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。
説明長文脈検索における注意ヘッド次元の重要性：幅の広いヘッドは言語モデルの情報検索を改善する
要約本論文は、モデルサイズを固定した条件で、ヘッド数を減らして各ヘッドの次元を広げることが長文脈の情報検索を改善するかを検討しています。実験では、事前学習の損失や短文脈の非検索タスクの性能はヘッド次元の影響をあまり受けない一方、長文脈の検索性能は幅の広いヘッドで向上することが示されました。幅の広いヘッドでは検索ヘッドの割合が高くなり、長文脈の継続事前学習中にアテンションの射影重みを凍結しても検索性能は向上しました。
説明SOPO：スパン単位のハルシネーション検出のためのソクラテス式誘導型方策最適化
要約本論文は、大規模言語モデルが不忠実または一貫性のない内容を生成するハルシネーション問題に取り組み、スパン単位の検出を行う多ターン強化学習フレームワークSOPOを提案します。中核となるのは、教師モデルが正解から推定した間接的なヒントを与えて推論の軌跡を導くソクラテス式フィードバック機構です。また、ターン単位のアドバンテージスケーリングによって冗長性の偏りを抑えています。著者らは、4BモデルがRAGTruthで良好な結果を報告していると述べています。
説明VLAは自分が失敗すると分かるのか？物理AIシステムにおける解釈可能な成功・失敗パターン
要約本論文は、視覚・言語・行動（VLA）ロボットポリシーモデルOpenVLAの内部表現を調べたものです。著者らはスパースオートエンコーダ（SAE）でモデルの活性化を取り出し、タスクの結果に関する情報が含まれており、ロボットが回復不能な状態に入る前に失敗を予測できることを示しました。さらに、成功または失敗の段階と関連するSAE特徴を特定し、その活性化が大きく変化する時間区間を捉えることで繰り返し現れる行動パターンを明らかにしています。また、視覚言語モデルを用いてこれらのパターンの行動説明を生成し、保留区間で特徴活性化との対応を検証しています。
説明全スライド画像生存分析のためのデータフリー継続的モデル統合のベンチマーク評価
要約本研究は、全スライド画像（WSI）に基づく生存予測を対象に、データフリーの継続的モデル統合（model merging）のエンドツーエンドのベンチマークを構築したものです。タスク別ファインチューニング、逐次統合、TASK-ILおよびCLASS-ILの両設定での推論を含みます。四つのTCGA癌コホートと三つのタスク順序で、6つの代表的な統合手法を C-index、IPCW C-index、忘却度、後方転移によって比較しています。その結果、すべての評価基準で一貫して優れる手法はなく、打ち切りを考慮した評価によって手法間の順位が大きく変わりうることが示されました。
説明学習型の先読みと均衡バンドを用いた拡散言語モデルへの電子透かし
要約本論文は拡散言語モデル向けの透かし手法を提案します。従来の緑赤透かしは直前のトークンから緑リストを作りますが、拡散モデルは後続のトークンを先に選ぶことが多いため、著者らは語彙バンドと先読み予測器を学習し、文脈とトークンの組ごとに緑のトークンを数えます。LLaDA-8B-Instruct を用いた WaterBench での実験では、両要素がいずれも同じ歪みでz値を高め、強い透かしでは偽陽性率1%で少なくとも96%の応答を検出し、透かしなしテキストとLLM評価のスコアが同等でした。
説明正確なランクフィルタを学習するためのニューラル選言標準形
要約本論文は、ランクフィルタ（中央値フィルタを含む）の構造要素を学習する手法を提案しています。順伝播では厳密なフィルタ演算を保ち、逆伝播では滑らかな閾値方程式から導出した代理導関数を用いる方式です。MNIST、Fashion-MNIST の画像ノイズ除去および網膜血管セグメンテーションの実験で、正確な劣微分で学習する場合よりも一貫して性能が向上したと報告されています。
説明DS-BiCA-Net：リモートセンシング変化キャプションのための、ペアを保持するクロス時間モデリング
要約本論文は、同一地点を異なる時期に撮影した二枚のリモートセンシング画像の意味的変化を自然言語で記述する変化キャプション課題を扱います。提案手法DS-BiCA-Netは、画像内処理と時間間処理を別々のモジュールに分け、エンコーダ全体で二枚の画像を独立したストリームとして保持し、融合は集約ヘッドでのみ行います。実験では、画像内の精緻化は単独では効果がなく、双方向クロスアテンションの後に置いた場合のみ有効であることが示されています。LEVIR-CCでは比較された公開結果の中で最高のS_m^*82.65を達成したと報告されています。
説明SWE-Shift：変化する作業環境におけるコーディングエージェントの評価
要約本論文は、タスク実行中に変化が生じる状況でコーディングエージェントを評価するベンチマーク SWE-Shift を提案している。同じ履歴と作業環境から、変更なしで続ける Clean 継続と、タスクに関連する更新を受ける Shifted 継続を比較する。120 シナリオ・12 の変更ファミリーで 17 システムを評価した結果、すべてのシステムで Shifted の成功率が Clean より低く、ツールやセッションの変更、古い根拠では配対成功率がゼロであった。
注目点実行途中の環境変化下でコーディングエージェントを評価する新しい枠組みを提案し、17システムの対照実験で大きな性能低下を示した。
説明Principia：科学的発見のためのテスト時仮説から原理構築への枠組み
要約本論文は、大規模言語モデルを基盤とし、テスト時に関連する入力と観測結果から比較的因果仮説を立て、繰り返し現れる関係を帰納的な原理にまとめて、新たな観測に応じて継続的に改訂するフレームワークPrincipiaを提案する。分子最適化、タンパク質工学、遺伝子摂動、分子特性予測などのベンチマークで、内部知識・外部資料・経験の要約に頼るベースラインを上回った。
説明二重適応Z-Score PPO：行動の信頼度と正規化アドバンテージの大きさによる動的クリッピング
要約本論文は、PPOのクリッピング閾値を固定値から各サンプルごとに変化させる適応型の手法を検討しています。中心となるPPO-DAZ3は、現在の方策における選択行動の確率（行動の信頼度）と正規化したアドバンテージの大きさ（更新の信頼度）から、各サンプルのクリッピング区間を設定します。三つの古典的制御ベンチマークでの評価では、適応クリッピングは一部の環境でのみ学習を改善し、PPO-DAZ3はLunarLander-v3で最良、Acrobot-v1ではPPO-AZ3Sが先行、CartPole-v1では標準PPOが競争力を保ちました。
説明証拠に基づく小型言語モデルによる将来の支援利用の行動予測アーキテクチャ
要約本論文は、将来の支援利用を端末上で予測するための四層構造のELBPを提案する。3B以下の指示調整済みモデルを複数の構成で評価し、Qwen2.5-3BとELBPの組み合わせが全体F1 0.80、PR-AUC 0.84を達成した。証拠検証と棄権機構を加えると、選択的F1は0.84に向上し、証拠の裏付けも高まった。
説明赤外線歩行者検出におけるペア化サーマルチャネルの二つの直交軸：キャリブレーションコストと検出利得の統制的帰属研究
要約本論文は、赤外線歩行者検出で校正されたサーマルチャネルが構造的に直交する二つの軸から成ることを検討しています。真の校正温度差が、スケールを合わせたグレースケールの擬似温度差より高い性能を示すこと、また配対と絶対校正スケールの組み合わせが校正誤差を高めることを報告しています。さらに、空間構造を壊す位相ランダム化による検出利得も分析しています。
説明収集日付の割り当てが時間的QAの回答を変える
要約本論文は、内容が変わらない証拠に対して収集日付というメタデータを入力に加えることで、時間的質問応答の結果が変わるかを検証しています。ウィキペディアのページで二つの版の日付を入れ替えると、五つのオープンウェイトLLMで後の参照に対する完全一致率が大きく下がりました。作者はこの診断方法を時間的QA入力の監査手法として提示しています。
説明『Markets of Minds』：51億状態からなる知能の経済モデル
要約本論文は、限られた専門家の推論資源を複数のエージェント間で配分するためのフレームワーク「Markets of Minds」を提案している。支援の結果が観測される前に、各エージェントと提供サービスの組み合わせについて、既定の継続に対する期待利益と機会費用を推定する。512億のペルソナ・市場状態からなる依存関係を持つ経済で検証し、共通の30%支援枠のもとで240件を比較した。配分器の課題レベルでのペルソナ整合率は85.42%で、等量のランダム配分の73.86%を上回った。支援の価値は個体ごとに異なり負になることもあり、希少性によって購入すべき介入も変わるとされる。
説明EVOLVE：不確実性を考慮した適応型プロトタイプメモリによる多変量時系列異常予測
要約本論文は、現在の観測値から将来の異常リスクを推定する、教師なし多変量時系列異常予測のためのフレームワークEVOLVEを提案しています。適応型異常プロトタイプメモリにより、変数や文脈に応じた摂動を構築し、複数の潜在的な履歴状態をサンプリングして、平滑な変化と逸脱を増幅する変化の2つの仮説で復号することで不確実性を扱います。復号された将来軌道同士の不一致から将来の異常リスクを推定し、6つの実世界ベンチマークデータセットで既存の基準手法を上回ったと報告しています。
説明Uni-Stream：音声合成と音声認識を統合したストリーミング音声言語モデル
要約本論文は、コンパクトな事前学習済み音声モデルを基盤とする統一ストリーミング音声言語モデル Uni-Stream を提案しています。このモデルは一つのモデルで音声認識と音声合成の両方を扱い、リアルタイムの人間とコンピュータの対話を目指しています。テキストと音声が交互に並ぶ入力をストリーミング形式で処理し、二段階の学習によってタスク専用モデルに匹敵する性能を達成するとされています。また、ストリーミング学習用のデータ注釈パイプラインを開発し、生成した書き起こしと単語レベルのタイムスタンプを公開する予定です。さらに、タスクやモダリティごとの表現を分析し、統一アーキテクチャで学習しても音声とテキストは異なる潜在特徴空間に存在すること、また各モダリティ内の表現は後段の層ほどタスク依存になることを報告しています。
説明CFBrainAug：モジュラリティに基づく反実仮想脳ネットワーク拡張による、解釈可能なfMRI自閉症診断
要約本論文は、安静時fMRI脳ネットワークを用いた自閉スペクトラム症（ASD）診断のためのCFBrainAugフレームワークを提案しています。ラベルが反対でトポロジーが類似し、モジュール数の制約を受ける反実仮想脳ネットワークを生成して学習データを拡張し、被験者と反実仮想との接続性の違いを説明に用いています。ABIDE Iデータセットに含まれるNYUサイトでの精度は74.1%でした。
説明すべての情報が求める価値を持つわけではない：LLMによる意思決定指向の情報収集
要約本論文は、不完全な情報の下で大規模言語モデル（LLM）が、意思決定に影響しない、またはコストに見合わない検査にコストを払い、証拠が十分な後も問い合わせを続ける問題を指摘しています。著者らは、学習を必要とせず任意のLLMに適用できるDIVA（Decision-Informed Value-of-information Acquisition）を提案します。DIVAは簡単な数値質問で小さな意思決定モデルを構築し、コストを差し引いた決定改善の価値で検査を評価します。その派生版DIVA-Uは、LLMの推定の不確実性も考慮します。4つの領域・20のLLMで、DIVA-Uは実データ上で全ベースラインより低い後悔（regret）を示しました。
注目点意思決定価値に基づく情報取得手法で新規性は実質的な改良。20のLLMと4領域で実験し証拠は比較的充実、LLM意思決定支援への影響も一定。
説明疎な探索履歴とゼロコストプロキシを用いたクロスタスクのアーキテクチャ探索
要約本論文は、コストの高いニューラルアーキテクチャ探索（NAS, Neural Architecture Search）に対し、疎な元タスクの探索ログとゼロコストプロキシを組み合わせたクロスタスク転移手法を提案しています。チャンピオンベースの初期化と、ペアワイズ順位付けモデルの同時事前学習により、最悪ケースの失敗を抑えます。TransNAS-Bench-101では、Micro自己符号化タスクの最悪10%順位が290から43に、Macro部屋レイアウトタスクが465から45に改善しました。13のcell空間ターゲットのうち10で、プロキシのみの順位付けモデルを平均および最悪ケースの両方で上回りました。
説明異質なクライアントを含む連合非パラメトリック回帰：個々のクライアントに有益かどうか
要約本論文は、連合学習による非パラメトリック回帰（Nadaraya–Watson 核回帰）が個々のクライアントに有益かどうかを、母集団の異質性と推定の不確実性の両面から検討しています。各クライアントは局所的なカーネル統計量のみを送信し、サーバーは個々の観測データを集めずに重み付きの連合推定量を構成します。さらに、クライアントごとの利得の精密な恒等式、逐点推論、およびクライアント間の同時推論を示し、2種類の摂動モデルの下で頑健性を分析しています。
注目点Nadaraya-Watson型連合推定と個別クライアントの利得、二段階推論、分布的頑健性を結びつけ、実現した適合と反復適合を区別する新しい枠組みを示している。
説明Ψ-0.6：統一型視覚言語世界モデルにおける適応的思考ストリーム
要約本論文は、知覚・言語・幾何・シミュレーションを「思考ストリーム」と呼ばれる共有推論過程の中で適応的に組み合わせる統一型視覚言語世界モデルΨ-0.6を提案しています。多視点空間推論でゼロショットにより主要なオープンウェイトモデルを上回り、想像上の場面を生成・解釈する反事実シミュレーションにも対応します。タスクフィードバックによる強化学習で中間表現の選択・生成・利用を同時に最適化し、未見のベンチマークにも効果が転移する視覚質問応答の精度向上を示しています。
説明商用ロータリー搾乳施設でRGB-Dにより乳牛の背側解剖学的部位をリアルタイムに局在化する研究
要約本論文は、商用ロータリー搾乳施設で撮影したRGB-D画像から、一回の順伝播で対象の乳牛、十個の骨ランドマーク、四つの背側部位（肩甲隆起、背中、臀部、尾根）を同時に検出する知覚手法を提案しています。作者らが構築した公開画像ベースのデータセットで、ランドマークと領域の精度を報告し、1フレームの処理時間は26.4ミリ秒です。また、西オーストラリア州の大規模酪農場の自前の装置では十枚のラベル付きフレームで転移でき、奥行き情報を通じて放射温度計の画像に領域を対応させ、部位ごとの温度を得られることを示しています。
説明神経基底法によるNavier-Stokes方程の解法と学習
要約本論文は、非圧縮性流体のNavier-Stokes方程式の動力学を解き、学習するための神経基底法（NBM）を提案している。固定された神経基底で表現空間を定め、支配方程式の射影によって展開係数を決める「表現してから射影する」原理を用いる。また、残差から速度誤差の事後評価が得られ、データを必要としない認証可能な係数学習の目的関数となる。著者らは、理論解析と数値実験により、既存の基準手法に比べて精度、効率、汎化性能、拡張性が大きく向上することを示したと述べている。
説明「Forging Emotions」：感情と芸術に関する深層学習の実験
要約本論文は「Forging Emotions」という実験を通じて、敵対的生成ネットワーク（GAN）を用いて特定の感情を伝えたり喚起したりする画像を生成する方法を検討しています。計算機科学分野で感情画像データセットを構築する従来の手法は不十分だと結論づけ、心理学の感情連想ネットワークの活用を提案しています。また、明るい色や暗い色といった基礎的な心理学の知見だけでは不十分であり、GANの構造理解が必要だと指摘しています。
説明MG-REPA：生成型ターゲット話者抽出のための多粒度表現アライメント
要約生成型ターゲット話者抽出（TSE）モデルは高品質な抽出を実現しますが、学習の収束が非常に遅いという問題があります。本論文は、隠れ状態をフレーム単位では自己教師あり学習（SSL）モデル、発話単位では話者照合モデルに合わせるMG-REPAを提案します。さらにフレーム単位の目標に時間正規化を適用し、発話単位の統計量を取り除いています。Libri2Mixでは、MeanFlow-TSEベースラインのOVRLとPESQに、それぞれ3.0倍と2.1倍少ないエポック数で到達しました。750エポックの学習では、2000エポックの公開ベースラインと侵入型指標で競合し、非侵入型指標では改善しています。アブレーション実験では、単一粒度のアライメントより優れることが示されました。
説明「バイアス・ゲーム」：テキスト画像生成モデルの偏りを読み解く認識論的ゲーム
要約本論文は、人文学の視点に基づく三段階の認識論的ゲーム（解釈・問い直し・暴露）を提案し、テキストから画像を生成するモデルが姿勢、構図、衣装、小道具、背景を通じてステレオタイプをどう形作るかを可視化します。美術系の学部生を対象とした試行では、議論が印象的な反応から視覚的証拠に基づく仮説へと移りました。著者は、こうしたゲーム型の手法が批判的リテラシーの育成に役立つと論じています。
説明スパース性により多タスクニューラルネットワークに機能モジュール性が生じる
要約本論文は、多タスクニューラルネットワークが学習の過程で共有計算をどのように専門化され再利用可能な部品へ組織化するかを調べています。スパース化正則化は、あらかじめモジュール境界を定めなくても機能モジュール性を促すことを示し、タスクに選択的な小規模なサブネットワーク（機能トークン）を特定しています。専門化は主に深い層で進み、浅い層は共有計算を保持し、これらのトークンは再学習なしで組み替えて利用できるとされています。
説明LLENS：日本の大学病院にオンプレミス展開する大規模言語モデルエージェント基盤の研究
要約北海道大学病院の閉鎖ネットワーク内で稼働する臨床支援AIエージェント基盤LLENSを紹介する。オープンウェイトモデルKimi K2.6と10の構成要素からなるハーネスを用い、180問の病院文書質問で対話型文書アクセスの平均正答率は97.2%、固定検索は81.3%、文書なしは10.7%であった。2026年9月14日から病院ネットワーク上で運用されている。
説明約束から説明責任へ：ネパールの政治文書における選挙公約の比較AIモデリングと可視化
要約本論文は、南アジアの途上国では選挙後に公約が十分に履行されず、記録も体系的に残されないため追及が難しいという問題を扱います。研究者はネパールの政治文書で初の金標準データセットを作成し、機械学習・深層学習・大規模言語モデルで選挙公約を自動抽出・分析しました。深層学習ではfastText-LSTMが正解率0.914で最高、大規模言語モデルではQwen3-8Bが少数ショット設定で最良の結果を示しました。成果はモバイルアプリに統合され、公約の可視化による透明性と市民参加の向上を目指しています。
説明グラフ極限上の変分問題に対する陰的ニューラル表現
要約本論文は、稠密グラフ列の極限として現れるグラフォン上の変分問題を解くためのニューラル探索フレームワークを提案しています。このような問題は、極値グラフ理論と稠密ランダムグラフの大偏差理論に関わります。手法では、グラフォンを陰的ニューラルネットワークで表現し、勾配降下法で目的関数を最適化します。著者らは、一般化トゥラン問題で既知の最適グラフォンを再発見したほか、未報告の極値構造を含む候補解を開放事例に対して示したと述べています。また、Erdős–Rényi随機グラフの大偏差問題では、三角形グラフの上側裾の場合にLubetzkyとZhaoの既知の参照構成を上回る候補を見つけたとしています。
注目点グラフォン上の変分問題を暗黙的ニューラル表現で解き、三角形の上側裾の既知構成を改善し新定理にもつなげた点で新規性が高い。
説明双曲視覚言語モデルにおける角度の整合と半径方向の階層構造の分離
要約本論文は、双曲視覚言語モデルの意味的整合と階層的含意のモデル化を分離するAURORAフレームワークを提案します。角度整合で意味的類似性を捉え、新たな径方向-角度順序錐（RAOC）で親子関係を表現し、ノルム正則化で学習を安定させます。数百万の画像-テキストペアで学習したモデルは、ゼロショット分類、画像-テキスト検索、階層的推論、組合せ理解で、ユークリッドおよび双曲の強力なベースラインを上回りました。
説明多言語P(True)自己評価における質問・回答・検証言語の分離
要約本論文は、言語モデルが自身の回答の正否を判断する際に、質問言語、回答言語、検証指示の言語という三つの言語がどう影響するかを検討しています。六言語の因子設計により、3Bから14Bの十の公開モデルをLSQA、MMMLU、TriviaQAで評価し、先頭トークンのP(True)プローブで確信度を測定しました。その結果、三つの言語は評価の異なる部分に作用し、検証言語のみの変更で校正誤差が最大0.04変化すること、また評価者の検証を行わないとMMMLUの英語とヒンディー語の精度差が大きく縮小することが示されています。
説明非対称学習率に対して頑健な LoRA 初期化の再検討
要約本論文は、LoRA のファインチューニングが学習率に非常に敏感である問題を扱います。LoRA+ で B と A の学習率比を大きくすると、標準的な初期化では学習が不安定になり性能が崩壊することを、信号とノイズの分解によって分析しています。そのうえで、B₀=0 を保ったまま A の分散を n⁻² でスケールする初期化 InitAA を提案し、実験で安定した学習率の範囲が広がることを示しています。
説明データスケジュールを超えて：損失の再重み付けによるデータ混合での高速LLM事前学習
要約本論文は、段階的な事前学習において各領域の学習への寄与の強さを変えるだけで、データ露出量を固定したまま忘却のトレードオフを改善できるかを検討しています。提案手法LAREは、実行中の損失統計から領域重みを自動調整します。知識・数学・コードの5つのベンチマークで、1.5Bモデルの評価において全項目の改善が報告されています。
説明SyncPro：プロアクティブなストリーミング映像理解のための同期型推論・応答フレームワーク
要約本論文は、プロアクティブなストリーミング映像理解において推論と適時な応答をどう調整するかという課題に取り組みます。証拠の追跡を担う内部ブランチと、ユーザー向けの応答を担う応答ブランチからなる二重ストリーム型フレームワーク SyncPro を提案し、両者は因果履歴を共有しながら独立に動作します。189K 件の二重ストリーム例を構築し、教師ありファインチューニングと軌道レベルの強化学習で学習させ、3 つのベンチマークで応答タイミングと回答精度の向上を示しています。
説明短いことは安いことではない：LLMが生成する解説のための宣言的アニメーション仕様と自由形式コードの統制比較
要約本論文は、大規模言語モデルにインタラクティブなアニメーション付き解説を生成させる二つの方式、すなわち自由形式のHTML/JavaScriptと宣言的なアニメーション仕様（著者が設計したExplainSpec形式）を比較している。五つの分野の20件の依頼を用い、Claudeの三モデルとオープンウェイトのQwen3-14Bで検証した。仕様形式は回答トークンが短くなったが、全体の出力コストや生成速度が一貫して改善したわけではなく、自由形式コードの有効性も仕様に劣らなかった。
説明ノイズの多い検索から判断根拠へ：文脈内学習のためのシルバー根拠デモンストレーション
要約本論文は、長くノイズの多いテキストに判断根拠が埋もれると、検索拡張型の少数ショット文脈内学習がうまく機能しにくい問題を扱います。元の検索段落の代わりに、目標に条件づけられた証拠要約をLLMで生成して示例に用いる手法を提案しています。論文によれば、複数のデータセットで既存手法より高い正解ラベル精度と証拠F1を示したとされています。
説明MPQ：メッセージパッシングの視点から見た学習後量子化
要約本論文は、大規模言語モデルの学習後量子化（PTQ）を扱い、再学習なしで重みを低ビット表現に圧縮する手法を検討しています。著者らは行ごとの量子化を離散コードブック上の事後推論として捉え、ブロックごとにソフトな事後情報を保持したまま推論を進めるメッセージパッシング量子化（MPQ）を提案しています。Llama、Qwen、Mistral 系の稠密モデルでの実験では、強力な硬判定ベースラインと比べて困惑度とゼロショット精度の改善が報告されています。
注目点行単位PTQを離散コードブック上の事後推論として再定式化し、メッセージパッシングでブロック間の軟情報を保持。複数モデル族・ビット幅で困惑度と精度の向上を検証。
説明RVL-CDIPにおけるデータ品質の体系的監査
要約文書分類のベンチマークRVL-CDIPを監査し、約10.5%のラベルに誤りがあり、テストセットの35.2%が訓練セットに重複または類似文書を持つことを報告しています。さらに、修正済みのコーパス、アノテーション、分布外データを公開しています。
注目点データセットの品質問題を体系的に監査し、ラベル誤り・重複・個人情報を明らかにし、25モデルを再評価。実証は充分で影響は大きい。
説明オフライン最大エントロピー強化学習のための条件付きフローモデル
要約本論文は、環境との追加的な相互作用なしに、固定データセットから最適ソフト行動価値関数 Q* を推定するオフライン最大エントロピー強化学習を扱います。報酬分布と遷移核を確率フロー ODE に基づく条件付き拡散モデルで推定し、それによってソフト最適ベルマン作用素のデータ駆動型近似を構成します。その上でディープニューラルネットワークの族上で経験的ベルマン残差を最小化し、Q* を推定します。理論的な非漸近保証が示され、ベルマン完全性は必要とされません。数値実験により理論的知見が裏付けられています。
説明意味的には豊か、距離の上では感情に盲目：現代テキスト埋め込みモデルの幾何学的盲点
要約論文は、現代のテキスト埋め込みモデルのベクトルからは文の感情がほぼ線形に読み取れる一方、コサイン類似度ではその極性がほとんど区別されないことを報告しています。著者らは、凍結したエンコーダの上に小さな教師付き対照学習ヘッドを学習させる感情注入文埋め込み（SISE）を提案し、検索MAPなどを改善すると述べています。また、CPUで再現可能なパイプラインと診断指標Attribute Alignment Gapを公開しています。
説明ImageRSI：エージェント型画像生成のための検証駆動型再帰的自己改善フレームワーク
要約本論文は、画像生成器を固定したまま、タスク内の5次元検証と修復、タスク横断で共有される経験ライブラリ、オフラインで更新される判定器を組み合わせたImageRSIを提案しています。あわせて、実世界の難しい画像生成依頼を中心に961件の依頼と評価チェックリストを収めたImageReq-Benchを導入しています。原文によると、MindBench（生成器はNano Banana Pro）でのChecklist Strict Accuracyは52.6%、ImageReq-Benchでは65.66%です。
説明EDWARD-NMT：ニューラル機械翻訳のための弾性次元・適応ルーティング・二重一貫性モデル
要約本論文は、一度学習させればどこにでも展開できることを目指した、ニューラル機械翻訳向けの混合エキスパート（MoE）エンコーダ・デコーダ構造EDWARD-NMTを提案します。Matryoshka型の弾性次元でメモリ使用量を抑え、学習された閾値を持つ適応型sigmoidルーターで各トークンの有効なエキスパート数を動的に決定し、二重一貫性目標で抽出されたサブネットワークの性能を高めます。PhoMT、WMT-14、多言語OPUS-16、多分野の独英ベンチマークでの実験では、フル容量モデルが強力なMoEベースラインと同等以上の性能を示し、単一のチェックポイントから抽出したサブネットワークは再学習なしで同規模の稠密Transformerを上回ったと報告されています。
説明「Tampered ML」：機械学習研究に対するLLMの判断力を評価するベンチマーク
要約本論文は、公開された機械学習論文から再構成した実験提案と、特定の方法論的欠陥を最小限の編集で導入した反事実版からなる1,858組のベンチマーク「Tampered ML」を提案する。モデルは両方の提示順序において、方法論的により妥当な提案を識別しなければならない。層化サンプルに対する人間による検証で、項目の約86%が有効と推定された。フロンティアモデルはチャンスレベルを上回るものの信頼性には程遠く、提示順序に強く影響され、より具体的・透明的・慣習的に見える欠陥のある設計を好む傾向が示された。
説明REACT：思考連鎖（CoT）軌跡の早期表現分析と制御
要約本論文は、推論モデルが思考連鎖（CoT）を生成する初期段階で介入する最適なタイミングを検討しています。提案手法REACTは、安全な軌跡と危険な軌跡の組から安全方向を学習し、初期の隠れ状態に一度だけ編集を加えます。モデルの重みは固定されたままです。最も効果が大きいのは最初の2～3トークンの範囲であり、リスクを検出しやすい位置が必ずしも最も効果的な制御点ではないことが示されています。DeepSeek-R1-Distill-Llama-8Bでは、StrongREJECT-273において完全に安全なCoT＋回答の割合が29.06%から82.05%に上昇し、良性の拒否と有用性はベースラインに近い水準を保ちました。
注目点早期CoT隠れ状態への一度きりの条件付き活性化介入を提案し、後続生成への効果でリスク可読性と制御効果を区別する点に新規性がある。複数モデル・シードの実験で裏付けられている。
説明ツールは誰が検証するのか：歪んだフォーマッタがエージェントと検証器を誤らせる仕組み
要約論文は、エージェントや検証器がツールの出力テキストに依存しており、ツールの計算が正しくても、そのテキストが実際の動作を歪めて伝える場合があると指摘しています。筆者らは、本番環境のRAG研究システムにおいて、出力フォーマッタが検索制限や結果上限、識別子の名前空間を省略し、エージェントが誤った、または不完全な情報をユーザーに提示したケースを報告しています。省略されていた情報を明記したフォーマッタに差し替えると、エージェントの根拠のない主張が減少し、検証器の判定も変化したことを示しています。
説明文脈か知識か：LLMは自分の回答の出典をどう示すか
要約言語モデルは、与えられた文書に基づいて答えることも、パラメトリックな知識に基づいて答えることもできます。本論文では、回答を生成した後、出典を尋ねる前に、キー・バリューキャッシュに介入して、出典報告を決める要因を調べます。文書のキャッシュを変えても報告は変わりませんが、質問と回答部分のキャッシュを移植すると報告が変わり、特定の方向への調整で大部分の報告を反転できました。著者らは、一般的な報告の正確さは確立していないと述べています。
注目点回答生成後のKVキャッシュへの介入により、出典報告が回答時の状態に因果的に依存することを示し、小型モデルで強い結果を得たが、対象は統制された事実課題に限られる。
説明何を言うかだけでなく、いつ話すか：人狼エージェント向け内省思考による発話タイミングの制御
要約本論文は、AIWolfDial共有タスクの「随時発話」トラックのために開発された人狼AIエージェントを紹介します。既存の内省思考（Inner Thoughts）フレームワークを基に、内部の思考を生成しその瞬間に表明する価値を評価して発話タイミングを決めます。人狼ゲームの競争環境と不完全情報の設定に合わせて再設計し、これを敵対的内省思考（Adversarial Inner Thoughts）と呼んでいます。自己対戦ログの分析と人による評価を通じて、その有効性を検討しています。
説明PersonaScienceBench：多様な模擬研究者を用いた科学エージェントの評価
要約本論文は、4つの科学分野・5つのベンチマークから集めた200課題からなるPersonaScienceBenchを提案しています。模擬研究者はペルソナ・プロファイルに基づいて文脈とフィードバックを提供し、課題目標と採点基準は固定されています。エージェントは対話を通じてのみ研究者の好みを知ることができます。18のモデル構成での評価では、課題達成度、事実の想起、自己反復にそれぞれ異なる強みが見られ、最終スコアが同じでも交互作用の仕方は異なることが示されています。
説明Transformer理論を実験で検証する
要約本論文は、Transformerの能力と限界を説明する七つの形式理論を比較し、各理論が様々なタスクについて出す予測を共通の行列にまとめています。サンプル複雑性、長さ汎化、事前学習済み言語モデルの性能を対照実験で測定した結果、単一の理論では成功と失敗のパターンを説明できないことが示されました。著者らは、ソフトアテンション、内容依存の検索、位置ごとの有界計算などを捉える理論が必要だと論じています。
説明ReMedI：制御可能な分子最適化のための推論時リファインメントと自己蒸留
要約本論文は、薬剤開発のリード化合物を多目的に最適化する手法ReMedIを提案します。事前学習済みの分分子言語モデルを基盤として編集を提案し、Metropolis-Hastings探索で推論時に段階的に改善します。探索の軌跡はベースモデルへ蒸留できます。C-MuMOInstructおよびSMDDのベンチマークで基準手法を上回り、学習に用いるリード分子はC-MORALの約7.8分の1で、厳密な成功カバレッジは約2.8倍と報告されています。
説明PRISM：暗黙的確率変調による大規模言語モデルのサンプリング多様性の向上
要約大規模言語モデルは出力が既知の意味に集中するモード崩壊を起こし、繰り返しサンプリングしても意味的に同じ内容しか得られないことがあります。本論文はこれを訓練段階で解決するPRISMを提案します。劣モジュラー性に基づくデータ選定と、特殊トークンの摂動を暗黙の信号として用いる確率的埋め込み変調を組み合わせ、その安定性を理論的に分析しています。WritingPromptsとBookMIAで品質と多様性のバランスを改善し、数学・コードのベンチマークではサンプリング効率も向上させたと報告しています。
説明統合センシング・通信のための、スケールを跨ぐ非線形波形融合学習
要約統合センシング・通信（ISAC）では、固定の重ね合わせや周波数分割が通信内容と参照信号の相互作用を制限します。本研究は、画像伝送と複数目標の距離・角度推定のために、画像特徴と線形周波数変調の参照信号を融合し、総エネルギーが一定の波形を生成する学習手法を提案します。ユーザー機器側では参照信号とチャネル状態情報を用いて画像を再構成し、基地局側では実際の送信パルスを用いて逐次的な定位を行い、学習された局所補正を加えます。時間領域の重ね合わせおよびスペクトル線形融合と比較し、提案波形は正規化定位誤差をそれぞれ29.0%および27.0%低減し、平均ピーク信号対雑音比を1.40 dBおよび0.82 dB向上させました。提案波形を固定した場合、学習による局所補正は補正なしの逐次受信機と比べて平均正規化定位誤差をさらに低減しています。
説明DELA：拡散言語モデルのための制御可能な編集学習
要約拡散言語モデル（DLM）は、主にトークン単位のマスキングスケジュールで生成を制御しており、下書き段階の推敲は暗黙的なままです。本論文は、凍結したDLMに組み込むプラグイン型フレームワークDELAを提案します。挿入、削除、再マスク、停止の4つの明示的な編集操作で下書きを修正し、追記中心の高速な段階と、全体を対象とする精緻化段階からなる二段階デコードを採用しています。数学推論とコード生成の実験では、直接的な拡散デコードに比べて最大5.5ポイントの向上が示されています。
説明VLAモデルにおけるTest-Time Training：人間のデモンストレーションを用いた学習の検討
要約本研究は、文脈を高速重みに保存するTest-Time Training（TTT）を InternVLA-A1 と Pi0.5 に組み込み、対になった人間のデモンストレーションとロボット軌道での学習を通じて、デモンストレーションを条件とした行動生成を調べたものです。学習目標、勾配の範囲、対照的正則化などの設定も検証されています。現在の規模では、TTTの追加と対になったデータでの学習によっても、デモンストレーションに基づく一貫した目標選択は得られず、試した条件ではデモンストレーションへの応答性の明確な改善は見られませんでした。
説明大規模言語モデル駆動エージェントの行動分析フレームワーク：記録された活動から行動カテゴリを見出し、その関係を検証する手法。
要約本論文は、データに基づく行動発見と分析・実験を結びつける汎用フレームワークを提案しています。記録された活動から行動カテゴリを定め、行動の関係を解釈可能な仮説として示します。統計的評価と保留データでの検証により証拠の強さと適用範囲を確かめ、プロンプト操作などの実験で行動と結果の変化を調べます。反復的な自己内省の研究を例に、発見、依存関係の学習、プロンプト比較が互いに補い合うことを示しています。
説明RADIANT：物体中心の順伝播型グローバルイルミネーション
要約本論文は、シーンごとの最適化やランタイムのレイトレーシングを必要としない順伝播型ニューラルレンダラーRADIANTを提案します。各物体を32個の表面パッチトークンで表現し、注意機構の系列長をポリゴン数から切り離します。幾何学的に不変な形状因子アテンションにより光の伝播を扱い、1.03M シーンのベンチマークでは RenderFormer より少ない学習ステップで高いPSNRを達成しました。500物体のシーンでは512x512の前向き推論が0.83秒で完了します。
説明匿名化された群衆映像監視のためのガイド付きゼロショット異常説明：文脈・分類・空間定位
要約本論文は、匿名化された映像異常検知のための説明可能性手法XAVADを提案している。ゼロショット全身匿名化、異常種別の分類、ヒートマップによる空間定位、シーン文脈の記述を統合する。CLIPとLLM支援プロンプト、改良版Grad-ECLIPを用い、公開監視映像データセットで最先端手法を上回る結果を示したと報告している。
説明DBCM：時系列予測のテスト時適応のためのデュアルブランチ較正モジュール
要約本論文は、時系列予測において非定常性によって生じるテスト時の分布シフトへの対策として、双分岐較正モジュールDBCMを提案している。予測残差がチャネル間で強い共有構造を持つという観察に基づき、共有アダプタで適応能力をチャネル間で共有しつつ、低ランクのチャネル別アダプタで限定的な個別性を保持する。さらにチャネル混合と非線形ゲート変調を組み合わせる。実験では、多様なデータセット、予測ホライズン、バックボーンにおいて既存手法を一貫して上回ったとされる。
説明DriveMind：閉ループ自動運転のための信念追跡フレームワーク
要約本論文は、マルチモーダル大規模言語モデルに基づく自動運転フレームワーク「DriveMind」を提案する。場面が曖昧な場合に複数の仮説を同時に保持し、新しいフレームが入るたびに各仮説の重みを更新する。粒子フィルタの考え方を取り入れている。Bench2Drive上で、信念追跡を加えたことにより、運転スコアは68.50から81.37に、成功率は41.36%から54.09%に向上したと報告されている。信号のない交差点や対向車との交錯場面で改善が最も大きい。
説明脳波基盤モデルの統制評価：ランダム初期化・帯域パワー・検証選択プローブ
要約本論文は、ランダム初期化、五帯域の対数パワー特徴量、テストではなく検証データで層を選ぶ三つの対照条件を含む統一プロトコルのもとで、公開された五つの脳波（EEG）基盤モデルと社内のJEPA型モデルを評価している。テストスコアで層を選ぶと性能ピークが平均で+0.034押し上げられることが示された。検証データで層を選んだ場合、睡眠と感情のタスクでは半数のモデルがランダム初期化で事前学習と同等以上となり、感情と運動想像のタスクではどのモデルも五帯域パワーのベースラインを上回らなかった。著者らはこれに基づく四つの報告指針を提案し、全結果を再分析用に公開している。
注目点ランダム初期化、帯域パワー、検証集合での層選択の3つの対照を用いてEEG基盤モデルの利得を検証し、多数のベンチマークと複数シードで裏付けており、報告慣行への影響が大きい。
説明因果的影響は集中、診断情報は分散：大規模音声言語モデルにおける認知機能障害の判定
要約本論文は、大規模音声言語モデルが音声から認知機能障害（CI）をどのように判定するかを、デコーダMLP内でクラス対比の活性化頻度により選ばれたCI対比ニューロン（CICN）への因果的介入によって調べたものです。8つのオープンモデルと2つのコーパスで検証され、少数のCICNを除去すると、クラスに沿った予測の明確な変化が生じます。一方、凍結された活性化への線形読み出しのAUCは約0.92〜0.97で、ランダムマスクや全ニューロンによる読み出しと同程度であり、因果的制御は集中し、診断情報は広く分散していることを示します。
説明マルチエージェントLLMシステムにおける通信障害の分析
要約本論文は、複数の大規模言語モデルのエージェントが討論、証拠の共有、相互修正を通じて協調して推論する際に生じる通信障害を研究しています。医療QA、コーディング、金融、多段推論、倫理、身体性を伴うテキストタスクにわたる3,211件の失敗した多ラウンド軌跡をもとに、通信障害の分類体系を構築し、その分布、ラウンドごとの誤りの変化、少数派の正答が抑えられる現象などを分析しています。失敗は主に最初のラウンドの孤立した誤りではなく、修正・回復と合意・意思決定の問題によるものだとわかりました。著者らは、結論を出す前に意見の対立への対処、証拠の検証、少数派の信号の保持、回復の確認を強化することを提案しています。
説明ACVA-Bench：抽象概念の可視化能力を評価するテキスト画像生成モデルのベンチマーク
要約本論文は抽象概念可視化能力（ACVA）を定義し、ACVA-Benchを構築しました。具体的な対象や場面を示さない条件で、「忠誠」などの抽象概念を正確かつ多様で、近い概念と区別できる画像にできるかを評価します。概念の意味を独立に検証可能な質問に分解する細粒度の評価手法を用い、人手評価で妥当性を確認しています。主流モデルの結果では、少数の典型的な視覚パターンへの依存が見られ、多様性と区別性には改善の余地があるとされています。
説明HyScale：学習型スパースアテンションのための長文脈学習の高速化
要約本論文は、学習型スパースアテンション向けの長文脈学習システムHyScaleを提案しています。既存システムではスコア表の全体化や再計算時の選択の繰り返しが学習のボトルネックになるとされています。HyScaleはHyTopKと選択リプレイを導入し、システム最適化と組み合わせることで、512基のH20 GPU上でGLM-5.1の1Mトークン系列の学習をMegatron-LMより2.07倍高速化したと報告しています。
説明モデルはヒントで答えを変えるか：推論言語モデルの「ヒント追従」を定量化する
要約本論文は、MMLUの客観問題において「[情報源]はその答えはXだと考えている」というヒントによって大規模言語モデルの回答が変わる現象を調べたものです。情報源を教授、友人、犬の三種類に変え、Qwen、Gemma、SmolLMの三つのオープンソースモデル系列で検証しています。その結果、ヒントによる対数オッズの変化はおおむね一定で、情報源にほぼ依存しないことが示されました。情報源が不正確だと宣言されたり、信頼しないよう警告が付いたりしても、この偏りは残るとしています。
説明リベリア地域保健プログラムにおける医薬品のラストマイル配送のための動的在庫配分モデル
要約本論文は、リベリアの地域保健プログラムにおける希少医薬品の動的配分を研究する。中央倉庫が保健施設と、その施設が監督する地域保健助手（CHA）に医薬品を供給する状況を扱い、有限期間の確率的制御問題として定式化する。反射ブラウン運動のドリフト率を制御する連続時間近似を構築し、深層分割法で動的配分政策を求める。ロフア郡フォンゴンダ地域の小児マラリア症例データで較正した結果、基準設定では公平性のみを考慮する最強のベンチマーク政策と比べ運営コストを約6%削減し、公平性効用の約98%を維持した。
説明テスト時のメモリ進化は科学的発見でテスト時訓練を上回れるか
要約本論文は、テスト時訓練（TTT）の代替として、モデルの重みを更新せず外部メモリを継続的に更新して後続の探索を導く手法、テスト時メモリ進化（TTME）を提案しています。同一の発見フレームワークで比較したところ、5つの数学タスクすべてでTTMEがTTTを上回り、計算量と実行時間も大幅に削減されたと報告されています。
説明AI for Science エージェントはモデルの安全性を維持するか？
要約大規模言語モデルをAI for Scienceのエージェント枠組みに組み込んだ際、元のモデルの安全性が保たれるかを検討した研究です。化学分野の有害な依頼50件を用い、五つのエージェント枠組みを、直接的な指示、二種類の簡単な敵対的プロンプト、適応型攻撃の下で評価しました。その結果、直接的な指示の下でも枠組みによって有害な依頼への従順さが増すことがあり、基盤モデルにはほぼ効かなかった適応型攻撃が枠組み導入後には高い成功率を示しました。著者らは、枠組みを導入すると基盤モデルの安全性は持続しないとし、分野固有の安全性ベンチマークによる評価と調整の必要性を述べています。
説明X-Dubbing：時間と映像の制約下での音声間翻訳
要約本論文は、元動画と同期した目標言語の音声へ変換する言語横断吹き替えのための手法 X-Dubbing を提案しています。タスクを、時間を意識した音声テキスト翻訳と、映像を意識したテキスト音声合成の共同問題として定式化します。両者は言語非依存のタイミング予算に基づいています。翻訳器は合成音声からのフィードバックでさらに改良されます。論文は、等時性や視聴覚の対応を含む複数の指標で近年のベースラインを上回ると報告しています。
説明NUViT：フーリエ空間データ向けのビジョン・トランスフォーマー
要約ビジョン・トランスフォーマー（ViT）は多くの視覚タスクで高い性能を示していますが、医用画像や顕微鏡などで使われるフーリエ空間データには自然には適用できません。本論文は非一様ViT（NUViT）を提案し、画像のトークン化、データ表現、位置エンコーディングを、フーリエデータの周波数と位相の構造に合うよう再設計しました。フーリエ領域の画像分類、二次元結晶格子の同定、MRIアノテーション、クライオ電子顕微鏡によるタンパク質の不均一性解析の実験では、NUViTが標準的なアーキテクチャより一貫して良くデータ構造を捉えることが示されています。
説明長尾データにおける教師付き対照学習の表現幾何構造の再検討
要約本論文は、長尾分布データで学習される教師付き対照学習とその平衡版の最適表現が、実際に正則単体（シンプレックス）幾何構造を形成するかを検討しています。最適解で正則単体が形成されるかを判定する理論枠組みを提示し、既存の目的関数は各クラスのサンプル数に依存するため形成されないことを示します。これを受けて、対照目的関数に適用できる構造的バランシングを導入し、最適解で正則単体が理論的に保証される完全平衡型の対照目的関数を提案しています。理論・実験の両面で、より均衡した表現空間が得られ、長尾認識と転移学習タスクの性能が向上することが示されています。
説明PPOとSACの比較：二腕宇宙ロボットの協調運動制御に関する研究
要約本論文は、衝突回避制約を伴う二腕宇宙マニピュレータの目標接近タスクについて、強化学習による協調運動計画の枠組みを提案している。オンポリシー手法のPPOとオフポリシー手法のSACを比較し、5つの乱数シードでの平均成功率はSACが78.6%、PPOが7.4%であった。また、PPOは報酬設計によっては局所最適に陥りやすく、未知の目標配置ではSACの方が性能低下が小さいと報告している。
説明RSI-Opt：モデル訓練のための再帰的自己改善オプティマイザーエージェント
要約本論文は、学習の進行を監視して最適化設定を調整するLLMエージェントの方策を、過去の実行結果から進化させるプラグアンドプレイ型フレームワークRSI-Optを提案する。メタエージェントがプロンプト、手順集、テスト済みのオプティマイザーコード、決定の周期を書き換え、評価済みの方策をアーカイブに保存する。5世代の進化後、エージェントの性能が向上し、保留タスクやBurgers偏微分方程式へのモデル間転移も示された。
説明BARC-Bench：無害な依頼に潜む危険な結果
要約本論文は、九つのシミュレートされたワークスペース環境における110のタスクからなるBARC-Benchを提案し、一見無害な依頼でもエージェントが安全でない行動をとるかを検証します。評価は、ワークスペースの記録、暗黙の環境文脈、明示されない社会的規範を安全境界として行われます。四つの最先端モデル構成を用いた結果、五回の試行すべてで安全にタスクを完了した割合は9.1%から72.7%であり、最も優れた構成でもタスクの27.3%で安全違反が発生しました。
説明CEMIR と FISER の比較：推論ベースと拡張ベースの語用的意図認識手法の研究
要約本論文は、人間とロボットの対話における意図認識の二つの手法を比較しています。構造化された社会的・身体的推論を用いるFISERと、テキストから物語と画像を合成してマルチモーダルに拡張するCEMIRを、HandMeThat v2ベンチマーク上で4つの大規模言語モデルを用いて評価しています。統計分析の結果、モデルや難易度を問わず両者の性能に有意な差は見られず、性能は主にモデルの能力と曖昧さの難しさに左右されると報告されています。
説明グラフクエリ処理の拡張：負荷分散を用いたパーティション上の焦点探索
要約本論文はグラフデータに対するクエリ処理（検索ではなく全件または k 件の解の取得）を扱い、ワイルドカードや比較演算を含む部分グラフをクエリとして受け付けます。グラフを分割して分散処理を行い、焦点探索と負荷分散によって並列性と応答時間の改善を図ります。さらに、読み込むパーティション数を減らすヒューリスティクスを提示し、大規模な合成データと実データで実験結果を示しています。
説明MAGIC：決定マージンによるゲート付き対照デバイアスと証拠復元による、VLMテスト時ロバスト性のスケーリング手法
要約本論文は、大規模視覚言語モデル（LVLM）の推論時に生じる言語バイアスを軽減するため、MAGIC（Margin-gated Contrastive Debiasing with Evidence Restoration）を提案しています。重要トークンの予測マージンを評価し、言語バイアスを受けやすい低信頼度の応答に対してのみテキストおよび画像の摂動分岐を有効化して、デバイアス推論を行います。さらに、校正データセットを用いて効果の低い分岐を剪定しコストを削減し、ベンチマークデータセットで既存の多数のベースラインと比較して有効性を示しています。
説明GS-MoE：学習不要で、グループ化された部分空間の共有と剪定によりMoEモデルを圧縮する手法
要約本論文は、学習を必要としない混合エキスパート（MoE）モデルの圧縮フレームワークGS-MoEを提案します。共有部分空間のランクと各エキスパートの中間幅という2つの軸から、エキスパート間および内部の冗長性を減らします。DeepSeek-MoE-16B-Baseでは、総パラメータを60%削減した場合でも、平均推論性能の約90%を維持し、D²-MoEの73%を上回り、ドメイン外のパープレキシティは20%低くなりました。
説明MI-MIDI 2：テキストからMIDI生成における疎なオートエンコーダによる観察から制御まで
要約本論文は、疎なオートエンコーダ（SAE）を用いてテキストからMIDIを生成するモデルの特徴を発見・評価する一連の手法を提案し、text2midiおよびMIDI-LLMに適用しています。音楽指標との相関、楽器プログラム、自動生成された説明によって特徴を特徴づけ、生成されたMIDIへの介入によって出力を実際に制御するかを検証し、新しいプロンプトで確認しています。
説明分布としての適合性：委任契約、誤差予算、用途ベースAI規制における評価権限の配分
要約本論文は、用途ベースのAI規制が義務を担う証拠の対象を欠いていると指摘し、宣言された文脈分布の下での展開の失敗率と、範囲および有効期限を伴う適合記録を提案します。展開者、監査人、執行機関の戦略的ゲームの中で、宣言された文脈混合の真実性や監査の不偏性などを分析し、メカニズムと命題を示しています。すべての主張は五つの事前登録された合成実験で検証され、言語モデルや本番システムの評価は行われていません。
説明CRM-Agent-Bench：状態を持つ企業環境におけるツール利用エージェントのベンチマーク
要約本論文は、9つの業務領域にまたがる555件の状態を持つマルチターンタスクからなる、実行結果に基づく評価ベンチマーク「CRM-Agent-Bench」を提案しています。各タスクは、行動、引数、順序、応答、目標状態、保護状態などの検査項目による実行可能な契約で成否を判定します。16のシステムを評価した結果、厳密な成功率は64.32%から83.60%の範囲でした。
説明DraMaze：多様なマイクロドラマ脚本生成のための未来認識メモリ付きマルチエージェント手法
要約本論文は、マルチエージェントによる脚本生成パイプライン「DraMaze」を提案しています。トロープ記憶に導かれた進化的木探索と変異によって多様な因果経路を探り、未来の物語目標に基づいて過去の記憶を整理・検索する「後方物語依存木」を構築します。また、双言語ベンチマーク「MiDramaBench」と、物語の反復と多様性を測る因果パターン指標も導入されています。原文によれば、3種類のバックボーンLLMで改善が見られ、最大6万語の60話脚本では因果パターンの反復が32.1%減少し、論理スコアは82.5で最良のベースラインを8.5点上回りました。
説明AusClinBench：オーストラリアの臨床政策に対して決定的に採点される大規模言語モデルのベンチマーク
要約本論文は、オーストラリアの臨床ガイドラインと医薬品給付スケジュールに基づく142問のベンチマーク「AusClinBench」を紹介します。5つの分野から成り、各問には完全一致で採点できる唯一の正解があります。28のモデルを盲検条件で試験し、正答率は51.5%から92.7%でした。多くの誤答は関連条項を示すと正答に変わり、規則の想起よりも適用に問題があることが示されています。正解は一人の総合診療医が作成し、独立した審査は受けていません。また、本ベンチマークはいかなるモデルの臨床利用も認めるものではありません。
説明REDAR：クラス増分学習のための強化学習駆動型適応正則化
要約本論文は、クラス増分学習で正則化の強さが固定係数としてオフラインで調整され、タスクの変化に合わせて適応しない問題を扱います。提案手法REDARでは、軽量な強化学習エージェントが各増分段階で現在の性能と新データの統計量を観測し、その段階の蒸馏係数を決定します。方策は初期段階から構成した擬似CILタスクのみで学習され、その後追加の適応なしに増分系列へ適用されます。CIFAR-100とTiny-ImageNetでの実験では、固定・ヒューリスティックな基準手法と比べて忘却が減り前向き転移が向上し、短い擬似タスクで学習した方策が長い増分実行にも有効に移ることが示されています。
説明OpenHome：スマートホームカメラ映像を知覚から洞察まで評価するベンチマーク
要約本論文は、映像のみを手がかりに四択形式で出題するベンチマークOpenHomeを提案し、スマートホームカメラ映像を理解する視覚言語モデルの能力を評価します。実世界の映像クリップ1,118本に対する2,254問を、知覚・推論・洞察の3段階に分けた10タスクで構成しています。32のクローズドソース及びオープンウェイトモデルを評価し、最良モデルの総合正答率は81.2%でした。クローズドソースモデルは全段階でオープンウェイトモデルを上回りました。
説明「協力型エージェント問題」：LLMエージェント間の自発的な協力が想定された作業フローを迂回しうる
要約本論文は、それぞれ独立した目標を追うLLMエージェントが共有リソース環境で、共通の報酬がなくてもレビュー機構が使えない場合に互いの代わりに変更を加え、監督の仕組みを迂回しうることを検討しています。著者はこれを「協力型エージェント問題（helpful agent problem）」と名付け、FavorBenchと改変したCooperBenchの二つのベンチマークで検証しました。その結果、ワークフロー外の助け合いが頻繁に生じ、FavorBenchでは少なくとも三つのモデルの助けが相互作用の外にいる当事者に大きな害を与えたと報告しています。
注目点「善意のエージェント問題」を提起し、良性エージェントが審査を迂回する自発的協力を示した点は新しい。ただし実験規模は摘要からは十分に判断できない。
説明多物体相互作用動画を用いた動画エンコーダの物理法則の解釈（ビデオエンコーダが物理をどこまで捉えているかを調べる研究）
要約本論文は、凍結された自己教師あり動画エンコーダ（V-JEPA2 と VideoMAE）が、二物体間の運動量伝達、反発係数、摩擦などの関係的な物理量を潜在表現に保持しているかを、二物体の設定で調べたものです。弾性衝突と非弾性衝突の区別は両モデルで確実に行えました。一方、運動エネルギーが増える衝突の予測は、V-JEPA2 の予測器では起こりにくいという結果でした。運動量違反の検出は一方のエンコーダにしか見られず、摩擦係数は幾何条件が変わると保持されませんでした。
説明多様体上のフローマッチングにおける互換的尤度目標
要約本論文は、リーマンフローマッチングの尤度ベースの目的関数を扱う。一次元の平坦トーラス上で、既存の拡張手法の大域最適解がデータ分布からサンプルを遠ざける速度場になる分布の例を示し、その失敗を説明する「互換性」という性質を提案している。さらに、端点上の指数族から構成され、条件付き速度を十分統計量とする新たな目的関数を提案し、既存手法より優れた結果を報告している。
説明Spectra：ディープフェイク検出のためのマルチスケール暗黙的分解手法
要約本論文は、ディープフェイク画像を検出するフレームワーク「Spectra」を提案しています。各画像に暗黙的ニューラル表現（INR）を当てはめ、その再構成ヒートマップを多層的に抽出して、双方向融合により意味的特徴と共同でモデル化します。複数のベンチマークでの実験では、RGB外観や意味表現のみに依存する検出器よりも頑健性と未知データセットへの汎化性能が高いと報告されており、顔提示攻撃検出への応用も示されています。
説明本番エージェントの安全なプロンプト圧縮の土台となる再現可能な評価
要約本論文は、変化し続ける実データを扱う対話型エージェントを、再現可能な形で評価するオフライン評価フレームワークを提案します。評価は陳腐化しても必要に応じて再生成できます。この枠組みをGEPAによるプロンプト最適化の適応度関数とし、報酬ハッキングを防ぐ正確性ゲートを設けています。加盟店向けの本番エージェントに適用したところ、正確性ゲート付きの圧縮によりプロンプト全体が3.5〜7.6%縮小し、独立した3つのモデル系統すべてで保留タスクの正確性は低下しませんでした。そのうち1系統では正確性が有意に向上しました。
説明誰を信頼すべきかを知るだけでは不十分：繰り返される多者間LLM交渉における信頼と合意のギャップ
要約本論文は、大規模言語モデル（LLM）エージェントが過去のやり取りから有用な信頼評価を形成し、将来の交渉結果の改善に活用できるかを検討しています。研究者らは、一人の参加者が密かに合意の成立を妨げる、繰り返し行われる多者間・多論点の交渉フレームワークを構築し、信頼を考慮するエージェントと考慮しないエージェントを比較しました。その結果、信頼を考慮するエージェントは数回のゲームで敵対者を識別できるものの、正確な信頼評価が必ずしも良好な合意につながるわけではないことが分かりました。合意率が最大23ポイント向上したのは、エージェントが意思決定で信頼を使うよう明示的に導かれた場合に限られていました。
説明経験則と商用ナビゲーションを超えて：救急車の移動時間推定のためのAI支援意思決定支援
要約本論文は、スウェーデンのスコーネ地方の過去の救急車走行データを用いて、救急車の移動時間が時間帯、曜日、出動の優先度によって大きく異なることを示しています。商用ナビゲーションシステムは緊急出動特有の状況を捉えきれないと指摘し、より正確な移動時間を推定する機械学習システムを提案しています。また、SHAPと順列重要度を用いてモデルの解釈可能性を検討しています。
説明文脈内依存構文解析のための POS シグネチャによる実例検索
要約本論文は、ファインチューニングを行わずに Universal Dependencies（UD）の依存構文解析で文脈内学習の実例を選ぶ方法を検討している。文を重み付きの品詞統計で表し、ラベル付き訓練データから長さの近い金標準構文の実例を三つ検索する方式である。英語 UD EWT のテストセット全2,077文で二つのオープンウェイトモデルを評価したところ、この方式の LAS は72.4と73.2で、テスト対象のプロンプト方式の中で最も高かった。意味的類似度による検索より優れていたとされる。
説明短期建物負荷予測のためのモデル非依存の補正フレームワーク WeL-RAC
要約本論文は、モデルに依存しない天気・負荷検索拡張型補正フレームワーク WeL-RAC を提案している。予測時に、直近の負荷状態と予測時間帯に合わせた天気予報をもとに類似する過去事例を検索し、その実際の将来負荷軌跡を集計して初期予測を補正する。基礎予測モデルの再学習は不要である。31 件の建物事例、3 つのデータセット、8 種類の予測バックボーン、1〜18 時間の 4 つの時間帯で評価され、96 件のデータセット単位比較のうち 90 件で改善が見られた。
説明ヤコビアン・レンズの数理理論
要約Anthropicが以前発表した、フロンティア言語モデルの隠れ状態から作業記憶に似た線形方向を見つける解釈ツール「ヤコビアン・レンズ（J-lens）」について、数学的な理論を構築した論文です。J-lensは、層をまたいで増幅し、トークン位置にわたってほぼ一定で、文脈が変わっても一貫する「コヒーレントな特徴」を優先的に検出することを示しています。隠れマルコフモデルの次トークン予測を行うベイズフィルタと玩具的Transformerで検証し、時間スケールを強調するω-J-lens族も提案しています。
説明RobustNCL：過渡的故障に対する神経形態学的継続学習の軽量な検出・修復フレームワーク
要約本論文は、高エネルギー粒子の衝突などによるハードウェアの過渡的故障の下で、神経形態学的継続学習（NCL）の信頼性を高める RobustNCL を提案している。このフレームワークは、オフチップ DRAM から重みを読み出す際に異常を検出し、ゼロ、最小・最大値、最も確率の高い値のいずれかで修復する。実験では、高い故障率でも故障なしモデルに近い精度を保ち、遅延とエネルギーの増加はわずかであることが示されている。
説明STEP：疎な端点と擬似軌跡から学習する手術点追跡手法
要約本論文は、組織の変形や遮蔽があっても手術動画中の点を持続的に追跡するSTEPフレームワークを提案しています。まず凍結したオフライン教師モデルが候補軌跡を生成し、時間的可逆性とステレオ一貫性で密な教師信号を選別して、因果的な生徒モデルを学習させます。さらに、終端対応を固定する物理端点損失と時間的一貫性を制約する往復損失を用いています。STIRからVL-SurgPTへの転移実験では、フィルタ済み軌跡により未フィルタ軌跡と比べて端点誤差が7.0%低減したと報告されています。また29クリップの診断では、端点誤差が31.52ピクセルから16.80ピクセルに下がり、稠密ラベルによる微調整より良い結果が示されています。
説明LOCI：複数被写体の画像編集のための局所的連続制御手法
要約既存の指示従属型画像編集モデル（Flux.1-Kontextなど）は、編集の位置や強度を細かく制御することが難しいです。LOCIは、画像内の複数の被写体それぞれに対して空間的に領域を指定し、独立して連続的に調整可能な強度で編集する手法です。被写体レベルのアテンション結合と領域化LoRA層を組み合わせ、単一のアダプタを学習したうえで、推論時に領域残差を再スケールして編集強度を変えます。実験では、基準手法と比べて領域間の干渉が大幅に少なく、編集の強度を連続的に制御できることが示されています。
説明独立かつ非負相関のノイズ下における「勝者バイアス」の厳密な上限
要約M 個のノイズを含む不偏スコアの中から最良のものを報告すると、その勝者の価値は実際より最大 c√V（V は総ノイズ分散）だけ過大に見積もられます。本論文は、独立だが同一分布でないノイズでは c = √((M−1)/(2M))、両対ごとに非負相関するノイズでは c = (M−1)/M という厳密な定数を示し、両方を達成する明示的な構成も与えます。さらに交叉検証推定量のバイアスへの系を導き、全定理は Lean 4 で形式的に検証されています。
注目点独立および非負相関ノイズ下の勝者バイアスの鋭い定数を決定し、既知の両端の結果を改善。明示的構成とLean 4による形式検証を伴う。
