討し、重要度サンプリング、KL正則化、ベースラインが分布のずれを扱う際に果たす役割を分析します。最適方策が定常点であり続けるための条件として、軌道レベルの重要度重み付けか、最適ソフト価値をベースラインとするKL正則化のいずれかが必要だと示しています。後者はグループ相対方策勾配（GRPG）に対応し、有限サンプルの後悔上界が得られています。さらに、ベースラインの定数シフトが悲観性を実現することも示されています。
注目点オフポリシー方策勾配の一貫性を構造的に特徴づけ、KL経路をGRPGとBellman残差最小化の等価性と有限サンプル後悔界で示しており理論的新規性が高い。
説明採点器の内部を探る：25基盤モデルによるLLM自動作文採点における採点基準の制御に関する機構的証拠
要約本論文は、LLMベースの自動作文採点器が個々の採点基準に対して独立した内部表現を形成するか、またそれらを個別に制御できるかを検証しています。25のオープン重みの基盤モデルをBESTEP英語ライティング課題で探索・操作した結果、長い課題では総合点が復号可能であった一方、各基準の方向は部分的にしか分離されていませんでした。さらに因果的な操作では、一致する介入と不一致の介入の間に実質的な差はほとんど見られませんでした。
説明カップリングの学習：拡散言語モデルのための文脈適応型同時ノイズ除去
要約拡散言語モデルは複数のトークンを並列に予測して生成を高速化しますが、一般的な因子分解型ノイズ除去器は同時の予測を条件付き独立とみなし、その結果として誤りが生じます。本論文はCodpula（Context-Adaptive Joint Denoising）を提案し、Transformerと扱いやすい確率的推論層を組み合わせ、文脈によって結合パラメータを決めることで、文脈依存の同時分布を得つつ厳密な条件付き推論を保ちます。複数の推論ベンチマークで新たな最高水準の結果を示し、数学推論とコード生成では精度と遅延のトレードオフを改善したとしています。
説明修正版ブロック疎スペクトル最適化：厳密モデル、有限ステップの同定、局所動力学
要約本論文は、標準的なブロック一般化べき乗法が互いに同値でない二つの目的関数を混同していると指摘し、主問題から改めてモデルを構築しています。二つの目的関数の等式と、ゼロ応答列、同点、ランク落ち、マスク後の再適合に関する明示的な規約を示しています。二乗閾値の目的関数については、大域的な列収束を証明し、厳密な閾値余裕のもとで台と符号パターンが有限ステップで同定されることを述べています。実験では、一部のモデルデータおよび単一細胞データにおいて、疎ブロック成分が密な主成分分析と比べてクラスタ回復指標で向上したと報告されています。
説明細粒度のユニット、フラットな判断：MoEモデルのための階層型マイクロエキスパート剪定
要約本論文は、Mixture-of-Experts（MoE）モデル向けの後処理剪定フレームワーク UC-RAMP を提案し、マイクロエキスパートのマスク構築を、専門家間の容量配分と容量内のチャネル選択という二つの決定に分けて扱います。3つのMoEモデルで25%および50%のチャネル剪定を行った実験では、六つの設定のうち五つで十タスク平均精度が評価手法中最高となりました。単一A100での25%剪定では、未剪定モデルと比べて初回トークンまでの時間と出力トークンあたりの時間が短縮されました。
注目点微小専家マスクの構築を容量配分とチャネル選択の二段階に分離し、クロスドメイン校正とチャネル相互作用代理で実装。3モデル・10タスクで比較し、50%剪定時に最強基線を約4～8ポイント上回る。
説明LEVI：検証可能な低エントロピー構造による視覚的アイデンティティ忠実度のベンチマーク
要約本論文は、コンパクトな事実と明示的なルールによって同一性が定まる視覚的アイデンティティ（LEVI）を提案します。宣言的言語VVGで同一性を伴う構造を記述し、6つの分野にわたる1,375タスクの画像生成ベンチマークを構築しました。評価した10のモデル構成での全体タスク合格率の最高値は58.69%で、もっともらしい画像と指定されたアイデンティティの忠実な再現との間に依然として差があることを示しています。
説明PFedQFT：医療用大規模言語モデルのための個別化連合量子インスパイア型ファインチューニング手法
要約医療データはプライバシーや管理上の制約から、機関ごとに分断されています。連合学習を使えば、各機関は生の診療記録を移送せずに大規模言語モデルを共同で調整できます。本論文は、コンパクトな共有アダプタと量子インスパイア型の直交基底を用いて個別化連合ファインチューニングを行うPFedQFTを提案します。各クライアントは軽量な非公開残差演算子も保持します。7つの公開医療タスクと複数のLLMバックボーンでの実験では、学習可能パラメータと毎ラウンドのアダプタ送信量が大幅に減り、多くのタスクで予測性能も競争力があるとされています。
説明MexRegQA：メキシコ・スペイン語金融規制QAにおける証拠の十分性とモデル比較の項目レベル監査
要約類似度に基づく検索カバレッジだけでは、検索された証拠が質問に答えるために必要な事実を含むとは言えないと論じています。著者らはメキシコ・スペイン語の金融規制QAを項目ごとに監査し、対象135件のうち35件に必要な事実の一部または全部が欠けていることを明らかにしました。あわせて、証拠状態ラベルを付けたMexRegQA v1.0ベンチマークを公開しています。
説明因果的謙虚さ：因果的不確実性のもとでの公平性主張の権威を統治する
要約本論文は、因果的不確実性の下でアルゴリズムの公平性に関する判断を扱うための統治枠組みとして「因果的謙虚さ（Causal Humility）」を提案している。著者は、公平性の因果的説明において仮定と欠落を明示し、妥当な複数の因果的説明の併存を認め、不確定な結論も正当な分析結果として扱い、主張の権威を証拠の強さに見合ったものにすべきだと論じる。これらを記録する文書ツール「Causal Cards」を提示し、UCI Adultデータセットを用いて、異なる因果発見手法が公平性に関わる経路を異なって示すことを例証している。
説明この認証情報は誰のもの？エージェントのメモリにおける所有者の帰属が、ユーザー間のアカウント誤用に与える影響
要約共有の長期メモリを使うLLMエージェントが、あるユーザーへの対応中に別のユーザーの認証情報を誤って取得しうる問題を扱った論文です。著者らは、認証情報がプロンプトに入ること（露出）、エージェントがそれを使うこと（行動）、他のユーザーのアカウントが変化すること（状態）を区別する三段階の監査手法を提案しています。所有者名を認証情報の行の前後に明示すると誤用が大幅に減る一方、クリーンなメモリでは成功するタスクが減ることも報告されています。
説明勾配ベースのサンプル群発見による予測型バンディット・カリキュラム強化学習
要約本論文は、射影したサンプル単位の勾配をクラスタリングし、最適化効果に基づく学習単位を発見する予測型勾配バンディット（PGB）カリキュラムを提案している。軽量な時系列予測器で各単位の将来の効用を予測し、その結果をボルツマン分布によるサンプリングに変換して、データ配分を適応的に行う。複数のモデル規模と推論ベンチマークでの実験では、PGB が標準的な GRPO、難易度ベースのカリキュラム、履歴ベースのスケジューリングを上回ったと報告されている。
説明ブラックボックスから制御器へ：特徴増幅による推論時のLLM操舵
要約本論文はNeuroSteerを提案します。これは再学習を必要とせず、推論時にLLMの振る舞いの傾向を柔軟かつ定量的に調整できるプラグアンドプレイ型の枠組みです。スパースオートエンコーダ（SAE）を用いて、丁寧さや肯定的な感情などの目標傾向に対応する特徴ニューロンを特定し、推論時にその活性を増幅して出力を誘導します。実験では、感情、毒性、立場、丁寧さを推論時に変えられることが示され、複数の設定で目標方向の操舵スコアが比較手法を上回りました。ただし生成品質はタスクと強度によってトレードオフがあります。
説明ドリフトするアフィン不動点の確率的追跡：線形確率近似の有限時間解析
要約不動点が時間とともに変化し、観測ノイズが各ラウンド間で相関しうる線形確率近似を扱います。一定ステップサイズの更新について、反復値と対応する不動点との累積期待二乗距離の上界を示し、スカラーのガウス模型では下界も与えています。さらに、ノイズ水準と不動点の変化量を知らなくても使える適応的手法を提案し、変化する環境での表形式の時間差分学習による価値関数推定に応用しています。
説明CVaR-RMD：条件付きバリューアットリスクで堅牢なヒューリスティクスを選抜する手法
要約本論文は、大規模言語モデルが実行可能なヒューリスティクスのプログラムを反復的に変異させ、多様な評価条件下での経験的条件付きバリューアットリスク（CVaR）によって候補を順位付けするCVaR-RMDという枠組みを提案しています。三つの組合せ最適化分野での実験では、CVaRに基づく選抜により上側の性能が向上し、失敗率が低下し、平均性能も競争力を保ったと報告されています。これらの改善は、より大規模な未見の事例や、独立に整備された分野内ベンチマークでも維持されています。
説明物理的整合性を備えたTeX生成のための多視点構造表現
要約本論文は低照度画像生成を対象とし、赤外線画像と可視光画像から構造的手がかりを抽出して多視点表現に整理する、多視点ルーティング混合専門家（MVR-MoE）の枠組みを提案している。多視点ハイパー接続で特徴空間を拡張し、階層的ルーティングで異種の手がかりを適応的に利用する。予測される温度・放射率・テクスチャマップはステファン・ボルツマンの法則で制約され、物理的整合性を確保する。困難なデータセットでの実験により、軽量でありながら高い頑健性と識別性能が示されている。
説明ToolOPD：ツール利用エージェント向けの結果認識型オンポリシー蒸留手法
要約本論文は、従来のオンポリシー蒸留が長い軌跡全体で報酬（クレジット）が一様に分布すると仮定している点を問題視し、分析によりクレジットは少数の重要な行動に集中することを示しています。提案手法ToolOPDは、軌跡と結果を再利用可能な事後的スキルに要約し、それによる教師モデルの確率変化から結果認識型クレジットを算出して、行動レベルの蒸留損失の重み付けに用います。著者らは、複数の長期ツール対話ベンチマークで既存の強化学習および自己蒸留の基準手法を上回ると報告しています。
説明進捗誘導型の選好生成による生成制御ポリシーの整合手法
要約生成ポリシーは模倣学習で高い性能を示しているが、専門家によるデモンストレーションの不足に制約される。既存の選好ベース微調整は高価な人手アノテーションに依存している。本論文は、人手による監督を必要としない教師なしの選好整合フレームワークPGPG（Progress-Guided Preference Generation）を提案する。順序付きカバレッジ整合により、少数の専門家デモに対する逐次的な進捗を測り、自律的に収集されたロールアウトから擬似選好ラベルを自動抽出する。長期的な操作タスクで標準的な教師あり微調整を上回り、拡散ポリシーとフローマッチングポリシーの両方に適用できるとされている。
説明MT-CC：クラス増分学習における非対称な校正挙動に対する多群温度スケーリング手法
要約本論文は、クラス増分学習において信頼度の変化速度と精度低下の速度が一致せず、タスクごとに校正のずれの程度が異なることを指摘しています。著者らは、信頼度統計量とタスク情報に基づいて軽量なグルーピングネットワークで試料を分け、複数の温度パラメータを用いる事後校正フレームワーク MT-CC を提案しています。さらに、群内の一貫性を高めるためGDCA（群別の信頼度と精度の差）正則化を導入しています。実験では、精度を維持しつつ校正性能が大きく改善されたと報告されています。
説明集団的に安全性が崩れるとき：共同重み摂動による有害な微調整に対する頑健なアライメント
要約本論文は、大規模言語モデルが有害な微調整を受けると安全性のアライメントが崩れやすい問題を扱っています。著者らは、有害な重み摂動の各部分は単独では効果が限定的だが、組み合わせると有害性が個々の効果の総和を超えることを明らかにしました。これを踏まえ、現在のモデルから推定した有害摂動の一部をマスクし、その状態で安全に応答するよう学習させる防御手法「共同重み摂動（JWP）」を提案しています。実験では、複数の下流タスクとモデル系列において、既存の防御より有害な微調整への耐性が高く、タスク性能もおおむね保たれたと報告しています。
説明BitFlat：堅牢な拡散画像圧縮のための誤り局所化ビットストリーム設計
要約本論文は、逆チャネル符号化に基づくゼロショット拡散画像圧縮において、ビット反転に強いビットストリームの枠組みBitFlatを提案します。分割局所整合（BLA）は各拡散ステップの原子選択を独立した単位に分け、単一のビット誤りがその単位の内部にしか影響しないようにします。信頼性認識拡散制御（RADC）は、節約したビットで有効符号語の制約を課し、破損した原子を既知の位置の消失として扱い、ノイズ合成から除外します。Kodak、DIV2K、CLIC2020での実験では、誤り率10^-4から10^-2の範囲で、従来型・学習型・拡散型のコーデックを上回る結果が示されています。
説明RxGS：BRDF分解に基づくリライティング可能なガウシアン・スタイライゼーション
要約本論文は、BRDFを考慮した3Dガウシアン表現に基づき、参照画像から3dシーンへ外観を転写するRxGSを提案する。RGB色ではなく、逆レンダリングで得られた拡散アルベド場のみを最適化し、粗さ、金属性、法線、環境照明は変更しない。これにより、スタイライズ後のシーンも異なる照明下で再レンダリングできる。NeRF-Syntheticの全シーンで幾何一致性コスト（GCC）が最も低く、実撮影シーンでも競争力のある結果を示している。
説明LOOP：オンポリシー蒸留による回復志向の反復的レイヤー剪定
要約本論文は大規模言語モデルを圧縮するLOOP手法を提案します。剪定を複数回に分け、各回で1層だけを削除し、短いオンポリシー蒸留で能力を回復させます。層の選択では回復過程の信号を用い、各層の推論への寄与と回復への感度を併せて評価します。著者によれば、複数のベンチマークで、異なるモデル規模と剪定比率において、一度に剪定する基準手法より平均精度が高いとされています。
説明分野横断型検索：科学文献から転用可能なアイデアを探す
要約本論文は、異なる研究分野間で転用可能なアイデアを特定する「分野横断型検索（cross-pollination retrieval）」を扱う。跨トピック引用を収集して構築した大規模データセットCPR-Datasetを提案し、評価用には26分野・1,300件のクエリを含む。既存の11種の検索器の最良値はRecall@10が0.26にとどまったが、LLMリランカーは0.81に達し、対照学習による微調整で最大0.70まで向上した。
注目点分野横断的な類推検索の課題とデータセットを提示し、複数ベンチマークで転移効果を検証しており、証拠は比較的充実している。
説明過剰でも不足でもない制約：制約適格性監査による LLM パーソナライズの評価
要約既存の LLM パーソナライズ評価は回答空間を過剰に、または不十分に制約するため、誤った棄却や誤った受理が頻発します。本論文は、三段階で評価する監査型フレームワーク ConQual-Audit を提案します。ユーザープロファイルと課題の参照情報から意味的制約を抽出し、不要な制約を削除して欠けている制約を補い、自然言語推論で候補回答を監査済みの制約に照らして検証します。PrefEval と LaMP では九つのベースラインを上回り、最も簡潔な制約集合で最も低い誤判定率を示しました。さらに、この制約監査を ExPerT と PREF に組み込むと、より小さく高品質な制約集合が得られ、評価の誤判定率も下がることが報告されています。
説明LIRQuant：大規模言語モデル向けの効率的な局所分離回転量子化手法
要約本論文は、大規模言語モデルの学習後量子化（PTQ）のための手法LIRQuantを提案している。量子化ノイズに対する各チャネルの感度に基づき、敏感なチャネルにのみ学習可能な回転を適用し、残りには軽量な固定回転を適用する。LLaMA-2/3、Mistral、Qwen3、Mixtralの各モデル群においてW4A4KV4設定で高い精度を示したと報告している。LLaMA-3-8Bの校正は25分、ピークGPUメモリは20.3GBで、FP16比で最大2.3倍のprefill高速化と3.5倍のメモリ削減が得られたとしている。
説明HyperTaxa：汎用的な微生物分類推定のための多スケールゲノム表現
要約本論文は、微生物の分類学的推定を行うためのHyperTaxaフレームワークを提案する。全ゲノムをマルチスケールのハイパースペクトルk-mer遷移場として符号化し、Node2VecからMDSへの二段階手法によって分類学由来の意味空間へ表現を整合させる。その結果、ゲノム学習で除外された種に対するゼロショット推定が可能になり、上位の分類階級で特に改善が見られ、ベースライン手法より高い精度を示したと報告されている。
説明Fréchet Forcing：短い動画クリップから長時間ストリーミング世界モデルを学習する手法
要約ストリーミング動画世界モデルは、自身の過去と行動の入力をもとに未来の映像をチャンク単位で生成します。しかし短いクリップで学習したモデルは、学習時の長さを超えると予測誤差が蓄積してずれていきます。本論文は Fréchet Forcing を提案し、自己生成した履歴に続く流れ整合損失、実データ統計に基づく Fréchet 距離によるシーン忠実性の維持、凍結した知覚空間での実フレームとの距離による現実性の確保という三つの制約でモデルを微調整します。教師モデルや長い動画は不要です。MiniWorld-1B を微調整した結果、4,000 フレームを超えても安定し、ロボット操作とカメラ制御の探索の両方で行動指示に従い続けることが示されています。
説明SpaRV：スケーラブルで幾何学的に一貫したLiDAR・視覚マッピングとレンダリングのためのスパース放射輝度ボクセル
要約本論文はSpaRVを提案します。これは微分可能なレイマーチングで描画されるスパース放射輝度ボクセル地図で、不規則なLiDAR走査を画像と併せて教師信号として用いる方式です。LiDARの深度と占有情報で幾何を拘束し、法線と平滑化の正則化項でLiDAR点の間も滑らかに保ちます。カメラの姿勢と焦点距離を地図学習と交互に最適化して誤差を補正し、地図をサブマップ単位で扱い、八分木の階層でGPUメモリを抑えます。原文によれば、24GBのGPU1枚で63,582枚の画像から撮影された大学キャンパスを再構成できるとされています。
説明PoSTCache：予測から後付け平滑化へ、修正可能な拡散モデルキャッシュ
要約本論文は、拡散モデルやフローマッチングモデルの反復サンプリングによる計算負荷を減らすため、学習不要で既存手法に組み込める新しいキャッシュ手法PoSTCacheを提案している。スキップされたステップの予測を前向きに作成し、後の完全計算ステップで得られた補正信号を逆向きに伝播させて、先行する予測を修正・再統合する。さらに、完全計算ステップを選ぶ後験分散低減（PVR）戦略を導入し、画像と動画の生成モデルで品質と効率のバランスが改善されたと報告している。
説明メタデータでゲージを修正できるか？較正によりスパース多源学習はスパースPCAからスパース平均回復へ変わる
要約本論文は、複数のデータ源ごとに座標の符号規約が異なる場合の問題を扱います。較正を行わずにデータ源を統合すると平均信号が打ち消され、問題はスパースPCAに帰着します。タスクに依存しない相対ゲージのメタデータで同期すると、同じ観測がスパース平均問題になります。著者らはAlignedMassという指標で一次信号の回復量を定量化し、有効な較正がサンプル数に比例する量を生み出すことを示しています。
説明科学発見のための知識多様体最適化：文献由来の知識空間で新規性と根拠の支持を同時に評価し、支持された知識の空白を探す手法
要約本論文は、科学発見を文献から作られた連続的な知識空間上の多目的探索として扱う知識多様体最適化（KMO）を提案しています。知識の体制境界の強さ、白色空間の新規性、意味勾配の大きさ、証拠的支持の四つの目的を同時に評価し、パレto最適な「支持された知識の空白」を特定します。空気力学と空力設計に関する99本の論文コーパスで実験し、複数の発見モードを示しました。また、距離最大化を基準とした比較では、支持と信頼性が大幅に低い外挿領域が選ばれることも報告しています。
説明FluidGen：運動誘導による事後学習で物理に配慮した流体動画を生成する手法
要約動画生成モデルは煙・火・爆発の破片などの流体現象で破綻しやすく、渦構造が乏しく、実際の流体の物理に反する単調な動きになります。本論文は、速度場の正解付きのHoudini高精度シミュレーションデータと、実写の流体動画を混ぜて学習した、データ駆動の流体事前情報を事前学習済み動画モデルに組み込みます。RGBと各フレームの速度場を同時に予測する二系統構造を用い、速度場を報酬とする速度考慮型の直接選好最適化を行います。論文では、強力な動画ベースラインや最適化ベースの手法より現実的な流体動態を生成できたと報告しています。
説明ランキングを超えて：大規模言語モデルの用途別能力プロファイリング手法
要約公開リーダーボードは大規模言語モデル（LLM）の一般的な順位を示すだけで、技術者は特定の用途・構成・コストに合わせてモデルを選ぶ必要があります。本論文は用途ごとの能力プロファイリング手法と、コンテナ化されたテストベッドによる実装を提示します。各用途は独自のデータセットと評価器を持つ拡張単位として扱われます。評価した自動化条件では、フレームワークの選択よりもモデルの選択による差が大きく出ましたが、一般的な因果関係の順位は確立していません。Oracleの移行単位216件のうち、実データベースで正しさが確認されたのは108件でした。
説明浅い多層パーセプトロンが単純な関数を学習する挙動を記述する「特徴ODE」
要約本論文は、非等方的ガウスデータ上での二層多層パーセプトロン（MLP）の勾配流による学習動態を研究する。著者らは、浅いMLPの学習過程を直感的に記述するであろう「特徴常微分方程式（feature ODE）」を提案する。低次のエルミート多項式や階段関数などの単純な目標関数を学習させたMLPの損失曲線は、この方程式による軌道におおむね従うことが示された。方程式の簡略化の度合いが大きく、厳密な近似の連鎖から導かれたものでもないため、この一致は意外であるとされ、その理由と用途が議論されている。
説明OPDArena：同方策蒸留における学習と忘却の理解
要約本論文は、5つの事前学習済みモデルと多様な教師ソースの下で、教師あり微調整（SFT）、検証可能な報酬による強化学習（RLVR）、同方策蒸留（OPD）を比較する評価フレームワーク OPDArena を提案している。数学的能力の学習、汎用能力の保持、予測分布の変化を同時に評価する。結果として、RLVR で訓練された教師に導かれた学生は、目標タスクで向上しつつ既存の能力を保持し、SFT で訓練された教師の学生は能力の損失が大きいことが示されている。
説明一貫性訓練はヒント追従を抑制するが、正しいヒントを見分けることは教えない
要約言語モデルは「答えはBだと思う」のような根拠のないヒントによって回答を変えることがあります。本研究では一貫性訓練（CT）を用い、ヒントの有無にかかわらず同じ答えを出すようモデルを訓練します。出力トークン、残差活性化、注意パターン、サンプリング回答率の4手法を、Gemma-2-2B-itとLlama-3.1-8B-Instructで比較しました。すべての手法で訓練されたヒントの影響は弱まりましたが、正しいヒントと誤ったヒントの影響が同程度に減り、選択肢より前のヒントでより大きく効きました。
説明潜在空間での計画のための潜在投影：ノイズ方向を除いてから計画コストを計算する手法
要約この論文は、潜在空間で計画を立てる世界モデルを対象とし、潜在表現にはノイズが含まれるため、一般的な ℓ2 計画コストがその影響を受けることを指摘しています。著者らは、学習時の正則化項（SIGReg）が持つ線形ガウス構造を用いて状態遷移行列 A を当てはめ、各方向の不確実性を求め、最も不確実性の小さい k 次元部分空間に ℓ2 コストを制限します。この修正は事後的に行われ、エンコーダ、予測器、ロールアウト、プランナーは変更されません。六つの環境で評価され、二次元ナビゲーションの TwoRoom と PointMaze で成功率が大きく向上したと報告されています。
説明InteractAgent：メモリ拡張リフレクションによるエージェント型の人体動作インタラクション
要約本論文は、長期的な人間とシーンのインタラクションを扱うエージェント型マルチモーダルLLMシステム「InteractAgent」を提案します。計画、実行、観察、反省を閉ループで行い、単一のMLLMを計画者と評価者に、凍結したMotionLLMを実行者として用います。UniHSIでの評価では、学習不要のベースラインと比べてタスク成功率が向上し、貫通が減少したとされています。
説明Saga：多モーダル患者世界モデルのためのインシリコ・オントロジー
要約本論文は、患者の履歴から共有状態を学習し、臨床イベントの予測と多モーダル画像の生成を行う多モーダル患者世界モデルSagaを提案している。生成されたイベントと時刻を履歴に追加して再エンコードし、予測を進める。112の施設の12種類のがんの患者461,370人を対象に研究が行われ、将来の画像は観察された追跡データと照合して評価された。
注目点患者の共有状態から事件と画像の軌跡を自己回帰的に進める多モーダル世界モデルを提案し、46万人規模で内外部検証と比較・消去実験を行っている。
説明球面不動点推論器：超球面上での適応的ループ停止
要約本論文は球面不動点推論器（SFPRM）を提案し、正規化Transformer（nGPT）の単位超球面上で従来の不動点推論器の計算を行う。入力注入、減衰、停止判定が測地線演算になるとしている。不動点の存在と、特定条件下での局所収束および大域収束を証明している。Sudoku-Extreme、Maze-Hard、Mini-ARCでのテスト精度は、それぞれ96.6%、87.9%、59.1%で、比較手法を上回ったと報告している。
説明混同のない否定：テキスト埋め込みのバイアス分解と文体の再構成による否定対応画像生成
要約テキストから画像を生成する拡散モデルは、テキスト表現に深く絡み合った言語的バイアスのため、否定を正しく扱うのが難しいとされています。本論文は、補助プロンプトで意味保持部分空間とバイアス部分空間を作り、双方向SVDで意味を分離して必要な成分を再構成する、学習不要の手法Dero（Decompose and Recompose）を提案しています。テキスト表現のみに作用するため、U-NetとDiTの両方のアーキテクチャに適用でき、物体と概念の両レベルの否定で改善が報告されています。
説明多重グラフ上の信号サンプリング：除去可能集合・一意性集合からスペクトル代理量まで
要約本論文は、同じ節点集合上に異なる移動作用素を持つ複数のグラフ（多重グラフ）における帯域制限信号のサンプリングを研究している。個々の層に依存しない多重グラフ信号の周波数と帯域幅の概念を導入し、除去可能集合と一意性集合を多重グラフに拡張している。すべての層の情報をまとめる集約作用素を提案し、移動作用素から直接計算でき、一意性を保証する。この作用素に基づく貪欲サンプリングアルゴリズムは、単一層の手法より条件のよいサンプリング集合を選び、再構成誤差を低く抑えることが数値実験で示されている。
説明クロスモーダル少数ショットセグメンテーションのための視覚メモリとテキスト整合
要約本論文は、少数の注釈付き例だけで対象物を切り出す少数ショットセグメンテーション（FSS）を扱います。SAM 3を基盤とするViTA-SAMを提案し、支持例の特徴とマスクを符号化する視覚メモリモジュールと、SAM 3のテキストエンコーダによる意味的特徴を組み合わせます。両者をクロスモーダル整合モジュールで結び付け、予測マスクでメモリを更新する擬似ラベル改良も導入しています。著者らは、複数のベンチマークで比較手法を上回り、平均mIoUで最強の競合手法を5%以上上回ったと報告しています。
説明『Think, Compress, Answer』：推論圧縮によるマルチモーダル・グラウンディングの強化学習手法
要約推論が長くなると、マルチモーダル大規模言語モデルは場面全体や周辺的な関係の記述に広がり、対象の知覚的根拠が薄まって誤った位置特定を招くと指摘しています。そこで著者らは、推論・対象に応じた文脈圧縮・圧縮文脈に基づく回答の三段階に分けるTCA（Think-Compress-Answer）を提案し、多段階のGRPOで学習させています。six種類のマルチモーダル・グラウンディングベンチマークで、ゼロショット性能の顕著な向上が得られたと報告しています。
説明ACorD：医用画像位置合わせのための適応的対応点発見手法
要約本論文は、異なる画像の解剖学的構造を位置合わせする医用画像レジストレーションのためのACorDフレームワークを提案しています。まず相関誘導型クロススケールオフセット予測（CCOP）で複数の候補対応点を生成し、次にマルチヘッド変形可能集約（MHDA）で注意機構により重み付けして統合します。著者らは、4つの公開ベンチマークで頑健性の向上を示したと述べています。
説明TNVD-SC：地形正規化垂直分布によるスキャンコンテキストの森林での失敗診断
要約本論文は、森林における長期LiDAR位置認識の難しさを扱い、反復的な植生と起伏のある地形による構造的な混同を指摘しています。著者らは、候補の検索と精密照合を分けて分析し、従来のScan Context（SC）の精密照合の限界を示しています。提案手法TNVD-SCは、リング・セクター構造を保ちつつ地形相対の垂直確率分布を符号化し、標準化評価で平均R@1 91.83%を達成したと報告しています。また、記述子サイズと計算遅延を削減する無損失実装も示されています。
説明不確実性ゲート付きSHAP-Dirichlet後処理によるMRIベースのうつ病分類
要約本論文は、分類器を再学習せずに予測を改善する後処理の信頼性レイヤーを提案している。類似したラベル付きSHAP説明を検索してDirichletクラス証拠を構築し、不確実な予測を確率的融合で選択的に修正する。信頼性の低い症例は専門家による確認に回すことができる。504名のSRPBS被験者と159の解剖学的特徴を用いた評価で、TabMとResNetの精度向上と校正の改善が示された。
説明Clean Forcing：凍結ベースを用いたドリフト抑制型の自己回帰ビデオ拡散手法
要約自己回帰型ビデオ拡散モデルは、生成済みフレームを条件として動画を逐次生成しますが、誤差が蓄積して数秒で画質が崩れること（ドリフト）があります。本論文はClean Forcingを提案し、凍結した基本モデルの上に5.9Mパラメータ規模のLoRA補正器を学習させて、このずれを回帰させます。閉ループ学習と漂流収縮目標を加え、50秒のテキストからの動画生成でΔ-ドリフトを+11.3から、実動画なしで+1.65、40本の実クリップで-0.16に下げたと報告しています。
説明信頼度に基づく疑似ラベル精緻化による教師なしクロスドメイン人物再識別
要約本論文は、ドメインシフトによって生じるノイズの多い疑似ラベルの問題に対し、CGPLRというフレームワークを提案しています。質心の適合度、近傍の一貫性、最も強い競合クラスタからの分離度、時間的な割り当ての安定性を組み合わせて各サンプルの信頼度を推定し、保持・再割り当て・保留の三方向の選択を行います。Market-1501からMSMT17への適応ではRank-1が76.4%、mAPが47.6%、MSMT17からMarket-1501への適応ではRank-1が95.1%、mAPが87.7%と報告されています。
説明ガウシアンはどこへ行くのか？カメラベースの弱教師あり3D占有予測のための前景引き寄せ
要約この論文は、2Dの擬似ラベルのみで学習するカメラベースの3Dセマンティック占有モデルを扱っています。前景ボクセル上のガウシアン密度は背景の平均1.62倍にすぎないことを示し、前景の擬似ラベル画素を擬似深度で3D点に逆投影して近くのガウシアンを引き寄せる、学習時のみ使う損失を提案しています。Occ3D-nuScenesで3つのシードの平均前景IoUは6.29から6.96に向上しましたが、平均mIoUの変化は基線のシード間変動の範囲内です。
説明制御された創発の順問題・逆問題の双対性：説明から工学へ至る計算設計プログラム
要約本論文は、知的システムにおける「適応性の開放」と「制御喪失の防止」の緊張関係を、順問題と逆問題という一対の双対問題として捉える統一的研究プログラムを提案します。順問題は局所規則から巨視的振る舞いを説明し、逆問題は望ましい目標から制御可能な規則と読み出し機構を求めます。著者らは両者に共通する形式的対象として拡張五つ組を用い、「工学性」を制御可能性・再現性・形式化の程度という独立に測定可能な三つの軸に分解しています。付属の縮小版パイロット実験は研究手順の実行可能性を確認するためのもので、作業仮説の統計的検定にはあたらないと明記されています。
説明エージェント設計パターンの選択と合成：産業事例の証拠と制御された参照システム実験
要約本論文は、認知機能-実行トポロジーの枠組みを拡張し、証拠駆動の選択手続きと明示的な合成契約を提案している。二つの産業事例、実務者ワークショップ七回、実行可能な障害注入実験を組み合わせ、三つの参照システムで36のシナリオ族に対する2×2のアブレーションを行った。構築された挑戦課題集での結果であり、本番環境の成功率ではない。
説明予算制約下での仮定的状態介入ターゲティングのための条件付き平均処置効果の蒸留
要約本論文は、資源が限られた条件で公衆衛生介入を個別にターゲティングする方法を研究しています。観察データに基づき、肥満、血糖値上昇、生涯喫煙歴の三つの状態について、事前に指定した共変量で条件付き平均処置効果を推定し、因果フォレストの教師モデルを決定木やランダムフォレストの生徒モデルに蒸留しています。生徒モデルは教師との効用差が0.011以内でしたが、Holm補正後の対比較は有意ではなく、縦断的または前向きの検証が必要とされています。
説明MapSteal：マップベースで黒箱LLMから知識を自律的に抽出する攻撃手法
要約本論文は、少数の初期ルートから構造化状態で獲得対象を表し、教師モデルが提案する方向で再帰的に拡張するMapStealフレームワークを提案します。生徒モデルのフィードバックなしに質問応答ペアを生成し、小型の生徒モデルの学習に用います。Qwen3.5の2B、4B、9Bで、医療とサイバーセキュリティの六つのベンチマークにおいて競争力のある性能を示したと報告しています。ただし効果はドメインと評価セットによって異なるとされています。
説明Zephyrus-R1：天気レポートのためのエージェント型強化学習
要約本論文は、天気予報の文章レポートを学習させる強化学習フレームワーク Zephyrus-R1 を提案し、報酬設計、カリキュラム学習、人間の専門家との整合性分析に焦点を当てています。報酬は気象評価基準と双方向の主張含意を組み合わせ、米国国立気象局の参照レポートに基づいて評価されます。6つの評価指標の平均は、Qwen3.5-4B で基底モデルより 26%、Qwen3.8-27B で 13% 向上したと報告されています。
説明低速相対運動下のイベントベース宇宙機姿勢推定のための再帰型ビジョントランスフォーマ
要約本論文は、ランデブーおよび近接運用で用いる宇宙機の姿勢推定を、イベントカメラによって行う手法を扱っています。実際の軌道では相対運動が非常に遅くイベントデータが疎になり精度が落ちる問題に対し、再帰型ビジョントランスフォーマ（RVT）を用い、疎なイベント列を長期にわたって記憶し、固定時間窓ではなく軌道全体から時間的注意範囲を学習する方法を提案しています。遅い相対運動下で取得した実イベントデータでの検証では、フレーム単位や固定時間窓の従来法より高い精度と安定性が示されています。
説明長文脈検索を効率化する重み付き状態スーピング（State Souping）の提案
要約状態空間モデル（SSM）は長く混雑した文脈で性能が低下するという課題に対し、クエリ依存の重みを学習して、キャッシュされた状態を組み合わせる「重み付き状態スーピング」を提案しています。文書質問応答、干し草の中の針型の検索、変数追跡、ツール利用の各タスクで長文脈性能が大きく向上したと報告されています。さらに、文脈長に対して符号化コストがほぼ一定となる疎なバリアントも示されています。
説明CheXFuse：データが少ない医療現場向けの胸部X線画像・テキスト統合分類手法
要約本論文は、画像とテキストの表現を統合する CheXFuse フレームワークを提案します。学習されたトークンガイダンスと差分注意により、有用性の低い信号を抑えます。IU胸部X線データセットで正常・異常の二値分類を行い、レポートをマスクした条件でも評価しています。原文レポートでの正解率は 95.73%、マスク条件では 95.58% でした。
説明カリキュラム学習でLLMは長期の暗黙的推論を習得できるが、上限がある
要約本研究は、カリキュラム学習によって大規模言語モデルが単一の順伝播内で、より長い先読みを行う暗黙的推論を習得できるかを検討しています。語彙サイズと先読みステップ数を段階的に増やした例で微調整したところ、Qwen3-0.6Bは先読み256の問題で98%の正答率に達しました（カリキュラムなしは45%）。ただし学習の進展は飽和し、内在的な先読みの上限が示唆されています。この能力は11の自然言語推論ベンチマークにも転移しました。
説明安全オフセット学習：良性なファインチューニングがLLMの整合性を崩す仕組み
要約本論文は、ファインチューニングの安全リスクは学習データが有害かどうかだけでなく、教師信号がモデルを拒否から応答へ動かすかどうかにも左右されると指摘します。著者らは、整合済みモデルが拒否しがちな良性の指示を作り、元の無害な回答と組み合わせました。拒否と教師回答の差が十分に大きく、かつ浅い近道で解消できない場合にのみ、有害な要求への応答が増えることが示されています。これに基づき提案されたSAFEOFFデータセットは、3つの整合済みLLMと3つの安全性ベンチマークで安全性を大きく低下させました。
注目点良性微調が行動遷移により安全性整合を損なうという新しい視点を示し、SAFEOFFデータセットを三モデル・三ベンチマークで検証。
説明PRISM：先験的関係情報を用いた自己教師あり学習による溶解度の分布外汎化の向上
要約本論文は、専門家が定義した化学的事前知識を関係の教師信号に変換する、ラベル不要の事前学習フレームワークPRISMを提案しています。溶解度予測のために、疎水性、静電相互作用、分極率、部分構造の効果を捉えた四つのエンコーダを学習し、KLダイバージェンスで距離ベースの近傍分布を一致させます。骨格、溶質、溶媒の各分布外設定で、教師あり・自己教師ありの基準手法と同等以上の結果が報告されています。
説明高頻度取引向け基盤モデルの敵対的事後学習
要約本論文は、限価注文板（LOB）データで学習した自己回帰型の基盤モデルに対し、Wasserstein 生成敵対的ネットワーク（GAN）の目的関数を用いた事後学習手法を提案します。進化戦略により事前学習済み生成器の低ランク LoRA 摂動を更新し、判別器は実際のマッチングエンジンの出力を用いて評価します。保留データにおいて LOB-Bench の現実性指標が約17%向上し、ランダム摂動と追加事前学習の対照群では改善は見られませんでした。
説明副言語的矛盾における音声LLMのテキスト優先：回路追跡で抑制機構を解析
要約本論文は、感情・話者識別・皮肉などの副言語的手がかりと文字起こしテキストが矛盾する条件下で、6つの音声LLMがどちらを優先するかを検証しています。テキスト優先率は平均0.78（皮肉を除くと0.86）でした。最もテキスト優先の度合いが高いモデルでは、話者識別情報は言語モデルの入力時点で線形に復号可能であり、問題は知覚段階ではないことが示されています。注意機構のノックアウトでは音声に基づく出力が部分的に回復し、影響は中間トークンを介して伝播することが示唆されています。この効果は自由生成でのみ現れ、選択式テストでは確認されませんでした。
説明大規模言語モデルにおける認知地図：限られた情報でモデルが関係推論を行う仕組みの研究
要約本論文は、大規模言語モデルが動物の認知地図に似た内部表現を形成するかを検証します。関係推論課題と、内部の活性化を操作する因果的な「モザイク実験」により、100億パラメータ規模を超えるモデルは、明示されていないエンティティ間の関係を推論できることが示されました。著者らは、モデルが関係を対ごとのリンクとして保存し、問い合わせ時に合成していること、また疎で分散した鍵‐値ペアが結び付けを担っていることを報告しています。これらのペアを摂動させて「偽の記憶」を植え付けると、モデルの振る舞いが予測可能な形で変化しました。
説明ViMoLa：言語誘導型動画生成のための離散モーショントークン
要約本論文は、テキストから動きの事前分布を予測し、凍結された画像から動画へのバックボーン（Wan 2.2 DiT）にゼロゲート付きクロスアテンションアダプタで注入するViMoLa手法を提案している。46.2万本の動画で学習させた結果、方向精度は0.287から0.442（偶然水準0.250）に向上し、生成品質は同程度と報告されている。ただし複合動作での改善は小さく、制御は依然として不完全だとされている。
説明観測データを用いた分布頑健な方策学習：分布のずれに備えて個別化された介入方針を学ぶ論文
要約観測データから介入方策を学習する際、学習時と展開時の分布が異なっても性能を保つ方法を研究した論文です。f ダイバージェンスの球の内で最悪ケースの方策価値を最大化し、交差適合の二重頑健スコアと双対問題を解く推定法を提案しています。理論では O~(n^{-1/2}) の収束率を示し、Tsybakov 型のマージン条件下では O~(n^{-(1+α)/(2+α)}) の高速収束率を得ています。福祉・就労プログラムを模した実験では、分布が異なる場合に経験的福祉最大化よりも改善が見られたと報告されています。
説明LLM向けの発散ベース順位付き選好アライメント（f-RPO）の提案
要約本論文は、複数の応答を順位付けしたフィードバックを用いる大規模言語モデルのアライメント手法として、f-ダイバージェンスに基づく目的関数 f-RPO を提案しています。対になった選好による整列は、この手法の特殊な場合として位置づけられます。理論解析では、収束時に選好の順序が保たれることが示されています。0.5Bから8BパラメータのQwen、Llama、Gemmaで、全変動とreverse-KLの変種が順位付けと生成品質の両面で基準手法を上回ったと報告されています。
説明断言と信念：言語モデルにおけるムーアのパラドックス
要約本論文は、「雨が降っている、しかし私はそれを信じていない」のような、真でありうるのに適切に主張できない文（ムーアのパラドックス）を扱います。12のモデルを多様な文脈で評価した初の試みであり、多くのモデルはこの種の文の不適切さを認識し、その判断は暗記された形式ではなく発話行為に基づいていることがわかりました。一方、合理的発話行為（RSA）の枠組みで検証すると、モデル内部の聞き手は話し手を推論しておらず、パラドックスに関する知識を想起して規則を適用している様子が示されました。
説明CVTA：不規則サンプリング多変量時系列予測のための変数間時間注意機構
要約本論文は、医療・気候科学・大規模監視などで見られる、観測時刻が非同期で変数ごとに性質の異なる不規則サンプリング多変量時系列を対象にしています。短期の連続時間予測フレームワークCVTAを提案し、変数条件付き埋め込みで各変数を専用の潜在空間に写像し、時間注意機構で変数間の依存関係を捉えます。また動的メタ決定モデルを通じて既存の予測モデルに補助モジュールとして組み込めることを示し、複数の実世界ベンチマークで実験を行っています。
説明正の余裕（マージン）に基づく Putinar 証明書の次数の鋭い上界（解析的平方和による）
要約本論文は、多項式の正値性マージン δ を用いて Putinar 平方和証明書に必要な次数の上界を研究している。一般的な場合には O(δ^{-1/2}log^2(2/δ)) の上界を示し、それに一致する下界の例を三変数で構成している。不等式生成元が二つ以下の場合には上界は O(δ^{-1/2}log(2/δ)) に改善され、これも鋭いとされる。さらに、トーラス上の三角平方和証明書の鋭い次数上界と、Lasserre 階層の最悪ケースの収束速度も示している。
注目点正値余裕に対するPutinar証明書の次数の鋭い上界を示し、対応する下界例も構成しており、既知の限界を大きく改善している。
説明有限相互作用レンズ：視覚言語モデルのための構造化精度共有手法
要約本論文は、視覚言語モデルにおける有限個の視覚的介入の相互作用を評価する混合精度手法、Finite Interaction Lens（FIL）を提案しています。単一の介入成分を高精度で射影して結合候補間で再利用し、混合残差は保持します。Qwen3-VL-4B-InstructのあるMLPでは、同じ名目BF16乗算予算の対照手法と比べ、合成データおよび2つのCOCO実験で最終相互作用MSEをそれぞれ94.4%、99.85%、99.35%削減しました。実用上の価値は、そのような追加の精度を必要とするタスクかどうかに依存するとされています。
説明ペロブスカイト太陽電池における構造化検索拡張生成のベンチマーク
要約本論文は、ペロブスカイト太陽電池の文献に対して検索拡張言語モデルを評価する定量的質問応答ベンチマークを提案します。標準解答は45,441件のデバイス測定記録から直接計算されています。構造化デバイス表に対する読み取り専用SQL実行を備えると、精度は標準的な段落検索より大きく向上すると報告されています。
説明動的な表現：大規模言語モデルにおける層ごとの回転と軌道の分岐
要約本論文は、推論中に大規模言語モデルの表現が各層でどのように変化するかを調べています。モデルに嘘をつくよう、または正直に答えるよう指示した場合について、真偽の事実性方向が層を経るごとに互いに回転して離れていく現象を報告しています。また、試行ごとの軌道だけで対象タスクや振る舞いを予測できることも示しています。
説明DiffGround：意味差分を用いたゼロショット動画質問グラウンディング
要約本論文は、凍結されたマルチモーダル大規模言語モデルを基盤とする、動作主導型のゼロショット動画質問グラウンディング手法DiffGroundを提案します。質問を動作の手がかりに変換し、視覚言語モデルで重要なキーフレームを選び、隣接するSigLIP2埋め込みの意味的差分により学習なしで時間範囲を精緻化します。NExT-GQAとSTARでの実験において既存手法を上回ったと報告されています。
説明エージェント実行ハーネスの設計と分野横断的評価：計画・実行・レビューを分担させる論文
要約本論文は、元のタスク目標を修正可能な計画および実行記録と分けて管理するエージェント実行ハーネス（harness）を提案しています。計画者が作業を割り当て、実行者が成果物を作成し、レビュー者が元の依頼に照らして結果を確認する構成です。ターミナル作業、医療応答、アプリ構築、科学的質問などで評価され、結果とコストが併せて報告されています。
説明『扁平化された幻想』：ポルノ言説におけるステレオタイプの分析
要約本研究は、世界で4番目に訪問者の多いポルノサイト xHamster の動画タイトル540万件を大規模に定量分析し、国籍・民族・性別のアイデンティティがどのような言葉で描写されているかを調べたものです。アメリカ産ポルノが業界の事実上の基準として他を圧倒していること、民族的ステレオタイプ、宗教の性的物化、文化的タブーの性的化が確認されました。女性像には「聖母と娼婦」の二分法が、男性像には身体的に支配的な役割が多く見られると報告されています。
説明整流フロー生成と潜在空間での精密化による印刷可能な骨スキャフォールドの二重スケール位相最適化
要約本研究は、条件付き整流フローで周期的な格子微細構造を生成し、有限要素均質化の感度を用いて潜在空間で精密化する二重スケール同時位相最適化の枠組みを提案します。遠位ウサギ大腿骨のベンチマークでは、整流フローで初期化した8つの結果すべてが印刷可能な単位セルを生成し、六つの工学的弾性率の最大相対誤差は1%未満でした。ヒト大腿骨再建では、皮質骨中央部のスキャフォールドの空隙率は63%、近位海綿骨のスキャフォールドの空隙率は84%で、歩行と階段昇降の荷重下でコンプライアンス制約を満たしました。
説明どのデバイスを呼び出すかを学習：IoTにおけるLLMエージェントのオンラインツール接地
要約IoTでは同じ機能が複数のデバイスで提供されることが多いですが、エージェントの計画はどれを呼び出すかを指定していません。本論文は、選択問題を文脈付きマルチアームバンディットとして定式化し、適応的な文脈分割と階層的エンドポイント木を組み合わせて、サービスコストと成功率のバランスを取る枠組みを提案します。模拟された積み下ろしドックのシナリオでは、最寄りデバイスや宣伝品質、UCB1、LinUCBによる選択より高い成功率と良好なコスト調整後のサービス性能が示されています。
説明FTFM：セル表現を保ちながら計算を因子分解する表形式基盤モデル
要約本論文は、表形式データの分類を行う因子分解型表形式基盤モデル（FTFM）を提案している。既存モデルは、セル表現を保つと行と列をまたぐ注意計算が高コストになり、高速なモデルは各行を固定埋め込みに圧縮して細かな情報を失うという問題があった。FTFMは行と列ごとに文脈潜在変数を一つずつ用い、セルは行と列の潜在変数の相互作用によって更新される。著者らは、TabArenaやBeyondArenaなどの主要ベンチマークで競争力のある予測性能を達成したと述べている。
説明償却型生成攻撃で合成画像検出器を欺く研究
要約本論文は、合成画像検出器に対する転移可能な三種類の攻撃（反復摂動型のMIGとMuMoDIG、償却型生成攻撃のTricker）を体系的に評価しています。攻撃の作成に用いる代理検出器と、入力画像を供給する生成器の二軸を独立に変えた評価プロトコルを提案し、攻撃効果、検出器間の転移性、画質、実行時間を測定しています。結果として、転移性は検出器だけでなく入力画像を生成する生成器の分布にも強く依存すること、また Tricker はより安定した効果を示すことが報告されています。
説明狭域意思決定モデル：較正済みで型付けされた意思決定のためのシステム1アーキテクチャ
要約本論文は、文章を生成する代わりに、特定組織の意思決定に特化して較正済み確率で回答する「狭域意思決定モデル（NDM）」を提案しています。選択肢からの選択、順序尺度上の採点、真偽判定の三種類の問いに答え、小型で自前の基盤上で動作させられる構造です。事例として裁判所からの文書の振り分けを取り上げ、公開データと架空データでの初期検証、ならびに実際の法律文書で学習した一例が本番環境のLLM分類器と保留文書の91%で一致したことを報告しています。
説明記号制約エージェント：形式的なツール呼び出し制約を抽出してエージェントの誤りを防ぐ
要約本論文は、APIドキュメントから記号制約を自動抽出し、実行トレースに基づいて修正し、実行時にSMTソルバーでツール呼び出しを検査する「記号制約エージェント（SCA）」を提案している。違反時は自然言語の警告を出し、正しい代替値が一意に定まる場合は自動修復する。AppWorldとτ²-benchでの実験では、誤り検出のF1値の向上、タスク成功率の改善、失敗した呼び出しの削減が示されている。
説明StreamAhead：適応的事前計算によるリアルタイムストリーミング動画質問応答
要約本論文は、動画が連続して入力される中で、いつ投げられた質問にも低遅延で答えるためのリアルタイム動画質問応答システム StreamAhead を提案している。各動画セグメントを、どの程度事前計算しておくかを適応的に決め、質問到着時には検索されたセグメントのKVキャッシュのみを補完する。CPUとGPUにまたがって計算をパイプライン化し、原文によれば精度は先行手法と同等で、最初のトークンまでの時間（TTFT）は最大10.4倍短縮され、30 FPSを維持できるとされる。
説明編集を言語として：LLMエージェントにネイティブなコンテキスト編集の文法を教える
要約本論文は、専用の特殊トークンからなる文法によって言語モデルエージェントが自身のコンテキストをネイティブに編集できるようにする、Native Context Editing（NCE）フレームワークを提案する。四つの長期的エージェント・ベンチマークにおいて、NCEは基盤モデルと比べて平均タスク成功率を向上させ、平均トークン使用量を削減した。
説明EmotiQ：テキスト感情分類のための量子残差スペシャリスト枠組み
要約本論文は、凍結されたTransformer分類器を主たる判定器とし、検証データの挙動から判別が難しい感情境界を特定して、量子エンコーディングなどのスペシャリストを補助的に用いるEmotiQを提案する。スペシャリストは検証ベースの採用基準を満たした場合にのみ介入する。六つのテキスト感情分類データセットでの評価では、採用後の方策が平均マクロF1を基準より改善し、六つのうち五つで正の向上を示した。量子要素の中ではZZ相互作用特徴写像が最も一貫して有効で、平均で+0.0030の改善をもたらした。
説明記録を超えて：極端な領域における確率的AI天気予報の評価
要約本論文は、2022年の陸上を対象に、先進的な4つのAIモデルと物理ベースのIFS-ENSアンサンブル予報を比較しています。解像度は1.5度、リードタイムは2〜10日です。1979〜2021年のERA5月別記録を基準とし、2022年に更新された記録を地域の歴史的変動を超える幅で評価しています。熱と寒冷の記録では、ほぼすべてのリードタイムと超過幅でAIモデルがIFS-ENSを上回りました。熱については超過幅が大きいほど優位性が強まる一方、風については超過幅とリードタイムが大きくなると優位性が縮小しました。
