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。
説明言語モデルはスペインのMIR研修医試験に合格できるか：オープンモデルの不確実性・推論・画像利用の検証
要約本論文は、スペインのMIR研修医試験を用いて、80億〜270億パラメータの4つのオープンモデルを評価した研究です。試験規則に従い、8回分の1,552問を採点しています。回答をすべて行った場合、規模の大きい3モデルはおおむね上位600〜3,000位相当となりました。また、医療向けファインチューニングは過信を減らしたものの、正誤の判別能力は向上しなかったと報告されています。さらに、正答の一部は臨床的に妥当でない理由で選択肢を除外しており、提供された画像を削除または差し替えても正答率は変わりませんでした。
説明科学シミュレーションのための作用学習：軌跡観測から再利用可能な経路目的関数を得る
要約本論文は、軌跡の観測から確率的な作用（action）を復元する「作用学習」を研究しています。著者らは、扱いやすい参照過程を基準として、観測軌跡と参照軌跡の比較から残りの補正項を学習するLEAP手法を提案しています。これにより経路空間上で微分可能な目的関数が得られ、論文では確率的物理系、多体軌道力学、分子シミュレーションで基礎的な動力学を復元し、時間をまたぐ依存関係を捉えられると報告しています。
説明誰が誰に迎合しているのか？自信満々のLLM、人間の追従、そして信頼のキャリブレーションの崩壊
要約従来の迎合研究は、LLMがユーザーの望む答えに寄せるかを問うてきた。本研究はその逆を問い、モデルが自信を持ち、一貫していて、しかし誤っているとき、ユーザーがそれに寄り添うかを調べた。32人の参加者が同一モデル（GPT-5-mini）に基づく5つのアシスタントと対話して科学の話題を学び、各アシスタントの説明の0〜100%の事実が、もっともらしい誤りに置き換えられていた。結果として、テストの点数は10点満点中7.4から2.9に下がり、植え付けられた誤答は正答よりはるかに多く選ばれた。参加者は誤った知識を高い確信度で保持し、正誤に対する確信度の識別力はほぼ偶然水準まで落ちた。
注目点ユーザーが自信満々の誤ったLLMに従うかを逆向きに問い、32名の被験者実験で誤情報の吸収と信頼校正の崩壊を示した点が新しい。
説明良い解マスク戦略とは何か？拡散言語モデルにおける学習型アンマスク方策の制御実験
要約本論文は、マスク付き拡散言語モデルでどのトークンを確定するかを決める学習型アンマスク方策を検討する。教師ラベルの定義、方策が模倣する状態、方策が観測する入力、方策の負荷を相殺するために必要な関数評価回数（NFE）の削減量を個別に分析している。信頼度と隠れ状態を用い、参照軌道上に留まる確定のみを受け入れる軌道収縮目標で学習した方策は、LLaDA-8B-Instructで精度とNFEのフロンティアが最良となり、Dream-7B-Instructにもおおむね転用できると報告している。
説明テスト時回帰による系列圧縮の再考
要約本論文は、入力トークンを回帰問題とみなし、その閉形式解で求めた係数を圧縮表現とするTTR-Compressorを提案する。回帰問題は誤差逆伝播で端到端に学習される。ブロック単位のスパースアテンションではRULER性能が注意機構ベースの圧縮器を大きく上回り、マルチモーダル大規模言語モデルの視覚トークン統合では、標準のMLP統合器を一貫して上回り、視覚トークンを55.6%削減しつつ同等の性能を達成した。
説明論文解説：テキストグラフのソフトプロンプトにおけるトークン崩壊現象の分析
要約本論文は、グラフニューラルネットワークが生成するグラフ用ソフトトークンを用いる G-Retriever などの手法を分析し、異なる入力間でグラフトークンがほとんど区別できなくなる「トークン崩壊」を報告しています。グラフにアクセスしない固定プロンプトが、3つのベンチマークで G-Retriever と同等以上の性能を示したことから、崩壊したトークンは主に汎用ソフトプロンプトとして機能すると述べています。著者らは崩壊を避ける二段階の手法を提案し、タスク精度だけでなくグラフトークンの整合性を評価する方法を示しています。
注目点G-Retrieverのグラフトークン崩壊を発見し、介入とデコードプローブで分析。多ベンチマーク・多モデルで検証され、既存手法への実質的な問題提起となっている。
説明CellTrack-Bench：視覚言語モデル向け顕微鏡細胞追跡ベンチマーク
要約本論文は、視覚言語モデル（VLM）の細胞追跡性能を、専用の追跡アルゴリズムと比較して評価するベンチマーク「CellTrack-Bench」を提案しています。四種類の画像モダリティにまたがる15の標準的な細胞追跡データセットから、1,537問・9,041件の細胞連結判断を構成しています。さらに、異なるアルゴリズムの追跡器に共通して見られる失敗を基に、より高い推論を要する難しい部分集合を選び、9つの最先端クローズドソースモデルと13のオープンウェイトモデルを評価し、その失敗パターンを分析しています。
説明Squaring-the-Sphere：CubeAtlasによる歪みのないシームレスな360度パノラマ生成
要約本論文は、立方体の6面を一枚の紧凑なキャンバスに展開する新しい表現CubeAtlasに基づくパノラマ画像生成フレームワークSquaring-the-Sphereを提案しています。事前学習済みの拡散Transformerが、アーキテクチャを変えずに完全なパノラマを一度に共同でモデル化します。レイアウトを考慮した疎なアテンションマスクにより計算量を抑え、幾何学的忠実度、視点間の一貫性、高解像度の視覚品質が既存手法より向上したと報告されています。
説明人工知能・ビッグデータ・情報通信技術に関する広義のグリーン／レッド概念：多次元フレームワークと対策
要約本論文は、広義のグリーンAI（GGAI）とレッドAI（GRAI）の概念を提案し、ビッグデータ、情報通信技術（ICT）、電気電子工学などへ分類を拡張しています。環境・経済・社会・技術／運用の統一的な枠組みの下で、電力、炭素排出、水資源、電子廃棄物といった指標からリスクがAI・ビッグデータ・ICTの各層やサービスと利用の境界をどう伝播するかを分析しています。さらに、四層の対策分類を示しています。
説明いつ教師に従うべきか：アドバンテージに基づくオンポリシー蒸留（AOPD）
要約本論文は、オンライン方策蒸留（OPD）の新手法 AOPD を提案している。標準的な OPD は各状態で教師に従わせるが、AOPD は学生にとっての反事実的アドバンテージで教師の行動を重み付けし、学生の成功期待値を高める行動は強化し、そうでない行動は重みを下げる。学生の通常のロールアウトと終端報酬だけで目標を推定でき、追加のロールアウトは不要である。数学、コーディング、MedQA で蒸留および強化学習のベースラインを上回ったと報告されている。
説明剛体ペイロードの協調軌道輸送のための分散型二階層最適化
要約本論文は、多数の小型宇宙機からなる編隊で大型の非協力物体を軌道上輸送する問題を扱い、分散型の二階層最適化フレームワークを提案しています。問題を内側の凸推力配分と外側のペイロード・トルク軌道探索に分解し、厳密な勾配に基づいて解を求めます。著者らは、完全な収束を待たずに燃料効率の良い解を素早く得られることや、飛行中の故障からの閉ループ回復を含むモンテカルロシミュレーションによる検証を報告しています。
説明機械工学における人工知能：基礎・機会・課題・責任
要約本論文は第28回ABCM国際機械工学会議（COBEM 2025）での円卓会議に基づき、モデリング、シミュレーション、最適化、診断、設計などにおける人工知能の活用を総合的に論じています。科学的厳密性を損なわずに工学実務を高める方法を検討し、物理情報の統合、不確実性の定量化、検証と認証、エネルギーや教育、倫理上の課題にも触れています。結論として、人工知能は工学的判断に取って代わるのではなく補完すべきだとする原則を示しています。
説明困惑度を考慮したブラックボックス攻撃のための拡散言語モデル：学習済み言語分布でランダム写像を置き換え、より自然なプロンプトを生成する手法
要約ブラックボックスの大規模言語モデルに対する連続空間攻撃は、低次元のガウス潜在空間から、ランダム写像で文章へ変換してプロンプトを生成します。このため不自然なプロンプトになり、入力ガードレールに検出されやすく、リスク推定も自然なプロンプトに基づきません。本研究は、ランダム写像の代わりに連続拡散言語モデル（dLLM）を用いて潜在変数を文章へ復号する手法を示し、標準ガウス潜在空間と後続の采样・最適化の手順は維持しています。RareTrap（サンプリングによる推定）とThinkTrap（最適化による探索）の両方で、文字レベルの困惑度はそれぞれ10^3〜10^7から3〜5へ、20〜28から4.3〜5.4へ低下しました。また、二つの写像で得られるモデルのリスク推定値は桁違いに異なる場合があることも報告しています。
説明データガバナンスのための争議可能なエージェント：構造化・非構造化システムにおけるAI生成メタデータへの人間の管理記録
要約本論文は「争議可能なガバナンス」の枠組みを提案します。専門エージェントが争いのあるメタデータ判断について、スコア付きで出典を示した論拠を提示し、管理者はコミット前にそれを受理・却下・修正・追加できます。判断の根拠、介入、結果はガバナンス記録として保持されます。HVAC（空調設備）の2つの事例、Brickスキーマのクラスラベルによる測点分類と、保証の故障モードに関する例示的な判断を用いて説明しています。(Contestable Agents for Data Governance)
説明アルゴリズム安定性による継続学習の破滅的忘却の詳細分析
要約本論文は、新しいタスクの学習によって既習タスクの性能が低下する破滅的忘却を研究しています。特定のモデル構造を仮定せず、アルゴリズム安定性の枠組みでSGD下の期待忘却を、タスク内・タスク間の汎化ギャップと経験的忘却に分解して解析しています。三種類の学習率スケジュールの影響も検討し、Split CIFAR-100とSplit MiniImageNetで理論的知見を検証しています。
説明再学習なしでプライバシー監査を行うための、分布シフトを考慮したスコア輸送手法
要約本論文は、監査者がカナリアの挿入や学習データの制御、対象モデルの再学習を行えない観測型プライバシー監査を対象とします。利用可能な非メンバーデータが学習データと分布が異なるため、メンバーシップ推定スコアが歪む問題を扱います。分布外の非メンバーから表現とスコアの関係を学習し、対象の分布へ輸送するとともに、保守的な補正を加えます。分布シフトのある複数のデータセットで、ベースラインより安定したプライバシー推定と、より厳しい下限が得られることが示されています。
説明同じ運、異なる選択：エージェント型強化学習のための双子世界による信用割当
要約本論文は、エージェント型強化学習において個々の意思決定への信用を割り当てる問題を扱い、TWICE という手法を提案する。反事実の分岐が事実のエピソードのサンプリングノイズを引き継ぐことで、結果の差を単一の決定の効果により正確に帰属させる。七つの質問応答ベンチマークで、TWICE は Qwen2.5-3B と 7B において GRPO の平均完全一致スコアをそれぞれ 5.3 と 4.5 ポイント向上させ、VinePPO より補助トークンを 68% 少なく使用する。
注目点共有Gumbelノイズによる双子世界で反事実の分散を抑え、サンプル複雑性をΘ(Δ^-2)からΘ(Δ^-1)へ改善；7つのQAベンチマークで比較検証。
説明マルチロボット協調のための分散型ディスパーシブ・ツリー合意
要約本論文は、複数ロボットからなる非線形システムの協調を、リアルタイムかつ分散的に行うプランナーを提案しています。分散型の列生成により、各ロボットが共有空間の利用権を交渉し、結合最適解に段階的に近づきます。シミュレーションと6台のロボットによる実機実験で有効性が示されています。
注目点単一ロボット手法を分散型列生成の交渉に拡張し、近最適性の認証を与える。シミュレーションと6台の実機実験で裏付ける。
説明PYTHIA：欠陥と吸着サイトを同時に最適化する転移可能な機械学習フレームワーク
要約本論文は、基盤モデルと転移学習を用いて、研究の少ない新規材料にも機械学習を適用するPYTHIAフレームワークを提案しています。化学的に類似した分子の大規模データセットで学習した複雑な基盤モデルを凍結し、Transformer層による部分空間整列とガウス過程による不確かさ定量化を加えることで、少量のデータでも学習できるとしています。得られたモデルはベイズ最適化の代理モデルとして使われ、二つの異なる系の吸着と欠陥の最適化に適用されました。著者らは、複雑な系でも最適な吸着サイトを効率よく特定できたと述べています。
説明LACToS：スーパーピクセルの条件付き典型性に基づく局所異常検出手法
要約本論文は、正常画像内で空間的に限定された異常または分布外領域を特定するLACToSという手法を提案しています。既存手法は産業用欠陥検出向けに設計されたものが多く、正常データが多峰性を持つ場合に性能が大きく低下することが指摘されています。LACToSは統計的典型性に基づき、画素をスーパーピクセルにまとめ、計算効率の良い代理指標で典型性を推定します。医用画像、顔画像、X線セキュリティ検査の3つの応用で、既存手法より頑健な結果が示されています。
説明標準ベンチマークにおける最新大規模言語モデルによるナレッジグラフからテキストへの生成に関する実証研究
要約本論文は、最新の大規模言語モデル（LLM）と、微調整されたエンコーダ・デコーダモデルを、ナレッジグラフからテキストを生成するタスクで比較した研究です。参照テキストに基づく指標と、人手の注釈で検証されたグラフに基づく参照不要のLLM評価を併用しています。LLMは参照ベースの指標で微調整モデルとの差を大きく縮め、いくつかの設定では差がほぼなくなり、グラフに基づく指標では優れた結果を示しました。
説明Diona：許容集合に基づく直接推論の回帰手法
要約本論文は、長時間の大域的学習を行わず、サンプルから直接、問い合わせ点における状態とその導関数、および許容される上下限を推定する回帰手法 Diona を提案している。問い合わせ点と近傍サンプルの値と導関数を制約付き最適化問題の潜在変数として扱い、無ノイズの場合について有限標本でのカバレッジと収束性の理論的性質を示している。六つの三〜八次元関数に対する非線形回帰ベンチマークでは、無ノイズかつデータが密な場合にガウス過程（GP）より高精度であり、四つの関数では95%を超える問い合わせ点で区間が真値を含んだ。データ更新後の最初の予測までの時間は GP より数桁短いが、これは予測を都度行う方式によるもので、データ更新の間の予測回数が少ない場合にのみ有利である。
説明並列勾配ブースティングによる自己回帰型ノンパラメトリック確率分布推定
要約本論文は、条件付き分布推定量を用いて同時確率分布を自己回帰的に因数分解し、高次元の同時分布を推定する手法を研究している。損失関数が劣加法性を満たす場合、自己回帰推定量の収束速度は条件付き推定量の収束速度から導けることを示している。条件集合が疎な場合は無向依存グラフ上の変数消去によって難しさを特徴づけ、並列勾配ブースティングを用いた推定量が複数の模擬データと実データで競争力のある性能を示したと報告している。
説明拡散モデルによる完全な3次元双パラメトリック前立腺MRIの合成
要約本論文は、解剖学的マスクから完全な前立腺双パラメトリックMRI（bpMRI）を合成する条件付き3次元拡散フレームワークを提案する。T2強調像と拡散画像を別々に学習したモデルで生成する逐次合成と、単一モデルで全モダリティを同時に生成する同時合成の両方に対応する。PI-CAI、FastMRI Prostate、PROSTATExのデータセットを用いて5種類の構成を学習し、両合成経路の実現可能性が示された。ADCおよび計算された高b値DWIは、合成拡散強調画像から導出するより直接合成する方が良好であった。
説明因果マスクを超えて：適応型系列モデルに潜む未来トークン漏えいの監査と特定
要約本論文は、自己回帰モデルに潜む問題を検討しています。因果的アテンションマスクが正しくても、系列全体の要約がルーティング経路を通じて接頭辞の位置から未来のトークンを参照してしまう現象です。異常な24層チェックポイントは検証損失を基準モデルの3.5958から1.4259へ下げましたが、接頭辞不変性の監査に不合格で、生成時の参照モデルの困惑度も大きく高くなりました。原因は動的ルーティングのクエリ経路に広がる全系列要約と特定され、独立に学習した2つの12層の因果的修正版で漏えいは解消し、損失と困惑度は対照群の水準に戻りました。
説明Jev-DLC：型付きフィードバックからの意思決定レベル継続学習
要約本論文は、展開後にユーザーが決定を受け入れたり取り消したりして与える型付きフィードバックが、後続のリクエストでどのように持続するかを研究しています。各修正を、繰り返し現れる行動の証拠であると同時に、好まれた選択と拒否された選択の間の有向関係として扱います。手法は凍結されたスコアラーの上の有界チャネルにこれらの信号を保持し、生の対話履歴は保存せず、スコアラーの追加呼び出しも行いません。また、修正の効果を後の決定を通じてのみ評価する時系列ベンチマークTCPA-Benchを提案しています。
説明比喩の幾何学：大規模言語モデルにおける比喩表現の探査と制御
要約本論文は機械的解釈可能性の手法を用い、異なるアーキテクチャと規模の大規模言語モデルにおいて、比喩に関わる因果的部分空間を特定しています。これらの部分空間を操作することで、品詞の異なる分類タスクの出力を変えられること、また生成タスクでは出力の比喩性を制御できることを示しています。
説明プロンプトルールからゴールデンデータモデルへ：個別化・コンプライアンス準拠の医薬品クレームを大規模生成
要約本論文は、規制の厳しい製薬業界で、コンプライアンスと対象者向けの個別化の情報をプロンプトのルールから検索時の構造化コンテキストへ移すことが、医薬品クレームの生成を改善するかを検証した本番環境の事例研究です。社内ツール Composer と、4製品にわたる1,867件のクレームからなるゴールデンデータモデル（GDM）を用いています。意図した適応症、コンテンツタイプ、対象者、6C品質スコア、クレームの再利用などの指標向上と、週次API費用29.5%削減という運用期間中の観察結果を報告しています。
説明タスクを守りつつ自然に話すユーザーシミュレーター
要約本論文は、複雑なタスク上の意図に忠実でありながら自然な会話行動を示すユーザーシミュレーターを、強化学習で訓練する手法を提案しています。自然さは、シミュレーターと交互に敵対的に学習させる軽量な判別器によって評価されます。著者らは、有効な模擬会話の割合が46.2%に達したモデル UserLM-2.0 を公開しており、従来最強のユーザーシミュレーターの14.1%を上回っています。
説明DuoCook：『Overcooked』に着想を得た視覚的計画と協調のベンチマーク
要約本論文は、『Overcooked』に着想を得たベンチマークを提案し、二人協力の調理タスクにおける視覚・言語エージェントの協調能力を評価します。Unreal Engine 環境で構築された 20 のマップを用い、単一の視覚・言語モデルが俯瞰画像をもとに両プレイヤーを操作します。四つのモデルを比較し、最も優れたモデルの平均注文完了率などを報告するとともに、共有メモ機能が得点に与える影響を検証しています。
説明Piano2Pop：対応付けデータなしでピアノデモをポップ編曲へ拡張
要約本論文はピアノMIDIを器楽ポップ編曲に変換するPiano2Popタスクを提案する。事前学習済みのフローマッチングモデルをピアノロールで条件付けし、ピアノとポップの対応データを使わずに学習する。476組の実世界のピアノカバーとポップの対で評価した結果、対応データで監督したモデルがFréchet Audio Distanceなどで最良の成績を示し、微調整したすべてのシステムはゼロショットのベースラインを大きく上回った。
説明FairFRESH：家庭向けに公平で説明可能な食品推薦のニューロシンボリック枠組み
要約本論文は家庭内の食品推薦を、限られた食材を成員が分け合い、異なる食事ルールに従う制約付き公平分配問題として定式化しています。FairFRESHは各成員の効用を学習し、明示的な福利目標のもとで食品を割り当て、決定的フィルターで食事ルールを適用し、ShapleyおよびBanzhafの値で推薦理由を説明します。NHANESに基づくデータでは、Recall@20が0.293で、学習型推薦器5種を上回りましたが、前日の繰り返しヒューリスティック（0.321）には及びませんでした。4人家庭での評価では、Nash配分により従来の衝突解決法に比べジニ格差が42%減少し、推薦はすべて符号化された食事ルールを満たしました。
説明海馬セグメンテーションにおける不確実性を考慮した複数ソフトウェアのアンサンブル評価
要約本研究は、5種類の異なる海馬自動セグメンテーション手法（InnerEye、ASHS、FastSurfer、HippoSeg、FreeSurfer）によるアンサンブルを、2つの認知症データセットと1つのてんかんデータセットで評価したものです。InnerEye、FastSurfer、HippoSeg からなるサブアンサンブルが、精度と効率の両面で優れていました。また、サンプル分散、相互情報量、予測エントロピーによるアンサンブルの不確実性は、信頼度の低い症例を示すことで不正確なセグメンテーションを減らし、専門家による確認が必要な症例の特定に役立つことが示されました。さらに、不確実性は動きのアーチファクトの重症度と有意な相関があり、アルツハイマー病の分類にもわずかに寄与しました。
説明超音速・極超音速流中の薄板を対象とした構造保存型低次元化モデル
要約本論文は、AePW-4 高速作業部会の二つの課題（マッハ 1.92 の RC-19 固定薄板とマッハ 5.85 の HyMAX 片持ち板）に対し、構造を保存する低次元化モデルを構築する。モデルは Ritz-Galerkin 参照モデルと学習モデルからなり、学習モデルは参照モデルの厳密なポテンシャルを保持し、エネルギーを増加させない減衰項のみを学習する。RC-19 では衝撃波関係式および感圧塗料測定と一致する圧力比 1.521 が報告され、平均主周波数は実測の 236 Hz と 1.0% 以内で一致した。
注目点エネルギー保存構造を持つ学習型低次元モデルを提案し、衝撃波理論・PSP計測・既存モデルと比較して検証しており、根拠は比較的充実している。
説明SABLE：スケーラブルなアフィン・ベイズ潜在空間探索手法
要約本論文は、高次元の潜在空間を対象とするベイズ最適化手法SABLEを提案しています。評価コストが高く予算が限られる、工学設計やタンパク質の最適化などを想定しています。ベイズ的アフィン代理モデルを用い、各クエリを探索範囲内の成分と、スカラーノルムで制御される範囲外の成分に分解し、後者は有限期間のスケジュールで設定します。合成ベンチマークと潜在空間最適化タスクで、高いサンプル効率と大きな予算での決定時間の短縮を示したとしています。
説明AgentVQA：エージェント型視覚理解のための統一ベンチマーク
要約本論文は、視覚言語モデルをエージェント的場面で評価するオフラインベンチマーク「AgentVQA」を提案します。Web、ロボット、一人称視点動画、ゲーム、空間計画の5つの領域を対象に、23のデータセットから人手で選んだ1000件の実世界事例を用いています。22モデルの評価では最高精度が58.5%にとどまり、誤りの主因は現在および変化する視覚状態の把握と保持の失敗でした。
説明DirCast：単一のストリーミング映像言語モデルによるeスポーツのライブ演出と実況
要約本論文はDirCastを提案します。これは、過去の映像のみに基づき、どのカメラを放送に出すかをリアルタイムで決めながら同時に実況するストリーミング映像言語モデルです。全カメラを低解像度で走査し、切り替えるかどうかを判断して、発話前に選んだカメラを高解像度で読み取ります。Dota 2の職業試合27試合のデータセットで評価され、規則ベースやGPT-5を含むゼロショットの演出より良い結果を示し、実況はGPT-4oとの比較で29.2%の勝率を得ました。
説明コヒーレント順モデリングによる自己教師ありマルチビームソナー画像復元
要約本論文は、マルチビーム画像ソナーの画像に含まれるコヒーレントスペックルとシステム由来のぼけを、同時に抑制・補正する手法を提案しています。クリーンな正解画像を使わず、確率的コヒーレント画像形成モデルに基づく前向きモデルと、位置合わせ済みの複数フレームのソナー系列で学習します。2つの実データセットでの実験では、代表的な比較手法と比べ、前向き予測の一致性、均一領域のスペックル抑制、構造境界の保持のバランスが良好だと報告されています。
説明転移可能なツール選択のための小型言語モデルの訓練
要約LLMエージェントが1万種類を超えるツールから選ぶ必要が生じ、複雑な多段階の指示に適したツールの選択が課題になっています。本論文は、商用LLMに頼って検索器を動かす代わりに、強化学習で小型のオープンモデルを訓練し同じ機能を果たす手法を示しています。ToolBenchでは、本手法で後訓練したQwen3-8BがLlama-4-Maverick（402B）を上回りました。さらに、訓練したモデルは異なる検索器にそのまま転移でき、別分野の新しいツール群にも汎化します。
説明Apple Silicon における LLM 推論最適化手法の適用性の評価
要約本論文は、Apple Silicon でローカルに大規模言語モデルを動かす場面を対象に、KV キャッシュ剪定、投機的デコーディング、移植された GPU カーネル、学習後量子化の四種類の推論最適化を検証しています。実験は四台の Apple 機器で単一リクエストのデコードを基準に行い、可能な場合は RTX 4090 と比較しています。KV キャッシュ剪定は Apple 上で最大 1.75 倍のスループットを得られる一方、デスクトップ版 NVIDIA GPU では低下させることがあります。試験したすべての投機的デコーディング手法は Apple 上でスループットを下げ、量子化の効果は機器によって異なると報告されています。
注目点四種の最適化手法をApple Siliconで体系的に評価し、効果がハードウェアと負荷に依存することを示す。複数機種とRTX 4090との比較で根拠は十分である。
説明MoG-VLM：動き誘導型視覚言語モデルによる効率的な映像異常検知
要約本論文は、動き情報を軽量な制御信号として用い、視覚言語モデル（VLM）の推論をいつ実行するかを決めるMoG-VLMフレームワークを提案しています。時間勾配の大きさ（TGM）による内容認識型サンプリングと、異常の可能性が高いフレーム周辺でのみ密な推論を行う階層的二重ストリーム設計により、計算量を抑えます。四つのベンチマークのうち三つで、ゼロショット・学習不要の設定における最高水準を報告しており、XD-Violenceでは1.31倍の推論高速化を達成したとしています。
説明監視されることを学ぶ：思考連鎖の監視可能性に関する因果的境界と介入認識型の事後学習手法
要約本論文は、大規模言語モデルの思考連鎖（CoT）から潜在的な有害行動を検出する方法を研究しています。著者らは、既存の指標TPR_mcが、介入によって実際に引き起こされた行動をモニターが検出する割合を過大評価しうることを示し、補完的な下界を導出して、より厳密な評価枠組みを提案しています。さらに、対になった統制・介入タスクの訓練データを構築し、三つの介入特化型訓練手法を用いて、多くのモデルとモニターの組み合わせで監視可能性が向上したと報告しています。
説明正しい瞬間を選んで問う：学習不要の映像-言語モデル向け物体同一性推論
要約映像-言語モデルは単一フレーム内の物体を認識できても、時間をまたいで同じ物体を区別し続けることが苦手で、実際のカップ入れ替え映像ではほぼ偶然水準にとどまると報告されています。本論文は学習を必要としない手法「Track, Then Bind」を提案し、プロンプト可能な映像トラッカーで各候補物体に軌跡番号を付け、凍結した視覚言語モデルが識別の手がかりに基づいて対象を軌跡に結び付け、その後は追跡状態から答えを導きます。VET-Bench、Perception Test、TOC-Bench で高い正答率が示されています。
注目点学習不要で「追跡してから結び付ける」手法を提案し、意味的同一性の結合と時間的維持を分離。複数ベンチマークで既存モデルを大きく上回り、証拠も十分。
説明検証器の下限を測る：珍しい単語の音声合成誤りのうち、どれだけが音声認識の誤りか
要約音声合成は通常、出力を自動音声認識システムで文字起こしして評価するため、単語誤り率には認識器の誤りも含まれます。著者らは、テスト文の人間の録音を使ってこれらの誤りを測定しました。LibriSpeech と FLEURS では、評価用の認識器が人間の音声でも非常に珍しい単語の 33%〜67% を取りこぼし、3 種類の認識器全体では 22%〜42% を取りこぼしました。さらに 2 系統の認識器で各単語を確認すると、少なくとも 1 つの認識器が聞き取れた単語では見かけの合成誤りが大幅に減りましたが、非常に珍しい単語は依然として最も難しいままでした。
説明構造化記録から患者向けの説明文へ：LLMが生成する健康要約で臨床的整合性を保つ研究
要約本論文は、ウェアラブル機器が生成する月経健康の構造化データを、患者が理解しやすい文章に変換する際の大規模言語モデル（LLM）の利用を検討しています。構造化された根拠の条件付けと検索拡張生成（RAG）を組み合わせ、3つのモデルで作成した4,500件の要約を、自然言語推論、原子的事実性、可読性の指標で評価しています。明示的な根拠制約は臨床的整合性を高め、特に不確実性の保持に効果がある一方、読みにくさや医療用語の増加も伴うと報告されています。
説明AnyGameRenderer：ゲーム横断で実体の一貫性を保つ生成的レンダリングと実体レベルのベンチマーク
要約AIコーディングエージェントが作る簡易ゲームの映像は、灰色のブロックや単純な図形のような粗い見た目になりがちです。本論文は、そうした映像をキャラクターや特殊効果を備えた高品質な映像に変換する動画-動画生成レンダラー「AnyGameRenderer」を提案します。レイアウト、カメラ、各実体の位置と時間を保持します。MiniMax-H3 ref2va モデルをLoRAで微調整し、実体レベルのベンチマーク（59件、753実体）で評価しています。ベースモデルと比べ、時間的一致率は50.9%から62.9%に、見逃された数の変化は34.7%から21.3%に改善されたと報告されています。
説明RheOPT：ニュートン流体での事前学習による少数サンプル非ニュートン流れ予測モデル
要約本論文は、計算コストの低いニュートン流体のシミュレーションで事前学習し、少数の非ニュートン流体サンプルで微調整するTransformerベースのニューラル演算子RheOPTを提案します。4:1の収縮流路と三角形障害物後流の2つの幾何条件で評価されています。少数サンプルの設定でも予測精度が向上し、後流での渦放出の周波数と振幅も再現できたと報告されています。
説明コーディングエージェントのための適応的スキル粒度：実行時ルーティングとマクロからミクロへの回復
要約本論文は、タスク構造・実行状態・マクロスキルの失敗に基づいてスキルの粒度を選ぶ「適応的スキル粒度」フレームワークを提案しています。特徴量ベースの粒度コントローラと有限状態の回復実行器を組み合わせています。固定したマクロ実行は適用可能な場合は効率的だが、不一致時には脆弱であり、実行時ルーティングと明示的な回復により頑健性が向上することを示しています。
説明どれだけ違うのか、それともどのように違うのか？——代替的見解に触れさせる対話システムにおける視点選択と立場の粒度
要約本論文は、利用者が自分と異なる見解に触れられるよう支援する対話システムが、見解同士の隔たりをどの程度にすべきかを検討しています。多腕バンディットで利用者との最大距離を設定し、その範囲内で最も新奇な見解を選ぶ方策を提案し、単一のスコアによる立場表現と、概念ごとに立場を分けるPerspectivized Stance Vectorsを比較しています。被験者間実験（N=63）では、概念レベルの立場によって接触する見解の系列がより多様になり話題の立場の網羅性も高まりましたが、利用者の論証の深さや見解の再現精度には差が見られませんでした。さらに、一方が立場を取らなかった概念で利用者が見解を最も正確に再現できないことが分かりました。
説明MixPT：ウィンドウ注意と全体注意を交互に配置した点群Transformer
要約本論文は、窓（ウィンドウ）注意と全体（グローバル）注意のブロックを交互に配置する点群Transformer「MixPT」を提案し、計算コストとシーン全体での情報交換のバランスを取ることを目指しています。標記数が多いシーンでは、空間的にプーリングした標記に全体注意を適用し、その残差更新を元の解像度の流れに返します。著者らは、屋内・屋外のベンチマークで代表的な窓注意・全体注意ベースラインと同等の精度を、より低い遅延で達成したと報告しています。また、交互パターンを繰り返すことで注意段階を深さ方向に拡張できる可能性も示しています。
説明記憶はどこまで信頼して行動してよいか？長期稼働エージェントのための行動条件付き検証
要約長期間稼働するエージェントが、セッションをまたいで保持する記憶に基づいて不可逆な行動を取る前に、その記憶をどこまで再検証すべきかを扱った論文です。著者は、実行リスク・見送り・検証コストのバランスを取る逐次停止問題として定式化し、情報価値（VOI）に基づいて再確認する前提を選ぶ検証ゲート AMV-Guard を提案しています。ToolSandbox では、静的ポリシーと比べて平均検証コストが下がり、Proceed の対象範囲が広がったと報告しています。
説明ConsMSA：マルチモーダル感情分析のための意味分布一貫性学習
要約本論文はテキスト、映像、音声を統合して感情を予測するマルチモーダル感情分析（MSA）の手法 ConsMSA を提案します。入力系列にはモダリティ内外で冗長性や矛盾が生じやすいため、本手法は意味分布の一貫性を明示的にモデル化し、モダリティ内外一貫性スコアを用いて学習時の正則化、トークンの重み付け、冗長トークンの削除に活用します。CMU-MOSI、CMU-MOSEI、CH-SIMS で最先端の性能を示し、トークンを10%のみ残しても同程度の精度を保つと報告されています。
説明多トークン予測と代替トークン化による、大規模な潜在多段グラフ探索の学習改善
要約本論文は、未知のグラフで始点から終点までの最短経路を言語モデルが生成できるかを検討しています。従来研究ではグラフの規模が大きくなると学習に失敗することが報告されており、著者らは原因を教師信号とトークン化の二つと特定しました。多トークン予測（MTP）と代替トークン化を提案し、両者は独立して効果を持つと示しています。これにより、従来の限界を超える規模でも安定して課題を学習できたとしています。
説明DIAL：指示遵守レベルを蒸留して制御可能にした言語モデル
要約本論文は、テキストで指定された一般的な指示への大規模言語モデルの従い度合いを、数値で細かく調整する方法を研究しています。提案手法DIAL（Distilled Instruction-Adherence Levels）は、分類器不要ガイダンスと蒸留、軽量なステアリングアダプタ、テキスト条件付き分類器を組み合わせ、細かな制御・効率・拡張性を同時に実現します。さらに98,625件の指示からなるデータセットSteerIFを公開し、複数のモデル系列で概念表現と応答の流暢さの競合的なバランスが得られたと報告しています。
説明保守的メタエージェント探索：非定常環境におけるアーキテクチャ適応
要約本論文は、動的環境でのエージェントシステムの自動設計を扱い、影付きリプレイで新旧アーキテクチャを比較する保守的メタエージェント探索（CMAS）を提案します。分散を考慮した閾値を超えた場合のみ既存構成を置き換え、模擬カナリア段階と事前規定のロールバックを備えます。著者らはMetaInvest-Benchを構築し、96の系列で後悔と効用の改善を報告するとともに、誤昇格率やコストの結果も示しています。
説明ドリフトが時期を、予算が頻度を決める：長文マルチモーダル生成のためのレート制御KV再選択
要約マルチモーダルLLMのKVキャッシュ圧縮は、通常は事前充填時に視覚トークンを一度だけ選び、生成全体で再利用します。本論文は、この一回限りの選択が長文生成では大きく制限されることを示し、注意のドリフトによって再選択の時期と場所を決め、サンプルごとの制御器で頻度を調整するRate-Controlled Refresh（RCR）を提案しています。複数のモデルとタスクでInfiniGenを上回ったと報告されています。
説明スケーラブルな時期横断型屋内ナビゲーションのための疎なトポメトリックグラフ
要約本論文は、ノードと距離重み付きエッジからなる疎なトポメトリックグラフで屋内の通行構造を表す手法を提案しています。学習済みのグラフマッチングネットワークにより、異なるセッション間で部分グラフを対応付けます。跨セッションの点ゴールナビゲーションで評価され、Gibsonで成功率77.1%、3D-FRONTのシーン変化下で40.0%を報告し、メモリは点ベース表現より2桁以上少ないとしています。
説明リッジ可分モデルにおける無調整ランジュバン法の次元非依存領域：部分空間ロバスト Wasserstein 解析
要約本論文は、高次元ベイズ推論で広く使われる無調整ランジュバン法（ULA）のバイアスを分析します。従来の Wasserstein-2 距離ではなく、平均と任意の低次元周辺分布を制御する部分空間ロバスト Wasserstein 距離を用いています。独立同分布のデータから作られるリッジ可分ポテンシャルについて、データ数 N と次元 d の関係で混合の挙動が釣鐘型になることを高確率の上界で示しています。過パラメータ化の場合は有効次元がデータ依存の摂動のランク N となり、大標本の場合はガウス摂動の評価により十分大きな N で次元非依存の計算量が得られます。一方、N が d に比例する領域付近では、一般に次元非依存の保証が不可能であることを証明しています。
注目点部分空間ロバストなWasserstein解析を導入し、リッジ分離可能ポテンシャル下のULAに次元非依存の境界を与え、比例領域では不可能性も示す。
説明PhysTrace：動画生成モデルにおける物理的一貫性の解釈可能な時系列評価
要約本論文は、学習を必要としない PhysTrace という枠組みを提案します。これは、マルチモーダル大規模言語モデルが過去の映像を条件に生成した物理的な予測と、実際の映像区間を照合し、物理法則の違反が起きた時間帯を特定して解釈可能な説明を与えます。また、IntPhys2 に違反区間を加えた IntPhys2-Timing を構築しました。各物理原理での命中率は最大 70.7% に達し、IntPhys2 の可能・不可能判別の全体精度でも比較手法を上回りました。
説明予測可能な性能は最適ではない：モデルルーティングへの意味
要約大規模言語モデルは能力とコストが異なるため、クエリごとに適応的にモデルを選ぶルーティング手法が提案されています。これらの手法は、モデルが正答するかを予測する性能予測に依存します。本研究は、予測器がモデルの自己信頼度を上回るのは、候補モデルがそのタスクで最適でない場合、または予測器が候補モデルに比べて大きな容量を追加している場合に限られることを示します。16 のモデルと 4 つのベンチマークによる実験では、モデルが不十分なほど予測器の優位が大きく、微調整により優位は縮小しました。カスケード型ルーティングでも同じ傾向が見られます。
説明FocusVLA：将来の意図に基づく動的視点ルーティング型の視覚・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）モデルに対し、FocusVLAという段階認識型の多視点ルーティング手法を提案している。過去の行動から将来の相互作用意図を予測し、行動生成時に全体視点と局所視点を動的に切り替える。RoboTwin 2.0では最強のベースラインπ0.5より平均成功率が10.10ポイント向上したと報告されている。意図予測と動的ルーティングのモジュールは、既存のVLAフレームワークのコア構造を変えずに組み込めるとされる。
説明意思決定モデルはベトナム語にどの程度移行できるか？テキスト分類の実証研究
要約本研究は、四つの専門的な意思決定モデルについて、ベトナム語のゼロショットテキスト分類における性能を、六つのタスク群にわたる13の分類設定で評価しています。英語、ベトナム語、バイリンガルのラベル記述の影響や、略語表記、誤字、声調記号の除去といった言語的変化に対する頑健性を検証しています。英語のラベル記述の下ではJEVが全体で最も高い性能を示し、声調記号の除去による性能低下が最も大きいと報告されています。
説明深さの成長とループが言語モデルの文脈内学習をどう形作るか
要約本論文は、深さの成長やループによって計算を層間で再利用する言語モデルが、文脈内学習（ICL）の獲得・保持・仕組みにどう影響するかを調べたものです。実験は最大30億パラメータの事前学習済みモデルと統制されたタスクで行われました。その結果、これらのモデルは文脈内の情報により依存し、全深度の稠密な参照モデルより早くICLを獲得し、重みに固定の対応関係を学習できる場合も保持が強いことが示されています。さらに、深さの成長により初期の誘導ヘッドが層をまたいで伝播し、両モデルは少数ショット性能や後続トークン予測で誘導スコアの高いヘッドにより強く依存することが報告されています。
説明ニューラルネットワークの解釈性向上のための事後型特徴選択層
要約本論文は、特徴選択層（FSL）を学習後に特徴量の重みを最適化する事後型に改良し、凍結済みの事前学習モデルに後付けできる軽量モジュールとして提案しています。表形式データで、元のモデルが重要視する特徴を示すことを目的とします。元のモデルの構造やパラメータは変更せず、正解率、F1、t-SNE、シルエット係数などで評価されています。実験では、元の予測性能を保ちつつ関連特徴を特定できたと報告されています。
説明Muonオプティマイザはいつ、どのように前処理するのか：構造化された勾配ノイズの役割
要約本論文は、大規模言語モデルの学習で使われるMuonオプティマイザの効果を研究しています。等方的ノイズの仮定の下では、Muonは学習率の再スケーリング以上の加速をもたらさないことを示しています。次に、タスク頻度が不均一な連想記憶モデルにおけるミニバッチサンプリング由来の構造化ノイズを分析し、Muonがタスク頻度への依存を線形から平方根へ弱めると述べています。
説明SyRA-CS：メタ学習を用いた合成音声から実音声への適応によるコードスイッチ音声認識
要約本論文は、言語を混ぜて話すコードスイッチ音声の実データが少ない問題を扱います。Reptileメタ学習に基づくSyRA-CSを提案し、合成CS-FLEURSデータでメタ学習したあと、1時間分のラベル付き実音声で適応させます。アラビア語、フランス語、ドイツ語、ヒンディー語と英語の組み合わせによる実験では、16の比較のすべてでWERが継続的ファインチューニングを上回りました。
説明『大幅修正、軽い説明責任』：トップ誌掲載論文を査読するLLM
要約本研究は、Nature、Science、Cellなど20誌に2026年に掲載された200本の論文を対象に、4つのLLMが独立した査読報告書を作成した結果を報告しています。800件の査読のうち75.6%が大幅修正または不採択を推奨し、モデルごとの割合は17.5%から100%まで大きくばらつきました。意図的に方法論または統計上の欠陥を埋め込んだ場合、検出率は17.0%から60.5%の範囲でした。著者らは、このような出力は不均一でフレーミングやモデルに依存する信号として読むべきだと結論づけています。
説明SQuAT：球面格子ベクトル量子化を考慮した学習手法
要約大規模言語モデルの低ビット量化における、量子化を考慮した学習（VQ-QAT）を扱う論文です。重みを方向と大きさに分解し、方向は E8 格子から導いた球面コードブックで、大きさは低ビットのスカラー量子化器で別々に量子化し、それぞれに直通推定器を用いる SQuAT を提案しています。分散型の厳密な最近傍割り当て法により学習時間を 12.8 倍短縮し、100 億トークンまで拡張しました。同じ量子化器と初期化の条件で、標準的な VQ-QAT の直通推定器より高い精度を示し、VQ-QAT で最高水準の精度を達成したと報告しています。
説明同一実体、異なる文字：言語モデルにおける文字体系をまたぐ実体照合の失敗の診断
要約多言語言語モデルは、同じ人名がデーヴァナーガリー文字とラテン文字で書かれた場合に異なる同一性判断を示すことがあります。本研究では、監査済みの601組の同一性ペアを用いて検証しました。Qwen2.5-7Bのマラーティー語プロンプトでの同一人物の正答率は、ラテン文字の35.1%からデーヴァナーガリー文字の8.5%に低下した一方、別人物の正答率は98%を上回りました。マラヤーラム語の374組でも同様の効果が確認され、中間層の第二実体が因果的に敏感であることが示されました。
説明HERD：継続学習のための「ハーネス進化型再帰蒸留」手法
要約本論文はHERDという枠組みを提案し、継続学習を二つの面から扱います。一つはコンテキスト内でスキルを繰り返し改良し、スキルで捉えきれない残差の大きい例を限られたメモリに保持すること、もう一つは二重アンカーによるドリフト制約付き蒸留で経験をパラメータに内在化することです。論文によると、TRACE+17の25段階タスク列で、同じメモリと計算予算の下、新タスク習得は最強のパラメトリック基準と同等で、忘却が最も少なく、汎用能力の保持が最も優れていました。
