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。
説明低リソース膠着語の大規模言語モデルへのパラメータ効率的適応：バシキール語のコーパス、データセット、再現可能なベンチマーク
要約キリル文字で表記され、現代のLLMでの扱いが少ないバシキール語を対象とした研究です。71,567文書・約4,690万トークンのWebコーパスと、二値・多クラス分類用のラベル付きデータセットを公開し、適応手法のベンチマークを示しています。8つのモデル（82Mから8B）について、全量微調整、QLoRA、文脈内学習、継続事前学習を比較しています。二値分類ではQLoRAで微調整した8Bモデルがエンコーダ専用モデルを上回り、多クラス分類ではYandexGPT-5-Lite-8Bの成績が良かったと報告されています。
説明Monge–Ampère方程のための凸平衡ポテンシャル：曲率評価と事後評価
要約本論文は、隠れ状態が縮小写像の不動点として定義される平衡ニューラルネットワークを、完全非線形偏微分方程式であるMonge–Ampère方程式に適用する問題を扱う。著者らは非負softplus平衡ネットワークのヘッセ行列が(1-q)^{-2}程度でしか増大しないことを示し、その指数が単一ニューロンの例で最適であることを確認している。区間演算と組み合わせ、学習済みネットワークの残差と解の誤差に対する厳密な一様上界を与え、単位円板上の二つの人工的Dirichlet問題で六つのモデルを検証している。
説明長文書視覚質問応答のタスク中心サーベイ：分類、発展、今後の方向性
要約本論文は、長文書の視覚質問応答（VQA）を文書解析、証拠の編成と検索、生成器の編成と学習、評価の4要素に分解し、タスク中心の視点でサーベイしたものです。各要素について細粒度の分類体系を構築し、研究の重点が多モーダル内容理解から、十分で高精度な証拠の取得と持続的な証拠管理へと移ってきた経緯を時系列で整理しています。さらに、証拠の十分性、検証・修正可能な理解、予算を考慮した協調などの今後の方向性を示しています。
説明EU AI法への適合に向けたAIリスクオントロジー：AIRO、VAIR、およびDPVとの統合
要約本論文は、EUのAI法が高リスクAIシステムに求めるリスク管理と文書化を支援するため、オントロジーと分類体系を提案している。AIリスクオントロジー（AIRO）でAIのユースケースと関連リスクを記述し、AIリスク語彙（VAIR）で概念の分類を補っている。両者はISO/IEC 23894およびISO/IEC 22989を参照して開発され、合意形成のプロセスを経てデータプライバシー語彙（DPV）に統合され、対象をデータからAIへ広げた。
説明エージェントAI向け認証付き実行ハーネス：推論と行動の間でのPetriネット監督制御による安全かつ最小介入な実現
要約本論文は、プロンプトインジェクション下で大規模言語モデル（LLM）エージェントが安全にツールを実行する問題を扱います。Petriネットを用いて、LLMとツールの間の実行ハーネスを監督制御問題として定式化しています。前提条件を満たさない要求は実行されず、特定の仮定の下で安全性が稼働中のシステムにも引き継がれることを示しています。また、再提案を伴う重規划閉ループや、最大許容かつ最小介入の監督器も検討されています。
説明RIDAR：自律型研究エージェントの研究倫理違反を自動検出し実行時に介入する枠組み
要約自律型研究エージェントは科学研究の多くを自動化するために使われていますが、結果の妥当性・再現性・忠実性を損なう研究インテグリティ違反（RIV）を起こしやすいことが指摘されています。本論文は、ライフサイクル全体にわたる14種類のRIVを定めた分類体系RIVTと、軌跡からRIVを検出する事後検出手法RIDAR-post-hoc、実行中に検出・修正するRIDAR-runtimeからなる枠組みRIDARを提案しています。事後検出は専門家注釈付きの60軌跡のベンチマークでF1 85.2%を達成し、300軌跡の分析では99.7%の軌跡で計3,964件のRIVを検出しました。実行時介入により、タスク完了時点で残るRIVは36.8%減少したと報告されています。
説明確率エネルギーモデルで多目的な群ロボット制御を統一する
要約本論文は、群ロボットの基本的な相互作用原理を確率エネルギーモデルで統一的に表現し、再学習なしで多様なミッションを単一の分散型コントローラとして構成する手法を提案している。空中群ロボットでの実験では、同一の方策が6種類のミッション、10〜100台のエージェント、2種類のハードウェア、屋内の障害物環境およびGPSのない森林環境へゼロショットで汎化することが示された。大規模シミュレーションでのタスク成功率は0.96〜1.00、エージェントごとの推論遅延は1〜10ミリ秒とされている。
説明CrisiLangs：危機警報生成のための多言語リソース
要約本論文は、英語の危機イベントデータセット CrisiText を、イタリア語、ブルガリア語、ドイツ語、ギリシャ語に拡張した CrisiLangs を提案している。1,000 件のイベントから計 5,000 組のイベントと警報文のペアを、5 言語で構築した。多言語モデルを微調整した結果、いずれの言語・設定でもゼロショットのベースラインを上回った。
説明Muffin：非同期AIエージェントのための共有メモリバッファ
要約本論文は、非同期のマルチエージェント協調フレームワーク「Muffin」（共有メモリバッファ推論に基づくプロトコル）を提案しています。中間的な発見は共有メモリバッファを通じてやり取りされ、各エージェントの私的な推論はローカルに保たれます。オーケストレーターが推論の要求に応じてクエリを振り分け、難しいものをマルチエージェント側に委ねます。論文によると、20の評価設定のうち17で最高精度を達成し、マルチエージェント討論と比べて精度が19.2ポイント向上し、トークン使用量は77.4%少なくなったとしています。
説明マルチエージェントLLMによる大規模なフィーチャーフラグ整理の自動化：DoorDashでの産業応用
要約本論文は、DoorDashが開発した大規模言語モデルベースのエンドツーエンド自動化システムを紹介しています。このシステムは、全面リリース済みの機能フラグとそれに紐づくコードを整理するもので、MCPで稼働中のロールアウトデータを照会し、Jiraチケットを処理して、プルリクエストを自動作成します。評価した50件の陳腐化フラグのうち45件（90%）で、エンジニアが承認した削除PRを生成し、1回の整理にかかる平均コストは4.79ドル、平均所要時間は13.8分でした。
説明グラフ再帰ニューラルネットワークによる創発的集団ダイナミクスの学習
要約本論文は、微視的な運動方程式を指定せずに、相関電子系における創発的な集団ダイナミクスを軌跡データから直接学習する、グラフ再帰ニューラルネットワーク（GRNN）の枠組みを提案している。ゲート付き再帰メモリとグラフのメッセージパッシングを組み合わせ、隠れ状態が瞬時の観測量以外の情報を保持し、空間的結合によってサイト間で伝播させる。半古典Holstein模型における電荷密度波秩序の時間発展に適用し、ドメイン粗大化の過程における時間・空間相関と動的スケーリングを再現したと報告している。
説明ValuSpec：ツリー型投機的デコーディングにおける目標モデル検証前の候補評価（プラグアンドプレイ）
要約本論文は、履歴ドラフトの再利用によって生じる低品質な分岐が多いツリー型投機的デコーディングの課題に対し、プラグアンドプレイの候補評価手法 ValuSpec を提案しています。高コストな目標モデルの検証前に低品質な分岐を除外し、閾値は校準データ上の目標モデルの貪欲な軌跡から推定され、パラメータの学習は行いません。HumanEval、GSM8K、Dolly、SpecBench での実験では、検索ベースのツリー設定で最大 2.38 倍、EAGLE-3 の動的ツリーに統合した場合は最大 2.78 倍のエンドツーエンド高速化が報告されています。
説明条件付き期待局所半径による距離空間のコンフォーマル予測：非ユークリッド応答の予測集合を構成する新手法
要約本論文は条件付き期待局所半径（CELR）を提案し、局所的な条件付き確率の集中度を測る。これに基づき、密度やベクトル空間構造を必要としない一般的な距離空間上の非ユークリッド応答に対するコンフォーマル予測法を構築し、異質性や多峰性にも対応できるとする。多変量共変量や非線形相互作用を扱える距離分布ランダムフォレストを用い、単一のフォレストの当てはめで全スコア成分を得る。推定量の一様一致性、条件付き妥当性の漸近的性質、交換可能性の下での有限標本周辺被覆を示し、数値実験では条件付きプロファイルスコア法より計算量が大幅に少ないことを報告している。
説明有害な応答は脱獄テンプレートになる：自己回帰型の脱獄攻撃を拡散型言語モデルへ転用する
要約論文は、拡散型大規模言語モデルでは有害な応答の一部のトークンをマスクするだけで、有害な内容を復元させられることを示しています。この知見に基づき、既存の自己回帰型脱獄攻撃を拡散型モデルへ転用する枠組みRMT-Jailbreakを提案しています。複数の攻撃手法と対象モデルでの実験により、有効性と脱獄攻撃の強い跨パラダイム転移性が示されています。
説明WeVisOne-VL：物体からピクセルまで統一された視覚認識モデル
要約本論文は、構造化された次トークン予測により、物体レベルとピクセルレベルの知覚を統合する視覚言語モデルWeVisOne-VLを提案する。物体検出、参照による位置特定、計数、OCR、セグメンテーション、マッティングなどのタスクに対応する。特殊な<OBJ>トークンを介して軽量なピクセルデコーダを組み込み、インスタンス単位のピクセル出力を生成する。三段階のカリキュラム学習型SFTと混合タスクRLで学習され、30以上のベンチマークで物体レベル・ピクセルレベルの双方で優れた性能を示す。
説明距離空間上のランダムオブジェクトに対する深層学習：多様体仮定を超えて
要約本論文は、距離空間上のランダムオブジェクトを対象とする回帰のための深層学習フレームワークを提案します。応答空間の距離構造を直接扱い、多様体や欧州空間への埋め込みに関する制約的な仮定を避けています。推定量の統計的一貫性と収束率を示し、シミュレーションで複数の手法と比較しています。さらに、高解像度の加速度計と連続血糖測定のデータを用いて、Wasserstein空間上の分布値アウトカムへの適用例を二つのデジタルヘルス事例で示しています。
説明AgenticEvolve：永続的な言語モデル・エージェントが実験を設計・実行する進化的プログラム探索
要約本論文は、大規模言語モデルを用いた進化的プログラム探索の枠組みAgenticEvolveを提案します。各島は永続的な言語モデル・エージェントが担当し、評価の合間に候補プログラムへの実験を設計・実行します。実験を無効にした対照構成と比較し、2つのヒューリスティック設計課題と12の方程式発見問題で検証しています。その結果、より良いプログラムが得られ、ベースラインの最終品質に少ない評価回数で到達し、より多くの方程式の真の構造を復元できたと報告しています。
説明『一貫しているが偏りがある：議長ペルソナがマルチエージェント臨床判断のノイズを偏りと交換する』
要約本論文は、七体のエージェントからなる模擬診療科で、20件の頚椎変性脊髄症症例を用いて、議長役のペルソナ（プロンプト）が臨床判断を変えるかを検証しています。規則として記述した場合、専制型ペルソナでは93%の実行で直ちに手術を選び、回避型では2%、ペルソナなしでは57%でした。手術計画は大半で維持され、主に変わったのは今すぐ手術か追加検査の後かという点です。一致性は改善したものの偶然の水準にとどまり、Fleiss κ も上昇しなかったため、信頼性と呼ぶ前に偶然による補正が必要だとしています。
説明データの溝を埋める：少数ショット拡散のための源情報付きタスク空間輸送
要約本論文はMeta-Diffを提案し、コンパクトなタスク空間でソースとターゲット間の繰り返し現れる関係を一度だけ学習し、ターゲットごとの再学習を不要にします。CIFAR-100の保留検証タスクでは、正しいソースと輸送を用いると、誤ったソースからの輸送に比べ平均SWが13.9%低くなりました。最終テストの単一ターゲット比較では、ターゲットのみのモデリングより14.7%、完全なファインチューニングより32.7%低い平均SWを示しました。一方Office-Homeでは、物体の同一性を確実に保てず統計量のみが整合する限界も示されています。
説明超次元縮約により有限要素モデル更新を高速化し、ニューラル材料を同定する手法
要約本論文は、固有直交分解とエネルギー保存型のサンプリング・重み付けを組み合わせた超次元縮約（hyperreduction）により、ニューラル材料の構成則を有限要素モデル更新で同定する学習を高速化する手法を提案している。構成則は多凸性（polyconvex）ニューラルネットワークで表され、学習済み重みによらず多凸性・強制性・非負性を構造的に満たす。二つの実験データセットと一つの三次元合成例で検証され、二相試験片では全自由度解析に比べ学習時間が9時間から41分に短縮され、精度は損なわれなかったと報告されている。
説明MVLoMa：任意の幾何基盤モデルを用いた多視点局所特徴マッチング
要約本論文は、中心参照画像と複数の近傍画像を一度にマッチングする多視点局所特徴マッチング手法MVLoMaを提案しています。凍結した多視点幾何モデルで視点間の幾何的文脈を取り込み、自己注意と双方向のクロス注意により一回の順伝播で対応を求めます。エピポーラ幾何に反する高信頼度のマッチングには罰則を与えます。HyperSim、ScanNet++、Mip-NeRF 360、Tanks and Templesの25視点星状グラフで、相対姿勢のAUC平均は3つの閾値すべてで比較手法を上回り、24本の中心-近傍エッジを順次処理する場合より約2.20倍高速でした。
説明Stream4D：因果KVキャッシュAttentionによる学習不要の運動分離型ストリーミング4D再構成
要約本論文は、StreamVGGTやStream3Rなどの因果Transformerに直接組み込める、学習不要で運動を分離するストリーミング4D再構成フレームワーク「Stream4D」を提案しています。因果Attentionが KVキャッシュ内に暗黙的に持つ時間的運動の手がかりを、複数の層と時間窓から集約し、深度事前情報と組み合わせて動的マスクを生成します。さらに、ソフトなキーマスキングで動的領域の干渉を抑え、カメラ姿勢推定を改善します。多様な動的シーンのベンチマークで、姿勢推定と静的シーン再構成の品質向上と、長いシーケンスでのゴースト低減が報告されています。
説明SurveyGraph：手法・エンティティ知識グラフによる学術サーベイの自動生成（手法間の関係を構造化して文献調査文を作成する研究）
要約本論文は、手法間の後続改良・競合・共有資源などの関係を符号化する手法・エンティティ知識グラフ（MEKG）を中核とするフレームワーク SurveyGraph を提案します。このグラフを用いて、中核論文の発見、検索、混合アウトライン作成、証拠に基づく本文生成を行います。グラフ認識型検索はベースラインに比べ再現率がほぼ倍増し（p = 0.004）、生成文の 80.6% が引用によって（完全または部分的に）裏付けられたと報告されています。
説明医療における「システム1」モデルの価値：高速・低コストな選択肢判断とその限界
要約本論文は、クローズドソース2種とオープンウェイト2種の計4つの「システム1」型モデルを、14の臨床分野・20言語の公開タスク86件（計179,111症例）でゼロショット評価したものです。テキストや医学知識に関するタスクではAUROCが高く、画像タスクでは有意に低い結果でした。トリアージ看護師の正答率は最良モデルを上回りました。
説明大規模言語モデルが自ら保持した前提を忘れるとき：長い対話における状態整合性の崩壊
要約本論文は、大規模言語モデルが制約を記憶として保持していても、後の対話ターンでそれを適用しなくなる現象を「状態整合性の崩壊（State Integrity Collapse）」と定義しています。数値、形式、役割、事実記憶、論理規則の制約を扱う対話ベンチマーク「StateTrack-Bench」を構築し、七つのモデルを評価しています。厳密な共同保持率は62.4％から100.0％の範囲にあり、単一ターンの指示遵守だけでは信頼性を判断できないと結論づけています。
説明線形SDEにおける定常共分散からの識別可能性：相互作用と潜在変数を含む場合
要約本論文は、線形確率微分方程式（SDE）モデルにおいて、定常分布から得られた観測データのみで変数間の因果効果を識別できるかを検討します。従来の結果は、有向2サイクルを含まない完全観測系に限られていました。本研究は、相互作用（有向2サイクル）を許容する場合にも因果効果が一般に識別可能となるグラフ条件を示します。さらに、部分観測で潜在変数がある設定に対し、目標とする直接因果効果を識別するための操作変数の枠組みを提案しています。
説明層間の潜在ベクトル量子化による層別埋め込みの極限圧縮
要約本論文は、Gemma 4 E4B のパラメータの 35.2% を占める層別埋め込み（PLE）の極限圧縮を研究している。提案手法 OPTIC は、トークンごとに量子化コードを 1 組だけ保存し、各層で層固有のアフィン復号器によって復号する。コードと復号器は保存されたベクトルではなく PLE の出力経路に合わせて学習される。約 100 倍の圧縮で、7 つのベンチマーク全体で未圧縮モデルの性能の 97.8% を保持し、最強の従来手法である積量子化の 66.3% を上回った。
注目点出力経路に合わせて学習し層間で共有する索引コードを用いたPLE極限圧縮法を提案し、約100倍圧縮で97.8%の性能を維持、従来量化手法を大きく上回る。
説明KL幾何を超えるベイズ学習則
要約本論文は、KLダイバージェンスに基づく幾何からベイズ学習則（BLR）を混合空間のBregmanまたはFenchel-Young差異へ一般化し、加法的な更新法を導出する。Tsallis負エントロピーと二次統計量を例に、有界台と裾の重い q-ガウス事後分布を得て、ニュートン型の実装を示している。CIFAR-100までの実験で、台と裾の挙動の制御性と競争力ある性能が示されている。
説明GUIエージェント向けのサブゴール認識メモリグラフ
要約本論文は、長期的なタスクにおいてGUIエージェントが過去の経験を再利用できるよう、サブゴール認識型メモリグラフを提案しています。過去の軌跡をサブゴール単位の構造化された再利用可能な証拠に蒸留し、グラフのノードとして整理します。関連する記憶は統合、拡張、検索が可能です。SPA-Benchでは、ベースラインに比べて成功率が11.11%向上したと報告されています。
説明EGGPlacer：拡散モデルとエネルギー誘導によるチップ配置生成手法
要約本論文はEGGPlacerを提案する。これは、マクロ配置の生成においてエネルギーで誘導する拡散フレームワークである。解析的配置器の反映（標準セルの分布と全ネットリスト配線長のプロキシ）と、微分可能な熱モデルによる温度フィードバックを、組み合わせ可能なエネルギーとして逆拡散過程に注入し、生成モデルの再学習は行わない。公開ベンチマークでは、混合サイズHPWLで既存の解析的・学習ベース手法と競合する結果を示し、エンドツーエンド評価では平均配線長とピーク温度が評価対象の中で最も低かった。
説明超知能ソフトウェア工学：能力とともに拡張されるガバナンス
要約本論文は、人間のエンジニアを上回る能力を持つエージェントがソフトウェアを構築・進化させる「超知能ソフトウェア工学」を提唱し、ゲート、契約、決定、知識の陳腐化管理といったガバナンスが能力に応じて拡張されるべきだと論じています。簡単なモデルでは、固定のレビュー能力を超えると、読解で捕捉できる変更の割合が減り、統治が傾きを下げられると示されています。またOSTEONという方法論を提案していますが、その効果は測定されていないと明記されています。
説明Cola2：連続意味圧縮と均衡した離散生成を用いる共適応型階層言語モデル
要約本論文は、テキストを意味的なスパンに分割して連続的な潜在空間へ圧縮し、ブロック因果マスク拡散デコーダで離散テキストを生成する Cola2 を提案します。圧縮率、再構成と生成の均衡、連続部分と離散部分の共適応を同時に扱います。著者らは約2100億トークンの学習による実験で中核設計を検証し、未収束の3460.3億トークンのチェックポイントが8タスクの平均で60.10を記録し、HellaSwag と StoryCloze で Llama-3-8B を上回ったと報告しています。
説明リモートセンシング向けデータ駆動型視覚言語モデルのサーベイ
要約本論文は、視覚言語モデル（VLM）向けに作られたリモートセンシングデータセットの開発状況を体系的にレビューしています。研究の重心がモデル中心からデータ中心へ移りつつあることを踏まえ、データ構築から微調整、評価までの実践ガイドを示しています。より多様で高品質なデータセットの構築を促し、広いタスクと地理的範囲をもつ総合コーパスの形成を目指しています。
説明言語エージェントにおけるメモリの価値（過去の経験を将来の判断にどう活かすかを理論的に分析する研究）
要約本論文は、言語エージェントが過去の経験から有用な区別を保持し将来の判断に活かす仕組みを、意思決定理論の枠組みで分析します。どの区別が保持されるか、有界なエージェントがそれを利用できるか、需要の変化に応じて復元や修正ができるかが価値を左右すると論じています。LoCoMo などのデータと反例により診断を行い、記憶の配分や証拠の依存関係の修正に関する検証可能な原則を提案しています。
説明PiHand：物理ベース方策学習のための潜在的な手-物体インタラクション事前分布
要約本論文は、物理的に妥当な器用な手と物体の相互作用動作を合成するフレームワークPiHandを提案しています。まずシミュレーションでモーションキャプチャの手本を追従する専門家方策を学習し、目標条件付きVAEで統一的な手-物体インタラクション事前分布へ蒸留します。その後、潜在空間での有界残差探索によって多様な操作タスクを解きます。著者らはGRABとDexYCBで、未見の物体や軌道に汎化する方策が得られ、物体キャッチや両手受け渡しにも同じ事前分布が転用でき、全タスクで基線を上回ったと報告しています。
説明RecallGS：オンライン意味的ガウススプラッティングのための幾何学的根拠に基づく想起手法
要約オンライン意味的3Dガウススプラッティングは、ストリーミング観測からオープン語彙のシーン理解を可能にします。しかし既存手法は、画像由来の意味特徴に欠けている幾何情報を補うため、追加で学習させた3Dネットワークを用いており、学習と実行時のコストが増加します。RecallGSは、過去の観測を非パラメトリックな幾何-意味事前情報として扱う、軽量で学習不要な仕組みです。CLIPで関連観測を検索し、アルファ合成の重みで幾何的に裏付けられた視点を特定し、各ガウシアンの描画範囲で意味特徴を集約します。ScanNetとScanNet++において、2.48 FPSで強い意味的セグメンテーション性能を達成しました。
説明認知的制約を受けたパートナーによる、リアルタイム分割制御におけるゼロショット協調
要約本論文は、予測しにくい人間のパートナーと協調するエージェントを訓練する手法を提案しています。反応遅延や知覚の制限といった人間の生理学的研究に基づく手続き的制約で多様性を持たせたシミュレーション・パートナーを用います。修正版のLunar Lander環境での予備的結果では、これらのパートナーは無制約のエージェントより実際の人間に近い振る舞いを示し、それらに対して訓練したエージェントは最強の交差プレイ基準と同等の性能を示しました。
説明DISC：時系列データセット向けドメイン統合型類似度コスト（複数の類似度指標を学習で組み合わせる手法）
要約時系列データセット間の類似度指標は多数ありますが、下流の予測誤差との対応の度合いはそれぞれ異なると論文は指摘します。著者らはDISCを提案し、転移校正のデータを使って複数の類似度指標を選択・重み付け・組み合わせます。報告された分割では、校正後のDISCは単一指標よりも下流の誤差との整合性が高く、類似度がタスクに依存すること、そして学習で組み合わせた指標が転移挙動のより良い代理になることを示しています。
説明エピソード記憶動画質問応答のための検索拡張オンラインテキストメモリ
要約本論文は、長時間の一人称視点動画の質問応答における検索の役割を検討する。動画を時間情報付きのキャプションに変換するオンラインテキストメモリを基に、検索単位、クエリの作り方、文脈量、再順位付けの方法が、QAEgo4D-Closed の選択式回答精度に与える影響を体系的に評価している。最良の構成 Parent は精度 56.4% を達成し、全メモリ利用や強力な検索基準と同等でありながら、質問時に示すテキストメモリは一部のみである。検索量を増やすと時間的な網羅性は向上するが、誤った手がかりや不確かなキャプションが混入し、精度が下がる場合があることも示された。
説明ReCoG：学習不要のパーソナライズのための関係概念グラフ
要約本論文は、凍結された視覚言語モデルを学習なしで利用者定義の概念に適応させる手法の課題を扱っています。既存の検索ベース手法は概念を個別に扱うため、特に紛らわしい細粒度の概念では判別力の低い情報が検索される問題があります。提案するReCoGは、概念を節点、概念間の判別手がかりを有向辺で表現し、推論時に候補同士を対比して選択します。易混同概念のベンチマークFINGERを含め、従来手法より高い性能を示しています。
説明精度を超えて：マルチエージェントLLMパイプラインにおける分解と型付き状態による品質保証の切り分け
要約本論文は、要求工学においてマルチエージェントLLMパイプラインの効果の出所を検討し、単一呼び出しのベースライン、専用プロンプトを再利用し未検証の中間結果を渡す二回呼び出し型、Pydantic で検証された型付き状態を持つパイプラインの三つの構成を比較しています。F1の向上は主に専用プロンプトを使う二回呼び出し型と関連しており（最大+0.075）、型付き状態による差はわずかで、六つの比較のうち一つでのみ有意でした。結果は関連性の報告にとどまり、三つの7〜8Bモデルと一つのデータセットに基づいています。
説明CoWriter：人間とLLMの共同執筆を導く方法論
要約本論文は、認知科学における専門家の執筆手法を取り入れ、執筆全体の流れを主体的に導きながらユーザーの参加を促す、エージェント型の手法CoWriterを提案しています。探索的なユーザー調査では、標準的なLLMベースラインと比べ、CoWriterを使った著者はより自分の視点を表現でき、文書への主体感も高く、エージェントの成功的な関与は2.2倍でした。外部の読者評価者も、物語性や個人的経験の統合といった「人間らしさ」の点で高く評価しています。
説明RIPPLE：長期タスク向けコーディングエージェントの過程レベル回復学習
要約長期タスクを行うコーディングエージェントは失敗を認識し妥当な批評を生成できても、誤った軌道を変えずに進み続けることがある。本論文はこの問題に対し、過程レベルの指導を単一の自己回復型ポリシーに内在化する訓練フレームワークRIPPLEを提案する。接頭辞のみを参照する教師が根拠に基づく回復指導を与え、その後の強化学習で反省の起動、診断、修正行動の各段階に信用を割り当てる。四つのリポジトリレベルのソフトウェア工学ベンチマークで、基礎ポリシーの算術平均を4.8点改善し、展開時に補助的な評価器は不要である。
説明非ロボットの合成データからロボットの行動事前知識を学習する
要約本論文は、ロボット本体を含まない手続き的に生成された合成データだけで、実機の動作を観測する前に有用な事前構造を得られるかを検討しています。著者らは、ロボット制御を数学的に抽象化した3種類のデータ生成手法を設計し、動作予測を事前学習課題としてTransformerを学習させました。その結果、非ロボットデータのみで学習したモデルは、文脈内学習によって未見の実機タスクに対し非自明な零ショット予測性能を示し、専用の制御事前知識は汎用の因果的事前知識より優れていました。
説明PointerBench：細粒度GUIグラウンディングの診断ベンチマーク
要約本論文は、スクリーンショットと指示の組1,500件からなるPointerBenchを提案し、スプレッドシートの細い要素の特定、長文テキストの文字単位の位置特定、100種の専門アプリにまたがる混合GUIの位置特定という三つの能力を検証します。汎用のマルチモーダルモデルと39の専用GUIグラウンディング構成を評価した結果、テキストの位置特定が最も難しいことがわかりました。代表的な3モデルのテキスト課題での成功率は69.6%、53.4%、25.8%で、全体平均より大幅に低い値でした。ベンチマークと評価コードはGitHubで公開されています。
説明記憶認識型報酬モデル：LLMの記憶利用に対する人間の選好の学習
要約本論文は、言語モデルアシスタントが利用者の記憶を使って応答する際、それが利用者の好みに合うかを検討します。87名の参加者から約1,000組の一対比較判定を収集したところ、記憶を使った応答が常に好まれるわけではなく、場合によっては利用者が記憶を使わない応答を強く好むことが分かりました。さらに、利用者の判定から学習する記憶認識型報酬モデルを提案し、既存のベースラインを上回る性能を示しています。
説明Notation3：RDF のグラフ項（graph terms）の意味論
要約Notation3 は RDF を拡張し、トリプルに対するルールの記述やグラフについての言明を可能にする論理です。元の提案は非公式な意味論しか示しておらず、項として用いられるグラフ（グラフ項）の意味は未定義のままでした。本論文はグラフ項の用法と形式的要件を論じ、抽象構文を与えたうえで、基本的含意と N3 含意の二段階で意味論を定義します。N3 含意は新しい述語が追加されるたびに拡張できる形で設計されています。
説明深層ReLUネットワークは連続な目標関数でも最良近似性を満たさない場合がある
要約本論文は[-1,1]²上の連続関数を構成し、2つの隠れ層を持つ構造(2,2,1,1)のReLUネットワーク族において、L²近似誤差の下限が達成されないことを示します。これにより、目標関数が連続であっても、深層ReLUネットワークは一般に最良近似性を満たさないことがわかります。浅いネットワークに関する既存の結果とは異なり、第2隠れ層のニューロンの折れ線が曲がりうるため、1隠れ層の場合で用いられた対称性の議論が成り立たなくなります。
注目点連続関数の反例を構成し、深層ReLUネットワークが最良近似性質を満たさない場合があることを示し、浅い場合の直観を覆す。
説明時間同期型エンドツーエンド音声認識モデルの探索空間の複雑さと効率の体系的比較
要約本論文は、CTCおよびニューラルトランスデューサーモデルについて、異なる枝刈り戦略と言語モデル構成の下での探索空間の複雑さと効率を比較しています。これらのモデルは多くの場合小さな探索空間で動作する一方、不確実な時間帯には仮説数が一時的に大きく増加することが示されています。スコアベースの枝刈りはモデルの不確実性に応じて探索を動的に調整し、リアルタイム係数（RTF）を大幅に下げることが報告されています。固定小ビーム枝刈りの限界と、効率的な探索に関する実践的な指針も示されています。
説明IndoNutriQA：インドネシア語の臨床栄養質問応答ベンチマーク
要約本論文は、実際の臨床栄養報告から作成された911組の質問応答ペアからなる、専門家が整備したインドネシア語の臨床QAベンチマーク「IndoNutriQA」を公開しています。栄養ケア過程に基づく8種類の標準化された質問に、自由記述の臨床文で回答が付されています。また、各種ファインチューニングモデルと大規模言語モデルの評価結果、およびLLMによる評価基準の専門家との比較が報告されています。
説明術前画像の見え方による弱教師あり学習で術中腫瘍局在を強化
要約術中CT画像では腫瘍の見えにくさが手術ナビゲーションの妨げとなる。本研究は術前MR画像で学習した分類器による腫瘍の有無の弱い信号を術中CTの窓領域に転用し、強化学習エージェントによる腫瘍の局在化を導く。直接転用、少数ショット適応、合成転用（非対応のMRとCTで学習し、CTを合成MRに変換してから局在化）を比較し、外部の肝細胞癌コホートでは合成転用が他の手法やCTのみのベースラインを上回った。対応するMR-CT学習画像を必要としない手法である。
説明QuaNAS：過去の探索を不確実性を考慮して再利用し、少ない評価回数で行うニューラルアーキテクチャ探索手法
要約新しいデータセットでのニューラルアーキテクチャ探索（NAS）では短い学習を数十回しか行えないことが多いため、最初の評価前に得ている知識が効率を左右します。QuaNAS は同じ探索空間での過去の探索結果を、信頼性が不確かな明示的な事前知識として扱い、各評価の後にガウス過程で各事前知識の信頼度を推定し直します。12 の新しいデータセットで、ゼロから始める 5 つの基準手法と比べ、短時間学習の目的における任意時点の後悔を 2.7〜3.9 倍低減しました。
説明木モデルを基準にした専門家の組み合わせで多時間帯の太陽光発電予測誤差を減らす
要約本論文は、強力な直接型の木モデル（LightGBM）と複数のニューラルネットワーク予測器を重み付きで組み合わせ、15〜240分の複数時間帯にわたる太陽光発電の平均絶対誤差（MAE）を下げられるかを検討しています。結合の重みは非負で合計が1となり、役に立たない候補には重みゼロを割り当てられます。二つの公開PVDAQシステムの56,078個の時間窓で評価した結果、履歴共有重み方式は木モデルに比べ、スケール後のMAEを3.21%下げたと報告されています。著者は、これが独立した再現、天候に特有の因果関係、あるいは八つの専門家の普遍的な有効性を示すものではないとも述べています。
説明選択的組合せ最適化問題のための報酬加重付き選好最適化（RWPO）：どの地点を選ぶかも同時に決める巡回セールスマン系問題を強化学習で解く新しい訓練手法
要約本論文は、選択的組合せ最適化問題（オリエンテーリング問題、賞金収集型巡回セールスマン問題、ナップサック問題など）を対象に、報酬加重付き選好最適化（RWPO）を提案する。同一インスタンス内の候補解の報酬差を選好学習に反映させ、差が大きい比較ほど訓練での重みを大きくする。さらに分スケール微調整と重み付きサンプリングを組み合わせ、大規模インスタンスへの適応を図る。オリエンテーリング問題などの実験では、既存の選好最適化や方策勾配法を上回り、100〜2000ノードの範囲でCompassメタヒューリスティクスの平均報酬を超えたと報告している。
説明Muting Tokens：効率的な音声Transformerのためのトークン疎化の検討
要約本論文は、音声Transformerにおけるトークン疎化（トークン剪定・併合）手法を、複数のデータセットとモデル規模で包括的に評価したものです。学習後と微調整の両設定で検証を行い、注意スコアとトークン埋め込みの周波数特性を組み合わせた新しい手法も提案しています。実験では、スペクトル平坦度と低域エネルギーに基づく周波数考慮型の手法が、注意のみを用いる手法を一貫して上回りました。また、スペクトログラムのパッチ強度に基づく疎化は、長い音声入力に特に有効であったと報告されています。
説明フレーム飛ばし下でのリアルタイムポリープ領域分割のための軽量フレーム補償
要約論文は、大腸内視鏡のリアルタイムポリープ分割においてフレーム飛ばし推論が招く動きブレと病変のずれという問題に取り組み、約7.7万パラメータの差し込み式モジュールLFCを提案しています。LFCは凍結したセグメンテーションバックボーンの前に置かれ、3フレームの窓を時空間注意機構で統合します。学習には専門家の注釈を使わず、別の乱数シードのモデルが生成した擬似ラベルのみを用います。3つのポリープ動画ベンチマークで、直接のフレーム飛ばしで失われた精度の大部分を回復し、一部の設定では逐次推論に近づき、2.05〜2.55倍のスループット向上を保持したと報告しています。
説明網膜血管セグメンテーション手法の横断データセット評価：性能・構造・失敗モード・再現性
要約本論文は、六つの公開データセットの244枚の画像を用いて、五つの網膜血管セグメンテーション手法を比較し、画素レベルの一致度、データセット間の安定性、細い血管の保持、構造指標など多面的に評価しています。どの手法もすべての条件で最良ではなく、FSG-Netが総合指標で最も高く、SA-UNetv2が感度と細血管感度で最も高い結果となりました。著者らは単一の万能ランキングではなく、タスクと対象領域に応じた選択と検証の必要性を示しています。
説明GLOW-FM：ワンステップ潜在フローマッチングによる効率的な生成型低照度画像強調
要約本論文は、低照度画像強調のためのワンステップ潜在フローマッチング手法GLOW-FMを提案します。凍結されたTiny-VAEの潜在空間で条件付き輸送を行い、終端速度マッチング（TVM）を用いて一回の関数評価で強調を実現します。著者らは、TVMを画像復元、特に低照度画像強調に適用したのは本研究が初めてだとしています。実世界のベンチマークでの実験では、画質は競争力があり、クロスデータセットの汎化性能が報告上の最高水準に達し、小型版は34 GFLOPsで動作します。
説明QICOM：再現可能な画像品質評価、ブラインド評価、ラジオミクス比較のためのオープンソースソフトウェア
要約QICOM（Quality Image COMparator）は、定量的な画像比較、ペアラジオミクス、ブラインド評価のためのオープンソースソフトウェアです。処理設定、画像の識別情報、測定値、応答の対応付けを保存するため、比較を開き直して再計算できます。論文では、合成データで37種類の定量指標の参照値との一致、制御された摂動への応答、保存された分析の復元を検証し、IBSI のデジタルファントムと公開 CT 参照症例を用いて参照値との比較を行っています。
説明局所AUC汎関数による二値分類器の局所的識別
要約リスク予測モデルは通常AUCで評価されるため、患者集団ごとの性能のばらつきが見えず、臨床での判断ミスにつながる可能性があります。本論文は重み付きAUCの一種である局所AUC（LAUC）を提案し、それに基づくLOCATORという手法で、モデルの予測が不正確になる患者集団を特定します。実データとシミュレーションの両方で検証し、LAUCの利用に関する統計的な理論的背景も示しています。
説明Trion-1：拡散言語モデルによる言語・タンパク質配列・構造の統合
要約本論文は、タンパク質向けのネイティブな統合マルチモーダル拡散言語モデル（dLLM）Trion-1を提案する。配列、構造、自然言語を一つの離散トークン空間で表現し、左から右への因数分解ではなく双方向または半双方向のトークン相互作用を用いる。著者らは、折りたたみ、逆折りたたみ、配列・構造の理解と設計の6つの能力で、既存ベンチマーク上で広く競争力のある結果を報告している。
説明動く物体ではなく動く領域を切り出す：カメラ運動下で実際に動く部分のセグメンテーション
要約この論文は、2 フレームを同時に解析して実際に動いている領域のマスクを予測する MoRSe を提案し、シーン自体の動きとカメラの動きによる見かけの動きを区別します。推論時に光学フローや点トラックなどは不要で、単一の RGB エンコーダを用います。また、静止、動的・静的混在、動的の 3 設定を含む 42 シーケンスのベンチマーク MoRSe-5K を公開しています。
説明網膜OCT向け マルチモーダル大規模言語モデルの視覚的グラウンディング基準
要約本論文は、網膜光干渉断層計（OCT）におけるバイオマーカーの視覚的グラウンディングを評価する初のベンチマーク「RetinaGroundBench」を提案しています。眼科医が注釈した815枚のB-scan画像と4,537個のバウンディングボックスで、8疾患・13種のバイオマーカーを対象とします。27のオープンソースモデルで評価した結果、最良の汎用モデルでもマクロF1は23.7%にとどまりました。作者らが微調整したRetGrounderは、グラウンディングF1を33.9%に改善しています。
説明テキストとマルチモーダルのインコンテキスト学習による音楽のバレンスと覚醒度の予測
要約音楽の覚醒度（アラousal）は音声から比較的確実に予測できますが、感情のバレンスは主観的で文脈に依存するため、モデル化が困難です。本研究では、大規模言語モデルによるインコンテキスト学習（ICL）が連続的なバレンスと覚醒度の予測を向上させられるかを検討します。感情スコアを直接予測するのではなく、補助データセットの例示を用いて、小型のタスク専用基盤モデルの初期予測を修正します。歌詞と生成された音声キャプションを使うテキスト版と、生の音声信号を加えたマルチモーダル版を評価し、MER60データセット全体を評価専用に使用しました。テキスト版は80例示でバレンスのR²を0.110から0.427に改善し、マルチモーダル版は10例示で0.346に達しました。
説明LLMにおける多文化的価値選択バイアスの検証
要約本論文は、システムプロンプトで国家のペルソナを設定し、ユーザー入力で国名を明示する（明示的手がかり）か問い合わせ言語で示す（暗黙的手がかり）形で第二の文化的アイデンティティを与えたとき、大規模言語モデルの価値観に関する回答がどう変わるかを調べたものである。世界価値観調査（WVS）の選択式設問と、社会政治的な自由記述の生成で評価し、160万件の自由記述回答を分析した。その結果、国とは言語の手がかりは互いに代わりうる文化の代理変数ではなく、別々の信号として評価すべきだと結論づけている。
説明タスクごと・時間ステップごとに異なる：拡散言語モデル向けの時間的タスク認識量子化
要約本論文は、拡散言語モデルの反復的なノイズ除去過程がもたらす量子化の課題に取り組みます。量子化感度がタスクとデノイズの時間ステップの両方に依存することを示し、そのパターンは正解ラベルなしで予測できると述べています。提案手法 T²Quant は、固定ビット幅の予算の下で、ラベル不要の感度信号に基づき各ステップの活性化精度を配分する混合精度量子化フレームワークです。3つのモデルと6つのベンチマークでの実験では、同じ予算で既存手法の平均精度を最大6.7ポイント改善したと報告されています。
説明Inside-JEPA：潜在世界モデルにおける予測から関係的接地へ
要約本論文はInside-JEPAを提案し、順序付きエンティティ対の関係チャネルをJEPAの潜在状態内部に配置する。潜在予測のみでは関係チャネルがランダムな関係ヘッドと同程度にしか機能しないが、チャネルの変化から行動を復元する逆動力学損失を加えると、複数の設定で関係のAUROCが向上すると報告している。一步の関係目標に対する行動ランキングでも、予測のみの潜在表現より良い結果を示す。
説明弱い忠実性の運用化：復元、曖昧さ、計算上の限界
要約本論文は、各変数が単独では結果と独立に見えても、組み合わせると予測に有用な場合に生じる情報の取りこぼしを扱います。隣接関係学習器における選択的保護と、複数の有向グラフによる説明の明示的保持という二つの手法を比較しています。ノイズ付きXORのデータでは、両者を組み合わせると完全な親ペアの復元率が0/20から20/20に上がる一方、誤ったエッジも増えることが示されています。また、保護は誤差のみを加える場合があり、変数が増えると計算が完了しないことも指摘されています。
説明メタデータが多いほど誤導する場合：LLMが生成する博物館説明文のフィールド単位の根拠付けを検証
要約本論文は、博物館の収蔵品説明文の生成において、メタデータの構成が大規模言語モデルの出力にどう影響するかを研究しています。大規模な収蔵データにおけるメタデータの自然なばらつきを分析したうえで、対象物の同一性を固定し、メタデータの量・フィールド種別・画像の有無を変える制御実験を行っています。結果として、メタデータの量だけでは生成挙動を説明できず、フィールドの種類によってモデルが根拠を示すか、省略するか、推測するかが決まることが示されています。（原題：When More Metadata Misleads）
説明RaSFNet：LiDARセマンティックセグメンテーションのための光線整列・走査認識融合ネットワーク
要約本論文は、投影ベース手法の課題を抱えるLiDAR点群セマンティックセグメンテーションに対し、RaSFNetを提案する。光線整列の幾何分布符号化、走査トポロジーを考慮したMambaブロック、範囲制約付きの点・視錐台特徴融合により性能向上を図る。SemanticKITTIとnuScenesの検証セットでそれぞれ70.2%と77.7%のmIoUを達成したと報告している。
説明素粒子物理の基盤モデルによる飛跡探索と粒子識別の性能
要約本論文は、高エネルギー物理データ解析における基盤モデル（Foundation Model）の適用可能性を評価したものです。時間投影チェンバー（TPC）内の空間点データセットを用い、磁場中の荷電粒子再構成について複数の下流タスクで性能を検証しています。その結果、基盤モデルに基づく手法は従来手法を大きく上回り、初期の学習目標と必ずしも関係しない追加タスクにも適応できることが示されています。
説明プロンプト戦略の効果は評価モデルに依存する：LLM審判の頑健性に関する多言語研究
要約大規模言語モデルを審判として使う評価（LLM-as-a-Judge）で、プロンプト戦略の効果が評価モデルや言語をまたいで通用するかを検証した論文です。4つのオープンウェイト評価モデル、27言語、4種のタスク、13データセットで9種の戦略を比較し、人間の判断と照合した100万件以上のスコアを分析しました。その結果、評価モデルの選択が戦略の選択より大きく影響し、戦略の効果はモデルによって逆転することがわかりました。また低リソース言語では安定性が低下し、その差は全体集計では見えにくいとされています。
説明目標より先に記憶：ヒューマノイドの移動・操作における事前履歴メモリの役割
要約本論文は、動的な環境でヒューマノイドロボットが移動しながら物体を操作する際、物体が隠れたり視野から外れたりすることで手がかりが失われる問題を扱います。提案手法WholeBodyMemは、ロボットが目標に向けて行動する前の物体イベントの履歴を保持する物体中心の知覚メモリです。シミュレーションと実機のUnitree G1による実験で、記憶なしや均一な記憶のベースラインを上回る成功率を示しています。
説明ネットワーク構造が大規模言語モデル集団の合意と脆弱性に与える影響
要約本論文は、大規模言語モデルの集団がどのような相互作用ネットワーク上で合意を形成するかを調べたものです。完全連結、ランダム正則、異質なネットワーク上で、四つのモデルから抽出した方策を用いて命名ゲームを行い、エージェント数は千から十万です。結果として、疎なネットワークほど合意形成が最大で十二倍遅くなることが示されました。また、ネットワーク構造は敵対的攻撃への脆弱性を左右し、多くのモデルでは網状の集団の方が既存の慣習を覆されやすいことが分かりました。
説明予測不確実性で制御する計算機モデルのキャリブレーション
要約本論文は、計算機シミュレーションモデルを校正し、その予測誤差を直接制御する二層の枠組みを提案する。第一層では条件付きフローマッチングで校正パラメータの償却事後分布を学習し、第二層ではコンフォーマルリスク制御により予測帯を選び、指定した漏れ率を達成させる。合成ベンチマークでは、提案手法の予測帯幅はKOH-MCMC法の約20%で、漏れ率は目標の10%付近であった。2010年マラウイの麻疹流行を対象とした年齢構造SEIRモデルの校正でも、より狭く名目値に近い結果となり、未カバー週は流行の非対称な減衰期と一致した。
説明HiSTEVE 1.0：オープンワールドゲーム向けの人間型インターフェース VLA エージェント
要約本論文は、マインクラフト（Minecraft）のようなオープンワールドゲームで課題を遂行する階層型VLA（視覚・言語・行動）エージェント「HiSTEVE」を提案しています。VLMプランナーが小課題に分解し、単一のVLAが視覚のみの入力とキーボード・マウス操作で実行します。MineStudio Benchで85.0%、OpenHAで平均成功率37.4%を報告し、鉄のツルハシを一から作るような長期的な課題も達成したとしています。
説明現場展開を目指す作業活動認識用ウェアラブルIMUシステムの研究
要約本論文は、建設作業員の活動認識に用いるウェアラブル慣性計測装置（IMU）システムを、VTT-ConIoTデータセットを用いて検討したものです。留き受験者（LOSO）方式の下で、複数の分類器、センサー装着位置、ウィンドウサイズを比較しています。個人ごとの精度差は大きく（61.9%から88.7%）、多センサー融合と長いウィンドウが精度向上に寄与し、個人調整は精度の低い参加者の改善に有効であるとしています。データはすべて実験室で収集されたものです。
説明視聴と検索を超えて：動画中心の深層リサーチレポート生成エージェントのベンチマーク（Beyond Watching and Searching）
要約本論文は、動画を中心とした深層リサーチレポート生成というタスクを提案している。エージェントは動画とユーザー要求をもとに研究課題を立て、外部のマルチモーダル証拠を検索し、関連する動画の場面と結びついた対話型レポートを作成する。評価用としてOmniDR-Bench（中国語・英語の50タスク、6,414の評価基準）とOmni-ARTが公開されており、18のエージェント構成中、最高スコアは100点満点で63.3点であった。
説明高齢者施設と自宅における人間とロボットの対話の課題：本章は、介護施設や住宅でロボットと環境知能が高齢者のケアをどう支えられるかを検討し、設計・プライバシー・評価上の論点を整理します。
要約本章は、介護施設と個人宅の両方を人間とロボットの対話にとって困難な環境として捉え、ロボットと環境知能が高齢者のケアにどう役立つかを論じます。日常生活の支援、安全監視、社会的交流を行うシステムを概観し、ロボットと固定型・装着型センサーを組み合わせた運用にも触れます。また、デジタルリテラシーの低い高齢者に向けた操作性、端末内処理などのプライバシー対策、1日あたりの誤報数などの実運用指標も扱っています。
説明ツール拡張モデル比較における プロンプト感度
要約言語モデルは問答ベンチマークで比較されることが多いが、同じ問いでも言い換えると二つのモデルの順位が入れ替わることがある。本研究は、回答の読み出し、推論、ツール呼び出しの判断、ツールの返答、呼び出しなしの報告という各段階を分ける照合プロトコルを提案し、六つの公開モデル、五分野、五通りの言い回しで検証した。ツールはプログラムで答えられる問題で正答率を高めた一方、多くの二者比較で言い換えへの感度を広げ、その広がりは呼び出し頻度に従う。ネイティブのツール呼び出しインターフェースと第二のツール説明では、分子分野で検出可能な広がりは見られなかった。著者らは、正答率と並べて呼び出し頻度と複数の言い回しでの比較安定性を報告することを推奨している。
説明PriMa-Causa：因果推論に基づく処方的保全
要約本論文は、製造設備の処方的保全に因果推論を組み込んだ PriMa-Causa を提案する。故障を予測するだけでなく、介入後に推定される効果により保全行動を順位付けする。システムは、因果推論層、生産ラインを模擬するparametric simulator、そして一度事前学習されたグラフ条件付き表形式の因果基盤モデルで構成される。実験では、相関ベースの基準手法より処方誤差が小さく、特に弱いオーバーラップやスパースな文脈で差が大きいと報告されている。部分的に開示された因果グラフを用いると誤差はさらに減少する。
説明スケーラブルなシーン検索のための二次多スケール深層特徴集約用Fisherベクトルの再検討
要約本論文は、CNN特徴は幾何学的不変性に欠けるため、コンパクトで識別力のあるベクトルにまとめるのが難しいという問題に取り組みます。Fisherカーネルの枠組みの中で、コードブックを用いずに多スケールCNN特徴の二次情報を符号化する手法を提案しています。INRIA Holidays と UKBench の二つの難しいベンチマークで実験を行い、既存手法と比べて検索精度が大きく向上し、ベクトル次元の増加はわずかであることを示しています。
説明RankAlign：ランク変換による視覚と言語の表現アラインメント
要約本論文は、対応する教師データがない状態で視覚モデルと言語モデルのクラス単位の対応関係を復元するための、ランクベースの正規化手法RankAlignを提案します。各モダリティ内の類似度行列を順序関係の表現に変換してから順列マッチングを行い、類似度値の厳密な単調変換に対して不変な表現を得ます。複数の凍結エンコーダとデータセットを用いた実験では、ラベルの誤りやドメインのずれがある場合でも、対応関係の復元が改善され安定することが示されています。
説明GM-GReFEL：ロバストな動的表情認識のための幾何学誘導型時空間状態空間学習
要約本論文は、制約のない動画における顔表情認識のためのGM-GReFELモデルを提案します。バックボーンは系列長に対して計算量が線形に増える分組スキャン型の状態空間ネットワークで、分類器の予測が不確かなときには顔の幾何学的アンカーの投票をより重視する信頼性モジュールを備えます。DFEW、MAFW、FERV39kの五分割交差検証で、競争力のある認識精度が報告されています。
説明Pos4CHD：陽性サンプル不要の、マスク誘導型・胎児先天性心疾患の反事実合成フレームワーク
要約本論文は、胎児先天性心疾患の陽性症例が少なく収集が困難である問題に対し、正常サンプルのみで意味マスクから擬似陽性の心エコー画像を合成するPos4CHDを提案している。胎児心臓超音波向けのマスク誘導生成モデルFE-Genを基礎とし、構造異常をマスク上で模擬してから解剖学的に整合した画像を生成する。実験では画質（FIDが12.97改善）と解剖学的整合性の向上が示され、ゼロショット分類、病変検出、解剖セグメンテーションでも改善が報告されている。
説明混合方式が重要：長文脈質問応答におけるシーケンスミキサー間の証拠位置バイアス
要約本研究は、Transformer、状態空間モデル、Mambaのハイブリッドアーキテクチャについて、長文脈の質問応答で回答の根拠となる文書の位置による影響を比較しています。正解文書を九つの妨害文書の中で移動させて評価しました。評価対象のTransformerは先頭位置で優位性を示した一方、状態空間モデルはそれがなく、両系統とも末尾付近の証拠を好みました。これらは探索的な結果であり、シーケンスミキサーを唯一の原因として特定したものではありません。
説明局所精度が高ければ十分か？連合学習のための幾何学的コンセンサスとサポート適応型統計的パーソナライゼーション
要約本論文は、パーソナライズド連合学習について、局所精度に加えて全体、希少クラス、未見クラスでの評価を行う評価方法を提案している。あわせて、共有の方向・大きさ情報による表現学習、多層表現からの共分散計量の構築、局所サンプル数に応じた平均の縮小によるパーソナライズを組み合わせたFedGRCフレームワークを提示している。CIFAR-10、CIFAR-100、FedRSの各データセットで、比較対象の手法より優れた結果を示したと報告している。
説明「監査後の幻影」：オフライン検証で分かることと分からないことの限界
要約本論文は、エージェントの更新を展開した後も安全であり続けるかどうかを、オフラインのテストでは明らかにできない場合があると指摘し、これを「監査後の幻影」と呼びます。検証者が見られる証拠は同一でも、隔離された採点者は展開後の結果が正反対になる、対になった安全なケースと有害なケースを構成しています。提案手法 IdentifiedRangeMonitor は、有利な条件では欠けていた区別を回復できる一方、希少な集団、小さな効果、観測の欠落がある場合には判断を保留したままになることを実験で示しています。
説明WildDepth-v2：野生動物の距離・動き・追跡のための同期RGB-LiDAR-レーダーデータセットとベンチマーク
要約WildDepthデータセットを拡張し、イメージングレーダーを含む37シーケンス（19,716フレーム）のRGB-LiDAR-4Dレーダー記録を追加しています。また、RGBのみの距離推定とRGB＋疎なLiDARによる深度補完を評価する、凍結されチェックサム付きの非公開テストセットを提供します。さらに、LiDAR、レーダー、単眼深度を用いて2D軌跡を度量単位の3D軌跡に変換しています。対象単位のレーダー較正は、推論時にLiDARを使わずにシーン単位のLiDAR較正より単眼深度を改善しましたが、動物単位のLiDARが依然として最も高精度です。
説明SetCommit：少ステップ拡散言語モデル復号のための協調的トークン確定手法
要約拡散言語モデルは複数位置のトークンを並列に生成できますが、少ステップ復号では、個別には信頼できるトークンでも組み合わせると矛盾することがあり、早すぎる確定は後の文脈に基づく修正を妨げます。本論文は再学習不要の SetCommit を提案し、トークンの信頼性と局所的な同時確定リスクを両立させる確定集合を選び、予算を変えずに局所的な入れ替えを行います。LLaDA-8B と Dream-7B を GSM8K、MATH-500、MBPP、HumanEval で評価し、32 回のモデル評価で従来の復号より最大 7.4 ポイント精度または pass@1 が向上したと報告しています。
説明制約推論と大規模言語モデルの連携：実世界の最適化応用に対する対比的説明の提供
要約本論文は、最適化に基づく意思決定支援システムを対象とし、混合整数計画（MIP）の解に基づく推奨について、利用者の問いに答える対比的説明を生成する手法を提案する。制約推論で説明に必要な情報を抽出し、制約間の関係を表す「理由グラフ」としてLLMに入力する。実世界のスケジューリング領域での結果では、この構造を用いることで、関連する理由をより多く含み、誤りの少ない説明が得られたと報告している。
説明ProductWebBench：タスク完了を超えてウェブサイトの継続性を評価するベンチマーク
要約本論文は、フロントエンドのコーディングエージェントを、依頼された対象が完成したかだけでなく、サイトの他の部分が引き続き正常に動くかどうかでも評価するベンチマーク「ProductWebBench」を提案しています。既存コードへの変更タスク320件と長期的な構築タスク80件を含み、13モデルによる8,737回の実行で評価しています。結果として、要求された作業の検査をすべて通過した修正の28.2%が継続性の検査で失敗し、10.8%は以前に合格した状態を再び不合格にしたと報告されています。
注目点ウェブサイトの継続性という新たな評価軸を提案し、8,737回の実行で課題達成と継続性の乖離を示した。前端コーディングエージェント評価への影響は大きい。
説明PRISM による明確な理解：手続き型動画における誤り認識のための手順系列推論
要約本論文は、複数ステップからなる手続き型動画の誤りを認識するPRISM手法を提案します。映像区間を言語で記述し、正しい実行例で学習した軽量な隠れマルコフモデルで手続き状態に対応付けます。その後、参照との整合と意味的検査によって、手順内容と順序の誤りを特定します。三つのベンチマークでの評価では、意味役割ラベリングが六つの比較すべてでAny-F1を向上させましたが、その効果はデータセットによって異なります。
説明フランス民事破棄院の判断構造を示すデータセットとツール
要約本論文は、2016年から2025年にかけてフランス破毀院の民事五部が出した86,464件の判決に含まれる121,536組の「上告理由と判断理由」の対応データセットを公開するものです。決定論的な手順で各上告理由と判断理由を組み合わせ、フランスの既存の分類体系に従って分類しています。これにより、どの理由が認められやすいか、どの法令条文が関係するか、そしてそれらが十年間でどう変化したかを記述しています。データセット、コード、対話型の閲覧ツールも併せて公開されています。
説明次に何が起き、なぜそれが起きるか：ニューロシンボリックルールによる解釈可能な次イベント予測
要約本論文は、イベント列における次のイベントを予測する手法を扱い、既存手法が精度を優先して解釈性を犠牲にしている点を指摘している。著者らはデータから逐次ルールを直接学習するニューロシンボリックモデルRULESを提案し、残差ネットワークと組み合わせたRUNES（Rule Network for Event Sequences）を構築した。合成データでは真のルールを正確に復元し、実データでは簡潔で解釈可能なルール集合を発見した。RUNESは有効なルールと残差による予測調整を透明に示しつつ、競争力のある精度を達成するとしている。
説明AIは構造設計を共同で行えるか？初期段階の構造設計を支援するAIエージェント
要約本論文は、MCPサーバーを介してCOMPASベースの構造モデリングAPIに接続されたAIエージェントにより、自然言語のプロンプトから建築要素で構成されたグラフベースの構造データモデルを生成する概念実証ワークフローを提案しています。生成された成果物は検査・修正・シリアライズでき、後続のAECワークフローに接続できます。プロンプトから構造を生成する例と、反復的な設計作業に近い段階的に編集可能な設計手順によって手法を示しています。結果は予備的なものですが、AIによる構造の共同設計への第一歩として、自然言語・エージェント型ワークフロー・構造データ構造の組み合わせが可能であることを示しています。
説明長い画像キャプションはどこで失敗するのか？位置を考慮した診断と強化学習（PAGER）
要約本論文は、自己回帰型の視覚言語モデルが詳細な画像キャプションを生成する際に、誤りがテキストのどの位置に現れるかを調べています。著者らは、キャプションを位置ごとに分解して検証する手法を提案し、長いキャプションの中盤では根拠のない具体的記述が現れやすく、末尾では具体性を欠く曖昧な表現に移りやすいことを見いだしました。これを受けて、GRPOに基づく学習目標PAGERを提案し、位置ごとに異なる報酬を与えることで、詳細キャプションのベンチマークにおいて位置別の視覚的根拠性と対比較の選好を改善したと報告しています。
説明DRAFT：fMRIとカメラ軌跡から三次元の部屋レイアウトを復号・再構成する研究
要約本論文は、映像フレームを使わず、カメラの移動軌跡と、室内ウォークスルーを見ている被験者のfMRI信号だけから、未見の場面の三次元レイアウトを再構成するDRAFT手法を提案しています。早期視覚野からコンパクトなレイアウト表現を抽出し、カメラ運動から得られる幾何学的自由空間と融合します。20名の被験者による10の未見場面で、DRAFTのレイアウト相関は0.480であり、カメラ軌跡のみ（0.446）や七つのfMRI復号器（最大0.429）を上回りました。
説明明日何を尋ねるべきかを学ぶ：長期的にパーソナライズされたWebエージェントのための能動的な嗜好取得
要約本論文は、Webエージェントがユーザーの嗜好を能動的に尋ねる方法を研究している。著者らは能動的嗜好取得（APA）を提案し、将来のタスクにおける累積的な効用の向上から質問のコストを差し引いて、質問を選択する。公開ベンチマークActiveWebPrefで評価した結果、現在のタスクだけの情報価値で選ぶ手法より多くの有用な嗜好を取得でき、同じコスト条件で正味の効用も高かった。
説明影響力を持つのは誰か：マルチエージェントシステムにおける合意のダイナミクス
要約本論文は、複数の大規模言語モデルを組み合わせたマルチエージェントシステムで、最終的な合意にどのモデルが最も影響するかを調べるための単純なタスクを設計した。七つのモデル系列による実験では、他のモデルの意見がパラメータ数の多い、より強いモデルの意見に吸収されることが示された。著者らは、エージェントを単体（シンプレックス）上を動く重み付き粒子とみなし、大きなモデルほど大きな重みを持ち、文脈内学習が強いため影響力を持つと説明している。
