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S-EDL：系列尤度から証拠を引き出し、LLMの意味的キャリブレーションを行う手法
要約開放型生成では同じ意味を多数の異なるトークン列で表せるため、大規模言語モデル（LLM）の校正は難しい課題です。本論文は、モデル自身の系列尤度から証拠を得て、プロンプトごとの意味クラスに対する微分可能なディリクレ事前分布を構築するS-EDLを提案します。4つの開放型ベンチマークと3つのモデルでの評価では、精度を向上させつつ意味的校正誤差を大きく削減したと報告されています。
説明スペクトル領域解析による胸部X線分類の隠れた故障モードの発見
要約本論文は、胸部X線異常検出の深層学習モデルが微細な分布変化に弱いという問題に対し、データ中心の手法を提案する。画像を周波数領域に変換し、周波数帯ごとの信号エネルギー分布を要約した特徴量を抽出して教師なしクラスタリングを行う。その結果、モデルの失敗はランダムではなく特定のスペクトルクラスタに集中することが示され、正解の失敗アノテーションなしで「盲点」の特定やモデルの信頼性予測に役立つとしている。
説明データ量を超えるロボットの汎化：ゼロショット能力による多様性の道
要約本論文は、物理AIにおけるロボットのゼロショット汎化が依然として難しい課題であると指摘しています。著者らは、同じ収集者によるデータ量の増加では未知領域の拡大が緩やかであり、新たな貢献者を加えることで覆域を広げやすくなると主張します。そのため、ロボット動作の共有潜在空間の手法を提案し、標準的なロボットOrigamiを基盤とする開発者コミュニティを多様なデータ源として提案しています。最後に、検証可能な仮説と評価手順を示しています。
説明ドローン検出のためのRGB-赤外線融合：早期融合と後期融合の比較研究
要約本論文は、悪天候や厳しい環境でのUAV（無人航空機）検出精度を高めるため、可視光（RGB）と赤外線（IR）画像を融合する手法を検討しています。画像レベルの早期融合（単一画像に統合して1つの検出器を適用）と、決定レベルの後期融合（2つの検出パイプラインの出力を統合）を比較しています。結果として、早期融合の方が生の性能は高く、後期融合はセンサーやフレームがずれた場合にも使える点が示されています。
説明GuidedSAM-Plume：火山プルーム向け専門家ガイド付きセグメンテーション枠組み
要約本論文は、RGB画像から火山プルームと雲を分割するためのオープンソースの対話型フレームワーク GuidedSAM-Plume を提案しています。SAM2（Segment Anything Model 2）のゼロショット・空間プロンプト機能を活用し、少ないユーザー入力で完全自動の専用手法より性能を向上させ、再学習は不要です。火山学の専門家の指導の下で再注釈されたデータセットも公開されています。
説明MemoryTax：エージェントメモリの「苦い教訓」
要約本論文は、エージェントのメモリ手法（Mem0、Zep、BM25、全文コンテキスト）と3つのコーディングエージェント（Pi、Codex、Claude Code）を、LoCoMoの1つの対話データで比較し、各実行のコストも記録しています。1つの対話と各条件1回の実行による短い実証研究です。弱いモデルではメモリ機構は効果を高めるものの高コストであり、性能はメモリを書き込むモデルに制約されると報告されています。Claude Opus 5.5を用いたPiが、コストと精度の面で最も優れた結果を示したとされています。
説明UserSWE：動的ユーザーとの多ターン対話でコーディングエージェントを評価するベンチマーク
要約本論文は、動的な模擬ユーザーとの多ターンの対話を通じて、コーディングエージェントがリポジトリ内のバグを修正できるかを評価するベンチマーク UserSWE を提案している。各ターンの後にテストを実行し、実行結果に基づいて判定を行う。42 リポジトリの 72 タスクで 11 のエージェントを評価した結果、交互作用の回数によってエージェントの順位が変わることが示された。
説明予測はキャリブレーションではない：知識追跡における項目パラメータ回復と表現の結合
要約本論文は、知識追跡（KT）モデルが次の回答予測のみで学習した項目反応デコーダにより項目パラメータを推定できるかを検討します。2PL、GPCM、NRMの各デコーダとLSTM、Transformer、DKVMNの各エンコーダを組み合わせて比較しています。シミュレーションでは、難易度などは比較的よく回復した一方、識別力と選択肢の傾きは広い項目表現を必要としました。序列表現と項目パラメータキーを分離すると、テスト精度を落とさずに回復性能が改善したと報告されています。
説明COMET：人間監督型AI安全システムのための多層協調型ランタイム監視フレームワーク（COMET：人間が監督するAI対応安全システム向けの、多層的に連携するランタイム監視の枠組み）
要約本論文は、信号完全性、物理一貫性、AIシステムの能力範囲という三つの監視層を組み合わせ、協調層と信号機型表示を通じて人間の監督者に情報を伝えるCOMETフレームワークを提案している。圧縮空気漏れのデータセットでの評価では、監視のないAIがあらゆるシフト下で自信を持って誤りを出す一方、COMETは共変量シフトの無漏れデータと四種のセンサ故障のうち三種で、信頼された誤答率をゼロに抑えた。意味的シフトによる見逃しは、受動的監視の限界として示されている。
説明NeuroCodec：脳波で誘導する潜在領域の生成モデルによる高忠実度の目標話者抽出
要約本論文は、補聴デバイス向けに、脳波（EEG）で聞き手の注意を推定して目標話者の音声を取り出す生成型フレームワーク NeuroCodec を提案している。ニューラル音声コーデックの潜在空間で音声を生成し、グラフ畳み込みで脳波の空間的依存関係をモデル化し、注意機構と Mamba による時間モデリングで脳波と音声を統合する。公開データセット Cocktail Party と KUL で基線手法を上回り、20 名の聴取実験では平均 82.24 点で、M3ANet の 49.63 点を上回った。
説明実在するPMIDでも誤った論文：生物医学的主張検証エージェントのハーネス設計
要約本研究は、生物医学的主張検証（SciFact）において、ライブのPubMed APIのみをツールとして用いる制御されたアブレーション実験を行い、閉じた書籍形式の回答、主張をそのまま検索語にする単発検索、モデル自身がクエリを作成するReAct型エージェント、正解の要旨を与えたオラクルの4つのハーネスを比較しています。モデル自身がクエリを作成する方式は正解論文の再現率が最も高く、判定精度も最良でしたが、サンプル規模では有意差はありません。正解の要旨を与えるとモデルの精度は79〜86%に達し、ボトルネックは推論よりも検索にあることが示されました。また引用監査では、閉じた書籍形式のモデルが挙げるPubMed IDはほぼ実在するものの、主張と関連するものはほとんどないことが分かり、存在確認だけでは科学エージェントの安全策として不十分だと結論づけています。
説明プリミティブによる構成性：ユークリッド空間から双曲空間の視覚言語モデルまでの統一的視点
要約本論文は、既知の物体と属性の組み合わせから未知の組み合わせを認識する合成ゼロショット学習（CZSL）を扱います。視覚言語モデルの埋め込みはプリミティブに分解でき、属性と物体の対を明示的に組み直さなくても、それらを直接用いて未知の組み合わせを認識できると示しています。埋め込み空間の幾何（ユークリッド、球面、双曲）やデータセットの構造が組み合わせ推論に与える影響も調べ、複数のモデルとベンチマークで評価しています。
説明非対称尤度不要仮説検定：参照サンプル数が非対称なとき、より少ないサンプルで二つの分布を判別する手法
要約本論文は、二つの参照分布から得られるサンプル数が異なる場合に、未知のサンプルがどちらの分布に由来するかを少ないサンプルで判定する方法を研究している。実行可能なサンプル数の組み合わせを特徴づけ、サンプル数が非対称な場合に多項式オーダーの節約が可能であることを示している。さらに、非適応的な分布の二クラスタリング問題に結果を適用し、上下界をほぼ一致させ、適応的な割り当てとの比較で最悪ケースの適応性ギャップを示している。
注目点非対称な尤度フリー仮説検定を提案し、実行可能なサンプル三つ組を特徴づけ、多項式的な節約と一致する上下界を示す。
説明MAPS：検索拡張生成における検索モメンタムを調整するマクロ適応型並列推論手法
要約本論文は、推論の軌跡に沿って生成されたサブクエリの履歴変化から蓄積される検索傾向を表す「検索モメンタム（search momentum）」を提案しています。著者らは、クエリ生成が既存の検索軌跡に沿って連続的に変化しやすいことを見いだし、取得知識と精緻化された推論状態を保持して履歴の影響を抑え、推論を並列化するMAPSを提案しています。六つの質問応答ベンチマークで、さまざまなバックボーンモデルにおいて代表的なRAG手法を上回ったと報告されています。
説明開放語彙モデルとラベル伝播による物体検出データセットの不確実性考慮型擬似ラベル付け
要約本論文は、物体検出データセットにソフトラベルを付与する半教師あり枠組みを提案します。開放語彙検出器で候補領域と意味表現を得て、物体単位の類似度グラフ上で確率的ラベルを伝播させ、偶然的不確実性と認識的不確実性を定量化します。COCOでは人手ラベルの約1%のコストで40.5% APを達成し、全件手作業ラベルのモデル（40.9%）にほぼ匹敵すると報告されています。
説明大規模言語モデルはなぜAIを勧めるようになるのか？
要約本研究は、大規模言語モデル（LLM）が学習の進路、キャリア、製品などを尋ねられた際にAI関連の選択肢を勧める傾向の出所を調べたものです。微調整の前後のモデルを比較し、質問の仕方も変えて検証しています。事前学習済みモデルの回答の27%にAI/MLの用語が含まれ、公開されている指示調整版では59%でした。AI関連の指示例を除くと割合が14ポイント下がりました。
説明開かれた世界とともに進化する：将来予測のための再帰的自己改善に向けて
要約本論文は、将来の出来事の予測を基盤とする持続的進化エージェントシステムEvoForesightを提案し、動的に変化する環境との相互作用から得た経験を内在化・外在化して能力を高める仕組みを示す。毎週更新される外部のFutureXリーダーボードで、自己改善後の予測器は3週連続で全システム中1位となり、レーティングは最大195%向上したと報告している。作者らの合成評価では、4つの基盤LLMのいずれにおいても上位3位に入り、最強のベースラインを上回った。
注目点動的な未来事件予測環境で再帰的自己改善を実現する新しい枠組みを提案し、外部FutureXリーダーボードで3週連続首位となった点で証拠は比較的強い。
説明JointLight：非同期RGBと照度の共同モデリングによる人物映像リライティング
要約本論文は、人物を中心とした映像のリライティング（照明の再設定）を扱うJointLightを提案します。二段階の学習では、RGBフレームと正解の照度フレームを別々のタイムステップで同時にデノイズし、第二段階では域マッチング戦略で照度の手がかりと正解照度マップの領域差を埋めます。ゲームエンジンで作成した、照度マップ付きの多照明合成映像データセットのみで学習し、実世界の場面へも汎化して、照明の忠実度と生成品質で既存手法を上回ったと報告しています。
説明CURSE'26演習から見る災害後の損傷評価における小型UASの主要な知見
要約本論文は、2026年の壊滅的無人遠隔探査演習（CURSE'26）におけるCLARKE建物・道路損傷評価AI分類器の評価結果を述べています。フロリダ州とミズーリ州の23の小型無人航空機（sUAS）チームを対象に、未見のオルソモザイク画像で性能を検証しました。建物損傷評価のMicro F1は0.834、道路損傷評価は性能が低かったと報告されています。そのほか、運用、撮影タイミング、エッジコンピューティング、倫理・法的課題に関する知見も示されています。
説明UniRAP：部品レベルの物理的アフォーダンス推論と実行可能な知覚の統一モデル
要約本論文は、言語指示を部品レベルの物理的インタラクションのための幾何表現に対応づける統一モデル UniRAP を提案している。視覚入力・テキスト指示・任意のプロンプトを統一インターフェーストークンで共有表現空間に統合し、統一アフォーダンスデコーダ（UAD）で物体検出、部品アフォーダンスセグメンテーション、4自由度の相互作用姿勢推定を同時に行う。さらに、一般的な視覚解析から相互作用を意識した知覚へ段階的に適応させるカリキュラム型転移学習を採用している。
説明ALIAS：LLM が作成する TLA+ 仕様における性能と記憶効果の評価
要約本論文は、大規模言語モデルがベンチマークで記憶に頼って解答しているかを検証する。作者は一貫した識別子リネーム（CIR）を TLA+ のタスクに適用し、モデルチェッカーで改名後も動作が同一かを確認した。その結果、リネーム後の正答率低下は記憶だけでなく、正確な名前を求める採点方式にも大きく由来することが示された。
説明大規模言語モデルの基礎能力とエージェント能力を結びつける研究
要約大規模言語モデル（LLM）がエージェントとして使われる際、基礎能力がエージェント能力へどう移行するかを検討した論文です。著者らは、ベンチマークから得る基礎能力プロファイルと対話軌跡から得る操作プロファイルを用い、観測された操作性能と基礎能力からの予測とのずれを「能力実現ギャップ」として定義しています。τ²-Bench上の15のモデルサービスでの実験では、基礎能力は操作を部分的にしか予測せず、そのギャップは課題のサブセット間で一貫していました。
説明一貫したDSL生成のためのメタモデル誘導型LLMデコーディング
要約大規模言語モデルは、ドメイン固有言語（DSL）で記述されるソフトウェア工学の成果物の生成に使われるようになっています。正しいDSLインスタンスは、具体構文だけでなく、意味的な整合性制約を加えたメタモデルで定義される抽象構文にも従う必要があります。本論文は、生成中に具体構文・抽象構文・整合性制約を同時に強制するデコーディング枠組みMeMoDecodeを提案します。完全なメタモデル概念が生成されるたびに、現在の出力が一貫したインスタンスへ補完可能かを検証し、不整合があれば直近の補完可能な時点から再開します。4種類のDSLと0.6Bから70Bのパラメータを持つ6つのオープンウェイトモデルで、無制約デコーディングより平均23%、文法制約デコーディングより平均8%高い一貫性を示し、実行時間の増加はわずかでした。
説明LEAF-Mamba：全スライド病理画像解析のための特徴適応と融合の手法
要約本論文は、ギガピクセル級の全スライド画像（WSI）とアノテーションの少なさという課題に対し、凍結された事前学習特徴に基づくスライド単位の学習フレームワーク LEAF-Mamba を提案しています。再構成で正則化されたアダプタで簡潔なタスク特化表現を学習し、並列の Mamba と畳み込みの各ストリームを入力依存のゲートで統合します。診断分類と生存予測の両方で、複数の特徴抽出器において強力な多重インスタンス学習（MIL）のベースラインを平均的に上回ったと報告されています。
説明APED-CXR：胸部X線の病変位置特定を画像のみの推論で行う、適応的特権証拠蒸留手法
要約本論文は、凍結されたマルチモーダル教師モデルが所見レポートを用いて得た空間的証拠を、パラメータ数11.1Mの軽量な生徒モデルへ蒸留するAPED-CXRを提案します。テスト時は画像のみで疾患と病変枠を予測します。学習では、教師モデルが生徒モデルの現在の証拠マップから提案された領域を評価し、そのスコアを学習目標とします。PadChestで学習し、PadChest-GRで評価した結果、枠レベルの定位F1は0.302から0.338に向上し、診断AUCは維持されました。
説明測定と診断の学習：臨床辞書ベースのラジオミクス・ボトルネックモデルによる甲状腺結節分類
要約本論文は、甲状腺超音波による結節分類において、臨床的に馴染みのある説明と結びついた根拠を示すための、臨床辞書ベースのラジオミクス・ボトルネックモデルを提案している。モデルは、特徴ファミリー間のバランスの取れた教師付けで測定値を推定する手法、忠実度を保ったまま分類と測定推定を同時最適化するボトルネック構造、そして線形分類器の特徴寄与を臨床辞書のカテゴリ別に整理する決定根拠分解から構成される。ThyroidXLとTN3Kでの実験では競争力のある分類性能が示され、ケーススタディで良性・悪性結節の特徴寄与が示されている。
説明監視可能性は訓練で獲得できる：思考連鎖（CoT）の監視可能性に向けた事後学習
要約本論文は、大規模AIモデルの思考連鎖（CoT）が監視者にとって有用であり続けるかどうかを扱います。推理が実際の行動と結びついている必要があるためです。著者らは、CoTと出力の相互情報量を最大化する教師なしの事後学習目標を提案しています。CoTの質が低下した三つのモデルでは、失われた監視可能性の大部分または全部を回復し、低下していないモデルでも性能を改善したと報告しています。
説明SAKURA：スマホでのプライベート画像編集向け、帯域適応型アテンションKVキャッシュ配信システム
要約本論文は、クラウドとエッジが協調する構成のSAKURAを提案します。限られた帯域の下で再利用可能なアテンションKVキャッシュをモバイル端末に届け、顔の入れ替えや仮想試着などの私的な画像編集を支えます。細粒度のトークン重要度を考慮した圧縮で画質を保ち、ネットワーク帯域に応じて各シャードのキャッシュ表現を適応的に選びます。パイプライン実行によりキャッシュ転送・復元と端末上の実行を重ね合わせます。Snapdragon 8 Elite Gen 5搭載端末での評価では、DiTに適応させたCacheGenと端末上生成に比べて遅延をそれぞれ1.82倍、3.27倍削減し、未圧縮キャッシュに比べて保存容量を3.06倍削減しつつ画質を維持したと報告しています。
説明視覚・言語・行動ポリシーのための事後的認識的不確実性推定
要約本論文は、学習済みの単一の視覚・言語・行動（VLA）ポリシーに後付けできるカーネル分散ヘッドを提案し、学習デモの埋め込みから認識的不確実性を推定します。回帰目標や勾配更新は不要で、ポリシー自体は変更されません。LIBERO-10上のSmolVLAによる実験では、2ポリシーのアンサンブル手法と比べ、タスク成功との相関、能動学習でのデモ取得、より強力な監督ポリシーへの委譲において遜色ない性能を示し、スコア算出は最大で約50倍高速でした。また、制御された摂動による評価が既存手法を補完できることも示しています。
説明受理か修復か：対比デコーディングで本文に裏付けられた回答を保つ
要約大規模言語モデルは、与えられた文章が学習済みの知識と矛盾する場合でも、学習時の知識に頼って回答することが多いです。本論文は訓練不要の手法 Accept-or-Repair（AoR）を提案し、文章が支持する採択済み回答はそのまま残し、支持しない場合は対比デコーディングで最大2回まで置き換えを試みます。実験では、反事実的な文章で採択より12.5ポイント、通常の文章で2.3ポイント向上し、八つの比較手法を上回りました。
説明スパースベイズ学習のスペクトル不確実性分解：M/EEG源推定のための解釈可能な不確実性定量化
要約本論文は、M/EEG測定から神経源分布を推定する不良設定逆問題における不確実性定量化を扱う。事前前処理された順演算子の特異値構造に基づくスペクトル分解の枠組みを提案し、事後共分散を、データで情報が得られる成分と測定幾何により不可視な不確定成分に厳密に分解する。さらに、事前共分散を事後項とデータ駆動の減少項の和として表す減算型の分解も導出している。
説明有向ウォークと接続行列拡散によるPetriネットの構造認識型メッセージパッシング
要約本論文は、グラフニューラルネットワークがPetriネットをより正確に扱うための2つの手法を提案します。一つは有向ウォークの戻り確率に基づく位置エンコーディング（PNRWPE）で、プロセスループを捉えます。もう一つは接続行列の拡散カーネルでゲートされる同型メッセージ（DA-PNGNN）で、不変量を反映します。2023年プロセス発見コンテストの96モデルにおいて、マクロ平衡精度はPNRWPEで0.751から0.796に、DA-PNGNNで0.830に向上し、ProcRosettaベンチマークでもネットから木への検索のtop-1精度が改善されました。
説明検索拡張生成（RAG）の合成性：単独で有効な技術も組み合わせると同じ効果が出るとは限らない
要約本論文は、埋め込み、チャンキング、検索、再ランキング、クエリ拡張、文脈圧縮、エージェント型検証などの技術を組み合わせた際に効果が維持されるかを検証しています。著者らはオープンソースの評価フレームワーク「LASAGNA」を提案し、8つのベンチマークと5千〜20万文書の規模の資料で450種類の構成を試験しました。その結果、単独で効果の高い技術の組み合わせでは効果が大きく低下すること、検索品質と回答の忠実性で最適な設計が異なること、コーパスの規模によって最良の構成が変わることが示されました。
注目点RAG各コンポーネントの組み合わせ効果を体系的に検証し、450構成・8ベンチマーク・5K〜200K文書で、単独の利得が組合せで縮小することを示した。
説明生物にヒントを得た聴覚処理：並列共鳴発火ダイナミクスと三値再帰ネットワークの結合による音声認識
注目点三値GRUと共鳴発火ニューロンを結合したスパイキング構造をLibriSpeechで評価し新規性は高いが、証拠は主に音声データに限られる。
説明逆伝播を用いない共有カーネル・ウェーブレットニューラルネットワークの前向き専用学習
要約本論文は、共有カーネルのウェーブレットニューラルネットワークを対象に、逆伝播を使わず順方向の評価のみでネットワーク全体を学習するCMA-ESベースの枠組みを提案しています。構造を考慮したパラメータ分解とチャネルごとの信用割当により、探索を3つの部分空間に分けています。BSDS500では、Adam/BPと比べてテストMSEが4.1783から4.0130に、PSNRが42.621dBから42.787dBに改善しました。学習はBPの1500エポックに対し、6回の訓練データ網羅で済むとされています。
説明MoEZip：スパースMoE大規模言語モデル向けのルーティング考慮型KVキャッシュ圧縮
要約本論文は、スパース混合専門家（MoE）言語モデルの長文脈推論においてKVキャッシュのメモリ消費が大きい問題を扱い、MoEZipを提案している。著者らは、KVの削除によって回答生成時に選ばれる専門家が変わり、生成品質が低下しうると指摘し、ルーティング分布のフィッシャー情報行列に基づく感度指標を設計して注意重みと組み合わせ、文脈のスコアリングを行う。実験では、強い圧縮下でLongBenchとRULERにおいて最先端のベースラインを平均でそれぞれ24点、20点上回ったと報告されている。
説明量子化潜在変数の精緻化による高効率な生成的画像圧縮
要約本論文は、低ビットレートでの知覚品質と推論速度の両立を目指す効率的な生成的画像圧縮手法GR-GICを提案しています。ガイド付き精緻化（GR）で低ビットレートの再構成性能を高め、再構成済み残差ベクトル量子化（P-RVQ）で並列性を向上させて推論を高速化します。Kodakデータセットでは、OneDCと比べて複数指標でBD-rateの改善が報告されており、NVIDIA A100で数ミリ秒の符号化・復号が示されています。
説明大規模事前学習モデルの事後バイアス除去を再考する
要約CLIPなどの大規模事前学習モデルは固定された特徴抽出器として広く使われますが、その埋め込みは学習データ由来の疑似相関を引き継ぎます。本論文は、既存の事後バイアス除去手法がバイアス特徴の特定とテキストでの表現を必要とすることを示します。UrbanCarsベンチマークでは、真のバイアスラベルを与えても、これらの手法が普通の分類器より劣る場合があると報告しています。提案手法は、凍結エンコーダで異なるクラス間の最近接ペアを見つけ、単一の線形写像を学習してバイアスを除去します。バイアス属性の注釈や大規模言語モデルは不要です。
説明ピクセル言語モデルの多言語事前学習のスケーリング研究
要約本論文は、テキストを画像として描画して処理するピクセル言語モデル（MPIXELシリーズ）を、言語数、文字体系数、モデル容量の3軸で拡張して学習させた研究です。83言語にわたる5つのタスクの評価では、拡張の効果は主に追加された言語や文字体系に限定され、容量を増やすと多言語化による性能低下が緩和されることが示されました。また、言語を増やすほど言語間の整合性は弱まると報告されています。
説明TraceForge：自身の推論スタイルで行う蒸留
要約本論文のTraceForgeは、教師モデルの隠れた推論過程に頼らず、問題と教師の回答から、生徒モデルと同系統のスタイルで推論トレースを生成器が自ら作る手法です。教師付き学習と敵対的学習の二段階で訓練されます。コーディングのベンチマークでは、同じ5,000問と教師の回答を用いた場合、最終チェックポイントでHumanEval+が3.7ポイント、MBPP+が7.1ポイント向上したと報告されています。
説明Wasserstein空間におけるPCAの拡張（Lifted PCA）
要約主成分分析（PCA）は統計的次元削減の基本手法だが、確率分布データへの標準的な拡張はこれまで確立されていなかった。本論文は、凸拡張による確率測度上の汎関数のリフティングを用いて、ユークリッドPCAをWasserstein空間へ拡張する「Lifted PCA」を提案している。双対定式化、最適性条件、統計的一貫性を示し、分布データセットでの数値実験を行っている。
説明物理AIにおける再帰的自己改善に向けて：ロボットが改善の仕方を試行ごとに改める考え方
要約本論文は、再帰的自己改善（RSI）をロボット学習に位置づけ、システムが振る舞いだけでなく改善そのものの過程も改善する道筋を整理しています。物理的な経験がこうした改善の仕組みをどう強化し、その成果がさらに仕組み自体の改善を支えうるかを検討しています。既存研究は主にマニピュレーションに集中し、振る舞いの改善、後続学習への効果、手順の改善を示していますが、再帰に起因する効果はまだ切り分けられていません。著者はこれらの知見をもとに評価原則と研究の方向性を提示しています。
説明DriveMLP：モデルの複雑さより学習戦略が重要な自動運転計画手法
要約本論文は自動運転の動作計画を扱い、ログ化された専門家データの軌道距離を報酬とする専門家誘導強化学習（EGRL）を提案しています。著者らは、性能向上の大部分がモデルの規模や複雑さではなく学習手順によるものだと実験で示しています。その成果として軽量なMLPポリシーDriveMLPを提示し、nuPlan Val14 Reactiveベンチマークで86.51点を獲得して、従来の最良模倣学習プランナーFlow Plannerを3.2点上回りました。推論は15倍以上高速です。
説明互いを観測できない共通報酬マルチプレイヤー・バンディットの理論解析：普遍的定常性、協調の罠、認証付き大域速度
要約本論文は、無感知共通報酬マルチプレイヤー多腕バンディット（OC-MPMAB）の理論解析を行う。複数のプレイヤーが同時に腕を選び、共有された報酬のみを観測するが、他のプレイヤーの行動は見えず、他に誰かがいるかどうかさえ知らない。各プレイヤーが独立に行う勾配バンディット更新が、隠れた積方策目的関数の不偏確率的勾配推定量を形成することを示し、有限時間での一階定常性保証を得ている。一方で、定常性は一般に大域的最適性へ強めることはできないこと、報酬表の構造的仮定の下では大域的最適性が回復しうることも論じる。さらに有限表の証明書を導入し、証明書を満たす場合に積方策のギャップと擬似後悔の上界を与えている。
説明Uni-Mem：統一オンライン方策最適化による長期的エージェントメモリ管理器の学習
要約本論文は、エージェントの長期記憶を扱う統一メモリ管理器Uni-Memを提案し、同一の方策で記憶の構築と検索を同時に学習させます。共同最適化における交絡したグループ比較と疎なフィードバックの問題に対し、段階分離型GRPO（Stage-Decoupled GRPO）と事象単位のクレジット割り当て（ECA）を導入しています。LoCoMoおよびLongMemEvalでの実験では、Uni-Memが従来で最強の強化学習ベース記憶手法を上回ったと報告されています。
説明対立する記録：監査可能な LLM 出力品質管理のための型付き敵対的契約
要約本論文は、LLM が生成した記録が品質ルールを同時に満たしかつ違反しうる問題を扱い、BiasGuard-D を提案する。異なるモデル系列の二つの敵対的役割が型付きの主張文書をやり取りし、三モデルの多数決で判定し、参照チェックと意味チェックを組み合わせた不変条件で結論を検証する。著者らは、反復ループを除くと不変条件の充足率が大きく下がると報告し、HaluEval QA では幻覚の是正において正答の回復率が 49 ポイント向上したとしている。すべての主張・投票・指示は型付き記録として保存され、監査可能な来歴を提供する。
説明細胞病理医のように推論する：子宮頸部細胞診のための臨床に基づく多スケール証拠学習
要約子宮頸部細胞診では、ASC-USのように形態的に境界が曖昧な区分があります。本論文は、核形態・細胞質・近傍細胞構造の3つのスケールで細胞を別々に符号化し、Dempster-Shafer信念質量で統合する多スケール証拠フレームワークを提案します。証拠が矛盾または不十分な症例は確定させず不確実なままにします。RIVAとCRIC Cervixの2つの公開データセットで、誤予測の不確実性は正予測の1.94～4.13倍でした。
説明SPARE：MoEの専門家剪定におけるルーティングエントロピーによる疎性配分手法
要約本論文は、較正データ上でトークンの正規化Top-Kゲート重みのエントロピー（ルーティングエントロピー）を用い、各層から剪定する専門家の数を決める学習不要のSPAREを提案します。ルーティングが分散している層ほど多く剪定します。Mixtral、Qwen3、DeepSeekで、同じ選択器と予算の下で均等配分より平均精度が向上し、特に高い剪定率で効果が大きいとしています。例えば専門家50%剪定時、Qwen3-30B-A3Bの8タスク平均は57.2%から63.8%に上がりました。
説明モデル規模と量子化が質問応答における社会的バイアスと回答回避に与える影響
要約本研究は、Qwen3、Gemma-3、SmolLM2の各種規模・量子化設定のモデルを、BBQベンチマークを用いた質問応答で評価しています。大規模モデルほど正答率は高いものの、バイアスには単純な規模との相関は見られず、量子化の効果も設定によって異なりました。また、バイアスの少ない26の設定のうち20で回答回避が増えており、観測されたバイアスの低さは一部が回答回避の増加によるものだと示しています。公平性の評価では、バイアス、回答回避、プロンプトの形式、選択肢の設計を合わせて検討すべきだとしています。
説明大気シーイングの短期予測のための確率的機械学習
要約本論文は、大気シーイング（大気の揺らぎによる像の乱れ）を最大2時間先まで短期予測する機械学習モデルを比較し、確率的予測と不確実性の定量化に重点を置いています。マウナケア山頂で測定されたシーイングデータで学習と評価を行い、ガウス過程（GP）と正規化フローモデル（FloTS）を、RNNおよびLSTMの決定論的ベースラインと比較しています。結果として、深層学習手法は標準的な再帰型ネットワークより優れ、LSTMとFloTSが最も高い予測精度を示しました。FloTSは競争力ある精度に加えて、最も情報量の多い確率的予測を提供しています。
説明空間ゲート型デモグラフィック制御：多人物テキスト画像生成のバイアス低減手法
要約テキストから画像を生成するモデルは社会的な固定観念を再現しますが、既存の手法は画面全体に同じ人口統計的補正をかけるため、一枚の中の人物が均質化しやすくなります。本論文は空間ゲート型制御（SGS）を提案します。拡散 Transformer の注意マップから、重要な一つのデノイジング段階で人物ごとのマスクを抽出し、以降の各段階で各マスクに異なる人口統計ベクトルを適用します。微調整や反転、レイアウト指定は不要です。二つの構造が異なる拡散 Transformer（FLUX.1-Dev と SD3.5-Large）で検証され、偏りのある職業プロンプトで画像内の人種・性別の多様性を高めました。
説明ゲームで逆効果になるフィードバック：LLMプレイヤーは失敗を見た手を繰り返すのか？
要約本論文は、大規模言語モデルのエージェントがゲーム（推しゲーム、Connect Four、オセロ）で指した手が失敗した際、その手と失敗メッセージを会話履歴に記録して再試行させると、同じ失敗の手を繰り返しやすくなるかを検証しています。複数の小型指示調整モデルでの測定では、記録によって失敗した手の確率が全体として上昇し、反効果が見られました。その効果は、違法な手で顕著で、負ける手では顕著ではありませんでした。
注目点ゲームにおける失敗フィードバックが、失敗した手の再生成確率をむしろ高めることを示し、その符号の仕組みと学習段階の影響を多モデル・多ゲームの実験で分析している。
説明MS2CAST：多スケール空間クロスアテンションと効率的な時空間ネットワークによる映像異常検知フレームワーク
要約本論文は、監視システム向けのエンドツーエンド半教師あり予測型映像異常検知フレームワーク「MS2CAST」を提案します。MViTv2-SとConvNeXt-Tの特徴を多スケール交差アテンションで融合し、潜在空間でSwinLSTMまたはVMRNNにより時空間の動きをオプティカルフローなしで学習します。UCSD Ped2、CUHK Avenue、ShanghaiTechで評価され、フレーム単位のROC AUCは上位手法に匹敵し、GPUのピークメモリ使用量は1GB未満です。
説明『Reading the Room』：建設途中の現場における疎なVSLAMマップと平面図の、スケール不定な意味的位置合わせ
要約本論文は、建設現場で視覚SLAMマップを二次元の平面図に位置合わせする難しさに取り組む手法「Reading the Room（RR）」を提案しています。全工程を貫く単一の頑健で微分可能なクラス均衡型の意味的・幾何学的エネルギー関数を定義し、二種類の大域的初期化方式を設計しています。三つの稼働中の建設現場の33系列で評価し、無制約の設定では最強のベースラインに対して平均絶対軌跡誤差を4.5倍改善し、アンカーを与えた場合は7.6倍に向上したと報告しています。
説明関連性から意思決定価値へ：VLA コーパス選択のための対になった指示依存性の検証
要約本論文は、ロボットのデモンストレーションコーパスをどう順位付けするかを扱い、目標だけを変えたときにデモンストレーターが最初の判断を変える割合である「対になった指示依存性」を提案します。136 の独立シードによる四足歩行ロボットのナビゲーションコーパスで検証した結果、この指標は信頼性が高く下流の対になった正答率と関連するものの、この設定では選択性能の増分的な向上は確認されませんでした。
説明大規模言語モデルをアンケート回答者として使う：単純な意味的ベースラインとの比較
要約本研究は、大規模言語モデル（LLM）が一部の既知の回答から、アンケートの未回答項目への回答を予測できるかを検討しています。自動運転車または軽電動車への態度を測る2つの調査で、3つのLLMを、埋め込み類似度に基づく2つの単純なベースラインと比較しました。LLMは多くの場合ベースラインより予測精度が高かったものの、既知の回答の割合が少ないと精度が低下し、1つの調査ではベースラインと同水準になりました。
説明生成画像伝送のための意味-通信路の結合符号化・変調（SemQAM）
要約本論文は、画像の意味表現をQAM変調シンボルへ直接写像し、信源符号化・通信路符号化・変調を結合して設計するSemQAMを提案している。ベクトル量子化のインデックスとシンボルを対応づけ、検出されたシンボルに対応する符号語を更新することで、通信路の劣化が符号帳学習に直接影響するようにしている。また受信符号語の条件付き期待値で受信側の再構成を近似し、自己回帰符号化における誤り伝播を抑える。実験では、同一のLDPCとQAM設定でSemQAM-CがOneDCよりLPIPSとDISTSで優れ、LPIPSを揃えた場合に通信路使用量を18.57%削減したと報告している。
説明OpenEarth-OVS44：オープンボキャブラリ・セグメンテーション向けのマルチモーダルリモートセンシングデータセット
要約本論文は、多モーダルなリモートセンシングのベンチマークデータセットOpenEarth-OVS44を提案しています。亜メートル解像度の2,832枚のRGB画像と1,341組の厳密に位置合わせされたRGB-SAR画像から、専門家が検証した290,587のセグメントを含み、フランス、日本、米国の40都市を対象とし、9つの基本カテゴリにまとめた44クラスの分類体系を用いています。RGBのみの細粒度評価、合成曇天条件を含むマルチモーダル評価、地域を分けた跨地域評価の3種類が用意されています。このデータセットで学習すると、最も強い学習不要のベースラインに比べ、未知カテゴリで最大7.1 mIoU、既知カテゴリで最大27.6 mIoU向上したと報告されています。
説明タスク指向型セマンティック通信のための再帰的コード進化
要約本論文はComRSIという枠組みを提案し、大規模言語モデルの支援によるコード編集を通じて、エンコーダ、チャネルアダプタ、デコーダ、損失関数、学習方針からなるセマンティック通信のプログラムを再帰的に進化させる。保護された評価器が予算と資源制約のもとで候補を選別する。CIFAR-100の10世代の探索では、AWGNチャネル・画像あたり32複素シンボルでテスト精度74.3%を達成し、初期設計の256シンボルでの67.2%を上回った。反復実験では、ComRSIの平均最終スコアが非再帰エージェントより高かったが、履歴を持つエージェントとの差は今回の標本数では統計的に決定できなかった。
説明迁移効率スコアを用いた可視光通信屋内測位のための領域間転移学習
要約本論文は、可視光通信（VLC）による屋内測位が設置領域ごとに性能低下する問題に対し、転移学習の枠組みを提案するものです。ボッシュの製造施設内の4つの領域で実測したデータを用い、ソース領域で事前学習した深層ニューラルネットワークを、ターゲット領域の測定データの40%だけで微調整すると、全データ使用時の性能の約97%が得られると示しています。さらに、網羅的な評価を行わずに有効なソースモデルを選ぶための複合指標、転移効率スコア（TES）を導入しています。
説明協力と競争の形式化：2018年の計画論文へのAI支援による数学的補遺
要約本論文は、2018年の戦略的旅行計画に関する論文（競争と協力のバランス）に対して、AI支援による数学的補遺を提示する。戦略的選択、協力的安定性、参加者の承認、執行の間の一部の関係を再構成し、外部参加者と効率条件を明示した上で二人の場合の含意を検証する。さらに、Leanで実装された有限交渉手続きが参加者の承認、共同費用の非悪化、局所最適性をもって終了することを証明し、再現可能な計算比較と反例を示している。数学的要素は既存の結果であり、貢献は出典に追跡可能な再構成にある。
説明十メートル規模の電離圏不規則構造の空間分布と宇宙天気の関係
要約本論文は、SuperDARNおよびSECIRAレーダーのデータと宇宙天気パラメータに基づき、高緯度における十メートル規模の電離圏不規則構造の発生を予測する直近予報・予測モデルの構築手法を示す。独自構造のニューラルネットワーク（グラフニューラルネットワークに着想を得たもの）を用い、地磁気座標（MLT、MLAT）で空間分布を近似している。2010年から2025年のデータで学習・検証を行い、ゼロ先行時間（直近予報）で最も高い精度が得られ、先行時間7〜9時間まで許容できる予測精度が示された。
説明不完全な証拠を伴うマルチモーダル学習のための信頼性考慮型確率的融合
要約本論文は、入力に依存する信頼性重みで各モダリティの潜在精度を調整し、欠損したモダリティの専門家は省略する、信頼性考慮型のガウス積専門家（PoE）手法を提案しています。2つの臨床マルチモーダルタスクで評価され、モダリティ欠損時の平均AUROCで特に明確な優位性が示されています（HAIM-MIMIC-MMを含む）。一方で、信頼できる品質信号を学習することは未解決の課題であると述べています。
説明FogTTA：霧天におけるTransformerベース物体検出の頑健性向上のためのオンラインテスト時適応手法
要約自動運転に用いる物体検出モデルは、学習データと実環境との領域差により悪天候下で性能が大きく低下することがあります。本論文は、Transformerベースの検出器の霧中での頑健性を高めるオンラインテスト時適応フレームワーク FogTTA を提案し、検出器として RF-DETR を用います。ソースデータや再学習を必要とせず、ストリーミングされる対象領域に実時間で適応します。教師・生徒構造を採用し、Varifocal損失で擬似ラベルのノイズを抑えます。実験では、既存のベースラインより検出精度と安定性が向上し、実時間性能も維持されたと報告されています。
説明TernScope：高効率な三値内視鏡セグメンテーションのためのモデル・ハードウェア協調設計
要約本論文は、エッジ環境で内視鏡画像の医用セグメンテーションを行うための、モデルとハードウェアの協調設計手法 TernScope を提案しています。重みは三値、活性化は 8 ビットとし、段階的な量子化認識学習で学習させることで、計算の簡素化と低ビット演算によるハードウェア実装の効率化を図っています。原文によれば、モデルは 0.2483 M のパラメータと 0.0949 GMACs で、域内および外部データセットで競争力のある精度を維持し、45 nm プロセスでは計算アレイ面積が元の Gemmini に比べて 88.46% 削減されています。
説明多相CTによる早期肝細胞癌診断のための解釈可能な深層学習手法
要約本研究は、多相CT画像で手動分割された肝病変から肝細胞癌の確率を推定する、解釈可能な人工知能手法dLI-RADSを提案しています。LI-RADSの画像概念に沿うよう、ニューラルネットワークの予測と主要特徴に対応する手作業の定量測定を、ロジスティック回帰で統合しています。多施設後ろ向き研究の内部評価集では、病変単位の正確度がdLI-RADSで80%、LI-RADSで74%（p = 0.04）であり、dLI-RADSはLI-RADSに対して非劣性でした。
説明「足元に注意」：ヒューマノイド歩行のための先読み型知覚
要約本論文は、固有受容感覚と速度指令だけから将来の着地点を予測する軽量な着地点予測モデル（FPM）を提案します。標高マップは予測された着地点の周囲の小さなパッチだけをサンプリングし、冗長な入力を除いてから歩行方策に渡します。予測モデルは歩行方策と同時に学習され、歩容の成熟に合わせて新しい方策ロールアウトで定期的に再学習されます。原文によると、同じ地形難易度に到達するのに必要な学習反復数は完全マップの約3分の1で、一部の条件では完全マップを観測する方策を上回り、Unitree G1ヒューマノイドにゼロショットで転移したとされています。
説明Diff-IrisPAD：ブラウン橋拡散モデルによる教師なし虹彩提示攻撃検出
要約虹彩認識システムは、テクスチャ付きコンタクトレンズ、印刷リプレイ、合成虹彩などの提示攻撃に脆弱です。本論文は、攻撃サンプルを使わず正規の虹彩分布のみをモデル化する教師なしフレームワークDiff-IrisPADを提案し、再構成の不整合により攻撃を検出します。12万5千枚超、8種類の攻撃を含む多センサーデータセットで、総合ACERは30.52であり、未知の攻撃にも強い汎化性能を示しています。
説明フレームは不要、周波数だけで：スマートグラス向けの帯域効率の良い展開時適応手法
要約本論文は No Frames, Just Frequencies という枠組みを提案します。スマートグラスはカメラ映像を送る代わりに、機器上で計算したコンパクトな周波数記述子を送信し、ホスト側のモデル複製がそれをもとに分布シフトのデータを合成して適応を行います。ImageNet-C の破損の組み合わせ、Visual Wake Words、MS-COCO での評価では、送信された記述子だけで監督付きオラクル適応の利得の93〜95%（3つのアーキテクチャ）を回復し、記述子の解像度を下げても性能は緩やかに低下し、帯域は213倍から784倍削減されました。
説明CHIP 2026 共有タスク1の概要：全文生物医学文献における患者固有の表現型概念認識
要約本論文はCHIP 2026共有タスク1を紹介し、全文の生物医学文献から患者固有の表現型概念を認識する手法の発展を目指すものです。タスクは全文表現型概念認識と患者固有の表現型関連付けの二つの副タスクからなり、PatientPheXデータセットの注釈付き200本の全文論文を用いています。455チームが登録し、最高性能のシステムは最終テストセットで総合スコア0.7389を達成し、ベースラインを8.37ポイント上回りました。
説明強い確率的フローマップの改良学習：確率微分方程式の少ステップサンプリングモデル
要約本論文は、確率微分方程式（SDE）の解経路上の時刻間を直接跳躍することで少ステップサンプリングを実現する確率的フローマップ（stochastic flow map）の学習を扱う。ブラウン運動の経路が無限次元で至る所微分不可能であることが学習の主な障害であるとし、高次の局所情報を持つ基底としてシフト・ルジャンドル多項式展開を用い、導関数ベースの損失を可能にするWong-Zakai型の目的関数を提案する。さらに、大規模な事前学習済みフローモデルを強い確率的フローマップへ微調整する手法を示し、ImageNetにおいて4 NFEで、SSFMと比べFD-DINOv2がおよそ3倍改善したと報告している。
説明ラベル遅延下で凍結された多変量予測器の残差をオンライン補正する局所・大域的再帰リッジ回帰
要約本論文はDRiC（DCTリッジ補正器）を提案し、凍結された多期間予測器の残差をオンラインで補正する。次の残差ブロックの離散コサイン変換（DCT）の先頭係数を、凍結予測とブロック入力の係数に対してリッジ回帰で当てはめ、十分統計量を再帰的に更新する。チャネルごとに回帰を持つDRiC-Lと全チャネルを一つにまとめるDRiC-Gがあり、七つのデータセット・三つのバックボーン・126条件で評価された。DRiC-L8の平均二乗誤差削減率は14.55%で、最も正確な比較手法ELF（12.98%）を上回ったが、Trafficデータではε ELFの方が正確である。
説明表からテキストへの生成における拡散言語モデルの忠実性に関する診断的研究
要約本論文は、ToTTo を用いた表からテキストへの生成タスクで、拡散言語モデル（MDLM、LLaDA）と自己回帰モデル（GPT-2、GPT-Neo）を比較しています。参照文との類似度と元の表への根拠付けを別々の指標で評価したところ、LLaDAでは示例を増やすとBLEUは上がる一方、元の表に対するNLI含意スコアは下がりました。著者らは、参照ベースの指標だけでは忠実性を評価するには不十分だと結論づけています。
説明分位点分布型強化学習における近似的ミニマックス収束率
要約本論文は、与えられた方策のもとでの収益分布を分位点ベルマン不動点で近似する分位点分布型方策評価を扱う。生成モデルへのアクセスを仮定し、経験的マルコフ決定過程から推定量を構成して、Wasserstein距離の下での非漸近的誤差上界を示す。さらに、この推定量が各固定分解能において厳密な局所漸近ミニマックスリスクを達成することを証明している。
注目点生成モデルの下で分位点分布政策評価のWasserstein誤差境界を導き、局所漸近ミニマックスリスクを厳密に特徴付けて推定量がそれを達成することを示した。
説明転移学習に基づく可視光通信による効率的で持続可能な屋内測位手法
要約本論文は、可視光通信（VLC）による屋内測位に転移学習を適用する手法を提案しています。照明の変動や物理的障害物などの環境変化に対応しつつ、計算負荷と消費電力を抑えることを目指します。精度、エネルギー効率、データ効率、転移利得を統合したモデル効率（ME）指標も導入されています。ボッシュの工場で収集した実データでは、転移学習を用いないモデルに比べ測位精度が47%向上し、高ノイズ条件下でのMEは最大67.5%（従来モデルは10.4%）と報告されています。
説明CineEvolve：映画的マルチショット動画生成のための自己進化エージェント・フレームワーク
要約本論文は、映画的なマルチショット動画生成のためのエージェント型自己進化フレームワーク「CineEvolve」を提案しています。単一の視覚言語ポリシー内で、監督（Director）と批評（Critic）の役割を統合し、交互の強化学習で両者を共に進化させます。さらに安定化手法E-GRPOと、創作・批評・修正を含む約4万件の軌跡データセット「CineTraj」を公開し、既存手法より優れた結果を示したとしています。
説明解釈可能な分子特性予測のための断片レベルグラフ符号化
要約グラフニューラルネットワークは分子特性予測に広く使われていますが、原子単位の説明は医薬化学者が実際に活用しにくいものです。本研究はモデルではなく入力表現を変え、BRICS分解により分子を断片レベルのグラフとして符号化します。4つのアーキテクチャ、4つの予測タスク、2種類の説明手法で、断片レベル符号化は約5分の1の規模のグラフで原子レベルと同等のテスト精度を達成しました。積分勾配による帰属は2つの酵素標的で既知の薬効団を偶然より高い割合で再現し、断片レベル学習は任意の集約規約に依存しない安定した帰属を得られることが示されています。
説明SNR調整によるフローマッチングモデルの空間的グラウンディングの解放
要約本論文は、画像生成で細粒度の空間制御が難しい問題を扱い、フローマッチングモデルにおける空間的グラウンディングの決定要因が信号対雑音比（SNR）の分布であることを示しています。幾何学的図形の合成ベンチマークと色を考慮したレイアウト指標を用いた結果、中心的なSNR分布での学習はレイアウト適合率が25.9%にとどまる一方、高ノイズ領域に重点を移すと80.8%に向上しました。COCOデータセットでも、アーキテクチャを変えずに分布調整だけで高い効果が得られたと報告しています。
説明線形モデルによる高速ベイズ最適化
要約ベイズ最適化は通常、目的関数のコストが高い問題にだけ使われ、アルゴリズムの速度はあまり重視されません。本論文は速度と性能のパレート境界の観点から、CMA-ES などより高速な手法と比較し、境界の一部が現在空白であることを示します。既存手法の線形構造を利用した高速なベイズ最適化手法を提案し、連続入力と組合せ入力の両方（約10〜6000超の次元）に対応します。原文によれば、性能は最先端のベイズ最適化に近く、10²〜10³倍高速とされています。
説明反射性閾値：マルチエージェント遂行的予測における相転移
要約本論文は、マルチエージェントの遂行的予測における反復的再学習を扱う。展開されたモデルは将来の学習に使われるデータ分布を変えるが、そのフィードバックは相互作用する学習者のネットワークを通じて伝わる。著者は反射性行列 Γ を導入し、そのスペクトル半径が1を超えるかどうかで、安定した学習と最悪ケースでの学習阻害を区別する。閾値以下では反復的再学習が唯一の遂行的安定均衡へ幾何学的に収束し、閾値以上では局所情報の学習者の累積超過損失が線形に増加する事例が構成される。
注目点スペクトル半径の閾値により、マルチエージェントの表現的予測の安定性を特徴づけ、上界と線形下界を与え、単一エージェントの結果を一般化している。
説明損失の小さい専門家からの私的オンライン予測
要約本論文は、差分プライバシーの制約下で行う専門家からのオンライン予測（experts）問題を扱う。既存の私的アルゴリズムの後悔（regret）上界は、ほぼ最適な Õ(√T) であるが、最良の専門家の累積損失 L* が T より大幅に小さい場合には最適ではない。著者らは、低損失の状況で後悔が Õ(√L*) となる初の差分プライベートアルゴリズムを提示する。これは入力列が事前に固定され、アルゴリズムの出力に依存しないことを仮定している。また、適応的に生成される入力では、L*=0 であっても Ω̃(√T) の後悔が避けられないことを証明している。
注目点差分プライバシー下で初めて√L*の後悔界を達成し、低損失領域で既存の√T界を大幅に改善。非公開下界と対数因子まで一致する。
説明ラベルなしグラフ汎化のための暗黙的特徴再重み付け手法
要約本論文は、分布変化のもとでのグラフニューラルネットワークの汎化問題を扱い、学習時にクラスラベルを使わないSCARCEという表現学習フレームワークを提案しています。訓練グラフの環境分割のみを用いて、分布シフトに頑健なグラフ表現を学習します。手法は二段階で、まず変分グラフオートエンコーダで再構成を事前学習し、次に敵対的混同機構によって環境を判別しにくい表現を得ます。論文によれば、合成データセットとDrugOODデータセットで、ラベルなし手法の中で最先端の分布外汇用性能を示したとしています。
説明水中画像強調の再考：テキスト誘導型劣化カリキュラムによる学習
要約既存の対になった劣化・非劣化水中画像データセットは規模が限られるか取得が難しく、実環境の多様な劣化を十分にカバーできていません。本論文は、テキスト誘導拡散モデルで意味的に一貫した劣化サンプルを合成し、段階的な劣化カリキュラムと透過率誘導型一段拡散モデルで学習する統一的な枠組みを提案します。著者らは複数の水中ベンチマークで優れた性能を示したとしており、コードとモデルは論文公開後に提供される予定です。
説明ロバスト非線形モデル予測制御の認証付きニューラル近似
要約モデル予測制御は高性能な制御手法ですが、オンラインの計算コストが高く、低レベルのハードウェアでの実装が難しいという課題があります。本論文は、ロバストなモデル予測方策の安全性と安定性の保証を証明可能な形で引き継ぐニューラルネットワーク制御器を生成する枠組みを提案しています。近似誤差を有界な入力外乱として扱い、MPCの設計で考慮することで、展開前に再帰的可行性と安定性を保つ設計条件を与えます。シミュレーションでは、学習された制御器が元の制御器の閉ループ挙動を再現しつつ、オンライン計算量を削減できることが示されています。
説明SWIFT-Cell：反復的フロー追跡を使わない細胞セグメンテーションモデル
要約本論文は、汎用セグメンテーションモデル Cellpose-SAM（CPSAM）のマスクを蒸留して学習させた、0.63M パラメータの U-Net である SWIFT-Cell を提案している。H&E および IHC 組織画像の細胞分割を対象とし、QuPath の検出器より高速でありながら、精度は CPSAM に近いと報告されている。
説明SOAR：社会的関係と意見を考慮した推薦モデル
要約本論文は、地点（PoI）推薦のためのSOARモデルを提案しています。ユーザーの友人ネットワークとテキストレビューを組み合わせ、特にレビューの感情に注目して、ある場所が特定のユーザーに適しているかを判断します。実データセットでの実験により、レビューを推薦過程に取り入れると推薦の精度が向上することが示されています。
説明WRDO：整合済み言語モデルにおける重み付け拒否方向の最適化
要約整合された大規模言語モデルは、有害な要求を拒否しつつ無害な要求には応じるよう訓練されています。しかし、この拒否挙動は脆弱で、単純な活性化や重みへの介入によって崩されることがあります。本論文では、プロンプトごとの拒否方向を学習済みの集約重みで組み合わせた複合拒否方向を構成する手法、Weighted Refusal Direction Optimization（WRDO）を提案します。三つのオープンウェイトモデルで従来の単一方向手法と比較し、汎用能力への影響も測定しています。さらに、同じ仕組みを逆方向に用い、拒否挙動が除去されたモデルで拒否を回復させる防御的な設定も検討しています。
説明細粒度のマルチモーダル理解と位置特定のための一般化 CycleGRPO（論文）
要約本論文は、領域の記述と言語からの領域特定を結びつける統一的な強化学習フレームワーク「一般化 CycleGRPO」を提案しています。モデルはまず領域の説明文を生成し、その説明文から領域を特定して入力領域を再構成します。再構成の重なりが検証可能な報酬となります。画像、動画、時空間の各領域に適用され、時間的な区別性を評価する DOVE ベンチマークも導入されています。GroundingSuite、GRES、Charades、DOVE で基準モデルより改善したと報告されています。
注目点領域記述と位置特定を循環再構成による検証可能な報酬で統合したRLフレームワークを提案し、動画時間軸へ拡張。GroundingSuite、GRES、Charadesで明確な向上を示し証拠は比較的充分。
説明後方互換性のある検索のための超球面単体表現
要約本論文は、ソフトマックス出力とロジットから導く超球面単体表現を提案し、独立に学習されたモデル間で再インデックスなしに後方互換性のある検索を実現する手法を示しています。one-hotラベルによるクロスエントロピー学習が生む単体構造を共通の幾何学的基準として用い、クラス追加時には決定論的な線形変換で既存のクラス原型の整合を回復します。追加の互換性用損失や学習マッピング、アーキテクチャ変更なしに、標準ベンチマークで競争力のある結果を示したと報告されています。
説明PACE：四ビット再帰状態の周期的・チャネル整列エンコーディング
要約線形注意機構の言語モデルは、並列にデコードする各系列ごとに固定サイズの再帰状態を保持するため、状態の低精度化はアクセラレータ上で共有できる系列数を増やします。本論文は、再学習を要しない事後的な四ビット状態量子化手法PACEを提案します。PACEは数トークンごとに一度だけ状態を丸め、その間のトークンは小さなバッファに保持し、同一列内で量子化スケールを共有します。重要なヘッドは八ビットを維持します。4Bから35Bパラメータの四つのハイブリッドモデルで、較大な三モデルにおいてPACEは八ビットDAMPに近い性能を約三分の二のメモリで達成し、バッファによるデコード高速化も維持されます。
説明DPO計算グラフの確率的枝刈り：学習が1.4倍速く、ピークメモリも低減
要約本論文は、直接選好最適化（DPO）の計算グラフを確率的に枝刈りする統一的枠組みを提案します。スコア計算の位置、応答の接頭辞、選好分岐を独立にサンプリングし、その分の計算を省略します。逆確率重み付けにより単一分岐の勾配推定量を得ています。分岐枝刈りは連結版DPOベースラインに対して1ステップあたり1.426倍の高速化を示し、位置と系列の枝刈りは主にピークメモリを削減します。平均精度はわずかに低下します。
説明Melange：マルチモーダル大規模言語モデル向けの合成視覚バイアス・ベンチマーク
要約本論文は、マルチモーダル大規模言語モデル（MLLM）の社会的バイアスを評価するための合成視覚ベンチマーク「Melange」を提案します。7つのカテゴリを扱い、言語のみのBBQデータセットを基に、対象属性が画像上で明確に現れる視覚シナリオを生成しています。23のオープンソースMLLMを、テキストのみ、画像のみ、画像と文脈の3設定で評価し、テキストから視覚入力に切り替えると公平性が平均0.291低下することを報告しています。モデルは描かれた属性を高い精度で識別できるものの、回答を控えることに失敗しており、偏った回答を選ぶ場合は約4分の3の割合で人間の固定観念に沿った回答を選んでいました。
説明縦断的電子カルテ向けブロック拡散モデル：精度・効率・表現のトレードオフ
要約本論文は、MIMIC-IVのデータを用いて、縦断的電子カルテのゼロショット予測において、ブロックベースのマスク拡散モデル（BD）と自己回帰モデル（AR）を比較しています。小さなブロック設定では予測性能の大部分を維持しつつ推論が大幅に高速化し、代表的なB=8の設定では評価が約1.43倍速くなります。凍結線形プローブの結果では両者の表現はほぼ同等ですが、生成的なロールアウトは多くの設定でARを下回ったままです。
説明極値データが駆動する学習の相転移：多重インスタンス学習における最大プーリングの勾配消失問題
要約本論文は多重インスタンス学習（MIL）の一例である極値回帰問題を研究している。学習時に最大プーリングを用いると勾配が消失するため、学習可能な鋭さパラメータλを持つsoftmaxで近似する手法が一般的である。著者らは、バッグ数と次元を同時に大きくする極限で勾配流の低次元射影を導き、乱れた系のランダムエネルギーモデルに関連する凍結相転移と、現代のホップフィールドネットワークに関連する検索相転移を見出した。数値シミュレーションにより、相図と有限サイズでの訓練勾配の漸近形への収束が確認された。
説明事前学習済みのインコンテキスト分位点回帰による残差ベースの因果発見
要約本論文は、加法的ノイズモデルを対象とする RESIT 枠組みを位置尺度ノイズモデルへ拡張した Loscar を提案します。分位点回帰で条件付き平均とスケールを推定し、事前学習済みの表形式基盤モデルをプラグイン推定器として利用できるようにしています。二変量および多変量の因果発見ベンチマークで、多変量の原因変数の場合に、可行一般化最小二乗法（FGLS）の変種を大きく上回ると報告しています。
説明結合埋め込み予測目的は縦断的EHRに有効か？
要約本論文は、結合埋め込み予測アーキテクチャ（JEPA）を電子カルテの時系列表現学習に適用できるかを検討し、一般的な masked language modelling（MLM）と比較している。MIMIC-IV を用いた実験では、3種類のJEPA定式化はいずれも表現崩壊なく安定して学習したが、MLMより一貫して性能が低かった。予測誤差を増やすのはターゲットの異質性ではなくターゲットの規模であり、規模を縮小しても下流性能は回復しないと報告している。
説明RCSD：ドメイン特化型投機的デコーディングのための強化学習と継続学習
要約本論文は、大規模言語モデルの推論を高速化するための学習フレームワーク RCSD を提案しています。投機的推論の過程で自然に生じる受理・棄却された系列から暗黙の選好ペアを構築し、目標モデルと一致するトークンを罰しないようマスク付き損失を用いることで、草稿モデルの最適化を受理長の最大化に合わせます。複数のベンチマークで、HASS と比べて平均受理長が 35% 向上し、実用的な作業負荷では端から端までの推論が 1.35 倍高速で、生成品質は損なわれないと報告しています。
説明幾何学的知識空間・アテンションペアリングとアーキテクチャ：幾何学的視点から注意機構を導出し、新たな Transformer 構造を探る論文。
要約本論文は、注意機構を導出し新たな Transformer アーキテクチャの可能性を探るための幾何学的アプローチを提案している。まず「知識世界」と「アテンションペアリング」の概念を定式化し、その枠組みから標準アテンション、因果アテンション、線形アテンション、テンソルアテンション、再帰型ニューラルネットワークが自然に導かれることを示す。最後に、新しいニューラルネットワーク構造の着想となりうるいくつかの幾何学的空間を導入している。
説明pplx-embed-v2-late 技術レポート：規模の異なるモデル間で埋め込み空間を共有する多言語・マルチモーダル検索モデル
要約本レポートは、0.6B と 9B の 2 つの多言語・マルチモーダルな遅延インタラクション（late-interaction）モデル「pplx-embed-v2-late」を紹介しています。両モデルは、テキスト、画像、視覚文書の検索ベンチマークにおいて、それぞれのサイズ区分で最先端の結果を達成しました。視覚文書検索では、0.6B モデルが自身の数倍の大きさのモデルと競合します。両モデルは 18B の教師モデルからの表現蒸留で学習され、共通の埋め込み空間を持つため、9B モデルで文書をインデックス化し、低遅延の 0.6B モデルで検索する非対称な運用が可能です。
説明投票を超えて：検索ベースの表形式分類でLLMはいつ価値を加えるのか
要約本論文は、検索ベースの文脈内学習において、四つの汎用大規模言語モデルと距離重み付き近傍投票法（Distance-KNN）を、同一の検索近傍を用いて19の表形式分類データセットで比較しています。すべての候補プールサイズで、Distance-KNNの平均精度が最も高い結果となりました。LLMの利点は近傍のラベル一致度が低い場合に集中し、テストクエリとの特徴量距離によっても変化すると報告しています。
