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CTR再校正にはどれだけ新しいデータを使うべきか：事後校正の時間的評価
要約本論文は、クリック率（CTR）モデルのオフライン評価と校正について検討し、一般的なランダム分割が時間的なずれによる校正誤差を過小評価すると指摘しています。Avazuデータセットで LR、DeepFM、DCN-v2 を比較し、Platt scaling と isotonic regression を時間的に順次適用しました。校正用データの時間幅が結果に大きく影響し、直近数時間のデータより広い時間範囲のデータの方が良好でした。ただし、これは他のログでも確認が必要だと著者は述べています。
説明長期的な時空間推論のためのガウシアン・エピソード記憶：準静的環境向けロボット記憶フレームワーク
要約本論文は、永続的な時空間3Dガウシアン・スプラッティング（3DGS）マップと、エージェント型の推論パイプラインを組み合わせたGEMSを提案しています。マップは一度再構築された後、シーンが変化した領域のみ更新され、変更部分だけを保存しながら視覚的詳細を保ちます。また、3つの実環境と12の合成環境、473組の質問応答ペアからなるGEMS-Benchを公開しています。GEMSは三次元物体のグラウンディングと時空間質問応答で近年のベースラインを上回り、レンダリング品質は専用のシーン更新手法と同程度でした。
説明『指示の言語：ジャンルと生成AI』：指示調整された言語モデルは「指示—対話」というジャンルを実装していると論じる論文
要約本論文は、指示微調整（instruction fine-tuning）された言語モデルは「指示—対話（instructional-conversational）」というジャンルを実装していると理解すべきだと論じている。このジャンルは、生成モデルと人間との過去の対話における言説的な言語が、大規模なニューラルネットワークを通じて反復的に処理されて融合したものだとされる。筆者によれば、これは指示微調整、システムプロンプトと呼ばれる前置きの付加、そして特殊トークンや、ターンテイキング構造における役割の割り当てを特徴とするマークアップ言語による入力の形式化を通じて、応用において具現化される。
説明SceneBloom：具身学習のための、現実的で多様なレイアウトを持つエージェント型屋内環境生成
要約本論文は、視覚的レイアウトサンプリングと制約ガイド付き3Dコンパイルを組み合わせたエージェント型フレームワーク SceneBloom を提案し、シミュレーションに使える屋内シーンを生成します。階層型サンプラーは拡散モデルの事前分布を用い、機能ゾーン内で家具の配置案を生成します。続いてコンパイラが各案から抽出した関係を用いて、幾何学的フィッティングと局所的な姿勢補正を行います。5種類の部屋を対象とした比較では、視覚品質と物理的安定性が最も高く、メッシュ衝突や範囲外の物体が検出されなかった唯一の手法です。また、そのレイアウトは比較したすべてのベースラインより実際の部屋の分布に近いと報告されています。これらの現実的なシーンで学習した物体ナビゲーション方式は、同数の実スキャンで学習した方式よりも、未使用の実スキャンでの成功率が高くなりました。
説明UniAction：世界モデルのための統一アクション条件付け手法
要約本論文は、異なる種類のアクションを疎なアクション要素の集合として表し、事前学習済みビデオモデルの位置空間に写像することで、複数のアクションを一つの世界モデルで扱える統一フレームワーク UniAction を提案しています。また、アクション表現の粒度の違いによる偏りを抑えるために、基数較正型アテンション（cardinality-calibrated attention）を導入しています。力、カメラ制御、手の姿勢、ロボットの姿勢の4種類で評価し、アクションへの追従性で他の条件付け方式を上回り、統合学習した単一モデルが個別のアクション専用モデルを上回ったと報告しています。
説明FlexGlue：スパースからデンスへの特徴マッチングと視覚的曖昧性の解消
要約本論文は、画像間の対応点を推定するニューラルネットワーク「FlexGlue」を提案している。2枚の画像と1枚目の画像上の点座標を入力とし、2枚目の画像における対応点の座標を推定するとともに、一致しない画像ペアを棄却する。複数のデータセットでの実験により、相対姿勢推定において速度と精度のトレードオフを改善し、SfMおよび視覚的自己位置推定で既存手法を大きく上回ることが示されたと述べている。
注目点疎と密のマッチングを組み合わせ、視覚的曖昧性の棄却を加えた実質的改良。複数データセットでSfMや位置推定と比較し、証拠は比較的充分。
説明WebUniverse：エージェント型Web開発のための検証済み学習データの拡張
要約本論文は、オープンソースのリポジトリと実際のWebページから、検証可能なフロントエンド開発タスクと検証済みの開発軌跡を構築するパイプラインWebUniverseを提案しています。テキスト基盤と視覚基盤の両方のタスクを扱います。実行可能なタスク環境15K件を含むWebUniverse-Envと、対応する15Kの開発軌跡と検証記録を含むWebUniverse-Mixを公開しました。WebUniverse-Mixで微調整したモデルは、報告された各指標で公開データを用いたベースラインを上回ったとされています。
注目点検証可能なWeb開発タスクと軌跡データの構築パイプラインは既存手法の実質的改良である。複数ベンチマークでの微調整による向上と同予算比較・アブレーションが結果を支え、サブ分野で有用である。
説明RobustRLlib：頑健な強化学習アルゴリズムのための統一ライブラリとベンチマーク
要約本論文は、アルゴリズム中心のオープンソースライブラリ兼ベンチマーク「RobustRLlib」を提案します。代表的な頑健なオンライン、オフライン、安全強化学習アルゴリズム 17 種を統一インターフェースにまとめ、再利用性を高めています。273 の摂動設定で系統的に評価を行い、現行手法の能力マップを示すとともに、なお残る頑健性のギャップを明らかにしています。
説明DexPort：器用なハンドのデータ収集のための手持ちスキルインターフェース
要約本論文は、高自由度ロボットハンド向けの可搬型データ収集インターフェース DexPort を提案している。収集と展開に同じハードウェアを用い、指令された関節目標と実測の関節状態の両方を記録する。操作者は手持ち装置で手首の動きを指定し、指の動きを調整するスキルを選択する。2,500件以上のデモを収集し、行動クローニングで4つのタスクを評価している。
説明MiD-VLM：画像とキャプションの組に含まれる全体的な意味的誤情報の検出と位置特定
要約本論文は、真正な画像に内容を歪める説明文が付けられると、画像自体に改ざんの痕跡がなくても誤情報になり得ると指摘しています。そのため画素レベルの偽造検出では見逃される可能性があります。著者らはDGM4+データセットを用い、SigLIP、DINOv2、LoRAで適応させたQwen2-VL-7Bを組み合わせたマルチモーダルモデルを提案しています。このモデルは真偽の判定、改ざん種類の識別、誤解を招くキャプション中のトークンの特定を同時に行います。DGM4+の検証分割では、二値の真偽分類でF1値0.9679を達成しました。
説明ViT-H：モーショントラッキングのフィードバックを用いた生成型ビデオ-ヒューマノイド制御
要約本論文は、拡散モデルを用いて人間の動画からヒューマノイドロボットの参照動作を直接生成し、人体動作の再構成とリターゲティングを省略するViT-Hフレームワークを提案しています。動作追跡の結果を用いて直接選好最適化により生成器を事後学習し、実行可能性を高めます。Unitree G1での実験では、既存の再構成・リターゲティング・追跡パイプラインより動作品質と実行可能性で優れていることが示されています。
説明Flownomaly：少数ショット異常検知のための単一ステップ条件付き平均復元法
要約本論文は、少数の無欠陥画像のみから製品カテゴリごとの正常性をモデル化する工業用少数ショット異常検知を扱います。凍結したDINOv2の特徴空間で、条件付きフローマッチングにより速度場を学習し、クエリのパッチ特徴を対応する正常特徴へ単一ステップで復元します。復元前後の残差を異常信号として、局所化と画像単位の検知に用います。MVTec-ADとVisAの1ショット設定では、画像レベルと画素レベルのAUROCがそれぞれ97.8%、98.0%および95.3%、98.7%に達したと報告されています。
注目点条件付きフローマッチングによる単一ステップの事後平均復元を少数ショット異常検知に適用し、MVTec-ADとVisAで比較して有効性を示した。
説明学習の前に測定する：個人用多言語受信箱のルーティングにおける型付き決定モデル、古典的ベースライン、生成型LLMの比較
要約本論文は、自己ホスト型の個人メールエージェント Foyer と、学習前に正解データを得るための測定手順を提示します。所有者がラベル付けした実際のイタリア語・英語メール 739 通を用い、スレッド単位の交差検証で、既存のキーワード規則、TF-IDF と ロジスティック回帰の基線、ローカルおよびホスト型の決定モデル、生成型LLMの 9 システムを比較しています。既存規則は多数派基準を大きく下回り、ロジスティック回帰は各項目で最高の精度を示しました。一方、精度が最も高いシステムは対応が必要なメールを無視することが多く、コストで選んだ閾値により、その割合を半減できると報告しています。
説明丸めの位置を合わせると大規模言語モデルの強化学習が安定する理由
要約本論文は、大規模言語モデルの強化学習で推論と学習に別々のシステムを使う際、BF16精度での実装差が同方策のはずの更新を異方策にし、学習を不安定にする問題を扱っています。RoPE、SwiGLU、残差RMSNormの三つの領域で、一部の中間値をBF16出力まで FP32 で保持し、学習側の丸め位置を推論側に合わせています。Qwen系の4モデルでの実験では、三領域すべてを合わせると既定のBF16ベースラインで見られた崩壊が防がれ、RoPE経路だけを合わせた場合も検討した実行では十分だったと報告されています。
説明離散トークンを超えて：医療用視覚言語モデルにおける数値の連続性の維持
要約本論文は、自己回帰的テキスト生成と拡散による連続値予測を組み合わせたハイブリッドフレームワークHAD-VLMを提案し、プロンプトに基づく超音波画像の定量計測を行う。EchoNet-LVHの心エコー計測4課題では、IVSd、LVIDd、LVIDs、LVPWdの平均絶対誤差がそれぞれ1.36、2.77、3.05、1.16mmで、Vicunaベースの自己回帰ベースラインより誤差が低減した。医療質問応答は評価データセット上で性能が維持され、X線椎骨計測では平均絶対誤差が11.4から6.7ピクセルに減少した。
説明LLMプラットフォームにおける知能の収益化：広告とサブスクリプション設計に関する理論論文
要約本論文は、独占的なLLMプラットフォームが応答品質、広告の強度、サブスクリプション価格を同時に決める仕組みを分析している。部分的に広告で支えられるプランと広告なしプランが併存する場合、広告は本来は利用できなかった消費者に有用なサービスを提供しうる一方、ユーザーの効用は分極化しうると指摘している。また、適度な広告上限が消費者余剰を最大化しうること、計算コストの低下が広告収入全体を増やしうることも示している。
説明並列生成型推薦のための、アイテム空間とコード空間をまたぐ知識蒸留
要約本論文は、意味IDを用いる生成型推薦を扱い、各アイテムを離散コード列として表して全コード位置を同時に予測する手法を検討しています。著者らは、教師モデルの確率分布の知識を学生モデルへ移すため、アイテム分布マッチング（IDM）とコード周辺分布マッチング（CMM）の二つの蒸留目標を提案しています。ベンチマークデータセットでの実験では、両手法が既存の最先端手法を一貫して上回り、IDMはRecall@10を平均15.39%、CMMはNDCG@10を平均8.28%改善したと報告されています。
説明失敗したら戻って再挑戦：凍結されたVLAモデル向けの軽量リカバリ手法
要約本論文は、再学習なしで凍結VLAモデルに適用できる軽量な失敗検出・回復機構「Backtrack」を提案します。小さな失敗予測ヘッドがモデル内部の表現を読み取り、現在のエピソードが失敗するかを推定します。失敗確率が閾値を超えると、制御器が方策を一時停止し、直前のアーム動作を逆方向にたどってから元の方策に制御を戻して再試行させます。予測ヘッドの追加はパラメータ数の0.48〜0.88%にとどまり、長期の多段階タスクであるLIBERO-Longでは各方策の失敗率を約19〜48%減らしたと報告されています。
説明ReLU の正の線形結合を完全多項式時間で学習する
要約本論文は、ガウス分布のもとで、R^d 上の任意の k 個の ReLU 活性化関数の正の線形結合を、L2 損失による PAC 学習で扱う基本問題を研究している。著者らは、この学習課題に対する初の完全多項式時間アルゴリズムを提示し、標本数と計算時間はいずれも poly(d, k, 1/ε) であるとしている。手法は、テンソル計算とエルミートテンソルに基づくフィルタリング、剪定を組み合わせた新しいブースティング手続きである。
注目点ReLUの正の線形結合を完全多項式時間で学習する初のアルゴリズムを示し、リスト復号可能なブースティング手法を新たに提案。理論的前進が大きく、学習理論の一分野に影響する。
説明Yalda-Embedding：競争力のあるペルシア語検索モデルのオープン開発
要約本論文は、Qwen3-Embedding-0.6Bを基に100万組を超えるクエリ-文書ペアで適応させた、595.8百万パラメータのペルシア語検索モデル「Yalda Embedding」を提案します。FaMTEBの8つのペルシア語検索タスクにおいて、評価された0.6Bモデルの中で最も高いマクロ平均（0.5488）を達成し、Qwen3-Embedding-4Bに近い性能を示しています。また、対照学習のバッチサイズ、最適化の安定化、F2LLM-v2-8Bからの関係知識蒸留に関する分析を行い、モデル重み、コード、データセットを公開しています。
説明EnergyPlus における液冷データセンターのモデリング
要約AI の負荷により、データセンターは直接チップ液冷（DTC）を用いる高密度ラックへと移行しつつありますが、既存のシミュレーションツールは建物全体および複数年にわたる効率の評価には限界があります。本論文は、冷水方式と温水方式の DTC 液冷をプラントループ要素としてモデル化する、EnergyPlus のネイティブオブジェクト ElectricEquipment:ITE:LiquidCooled を開発しました。独立した Modelica 実装との比較では、21 の運転条件でループ温度の RMSE が 0.021 K 以下でした。事例では、温水液冷により年間 PUE が 1.43 から 1.25 に下がり、空冷基準と比べて施設全体のエネルギーが 37.9% 削減されることが示されています。
説明ZENO：Zakai方程式ニューラル演算子による非線形フィルタリング手法
要約本論文は、潜在確率力学系の未正規化フィルタリング分布を、Zakai方程式に基づく物理情報損失でニューラル演算子を最適化して近似するZENOモデルを提案しています。期待値最大化（EM）の枠組みで、状態推定とパラメータ学習を行います。双安定系、Van der Pol振動子、Lorenz系での精度を示し、線虫の全脳イメージングデータから前進・後退運動に対応するリミットサイクルを再現しています。
説明自然言語と構造化記号の混合コーパス向け適応頻度閾値バイト対符号化（AdaBPE）
要約本論文は、言語モデルのバイト対符号化（BPE）を改良する新しいトークン化手法AdaBPEを提案する。従来のBPEは空白を固定の境界とみなすため、複数語表現やLaTeXのような形式言語の概念を捉えにくい。AdaBPEは候補トークンの長さと種類（一般言語かLaTeXか）に応じて最小頻度閾値を適応的に調整する。LaTeXと自然言語を含む5つのデータセットで評価され、領域固有内容での符号化効率と下流性能の向上、一般言語性能の維持が示された。
説明SemantEq：形式的命題の双方向等価性を忠実に判定する手法
要約本論文は、自然言語の数学をLean 4の形式的命題へ変換する課題を扱います。証明器が強くなると、論理的同値のみの判定では無関係な命題の組も通ってしまうと指摘しています。提案手法SemantEqは、論理的な並べ替えやライブラリ内の等式による書き換えといった許可された手順のみで、両命題が互いに変換できることを要求します。ProofNetVerifのテスト分割では、精度100%、再現率65.6%を示し、BEq+（精度95.8%、再現率61.8%）を上回りました。
注目点普通の論理同値に代えて、許可された変換の連鎖による双方向の同値関係を提案し、証明項で審査する点は新規性が高い。BEq+との比較とモデル監査実験により証拠も充実しており、形式化文の検証に実用的な意義がある。
説明混合モデリング・最適化・制御のための物理制約付き機械学習チュートリアル
要約本論文は、モジュール式の物理制約付き機械学習フレームワーク KKT-HardNet を段階的なチュートリアル形式で紹介し、混合モデリング、プロセスシミュレーション、最適化、モデル予測制御への利用方法を示しています。微分可能な射影により代数的制約の充足を保証し、陰関数定理を用いて射影層を通じた逆伝播を行うことで学習を効率化しています。工学応用向けのベンチマーク問題とコードも公開されています。
説明バンディットとモンテカルロ木探索による正則化強化学習の推定改善のための推薦器リグレット
要約本論文は、正則化強化学習において方策・価値・Q値の推定に用いられる手法（モンテカルロ木探索など）を扱います。推定の生成を推薦プロセスとして定式化し、正則化項を考慮した推薦器リグレットを定義して、その下界を分析しています。さらに、一様サンプリングのような単純なアルゴリズムがその下界に到達しうることを示しています。合成木、アーケードゲーム、科学的発見タスクでの実験では、推薦器が目標値のより速い収束と下流タスクでのより良い性能をもたらすことが報告されています。
説明Neural-DISCO：ソース条件付きの神経集団活動の反実仮想編集フレームワーク
要約本論文は、神経活動の反実仮想モデリングのための解きほぐし（disentangled）表現学習フレームワーク Neural-DISCO を提案しています。潜在空間を観測された行動・刺激ラベルに対応する成分と、ラベルでは説明されない変動を捉える残差成分に分け、一つのラベルだけを編集して神経活動の変化を予測できるようにします。模擬データと実際の神経記録データで検証され、特徴量帰属法と組み合わせて各ラベルに重要な単一ニューロンを特定しています。
説明LoCA：地理空間ロケーションエンコーダをマルチモーダル対応にする手法
要約本論文は、地理座標を高次元ベクトルに変換するロケーションエンコーダの構造的な限界を指摘し、それを克服する LoCA（Location Contrastive Alignment）を提案しています。二段階の手法で、まず Sentinel-1 と Sentinel-2 の画像エンコーダを共同で学習して多モーダルな目標を作り、次に画像エンコーダを凍結して位置と表形式メタデータのエンコーダを学習します。17 タスクで五つの最先端エンコーダと比較し、最も多くのタスクで勝利し、タスクごとの比較の 68.8% で勝ったと報告しています。
注目点位置エンコーダの出力次元の上界を理論的に示し、二段階の多モーダル手法を提案。17タスク・5モデルとの比較で根拠は比較的充分。
説明グリーンコードか高コードか？反復的なLLMベースのコード最適化のエネルギーコストの評価
要約本研究は、大規模言語モデルが自己改良によりコードを最適化した際のエネルギー消費を、人間が書いた基準解と比較しました。EffiBenchの全1000問で11のオープンソースモデルを評価した結果、44構成のうち42構成で、問題1件あたりの消費エネルギーが人間の基準コードより多く、増加幅は約4%から886%でした。また、混合エキスパート構造は同規模の密モデルより推論エネルギーが大幅に少ないことが示されました。
注目点LLMの自己改良によるコード最適化の消費電力を人間の参照解と比較し、性能と省エネの不一致を示す。1000問・11モデルの大規模実験が結論を支えるが、影響範囲はコード生成と環境配慮計算の分野に限られる。
説明単体制約表現によるモダリティギャップの縮小
要約CLIPやCLAPなどのマルチモーダル対比学習モデルは共有表現を学習できるものの、埋め込みには持続的なモダリティギャップが見られることが多い。本論文は、埋め込み空間を単位球面から確率単体へ変更する純粋に幾何学的な手法を提案し、軽量なsoftmaxアダプタと全変動類似度を用いる。五つのマルチモーダル検索ベンチマークで重心のℓ2ギャップが大きく縮小し、検索性能は標準的な無制約モデルと同等以上と報告されている。
説明人の修正はどう伝わるか：連合学習によるVLA適応の安全性
要約本論文は、視覚・言語・行動（VLA）方策と連合学習を組み合わせる可能性を検討しています。生の記録を集めずに、人の修正から得た適応結果をタスクや環境、ロボットの間で共有する構想です。著者は、平均的な成功率を上げる共有更新が、まれな安全介入を抑えたり、別のロボットで危険な振る舞いを生んだりしうると指摘します。そのうえで、共有前に修正の文脈と不確実性を保つこと、配備前に受け手ロボットの閉ループで評価すること、漏えいと安全に関わる証拠の保持を併せて評価することを求めています。本論文は反例と反証可能な評価計画を示すもので、実験結果は含みません。
説明多段階遷移予測を用いた強化学習：ベルマン理論
要約本論文は、有限マルコフ決定過程において、各Kステップのブロック開始時に一部の行動について多段階の確率的遷移予測が与えられる設定を研究している。最適価値が元の状態空間上のベイズ型ベルマン方程式を満たすことを示し、BF-BOLAというアルゴリズムを提案して、対数因子を除き一致するサンプル複雑性の上下界を導いている。
説明VTRL-Med：医用画像クラスタリングのためのトポロジー誘導型・段階的視覚精錬手法
要約本論文は、医用画像の教師なしクラスタリングのための段階的視覚構造学習フレームワークVTRL-Medを提案する。Segment Anything Model（SAM）を適応させて構造的手がかりを保持する特徴を抽出し、プロトタイプ選択とk近傍一致性検証の二段階フィルタリングで擬似ラベルを生成する。さらに永続ホモロジー（PH）記述子に基づく補助トポロジー分岐で幾何学的正則化を行う。13の医用画像ベンチマークで、既存手法より平均精度が4.48%向上したと報告している。
説明病変に敏感な表現を学習し、教師なし網膜OCT異常検出に用いる研究
要約本論文は、疾患ラベルを必要としない、網膜光干渉断層撮影（OCT）画像の異常検出および局在化のための教師なしフレームワークを提案しています。正常な網膜構造に基づき、構造を考慮した再構成、合成的な構造摂動を用いた対比的トリプレット学習によって、事前学習済みの視覚表現を適応させます。正常な網膜構造への適応が異常への感度を高め、画素空間の再構成誤差と特徴空間の偏差が相補的な情報を与えることを示しています。
説明NgramRL：直近のロールアウト履歴を用いた、構造化生成の強化学習後訓練を高速化するn-gram投機的デコーディング
要約論文は、強化学習後訓練においてロールアウトの自己回帰生成が訓練時間の大部分を占めると指摘しています。著者らは、同一プロンプトの直近のロールアウト履歴から、プロンプトごとのn-gramドラフターを構築するNgramRLを提案しています。補助モデルやGPU上の常駐状態は不要で、ターゲットモデルによる検証で分布は保たれます。Spiderでは先読みプリフェッチャーによりロールアウトのスループットも向上したと報告されています。
説明マルチモーダル生成AIによる包括的な心エコー図の読影支援
要約本論文は、心エコー図の包括的な解析により臨床医の読影を支援する生成型マルチモーダル視覚言語モデル「EchoChat」を提案しています。思考連鎖（chain-of-thought）推論により、結論を画像の視覚的根拠に結びつけます。46,358件の検査データで学習し、33種類の心疾患・所見を対象としています。盲検化した読影医による評価研究では、EchoChatと共同作成した報告書の診断F1スコアが72.78%から82.75%に向上したと報告されています。
注目点臨床的推論を多モーダル視覚言語モデルに統合し、33の心疾患を多施設および読影者試験で検証し、診断性能の向上を示している。
説明層ごとの誤差モデル探索によるSVDベースのLLM圧縮の改良
要約本論文は、低ランクSVDに基づく大規模言語モデルの圧縮を改良する二つの手法を提案しています。LEMSは全体のランク配分を、KFAC-SVDは分解の質を改善します。Mistral、Qwen3、Llama 3の各モデルファミリーで実験を行い、LEMSはゼロショット精度を向上させ、KFAC-SVDは平均困惑度を約19%改善したと報告しています。
注目点層ごとの誤差代理とILPによる全体ランク配分、トークン単位統計によるKFAC-SVDを提案し、複数モデル族と70Bで検証している。
説明「真」と「偽」の確率の和は1になるか？LLMエージェントの意見シミュレーションにおける相補的一貫性
要約本論文は、大規模言語モデルのエージェントによる意見シミュレーションを扱う。各エージェントは自分と隣接エージェントの確率を見て、ある主張が真である確率を報告する。主張を補集合の文に書き換え、確率をすべて1−pにしたとき、二つの報告の和が1になるかを検証している。Qwen3-4B、Llama-3.2-3B、Gemma-3-4Bの三つの小型モデルで実験した結果、報告の和は多くの場合1から外れ、二つの結果のみを持つ基準課題でも同じ失敗が見られた。したがって、シミュレーションの確率を信念として解釈する前に、言い換えに対する一貫性を個別に検証する必要がある。
説明J-Comm：ヤコビアン誘導によるLLMエージェント間の潜在通信フレームワーク
要約本論文は、LLMエージェント同士が潜在空間で通信するためのフレームワークJ-Commを提案します。学習を必要としない幾何学的一致性推論手法GEARと、隠れ状態とヤコビアンの手がかりを同時に渡すH+J通信インターフェースで構成されます。Qwen3-8BからQwen3-4Bへの通信実験では、七つのベンチマークで最高の平均スコアを達成し、TextMASと比べて1.29〜8.59ポイント向上しました。また、生成されるテキストのトークン数を削減しています。
説明意図的に構築された活動世界の体系的表象から対話へ：強い言語ベース人工超知能のための五層コミュニケーション構造
要約本論文は、人工超知能が関与する思考と活動の中で、メッセージの形成と理解を五層で整理する構造を提案している。著者は、言語モデルの文脈だけでは発話形成の基盤を提示し検証することはできないと主張する。その基盤は、習得されたスキーマや、そこで真として受け入れられた結びつきによってあらかじめ確立されているとされる。五つの層は、活動世界の体系的表象、そこから切り出された状況、その叙述、メッセージの完全な意味、テキストを区別する。理論的基礎はシチェドロヴィツキーの体系方法論、コルジブスキーの構造差異図、メリチュークの意味-テキスト理論に依拠している。
説明解釈可能な疎な微調整 TopKLoRA による忠実な回路発見（TopKLoRA：設計段階から解釈可能な LoRA 変種）
要約本論文は、各トークンで最大の k 個のアダプタ潜在変数のみを有効にする、設計段階から解釈可能な LoRA 変種 TopKLoRA の完全版を提示している。学習は下流の損失のみで行われ、機能的に因果的な潜在変数の学習が促される。gemma-2-2b、Qwen2.5-1.5B、Qwen2.5-7B でバックドア（スリーパーエージェント）の事例研究を行い、稠密な LoRA より最大一桁小さい回路を得つつ、指示追従性能を保てることを示している。
説明PoKER：機械学習による空対空ミサイルの撃墜確率推定モデル
要約本論文は、視程外（BVR）空中戦における空対空ミサイルの撃墜確率を推定するPoKERモデルを提案する。最大・最小・回避不能距離などの静的な距離で領域を区切る従来の武器交戦区（WEZ）モデルとは異なり、PoKERは目標の確率的な挙動とミサイルの外れ距離を組み込み、機械学習で撃墜確率を予測する。弾頭の殺傷力、目標と射手の向き、交戦条件なども考慮し、成功確率を定量化する。
説明方針の文脈内学習による縦断的因果効果推定の基盤モデル（PICLE-PFN）
要約本論文は、動的な治療方針に対応する初の縦断的因果効果推定用基盤モデルPICLE-PFNを提案する。目標とする方針は、文脈内の履歴と決定の例示によって表現される。モデルは縦断的構造的因果モデルから生成された合成データで事前学習され、新しい観察データと方針を与えると、タスク固有の学習やハイパーパラメータ調整なしに、条件付き平均潜在アウトカムを一度の順伝播で直接予測する。論文では、合成および半合成のベンチマークで競争力のあるRMSEと、より良い不確実性の較正を示し、データセットごとに個別に学習・調整された従来手法より実行時間が大幅に短いとしている。
説明TSFMの導入と事前学習の持続可能性：炭素排出の分析と剪定による低減
要約本論文は時系列基盤モデル（TSFM）の炭素コストを検討しています。事前学習コストが全運用期間で回収できるかを、定期的な再学習が必要な教師あり単独モデルと比較しています。大規模または頻繁に問い合わせられる運用では数か月で償却される一方、小規模または稀にしか使われない場合は従来モデルの方が長期的に安価だと示しています。さらに、勾配を使わない剪定基準で1つのエンコーダブロック（パラメータの7.9%）を削除すると、25タスクのベンチマークでゼロショット予測性能をほぼ損なわずにFLOPs、CO2排出、遅延を低減できると述べています。
説明正則化強化学習がシミュレーションから実機への移行を改善する研究
要約本論文は、正則化を施した強化学習がシミュレーションから実ロボットへの方策移行（sim-to-real）に与える効果を調べています。ソフト mellowmax 価値関数に基づく新しいアルゴリズム SMM-AC を提案し、MuJoCo ベンチマークと実ロボットで SAC などの基準手法と比較しています。その結果、SMM-AC は実ロボットで高い報酬を得て、観測、環境、動力学の摂動に対してより高い頑健性を示したとされています。
説明低ランク適応（LoRA）の特異幾何構造
要約本論文は特異学習理論の立場から、大規模ニューラルネットワークの低ランク微調整手法LoRAの学習複雑度を、実対数正準閾値（RLCT）によって調べている。LoRAを低ランク回帰モデルとみなし、前向き・逆向き共分散によって統計的に観測可能な低ランク摂動を特徴づける。また、曲率補正付きの多温度RLCT推定法を提案し、多層パーセプトロンとTransformerで実験を行っている。
説明Littlestone次元に基づくほぼ最適なリスト再現可能性
要約本論文は、実現可能PAC学習の枠組みにおけるリスト再現可能数を研究しています。可算領域上で、Littlestone次元がd、双対VC次元がv*である概念クラスについて、上界2^{O(d·min{log d, v*})}を示しています。これは最悪ケースの下界2^{Ω(d)}に指数の対数因子を除いて一致し、従来の上界を大幅に改善します。この上界は精度パラメータεに依存しません。
注目点リストレプリカビリティ数の上界を二重指数から単指数へ改善し下界とほぼ一致させた。厳密な証明を伴い、学習理論の一分野に大きな影響がある。
説明マルチエージェント向け企業RAGの再設計：検索の前に整理する知識レイヤー
要約本論文は、検索の前に成果物（artifact）の生産元・サービス・領域などのメタデータで資料を整理する知識レイヤーを提案している。著者らは7エージェントの逆向き工学パイプラインで241のリポジトリ・18サービスを処理し、業務範囲、フロー、ルールを記述する数千の成果物を生成した。ベクトル検索の前に成果物識別子で候補を絞り込むことで、他サービスの同名ルールを構造的に排除する。
説明後方結合を伴うニューラルLoFi：層間特徴学習のスペクトル理論
要約本論文は、層ごとのスペクトル手法Neural LoFiを拡張し、同時学習における誤差逆伝播による層間のフィードバックを捉えるものです。正確な逆伝播勾配から、ニューロンの入力重みと次層の対応する列との局所的な結合を導出し、後方結合アルゴリズムを提案しています。二値CIFAR-10上の全結合および畳み込みネットワークの実験では、同じ幅で元の前向きNeural LoFiより精度が向上したと報告されています。
説明OpenStripe：野生アムールトラの開集合個体識別と空間的縞模様プロファイリング
要約本論文は、トラの胴体の二次元標準縞模様を再構成し、断点・分岐・不規則構造・円形構造という四種の解釈可能な局所縞構造を符号化するマルチエージェント枠組みOpenStripeを提案する。中国東北虎豹国家公園の野生アムールトラ28頭から得た100件のカメラトラップ記録で評価し、自動個体グルーピングで一致精度0.90、調整Rand指数0.85を達成し、同一バックエンドの49の基準構成を上回った。また、縞の類似性は地理的距離とともに低下し、フラクタル次元や縞間隔が地理的近接性と関連することが示された。
説明全住民への伝達：緊急警報と警告の機械翻訳
要約本論文は、全国の緊急対応担当者を対象に調査を行い、現在の業務フロー、見解、運用上の課題を把握しています。その後、これらのニーズに照らして商用翻訳ツールを評価し、有用性を示すとともに、緊急対応においてどのように、いつ安全に利用できるかについて実践的な指針を提示しています。
説明SPOOK：ビジョンエンコーダの多様体外知識を疎なピクセル最適化で探る手法
要約本論文は、自然画像の多様体から外れた領域における現代のビジョンエンコーダの振る舞いを調べたものです。ブラックボックス設定で、白紙のキャンバスに疎なピクセル編集を加え、単純なピクセル単位の山登り法で最適化します。ImageNetとFlickr30kで、編集された白紙画像が指定の対象を検索できるかを、OpenCLIPとDINOv3で評価しました。視覚的に意味を持たない入力でも、対象の意味領域に入りうることが示され、共通の失敗モードが示唆されています。
説明争議可能な因果発見における証明可能な是正のための最適修正集合
要約制約ベースの因果発見では、条件付き独立性検定が有限サンプルで互いに矛盾し、すべてを満たす因果グラフが存在しない場合がある。本論文は、この検定結果の修復を最小コストの修正問題として定式化し、Answer Set Programming（ASP）で実装する。因果ABAを基に、健全性と完全性を備えたコンパクトなASP符号化と、最適安定モデルと最小コスト修正集合との双方向の対応を示す。ベンチマーク上の実験では、因果ABAと比べて正しい事実をより多く保持し、出力の曖昧さを減らし、グラフ再構成を改善したと報告されている。
説明シャッフル差分プライバシー下のスパース線形モデルの理論的限界
要約本論文は、高次元スパース線形回帰をシャッフル差分プライバシー（SDP）の下で扱い、推定精度の限界を研究する。非対話型プロトコルでは次元に依存する誤差の下界を示し、対応する上界アルゴリズムを提案する。さらにユーザーレベルの対話型設定では、重い要素の検出で台集合を復元してから推定する二段階アルゴリズムを示し、誤差は次元 d に多項式的に依存しない。下界も示され、提案手法は log(d/k) 因子を除いてほぼ最適である。
注目点非対話型SDPでの次元の壁を示し、対話型ユーザーレベル算法と近最適な下界を与えており、証明が充実し分野への寄与が大きい。
説明KrishokTech：明示的な認可制御を備えたベンガル語農業アドバイザリーシステム
要約本論文はKRISHOKTECHというベンガル語の農業アドバイザリーシステムを紹介し、回答生成の前後に明示的な認可の境界を設けています。高リスクの要求を遮断し、作物の指定を求め、BARI/BRRIの根拠に基づかない用量記述を検証器で取り除きます。200件の農家の問い合わせと400件のストレステストでは、テストした別名フィルタの条件下で作物をまたぐ検索違反率が36.5%から0%に下がり、テキストと画像の不一致454件のうち453件を検出しました。
説明視聴覚対応による手術器具の発音位置の特定
要約本論文は、マイク1本とカメラ1台で、手術器具の見た目と音の対応関係を学習し、位置アノテーションなしに発音している器具を特定できるかを検討している。模擬手術動作（のこぎり、ドリル、のみ打ち）の録音で、空間的な注釈を使わずに学習させ、静音抑制と2器具からの選択という2つの項を追加している。別の機器・別の録音環境で光学追跡により位置が得られたデータでも、器具の作業音と無音・背景雑音を区別し、2器具がある場合も音を正しく帰属させられたと報告している。
説明HarnessMM：Harnessのトークン効率化のための再帰的自己改善手法
要約本論文は、エージェントHarnessにおける繰り返し推論の負担を、保護付き決定再利用と再帰的自己改善によって減らすHarnessMMを提案する。モデルとツールの境界に置かれたコントローラが、確定済みの決定を後続の推論コールバックの代わりに再利用し、実行モデルの重みは固定したままとする。HumanEvalではCodexの成功率が90.82%に保たれ、タスクあたりトークン数が66.72kから47.02kに減少した。DeepSeek Harnessでは成功率が71.43%から85.71%に上がり、タスクあたりトークン数は96.28kから11.62kに減った。
説明U-NeXt：新生児脳波向けの汎用イベント検出手法
要約本論文は、セマンティックセグメンテーションに基づく新生児脳波（EEG）のイベント検出フレームワークU-NeXtを提案しています。低電圧区間、アーチファクト、けいれん発作の3種類のイベントを一つのモデルで検出します。2つの独立した発作データセットでは、専門家の注釈と比較して評価され、ConvNeXtベースラインより高い性能と大幅に短い推論時間が示されています。持続的モニタリングや臨床支援への活用が期待されるとしています。
説明Frontier-OPD：エージェントの能力の境界を見つけ、その先へ導く手法
要約本論文は、多ターンのエージェント向けのオンポリシー蒸留手法 Frontier-OPD を提案します。共有状態の軌跡グラフを用いて、教師の短い指導の後も学生が自律的に対話を継続できる「学習フロンティア」の決定状況を特定し、有用な教師の応答を蒸留データに加えます。ALFWorld、WebShop、ScienceWorld での実験では、比較対象の蒸留ベースラインより高い平均自律性能が報告されています。
説明学習型オプティマイザのスケジュールにおける乗法的と加法的な状態結合の比較
要約著者らは、MAX-CUT問題の連続的なペナルティ緩和に対し、展開された古典的ソルバーを通じて誤差逆伝播を行い、スケジュールを学習しています。状態に依存しないスケジュールは、学習時より大幅に大きな事例にも一般化しました。一方、双線形（乗法的）な状態結合を用いた適応型スケジュールも分布外で有効でしたが、同じ入力と出力構造を持つ加法的な比較モデルは分布外で基線を下回りました。著者らは、分布外での転移を左右するのは状態適応性そのものではなく、ソルバーの状態がどのように結合されるかだと結論づけています。
説明CompMVR：拡散モデルを用いた圧縮考慮型マルチビュー復元による幾何学的に一貫した3D再構成
要約実世界の3D再構成では、非可逆圧縮で劣化した多視点画像がよく使われます。圧縮アーティファクトは視点間の幾何学的一貫性を損ない、特徴マッチングやカメラ姿勢推定、新規視点合成などの処理に影響します。本論文は、圧縮された複数視点画像を視点間の一貫性を保ちながら同時に復元するフレームワークCompMVRを提案し、評価用の圧縮データセットも構築しています。実験では、復元品質と新規視点合成、カメラ姿勢推定、視点マッチングといった3Dタスクの改善が示されています。
説明CARES：継続学習のための被覆認識リプレイ見本選択法
要約本論文は、継続学習のリプレイ用バッファを構築する CARES を提案します。継続学習モデルの学習信号を使わず、凍結された事前学習済み特徴空間の幾何構造を利用して、クラス認識と密度重み付けによる被覆に基づいて試料を選びます。Tiny-ImageNet では既存のコアセット型選択器より 2.3 から 8.8 倍速く、クラス不均衡時には最も強い基準手法を最大 7.58 ポイント上回ったと報告しています。
説明ParaTaxe：多言語パラレルコーパスの処理・公開のためのツール群
要約本論文は、ACR Grimm Tradalign および ParaTaxe プロジェクトで開発されたオープンソースのツール群を紹介します。多言語埋め込みに基づくアライナー AIlign、コーパスの変換と整列を行う Python 処理パイプライン、パラレルコーパスの集合を管理するウェブインターフェース ParaTaxe、そして TEI-Publisher で構築された整列済みコーパスの閲覧用インターフェースが含まれます。学術的に作成された多くのパラレルコーパスは、保守や資金の不足によりオンラインで利用できなくなっており、本ツール群はこの課題への対応を目指しています。
説明Consommé：分割推論のための条件付きトークン統合手法
要約本論文は、凍結されたバックボーンの下での分割推論（Split Inference）におけるVision Transformerのトークン削減を扱います。提案手法Consommé（コンソメ）は、CLSトークンを全体の要約と保持すべきパッチの指標の二つの役割で利用し、情報ボトルネックで圧縮した潜在表現で補助ゲートを条件付けて、パッチを正確にk個のトークンへソフト割り当てにより統合します。DeiT-S/Tにおいて、厳しいトークン予算で全手法を上回り、BPMが動作しない浅い分割でも動作し、穏やかな予算では微調整手法と同等の性能を、その展開コストのごく一部で達成します。
説明SREdit：投影マッピング向けのシーン応答誘導型外観編集
要約投影マッピング（PM）は、投影によって実物体の見た目の一部を変える手法です。既存の事前学習済み画像編集器は目標の外観を生成できますが、シーンの幾何や応答を正確に把握していないため、位置ずれ、不自然な陰影、投影可能範囲外の変化が生じることがあります。SREdit は再構成したシーンから、投影光が各表面領域にどれほど影響するかを示すシーン応答マップを推定します。元の外観で初期サンプリングを制約して物体との位置合わせを保ち、応答マップに基づいて領域ごとの編集量を調整します。二つの事前学習済み編集器での実験で、投影後の外観品質と再現忠実度の向上が示されました。処理の追加は1枚あたり1秒未満で、VRAM 増加はわずかです。ユーザー調査でも SREdit の結果が一貫して好まれました。
説明トークン・パーセプトロンの汎化特性：埋め込みと語彙の役割
要約大規模言語モデルにおけるトークン予測の幾何構造が学習にどう影響するかを研究した論文です。解析可能な線形モデル「トークン・パーセプトロン」を提案し、レプリカ法で汎化誤差を計算しています。語彙埋め込みの場合、教師モデルが等方的でも、最適な学習器はまず語彙の分散が最大となる方向から学ぶことが示されています。
説明『包帯を数える』：AIが節約する時間の測定について論じた論文
要約本論文は、AI支援が時間を節約するとはどういうことかを検討し、時計が記録する時間だけでなく、作業が見逃す誤りと合わせて評価すべきだと主張しています。時間節約と余分に見逃された欠陥という、モデルに依存しない指標を定義し、METRの開発者研究の公開データを再分析しています。さらに、AIレビュアーが草稿の誤り率について誤った情報を与えられた場合に検査の努力がどう変わるかを、小規模な実験で検証しています。
注目点AIによる時間節約を誤り成本と合わせて測る台帳的視点と盈亏平衡の誤り成本を提案し新規性は高い。METRデータの再解析と小規模な事前登録実験で裏付けるが、規模は限定的。
説明Video-MemComp：ストリーミング動画理解のための、テイラー展開に基づく感度認識型メモリ管理手法
要約本論文は、メモリ制約下でのストリーミング動画理解のために、学習不要で感度を考慮したコンテキスト管理フレームワーク Video-MemComp を提案しています。一次のテイラー展開により圧縮誤差を局所近似誤差と層ごとの構造的感度に分解し、その分解に基づいてトークン集約と KV キャッシュの配分を行います。MLVU、VideoMME、EgoSchema などのベンチマークで、全キャッシュ方式や既存の圧縮手法と同等以上の性能を示し、Qwen2.5-VL-3B の総合精度を 62.3% から 64.1% に向上させるとともに、KV メモリを 90% 以上削減したと報告しています。
説明すべての関係に引用を：言語モデルエージェントによる医療ソフトウェア導入の引用根拠付き知識グラフ構築
要約本論文は、公開Web上から医療機関とソフトウェアベンダー間の顧客関係および システム連携関係を収集し、知識グラフを構築する手法を提示しています。各関係はすべて、出典ページからの逐語的な引用によって裏付けられることを条件としています。61社のベンダーを対象とした評価では、ページ単位の基準で適合率0.94、再現率0.71に達したと報告されています。
説明デジタル民主主義のためのAIアラインメント：LLMの偏りを抑え、より公平な有権者代表を目指す研究
要約この論文は、大規模言語モデル（LLM）で有権者を模擬する際に生じる人口統計学的な偏りを調べたものです。米国の大統領選挙三回分のデータを用い、閉鎖型と開放型の二つのLLMを比較し、複数のアラインメント手法を検証しています。有権者プロファイルから性別や教育の情報を除くと最大の群の誤差が減り、自己申告の人種を除くと平均群誤差が40%以上増えました。いずれも全体の精度は下がっていません。一方、繰り返しの問い合わせや公平性の指示といった一般的な手法では誤差は減らず、倍増することもありました。
説明IL-23サイトカインp19サブユニットを標的とする微小タンパク質候補中和剤のコンピュータによる新規設計
要約この論文は、炎症性腸疾患や乾癬に関わるIL-23サイトカインのp19サブユニットに対し、IL-23受容体結合面を覆う微小タンパク質結合体をコンピュータで新規設計したものです。設計の評価には、長さに左右されない界面指標ipSAEを用い、従来手法と界面最適化手法の結果を比較しています。全α螺旋の候補5種が報告されていますが、結果はいずれも実験による検証が必要です。
説明全脳MRIからの乳がん脳転移HER2状態の深層学習による予測
要約本研究は、造影後T1強調全脳MRIから深層学習によって乳がん脳転移のHER2状態を直接予測できるかを検討し、明示的な腫瘍分割情報の追加が予測を改善するかを調べた。公開データセットBCBM-Radiogenomicsの135例を解析した。分割情報なしの深層学習モデルは従来のラジオミクスモデルより高い性能を示し、腫瘍マスクを加えるとさらに向上したが、全体の予測性能は限定的であった。
説明報酬モデルの勾配を用いた方向認識型トークン信用割り当て
要約この論文は、GRPO で同一応答の優位性がすべてのトークンに共有される問題を扱い、方向認識型トークン信用割り当て（DATC）を提案しています。DATC は凍結された報酬モデルの勾配を方策の logit 空間へ写像し、報酬方向と GRPO のサンプル行動の更新方向との整合性に基づいて各トークンの重みを決めます。応答レベルの優位性の符号と平均は保持されます。著者らは、2つのモデルファミリーの4つの設定すべてで GRPO を上回ったと報告しています。
説明低カウント画像ノイズ除去のための粒子到達率マッチング（PARM）
要約照明や線量が限られ、検出される粒子が少ない低カウント撮像を対象とした自己教師ありノイズ除去フレームワークPARMを提案している。露光中の粒子蓄積をポアソン計数過程としてモデル化し、ポアソン間引きによって各観測を低露光の相補的なビューに分割して、互いに去噪の目標を与える。クリーンな参照画像が不要で、合成データ、ポアソンノイズを加えた自然動画、実際の低線量電子顕微鏡データで、先行するか競争力のある性能を示し、微細構造も保持するとされる。
説明オンポリシー自己学習：データ不要で大規模言語モデルを自己改善する手法
要約本論文は、粗い高レベルのトピック記述だけを手がかりに、モデルが自ら質問・回答のペアと特権的な推論過程を生成する自己学習の枠組みを提案しています。人手で作成された問題や正解を用いずに、完全に合成された情報による自己蒸留によって、複数の分野で性能が向上し、自己学習していない分野の能力も維持されることを報告しています。テキストおよびマルチモーダルの課題（視覚的質問応答を含む）で一貫した改善が見られたとしています。
説明SCDM-HTD：ハイパースペクトル目標検出のためのスペクトル条件付き拡散モデル
要約本論文は、ハイパースペクトル目標検出において背景と目標の分布差を学習する点が不足しているという課題に取り組み、検出マップの生成として問題を再定式化するスペクトル条件付き拡散モデルを提案しています。画素スペクトルを条件として用い、拡散と雑音除去によって背景と目標の分布差を捉えます。また、多層パーセプトロンに基づく軽量な雑音除去ネットワークと、サンプリングステップを飛ばす決定論的逆非マルコフ連鎖により生成を高速化しています。実験では四つのベンチマークデータセットで定量指標と視覚的効果の改善が示されたと報告されています。
説明車両ネットワークの連合学習におけるクリーンラベル毒性攻撃と防御のゲーム
要約本論文は、連合学習（FL）を用いた車両ネットワークにおけるクリーンラベル毒性攻撃と防御の相互作用を研究しています。基本安全メッセージ（BSM）の異常検知分類を、動的トポロジーを持つ車両ネットワーク上の分散学習問題としてモデル化しています。良性サンプルを悪意ある特徴量の極値へ摂動させ、ラベルを保ったままクラスの分離性を低下させる特徴空間攻撃を提案し、それに対して疑わしいサンプルを検出し再ラベル付けする防御を示しています。攻撃と防御の均衡戦略をゲーム理論で分析した結果、攻撃は侵害ノード数に応じて効果が高まり、提案防御は正常データの精度を下げずに攻撃成功率を低く抑えることが示されています。
説明ARENA：解釈可能な太陽フレア予測のための活動領域アテンション集約手法
要約太陽フレアの予測は、電波通信の障害を含め地球の上層大気に大きな影響を及ぼしうる、難しい宇宙天気予報の課題です。本論文では、可変数の活動領域切り出し画像からフレアを予測し、予測に最も関連する領域を学習で特定するニューラルネットワーク ARENA（Active Region attENtion Aggregation）を提案します。ARENAは弱教師あり学習の多重インスタンス学習で訓練され、観測ごとのフレア有無のラベルのみを必要とし、フレアの発生源を示すラベルは不要です。学習されたアテンション機構により、明示的な発生源の注釈なしに予測を駆動する活動領域を特定できます。ARENAのHeidke Skill Scoreは0.45で、他のフレア予測手法と同程度です。
説明自動化実験室におけるエージェント自己対戦のための意味表現
要約本論文は、AIエージェントの高次推論と湿式実験室の実際の実験実行を橋渡しするため、自動化実験室向けの意味的デジタルツイン基盤VERIDを提案している。問い合わせ可能な状態の内省、プロトコル検証のための時間圧縮シミュレーション、実験の完全な記録、安全な実行の枠組みを提供する。染料と脱イオン水の混合物を用いた3つの事例研究により、プロトコルの誤りの事前検出、途中でのエラー回復、事後的な物理的故障の特定における有効性を示している。
説明粘性区分的決定論的マルコフ過程による疎なベイズニューラルネットワーク
要約本論文は、ベイズ的枠組みでスパイク・アンド・スラブ事前分布を用いて枝刈りを組み込み、疎なニューラルネットワークを得る方法を扱います。区分的決定論的マルコフ過程（PDMP）に基づくモンテカルロ法で事後分布をサンプリングし、粘性版の過程により重みをサンプリング中に正確にゼロにします。著者は予測性能と収束性を検討し、この方法でサンプリングした疎なベイズネットワークは、密なネットワークより入力ノイズに対して頑健になりうることを示しています。
