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ReAnchor：棄却された検証器状態を再利用する拡散ベースのドラフト生成
要約本論文は推測デコーディングを高速化する手法を扱います。拡散型ドラフターは一度の順伝播で複数のドラフトトークンを生成しますが、単一のアンカーから固定長のブロックしか作れず、検証時に破棄される隠れ状態も再利用されていません。提案手法ReAnchorは学習不要で、破棄された検証器状態を使って事前学習済みドラフターをずらした位置に再アンカーし、並列のドラフトブロックを生成します。サンプリング温度T=0では、Gemma 4-12Bで8つのベンチマークの平均接受長が19.4%、デコード速度が17.9%向上しました。
説明nuScenesにおける車両意図予測のための意味知識グラフ構築パイプライン
要約本論文は、自車視点の車両意図に関する情報を記述するOWLベースの意味表現と構築パイプライン「nuScenes Intention Knowledge Graph（NIKG）」を提案しています。相対運動、空間配置、衝突までの時間（TTC）リスクを各参加者の第一級プロパティとして組み込み、入力は自車位置、追跡対象の注釈、キーフレームの時系列順序のみです。nuScenes miniに適用した結果、404キーフレームにわたる211,335個のトリプルのグラフが生成され、相対運動ラベルの前方一貫性は92.5%でした。
説明多教師オンポリシー蒸留をフィッシャー幾何で捉える研究
要約本論文は、近い関係にある専門家モデルの同一盆地内では、多教師オンポリシー蒸留の目的関数が二次近似でフィッシャー併合の目的関数と一致することを示します。これに基づき、まずタスクベクトル部分空間でフィッシャー併合を行い、残差スペクトルに従って分岐学習と更新の書き戻しを制御するRGBMを提案しています。原文によれば、二つの公開統合ベンチマークで第一段階の併合だけで完全学習の多教師蒸留と同等以上の結果が得られ、RGBMはさらに改善したとされています。
説明行動の正確さを超えて：LLM投資家シミュレーションにおける個人レベルの忠実度の評価
要約本研究は、大規模言語モデルが個人の取引行動と意思決定ロジックを長期にわたって忠実に再現できるかを検証しています。80名の参加者によるペーパートレードの縦断調査で、翌日予測を用いて評価しました。評価対象のどのLLMも、直近の取引活動に基づく単純な持続性ベースラインを安定して上回ることはできず、売買構造と銘柄選択の再現も難しいことが示されました。
説明スマートフォンのポートレート描画向け解釈可能な顔コントラストモデリング
要約本論文は、メーカーごとに異なるスマートフォンの人物写真の描画の違いに着目し、顔のコントラストを全体的な顔の階調分離、目の周辺のコントラスト、皮膚の細部の微細コントラストの3つの成分に分解する解釈可能な枠組みを提案しています。各成分の指標は対比較による人間の判断で検証され、従来のコントラスト指標より人の知覚に近いことが示されています。さらに、29機種のスマートフォンで撮影した508枚のマネキン画像のデータセットを構築し、小規模な実写データでも予備的な評価を行っています。
説明構造化金融基盤モデルに向けた研究課題の提案
要約本論文は、構造化データを重視し、ドメインごとに特化したモジュール型の金融基盤モデルを、ドメインやタスクをまたいで再利用・組み合わせ可能な表現ファブリックで接続する研究の方向性を提案している。モデルは集約レベルや時間軸を通じて金融状態を保持し、その動態を捉え、行動に依存した将来を模擬し、局面や尾部事象にわたって校正されることが求められるとする。あわせて研究課題、方向性、能力に基づく評価基準を示している。
説明RouterWorld：対話型AI向けのレイテンシ考慮型LLMルーティングベンチマーク
要約本論文は、対話型生成AIにおけるLLMルーティングの総合ベンチマーク「RouterWorld」を提案しています。単一ターン応答37.1万件と多ターンのエージェント軌跡7.6万件を統合し、標準化されたLLM-as-a-judge評価プロトコルを採用し、ハードウェアに基づくレイテンシ注釈により効率性を一時的な価格から切り離しています。13のルーティング基準手法を評価した結果、多くのルーターが部分観測の下でレイテンシを軽視し、精度を過度に重視することがわかりました。
説明スケジュールではなくタスクを学ぶ：両腕模倣学習における偽の腕間結合の低減
要約両腕のデモンストレーションには、タスクの内容と各腕の動作タイミングの両方が含まれます。論文は、学習時にアームごとの動作内容を保ったまま時間配分を組み替える、制約保持型時間再結合（CTR）を提案します。これにより、タスクに必要な腕間制約だけを残し、偶発的なスケジュールへの依存を減らします。Diffusion Policy、Action Chunking with Transformers、π0.5 に適用され、実ロボットでの最悪初期状態の成功率と制約違反の低減が報告されています。
説明ニューラルの坑道のカナリア：画像分類器の静かな高信頼度の誤りを検出する
要約展開された視覚モデルは確信度の高い予測を自動的に受け入れるため、高信頼度の誤りが気づかれないまま伝播します。本論文は、標準的な失敗予測指標である最大ソフトマックス確率（MSP）の構造的な盲点を分析し、学習を必要としない検出器CANARYを提案しています。CANARYは、終端直前の特徴量のPCA残差に対するクラスごとのkNN距離を計算し、MSPと融合します。5種類のバックボーンによる385の分布シフト条件のうち382件で同等以上の性能を示し、ImageNet-A/R、ObjectNetなどの自然な分布シフトで最大の改善が見られたと報告しています。
説明ScopeMem：凍結GUIエージェントをどこで修正すべきか学習する潜在メモリ手法
要約本論文は、GUIエージェント向け潜在メモリの効果が履歴の符号化よりも、モデルの既定動作の修正によるものだと指摘しています。提案手法ScopeMemは、初期回答を条件として前置ベクトルを生成し、誤りを修正しつつ正しい判断を維持するよう学習します。複数のデータセットで既存の基準手法を上回り、凍結したQwen3-VL-8Bが一部のGUI専用エージェントやQwen3-VL-32Bに並ぶ、または上回る性能を示したと報告しています。
説明進化するペナルティによる選好報酬モデルの報酬ハッキング緩和
要約本論文は、方策の学習中にオンラインで選好報酬モデルの報酬ハッキングを緩和するDynalize手法を提案します。言語モデルが学習時の出力を定期的かつ非同期に分析し、報酬モデルが報酬を与えているように見える望ましくない振る舞いへのペナルティを作成し、審判がそれを各出力に適用します。臨床カウンセリングと創作の課題では、報酬モデルのみで学習すると得点は上がり続けるものの外部ベンチマークは低下しますが、Dynalizeはより長い学習を可能にし、下流性能を改善します。
説明PDNet：工業組立における作業者の動作をリアルタイムで認識するための枝刈りと蒸留の探究
要約本研究は、工業組立における細粒度の人体動作認識（HAR）を対象とし、3D畳み込みネットワークに対して構造化枝刈りと知識蒸留を組み合わせるPDNetを提案しています。まず3D-CNNバックボーンを教師あり学習で訓練し、チャネル単位の構造化枝刈りでコンパクトなネットワークを得た後、枝刈り前の大きなモデルを教師として蒸留を行い、枝刈りで失われた精度を回復させます。MECCANOデータセットとX3D-Mバックボーンでは、蒸留なしの枝刈りモデルのTop-1精度は25.54%、PDNetは39.46%で、モデルサイズは6.90 MB、計算量は3.78 GFLOPsです。
説明スパースオートエンコーダ符号間で介入効果を比較する際の強度制御の影響
要約スパースオートエンコーダ（SAE）の符号を変えると、介入の方向と大きさの両方が変わるため、効果を比べるには強度を揃える制御が必要です。本研究はGemmaとLlamaで固定された特徴群について、ノルム整合と出力キャリブレーションの二つの制御下で介入効果を比較しました。全出力KLキャリブレーションは参照介入との平均差を小さくし、残差の不一致を見る診断にも使えるとしています。
説明SPAR：視覚・言語・行動モデルの構造的枝刈りと行動回復
要約本論文は、視覚・言語・行動（VLA）モデルの大規模言語モデル部分の隠れ次元と順伝播中間次元を同時に枝刈りし、その後強化学習で方策性能を回復させるSPARを提案しています。π0.5に適用すると、言語部分は2.34Bから0.09B、モデル全体は3.37Bから1.12Bのパラメータに減少し、それぞれ約96%と67%が削減されました。この圧縮水準で、LIBERO の4つのスイートにおける平均成功率は84.55%から93.45%に向上し、未枝刈りモデルより1.98倍高速に推論しました。
説明湿潤バイアスのあるデータパイプラインが生成型降水ナウキャストの学習と評価を誤らせる
要約本論文は、生成型降水ナウキャストモデルが降水事象を多く含む湿潤バイアスのデータセットで主に学習・評価されていることを指摘します。目標観測に基づくテストデータの選び方は、学習される条件付き分布も変えることを理論的に示しています。同じ拡散モデルでも、テストの抽出方法によって校正の評価結論が逆転しうることを実験で示しています。
説明多様体上のロジスティック分類のためのBesov関数のガウス近似（Besov関数を多様体上のガウス核で近似し、ロジスティック分類の性能を解析する研究）
要約本論文は、コンパクトで滑らかな埋め込み多様体上で、ガウス核による近似と正則化ロジスティック分類を研究している。周囲空間への拡張を用いず多様体上で直接ガウス近似子を構成し、本質次元で制御されたノルム評価を得ている。また、ロジスティック過剰リスクの収束率を示し、予測値のクリッピングによりより速い収束率が得られること、有界密度の場合にその多項式指数が二乗損失回帰の最小最大最適率と一致することを述べている。
注目点多様体上のBernstein型不等式と外延なしのガウス近似により飽和を克服し、ほぼ最適な率を厳密な証明で示した。
説明医用画像のための3次元拡散モデル（レビュー）
要約本論文は、医用画像（CT、MRI、PETなど）向けに開発された3次元拡散モデル（Diffusion Models）を比較的に概観するものです。データ拡張、ドメイン変換、画像再構成、インペインティング、アーチファクト補正などの用途が挙げられ、患者特性や医療レポート、セグメンテーションマスクなどを条件として画像を生成できることが述べられています。また、3次元ボリュームデータに起因するメモリ・計算量・学習データの要求といった課題を取り上げ、現状の性能、限界、今後の展望に焦点を当てています。
説明AfriGuard：アフリカ言語における安全性と頑健な拒否応答
要約本論文は、10のアフリカ言語と英語を対象に、有害な意図の検出、安全カテゴリの理解、拒否応答の振る舞いを研究するための多言語データセット AfriGuard を紹介しています。ガードレールモデルは、安全意図および安全カテゴリの分類で、オープンソースおよびクローズドソースの大規模言語モデルより低い性能を示し、安全行動の理解はF1で60%未満にとどまりました。また、効率的なガードレールモデルの開発と教師ありファインチューニングによる安全性能の向上も報告されています。
説明勾配変動リグレットに対する単純で統一的な手法：動的リグレットと汎用オンライン学習のための新しい枠組み
要約本論文は、意思決定の移動に二次ペナルティを課す代理損失に基づく、勾配変動境界を得るための単純で統一的な手法を提案します。非定常オンライン学習では、楽観的手法から勾配変動境界への帰着を実現し、汎用オンライン学習では既知の最適な汎用リグレット境界に一致する単純なアルゴリズムを、拡張平滑性の仮定を緩めて与えます。さらにオンラインゲームに適用し、既存の保証を改善しています。
説明Expand-and-Sparsify表現の学習に関する研究
要約本論文は、線形写像を勾配降下法で学習することが、ランダムな写像と比べてどれほど有利かを検討し、その効果が拡張の幅によってどう変わるかを調べています。73件のOpenML分類タスクと48件の回帰タスクで比較を行っています。主な結果として、拡張が最も狭いときに学習の効果が大きいこと、学習された表現は多くの拡張倍率で稠密なReLU層と同等であること、二値化時には疎な符号の方が優れることが示されています。
説明VeriCUA：信頼性の高いGUIエージェント報酬のための能動的検証の学習
要約本論文は、コンピュータ操作エージェントのタスク結果を実環境での実行により検証する能動的報酬エージェントVeriCUAを提案します。学習可能なJudgeが何を確認しいつ停止するかを決め、固定されたProbeが実環境で検査を実行し、オンライン強化学習で最適化します。OSWorldのみで学習し、MobileWorldとWebArena-Verifiedで評価したところ、報酬の一致度が最も高く、プロンプト型の判定器より優れ、エージェントのタスク成功率も向上しました。
注目点Judgeが検証内容と停止時点を学習する手法を提案し、三つのベンチマークで少ないProbeコストで提示型大規模モデルを上回り、新規性と根拠が比較的高い。
説明YUTELA：複数拠点の映像異常検知向けに場面ごとの適応を備えた拡張可能なエッジ・クラウドAIoTシステム
要約本研究は、先行するAnciliaフレームワークを発展させ、長期・複数拠点の映像異常検知を行うエッジ・サーバー・クラウド連携のAIoTシステムYUTELAを提案する。NVIDIA Jetson Thorのエッジ機器とTensorRTによる推論高速化を用い、8台のカメラ構成ではスループットが14.17から29.94 FPSに向上した。4つの公共拠点で31台の既存CCTVカメラを用いて170時間連続運用した結果、平均のエンドツーエンド警報遅延は6.8から15.4秒だった。
説明GeoDiv KANソルバー：複雑な領域における時間分数階ナビエ・ストークス方程式の解法と実CFD再構成
要約本論文は、幾何学的ゲーティングと発散なし（divergence-free）のガウス放射基底関数を用いたKolmogorov-Arnoldネットワーク（GeoDiv KAN）を提案し、複雑な領域上の時間分数階非圧縮性ナビエ・ストークス方程式を解くものである。幾何依存の特徴ゲーティングと流れ関数の定式化により、構造的に非圧縮性を保つ。正方形、円形、星形領域のベンチマーク問題において、PINN、PIKAN、RBF KAN、DF RBFKANより高い予測精度を示した。さらに、円柱周りの非定常流れとU字曲がり管内の乱流RANS流れの2つのデータ駆動CFD事例に適用されている。
説明キャリブレーション後も学習用ネガティブ例は依然として重要である
要約本論文は、回答可能性の読み出しモデルを学習する際に、答えを含まない否定的な段落を残すかどうかが、較正された予測、ランキング、下流の回答保持にどう影響するかを検証しています。SQuAD 2.0 と RepLiQA で、否定例を残して学習した読み出しモデルは Brier 損失と AUROC で優れた結果を示しました。一方、SQuAD 2.0 では回答不能な質問にも答えを残す割合が高くなりました。著者らは、常に保持が優れるとは結論づけていません。
説明混合変分・コロケーションPINNにおける残差ベースの適応的細分化：混合ディリクレ・ノイマン境界条件を持つ特異楕円型PDE向け
要約本論文は、非凸または亀裂を含む領域で混合ディリクレ・ノイマン境界条件を持つ二階楕円型偏微分方程式を、混合変分・コロケーション型の物理情報ニューラルネットワークで解く手法を研究している。残差に基づいて新たなコロケーション点を選び、適応的に追加する。五つの二次元ベンチマークで、同じ予算での一様な点追加と比べ、相対L2誤差は最大32分の1、相対L∞誤差は最大38分の1、相対H1半ノルム誤差は最大15分の1に低減された。
説明段階的マルチスケール腫瘍状態メモリによる不完全マルチモーダル脳腫瘍セグメンテーション
要約本論文は、脳腫瘍MRIセグメンテーションにおいて一部の撮像シーケンスが欠損する問題を扱い、T1ce、T1、FLAIR、T2の空でない任意の部分集合から分割できる段階的マルチスケール腫瘍状態メモリネットワーク（PMTM）を提案している。エンコーダの各段階で現在の被験者の腫瘍状態を保持し、ゲート機構により各モダリティの証拠を統合して融合を導く。BraTS2018、BraTS2020、BraTS2023 GLIの15種類のモダリティ部分集合において、PMTMの平均Dice値はそれぞれ75.31%、77.54%、80.47%であり、比較対象のRobustSeg、RFNet、mmFormerを上回った。
説明ALIGN：優位性条件の推定と行動予測を整合させる行動クローニング手法
要約本論文は視覚・言語・行動ポリシーのためのALIGNフレームワークを提案します。方策側のラベル空間で分類的な対条件を直接予測し、AdaRMS変調と流れ時間の融合によりDiT行動エキスパートへ注入します。成功・再試行・失敗が混在する実ロボットデータで評価し、ARX X5の碗積み上げとFranka鍵掛けで、閉ループ成功率はそれぞれ90.0%と56.7%となり、最強のAC-BCベースラインの56.7%と33.3%を上回りました。
説明何を覚えるべきかを学ぶ：生涯型エージェントのための資源効率的な自己改善
要約本論文は、生成・相互作用・記憶の資源が制約される状況で、展開後の経験から自己改善するエージェントの問題を扱います。経験を増やすことが必ずしも良い判断につながらず、既存の生涯記憶手法の一部は単純な検索や記憶なしのエージェントより効果が限定的であることを示します。これに対し、疎な実行フィードバックからクエリ依存の記憶価値を学習し、経験の検索と有界な記憶管理を導く TokenWorth を提案します。バックボーンモデルは更新しません。三つの LifelongAgentBench 環境で、指定の資源予算下において最高のタスク成功率を達成し、出力トークン数も評価手法の中で最少でした。
説明ガイダンスが守りになるとき：テキストから画像生成における危険な入力の早期遮断
要約テキストから画像を生成する拡散モデルは危険な内容を生成することがあり、一般的な出力フィルタリングは画像生成後にしか働きません。本研究は、生成過程そのものの信号を使って危険な入力や敵対的入力を早期に検出できるかを検討します。提案手法の条件付き意味軌跡遮断（CSTI）は、早期の検査点で条件付き応答と無条件応答の活性化の差を集約し、較正されたリスク検出を行います。攻撃サンプルや生成器の変更は不要です。実験では、遮断された経路で生成遅延を60%以上削減し、総合性能で最良の結果を示しました。
説明Oddin：画像生成からの自己蒸留による統一マルチモーダルモデルの潜在視覚推論
要約統一マルチモーダル大規模モデルは、テキストと画像を交互に生成することで視覚推論を行えますが、中間画像の生成には大きな計算コストがかかります。Oddin は中間画像の代わりに、理解ブランチだけで処理されるコンパクトな潜在トークンを用い、生成ブランチは最終画像の出力に専念させます。学習はオフラインの自己蒸留により行われ、最終画像生成損失、テキスト蒸留損失、特殊トークンの交差エントロピー損失を組み合わせます。七つの VBVR-Pro 視覚推論タスクの平均で、交互生成ベースラインや非公開の視覚言語モデルを上回りました。
説明TeleASR-Amharic：実際の通信条件下でのアムハラ語頑健な音声認識ベンチマーク
要約本論文は、多様な音響および通信条件下でアムハラ語の自動音声認識（ASR）を評価するためのベンチマーク「TeleASR-Amharic」を提案しています。実際の通信録音に見られる主な劣化を分析し、チャネル条件、環境ノイズ、通信ドメインの変化を網羅したベンチマークを構築しました。結果として、深刻な通信劣化では認識性能が大きく低下し、最良モデルの単語誤り率は0.23から0.79に上昇しました。学習データの拡大と通信を考慮したデータ拡張により頑健性が向上し、通信ドメインのデータも公開されています。
説明音声感情認識における正解ラベルの権威：Emozionalmente データセットにおける意図された正解と知覚された正解
要約本論文は、音声感情認識における「正解」の扱いを検討し、イタリア語の演技音声コーパス Emozionalmente を用いて、演者が指定した感情ラベル、聴取者の多数決、全投票分布の三つの正解の根拠を比較しています。結果として、三者はそれぞれ異なる役割を持ち、互いに代替できないことが示されています。演者ラベルは音声がどのように生成されたかを、多数決は単一クラスの判断を、投票分布は知覚上の不確実性を表します。人が利用するアプリケーションでは、予測対象の根拠を明示し、不一致がある場合は分布的なスコアを用いることが提案されています。
説明WenSight-Decision-1：EC規則に基づく直接的意思決定モデル
要約本論文は、自然言語で書かれた規則と案件情報に基づき、与えられた選択肢を直接スコア化する統一モデル WenSight-Decision-1 を提案しています。6種類のEC運用タスクを対象とし、Qwen3.5-9B を参照選択肢を教師信号として微調整しています。最終評価に用いた1,440件の合成案件では、同一の入力と採点条件下で、精度が基盤モデルの61.60%から92.92%に向上したと報告されています。
説明重み空間再パラメータ化による大規模言語モデルのファインチューニング再考：下流適応時の安全性保持
要約大規模言語モデルを下流タスクでファインチューニングすると、元々整えられた安全性の振る舞いが弱まることがあります。本論文はWSR-Tuneという枠組みを提案し、安全条件付き基底で重み行列を再パラメータ化して安全関連情報を少数の方向に集中させ、安全上重要な方向を凍結して残りの方向のみを更新します。実験では、下流性能と安全性保持の間でより良いトレードオフが得られたと報告されています。
説明R2-GP：加法的ガウス過程のための分散校正事前分布
要約本論文は、ガウス過程一般化加法モデル（GAM）向けのR2D2型事前分布R2-GPを提案し、Matérn共分散カーネルの説明分散（R²）を校正します。著者らは、独立した振幅の事前分布では長さスケールの違いにより分散が過大評価され、特に高次元で顕著になると指摘します。R2-GPは、長さスケールと観測入力に基づき各成分を再スケールし、各成分の分散をグローバルR²事前分布が誘導する関数分散の一部としてモデル化することで、この問題に対処します。さらに大標本にも対応するため、ヒルベルト空間近似法への拡張も行われています。シミュレーションと実データの事例では、独立分散事前分布よりも優れた汎化性能とパラメータ復元が示されています。
説明エージェント記憶の幾何学：検索に起因する記憶の失敗の予測と、その限界
要約本研究は、会話の各ターン、記憶テキスト、クエリの間の幾何学的関係から、生成前に回答の正誤を予測できるかを検討しています。論文では25の特徴量を用いたロジスティック分類器を、LongMemEval-smallで評価し、全体のAUROCは0.640で、問題の難易度ベースライン（0.655）を下回りました。著者らは、これは記憶表現と正答性の関連を示すにとどまり、信頼できる運用上の診断ツールとは言えないと結論づけています。
説明再帰的言語モデルを用いた長編動画からテキストへの要約
要約本論文は、長編動画のテキスト要約に特化した初の再帰的動画言語要約モデルRVLSMを提案します。動画を意味的に一貫したセグメントに分割し、各セグメントの推論を動画大規模言語モデルの下位モデルと外部ツールに委ねます。意味に基づく時間分解により時間的連続性を保ち、適応型マルチモーダルツール呼び出しにより行動認識や文字認識などのモジュールを必要に応じて使い、要約の内容を豊かにします。VideoXumとMixTyVSumのベンチマークで、ゼロショットの基準モデルを上回り、微調整済みの先進モデルと競合する結果を示しました。
説明早期心室リエントリー予測のための生理学的情報を考慮したグラフアテンション手法
要約本論文は、心臓電気生理シミュレーションの結果から、最初の2回のペーシング興奮の後に持続性心室リエントリーが起こるかを早期に予測するグラフアテンション分類器を提案しています。入力は、初期の節点電圧と、幾何学、刺激頻度、組織ラベル、振幅、拡張期間隔などの辺属性からなるグラフです。独立した1000件のテストシミュレーションでの正解率は94.6%、ROC-AUCは0.987でした。アブレーション実験では拡張期間隔が最も重要な記述子であることが示されています。
説明HarnessRL：開かれた強化学習のための、方策と共進化するジャストインタイム訓練ハーネス
要約本論文は、評価基準（rubric）を報酬とする開かれた生成の強化学習において、報酬が途中で機能しなくなる問題を扱います。報酬が識別力を失う場合と、高得点が良い応答に対応しない場合の二つの失敗モードを挙げています。提案手法HarnessRLは、タスク採樣、ロールアウト指示、評価基準の三つのインターフェースを通じて方策と共に進化する訓練ハーネスです。また、医療、科学、ライティング、ロールプレイ、指示遵守の五領域からなるRubric-Mix-10kを構築しています。
説明SNO-PI：事前学習エンコーダと整備済み用語知識による、少数ラベルのSNOMED CTエンティティリンキング
要約本論文は、SNOMED InternationalのSNOMED CTエンティティリンキング・ベンチマークで2026年10月18日時点で最高成績となったシステムSNO-PIを紹介する。マクロ文字IoUは0.5387である。高再現率のスパン抽出、SapBERTによる候補検索、三つのBERT系エンコーダによるリストワイズ・アンサンブル再ランキングを組み合わせ、各エンコーダは未ラベルのMIMIC-IVノートおよびSNOMED CTの同義語と階層で事前学習されている。整備された知識は学習で見なかった概念に最も有効だったが、これらの概念が依然として主な誤りの原因である。
説明ルール空間のガバナンス：ルール学・計算不可約性と量子技術の先見的規制
要約本論文は、規制を新技術に後追いするものとしてではなく、起こりうる変化を探索する営みとして捉え直すことを提案します。「先見的規制のためのルール学フレームワーク」を提示し、ルール・変容・軌道を区別して、代替案と可能な展開を評価します。事例研究として欧州の「量子欧州戦略」を取り上げています。
説明同一プロンプトを繰り返した場合の、深層研究システムにおけるエンティティ集合と引用の自己一貫性
要約本論文は、ある商用の深層研究システムに同一のプロンプトを繰り返し与えたときの自己一貫性を調べています。各レポートを、記載された固有表現（独自のスキーマで分類）の集合と、検索された引用の集合で表し、オープンエンドなサイバーセキュリティ関連のプロンプトで十回実行しました。その結果、エンティティのペアごとのJaccard係数の中央値は0.12、引用のペアごとのJaccard係数は0.02未満で、発見曲線も明確には飽和しませんでした。
説明不均衡二値分類のための局所データ拡張の研究
要約本論文は不均衡な二値分類を対象に、少数クラスの誤検出の割合を抑えつつ再現率を最大化することを目指しています。少数クラスの一様サブサンプリングから、より複雑な局所データ拡張まで、いくつかのリバランス手法の効果を検討しています。著者らは、クラス比率の調整だけでは分類性能は変わらず、局所データ拡張は最終結果に影響することを示しました。合成データの実験では、分類境界近傍のアンカー点をサブサンプリングしてガウス拡張カーネルと組み合わせると、SMOTE系の手法より良い性能が得られ、台の幾何構造が重要な設定では拡散ベースのカーネルがガウスより優れることが示されています。
説明コード生成における方策と報酬の共進化：単一アダプタのドリフトに関する機構的研究
要約本論文は、学習時のロールアウトを再利用するSPARK方式の方策・報酬共進化を、コード生成に適用できるかを検討する。実行結果のみを用いるGRPOと比較したところ、共進化は学習時の性能を高めたものの、未見の問題には汎化しなかった。著者らはこの現象を単一アダプタの方策ドリフトとして特徴づけ、学習報酬だけでは自己改善の証拠にならないと結論づけている。
説明修辞的歪曲はどこにあるのか？——6プラットフォーム・多言語にわたるインフルエンサーコンテンツの測定研究
要約この論文は、事実自体は誤りでないものの過度に誇張されて伝えられる、インフルエンサー投稿の修辞的歪曲を研究している。5つの次元を用い、13,060件の投稿（330アカウント、6プラットフォーム）を三段階のパイプラインで測定した。その結果、コンテンツの種類よりもプラットフォームが歪曲の程度と強く関連し、X/Twitterが最も高かった。また、返信部分の歪曲は元のツイートの約3.5倍で、文章の長さを揃えても差は残った。
説明空間推論のための検証可能な報酬による方策適応型クレジット割り当て（CALIPER）
要約本論文は、画像ベースの空間推論において、学習中に精度を制限する段階が変化する点に着目しています。最終答えのみの報酬では失敗段階を特定しにくいため、適応的なプロセス報酬フレームワークCALIPERと、段階分解された推論トレースのコーパスSpatialTraceを提案しています。八つのベンチマークと三つのバックボーンでの実験では、両方の訓練設定で平均スコアが最も高く、固定配分より一貫して改善したと報告されています。
説明ゲーミングPCで行う専門家水準の英語学習者音声評価：XLS-R、XEUS、PhoneticXeusによる発音の正確さ・流暢さ・韻律の分析
要約本論文は、一般的な消費者向けコンピュータ上でローカルに実行できる、英語を第二言語とする学習者の発音の正確さ、流暢さ、韻律を評価するシステム oollim を紹介している。事前学習済みの XLS-R、XEUS、PhoneticXeus の表現、参照テキストの特徴量、そして岭回帰（リッジ回帰）モデルを組み合わせ、複数の公開コーパスで学習させている。三名の専門家が評価した305件の独立した評価用録音では、いくつかの岭回帰構成が、3つの評価項目すべてにおいて、アーカイブされた Microsoft Azure 発音評価 API のデータを、スピアマン相関係数と二次重み付きカッパ係数の両方で大きく上回った。
説明top-k 選択のためのシンプルで汎用的な手法：限られたサンプル予算で品質不明の候補から上位 k 個を選ぶ
要約本論文はベイズ的な top-k 同定問題を扱う。意思決定者は品質が未知の項目群から k 個を選ぶ必要があり、固定のサンプル予算を適応的に配分する。各サンプルはノイズを含む品質の観測値しか与えない。目標は選択集合の期待機会費用を最小化することである。著者らは、期待機会費用の上界から導かれる代理目的関数を最小化することで、サンプルをバッチ単位で配分する手法を提案する。理論的には、その事後期待機会費用は、任意の採択規則で達成可能な最良速度の少なくとも半分の指数速度で減衰することを示す。シミュレーションでは、多様な設定で既存の最良アルゴリズムと同等か、しばしば上回る性能を示した。
説明LaMER：弱教師あり参照表現理解のための言語条件付き多専門家ルーティング手法
要約本論文は、自然言語で記述された画像領域を弱教師あり条件下で局所化するLaMERフレームワークを提案している。言語条件付きのクロスモーダルルーティング融合モジュールにより、4つの固定された専門家エンコーダを動的に組み合わせ、負のアンカー拡張を伴うマッチングヘッドと多目的損失で学習する。原文によると、RefCOCO、RefCOCO+、RefCOCOgでのAcc@IoU≥0.5は77.67%、62.81%、69.49%で、DViNおよびWeakMCNを上回った。
説明一つの事実、複数の箇所：長い視覚文書の冗長な根拠が検索・引用・帰属の単一正解評価を崩す
要約この論文は、長い視覚文書では同じ事実がグラフ、本文、要約などに繰り返し現れるのに、既存のベンチマークは単一の正解位置だけで採点していると指摘しています。著者らはMMLongBench-DocとMMDocRAGの420問に、各事実を独立に裏付ける箇所を注釈し、複製が多いことと、それによって検索、引用、マスキング評価が誤って採点されることを示しました。注釈データと冗長性を考慮した評価指標も公開されています。
注目点冗長な視覚文書で同一事実が複数箇所に現れることを示し、単一正解評価の偏りを定量化した。420問の注釈と複数モデルでの検証があり、影響は文書理解評価に限られる。
説明ベンチマークのグラフ構築がマルチホップKGナビゲーションに与える影響：PathQuestion と PathQuestion-Large の統制監査
要約本論文は、多段推論のナビゲーション課題として扱われる PathQuestion と PathQuestion-Large の二つのベンチマークを監査したものです。質問や答え、経路注釈は固定したまま、タスク用に絞り込まれたグラフを元の大規模知識グラフに置き換えると、公開された答えに対する正答率や経路の忠実度が大きく下がることを示しています。ベンチマークのグラフ構築は、実装の細部ではなくタスク仕様の一部であり、測定結果を実質的に左右すると結論づけています。
説明オンポリシー学習のための橋渡し型自己蒸留（BSD）：推論能力を統一的に移す手法
要約本論文は、より小さな生徒モデルが様々な教師モデル（同一トークナイザー、異なるトークナイザー、クローズドAPIの教師を含む）から推論能力を学べるようにする橋渡し型自己蒸留（BSD）を提案している。教師がまず特権的文脈として推論過程を生成し、その文脈を条件とした生徒のコピーが自己教師として、生徒自身のトークン空間で同じロールアウトを採点する。検証器の結果信号とともに、失敗したロールアウトの更新を調整する。著者らは、この手法がすべての教師の設定でベースモデルや各設定向けの基準手法を上回ると報告している。
説明ForagerSim：大規模な動的環境における身体性を持つマップ推論の評価用シミュレーション基盤
要約本論文はForagerSimを提案します。地図推論を必要とする身体性AIタスク向けのシミュレーション基盤で、移動ロボットの捜索救助や動物の採餌を想定しています。知覚、規模、トポロジー、動的要因、タスクの各難易度を個別に変更できます。実験では、二次元知覚の単純な環境では学習方策がある程度機能する一方、より大規模または複雑な迷路状の環境では人間に及ばず、地図ベースの手法が優れていました。地図推論がボトルネックであることが示唆されています。
説明コーディングエージェントがレビューを上回るとき：成熟した企業リポジトリにおけるPRD駆動開発の評価（PACEベンチマーク）
要約本論文は、43件の企業向けタスクと専門家が監査した750のCode Pointsからなるベンチマーク「PACE」を提案し、コーディングエージェントが製品要件文書（PRD）を完全に満たせるかを測定します。11のモデル・スキャフォールド構成で、多くのスコアは52.1から78.1の間に入りました。不完全な実装と統合の欠如が主なボトルネックとされています。診断に基づいてハーネスを改善すると、平均スコアが59.4から63.0に上がったと報告されています。
説明レガシーから現代へ：長尺動画のためのスケーラブルな色彩現代化
要約本論文は、古い映像の色調と明暗を現代的な見た目に更新しつつ、内容とフレーム・ショット間の一貫性を保つ長尺動画の色彩現代化タスクを提案している。学習を必要としない手法で、事前学習済みのテキスト誘導型画像編集モデルにより隣接するキーフレーム群を同時に処理し、各ショット専用の簡潔な色変換で調整をショット全体に伝搬させる。五十年にわたる多様な古い映像で評価し、ショット間の色調一貫性を測る指標SW-IGCも導入した。知覚される現代感では最高評価を得て、他の指標でも競争力のある結果が示された。
説明共有トークン予算下の回答提供：停止と最終化に関する監査付き研究
要約本論文は、固定の推論予算の中で「最初の有効な答えで停止」と課金される最終化キューを組み合わせる方策を検討します。各モデルで独立に監査された100問のGSM8Kテスト問題では、最初の箱での停止のみと比べ、Qwen3-4B-Thinking-2507で提供される最終解答の正答率が8.0ポイント、DeepSeek-R1-Distill-Llama-8Bで7.0ポイント向上しました。最終化のみの消去実験により、キューによる回復と停止の効果が切り分けられています。
説明BOSS：大規模言語モデル推論のためのトークン予算付きオンラインサンプリング・選択手法
要約本論文は、学習を必要としない推論方針BOSSを提案します。各インスタンスのプロンプトと生成のトークン上限が厳しい条件下で、推論を止めるか、別の候補解を生成するか、残りのトークンで既存の候補を評価するかを決めます。BOSSは共有トークン台帳の下で生成と評価の割り当てをオンラインで行い、各生成および評価呼び出しの前に最悪ケースの予算確認を行います。2つのLlama-3.1モデルと4つの推論ベンチマークで、24のモデル・タスク・予算の組み合わせのうち22で最高精度を達成しました。
説明人間の評価者で上位 k 件を選ぶ：評点と一対比較を適応的に組み合わせる
要約本論文は、限られた人的評価の予算で、多数の候補（求職者、大規模言語モデル、賞の候補、新製品のアイデアなど）から上位 k 件を選ぶ問題を扱います。評点と一対比較の両方を用い、まず評点で大まかに良し悪しを把握し、その後に比較で上位の順位を絞り込みます。将来の評価にとっての情報価値を考慮する主要な配分方針を含む適応的アルゴリズムを提案し、その漸近的一貫性を証明しています。終盤では近視眼的な方針に切り替えます。シミュレーションでは、既存の（限定的な）ベンチマークを上回ったとされています。
説明CTLite：再利用可能な連続時間サマリーによる軽量な不規則多変量時系列予測
要約本論文は、疎で非同期な不規則多変量時系列を扱う軽量な予測フレームワークCTLiteを提案します。履歴の要約と学習済み予測を分離し、パラメータを持たない連続時間モーメントエンコーダが複数の時間スケールで局所的な水準と傾向を要約します。4つの実世界ベンチマークで、88〜2,537個の学習可能パラメータのみにより、評価対象手法の中で平均MSEとMAEが最良または次点の結果を示し、履歴サマリーの再利用によって実行時間も削減されたと報告しています。
説明MultiCard：深層学習による複数属性のカーディナリティ推定
要約本論文は、データベースのクエリ最適化で用いるカーディナリティ推定モデルMultiCardを提案している。文字列のLIKE条件と数値範囲フィルタを単一のエンドツーエンド構造で同時に扱い、TransformerとLSTMで文字列パターンを、数値エンコーダでヒストグラム等の統計情報を組み合わせる。実験では、複数属性の混合クエリにおいて、PostgreSQLと比べて平均Q誤差が最大16倍低減し、推論遅延は5ミリ秒未満と報告されている。
説明混合専門家（MoE）LLM向けパラメータ効率的ファインチューニングの実証研究
要約本論文は、混合専門家（MoE）大規模言語モデルにパラメータ効率的ファインチューニング（PEFT）を適用する方法を体系的に調べたものです。3つのMoEバックボーンで、どのモジュールを適応させるか、専門家の粒度、PEFT手法の選択、負荷分散目的の強さなどを検証しています。その結果、専門家モジュールのみを適応させると下游タスクで最高性能が得られ、LoRAとDoRAの組み合わせが最も強い結果を示し、非ゼロの負荷分散係数はゼロの基準をパレート優越しないことが分かりました。
説明鉱山の生産性のための自律知能：運用価値創出のためのマルチエージェントAIアプローチ
要約本論文は、鉱山の統合遠隔操作センター（IROC）向けの三層マルチエージェント構成EI2ROCを提案しています。大規模言語モデルによる統括エージェントが、監視や生産能力予測などの専門エージェントを調整する仕組みです。また、エージェント評価の六つの観点からの批判的レビューと、多次元ベンチマーク枠組みも示しています。
説明車両検出のための長波長赤外線偏光リモートセンシング画像融合
要約赤外線リモートセンシング画像では車両の輪郭がぼけ、コントラストが低いため検出が難しい問題に対し、本研究はMambaに基づく赤外線偏光画像融合モデルを提案します。長波長赤外線の総強度S0と線偏光度（DoLP）を結合し、水平・垂直・両対角方向の双方向状態空間スキャンで画像全体にわたる跨モーダル融合を行います。先验に導かれた多窓構造類似度、再構成制約、偏光顕著性の損失を組み合わせてノイズを抑えます。1,901組の位置合わせ済み画像対からなるAIR-LWIR-Polデータセットを構築し、YOLO11による車両検出でmAP50が55.0%、mAP50-95が29.4%に達したと報告しています。
説明GAIDA：人間がループに関与する文書アノテーションのための生成AI研究プロトタイプ
要約本論文は、OCRによる抽出、大規模言語モデルによる意味的な事前アノテーション、人による検証を一つの編集可能なワークフローに統合する、モジュール式の人間参加型アーキテクチャを提案し、その参照実装GAIDAを示しています。FUNSDとWildReceiptのベンチマークでは、OCR支援により領域作成と書き起こしの時間が減り、LLMの事前アノテーションを確認する作業でも意味ラベリングの時間が減りました。事前アノテーションは完全ではなかったものの、同じ実装を用いて100枚のアラビア語レシート画像からなるAraReceiptデータセットも構築・公開されています。
説明隠れた協調要件があるタスクにおける身体性エージェントのための発見確率グラフ計画
要約本論文は、協調の必要性が対象との観察や相互作用の後に初めて明らかになる隠れた協調タスクでエージェントの協調性能を評価するベンチマーク HiddenCoop を提示しています。さらに、関連対象の数と位置の確率分布を符号化する発見確率グラフを用いて、エージェント間の情報交換を促す手法 DPGP を提案しています。探索アルゴリズムにより、期待コストを最小化する行動計画を導出します。実験では C-WAH で 99.3%、TDW-MAT で 58.3% の成功率が報告されています。
説明HGASurv：生存予測のための階層的粒度認識マルチモーダル統合手法
要約本論文は、病理全スライド画像、ゲノムデータ、臨床変数を組み合わせて患者の予後リスクを予測するHGASurvモデルを提案しています。階層的WSI符号化モジュールは、パッチ、局所近傍、領域の三つのスケールで空間構造を保持し、臨床変数を用いた患者類似性グラフ上でグラフ注意機構により情報を統合します。著者らは、三つのTCGAコホートにおいて全体的なC-indexで最高の性能を示し、アブレーション実験で両モジュールの寄与を確認したと報告しています。
説明PhyPro-FM：事故想定解析のための物理・プロンプト誘導型グラフ基盤モデル
要約本論文は、再生可能エネルギーの高浸透や系統トポロジーの動的変化を背景に、N-1/N-2事故想定解析の計算効率と拡張性という課題に取り組みます。グラフニューラルネットワークと学習可能なグローバルクエリ機構を組み合わせ、過去の運転状態を少数ショットのプロンプトとして用いる手法PhyPro-FMを提案します。学習では節点電圧誤差より枝潮流誤差を重視し、推論では残差補正と特異枝の後処理を導入しています。著者らは、精度と汎化性能で既存手法を上回ると報告しています。
説明学習時のロジット平均化：非侵襲型音声BCIで新たな最高水準
要約本論文は、非侵襲型脳波デコーディングにおける複数試行の集約戦略六種類を体系的に比較しています。学習時のロジット平均化は、2025年PNPLコンペティションの音素分類タスクで優勝チームを上回り、新たな最高水準を示しました。著者らは、ロジット平均化と同時アンサンブル学習との理論的な関係についても検討しています。
説明CARRS：都市部の緊急車両向け制約考慮型リアルタイム経路探索システム
要約本論文は、警察車両・消防車・救急車などの緊急車両が、動的な交通状況の中で車両固有の制約を満たしながら経路を計算するためのソフトウェア基盤CARRSを提案しています。A*、Dijkstra、双方向A*といった古典的な経路探索アルゴリズムと制約充足問題の手法を組み合わせています。OpenStreetMapのデータと模擬的な動的交通シナリオを用いて評価したところ、関連する部分グラフについて35秒以内に最適経路を生成でき、再経路探索の応答は20秒未満、車両固有の制約の遵守率は90%を超えました。
説明VibeTraining-Bench：反復的なシステム改善のためのデータ・トレーナー・ハーネス協調設計ベンチマーク
要約本論文は、エージェントがトレーニングデータ、トレーナー、推論ハーネスを共同で最適化できるかを評価するベンチマーク VibeTraining-Bench を提案します。タスクはターミナル操作、ソフトウェア工学、多段階のツール利用、数学的推論にまたがります。原文によれば、フロンティアの研究エージェントは対象システムを大幅に改善し、SWE-bench Verified では 32.9% から 53.7% に向上しました。一方で、累積的な性能向上のための協調的な反復改善能力にはまだ余地があるとされています。
説明地球観測衛星向け汎用オンボードAI処理チェーン：アプリ開発から組み込み展開、ミッション全体の編成まで
要約本論文は地球観測衛星のための汎用オンボードAI処理チェーンを提案し、山火事のセグメンテーションを例に、船舶検出や雲のセグメンテーションにも触れています。モデルのチューニング、8ビット整数への量子化、AMD Versal VCK190への移植を行い、タイル単位の推論をタイル分割・推論・モザイク化のワークフローでシーン単位に拡張しています。各段階はunikernelとしてパッケージ化され、クラウドネイティブなオーケストレータORCHIDEにより搭載上で編成されます。代表的なテストベンチで、チェーン全体の性能を端から端まで評価しています。
説明大規模生物医学RAG：コーパス規模、文書表現、効率のトレードオフ
要約本論文は、生物医学の検索拡張生成（RAG）システムにおいて、コーパス規模、文書表現、再ランキングが有効性と効率に与える影響を、統制された大規模な条件で評価したものです。摘要、フラットな全文、階層的な全文の三つの表現を比較し、検索遅延とインデックスの保存容量も測定しています。階層的表現は、ほとんどのエンドツーエンド比較でフラットな全文と同等以上であり、インデックス単位は67%少なくなっています。
説明CIS-Transolver：自動車空力の微細流れ予測のための層横断型増分状態ニューラルオペレータ
要約本論文は、自動車周りの空力流れを高速に予測するニューラルオペレータ CIS-Transolver を提案し、複雑な形状付近の微細な流れ変化の再現精度向上を目指します。局所的なマルチスケール解析で微細情報を抽出し、幾何モーメント状態として各層間で伝播・更新します。ShapeNet-Car、AhmedML、DrivAerNet++ の公開ベンチマークで、五つの指標すべてにおいて比較手法中最小の平均相対 L2 誤差を達成し、各指標の最良ベースラインと比べて平均 8.72% 低減しました。
説明事前確率のずれ下における型付き意思決定モデル：決定訓練、校正、暗黙の事前分布
要約本論文は、クラス頻度が変化する（事前確率のずれ・ラベルシフト）状況で、型付き意思決定モデル（TDM）の校正と閾値が安定しているかを検討している。3つのTDM、そのベースモデル、2つの学習済み分類器を、5つの公開データセットで模擬シフトのもと比較した。決定訓練が常に有益とは限らず、3つのTDMがシフト下で特に脆弱なわけでもなく、主な弱点はシフトがなくても既に存在する校正のずれであるとしている。
説明TriScore：エネルギー、境界プローブ、変換一貫性を組み合わせた事後型分布外検出
要約本論文は、学習済みで固定された分類器に対して適用する事後型の分布外（OOD）検出手法 TriScore を提案します。同じバックボーンから得られる三つの信号、すなわちエネルギー事前分布、境界脆弱性スコア、変換一貫性スコアを、入力に依存する ID 残差ゲートで統合します。分類器レベルの敵対的シフトの下で、15 の事後型ベースラインの中で最高の平均 AUROC を達成し、標準的な OOD ベンチマークでも競争力を保っています。
注目点エネルギー、境界脆弱性、変換一貫性の3信号をIDゲートで融合し、4つのバックボーンで15基線中最高の平均AUROCを示す、新規性のある組み合わせ改良。
説明MCDA：機能的MRI解析のための動的トポロジー拡張を用いたマルチビュー・グラフ対照学習
要約本論文は、安静時機能的MRI（rs-fMRI）による脳疾患解析のためのMCDAフレームワークを提案している。動的拡張更新モジュールによって拡張後のグラフトポロジーを反復的に改良し、自己認識型およびサンプル間の拡張戦略を組み合わせるとともに、元のネットワークと各拡張ビュー、および拡張ビュー間の関係を利用するマルチビュー対照学習を用いる。著者らは、1,236名の被験者を含む2つの公開rs-fMRIデータセットで、既存の最先端手法を上回ったと報告しており、バイオマーカー候補となる判別的な機能的結合パターンも検討している。
説明宇宙機搭載を見据えたスパイキング版MoveNetの姿勢推定における展開可能性の評価
要約本論文は、自律型宇宙機向けに調整したスパイキングニューラルネットワーク（SNN）版MoveNetアーキテクチャ（S-MoveNet-Lightning）を、RAPTORデータセット上で標準版MoveNet-Lightningと性能と演算コストの面から比較しています。平均して、AMD DPUを搭載したFPGA上で動作する非スパイキング方式に比べ、積和演算は2.2倍少ないと報告されています。著者らは、宇宙用途における事象駆動型の組み込み実装の実現性を検討するための知見として位置づけています。
説明StrucChunk：法律文書のRAGに向けた構造認識型検索手法
要約本論文は、階層構造を持つ法律文書を対象に、条項を有向非巡回グラフとして扱い、条項境界を保持しつつ埋め込み前に相互参照を解決するStrucChunkを提案しています。BM25とBGE-M3を相互順位融合（RRF）で組み合わせる手法で、5つの法律コーパス、3つの法体系、2言語で評価しています。実装と5,256件の評価クエリが公開されています。
注目点法律文書の階層構造に対する構造認識チャンキングとハイブリッド検索を提案し、複数コーパスで体系的に比較しており、新規性は中程度、根拠は充実、法務RAG分野に有用。
説明CARNet：細粒度マルチドローン協調検出のためのエンドツーエンド結合型関連・認識ネットワーク
要約本論文は、複数ドローンの視点間で対象を対応付ける処理と認識・融合を、共有された対象ペア表現で同時に最適化するCARNetを提案しています。従来の二段階方式で生じる誤対応の伝播を抑えることを狙い、密集した場面や見た目の似た対象に対して空間情報を組み込みます。さらに、因果的発想の二種類の介入戦略と、車両の細粒度カテゴリを付与したMDMT-CDデータセットを提示し、既存手法を上回ると報告しています。
説明系列蒸留による選択的転移：ベンチマーク知識からバックドア挙動まで
要約本論文は、知識蒸留によって教師モデルのどの隠れた性質が生徒モデルに移るかを研究しています。ベンチマーク関連知識と拒否バックドアの二つを、四つの蒸留経路で比較しました。ベンチマーク知識は教師が生成した数列だけでも生徒に移りましたが、拒否バックドアは系列蒸留ではほとんど移らず、logitベースの蒸留では大きく移ることが示されました。蒸留は選択的であり、その基準は教師の性質の構造にあるとされています。
説明スケジューラは隠れた検索器：非同期性が検索エージェントの証拠取得をどう形作るか
要約本論文は、並列推論と非同期検索を行う言語モデルエージェントにおいて、検索結果の到着順序が、初期証拠が同一でも後続の検索判断や取得内容を変えることを、制御された再生実験で示している。著者らは、各サブ問題の証拠が揃った時点で局所推論を解放し、完了順序に依らず共有検索を配分する汇流型証拠取得（CEA）を提案している。3つのベンチマークでは、取得の不一致が反復実験の変動の1.0ポイント以内に収まり、精度は完全入力の対照と同程度であった。
注目点合流型証拠取得手法を提案し同時不変性を証明、スケジューリングが検索決定に与える影響を示し、2系統モデルと3ベンチマークで検証。
説明CAST：対になった深度画像を用いた、型抜き可能な生成的設計と形状最適化
要約論文は、指定した型抜き方向の制約の下での3次元形状生成を、上下の対になった深度画像を用いる2次元画像生成問題として定式化するCASTを提案している。この方法では、その方向のアンダーカットが構造上生じないため、2つ割りの金型から離型できる。拡散モデルが候補形状を生成し、有限要素解析（FEA）による誘導型の最適化器が境界を精緻化する。211件のSimJEBブラケット設計という限られた学習データで評価され、生成された200件の候補のうち193件で柔性が低下した。全候補の中央値の低減率は、最適化用FEAモデルで36.8%であった。
説明入力しながら回答する：ストリーミング生成による質問から回答までの時間の最適化
要約本論文は、デコード自体の高速化ではなく、リクエスト送信から使える応答を受け取るまでのユーザー待ち時間に注目しています。著者らは、リクエストが未完成の段階からモデルが応答を生成し始め、残りの入力が届くにつれて修正するストリーミング生成を提案します。これにより送信後に計算すべき部分はわずかになります。自己回帰型と拡散型の言語モデルで評価し、ユーザーに見える遅延が減る条件と、その仕組みを分析しています。
説明視覚・言語・行動モデルに基づくロボット撮影システム
要約本論文は、知覚・推論・カメラ制御を統合して自律的なロボット撮影を行う、統一的なVision-Language-Actionフレームワーク「RoboPhoto-VLA」を提案している。構造化された行動計画のためのPhotoCoTと、人間の美的選好に合わせるためのAesthetic Direct Preference Optimization（ADPO）を組み込んでいる。また、言語指示付きのデモンストレーションを含むロボット撮影データセット「OpenPhotography」を構築した。実環境での実験では、人間の美的選好により合った写真が得られ、未知の被写体・視点・ポーズ・複雑な撮影指示にも有効に汎化することが示された。
説明関数近似によるオンライン頑健ゼロ和マルコフゲームに向けて
要約本論文は、名目上の相互作用データから最悪ケースのミニマックス・ベルマン作用素を学習し、ゲームを解く問題を扱う。対偶頑健ベルマンフィッティング、楽観的ミニマックス計画、後向き検証付き信頼集合、搾取者混合によるデータ収集を組み合わせた枠組みを提案し、一般および射影関数近似の条件付き定理と、いくつかの構造化された場合の閉形式結果を示す。小規模な数値実験で、枠組みの予測を検証している。
説明グラフニューラルネットワークによる二次錐計画ソルバーの動作学習
要約本論文は、二次錐計画問題（SOCP）を解くための再帰型グラフニューラルネットワーク「SOCPNet」を提案しています。古典的ソルバーが生成する中間反復の軌跡を用いて学習し、同一のモデルを繰り返し適用して現在の解を段階的に改善します。複数のデータセットにおいて、SOCP-GNNベースラインと比べて最終的な解の誤差が一貫して小さくなることを示しています。さらに、学習済みモデルで内点法を初期化することで、精度を損なわずに反復回数を減らせることも示しています。
説明目標を信頼せよ：ターゲット伝播はブロック対角ガウス・ニュートン法なのか？
要約本論文は、局所的な目標値で大域的な学習信号を伝えるバックプロパゲーションの代替手法、ターゲット伝播（TP）を信頼領域の観点から再導出し、各層の局所部分問題を共役勾配法で並列に解く CGTP を提案しています。MNIST と Fashion-MNIST の多層パーセプトロンで、ADAM や KFAC と同程度の精度を、外側の反復回数を大幅に少なくして達成し、深さが増しても安定していると報告しています。
説明原因から結果へ：動画における中間イベント連鎖の生成
要約本論文は因果連鎖生成（CCG）という課題を提案し、原因と結果を結ぶ中間イベントの系列を動画言語モデルに生成させます。従来の選択式問題は推測で解ける、自由記述式は自動評価が難しいという問題に対処するため、二つの補完的な指標と二つのテストセットを用意しています。既存モデルは物語の因果理解に弱く、GRPOによる微調整で大きく改善したと報告されています。
説明正確到着の多エージェント経路探索では、セルラー機械に双方向性が必要であること
要約本論文は、出発と到着が時刻を含めて固定される多エージェント経路探索を、各セルが自身のビットを出力する分散タスクとして有向非巡回グラフ上で検討する。特定の困難なトポロジー上では、局所通信のみで正しく動作する構造は、どちらの時間方向も放棄できないことを示す。k個のグローバルフラグを許す場合には、ラウンド数と帯域幅のトレードオフとして不可能性が現れる。ベンチマークは報告されていない。
説明TIM：縦断的放射線読影レポート生成のための時間的分離と反復的相互洗練モデル
要約本論文は、同一患者の過去と現在の画像から放射線科レポートを自動生成するTIMフレームワークを提案しています。第1段階では病変の空間的特徴と時間的変化を分離して学習し、第2段階では前後のレポートの診断上の不整合を相互フィードバックで反復的に修正します。著者らは、Longitudinal-MIMICデータセットにおいて、言語および臨床指標の両面で既存の単一画像・縦断ベースラインを上回ったと報告しています。
説明航空事故報告からの関係抽出：関係の希少性下におけるTransformerベースの安全知識発見の評価
要約本論文は、米国国家運輸安全委員会（NTSB）の航空事故記述から安全に関わる概念間の関係を抽出する手法を検討しています。約2万1千の候補概念対のうち、結果または寄与の関係に当たるのは1.18%にすぎず、非常に不均衡なタスクです。TF-IDF線形SVMとRoBERTa分類器を比較し、網羅的評価では性能が大きく低下し、誤検出が多いことを示しています。既知の概念の端点があっても信頼できる関係抽出は保証されず、誤検出の抑制と候補空間の希少性への対応が重要だと結論づけています。
説明遺伝子摂動モデルの評価に潜む落とし穴
要約本論文は、遺伝子摂動モデルの評価方法を検討し、6つの単一遺伝子摂動データセットで8つの手法を統一的なプロトコルにより比較しています。同じ予測発現プロファイルを細胞行に繰り返し用いると有意性の推定が膨らみ、有意な差次的発現遺伝子が過剰に多く予測されることを示しています。この問題を考慮した上で、遺伝子オントロジー特徴を用いたランダムフォレストが全体として最良の結果を示したと報告しています。
説明VHDLBench：VHDLベースのチップ設計向け大規模言語モデルのベンチマークと微調整
要約本論文は、ハードウェア記述言語VHDLのコード生成に大規模言語モデルを用いる研究です。構文検証済みの例18,500件以上からなるVHDLデータセットを作成し、QLoRAで五つの70億パラメータモデルを微調整しました。評価は構文・合成検証、テストベンチによる機能シミュレーション、Zynq SoC上のFPGA試作の三段階で行われました。微調整後のモデルは構文正解率が最大92%、機能精度が最大73%に達し、DeepSeek-Coderの向上が最も大きかったと報告しています。生成された設計は実機にも展開されました。
説明検証可能な報酬による強化学習のための活性化空間ステアリング探索
要約本論文は、検証可能な報酬による強化学習（RLVR）において、同じ方策からのサンプリングが類似した推論経路に集中しがちな問題に取り組み、活性化空間探索（ASE）を提案しています。同一問題に対する正解と不正解の応答の間の活性化の差を クラスタリングし、潜在探索ベクトルのバンクを構築して、後続のロールアウトに適用します。DAPO-Math-17k で学習した Qwen3-1.7B-Base と Qwen3-8B-Base において、同じロールアウト予算の下で、六つの数学推論ベンチマークにおける平均 Mean@8 が GRPO より、それぞれ 4.87 および 1.87 ポイント向上したと報告されています。
説明動的認識スパースアテンション：自己回帰型ビデオ拡散の効率化に関する論文
要約本論文は、自己回帰型拡散Transformerによる長尺動画生成を効率化する、動的認識スパースアテンション（DASA）という枠組みを提案しています。動画を動きのある領域と静止領域に分け、動的な領域のみを計算対象とし、履歴のKVキャッシュも動的特徴に絞って圧縮します。VBenchでの実験では、生成を2.16倍高速化しつつ高い視覚的忠実度を保つと報告されています。
説明REFLEX：柔軟性で校正した確率的ブリッジによるRNAアンサンブル生成手法
要約本論文は、RNA配列のみを入力として、RNA骨格フレームのコンフォーマーアンサンブルを生成するモデルREFLEXを提案している。実験由来のB因子を用いて残基ごとにブリッジ幅を校正し、学習された柔軟性条件で目標コンフォーマーを復元する。多コンフォーマーRNAベンチマークでは、複数の評価閾値にわたりアンサンブル被覆の適合率と再現率のバランスが最良だったと報告している。
説明AudioScorer：大規模音声言語モデルのための質問依存トークン重要度学習
要約大規模音声言語モデル（LALM）は音声などを扱いますが、音声エンコーダが生成するトークン列が長く、処理コストが高くなります。既存の枝刈り手法は注意機構や表現の類似度などの経験則に頼り、特定の質問に有用なトークンを明示的に学習していません。本論文は、質問に応じて音声トークンを採点する軽量モデル AudioScorer を提案します。凍結された LALM の回答勾配による顕著性のランキングを蒸留し、下流タスクの回答による教師信号も用いて学習します。10% のトークン保持率で、10 タスク中 7 タスクで最良または同率最良の結果を得ています。
説明LOCU：多制約ポリシー最適化のためのLöwdin直交化制約更新法
要約本論文は、制約付きマルコフ決定過程（CMDP）における多制約ポリシー最適化を扱う。制約の勾配同士の相互作用により更新方向が不適切な条件となり、数値的に不安定な更新や、制約補正の打ち消し合い・重複が生じることが問題とされる。著者らはLOCUを提案し、フィッシャー・ラオ計量の下で報酬と制約の自然勾配に対称的なLöwdin直交化を適用する。さらにフィッシャー幾何によるスクリーニングと近共線圧縮を組み合わせ、低次元の空間で解く。実験では、制約の結合が強い場合、実行可能領域が狭い場合、非実行可能な初期点からの場合でも安定し、異なるコスト評価器のアーキテクチャにも一般化することが示されている。
説明XGLASS：X線・視線・言語を活用したCTボリュームのスライス順位付け
要約本論文は、放射線科医がX線画像を見る際の視線情報を3D CTへ転移させ、疾患ごとにCTの軸位スライスを優先順位付けするXGLASS手法を提案している。視線に基づく重要度マップをCTの冠状断投影と空間的に整合させ、共通の2D表現で融合して各スライスの順序を予測する。限られた予算での検索において2Dおよび3Dネイティブのベースラインを上回り、体積CT解析の軽量な事前選択器として使えることを示している。
説明SEAM：低リソース音声合成のためのスペクトル埋め込みの整合・統合手法
要約本論文は、音声データを使わずに既知のサブトークンから未知トークンの埋め込みを構成するSEAMを提案し、条件付き音声合成モデルの語彙拡張に用いる。SEAMはスペクトルフィルタで音素の時間的順序を保持し、閉形式のリッジ回帰で新しい埋め込みを事前学習済みの条件付き多様体に整合させる。著者らは3言語と2種類の音声合成アーキテクチャで、最大4分の1の学習データでベースラインに近い、または同等の性能を得られたと報告している。
