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3Dガウススプラッティングによる微分可能なタスク駆動型コーデッドアパーチャカメラ設計
要約本論文は、複雑なカメラシステムと下流の知覚タスクを同時に設計できる微分可能なフレームワークを提案しています。著者らはこれを用いて、単眼およびステレオの二種類のコーデッドアパーチャ方式デフォーカス深度推定カメラを設計し、アパーチャマスク、カメラパラメータ、深度推定ネットワークをエンドツーエンドで最適化しています。実世界の撮影から再構成した3Dガウススプラッティングでシーンを表現し、既存の編成手法やカメラ設計の基準手法より優れた結果を示したと報告されています。
説明Dancing Diffusion：画像の生成・編集のための連続プログラムの学習
要約本論文は、拡散モデルのノイズ除去過程の各時間区間に専用の連続条件ブロックを割り当てて、条件付けを潜在プログラムとして扱う Dancing Diffusion を提案しています。コンパイラがテキスト特徴をこのプログラムに変換し、固定された事前学習済み生成器が各ブロックを順に実行します。SANA での実験では、実行済みの前段を再利用すると、ノイズからの再生成よりもシーンが多く保持され、学習された条件は元の SANA より生成品質が向上したと報告されています。
説明証拠の境界を越えて：医用VLMにおける段階的劣化下の行動的ミラージュ
要約本論文は、医用画像を解釈する視覚言語モデルが画像の証拠が段階的に失われた際にどれほど信頼できるかを検討しています。基準で正解した事例を起点に、画像が段階的に劣化していく過程での挙動を追跡し、経験的な証拠境界を特定して、正誤に関係なくその境界で回答を続ける状態を「ミラージュ」と定義しています。3つのモデルと3つの医用データセットでの実験では、境界での回答と棄権を残差ストリームのプローブで高精度に予測できた一方、出力エントロピーや棄権行動はこの持続的な回答を一貫して反映しませんでした。
説明Matrix-Game 4.0：動画モデルを用いたリアルタイムで遊べるゲーム世界
要約本論文は、ゲームの実行と映像生成を分離する Matrix-Game 4.0 を提案します。軽量なゲームエンジンが世界の状態とルールを管理し、マルチモーダルなコーディングエージェントがプレイヤーのアイデアをゲームコードと動的シーン記述に変換し、自己回帰型動画モデルの描画器が低ポリゴンの代理映像を詳細な映像に変換します。単一の NVIDIA RTX5090 で 480p・60 FPS、キー入力から表示までの遅延 112ms を実現し、カスタマイズ可能なシューティングゲームと運転ゲームを示しています。コード、モデルの重み、低ポリゴン資産も公開されています。
説明人間の手と物体の相互作用データから触覚を意識した手の表現を学習する
要約本論文は、人間の手と物体の相互作用（HOI）データから触覚を意識した手の表現を事前学習するHuTactという枠組みを提案しています。事前学習には実際の触覚信号は不要です。その後、少量のラベルなしロボット相互作用データで適応させることができ、下流タスクの学習に有効な初期化を提供します。
説明RSODで通信向け言語モデルを構築：ドメインデータ、専門家の事後学習、メモリ配慮型蒸留、ネットワーク評価
要約本論文は、構造化されたネットワーク知識から合成学習データを作成し、六つの凍結された専門家LoRA教師モデルを学習させ、RSOD手法でその振る舞いを一つの配備可能な生徒アダプタに統合する枠組みを示す。2,850問の保留評価では、生徒モデルは21.7112/25（micro）を獲得し、六教師の組み合わせ（21.7641/25）との差は0.0529点にとどまり、元のLlama-3.1-8B-Instruct（12.8661/25）を大きく上回る。
説明運動量はPolyak–Ruppert平均化に有効か：強凸二次問題における在線と離線の比較
要約本論文は、Polyak–Ruppert平均化のもとでSGDと運動量法が有限回の実行でどれだけ速く同じ漸近共分散に到達するか、また並列化がどこまで可能かを検討しています。加法的ノイズを伴う強凸二次問題について、在線推定と離線推定を結ぶ関係を示し、中心・共分散・形状の三つの誤差を分析しています。条件の分析により、運動量法（特にNesterov法）はSGDより少ない反復回数と大きな臨界バッチサイズで済むことが示されています。
注目点強凸二次関数で運動量法の臨界バッチサイズ改善を示す理論的な在線-オフライン橋渡し結果で、適用範囲は二次関数に限られる。
説明ビザンチン耐性最適化のためのJohnson-Lindenstrauss変換
要約本論文は、古典的な次元削減手法であるJohnson-Lindenstrauss（JL）変換を、ビザンチン耐性最適化に応用する方法を検討しています。JL変換は高い確率でベクトル間の内積と距離をおおむね保持します。著者らはこの性質を利用し、各ワーカーのメッセージを信頼できる参照勾配との整合性に応じて重み付けしています。理論的知見は実験結果によって裏付けられています。
説明過去を再構成する：完全な文脈記憶による安定した長尺動画生成
要約本論文はReCamという長尺動画生成手法を提案します。過去の潜在表現の局所的な時空間ブロックをベクトルにまとめ、Diffusion Transformerの隠れ空間へ投影することで、トークン数を減らしつつ全履歴へのブロック単位のアクセスを保持します。自己回帰生成時の時間的ドリフトを抑えるため、直近の文脈と対象フレームに別々のノイズスケジュールを用いる二重ポインタ・デノイジングも導入されています。VBench-Longの総合スコアは80.1で、画面外の被写体再出現に関する4つの一貫性指標で最も高い結果が報告されています。
説明バイアスを持つ深層ニューラルネットワークにおける焼きなまし相関と焼き入れノイズ感度の研究
要約本論文は、独立なガウスバイアスを加えた全結合深層ニューラルネットワークのノイズ感度を扱います。Jonasson、Steif、Zetterqvist（2023）は、バイアスのない符号活性化の場合に焼きなまし・焼き入れノイズ感度を示しました。本論文は、正の相関条件の下で、摂動入力が元の入力と一致しにくいという最小限の仮定のもとで、焼き入れノイズ感度が広い深さの範囲で保たれることを示します。焼きなまし共分散はゼロから離れたままで、ネットワーク依存の出力平均の揺らぎによって完全に説明されます。
説明フレームを超えて：動画アンラーニングでプライバシーを漏らすのは軌跡ではなく冗長性
要約本論文は、動画セグメンテーションにおけるクラスアンラーニングを扱います。目的は、削除されたクラスが展開済みモデルの出力から再構成されないようにすることです。フレームごとに評価する既存の手法では漏えいが過小評価されており、two秒のクリップで出力を平均する攻撃者が忘却されたクラスを復元できることを示しています。著者らは、漏えいの原因を物体の軌跡ではなくフレーム間の冗長性とみなし、冗長性を直接抑制するPACE手法を提案しています。
説明言語モデルエージェントの推論ストリームに対する適応的停止手法
要約本論文は、言語モデルエージェントがいつ推論を打ち切って行動すべきかを判断するStreamStopを提案しています。接頭辞レベルの行動一致に基づき、モデル固有の停止方針をオフラインで学習し、推論モデルの内部信号へのアクセスは必要としません。WebShopとScienceWorldでの閉ループ評価では、完全な推論と比べて推論トークンを少なく使いながら、ほぼ同等のタスク成功率を示しました。
説明メディアインテリジェンス・プラットフォーム：合成・改ざんコンテンツのマルチモーダル検出
要約本論文は、ウェブベースの統一型マルチモーダル・メディア鑑識フレームワーク「Media Intelligence Platform（MIP）」を提案しています。偽造動画、顔のモーフィング、AI生成画像、音声ディープフェイク、局所的な画像改ざん、テキスト分析の各検出モジュールを統合しています。モジュール構成により多様なモデルを柔軟に組み込め、新たな改ざん技術への拡張も可能です。ベンチマークによる実験では複数のメディア種別で信頼性の高い検出性能を示し、公開デモも併せて提供されています。
説明安定性と汎化の保証を備えた、閉ループ下の非線形系のニューラル同定
要約本論文は、フィードバックを含む閉ループデータから非線形系をニューラルネットワークで同定する方法を扱います。フィードバックにより入力と観測ノイズが相関する問題と、同定モデルがコントローラで安定化される必要がある問題に取り組みます。提案手法ICIは構成により閉ループの安定性を保証し、実験では弱い励起や相関ノイズ下で直接法より優れ、未学習環境へゼロショットで汎化することが示されています。
説明人間と機械はいつ真に補完し合えるのか？人間とAIの協働の形式的条件と実証的証拠
要約本論文は、人間とアルゴリズムの判断の正誤の関係パターンに基づく形式的枠組みを提示し、人間とAIの協働（相乗効果・補完性）が成立するための必要十分条件を導出しています。その鍵は、一方が他方の誤りを識別し修正できるかどうかにあるとされます。七つの臨床事例の分析から、アルゴリズムの優位性が強すぎると人間の修正介入が弱まり協働が阻害される「優位性の罠」が見られ、人間とAIの誤りが機能的に無相関であれば、自動化バイアスがあっても協働が持続しうることを示しています。
説明高密度競合表現によるマルチクラス意味セグメンテーション向けSAM3の効率的な適応手法
要約本論文は、意味的に重なる複数の概念を同時にセグメントする際にSAM3が誤分類や冗長なマスクを生じる問題に対し、DCR-SAMフレームワークを提案する。クロスモーダル相互作用を分離して推論遅延を抑え、密集競合ヘッドと学習可能な背景トークンで重複予測を抑制する。原文では複数のベンチマークで2.3%〜10.7%の性能向上と、原生SAM3比で33倍の推論高速化が報告されている。
説明適切なスコアリング則と境界バイアスからMumford-Shahモデルへ：頑健な教師なしハイパースペクトル画像セグメンテーション
要約本論文は、Mumford-Shahの区分定数汎関数に基づく、特徴量に依存しない教師なしハイパースペクトル画像セグメンテーションの枠組みを提案します。厳密な適切スコアリング則と確率分布族から汎関数の指示関数を構成し、ハイパースペクトル画像に多い外れ値に対応するため、重裾の楕円分布、負の対数尤度、ベータダイバージェンスに基づくスコアを用います。統計パラメータを推定する頑健化ステップと、境界の事前情報を含む縁辺バイアスも導入されています。著者らは、完全な場面で評価した標準データセットの一部において、完全教師なし手法の中で高い全体精度を示したと報告しています。
説明『Lost in Recovery』：目標指向アクションリプレイによる計算機操作エージェントの回復挙動の解明
要約論文は、大規模視覚言語モデルに基づく計算機操作エージェントが長い作業系列でエラーを蓄積し失敗しやすいため、回復能力が重要だと指摘します。著者らは、制御されたエラー注入と目標指向のアクションリプレイを用いて回復挙動を体系的に評価する枠組みReTraceを提案しています。研究では、理想的な回復によりモデルの潜在的なタスク達成能力が引き出されうる一方、現行のエージェントはその回復能力を十分に活用できていないことが示されています。
注目点遷移一貫性回復の形式化とReTraceを提案し、モデル駆動の自律的回復を初めて体系的に調査。実験規模は限定的。
説明連合学習によるスプリットコンピューティング向けの教師なしヘッドネットワーク個人化
要約本論文は、ニューラルネットワークを頭部と尾部に分割し、モバイル端末とサーバーに分散して推論するスプリットコンピューティング（SC）を扱います。モバイル端末ではラベル付きデータが不足しがちで、データにはプライバシー情報も含まれるため、連合学習と知識蒸馏を用いて、少量の非IIDかつラベルなしのデータから頭部ネットワークを学習する手法を提案しています。個人化を導入することで精度を高めています。実験では既存の基準手法と同程度の精度を示し、モバイル端末の通信要件を95%削減し、元のモデルとの精度差は3～5ポイントにとどまると報告されています。
説明音声と映像を同期して編集：人物中心の動画向け統一型エンドツーエンド音視覚編集
要約本論文は、空間マスクを使わずに、参照画像と参照音声に基づいて人物の入れ替え、挿入、削除を音声と映像の両方で同時に行うAVEフレームワークを提案します。合成パイプラインを用いて、外見と声の参照を含む10万組のペアからなるAVE-Datasetを構築し、合成から実データへの再構成と音声のウォームアップを組み合わせています。著者らによれば、編集のリアリティ、時間的一貫性、音視覚の整合性において、モダリティごとに分離したパイプラインより優れています。
説明世界シミュレーションのための、一人称視点観測からの行動の分離
要約本論文は、一人称視点の映像から意味的な動作を取り出し、新しい視覚環境で再現するテスト時フレームワーク EgoACT を提案しています。幾何推定器を追加せず、映像拡散モデルのノイズ除去過程を直接操作します。初期段階では速度誘導の構造アンカリングで手と物体の構造を安定させ、中後期では疎な対応関係の校正で局所的な対応を精緻化します。作者はさらに評価用ベンチマーク EgoActionBench を構築し、EgoACT が強力なベースラインより一貫性が高く物理的に妥当な相互作用映像を生成することを示しています。
説明PRAISE：クエリ条件付き部分空間による人物再識別の属性強化検索手法
要約本論文は視覚言語モデルに基づく人物再識別（ReID）を扱い、服の色や持ち物などの属性が細粒度の照合手がかりになる点に着目しています。属性プロンプトの類似度を直接検索スコアとして使うのは不安定であるため、クエリごとに属性条件付き部分空間（ACS）を構築する推論時テスト適応フレームワーク「PRAISE」を提案しています。ACSを用いてクエリとギャラリー間の類似度を調整し、同一性や属性のラベルなしで軽量な更新を行います。著者らは複数のベンチマークで既存の汎用およびReID向けのテスト時適応手法より優れた結果を報告しています。
説明近似重複画像の選択によって視覚言語モデル間で選好が伝達される
要約本論文は、モデルが明示的に示さない データを通じて別のモデルへ自らの選好を伝える「潜在学習（subliminal learning）」を検討しています。キュレーターモデルは、同じ写真の八つの近似重複画像から、キャプションの尤度に基づいて一枚を選び、対象に関する指示は与えません。フクロウを好むキュレーターの選択で学習した学生モデルは、画像を使わない尤度評価で、中立的な選択で学習した場合より強いフクロウ選好を示しました。この効果は複数の視覚言語モデルで確認され、第二世代への伝達も報告されています。
説明APRIL：呼吸音のドメイン増分学習のための曖昧性考慮型エキスパートルーティング手法
要約本論文は、過去データを保持せずに、録音機器や収集時期の変化に応じて呼吸音分類モデルを継続学習させるフレームワーク APRIL を提案しています。凍結された BEATs バックボーン上に、新しいドメインごとに低ランクのエキスパートを順次追加・分離し、多段階のプロトタイプルーターで候補エキスパートを選択します。ICBHI および SPRSound データセットの順方向・逆方向の設定で、平均スコアが最も高く、平均忘却率は 1.0% 未満だと報告されています。
説明HypTI：双曲幾何を用いた表形式データと画像データの多モーダル融合による認知症検出フレームワーク
要約本論文は、臨床の表形式評価とMRI脳画像に基づく認知症検出のためのHypTIフレームワークを提案している。双曲空間において、表形式データ、MRI画像、そしてそれらのクロスモーダルな相互作用を共同でモデル化し、階層構造と多スケールの解剖学的特徴を捉える。OASIS-3データセットでの実験では、代表的な手法と比べて高い性能を示したとされている。
説明DQIからC-DQIへ：計算的談話品質指数の測定に向けた自動コードブック生成と評価
要約本論文は、議会討論の質を評価する際に従来の専門家によるコードブックが硬直的で手間がかかり偏りを生みやすい点に着目し、大規模言語モデルを用いたコードブックの生成と評価の手法を提案しています。広く用いられる談話品質指数（DQI）を出発点に、理論主導・データ主導・ハイブリッドの三つの方式を比較しています。100件のイスラエル国会議事録による実験では、データ主導の帰納的スキーマがモデル間一致度（IMA）で高い値を示し、妥当性も保たれたと報告されています。
説明比較から選択へ：容量制約付き配送経路問題のための強化学習型ポインタネットワークの規模横断的汎化の改善
要約本論文は、強化学習で訓練したポインタネットワークを用いた容量制約付き配送経路問題（CVRP）において、顧客数の異なる問題間で性能が低下する原因を分析しています。ノード密度の変化、注意の分散、グラフ文脈の平均プーリングによる希釈の三つを要因として挙げ、順序に依存しない学習型のグラフ文脈集約手法を提案しています。さらに、訓練規模と評価規模の組み合わせごとに最適なモデルを選ぶ選択器を導入し、既知の全組み合わせと未知規模の多くでコストを削減し、最大で約3.2%の改善を示しています。
説明大規模言語モデルはなぜ総称文を受け入れるのか：心理言語学的要因とモデル由来の要因による受容性の説明
要約本論文は心理言語学の研究を踏まえ、人間が総称文を判断する際の要因が大規模言語モデル（LLM）の判断をどこまで説明できるかを検討している。12種のモデルを心理言語学データセットと実際の総称文で評価した結果、モデルは属性の一般性と種の区別力を人間に近い形で組み合わせて判断する一方、特徴的な属性を好む点は人間と共通するが、印象的な属性は無視することが示された。モデルの判断に最も影響するのは、文が事実として真であるかどうかである。
説明Quantum-JEPA：潜在行動 JEPA 世界モデルのための量子 Born 事前分布
要約本論文は Quantum-JEPA フレームワークを提案し、条件付き量子 Born 事前分布で将来表現の確率分布を学習します。回路測定から二値の潜在行動を生成し、共有予測器がそれを複数の将来表現に写像します。構成したマルチモーダルタスクと D3IL ベンチマークで複数の経路を生成し、評価した変分ベースラインより予測の妥当性と分布の忠実度が高いことを示し、実機の QPU での推論も検証しています。
説明構成可能な知覚を備えたワールドモデル：タスクの言語記述で観測を絞り込み、騒がしい環境でも安定して計画する手法
要約本論文はConfigWMを提案します。これはタスクの言語記述を設定信号として用い、視覚埋め込みをタスク専用の状態空間へ写像し、現在のタスクに関係する情報を残して無関係な変動を抑える世界モデルです。その状態空間で行動条件付きダイナミクスを学習して計画に用います。妨害が増す環境で既存手法より計画成功率の低下が小さく、多様な環境で平均22.3%上回ったと報告されています。
説明ACE-Compression：能力中心の圧縮済み大規模言語モデル評価
要約本論文は、圧縮後の大規模言語モデルのどの中核能力が維持されるかを検証する、能力中心の評価フレームワーク ACE-Compression を提案している。手続き的推論と制約遂行、知識の根拠づけと真実性、社会的認知と感情理解、ペルソナの忠実性と文体の一貫性の4つの次元を検証し、量子化と剪定を含む6つのオープンウェイトLLMの35以上の圧縮チェックポイントを対象とした。結論として、圧縮は能力のプロファイルを再配分し、粗く表層的な信号は残りやすい一方、細粒度・長尾・文脈依存の能力は脆弱になることが示された。量子化は剪定よりも全体として能力の保持に優れている。
説明ICIBS：氷床境界セグメンテーションのための文脈情報の拡充
要約本論文は、レーダー氷厚データにおいて、特に温暖な氷河で信号が弱く不明瞭な氷底境界を自動で抽出する課題を扱います。深層学習モデルに空間および地理空間の文脈情報を組み込む手法を提案し、IceAnatomyベンチマークで新たな最高性能を達成したと報告しています。パタゴニアの未見データにも基準手法より優れた結果を示し、コードとデータセットが公開されています。
説明MMEnterprise-Bench：変化し続けるマルチモーダル業務記録に対する企業エージェントの評価ベンチマーク
要約本論文は、模擬的なチーム協働プロジェクトで変化するマルチモーダル記録に基づく1,613問からなるベンチマーク「MMEnterprise-Bench」を提案しています。問題は証拠推論、矛盾解決、回答不能性の3つに分類されています。10の多モーダルLLMを評価した結果、最も強力なモデルでも、証拠に跨ソースや時間的矛盾がある場合や複数画像にまたがる場合には苦戦することが示されました。また、検索予算を増やしたり大きな検索器を使ったりすると証拠の再現率は向上するものの、回答精度の向上には一貫して結びつかないことも報告されています。
説明LLM安全における極性の盲点：否定・反意語置換・敵対的な枠組みに関する体系的研究
要約本論文は、文の極性が変えられた後に大規模言語モデルが有害な意図を見分けられない問題を「極性の盲点（polarity blindness）」と名付けて検証しています。文法的な否定と反意語への置換という二種類の極性反転を扱い、極性を保つ同義語置換を対照条件としています。さらに、敵対的なテキストの包み込みがこの失敗を強めるかも検証しています。10の最新LLM、英語・スペイン語・チェコ語の260件のプロンプトで評価した結果、多くのモデルで問題が見られ、最も脆弱なモデルの平均有害度は0〜5尺度で4.12に達したと報告しています。
説明日本の金融文書を対象とするマルチモーダル基盤モデルの段階的継続適応
要約本論文は、未微調整のベースラインから出発し、日本の金融文書を用いた3つの訓練段階を経る84億パラメータのモデルを追跡し、5つのテキスト入力ベンチマークで評価しています。各段階の効果は単純に加算されず相互作用することがわかりました。数学のみの蒸留は以前に獲得した金融知識を上書きし、領域段階は新たな能力を加えるより修復の役割が大きいとされています。ある段階を飛ばすアブレーションは領域知識で最良でしたが数値推論の向上を失うため、各段階の寄与は分解できず、最良のチェックポイントはタスクによって異なると結論づけています。
説明CollabSciReM：科学を意識した報酬分解による科学対話向け言語モデルのアライメント
要約本論文は、複数ターンの研究対話における報酬を、対話品質、科学的厳密性、構造的効率の三つに分解するCollabSciReMフレームワークを提案している。あわせて、300本の未公開論文に基づき、方法の妥当性や論理的一貫性などの六つの観点で対話を比較評価するSciQualityを導入している。8.62Kの合成研究対話で微調整した結果、同じデータで学習した科学に依存しない報酬のベースラインより多くの設定で高く評価された。
説明DPO ハイパーパラメータの地形：何を測り、規模でどう変わり、いつ転用すべきでないか
要約本論文は直接選好最適化（DPO）のハイパーパラメータ（学習率や参照方策の正則化係数β）を系統的に調べています。同一モデルファミリーの複数の規模で密なグリッド実験を行い、最適値がモデルサイズや更新ステップ数とともにどう変化するか、静的・動的ベンチマークのどちらが選択に有効な信号を与えるかを分析しています。最適学習率はモデル規模によって変わり、超参数は学習データセット間で転用できず、検証損失は代理指標として不十分だとしています。
説明命名が難しい視覚刺激で人間とマルチモーダルLLMの連想的創造性を検証する研究
要約本論文は、抽象的な視覚刺激の説明における人間とマルチモーダル大規模言語モデル（MLLM）の連想的創造性を、独創性と有効性の二つの観点から比較します。難易度を制御した二つのデータセットを用いており、SilCCは抽象図形の組み合わせを複雑にすることで命名の難しさを変え、PixCCはランダムな視覚ノイズを増やして難易度を変えます。結果として、人間はモデルより多様で新規性の高い連想的記述を生成し、PixCCでは難易度が上がると人間が全体的な連想から低レベルの視覚的特徴の記述へ移行することが示されました。
説明物理変数を活用した深層学習による産業用流体輸送システムの頑健な故障診断
要約本論文は、サンプリングレートや観測時間、データ粒度が異なる産業用流体輸送システムにおける故障診断のためのPhyNetフレームワークを提案しています。物理変数を全体的な運転制約、応答信号を局所的な診断根拠として扱い、厳密な時間整列なしに両者を相互作用させる注意機構を用います。3つの実世界のキャビテーションデータセットと1つの公開二相流データセットで、評価した全指標において最良の性能を示しました。
説明EndoWorld-JEPA：内視鏡動画の表現学習のための動き誘導型グローバル・ローカル潜在世界モデリング
要約本論文は、内視鏡動画の汎用的な表現学習を目的とした潜在世界モデルの事前学習フレームワーク EndoWorld-JEPA を提案している。行動情報、キャリブレーション済みの姿勢、ロボットの運動学データを用いず、現在までに観測された動きに基づいて次の潜在状態を予測する。主たる変位と局所的な残差運動を分離し、グローバルおよびローカルの予測に用いている。著者らは、共通の事前学習済みチェックポイントが4つの下流ベンチマークで良好な転移性能を示したと報告している。
説明引き出しか拡張か？エージェント・ハーネス最適化による利得の正体を解明
要約本論文は、モデルの重みを更新せずに言語モデルエージェントの「ハーネス」（文脈、ツール利用、実行手順）を最適化することで得られる性能向上を検証する。強化学習分野のpass@k分析を応用し、最適化前後のハーネスを比較して到達可能なタスクの範囲の変化を評価し、モデルの拡大や推論時の計算量増加との比較も行う。その結果、試行回数が多い場合にはハーネス最適化のpass@1での優位性が逆転しうること、また総合的な利得が困難なタスクでの不足を覆い隠すことが示され、きめ細かな診断の必要性が指摘されている。
説明順問題と逆問題における制約付き自動微分
要約本論文は、非構造格子上の偏微分方程式（PDE）の近似解をグラフで表現し、大規模な方程式系を制約として組み込む、完全微分可能なグラフベースの陰的ソルバーを提案している。線形・非線形の発展型および静的問題の順解析、方程式の係数推定の逆問題、右辺項推定の逆問題、順解析を高速化する学習可能なグラフ粗視化の四つの課題で評価されている。著者らは、このソルバーの安定性と微分可能性により順解析の複雑さを大幅に減らし、関連する逆問題も効率的に扱えるとし、地球物理学などの応用を想定している。
説明相互作用ゲート付き時間周波数学習による、パラメータ効率の高いPPG心拍数推定
要約本論文は、光電式容積脈波（PPG）信号から心拍数を推定するTF-IGフレームワークを提案しています。時間分岐が脈波の形態を、周波数分岐が心臓の周期性を捉え、相互作用ゲート付き融合モジュールで両者を統合します。BIDMCデータセットで被験者を分けて評価した結果、平均絶対誤差は1.227 BPM、パラメータ数は約8.46万でした。
説明SGLDet：マルチスペクトル航空物体検出のためのスペクトル認識型グローバル・ローカル動的モデリング
要約本論文は、マルチスペクトル航空画像における物体検出のためのSGLDetフレームワークを提案しています。大規模なシーンで生じる前景と背景の著しい不均衡、および物体の尺度・向き・構造の局所的な変化による位置特定の困難に取り組みます。手法は、スペクトル駆動の全体動的モデリング、マルチスケール全体文脈統合、スペクトル認識型入力依存校正集約の3つのモジュールで構成されます。MODA、HOD3K、DroneVehicleでの実験により、競争力のある計算コストで優れた性能を示したと報告されています。
説明S³E-Det：多重分光物体検出のための厳密な空間-スペクトル等変検出器
要約本論文は、多重分光物体検出のための厳密な空間-スペクトル等変検出器S³E-Detを提案し、順序付きスペクトルモデリングと変換に一貫した予測を組み合わせています。スペクトル順序認識サンプリング校正（SOSC）は一次変分により入力由来のスペクトル特徴に局所的な順序制約を課し、共差等変融合（CDEF）はピラミッドの各レベル間でスペクトル文脈の集約を適応させます。コンパクトな幾何アラインメントヘッド（GAH）は、統一された予測段階で不変性と等変性の出力特性を調整します。MODA、HOD3K、DroneVehicleでの評価では、高い検出精度、小さなパラメータ規模、回転に起因する変動の低減が示されています。
説明Gaze2HOI：視線を活用して意図の曖昧さを解消し、一人称視点の手と物体のインタラクションを予測する手法
要約本論文は、視線の手がかりから意図を推定し、今後の手と物体のインタラクションを予測するフレームワーク「Gaze2HOI」を提案している。注視の強さと新しさで視線信号に重みを付け、VLMの視覚表現を調整するとともに、接触の位置を予測するモジュールと拡散モデルを組み合わせている。また、四つの段階に分けた注釈付きベンチマーク「EgoAIM」も公開され、意図推定と動作予測で最先端の性能が報告されている。
説明多様体事前分布で導く深層アンフォールディングによるハイパースペクトル画像再構成
要約本論文は、二段階の多様体学習によって劣化の影響を受けない構造的事前分布を得て、それをデータ整合投影モジュールとデノイザモジュールの両方に注入する深層アンフォールディング枠組みを提案しています。投影では事前分布に導かれた分光重み機構により各バンドの重みを適応的に調整し、デノイザでは多様体で導かれたMambaによって空間・分光特徴を抽出します。合成データと実データでの定量・視覚比較により、既存の最先端手法を上回り、枠組みの構造的な解釈性も保たれることが示されています。
説明列挙誘導型学習によるニューラル Hamilton-Jacobi 安全証明書
要約本論文は、安全制約の確率的列挙によって学習済み証明書が危険な振る舞いを誤分類する状態を見つけ、それを反例として事前学習済み HJ 価値関数を微調整する検証誘導型学習の枠組みを提案します。改良された証明書に基づく安全シールド機構も提示され、Isaac Sim の仿真および実機の自動運転レース実験で安全制約違反がゼロだったと報告されています。
説明大規模言語モデルのクロス言語コード翻訳における幻覚：現象と緩和策
要約本論文は、コード翻訳における大規模言語モデルの幻覚を体系的に実証研究したものです。3つのベンチマークデータセット、6つの言語ペア、7つのモデルを対象に、意味的一貫性の衝突、事実知識の衝突、プロジェクト文脈の逸脱という3大分類を構築し、13,919件の幻覚事例を手動で注釈しています。さらに、BM25による関連翻訳例の検索と分類に基づく反省的修正を組み合わせたHaluCodeTranという緩和フレームワークを提案しています。
説明VISH-ASR：音声LLMの文脈音声認識のためのViterbi誘導型ホットワード選択
要約本論文は、プロンプトベースの文脈音声認識において、学習不要で差し込むだけで使えるホットワード事前選択フレームワーク VISH を提案しています。フレーム単位のCTC事後確率を用いて、候補ごとの音響的根拠を直接検証します。大規模候補リストに対応する M-VISH と、後方証拠を用いる Bi-MVISH も提案されています。著者らは、5つのベンチマークでM-VISHが学習型検索ベースラインよりBest-F1で最大11.7%向上し、2,000候補で候補探索の遅延を75.2%削減したと報告しています。
説明トークンからファイルへ：AI関与コードの多粒度検出と位置特定
要約本論文は、純粋に人間が書いたコードと、AIが生成または修正した部分を含むコードを区別し、行・ブロック・ファイル単位で位置を特定する枠組みを提案しています。凍結したコード言語モデルに、機械生成ファイルと人間作成ファイルでそれぞれ学習させた2つの低ランクアダプタを組み込み、トークンごとの対数尤度比を局所的な根拠として用い、ファイル単位の判定に集約します。内部テストセットでは1%偽陽性率の条件下でマクロF1 72.4を達成し、外部ベンチマークHybridCodeAuthorshipでは適応なしで行レベルF1 62.5を記録しました。2022年以前に作成されたリポジトリの人間作成コードでも、偽陽性率は0.55%から0.81%に収まっています。
注目点トークン単位の対数尤度比を行・ブロック・ファイルの多粒度で集約し、外部ベンチマークで既報の最良結果を上回り、大規模な人間コードでも低い誤検出率を確認した。
説明物理的運転条件を用いた視覚言語マッチングによる産業用配管系のキャビテーション診断
要約産業用配管系のキャビテーション診断は、音響応答が運転条件によって大きく変化し、類似した時間周波数パターンが異なる状態に対応しうるため困難です。本論文はPOC-VLMを提案し、試料ごとの運転変数を候補テキストに組み込んだ意味記述を構築し、時間周波数条件付きのテキスト適応と大域・局所の視覚言語マッチングで判定します。K近傍法による非パラメトリックな運転条件事前分布で各候補の物理的妥当性を推定し、判定段階で意味的証拠と融合します。3つの実データセットで、代表的な既存手法より一貫して高い性能を示しました。
説明アムステルダム大学 UvA-MT チームによる WMT26 一般機械翻訳共有タスクへの参加報告
要約本論文は、UvA-MT チームが WMT 2026 一般機械翻訳共有タスクに提出したシステムを紹介し、制約のないトラックで全 23 の翻訳方向に参加したことを述べています。推論時に大規模言語モデルを用い、改良プロンプトによる逐次サンプリングで各原文の翻訳候補を生成し、さらに大規模言語モデルによる一対比較とラウンドロビン投票で最良の候補を選びます。WMT25 ベンチマークでのオフライン評価では、点ごとの best-of-N 選択より明確に改善したとされています。
説明LaLa-World：自然言語アクションで潜在世界モデルを拡張
要約本論文は、言語条件付きの潜在世界モデル LaLa-World を提案します。シミュレーションやロボットの軌道データに加え、画像・動画データも学習に用います。数値動作と視覚変化を言語で記述し、言語モデルの上で将来の潜在状態を予測する設計です。原文によると、領域ごとに個別学習したモデルより平均的な計画性能が高く、比較実験ではより少ない学習コストと高速な計画で同程度の性能を達成しています。
説明SAPD：環境との相互作用なしにエージェントの過去経験から学習する手法
要約本論文は、記録済みのオフライン軌跡を用いてLLMエージェントの方策を改善する手法SAPD（Step-Advantage Policy Distillation）を提案しています。多ターンの軌跡を個々の意思決定文脈に分解してオンポリシー蒸馏を行い、相対的なステップ優位性信号を導入して学習を安定させます。新たな環境観測や追加の多ターン相互作用は必要ありません。ALFWorld、WebShop、検索ベースのQAでの実験では、教師構成によらず性能が向上し、教師ありファインチューニングと比べて破滅的忘却を緩和し、1学習ステップあたりオンラインOPDの少なくとも4.7倍高速であると報告されています。
説明SciDiagBench：科学図の種類別・人間の評価に整合させたベンチマーク
要約本論文は、科学図を11種類に体系的に分類したベンチマークデータセット「SciDiagBench」を提案しています。10の大分野にまたがる165枚の図を収録しています。また、人間の選好を用いた調整により、図の種類ごとの評価基準を作る手法を開発し、自動評価を人間の判断に近づけることを目指しています。
説明汎用から専用へ：オンライン継続学習のための新しいオプティマイザ
要約オンライン継続学習は、非定常なデータストリームを一度だけ走査して学習する必要があり、破滅的忘却が起きやすいという課題があります。本論文は、速く動く「可塑性」系列と適応的な「安定性」系列を補間するオプティマイザSPIN（Stability-Plasticity INterpolation）を提案し、両者を明示的に分離します。理論的には逆ヘッセ行列近似を暗黙的に用いてTikhonov正則化を与え、忘却を抑えることを示しています。既存のオンライン継続学習手法で標準オプティマイザを置き換えると、性能が一貫して向上することが実験で示されています。
説明GARRET：視覚文書の領域検索のための生成的フィードバック手法
要約本論文は、視覚的に情報量の多い文書から、ページ全体よりも細かい単位で根拠領域を検索するフレームワーク GARRET を提案します。学習には（ページ、質問、回答）の三つ組のみを用い、微分可能な生成的フィードバックによって、質問と領域の対応注釈なしに領域表現へ質問条件付きの寄与を割り当てます。新たに構築したベンチマーク ViDoRe-V3-Region では、マクロ平均 nDCG@10 が 0.4126 で、最強の視覚ベースラインを 2.94 ポイント上回りました。ページ検索では ColQwen2.5-v0.2 と同程度を保ちつつ、ページあたりの索引ベクトル数を 47.8% 削減しています。
説明COMPASS：能力プロファイリング、適応的探索・選択、ツール利用によるモデルルーティング手法
要約本論文は、大規模言語モデルを用いたエージェント型ルーター「COMPASS」を提案している。ルーティング手順に従い、ツールで性能とコストの根拠を収集し、必要に応じて候補の回答を確認してからモデルを選択する。LLMRouterBenchとDeepSWEでの評価では、ルーティング専用の学習を行わずに、専用・学習型のベースラインより高い精度と低いモデル呼び出しコストを示したとされる。
説明SMART：文脈ルーブリックによる音声認識結果の意味的セグメント対応付けと評価フレームワーク
要約従来の単語誤り率はすべての語の置換を同じ重みで扱い、どの誤りが意味を変えたかを区別できません。本論文は、参照文と認識結果の差異を一貫したセグメントに対応付け、構造化された文脈ルーブリックで意味的影響のラベルを付与するSMARTを提案し、それに基づき意味影響誤り率（SIER）を算出します。多数決の人手ラベルとのF1は、SMARTが0.843、大規模言語モデルによる直接判断が0.745でした。また、ターゲット参照に依存しないルーブリックを使った認識結果の修正にも用いられています。
説明ホスト型モデルでのプライバシー保護推論：凍結 Qwen3.8-27B 向けの学習型入力埋め込み変換
要約本論文は、テキストや token id をホスト側へ送らずに言語モデルを利用できるかを検討しています。クライアント側でテキストをローカルにベクトルへ変換し、約 5,560 万パラメータの小型学習ネットワークで変換してから送信します。ホスト側は凍結した 27B モデルでこれを処理します。学習に使っていない 1,490 問の MMLU では正答率が 82.3% から 80.7% に下がり、内容 token の 30.1% は最近傍探索で元の token に戻りませんでした。
説明RAG-NIMBF：RAG設定を自動分析する非侵襲型モジュラー型ベンチマークフレームワーク
要約本論文は、既存のRAG（検索拡張生成）パイプラインに後付けできる非侵襲的な評価フレームワークRAG-NIMBFを提案し、チャンク化、検索、再ランキング、プロンプト、生成などの設定を統制された消去実験と実験追跡で分析します。SQuADデータセットでの検証では、関連性と多様性を両立させるMMRが通常の類似度検索よりnDCG@5を4〜11ポイント向上させ、より詳細なプロンプト指示が生成回答の検索証拠への忠実性を高めることが示されました。
説明ProVe：提案者・検証者デコーディング
要約本論文はProVe（提案者・検証者デコーディング）を提案している。標準的な自己回帰言語モデルを、一回の順伝播で将来のトークンのブロックを予測する提案者に微調整し、追加の一回の順伝播でそのブロックを検証して生成を高速化する手法である。提案者自身を検証者とした場合はProVe-losslessとなる。六つのベンチマークで、32Bの提案者を用いたProVe-losslessは平均2.5倍の自己回帰スループットに達し、3Bの小型検証者を用いたProVeは平均2.7倍となったが、六課題平均の精度は自己回帰より低い。
説明LatBridge：潜在通信型マルチエージェントシステムにおける効率的で安定したモデル置換
要約マルチエージェントシステムは通信によりタスクを遂行し、潜在通信は連続表現を直接渡してテキスト生成と再エンコードを減らします。既存手法は固定されたモデル構成向けのため、モデル置換後にインターフェースが機能しなくなることがあります。LatBridgeは共有のBridgeと個別インターフェースでエージェントモデルを接続し、置換後は変更のないインターフェースを再利用して不足分のみを学習します。8種の小型モデル構成で、基本モードのMATHとALFWorldの次行動予測の平均精度はそれぞれ14.8%と27.3%でした。
説明SliMOO：LLMの深さ剪定のための解釈可能な多目的進化探索
要約大規模言語モデル（LLM）は規模が大きく提供コストが高いため、深さ剪定でメモリと遅延を直接減らす方法が提案されています。著者らは、Transformerの各層がタスクごとに異なる寄与を持つことを観察し、既存手法がこの違いを無視して特定分野に偏りやすいと指摘しています。SliMOOは、層を一つずつ除去する探索でタスクと層の重要度マップを作り、パレート認識型の進化探索で剪定マスクを求めます。Llama-3.1とQwen3で既存手法より良い多タスク間のバランスを示し、Llama-3.1-70B（25%スパース）では数学分野の平均が24.33%から34.40%に向上したとしています。
注目点深さ剪定を多目的問題として定式化し、解釈可能なタスク-層重要度マップとNSGA-IIを組み合わせ、Llama-3.1・Qwen3で基準手法を上回る。
説明誤り訂正符号の適応リスト復号を認証する手法：各フレームで候補解が大域的最尤解であることを証明する
要約線形ブロック符号の最尤復号（NP困難）を近似するニューラル復号器を提案する。吸収状態の離散拡散モデル上の探索として復号を定式化し、確率ビームサーチで候補解を生成する。符号から導かれる線形計画緩和の双対限界と距離ベースの検定により、各フレームで候補解が大域的最尤解であることを証明できる。15種の符号で検証され、未認証フレームが全フレーム誤りの大部分を占めることが示されている。
注目点離散拡散デコーダにLP双対界と距離検定を組み合わせ、フレーム単位でML最適性を証明する点は新しい。15符号・精密ML比較で証拠も充実。
説明スマートグラス撮影下での顔提示攻撃検出のための分離型表現学習
要約本研究は、自己運動、視点の変化、背景の乱雑さ、光の制御されにくさなどが課題となるスマートグラス撮影下での顔提示攻撃検出を扱います。Ray-Ban Meta Wayfarer スマートグラスで屋内、屋外、車内において収集したデータベース SmaGla-FPAD を構築しており、本物の顔とシリコーンマスクによる攻撃を含む 297,000 枚のサンプル画像を収録しています。また、攻撃分岐とスタイル分岐、擬似ドメイン監督、敵対的抑制、プロンプト誘導型の意味的整合を用いて、偽造の手がかりと撮影による変動を分離する DeCoupPAD-FAS++ を提案し、同データセットで攻撃拒否と本物の受容のバランスが最良であることを示しています。
説明ProtoEEG：脳波の視覚デコードのための構造化プロトタイプ整合
要約本論文は、脳波と画像の整合を共有の学習可能な視覚コードブック上のソフトな合成として定式化する ProtoEEG を提案している。学習可能な脳波エンコーダと凍結された視覚教師モデルが同じ K=64 個のプロトタイプに対する割り当て分布を生成し、その重み付き再構成を検索と画像生成に用いる。著者らは THINGS-EEG2 の200クラス検索で Top-1 64.0%、Top-5 91.5% を報告している。
説明6G物理層向けエージェント型AI：アルゴリズム発見から検証済みベースバンドシリコンまで
要約本論文は、LLMコーディングエージェントが市販のベースバンドSoC上で物理層アルゴリズムを実装し、エージェントが書いたベクトルアセンブリまで最適化して実チップ上で検証するワークフローを提案しています。OTFS検出器を事例に、チップ上でサイクル単位に動作する12のカーネルと、移植された検出器より13.9%少ないサイクル数で同等の誤り率を持つ新検出器が得られたと報告しています。
注目点LLMコーディングエージェントを実基地帯チップ上のアルゴリズム実装・最適化に用い、実測コストに基づく新検測器を得た点は新規性が高い。ただし改善の統計的有意性は限定的。
説明TerraNostra-Bench：全球1km土地利用再構築のための空間ダウンスケーリングと時間ロールアウトの評価ベンチマーク
要約本論文は、高解像度の土地利用再構築を意味的セグメンテーション課題として扱うデータ駆動型の枠組みを提案します。粗い解像度のシナリオデータ、気候区分、静的な地球物理特徴を組み合わせ、1kmの年次土地利用地図を作成します。評価には土地利用変化ピクセルを重視するTerraNostra-Benchを用い、U-NetとSwinを自己回帰型・非自己回帰型で比較しました。自己回帰モデルは13年間で精度が5.7〜7.2ポイント低下し、非自己回帰モデルは2.2〜2.8ポイントの低下にとどまりました。
説明LLMにおいて言語回路と算術回路は分離しているか？
要約本論文は、大規模言語モデル（LLM）において言語課題と算術課題を処理する回路が重なるかを、人間の脳における神経解離の研究に着想を得て検討しています。機械論的解釈可能性の手法で各課題の回路を抽出し、5つのLLMで実験を行いました。その結果、回路の類似性は語彙や句法の類似よりも課題領域によって主に説明されることが示され、言語と算術の情報はおおむね別々の回路で処理される可能性が示唆されています。
説明スケーリング則の基礎：指数の由来を説明する三つのメカニズム
要約本技術ノートは、経験的なスケーリング則において損失とパラメータ数・学習トークン数・計算量の関係を支える三つの仕組みを説明しています。局所近似の上界、独立した特徴のカバレッジ、分離可能な損失の最適化配分を扱い、非線形スコアリングによる見かけの創発能力、グロッキング、分子配置におけるSE(3)商空間による近似指数の向上にも触れています。
説明SLM-SS：音声言語モデルによるトークンベースの音声分離
要約本論文は、音声言語モデルで複数話者の混合音声を扱う、トークンベースの生成型音声分離フレームワークSLM-SSを提案する。まずニューラルコーデックで音声を多コードブックのトークン列に離散化し、直列化出力訓練で複数話者の目標を並べる。自己回帰型モデルが話者順序と粗い言語内容を予測し、非自己回帰モジュールが残差コードブックを補完する。Libri2Mixでは話者ごとの非自己回帰方式で、コーデックのみの再構成に近い単語誤り率を達成した。WavTokenizer版は非自己回帰の精緻化を省き、評価した分離システムの中で主観品質の平均スコアが最も高かった。
説明RELAY：ルール再利用とエージェント修復による過去ビルド復元の拡張
要約本論文は14,159件のOSS-Fuzz過去ビルド事例を調査し、69.7%が再構築と検証を完了できなくなっていることを明らかにしました。失敗の多くは少数の繰り返し現れる症状に集約されるため、一度診断した修復を再利用できるとしています。提案手法RELAYは、LLMが代表的な失敗から決定的な修復ルールを導出・検証し、モデル呼び出しなしで再利用します。ルールで解決できない事例は個別エージェントに委ねられ、両者を組み合わせた方式が単独より多くのビルドを低コストで復元できたと報告されています。
説明RoboJudge：マルチモーダル大規模言語モデルによる身体性動画生成の評価
要約本論文は、身体性動画生成を評価するMLLMの人間判断との一致度を測るベンチマークRoboJudge-Benchを提案し、800本の人手注釈付き動画で「物理的整合性」と「指示との整合性」を検証します。既存の評価モデルは一致度にばらつきがあり、汎用MLLMは物理的整合性で一致度が低いことが示されました。これを受けて12Kの動画からなるRoboJudge-Trainを構築し、9BのMLLMをRoboJudge-9Bとして微調整したところ、ピアソン相関0.719を達成し、最良の商用基準を0.089上回りました。
説明GRADUS：環境の潜在的カリキュラムから、エージェントの学習課題を発見し回復する手法
要約この論文は、予約・払い戻し・キャンセルなどの方針制約を持つツール環境でLLMエージェントを訓練するための課題生成手法GRADUSを提案しています。シード課題を使わず、固定環境から行動オペレーターを抽出して難度の高い課題を組み立て、実行フィードバックで課題と解答を同時に調整します。報告された結果では、30Bモデルがτ²-Benchで59%から89%、CAR-Benchで47%から83%に向上しました。
説明RITE：eコマース向けエージェントシステムの、サイレントなツールエラーに対する端から端までの耐性評価
要約本論文は、eコマースの多段階タスクでツールを使用する大規模言語モデルのエージェントに注目しています。著者らは、中間状態が明示的な失敗信号なしにもっともらしいが誤った値へ書き換えられた後も、元のクエリを完了できるかを評価する「サイレントエラー耐性タスク」を提案しています。ベンチマーク「RITE」は、9つのeコマースワークフローにわたる167の対応ユニットから成り、501のインスタンスを含みます。10の最新LLMを評価した結果、サイレントエラーによりタスク成功率はおよそ半減し、明示的な失敗よりも一貫して困難であることが示されました。
説明自己教師あり跨光線整合性による標準 NeRF の幾何正則化
要約本論文は、標準的なニューラル放射場（NeRF）の幾何形状が不正確になりやすい問題に対し、幾何最適化分岐を追加する手法を提案している。密度場から候補表面点を取り出し、その点で交差する仮想光線を生成して NeRF で色を描画し、光線間の色の整合性で隐式幾何を制約する。八つの Replica シーンでの実験では、標準 NeRF と比べて平均 Chamfer 距離が 30.8% 減少したと報告している。
説明ミリ波レーダーによる3次元人体姿勢推定：動き認識型初期化と観測誘導型精緻化（I2R-Pose）
要約本論文は、屋内での3次元人体姿勢推定にミリ波レーダーを用いる二段階フレームワーク「I2R-Pose」を提案しています。第1段階では連続するレーダー観測の時間的関係と人体骨格構造を取り入れて初期の3次元姿勢系列を推定し、第2段階では関節ごとの位置補正量を予測して最終的な姿勢を生成します。また、同期したデータを含む新しいデータセット「RaMoS-Pose」を構築し、既存の公開データセットMVDoppler-Poseとともに評価しています。融合入力の場合、平均関節位置誤差は各データセットの既存最良手法と比べてそれぞれ15.13%および39.50%削減されたと報告されています。
説明ℓ1攻撃は集中した摂動を本当に必要とするのか？
要約本論文は、画像に全体的なℓ1予算をかけつつ、座標ごとの上限を加えて大きな単一画素の変化を制限した場合の攻撃効果を調べています。APGD-ℓ1、SLIDE、FMN-ℓ1を対象に、18の標準モデル設定で上限を変えて評価しています。上限が小さくても攻撃成功の大部分が保たれ、最大振幅は下がり、有効な摂動の範囲は広がると報告されています。さらに、最適化の過程で制約を直接適用する方が、事後のクリッピングより多くの攻撃成功を保つとされています。
説明Engram記憶ネットワーク：脳に着想を得たプロトタイプ説明手法
要約本論文は、人間の記憶システムに着想を得た説明可能AIモデル「Engram記憶ネットワーク（EMN）」を提案します。腹側視覚経路と下側頭皮質を模倣し、Hopfield型の記憶モジュールで代表的なプロトタイプを反復的に検索して説明として用います。複数データセットで知覚的類似度、サブクラス整合性、情報保持の3点を評価し、平均分類精度は87.62%で全手法中最高と報告しています。
説明分散型太陽光発電の予測を、汎用的に事前学習した共有モデルで行う研究
要約本論文は、多数の地点・多様な予測期間の太陽光発電データから共有予測モデルを学習する、分野特化型の基盤モデル風の事前学習枠組みを提案しています。数値気象予報を含む予測を、過去の発電量・気象観測・将来の予報・時間情報を統合する系列補完問題として定式化し、三種類の事前学習目的を比較しています。479か所の発電所を用いた実験では、提案手法は6時間から7日までの予測で一部の比較対象より高い性能を示し、学習に使われていない地点へ直接適用できることが報告されています。
説明CrystalAR：対称性を持つ結晶生成のための自己回帰モデリング
要約本論文はCrystalARを提案し、Wyckoff対称性テンプレートと完全な結晶構造を単一の生成系列でモデル化する統一的な自己回帰フレームワークを示している。連続座標の生成を、対称性で条件付けられた離散的な空間位置決定の階層として定式化している。結果として、対称性テンプレートの生成能力を保ちつつ、新規生成と無テンプレート結晶構造予測で競争力のある性能を達成したと報告している。
説明PixelSR：実世界画像超解像のためのピクセル空間直交フロー分離手法
要約本論文は、実世界画像超解像において潜在拡散モデルが抱える問題、すなわち知覚的なリアルさを高めると構造的忠実度が損なわれるという課題を扱っています。著者らは、ピクセル空間で直接動作する単一段階のピクセル拡散 Transformer「PixelSR」を提案し、VAE 圧縮を介さずRGB空間で端到端に最適化します。直交フロー分離により、目標を低ランクの意味成分とノイズのない直交テクスチャ成分に分け、それぞれ別の分岐で最適化します。複数のベンチマークで競争力のある結果を示し、忠実度とリアルさのシーソー効果を緩和したと報告しています。
説明予算を抑えた交互スパース学習：ARC手法（論文）
要約本論文は、ニューラルネットワークのスパース化において密な学習とスパースな学習を交互に行う手法の効果を分析しています。再導入された遮蔽パラメータに大きな勾配が生じ、マスクの再配線と符号反転を促すことが示されています。提案手法ARC（Alternating Rewiring Compression）は、密な段階の短縮、遮蔽パラメータのゼロ初期化、そして有効マスクと高勾配の一部の外部重みのみを更新するスパース再配線段階により、計算量を抑えています。CIFAR100とImageNetでは、AC/DCのベースラインと同等の性能を少ない計算コストで達成し、GPT-2とOpenWebTextでは検証パープレキシティとゼロショット平均性能の改善が報告されています。
説明チャネル間のモダリティ識別性の解明：光学・SAR物体検出のためのチャネル選択的相互作用融合ネットワーク
要約本論文は、光学画像とSAR（合成開口レーダー）画像を融合して遠隔探査の物体検出を行う際、無差別なチャネル間相互作用が冗長または矛盾する特徴を生むという問題に取り組みます。提案手法CSIF-Netは、周波数分解モジュールでSAR入力を構造情報とノイズ応答に分離し、交差注意によるチャネル選択で特徴を共有部分とモダリティ固有部分に分け、共有特徴には相互作用と再整列を、SAR固有特徴には個別の強化を行います。OGSOD 1.0とM4-SARのデータセットで、水平・回転物体検出においてそれぞれ4.01%と3.18%の向上を報告しています。
説明モデルに指を与える：発達心理学に基づく視覚言語モデルの数え上げ評価
要約視覚言語モデルは少数の対象では正確に数えられますが、数が多くなると推定に移ります。これは計数を習得する前の子どもに似ています。著者らはモデルに指差しや印付けといった子どもと同様の操作を与え、その逐次的な視覚推論を分析しました。9モデル、682枚の画像、7種の条件での検証では、印付けは主に精度向上ではなく監査可能な過程の記録をもたらすことが示されています。
説明熱力学的特異性による拡散モデルの記憶現象の検出
要約拡散モデルでは、本来は基礎となる確率密度上の拡散過程を逆向きにたどることで分布を学習すべきですが、主要な失敗例の一つが記憶化です。これは逆過程が、分布ではなく個々の学習サンプルから拡散を学習してしまう現象です。本論文は、そうした記憶化された逆過程を解析的に特徴づけ、それに伴う熱力学的特異性を検出する基準を提案します。この基準は、記憶化を促進または抑制するように設計された複数のニューラルネットワークモデルについて、正しく学習されたネットワークと記憶化するネットワークを確実に区別できることが示されています。
説明強凸二次問題における Muon 型スペクトル最適化器の定数ステップサイズ解析
要約本論文は、非凸性・ノイズ・ステップサイズ調整の影響を除くため、強凸行列二次問題上で Muon などのスペクトル最適化器を定数ステップサイズで検討する。更新を、特異方向ごとの勾配増幅率（増益）と更新のノルム（長さ）の二つの量で分析している。その結果、増益が有界なら収束し、増益が非有界でも長さが消えれば収束し、長さが消えない場合はほとんどの初期値で収束しないと分類される。実験によりこれらの結論が検証されている。
説明S²-MAS：5億の家計ペルソナエージェントによる社会規模マルチエージェント・シミュレーションの枠組み
要約本論文は、実調査データに基づく5億の合成家計ペルソナを用いて社会規模の経済反応をシミュレーションするS²-MASを提案している。決定と状態更新を分離するGeneseエンジンにより、消費・現金・債務・支払いを追跡する。約293万件のデータで学習したモデルは一問一答型の消費者金融選択課題で74.55%の正答率を示し、他のモデルを上回ったと報告している。また1200万の家計エージェントで購入資金条件を比較し、購入目標と信用限度額の引き上げが消費を増やすことを示した。
説明伝聞か事実か？提示の仕方と回答形式がLLMの確率更新に与える影響
要約本論文は、大規模言語モデルが新しい情報を一つ受け取った後に、確率推定がどの程度動くかを比較しています。δ-SNLIの前提・仮説ペアを用い、「新たに得た情報として提示」と「他者が述べたと伝える」という表現の違い、および一つの確率を答える形式と五つの重み付き推定を答える形式の違いを検証し、計七つの構成を試しています。明示的な提示では全構成が注釈の方向に動き、伝聞の形にすると変化量はわずかに小さくなる一方で一貫した傾向が見られました。
説明二次元畳み込みニューラルネットワークによる脳波ベースの催眠感受性分類
要約本研究は、前処理を最小限にした脳波信号に二次元畳み込みニューラルネットワーク（2D CNN）を適用し、手動の特徴抽出を行わずに催眠感受性を分類したものです。62名の男性被験者（対照群32名、催眠群30名）のデータを用い、留め置き被験者交差検証（LOSO）で被験者非依存の性能を評価しました。前頭前野領域は複数の時間窓を組み合わせた際に平均精度0.738に達した一方、後頭部領域は被験者間の評価ではほぼ偶然水準まで低下しました。
説明RSI制御：AIモデルは自己改善プロセスで密かに妨害できるか？
要約本論文は、次世代モデルの学習に最先端AIモデルが関わる際の安全性リスクを検討している。著者らはRSI Control Arenaという検証環境を構築し、通常の学習タスクを行わせつつ、後継モデルに誤った性質を密かに組み込む課題を与えた。6つの最先端モデルで実験した結果、いずれも主要タスクの性能を大きく落とさず、隠れた課題の相当部分を達成した。監視者は多くの攻撃を検出したものの、すべてではなかった。著者らは、モデルに後継モデルの学習を任せる前に十分な安全対策が必要だと結論づけている。
注目点再帰的自己改善における隠密な妨害のテスト環境を提案し、22のタスク組で6つのフロンティアモデルを評価しており新規性は高い。ただし証拠は中程度の規模にとどまる。
説明CILA：混同度に基づくインスタンス単位のロジット調整による長尾分布認識
要約実世界のデータセットは本質的にクラス不均衡であり、モデルは多数派クラスに偏り、少数派クラスの認識に苦労します。既存のロジット調整法はクラス頻度に基づいてロジットを修正しますが、クラス単位の調整はインスタンス単位の混同を無視し、混同しやすい非目標クラスの有用な信号を抑制することがあります。提案手法のCILAは、目標クラスと非目標クラスの間のインスタンス単位の混同に応じてロジットを適応的に調整します。さらにBNIは学習中に目標ロジットに摂動を加えます。CILAは損失関数に依存しないプラグインとして既存の長尾学習法に組み込むことができ、複数のベンチマークで性能を一貫して向上させます。
説明学習済みバリア証明書の任意時点で有効な実行時モニタリング
要約本論文は、展開中に学習済みバリア証明書が実際の閉ループ軌道と整合しているかを検査する実行時モニターを提案しています。バリア漂流条件を逐次仮説検定として定式化し、非負のテスト上マルチンゲールにより任意の停止時刻で有限サンプルの誤警報制御を実現します。さらに決定論的な時間整形を導入し、有効・無効な証明書での警報挙動により経験的に評価しています。本モニターは安全でない進入の予測ではなく、統計的証拠の検出を目的としています。
説明World2HOSI：長期的な人-物体-シーン相互作用生成のためのマルチエキスパート・オーケストレーション基盤
要約本論文は、3Dガウススプラッティング（3DGS）シーンと自然言語の指示から連続的な人-物体-シーン相互作用データを生成する、マルチエキスパート・オーケストレーション基盤「World2HOSI」を提案する。中核となる考え方は、単一の強力なモデルではなく、共有の構造化されたシーン状態を軸とした編成によって、既存の専門モデルを協調させ、単独では困難なタスクを達成することである。有界な残差最適化と接触駆動の物理シミュレーションにより、人の動きと物体操作の物理的妥当性を高めている。実験と知覚的ユーザー調査では、評価対象のタスクにおいて最良のタスク達成度と相互作用品質を示し、より多様なデータを生成できたと報告されている。
説明言語モデルはタスク情報をどう整理するか：可読性と読み出しの疎性
要約本論文は、言語モデル表現においてタスク予測に必要な最小特徴数を示す指標 k* を用い、密な線形プローブによる可読性とは区別して評価します。5機関の19モデル、14の主要タスクで検証し、ベースモデルでは可読なタスクの特徴数がほぼ一致すること、指示チューニングが k* を選択的に下げることを報告しています。さらに、継続学習後に保存されたヘッドが機能しなくなっても線形可読性は高く保たれる場合があると述べています。
注目点読み出しスパース性k*を提案し、タスク可読性と区別。跨モデル、合成、継続学習の実験で裏付ける。
説明分解型Text-to-SQL生成における再発的・新規的ハルシネーションパターンの追跡
要約本論文は、Text-to-SQLのクエリを段階的に複雑化する実行可能なサブクエリと対応する自然言語の質問に分解し、生成経路上でルールベースのハルシネーション分類を調べる評価フレームワークを提案しています。同じ経路の早い段階でも最終クエリでも観測される再発性ハルシネーションと、早期に検出されず最終段階でのみ現れる新規性ハルシネーションを区別しています。拡張版BIRD-miniベンチマークで5つのLLMを評価した結果、いくつかの分類で再発確率がかなり高く、句の濫用では条件付きの新規出現確率が比較的高いことが示されました。
説明拡散モデルの概念消去のための押し引き型アテンション固定手法（PPAA）
要約本論文は、拡散モデルにおけるプライバシー、有害コンテンツ、著作権侵害のリスクに対応するため、Push-Pull Attentional Anchoring（PPAA）を提案しています。クロスアテンション空間で目標表現を押しのけつつ、有界のコサイン類似度制約によって消去の強度を固定します。相対的な類似度比を適応閾値として用いることで、層をまたいで同一の値を適用できるとしています。有名人、芸術スタイル、裸体、知的財産など複数のカテゴリで実験を行い、Stable Diffusion v1.4 で既存手法より良好なトレードオフを示し、FLUX などの現代的アーキテクチャにも適用できることを示しています。
説明経験メモリはクローズドループのLLM運転エージェントを助けるのか？再サンプリングした事前学習プールとトークン数を揃えた対照実験による評価
要約本論文はHighwayEnvシミュレータ上で、LLM運転エージェントの経験メモリを対照実験により評価しています。事前学習経験プールを無作為に再サンプリングし、トークン数を揃えた無関係な埋め込みテキストと比較しています。検索型メモリや規則集などを比べた結果、報告される効果の多くは事前学習プールの選び方に左右され、多くの検索設計は埋め込みテキストを上回らなかったと述べています。
