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AtomicRL：長期的ロボット操作のための原子的強化学習
要約本論文は、視覚・言語・行動（VLA）モデルを原子的なタスク構造を利用して強化学習で後処理するAtomicRLという枠組みを提案しています。意味認識ゲーティングによる方策最適化（SAPO）と、個々の原子的サブタスクの習熟度に応じて探索を調整するBATEを含み、シミュレーションから実機への転移のためのReal2Sim2Real手法も構築されています。LIBERO-LONGではPPOに対し絶対値で3.6%から4.0%、CALVIN ABC-D では全タスクで最大9.5%の向上が報告され、実機では平均21.3%改善したとされています。
説明ProactEgoMem：ストリーミング一人称視点動画における能動的記憶のベンチマーク
要約本論文は、装着型アシスタントがストリーミングの一人称視点動画の中で、有用な記憶を能動的に取得・維持する能力を評価するベンチマーク「ProactEgoMem」を提案します。情報捕捉、状態追跡、位置追跡の3課題と、通知と介入の2段階の主体性レベルで構成されています。実験では、最も強力なモデルでも、記憶を適時かつ正確に捉えることはできませんでした。
説明GANet：組み込みシステム向け植物病害識別のための軽量グループ注意ネットワーク
要約本論文は、38種類の植物病害の予測と監視を目的とした軽量なグループ等変注意ネットワーク GANet を提案している。パラメータ数はわずか 0.001M で、PlantVillage データセットにおいて 99.99% の精度を達成したとされる。また、Raspberry Pi 4b と Jetson Nano 上ではそれぞれ 5 FPS と 11 FPS に達し、低消費電力機器でのリアルタイム監視の可能性が示されている。
説明Orbitol：Wyckoff軌道上での結晶構造生成
要約本論文は、Crystalite拡散Transformerを基盤とし、原子トークンをWyckoff軌道トークンに置き換えた結晶生成モデルOrbitolを提案します。空間群を指定すると、その対称性を満たす結晶構造を生成できます。評価条件では、対称性を考慮した基準手法より二～三桁速いと報告されています。MP-20では、緩和後も指定空間群を保ち、安定または準安定かつ一意で新規な構造の割合が13.8%で、次点のSGFMの10.8%を上回りました。さらに、圧電結晶クラスの候補生成にも用いられ、内部スクリーニングで選ばれた構造の89%が密度汎関数理論の検証を通過したとしています。
説明LLM分類器の回路：適応的な問い合わせ列でコストと精度の最適バランスを図る研究
要約本論文は、大規模言語モデル（LLM）の分類器を基礎的な目的ラベルを測定するノイズを含む計測器とみなし、複数モデルの予測を組み合わせて信頼性を高める方法を検討しています。著者らは、分類器を適応的な問い合わせと判断の列として構成する「回路（circuits）」を提案し、与えられた平均問い合わせコストのもとでの最適回路と達成可能な精度の理論的限界を示しています。安全、健康、政治学、人間の選好、エージェント評価、意思決定と推論など7つの分類タスクで、ルーティングやカスケードの基準手法よりもコスト・精度のフロンティアを改善したと報告しています。
説明分類器ヘッドからエンコーダ原型へ：分類器ヘッドに基づくクラスタリングによる個人化連合学習
要約本論文は、クライアント固有の分類器ヘッドを用いて表現を共有すべきクライアントを決めるHDC-FL手法を提案します。サーバは定期的にヘッドを低次元空間へ射影して群分けし、群ごとのエンコーダ原型を作成して、各クライアントに原型のソフト混合を返します。CIFAR-10およびCIFAR-100の11設定の実験では、平均精度で強力なベースラインと競合し、最悪クライアントと下位20%の宏平均精度が数値上最も高くなりました。また、ヘッドの類似性とエンコーダの互換性に正の関連が見られました。
説明並列AIエージェント協調：グラフ構造に基づく分散ブロック最適化
要約本論文は、複数のAIエージェントが同じ解を同時に編集する際の調整問題を、依存グラフを伴う離散ブロック最適化として定式化しています。独立集で互いに衝突しない編集を選び、最適な分数彩色に基づく統合が全体の検証済み改善量の1/χ_f(G)を保持することを証明しています。実験はコード修復、3つの公開道路網でのグラフカット、経路探索タスクを含み、経路探索では壁時計時間の中央値が約15%短縮されました。
注目点依存グラフ付きブロック最適化として多エージェント協調を定式化し、1/χf(G)の保持率の厳密な下界を証明。コード修復、道路網、経路探索で検証しており理論と実験の裏付けが比較的強い。
説明図表を認識行動として使う、経験駆動型のエージェント的データ分析
要約本論文は、データエージェントが推論過程で図表を内部的な認識行動として使えるかを検討します。200件の統制されたタスクからなる評価セットを構築したところ、エージェントは図を読み取れても、実際には積極的に使わないことがわかりました。図は時系列・パターン・異常の推論に強く、テキストは正確な読み取りや条件付き検証に強いと報告されています。提案手法は軌跡から経験を抽出し、3つの保持out ベンチマークと4種のLLMで分析精度と視覚的根拠の質を向上させ、モデルのパラメータを変更せずに図の利用を促しました。
注目点データエージェントの推論でグラフを認識的行為として扱い、経験蒸留と検証ゲートで使い方を学習させる点が新しく、複数基準・複数モデルで検証されている。
説明『Loopholing All the Way』：純粋な自己条件付けによる言語モデリング
要約本論文は、各ステップにわたってデノイザーの予測による期待埋め込みを伝播させ、最後に一度だけトークンを復号するLAW（Loopholing All the Way）を提案し、連続生成モデルを純粋に自己条件付け（Self-Conditioning）に基づかせる方法を示しています。Sudoku、Maze、GSM8Kなどの課題で、従来の離散・連続拡散モデルを上回る結果を示し、OpenWebTextでは自己回帰モデルに近づいたとしています。
注目点自己条件付けのみに基づく連続拡散言語モデルを提案し、Sudoku、Maze、GSM8Kなど複数のベンチマークで明確な改善を示した。
説明GoiBERT：二段階知識蒸留によるコンパクトなベトナム語言語モデル
要約本論文は、2,600万と4,900万のパラメータを持つ2種類のコンパクトなベトナム語エンコーダ GoiBERT を提案する。外部の単語分割を用いず、生テキストを直接処理する。学習は2つの教師モデルから段階的に行われ、まず同じトークナイザを用いるベトナム語エンコーダが汎用的な表現を学習し、次により大きな教師モデルがソフトラベルを通じてタスクレベルの指導を与える。八つのベンチマークで、GoiBERT-large は教師モデルを除く中で最も高い平均スコアを達成した。
説明ループ型均一拡散言語モデル：反復計算で均一拡散言語モデルの学習効率と生成品質を高める研究
要約本論文は、均一拡散言語モデル（UDLM）において、各ノイズ除去ステップで初期のTransformer層を反復適用する選択的ループを導入する研究です。学習目標とサンプラーは変更していません。ループを用いたモデルは、OpenWebTextで最大2.8倍、FineWeb-Eduで3.3倍少ない学習FLOPsで、ループなしモデルの検証NLLに到達しました。同じNFE予算では生成パープレキシティが最大9.8%低下し、小さいループ回数をより頻繁にサンプリングすると、精度を落とさずに推論時のループ数を12%削減できました。
説明推論から行動へ：LIBERO-10 ロボット操作タスクにおける最先端 AI モデルのベンチマーク
要約本論文は、LIBERO-10 ベンチマークで最先端 AI モデルのロボット操作能力を評価するための統一的な閉ループ操作フレームワークを提示しています。モデルは視覚観測、ロボットの固有感覚、構造化されたツール呼び出しを通じて、主にエンドエフェクタの目標姿勢とグリッパ指令を指定して制御します。6 つのモデルを 3 段階の推論強度で評価し、計 1,800 エピソードを実施しました。最高成功率は 44% で、推論強度の向上は概ね性能を改善する一方、精密な空間配置や複雑な多段階操作には課題が残ることが示されています。
説明プロンプトの書き方が競技プログラミングにおけるAIの正確さと速度に与える影響
要約本論文はGPT-5.5を対象に、九種類のプロンプトスタイルを国際情報オリンピック（IOI）の三つの正確性タスクと二つのNP困難な速度タスクで比較しています。すべてのタスクで最良のプロンプトは存在せず、最適なものはタスクの種類と平均値・中央値のどちらで集計するかに依存することが分かりました。一部の差は少数の外れ値に由来し、AIの成績はIOIの人間の参加者と記述的に比較されています。
説明SWE-DIVE：動的ユーザーシミュレーションによる多ターンのコーディングエージェント評価
要約本論文は、マルチターンの対話におけるコーディングエージェント（coding agent）を評価するフレームワーク SWE-DIVE を提案しています。異なる行動パターンを模擬するユーザーシミュレーターと、そのやり取りが初期要件を満たしているかを検証する会話バリデーターを含みます。これらを Harbor 環境に組み込み、結果とソースコードを GitHub で公開しています。
説明どの違いが重要か？決定モデルにおけるルール転移・共同信頼性・情報利用の統制実験
要約本論文は、実行可能な算術ルールを用いて、決定モデルがルールや状態の入力変化にどう反応するかを検証します。等価な言い回しの比較、周辺分布を保つ再結合、表の数値変更による答えの目標の変更を行いました。その結果、転移の利得は最も近い情報源との答えの一致度に応じて増え、等価な書き換えは課題全体に逆向きの影響を与え、意思決定サービスは表の値や対応関係から導かれる答えに概ね従うことが示されています。
説明SP-HLM：人型ロボットの移動操作のための疎な姿勢駆動型モーション生成と全身制御
要約本論文は、高レベルのタスク方策と全身制御の間をつなぐSP-HLMという枠組みを提案しています。5つのタスクに重要な身体姿勢と学習済みの潜在運動事前分布を組み合わせ、空間的意図と全身協調を補完的に表現します。視覚・言語・行動モデルのSP-VLAが疎な姿勢と指関節位置を予測し、SP-MGMが全身運動をリアルタイムで再構成し、SP-GMTが両者を統合して全身制御を行います。シミュレーションと実機の人型ロボットでの実験により、既存手法と比べて運動追従、全身協調、移動操作の成功率が改善したと報告されています。
説明HGM-Dual：長期計画エージェント向けの系統認識型ガイド付きハーネス最適化フレームワーク
要約本論文は、計画タスクを行うエージェントのプロンプト・ツール・ワークフロー（ハーネス）を、限られた評価予算で最適化するHGM-Dualを提案します。各祖先が何を変更し、どの振る舞いが改善・悪化したかを系統情報として記録し、親ごとに汎用の子と、主要な制約違反に関わるコンポーネントを対象とする専門の子を生成します。案例精度は最強のベースラインに対して最大14.45%の相対的改善を示し、HGMの各種変種と同等の最終性能を2〜4倍少ない評価予算で達成したと報告されています。
説明ツール利用エージェントにおける行動局在化によるソフトスキル適応
要約本論文は行動局在化（Behavioral Localization）を提案し、テキストスキルの有無で凍結したエージェントを比較して、スキルの効果が集中する軌跡上の位置を特定します。その位置だけを用いて短いソフトプロンプトを学習させ、長いスキル記述の代替とします。SpreadsheetBench で凍結した Qwen3.6-35B-A3B エージェントを用いた実験では、上位 10% の位置で全体の正のスキル増分の 96.12% を捉えられることを示しました。共有プロンプト設定では、軌跡全体の 30.36% から選択的監督により 36.79% に成功率が向上しました。タスク特化条件では上位 10% の局在位置で 57.38% を達成し、完全なテキストスキルおよび OPCD ベースラインを上回りました。
説明Attn-Forcing：ストリーミング動画生成のための全文脈アテンションプロキシの学習
要約本論文は、ストリーミング動画生成において注意文脈が長いとメモリと計算コストが過大になる問題を扱い、Attn-Forcingという枠組みを提案している。学習可能な視覚潜在変数をアテンションプロキシとして用い、履歴文脈によるアテンション応答を近似するとともに、Proxy Update Moduleで履歴潜在変数の視覚情報を取り込む。さらにAttention Matching Lossにより全文脈アテンションを教師信号としてプロキシの振る舞いを制約する。著者らは、有界なメモリと計算のもとで生成品質が向上し既存のベースラインを上回ると報告している。
説明もっともらしいが埋め込めない：頭蓋欠損再建のための形状補完基盤モデルの信頼性監査
要約本論文は、公開されている事前学習済み形状補完モデル3つ（うち2つは基盤モデル）を、公開頭蓋骨データセット由来の欠損と実際の頭蓋切除術後症例を含む239件の頭蓋欠損に対してゼロショットで評価しています。いずれの出力も、患者に残った骨と交差せずに植込み可能なものではありませんでした。著者らは、公開された状態のこれらのモデルは臨床での使用には適さず、信頼できる形状補完の基盤モデルにはさらなる研究が必要だと結論づけています。
説明著者が書いたもの、エージェントが読むもの：企業文書取り込みにおける見えない手がかりの喪失
要約本論文は、主要な文書変換ツールがWordやPDFをテキストに変換する際、著者が色や強調表示などの書式で示した重要事項の手がかりが失われ、エージェントが誤った結論を自信を持って導く可能性があることを示している。76件の実際の政策文書を用いた評価では、書式が失われると性能が大きく低下し、色と強調表示が主な損失要因であった。著者らは、信頼性の向上は推論ではなく文書取り込みの段階で決まると結論づけている。
説明RealMe：少数の撮影映像から没入型ボリュメトリック動画を生成する手法
要約本論文は、疎で低解像度の撮影素材から没入型ボリュメトリック動画を作るためのフレームワーク RealMe を提案しています。高解像度の動画拡散モデルで限られた素材を 2K かつ 4D 一貫性のある動画へ強化し、ボリュメトリック動画の再構成に用います。公開ベンチマーク DNA-Rendering と自作の RealVV データセットで実験を行い、視覚的忠実度と 4D 一貫性で従来手法を上回ったと報告しています。
説明定常性制約により機械学習交換相関汎関数のエネルギーと密度を同時に改善
要約経験的交換相関汎関数は固定された軌道で当てはめられるが、自己無撞着に使われるため、エネルギーが良くなると密度が悪化することがある。本論文は、正確な密度に対応するKohn-Sham軌道上での学習済み汎関数のBrillouin残差をペナルティとして用いる手法を示す。学習時に自己無撞着場の解を必要としない。6つのエネルギーと11のCCSD密度で学習したニューラルmeta-GGAは、未知の分子の原子化エネルギーと密度の両方でSCANを上回った。
説明ExGrad：抑制を超えて——敵対的学習における明示的なクリーン勾配の減算
要約本論文は、敵対的学習の更新を調整するExGrad手法を提案します。クリーン入力、敵対的入力、敵対的重摂動（AWP）の3種類の勾配を構成し、仮想ステップで敵対的マージンへの影響を測定した上で、有界なアフィン領域で係数を選ぶ三変数問題を解きます。CIFAR-10では半径の増加に伴いクリーン係数の負の割合が増え、中程度の半径ではAWPより改善が見られます。CIFAR-100では半径0.8で、報告された5つの指標すべてが改善されたとしています。
説明GuideEvolve：専門家の指導と3Ts機構を備えた自己進化型エージェントの枠組み
要約本論文は、専門家の指導と3つの自律的調整機構（3Ts：速い思考と遅い思考、巻き戻し、選択による終了）を組み込んだ自己進化型エージェントの枠組みGuideEvolveを提案している。MGSMとMMLUのベンチマークでの実験では、最先端モデルに匹敵する精度を示し、分散が大きく減少し、演化成功率は100%、必要な最適化の反復回数は約半分に減ったと報告されている。
説明Code Comprehensor：大規模リポジトリ向けの階層型ドキュメントとクロスモーダル検索の枠組み
要約本論文は、コード依存関係のコールグラフ（CodeGraph）、コード対応の大規模言語モデルで階層型ドキュメントを生成する CodeScribe、その出力で学習した二重エンコーダ CodeContrast を組み合わせた Code Comprehensor を提案しています。OpenCV と 500 万行規模の非公開リポジトリで評価され、CodeScribe による教師データがテキストからコードへの検索精度を向上させたと報告されています。RAGAS による大規模言語モデル評価では、忠実度スコアが 90% を超えたとしています。
説明エージェント行動マップ：実行せずに「どう振る舞うか」でエージェントを位置づける手法
要約本論文は、LLMエージェントとハーネスの組み合わせを、共通の参照軌道上での中心化された行動の対数尤度によって表す「エージェント行動マップ」を提案している。対象エージェントに新たな環境での実行を求めない点が特徴である。座標間の距離と軌道のKLダイバージェンスを関係づける誤差上界を導出し、八つの相互採点モデルで両者の順位がほぼ一致することを示した。100のLLMと4つの環境での実験では、ALFWorldベースの座標が性能予測や行動の類似性の特定に利用できた。
説明ClunoGS：統一最適化によるコンパクトな言語付き3Dガウシアン・スプラッティング
要約本論文は、言語特徴を持つ3Dガウシアン・スプラッティングのモデルを圧縮するClunoGSフレームワークを提案し、開語彙のシーン理解を支援します。統一された制約付き目標の中で、意味を考慮したガウシアンの疎化とベクトル量子化を組み合わせています。LERFとScanNet-10のベンチマークで開語彙の位置特定とセグメンテーションを評価し、高圧縮時に逐次圧縮や意味を考慮しない疎化より意味表現をよく保持できると報告しています。アブレーション実験でも、両者を独立に適用するより連携させた方が意味精度を保てることが示されています。
説明「ドリーミング学習」によるモデル崩壊の緩和
要約合成データで生成モデルを学習させると多様性が失われ性能が低下する「モデル崩壊」を、マルコフ連鎖の遷移演算子の固有値スペクトルから分析した論文です。温度T_s<1でのサンプリングは固有値を単位円に近づけ、スペクトルギャップを狭めることが示されています。提案手法「ドリーミング学習」は、高温（T_d>1）でモデル自身が生成したサンプルへの損失項を通常の学習に加えるもので、5000世代にわたる測定と、LSTM言語モデルおよび1億2400万パラメータのGPT-2での実験により緩和効果が示されています。
説明リモートセンシングの土地被覆セグメンテーションにおける神経セルオートマトンによる多クラス境界の精緻化
要約リモートセンシング画像の意味セグメンテーションでは、クラス境界が真の位置から数ピクセルずれることがあり、この誤差は境界IoU（BIoU）で測られる細い帯状の領域に集中します。本論文は、凍結された事前学習済みセグメンターの確率出力から出発し、セルごとに修正を加える小さな学習済みの局所規則（BRNCA）を提案します。平均BIoUは46.63から48.99に向上し、改善は不規則な森林クラスで最も大きく見られました。著者らは、位置誤差がクラス境界のフラクタル次元と関連している可能性を示唆しています。
説明スパースオートエンコーダによる監査可能なAIテキスト検出器の構築
要約本論文は、微調整されたニューラル式のAIテキスト検出器を、人間が読める概念に基づいて動作する分類器に変換する手法を提案しています。検出器の残差ストリームにスパースオートエンコーダ（SAE）を学習させ、各特徴に自動解釈ラベルを付与し、生成された説明が全体的な忠実度の基準を満たす特徴のみを残します。その解釈可能な特徴の上で軽量な分類器を学習させます。著者らによれば、得られた分類器は解釈性が高く、分布外のテキストでニューラル手法や文体特徴手法より高い性能を示します。
説明すべてのアラームには原因がある：正確な根本原因付き通信アラーム嵐のオープン生成器
要約本論文は、実在のバックボーン網トポロジー上で動作し、各アラームの正確な根本原因と伝播経路を記録する通信アラーム嵐の生成器を提案します。出力フィールドは NORIA-O、RFC 8632、RFC 8345、TMF642 の用語に対応付けられています。実験では、最も早く重大アラームを出した機器を選ぶ単純な規則が、多くの設定で著者の時系列手法や一部の大規模言語モデルを上回りました。局所的な停電では、トポロジーをたどって無音の候補機器に到達する手法のみが有効でした。
説明情報システムのエージェント型アーキテクチャ：AAM/5C モデル（分散自律のための参照モデル）
要約本論文は、数百の相互作用するコンポーネントを持つ大規模組織が直面する認知的複雑性の壁を取り上げ、5つの能力を7つの論理層に実装する AAM/5C モデルを提案します。提案、決定、実行を分離する単一の認可規則 R-AUT が中核で、署名付き証明や短命トークンなどの仕組みを組み合わせます。実証結果は報告されておらず、検証プログラムは今後の課題とされています。
説明EPIC：正確な KL 接頭辞重要度比クリッピングによる自己回帰 LLM ポリシーの信頼領域の再考
要約大規模言語モデルの推論能力向上に使われる PPO 型クリッピングでは、標準的なトークン単位のクリッピングは現在のトークンの条件付き確率しか見ず、接頭辞もポリシー自身が生成する点が無視されている。著者らは自己回帰生成を有限期間のマルコフ決定過程として定式化し、接頭辞単位の信頼領域を構築して、接頭辞レベルのポリシー変化を直接制御する EPIC 手法を提案している。スパースな混合エキスパート言語モデルによるオフポリシー強化学習の実験では、数学的推論ベンチマークで標準およびシーケンスレベルのクリッピング基準を上回った。
説明DONIC：人間のデモンストレーションによる汎用型の両手器用追従制御
要約本論文はDONICを提案します。これは操作カテゴリと人の動きの情報源をまたいで共同学習された汎用両手追従モデルです。また、229物体・1,575シーケンスの多視点データセットBiHOIを構築し、再構成した両手インタラクションをロボット参照動作へリターゲットしています。手法は近接方策最適化と行動クローニングを組み合わせ、物体中心の片手ごとの報酬を用います。学習済みの単一チェックポイントは、微調整なしで訓練物体の未見軌道で86.79%、保留物体で57.32%の成功率を示し、既存の両手追従ベースラインをそれぞれ77.36および45.73ポイント上回っています。
説明HiddenLens：ソフトウェア要件に潜む暗黙の前提を検出・解決する多層LLMフレームワーク
要約本論文は、自然言語のソフトウェア要件が性能、動作条件、ユーザー行動、領域制約に関する前提を省略しがちで、実装後に発覚すると修正コストが大きくなると指摘する。著者らは、隐れた前提を検出・分類・問い直し・解決する6層のBERT-LLMパイプライン「HiddenLens」を提案し、312件の要件と847件の隠れた前提を注釈したデータセットHLCも構築した。報告によれば、エンドツーエンドのF1スコアは0.79で、キーワードベースおよびQuARS適応版のベースラインを上回り、NFR分類器のF1は0.847である。
説明変化を通じた記憶：出典を保持するマルチモーダルエージェント向けハイパーグラフメモリ
要約本論文はMHG-Memを提案します。これはマルチモーダルエージェントの長期記憶のためのハイパーグラフ型メモリで、実体の同一性、状態の変化、視覚的証拠への出典を一括して整理します。ハイパーグラフに基づくエージェント検索も導入されています。著者らは三つのベンチマークで、最強のベースラインを8.20〜9.98%上回ったと報告しています。
説明SCDM：メタ学習による非線形時系列システムのスケーラブルな因果発見
要約本論文は、高次元の非線形多変量時系列における因果発見を扱い、SCDMフレームワークを提案しています。各目標変数をタスクとみなし、共有の時系列予測器と共有の因果強度行列を学習します。各メタエピソードでは一部のタスクのみを更新し、目標変数ごとの全面的な最適化を行わずにシステム全体の構造情報を蓄積します。合成データ、神経画像に着想を得たデータ、高次元および実世界の時系列ベンチマークでの実験により、競争力のある因果復元と大規模システムでの優れた拡張性が示されています。
説明先を見据えて：自己回帰型ビデオ生成における将来の変化のモデル化
要約本論文は、自己回帰型ビデオ拡散モデルがチャンクごとに動画を生成する際、もっともらしい続きを作れても、シーンの変化を捉えているとは限らないと指摘します。著者らは、教師強制によるノイズ除去と同時に最適化する補助目標として、未来チャンク予測（FCP、Future Chunk Prediction）を提案します。これは間にある映像文脈を与えずに、時間的に離れたチャンクを予測するものです。追加の事前学習済み視覚エンコーダは不要で、推論方法も変わりません。標準的な教師強制学習より物理的な妥当性が高く、全体の学習計算量も少ないと報告されています。
説明TIDE：モデルの振る舞いに基づく木構造の細粒度診断評価手法
要約本論文は、単一の総合スコアしか示さないLLMベンチマーク評価に代えて、TIDE（Tree-Induced Diagnostic Evaluation）を提案している。ベンチマークのサンプルとモデルのスコアから、階層的な能力ツリーを再帰的に構築する手法である。各ノードでLLM審査者が分割案を出し、振る舞いベースの情報利得で選択する。五つのモデルと四つのベンチマークに適用した結果、総合スコアでは見えない能力差が明らかになったと報告している。
説明非定常多腕バンディットにおける現在効果推論のコスト（最適な報酬追求と現時点の効果推定の両立の難しさを扱う論文）
要約適応的実験ではバンディットアルゴリズムを用いて期待報酬の高い介入を優先しますが、意思決定者には過去の平均ではなく現時点での処理効果の信頼できる推定も必要です。本論文はこの二つの目標のトレードオフを特徴づけ、動的リグレットに関する極小最大境界を示し、アルゴリズムTRACEを提案しています。
注目点非定常多腕バンディットにおいて報酬最大化と現在効果推論のトレードオフを特徴付け、整合する minimax 境界を示しており理論的貢献が大きい。
説明再構成だけでは不十分：学習された多モーダル表現を用いた反実仮想・介入的媒介分析のダブルロバスト法
要約本論文は、高次元の多モーダル医療記録から学習した表現を用いて交絡を調整し、異なる治療下での反実仮想的結果や介入的な直接・間接効果を推定する方法を検討しています。著者らは、再構成・対照・物理情報などの共変量のみによる学習目標では、表現が因果同定に十分であることを保証できないと証明し、再構成誤差が小さくても大きなバイアスが生じうることを示しています。模擬実験では、稀だが中程度に強い交絡因子を除外すると、n=3,000で間接効果区間のカバレッジが2%にとどまったと報告されています。
注目点再構成型表現は因果同定の十分性を保証できないことを証明し、線形モデルでの反例と誤差分解を示す。理論的新規性は高く、シミュレーションで裏付けている。
説明FaultGene：大規模言語モデルを用いた、自動運転システムのハードウェアインザループ検証向け故障付加テスト生成
要約本論文は、自動運転システムのハードウェアインザループ（HIL）による故障耐性検証のために、実行可能な故障付加テストを自動生成するフレームワーク「FaultGene」を提案しています。Scenic/CARLAの基準シナリオと構造化された故障仕様を入力とし、意味的一貫性チェックと実行フィードバックによって候補を修正します。その結果をファインチューニングに用いることで、配備時に手作業なしでテストを直接生成できるとしています。
説明CulturalRiddles：多文化なぞなぞのベンチマーク
要約コミュニティの参加型取り組みによって人間が作成した、62の文化（45か国、51言語）にまたがるなぞなぞのベンチマークです。各文化に根ざしたなぞなぞは、仮説推論や構成的推論に加え、事実や社会に関する知識、言語能力、文化特有の連想の理解を必要とします。自動評価と大規模な人手評価により28のLLM構成を検証した結果、最先端モデルでも一部の地域では正答率が最高22%にとどまりました。すべての成果物を公開し、言語と文化の対象範囲を広げるための公開的な貢献プロセスも開かれています。
注目点人手で作成した62文化にわたる謎かけベンチマークを提案し、28のLLM構成を自動評価と大規模人手評価で検証している。
説明CORD：エージェントにおける強化学習と蒸留の同時学習のための競合考慮型最適化手法
要約本論文は、エージェント学習でタスク報酬を用いる強化学習と教師による誘導付きの自己蒸留を同時に行う際、両者の勾配が部分的に打ち消し合う問題を扱います。二つの目的関数の勾配を競合を考慮して組み合わせる汎用フレームワークCORDを提案し、最近点定式化による閉形式の更新式を示しています。三つの共同学習方式に適用した結果、ALFWorldの成功率が1.5〜15.9ポイント向上し、WebShopでは三組中二組で改善が見られ、SDARは60.7%から64.6%に上昇したと報告しています。
説明回答するか、棄権するか？System One 判断モデル、LLM、そして欠落した法的根拠
要約本論文は、法的根拠の検証に用いる System One 判断モデルを検討します。このモデルは文章を生成せず、各選択肢に校正済みの確率を出力します。著者らは CaseHOLD に棄権条件を加え、5,314 件中 1,670 件で正しい判示を差し替えたうえで、4 つの判断モデルと 6 つの生成型 LLM を比較しました。正解がない場合、生成型 LLM は 38〜86% の項目で一つを選びましたが、最も慎重な判断モデルは 30% でした。論文は、法律 AI は正答率だけでなく誤った引用によって評価されるべきだと主張しています。
説明モデル適合の把握：解釈可能な機械学習における InterModel Vigorish（IMV）の応用
要約本論文は、参照モデルに対する期待される賭けの優位性として適合度の差を表す InterModel Vigorish（IMV）を機械学習分野に導入しています。SHAP-IMV（特徴量への寄与の帰属）、Multi-IMV（クラス間の識別評価）、Ablate-IMV（アブレーションによる構成要素や特徴群の評価）の3つの応用を提案し、表形式データ、画像、センサー系列、グラフで10の乱数シードを用いて検証しています。推定器によって特徴量のランキングが異なることを示し、オープンソースのライブラリ imvpy を提供しています。
説明学習不要で盲圧縮画像復元を高速化：活性化校正特異値分解（ASVD）
要約本論文は、未知の圧縮条件下で動作する盲圧縮画像復元（CIR）モデルを、再学習なしで高速化する手法を扱います。計算の集中箇所と圧縮画像のチャネルごとの活性化分布を分析し、事前学習済みの重みと少数の圧縮キャリブレーション画像から得た統計量で低ランク因子を求める活性化校正特異値分解（ASVD）を提案しています。PromptCIR（ランク64）では、4つの標準ベンチマークで截断SVDよりPSNR-Bが向上し、パラメータは59%、計算量は16.1%削減されています。
説明ガウス型 Mumford-Shah モデルの最小化解の存在：値分布上の共分散下限による証明
要約本論文は、画像を領域に分割するガウス型 Mumford-Shah モデルを扱います。このモデルは多変量ガウス負の対数尤度項と周長ペナルティを最小化するもので、スカラー画像とベクトル画像、特にハイパースペクトル画像に用いられます。著者らは、ある領域の共分散が退化すると、領域の周長に関係なくエネルギーが無限に小さくなりうることを示します。すべての領域の共分散に定量的な下限があれば、エネルギーは下に有界となり最小化解が存在します。この条件は画像のヒストグラムの性質から導かれ、適切なノイズの下では概ね確実に成り立つと論じられています。
説明英語—ミゾ語の法律機械翻訳：コーパス構築・分析・ベンチマーク
要約インドの裁判手続きは英語で行われるため、翻訳技術が十分でない言語の話者は内容を理解しにくい状況にあります。本研究は、グワハティ高等裁判所とインド最高裁判所の判決に基づく、初の英語—ミゾ語対訳データセット（13,168文対）を構築しました。文対は専門の母語話者翻訳者が翻訳し、手作業で整列させ、二名の独立した査読者が確認しています。NLLB 200 1.3Bモデルを微調整したところ、1,000文対の均衡した法律テストセットでBLEU 27.47を記録し、基礎モデルより7.16高くなりました。ただし、英語の語を用いる頻度は人間の翻訳者の約3倍のままです。
説明DewHand：一人称視点動画からメトリック世界座標系の手の動きを直接再構成する手法
要約本論文は、一人称視点動画から世界座標系における手と カメラの動きを単一段階で同時に推定する统一モデル DewHand を提案する。多段階推定による誤差の蓄積を避け、VGGT-Ω の幾何特徴とメトリック空間の教師信号で尺度の曖昧さに対処し、フローマッチングによる条件付き動き生成で遮蔽や視野外の手を扱う。HOT3D、ARCTIC などでの評価で、世界座標誤差が既存手法より小さいと報告されている。
説明ToM2Vec：多エージェント協調のための連続的な心の理論トークン
要約本論文は、固定数の連続推論トークンを用いて潜在空間で相手の心の状態（心の理論、ToM）を抽象化して学習するToM2Vecを提案しています。学習時には相手の実際の思考を監督信号とし、推論時には各エージェントが自身のToMトークンを生成して思考と行動を条件付けます。協調・競争・混合動機の複数環境で、ベースモデルや各種ベースラインを上回る改善が報告されており、学習時に見られなかったGPT-5.4を含む相手モデルにも一般化することが示されています。
説明グラフトポロジーとエネルギー駆動型経路探索：検索拡張生成における文脈の一貫性の維持
要約本論文は、検索拡張生成で知識グラフを用いる際に生じる意味の喪失とモダリティの不一致という課題に取り組み、ThreadRAG というフレームワークを提案します。セマンティック・トポロジー・マッパーで文脈を保った意味ノードとセマンティック・トポロジーグラフを構築し、エネルギー駆動型経路探索でクエリに関連する部分グラフを抽出して文章の証拠パスに線形化します。三つの多段階質問応答ベンチマークで、論文は強力なベースラインを上回る結果を報告しています。
説明FrontierCS 2：コンピュータサイエンスR&Dのベンチマーク
要約本論文は、48件の自由形式タスクからなるベンチマーク FrontierCS 2 を提案し、LLMエージェントが最先端のコンピュータサイエンス研究開発に貢献できるかを評価します。論文著者が公開したコードから論文の貢献部分を削除し、削除されたコードを人間の基準として用います。最良のエージェント Claude Opus 5.5 は実行の58%で合格し、16タスクでは合格した実行はありませんでした。
注目点論文の貢献を削除したコードを課題とし、エージェントが研究環境で反復的にパッチを提出し非公開の保留テストで評価する新しい設計。12エージェントの評価は充実しており、研究能力評価に有用。
説明ベンチマークは難易度に関する経験的測度である
要約本論文は、ベンチマークの問題集は自然に難易度についての経験的測度を生み出すと捉え、その視点からベンチマーク評価を分析します。難易度分布が意図したものと食い違う「測度の不一致」と、難易度軸上に未カバー領域がある「カバレッジの欠落」という二つの問題を定式化し、それぞれを捉える二つの診断指標を提案しています。7分野の人気ベンチマーク25件を分析した結果、多くが特定の難易度領域を過剰に重視しており、他方では難易度軸の大部分がカバーされていないことが示されました。さらに、難易度を狙って問題を書き換えるアルゴリズムBenchFillを導入し、局所的なカバレッジの欠落を減らすことを試みています。
説明WMT 2026 MISTにおける自由回答型QAのためのタスク保持型多言語指示チューニング
要約本論文は、WMT 2026多言語指示共有タスクへの提出システムを説明するものです。著者らはLoRAを用いてQwen3-8Bを適応させ、主催者提供のデータ、タスク保持型ローカライズで作成された多言語指示データセットEuroAlpaca、および指示・文脈・応答に異なる原言語と目標言語を割り当てる言語横断拡張CrossEuroAlpacaを使用しました。目標言語の自由回答型QAでは、基礎モデルに比べGemma-4評価スコアが相対で7.8%向上しました。ただし、この改善はタスクと言語に特有のもので、目標言語では自由回答型QAと要約のスコアが上がる一方、文脈に基づくQAは低下し、非目標言語では3つのタスクすべてで低下しました。
説明汎用LLM時代で文脈に応じたプライバシーが軽視されている
要約この論文は、大規模言語モデルが多様な場面で使われるようになる中、プライバシーを単一の統一的枠組みで扱おうとする方向は誤解を招き、誤った安心感を生むおそれがあると指摘しています。筆者らはプライバシーが本質的に文脈に依存するため、用途に応じたモデルの展開、文脈ごとの評価、プライバシーリテラシーの向上を提案しています。
説明LLMの価値観学習がもたらす意図しない副作用
要約本論文は、価値に敏感な場面で大規模言語モデル（LLM）が使われる中、人間の価値観への整合が後学習の目標になっているが、現在の評価は範囲が狭いと指摘します。著者らは指示調整済みの4つのLLMを、ホフステードの価値次元ごとに調整し、価値間の転移と幅広い振る舞いを評価しました。その結果、特定の価値に向けた学習は、未学習の価値、リスク選好、社会的認知、安全性の特性に意図しない副作用を生むことが分かりました。そのため、後学習後の価値整合には、より広範な行動評価を含めるべきだと提言しています。
説明文脈付き線形最適化におけるモデル抽出の防止
要約本論文は、下流の線形計画で使う費用ベクトルを公開せずに最適な意思決定を返す予測後最適化（PTO）システムに対し、文脈クエリで基礎となる予測モデルを抽出する攻撃を防ぐ方法を検討している。線形モデルについて、攻撃者が決定のみを観測して正の定数倍の範囲でモデルを学習できる十分条件を示し、決定境界付近でのみ決定を摂動する防御機構を提案している。摂動半径に関する後悔の上界を与え、合成データと実データで安全性と性能のトレードオフを検証している。
説明CausalAlign：一貫したカメラ自己運動のための動画生成モデルの因果的アラインメント
要約拡散ベースの動画生成モデルは長い時間範囲でカメラの自己運動がずれやすい問題があり、本論文はこれに対処するCausalAlignという枠組みを提案します。線形プローブと因果介入により、モデル内部で自己運動がどのように表現・利用・保持されるかを調べ、さらに同定した層の表現を差分トークン空間を通じて3D基盤モデルに整合させます。DL3DVとRealEstate10Kで微調整したWan2.2では、運動精度・幾何学的一貫性・時間的滑らかさが大きく改善され、幾何学的一貫性は基本モデル比で20%以上向上しています。さらに、RoboCasa365ベンチマークのモバイルマニピュレーションタスクでは、世界行動モデルの成功率が10ポイント向上しました。
説明マルチモーダルLLMに転倒の有無を尋ねる：研究室と居住中の家庭での低解像度サーマル動画のゼロショット判定
要約本論文は、マルチモーダルLLMのGemini 3.8 Flash（温度0）を、イベント起動型の転倒スクリーニングの判定段階として使い、低解像度のサーマル短尺動画をゼロショットで評価し、前世代のGemini 3.7 Flashと比較しています。公開データセットの438件の模擬転倒と563件の非転倒窓において、配備された要求は留め置かれた被験者の転倒の約69%を検出し、499件の非転倒窓では誤検出はありませんでした。人が暮らす部屋での395本の日常の動画では転倒とは判定されず、目に見える9件の模擬転倒のうち4件を捉えました。
説明コルモゴロフ・アーノルドネットワークによる扱いやすい推論手法（TOUCKANs）
要約本論文は、有限次数の多項式外側関数を持つ柯尔モゴロフ・アーノルドネットワーク（KAN）の構造TOUCKANsを提案し、期待値や分散などの統計量をモンテカルロサンプリングを使わず決定論的な再帰計算で求められることを示しています。学習中には保存則を満たす積分や正規化条件も課すことができます。50次元までの基準問題で評価され、Cahn-Hilliard方程式の質量保存とシュレーディンガー方程式の固有対計算でも検証されています。
注目点KANを扱いやすい確率回路と結び付け、期待値や分散、積分制約を決定論的に計算できる。50次元までの比較実験で証拠は比較的十分。
説明コードミックス文の風刺検出に関する大規模言語モデルのベンチマーク
要約本研究は、ルーマニア語のような資源の少ない言語におけるコードスイッチングが、風刺検出などの高度な推論タスクに与える影響を検討しています。英語、ドイツ語、フランス語、イタリア語を混ぜたルーマニア語の合成文を4つの手法で生成し、60万件超のCS-SeLeRoSaデータセットを構築しました。複数の多言語大規模言語モデルを評価した結果、ファインチューニングにより Gemma 4 31B は合成データで77.5%、人手で注釈された金標準で72.6%に向上したと報告されています。
説明AI マインドミールド：潜在相互接続プロトコル（LIP）
要約本論文は、大規模言語モデルが専門家モデルの内部表現を直接受け取る方式を提案し、テキストや画像などの中間形式に頼らない点を示しています。著者らは専門家モデルの表現を LLM の内部状態へ写像する「コネクタ」を学習させ、すべての事前学習済みモデルは凍結したままです。Gemma 3 と Kimi K2.6 での実験では、LLM を変更せずに有用な情報を得られ、跨領域タスクへゼロショットで転移でき、LLM の能力が高いほど効果が向上する傾向が報告されています。
注目点学習可能なコネクタで専門家表現をLLM内部状態へ直接写像し、凍結モデルでの合成と零ショット転移を示すが、実験規模と比較は限定的。
説明ViBMR：ベトナム語放射線レポート生成のための大規模多系列脳MRIデータセットと総合評価
要約本論文は、ベトナム語の日常的な臨床レポートと対になった初の大規模多系列脳MRIデータセットとされるViBMRを提案しています。3,649名の患者と、T1、T2、FLAIR、造影T1の11,875のMRIシリーズを含みます。このデータセットを基に、代表的な医療用視覚言語モデル、多系列入力、特徴集約手法を対象とした脳MRIレポート生成の総合評価を行っています。結果から、信頼性のあるベトナム語の脳MRIレポート生成には、低資源言語の臨床データセットそのものが必要であることが示されています。データセットとベースラインモデルは非商用研究向けに公開される予定です。
説明鋭い動的 Haussler 補題（学習理論における被覆上界の厳密な動的版）
要約古典的な Haussler の被覆補題を動的（系列）設定へ拡張した論文である。有界な実数値クラスに対し、正規化 ℓp 距離（1≤p<∞）で鋭い大域的動的被覆の上界 (C/ε^p)^d を示す。d は sfat 次元である。二値クラスについては対応する下界も示され、定数は p に依存しない。
注目点有界実数値クラスに対し正規化lp距離での鋭い大域的動的被覆上界を示し、既知の対数的余分項を除去して複数の未解決問題を解決、証明は完全。
説明学習者の文法誤りが大規模言語モデルの社会的バイアスに与える影響の調査
要約既存の社会的バイアス評価は、母語話者の流暢で整った英語を中心に行われており、非母語の書き手が十分に扱われていないと指摘しています。本研究では、一般的な学習者の誤りをプロンプトに人為的に混入する制御された枠組みを構築し、性別、人種、宗教にわたる3つのバイアス評価基準に適用しました。文法誤りはバイアスを増加させ、その影響は誤り率とともに大きくなることが分かりました。4種類の誤りのうち、前置詞の誤りがステレオタイプへの同調を最も大きく、かつ一貫して高めました。さらに、誤りを含む文章での微調整により、文法誤りによるバイアスの増加を抑えられることが示されています。
説明機械学習と大規模言語モデルによる材料データ・知識の自動抽出に関するレビュー
要約本論文は、文献から材料データと知識を自動抽出する手法の発展をまとめたレビューです。ルールベースの手法から自然言語処理モデル、Transformerベースのエンコーダ、大規模言語モデルおよびエージェント型システムへの変遷を追っています。あわせて、構築された材料データベースや知識グラフの活用、質疑応答、研究支援チャットボット、自律実験室との連携による閉ループ最適化などへの応用、抽出精度と計算コストの評価、そして試料レベルでの構造・特性・プロセス・性能の関係抽出や、ベンチマークデータの不足、用語の不統一などの未解決課題を論じています。
説明医療視覚・言語学習のための拡張可能なモダリティ専門家モデル
要約本論文は、拡張可能なモダリティ専門家群を中核とする医療視覚・言語学習手法を提案しています。マルチウェイTransformerとモダリティ認識型視覚トークナイザーを用い、7つのモダリティにわたる1,940万枚のペアなし医療画像で마スク事前学習を行い、323万組の画像・テキスト対で対照学習による整列を行います。眼底とOCTの専門家を追加しても、元の画像・テキスト埋め込み経路は凍結されたままです。9モダリティの25の評価設定のうち24で最良または同率最良の結果を報告しており、順次学習実験では検索性能の向上と、既存タスクでの測定可能な性能低下がないことを示しています。
説明確率的非線形性による不確実性推定の改善：視覚認識のための軽量な手法
要約本論文は、順伝播の際にネットワークのユニットが複数の非線形活性化関数をランダムに切り替える手法を提案し、中間特徴の経路を維持したまま予測の多様性を生み出します。これにより、アンサンブル学習や不確実性専用のヘッドを用いず、単一の学習済みモデルから不確実性を推定できます。分類、セマンティックセグメンテーション、分布外検出において、畳み込みネットワークとTransformerで評価され、主タスクの性能を保ちつつ不確実性推定の質が向上したと報告されています。
説明PAUSE：コーディングエージェントが最初のソースコード編集を行う前に、探索なしで方向づけする手法
要約本論文は、コーディングエージェントが最初にソースコードを編集しようとする時点で介入する PAUSE フレームワークを提案しています。別のPlannerが、タスクと編集前のやり取りの記録を読んで修復計画を一つ作成し、元のエージェントがその計画を受けて作業を再開します。学習型モニターや、チェックポイントの探索、追加のモデル呼び出しは不要です。SWE-bench Verified と SWE-bench Multilingual での評価では、オンラインでの方向づけによって解決率が向上したと報告されています。
説明GeoMem-VLA：三次元シーン理解を時間的メモリに内在化する視覚・言語・行動モデル
要約本論文は、ロボット操作のための視覚・言語・行動（VLA）モデルGeoMem-VLAを提案します。学習時には凍結された幾何基盤モデル（教師）が、現在のシーンの点群と将来のエンドエフェクタ軌跡に対する幾何フローマッチング目標を通じて、学習可能なGeoPlanトークンを監督します。これらのトークンは時間的メモリとして保持・更新されます。推論時は三次元教師を呼び出さず、シーンの明示的な再構成も行いません。LIBEROとRoboTwinのベンチマーク、および5つの実環境タスクで高い成功率が報告されています。
説明2層線形ネットワークにおける無音アラインメント：高次元からの考察
要約本論文は、入力・中間層・出力の次元が比例して大きくなる高次元領域で、2層線形ネットワークの勾配流を研究している。動力学の閉形式解と既存のランダム行列理論の結果を組み合わせ、重み行列のスペクトル分布の漸近極限を導出し、学習部分空間の時間発展を明らかにしている。初期化が小さい極限では、特異方向が順序1の時間スケールで揃う一方、特異値と経験損失は初期値のまま保たれる。目に見える学習はその後、対数的時間スケールで始まる。
説明DiT はどのようにノイズを除去するか：アテンションと MLP を集約器・予測器の視点から見る
要約本論文は、拡散トランスフォーマー（DiT）の去ノイズ機構を「集約器・予測器」の視点から説明します。アテンションは文脈情報を集め、MLP はパッチごとの予測を担うと解釈します。ガウス・マルコフ確率場の事前分布では、一部の文脈パッチだけでグローバルなベイズ去ノイズ器を近似でき、誤差は文脈半径に対して指数関数的に減少することを示しています。CelebA64 での制御実験では、DiT の MLP を共有メモリのパッチ予測器に置き換えても、競争力のある性能が得られました。
説明RangeNav：ロボットナビゲーションのためのタスク整合型LiDARレンジ画像事前学習
要約本論文は、合成データのみで事前学習した、コンパクトなLiDARレンジ画像エンコーダ RangeNav（約18.3万パラメータ）を提案します。事前学習では距離再構成、意味的セグメンテーション、鳥瞰図（BEV）予測を組み合わせ、その後エンコーダを凍結して強化学習の方策学習に用います。シミュレーションでは、意味情報とBEVの監督を加えることで、再構成のみの基準と比べて成功率が平均でそれぞれ32.03ポイント、23.73ポイント向上しました。四足ロボットでの実機ゼロショット展開では、人混み、低照度、工事現場で安定して移動できることが示されています。
説明品詞の役割：大規模言語モデルの事後学習における品詞の影響
要約本論文は、文中の目標語を意味的に近い語に置き換えて学習データを拡張する「概念拡張」手法を検証しています。先行研究の名詞に加え、動詞と形容詞にも対象を広げ、概念情報を担う品詞がパープレキシティと下流タスクの性能に影響するかを比較しています。動詞が最も安定した下流タスクの改善をもたらし、ニュースでは品詞に関係なく困惑度が一貫して改善したと報告しています。
説明全シリコン双曲面メタレンズによる広帯域中波赤外イメージング
要約本論文は、単層のシリコンメタサーフェスと計算再構成を組み合わせ、3～5マイクロメートルの中波赤外（MWIR）全帯域での撮像を実証したものです。直径2cmの双曲面メタレンズを用い、広帯域消色収差レンズの複雑な設計は必要としません。再構成モデルは4回の画像取得のみで適応させることができるとしています。
