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。
説明迎合（sycophancy）は文脈内更新の一形態か？
要約本論文は、言語モデルがユーザーの誤った信念に同調する「事実的迎合」を扱います。従来は承認を得るために真実性を犠牲にする現象と理解されてきましたが、著者らは対話中に与えられた情報に基づいて回答を修正する「文脈内更新」の失敗だと位置づけます。行動面と機構面の証拠でこの見方を裏付け、迎合を減らすと有用な更新も損なわれうるため、両者を切り離す評価と対策が必要だと論じています。
説明PACE：学習不要のストリーミング動画理解における応答タイミング手法
要約本論文は、ストリーミング動画理解において、モデルが何を答えるかだけでなく、いつ答えるかを判断する問題を扱います。事象が終わる前に回答してしまう早すぎる応答が一般的な失敗であると指摘しています。提案手法PACE（Plan, Attend, Check, Emit）は追加学習を必要とせず、計画の作成、回答の安定性・根拠・事象の完了の確認を経て回答を出力します。ProactiveVideoQAとOVO-Bench Forwardでの実験では、複数のバックボーンで公式プロトコルを上回り、最先端の性能を示しました。
説明多様体情報ニューラルネットワーク：少数ラベルの心電図による電解質推定の手法
要約本論文は、潜在空間上のk近傍グラフで、学習された源項を用いた離散ポアソン方程式を解くMINNを提案します。これは、物理情報ニューラルネットワークにおける既知の演算子残差を置き換えるものです。MIMIC-IV-ECGの12誘導心電図からカリウム、カルシウム、マグネシウムを三分類したところ、MINNのKのMacro-F1は0.61で、最良のベースラインの0.55を上回りました。ラベルデータが1%のときには相対で31%の改善が見られました。
説明グラフ信号生成における安定化フィルタ：グラフの摂動に対して安定な生成のためのフィルタ設計
要約本論文は、グラフフィルタと学習済みグラフニューラルネットワークを組み合わせた、グラフ信号生成のための連続時間生成モデルの構造的安定性を研究しています。グラフ摂動が生成される信号分布に与える影響を定量化する Wasserstein 安定性の上界を導出しています。さらに、構造的安定性と信号平滑化のバランスをとるフィルタ設計の枠組みを提案し、安定性が保証される多項式フィルタの族を示しています。合成グラフと実世界の fMRI 信号を用いた実験で、理論的知見が裏付けられています。
説明ABACUS：シーン保持下で物体カテゴリと個数を評価する画像編集モデルのベンチマーク
要約本論文は、指示に基づく画像編集モデルの数量に関する編集能力を評価するための、ベンチマーク、評価手法、専用の採点指標「ABACUS」を提案する。視覚言語モデルによる採点や計数に頼らず、各編集をパノプティック正解と検出器の合意に照らして実体単位で検証し、要求された個数が正確に達成されたか、また残りのシーンが保持されたかを確認する。主要な画像編集モデルを評価した結果、シーンの複雑さや物体数が増えるにつれて悪化する、数量編集の明確な失敗が示された。
説明半パラメトリック推論のための償却ベイズ推論向けバイアス補正付き事前データ適合ネットワーク
要約本論文は、先験データ適合ネットワーク（PFN）を欠測下の平均や因果効果などの半パラメトリック目標に用いた場合の統計的性質を検討しています。理想化されたPFNはベイズ最適であっても、潜在的な擾乱関数の集中速度に依存する後验集中速度を示し、事前分布が多様になるほど遅くなり得ることを示しています。これを改善するため、有効影響関数に基づく二つの去バイアス手法（ラベル補正と事前補正）を提案し、従来の頻度論的バイアス補正推定量と漸近的に一致する収束速度を得ることを示しています。
注目点有効影響関数に基づく二つの脱バイアス戦略を提案し、償却ベイズ推論と半パラメトリック効率理論を結び、漸近最適性の保証を与える。
説明単一エンコーダで複数の地理空間基盤モデルを整合させる試み
要約地理空間基盤モデル（GFM）は事前学習の目的、データのモダリティ、解像度が大きく異なり、どのベンチマークでも常に最上位のモデルはありません。本論文は Pangaea ベンチマークを拡張した Pangaea-Latents を提示し、11 のデータセットに対して 5 つの GFM の凍結埋め込みを提供しました。その結果、埋め込みは冗長でも完全に独立でもないことが分かりました。さらに GeoMixture を提案し、多表現整合（mREPA）目標によって ViT を複数の GFM に整合させます。9 つのデータセットで平均順位が最良の GFM と並ぶ一方、ピーク性能と引き換えにタスク間の一貫性を得る、と報告しています。
説明抽象から行動へ：自然言語の抽象解釈と実行のためのDSL
要約自然言語の指示には「積み木をピラミッド状に積む」のような高レベルの抽象概念がよく含まれ、抽象度が上がるほど言語モデルの性能は低下します。本論文は、よく使われる抽象を具体的な行動へ展開する、ドメイン特化言語（DSL）を中間表現として用いることを提案し、HexagonsとText2CADのベンチマークで検証しています。人手で作成したDSLは大きな改善をもたらす一方、モデルが自動で導出したDSLは効果が一部にとどまり、実行ごとに結果が安定しないと報告しています。
説明16S rRNAから細菌の培養条件を推薦する研究
要約本論文は、65,023株の細菌について16S rRNA配列と培地・温度・pH・酸素の4つの培養条件を対応づけた、系統発生を考慮して分割したベンチマークDSNIを紹介します。配列の可変領域と保存領域の違い、領域の種類・位置・局所的な複雑さに基づいて位置ごとの重要度を学習する変動性ゲート付きエンコーダを提案しています。実験では、平坦なTransformerより結合精度が4.7%向上し、RNABERTと組み合わせた完全一致の結合精度は44.2%、上位25件の推薦に正解プロトコルの90.2%が含まれたと報告されています。
説明報酬の誤設定はチェーン・オブ・ソートの監視可能性を低下させる
要約本論文は、強化学習における報酬の誤設定が、言語モデルのチェーン・オブ・ソート（CoT）の監視可能性に与える影響を調べたものです。真のタスク意図に合う報酬と、それとは異なる行動を好む誤設定報酬のペアからなるテスト環境を構築し、モデルの報酬ハッキング率が上がっても、CoTはタスク意図について推論し続け、出力は意図に反して報酬を得ることを示しました。さらに、推論過程で誤設定された報酬を明示させる報酬記述の学習により、全モデル・タスクで指標に応じて平均24％または42％（絶対値）監視可能性が改善したと報告しています。
説明フローチャートを用いたリーマン多様体上の正規座標の学習
要約本論文は、与えられたリーマン多様体上の各点周りの正規座標を近似するために、条件付き可逆ニューラルネットワーク（フローチャート、flow chart）を学習する手法を提案しています。学習された座標系では、指数写像と対数写像を高速なユークリッド演算で近似できます。また、適切な条件下でチャートが正規座標のときに限りゼロになる、非負で効率的な損失関数も提案されています。
説明適応的リプレイ改良（ARR）：修正と再サンプリングの間でテスト時計算量を配分する手法
要約本論文は、学習を必要としない適応的リプレイ改良法（ARR）を提案する。テスト時に、既存の解の修正が不動点に達したかを検出し、解放された計算資源を新たな独立サンプルに振り向ける。現在の解を下書きとみなし、変更されないトークンを並列に検証することで、不動点の効率的な検出を可能にしている。七つのモデルと七つのベンチマークで、ARR は同等の計算量において五つの数学推論ベンチマークのうち三つで多数決と同等の性能を示し、クリティカルパス上の直列処理回数を最大 2.4 倍削減した。
説明AGGR-Mamba：欠サンプリングMRI再構成のための、Mambaベースの注意誘導ゲート付き残差精緻化ネットワーク
要約欠サンプリング磁気共鳴画像（MRI）再構成は、部分的に取得したk空間データから高品質な画像を復元し、撮像時間を短縮することを目的とします。本論文では、脳MRI欠サンプリング再構成のためにMambaバックボーンを用いた、軽量な出力段の残差精緻化手法AGGR-Mambaを提案します。注意精緻化ヘッドとGDFN型のゲート付き残差分岐により、局所的な誤差と高周波アーティファクトを補正します。IXI脳MRIデータセットにおいて、加速係数R=4およびR=8で実験を行い、PSNRとSSIMで競争力のある結果を示しています。
説明CPVB-RG：既往画像を考慮した胸部X線レポート生成のための交差既往視覚ブリッジ手法
要約本論文は、胸部X線のレポート生成において現在と過去の画像および利用可能な臨床テキストを併用するフレームワークCPVB-RGを提案します。中核となるモジュールは、進行差分注意と共有空間注意を対比させて時間的に変化しない領域の影響を抑え、2つの交差注意ユニットで経時的な視覚情報と臨床的意味内容を結び付けます。MIMIC-CXRおよびIU X-Rayでの実験では、言語および臨床指標で改善が示されています。
説明局所的な作業、全体の前進：AIエージェント協調の収束理論
要約本論文は、複数の大規模言語モデル・エージェントの協調を、ブロック最適化として定式化します。各エージェントは共有解の一部を改善し、コーディネーターが各提案を全体目標で検証して、互いに干渉しない提案を統合します。修正項が正確な場合には線形収束することを証明しています。ロボット経路計画の実験では、3エージェントのチームが毎回衝突のない計画を見つけ、検証済みの組み合わせを統合すると探索時間が約30%短縮されました。
注目点LLMエージェント協調をブロック最適化として定式化し線形収束を証明した点は新しい；ロボット経路計画とSQLiteでの実験と単一エージェントとの比較で裏付けている。
説明HRoPE：ホモグラフィ相対位置エンコーディング。多視点 Transformer に表面認識の位置情報を与える手法
要約本論文は、各パッチの局所形状を傾いた三次元平面とみなし、そこから導かれる平面誘導ホモグラフィを相対変換として注意機構に組み込む HRoPE を提案します。これにより Transformer は透視歪みを補正し、異なる視点間でパッチ特徴を揃えられるようになります。真の幾何情報は不要で、平面パラメータは新視点合成の目的のみで端から端まで学習するか、基盤モデルから得られます。著者らは RealEstate10K、CO3Dv2、DL3DV において、最良の版が評価対象の幾何位置エンコーディングより新視点合成で優れていると報告しています。
説明ChartEvo：長尾グラフ推論のための自己進化型エージェント
要約マルチモーダル大規模言語モデルは一般的なグラフでは高い性能を示すが、視覚構造が多様で推論要件の異なる長尾グラフでは精度が大きく低下する。ChartEvo は、経験に基づいて再利用可能なグラフ専用のスキル（Skills）と実行可能なツール（Tools）を進化させる再帰的自己改善フレームワークであり、ツール呼び出しチェーンを学習して推論コストを抑える。ChartBench と ChartX の長尾グラフにおいて、基盤モデル Qwen3.7-Plus より精度が向上したと報告されている。
説明四十の質問：一語の回答から言語モデルを特定する
要約本論文は、「音を一つ挙げよ」「詩人を一人挙げよ」などの日常的な質問に対するモデルの一語の回答から、APIの背後にあるモデルを特定する手法を提案している。94モデルのパネルで、40の回答により92.5%の精度で正確なモデルを特定でき、偶然による正答率は1.1%だった。OpenRouter経由の96エンドポイントに適用したところ、92がそれぞれ主張するモデルと一致した。
注目点一語回答によるモデル指紋識別という新たな組み合わせ手法で、94モデルで92.5%の精度を示し、実際のサービスでのモデル差し替えや課金の問題も明らかにしており影響は広い。
説明GALA：制御可能な物体配置のための幾何認識言語モデル
要約本論文は、点群による明示的な幾何情報の知覚を備え、3Dシーンにおける支持や包含などの細かな配置制約を扱うGALAモデルを提案しています。モデルは、シーンの文脈と配置指示に基づいて対象物体の6D姿勢を一つずつ自己回帰的に予測し、二段階の学習を行います。また、多様な部屋の種類と家具配置を含むシーンデータセットを構築したと述べており、ベンチマークでは明示的な幾何推論を持たない基準手法を上回ったと報告しています。
説明言語モデルはどのように「好み」を学ぶのか：LLMにおけるブランド選好
要約本論文は102のモデルと42のブランドカテゴリを比較し、ブランド名を挙げさせた場合と推薦させた場合で、26のカテゴリで結果が異なることを示しています。推薦では多くのモデルが同じ、ニッチで専門的なブランドに収束する一方、名前を挙げる場合は市場のリーダーが選ばれる傾向があります。選好最適化（DPO）の段階で推薦の選好が大きく変化することが報告されていますが、その形成メカニズムは完全には解明されていないと著者は述べています。
説明VGL-stGen：肺組織学と空間トランスクリプトームのための共有マルチモーダルモデル
要約本論文は、事前学習済みの医用視覚言語モデルを基に改良したマルチモーダル大規模言語モデルVGL-stGenを提案します。肺のH&E染色画像、空間トランスクリプトーム、単一細胞参照のペアデータで学習しています。一つのモデルで、組織・細胞種の分類、遺伝子予測、組織像・細胞同定・観測された遺伝子発現の組み合わせに基づく条件付き発現補完を含む13の評価タスクに対応します。
説明PI-MLLM：心理物理学に着想を得た、「奇妙な満足感」動画の感情分析向けマルチモーダル大規模言語モデル
要約本論文は、反復的な動きや視覚的な触感、ASMR風の音によって視聴者の感情を強く引き起こすが、明示的な意味的感情の手がかりがほとんどない「奇妙な満足感の動画（OSV）」を扱います。著者らは12,000本の5秒間の注釈付きクリップからなるOSVDデータセットを構築し、視覚と音響の物理的な感覚動態をモデル化するPI-MLLMを提案しています。実験では、視聴者の感情予測と感覚的根拠に基づく説明の質が向上したと報告されています。
説明低コスト多ゾーンSPADセンサーによる可信度考慮型V字形表面再構成
要約この論文は、低コストの多ゾーン単一光子アバランシェダイオード（SPAD）センサーが幾何学的不連続部付近で深度推定の信頼性を欠くという課題に対し、V字形表面を可信度考慮型で再構成する手法を提案している。センサーの信頼度、過渡ピーク振幅、ピークの鋭さから点ごとの可信度を学習し、グラフベースの深度最適化に組み込む。60度、90度、120度の対象で平均V角誤差が11.21度から9.66度へ（13.8%減）低減したと報告している。
説明SplatFlux：動画潜在表現からフィードフォワードで4Dガウシアンを再構成・生成する手法
要約本論文は、動画の潜在表現から4Dガウシアンを直接デコードするフィードフォワード型フレームワークSplatFlux（4DGS）を提案し、動画ベースの4D再構成と条件付き4D生成の両方に対応します。静的成分と動的成分を分離した4Dガウシアン表現を導入し、各ガウシアン要素の動的確率を明示的に予測します。さらに、注釈コストをかけずに学習するため、疑似動的マスクとオプティカルフローの手がかりを与える補助的な蒸馏戦略を用いています。著者らは、3Dおよび4Dの再構成と生成の実験で最先端の性能を達成したと報告しています。
説明スパース変分ガウス過程のための幾何学を考慮したブロック選択：データの分割を工夫して変分下界を締め、予測性能を改善する手法。
要約スパース変分ガウス過程（SVGP）は、スケーラブルなガウス過程モデリングのために広く使われる手法で、完全なガウス過程の周辺尤度に対する下界を与えます。近年の研究では、ブロック対角のスケーリング行列を導入すると、この下界がより厳しくなることが示されています。本研究は、誘導点数を固定した条件で、変分目標を締めるブロックを選ぶことがテストデータのRMSEとNLLを改善するかを調べています。提案手法は、データの適切な分割を選ぶことで対数行列式の寄与の大部分を回復する、単純でスケーラブルな幾何学を考慮したアルゴリズムです。また、二重確率的最適化による学習法も示され、別の条件付き事後分布構造によるハイパーパラメータと誘導点の学習の可能性も検討されています。
説明脳MRI向けLoRA適応の視覚基盤モデル：性能は収束、内部機構は分岐
要約本論文は、LoRAで視覚基盤モデルを脳腫瘍セグメンテーションに適応させた際、事前学習の方式が異なる四つのバックボーンの性能が近いものの、内部の表現変化が異なることを調べている。注意の乖離、重み変化、活性化パッチングで分析し、セグメンテーション適応がアルツハイマー病分類へ与える影響も評価している。早期から中期の層に限定してLoRAを適用すると、全層適応に近い分割性能を保ちつつ分類性能の低下を抑えられるとしている。
説明信頼に基づく多ロボットの安全な協調：一様な除外による保護
要約ロボット群は有向かつ時変の局所通信リンクで協調するが、その一部は改ざんされ悪意あるデータを送る可能性がある。本論文は、Safe Anytime-Valid Inference を用いて各ロボットの異常検知器が出す信頼値を検定し、安全に取り込めるリンクだけを選ぶ通信ラッパーアルゴリズムを提案する。必要な条件は検知器が偶然より優れていることだけである。3台のLoCoBotと8台のGoPiGoで神経暗黙マッピングと方位合意の2課題を実機検証し、数百台規模への拡張性もシミュレーションで示している。
説明TPO：分布外の選好アライメントのための三段階分布ロバスト学習
要約本論文は、直接選好最適化（DPO）が学習時と展開時の選好分布は一致すると仮定する点に着目している。実際には選好分布は群レベル、プロンプトレベル、選好レベルの三段階で偏移するため、これに対処する手法としてTPOを提案する。階層的な矩形あいまい集合により三段階の不確実性を同時にモデル化し、Wasserstein距離を用いて扱いやすく解釈可能な目的関数を導出している。有限サンプルでの収束保証を示し、既存のロバストDPO手法より優れていることを実験で検証している。
説明再生核ヒルベルト空間における規範最適モデル次数削減
要約本論文は、再生核ヒルベルト空間（RKHS）におけるモデル次数削減（MOR）問題を扱います。有理関数向けに知られていた規範最適な補間条件を一般化し、微分可能なカーネルを持つRKHSに対して、IRKAの代替となる反復アルゴリズムを提案しています。さらに一般化されたMalmquist-Takenaka（GMT）関数を用いて、非微分可能カーネルへの拡張も行い、サポートベクターマシンや深層ReLUネットワークなどで数値実験を示しています。
説明長いコンテキストを扱うLLMのローカル推論：データシステムの視点から
要約本論文は、個人が単一のGPU上で長いコンテキストの大規模言語モデルを動かす際のボトルネックを研究しています。複数のモデルを複数世代のGPUで比較した結果、自己注意機構が長文推論の実行時間を支配する一方で、その構造によりGPUの重要な資源が十分に活用されず、最新のGPUが最も活用されていない場合が多いことを示しています。これらの問題はKVキャッシュのページング、キャッシュ利用率、同期などデータ管理の課題であり、実験的観察と今後の研究への提言として示されています。
説明言語モデルはニューロン除去によって「失語症」を起こすか？
要約本論文は、LSTMとTransformerを含む言語モデルのニューロンを系統的に除去し、少量のファインチューニングを代償的可塑性の簡易モデルとして用いて、神経細胞の喪失に伴う能力低下を調べています。アーキテクチャによって失敗の仕方が異なり、LSTMは徐々に劣化し、Transformerはフィードフォワード層の除去で後期に閾値的な崩壊を示すことが報告されています。著者らはこれを、失語症や神経変性疾患を理解するためのインシリコ的な計算論的視点として位置づけています。
説明ExeBench-FHD：逆コンパイラ評価における忠実性の問題への対処
要約本論文は、LLMベースの逆コンパイラの評価によく使われるベンチマークExeBenchを分析し、テストの忠実性に影響する9つの問題を指摘しています。後方互換性のある改訂版ExeBench-FHDを提案し、16の新しいフィールドと5つの警告フラグを追加しました。-O2での評価では、一部の関数で再実行成功率が最大26.5%向上したと報告しています。
説明領域誘導型による食品包装の証拠抽出と、棄権を伴うドラフトR3337スクリーニング（選択的VLM再審査）
要約本研究は、南アフリカのドラフトR3337の警告基準を食品包装写真に適用するため、栄養成分表示、原材料表示、製品形態の証拠を抽出するワークフローを提案している。検出器で関連領域を特定し、PaddleOCRと構造化抽出で情報を取得した後、決定論的ルールで判定する。証拠が不十分または矛盾する場合は棄権し、一部の未解決事例にはQwen3-VL 8Bによる選択的再審査を行う。442製品（3,929画像）の手動検証セット（65製品）において、選択的精度は97.4%、カバレッジは51.7%から65.0%に向上した。
説明修正を学ぶ：対話型テキストからモーション生成のための自己進化型マルチエージェント修正フレームワーク
要約既存のテキストからモーション生成手法は一度きりの生成が中心で、ユーザーが一部の動きに不満を持つと全体を作り直す必要があった。本論文は、指示理解・モーション生成・局所編集・品質評価を連携させる対話型モーション生成のパラダイムを提案し、その実現のためのSMART（Self-evolving Multi-Agent RefinemenT Framework）を示す。SMARTは、自然言語のフィードバックを時空間上の動作領域に対応付け、未編集部分を変えずに局所的な修正を行う意味誘導型マスクモーション編集を備える。さらに、対話履歴から編集知識を蓄積し過去の成功経験を再利用する記憶ベースの自己進化戦略により、冗長な探索を減らす。実験により、多ターンの対話型モーション生成と効率的な修正を効果的に支援することが示された。
説明JAXbounce：低次元環境を超えた能動的推論のための連続制御型ピンポン風ベンチマーク
要約本論文は、離散的で低次元な環境を超えて能動的推論を評価するための、ピンポンに似た連続制御ベンチマーク JAXbounce を提案している。状態ベクトルまたはピクセルグリッドとして環境を表現でき、複数のノイズモデルを組み合わせられる。JAX で微分可能かつ並列化可能である。無香料カルマンフィルタと期待自由エネルギー計画を用いる状態ベースのエージェントや、事前学習済みニューラルネットワークエンコーダを用いるピクセルベースのエージェントを、1 万回以上のシミュレーションで比較している。
説明MaD-RSI：モデルをデータとみなしエージェントハーネスを再帰的に自己改善する手法
要約本論文は、複数の異なる大規模言語モデルの失敗軌跡を訓練データとして取り入れ、単一モデルに特化せず共有のエージェントハーネスを最適化するMaD-RSIという枠組みを提案しています。跨モデル最適化の効果を測る二つの相補的な指標も新たに設計されています。複数のデータセットとモデルでの実験により、既存手法より汎化性能が向上し、訓練コストも削減できることが示されています。
説明電力負荷予測のための時系列基盤モデルのパラメータ効率的な適応
要約本論文は、電力負荷予測における時系列基盤モデルの三つの利用方法、すなわち事前学習済みのまま推論する方法、全パラメータの微調整、低ランク適応（LoRA）を比較し、四つの負荷集約レベルで精度と適応効率を評価しています。主なバックボーンはMOIRAI 1.0 Large、結論の他モデル族への適用可能性をChronos-2で検証しています。ランク16のLoRAは約1%のパラメータ（314.6万個）のみを更新して正規化平均絶対誤差を平均7.5%減らし、全パラメータ微調整の改善の大部分を維持しました。
説明物体中心の強化学習を再定義する：絶対表現から相対表現へ
要約本論文は、物体中心の強化学習エージェントが各物体の位置を固定の全体座標で受け取る一方、意思決定は物体同士の相対位置に依存することが多いと指摘します。著者らはアンカーに固定した物体相対座標（ORCA）を提案し、そのための Transformer 構造 ORBiT を導入しています。結果として、相対表現は MLP と Transformer の両エージェントの性能を向上させ、ORBiT は 13 のAtariゲームで HNS IQM が 1.0 を超えたと報告されています。
説明魅力的な顔が文章から画像を生成するモデルの報酬モデルとランキングを歪める
要約本論文は、テキストから画像を生成するモデルの評価における人間の選好の偏りを調べたものです。人間の顔では、画質が同程度の実写写真を比べても、標注者が魅力的な顔を高品質と判断する傾向があることが、管理された利用者調査で示されています。この偏りはランキングを歪め、複数の人間選好モデルにも現れ、生成結果を若く女性的な顔へ寄せることがあると述べています。
注目点顔の魅力が画質より人間の選好を左右し、複数の選好モデルとリーダーボードに再現されることを示し、影響は広いが新規性は中程度。
説明適応的プルバック：オンポリシー蒸留におけるペナルティ急増箇所での監督信号の再重み付け
要約本論文は、オンポリシー蒸留（OPD）で学生と教師のログ比の局所的な変化を調べ、ペナルティが急に上昇する一方で教師の確信度が下がる現象「ペナルティ・確信度の緊張」を報告している。提案手法の適応的プルバックOPD（AP-OPD）は、検出された急増箇所で直前のブロックを参照基準とし、後続ブロックの監督係数を一律に縮小して、加重平均ペナルティを直前ブロックの元の平均に合わせる。数学的推論とコード生成の両方で性能向上が示されている。
説明オフライン校正でオンラインを改善：ビデオ生成向けのキャリブレーション付きキャッシュ圧縮（CALM）
要約本論文は、自己回帰型ビデオ生成におけるKVキャッシュのメモリ消費を抑えるため、層とヘッドごとのトークン統合の感度をオフラインで校正するCALMを提案します。注意出力の誤差を軽量な指標として用い、固定のリスクマップを作成します。推論時はキャッシュ予算に応じて動的計画法で統合比率を割り当てます。3つの自己回帰ビデオモデルでの実験では、同じメモリ予算下で均一なトークン統合より優れ、元動画とのLPIPSが約21%低下し、映像品質スコアも向上したと報告されています。
説明線形照明補正と周波数適応強調による、RAW画像の露出補正・復元の統一手法
要約本論文は、露出不足と露出過多の両方に対応するRAW画像の統一的な露出補正・復元フレームワークRIECRを提案します。線形照明補正ネットワークで各色チャネルの情報から線形ゲインを推定し、周波数動的畳み込みを備えた二分岐の周波数強調ネットワークで残りの劣化を復元します。さらに、223シーン・1,784組の実RAW画像ペアからなるベンチマークを構築し、16の先進手法との比較で最高水準の性能を示したとしています。
説明CrossFit-GS：COLMAP不要の3次元ガウシアンスプラッティングのためのout-of-fold姿勢推定
要約本論文は、従来のSfM（Structure-from-Motion）を使わず、姿勢情報のない画像列から直接シーンを再構築する3DGS（三次元ガウシアンスプラッティング）を対象としています。提案手法CrossFit-GSは、入力列を交互の部分集合に分けて2つの相補的なサブマップを保持し、対象フレームで最適化されていない凍結サブマップを基準に各候補姿勢を相互に補正します。チェッカーボード検証と空間カバレッジの確認で信頼できない更新を除外し、原文によれば累積的な軌跡ドリフトを大きく減らし、複数のベンチマークで姿勢推定と新規視点合成を改善したとされています。
説明クロスモーダル概念ニューロンによる大規模音声言語モデルの音声・テキスト整合の解明
要約本論文は、大規模音声言語モデル（LALM）がテキストを生成する前に、音声表現とテキスト表現をどのように統合しているかを調べています。両者が共有部分空間で整合しているという仮説のもと、音声とテキストの両方を表現するクロスモーダルニューロンを特定しました。3つのモデルと4種類の音響属性において、音声ニューロンとテキストニューロンの整合度は様々でした。ニューロンの活性化と抑制による因果的介入により、これらが予測に必要なだけでなく操作可能であることが確認されました。
説明序文：ヤコビアン・レンズを用いたLLMテスト失敗の生成前予測と特徴づけ
要約本論文はForeword（序文）というフレームワークを提案し、出力を生成する前にモデルの内部状態に基づいて、失敗しやすい入力を予測し、テスト入力の優先順位を付けます。合格例と不合格例の両方から学習し、ヤコビアン・レンズ（J-lens）で入力を表現します。10のタスクと3つのオープンウェイトLLMでの実験では、既存手法Clothoより予測と優先順位付けの性能が向上しました。また、ラベルやタスク仕様の曖昧さを指摘できることが事例研究で示されています。
説明知覚はできても止まれない：推論型運転VLAにおける知覚-行動の結合ギャップ
要約本論文は、推論機能を持つ視覚-言語-行動（VLA）運転モデルが、前方の危険を視覚表現内で符号化できるにもかかわらず、縦方向の軌道計画は自車速度の履歴に支配され、危険までの距離への応答が弱いことを示す。重みを再学習や変更せず、凍結したAlpamayo-1.5のフローマッチングサンプラーに危険条件付きエネルギーを注入することで、障害物への侵入率を58.1%から14.5%に下げ、制動関連のクローズドループ試験では衝突を完全になくした。
注目点知覚-行動結合ギャップという新たな診断視点を示し、凍結サンプラーに危険条件エネルギーを注入して衝突を大幅に減らし、証拠も比較的充実している。
説明CAPS：脳腫瘤セグメンテーションにおける欠損MRI補完のための臨床検証可能な解剖学優先合成手法
要約本論文は、臨床でMRIの一部モダリティが欠けている場合に欠損画像を生成し、脳腫瘍のセグメンテーションを支えるCAPSフレームワークを提案しています。L_1、深部解剖学的特徴の保持、厳密な位相境界を強制する混合目的関数を用います。BraTS成人グリオーマデータセットで下流セグメンテーションの平均Diceは82.38%で、髄膜腫・小児・サハラ以南アフリカのコホートにもファインチューニングなしで汎化しました。盲検の放射線学的評価では画質と臨床的有用性の向上が確認されています。
説明スマートメーターデータを用いた同時性最大化型の顧客クラスタリング
要約配電計画では顧客グループ内のピーク需要の同時性が重要ですが、スマートメーターデータの類似性ベースのクラスタリングはそれを直接最適化しません。本論文は、各グループの同時性係数の加重平均を最大化する顧客分割を定式化し、グループが2つだけの場合でも成員とピーク時刻の同時最適化が強NP困難であることを証明します。そのうえで、任意の実行可能な分割に適用できる固定ピーク精緻化手法を提案します。公開された4つのパネル（計27,654顧客）での評価では、検証用の日付においてランダム分割や5つの単独ベンチマークを上回り、最強のベンチマークに対して平均1.08〜3.48ポイントの改善が得られました。(原論文: arXiv cs.LG)
説明時系列知識グラフ上のLLM推論のための証拠・パラメータ協調整合手法（TEPCA）
要約本論文は、大規模言語モデルの静的なパラメトリック記憶が現実世界の知識の動的な変化と整合しにくく、既存の検索手法も時間的妥当性や事象の順序を見落としていると指摘します。提案のTEPCAは、証拠レベルでは時間制約付きの経路剪定とMIベースの剪定を、パラメータレベルでは時刻条件付きの動的ゲーテッドLoRA（DG-LoRA）を組み合わせます。2つの時系列知識グラフベンチマークで最先端の性能を達成したと報告され、8つの常識QAデータセットでDG-LoRAの汎用性も検証されています。
説明Africa-Papers：アフリカの基盤言語モデル向けの100億トークン規模の多分野学術コーパス
要約本論文は、泛アフリカの多分野学術事前学習コーパス「Africa-Papers」を紹介しています。84万4千本以上の全文論文、約101.5億トークンを含み、DOAJに収録された31か国の学術誌、CGIAR CGSpaceの農業リポジトリ、arXivにおけるアフリカ関連のプレプリント、OpenAlexに収録されたアフリカの機関所属研究者の出版物を統合しています。コーパスは章構造、数式、表を保持したMarkdown形式に整形され、統一された8分野の分類が付与されています。Hugging Face Hub上で公開されており、基盤モデルの継続事前学習と分野別評価を支援することを目的としています。
説明DocLayout-YOLO：文書レイアウト解析のためのリアルタイム検出器
要約本論文は、文書レイアウト解析向けのリアルタイム検出器 DocLayout-YOLO を提案します。メッシュ誘導型の合成事前学習データ MeshLayout-1M と、ページの縦横軸に沿った依存関係を捉える Page-Axis Layout Attention（PALA）が中核です。D4LA、M6Doc、HJDataset、PRIMA-LAD の4つの異種文書ベンチマークで最先端の結果を報告し、mAP50:95 はそれぞれ 72.4%、75.5%、96.0%、73.1% です。また、既存のリアルタイム検出器と比べて精度と効率のバランスが優れているとしています。
注目点メッシュ誘導の合成事前学習データとページ軸注意機構でYOLOを文書向けに改良し、4つのベンチマークで最高性能を示した。
説明コード生成器からエンジニアリング支援へ：PLCプログラミングのための工場認識型エージェント
要約本論文は、工場環境を把握した対話型のPLCプログラミング支援システムを提案している。検索拡張型の大規模言語モデルによる生成を基盤とし、工場固有のコンテキストの取り込み、説明とデバッグのためのチャット中心の対話、チャットから配備までの段階的なツールアクセスを加えている。実際の工場インフラを対象とし、現実世界に影響を与える各工程はエンジニアが管理する設計となっている。
説明限られた測定条件下での学習型逆問題推定の無音の失敗を予測する：測定物理と事前情報が説明する要因
要約この論文は、学習された事前分布が測定の届きにくい領域で、報告された区間が真値を含まないにもかかわらず無真値の診断がすべて正常に見える「無音の失敗」を研究します。著者らは線形化したVAE事前分布に基づくスコアを提案し、X線CT実データにおける事前登録型の実験で、二つの学習型推定手法の実際の失敗と比較しました。有界な測定到達範囲では、このスコアは物理ベースの基準に対して検出可能な改善を示さず、無音の失敗の構造は主に学習事前分布よりも測定条件と決定量に由来すると結論づけています。
説明スケーラブルな応力制約トポロジー最適化：機械学習に基づく同時解法
要約本論文は、状態・随伴・設計変数をそれぞれニューラルネットワークで表現し、単一ループでパラメータを同時に最適化する同時ニューラルトポロジー最適化（SNTO）フレームワークを提案します。学習では設計領域を複数のGPUに分割して配置し、さらに各領域を小区画に分けて順次勾配を計算することでピークGPUメモリを抑えます。二次元ベンチマークでは境界がより鮮明で灰色領域が少ない結果が示され、三次元問題では最大800万の配点を扱い、学習時間はGPU数にほぼ比例して短縮されています。
説明生成的柔軟ドッキングのためのカリキュラム学習
要約本論文は、タンパク質の apo 構造と配位子の SMILES からタンパク質-配位子複合体の構造を予測する柔軟ドッキングを扱います。訓練中に構造変化の大きい例を線形のペーシング関数で段階的に加えるカリキュラム学習を提案しています。PDBBind ESMFold apo ベンチマークで、提案モデル GCLDock は top-1 成功率 46.52%（配位子 RMSD 2Å未満）、PoseBusters 妥当性も要求すると 40.26% を達成し、既存のベースラインを上回ったと報告しています。
説明不動集合と相関均衡の計算困難性
要約本論文は、ポリトープゲームの近似相関均衡を計算する問題がPPAD完全であり、したがって多項式時間で納什均衡を求める問題と同等であることを示す。これは、相関均衡はナッシュ均衡より扱いやすいというゲーム理論の従来の見方に異を唱えるものである。著者らは相関均衡を不動点の一般化である「不動集合」と結びつけ、逆多項式精度でも不動集合の計算がPPAD困難であることを証明している。
注目点近似相関均衡の計算がPPAD完全であることを示し、不動点の一般化である「固定集合」を導入して、相関均衡は計算が容易だという通説に異議を唱える。
説明データシニングを用いたUCB型ガウス過程バンディットの近最適後悔上界
要約本論文は、ガウス過程上側信頼限界（GP-UCB）アルゴリズムの後悔上界を扱います。ガウス雑音の仮定の下で、単一のデータセットから独立なデータセットを作るデータシニング（data thinning）手法を用いることで、より厳密な信頼区間が得られることを示しています。これによりGP-UCBの直接的な拡張は近最適な単純後悔上界を達成し、段階的消去アルゴリズムと組み合わせると近最適な累積後悔上界も得られます。数値実験により有効性を確認しています。
説明多領域の識別可能表現学習による潜在交絡を持つ線形モデルの因果発見
要約本論文は、潜在交絡を含む線形因果モデルを、非巡回有向混合グラフ（ADMG）で表して研究している。提案手法のLinADMGは、多領域データを用いてノイズ変数を識別し、非ガウス性や無弓性の仮定には依存しない。ノイズ変数が識別できれば直接的な因果関係をすべて復元でき、追加の無相殺条件のもとでADMG全体を識別できると論じている。手法はシミュレーションデータと半合成データで検証されている。
説明SIGNN++：地上の夜空に対応する頑健なグラフニューラル星同定手法
要約本論文は、GNSSが使えない夜間環境での天文航法のための学習ベースの星同定フレームワークSIGNN++を提案する。元のグラフニューラルネットワーク手法SIGNNを拡張し、より現実的な地上観測条件を反映したノイズモデル、角距離エッジ特徴のフーリエ変換、RANSACに基づく透視星アライメントを加えている。結果として、地上での観測擾乱に対してより頑健で、元のSIGNNや公開基準手法より高い同定精度と求解成功率を示し、姿勢精度は同程度で連続運用に実用的な計算時間を保つとしている。
説明OV-Foam：三次元表現が意味特徴のリフティングに与える影響
要約既存のオープンボキャブラリー分割における特徴リフティングは、単純な逆投影で特徴をプリミティブに割り当てています。3Dガウシアンスプラッティングの再構成ではプリミティブが強く重なり、1本のレイあたりのプリミティブ数が多いため、再構成が最適から外れます。本論文はPowerFoamを基盤表現とするOV-Foamを提案します。パワー図でシーンを分割することで、プリミティブ間の重なりをなくし、レイごとのプリミティブ数を大幅に減らし、リフティング問題を単純化して最適に近い特徴割り当てを可能にします。実験では、ガウシアンベースラインより優れたオープンボキャブラリー分割性能が示されています。
説明GAMF-Net：スマートフォン皮膚病変分類のための、グループ単位の利用可能性を考慮したマルチモーダル融合ネットワーク
要約本論文は、スマートフォンで撮影した臨床画像から皮膚病変を分類するGAMF-Net（グループ単位の利用可能性を考慮したマルチモーダル融合ネットワーク）を提案する。十の臨床変数を人口統計、病歴によるリスク、病変の所見の三グループに分け、各グループで値と項目ごとの利用可能性マスクを共に符号化する。利用可能なグループのみが等重みの融合に参加し、臨床情報が全く無い場合は画像のみの経路に一致する。PAD-UFES-20データセットでの患者単位の五分割評価では、正解率74.17±2.85％、バランス精度70.11±2.11％、Macro-F1 68.85±0.85％、Macro-AUROC 93.42±1.20％を示し、統一条件で再実装した各ベースラインを上回った。
説明WAMの拡散処理の除去：ロボット制御のための行動充足型直接予測
要約本論文は、拡散モデルで事前学習された級カスケード型の世界・行動モデル（WAM）を、確率的サンプリングを用いない単一ステップの予測器に変換するDirectWAMを提案します。学習では、予測された未来から行動を復号し、その行動誤差をエキスパートを通じて逆伝播させることで、未来予測が制御結果に寄与するよう最適化します。LIBEROの4つのスイートで平均97.1%、RoboTwin 2.0で85.4%の成功率を示し、完全な反復型教師モデルと比べて推論遅延を28.0倍削減したと報告しています。
説明一時的な上書き下での無人航空機ナビゲーションのための割り込み対応リカレント強化学習
要約本論文は、リモートパイロットや機上の検知回避システムによって学習済み方策が一時的に上書きされた後、リカレント強化学習によるナビゲーション方策が制御を回復する際の挙動を研究しています。割り込みによって再帰的隠れ状態からタスク情報が読み取りにくくなり、割り込み後の衝突リスクが高まることを示しました。割り込みの文脈を条件とする3つのアーキテクチャを提案し、最も優れた構成では、シミュレーションにおいて基準モデルと比べ割り込み後の衝突が74%、割り込みによるミッション失敗が69%減少し、割り込みがない場合の性能は低下しませんでした。
説明PointForward V2：フィードフォワード型運転シーン再構成のための点整列インタラクション手法
要約本論文は、動的な運転シーンをフィードフォワードで三次元再構成する PointForward V2 を提案する。静的背景用と動的インスタンス用のコンパクトなシーン構造化レジスタを介して三次元クエリ同士が情報をやり取りし、空間座標と元のタイムスタンプを組み合わせた 4D 位置エンコーディングを用いる。高密度なグローバル注意機構を使わずに時空間推論を行うとされ、Waymo、nuScenes、Argoverse 2 で最先端の性能を示したと報告している。
説明信頼性誘導型視覚言語デコーディングとテキスト認識スキップ精緻化による医用画像セグメンテーション
要約本論文は、医療テキストを統合する視覚言語フレームワークRELiFを提案し、視覚的区別が小さい・構造が不規則な医用画像のセグメンテーションに取り組む。信頼性誘導融合ゲート（RFG）がクロスモーダル更新を適応的に制御し、テキスト誘導スキップ精緻化アダプター（TSRA）が高解像度特徴をテキストで精緻化する。X線、CT、内視鏡の各セグメンテーションタスクで評価され、効率と安定性も分析されている。
説明OvisOCR3 技術報告：0.8Bパラメータの統合型OCRモデル
要約本論文は、パラメータ数0.8BのモデルOvisOCR3を紹介します。文書解析、一般OCR、キー情報抽出、図表キャプション生成、ページをまたぐ表の再構成など、複数のOCR関連タスクを1つのモデルで扱えるようにしたものです。学習には実データと合成データを用い、多教師のオンポリシー蒸留と強化学習を組み合わせています。公開・社内のベンチマークで、汎用の視覚言語モデルや専用OCRモデルと比較されています。
説明条件付き情報ボトルネックに基づくスパイking神経ネットワークの頑健な表現学習（ノイズや攻撃への耐性向上）
要約本論文は、スパイキングニューラルネットワーク（SNN）が入力摂動、ハードウェアノイズ、敵対的攻撃に弱い問題を扱い、条件付き情報ボトルネックに基づく頑健な学習目標SCIBを提案しています。従来の圧縮項I(X;S)を条件付き相互情報量I(X;S|Y)に置き換え、学習可能なクラス条件付き事前分布を導入しています。Fashion-MNIST、CIFAR-10、CIFAR-100での実験では、多くの雑音条件で標準SNNや情報ボトルネック系の基準手法より頑健であり、敵対的訓練を用いずに評価された攻撃下の精度を改善し、SynOpsに基づく単一サンプル推論エネルギーを制約なしSNNの基準より24.9%削減したと報告しています。
説明弱L^α雑音下の強い保証：アフィン重い裾における勾配クリッピング
要約本論文は、重い裾をもつ確率的雑音のもとで確率的一次法の高確率収束保証を得るための勾配クリッピングを扱います。モーメント条件より弱い弱L^α裾条件の下で、クリップ付きSGDとその加速版について保証を導いています。1<α<2では加法的確率誤差がK^{-(α-1)/α}で減少し、α=2では対数因子の必要性を示し、下界や数値実験で理論を裏付けています。
説明解釈しすぎ？曖昧な状況における大規模言語モデルの心の推論と解釈の選好・確信
要約本論文は、604件の曖昧な社会的場面、うつ病および社交不安の開示と対応づけた内容、事件の証拠を変えない4ターンの対話からなる評価枠組み「MentalLoom」を提案します。八つの大規模言語モデルを対象に、利用者の心理的背景が解釈の傾向と確信度にどう影響するかを調べました。その結果、開示は当初、全体としてより否定的な説明を引き出す一方、語り手に向けた解釈はより肯定的になりました。繰り返しの追及では、新たな事件の証拠がないままに、感情的支援、語り手への肯定的な同意、より高い確信が見られました。
説明構造的因果モデルの半解析的推論枠組み：SCM上で直接メッセージ伝播を行う推論手法
要約本論文は、構造的因果モデル（SCM）上で確率推論を直接行う手法を提案している。構造機構と確率密度を共通の有限次元関数空間で表現し、無意識統計学者の法則（LOTUS）の数値的実現による順伝播と、LOTUSモーメントからのスプライン射影による密度復元を行う。同じ表現により条件付けのための逆方向メッセージ伝播も得られる。ランダムに生成した連続SCMでの実験では、モンテカルロ参照解への近似精度が示され、基底の分解能を上げると系統的に改善することが報告されている。
説明Polyscene：シナリオ・プランニングを多様性計画として扱う
要約本論文は、人手によるシナリオ・プランニングを自動化する手法を提案し、シナリオの違いを分析者の主要因子上で異なる物語に至ることとして定式化する。汎用エンジン Polyscene が一つのテーマからシナリオ集合を生成する。地政学的紛争と海運ルート混乱を事例として示している。
説明BAIT：LLMはニュースで読者に働きかける認知バイアスの引き金を見つけられるか？ベンチマーク
要約本論文は、読者の心理的近道を利用する認知バイアスの引き金（トリガー）をニュースから検出するためのベンチマーク BAIT を提案している。九種類のトリガーの体系と、50本の英語ニュース記事に対する人手による注釈を含む。six 種類の最先端LLMを評価した結果、記事に含まれるトリガーの判定では人間の一致度に近いものの、全てを網羅することは少なく、トリガーの箇所の特定は人間の半分未満だった。モデルは操作の仕組みではなく表面的な手がかりに反応していることが示唆されている。
説明LatticeRank：ネイティブグリッド3D医用画像セグメンテーションのための間隔順位付け一貫性手法
要約本論文は、3D医用画像セグメンテーションにおけるボクセル間隔の変化に対応するため、学習時のみ用いるLatticeRankフレームワークを提案しています。物理空間で候補グリッドの事後確率を整合させ、ボクセル間隔の順序に従って一貫性の監督を配分し、最も粗いグリッドを重視します。推論時のネットワーク前向き計算は1回のみです。MSD Task04において、5つの乱数種で平均一貫性手法と比べ粗いグリッドのExtra Diceが0.03436向上し、事前に定めた参照グリッドの非劣性基準も満たしています。
説明複雑な履歴から単純な予測器へ：動的グラフ学習における予測次元
要約既存の連続時間グラフ学習手法は、増え続ける相互作用履歴を符号化するために複雑なニューラルアーキテクチャに大きく依存している。本論文は、複雑な履歴によって誘導される将来の条件付き分布は低次元の予測状態多様体で特徴づけられることが多く、将来の相互作用には少数の予測自由度で十分であると主張する。著者らは、タスクに必要な有効予測自由度を定量化する「固有予測次元」を定義して推定し、その容量をこの次元に合わせた軽量モデルPreDyGを提案している。PreDyGは、より優れた予測性能を示すとされている。
説明WildAIGC-Bench：AI画像検出器はネット上の実環境に対応できるか？拡散中の生成・編集画像のベンチマーク
要約本研究は、ニュースサイト、ファクトチェック情報源、SNS投稿を継続的に収集して構築したWildAIGC-Benchを提案します。人手で検証された407枚のAI生成または編集画像を含み、各画像には元のウェブページのリンクと証拠の要約が付いています。画像には圧縮、スクリーンショット、再撮影などネット上で実際に生じる条件が残されています。専用の視覚検出器、マルチモーダル大規模言語モデル、単純なPerception Encoderベースラインを評価したところ、既存のベンチマークと比べて再現率に大きな差がみられました。
注目点ネット上で流通する実際のAI生成・編集画像のベンチマークを構築し、既存検出器の再現率低下を示した点が有用だが、手法の新規性は限定的。
説明MoDDiT：拡散Transformerにおける簡単なトークンルーティング
要約本論文は、拡散Transformer（DiT）に対する簡単な構造変更であるMoDDiTを提案し、画像トークンをMLPと自己注意の両方へ振り分けることを学習させます。これにより、トークン、画像、ノイズ除去の時間ステップごとに計算量を動的に割り当てられます。論文によれば、トークンの約12.5%のみを処理しても訓練・推論コストを大きく削減でき、生成性能も向上します。さらに、動画生成やモデル蒸留への応用も示されています。
説明InsightRAG：分散した研究者の判断を集約し科学サーベイを生成する手法
要約科学文献の急増によりサーベイ論文の執筆は難しくなっており、自動生成への関心が高まっています。本論文のInsightRAGは、著者が書いた関連研究（Related Work）節の引用関係と説明を手がかりに検索を行い、研究範囲を再構築して関係性の証拠を整理します。さらに最小コンフリクトの目的関数のもとで分類体系にまとめ、生成と各節の根拠の範囲を制御します。十のトピックでの結果では、範囲の再構築、分類体系の質、引用の裏付け、参考文献の信頼性が向上したと報告されています。
説明IECG：弱教師あり・解釈性を高めた心電図基盤モデル
要約心電図は心臓診断の基本となる検査ですが、多くの機械学習手法は解釈性に欠けています。本論文は、異常領域の手動アノテーションを必要とせず、診断分類と異常領域の特定を同時に行うIECGモデルを提案しています。臨床知識から導いた異常ヒートマップの擬似ラベルでKLダイバージェンス損失を用い、注意機構を診断に関連する波形領域へ誘導します。事前学習では、心電図とテキストの対照学習や所見生成の目的関数も併用されます。実験では、分類性能を保ちながら異常領域の特定で最先端の結果が示されています。
説明PULSE：ウェアラブル機器向けの個人化された機会学習フレームワーク
要約ウェアラブル機器の個人化された健康・ウェルビーイング応用では、配備後のデータが学習時と大きく異なることがあり、単一機器のローカル適応はそのデータ量に制約されます。本論文はイベント駆動型のフレームワークPULSEを提案し、機器同士の出会いごとに、交流しないか近くの有望なピアを選ぶかというオンラインの協調判断として扱います。ピアの勾配は局所の学習方向と整合する場合のみ取り込み、過去の交流が将来のピア選択を導きます。機会的モデル平均化と比べてピア支援の交換を80〜94%削減し、ウェアラブル機器上での実現可能性も示されています。
説明Slot-JEPA：潜在世界モデルのためのオブジェクト構造化予測インターフェース
要約本論文はSlot-JEPAを提案し、密なパッチ表現を安定した意味スロットと時間変化する空間マスクに分解して、再利用可能なオブジェクト構造化インターフェースを作る。その上で、遷移メモリ予測器（TMP）が視覚遷移をコンパクトなマスクとして保存し、対応するスロットの統計量を使って有用な文脈を取り出す。マスク予測の監督には非平衡最適輸送（UOT）を用いる。著者らは、7つの視覚理解ベンチマークで特徴が転移可能であり、REALM-JEPAベンチマークの計画タスクで目標条件付き計画が改善したと報告している。
説明MuPACE：LoRA 微調のための Muon 学習率ペース調整の学習
要約本論文は、LoRA 微調整で Muon オプティマイザのグローバルステップサイズを学習する小さな再帰ポリシー MuPACE を提案します。方向は Muon の正規化更新が決め、ポリシーは学習軌跡を見て解析的スケジュールへの有界な調整を出力します。16 層までのモデルで訓練したものが、64 層のモデルにも一回の実行で転移できると報告されています。
説明同じ判断、異なる「はい」：言語モデルの多言語判断プロファイルの測定
要約本論文は、8つのモデルが6言語で約105の道徳的な場面に答えた110万件の応答を集め、質問の形式や応答の読み取り方（トークンか文全体か）を変えたときに同じ判断が得られるかを検討しています。否定疑問文の後に事前定義の対応付けで「はい／いいえ」のトークンを読む場合を除き、判断プロファイルは各読み取り方や質問形式の間でおおむね一致しました。また、言語間ではモデルが自身の別言語のプロファイルに近い傾向が見られた一方、「はい」というトークンだけでは判断を評価できず、肯定している命題の特定が必要だとしています。
説明リスクの定量化：ガーナ・デンス流域の子どもにおける重金属健康リスクのベイズ確率的枠組み
要約本研究は、ガーナのデンス川流域の地下水94試料を用い、鉄、マンガン、ニッケル、鉛、カドミウム、ヒ素の6種類の金属を対象としています。著者らはベイズ確率的枠組みで非発がんリスクを評価し、空間補間によって連続的なリスク分布図を作成しました。その結果、採取地点の約31%で、ハザード指数1を超える確率が0.5を上回ることが示されています。累積リスクへの寄与は鉛、ヒ素、カドミウムが大きいとされています。
説明TrajEvolve：事後的クレジット割り当てを用いた強化学習のための軌跡進化手法
要約本論文は、大規模言語モデルの長期タスクにおける強化学習の課題、すなわち成功軌跡が少ないことと、疎な最終報酬によって冗長なステップが生じることに取り組みます。提案手法TrajEvolveは、過去の軌跡の低品質なステップを改良して「進化軌跡」を生成し、各ステップが必要かどうかを判定する二値分類として信用割り当てを再定式化します。著者らは、2つのデータセットでの実験により本手法の優位性を示したとしています。
説明CUB 上の概念ボトルネックモデルの精度の出所を検証する研究
要約概念ボトルネックモデル（CBM）は「曲がったくちばし」などの概念を通じて人が予測を点検・修正できるとされますが、標準ベンチマークの CUB-200-2011 では課題精度と概念精度のみで評価されてきました。本論文は CBM と概念埋め込みモデル（CEM）の精度がどこから生じるかを検証し、CUB の標注がノイズを多く含むこと、また多くのクラス情報が非局所的特徴を通じて概念スコアに入ることを示します。局所化と遮蔽の実験から、局所性は根拠付けを測定可能にするが保証はしないことが分かり、CUB の精度差は過度に解釈すべきでないとしています。
説明遅延フィードバックを伴う汎用オンライン凸最適化：損失関数の曲率を事前に知らなくても適応するアルゴリズム
要約本論文は、遅延フィードバックのあるオンライン凸最適化を扱い、損失関数の曲率クラスやパラメータを事前に知らなくても、一般凸、強凸、指数凹の損失に同時に適応する単一のアルゴリズムを提案している。後悔の上界は、時間長と遅延に関して既知の最良の依存性と、二重対数因子を除いて一致する。また新しい指数凹の基礎学習器により、最大遅延の代わりに最大同時欠測観測数を用いた、より鋭い上界が得られている。
説明スロットは話者ではない：凍結されたストリーミング話者分離モデルのための学習不要な話者リンキング
要約本論文は、出力スロット数より多くの話者を追跡できるようにする、因果的で学習不要のリンカーを提案している。リンカーは既存モデルのスロット事後確率と音声のみを用い、話者が変わる箇所でスロットを分割し、既知の話者バンクと照合して再ラベル付けする。8つのコーパスの1418セッションで、4スロットモデルの上限超過時のDERは36.8%から22.6%に低下した。
説明細粒度分類における言語事前学習が表現の意味に与える影響の評価
要約本論文は、CUB-200 データセットで分類のみの教師あり学習と画像キャプション生成による教師あり学習で訓練したエンコーダを比較する、説明可能性に基づく簡潔な枠組みを提案しています。アテンションロールアウトなどで顕著性マップを生成し、忠実性と局在性の指標で評価しています。キャプション教師ありの表現は顕著領域の除去に敏感で、注釈付き部位とより整合し、背景への依存が少ない一方、分類教師ありの表現は低顕著領域の除去に対してわずかに頑健でした。
説明C-SMC ストリップ堆積のビジョンベース・インライン検査のための、プロセス情報を取り込んだフォトリアリスティックなデジタルツイン
要約本研究は、シート成形コンパウンド（SMC）製造で機械学習の学習に必要な大規模な正確ラベル付き画像データが不足している問題を扱い、炭素繊維SMCストリップ堆積のためのプロセス情報に基づくフォトリアリスティックなデジタルツインを提案します。剛体シミュレーションで堆積の動きを再現し、偏光レンダリングで写実的な画像を生成して、各画像に有向バウンディングボックス、点注釈、密度マップ、偏光画像という同期したラベルを付与します。著者らは、合成データのみで学習したYOLOv11とCSRNetが検出mAP50で最大0.91に達し、合成画像と実画像の差が同一材料の二つの実取得データ間の差と同程度だと報告しています。
説明オンポリシー遷移蒸留：層間の予測変化で教師・生徒モデルの学習を改善
要約本論文は、オンポリシー蒸留（OPD）において層ごとの予測の変化が追加の教師信号になるかを検証します。診断実験では、中間層の遷移で教師と生徒の一致度が高いほど回答の正答率も高いことが示されました。これを受けて著者らはオンポリシー遷移蒸留（OPTD）を提案し、生徒が生成した推論過程で教師と生徒の層間対数確率の増分を揃えます。3種のバックボーンと、数学・コード・指示遵守を含む8つのベンチマークで、OPTD は二領域・三領域の蒸留の双方で最良または同率最良の総合性能を達成しました。三領域設定では、全体の師生能力差のおよそ90%を回復し、OPD は約75%でした。
説明ポイズニングによるバックドアは暗号学的ではない
要約本論文は、学習データのラベルを汚染してバックドアを埋め込む手法を扱っています。検証器が汚染データのラベルを通じてのみ学習に入る場合、防御側は観測から検証器を再構成できることを示しています。指示チューニングされた大規模言語モデルでの実験も、この二分性を裏付けています。
注目点毒性データによるバックドアの検証器は防御側が再構成可能と示し、暗号的非対称性を否定する。新規性は高いが実験は指示微調整LLMに限られる。
説明文字位置確率を用いたフランス語単語の複雑さの評価
要約本論文は、文字位置確率（LPP）を用いて、フランス語の単純語と複雑な語の綴りの違いを調べたものです。語彙判断課題の反応時間で評価された約38,000語から、反応時間が最も長い語と最も短い語を各5,000語抽出し、それぞれ高複雑度・低複雑度の群の代理としています。語長のみで77.27%、先頭6文字位置の二値変数を加えると83.95%の分類精度が得られたと報告されています。
説明合成データでの学習はいつ理論的に有効か？既存の画像データに対応する生成データで検証した研究
要約本論文は、合成データで学習した二値分類器が実データ分布へどう転移するかを研究している。有限サンプルの過剰誤差の上界を導き、実データの一部が合成データの及ばない領域にある場合も分析している。ImageNetに対応する32,200枚の生成画像による実験では、合成域の誤差は低くても実データ域では誤差が大きくなる例が示され、実データでの検証が推奨されている。
説明等距円筒図パノラマ向けの球面幾何認識型パノプティックシーングラフ生成
要約等距円筒図法（ERP）のパノラマ画像に対するパノプティックシーングラフ生成（PSGG）の手法を提案しています。重なり合う透視投影の予測を、観測信頼度・球面上の重なり・角度的近接性を用いて融合する二段階の枠組みです。高解像度パノラマ340枚からなるデータセットも構築されています。球面融合はPQを36.03%向上させ、完全な枠組みはSGDet設定でmR@50を52.99%向上させたと報告されています。
説明強化学習論文からフレームワークコードへ：7つのオープンソース訓練フレームワークにおける採用と審査
要約本研究は、7つのオープンソース強化学習後学習フレームワークのコミット履歴を追跡し、2025年1月から2026年6月までにスクリーニングされた6,939件のarXiv論文と照合した。一般的な強化学習訓練手法を提案した1,598件のうち、37件が少なくとも1つのフレームワークに採用された。採用された論文は同時期の論文と比べ、300億パラメータ以上のポリシーを訓練する割合や既存の損失関数の係数等を変更する割合が高かった。フレームワークのissueやプルリクエストでは、採用されなかった手法の多くが公に議論されていなかった。
注目点7つのフレームワークのコミット履歴と6,939本の論文を関連付け、RL手法の取り込み率と特徴を定量化した点に新規性がある。大規模データと同時期比較で根拠が強く、広く使われるツールに影響する。
説明FPGAと集積回路におけるハードウェア高速化・システムレベル最適化のための強化学習に関するサーベイ
要約本論文は、FPGAおよび集積回路プラットフォーム上での強化学習の実装に関する100件以上の研究を概観しています。アーキテクチャ、実装戦略、性能評価、応用を扱い、アルゴリズムの種類、抽象化レベル、ハードウェア実現方式、応用分野で分類しています。資源使用量、遅延、スループット、消費電力などの比較も行われています。また、繰り返し現れるアーキテクチャ上のパターン、実用上の制約、未解決の課題をまとめています。
説明ゲームにおけるスケーリング：多様な仮想世界での身体性エージェントの継続事前学習
要約本論文は、視覚スタイル、ダイナミクス、操作方法、目的が異なる仮想世界において、継続事前学習（CPT）がどのようにスケールするかを検証しています。データ量、多様性、モデル規模の三つの軸で120の学習設定を比較しました。その結果、データが多いほど学習済みの世界での性能が向上し、多様性は関連する世界への転移を助けるものの、大きく異なる世界では効果が限定的だと示されました。さらに、検証損失と三つの要因の関係を表す経験的スケーリング則も提示されています。著者らは、汎用的な身体性エージェントの構築には継続事前学習を超える、より豊かな訓練段階が必要だと結論づけています。
説明P³-VLM：三次元視覚言語モデルのための点ベースの位置特定手法
要約本論文は、既存の三次元視覚言語モデルの位置特定評価が、空間プロンプトとしてバウンディングボックスに強く依存しており、意味的リークが生じていることを指摘します。ボックス座標のみを与えた「盲目」の大規模言語モデルでも高い精度が出ることを示し、ScanNet の Nr3D では単一の三次元点を用いると精度が 36.4% から 18.0% に低下しました。そのうえで、バウンディングボックスを使わず三つの経路で推論するモデル P³-VLM を提案し、この設定での位置指定キャプションで 52.1% の精度を達成したと報告しています。
説明RANGER：意味評価報酬で知識グラフを探索する検索エージェント
要約本論文は、大規模言語モデルと強化学習を組み合わせる手法を提案しています。学習時に大規模言語モデルが指導役となり、意味に基づく密な報酬を強化学習エージェントに与え、知識グラフ上で関連情報を検索させます。オープンな質問応答データセットでの実験では、古典的なグラフ探索を用いるベースラインや、ヒューリスティックな報酬で学習したエージェントより優れた結果が示されたと報告されています。
説明AdaptMIL：デジタル病理における多インスタンス学習のドメイン適応
要約病理基盤モデルは多インスタンス学習（MIL）により全スライド画像を扱うが、病院が変わるとデータ分布の違いで性能が低下することがある。本論文は、MIL学習にドメイン適応を組み込む学習戦略AdaptMILを提案する。二段階の学習手順により、表現レベルのドメイン整合とMILの集約学習を分離している。著者らは、複数のデータセット、タスク、モデルで病院間の性能が向上し、他の適応手法より優れたと報告している。
