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。
説明交通状況を考慮し、期待と実際のずれから推論する運転者感情認識
要約本論文は、車内の顔画像に車外の交通シーン情報を加えて運転者の感情を認識するTADERフレームワークを提案します。感情は予測された車両軌跡と実際の軌跡の差（期待のずれ）から生じるとモデル化し、注意機構による埋め込み融合で基本認識器に組み込みます。大規模データで学習した軌跡予測モデルを転移学習で活用し、配対データの不足を補っています。AIDEおよびmanDデータセットで精度が5%向上し、既存手法を上回ったと報告されています。
説明コンパクト部分多様体上の射影ベース連合学習と幾何非依存の差分プライバシー
要約本論文は、コンパクト部分多様体向けの記録レベル差分プライバシー連合学習手法DP-RFedProjを提案します。閉形式の射影で集約し、固定された周囲の幾何で勾配にノイズを加えます。学習過程全体に対して明示的なf-DP保証を示し、クライアントがリーマンSGDを用い、サーバーが射影平均を行う場合の収束を証明しています。実験では、同じプライバシー予算で既存手法より大幅に少ないノイズで済み、EEG分類でユークリッド基準より高い性能を示しました。
説明E3Stereo：学習された幾何エッジによる奥行き境界での立体視マッチングの改善
要約立体視マッチングでは奥行き境界が主要な誤差源です。本論文はE3Stereoを提案し、視差の教師信号から幾何エッジを学習して、バックボーンの視差や画像の細部と組み合わせ、全解像度での視差補正を予測します。Scene Flowデータセットでは、RAFT-Stereo、IGEV、MonSterの奥行き境界における終点誤差（EPE）が9.5%から14.3%低減され、全体のEPEも下がりました。
説明視覚的候補に対する型付き意思決定と再利用可能なオプションメモリ：Iris フレームワーク
要約本論文は、画像・テキスト・混合形式の離散的な候補から選択するエージェント向けフレームワーク Iris を提案する。UI 要素の選択、商品推薦、チャートのマッチングなどが対象である。候補の順序不変性と厳密なキャッシュ再利用が成り立つことを示し、Multimodal-Mind2Web から構築したベンチマークで独立エンコードと結合エンコードを比較している。提案設計は順序不変性を保ちつつ、精度 91.7 / 86.5 / 90.0% を達成し、遅延は OneJev の約3分の1とされる。
説明LLMによる自己診断におけるジェンダー関連性：ADHDを事例とした研究
要約本論文は、大規模言語モデル（LLM）による自己診断において、人口統計的な手がかりが出力にどう影響するかを検討し、注意欠如・多動症（ADHD）を対象としています。著者らはContext Association Test（CAT）を改変し、ゼロショットの自己診断設定でGPT-4oがジェンダーに関連するADHDの連想にどう反応するかを評価しました。その結果、明示的な性別の手がかりは特定のADHDサブタイプの連想を一貫して強める一方、暗示的な手がかりは代理（proxy）基準に近い分布を生じさせることが示されています。
説明MRI再構成のためのスケーラブルなアンロール型チェーン：メモリ効率の良い学習手法
要約本論文は、加速MRI再構成に用いられるアンロール型変分ネットワークを対象に、メモリ効率の良い学習フレームワークを提案している。最終的な再構成損失による教師信号を保ちつつ、ランダムに選んだ一つのカスケードのみを更新し、学習時のメモリ使用量をチェーン長から切り離す。fastMRIの膝および脳データセットでは、複数の加速倍率においてE2E-VarNetと同等以上の性能を示し、パラメータ数・ピークメモリ・反復ごとの学習時間の面でも優れている。
注目点ランダムに選んだカスケードを浅い活性化逆伝播で更新し学習メモリを鎖長から切り離す手法で、fastMRIでE2E-VarNetと同等以上を示し、影響はMRI再構成分野に限られる。
説明埋め込みに基づく教育分類体系
要約本論文は、数学の問題の意味的テキスト埋め込みをクラスタリングして教育分類体系を自動構築する手法を検討しています。これを、CCSS（共通コア州標準）に基づく既存の知識コンポーネント分類体系と、2つの ASSISTments データセットで比較しています。埋め込みベースの体系は既存の体系と部分的に対応し、深度知識追跡で予測性能を約 3〜5 AUC ポイント向上させたと報告しています。
説明PathKGen：知識グラフを用いた説明可能な組織病理向けマルチモーダルLLM
要約本論文は、デジタル病理におけるWSI（全スライド画像）からの病理レポート生成を対象とし、PathKGenを提案している。視覚経路では病理基盤モデルで視覚トークンを学習し、知識経路では病理特化の知識グラフを照会して形態学的特徴を抽出する。WSI-Benchでの評価で既存の最先端手法を上回り、診断の推論過程を図として示すとされている。
説明PACE：適応的予想探索のための数学研究証明エージェント
要約本論文は、研究の進行に応じて候補の機構を選び、検証・反論しながら証明を構成する数学研究用エージェント PACE を提案している。証明器が証明を作り、独立した検証器が元の目標に照らして確認する。証拠追跡型メモリが前提と依存関係を管理する。また、最適化を中心とする応用数学のベンチマーク ResearchProofBench（既知証明課題 51 件、開放問題 6 件）を導入し、PACE は既知証明課題で総合証明スコア 75.16、20 件の証明を完成させたと報告している。猜想研究では条件付きの結果を導き、その提出物は比較対象の基準より高い査読スコアを得たとされる。
説明剪定の回復：マルチモーダルLLMにおける視覚トークン剪定と学習後の回復の再考
要約本論文は、マルチモーダル大規模言語モデル（MLLM）の推論コストを下げるための視覚トークン剪定と、剪定後の学習後回復を検討しています。統一条件のもと、トークンを削除または統合する36の構成を、28.2万サンプルの学習後データで調整しました。その結果、学習後調整により損失の大部分が回復すること、またネイティブ解像度のMLLMでは言語モデルよりも視覚エンコーダが前処理時間を支配し、削減する量よりも削減する位置が重要であることが示されました。
注目点統一プロトコルで36構成を事後学習し、事後学習で損失の大部分が回復すること、ネイティブ解像度ではエンコーダがプリフィル時間を支配することを示した点に新規性がある。
説明EXE：分解された潜在行動による一人称視点のクロス身体事前学習（VLAモデル向け）
要約視覚・言語・行動（VLA）モデルはロボットデータの不足が制約となっている。本論文は、一人称視点の人間の操作動画から、共有される操作の事前知識と身体固有の信号を分離した潜在行動表現を学習するEXEフレームワークを提案する。ロボットの方策は人間特有の運動学に偏らずに、多様な人間の実演から汎用的な操作の意味を獲得し、平行グリッパーと多指ハンドの双方に利益をもたらすとされる。RoboTwin 2.0、RoboCasa GR1および実世界の操作タスクで、事前学習なしのベースラインを一貫して上回ったと報告されている。
説明MORE：自己進化エージェントのための、モード最適化と自己適応型推論努力
要約本論文は、タスクごとに推論形式（直接回答、短い／長い思考連鎖、コードベース推論）と計算努力を適応的に選ぶ自己進化学習フレームワーク MORE を提案します。学習は二段階で、まず事前分布を作り、次に MATE-PPO により生成された検証可能なタスク列上で自己進化させます。コーディング、数学、一般推論のベンチマークで 3B から 14B のモデルに一貫した性能向上を示し、推論時は精度が高く応答が短く、所要時間も減ったと報告されています。
説明Meta-CLIP：メタデータ条件付き対照学習によるゼロショット疾患推論
要約本論文は、医用画像と読影レポートの事前学習において、DICOMヘッダの撮像メタデータを用い、撮像条件の類似度に応じてクロスモーダル負例の重みを調整するMeta-CLIPを提案する。CT-RATEでは、CT-CLIPと比べてマクロAUROCが1.41ポイント向上した。推論時にはメタデータは不要である。
説明アフィン再構成を超えて：放射伝達方程式のための多解像度Transformer DeepONet
要約本論文は、火災シミュレーションで計算負荷の大きい放射伝達方程式（RTE）を、従来の数値解法に代わって高速に解くTransformerベースのDeepONet代理モデルを提案します。Perceiverエンコーダで異なる空間解像度の温度場と吸収係数場を固定サイズの潜在表現に変換し、交差注意デコーダで非アフィンな放射強度の再構成を行います。二次元プールファイアのデータセットでは、自己符号化器ベースのDeepONetより放射強度と入射放射の予測精度が高く、学習可能パラメータも少なくなりました。また、一つの一致した潜在次元において、学習誤差がアフィン再構成の理論的下限を下回りました。
説明SWE-Ladder：段階的特権自己蒸留による局所化・再現・パッチ作成の学習
要約本論文は、リポジトリ単位のissue修正に取り組む手法SWE-Ladderを提案します。検証済みの修正を、局所化、再現、パッチ作成の段階ごとの証拠に分解し、ルールベースのルーターで各ステップを段階に割り当てます。凍結された教師モデルは対応する証拠のみを参照し、修正順に蒸留しつつGRPOで全軌跡を最適化します。SWE-bench Verifiedでの結果として、R2E-Gym環境でpass@1が9.6%から16.4%に向上したと報告されています。
説明追跡はセンシングではない：頭部自由なマーモセットの熱画像動画からアーチファクトを考慮して呼吸数を推定する研究
要約本研究は、接触式呼吸センサーと同期して記録した熱画像動画から、マーモセットの呼吸数を推定できるかを検討しています。呼吸の信号は熱画像から取り出せるものの、関心領域の選び方に強く影響されることが示されています。頭部が動く状況では、見た目に妥当な鼻部の追跡結果でも、接触式の呼吸データと一致しない場合があるとされています。提案手法STARは学習時に高い動きによる熱信号の不連続を局所的に補間し、平均絶対誤差は2.23 bpmで、追跡ベースの手法の20.76 bpmより小さい値です。
説明イベント駆動型の視覚・言語・行動推論のための2のべき乗リーキー積分発火ニューロン
要約本論文は、符号付きで振幅が2のべき乗のスパイクを出力する2のべき乗リーキー積分発火（PoT-LIF）ニューロンを提案し、視覚・言語・行動（VLA）モデルの省エネルギー化を目指します。π0.5 の視覚・視覚言語・行動の各投影層に組み込み、LIBERO の閉ループタスクで評価しています。元の連続活性化ベースライン（96.70%）と同等以上の成功率を示し、T=1・発火率60.01%では理論上の算術エネルギーが密な参照の約1/7.67になると報告されています。
説明FreeView：未整理の画像からのロバストな3D再構成
要約本論文は、未整理の画像群から頑健に3次元シーンを再構成するための、学習不要のフレームワーク「FreeView」を提案している。画像群全体の一貫性を利用して代表的なビューをフィルタリング用の基準として選び、視覚情報と幾何情報を組み合わせて無関係なビューを除去しつつ有用なビューを残す。VGGTおよびpi^3と統合でき、手動での基準指定や校正を必要としない。複数のデータセットでの実験では、有効ビューの保持率と妨害ビューの除去率が高いことが示されている。
説明物理情報グラフ表現と制約別クリティックを用いた配電網コミュニティ蓄電池協調のための安全強化学習
要約分散型エネルギー資源と電気自動車充電の大量導入により配電網で生じる電圧違反と線路容量超過を抑えつつ、運転コストを下げるための物理情報付き安全深層強化学習の枠組みを提案しています。線路インピーダンスと容量で空間的な情報伝播を表現する二層の物理情報グラフと、報酬と制約コストをそれぞれ独立に評価するLDCPPOアルゴリズムを用いています。高い屋上太陽光とEV充電の条件での事例研究では、比較基準に対して主要な電圧違反の程度を最大80.5%削減し、電圧違反回数と線路過負荷の程度が最も少なく、運転コストも競争力のある水準だったと報告されています。
説明大規模言語モデルの選好と不完全な意思決定の同時モデル化
要約本論文は、大規模言語モデル（LLM）の選好表現と不完全な効用最大化の仕組みを組み合わせた選好・行動モデル（PBM）を提案し、観測された選択から選好と行動パラメータを逆ゲームとして同時に推定します。公共財ゲーム、集団リスク・ジレンマ、共有資源ジレンマの3つの社会的ジレンマで評価を行いました。その結果、標準的な行動経済学的測定から得た選好は行動を一貫して予測しないものの、ある課題で当てはめたモデルは他の課題でも予測力を保つことが示されました。
説明TAD：教師の軌道だけから視覚・言語・行動ポリシーを蒸留する手法
要約本論文は、教師の行動スコアを使わずに、教師と生徒のロールアウトの特徴分布を比較する判別器で報酬を与える軌道対抗蒸留（TAD）を提案しています。ManiSkill の PutOnPlateInScene25Main タスクで、OpenVLA-OFT（7B）の成功率が大きく向上しましたが、白箱のオンライン方策蒸留（OPD）にはわずかに及びません。最良の結果は OPD より多くの相互作用と最適化の予算を使っている点も明記されています。
説明PreView：前処理済みビューと手がかりで GUI グラウンディングを強化する研究
要約本論文は、雑然としたスクリーンショットの中から自然言語の指示が指す小さな GUI コントロールを特定する GUI グラウンディングを扱います。提案手法 PreView は、既存のグラウンディングモデルを再学習せずに入力を改善する補助前処理器です。軽量な補助モデルが中心点を予測・精緻化し、局所ビューを切り出して拡大するほか、赤丸マーカーと対象の説明文という手がかりを用意します。五つのベンチマークで、Qwen3-VL-2B、OS-Atlas-4B、Qwen3-VL-4B の平均精度が向上したと報告されています。
説明AlphaIdeaBench：資源制約と査読整合のもとでの自動研究アイデア生成のベンチマーク
要約本論文は、明示的な資源予算と共通の提案書式を備えた100件の構想タスクからなるベンチマーク「AlphaIdeaBench」を提案する。LLM評価者が12の観点で提案を採点し、その新規性の評価をICLR 2026、NeurIPS 2025、ICML 2025の600件の論文の査読コメントから得た評価と比較して検証している。複数の構想フレームワークと基盤LLMを評価し、タスク・評価基準・スコアを公開している。
説明LENS：未知カメラでの属性ベース人物検索のための尤度評価と近傍平滑化
要約本論文は、属性ベースの人物検索において、未知の監視カメラでは予測確率が変化するため平均属性一致度（mADM）が低下する問題を扱う。提案手法LENSは、ファインチューニングしたDINOv3とCLIPのモデルおよび蒸馏された生徒モデルを組み合わせ、排他的な属性グループに対するグループ交差エントロピー学習、クエリとの正確な対数尤度によるスコアリング、DINOv3の外観特徴を用いた近傍ロジットの平滑化を行う。UPAR 2027ベンチマークの非公開テストセットでは68.17 mADMに到達したと報告されている。
説明UniQuery：統合クエリヘッドで視覚モデルを統一し、ドメイン横断の歩行者属性認識を行う手法
要約本論文はUniQueryを提案し、DINOv3とCLIPの2つのエンコーダを共同で微調整して、歩行者の性別、年齢、服装などの属性を認識します。3つのクエリヘッドの出力ロジットの平均で予測します。UPAR Challenge 2027の留保データセット実験では、独立アンサンブルより高いChallenge_Avgを示し、隠しテストセットでは0.8001を達成しています。
説明自作かそれとも採用か：自動車 GUI テストにおける専用と汎用の LLM エージェント・ハーネスの比較
要約ボルボ・グループは、Android 車載インフォテインメントシステムの GUI テストについて、自社開発のハーネスと Claude Code、OpenCode という汎用ハーネスを比較しました。ツールとモデルは統一しています。汎用ハーネスは段階的テストで自社開発品と同等の成功率を示しましたが、タスクあたりの推論コストは 2.6～10.7 倍でした。それでも工数削減を含めた総コストは夜間回帰テストで 3～66% 低くなると報告されています。
説明DROA-CLIPSeg：低照度下のプロンプト誘導型細いひび割れセグメンテーション
要約本論文は、低照度環境で路面のひび割れ検出が劣化する問題に取り組み、凍結したCLIPSegビジョン言語モデルに2つの軽量モジュールを加えたパラメータ効率の高い手法DROA-CLIPSegを提案しています。ひび割れ向けプロンプトを付与したCrackLingo-9KとCrackLingo-12Kも導入されています。全モデルの約1.3%にあたる約1.93Mパラメータのみを学習し、両データセットで9つのゼロショットおよび4つの微調整ベースラインを上回り、MVTec ADへもゼロショットで汎化したと報告しています。
注目点凍結したCLIPSegに低ランク適応と直交残差分岐を組み合わせた低照度ひび割れ分割で、既存手法の有意な組合せ改良にあたる。複数基線との比較と消去実験があり証拠は充分。
説明PASSは主張であり観察結果ではない：稼働中のマルチエージェント監査層における自己申告の修正主張10件の機械的再検証
要約本論文は、AITRAPというマルチエージェント知識ツリー基盤で動作する協調エージェントが自己申告した、コードレベルの修正主張10件を機械的に再検証したものです。これらは179件の協調ブロードキャストから抽出されました。各主張は、ファイルの更新時刻の整合性、指定された識別子と呼び出し箇所における防御パターンの有無、ブロードキャスト内容に基づく規則的検証の三基準で確認されています。再検証可能な情報を持つ主張のうち50%が識別子と呼び出し箇所の確認に失敗したため、著者は自己申告のPASS宣言には独立した検証が必要だと結論づけています。
説明アル＝フワーリズミーの相続計算（ilm alfaraid）のモデル理論的形式化
要約本論文は、アル＝フワーリズミーによる相続（遺産分配）の論述を、モデル理論と計算的手法で形式化したもので、計算フィクフ（イスラーム法学）の研究に属する。著者らは、この種の相続の各ケースが有理数上の線形等式・不等式の有限系として表現でき、Fourier-Motzkin消去法によって厳密に判定できることを示す。また、固定次元の相続構造を定義し、その代数的表現がこの類において標準的であることを証明している。
説明ONOT/TONO-Print：身分証明書用写真の製造工程による変化を評価する対応付きベンチマーク
要約本論文は、身分証明書の製造工程（印刷、彫刻、テンプレートへの組み込み）で生じる画像変化の下で、顔画像品質モデルを評価するための小規模な対応付きベンチマーク ONOT/TONO-Print を提案します。ONOT と TONO の写真に基づき、トナー、インクジェット、昇華型、レーザー彫刻、熱転写の五つの工程による合成バリエーションを含み、一部には実際に印刷・スキャンした試料も含まれます。結果として、製造工程によって一部の品質推定器で大きな領域シフトが生じる一方、他のモデルは比較的安定していることが示されています。
説明時計の前の配分：プロ『LoL』目的設定のグラフ・集合・ゲーム理論分析
要約本論文は、プロのLeague of Legendsで中立目的の前に各チームが5人の配置と行動をどう割り振るかを分析します。配置を地図上の分割問題として扱い、幾何学的ボロノイ分割で支配領域を定め、量的応答均衡で交戦への参加を求めます。2025年MSIと世界大会の164試合のデータでは、負けているチームが最初のバロンとAtakhanの前にピットを空けることが大幅に多いと報告されています。
説明RAQ-MLA：マルチヘッド潜在注意力キャッシュ向けの役割認識量子化
要約マルチヘッド潜在注意力（MLA）は近年の最先端大規模言語モデルに採用されている注意機構で、圧縮された潜在表現と位置キーをキャッシュします。本論文は、二種類のキャッシュテンソルが異なる役割を持つこと（潜在表現は主に値を、位置キーは注意スコアを支配する）を分析し、各テンソルが注意出力に与える誤差に合わせた可逆変換を設計するRAQ-MLAを提案します。学習を必要とせず、キャッシュを要素あたり約2.5ビットに量子化でき、理論上のKVキャッシュ容量は6.5倍になり、四つのMLAモデルの推論・コーディング課題でほぼ劣化しないと報告しています。
説明RSI Arena：人間のフィードバックによる再帰的自己改善に向けた研究
要約本論文は、十の最先端モデルを訓練エージェントとして用い、NVIDIA Nemotron 3.5 Lightning 30B-A3B Base に対して自律的な事後学習が可能かを検証するRSI Arenaを提案する。第1段階では共有の64GPUクラスタ上で6日間実施され、20のベンチマークと盲検の人間評価で結果を評価した。第2段階では人間の比較記録を受け取って追加で3日間学習し、多くのモデルで選好評価が向上したが、ベンチマークの改善は小さく、一部では回答の長文化や有害な指示への従順さの増加も見られた。
説明グラフ依存プーリング：階層型グラフニューラルネットワークにおける適応的粒度
要約本論文は、各グラフごとにプーリングの粒度を動的に決定するグラフ依存プーリング（GDPool、Graph-Dependent Pooling）を提案しています。事前に定めたクラスタ数や固定のプーリング比率に頼らず、自己注意機構で構造的に重要なノードを表すアンカーを選び、ソフトなノード割り当てで粗いグラフを構築します。金属有機構造体と分子グラフのベンチマークで最良の予測性能を示し、モジュラリティも既存手法より高いと報告されています。
説明単一ラウンドの分散表形式学習に向けた測地線SVDD潜在空間ミックスアップ手法
要約本論文は、金融詐欺防止や医療診断など、プライバシーが重視される分野の表形式データに対する分散学習を扱います。提案手法Geodesic-SVDDは、各クライアントの課題を超球面上の一クラス密度推定として捉え、測地線潜在ミックスアップにより超球面制約を保ちます。さらに、反復同期を必要としない一回限りの「専門家の積」集約プロトコルを提案しています。原文によれば、五つの表形式ベンチマークと四段階のラベル偏りで、七つの連合学習手法中最高の平均AUROCを達成し、一回限りの通信で集中型Deep SVDDに匹敵する結果が報告されています。
説明生成情報の回流：LLM介在の情報生態系における誤りの持続
要約本論文は、大規模言語モデルが生成した記事が後続モデルの入力に戻る際に、誤情報がどのように持続するかを検討する。管理された共同執筆実験で記事の回流の有無を比較したところ、最終ラウンドで完全な虚偽主張の出現が7.29ポイント増加した。一方で、明示的な支持は減少した。誤りの詳細を抽象化する介入では、多くの対象で誤りの再現はほぼ変わらなかった。
説明学習型画像圧縮のための意味誘導型周波数変調
要約本論文はSG-AFMを提案し、エンコーダ側の意味的構造事前情報を用いて高周波サブバンドを適応的に減衰させ、ビットレートを下げつつ物体の境界や細部を保持します。意味マップはエンコーダ内でのみ計算され、伝送もデコーダへの追加モジュールも不要です。6つのデータセットで、TCMに比べPSNRベースのBD-rateを平均13.17%削減し、ExDark、NightCity、OnePlusでは平均16.80%削減で比較手法中最良でした。
説明MMDベース目的関数による条件付き生成のための三角輸送写像の誤差解析
要約本論文は、三角輸送写像で構成される条件付き生成モデルの理論的な誤差を検討しています。著者らは、同時分布のMMDを最小化する一般的な方法が、誤った仮定の下ではパラメトリックモデルの最適解が真の条件付き分布を復元できないことを示します。そこで、条件付き基準を直接最小化する推定量を分析し、次元に依存しない高速収束率を持つ非漸近的誤差上界を与えています。さらに、ガウス核に基づく同時MMDについても誤差上界を導き、条件変数に次元の呪いが生じることを示しています。
注目点結合MMD最小化が条件分布を一般に回復できないことを示し、条件目標に対する非漸近誤差界と次元非依存の速い収束率を与えている。
説明漏洩のない検証によるアラビア湾港湾の衛星測深：実測データに対する手法比較と沿岸の評価
要約この論文は、衛星画像からアブダビ沿岸の港湾の水深を推定し、28万5千点を超えるマルチビーム測深データと比較したものです。経験式、機械学習、深層学習の各手法を比べ、検証方法の違いが結果に与える影響がモデルの違いより大きいことを示しています。未知の地点ではStumpf比が最も良い結果でした。現地の制御点を加えると、0〜11メートルの範囲で誤差は約1.11メートルになりました。
説明Mycelium：来歴・類型・粒度にわたる幻覚検出のメタ研究
要約本論文は、幻覚検出をベンチマーク条件に依存する測定問題として捉え、既存のベンチマークを来歴、類型、粒度の三つの軸で整理しています。ベンチマークの構築、アノテーション、評価方法の選択が予測タスクをどう形作るかを分析し、スパン単位の評価における注釈境界の影響も検討しています。包含関係に基づく補完指標として Span Coverage F1 を提案し、検出器スコアの意味や横断的比較の限界を明らかにしています。
説明生成AIおよびエージェンティックAIのためのデータガバナンス：技術・法律・経済・セキュリティ
要約本書は、大規模言語モデルや検索拡張型パイプラインから自律的なマルチエージェントシステムまで、情報を検索・生成・推論・記憶・実行するシステムを対象とした統一的なガバナンス枠組みを提示します。データ品質、系譜と来歴、データ保護と知的財産、データガバナンスの経済学、サイバーセキュリティとゼロトラスト、倫理、選挙や公共圏におけるガバナンスなど、ライフサイクル全体を扱います。各章はインドの法律と制度を基盤としつつ、六つの法域にわたるAI規制と2030年に向けたガバナンス制御プレーンの設計にも触れています。
説明H-GLow：ハザード誘導型離散フローマッチングによるグラフ生成の高速化
要約本論文は、ノードとエッジの強い依存関係により少ないステップで高品質なグラフを生成することが難しいという課題に取り組みます。連続時間マルコフ連鎖（CTMC）の生成器をハザードと条件付きジャンプ分布に分解するフレームワーク H-Glow を提案し、グラフ編集の計画と、グラフの活動量に応じたサンプリング時間の動的調整を行います。H-Glow は事前学習済みのグラフ離散フローマッチングモデルに適用でき、少ないステップで生成品質を改善します。分子および合成グラフのベンチマークで、サンプリングステップの大幅な削減と生成品質の向上が示されています。
説明分布シフト下の反事実モデルテスト：母集団変化とデータ品質問題を区別し、現在の性能と修復による利得を推定
要約デプロイ済みの機械学習モデルは、入力データの分布が変化すると性能が低下することがあります。その変化は母集団の変化によるものも、特徴量を生成するパイプラインのデータ整合性の問題によるものもあります。本論文は、両方の変化を制御されたベースライン上で再現し、現在の性能と観測されたデータ整合性の問題を修復した場合の利得を推定する手法を提案します。実データでの実験では、両者を区別することで推定が概ね改善することが示され、顧客離脱予測の事例が監視と修復の優先順位付けへの応用を示しています。
説明希少疾患診断向け大規模言語モデルにおける評価アーティファクトとデータ漏えいの監査
要約本論文は、公開および独立した臨床コホートの 6 万件超の症例を用いて、希少疾患診断の大規模言語モデルシステムを実証的に監査したものです。候補空間の汚染とデータ漏えいによって性能が人為的に押し上げられていることを示し、データセット間を厳密に分離すると、平均 Recall@1 が 54.3% から 40.3% に低下すると報告しています。著者らは、現行の評価手法は真の医学的推論ではなくデータ漏えいを反映していると結論づけ、厳密なデータ分離と標準化されたベンチマーク保護を組み合わせた評価枠組みを提案しています。
説明Mix Forcing：対話型ワールドモデルのための混合注意による因果的事前学習手法
要約対話型ビデオ・ワールドモデルは自己回帰生成を必要としますが、事前学習済みの双方向ビデオ拡散モデルを教師強制で自己回帰モデルに直接適応させると、視覚的な事前知識が損なわれ生成品質が低下することがあります。本論文は、双方向・自己回帰混合注意（MoBA）を用いたMix Forcingを提案し、教師強制と双方向学習を同時に行う因果的事前学習を行います。140億パラメータの画像-動画モデルで事前学習後、一貫性および分布一致蒸散を適用して4ステップの自己回帰生成器を得ています。内部およびWBench、SANA-WM-Benchなどの公開ベンチマークで高い視覚品質と事象への追従が示され、1時間を超える長時間生成でも品質低下がないと報告されています。
説明「言葉は心の声」：心理誘導型の証拠推論によるソーシャルトレースからのうつ病重症度推定
要約本論文は、ユーザーが質問票に回答しなくても、ソーシャルメディアの投稿痕跡からうつ病の重症度を推定するUMerフレームワークを提案します。まず過去の投稿から個人の心理的傾向を抽出し、尺度の各項目に関連する投稿を検索して証拠とします。その上で段階的に推論し、項目ごとのスコアと解釈可能な根拠を出力します。実世界のベンチマークで競争力のある性能を示し、他の尺度ベースのタスクにも一般化できるとしています。
説明最弱言語は移動し続ける：多言語 BabyLM のための ARMOR-DP
要約多言語 BabyLM は通常、言語ごとのサンプリング比率を固定しますが、学習中に最も弱い言語は変化しうります。本論文は、表現・露出・容量・目的関数の圧力から生じる不均衡を診断し、言語ごとの検証損失でサンプリングを更新するモジュール型フレームワーク ARMOR-DP を提案します。等しい文字予算は中国語に深刻な表現上の問題を生じさせ、バイト単位の符号化はそれを大きく緩和すること、また動的制御は固定的な保護より良いスコアと均衡のトレードオフを実現することを示します。
説明変化する部分だけを複製する：ドメインランダム化された具現化シミュレーションのためのリソース共有
要約本論文は、共有テンプレートとパッチで環境を表す Patchwork システムを提案します。変化しない資源は複数の環境で共有し、各インスタンスには変更が必要な部分だけを持たせます。robosuite と MuJoCo に実装し、LIBERO-plus と RoboCasa365 のワークロードで評価しています。32 レプリカでは、環境ごとに 1 プロセスを使う方式に比べ、共有テンプレート方式で CPU の RSS が 88〜92% 削減されました。
説明UltraFlash：メガピクセル視覚合成の高速化
要約本論文は、潜在拡散モデルによるメガピクセル画像生成において、カスケード精緻化の各段階で繰り返されるVAEのデコード・リサイズ・再エンコードなどのピクセル空間遷移がボトルネックになっている点に着目し、UltraFlashを提案しています。Latent Hyperloopは中間段階のRGB往復処理を学習済みの潜在空間ショートカットで置き換え、Sparse Patch-based Decodingはパッチ間の継ぎ目を統計量のキャッシュで抑えて重なりを小さくします。最先端のカスケードベースラインに統合したところ、4K生成のレイテンシが約半分になり、画質も向上したと報告されています。
説明ZoomSEM：インテリジェントSEM超解像による大規模脳コネクトミクス撮像の高速化
要約本論文は、走査型電子顕微鏡（SEM）の撮像を高速化するための深層学習ベースの超解像手法ZoomSEMを提案しています。実際の低解像度と高解像度のSEM画像ペアで学習し、高速な低解像度スキャンから4倍、8倍、最大16倍の解像度の画像を復元し、コネクトミクス解析に重要な神経細胞の微細構造を保持するとされています。実効的な加速は最大30倍とされ、多様な生物試料のデータセットでの汎化性能も報告されています。
説明変分アトラス自己符号化器と自己教師ありチャート選択：複数の局所潜在空間でデータ多様体を学習する論文
要約本論文は、変分アトラス自己符号化器（Variational Atlas Autoencoders）を提案し、データ多様体の各領域を複数の局所潜在表現（チャート）で担当させます。チャートの割り当てを事後推論として扱い、ラベルなしで学習します。CelebAなどの画像データセットで、容量を揃えた基準モデルと比較して、より整った潜在空間と高いサンプル品質を報告しています。サンプリング時は単一チャートのデコーダのみを評価します。
説明CADonatello：実世界の多部品 3D CAD 再構成に向けて
要約本論文は、実世界の3Dスキャンからパラメトリックな CAD モデルを再構成するための部品認識型フレームワーク CADonatello を提案しています。まず基盤規模の3D部品セグメンテーションモデルで入力形状を構造的な部品に分解し、各部品を断面に基づくスケッチ化と押し出しの流れで個別に再構成します。さらに、実スキャン由来の断面画像と対応するスケッチの対からなる CC3D Cross-Sections データセットを導入し、ノイズの多いスキャンへの一般化を改善したと報告しています。
説明Trajectory2Gym：ツール利用エージェントのための、決定根拠に基づく合成的インタラクション生成手法
要約本論文は、ツール利用の成功軌跡が必ずしも有用な学習データではないと指摘します。多段階の依存関係が十分に表現されていなかったり、エージェントが判断時に見られる情報では正当化できない行動が含まれていたりするためです。著者らは、覆われていない組合せ構造の周りに実行可能なインタラクションを構築し、実行された中で根拠のある決定からのみ教師信号を得る Trajectory2Gym を提案します。五つの Qwen3 規模で、Tau1、Tau2、BFCL のいずれも向上し、三つのベンチマークの等重み平均は 16.9〜29.8 ポイント上がりました。状態を持つ多ターンのインタラクションで効果が最も大きくなっています。
説明高密度軌道の教師からの蒸留による大きな動きのビデオ世界モデル
要約ビデオ世界モデルには、指定されたカメラ軌道に正確に従いつつ三次元構造を一貫して保つ映像の生成が求められます。しかし既存モデルは、フレーム間のカメラ移動が小さい高密度サンプリングの映像で主に学習されており、疎で大きなステップの軌道では、静止フレーム、カメラ運動の不正確さ、幾何学的なずれが生じやすいとされています。本論文は、密な軌道による教師蒸留（DTTD: Dense Trajectory Teacher Distillation）という後学習フレームワークを提案します。疎な軌道に対してカメラ姿勢を補間して密な軌道を作り、固定されたベースモデルがその上で教師映像を生成します。元の疎な軌道で生成された候補映像は、姿勢を揃えた教師観測と比較されます。こうしてモデル自身が教師となり、追加の映像データや外部のより強力な生成器は不要です。さらに、フレーム間の一貫性と軌道追従性を評価する幾何認識報酬を組み合わせ、オフラインの選好最適化に用います。動きの範囲を安定して広げるため、より単純な軌道を残しつつ、より大きな動きのステップを段階的に取り入れる累積カリキュラムを導入しています。
説明WorldFailBench：世界モデルは方策の失敗を理解できるか？ロボット方策の失敗再現を評価するベンチマーク
要約ロボットの方策評価では、生成環境で閉ループ検証を行う世界モデルが利用されつつありますが、既存の評価は成功か失敗かの結果のみを見ており、失敗の仕方を忠実に再現しているかは確認されていません。本論文はWorldFailBenchを提案し、失敗原因、失敗段階、失敗境界の3つの評価タスクを設けました。LIBEROやRoboTwinのシミュレーション環境およびG1ヒューマノイドロボットの実機操作タスクを対象とし、7つの世界モデルの実験で理解に大きな差があることを示しています。
説明OODConceptBench：視覚言語モデルのオープンワールド概念認識ベンチマーク
要約本論文は、視覚言語モデルがオープンワールドの概念をどの程度認識できるかを評価する階層型ベンチマーク「OODConceptBench」を提案しています。560の概念フレーズと7つのカテゴリを含む画像・概念ペアで構成され、37のモデルを評価しています。すべてのモデルで、より難しいL2サブセットの方が目標概念の認識率が低く、後発のモデルが必ずしも優れているわけではないことが示されています。
説明ハイブリッド時間PINN：不連続性を考慮したハイブリッド動的システム学習手法
要約本論文は、ハイブリッド動的システムの連続的な流れ区間ごとにネットワークを割り当て、ジャンプ時刻および未知パラメータと共同で学習するハイブリッド時間PINN（HT-PINN）を提案しています。従来の単一のPINNは時間方向に滑らかなため、ジャンプを表現できません。ジャンプ回数とモード列は列挙により求めます。跳ねるボールの実験ではジャンプ回数と反発係数を復元し、MuJoCoのロボット分解シミュレーションでは静摩擦係数と動摩擦係数を誤差0.1%と1.7%で推定しました。
説明重み付きBP復号器アンサンブルの同時エンドツーエンド学習
要約本論文は、Tanner グラフの学習可能な辺重みを同時に最適化することで、重み付き信念伝搬（BP）復号器アンサンブルの多様性を学習する手法を提案しています。符号固有の構造に頼らず、4種類のアンサンブル学習目的を比較し、最良メンバー学習が最も効果的だと結論づけています。(64,32) PEG LDPC 符号では、10メンバーのアンサンブルが目標フレーム誤り率 10^-4 で単一 BP 復号器に比べ約 0.66 dB の利得を示し、(128,64) CCSDS LDPC 符号でも同様の傾向が見られたと報告しています。
説明GeoLift：明示的な3次元マップで動画の空間推論を支える手法
要約論文は、マルチモーダル大規模言語モデルが個々のフレームの物体は認識できても、複数回の曲がりが必要な経路計画では精度が大きく下がると指摘しています。著者らは学習を必要としないフレームワーク GeoLift を提案し、フィードフォワード型3次元再構成で各フレームの検出物体を共通の計量的3次元シーンに写像し、共有幾何領域（superpoint）で異なる視点の同一物体を対応付けます。全モデルの重みを凍結したまま、Qwen3-VL-4B の VSI-Bench 平均スコアは 55.4% から 64.1% に、経路計画の精度は 30.9% から 53.6% に向上し、MindCube では 59.8% を達成しました。
説明物理正則化フローマッチングによるPM2.5からのエアロゾル粒径分布のナウキャスティング
要約PM2.5の質量濃度は安価に測定でき広く監視されているが、粒子数粒径分布は高価な装置が必要で、少数の研究観測点でしか測定されていない。本研究では、PM2.5と8種類の気象パラメータによる24時間の記録から、生成型深層学習モデルで同じ時間帯の毎時粒径分布のアンサンブルを生成する。フィンランドの2地点を用いた比較実験では、フローマッチングが全体として最良の結果を示し、簡略化したエアロゾル一般動力学方程式を制約として加えるとCRPSが低下したが、地点間の転移は局所推定より難しいことが分かった。
説明アンダーサンプリングされた拡散強調MRIからの前立腺病変のエンドツーエンド分割・検出
要約本研究は、多コイルの生データとコイル感度情報を直接用いて前立腺病変を分割するエンドツーエンドネットワーク「VarNet-Seg」を提案しています。fastMRIの前立腺検査269例を対象に、模擬的なアンダーサンプリング下で従来モデルと比較しました。8倍加速時にはVarNet-SegのDiceが他モデルより高い一方、患者単位のAUROCはRSS-Segと同程度でした。臨床利用には前向き評価が必要とされています。
説明リモートセンシング画像の指示セグメンテーションにおけるクロススケール疎アテンション手法
要約本論文は、自然言語で指定された領域を遥か上空の画像から切り出す「指示セグメンテーション」の課題に取り組み、CSSAMというモデルを提案しています。多スケールの視覚特徴と複雑な言語表現を、クロススケールのモダリティ整合融合モジュールと動的な疎ハイブリッドアテンションで対応づけます。あわせて、多対象・多段推論・多粒度の三つの観点で設計したM³RRSIS-Dデータセットを公開し、既存ベンチマークで競争力のある結果を示しています。
説明コンクリートのひび割れ進展を異なる視点・時間で追跡
要約本論文は、ひび割れの進展監視を、視点と時間をまたぐひび割れインスタンス追跡の課題として定式化し、幾何支援かつ形態認識型の枠組みを提案しています。まず画像ベースの幾何学的位置合わせで異なる視点の観測を共通の基準ビューに揃え、そのうえで各ひび割れに識別子を割り当て、統一ビュー内で新規進展と既存ひび割れを区別します。単一の主ひび割れ、分岐、複数ひび割れの相互作用という3種類の場面を対象に、時間注釈付きのデータセットも構築されました。実験では視点が変わっても緩やかな対応付けは可能であったものの、厳密な空間重なりと進展位置の特定には、初期の微小ひび割れの分割精度と投影のずれによる限界が残ることが示されています。
説明いつ協調するかを学習：不確実性を考慮したルーティングによる選択的マルチエージェント医療推論
要約本論文は、完全にローカルで動作するマルチエージェント型の医療視覚質問応答手法SMART-Medを提案し、協調を既定の動作ではなく学習可能な判断として扱います。不確実性に基づくルーティング機構により、直接回答するか少数の専門エージェントを呼び出すかを決定します。著者らは高品質な推論過程と難易度階層を備えたMedVR-3Kデータセットを構築し、GRPOでローカルエージェントを微調整しました。4つの医療VQAベンチマークで既存手法に匹敵する性能を示し、推論時間を3.8倍以上、トークン使用量を72%削減しました。
説明SEDATE：大規模言語モデルは言語をまたいで攻撃性の回路を共有しているか（SEDATE: Do Large Language Models Share an Aggression Circuit Across Languages?）
要約本論文は、学習なしで大規模言語モデルの回答をより安全にする手法SEDATE（検出・編集・検証の3段階）を提案します。まず攻撃性に関わるニューロンを検出し、必要に応じて編集し、最後に回答を検証します。著者らは7言語・4つのモデルファミリーで評価し、さらに未知の4言語と4つの追加データセットでも検証しました。その結果、最良のベースラインを大きく上回る安全性スコアを示し、一般的な能力を維持しつつ追加コストはわずかだと報告しています。
説明パッチ由来かレジスタトークンか？可変長画像トークナイザの比較
要約本論文は、計算効率が高く明示的な空間構造を持つパッチ由来トークンと、事前定義された空間配置を持たないレジスタトークンという二つの可変長画像トークナイザを比較しています。極端な圧縮ではパッチ由来トークンの再構成が優れ、中程度の予算ではレジスタトークンがわずかに優れ、高い予算では両者は同程度でした。生成タスクではレジスタトークンが優れていますが、外部の事前学習済み視覚エンコーダとの表現アラインメントによりパッチ由来トークンの生成性能は大きく向上します。
説明CoEvolve：反事実に導かれたマルチエージェントシステムにおける記憶と協調の共進化
要約この論文は、大規模言語モデルに基づくマルチエージェントシステムで、記憶と協調の仕組みを経験に応じて整合的に進化させるフレームワーク CoEvolve を提案している。再利用可能な局所的な協調パターンをスキルとして表現し、元の軌跡と反事実的軌跡を比較して局所的な進化シグナルを特定し、スキルライブラリ、スキル記憶、実行者記憶の更新を調整する。ALFWorld と WebShop のベンチマーク実験では、評価したベースラインの中で総合性能が最も高かったと報告されており、アブレーション実験も整合的共進化と反事実引導型進化の有効性を裏付けている。
説明FraudSociety：金融詐欺経済のための生成エージェント型社会シミュレーター
要約本論文は、情報と資金の動態を同時にモデル化する、LLMエージェントベースの初の詐欺シミュレーターFraudSocietyを提案します。動的な社会環境、支払いと損失の履歴を保持する永続的な台帳、市民の意思決定のための需要・意図・行動アーキテクチャを備えています。詐欺師は相互作用の履歴や台帳の状態に応じて手口を適応させ、閉じたフィードバックループを形成します。マクロおよびミクロの結果は実際の統計パターンと整合し、反詐欺介入の比較実験も行われています。
説明靶細胞分類のための高次元ヒト遺伝子スコアデータのクラスタリング
要約本研究は、同じ769個の特徴量を用いて、完全なヒト遺伝子スコアデータセットと選ばれたキナーゼ遺伝子のサブセットが同じクラスタ数を示すかを調べたものです。欠損値の扱いは二通りで検討し、主成分分析の後、K-Means、階層的クラスタリング、ファジーC平均、グラフベースのクラスタリングの四手法を用いています。すべての組み合わせで最適クラスタ数は2となり、シルエットスコアは全体的に高い値でした。
説明SkillShift-Bench：環境変化下でのWebエージェントのスキル学習を評価するベンチマーク
要約Webエージェントは過去の経験を再利用してスキルを学習できますが、それらは通常、閉じた環境で評価されています。本論文は、制御された開放環境の変化下でスキル学習を評価する初のベンチマーク SkillShift-Bench を提案します。三つの自己ホスト型Webシステム上で文脈・知覚・実行の各変化を模擬し、実行変化の影響が最も大きいことを示しています。さらに、スキルライブラリを再学習せずに学習済みスキルの実行を改善するテスト時適応手法も示しています。
説明暗黙の信念を拡張可能なプロセス報酬として用いた戦略的説得の学習
要約本論文は、多ターンの戦略的説得に大規模言語モデルを訓練する際の二つの課題、すなわち心理的根拠を持つ被説得者のリアルなシミュレーションと、戦略的対話における密な信用割当のための監督を扱います。説得シミュレーション環境 PersuArena を導入し、その上で凍結された被説得者モデルの logits から多次元のプロセス報酬を生成するオンライン強化学習フレームワーク Probe-RPO を提案します。医療、金融助言、職場管理、教育、個人関係の各場面での実験では、Probe-RPO の完全受容率は 52.5% で、最強の GRPO アブレーションの 35.8%、最良の既成 LLM の 25.8% を上回ったと報告されています。
説明デバイス変数の選択による物理ニューラルネットワークの最適化
要約物理ニューラルネットワーク（PNN）は、電子・光学などのデバイス物理を利用して省エネルギーのニューラルネットワークを実現します。本論文では、信号と物理デバイスの入力変数との間のルーティングを学習可能なパラメータとして扱い、Gumbel-Softmax再パラメータ化で最適化します。実験で較正された多変数電子RNPUモデルを用いた結果、MNISTでは分類精度が94.5%から96.9%に、CIFAR-10では62.8%から68.0%に向上しました。
説明軽量医療用ビジョントランスフォーマー（LiteMed-ViT）におけるクロスアーキテクチャ知識蒸留の可能性と限界
要約本論文は、畳み込みステムとクラスバランス蒸留目標を備えた二重トークンのViT「LiteMed-ViT」を提案し、ResNet18教師モデルから知識を蒸留します。パラメータ数は約0.234Mです。3つのMedMNISTサブセットで、BloodMNISTとPathMNISTの一部の比較では軽量CNNを上回り、MedMNIST-Cの破損条件でも頑健性は各軽量CNNと同等以上でした。一方、DermaMNISTでは平衡精度が最強の軽量CNNより最大1.9ポイント低く、入力解像度を上げても、より強い教師を用いても改善しませんでした。
説明回転視点で学習する成分プーリング：少数ショット・リモートセンシング画像のシーン分類
要約本論文は、ラベル付き画像がごく少数しかない場合の航空・衛星画像シーン分類（FSRSSC）を対象とする。推論時にパラメータを増やさないRoCoPを提案し、局所特徴を複数の加法的成分に分解して活性の大きさで重み付けしてプーリングするとともに、ランダムに回転させた画像で骨格ネットワークを学習する。NWPU-RESISC45、AID、UC Merced で評価し、転移学習ベースラインを改善したと報告している。基礎データセットが非常に小さい場合には適用できないとも明記している。
説明同一モデル、二つの経路：単一パス推論とループ推論の性能バランスを探る言語モデル研究
要約本論文は、一つの言語モデルが通常の単一パス推論とループ推論の両方に対応できるようにする方法を検討している。中間層の重みを再利用して追加の計算を行うが、両経路が重みを共有するため、ループ出力の改善が単一パスの品質を低下させうる。著者らは両出力に重み付き損失をかけて共同学習を行い、凍結した元のモデルを指針として用いた。その結果、ループのみの学習と比べて単一パスの性能低下が大幅に抑えられ、通常の継続学習に対するループ推論の利点も維持された。
説明弱学習器を用いたアフィン不変三次ニュートン法：勾配ブースティングの最適化手法の改良
要約現代の勾配ブースティングはニュートン法に基づき、実践では優れているものの大域的な収束保証がありません。本論文はアフィン不変三次ニュートン法（AICN）を弱学習器を用いる凸最適化へ一般化し、最適化経路上の平均コサイン値とヘッセ行列ノルムでの方向改善量により解析します。半強自己共役性の下で大域収束速度を示し、従来の弱GRNの上界より大幅に改善したとされています。さらに局所線形収束や適応的な三次正則化を行うweak-AdaAICNも提案されています。
説明再帰的自律エージェントの集団協働（スマート工場の多層的なタスク分解と能力集約の枠組み）
要約本論文は、スマート工場向けの再帰的自律エージェント（RAA）の集団協働フレームワークを提案している。注文レベルの目標を上位から再帰的に生産タスクへ分解し、各ユニットの能力を下位から同階層の協働を通じて集約する。複数の工場にまたがる加工・検査・物流の生産ネットワークを例に、同一の組織的中核が設備サービス、工場、工場全体の各スケールでどのように実装されるかを示している。
説明超グラフ単位の分類のための重なり考慮型部分超グラフパターン頻度
要約本論文は頻出部分超グラフのマイニングに重なりラベル（対象超グラフから引き継いだパターン超辺どうしの交差サイズを区分したもの）を加え、各超グラフを各パターンの相対頻度で表現する手法を提案しています。語彙は訓練用超グラフのみからマイニングして固定します。DHG-Bench の六つの超グラフ分類データセットで、Twitter-Friend と Steam-Player では公表済みの最良平均を Macro-F1 でそれぞれ 18.67 点・10.02 点上回り、RHG-3 では 0.21 点下回りました。相対頻度を存在の有無に置き換えると、また重なりラベルを除くと、いずれも Macro-F1 が低下することが示されています。
説明『Eat Your Precision』：評価基準ベース強化学習における報酬ハッキングを精度目標で緩和する研究
要約本論文は、評価基準（rubric）ベースの報酬が網羅率のみを測るため、モデルの応答が冗長になり不要または事実誤りの内容を含みやすくなる問題を扱う。これに対し、網羅率と精度を同時に最適化する FORK 報酬を提案し、各応答単位が必要かつ事実として正しいことを求める。実験では既存手法より優れ、基盤モデルに対する勝率も大きく向上したと報告されている。
説明テキストグラフ質問応答のための学習可能な検索器に向けて
要約本論文は、テキストグラフ質問応答（GraphQA）向けのエンドツーエンド型フレームワーク TaLenT を提案している。大規模言語モデルによる検索器と生成器を一つの検索後生成パイプラインに組み合わせ、正解信号を用いて根拠ノードの選択を監督する。正解、関連ノード、無関係なノイズを区別し、網羅性と簡潔さの両立を図る。三つのGraphQAデータセットでの実験により、下流タスクの性能が一貫して向上したと報告されている。
説明FreqPKC：レーダー意味セグメンテーションのための周波数認識型ピーク畳み込み
要約本論文は、自動車用ミリ波レーダーの意味セグメンテーションを対象に、PeakConv演算子の周波数特性を明示的にモデル化する周波数認識型ピーク畳み込み（FreqPKC）を提案する。これにより、ネットワークが有効帯域を適応的に調整できるようにする。これを基にしたFreqPKC-Netは、周波数誘導型適応変調と多視点入力のための視点間融合を統合する。CARRADA、CARRADA-RAC、自作データセットRS-SARでの実験では、距離-ドップラーと距離-角度の両視点で既存の最先端手法を上回った。
説明新規性はあるのか？PatEx-Gym：特許審査における新規性判断のためのエージェント型先行技術検索フレームワーク
要約本論文は、特許審査エージェントの開発と評価のためのフレームワーク PatEx-Gym を提案し、1,000件の審査タスク、100万件超の特許と5.2万件の科学論文からなる検索コーパス、反復検索・文書参照・推論・審査意見書生成を支える実行環境を含みます。また、アノテーション不要の先行技術検索軌跡合成手法 PASS を導入して PatEx-SynData を生成し、それを用いて教師あり微調整により4Bパラメータ規模の PatEx-Agent を訓練しています。実験では、最終判定の正確さだけでは審査の質を十分に反映しないことが示され、この4Bモデルは大幅に大きな汎用エージェントと比べて競争力のある性能を示したと報告されています。
説明DualPace：スケジューリングを分離し GPU‑CPU で協調デコードする LLM 推論サービング
要約本論文は、ホスト CPU を独立してスケジュールされるデコードエンジンとして扱う LLM 推論ランタイム DualPace を提案している。GPU エンジンがプリフィルと GPU 常駐のデコードを実行し、AMX 対応の CPU エンジンが CPU 常駐のデコードを独立にバッチ処理して進める。原文によると、デコード中心のシナリオで NEO 比 6.9〜43.2%、vLLM 比 11.5〜90.6% のスループット向上を示し、遅延は同等水準を維持したという。
説明FedSEAM：部分空間エキスパート合意マージによるLLMの連合継続学習
要約本論文は、クライアント間でデータを共有せずに複数のタスクを順次学習し、過去のタスクの知識を保持するFedSEAMフレームワークを提案します。タスク知識をスパースなエキスパートに整理し、部分空間に基づく互換性テストで再利用するエキスパートを決定します。サーバー側のSEAMは、合意された方向に沿ってのみ各クライアントを統合します。TRACEベンチマークでQwen3-4BとLlama-3.2-3Bを用いて評価されています。
説明5つのアーキテクチャ、一つの共有空間：重みを統合せずにモデル間の表現を揃える研究
要約本論文は、内部構造の異なる独立に学習された凍結済みの5つの言語モデル（4つのTransformerと1つの状態空間モデル）が、重みを統合せず活性化値だけで対応付けられるかを検討しています。同じテキストに対する表現の構成に統計的に有意な対応が見られ、一般化Procrustes解析で共有空間を構築しました。最終層では線形写像より高い検索精度を示す一方、ルーティングによる性能向上は確認されず、負の結果として報告されています。
注目点重み統合なしに活性化のみで五つの異種モデルを共有空間に整列させ、順列検定と削除実験で検証した点が新しい。ただしルーティングは否定的結果に留まる。
説明RBGA：器用な操作におけるオフライン-オンライン安全強化学習のための残余予算ガイド調停法
要約本論文は、器用な操作におけるオフライン-オンライン安全強化学習の課題を扱い、RBGAアルゴリズムを提案しています。各エピソード内で残りの安全予算を明示的に追跡し、それに基づいてオフラインのガイド行動とオンラインポリシーを段階ごとに選択します。実験では、安全性能を保ちながらオンラインでの方策改善が可能であることが示されています。
説明小さな編集、揺れる判断：フランス語入力の表記揺れにおけるLLMの精度と信頼性のベンチマーク
要約本論文は、フランス語でよく見られる撇号や変音記号の省略、キーボード入力ミスなどの表記揺れを制御して作成した、7種類のタスクを含む12,600件の入力からなるベンチマークを提案している。摂動の強度が高まるにつれて精度は低下し、Brierスコアと負の対数尤度は増加した。キーボードのタイプミスが最も大きな損失を与え、校正と入力復元を組み合わせると確率予測の質が改善された。
説明ニューラル衣服シミュレーションにおける明示的摩擦接触モデリング
要約グラフニューラルネットワークは物理ベースの自己教師あり学習で衣服を効率よくシミュレートできるものの、身体と衣服の摩擦は暗黙的に扱われ、推論時に摩擦係数を指定できません。本論文は、再学習や反復的な求解を行わずに固定された予測器へ取り付けられるモジュラー接触演算子を提案し、クーロン摩擦条件による補正を後処理として適用します。HOODとContourCraftでは、摩擦係数に応じて固着が単調に増え滑りが減少し、参照ソルバーの応答を再現しつつ、実行時間は約8分の1でした。
説明LLM チューターとの対話が学生の成績予測に与える追加的な価値
要約本研究は、大規模言語モデル（LLM）のチューターとの学期単位の対話特徴量が、定数ベースラインを上回って課題成績を予測できるかを評価しています。データは学部の人工知能コース 2 学期分の 16,851 件の学生とアシスタントのやり取りで、203 件中 175 件の学生・学期記録と対応付けられています。勾配ブースティングの平均絶対誤差は 3.023 で、中央値ベースラインの 3.138 をわずかに下回りましたが、信頼区間は 0 をまたぎ、差は小さいとされています。本研究は学習効果を示すものではありません。
説明ReSight：タスク駆動型で自己改善する、身体性エージェント向けの記憶システム
要約本論文は、ロボットなどの身体性エージェントが、タスクに応じて過去の観測を処理・参照する能力を拡張できる記憶システム ReSight を提案しています。キーフレームと時空間的な対応関係を保持し、探索で得た解法を再利用可能な記憶構築器・照会ツール・スキルへ変換する Explore-Distill-Mount（EDM）という手法を導入しています。三つの公開ベンチマークで性能向上が示され、実ロボットの巡回記憶でも能力の再利用が確認されたと報告されています。
説明形状は「聞き取れる」か？テキストからB-rep検索のための不変スペクトル記述子
要約本論文は、テキストによるB-rep立体モデル検索の手法を提案し、群作用とスペクトル幾何学的不変量を用いて、平行移動・回転・反転・一様スケーリング、輪郭の記録規約に対して不変な記述子を構築します。スケッチ押し出し立体については、断面領域、輪郭境界、押し出し構造の3つの階層の幾何情報を統合した固定280次元の記述子を作成します。三次元立体のテキスト検索タスクでは Recall@5 が88.6%に達し、従来の最高水準を13.6ポイント上回りました。
説明マルチタスクモデル統合のための誤差部分空間キャリブレーション
要約本論文は、統合後のモデルの性能を補正する手法ESCal（Error-Subspace Calibration）を提案しています。専門家モデルと統合モデルの重み差分から低次元の誤差部分空間を特定し、中間ブロックの境界でブリッジモジュールが線形写像を学習して特徴を補正します。視覚および自然言語理解のベンチマークで、タスクごとの少量のキャリブレーションデータを用いて統合モデルの性能が向上したと報告されています。
説明尤度関数フローマッチングによる気候ダウンスケーリング手法
要約本論文はCD-FFMを提案する。これは高解像度の気象場を任意の位置・解像度で問い合わせ可能な連続確率場として扱う関数型フローマッチングモデルである。ERA5をフェノスカンディア上の1km日別気温へダウンスケーリングし、3つのテスト年のいずれにおいても回帰手法および大型ニューラル演算子より低い連続順位確率スコアを示したと報告している。同モデルは降水にも転用可能で、キロメートル規模のアンサンブル予報を現実的な計算量で可能にするとされる。
説明改良CBAM-ENetスキップモデルによる省エネ型肺腫瘍セグメンテーション
要約本論文は、ENet（Efficient Neural Network）をベースに、UNet式のスキップ接続とCBAM（Convolutional Block Attention Module）を組み込んだ軽量な肺腫瘍セグメンテーションモデルを提案している。MSDチャレンジのTCIAデータで学習し、LIDC-IDRIデータセットで評価された。DSCは0.90812、パラメータ数は430,052、演算量は0.549 GMACと報告されている。著者らは、速度が最大10倍、演算量はUNetの79分の1、パラメータ数はSegNetの22分の1だと述べている。
説明MarineLife-16K：動き認識に対応した海洋映像理解のための属性付き映像テキストデータセット
要約本論文は、2,000組の映像とテキストのペアに13種類の属性を付与したMarineLife-16Kデータセットを提案しています。属性には、シーン内最大4個の物体、物体の視覚的・幾何学的特性、行動、環境、カメラの動きが含まれ、多様な照明条件、時間帯、7か国を対象としています。これらの注釈から16,080組の映像質問ペアを生成し、複数の映像LLMで質問応答と字幕生成のベンチマークを行いました。その結果、商用モデルが概して高い性能を示し、物体の動きは扱えるものの複雑なカメラの動きには苦戦し、静止カメラでの推論も難しいことが報告されています。
説明マルコフ軌跡上の重要度補正モメンタム・アクター・クリティックの統一解析
要約本論文は、リッジ正則化された経路最小二乗TD（LSTD）クリティックと重要度補正モメンタム（ICM）アクターを組み合わせた汎用のアクター・クリティック手法を提示します。クリティックはNewton-Schulz反転で毎フレーム方程式を解き、ステップサイズや混合時間の知識、ランク条件を必要としません。単一のマルコフ軌跡上で、正規化・非正規化ステップの有限時間境界を初めて示し、Muon、SGDモメンタム、AdaNormなどについて核ノルムで比較しています。
説明クラウド上の大規模言語モデル：アーキテクチャ、オーケストレーション、推論に関する考察
要約本論文は、PRISMA 2020の枠組みに基づき、クラウドデータセンターで大規模言語モデルを提供する際のメモリ、計算、信頼性のボトルネックを層横断的に整理した系統的レビューです。ハードウェア仮想化、クラスタスケジューリング、推論最適化を統合した分類体系を示し、サーバーレス、耐障害性、信頼された実行環境などのクラウドネイティブな構成も検討しています。さらに、スループット、遅延、コスト、機密性のトレードオフを整理し、今後の研究の方向性を示しています。
説明Qwen-Image-PE：テキストから画像へのプロンプト拡張のための視覚デザイン学習
要約本論文は、曖昧なユーザー要求をテキストから画像生成向けの一貫した視覚仕様に変換するため、視覚デザインを学習するQwen-Image-PEを提案します。二段階の学習を用い、まずキャプションベース逆蒸留（CRD）で教師ありファインチューニングを行い、次にグループ単位デザイン報酬（GDR）で強化学習により照明・構図・レイアウト・ディテールを改善します。Qwen-Image-Benchでは、397Bモデルが元の要求より7.81ポイント向上し、9Bモデルは評価したすべてのベースラインを上回りました。
説明『未来はより精細になる：多変量時系列の超解像予測』：粗い履歴データから細かい未来を予測する論文
要約本論文は、Webプラットフォームの多変量時系列が保存時に粗い粒度へ集約されがたい問題に着目し、粗い履歴から細粒度の将来を予測する多変量時系列超解像予測（MTS-SRF）を提案している。提案手法TimeMagnifierは、Fourier Anchor、De-noise Only、帯状DTW Alignmentの三つの要素から構成される。10のデータセットによるベンチマークでは、15のベースラインを上回り、MSEを平均12.3%削減したと報告している。
説明LegoSR：自己改善型エージェント誘導科学的発見の統一フレームワーク
要約方程式発見ソルバーはデータインターフェース、方程式表現、評価基準がそれぞれ異なり、結果の比較が困難です。LegoSR は代数的記号回帰と微分方程式発見を対象とする統一フレームワークで、7つのソルバーを共通の方程式表現と評価プロセスで統合し、部分的に既知の方程式による制約付き探索も支援します。LegoSR Agent はソルバーの知識、中間結果、過去のタスクからの教訓に基づいてソルバーを選択し探索を調整します。ノイズを含む常微分・偏微分方程式のベンチマークで、その回収数は7つの専門家調整済みソルバーの和集合にほぼ匹敵します。
