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ActionRAG：LLMエージェントの長期記憶のための証拠精緻化グラフ拡散手法
要約本論文は、LLMエージェントの長期記憶のためのグラフ記憶アーキテクチャであるActionRAGを提案し、クエリ時にグラフ構造に基づいて三つ組の証拠スコアを再評価・精緻化する手法を示しています。MemoryAgentBench（MAB）で評価され、確定的採点の8列における平均精度は55.1で、最も強力な検索ベースの記憶ベースラインを上回ったと報告されています。
説明ハイブリッド深層生成モデルの同定可能性：解決策としてのメタ学習
要約本論文は、物理ベースの数式とニューラル生成モデルを組み合わせたハイブリッド深層生成モデル（hybrid-DGM）の同定可能性を、理論的に初めて検討したものです。著者らは、理論的に同定可能なハイブリッドモデルを構築する手法としてメタ学習を提案しています。合成データと実データのベンチマークでは、無条件事前分布を用いた既存のハイブリッドモデルは同定可能ではなく、提案するメタ学習の定式化は強い同定可能性を示すと報告されています。
説明AWARE：ロボットの動力学予測と自己診断のための適応型世界モデル枠組み（異常認識）
要約本論文は、外部カメラによる監視のみで、世界モデルを用いてシステムの動力学を推定し状態を予測することで異常を検出する AWARE 枠組みを提案している。240 件の実環境ロボットクレーン軌道（荷物衝突とモーター劣化を含む）で評価された。ノイズの多いカメラのみの状態推定条件下で、最も強いベースラインに比べ異常分類が 26% 向上したと報告されている。また、推定された動力学パラメータを復号して故障源を特定でき、劣化したモーターを 88% の精度で特定できたとしている。
説明時変移動コストを伴う強適応オンライン学習：任意の区間で学習者の性能を評価するオンライン凸最適化の手法と、その理論的な誤差上界を扱う論文です。
要約本論文は、時変の移動コストを伴うオンライン凸最適化（OCO）において、任意の部分区間で評価される強適応的後悔（strongly adaptive regret）を研究します。著者らは、データに依存する後悔の上界を達成する新しいアルゴリズムを提案し、それを移動コストを伴うスリーピング専門家（sleeping experts）問題への帰着によって実現しています。さらに、遅延フィードバックおよび時変メモリを持つOCOへの拡張も示されています。
説明AIエージェントで専門家の地図作成を再現し、災害リスク地図を自動生成するシステム（Agentic Hazard Mapper）
要約本論文は、複数のAIエージェントからなるシステム「Agentic Hazard Mapper」を提案している。専門家の制図工程を模倣し、データや地域、災害の種類に応じて設計を調整しながら、災害地図を自動作成する。地図専門家と防災実務者を対象にしたユーザー調査とインタビューの結果、生成された地図は空間理解と避難計画の成績を向上させ、作業負荷と作業時間を減らし、全体として自治体の地図より好まれた。
説明冠動脈X線造影における狭窄検出のためのクロスアーキテクチャ特徴融合
要約本論文は、YOLOv11-Lの検出器と事前学習済みUNet++の血管認識特徴を、チャネルアテンションゲーティングモジュールで融合するハイブリッド手法Fusion-YOLOv11-Lを提案しています。再ラベル付けしたARCADE*データセットでは、AP@50は0.585、F1スコアは0.596で、YOLOv11-Lより高い性能を示しました。OxAMI研究のデータセットを用いた別ドメインでの評価では領域シフトによる性能低下が見られ、テスト時増強によりAP@50が0.434から0.480に改善しました。
説明対照学習における内部不一致：汎化境界と下流タスクでの挙動
要約本論文は、正例サンプルの平均表現と潜在クラスタ中心との差を測る「内部不一致（internal discrepancy）」という指標を提案しています。追加の仮定を必要とせずに、対照学習後の下流の教師ありタスクに対する汎化境界を示しています。さらに、内部不一致を減らす近似手法として緩和 k-means 損失を導入し、クラス不均衡の場合に対照学習が不均衡学習を助ける理由を検討しています。
説明CityLift：単一画像から構成的に3D都市を生成する手法
要約本論文は、一枚の都市画像から、空間関係を保ったテクスチャ付きの個別建物メッシュを生成するフレームワーク CityLift を提案しています。まず場面と個々の建物のストリームを組み合わせ、建物の形状と配置を共通座標系で粗く学習します。次に生成的空間継承によって局所ボリュームへ写像し、フローモデルで細部構造を生成します。合成場面4,997件からなるデータセット CityLift-5K を構築し、既存データセットでの実験で建物の幾何と場面構成の改善を示しています。
説明PlayerEmbed：生の入力列から行動フィンガープリント表現を学習する手法
要約本論文は、深層距離学習を用いて、ゲームの生の入力列からコンパクトで識別性の高いプレイヤー埋め込みを学習するフレームワーク PlayerEmbed を提案しています。CNN-LSTM ハイブリッドエンコーダを 1,000 人のプレイヤーの生入力列で学習させています。参照埋め込みから作成した最近傍重心分類器では、学習時に見たプレイヤーの均衡精度は 0.950、学習時に見ていないプレイヤーは 0.879 でした。学習プレイヤー数を増やすと、未知のプレイヤーへの汎化が大きく向上することも示されています。
説明「バタフライ・ディフェクト」：LLMエージェントネットワークにおける協力の追跡
要約本論文は、大規模言語モデル（LLM）のエージェントが相互に接続されて動作する際、個々の協力が集団的な協力につながるかを検討しています。反復囚人のジレンマ（IPD）を用い、二者間の対話から、同質および異質なオープンウェイトLLMのネットワークへと分析を広げています。その結果、協力はモデルの組み合わせや言語表現のわずかな違いに強く左右され、モデル固有の安定した性質とは言えないことが示されています。
説明オントロジー誘導による知識グラフ構築：構造化メタデータと気候科学論文から
要約本論文は、科学論文から知識グラフ（KG）を構築するための、オントロジーに基づくエージェント型フレームワークを提案する。大規模言語モデルが論文から本文上の根拠を伴うトリプルを抽出し、多段階の検証によりオントロジーへの適合を確認する。2000本の気候科学論文に適用し、133,990個のノードと755,308件の関係からなるオントロジーに基づく気候科学の知識グラフを構築した。コードと知識グラフは公開されている。
説明フローマッチングを用いた、実走行データによるシナリオ間の制御器パラメータ変換
要約本論文は、適応走行制御（ACC）のパラメータ調整を、運転者個人に合わせたシナリオ間の輸送問題として定式化し、制御器パラメータをある走行状況から別の状況へ変換する手法を扱っています。フローマッチングによる生成モデルを学習し、元のシナリオでのわずかな実演データのみから、未知の運転者の目標シナリオでの挙動を予測します。線形パラメータシフトのベースラインと比較し、軌跡データから変分オートエンコーダで抽出した運転プロファイルを用いる各種の変種も評価しています。
説明テキスト残差は本当に補完的か？意味的重ね合わせの下で可視-赤外人物再識別のための視覚補完を学習する
要約本論文は、テキストを用いて可視-赤外人物再識別（VI-ReID）を補強する手法を扱い、赤外画像で弱い外観情報をテキスト差分で補う際、密なテキスト残差が有用な情報と冗長な情報を混在させるため、直接の融合は信頼できないと指摘しています。提案手法SARCは、疎な表現と干渉の抑制によって、コンパクトで制御された残差を再構成し、RGB-赤外の視覚差異で校正します。Tri-SYSU-MM01、Tri-RegDB、Tri-LLCMでの実験では、基盤モデルを一貫して改善し、テキスト支援手法と競合する結果を示しています。
説明タスクシフト下でスコアを保存する継続的Lasso手法
要約本論文は、高次元疎線形回帰における継続学習を扱い、過去データが利用できない場合に破滅的忘却をどう抑えるかを検討している。L1正則化推定量を逐次的に再利用すると、以前の縮小バイアスが後続タスクへ伝播し蓄積しうることを指摘する。その対策として、疎推定と状態伝達を分離し、過去の二乗損失スコアを保存するSP-CL手法を提案する。二乗損失の下では、その累積推定量が全履歴Lassoの最小化解を厳密に復元する。
説明CounselPlex：ストレス要因を認識する全二重カウンセリングモデル
要約全二重音声モデルは同時に聞き話すことができ、自然で低遅延の対話を可能にします。しかしカウンセリングでは、多くの場合最新の発話にのみ注目し、相談者の根本的な問題を見失います。著者はこの失敗を「ストレス要因の盲点」と呼びます。CounselPlex は、相談者の沈黙中に短いストレス要因の状態を更新し、聞いている間それを <PAD> 位置へ注入します。さらに RoPE 位置シフト拡張（RPSA）により学習時の位置の網羅性を広げ、大規模言語モデルによる評価で強力なベースラインより高いカウンセリング品質とストレス要因の把握を示したとしています。
説明オンライン確率的バッチ最適化によるエージェントベース交通モデルのキャリブレーション手法
要約本論文は、単一のシミュレーション実行内でパラメータを推定するオンラインのキャリブレーション枠組みを提案しています。黒箱最適化と確率的バッチ最適化を組み合わせ、MATSimを事例に各反復を確率的バッチとして扱い、エージェントの意思決定に合わせて段階的にパラメータを更新します。スイスの大規模交通シナリオの効用関数パラメータに適用した結果、典型的なシミュレーション時間内で交通手段分担率が観測データに近づいたと報告しています。
説明SP-Guide：空間事前情報で航空機の視覚言語ナビゲーションを強化
要約本論文は、言語で記述された目標へUAVを導くため、トランスフォーマーベースの目標予測フレームワークSP-Guideを提案しています。空間事前情報を用いたクロスモーダルエンコーダ、指示強調デコーダ、終端目標の絞り込みを行う目標収束フィルタで構成されます。CityNavベンチマークでの実験では、代表的なベースラインより成功率が向上し、未知の環境で特に大きな改善が見られました。
説明自然言語オートエンコーダは識別できても説明できるとは限らない
要約本論文は、モデル内部の活性化を読めるテキストに変換する自然言語オートエンコーダ（NLA）を検討します。説明から活性化を再構成できれば成功とする基準は、情報の十分性を測るものであり、記述の忠実性は示さないと主張しています。そのため、検証されていない説明が解釈可能性の課題を再び生む可能性があるとしています。
説明行動模倣における自己教師あり目標発見のための条件付きニューラルプロセス
要約他者の模倣によって新しい課題を学ぶ乳児の能力に着想を得て、本研究では条件付きニューラルプロセスが、背後にある目標を示す行動表現を自律的に学習できるかを評価しています。隠れ空間に注意機構を加えることで、行動系列の観察の早い段階から頑健な目標表現が現れやすくなることを示し、ロボットの自己教師あり汎用学習器として有望なモデルであるとしています。
説明探索はいつ役立つのか？機械翻訳の品質考慮型デコーディングにおける探索効用の実証研究
要約品質考慮型デコーディング（QAD）は、複数の候補訳を生成し、品質考慮型デコーダで最終出力を選ぶことで機械翻訳の品質を高めます。本論文は、追加候補から得られる品質向上が文ごとに異なることを示し、総スケーリング利得、限界スケーリング利得、サンプリング飽和点の三つの指標で探索効用を測定しています。文レベルの信号は総利得と相関する一方、現在の候補プールの特性は限界利得をよく示し、追加探索の恩恵が大きい文を選別できることを報告しています。
説明結晶材料のフォワードスクリーニングと逆設計の限界を検証する論文
要約本論文は55のデータベースの結晶を構造で照合し、1,460万結晶・1億3,180万の物性値からなる一つのデータベースに統合しました。欠損している物性値を補うため、グラフトランスフォーマー系のモデルCGTNetを開発しています。既知結晶の中には体積弾性率が記録されていない超非圧縮性の候補が多数あり、その一つReN2は428 GPaと測定されたと報告されています。一方、同じ検証予算での逆設計の新規性は過大評価されていたと指摘しています。
注目点55のデータベースを構造照合で統合し特性を補完して、スクリーニングの可能性の過小評価と逆設計の新規性の過大評価を示す。根拠は比較実験に基づく。
説明学習した速度事前分布で、ロボットのデモ動作のテンポを調整する
要約ロボットのデモの速度は、タスク自体よりも遠隔操作者によって決まることが多く、同じ動きでもデモごとに速さが大きく異なります。本論文は大規模なデモデータから速度の事前分布を学習し、それに基づいて各デモのタイミングを統一的に再調整したうえで、視覚言語行動ポリシーを微調整します。120のRoboLabタスクでは、学習したタイミングで微調整したポリシーの方が成功率が高く、ジャーク（躍度）は最大で半分に抑えられました。実機でのカップ積み上げでは、既定ポリシーの約1.72倍の速さで、30回中29回成功しています。
注目点大規模デモから統一的速度事前分布を学習し、120タスクと実機で検証。タスクごとの当てはめ手法より実質的な改良。
説明筋電信号のトークン化：ビットレートを抑えつつ動き情報を保持
要約本論文は、無線筋電（EMG）インターフェースにおける compact なトークン表現を用いた三次元手姿勢のデコードを検討している。姿勢ラベルなしで学習した2種類の因果的トークナイザを、9名の被験者による320チャンネルのデータで連続特徴量と比較している。トークン化による平均誤差の増加は限定的で、保存データ量は生の筋電信号と比べて約41分の1に削減された。
説明WorldCast：大角度カメラ制御による世界一貫性のあるキャラクター動画生成
要約本論文は、映画的なキャラクター動画生成における大角度カメラ軌道の制御の難しさを扱っています。大規模なキャラクター中心のデータセットおよびベンチマークCLACTを導入し、深度推定で初期フレームを3D点群に変換して目標軌道に沿って描画し、幾何学的ガイダンスを得るWorldCastを提案しています。さらに、幾何学的整合メモリ注意機構（GAMA）により視点に関連するキャラクター特徴を取り出して注入します。多様な大角度軌道での評価において、キャラクターの形状、外見、同一性を保ちながら軌道に正確に追従したと報告されています。
説明視覚のみで動く自動運転車向けの、ロバストなオフセットフリー車線維持制御フレームワーク
要約本研究は、視覚ベースの自動運転車の車線維持のために、ロバストなオフセットフリーモデル予測制御（OF-MPC）フレームワークを提案している。数値シミュレーションでは、補間チューブ型の制約付き反復線形二次レギュレータ（itube-CILQR）が、IPOPTおよびOSQPベースのソルバーより優れ、平均計算時間は5ミリ秒未満だったと報告されている。さらに、このフレームワークを用いて、学習時に遭遇しなかった交通シーンにおける視覚認識モデル（multitask UNet）の知覚の不確かさを、シミュレーション環境で定量化している。
説明言語モデルは自らの根拠を信頼するか？機能的一貫性に関する研究
要約大規模言語モデルはテキスト分類において、クラスの予測に加えて、予測の決め手とみなす単語を強調する説明を生成します。本論文は、これらの単語を隔離・削除・意味的に反転させた際に予測が体系的に変化するかを検証する実験枠組みを提案します。IMDBとSteamのレビューを用い、GPT-4o-mini、Gemma3、Granite8B、DeepSeekで評価した結果、モデルの系統や規模によって説明の信頼性に差があることが示されました。
説明答えは見るべき場所を知っている：視覚トークン予算下で、MLLMが答える前に拡大する手法
要約マルチモーダル大規模言語モデルは、視覚トークン予算が小さいと文書や図表の細かい文字が読みにくくなります。本論文は、モデルが回答時には証拠の位置を把握しているものの、回答前の注意機構ではそれを読み出しにくいことを示します。著者らは回答前に拡大方法を選ぶ専用の「見る」トークンを提案し、ボックス注釈は不要とされています。Qwen3-VLでの実験結果が報告されています。
注目点回答トークンと回答前の注意の局在差を分析し、単一プリフィルのlookトークンで拡大視点を選ぶ手法を提案。五つのベンチマークで比較し、証拠は充分。
説明SemGeo-Gen：意味的・幾何的に近似した異なるインスタンス間の対応関係を教師なしで生成
要約本論文は、弱く位置合わせされた3Dオブジェクト集合から、人手による注釈なしに近似的な異インスタンス間の意味的・幾何的対応を自動生成する手法SemGeo-Genを提案しています。多視点のDINOv2特徴を3Dに持ち上げ、連続区分アフィン位置合わせでインスタンスを揃え、意味的一貫性で候補を絞り込みます。KeypointNetの疎な人手注釈に対し、PCK@0.10で93%、PCK@0.15で97%を得ています。合成データによる事前学習後に実データで微調整すると、SPair-71k上で最新モデルのPCK@0.10が最大5点向上したと報告されています。
説明大規模言語モデルは高エネルギー理論物理に取り組めるが、課題も残る：量子場の理論（第1部）
要約本論文は、量子場の理論の主要分野にわたる大学院〜研究レベルの75問からなるベンチマーク QFT-Bench を提案している。各問には明確な閉形式の参照解があり、記号的検証と LLM による判定を組み合わせて評価する。39のモデルで試験した結果、最上位モデルの正答率は95%を超えた一方、計算・規約・指示への従い方で誤りが残り、弱いモデルは物理概念や導出で失敗しがちだった。さらに、正答に至っても推論過程がその答えを論理的に裏づけていない「推論の不忠実性」も確認された。
説明WiMoT：モーメント輸送による再生不要の継続的Wi-Fiセンシング
要約本論文はWiMoT（Wi-Fi Moment Transport）を提案し、継続的Wi-Fiセンシングにおいてサンプルを保存せず、過去の各ドメインのクラスごとの特徴量の平均と共分散を保存します。表現が変化した際には、アフィン写像を用いて保存された統計量も同じ写像で更新します。3DO、WiMANS、Widar3.0での平均最終精度はそれぞれ94.02%、89.61%、95.16%で、忘却は最大0.58ポイントです。共分散を階数32の因子で保存すると、メモリ使用量は6.4%まで削減されます。
説明DT-JEPA：意思決定のために将来の表現を予測する学習
要約本論文は、オフライン事前学習とオンライン微調整を組み合わせた強化学習フレームワーク DT-JEPA を提案しています。報酬ラベルのない軌跡から汎用的な知識を学び、潜在空間で将来表現の条件付き分布を確率的予測器でモデル化します。D4RL ベンチマークの実験では、従来の DT 系手法など他のオフライン強化学習手法を上回る適応性能が示されています。
説明物理情報ニューラルネットワークによるドリフト拡散方程式の求解
要約本論文は、半導体デバイスのドリフト拡散方程式を物理情報ニューラルネットワーク（PINN）で解く手法を提案し、一次元と二次元の急峻なPN接合を例として検討しています。結果として、さまざまなバイアス条件で従来のシミュレーションソフトに匹敵する精度が得られたと報告しています。さらに、非ゼロの印加バイアス下で目標の電場や静電ポテンシャルから不純物分布を逆算する逆問題にも適用しています。
説明WL-SeqVAE：変分オートエンコーダとWeisfeiler-Lemanカラーによる系列ベースのグラフ生成（グラフを系列として生成する手法の提案）
要約本論文は、グラフを生成するための系列ベースの変分オートエンコーダ「WL-SeqVAE」を提案する。Weisfeiler-Leman（WL）アルゴリズムで得られるノードの色を局所構造の離散的な要約として用い、各グラフをWLカラーの系列に変換して潜在ガウス分布に符号化し、自己回帰デコーダで再構成する。分子データおよび一般のグラフデータでの評価では、いくつかの局所構造および分子の品質指標で既存のベースラインと競合する結果が示されている。
説明レンズ近くの濁った・気泡を含む・流れる水を通した計算イメージング研究
要約研究者は、望遠鏡の対物レンズ前方45ミリに置いた25ミリ厚の水層越しに、表示画像と実物を撮影しました。水流、気泡、濁りの7通りの組み合わせで測定データセットを作成し、清水での撮影も比較用に残しています。濁りは主に明暗のコントラストを下げ、シーメンススターでは約4.4〜4.8倍低下しました。8フレームの平均を取ると、1フレームより構造類似度（SSIM）が0.032向上しました。提案されたパイプラインは、フレームを平均し、生フレームを直接分類し、実測と合成のデータペアで学習したネットワークで復元する、という流れです。
説明InferSlice：通信事業者の広域網でSLO駆動の大規模言語モデル推論を行う参照アーキテクチャ
要約本論文は、通信事業者のインフラ上でサービスレベル目標（SLO）に基づき大規模言語モデルの推論を行うための参照アーキテクチャ「InferSlice」を提案します。ネットワークスライシング、GPUパーティショニング、弹性的なサービング、可観測性を統合しています。英国のJOINER全国規模広域網で実装・評価され、階層ごとのサービス差別化、弹性的スケールアウト、クライアントエッジ帯域がボトルネックとなる状況、そして広域網上でのテンソル並列、パイプライン並列、データ並列、預填充と復号の分離の適用範囲を検証しています。結果として、パイプライン並列は近距離および中距離のサイト間ホップに耐えられる一方、テンソル並列と分離方式は単一サブネットのホップを超えると機能しなくなることが示されています。
説明因子化Transducer音声認識のテキストのみによるドメイン適応のための残差エキスパートルーティング
要約本論文は、因子化Transducer（ファクタライズド・トランスデューサ）音声認識モデルにおいて、目標ドメインのテキストのみで非空白予測器を微調整する手法を扱います。著者らは、適応予測器を基本モデルへの残差補正とみなし、16kパラメータのゲートが各プレフィックスでどの程度補正を取り入れるかを決める保守的残差ルーティングを提案しています。40時間の会話コーパスでは、2つの保留目標ドメインで微調整の利得の大部分を保持しつつ、元ドメインの単語誤り率はほぼ変化しませんでした。
説明AIエージェントは産業用ロボット技術者の役に立つか？企業での2つの重点日から得た教訓
要約本論文は、産業用ロボットのプログラミングを行う中小企業によるAIエージェント利用を調べた事例研究です。高度に反復的なコードの生成が必要な作業を除き、エージェントによって技術者の生産性は向上しませんでしたが、技術者が使い方を習得しエージェントが分野に合わせて調整されるにつれ、成果は時間とともに改善しました。著者らは、AIエージェントは導入するだけで機能する解決策ではなく、企業は技術者への教育や学習期間の確保、エージェント構成の分野と開発要件への適合が必要だと論じています。
説明EditJev：画像編集モデルのための一回推論型ルーティング手法
要約本論文は、入力画像と編集指示に応じて候補の画像編集モデルから最適なものを動的に選ぶ「ルーティング」を研究しています。提案手法EditJevは、単一の順伝播で各候補モデルの選好スコアを直接予測し、モデルの速度スコアと組み合わせて品質と遅延のバランスを取ります。ImgEditとGEdit-Enでは、総合品質スコアがそれぞれ4.540から4.592、8.194から8.255に向上し、推定エンドツーエンド遅延は60.8%と31.7%削減されたと報告されています。
説明VICReg における標準偏差項がもたらす安全マージン
要約VICReg は各埋め込み次元の標準偏差に対するヒンジ項で表現の崩壊を防ぎ、原著者は勾配の観点から分散へのヒンジは失敗すると論じています。本研究は ResNet-18 と CIFAR-10・CIFAR-100 を用いた制御された設定で、ヒンジ項のみを変え、その重みを 5 桁にわたって掃引しました。既定の重み（1）では両ヒンジの線形プローブ精度は CIFAR-10 で約 89.5% と同等でした。一方、標準偏差ヒンジの崩壊しきい値は分散ヒンジより 35〜130 倍低く、分散ヒンジが崩壊する重みよりはるかに小さな重みでも学習が維持されます。
説明音響特徴と発声技法特徴を用いた解釈可能な歌唱感情認識
要約本論文は、韻律、スペクトル、音韻、発声技法にわたる歌唱専用の特徴量を用いた、解釈可能な歌唱感情認識の枠組みを提案しています。モデルの判断はSHAPで解釈し、GRAD-CAMで学習された発声技法の表現を定性的に評価しています。歌唱専用の特徴量は歌手間のばらつきを減らし、発声技法の特徴量は歌唱表現についての解釈可能な知見を与えるとされています。
説明単位立方体上の球面線形ベイズ最適化における獲得関数
要約本論文は単位立方体上のベイズ最適化について、獲得サブ問題の大域的求解の計算量を、肯定的・否定的の両面から検討しています。その結果に基づき、既存手法より大幅に少ない実行時間で大域最適化でき、性能を維持または向上させる新しい獲得関数を提案しています。提案法は評価回数あたりの精度ではガウス過程ベースのベイズ最適化と競合し、計算負荷の低中程度のブラックボックス関数では経過時間あたりの精度で優れています。
説明LGMT：大規模言語モデルの論理推論の信頼性を検証するツール
要約大規模言語モデルは論理的な問いに正しく答えても、同じ問題を論理的に等価な形で言い換えると矛盾した回答をすることがあり、静的なベンチマークではこの不整合を見つけにくい。本論文は、一階述語論理に基づくメタモルフィック関係を用いて推論の不整合を検出するオープンソースツール LGMT を提案する。等価な後続テストケースを生成し、正解ラベルなしで含意判断が一致するかを確認する。6 種の主要モデルを 3,091 のメタモルフィックグループで評価した結果、不整合率は 20.84% から 29.44% であった。
説明タンパク質ポケット間で経験は転移するか：構造ベース創薬エージェントにおける分子最適化の経験再利用
要約論文は、大規模言語モデルのエージェントがタンパク質ポケット内でリガンドを段階的に編集しドッキングする過程を対象とし、既存の探索経験を経験ベースに蓄積すると未見のポケットでも再利用できるかを検討しています。CrossDocked2020テストセットの一回分の実行ログを分析した結果、編集部位・操作の種類・ラウンドといった記述は改善と悪化の編集をよく分けるものの、その分離は主に分子サイズの変化などターゲットに依存しない要因で説明されると報告しています。著者らは、この経験ベースは何を構築すべきかを直接指示するより、エージェント自身の候補のドッキング優先順位付けに有用だと結論づけています。
説明地球埋め込みベクトルは地表の分解可能な記録である
要約本論文は、広く使われている2種類の年次地球埋め込み（各10メートル画素について1年分の衛星観測を圧縮したベクトル）を分析したものです。これらのベクトルには、火災、森林伐採、作物の種類といった個別の生態学的特徴が含まれており、六大陸の事象に関する独立した参照データで検証されています。また、2つの製品は特徴ごとに得意とする検出対象が異なることが示されています。
説明DriveOSS：自動運転における3D異常セグメンテーションとオープンセット意味セグメンテーションのデータセットとベンチマーク
要約本論文は、3D異常セグメンテーションとオープンセット意味セグメンテーション（Open-set Semantic Segmentation）のために設計された、実世界のマルチモーダルデータセット兼ベンチマークDriveOSSを提案しています。6台のサラウンドRGBカメラ、128ビームLiDAR、GPS/IMUで取得・注釈された12,661の同期フレームを含み、晴天、夜間、曇天、雨天、雪天の52の実走行シーンで構成されています。ID（分布内）とOOD（分布外）に分かれ、実験では未知の物体が現在の3D認識システムにとって依然として大きな課題であることが示されています。
説明教師ありペアワイズグラフ表現の解釈：局所的根拠、交絡、証明可能な事後補正
要約本論文は、ペアワイズ予測関係をサンプルごとのグラフに変換する教師ありペアワイズグラフ表現が、高次のトポロジーによって信号を捉えているのかを検証します。Transformerの誤り検出タスクでは、注意機構を隣接行列とみなす手法より高いROC-AUCを示しましたが、系列長という交絡因子を統制するとモデルの信頼度に対する優位性は消えました。HCP Emotionデータでは、トポロジー拡張やGCNの効果は限定的でした。Fisherによる事後補正器も提案されており、高次トポロジーの寄与は局所的な教師あり根拠と交絡因子を除いた後にのみ認めるべきだと論じています。
説明レーザー治療パラメータ設定のための巨視的皮膚画像における毛髪セグメンテーションと皮膚特性解析
要約本論文は、レーザー脱毛などの光治療で現在手動や未校正の測色計に頼っているパラメータ設定を、客観的に行うための統一システムを提案しています。定制版 YOLOv9 によるインスタンスセグメンテーションと古典的画像処理を組み合わせ、分光測色による色補正のもとで肌タイプ、毛髪密度、色、太さを抽出します。剃毛後の短い毛を含む自作データセットで mAP@50 は約 0.80 でした。
説明Ampe-DB：ガーナの伝統ゲーム Ampe を用いた人間の活動・相互作用分析データセット
要約本研究は、ガーナの伝統ゲーム Ampe（協調したジャンプ、脚の動き、二人の相互作用を含む）に基づく多モーダルデータセット Ampe-DB を公開します。15 名の参加者による 637 本のクリップを含み、RGB 映像、二人分の姿勢データ、四クラスの動作ラベルなどを提供します。固定ベンチマーク、ペア単位・参加者単位の留保評価で検証した結果、固定ベンチマークの高スコアは人や組み合わせをまたぐ汎化の失敗を隠すことが示されました。姿勢情報は RGB より頑健でした。
説明LLaCO：競合認識型意味スケジューリングによる大規模言語モデルのための連続拡散
要約本論文は、連続埋め込み空間でテキストを生成する連続拡散モデルを改良したLLaCOを提案します。連続軌道上で幾何学的な軌道と時間の進行がずれ、時間が過度に圧縮される問題に対し、競合閾値理論（CTT）と意味保持スケジューリング（SRS）で時間配分を調整します。8Bモデルとして実装され、従来の連続拡散ベースラインを上回り、同規模の離散拡散モデルに匹敵すると報告されています。
説明軌道マッチング：構造化アクションを用いた離散フローマッチング
要約本論文は、始点と終点を結ぶ完全なアクション列を条件とする離散フローモデルの「軌道マッチング」を提案している。分子への断片の付加、ノードと接続辺の同時挿入、階層への子ノード追加など、成分ごとに分解できない複雑なアクションを扱える。著者らは、この目標が周辺フローを回復し、従来の成分単位分解型の離散フローマッチングを包含することを証明した。木構造と分子グラフ生成の実験では、MOSESでの妥当性が92.8%から99.2%に向上し、再学習なしで部分構造の拡張と連結にも転用できた。
説明乱流は時空間で正しく扱うべきだ：三次元ナビエ・ストークス方程式の乱流に関する時空間解析
要約本論文は、28 TBを超える時間分解直接数値シミュレーションのデータに基づき、数値計算上の選択が乱流の(3+1)次元的な物理現象の再現にどう影響するかを検討している。さらに、ニューラルネットワークがこれらの乱流運動をどのように表現するかを調べている。その結果、空間と時間の評価が数値データと学習済み表現の双方で食い違いうることが示された。著者らは、機械学習コミュニティに対し(3+1)次元乱流を四次元の現象として扱うよう呼びかけている。
説明対称ポリ凸エネルギーと包絡の普遍的ニューラルネットワーク近似
要約本論文は、小ひずみ弾性における対称ポリ凸エネルギーのためのニューラルネットワーク手法を扱います。著者らは、単調性の制約を加えたReLU型入力凸ネットワークでは提升表現子を普遍的に近似できないことを示し、凸性と単調性を組み合わせた対称ポリ凸ニューラルネットワーク（SPCNN）を提案しています。等方性を仮定しない普遍近似定理を証明し、等方性エネルギーに対する簡略化された構造も導いています。数値例として応力に基づく回帰と二重井戸ポテンシャルの包絡近似が示されています。
説明投機的フォーキング：リポジトリ環境構築で待ち時間を並列探索に変える
要約本論文は、LLMエージェントがソフトウェアリポジトリの実行環境を自動構築するシステム SpecBuild を提案しています。複数の構築案を並列に探索し、最初に確定した環境を採用して残りを破棄するほか、コマンドの失敗を観測する前に修復ブランチを準備します。334タスク、40リポジトリ、9言語のMulti-Docker-Evalでの評価では、3つのバックボーンモデルすべてで最強のベースラインより成功率が6.4〜12.0ポイント向上し、平均構築時間は22.4%〜41.6%短縮されました。
説明文脈付き意思決定：予測型か生成型か
要約本論文は、観測された共変量を用いて不確実性下の意思決定を行う二つの手法、予測してから最適化する方法（PtO）と生成してから最適化する方法（GtO）を比較します。学習対象の選び方が統計的精度と最適化の扱いやすさにどう影響するかを分析し、後悔の上界と、滑らかさと凸性保存の間のトレードオフを示します。合成実験と実事例から、データ量や問題構造によって適する方法が変わることを示し、普遍的な勝者は特定しない実践的指針を提供します。
説明バッチ化NN 4D-Var：統合予報システムのための高性能ハイブリッドモデル枠組み
要約本研究は、統合予報システム（Integrated Forecasting System）において4D-Varを用いて、状態依存のモデル誤差補正をオンライン学習する方法を検討しています。ニューラルネットワークの parameters のみを推定する手法と、同化窓を無作為順に処理して複数窓のパラメータ増分を平均するバッチ化手法を提案しています。バッチ化手法は未見データでも予報精度を一貫して改善し、大きなバッチは収束と安定性を高めることが示されています。
説明異種Transformer間での、パラメータ整列から機能転移へ
要約本論文は、深さや幅の異なるTransformer間でタスク固有の振る舞いを移す、学習不要の手法Ariadneを提案する。パラメータを直接移送するのではなく、対応するブロックでの微調整による活性化の変化を基に微調整の効果を捉える。局所的なProcrustes写像で整列させたのち、閉形式のリッジ回帰で目標モデルのネイティブな更新を直接合成する。Transformerの拡張・縮小および言語モデル間の転移で目標モデルの性能が向上し、従来のクロスアーキテクチャ整列手法に比べて更新の構築に要する時間とメモリを大幅に削減したと報告している。
説明PHYRD：理論物理研究の再現と拡張のための継続更新型ベンチマーク
要約本論文は、理論物理の推論能力を評価するための継続更新型ベンチマークPHYRDを提案する。63問の再現問題と43問の探索問題からなり、再現問題は発表済みの結果の導出を、探索問題は理論条件を変更した場合の帰結を検証する。作成にはFormulaForestを用い、参照解答と小問レベルの採点基準を付与した。五つのモデルの全問正答率は、再現問題で49.21%から68.25%、閉じた環境での探索問題で18.60%から74.42%であった。
説明オープンな重みの上に立つ：限られたデータと計算資源で英国の野生動物向けカメラトラップモデルを地域微調整
要約本論文は、オープンソースの DeepFaune 分類器を英国の 28 種クラスで微調整し、未改変の MegaDetector v6 と組み合わせてカメラトラップ画像の種識別を行う研究です。人手で検証された MammalWeb の 20,212 枚の画像で、DeepFaune-UK v1.2 は厳密な画像単位の正解率 88.8% を示し、二つの比較モデルを上回りました。より新しい DINOv3 ベースの分類器を用いた v1.3 は 90.6% に達しました。ただし著者らは、最大の改善は他者が学習した新しい基盤モデルによるものであり、この進め方は大規模機関によるオープンな重みの公開継続に依存すると指摘しています。
説明擬似ラベルを目標ではなく報酬として用いる：半教師あり音声認識のためのグループ相対方策最適化
要約本論文は、書き起こしのない音声しか得られない領域への音声認識の適応を扱います。強力な教師モデルが擬似ラベルを作成し、それで生徒モデルを微調整する従来手法に対し、擬似ラベルを教師あり微調整の目標ではなく、GRPOの報酬参照として使う方法を提案しています。銀行分野では、Whisperで生成したラベルに対しSFTより29.3%から56.2%の相対的な単語誤り率改善が得られ、複数のモデル規模・言語でも優位性が示されています。
説明再学習せず再利用：特徴蒸留による効率的で多モーダルな地理空間基盤モデル
要約本論文は、既存モデルの表現を特徴蒸留によって再利用し、地理空間基盤モデルの事前学習コストを下げる方法を検討しています。凍結したCROMAとTerraMindの教師モデルを、パッチ単位の特徴マッチングによって小型のVision Transformerへ蒸留します。さらに、多重分光画像用のTerraMindと高解像度RGB用のDINOv3を、対応付けのないデータのまま共有Transformerに統合するTEDIを提案しています。原文によれば、TEDI-LargeはPANGAEA-9で単一モデルの平均62.51 mIoUを記録しました。
説明共有だけでは不十分：マスク付き潜在予測における予測器の幅と因子の読み取りやすさ
要約本論文は、制御可能な合成画像シミュレータを用いて、I-JEPAなどのマスク付き潜在予測手法がどの情報を保持するかを調べています。同じ視点ペアで学習させた小型エンコーダをI-JEPA、SimCLR、BYOLで比較し、両視点に共通する因子を評価しました。予測器の幅をエンコーダの半分にした場合、I-JEPAの因子の読み取りやすさの中央値はSimCLRの約40%でした。予測器をエンコーダと同じ幅に広げると、この順序はすべての学習シードで逆転しました。
説明HEALPixに基づく全方位画像の暗黙的ニューラル圧縮手法
要約本論文は、没入型VRで用いる全方位画像のため、多重スケールのHEALPix球面表現に基づく過学習型コーデックを提案しています。正距円筒図法に代えて等面積サンプリングを行い、極付近の冗長なサンプリングや緯度依存の受容野の歪みを抑えます。さらに、スケール間条件付きエントロピーモデルと多リング球面畳み込みを導入しています。公開データセットでは、VVCに対しV-PSNR、V-MS-SSIM、V-LPIPSでそれぞれ16.3%、26.5%、19.5%のBD-rate削減を示し、評価対象の学習型自己符号化器より2.6〜3.6倍速く復号できるとしています。
説明現実的な MCP 障害下でのツール呼び出し LLM エージェント：規模では耐障害性は得られない（LLM agents under MCP faults）
要約本論文は、MCP（Model Context Protocol）のツール呼び出し経路に挿入して永続・一時・間欠の障害を再現する故障注入ミドルウェア「MCP-Injector」を提案しています。障害モデルは、1,774 件のオープンソース MCP リポジトリから収集した 57,240 件の Issue・PR スレッドの分布に基づいて校正されています。永続的障害が多い条件では、タスク完了スコアが 8.08 から 3.23（10 点満点）に低下し、試験した gpt-oss の 2 モデルでは、120B が 20B より障害下で高い割合の性能を保持することはありませんでした。論文は、能力ベンチマークだけでは運用上の脆弱性が見えにくいと述べ、プロトコルを意識した故障注入を評価の補完的な観点として提案しています。
説明HGWM：グラフマッチングによる階層的グラフ誘導型ワールドモデルのゼロショット物体ナビゲーション
要約本論文は、未学習の環境で目標物体を探すロボットのための手法HGWMを提案する。大規模言語モデルが生成する部屋のアンカー事前情報と、持続的な空間意味記憶を組み合わせて探索方向を選ぶ。HM3DとMP3Dのシミュレーションベンチマークでは、比較手法WMNavより成功率と経路効率がわずかに高いと報告されている。結果は著者による集計値で、評価はシミュレーションに限られる。
説明非識別点近傍における厳密な大域ミニマックスリスク
要約本論文は、部分モデル上で妨害母数が識別されず、対象量がその点でゼロになる場合の二乗誤差推定を扱います。高次のプロファイル展開をもつモデルについて、最大の臨界経路ミニマックスリスクが全パラメータ空間上の厳密な漸近ミニマックスリスクとなるための十分条件を示します。さらに、その主導定数を一様に達成する推定量を構成しています。二つのモデルで条件を検証し、それぞれの精密な定数を求めています。
説明チャネルデータを超えて：構成情報を取り込んだ無線基盤モデル
要約本論文は、無線基盤モデル（RFM）の事前学習にチャネル構成（CFG）情報を組み込む手法を提案し、得られたCFG拡張埋め込みがラベルが少ない状況での下流タスクに有効な帰納的事前情報になることを示します。視線内/視線外（LoS/NLoS）分類、タイミングアドバンス（TA）推定、ビーム選択の3つのタスクで、生のチャネルトークンや複数のベースラインと比較しています。実験では、既知および未知の構成シナリオの両方で、提案埋め込みが概ねベースラインを上回るか同等であることが示されています。
説明見えない話者も捉える：話者登録を用いた文脈認識型の能動的話者検出
要約本論文は、ROAM-ASD-C と ROAM-ASD-CR という、能動的話者検出（ASD）の手法を提案しています。ROAM-ASD-C は画面内の複数の可視顔を同時に扱い、対象の情報が不完全な場合に他の顔が補助的な手がかりを与えます。ROAM-ASD-CR は登録音声から得た話者表現を加え、対象人物が映っていなくても発話中かどうかを判定できるようにします。原文によれば、ROAM-ASD-C は五つのベンチマークで最先端の性能を示し、対象の視覚情報を75%除去した条件でも ROAM-ASD を最大13.3 mAP上回ったとされています。
説明StarRTT：スターリンク低軌道衛星網で盲点なく往復遅延を予測するエンドツーエンドのリアルタイム枠組み
要約スターリンクなどの低軌道衛星は高速で移動するため、サービス衛星の切り替えが頻繁に起こり、往復遅延（RTT）が大きく変動します。本論文は、毎秒のサービス衛星識別とRTT予測を統合して識別の盲点を解消するエンドツーエンドの枠組み StarRTT を提案し、LSTMベースの予測モデル RT-LSTM を設計しています。厳密なリアルタイム回帰検証で、RT-LSTM の平均絶対誤差は 1.405 ミリ秒で、LSTM、StarNet、ASTM と比べてそれぞれ 4.3%、11.6%、22.1% 低減しています。
説明IGG：可視性制約下のインタラクティブGUIグラウンディング評価ベンチマーク
要約本論文は、エージェントがまず操作によって目標を可視化し、そのうえでクリックする必要があるベンチマーク「IGG（Interactive GUI Grounding）」を提案している。16の制御可能なGUI環境と7種類の可視性制約サブタイプにわたる601タスクを含む。人間の正答率は94.6%、GPT-5.5は79.4%、評価された最強のオープンソースVLMは31.6%であった。著者らは、ボトルネックは目標が見えた後の認識ではなく、可視化のための操作を実行する能力にあり、この能力は学習によって向上させられると述べている。
説明概念ドリフト下の不均衡データストリームに対する推論時事前確率適応
要約本論文は、概念ドリフトとクラス不均衡に対応するk近傍法ベースのストリーム分類器PAI-KNNを提案する。メモリ内容を変更せず、直近の観測から推定したクラス事前確率で推論時に判定ルールを動的に調整する。摘要によれば、さまざまな合成データストリームでの評価において、最先端手法と競合する性能を示し、動的なクラス不均衡や概念ドリフトの場面で特に良好な結果を得ている。
説明VERA-Hand：三人称視点の動的ジェスチャー動画における2次元手姿勢推定のための検証済み多次元ベンチマーク
要約本論文はVERA-Handというベンチマークを提案し、人手で検証した逐フレームの2次元アノテーション（計10,690本の手）を用いて、検出、定位、手の識別、時間的安定性の4つの観点から手姿勢推定器を評価する。正しい検出と正確な定位の両方を求めるPose-F1指標も導入されている。6つの推定器での評価では、どの手法も全面的に優れておらず、観点によって順位が大きく変わることが示された。
説明原理に基づく非線形概念消去と誘導：機密属性のみを除去し、タスクに有用な情報を保つ条件付きオートエンコーダ手法
要約学習された表現には、性別や人種などの機密属性が含まれることがあり、保持すると望ましくない場合があります。本論文は、機密属性だけを取り除き、それ以外は残すという原則に基づく非線形概念消去のための条件付きオートエンコーダ枠組みを提案しています。著者らは、所定の仮定のもとで、完全な再構成と母集団レベルの独立性があれば完全な非線形ガードネスが得られ、不完全な再構成の場合にも保持の保証があることを示しています。複数のデータセット、属性、言語モデルで、ターゲットタスクのラベルを使わずに優れた効用と消去のトレードオフを達成したと報告しています。さらに、推論時にターゲット概念を変えることで概念変換（表現の誘導）も可能です。
注目点条件付きオートエンコーダによる非線形概念消去を形式保証付きで提案し、概念変換も可能にした。多データセット・多言語モデルで実験し、影響は表現消去の分野に限られる。
説明政党所属の予測によるオーストリア国会演説の分析
要約本論文は、微調整したBERTモデルで、オーストリア国民評議会議員の各演説が各政党に属する確率分布を推定し、発言者および政党単位で集計して演説の特徴を分析します。連立を組む政党の演説は似通い、野党は与党から離れていく傾向が示されました。また、党を移った議員は移籍後に初めて演説の特徴を変えることが分かりました。1996年から2018年までの政党所属予測データセットも公開されています。
説明償却型トンプソン・サンプリングと、シミュレータベース設計のための効率的な情報指向サンプリング
要約本論文は、データ収集の前にトンプソン・サンプリングの計算を前もって償却する手法を提案し、観測が得られた時点で分布の近似を即座に利用できるようにします。また、最適な行動に関する期待情報量を効率よく推定でき、即時的後悔と組み合わせて情報指向サンプリング（IDS）に活用できます。合成生物学の尤度が計算困難な2つのシミュレータベース設計問題で検証されています。
説明パンジャーブ語楽曲毒性データセット（PGT-FG）：パンジャーブ語楽曲の有害コンテンツに関する細粒度マルチモーダル注釈
要約本論文は、パンジャーブ語の楽曲における有害コンテンツ検出の研究を支援するデータセットPGT-FGを紹介しています。YouTubeで公開されている歌曲から作成され、392曲から得た2,396のセグメントを含みます。母語話者の注釈者4名が、二値の毒性ラベル、8種類の細粒度カテゴリ、深刻度、感情などを付与しました。705セグメント（29.42%）が有害とラベル付けされ、暴力が最も多いカテゴリです。データセットはZenodoで公開されていますが、歌詞や著作権保護された音声・映像は再配布されていません。
説明高速かつ有用：蒸留生成器を視覚学習向けに適応させる
要約蒸留済みのテキスト画像生成モデルは高速に画像を生成できますが、その画像で学習させた分類器は、元の低速なベースモデルの画像で学習させた分類器より大幅に性能が低くなります。著者らは公開されている蒸留生成器に低ランクの更新を加え、学習データとしてより適した画像を生成しつつ高速性を維持する方法を提案しています。三種類の生成器で、適応後の画像から学習した分類器の精度が向上したと報告されています。
説明緑内障分類におけるDINOのデータ拡張戦略の改良（自己教師あり学習）
要約本論文は、自然画像で検証されたDINO（知識蒸留に基づく自己教師あり学習）の既定のデータ拡張が、眼底画像では信頼性の低い表現を生み、緑内障分類の性能を下げることを示しています。著者らは、切り出したビュー同士の冗長な情報を減らし臨床的に重要な信号を保つ方針に従い、拡張戦略を再設計しました。凍結した表現の上に線形分類器を学習させた結果、七つのベンチマークデータセットで強い汎化性能が得られたと報告しています。
説明ダークウェブのハイパーリンクグラフにおける量子・古典リンク予測
要約著者らは、オフラインのTorクロールから得られた383のオニオンホストとホスト間の有向リンク2,067本のHTML内容とハイパーリンクを分析しています。度数を統制した上で、古典手法と4量子ビットの変分量子分類器によるリンク予測を比較しています。組み合わせたグラフ・内容特徴には予測信号が見られる一方、厳密な次数マッチング下では各手法の性能はほぼランダム水準にとどまると報告しています。
説明NBI と WLI における喉頭内視鏡映像の解剖学的ランドマーク追跡可能性の調査
要約本論文は、狭帯域光観察（NBI）と通常の白色光観察（WLI）で撮影された喉頭内視鏡映像における解剖学的ランドマークの視覚的追跡性能を比較した研究である。39名の患者から得た61本の内視鏡動画を用い、声帯と血管パターンが顕著な粘膜の2つの領域を、前向き後向き誤差の枠組みで評価した。その結果、NBIは両領域で誤差を低減し、声帯では統計的に有意な差が見られ、失敗率も低い水準にとどまった。
説明BAARC：不確実性駆動型の適応的部分スペクトル測定から完全再構成へ、材料分類のための手法
要約本論文は、波数範囲が限られたラマン分光装置で複数回の測定が必要になる問題を扱い、BAARCという枠組みを提案している。スペクトルの小区間を段階的に測定し、各段階で完全スペクトルの再構成と材料分類を同時に行い、不確実性をもとに次の測定位置と測定終了を決める。実験では全スペクトルチャネルの一部だけで高精度な試料識別ができたとされる。
説明DRIVE：データ貢献・多様性・事前正則化を用いたファインチューニングのサンプル重み付け手法
要約本論文は、事前学習データにアクセスできない場合のファインチューニングにおける破局的忘却の問題を扱い、DRIVEというサンプル重み付けの枠組みを提案している。統一された微分可能な目的関数により各サンプルの重みを求め、貢献を忘却防止と適応の二成分に分解したうえで、共分散に基づく多様性項とサンプル特性の事前分布で調整する。著者らは、安定性と可塑性のバランスを取り、全体性能・収束速度・頑健性の面で優れた結果を示したと報告している。
説明リアルタイム広角動画補正のための歪み認識型時空間学習
要約広角レンズは視野を広げますが、画像の周辺で強い非線形歪みが生じ、その領域の人物が不自然に引き伸ばされます。本論文は、歪み認識型の時空間学習に基づく全身動画補正フレームワークFastVCを提案し、フレーム間の揺れを抑えつつ補正を行います。また、広角全身動画補正のための初のベンチマークデータセットも公開し、57.0 FPSで最先端の補正精度と映像の安定性を達成したと報告しています。
説明ランダム・ジャンプ・フォレスト：多状態モデルのためのノンパラメトリック推定法
要約本論文は、多状態モデルにおける共変量依存の累積遷移率と占有確率を推定するノンパラメトリック手法「ランダム・ジャンプ・フォレスト」を提案している。一本の木で全遷移の共変量空間を同時に分割し、終端ノードでNelson–Aalen推定量を用いる。占有確率は乗積積分により求め、マルコフ仮定は必要としない。共変量が有限個の値をとるなどの条件下で一致性と関数型中心極限定理が示され、シミュレーションと四つの生物医学データでの結果も報告されている。
説明MusicTwins：ペルソナのように音楽を聴く音声言語モデルの訓練
要約本論文はMusicTwinsという枠組みを提案し、ペルソナ要約、個人メモリ、事後学習を組み合わせて、特定の人物が文章と音楽に示す反応を音声言語モデルに再現させる手法を扱っています。人間の文章から背景、見解、性格、文体、音楽プロファイルを含む人物表現を構築し、Audio Flamingo Nextを教師ありファインチューニングと強化学習で事後学習しています。保留された10人のペルソナでの評価では、性格や文体、音楽への反応を含むペルソナ再現性が向上したと報告されています。
説明K-CLUE：Ki67細胞型判定のためのセグメンテーションからクラスタリングへのフレームワーク
要約Ki67は乳がんにおける腫瘍増殖の重要な指標ですが、免疫組織化学画像からの定量は通常、データセットごとに学習させた教師あり分類器に依存します。本研究はK-CLUEを提案します。個々の細胞核を分割し、事前学習済みエンコーダーで表現し、主成分分析で次元削減したうえでk-meansクラスタリングによりKi67陽性と陰性の核を分けます。アノテーションや特定タスクの学習は不要です。白色化によりエンコーダー間の差が解消されることが示され、MISTおよびBCDataでDeepLIIFやIHCScoreGANを上回る結果が報告されています。
説明Accordion：固定プレフィックス層ループによる弾力的深さ推論の大規模言語モデル
要約本論文は、固定プレフィックスの層ループにより五つの推論計算予算を扱える、MoE（混合専門家）ベースのモデルAccordionを提案している。事前学習では各マイクロバッチで一つの予算をサンプリングし、次トークン予測損失を最適化する。その後、教師ありファインチューニングと強化学習で三つの分野の専門家を一つのモデルに統合する。原文によれば、3.6Tトークンの事前学習後、推論深度の増加によりAccordion-6B-A0.5Bの37タスクにおける五カテゴリ平均が3.01ポイント向上し、中間予算がその89%を獲得した。
説明L0ノルムに基づくCycleGANによる非対応の脳CT-MR画像合成
要約本論文は、対応のない脳CTからMRへの画像合成に向け、CycleGANのL1ノルム循環一致性損失を、滑らかで有界な関数で近似したL0ノルムに置き換える手法を提案しています。学習画像102枚、テスト画像9枚で、同条件のL1基準モデルと比べ、平均二乗誤差は0.03464から0.02746へ（20.7%低減）、平均ピーク信号対雑音比は14.77 dBから15.80 dBへ、平均構造類似性指標は0.5407から0.5689へ改善しました。循環一致性の罰則を変えることで、このデータセットでの再構成精度が向上することを示しています。
説明構築物情報を考慮した、複数エンドポイントの薬物-タンパク質生理活性データセット
要約本論文は、2026年7月1日のBindingDB書き出しデータから作成したCurate-DTIデータセットを紹介しています。IC50、Ki、Kd、EC50の4つのエンドポイントをそれぞれ独立に処理し、約292万件の測定値、約129万の標準化リガンド、9,668の配列で定義されたタンパク質実体を含みます。UniProtアクセッション番号だけで統合せず、報告された実験配列ごとに異なる構築物を区別しています。前処理コードやデータ説明も公開されています。
説明文脈内表形式予測としての状態推定
要約本論文は、電力系統の状態推定を文脈内表形式予測（ICTP）問題として定式化します。過去の計測ベクトルと対応する状態推定値を文脈とし、新しい計測ベクトルを問い合わせとして状態ベクトルを予測します。合成データで事前学習され重みを更新しない表形式基盤モデル（TFM）を用い、電力系統データは文脈としてのみ使用します。14〜118母線の送配電網で評価され、低可観測性や不良データがある場合に加重最小二乗法（WLS）より誤差が小さいと報告されています。
説明信号認識適応融合（SAAF）による効率的なゼロショット映像異常検知
要約本論文は、学習データを用いずに映像異常を検知するSAAFフレームワークを提案する。フレーム間の意味的変化とローリング時間文脈からの逸脱という二つの信号でフレームを選択し、軽量な段階的カスケード構造と信号に応じた重み付き融合を組み合わせる。四つのベンチマークで、学習不要のゼロショット手法の中で最高のAUC-ROCを示し、スループットも従来の最良手法を上回ると報告されている。
説明PCFBench：大規模視覚言語モデルは物理を考慮したフォトニック逆設計でどこまでできるか
要約本論文は、フォトニック逆設計ループの知覚・推論・意思決定の各段階で視覚言語モデルを評価する初の包括的ベンチマーク PCFBench を提案します。22万件以上の FDTD シミュレーションサンプルから構成され、26 のタスクを含みます。結果では、モデルは光ファイバの幾何形状をある程度識別できるものの、その視覚的理解を物理に基づく設計判断へ結びつけることには一貫して失敗しました。また、前段の知覚の誤りが後段の設計で拡大することも示されています。著者らは、モデルの大規模化や単純なエージェントの連結だけでは不十分であり、明示的な物理的根拠づけが必要だと結論づけています。
説明エージェントが失敗するとき：モデルかハーネスか、責任はどちらにあるか
要約本論文は、LLMエージェントがモデルと実行ハーネスの組み合わせで構成されるため、ハーネスはモデルとの相互作用を通じて評価すべきだと主張する。有効完了率、モデル・ハーネス適合度、クロスモデル適合度、相互作用残差、トークン負荷の5つの指標からなる枠組みを提案し、4つの汎用ハーネスと4つのコアモデルを6つのベンチマークで評価している。ハーネスの順位はモデルやベンチマークによって変動し、タスク性能と有効完了率で有利な組み合わせが異なることが示されている。
説明CASE：凍結マルチモーダル感情モデルのための混同認識スキル進化手法
要約マルチモーダル大規模言語モデルは感情認識で進歩したものの、意味的に近い感情同士を系統的に混同します。本論文は、モデルパラメータを変えずに、混同しやすい感情ペアごとのスキルライブラリを外部に持ち、推論時に該当スキルを検索して境界判定を補強する CASE を提案します。CA-MER、DFEW、EMER での実験により有効性と汎用性が示され、Qwen3-VL-8B の CA-MER における平均精度は 46.80% から 59.13% に向上しました。
注目点感情混同ペアごとの再利用可能なスキル库を用いる、MER向け初のエージェントスキル枠組みで、複数データセットと骨格モデルで効果を実証している。
説明PathJev：組織病理学向けの意思決定ネイティブな視覚言語モデリング
要約本論文は、組織病理学のための意思決定ネイティブな視覚言語モデル PathJev-P を提案しています。質問と候補集合を入力に含め、小さな決定ヘッドから一度の順伝播で正規化された確率分布を出力します。MedGemma-1.5-4B に LoRA アダプタと決定ヘッドを組み合わせ、3つの公開データセットから得た40,000パッチで学習しました。平衡精度は0.541で、生成モデル、ゼロショット病理モデル CONCH、汎用医療決定モデルを上回りました。ただし校准の優位性は生成モデルの確率の読み出し方法に依存し、未見の臓器では過信が残るとされています。
説明CauProphet：人間のように因果認知を発達させるエージェント
要約本論文は、因果認知を自ら形成・更新する大規模言語モデルエージェントCauProphetを提案している。既存の因果知識と現在の証拠を組み合わせて構造化された因果信念を作り、それを意思決定に用いるとともに、新たな観察に応じて信念と因果認知を継続的に更新する。金融研究では基準エージェントより平均順位相関が25.4%向上し、動的な実世界設定では予測精度が21.3%から28.6%に改善したと報告されている。
説明事後報酬を超えて：マルチモーダル埋め込みのための特権的推論探索（PILOT）
要約本論文は、推論を潜在変数としてモデル化し、同一のマルチモーダル大規模言語モデルで事前分布（入力のみに条件づけ）と事後分布（訓練時の関係性エビデンスを利用）を別々の推論モードとして実装するPILOTフレームワークを提案しています。重要度重み付き変分目標を導出し、両モードを共通の推論互換報酬の下で共に改善するとともに、事後の軌跡を有用性と事前からの到達可能性に応じて事前へ選択的に移すとしています。78タスクのMMEB-V2ベンチマークでは、2Bと7Bの両パラメータ規模で12のタスク群すべてにおいて主要ベースラインを上回り、総合スコアはそれぞれ3.2点と3.3点向上しました。視覚文書検索で最も大きな改善が見られたとしています。
説明知覚からピクセルへ：人間の視覚で区別できる色に基づく主要色抽出の改善
要約本論文は、知覚実験から構築した「人間の色辞書（HCD）」を用いる、人間の知覚に基づく主要色抽出の枠組みを提案します。110名の参加者の回答から、知覚上区別できる64色を選定しました。この辞書をRGBヒストグラムとK-means法に組み込むと、4,562枚の画像データセットにおいて、Earth Mover's Distance と最良一致距離で評価した知覚的整合性が向上したと報告しています。また、色の知覚数に有意な性差は見られず、高彩度の色が最も区別しやすいことが示されています。
説明エッジ・クラウド環境におけるオンライン継続学習：分布の変化に対応しつつ忘却を抑えるモデル更新手法
要約本論文は、IoTやエッジ／クラウドシステムに展開された機械学習モデルを対象に、元の学習データ全体にアクセスできない状況で非定常なデータストリームに適応する方法を提案しています。分布外（OOD）検出と概念ドリフト検出を組み合わせ、ODINとECDDを用いて注釈すべき有益なサンプルを特定し、リハーサルに基づくモデル更新を起動します。自動車、医療、農業の各データセットでの実験により、提案手法の適用可能性と、破滅的忘却の緩和に寄与する可能性が示されています。
説明ALLMTS：大規模言語モデルに基づく自動医療トリアージシステム（電話相談の振り分けを指針に沿って行う仕組み）
要約本論文は、簡潔な問診メモから患者を救急車、救急外来、受診予約、自宅ケアのいずれに振り分けるかを判断するALLMTSを提案しています。大規模言語モデルに直接判断させるのではなく、看護師が使うテレヘルス指針を選択し、その評価設問を実行させる方式です。566件の専門家検証済み合成シナリオでは正答率0.95で、直接利用した基準モデルの0.47を上回りました。公開された50件の部分集合では0.98で、五名の看護師専門家パネルの0.944と同程度でした。
説明OPTARI：光音響イメージングの臨床応用に向けたオープンソースソフトウェア基盤
要約本論文は、光音響・超音波併用（OPUS）イメージングの大規模臨床研究を支援するオープンソースのグラフィカルソフトウェアOPTARIを紹介します。プログラミングの知識がなくても利用でき、napariビューアとPATATOツールキットを基盤としています。ベンダー独自形式とオープンなHDF5形式に対応し、関心領域の注釈、再構成、発色団分離、深層学習による組織セグメンテーションなどの機能を備えています。論文によれば、筋組織における自動セグメンテーションは専門家のラベリングと同程度の結果を示し、バッチ処理により1スキャンあたりの解析時間は数分から1秒未満に短縮されました。
