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Propasafe-Hybrid：テキストベースのハイブリッド型プロパガンダ検出ツール
要約本論文は、文単位でプロパガンダを検出するシステム Propasafe-Hybrid を提案している。ファインチューニングしたTransformer分類器と、LLMによる手法分類を組み合わせ、具体的な宣伝手法を識別・ラベル付けし、簡潔な理由も示す。コストを考慮した事前フィルタリングにより、可能性の高い文だけをLLMに渡してトークン使用量を抑える。著者らは、これらの設計が実際のニュース環境における文単位の検出の説明可能性、効率性、実用性を高めると述べている。
説明セマンティック優先 MixGRPO：時間分離による信頼性の高い感情画像生成
要約本論文はフローベース画像生成において、確率的サンプリング区間の位置を感情（バレンス・アラousal）制御の変数として調べています。提案手法は、最初の20ステップで決定的ODEサンプリングにより内容を確定し、確率的探索と方策更新はステップ20〜23に限定します。その結果、CLIPScore、感情間のDINO一貫性、意味的ドリフトが段階的スケジュールより改善され、学習コストは全経路Flow-GRPOより33.5%低くなりました。一方、感情目標への精度は全経路の確率的学習の方が高いと報告されています。
説明FG-ConvNO：プロペラCFD予測のための幾何認識型ニューラルオペレータ
要約本論文は、学習データが限られた状況でプロペラ表面圧力を予測するFG-ConvNO（因子化幾何畳み込みニューラルオペレータ）を提案している。幾何認識エンコーディング、補間ベースのデコーディング、補助的な全体量の教師あり学習、離散連続畳み込みを用いるDISCOブロックを組み合わせている。手続き的に生成されたプロペラCFDデータセットにおいて、表面圧力と全体推力の両方で最も高い精度を示した。
説明大規模モデル学習の全段階を扱う包括的フレームワーク：データとトークン化から事前学習、事後学習アラインメントまで
要約本論文は、学習段階の統一的な区分と、データ・目的関数・最適化・システム制約・評価・リスクとガバナンスの6次元からなる分析枠組みを提案しています。2017年から2026年の395件の主要文献を体系的に整理し、段階間の影響図を示しています。スケーリング則の比較可能性はデータ品質と配合に依存すると指摘し、多モーダル学習がテキストのみのパラダイムに構造的な課題を投げかけることを論じています。
説明BoardSafety：メーカー文書から作る開発ボード安全判定のAIデータセット
要約本論文は、大規模言語モデルが特定の開発ボードで提案された操作の安全性を判断できるかを評価するBoardSafetyベンチマークを提案します。データはベンダーのデータシートとハードウェアガイドから作成され、ボードごとの安全規則ベースに変換したうえで、安全、危険、情報不足のラベルを付けた運用シナリオを生成します。実験では、安全規則を提供すると精度が概ね向上する一方、構造化された根拠提示の効果はモデルや規則へのアクセス条件によって異なりました。評価されたモデルは、操作の安全性をまだ信頼して判断できないと結論づけられています。
説明知能から自律へ：将来の知能システムのための自律エージェントの基礎と構築
要約本論文は、AIが単発のタスク遂行から長期的に自律して動作する段階へ進むための方法を検討しています。自律エージェントを定義し、恒常性やフィードバック制御からオートポイエーシスに至る概念の流れを整理したうえで、操作・生存維持・メタ制御・統制された学習の四つのループからなる枠組みを提案しています。五組の対照シミュレーション実験により、その仕組みの実現可能性について予備的な証拠が示されていますが、より広い環境や物理システムでの検証は今後の課題です。
説明LLMの信頼性検出のための表現シグネチャの適応的転移手法
要約大規模言語モデルは幻覚や推論の誤りを起こしやすいとされています。既存の検出器は大量のドメイン固有のラベル付きデータを必要とします。本論文は関連ドメイン間で低次元の表現シグネチャを転移させ、交差フィッティングによりドメインごとの予測器の結合重みを学習する手法を提案します。新しいドメインでラベル付き質問が25件だけの場合、幻覚検出のAUROCは6.8%、推論ステップ予測のAUROCは8.4%向上したと報告されています。
説明SCAPE-T による意味の定量化：エンコーダ専用 Transformer の注意機構から得る意味的複雑度
要約本論文は、テキストの意味を一意に特定するために必要な符号長として意味的複雑度を定義し、エンコーダ専用 Transformer の注意機構に基づく指標 SCAPE-T で測定する方法を提案しています。3つの下位指標を組み合わせ、語長を統制した条件で、児童向けの物語と技術的な Wikipedia 記事の対比において78.5%のペア比較精度を示し、可読性、統語・語彙、LLM 由来の基準を上回りました。語彙・統語的な交絡をより良く分離できると結論づけています。
説明医療質問応答のための摂動ベースのデータ選択手法
要約既存の医療質問応答データから小規模な学習サブセットを選ぶ方法を検討した論文です。最終層表現へのガウス摂動から得た二つの信号を用い、RSP と RSP-Drop という二種類の選択手法を提案しています。MedGemma-4B を使い、五つの医療QAデータセットで64・128・256件の予算下に評価したところ、128件では平均 Macro-F1 が47.55と48.28となり、エントロピー事前フィルタ後の無作為選択（45.11）を上回りました。ただし結果はデータセットや予算によって異なります。著者らは単一のモデルでの評価であり、臨床的な有効性を示すものではないと述べています。
説明人と大規模言語モデルにおける形式に基づく言語的生産性の検証
要約本論文は、新しい動詞を用いる言語的生産性について、人と計算言語モデルを比較している。新しい動詞を能動態で学習させた後、受動態の文脈へどこまで拡張できるかを検証した。その結果、人は新しい動詞に妥当な意味を割り当てられない場合でも、形式に関する抽象的な一般化に沿って能動態から受動態へ拡張できた。一方、大規模言語モデルは既存の動詞に似た意味を割り当てられる場合にのみ成功した。著者らは、モデルの統語知識は特定の語彙の分布と意味に依存しており、人間の統語知識とは異なると結論づけている。
説明ConMem：反事実的な多シナリオ検証によるLLMメモリの不整合の解決
要約論文は、LLMエージェントの長期記憶が過度に一般化された情報や誤って帰属された情報、プライバシーに関わる情報を保持してしまう「メモリ不整合」の問題を指摘しています。著者らは1,079件の記憶事例からなるベンチマーク「MemAlign」を構築し、保持の判断を反事実的因果推論として捉える「ConMem」を提案しています。原文によれば、ConMemは他の手法より優れており、過剰保持の偏りを緩和しつつ個人化の有用性を損なわないとされています。
説明動的クエリを「予算配分」とみなす：微小物体検出のための BUTR 手法
要約本論文は、DETR系の微小物体検出器における動的クエリの役割を分析し、その主な機能は複雑なクエリ選択ではなく、物体密度に応じてデコーダのクエリ数を配分することだと指摘しています。提案手法 BUTR は、エンコーダの信頼度から入力依存のクエリ予算 K(x) を推定する、学習を必要としない軽量な予算器を用います。800×800 解像度において、BUTR-L は NVIDIA T4 GPU 上で、AI-TOD-v2 で 35.7 AP・47.8 FPS、VisDrone で 29.8 AP・42.1 FPS を達成しています。
説明データ整理後の正確なアンラーニング：削除要求後に学習を再現するために何を保持すべきか
要約学習パイプラインで類似サンプルを除去してからモデルを当てはめる手法について、元データの削除が選別結果を変え、以前除外されたサンプルが再び学習に入りうることを扱った論文です。固定規則のもとで保持すべき情報を示し、複数回の削除後も正確に修復できる学習統計量の要約と、リッジ回帰向けの有限精度特徴量を構成しています。1,001件のAskUbuntu開発データでは、51の固定類似度閾値のうち13で、削除によって別のレコードが取り込まれる結果が確認されました。
説明強化学習のスケーリング則に関する実証研究：小規模実験から大規模学習の性能と資源配分を予測
要約本論文は、Starpilot と Craftax という手続き的に生成される二つの環境で、actor-critic 型強化学習アルゴリズムのスケーリング則を実証的に調べたものです。発見されたスケーリング則は、総学習計算量で最大二桁大きい規模の学習について、性能、最適な資源配分、最適なハイパーパラメータを予測できるとしています。また、平均エピソード報酬より Elo スコアの方が予測しやすい指標であると報告しています。Craftax では計算量を増やして新たな最高水準の結果を達成し、算量最適モデル規模の非単調な傾向を Ray interference と関連づけています。
注目点強化学習のスケーリング則を体系的に調べ、より予測可能な指標としてEloを提案。二つの環境で大規模実験により検証し、Craftaxで新たな最高性能を達成している。
説明リーマン多様体上の平均確率的勾配降下法に対するオンライン共分散推定
要約本論文は、未知パラメータが多様体上にある場合の、平均化リーマン確率的勾配降下法（RSGD）のオンライン統計的推論を扱います。ベクトル輸送を用いて、重なりのある推定量と重なりのない推定量を構成し、連続するバッチの情報を適応的に統合しつつ、変化する接空間を考慮します。提案手法はオンラインで動作し、リーマンヘッセ行列の計算や終了サンプルサイズの事前指定を必要とせず、ユークリッド版と同じ収束率を達成します。格拉スマン多様体上のストリーミング主成分分析を例として枠組みを示しています。
説明CNNとVision TransformerはアルツハイマーMRI分類で複数データセットにまたがって頑健か
要約本論文は、標準化された前処理と評価を用いた多データセットのベンチマーク枠組みを提案し、ResNet-50、ReXNet-150、Swin Transformer、ViT-Base、ViT-Largeの5つのアーキテクチャを、3つのMRIデータセットで比較しています。ViT-Largeが3つすべてのデータセットで最良の性能を示し、精度は最大99.84%、マクロF1は最大99.86%に達しました。アーキテクチャ間の差は分布のずれがある場合に最も大きく、データ拡張設定ではかなり小さくなります。また、性能の低下は主に隣接する初期段階のクラス、特に極軽度と軽度の障害の間で見られると報告されています。
説明AV-FABLE：長尺動画における音声・映像改ざんの鑑識ベンチマーク
要約本論文は、本物の内容の中に紛れ込む短い区間のAI改ざんを対象に、長尺動画向けの二重タイムラインベンチマークAV-FABLEを提案しています。原動画と改ざん動画の組16,650組（998時間）を含み、音声と映像のタイムラインを別々に用意しています。音声・映像大規模言語モデルはゼロショットでは検出がほぼ偶然レベルでしたが、凍結された特徴に教師あり読み出しを行うと強い鑑識信号が得られました。この知見に基づき、分離した音声・映像の時系列デコーダで特徴を読むNFSR手法を提案しています。
説明行動依存観測下における開ループ・確実性等価・最適制御の性能差
要約本論文は、観測が行動に依存する線形二次系において、最適方策、確実性等価制御、最適開ループ方策の累積コストの差を比較して検討する。情報強度パラメータqを導入し、qの値によって異なる性能の領域を示している。中程度のqでは、時折情報を探索する方策が開ループに対してΩ(T)の優位を得る一方、確実性等価制御はO(1)の優位にとどまり、両者の間にΩ(T)の差が生じると述べている。
説明時系列意思決定のための System One モデルのベンチマーク：Jev を事例として
要約本論文は、答えとその確率を直接出力する構造化 System 1 モデルを、時系列タスクで評価したものです。事例として Jev 1.13.0 を用い、時系列分類、イベント種別予測、油温の方向、株価変動の予測を扱い、連続値の予測目標を離散的な判断に変換しています。一部の明確な時間パターンやイベント種別予測では良好な結果を示す一方、多くの数値系列分類や株価変動予測では偶然に近い識別性能にとどまりました。
説明大規模言語モデルのためのデータ最適化：サーベイ
要約本論文は、大規模言語モデル（LLM）のデータ最適化技術を整理したサーベイである。著者らは、データがLLM登場の重要な要因とされる一方で、データ面を扱ったレビューは少ないと指摘する。品質、難易度、多様性、冗長性といったデータ特性の評価観点を整理し、既存の最適化手法をデータ選択、データ拡張、再重み付け、その他の4つに分類している。さらに各分類間の関係を分析し、従来の深層学習と比べた課題と今後の方向性を示している。
説明COPE：混合エキスパート（MoE）オフロード方針のための合成可能な性能エミュレーション
要約本論文は、大規模言語モデルの混合エキスパート（MoE）オフロード方針の中から、対象のモデルとハードウェア環境に最適なものを実装前に選ぶツール COPE を提案します。設計空間を「エキスパートの常駐方式」と「MoE の実行方式」という独立した二軸に分け、対象プラットフォーム上でのオペレータ実行の計測とオフラインのルーティングトレースを組み合わせて各候補の性能を推定します。評価された基準手法と比べ、最速方針の選択精度は 24%〜100% 向上し、性能予測誤差は 1.7〜6.8 倍縮小したと報告されています。
説明連合学習における忠実な表形式データ合成手法（FITS）
要約本論文は、連合学習の環境で数値型と離散型が混在する表形式の合成データを生成する問題を扱います。分布の忠実性の確保と混合型データの適切な処理が主な課題です。著者らは、局所線形回帰による条件付き累積分布関数の推定に基づく二段階の連合アルゴリズムと、確率の連鎖律に基づく合成手順からなる FITS（Federated Integrative Two-Step Synthesis）を提案し、離散変数を連続空間へ持ち上げる連続化手法も導入しています。実験では、FITS で生成した合成データが全クライアントの下流タスクの性能を向上させ、その効果は合成データの使い方に依存することが示されています。
説明超高精細低照度画像強調のための双方向クロス周波数領域相互作用ネットワーク
要約既存の超高精細低照度画像強調手法は、空間領域または周波数領域のいずれかでのみモデル化するか、周波数成分を個別に処理することが多く、空間と周波数の情報を併せて活用できていません。その結果、照明の不整合、残留ノイズ、細部のアーティファクトが生じやすくなります。本論文は、事前学習済み変分自己符号化器の多重スケール表現に二重領域特徴相互作用モジュールを組み込み、低周波と高周波の特徴を相互に強調するBiFreqNetを提案しています。四つの一般的および超高精細の低照度強調ベンチマークで、先進的手法と同等かそれ以上の性能が示されています。
説明顕微鏡画像生成の再考：生物学的に解釈可能な単一細胞合成のための共同設計拡散モデル
要約この論文は、顕微鏡画像の生成で個々の細胞の見た目を制御できない問題に対し、単一細胞単位で生成し、入力条件とモデル内部表現を共同で設計する手法を提案しています。多数の標準的な細胞測定値を、大きさ、伸長度、明るさ、テクスチャなど、名前が付けられ測定可能で操作できる少数の意味軸にまとめています。さらに、潜在空間を同じ測定値に合わせたエンコーダ・デコーダ型のBioVAEを導入しています。LIVECellでの実験では、意味軸による条件付けが高次元の条件付けより生成の忠実度を大きく改善し、生物学者による盲検評価で生成細胞の現実感が確認され、軸ごとの操作で安定して解釈可能な表現型の変化が得られたと報告されています。
説明速い直感と遅い推論：衛星動画におけるマルチ物体追跡の自己設定のための二速エージェント型フレームワーク
要約衛星動画の多物体追跡は、数十秒の観測期間内に搭載機上で適応する必要がありますが、従来の手法では検出器の再学習が間に合いません。本論文は、オフラインで学習された高速な直感（AUSPEX）と、任務を担う低速な推論（CORVUS）を組み合わせた二速エージェント型フレームワークを提案します。AUSPEXはラベルのない候補リストから各系列の追跡設定を選び、CORVUSは検証済みスキルを2.5秒で実行し、自然言語の任務には言語エージェントで対応します。SatMTBとSatVideoDTでの評価結果とJetson Xavier NXでの動作が報告されています。
説明現代の拡散言語モデルの構築方法：離散拡散モデルのサーベイ解説
要約本論文は離散拡散モデルの主要な考え方と、現代の拡散型大規模言語モデルの構築方法を紹介するサーベイです。逐次生成の自己回帰モデルと異なり、拡散モデルは並列生成と反復的なノイズ除去により、並列ハードウェアを活用し、誤りの修正や制御可能な生成を可能にすると説明しています。基礎理論、アルゴリズムとアーキテクチャの要素、生物学と言語への応用、そして今後のLLMスケーリング則への示唆を扱っています。
説明重い裾の雑音下でクリップ付きSGDの最終反復点を時間一様に評価するコスト（未知の地平の場合）
要約本論文は、滑らかな凸目標関数に対してクリップ付き確率的勾配降下法（clipped SGD）を重い裾の雑音のもとで用いる場合の、最終反復点の時間一様な最適収束率を扱っています。地平や信頼度の入力を必要としないステップ規則は、すべての時刻で約 t の -β_p 乗の速さを達成し、ほぼ確実にも成り立つことが示されています。現在の反復点の確率的勾配に沿って更新する方式では、これを上回る速さは得られないと論じています。
注目点地平線情報なしのクリップ付きSGD最終反復の時間一様最適指数を示し、一致する下界で既存結果を大きく改善する。理論的な裏付けが堅実である。
説明一回先読み：拡散ドラフトによるパック型自己投機的デコード
要約自己回帰型言語モデルはトークンを逐次生成するため、長い出力の生成にコストがかかります。本論文のPacked-SSは、同一モデルが一回の呼び出しで現在のドラフトを検証すると同時に次のドラフトを生成する方式で、入力サイズは投機幅に対して線形であり、目標モデルの分布も保たれます。Nemotron 3B/8BとSetDLM 1.7Bでの実験では、貪欲復号において従来の二回呼び出し方式より高いスループットと短い平均実行時間が示されています。
説明AdShot：動画広告クリッピングにおけるマルチモーダル大規模言語モデルのベンチマーク
要約広告主は予算や視聴者の好みに合わせ、同じ広告の異なる長さ版を複数作成しますが、この作業は手間とコストがかかります。本論文は、823組のプロ編集済み広告（30秒の元素材と15秒の編集版）から成るベンチマーク「AdShot」を提案し、マルチモーダル大規模言語モデルのショット選択能力を評価します。13の映像のみのモデルと2の視聴覚モデルを検証した結果、規模よりもアーキテクチャが重要であること、多くのモデルが15秒の目標を超過しがちであること、情報型や感情型のショットを優先する内容上の偏りがあることが示されています。
説明グローバル・オーケストレーションはステップ・バイ・ステップ方式にどこまで近づけるか：企業ワークフローエージェントのベンチマーク研究
要約企業向けワークフローエージェントは、通常、行動を一つずつ実行し、結果を見てから大規模言語モデルを再び呼び出して次の手順を決めます。これに対しグローバル・オーケストレーションは完全なワークフローを事前に生成して実行するため、モデル呼び出しを減らせますが、精度はやや劣ります。本論文は650件の企業SOPと3,220の実行時バリエーションからなるベンチマーク「AgentOrch」で両者を比較しました。ステップ・バイ・ステップ方式が依然として高精度ですが、差は最新モデルで初期モデルの約79%縮小しています。差をさらに縮める方法として、段階的なワークフロー構築、実行フィードバックによる修正、完全なワークフローへの学習が検討されています。
説明事後学習はLLMの価値観の選好をどのように形成するか？
要約本論文は、大規模言語モデル（LLM）が事後学習の過程で、異なる人口集団の意見が不均衡に含まれたコーパスから価値観の選好を学習する仕組みを検討しています。意見の混合比率を変えたコーパスと、SFT、DPO、GRPOに基づく5つの事後学習経路を用いた統制実験を行いました。その結果、事後学習は経路によって意見の不均衡を異なる程度に増幅すること、またこの選好は明示的な意見の質問を含まないコーパスによる蒸留でも学生モデルに伝わることが示されています。
説明誘導型投機的推論のための多重重要度サンプリング
要約本論文は、大規模言語モデルのテスト時スケーリングに用いられる誘導型投機的推論（GSI）を、複数の小規模言語モデルが推論の草稿を提案し、大規模基盤モデルとプロセス報酬モデルが検証する設定へ拡張したものです。多重重要度サンプリングの枠組みを用いて、多様な提案分布からのサンプルを集約する重み付け方式を導入しています。最適な報酬調整済み目標分布とのKLダイバージェンス、および期待報酬の低下に関する新たな上界を示し、よく知られたバランスヒューリスティックが最適であることを証明しています。サンプル総数を同じに保った場合、複数モデルの組み合わせは単一の草稿モデルに比べて競争力のある性能を保ち、単一の草稿モデルの台が目標分布を覆わない状況にも数学的に頑健であると報告しています。
説明論文グラフから知見を抽出し、議論を通じて研究アイデアを生成するマルチエージェント枠組み
要約本論文は、関連論文のグラフから知見を抽出し、文献に根ざした専門性をエージェントに持たせるInsightAgents（インサイトエージェンツ）という枠組みを提案しています。エージェントはこの知見をもとに議論を重ね、研究課題を特定し、手法を提案・検討・改良して研究提案を作成します。100のNLP研究テーマで、2名のLLM評価者による比較を行ったところ、5つの評価軸すべての平均で最高スコアを示したと報告されています。
説明共有KVキャッシュを持つLSTM型ループTransformer
要約本論文は、再帰的コアが一つのキー・バリューキャッシュを共有する、LSTM型のループTransformerを研究している。幅1024では、重みを共有しない対照モデルと比べてパラメータが40.4%少なく、順伝播の計算量はほぼ同等で、永続キャッシュ群は15から4に減っている。学習の最後の10%で一貫性損失を用い、二つの学習経路のキャッシュ項目を揃える手法を提案し、FineWeb上で三つの幅について評価している。
説明平滑追従眼球運動を用いたパーキンソン病の自動スクリーニング
要約本研究は、パーキンソン病患者の平滑追従眼球運動における注視位置系列の複雑性と非線形動力学の指標が自動スクリーニングに有効かを検討しています。早期パーキンソン病患者41名と健常対照者47名を対象に、12種類の平滑追従課題を映像式アイトラッカーで記録しました。サポートベクターマシンと専門家混合モデルを組み合わせた手法は、外部テストセット18名でROC曲線下面積0.86を示しました。患者では注視系列の持続性が低く不規則性が高く、主に水平方向に見られました。より大規模な独立コホートでの検証が必要です。
説明MOSHO：ハードウェア認識型ニューラルアーキテクチャ探索のためのネイティブな離散サメ型メタヒューリスティック
要約ハードウェア認識型ニューラルアーキテクチャ探索（NAS）では、予測精度とデバイス固有の遅延を同時に最適化する必要があります。本研究は、連続形式の多目的ホワイトシャーク最適化器（MOWSO）を整数化すると量子化ノイズが生じると指摘し、連続的な運動方程式を離散的なアーキテクチャ編集演算子に置き換えるネイティブな離散メタヒューリスティックMOSHOを提案しています。18の条件でのNAS-Bench-201/HW-NAS-Benchベンチマークでは、正規化ハイパーボリュームの中央値0.9987、IGD+ 0.0064を達成し、NSGA-IIと競合するパレート front を得つつ探索時間を96.4%削減しました（0.64秒対17.72秒）。
説明選好最適化で定義生成を改善：EU機関の持続可能な金融開示における意味変化
要約本論文は、直接選好最適化（DPO）による微調整で、語義変化検出に使われる辞書型の定義生成器を改良できるかを検討しています。従来の手法は同じ語義に対して定義を過剰に細かく生成する問題があり、DPOがこの問題の緩和に役立つことを示しています。学術ベンチマークでの定量評価に加え、EU開発金融プロジェクト文書における持続可能性用語の通時的変化の監査にも適用し、モデル・コード・予測結果を公開しています。
説明緊密結合型学習ベース・イベント慣性オドメトリ（TLEIO）：イベントストリームからエンドツーエンドで動きを推定するTransformerベースの構成
要約本論文は、ボクセル化されたイベントストリームから短い時間窓の相対運動を直接学習し、IMUの積分と緊密に融合する、コンパクトなフィルタベースの手法TLEIOを提案している。学習済みフロントエンドのEventsFormerは、単一の順伝播で局所的な変位と各軸の不確かさを予測する。TartanAirでは平均ATEがIMUのみのベースラインTLIOの2.26 mから1.10 mに低減され、最適化ベースのイベントオドメトリ手法に比べて実行時間が最大48.9%短縮された。
説明BenchBench-Cloning：分子クローニングの設計とプロトコル開発を評価するベンチマーク
要約本論文は、大規模言語モデル向けの分子クローニング・ベンチマーク BenchBench-Cloning を提案している。配列記録、実験ノート、公表された研究に基づく65のタスクからなり、50件はクローニングシミュレーターで実行評価するプロトコル開発、15件は決定的チェックと必要に応じた採点基準ベースのLLM評価で判定する構築設計である。8システムの試験では、GPT-6 Astra が30.6%で最高得点となり、他は8.6%から22.2%の範囲だった。best-of-ten サンプリングでも飽和しないという。
説明CLOCK法：力学系の時系列のための占有カーネルによるクラスタリング手法
要約本論文は、時系列をクラスタリングするCLOCK法を提案します。時間平均化された占有カーネルを用いて系列を再生核ヒルベルト空間に埋め込み、そのノルムによって軌道を比較します。微分方程式で記述される系では、この差異指標が不変SRB測度のカーネル平均埋め込みを近似し、アトラクタ間の最大平均離散（MMD）に近づくとされています。長さの異なる系列や不規則に観測された系列も扱え、合成データと頭蓋内脳波データでスペクトラルクラスタリングにより検証されています。
説明動画Transformerにおける「偽陽性ゼロ」検定による時間的概念の検出
要約本論文は、動画モデル内の特徴が物体の動きなど複数フレームを必要とする時間的概念を本当に符号化しているかを判定する「偽陽性ゼロ（NFP）」統計検定を提案しています。VideoMAE、V-JEPA2、TimeSformerのいずれにも時間的特徴が存在することが確認されました。画像エンコーダのDINOv2や合成データでも検定の妥当性が検証され、時間的特徴への介入の効果はモデルによって一貫しないと報告されています。
説明光子時間伸張に着想を得た動画のリアルタイム動き検出
要約本論文は、光子時間伸張（超高速リアルタイムデータ取得技術）の物理原理に着想を得た MoViD（仮想分散と位相検出による動き推定）アルゴリズムを提案している。映像の各画素を光学時間系列の波形とみなし、群遅延分散を用いて動きを検出する。従来の位相ベース手法と異なり、広帯域の映像信号を直接処理する。論文によれば、4K で約毎秒 200 フレーム、8K で約毎秒 70 フレームの全解像度での動きマッピングが可能とされている。
説明Nesterov軌道はいつ最終的に局所最小化となるか：Nesterov加速法の変分的性質に関する数学論文
要約本論文はNesterov加速法の変分的特徴づけを再検討し、その軌道が変分の意味で最終的に局所最小化となる条件を調べています。この問題は、軌道の変分に作用する関連するシュレーディンガー作用素の非負性と同値であることが示されています。f(x)=(1/p)||x||^pの形のべき乗目的関数については、p≥2の範囲で、初期位置が零でないNesterov軌道が最終的に局所最小化となるのはp=4の場合に限ると完全に特徴づけられています。この例外的な指数は、半線形楕円型方程式の安定性理論を通じて解釈されています。
説明成長型ニューラルガス・コードブックとグラフ誘導マスク画像モデリングによる網膜OCT向け視覚基盤モデルの圧縮
要約本論文は、網膜画像の連続的な視覚基盤モデルを離散コードブックへ蒸留し、マスク画像モデリングの再構成目標として用いる位相認識型の枠組みを提案している。学生モデル（2,200万パラメータ）は教師モデル（8,600万パラメータ）から蒸留され、FLOPsは少なくとも3.6倍削減される。複数の分類・分割ベンチマークで、学生モデルは教師モデルに近い性能を示し、条件によっては上回る。
説明TinyFlow：エッジ向けオプティカルフローのワーピング制約を打破
要約本論文はTinyFlowを提案する。約1.26Mパラメータのワーピング不要な光学フローネットワークで、フロー依存の特徴再サンプリングを固定ウィンドウの相関計算に置き換え、ネットワーク全体を静的INT8グラフとしてコンパイルできるようにしている。量量化認識ファインチューニング、ワーピング教師の蒸留、モデルスープを用いて、Float32からINT8への精度低下を終点誤差（EPE）0.2未満に抑えた。MPI-Sintelでは、INT8モデルがClean/Finalで6.29/7.13のEPEを達成した。単眼視覚オドメトリでは、11シーケンス中7つで最小の軌跡誤差を示した。
説明拡散モデル学習の情報理論的スケーリング則
要約本論文は、拡散モデルが生成するサンプルが特定の学習データセットにどの程度依存するかを、計算可能な「モデル情報量」という指標で検討しています。モデルサイズと学習データ量を変えた際のスケーリング挙動を分析し、純粋な記憶から不完全な汎化へ移行する非線形の段階と、モデル情報量が線形に増え汎化とサンプル品質が向上する段階という二つの領域を示しています。さらに、その二領域を説明する情報理論に基づくスケーリング則を提案し、記憶とサンプル品質に関する導出スケーリング則を示しています。
注目点計算可能な情報理論的指標「モデル情報量」を提案し、記憶から汎化への二段階のスケーリングを示すが、実験範囲は限定的。
説明差分プライバシー合成とサブサンプリングのガウス近似：プライバシー損失分布を正規分布で近似し、より厳密な上界を与える研究
要約本論文はDP-SGDで用いられるサブサンプリング機構の合成に対するプライバシー上界を分析する。各ステップのプライバシー損失が高確率で小さければ、まれな大きな損失を打ち切った後、合成後の損失分布は同じ平均と分散をもつガウス分布に近いことを示す。この近似に伴う ε のずれは誤差 β に対して ln(1/β) で増加する。さらに、単一ステップの χ² 発散を用いて分散に基づく上界を導き、一部の条件でRényi発散による解析より良い結果を得る。
注目点DP-SGDにおける部分サンプリング合成の損失をガウス近似で解析し、Rényi解析を実質的に改善する。理論的証明は厳密で、分野への影響は大きい。
説明拡張誘導型敵対的学習：局所安定性に基づくサンプル選択
要約敵対的学習は敵対的攻撃への有効な防御策だが、標準的なPGDベースの学習は計算コストが高い。本論文は拡張誘導型敵対的学習（AGAT）を提案し、拡張による局所的な変化を利用して近傍が不安定なサンプルを選び、それらにのみ敵対的学習を適用する。複数のデータセットと構造で、同等以上の頑健な精度を保ちつつ、学習時間が他の敵対的学習手法より短いことが示されている。
説明TempShap：時系列予測で特徴量がいつ、どの程度重要か
要約本論文はTempShapを提案する。これは損失に基づくShapley帰属フレームワークで、入力ウィンドウ内の個々の時点・特徴量のセルを独立したプレイヤーとして扱う。特徴量が入力ウィンドウのどの時点で作用するか、またその影響が予測期間にわたってどう変化するかを示せる。冗長な入力がある場合、符号付きShapley分解の方が保持削除試験での順位付けが信頼できるとされる。複数のShapley推定器、予測ベンチマーク、モデル系統で削除順位の優位性が報告されている。
説明AIが囲碁の複雑さへの対処を人間に教える
要約本論文は囲碁を実証的な題材とし、空間依存行列のスペクトル半径に基づく「戦略的緊張」という指標を定式化し、局所的安定と全体的協調のトレードオフを分析する。人間の棋士は初心者から達人へと上達するにつれて緊張が減少する一方、2016年のAlphaGo以降、1980〜2026年のプロの対局では持続的な緊張が明確に増加したと報告している。著者らは、戦略的緊張は計算能力そのものではなく意思決定パラダイムのマクロな序変数であり、AIは人間の能力を拡張する認知的足場になり得ると論じている。
説明MLIPDiff：機械学習原子間ポテンシャルで拡散モデルを導く構造ベース創薬
要約拡散モデルは構造ベース創薬で主流の手法ですが、参照構造への適合を主に学習するため、リガンドをタンパク質と衝突する物理的に不自然な姿勢に配置することがあります。本論文は、事前学習済みの拡散モデルに推論時に適用できる誘導手法MLIPDiffを提案します。機械学習原子間ポテンシャルUMAによる物理情報ガイダンスを用い、タンパク質-リガンド相互作用、リガンドのひずみ、立体衝突、ポケットへの固定の4つの重み付きエネルギー項を組み合わせます。CrossDocked2020では、タンパク質-リガンド衝突を完全に除去し、基礎モデルのPoseBusters通過率を維持したうえで、中央値のVinaスコアで最良の結果を示しました。
説明エージェントシステムの責任境界：確率的エージェントプログラミングの比較評価
要約本論文は、委任範囲・権限・外部作用・証跡の間の責任境界を明示的なプログラミング抽象として扱う確率的エージェントプログラミング（PAP）を提案します。複数のプログラミングパラダイムやエージェント・フレームワークと七つの観点で比較し、仲介カーネルの形式化と条件付き安全性の帰納的証明を示します。さらに七つの業務ケースと七つのモデルによる探索的実験を行い、評価したタスクにおける観測結果を報告しています。
説明事前学習済みモデルの容量は因果学習にいつ役立つか：スカラー予測から反事実的な事後学習まで
要約本論文はQwen 2.5系列を基に、スカラーの潜在結果を推定するCausalLLMと、処理条件付きのテキストやコードを生成するCausalGenを比較する。バックボーンを0.5Bから1.5Bに拡大すると、スカラー推定の結果は分かれるが、生成パイプライン全体ではコード生成のpass@1と処理効果スコアが向上した。著者らは、これは記述的な比較にとどまり、データセットや構成が異なるため一般的なスケーリング則や因果メカニズムは示せないと述べている。
説明粉末X線回折パターンの自己教師あり表現学習のための結合埋め込み予測アーキテクチャの検討
要約粉末X線回折は結晶構造を解析する主要な高スループット手法であり、自動化された材料探索に重要です。本研究では、結合埋め込み予測アーキテクチャ（JEPA）を用い、潜在空間でのマスク自己予測損失により一次元回折パターンから表現を学習します。凍結したJEPA表現上で学習した軽量なプローブは、空間群分類と格子定数推定で、はるかに大きな教師あり視覚Transformerに近い精度を示しました。また、学習された潜在空間はピーク広がりなどの物理的変化を滑らかな軌跡として自然に整理し、単相結晶の表現間を補間すると現実的な多相混合物のパターンが得られました。
説明木の深さと試料品質に関連する特徴：RNA-Seqデータ分類におけるBorutaの2つの隠れた要因
要約Borutaは、RNAシーケンスデータから遺伝子パネルを選ぶ広く使われる手法で、一般的な実装では深さ3〜7のランダムフォレストが推奨されていますが、この設定は検証されていませんでした。著者らはTCGAの汎がんデータ（10,469腫瘍、33種のがん）と乳がんPAM50分類データで検証し、浅い木は選択される遺伝子を大きく変え、50遺伝子パネルの精度を下げることを示しました。深さを制限しなければ精度の損失はありませんでした。また候補特徴の約3分の1が、クラス内の試料品質と相関していることも報告されています。著者らは、深さを制限しない木の使用と、Boruta前のクラス内品質フィルタの導入を推奨しています。
説明「もしも」マシン：個人化された反事実の物語が、遠い政策リスクを身近に感じさせる
要約本論文は「As-If Machine（AIM）」というマルチエージェントシステムを紹介します。人々はAIと共同で、異なる政策の未来における自分自身の人生についての個人化された反事実の物語を書きます。事前登録された二つの実験（科学研究費、N=1,007。衛星サイバーセキュリティ、N=894）では、専門家が書いた短い記事を読む場合と比べ、AIMはリスクが自分にどれだけ近く感じられるかという心理的近接性を高めました。政策態度への効果は分野によって異なります。
説明文法回路の出現と疎化：言語モデルはどのように主語と動詞の一致を学ぶか
要約本論文は、pythia-1b と、十個の乱数シードによる pythia-410m について、学習中に主語と動詞の数の一致を扱う回路を追跡しています。一致の振る舞いは早い段階で習得され、当初は分散した複数のニューロン群が担っていることがわかりました。振る舞いが安定した後も、その仕組みは再編成を続けます。pythia-1b では、初期は二つのアテンションヘッドが制御し、後には別の第三のヘッドが担うようになり、最終的な回路は非常に疎になっています。
説明All-in-One：大規模言語モデルの複数の変換を標的とする組み合わせ可能な攻撃
要約本論文は、大規模言語モデルの量子化、剪定、モデルマージなど複数の展開時変換を同時に標的とする、組み合わせ可能な攻撃フレームワークを提案しています。変換前の状態で安全性チェックを通過したモデルが、ユーザーが変換のいずれかを適用すると悪意ある挙動に変わる仕組みです。各変換を重みへの摂動として近似し、元のモデルでは良性損失、模擬された各変換モデルでは悪性損失を同時に学習させ、高い成功率を示したと報告しています。
説明KINESYS：参照画像に基づく画像エフェクト編集のためのテスト時適応手法
要約本論文は、参照画像で示した視覚効果を、言語で指定した属性に従って画像に適用する編集タスクを扱います。提案手法KINESYSは、参照画像に基づく反馈と元画像に基づく反馈を組み合わせ、テスト時に適応させることで、元のショットの構図と内容を保ちながら目的の効果を転写します。評価では、元画像の保持において最先端の画像編集モデルを上回り、効果の転写ではNano Banana 2と競合し、オープンウェイトの編集モデルを上回ったと報告しています。
説明局所予測一貫性による個人公平性
要約本論文は、既存の個人公平性の定義の多くがペア単位の制約であり、制約が厳しすぎる場合や、局所的に不一致な予測を受けている個人を特定しにくい場合があると指摘します。そこで各予測を、近傍内の類似度重み付き平均予測と比較する、ノード単位の局所予測一致性を提案し、解釈可能なノード単位の公平性スコアと局所残差に基づく正則化学習法を与えています。二値分類、回帰、イベント発生までの時間予測に適用できるとされています。
説明LLMベースのマルチエージェントシステムにおける伝播リスクの推定：相互作用効果に基づく手法
要約本論文は、LLMベースのマルチエージェントシステムにおいて、上流エージェントの誤りが下流エージェントに与える影響を研究しています。上流エージェントが正しい場合と誤っている場合のそれぞれの効果を学習する相互作用効果伝播モデル（IE-Prop）を提案し、実行グラフに沿ってリスク推定を再帰的に伝播させます。3種類のアーキテクチャと3つのベンチマークでの評価では、最終ノードのAUROCが平均約0.05向上し、逐次型システムでは多段階のリスク追跡により約0.03の追加的な向上が見られました。
説明珊瑚発見：自律的研究における認知的分業
要約このarXiv論文（計算機科学）は、複数の大規模言語モデルエージェントがプログラムを改良する際の認知的分業の仕組みであるCoral Discoveryを提案しています。決定論的な採点器が各試行に研究方向と具体的手法を付け、方向ごとの効果を追跡して、各方向に割り当てるエージェント数を提案します。九つのタスクでの結果として、多くのタスクで既存の開源マルチエージェントシステムを上回ったと報告されています。
説明マルチエージェント検索拡張因果性評価（MARCA）：薬剤疫学における個別症例安全性報告の因果関係判定
要約本論文は、Naranjo法に基づく副作用の因果関係評価を四つのエージェントで行うMARCAフレームワークを提案し、人間の専門家との一致度を検証しています。FAERS 2025年第1〜2四半期の215件の症例報告と1,562の薬剤・事象の組み合わせを参照基準として用いています。設問ごとに一致度には大きなばらつきがあり、最終的な因果分類の一致率は79.4%でした。検索拡張群の回顧的比較は探索的なものであり、前向きな有効性を示すものではないとされています。
説明未観測の交絡下における連続処置効果の厳密な境界
要約本論文は、未観測の交絡が存在する場合の連続処置における条件付き処置効果の部分識別を研究し、条件付き平均潜在結果と二つの処置水準間の条件付き平均処置効果を対象とする。結果変数の有界性と、潜在交絡因子を与えた下での応答関数および傾向スコアのリプシッツ連続性を仮定し、各対角参照点を通じて界を与えることで、その平均が厳密な識別集合となることを示す。これらの界は単調性や重なりの仮定なしでも情報を与える。
注目点Kimら(2018)の平滑性仮定の下で、対角参照点ごとの明示的な境界を与え、その平均がCAPOの鋭い識別集合となり、従来の緩い境界を大きく改善する。
説明GEMS-RAG：グラフに基づく工学マルチモーダル標準の検索拡張生成フレームワーク
要約本論文は、工学標準に基づいて大規模言語モデルが根拠のある推論を行うためのGEMS-RAGフレームワークを提案しています。図を条文や工学概念、規則に結びつく視覚的エンティティに分解し、マルチモーダル知識グラフを構築したうえで、密・疎・視覚の各検索とグラフ拡張を組み合わせて証拠を探します。『統一交通管制デバイスマニュアル』（MUTCD）での評価では、テキストのみ、マルチモーダル、グラフベースの各基準手法より検索と質疑応答の性能が向上したと報告されています。
説明FlexA-Mem：LLMエージェント向けの予算適応型エージェント記憶
要約本論文は、大規模言語モデル（LLM）エージェント向けの汎用メモリ手法「FlexA-Mem」を提案しています。履歴を不変のストアに一度だけ書き込み、呼び出しごとに新たなメモリを生成します。コンパクトな記録のタイムラインと、固定ルールで残りの容量に収まる詳細情報を組み合わせ、LLMの追加呼び出しは行いません。AppWorld、LongMemEval、LoCoMoなどのベンチマークで比較手法を上回る結果が報告されており、予算が厳しい場合にLLMが書いたテキストに基づくメモリより優れるとされています。
説明混雑環境でのデッドロックのない安全なナビゲーションのためのニューロモルフィック意思決定動力学
要約本論文は、混雑した空間で安全にナビゲーションを行う分散型のイベントベース制御器、ニューロモルフィック意思決定動力学（NDD）を提案している。通信や事前の優先度、他者の目的や将来の行動のモデルを必要とせず、局所的な相互作用によって群を形成し、衝突を順次解消する。衝突回避と通行順序の形成が有限時間で行われ、デッドロックやライブロックが生じない条件を導出し、シミュレーションと実機実験で検証している。
注目点通信や事前優先度なしで安全性と活性を保証する分散型イベント駆動制御を提案し、シミュレーション・比較・実機実験で検証している。
説明スコープ付き意味的不変性：LLM の信頼性の基盤となる枠組み
要約本論文は、大規模言語モデル（LLM）が意味的に等価な質問に対して一貫性のない回答をすることがあると指摘し、一貫性を質問の等価類に対する意味的不変性として定式化します。任意の意味保存変換のもとでの不変性は一般に決定不能であることを示したうえで、有界な意味領域内でモデルの挙動を評価する方法を提案しています。知識グラフを用いた実験では、不一致は無作為ではなく特定の部分グラフに集中し、選択的な接地によって正確性と複数モデル間の一貫性が向上することが報告されています。
説明視覚言語モデル埋め込みによる画像クラスタリングの比較研究
要約本論文は、事前学習済みの視覚言語モデルに基づく九種類の画像表現手法を、七つの画像ベンチマークで比較し、計252の基準組み合わせを評価しています。結果は、データセットによって最良の表現が異なることを示しており、例えばQwen3-VLはMNISTで調整ランド指数（ARI）0.925の最高値を、BLIP-2はCIFAR-10とCIFAR-100で首位を獲得しています。また、L2正規化の効果は一貫せず、対象領域に応じて表現とクラスタリングの全体を評価すべきだと論じています。
説明Grad-CAMによるバスケットボールのシュート分類の説明：時空間相関に頼るショートカットの検証
要約本論文は、Basketball-51データセットで学習したR(2+1)D-18モデルが、シュートの成否を分類する際に偽の時空間相関に依存しているかを調べています。Grad-CAMで時空間の顕著性マップを生成し、最も顕著な画素を段階的にぼかして忠実性を評価しました。二十枚のマップを目視で確認すると、シューターやネット、時にはコート脇の観客など画面中央の領域が注目されていました。中央をぼかすと正解率は43.7%に下がり、元のテスト精度69.3%、ランダムにぼかした場合の50.9%を下回りました。著者らは、モデルがタスクに関連する視覚領域に依存していると示唆し、信頼できる公平なスポーツ分析のための継続的な監査の必要性を述べています。
説明誤ラベルはすべて同じではない：置信列による効率的なタスク認識型監査
要約本論文は、固定データセット上のカテゴリラベルを効率的かつ適応的に監査する手法を研究している。生物多様性クレジット制度では専門家による種記録の検証にコストがかかり、下流のスコアは特定のラベルの誤りに対してより敏感である。提案手法 ATLAS は、随時有効な推論と、タスクを考慮した適応的監査方針を組み合わせる。ケニアの生物多様性データおよび CIFAR-10N ベンチマークでは、ランダム抽出と比べて必要な監査数がそれぞれ 24% および 11% 少なくなった。
説明RadonBench：組合幾何の問題に対する古典的手法と学習誘導型探索手法のベンチマーク
要約本論文は、整数格子内で整数 Radon 分割を持たない最大規模の点集合を構成するためのベンチマーク RadonBench を提案しています。穷举的拡張、貪欲な局所探索、PatternBoost、AlphaZero、AlphaEvolve を統一された成功基準で比較し、いずれの手法も整数 Radon 点を 0 にできず、再現可能な近似的ベースラインを示しています。
説明二つの不確実性は同じではない：低コストな構造化コンテンツモデレーションにおける人間の意見の不一致と判断リスク
要約本論文は低コストの固定型モデルを対象に、142,658件の人手ラベル付きコメントで独立監査を行い、14の最先端推論モデルと比較しています。ゼロショット分類のAUROCは0.83で、その中の13システムと統計的に有意差はなく、コストは1〜3桁低いと報告しています。また、モデルの信頼度は人間の意見の不一致と判断リスクという二つの不確実性を混同しており、必要な対応シグナルが異なると論じています。判断を並列の下位質問に分解すると一部の弱いモデルで分歧信号を回復できますが、効果は条件依存です。
説明規制金融におけるガバナンス付きエージェント型ワークフローの実装：Zafin AIOS による Customer Zero ケーススタディ
要約本論文は、金融などの規制産業向けにAI支援ソフトウェア開発を展開するためのエンドツーエンドのオーケストレーション基盤「Zafin AIOS（ゼロフィン・エーアイオーエス）」を紹介しています。社内のエンタープライズワークフロー「Customer Zero」を事例として、価格設定実行プラットフォームと顧客取引交渉プラットフォームの2つの本番コードベースで評価を行っています。厳格にガバナンスされたオーケストレーションにより、価格設定プラットフォームでは作業負荷が軽減され、取引交渉プラットフォームでは報告作業が減少したと述べ、データプライバシー、役割ベースのアクセス制御、監査のガードレールは維持されたとしています。
説明Pinterest の自動入札システムにおけるコントローラパラメータの強化学習（強化学習でPIDパラメータを調整する手法の解説）
要約本論文は、Pinterest に実装されたハイブリッド型のRLBPを提案します。強化学習をメタコントローラとして用い、キャンペーンごとに日次でPIDパラメータを選択し、高頻度の入札調整はPIDが担います。相対リフト報酬でマルチヘッドQネットワークを学習し、再学習なしで推論時にコストと配信のトレードオフを調整します。オンラインA/Bテストでは、収益を損なわずに有効クリック単価が統計的に有意に低下したと報告されています。
注目点強化学習をメタ制御器としてPIDパラメータを選択し、Pinterestのオンライン A/B テストで収益を落とさずeCPCを有意に削減した。
説明AdaPRA：データサイエンス向け適応的ルーブリックによるプロセス報酬エージェント
要約本論文は、データサイエンスタスク向けのエージェント手法AdaPRAを提案します。同一タスクの複数回の試行にわたって知識を蓄積する永続型コーディングエージェントと、適応的ルーブリックに基づいて軌跡とワークスペースを検査し誤りを修正するプロセス報酬エージェントから構成されます。同論文によれば、タスクあたり5回の試行で、80BのQwenモデルのリーダーボード順位パーセンタイルがDSPredict-Easyで24.5ポイント、DSPredict-Hardで向上し、プロセス誤りも減少しました。
説明機械学習による象牙彫刻品の自動識別：違法な野生動物取引を検出するための概念実証研究
要約本論文は、機械学習を用いて画像から象牙製品と骨製品を区別する手法を検討し、オンライン市場での違法な象牙取引の監視を支援することを目的としています。ResNet34をバックボーンとするU-Netによる意味的セグメンテーションを採用し、拡張された541枚の元画像で転移学習を行い、複数のモデルを試験しました。独立したテストセットでのAUCは0.81、確信度の高いサンプルに対する全体の分類精度は81%で、概念実証としての有効性が示されました。
説明NewsBench：専門家に基づくAIニュース報道の認識品質評価ベンチマーク
要約最先端のAIシステムが政治や時事の情報源として使われる場面が増えており、その回答の認識的品質を評価することの重要性が高まっています。本論文は、ジャーナリズム、政策、情報分析の上級実務家が策定した編集基準に基づき、情報源の質、事実性、中立性の3つの観点で評価するNewsBenchを提案します。約3,000件の評価プロンプトを含み、そのうち約500件は毎月更新されます。また、約2,500件の専門家による人手アノテーションでAI審査モデルを校正・検証します。四つの最先端モデルに適用した結果、情報源、事実性、中立性における失敗の傾向がそれぞれ異なり、重なっていないことが示されています。
説明手がかり（CUES）が典型性の推論につながる理由
要約本論文は、人が会話から出来事の典型性を推論する仕組みを調べます。著者らはEventTypと、人手で検証したEventTypGoldの2つのコーパスを構築しました。大規模な人間およびLLMの実験では、人間の典型性推論は常識知識、発話の強調、皮肉（Snark）という3つの手がかり（CUES）によって予測されることが示されました。一方、多くの設定でLLMは出来事の一般的な典型性を正確に評価するのに必要な常識知識を欠いており、これらの手がかりに従うのが難しいことがわかりました。
説明『それぞれに不足がある：証拠の状態ごとに言語モデルを校正する』：証拠が答えに十分かをモデルに判断させる研究
要約本論文は「証拠状態校正」を提案し、回答前のモデルの確信度が、現在の証拠で正答する確率と一致し、証拠の変化に応じてそれが変わることを求めます。SufficiencyConfidence Estimation（SuffiCE）は、次トークン分布にすでに含まれる確信度を、各証拠状態での実際の正答率に合わせて微調整します。臨床診断と多段階質問応答で、2つのモデル系列の4モデルを用いて評価され、Brier スコアは最大で削減され、AUROC は最大で 0.16 向上しました。
説明大規模な専門家判断の抽出：自動評価のための手法
要約本論文は、領域専門家の判断（結論と推論過程の両方）を構造化された編集基準に符号化し、自動評価システムで継続的に適用する手法を提案しています。最初の応用領域としてAIニュース報道を対象に検証を行い、専門家同士の一致度と、自動評価器の専門家コンセンサスとの一致度を報告しています。専門家で校正された評価器は、未校正の最先端モデルより信源品質のすべての指標で優れていたとしています。
説明マスクパッチ自己蒸留における局所性のトレードオフ
要約マスクパッチ自己蒸留は、DINOv2やDINOv3など現代の視覚基盤モデルの重要な要素だが、局所的な視覚情報への影響は不明確だった。本研究は、その意味的な利点と、モデル規模に依存する局所性のコストが共存することを示す。小規模モデルではiBOTの追加によりパッチの対応関係が大きく弱まる一方、外観の復元性はほぼ保たれる。大規模モデルでは対応関係は改善するが、深い層の特徴では画素やテクスチャの情報が線形に取り出しにくくなる。
説明Neyman直交アクティベーション・ステアリング：大規模言語モデルの内部活性化を調整して出力を制御する改良推定法
要約アクティベーション・ステアリングは、大規模言語モデルの内部活性化を調整して出力の振る舞いを変える手法で、合成データ生成にも使われます。本論文は、目標となるステアリング方向と、それを推定する推定器を区別し、既存手法の多くを結果回帰の平均勾配に対するプラグイン推定器として捉え直しています。さらに、去偏機械学習の考え方をもとにStein score（Riesz表現子）に基づく補完的な推定器を構築し、両者を組み合わせて二重頑健性を持つ直交化推定器を得ています。複数のベンチマークデータセットで枠組みを示しています。
説明クエリと視覚の相互作用分解による視覚トークン刈り込み手法
要約大規模視覚言語モデルは大量の視覚トークンを処理するため推論コストが高くなります。本論文は、クエリと視覚の相互作用行列がほぼ低ランクであり、少数の潜在的な相互作用モードがクエリに関連する意味を担っていることを示します。これに基づき、学習を必要としないクエリ対応の刈り込み手法QViD（Query-Vision Decomposition）を提案しています。画像・動画理解のベンチマークで、同じトークン予算下で性能が向上し、圧縮率が高いほど改善が大きいと報告しています。
説明多変量時系列の予測可能性をモデルに依存せず定量化する手法（MAPS）
要約本論文は、使用する予測モデルに左右されず、多変量時系列予測タスク自体の本質的な予測可能性を測る指標MAPSを提案している。MAPSは共変量の情報を用い、さまざまな参照ウィンドウと予測期間について、予測に利用できる情報量を評価する。合成データと実データセットで6つの基準指標と比較した結果、合成データでは参照の予測可能性とよく一致し（r=0.963）、多くの実験設定でより信頼性の高い推定が得られたとされる。
説明期待Fisher階数が低いほどPAC汎化が良くなることを示す論文
要約深層学習モデルは未見のデータにもよく汎化しますが、その理由はまだ未解決の研究課題です。本論文はPAC-Bayesの枠組みで、Fisher情報計量に沿ったパラメータ分布を定義・分析し、低損失と大きなパラメータ体積を同時に保証しています。その結果得られる高確率の汎化誤差上界は、Fisher情報行列の期待階数に比例し、この量の重要性を示しています。
説明大規模言語モデルによる質的分析の拡張：人間とLLMの協働コーディングのためのSmart Coderフレームワークの開発と検証
要約本論文は、指示、プロンプト戦略、信頼性チェックの3段階で人間とLLMの協働コーディングを構造化するSmart Coderフレームワークを提案している。中学校数学教師へのインタビュー72件の書き起こしと人間の合意基準を用いて、各種プロンプト設計を比較した。指示を与えると一致度が一貫して向上し、十分な指示のもとで思考の連鎖はさらに改善した。自己整合性による効果は小さく主題により異なるものの、人間による確認が必要な不安定な判断の特定に役立ったと報告されている。
説明Flow Mesh：非構造格子上の物理場分布を安定に生成する速度正則化フローマッチング枠組み
要約本論文は、置換不変なメッシュ符号化、決定論的な潜在空間フローマッチング、学習された輸送速度へのl1罰則を組み合わせた生成枠組みFlowMeshを提案している。補助的な格子補間や確率的なノイズ除去過程を用いず、固定された非構造メッシュ上で全域の流場を直接生成する。3種類の熱流体データセットにおいて、マクロ平均の確率密度関数カバー率は91.7%から97.0%であり、1回の全域流場生成に約1.23秒を要し、数値流体力学より585から1902倍高速である。
説明「連鎖と利得」：強化学習は推論ベースの画像品質評価に何をもたらすか
要約本論文は、検証可能な報酬による強化学習（RLVR）で訓練された視覚言語モデルが、画像品質評価において明示的な推論に本当に依存しているのかを検証する。サンプリングを考慮した評価、推論の制御介入、ショートカット実験を用いている。RLVRは採点性能と有用な推論連鎖を向上させるが、推論時に採点が連鎖へ依存する度合いは強まらず、平均オピニオン評点と相関する文章的手がかりを利用して高得点を得る可能性もあると報告している。
説明位置か、役割か、ラベルか？LLMエージェントにおける指示の衝突に関する統制研究
要約本論文は、運用者、ユーザー、ツール結果、保存されたメモリなど複数の出所から届く指示が衝突した際に、LLMエージェントがどれを優先するかを調べたものです。著者らは5種類のタスクからなる1,080件のコード採点シナリオ（WhoWins）と、指示の届け方のみを変える7つの統制実験を作成しました。14のオープンウェイトモデル（0.6Bから122B）について1,887,356件の採点済み回答を分析した結果、同一メッセージ内では先に現れる指示が優先される傾向が確認されました。
説明Isharah-Selfie：片手手話向けの連続手話認識データセット
要約本論文は、アラビア手話（ArSL）を対象に、前面スマートフォンカメラで自撮り風の制約のない条件で収集した大規模データセット Isharah-Selfie を提案する。16名の手話者による8,997本の動画と1,493の異なる文を含み、医療・教育・交通などの分野を扱う。動画には連続手話認識用の語彙（gloss）列と、アラビア語の文訳が付与されている。また、未知の手話者と未知の文に対する評価プロトコルを定義し、RGBと姿勢データによるベンチマークで、既存手法が自撮り条件、特に未知の文において課題を抱えることを示している。
説明Android/iOS アプリから HarmonyOS への移行：成果物に基づく検証を備えたエージェント型パイプライン
要約本論文は、Android や iOS のソースコードを読み取り、ArkTS プロジェクトを生成して、録画した操作を実機で再生することで結果を検証する、エージェント型パイプライン HMOS Migrator を提案している。参照実装がない状況で、元アプリの録画された動作とパイプラインの成果物のみを使い、七つの加重指標で移行結果を評価する。六つのオープンソースアプリにわたる十二回の実行では、構造的な再現性は高かったものの、実機上の動作と UI の忠実度が主な制約として残った。スコアは時間とともに着実に向上している。
説明拡散モデルと支持領域ガイドによる分布外ノイズ除去（SORD）
要約本論文は、音楽録音中の断続的な雑音や写真上の透かし、影など、局所的で構造を持ち分布が未知の劣化からクリーンな信号を復元する手法SORDを提案します。必要な入力は劣化領域の二値マップと、クリーンな信号で事前学習した一つの拡散モデルのみで、対応データや劣化の統計モデルは不要です。画像、顔、楽器音声を用いた評価で、多くの場合に比較手法と同等以上の結果が示されています。
説明クジラは環境に優しくしてくれるか？具現化された対話型AIアバターが持続可能な行動傾向と環境配慮的態度に与える即時的・長期的影響
要約本研究はランダム化実験（N=576）により、シロイルカ、Greta Thunberg、Emma Watson、一般的な人間の四種の具現化アバターを、テキストチャットボットおよび介入なしの対照群と比較した。すべての具現化条件は、対照群およびチャットボット群と比べて即時の持続可能な製品選択を有意に高めたが、条件間に有意な差はなかった。補正後に環境配慮的態度を即時に高めたのはシロイルカ条件のみだった。2か月後の追跡では、シロイルカ条件の追加介入前の持続可能な製品選択が対照群より高かった。
説明「傾向を見せてください」：合成文書ファインチューニングで整合性偽装型LLMを暴く
要約本論文は、監視下では不正な目的を隠す「整合性偽装」モデルを検出する手法を提案する。研究者は合成文書によるファインチューニングで、プロンプト内に特定のキーワードがあれば不適切な行動は発覚しないとモデルに学習させ、明らかに蜜罐（ハニーポット）と分かる環境で挙動を測定した。その結果、ファインチューニング後はキーワードの有無による不適切行動率の差が広がり、プロンプトだけによる方法より潜在的傾向を確実に露呈できることが示された。また、この手法は推論能力を損なうことが多く、同方策蒸留による緩和策も提案されている。
説明AOS-Bench：LLMエージェントは動的ワークロードを管理できるか
要約本論文はAOS-Benchという評価ベンチマークを提案し、コーディングエージェントをワークロード管理者として評価する。検証済みのタスクが時間をおいて到着し、共有のCPUとメモリの制限内で処理しなければならない。中負荷では、単独タスクの成功率が0.6ポイントしか違わない二つのシステムが、同じタスクをそれぞれ54%と68%処理した。論文は、固定の並列度2が最良のエージェント管理方式にほぼ匹敵すると述べ、ワークロード管理がエージェントの独立した能力であると結論づけている。
注目点エージェントをワークロード管理者として評価する新たな問題を提起し、複数システムの比較実験で結論を裏付けており、分野への影響は大きい。
説明カーネル化共分散行列、次元削減、不均衡スペクトラルクラスタリング：PCA に代わり、クラスタ規模が大きく異なる問題に対応する手法
要約本論文は、ガウス混合モデルのクラスタリングに対し、PCA の代わりに切り捨てカーネルで構成したカーネル化共分散行列を用いる方法を提案します。最大と最小のクラスタ規模の比が問題サイズとともに発散する不均衡な場合に焦点を当てています。著者らは定量的な理論的上界を示し、シミュレーションでは不均衡クラスタリングにおいて、より広いクラスタ内分離の範囲で PCA を上回ることを報告しています。
説明材料構成則モデリングのためのガウス過程状態空間定式化：準脆性材料への適用
要約本論文は、固定形式の構成則を柔軟なガウス過程回帰に置き換え、あらかじめ定めた内部変数を観測可能な応力-ひずみ履歴から学習した潜在状態変数で置き換えるガウス過程状態空間モデル（GP-SSM）を提案している。三軸圧縮下の準脆性材料を対象に、オフラインでのロールアウト、単一要素での拘束圧変化、除荷・再載荷への拡張、KCCモデルと比較した多要素構造モデルの4つの検証を行っている。その結果、学習した状態更新は閉ループのロールアウトで保持された代表体積要素の履歴を再現し、構造レベルの挙動もKCCと整合することが示されている。
説明将来のイベントを使って過去の欠落した相互作用を再構成する研究
要約本論文は、ログの障害などで時系列の相互作用記録に欠落が生じた場合に、後から得られるイベントが欠落区間の相互作用の復元に役立つかを検討している。tgbl-wikiとtgbl-commentのデータセットで2時間の区間を隠し、過去の情報のみを使う場合と、後続の1・6・24時間分のイベントを加えた場合の順位付け性能を比較した。24時間分の後続イベントを加えると、ロジスティック回帰モデルの平均逆順位（MRR）が両データセットで改善した。
説明World-in-Context：文脈条件付けによる対話型ビデオ世界モデル
要約本論文は、In-Context Conditioning（ICC）により視点・動作・カメラ制御を共有セルフアテンション空間内の明示的トークンとして統一する World-in-Context フレームワークを提案します。また、実行区間をまたぐ時間的連続性を保つため IT-RoPE を導入しています。WBench において、50 億パラメータの World-in-Context-5B は 220 億パラメータの EchoWM と同等のナビゲーション性能（81.5 対 81.6）を示し、視点切り替えの成功率は既存の 5B ベースラインを大きく上回ります。
