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EPRI AI加速ユニットコミットメントベンチマークにおける強化学習：過剰起動の診断と学習ポリシーによるMILPの支援
要約本論文は、米国電力研究所（EPRI）のユニットコミットメント競技会の51台発電機・72時間ベンチマークで強化学習を初めて検証したものです。独立したエージェントの探索が混合整数線形計画法（MILP）より高コストになる主因であり、学習されたポリシーは厳密解法の高速化に使えることを示しています。エージェントは過剰に起動する傾向があり、評価指標を左右する要因を踏まえた報告プロトコルを提案しています。
説明エージェント型LLMのツール痕跡監査：情報源の特定と反事実的依存性検定
要約本論文は、エージェント型LLMが生物学的予測で、ツール結果に隠れたラベル・ショートカットによって見かけ上の高性能を得る問題を扱う。著者らは二段階の監査を提案する。まずツールごとのTF-IDF分解でラベルに関連するパターンを個々のツール結果に特定し、次にトークン種別の墨消しによりモデルがそのショートカットに依存するかを反事実的に検証する。TCR-pMHC結合予測への適用では、最も強い信号が一つのツール結果の識別子にあり、それを墨消しすると性能が偶然水準に低下したと報告している。
説明微分可能な信念関数層を持つニューラルネットワーク：Yager 結合則で「わからない」を表現するモデル
要約本論文は、各層の出力が有効な Dempster-Shafer 質量関数となり、Yager の結合則で統合される深層エビデンシャル学習ネットワークを提案しています。証拠の衝突時に Dempster の正規化は勾配を発散させるのに対し、Yager の規則はそのような項を持たないと指摘しています。出力の無知集合の質量 m(Θ) は「わからない」信号として働き、人間の注釈の不一致が大きい入力を順位付けできるとされています。
説明CSI部門分類による住宅建設画像データセット：深層学習物体検出のための資料
要約本論文は、米国建設仕様協会（CSI）の部門構造に従って整理・手動ラベル付けされた画像データセットResCD-CSIを紹介する。米国内の実際の住宅建設現場で撮影された高解像度画像を用い、14の主要CSI部門にわたる16,365個の対象物を境界ボックスで注釈している。物体検出タスクへの利用を想定している。
説明Modaliff：任意のモダリティ変換を行う統一トークン拡散モデル
要約本論文は、テキスト・画像・音声の間を柔軟に相互変換できるトークンベースの拡散モデル Modaliff を提案しています。完全に整列された多モーダルデータではなく、広く入手可能な二モーダルのペアから学習し、各モダリティを固有の潜在系列の中で保持します。トークンごとの属性と役割ベースの位置埋め込みにより、単一のデノイザーがタスク固有の構造変更なしに多様な生成タスクを扱えます。実験では、多くの生成タスクで任意モダリティ変換モデルの中で最も高い忠実度を示し、使用するパラメータと学習データも大幅に少なくなっています。
説明重みを変えずに Gemma 4 音声エンコーダはどこまで使えるか？サウジ・湾岸アラビア語音声認識（凍結版とアダプタ付き版）
要約本論文は Gemma 4 と EmbeddingGemma 2 が共有する 3.05 億パラメータの音声エンコーダを、事前学習済みの重みを一切変えずにサウジ・湾岸アラビア語の音声認識に用いる研究である。凍結版は CTC の読み取り器のみを学習し、アダプタ版は低ランクアダプタと混合型デコーダを追加し、部分語言語モデルと併用して共同デコードを行う。Cohere Transcribe Arabic との比較では、精度と速度にそれぞれ長短があることが示されている。
説明臨床リスク予測から運用判断へ：ICU人員配置のための不確実性考慮フレームワーク
要約本論文は、上流の予測モデルを変更せずに、ICU患者の短期リスク予測と看護人員計画をつなぐ、不確実性を考慮した先取り型の人員配置フレームワークを提案しています。条件付きバリュー・アット・リスク（CVaR）を用いて極端な人員不足のリスクを評価し、リスク補正済みの需要を時間単位のローリングホライズン型スケジューリング方針に組み込みます。MIMIC-IVデータでの評価では、確定的および事後対応型の基準手法と比べ、コストと人員不足のバランスで優れた結果を示しています。
説明StopLoss：エージェントに失敗を予測させ、早期に停止させる手法
要約本論文は、完了した実行軌跡と検証結果から失敗を学習する小型の外部モニター StopLoss を提案します。失敗の可能性が高い場合に実行を早期に終了させ、資源を節約します。実験では、1回あたりのチェックコストが試された汎用判定器より1〜2桁低く、複数の設定で成功した解決1件あたりのコストが他のどの判定方策よりも低いことが示されています。
説明対称バイマトリックスゲームにおける近似ナッシュ均衡の1/3の壁の突破
要約本論文は、対称バイマトリックスゲームの近似ナッシュ均衡を計算する、無条件の多項式時間アルゴリズム族を初めて示したものです。任意の固定された δ>0 について、このアルゴリズム族は (1-1/√2+δ) 近似の対称ナッシュ均衡を計算できます。これは、Kontogiannis と Spirakis（2011）による従来の (1/3+δ) の保証を改善するものです。
注目点対称双行列ゲームの近似ナッシュ均衡に対する多項式時間の保証を1/3の壁を超えて改善し、無条件のアルゴリズム族を与えている。
説明FracTS：階層的自己回帰による時系列生成モデル
要約本論文は、多変量時系列生成のための粗から細へ進む階層的自己回帰モデルFracTSを提案します。画像向けの分形生成の考え方を借り、粗いスケールで全体の軌道構造を、細かいスケールで局所的な動きを捉えます。五つのデータセット（条件付き二つ、無条件三つ）で七つのベースラインと比較した結果、周辺分布、予測的機械学習の有用性、相関の保持において優れた結果を示しました。無条件データセットでは、最良のベースラインと比べて予測的機械学習の有用性が平均で100.0％向上しています。
注目点画像向けの分形生成の枠組みを一次元時系列へ移植し、粗から細への自己回帰的階層構造を提案。五データセット・七基線で比較し、根拠は比較的充分。
説明共感が目標を外すとき：LLMの助言における目標の置き換えを測るベンチマーク
要約本論文は、対話型大規模言語モデルが、温かい励ましで利用者の目標に実質的に役立つ内容を置き換えてしまう失敗を「目標置換（goal displacement）」と呼んで検証しています。9分野・230シナリオからなるGDBベンチマークを作成し、18モデルの4,134件の人手評価済み応答で測定しました。モデルごとの置換率には大きな差があり、Chatbot Arena Eloとは強い負の相関が見られました。また、この概念は社会的迎合とは区別されるとしています。
注目点目標変位という概念を提案し、230シナリオと4,134件の人手評価からなるベンチマークで、社会的追従とは区別して検証している。
説明ATEST：LLM推論のための資源認識型適応的テスト時スケーリング手法
要約テスト時スケーリングは複数の回答をサンプリングしてLLMの推論を改善しますが、固定のサンプリング予算は問題の難易度やGPU競合下での推論エネルギーの変化を考慮していません。本論文はATESTを提案し、追加サンプルの期待価値と現在のGPUコストを併せて考慮して、いつサンプリングを止めるかを決めます。既定のオンラインモードはオフラインの較正を必要とせず、GPUの状態を監視しながら1ステップあたりのエネルギーコストを学習します。もう一つのキャリブレーション版は、オフラインモデルで問題ごとの予算を選び、負荷が安定した環境に向いています。
説明2層Transformerは相互に競合する2つのソートアルゴリズムを学習し、長さ汎化できるのは片方のみ
要約ソートタスクで損失がほぼゼロになるまで訓練した2層Transformerは、初期化によって機構の異なる2種類の解のいずれかに収束することを示しています。一方は2層目のアテンションを使ってソートし、固定長の系列でしか訓練していないにもかかわらず長さ汎化を完全に達成します。もう一方は長さ汎化に失敗します。訓練長では稀だが長い系列で増える入力の種類が、この汎化の差の原因として挙げられています。
説明ReDT：解像度を分離した視覚幾何トランスフォーマー（高精細な多視点3D再構成のための手法）
要約論文はReDT（Resolution-Decoupled Visual Geometry Transformer）を提案し、多視点3D再構成を高精細（HD）入力へ拡張することを目指します。各視点を固定サイズの基底トークン集合に写像し、その小さな一定サイズの空間で対応関係を計算した後、密な予測のために元の解像度へ投影します。SDから2K（FHD）までの複数データセットで実験し、再構成品質と計算効率の両面で既存手法を上回りました。ETH3D（2K）ではVGGT-Ωと比べて16倍の高速化、ピークGPUメモリ使用量と倒角距離の削減を達成したと報告しています。
説明Bud ContextCompact 2.0：小型言語モデルと制約付きコンテキストウィンドウ向けのコンテキスト圧縮手法
要約本論文は、エージェント実行環境に組み込まれたコンテキスト圧縮手法 Bud ContextCompact 2.0 を提案し、古いターンを要約で置き換えて小型モデルで長いセッションを続けられるようにします。記録されたセッションへの想起質問では、1.2B モデルの正答率が切り詰めの 0.247、完全履歴の 0.176 から 0.335 に向上しました。SWE-bench Verified の長いセッションでは解決率が 41% から 53% に上がった一方、45 分のセッション予算では要約の中央値 161 秒が原因で効果が消えたと報告されています。
説明解釈が残るとき：注視認識アシスタントにおける後続への影響
要約本論文は、AIアシスタントが人の行動や次の行動について保持した解釈が、後の予測やシステムの出力にどう影響するかを検証しています。検索されたイベント、その順序、対象入力を固定した実験で、自由形式の解釈は正しい履歴では有益な変化を、誤った履歴では有害な変化をいずれも増幅することが示されました。さらに、根拠に基づく境界付きの解釈は、根拠のない内容や過度に確信的な内容を減らし、誤った情報源による有害な影響を抑えることが報告されています。
説明誘導的部分観測下での動力学整合表現学習：確率的ゲーティングで観測を遮蔽し、モデルベース強化学習の計画性能を改善する研究
要約本論文は、モデルベース強化学習（MBRL）で画素観測から連続制御方策を学習する際の表現学習を扱う。学習時に Beta–Bernoulli 確率場から空間的な二値マスクを毎時刻サンプリングして原観測に適用する確率的ゲーティング手法を提案し、エンコーダーをほぼ完全な遮蔽からほぼ完全な可視までの条件にさらす。DeepMind Control Suite の画素ベース連続制御タスクで、開ループのモデル展開のみに依存するモデル予測制御により評価し、計画性能とデータ効率の向上を示した。
説明5G・Open RAN テレメトリ向けの KPI 対応マルチモーダル異常検知（KAC）
要約本論文は、5G・Open RAN のテレメトリにおける異常検知のためのフレームワーク KAC を提案します。KPI レベルの残差とテキストの整合により、運用者の簡潔な要約を、完全な KPI の時系列情報に対する学習可能なフィードバック信号に変換します。TelecomTS では誤検知率 2.5% に固定した条件で、評価した残差ベース手法の中で最も高い再現率を示しました。また Nokia の事前本番環境では影子モードで、テレメトリウィンドウのスコアリングに使われています。
説明エージェントはどこまで押せるか：リアルタイム言語ベース経済ゲームにおける信頼と安全の余裕
要約本論文は、GLEE 競技の最終週に、保護されたエージェント Milton と、ゲームごとにランダム化された政策試験を行う四つの補助エージェントで参加した取り組みを紹介します。交渉では学習型の価格設定が調整後パーセンタイルを改善し、説得実験では、受け手の余裕により服従が合理的な場合に全単位の推奨が売上を押し上げ、そうでない場合には売上を下げ、正直な推奨よりも早期から後期にかけての購入減少が大きいことを示しています。
説明多言語LLMで言語固有の特徴はどこに表現されるか：ほぼ全層に存在
要約従来の研究では、多言語LLMの言語固有の特徴は初期層と最終層に最も強く現れ、中間層は言語非依存の表現を担うとされてきました。本論文は、ポルトガル語とスペイン語の詳細な分析、200以上の言語を対象とした大規模な言語識別実験など4つの実験でこの結論を再検討し、テストモデルとしてLlama 3.2 1Bを用いています。その結果、言語の識別情報はモデル全体を通して明確に復元可能であることが示され、曖昧な文字列はポルトガル語よりスペイン語に近いと判定される傾向があることも報告されています。
説明「見ることから報告へ」：視覚言語モデルにおける信頼できる視覚集合生成の理論
要約視覚言語モデル（VLM）は数え上げやボックス指定、画面解析などで対象を報告するが、同じ応答内の記録数と計数結果が食い違うことがあると指摘しています。著者らは報告過程を理論化した「From Seeing to Reporting（FSR）」と、モデルを変更せずに推論時に報告を改善する手順を提案しています。合成の密集シーンとScreenSpot-Proの画面要素特定で評価し、プロトコル、保存された応答、分析コードを公開しています。
説明「Steered Not Stirred」：代理報酬の混合による効果的な報酬傾斜
要約本論文は生成モデルの推論時制御を扱い、真の報酬（オラクル）は取得や評価が困難または高コストであるため、安価な複数の代理報酬を組み合わせる手法 MARTINI を提案しています。少量の順位付けまたは数値フィードバックから代理報酬の組み合わせを学習し、事前学習済みモデルを真の報酬で傾けた分布へ導きます。実験では言語生成、ImageNet への整合、タンパク質-リガンド共折りたたみで、推論時にオラクルへの問い合わせなしに性能向上が示されています。
説明形式的育成：検証可能な倫理的性質をAI開発に組み込む手法
要約本論文は「形式的育成」（Formal Raising, FR）を提案し、選ばれた道徳的価値を機械で検査可能な明示的な性質として表し、AIの開発、評価、行動選択に関与させる。優先順位付きの倫理的性質に照らして候補行動を評価するCベースの推論枠組みを示し、規則の衝突は与えられた順序に従って解決され、決定不能な場合は明示的に報告される。生命、真実性、危害、プライバシー、自律性、厳格な規則に関わる例を挙げている。
説明建設分野データセットのAI準備度を評価する多次元運用フレームワーク
要約本論文は、メタデータの完全性、データ品質と代表性、データガバナンスとアクセス性、AIの有用性の4次元にまたがる30属性からなる建設データセットAI準備度フレームワークを提案しています。公開されている21のデータセットで評価したところ、総合準備度スコアは0.720から0.964、平均は0.879でした。自動提案と人手検証のスコアの一致率は90.5%でした。このフレームワークは、異質な建設データセットを一貫した基準で評価し、準備度の不足点を特定することを目的としています。
説明教師あり微調整のための自己蒸留（Gold-Conditioned Distillation，GCD）
要約本論文は、教師あり微調整が専門家の模範解答をone-hotの目標として扱うため、モデルが本来妥当と見なす他の続きの確率まで抑えてしまう点を指摘しています。提案手法GCDは同一モデルを教師と生徒の両方に用い、教師は文脈に正解を含む提示を、生徒は元の提示のみを与えられ、各正解トークンでの次トークン分布について前向きKLダイバージェンスを最小化するよう学習します。Qwen・Llamaモデルでの実験で、GCDはSFTより新タスクの正解率を高め、汎用ベンチマークでの性能低下も一般に抑えたと報告されています。
説明提案から実行へ：共有自律におけるインタラクション意味論のモデル化
要約本論文は、人間とAIのシステムで候補となる行動が、別の意思決定主体によって異なる目的や決定モデルのもとで評価されてから実行される状況を扱います。行動と文脈を意味的な結果に写像する解釈関数と結合行動言語を用いて、インタラクションの意味を明示的に表現する枠組みを提案しています。共有型の人間・AI自律においてアドバイザリーや認可などの交互作用を例示し、標準的なマルコフ決定過程(MDP)の計画と両立することを述べています。
説明GroundedVDR：ビデオ深層リサーチにおけるビデオとWeb証拠の依存関係の接地
要約本論文はGroundedVDRというベンチマークを提案し、ビデオ深層リサーチでモデルが実際にビデオの時系列情報や検索されたWeb証拠を使っているかを検証します。人手による確認と複数モデルへの制限付き探査により、パラメトリック知識や単一の情報源だけで答えられる問題を除外し、各問題にビデオ片段とWeb証拠の対応関係を付与しています。原文によると、8つのマルチモーダルエージェントシステムのうち最良のものの回答精度は76.0%でしたが、必要なWeb証拠を完全に取得できた問題はどのシステムでも8%を超えませんでした。
説明SlimFormer++：重要な箇所にだけトークン混合を行う効率的な3D医用画像セグメンテーション
要約本論文は、3次元医用画像セグメンテーションネットワークのどこに計算が必要かを、ブロック単位の冗長性と段階ごとのトークン混合器の寄与から分析しています。ブロック内の入出力表現の類似性が高いことに基づき、最初のエンコーダ段階ではウィンドウ化Mambaによる混合、深い段階では残差チャネルMLPのみを用いるSlimFormer++を提案しています。8つの公開データセット（1,809症例）で評価したところ、平均Dice 87.84%、平均HD95 6.50 mmで最高・最良の結果を示し、パラメータ数は598万です。
説明PCXR-Copilot：小児胸部X線の機器認識型分析システム（セグメンテーション・機器抑制・浮腫関連所見）
要約本論文は、小児集中治療室の患者の胸部X線写真について、よく使われるICU医療機器に臨床的根拠のある注釈を付けた公開データセットPediaDeviceSeg-1K（正面像1,000枚）を提案しています。さらにこれを基に、肺と機器のマスク、機器を抑制した画像、浮腫関連の可視化マップおよび数値指標を出力するPCXR-Copilotを開発しました。本システムはボストン小児病院のTWISTプラットフォームに統合され、リアルタイムで動作することが示されています。
説明PRIMA：ゼロショット社会的身体行動認識のための姿勢補正型帰納的動作アダプタ
要約本論文は、学習時に人体姿勢を監督信号として用い、凍結された視覚言語モデルに身体構造の事前知識を組み込む軽量モジュール PRIMA を提案します。推論時には姿勢入力は不要で、RGB 画像のみを使用します。モデル固有の投影ヘッドと、移転可能な身体構成知識を符号化する共有コアを分離しており、新しいモデルへの適応にはヘッドの再学習のみが必要です。微動作データセットで学習し、ゼロショットのプロンプトで評価した結果、学習領域・他規模のバックボーン・未見の2つの目標データセットで認識が改善したと報告されています。
説明アルツハイマー病における脳MRIの時空間予測のためのマルチモーダル条件付き潜在拡散モデル
要約本論文は、患者ごとの脳MRI合成を行うマルチモーダル条件付き潜在拡散モデル（MC-LDM）を提案しています。学習時にはMRI、tau-PET、臨床認知症評価尺度（CDR）、APOE4などのマルチモーダルバイオマーカーを用い、推論時には基線MRI、APOE4、患者メタデータのみを用います。ADNIの1,355回の受診（852名）で学習し、独立テストセット664回の受診では、領域別体積の平均絶対誤差が第2位のベースラインより18%低減したと報告しています。
説明Java フレームワーク間で一貫した LLM 呼び出し処理：参照実装とベンチマーク
要約本論文は、Java アプリケーションが大規模言語モデル（LLM）を統合フレームワーク経由で呼び出す際に、再試行してよいエラーだけを再試行し、プロバイダーが求める時間だけ待機し、途中で切れた応答を完全な応答として提示せず、失敗を指標として記録すべきことを論じています。著者らは、スクリプト化された OpenAI 互換プロバイダーを用いて Spring AI と LangChain4j を 15 種類の障害シナリオで測定し、HTTP 層で動作する共通の実装を提案しています。この実装を使うと、3 種類のクライアントが同じ挙動を示し、91 件中 90 件で契約を満たしました。残る 1 件は、応答しないプロバイダーの再試行と遅い最初のトークンの待機との間の方針上のトレードオフです。
説明ノイズ再活性化逐次モンテカルロによるテキスト画像フローマッチングモデルのテスト時スケーリング
要約本論文は、テキストから画像を生成するフローマッチングモデル向けの推論時スケーリング手法（ノイズ再活性化逐次モンテカルロ、NR-SMC）を提案する。フローマッチングは決定論的ODEに基づくため標準の逐次モンテカルロをそのまま適用しにくいが、本手法は再サンプリングされた粒子の元ノイズを変更し、現在の終点推定から新しい中間状態を構成して探索を行う。さらに先読み機構で重み付け前に粒子を改善する。Stable Diffusion 3、FLUX.1-dev、Z-Image での実験により報酬誘導生成の一貫した向上が示され、アブレーションで両構成要素の効果が確認された。
説明P(Yes)：決定モデルのテスト時スケーリングによる15倍の改善
要約本論文は、学習を行わずに固定された決定モデルへテスト時探索を加える手法を提案しています。完全な候補解をモデルに提示し、解が正しいという「Yes」の確率を読み取って、より高い評価を得る解を探索します。128問の論理パズルでは、Qwen3.8-27Bが完全に正解したパズル数が2問から30問に増え、空欄ごとの正答率は27.8%から48.5%に上がりました。
説明アラビア語ヘイトミーム検出のマルチタスク・クロスモーダル融合手法（SZEDチームの提出論文）
要約本論文は、ArGuard 2026 Track Aのアラビア語ヘイトミーム検出タスクに対するSZEDチームの提出です。タスクは二値分類（A1）と細粒度マルチラベル付与（A2）からなります。A1ではMARBERTv2とCLIP ViT-L/14の埋め込みを融合し、A2ではクラスごとのクエリベクトルを用いたマルチタスク・ラベルアテンション構造を採用しています。A1のマクロF1は0.7597、A2は0.3142と報告され、再現性、クラス別の誤りパターン、カスケード校正の効果も分析されています。
説明想像力の欠如：VLMは視覚表現をテキストに活用できないが、自己蒸留で改善できる
要約本論文は、視覚言語モデルが視覚質問応答で学習された後、テキスト表現も視覚的構造を獲得するのかを検討しています。図形の数を数えるタスクを、画像版と座標で記述したテキスト版の両方で作成したところ、マルチモーダルモデルは画像版では良好でしたがテキスト版では優れず、プロービング実験でも埋め込みに視覚構造は増えていませんでした。さらに、文脈内の視覚埋め込みをテキスト埋め込みへ蒸留する最適化目標を提案し、テキスト版で性能向上を示しました。
説明滑らかな補間領域におけるSGD最終反復の準最適な収束率
要約本論文は、ノイズが小さいまたは零の補間領域で、一定ステップサイズの確率的勾配降下法（SGD）の最終反復の収束を調べる。任意の一定ステップサイズ0<η<2/βについて、T回後の期待超過リスクの上界を示し、補間領域では対数因子を除いてΩ(1/T)下界と一致するÕ(1/T)の速度を得る。Attiaら（2026）のη=1/βに対するO(1/√T)の結果を改善する。
注目点二次モーメントを対数個の時間スケールで比較する新手法により、定常ステップSGDの最終反復の収束率を近最適に改善し、理論的影響は大きい。
説明推論の正しさの方向性に関する研究
要約本論文は、Countdownに明示的な探索と後戻りを加えた制御可能な算術推論タスク「ChainSearch」で、300万パラメータの小型モデルを学習させています。線形プローブ、平均活性化差、直接最適化を用い、モデル内部の推論正しさに関わる方向を探索しています。その結果、統計的に有意な内部方向は存在するものの、因果的介入によって推論を一貫して改善する方向は見つからなかったと報告しています。
説明DiaLong：長文脈対話における記憶能力のベンチマーク
要約本論文は、大規模言語モデルが長い対話文脈の情報をどれだけ保持・想起できるかを定量評価するための、長文脈対話データセット DiaLong と記憶タスクを提案しています。データセットは人間が作成し LLM で拡張した 100 件の対話からなり、既存データセットより長い対話を含みます。タスクは対話に関する 40 個の候補事実の真偽判定です。最新の LLM と記憶強化手法を試験した結果、記憶性能の向上にはさらなる研究が必要だと示されています。
説明展開可能な医用画像セグメンテーションのための信頼性維持型圧縮
要約本論文は、学習済み医用セグメンテーションモデルを学習後に圧縮する際、Dice以外に不確実性の信号が保たれるかを検討します。著者らは、各層の量子化精度を信頼性の制約下で選ぶSGAV-MP手法を提案し、校正データでモデル全体の信頼性を検証してから圧縮を採用します。2Dの5種類のバックボーンと3Dの3つのベンチマークで、FP32相当のDiceと高い不確実性マップの一致を保ちつつ、2Dで約3.59〜7.8倍、3Dで約4.73〜7.82倍の圧縮を達成したと報告しています。
説明BiDex-100：100以上のシミュレーションタスクにわたる双手多指巧緻操作の総合ベンチマーク
要約本論文は、双手多指巧緻操作のためのシミュレーションベンチマークBiDex-100を提案します。106のタスクを、汎化、指示追従、少数のデモンストレーション、長期的タスク、記憶の5つの能力軸で整理し、各タスクには視覚・空間的変化を制御した領域外バリアントを用意して頑健性を評価します。2種類のロボット本体に対応し、成功が検証された遠隔操作デモ8,080件（計625万フレーム）を提供します。統一プロトコルの下で近年の視覚・言語・行動モデル7種を評価し、能力別性能、頑健性、データ効率のベースラインを示しています。
説明AI着信スクリーニングエージェント向け小型言語モデルの後学習：品質管理付きの応答・要約データ
要約本論文は、端末内で不在のオーナーに代わって電話を応答する小型言語モデルを学習させる手法を提示します。合成通話を用いて、応答と要約の教師データを作成し、モデルによる審査を経て3,395通話・15,102件の学習対象を構築しました。学習後、192通話の保留データでは、応答の適格率が21〜54%から94〜97%へ、要約の適格率が0〜6%から43〜72%へ向上しました。評価は同一モデルの基準に基づくもので、人手による検証は今後の課題です。
説明System X：自身の KV キャッシュから文章で返答する LLM 意思決定モデル
要約本論文は、LLM 意思決定モデルに文章による返答の選択肢を加えた System X を提案します。その選択肢が選ばれた場合や確信度が低い場合は、決定時の KV キャッシュから続けて生成し、プロンプトの再計算を避けます。JevBench の正解率に統計的に有意な変化はなく、校正誤差は低下し、遅延は 15%から 37%削減されました。改良版 v4 は JevBench の正解率が上がりましたが、状態の矛盾や根拠のない返答内容といった失敗例は残ります。
説明特異データ集合における半教師あり学習：次解析集合でデータ点群をモデル化する研究
要約本論文は、特異なデータ点群を次解析集合（subanalytic sets）でモデル化し、その設定における半教師あり学習の手法を提案している。台が特異になりうる大域的次解析測度に対する Sobolev 空間の Morrey 型埋め込みに基づいている。具体例として、候補解の Sobolev ノルムをモンテカルロ近似する貪欲法を示し、実代数多様体からサンプリングした点群と、7×7に縮小した MNIST 画像の分類問題で数値実験を報告している。
説明UBD-Bench：自動運転のマルチモーダル認識における単一モダリティ枝の劣化の評価と分析
要約本論文は、マルチモーダル認識における単一モダリティ枝の表現劣化（UBD）を研究するためのベンチマーク「UBD-Bench」を提案しています。単独学習とマルチモーダル共同学習後の同一モダリティの表現品質を、凍結枝プローブで比較します。四つの自動運転認識タスクと10モデルの評価で、カメラ枝は共同学習後に一貫して劣化し、LiDAR枝は変化がより小さくモデル依存的であることが分かりました。劣化した表現での単一から多モーダルへの蒸馏により、四タスクすべてでカメラ枝性能と全体性能が向上しています。
説明拡張マスク拡散アンラーニング（EMDU）：マスク拡散言語モデルに指定内容を忘れさせる手法
要約マスク拡散言語モデルは、双方向の文脈を使ってマスクされたトークンを段階的に復元して文章を生成します。本論文は既存手法MDUの2つの失敗モードを指摘し、答えの全体がマスクされた固定アンカーに対して、アンカー優先のKLダイバージェンスで学習する改良手法EMDUを提案します。TOFUとRWKUのベンチマーク、LLaDA-8BとDream-7Bモデルでの実験では、EMDUの忘却効果はMDUや改変された自己回帰ベースラインと同等以上で、保持すべき能力もより良く保たれたと報告されています。
説明段階的推論の検証：生成ではなく分類を
要約本論文は、大規模言語モデルの段階的な推論検証を自然言語推論タスクとして定式化します。問題と部分解答の接頭辞を前提、次の推論ステップを仮説とし、含意か非含意かを分類します。5つの推論データセットで、0.15Bのエンコーダ分類器は最大4Bパラメータの多くの生成型検証器を上回りました。同一のデコーダ基盤では、0.5Bから4Bの範囲で分類が生成を上回り、7Bでは同等で、注釈付き問題は約10分の1で済みます。強い検証に大型の生成型デコーダは必ずしも必要ではないと結論づけています。
説明低リソース文書アーカイブのOCR設計上の考慮点：ラコタ語を事例として
要約本論文は、30億パラメータ以下の小型視覚言語モデルを北米先住民言語のラコタ語向けOCRツールとして適応させる方法を検討します。学習予算の制約、セグメンテーションのノイズ、スキャンの劣化、表記の揺れという実務上の課題を扱っています。二言語コーパスでは35ページの転写データによるOCR後処理の微調整で文字誤り率が大きく下がり、9ページだけでも結果は大きく劣りません。ただし自動セグメンテーションを用いた現実的な条件では、最良モデルの誤り率がほぼ倍増するため、実際の利用場面を考慮する重要性が示されています。
説明最新スマートフォンでもPRNUは有効か？計算写真後も残る機器固有の指紋の証拠
要約本論文は、撮影機器の識別に用いられるPRNU（光応答不均一性）の指紋が、最新のスマートフォンでも有効かどうかを検証したものです。著者らは30機種のスマートフォンで制御された条件下で画像を撮影し、同一機種の指紋に共通する成分がsPCE値を押し上げることを見いだしました。そこで、画像と他の候補カメラの指紋との平均sPCEを差し引く正規化手法ΔsPCEを提案し、帰属精度の向上を示しました。データセットの規模が限られ、候補カメラの集合に依存する点は制約として挙げられていますが、比較方法を適切に選べば現代スマートフォンのPRNUによる出所特定は可能だと結論づけています。
説明DragonMoCap：多様なドラゴンのトポロジーに対応する単眼動画ベースのモーションキャプチャ
要約本論文は、現在は手作業のキーフレームに頼っているドラゴン型キャラクターを対象に、単眼動画からのモーションキャプチャを検討しています。提案手法DragonMoCapは、対象のリグを固定テンプレートではなく動的な入力として扱い、言語で条件付けした関節クエリトークンと、再学習なしで未知のリグに適応できる非パラメトリックな検索機構を用います。論文によれば、多様なドラゴンのトポロジーでHMR系のベースラインを上回り、専門のアニメーション制作ワークフローにも組み込まれています。
説明RARE：オープンエンド生成のための適応的ルーブリック進化による強化学習
要約本論文は、オープンエンドな生成タスクの強化学習に用いる RARE 手法を提案しています。現在の方策のフィードバックに基づき、すでに完全に満たされて識別力を失った評価基準を、残りの品質差を確認する基準に置き換え、他の基準はそのまま保持します。動画脚本生成の 3 種類の動画では、対応する静的ルーブリックと比べて平均 3.82 点の向上が見られ、モデルと人間の選好評価もこの結果を支持しています。ライティングや汎用生成のベンチマークでも改善が見られたとされています。
説明MOSAIC：LLMのデコーダ層間で推論キャッシュを配分する多目的探索手法
要約本論文は、トークン削除手法に併用できる層ごとのKVキャッシュ予算を多目的ニューラルアーキテクチャ探索で学習するMOSAICを提案します。Llama-3-8B-InstructとMistral-7B-Instruct-v0.2において、154の設定中146で均一配分を上回り、RULERで最大48ポイント向上しました。学習された配分は少数の中間層に重点を置く傾向があります。
説明多様体の保持：ラベル効率の高いSAR場面理解のための凍結エキスパート整合
要約本論文は、合成開口レーダー（SAR）画像と自然言語の間のクロスモーダル整合を扱う。SAR画像で学習した表現の物理的情報が、テキスト整合のための微調整で失われる問題（物理的忘却）に対し、SARエンコーダ（CROMA）とCLIPテキストエンコーダを凍結し、軽量な制約付き残差ブリッジのみを学習する「Frozen Expert」フレームワークを提案している。Procrustes差異で測ると、このブリッジは微調整よりSAR幾何をよく保持する（0.210対0.351）。ゼロショットSAR場面分類では、最大8倍少ない学習データで微調整ベースラインを上回ったと報告している。
説明Mixture-of-Memories：低オーバーヘッドでモジュール式に知識を注入する言語モデルのメモリ手法
要約本論文は、大規模言語モデルの知識が制御・更新しにくく、推論時に確実に引き出せない問題に取り組み、ルーティングされるニューラルメモリと書き込み可能な事実メモリを分離する Mixture-of-Memories（MoM）を提案しています。凍結したベースモデルに、潜在メモリと語彙メモリの二つのニューラルメモリ専門家を組み合わせ、不確実性と不一致の特徴から各トークンの混合重みを決める軽量なルーターを用います。言語モデリング、事実QA、更新分析、効率の実験で、推論オーバーヘッドを低く保ちながら予測精度と更新可能性が向上することが示されています。
説明ラベル事前分布からタスク証拠へ：ベイズGRPOによる効率的な長尺動画フレーム選択
要約マルチモーダル大規模言語モデルは、長い動画を扱う際に計算量と文脈長の制約が課題となるため、まず重要なフレームを選び出す必要があります。本論文は、教師あり学習で軽量な選択器を初期化し、凍結したモデルの回答尤度を密な報酬としてベイズGRPOで最適化する確率的枠組みを提案します。Video-MME、MLVU、LongVideoBenchでの実験では、軽量手法の効率を保ちつつ競争力のある精度を示し、一度の学習で複数の下流モデルに転用できるとされています。
注目点フレーム選択を潜在変数推論として再定式化し、凍結MLLMの回答尤度を密な報酬とするBayesian GRPOを、3つの長尺動画ベンチマークで検証。
説明UniState：記憶と介入を統合した制御可能な世界シミュレーション
要約本論文は、空間記憶とユーザー介入を統一的な世界状態表現で扱うUniStateフレームワークを提案する。ユーザーは空間記憶内で物体の運動を直接指定し、結果を観察するカメラ軌道を独立に選べる。これにより物体の運動と視点変更が制御指定で曖昧にならない。学習とサンプリングの手法により、生成動画は指定された物体運動とカメラ軌道に従いつつ、指定外の応答を生成する能力も保つ。実験では既存手法より物体とカメラの同時制御が正確であることが示された。
説明モロッコ・ダリジャ語の比喩表現理解：大規模言語モデルの評価
要約本論文は、慣用句・隠喩・諺を対象とした、モロッコ・ダリジャ語の比喩表現コーパス（MDFC）を提案しています。機械翻訳と選択式問題に用いられ、表現レベルと文脈レベルの両方で、19のオープン型・クローズド型モデルと翻訳システムが評価されました。クローズド型モデルの翻訳性能が最も高く、文脈情報の効果はモデルやタスクによって異なると報告されています。
説明MT Forcing：自己回帰拡散による安定で一貫したマルチターン画像編集手法
要約本論文は、複数回の編集指示を繰り返す際に画質が劣化し内容が一貫しなくなる問題に対し、自己回帰拡散に基づく統一マルチモーダルモデル向けの学習手法 MT Forcing を提案している。単一ターン分布マッチング蒸留（Single-Turn DMD）では、一度に累積編集を行う教師モデルで学生モデルの自己展開を監督し、誤差の蓄積を避ける。さらに教師強制ガイダンス（Teacher-Forcing Guidance）により、ターンをまたぐ内容の一貫性を高めるとしている。著者らは、実験で安定性と一貫性の向上が示されたと述べている。
説明表現が変わっても論理は変わらない：論理構造によって論理不変なLLMを構築する
要約本論文は、大規模言語モデルが論理的に同値だが表現の異なる入力に対して一貫しない予測をすることが多く、未知の論理形式への汎化も弱いことを指摘しています。著者らは、入力を論理構造を表す決定図（有向非巡回グラフ）に変換し、それを論理埋め込みに符号化して推論を導くLoGISTフレームワークを提案しています。複数の学習設定で、論理同値下での不一致が減り、未知の論理形式への汎化が向上したと報告されています。
説明RAHF-Net：LiDAR支援RGBセマンティックセグメンテーションのための距離認識型異種融合ネットワーク
要約本論文は、LiDARの点群特徴を用いてRGB画像の画素単位の意味分割を改善する手法を研究している。提案手法RAHF-Netは、円柱-透視変換（C2P）モジュールで事前学習済みの円柱ボクセル特徴を画像平面へ投影し、深度由来のソフト距離マスクにより、近距離の信頼できる領域ではLiDAR誘導の幾何強化を、遠距離のまばらな領域では視覚文脈強化を行う。KITTI-360ではCMXを含む比較手法を上回り65.76 mIoUを達成し、DELIVERでは悪天候、照度低下、センサー劣化下での頑健性向上が示された。
説明検証不能な英語ドメインテキストから、コードスイッチングによるタスク合成で多言語RLVRへ
要約本論文は、自動検証が難しい英語の専門分野テキストから、目標言語およびコードスイッチング（英語と目標言語の混在）形式の検証可能な強化学習タスクを合成する、データ中心のアプローチを提案します。穴埋め式の多肢選択問答を基本形式として用い、韓国語の医療ベンチマークと4つの目標言語によるサイバーセキュリティベンチマークで評価しています。その結果、コードスイッチング訓練は、単一言語および二言語混合のベースラインを平均的な目標言語の性能で上回り、英語の性能もほぼ維持されたと報告しています。
説明PolarVis：悪条件の走行シーンにおけるRGBから偏光知覚への データセットと拡散フレームワーク
要約本論文は、10,000組のRGB画像と4方向直線偏光画像を対にしたデータセットRGB-P Wildと、単一のRGB画像から偏光表現を復元する拡散ベースのフレームワークPolarVisを提案している。RGB-P Wild上で、PolarVisは正規化領域MSE 0.0465、PSNR 27.83 dB、SSIM 0.8597を達成した。下流の検出評価では、PolarVisが生成した偏光を用いた凍結PCDNetが、実測偏光の87.0%/59.8%に対し86.3%/59.1%（AP50/AP50:95）を示した。
説明移動カメラの透視映像から360度映像を生成する3D駆動フレームワーク
要約本論文は、移動カメラで撮影した透視映像を360度映像に変換する、モジュール式で3D表現を軸とした手法を提案しています。入力映像は3Dで明示的に再構成され、観測されていない領域は事前学習済みのパノラマ画像モデルで補完されたうえで、共有の3Dシーンに統合されます。著者らは追加のパノラマ映像学習なしで、Argus評価データセットの静的シーン部分集合において、入力視点への忠実度、知覚品質、幾何学的一貫性で最先端の結果を得たと報告しています。
説明Paloma：時系列予測のための位相条件付き残差変調手法
要約本論文は、周期成分を除去した後の残差が無構造のノイズではなく、位相に依存する構造的なずれを持つことを示す。これを踏まえ、位相回転と振幅スケーリングの二つのモジュールからなるPalomaフレームワークを提案し、既存の予測モデルに組み込めるプラグインとして提供する。十二のデータセットでの実験では、最先端かつ頑健な予測性能を示し、多様なベースラインモデルの性能も一貫して向上した。
注目点残差を位相条件付き信号として扱い、位相回転と振幅スケーリングで捉える点は周期分解法への実質的改良である。12データセットで検証され汎用プラグインとして有効。
説明ATLAS：合成的視覚自己回帰生成のための注意機構誘導型テスト時潜在選択法
要約本論文は、学習を必要とせず、凍結された生成器の内部注意を用いて最終画像が得られる前に探索を導くフレームワーク「ATLAS」を提案しています。複数の粗い候補を保持し、中間スケールでは復号せずに候補を枝刈りし、部分的な軌跡の中から最終選択を行う際にのみ画像空間での評価を行います。著者らは、T2I-CompBenchとGenEvalで組み合わせ性能の向上と、生成時間の50%超の削減を報告しています。
説明隠れた先読み：電力市場データにおける時点リーケージ
要約電力価格の実証研究は、モデルが取引判断時点で利用可能な情報のみを使うと述べることが多いが、商用の気象予報アーカイブを用いる場合、その条件は見た目より満たしにくい。本論文は、英国の前日オークションと日中オークションを基準に、10種の気象モデル設定による128,656件の予報実行のタイムスタンプを照合した。その結果、多くの設定で「ゲート前に発行された最新の予報」が、ゲート時点ではまだ公開されていない実行であることを示した。そのうえで、モデル適合前にタイムスタンプからデータの時点正しさを監査する手法を提案している。
説明「Only Means Only」：画像調和ベンチマークのスコアは何を平均しているか
要約本論文は、画像調和ベンチマークのテストセットの約4分の1の合成画像が、学習データと同じ元写真を共有していることを指摘しています。公式スコアはこの未報告の混合比率による二つの集団の平均であると述べています。著者らは、学習の再実行なしで利用できる5,581枚の合成画像のテストリストを公開しています。
説明画像データ向け構造化関連性決定とチャネル加法的ガウス過程
要約本論文は、画像入力のガウス過程に対し、構造化されたハイパーパラメータ共有を用いる動径基底関数（RBF）カーネルを提案します。隣接するピクセル群と各色チャネル内で長さスケールを共有することで、独立に学習する長さスケールの数を減らします。さらに多チャネル画像向けのチャネル加法的ガウス過程を導入しています。MNISTと低解像度RGB衛星画像の航空機検出データセットで評価され、等方的および完全異方的なRBFベースラインより予測性能が向上したと報告されています。
説明結果アンカー型クレジット再配分：エージェント型知識グラフ質問応答のための手法
要約本論文は、エージェント型知識グラフ質問応答において、結果監督型強化学習が同じ結果アドバンテージをすべての生成トークンに一律に割り当て、知識グラフ操作の効果と一致しないという問題を扱います。これに対し、学習時のみに用いる知識グラフ状態の結果モデルで隣接する探索状態間の結果報酬の変化を推定し、それを操作クレジットに変換してトークン単位の重みを導出するOACRを提案しています。三つのベンチマークで、既存の手法より総合的な性能が高く、推論時の大規模言語モデル呼び出し回数とトークン数も少ないと報告されています。
説明弱劣モジュラ性と matroid：標準的な貪欲法はどこまで機能するか
要約本論文は、一般的な matroid 制約のもとで標準的な前向き貪欲法が達成する最悪ケースの近似保証 R_gr(γ,r) を研究している。ここで γ は劣モジュラ比、r は matroid のランクである。著者らは、従来の 0.4γ²/(1+√(γr)) より厳密に強い下界を示し、対応する上界を導いて、既知の O(1/log(n-1)) 上界を O(r^{-1/2}) へ改善した。最終的に Θ(max{γ/r, γ²/(1+√(γ(1-γ)r))}) という結果を得ている。
注目点マトロイド制約下の弱劣モジュラ貪欲法の長年の未解決問題を、ほぼ tight な上下界の厳密な証明で解決し、既存結果を改善している。
説明年齢に合わせて調整したネットワークで乳児の感覚を模擬する
要約研究者は生後2年間の視覚・聴覚・触覚の発達に関する既存の測定値をまとめ、各感覚について月齢に応じた固定の入力フィルタを設定し、その後ろで小さな予測ネットワークを学習させました。フィルタだけで各感覚が成熟する順序が再現されます。ネットワークの結果では、初期の視覚は入力が与える情報より遥かに少ししか抽出できず（新生児段階で玩具の位置の R² は 0.00、同じ入力で直接学習したネットワークは 0.57）、聴覚は入力の情報量に沿っていました。関連ツール Baby Senses Lab では、利用者自身の画像や音が指定月齢の乳児にどう感じられるかを見られます。研究・教育用であり、診断テストではありません。
説明TILDE：具身基盤モデルに基づく教師介在型蒸留手法
要約本論文は、大規模な動作事前学習を経た具身基盤モデル（EFM）の操作能力を、動作事前学習を行っていない方策へ移す手法TILDEを提案する。学習中の方策が生成した状態上でのオンライン蒸留と、教師が実行した回復軌道からの学習を組み合わせる。また、ロボット報酬モデルでタスクの進捗を監視し教師の介入を起動する自動データ集約パイプラインAutoDAgger を提案し、人手による監視なしで回復経験を収集する。AutoDAggerは人間介在型の手法と比べ回復軌道の収集を2倍以上高速化する。三つの実世界タスクで、TILDEは行動クローニングに比べタスク性能を最大4.1倍向上させ、異なるアーキテクチャ間の蒸留にも対応する。
説明自己書き換えシステムのマイニング：AIネイティブ基盤におけるデータマイニングの構想
要約本論文は、エージェントの行動が後の学習や評価に使われるログ・コーパス・記録を変えてしまう「自己書き換えシステム」という新たな研究対象を提案し、そこで生じるシステム起因の分布変化を「内生的ドリフト」と呼びます。単一のデータ源ごとの監視では跨るデータ源の原因を確実に特定できず、共同分析が必要だと主張し、四つの基礎的研究課題（C1〜C4）と公開ベンチマークによる評価の方向性を示しています。AIネイティブな電気通信を例に挙げ、金融、ソフトウェアのCI/CD、臨床意思決定支援などへの類似性にも触れています。
説明MemDerive：変化するデータに対するエージェント記憶の診断ベンチマーク
要約本論文は、時間とともに変化するデータに対するエージェントの記憶能力を評価する診断ベンチマーク MemDerive を提案する。シナリオを記号的に定義し、Datalog（データログ）で正確な正解と導出過程を算出する。ベンチマークは 10 のシナリオ、4,692 件のイベント、1,503 件のクエリで構成される。評価の結果、多くの記憶システムは導出された状態において単純な BM25 検索に劣り、主な失敗は必要な中間状態を取得できないことにあると示された。
説明口笛と誤った歌詞：合成クエリだけでは実世界のメロディ検索に不十分
要約本論文は、口笛や誤った歌詞での歌唱によって楽曲を検索する問題を扱っています。物理ベースおよびニューラルモデルで合成したクエリで学習しましたが、実際の口笛データでは性能向上が転移しませんでした。実データで微調整すると上位1件の正解率が改善したため、実際のクエリの収集が必要だと結論づけています。
説明英国陸上風力発電所の翌日発電量予測：深層ニューラルネットワークによるマルチサイト学習
要約本研究は、英国の陸上風力発電88ユニットの過去の発電実績と再解析気象データをまとめて学習する多地点型深層ニューラルネットワークを構築し、翌日の発電量を予測します。予測は英国時間09時に、NESOの日前予測スケジュールに合わせて行われます。双方向気象エンコーダを備えたRNN（BiRNN）が最良で、638,246の一致した時間観測値において、NESOと比べて平均絶対誤差を17.94%、二乗平均平方根誤差を12.51%低減しました。また、40回の留置き検証の32サイトで、NESOより低い誤差を示しました。
説明絵画の変化マップで絵画プロセスの生成を導く手法
要約本論文は、絵画の正向きの描画過程と逆向きの消去過程を動画生成で制御するための時空間制御機構「Painting Change Map（絵画変化マップ）」を提案しています。1000タイムステップにわたり、局所的な視覚差分をRGB空間に符号化して、動作の位置と時点を指定します。著者らは、既存の制御手法を上回り、最先端の絵画生成手法と同等以上の結果を得たと報告しています。
説明アラビア語言語モデルの文化的行動を選好データで整合させる研究
要約本論文は、アラビア語の大規模言語モデルを国ごとの文化的行動の選好に合わせる研究が不足している点に着目しています。著者らは、著者によれば汎アラブ地域を対象とした初の大規模な国別文化行動選好データセット「ArabPref」を提案しています。英語と現代標準アラビア語で、訓練・評価用の選好データセットと、各国の文化に沿った行動を評価する多肢選択式ベンチマークを公開しており、テストデータはネイティブスピーカーが検証しています。多言語モデルとアラビア語中心のモデルに対し、複数の事後学習手法を試しています。
説明世界相対の軌道整合性のための演算子不一致対比学習
要約本論文は、世界モデルは未来の妥当性だけでなく、実際に働いている潜在ルールに合うかで評価すべきだと指摘します。著者らは、「妥当だが演算子が誤っている」軌道を困難な負例とする演算子不一致対比学習（OMC）を提案し、世界相対の整合性を直接測る評価手法も設計しています。合成ベンチマークやCoPhy ballsCFでの特徴量レベルの外部検証で、演算子に敏感な評価性能が向上したと報告しています。
説明誰が誰を説得したのか？マルチエージェントシステムでLLMが考えを変える過程を追う
要約本論文は、複数の大規模言語モデルが相互に討論する際、仲間の論拠が個々の判断と集団の結果にどう影響するかを検証しています。知識・推論、価値観と道徳判断、安全性と拒否の3分野にわたる2,400問のベンチマーク（MAD Bench）を構築し、独立した反省による対照群と比較しました。その結果、討論後の合意が必ずしも独立した裏付けを意味せず、一致した誤答が増える場合があることが示されています。
説明CD-OPD：オンポリシー蒸留のための文脈ダイジェスト手法
要約論文は、オンポリシー蒸留（OPD）において、生徒と教師がそれぞれ同じ問題に正しく答えられても、教師の引き継ぎによって誤った回答が生じうることを指摘し、その失敗を協調失敗率（CFR）で測定しています。提案手法CD-OPDは、教師が生成する依存グラフによって問題の条件や先行する推論をノード要約として整理し、教師の指導と合わせて文脈ダイジェストを作り、生徒がその後を続けます。さらに、オンライン・メタ再重み付けにより、ダイジェスト部分の勾配を調整します。論文によれば、8つのベンチマークで代表的な既存OPD手法より平均精度が1.32～7.05ポイント向上し、引き継ぎ型のOPD手法に比べてCFRを低減しました。
説明LateMatch：キャッシュ可能なマッチングで相互作用のボトルネックを解消し、効率的な視覚的位置推定を実現
要約本論文は、エッジデバイス上での視覚的位置推定の計算コストが大きい問題に対し、画像間の相互作用を最終層へ遅らせる手法LateMatchを提案しています。画像内の処理はオフラインでキャッシュ可能なContext Blocksに分離されます。さらにE-SToREは、エントロピーの変化に基づいて相互作用の前にトークン数を動的に削減します。論文によれば、複数のデータセットで標準的な深層マッチャーより実効計算コストを2倍以上削減し、E-SToREは追加で10%から14%を節約しつつ精度の低下はわずかです。
説明CHSM8：自然言語のスタイル指示に従って指すチェス用Transformer
要約本論文はCHSM8を提案する。これは2.1億パラメータのチェス用Transformerで、「シシリアン・ディフェンスを選ぶ」や「堅実で安全なチェス」などの指し方の記述に応じて着手を選ぶ。モデルは探索を使わず、フィルタリングした約10.7億局のLichess対局で事前学習されている。微調整と選好最適化（DPO）の後、テストしたすべての指示でスタイルへの適合度が上がり、指示なしの棋力はSFTとほぼ同等に保たれたと報告している。
説明局所的証拠と全体的失敗：音声映像言語モデルにおける音声・視覚の時間的合成の診断
要約本論文は、音声映像大規模言語モデルが動画全体での音声・視覚判断に失敗しても、有用な視覚的証拠は局所的に回復可能であることを扱います。訓練不要の診断枠組みTEDを提案し、局所的な視覚的検証と音声区間を基準とした証拠の集約を分離します。SVHallucで四つの固定モデルを評価した結果、時間予測の正解率は動画全体への質問時の29.3〜33.7%から、TED使用時に79.3〜82.2%へ上昇したと報告されています。
説明大規模言語モデルにとって計画問題が難しくなるとき：構造的複雑さと意味的解釈可能性の分離
要約本論文は、古典的なSTRIPS計画問題における大規模言語モデル（LLM）の性能を検討し、問題自体の構造的難易度と記号語彙の解釈の難しさを区別します。ゼロ訓練のdelete-relaxationヒューリスティックh_addは、学習型の代替手法より保留ドメインで高い相関を示しました。述語を述語の意味を保ったまま改名すると、LLMの有効な計画成功率が低下する一方、拒否率は0%のままでした。著者らは、より多くの構造予測器を開発するよりも、述語の意味に敏感なLLMの振る舞いをモデル化することが重要だと結論づけています。
説明予測クラス補正：校正データのないクラスのための共形しきい値
要約本論文は、ロングテール環境で校正用のラベル付きデータが不足するクラスに対し、予測クラス補正（PCC）を提案している。分類器ヘッドの幾何学的記述子から、クラス別と周辺の共形しきい値の差を回帰で予測し、ラベルなしでクラス固有のしきい値を与える。ImageNetでは、平均集合サイズを揃えた条件下で、このようなクラスの最悪クラスカバレッジが改善したと報告されている。また、クラスあたりのテスト例が約35未満では、最悪クラスカバレッジの評価自体が困難になると指摘している。
注目点ラベルのないクラスにも共形閾値を割り当てる手法を提案し、重み記述子からの回帰と評価深度の限界を示す。証拠は比較的充実している。
説明MCSplat：運転シーン向けの多視点で測光・幾何が一貫したフィードフォワード型ガウス・スプラッティング
要約本論文は、疎な多視点画像から運転シーンを再構成するためのMCSplatフレームワークを提案しています。深度に基づく多カメラ対応関係から正準的な外観空間を構築し、カメラごとの露出やISP、照明の違いを幾何学習から切り離します。マルチスケールのバイラテラルグリッド・トランスフォーマーで元のカメラ外観を復元し、測光的な監督を可能にします。また測光感度からフィッシャー情報に基づく不確実性を推定し、表面志向の自己教師あり学習の重みを適応的に調整します。実験では再構成品質と汎化性能の向上、深度と表面法線の整合性の改善が示されています。
説明FoundPDE：偏微分方程の記号発見のための生成型基盤モデル
要約本論文は、観測データから偏微分方程式（PDE）の記号表現を発見するための事前学習済みモデルFoundPDEを提案している。離散化された時空間軌道を入力として記号方程式を出力する。20のPDEファミリーからなるクリーンなドメイン内ベンチマークでは型認識率97.50%を達成した。ノイズ下では性能が低下し、入力に10%のノイズを与えた場合は52.09%となる。未知の複合方程式については、少数ショット微調整により4つの保留ファミリーで90%超の厳密な復元率を示した。
説明CASE：音声駆動3D顔アニメーションを強化する補完的調音認識音声エンコーダ
要約本論文は、短い音声クリップを連続的な3D唇メッシュのVQ-VAE潜在変数と対照学習で整合させ、汎用自己教師あり音声エンコーダを適応させたCASEを提案する。4つのVOCASETベースラインで融合すると、平均唇頂点誤差が改善し、全顔頂点誤差はすべてのシステムで低下した。適応には韓国語の音声-形状ペアを用い、評価は英語のVOCASETで行われ、跨言語的な下流転移と整合する結果が得られたとしている。
説明形式検証を伴う自動研究によるマルチヘッド注意機構の表現力分析
要約本論文は、位置埋め込みを加えた1層・注意機構のみのTransformerにおいて、ヘッド数が表現力にどう影響するかを調べます。ブール関数のヘッド複雑度（表現に必要な最小ヘッド数）を定義し、その正確な表現形式と一般的な閾値次数に基づく下界、下界が厳密となる10ビットの具体例を示しています。対称ブール関数については、ヘッド複雑度が隣接するハミング重みの層間で関数値が変化する回数に等しいことを示しています。定理の生成と証明・機械検証は最先端モデルが担当し、人間の研究者は問いの設定と結果の確認を行いました。Lean による形式化と研究記録は公開されています。
注目点多頭注意機構のヘッド複雑度の正確な特徴づけと閾値次数の下界を示し、形式的に検証しているが、影響は主に理論と解釈可能性の分野に限られる。
説明エッジ展開可能な軽量フレームワーク：車線逸脱と交通標識認識を統合したリアルタイム運転安全システム
要約本論文は、車載組込みデバイス上で動作する、車線逸脱警報と交通標識の検出・認識を同時に行う統合型ADASフレームワークを提案しています。車線分割ベースの軽量な警報機能には、標示が劣化した場合の走行可能領域による代替手段が含まれ、標識処理は二段階のパイプラインで構成されます。NVIDIA Jetson Orin Nano上でエンドツーエンド15 FPSを維持し、検出mAPは97.4、検証精度は95.6%と報告されています。
説明学習された特徴と固定特徴の、分布に依存しない分離
要約本論文は、入力分布に依存しない設定でも、学習された特徴が計算上の利点をもちうることを示します。二層ReLUネットワークと自然勾配ベースのアルゴリズムで効率的に学習できる仮説クラスを構成し、多項式次元の固定特徴写像と線形予測器では表現できないことを示しています。この結果は、Feldman、Kamath、Srebro（2026）によるCOLTの未解決問題に答えるものです。
注目点学習された特徴と固定特徴の分離が分布非依存の設定で成り立つかという公開問題を解決し、構成的な理論的分離結果を示している。
説明CoRe-WM：乳房DCE-MRIにおける経時的治療反応予測のための条件付き反応状態世界モデル
要約本論文は、乳がんの術前化学療法後の病理学的完全奏効（pCR）を予測する課題を扱い、予測を世界モデリングの問題として捉えるCoRe-WMを提案している。観測された画像系列から次の画像状態を予測する潜在状態遷移モデルを学習し、患者の臨床プロファイルと割り当てられた治療で条件付けする。因子化された反応状態経路により、治療反応の動態と画像の見え方を分離している。I-SPY2でのfive-fold交差検証とI-SPY1への交差コホート転移で評価され、各前向き判断時点で最も高い判別能が示された。
説明混合グループを追う：ゼロ分散のWebロールアウトのための尾根追跡ガウス采样
要約論文は、GRPOは回答の結果がばらついているときにしか学習できず、全問正解・全問不正解のグループには学習信号がないと指摘します。著者はRIDGEを提案し、ガウス型カリキュラムの枠組みは保ちつつ、各問題のBeta事後分布で採样重みを決め、直前に結果が混在したグループだけで中心と幅を更新します。2つの数学バックボーンと検索拡張型質問応答モデルでは、RIDGEが平均精度でGRPOより3.4点、2.9点高く、平均完全一致では3.7点高くなりました。動的サンプリングと比べ、数学のロールアウト数とツール呼び出し回数も減っています。
説明MPIG：単一の偏光観測から多角度偏光画像を生成する手法
要約本論文は、Swin Transformerベースのフレームワークを用いて、0°の偏光観測のみから欠落した45°・90°・135°の偏光画像を予測するMPIGを提案している。また、屋内外の多様なシーンで撮影した5,474組の四角度高解像度偏光画像からなる大規模実データセットHighPolを構築した。実験では画像と偏光の精度向上が示され、ガラス検出と意味的セグメンテーションの下流タスクでも有用な情報が保持されることが報告されている。
説明論文解説：RL事後学習で群内の報酬が分かれる問題を見つける確率事前分布（Aperture）
要約この論文は、GRPO型の強化学習事後学習において、群内の報酬がすべて正解またはすべて不正解だと分散がゼロになり優勢度もゼロになって計算資源が無駄になる問題を扱います。著者らは、少数の問題を用いた短い探索学習で各問題の将来の正答率を予測し、その結果から訓練規模の群が分かれる確率を計算する手法Aperture（開口）を提案しています。1.7Bと4Bのモデルによる数学・論理推論の実験では、一様サンプリングのGRPOより貪欲法の精度が向上し、優勢度が非ゼロの群の割合も増えたと報告されています。
説明検索拡張型LLMが急速に変化する知識を推論する際に、どこで、なぜ失敗するか
要約本論文は、TREK評価スイートを提案します。これは検索と推論のどの段階で失敗が起きたかを特定するTREKTRACE（TREKTRACE）、実世界の質問からなるメタベンチマークTREKBENCH-WILD、そして時間性・関連性・信頼性にまたがる干渉項を含む制御ベンチマークTREKBENCH-CTRLで構成されます。主なボトルネックは検索ではなく検索後の推論であり、最先端モデルでも必要な情報をすべて取得した後に矛盾する証拠に惑わされることが報告されています。
