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。
説明腹腔鏡下胆嚢摘出術の手術段階認識のための、YOLO支援付きシフテッドウィンドウ時系列Transformer
要約本論文は、Swin Transformerと時系列Transformerエンコーダ（TTE）を組み合わせて手術段階を認識し、並列のYOLOv11sで手術器具をリアルタイムに位置特定する枠組みを提案している。段階予測の揺らぎを抑えるため因果的時系列平滑化を適用している。Cholec80データセットでの段階認識精度は92%、マクロ平均F1は0.86、器具検出のmAP@0.5は0.863と報告されている。
説明DUET4D：疎な視点からの4D再構成のための自己修正型結合ガイダンス
要約カメラが少数しかない場合の4Dシーン再構成の困難に対し、4Dガウススプラッティングの表現で生成事前分布を導き、時空間的に一貫した教師信号を得る枠組みDUET4Dを提案している。現在のガウス表現から時系列アラインメントを構築して潜在表現の復元を誘導し、Sequential Fidelity Resamplingで生成的な教師信号をガウス空間へ持ち上げ、繰り返し支持されるプリミティブを選別する。著者らは、レンダリングの品質と効率が大きく向上したと報告している。
説明記憶を増やせば動画は良くなるのか？長尺動画生成における視覚記憶の対照研究
要約本論文は、長尺動画生成モデルが過去の視覚的フレームを検索して人物の一貫性を保つ仕組みの効果を検証しています。著者らは診断用ベンチマーク VMem-Bench を構築し、92本の実写映画のセグメントにおける参照選択と、30本の生成ストーリーでの4種類の検索方式を比較しました。検索は実体の再現率を高める一方、精度と禁止実体の回避率を下げ、物語で変わった古い外見を強めることもあると報告しています。
説明制約付き連続時間確率線形二次制御への強化学習：非負の制御制約を持つ連続時間の確率線形二次制御問題を扱い、強化学習の探索が最適な平均方策にどう影響するかを検討した研究です。
要約本論文は、スカラー状態と非負の制御制約を持つ連続時間確率線形二次制御問題を研究しています。エントロピーを含まない補助問題を導入し、モーメント縮約と状態分離により2つの領域別Riccati方程式を得て、有限時間の価値関数と最適条件付き平均を特徴づけています。この平均が元の制約付き問題の最適フィードバックと一致するための十分条件も示されています。時不変係数の場合には、割引なし無限時間の最適解を特徴づけ、仮定のもとで平均二乗漸近安定性を証明しています。未知の動特性に対しては、有限および無限時間のモデルフリーなアクター・クリティック法を提案し、数値実験で学習方策と解析的な目標を比較して、探索が最適平均に与える影響を検討しています。
説明なぜ大規模言語モデルは自信満々に間違えるのか？因果的ヘッド介入による過信の修正
要約この論文は、大規模言語モデルが誤った予測に高い確信度を与える過信の問題を扱っています。著者らはCoCHIという手法を提案し、異なる確信度の振る舞いに関わるモデル内部の構成要素を特定して介入することで、正しい予測を保ちながら過信による誤りを減らします。複数のモデルと5つの多肢選択式問答ベンチマークで、ECE、NLL、Brierスコアなどの校正指標が改善し、精度は維持されました。
説明推論か暗唱か：交通異常推論のための相補的専門家とLLM判定器
要約本論文は、衝突・違反・突発的危険などの道路異常を映像から理解する課題を扱います。視覚言語モデルにおいて、選択式の問題は根拠に基づく精密な推論を求める一方、自由記述の回答は参照テキストとの類似度で評価されるため、注釈のスタイルに合わせることも重要だと指摘しています。提案手法RoR（Reason-or-Recite）は2つの専門家モデルと学習不要のLLM判定器からなり、構造化された推論過程で微調整した9Bモデルと、回答のみで微調整して注釈スタイルを吸収した量子化27Bモデルの候補から、各問題に最適な回答を選びます。2026年AI City Challengeの交通異常推論トラックのドメイン内ランキングで平均スコア0.6788により首位となりました。
説明全二重音声モデルの長時間セッションにおける性能劣化の診断と緩和
要約本論文は、割り込みや相づちを扱える全二重音声対話モデルが長い会話セッションでどのように劣化するかを調べ、応答性、発話内容の質、声の一貫性が時間とともに低下することを閉ループ評価で示しています。自己蒸留に基づく軽量なLoRA適応と、古い対話履歴を鍵・値表現に圧縮する二解像度文脈（TRC）構造を提案し、3つのモデルで10分間のセッションにおける劣化の緩和とKVキャッシュ増加の90％以上の削減を確認しています。
説明AskGLP1：オンライン患者の体験談からGLP-1の使用経験を探る知識グラフ型LLMエージェント
要約本論文は、オンラインの患者の体験談を知識グラフ（KG）に変換し、GLP-1系薬剤の使用経験に関する質問に答えるシステムAskGLP1を提案している。MedDRA用語に基づくLLM支援パイプラインにより、約850万件のRedditの投稿から163,135件を抽出し、2,506件のWebMDレビューと合わせて385,790件の薬剤-副作用・使用目的の関係からなるKGを構築した。オンライン上の体験談はFAERSと共通の消化器症状を挙げる一方、疲労や食欲低下などの日常的な負担を重視する傾向が示された。
説明エージェント向け適応的メモリインデックス進化（AMIE）：保存した記憶を必要な時に見つけやすくする仕組み
要約本論文は、長期間動作するエージェントにおいて、記憶を保存しても必要な時にアクセスできるとは限らない点に着目し、「メモリインデックス進化」という考え方を提案します。記憶の内容は変えず、展開時の検索状況をもとに各記憶のアクセス状態を更新する軽量なプラグイン層AMIEを設計しました。5つの検索型システムと3つのベンチマークを用いた実験では、訓練済みAMIEが下流タスクのF1または正解率を15の比較すべてで改善し、検索性能も10の比較すべてで向上させたと報告されています。
説明頑健なカメラベース3D物体検出のための疎な回復型鳥瞰図モデルスープ
要約本論文は、Fast-BEVなどのカメラベース鳥瞰図認識モデルが実環境の劣化に対して頑健かどうかを扱う。提案手法SR-BEVSは、層ごとの重みの大きさに基づいて枝刈り候補を選び、ランダムな枝刈りで多様な疎モデルを作成して、それぞれをランダムにサンプリングした学習率で再学習し、最後に平均して単一の密なモデルにする。nuScenesでの実験では、Fast-BEVベースラインに対して劣化時の頑健性が最大33.8%、通常精度が1.8%向上したと報告されている。
説明SVD-Attention：Transformerの注意力ブロックを効率的に分析する手法
要約本論文は、事後分析手法であるSVD-Attentionを提案します。各ヘッドのクエリ・キー相互作用行列を特異値分解し、スペクトル振幅と小規模な校正データ上でのトークン間の活性化分散によって各特異モードを評価します。7つの事前学習済みモデルと5種類のタスクで調べたところ、冗長性が出る層はタスクによって異なります。フラグを立てた層を切り捨てた場合のF1低下は最大1.75にとどまり、同じモデルの他の位置で同数の層を切り捨てた場合は最大50低下しました。本手法は主に分析ツールであり、単独では推論FLOPsを0.8%～1.5%減らし、重みの枝刈りと組み合わせると8%～11%減らします。タスク品質の変化は0～4%の範囲です。
説明変化する風力発電の気象条件に対応する、ガード付きエージェント・ループ型残差適応手法
要約本論文は、寒波や無風の高温、台風など気象条件ごとに誤差が変わる風力発電予測モデルの課題を扱います。時系列の基幹モデルは変更せず、場面に応じた少数の残差エキスパートのみを適応させる枠組みを提案しています。エージェントが現在の気象条件を判定し、直近の観測誤差が裏付ける場合にのみ補正を適用します。九つの基幹モデルと五つの予測リードタイムの45通りすべてで、MAEとRMSEが低下したと報告されています。長期的な無人運用は評価されていません。
説明風力発電所レイアウトのベイズ最適化を少ないサンプルで効率化するグラフ情報付きクリギング模型
要約風車の台数が増えると風力発電所のレイアウト最適化は難しくなり、高精度の空力モデルを使うとさらに計算コストが増大します。本論文は、再利用可能な空力的相互作用情報を代理モデルの平均関数に組み込むグラフ情報付きクリギングの枠組みを提案します。風力発電所を有向空力グラフとして表現し、低次元の相対座標で定義された風車間の相互作用から全体の平均を構成します。数値実験では、疎なデータの条件で通常のクリギングや一般的なトレンド付きクリギングより年間発電量（AEP）の予測精度が高く、IEA Wind Task 37 のベンチマークでは約 280 回の AEP 評価で競争力のある解を得られたと報告されています。
説明特徴量寄与を超えて：局所化CBFIによる機械学習モデルの潜在的相互作用構造の復元
要約本論文は、表形式データにおける個々の予測を説明するため、局所化された事例ベース特徴量重要度（CBFI）の枠組みを提案している。SHAPやLIMEなど、非線形な相互作用を個々の特徴量スコアに吸収してしまう加法的手法とは異なり、予測を主効果と純粋な相互作用という構造的に異なる成分に分解する。ワイン品質分類と医療保険の回帰実験で、加法モデルに隠れた相互作用を分離できること、また忠実度テストと合成ベンチマークにより、勾配ブースティングや深層ニューラルネットワーク内の非線形依存構造と対応することが示されている。
説明C-SafeGen：主張ベースのストリーミングガードレールによる、安全性を認定可能な LLM 生成
要約本論文は、大規模言語モデルが安全規則に違反する内容を生成しうる一方、既存のガードレールは検出が中心で安全性の保証が不十分だという課題を扱います。逐次生成される主張を監視し、高リスクの主張を巻き戻して修正するストリーミング解码アルゴリズム CSD を提案しています。さらに、コンフォーマル解析を用いた統計的リスク保証の枠組みで安全リスクの高確率上界を導出し、既存手法との比較実験を行っています。
説明GUIFlow：時間的冗長性を利用するGUIエージェント向け増分推論フレームワーク
要約視覚言語モデルを用いたGUIエージェントは、多段階の操作で重なり合う観測と履歴の表現を毎回再計算するためコストが高いという問題があります。本論文はこれに対し、複数画像のGUI操作全体で増分推論を行うGUIFlowを提案します。過去のKV状態を再利用し、変化信号に基づいて現在の観測状態を選択的に更新し、以前の動作応答を推測的ドラフトとして目標モデルで検証します。追加学習やモデル入力・動作インターフェースの変更は不要とされています。実験では、オフラインの複数画像ベンチマークで幾何平均最大3.39倍、OSWorldでの オンライン閉ループ操作で最大3.49倍の高速化を報告し、タスク性能は密なベースラインとおおむね同等とされています。
説明意思決定モデル工場：専用の自律的な意思決定モデルの構築
要約本論文は「意思決定モデル工場（Decision Model Factory）」を提案し、簡潔なレシピに従って選定したベースモデルの訓練、校正、検証、評価を行い、運用者が管理できる専用の意思決定モデルを生成するとしています。日本語の意思決定タスク、コンパクトな展開、長文の段落ランキングにおいて、工場で構築した5つのモデルはいずれもベースモデルを上回り、そのうち3つは固定された日本語公開ベンチマーク比較で最良の結果を超えました。専用ランナーは許可された回答の確率のみを計算し共有コンテキストを再利用することで、複数質問の作業負荷において意思決定スコアをほぼ維持したまま提供速度を2倍以上に高めたとしています。
説明DimFlow：動的ガウシアン再構成のための双方向グリッド・エキスパート学習
要約本論文は、多解像度グリッドと座標ベースのエキスパート分岐の双方向相互作用によって動的シーンのコンパクトな特徴を学習するDimFlowフレームワークを提案しています。D-NeRF、HyperNeRF、DAVISでの総合比較において、PSNRは39.73 dBに達し、4D-GSより1.92 dB向上しました。レンダリング速度は報告された85 FPSと同等で、モデルサイズは18.9 MB（4D-GSは18.3 MB）です。
説明グループ型方針最適化のためのロールアウト一致による推論改善（RoAR）
要約同じ問題に対する正解ロールアウトのうち、一致度の低いものほど無効な推論が多いことを論文は見出しています。著者らはこれを受け、GRPOの報酬に推論レベルの一致度を加えるRoARを提案しています。人手による注釈や追加サンプリングは不要です。五つの数学推論ベンチマークで、1.5BモデルのGRPO-RoARは平均pass@1が55.5%に達したと報告されています。
注目点同一群内の正解ロールアウトの一致度を報酬に加えるRoARを提案し、盲検対比分析と監査で裏付けており、RLVR訓練分野への影響は限定的。
説明MINT：注意機構メッセージパッシングで構造的不整合を緩和する金融異常検知手法
要約本論文は、金融取引ネットワークにおける不正口座検知のためのグラフニューラルネットワーク枠組みMINTを提案する。悪意ある主体が作る偽の接続による構造的不整合を、注意機構付きメッセージパッシングで緩和し、不正ラベルの不足にはPU学習（正例・ラベルなし学習）で対応する。2つの大規模公開データセットと1つの実データセットで実験を行い、複数の最新手法より優れた性能を示したと報告している。
説明長い推論連鎖に向けた相関認識型探索手法
要約本論文は、GRPOで学習した推論モデルが長い思考連鎖で方策崩壊を起こしやすい問題を扱い、Info-GRPOという枠組みを提案しています。学習時にプロンプトへ潜在シードを加え、事前分布と相関した多様な方策を探索させ、多様性を一つ一つのトークンではなく推論全体の軌跡で担わせます。複数の推論ベンチマークで、通常のGRPOやエントロピー正則化GRPOより優れた結果が報告されています。
説明グラフニューラルネットワークによる上水道網の複数漏水箇所特定
要約上水道網で複数の漏水が同時に起きると、特に監視点が少ない場合は特定が難しくなります。本論文は、漏水の数を事前に指定せず、漏水位置のあらゆる組み合わせを網羅的に学習データとして生成することもなく、同時に発生する可変数の漏水を特定するグラフニューラルネットワーク（GNN）モデルを提案します。評価は31ノードのHanoiネットワークと92ノードのNET3ネットワークで行われ、精度はHanoiで最大12%、NET3で最大20%、多層パーセプトロン、サポートベクターマシン、K近傍法、ランダムフォレストの各分類器を上回りました。
説明関係の合成を平行移動として捉える：エンティティごとの座標系が注意機構に課すもの
要約本論文は、エンティティごとの座標系の回転を対称性とみなし、それが注意機構にどんな制約を与えるかを調べています。直交変換の下では、不変なスコアはノルムと変換後の内積にのみ依存することを示しています。さらに有限群の合成に必要な最小の表現次元を論じ、CLUTRRやStepGameでの実験結果を報告しています。
説明効率的なAIコーディングのための推論パターン：実証研究
要約本研究は、大規模推論モデル（LRM）が4種類の代表的なコーディングタスクで生成する推論トレースを分析し、コード生成・実行推論・デバッグ・翻訳に共通する推論パターンを抽出しています。有効な推論と無効な推論にそれぞれ関連する正のパターンと負のパターンも特定されています。さらに、タスク識別、パターン誘導型プロンプト、パターン認識型の早期停止という3つの応用を評価し、早期停止はpass@1のわずかな低下でトークン使用量を大幅に減らすことを示しています。これらの応用は未見のモデルにも一般化するとされています。
説明停止か明確化か：経験に基づく能動的事実検証
要約本論文は、対話型の事実検証で証拠が十分かどうかを判断する中間段階（停止か明確化かの決定）に注目しています。固定の検証器に軽量な証拠取得ポリシーを組み合わせたSEACを提案し、停止リスクと過去の軌跡から推定した明確化の効用に基づいて追加の明確化を要求するかを決めます。SciFact、LIAR、FEVERでは比較した基線より平均精度とマクロF1が改善しましたが、小規模なSciFactでは対応のある改善の結論は確定していません。
説明Fed-MAPTrack：RGB-X追跡のための連合型モダリティ認識プロンプトチューニング
要約本論文は、RGB以外に熱・深度・イベントなどのセンサ情報を組み合わせるRGB-X物体追跡について、連合学習で訓練する手法Fed-MAPTrackを提案します。事前学習済みの追跡バックボーンと予測ヘッドは固定され、クライアントはプロンプト関連のパラメータのみを最適化して交換します。サーバは、RGB共有パラメータを全体で集約し、熱・イベント・深度ごとに別のパラメータバンクを保持します。LasHeR、VisEvent、DepthTrackにおいて、FedAvgと比べて平均スコアがそれぞれ2.35、3.45、2.11ポイント向上したと報告されています。
説明コーディングエージェントのハーネスはどのように自己進化するか：振り返り的適応に関する実証研究
要約本論文は、コーディングエージェントが過去のタスクの経験をもとに、実行に用いるハーネス（ソフトウェア、設定、指示）を調整できるか、そしてその調整が後続タスクでの振る舞いを改善するかを検証しています。著者らはClaude Codeを30件のSWE-bench Verified課題で動かし、\retroスキルが提案した125件の変更案を分析、24件を実装して、同一リポジトリの後続課題で12件の変更を比較評価しました。結果として、対象の問題を消せた変更は一部に限られ、無関係な課題で作業を増やした変更もありました。
説明複雑な音響環境における環境音認識の階層的手法：粗い5分類と細かい25分類を行う軽量な2段階モデルで、都市の環境騒音監視を目指す研究。
要約本論文は、クラスの不均衡な多クラス条件で単段階分類器が混同しやすい問題に対し、周波数時間適応ネットワーク（FTANet）と2段階分類機構を組み合わせた軽量な階層モデルを提案している。第1段階で音を5つの粗いカテゴリに分け、第2段階で対応するカテゴリ別分類器が細かい分類を行う。自作データセットでの粗分類精度は95.45%、パラメータ数は0.2004Mである。天津のオンライン音響環境監視プラットフォームでの実地試験では、全体精度が87.18%だった。
説明可視状態の教師あり学習：ストリーミング動画における表現と視点選択の分離
要約本論文は、ストリーミング動画モデルが事件の順序や累積、関係の異なる履歴に同じ答えを与えてしまう、未規定状態（state under-specification）の問題を指摘しています。著者らは、事件の同一性・順序・累積・関係変化などを問う探査タスクで学習する可視状態教師あり学習（ViSS）と、モデルを固定したままテスト時に直近フレームから疎な事件視点や圧縮履歴視点へ必要に応じて拡張する因果的視点探索（TVS）を提案しています。両者の組み合わせにより、StreamingBench と OVO-Bench で比較対象の公開済みシステム中最高の精度を、全探索よりはるかに少ない処理フレーム数で達成したと報告しています。
説明クラス増分型手術器具セグメンテーションにおけるデータ不均衡の再検討
要約手術器具が時間とともに増えると、既存のニューラルネットワークは新しい器具を学習する際に以前の知識を忘れ、データ不均衡によってセグメンテーションに偏りが生じることが問題となっています。本論文はこれに対し、インペインティングで生成した手術背景に器具の前景をクラスを考慮して合成し、データ分布を均衡させるSurgCSSという汎用的な枠組みを提案しています。さらに、コントラスト学習によるクラス脱感作損失や、新旧モデルの重みの動的融合を導入し、データセットを統合した新しいベンチマークで既存の基準手法より大きな性能向上を示しています。
説明PhysEvolve：検証器に基づき実行可能な世界で物理推論を自己進化させる枠組み
要約視覚言語モデルは動力学や物理的因果に関する質問で信頼性が低く、反事実の学習データも乏しいという課題があります。本論文のPhysEvolveでは、モデルが実行可能な物理世界プログラムを提案し、決定論的な物理エンジンが基準分岐と反事実分岐をシミュレーションして、答えの定まった視覚課題を生成します。検証器のフィードバックにより、共有ポリシーと学習カリキュラムを更新します。Qwen3-VL-8B-Instructを出発点に、人手による介入データなしでPhysBench、CausalPhys、ContPhyで効果が確認されたと報告されています。
説明DiffAuction：オークション方式による生成画像広告フレームワーク
要約本論文は、拡散モデルにより複数の広告主が一枚の生成画像内で露出を競う仕組みDiffAuctionを提案します。学習不要の残差シェア較正と、シェア条件付きプロンプトによる制御可能な生成、VLMとLLMを用いたクリック意図の評価器、そして学習可能なアフィン最大化オークションによる配分と支払いの設計で構成されます。実験では、目標シェアとクリック意図の単調な関係がベースラインより強まり、学習されたオークションはより高いプラットフォーム収益を示しました。
説明Blackwell での end-to-end MXFP8 強化学習：整合の効果・有効な条件・失敗の仕方
要約本論文は verl フレームワーク上で end-to-end の MXFP8 強化学習を実装し、B200 GPU で Qwen3-8B と Qwen3-30B-A3B を用いて評価しています。サンプラーと学習器が同じ MXFP8 量子化グリッドを使う場合、学習とロールアウト間の KL ダイバージェンスが低くなることを示しています。MXFP8 は微小バッチあたりおよそ 4.5k トークンを超えると速くなります。また、重み同期が満たすべき 7 つの条件と、ハードウェア上で観測された 7 種類の失敗を報告しています。実験はすべて単一シードで最大 60 ステップであり、最終的なモデル品質については結論を述べていません。
説明Waypoint：CPU向け行列積（GEMM）のタイル分割を解析モデルで最適化する手法
要約本論文は、与えられたハードウェアと入力行列の形状に対して最適なタイルサイズを自動的に特定する解析モデル「Waypoint」を提案しています。メモリ階層、命令レベル並列性、マルチスレッドなどのアーキテクチャ的要素を考慮して性能を見積もり、その推定値を指標としてタイルサイズを探索します。また、この手法に基づくCPU向けGEMMライブラリ「OPAM」を構築し、最先端のライブラリと同等の性能を示すとともに、CPU上の大規模言語モデル推論を1.36～1.98倍高速化したと報告しています。
説明洪水時の地表水マッピングにおける小型基盤モデルの精度と効率
要約本論文は、Sen1Floods11 の 11 件の洪水イベントから得た 446 枚の手作業でラベル付けされた Sentinel-2 タイルを用い、Prithvi-EO-2.0-Tiny を評価したものです。U-Net、より大きな Prithvi モデル、分光指数しきい値法と比較した結果、微調整された Prithvi-Tiny の精度は U-Net に近いものの上回りませんでした。一方で、GPU と노트PC の CPU のいずれでも処理が速いことが示されています。著者らは、小型の事前学習モデルの利点は一貫した優位性ではなく、低い計算負荷と競争力のある精度にあると結論づけています。
説明LE-GDA：学習不要の少数ショットCLIP適応法。中間層と最終層の表現を組み合わせる手法
要約本論文は、視覚言語モデルCLIPを学習なしで少数ショット適応させる手法LE-GDA（層アンサンブル型ガウス判別分析）を提案します。中間層と最終層の表現それぞれに正則化された共有共分散の判別器を当てはめ、クエリごとにクラススコアを標準化して、ゼロショット分類器と組み合わせます。11のデータセット、4種類のCLIPバックボーン、5通りのショット数で評価した結果、いずれのバックボーンでも平均精度が最も高く、中間層の表現が最終埋め込み以外の情報を持つことが示されています。
注目点中間層と最終表現の判別器を標準化して統合する点に新規性があり、11データセット・4バックボーンで対照実験を含む充分な検証がある。
説明SGDB：論理異常検出のための意味-幾何分離と証拠結合
要約本論文は、場内の部品の組み合わせがタスク制約を満たすかを判定する論理異常検出の手法SGDBを提案している。意味認識と幾何学的測定を分離し、部分的な一対一対応によって幾何学的証拠を物体の識別に結び付け、実行可能な検査と追跡可能な警報の説明を生成する。MVTec LOCOの5つの論理カテゴリでAUROC 98.19%、固定閾値F1 94.52%、VID-ADの50タスク全体でAUROC 93.56%、F1 92.76%を達成したと報告している。
説明アウトカム強化学習（Outcome RL）がもたらすもの：完了率・信頼性、そしてまれにしか広がらない到達範囲
要約本論文は、固定トークン予算の下で、公開された 20 の強化学習モデル（1.5B〜32B）と、その出発点となった思考モデルの pass@1 を比較しています。pass@1 の変化を、完了率、信頼性、到達範囲の 3 つに分解して分析しています。予算が厳しい場合は変化の大部分が完了率によるもので、予算に余裕がある場合は信頼性によるものだと示されています。また、強化学習が基盤モデルには解けない問題を解けるようになることはまれで、新たに解ける範囲は多くても 2.1 ポイントにとどまると報告されています。
説明MMGNet：雑然としたシーン向けのマルチモーダル6自由度把持生成ネットワーク
要約本論文は、雑然としたシーンにおけるロボットの6自由度把持生成のためのMMGNetを提案する。階層的な画像から3Dへの特徴注入により多尺度の画像特徴を3D表現に組み込み、回転把持性モデリングにより把持の接近方向と平面内回転を同時に予測する。アブレーション実験では両モジュールが相補的な効果を持つことが示された。GraspNet-1Billion（RealSense）で平均APは60.34に達し、比較した全手法を上回った。実世界実験では、AnyGraspに比べ把持成功率が8.46ポイント向上した。
説明チェックポイントの再読み込みが、2つの状態発見再現実験で測定された状態差の大部分を説明する
要約本論文は、World Machine の状態発見手法において、学習時に保存された状態テーブルと推論時に逐次ロールアウトで再構成された状態が一致しない問題を検討しています。Toy1D 上で2組のペア化チェックポイント実験を分析し、テーブルとロールアウトを比較しました。ロールアウトをテーブルを書き込んだ重みに合わせると、平均次元ごとの Wasserstein-1 距離の大部分が取り除かれ、著者らはこれらの実験で測定された差の大部分をチェックポイントの再読み込みが説明すると結論づけています。
説明AIPC：PyTorchプロジェクトのデプロイ向け、証拠に基づくエージェントワークフロー
要約本論文は、オンデバイスNPU上でPyTorch推論プロジェクトをデプロイするためのエージェント手法AIPCを提案しています。構造化されたスキルとツールチェーン、ランタイム、プロファイリングの証拠を組み合わせ、層をまたぐ診断と修正を行い、モデル適応からパフォーマンス最適化までを一つのフローにまとめます。Qualcomm QAIRTを用いた評価では、一部の事例で対照群より良い精度と高速化が示されています。
説明FATE-5：ビッグファイブ性格を連続的に制御する対話手法
要約本論文は、大規模言語モデルにおいてビッグファイブ（Big Five）性格を連続的に制御するためのフレームワーク FATE-5 を提案している。手法は二段階で、まず対話データと補助的なアンケート目的により性格プロファイルの連続ソフトプロンプト表現を学習し、次に対話品質と性格の一致性に基づく選好アラインメントで自然さを高める。著者らは、三つのモデル基盤で、性格表現の強さと対話の自然さの両立が既存手法より優れると報告している。
説明NumTrace：金融アナリストエージェントの数値の出所を検証するベンチマーク
要約本論文は、金融アナリストエージェントが示す数値の出所と財務上の意味を検証するためのベンチマーク NumTrace を提案しています。540 の質問と 2,163 件の SEC EDGAR 文書を含み、会計規則に基づく正解から各結論に数値・紐付け・根拠の 3 つの判定を与えます。数値は合っていても勘定を誤るケースが失敗の大半を占め、13F の共同届出に関する質問では、約 91% が数値判定を通過する一方、紐付け判定を通過したのは半数未満でした。
説明ThinkBit：コードワード探索・スケール再較正・推論による選択を行う2ビット量子化手法
要約本論文は、推論型言語モデルのメモリ使用量を抑えつつ推論能力を保つ2ビット量子化フレームワークThinkBitを提案しています。層ごとにビット幅を割り当て、Gumbel-softmaxを用いてブロック単位でコードワードを探索し、コードワードを固定したまま知識蒸留の損失でスケールを再較正します。その後、短い量子化考慮学習を行い、訓練問題での推論テストで最終チェックポイントを選びます。Qwen3-1.7Bでは、再較正後のモデルがMATH-500で46.7点を獲得し、同じデータで学習したEfficientQAT（30.0点）を上回りました。14Bモデルでは3.74 GBの量子化モデルがMATH-500で94.8点を記録し、29.5 GBのbfloat16モデル（97.5点）に迫っています。
説明MedAdaptAgent：医用画像モデルを新しい施設へ自動適応させる仕組み
要約学習済みの医用画像モデルは、撮像プロトコルや前処理が異なる新しい病院では性能が低下することがあります。本論文は、モデルと対象データ、自由記述の要望から適応ワークフローを自動構築するMedAdaptAgentを提示します。LLMベースの適応プランナーが実験を選び、事前学習モデルより改善が確認された場合のみ採用し、実行可能なパッケージとして提供します。26件の分割・分類転移で評価され、20件のローカル注釈により分割のDiceは平均0.483から0.774に向上しました。
注目点LLM駆動の医用画像モデル移行ハーネスを提案し、自動化と証拠ゲートに新規性がある。26件の移行実験と比較で分割・分類の改善を示すが、影響は医用画像移行の分野に限られる。
説明LayoutMamba：Mamba と Transformer を組み合わせた効率的な文書レイアウト解析手法
要約本論文は、文書レイアウト解析のための LayoutMamba を提案します。Transformer で局所特徴を抽出し、Mamba（状態空間モデル）で全体の長距離依存関係を捉えます。さらに、バウンディングボックスの冗長な重なりを抑える幾何重なりペナルティ損失（GOPLoss）を導入しています。著者らは、PubLayNet で既存最先端手法を上回るAPをパラメータ数約1/8で達成し、D4LA では発表済み手法の上位3位に入ったと報告しています。
説明ClinVerse：医療エージェントの訓練・評価のための現実的なマルチエージェント診断環境
要約本論文は、実際の電子カルテデータに基づく対話型マルチエージェント診断環境ClinVerseを提案し、医療診断エージェントの訓練と評価に用いることを目指している。基盤となるClinPatientデータセットには実世界の診断症例15万件が含まれ、六つの専門臨床役割が協調して動作する。医師エージェントは問診と検査依頼を通じて段階的に情報を集め診断を下し、その軌跡はルールベースの評価枠組みで採点される。実験では、九つの自己進化手法がいずれも環境内での診断能力を向上させることが示されている。
説明CoDeRNet：異種監督下における変化検出・キャプション生成のための選択的タスク間ルーティング
要約本論文は、リモートセンシングの二時期画像に対して変化領域の検出と意味内容の記述を同時に行う課題を扱います。両タスクは監督の粒度が異なるため、タスク間で情報をいつ、どこで受け渡すかが重要だと指摘し、CoDeRNetを提案しています。CoDeRルーティング機構により、受け手側の必要性と送り手側の信頼性に基づいて選択的に情報を転送します。LEVIR-MCIとWHU-CDCでの実験では、特にキャプション生成が向上し、変化定位も競争力を保ったと報告されています。
説明RubriX：高速かつ微調整可能な非自己回帰型ルーブリック評価器
要約本論文は、回答がルーブリックのどの評価レベルに当たるかを判定するモデル RubriX を提案しています。テキストを生成せず、LoRA で調整したエンコーダで入力と各レベルの説明の類似度を計算し、各レベルの確率を直接出力します。保持out用ルーブリックでの完全一致精度は 75.4% で、Jev の 57.1%、Qwen3-8B 評価器の 49.8% を上回ったと報告されています。
説明適応的検索と選択的回答：エージェント型RAGにおけるコンフォーマル事実性の評価
要約本論文は、言語モデルが後続の検索を適応的に発行したり、検索を途中で終了したりするエージェント型検索拡張生成（RAG）におけるコンフォーマル事実性を検討しています。GPT-6 LunaとLlama 3.1 8Bを、HotpotQA、Natural Questions、TriviaQAの6つのモデルとデータセットの組み合わせで評価しています。目標水準が高いほど完全な裏付けの比率は上がる一方、回答可能な割合は下がると報告されています。
説明DocTalk：思考連鎖で微調整した大規模言語モデルによる医療知識検索と臨床意思決定支援
要約本研究は、匿名化された退院サマリーから簡潔でカルテに基づく回答を生成する、医師支援型の質問応答システムDocTalkを提案しています。500組の臨床質問応答データを作成し、三つの汎用モデルと三つの生物医学モデルをLoRAで指示チューニングしました。チューニング後は多くの指標が改善し、Llama-3-Med42-8Bが最良でした。PubMedQAではLlama-3.1-8B-Instructの正答率が0.931から0.977に向上しました。
説明GADAR：分類的プランニングにおけるアクション順位付けによるドメイン横断一般化手法
要約本論文は、探索を行わずに古典的プランニングを実行する学習ポリシーGADARを提案します。このポリシーはドメイン記述を入力として受け取り、訓練時に見ていない新しいドメインでも基底アクションを構成できます。記号は名前ではなく、ドメイン内での役割によって表現されます。八つのベンチマークドメインを用いた留一ドメイン外のゼロショット評価では、七ドメインで訓練した単一ポリシーが테스트事例の58.3%を解決しました。
注目点領域記述を入力とし、記号を名前ではなく役割で捉える零ショット計画方策を提案。八領域での評価は堅実だが、影響は古典計画の一分野に限られる。
説明UniGFM-RAG：グラフ基盤モデルと大規模言語モデルを統合したエンドツーエンドの検索・推論手法
要約大規模言語モデルは散在する知識を統合する複雑な推論に依然として課題があり、GraphRAG（グラフ検索拡張生成）は知識をグラフとして整理することでこれに対処します。本論文は、微分可能なグラフブリッジによりグラフ基盤モデル（GFM）の検索器と大規模言語モデルの生成器を密に結合するUniGFM-RAGを提案し、高価な人手アノテーションへの依存を減らす意味誘導蒸留モジュールも導入しています。著者らは、3つのマルチホップQAデータセットと3つのドメイン外GraphRAGベンチマークで、強力なベースライン手法を一貫して上回ったと報告しています。
説明多報酬方策最適化のための優先度保持型アドバンテージ集約
要約本論文は、LLMの事後学習で主目標と補助目標の優先度が崩れる問題を扱います。報酬を単純に加算する手法では、補助目標のアドバンテージが主目標の選好を覆すことがあり、これを「アドバンテージ優先度反転」と呼んでいます。提案手法PAPOは、主アドバンテージと補助アドバンテージを非対称に組み合わせ、目標が一致する場合は補助の監督を保持し、衝突する場合は補助信号を滑らかに減衰させて主目標の符号を維持します。GRPOとPPOの両方で、複数の領域とモデルにおいて主目標の性能が最も高く、補助目標も最良またはそれに匹敵する結果が示されています。
説明AgriDefend：目に見える症状の前に作物のストレスを検出する、マルチモーダルAI搭載の約205ドルのオフラインエッジ装置
要約本研究はAgriDefendという、約205ドルのオフライン装置を提案しています。葉冠の画像と土壌プローブのデータを組み合わせ、画像はMobileNetV2、土壌データ（水分、pHや窒素・リン・カリウムの変化率、周囲に対する地中二酸化炭素）はランダムフォレストで処理し、ロジスティック回帰で五段階の作物健康予測に統合します。温室での干旱試験では、融合モデルの精度は87%で、土壌の信号は目に見える萎れより約4日早く現れました。
説明LLMエージェントによるデータ分析のための意味アトム：スケーラブルなテキスト分析
要約本論文は、データ分析においてテキスト列に埋もれた情報を活用する課題に取り組みます。クエリに応じて動く2種類の意味アトム、Tagging（各テキストに文字列を1つ返す）とCategorization（複数のテキストからカテゴリを返す）を提案し、結果をSQLやPythonで正確に計算できる形で出力します。TABenchの40件の分析タスクで評価したTADA-Agentは、行単位の意味的品質がベースラインと同程度で、完全な成果物の保存率が高く、意味モデルへのリクエストは一桁以上少ないと報告されています。
説明DecoyCount：計数課題における視覚推論と人間の視覚的期待のずれの評価
要約本論文は、1,660枚の実世界画像と7種類の妨害要素を用いたベンチマーク DecoyCount を提案し、中立的な質問、整合的な手がかり、多段・多画像のシナリオ質問を組み合わせて評価する。手がかりがあれば計数過程を実行できるが、自力では選択できないモデルが多く、その精度差は11.8〜22.1ポイントとされる。モデルの能力や思考予算、エージェント的処理が大きいほど差が広がる傾向があり、一般的推論能力の高さが整合的な視覚推論にそのまま結びつくわけではないと結論づけている。
説明幾何と測光を分離したデータ合成による二眼カメラのスムーズズーム学習
要約スマートフォンの二眼カメラでズームを切り替える際に生じる視点と色味の不連続を扱い、滑らかな変化を作るための中間フレーム合成タスク（DCSZ）を提案しています。著者らはZoomGS v2というデータ合成手法を提案し、幾何と色の変換を3Dシーン表現から分離することで、入手しやすい単眼カメラの3Dシーンから学習データを生成します。また、双方向のワーピングで二眼の情報を融合する専用の補間ネットワークZoomFIを開発しました。二台の携帯電話で撮影した試験データでの実験では、このデータで学習すると各種補間モデルの性能が向上し、ZoomFIは定量指標と視覚品質の両面で良好な結果を示しています。
説明導関数不要最適化による姿勢変化下でのブラックボックス点群モデルの回復
要約スコアのみで利用できるブラックボックス型の点群モデルは、テスト時に学習分布外の回転を受けると性能が大きく低下します。本論文はこの問題に対し、順伝播の問い合わせのみを用いてモデルの信頼度を最大化する入力変換を探索するCanDO（テスト時正準化手法）を提案しています。複数のアーキテクチャとベンチマークで、方位方向のずれでは理想的モデルとの差の76%、任意のSO(3)回転では51%を回復したと報告しています。
説明命名の前に見る：文脈に基づく新しい視覚概念の学習
要約本論文は、未知の視覚カテゴリを学習するためのSynerNetという枠組みを提案します。概念ごとの名称埋め込みを学習し、言語文脈と視覚的証拠に結びつけます。VISTA-Beyondの4領域での16-shot平均精度は74.35%で、少数ショット名称学習の72.45%を上回りました。名称を隠した転移設定の14領域では、平均精度が45.17%から46.74%に改善しました。
説明PosePlaner：ペアの平面幾何から任意のフィードフォワード姿勢推定器のノイズを除去
要約本論文はPosePlanerを提案し、フローマッチングを用いて姿勢の精緻化を条件付き生成問題として扱います。粗い幾何学的対応と初期姿勢を入力とし、得られた姿勢仮説を統合して精緻化された推定値を出力します。二視点データで学習し、再学習なしで多視点ストリーミング推定器を周期的に精緻化できると述べられています。
説明回答者が少ない場合：大規模言語モデル由来の意味的事前分布によるベイズ確認的因子分析
要約本論文は、大規模言語モデルの言い換えと埋め込みを、想定される項目と因子の対応に基づいて事前に指定した事前分布へ変換する「意味-経験更新フレームワーク（SEUF）」を提案している。産業団地の利害関係者617名による38項目の調査と、公開調査のFEVSおよびRIASECで評価された。回答者が50名の場合、SEUFは従来の確認的因子分析で70〜82名を用いた場合と同程度の負荷量精度を達成し、両公開調査では従来法より負荷量の誤差が小さかった。
説明行動を超えて：視覚・言語・行動モデルの刺激応答による安全性評価
要約本論文は、人間が安全上重要な刺激に対して防御的行動を引き起こすという生物学的特性に着目し、視覚・言語・行動（VLA）モデルでも、目に見える危険や有害な結果に対して同様の反応が生じるかを検証している。3つのモデルと2つの動画ベンチマークを用い、内部表現と行動傾向を調べた。その結果、危険が内部で認識されていても、タスクの実行が依然として既定の反応となる可能性が示唆されている。
説明集団的創発アラインメント：マルチエージェントLLMにおける相互作用による推論アラインメントの測定と増幅
要約本論文は、マルチエージェント大規模言語モデルが相互作用を通じて推論のアラインメントにおいて創発的な効果を示すかを検討し、語義カバレッジと相互作用特有のアラインメント利得で定量化するフレームワーク REMAP を提案しています。複数のモデル系列と二つのマルチホップ推論ベンチマークで、概ね正の相互作用利得が観察され、特に複数のエージェントに分散した証拠の統合を要する内容で顕著でした。さらに、完全な推論過程の交換を、簡潔で情報の欠落を考慮し選択的に伝達される事実レベルの通信に置き換える手法も示され、推論のアラインメントと課題性能が向上し通信負荷が減ることが実験で示されています。
説明拡散ネットワークのノイズ伝達負担：画像予測がノイズ予測を上回る理由
要約本論文は、拡散モデルにおいて、クリーン画像を予測するx予測と、ノイズを予測する方式の違いを比較しています。ノイズ予測では、入力のノイズを打ち消すために必要な情報を保持し続ける必要があることを指摘し、ガウスノイズの下で線形入力ボトルネックがもたらす去噪誤差の下限を分析しています。ImageNetでJiTを用いた実験では、測定された去噪損失が、理論で予測されたボトルネック下限と、プリコンディショニングによるその減衰または消去と整合することが示されています。
説明ストリーミング再帰メモリ（SRM）：生の経験を保存せずオンラインで学ぶ再帰記憶
要約本論文は、データが連続的に到着し生の経験を保存しないストリーミング学習の条件下で、遅延したフィードバックを用いて将来の予測や制御に役立つ状態を保つ再帰メモリの方法を研究している。著者らはストリーミング再帰メモリ（SRM）を提案し、内容や時間によって過去の情報を想起し、経過ステップを追跡し、一ステップの時間逆伝播で学習できる。連想想起やオンライン言語モデリングでは再帰ベースラインを上回り、遅延報酬を伴う連想T迷路ではほぼ完全な成功率を示した。
説明RAGの論理ハイジャック：局所最適化による単一文書ポイズニング
要約本論文は、ブラックボックス条件下でコーパスの単一文書を汚染する攻撃が検索拡張生成（RAG）に与える脅威を検討しています。著者らは明示的な反論を用いず、従来の事実をまず歴史的基準として認めたうえで、日付付きの記録訂正の体裁で反事実の内容を提示する手法MONOLOGUEを提案しています。ペイロードはオフラインで局所的に最適化され、3つのベンチマーク、3種類の検索バックエンド、4つのオープンウェイト生成モデルの設定で、評価された単一文書ポイズニング攻撃の中で全体として最も高い効果を示したとしています。
説明分位点をコードブックへ輸送：コードブック崩壊のないスケーラブルなベクトル量子化
要約この論文は、VQ-VAE で広く見られるコードブック崩壊と低いコード利用率の問題に取り組み、FlowVQ を提案しています。学習と並行して軽量なフローマッチングモデルで潜在空間を学習し、固定されることの多い源分布を確率流 ODE で輸送します。その上で、等分位点で分割した事前コードを輸送し、誘導された分布の下で Voronoi 重心を求めて、構造化された離散化を得ます。画像のトークン化と生成、および高精度なトークン化を要する二つのタスクで評価され、コードブックの拡張性と表現力の向上、および全面的な利用が示されています。
説明TrustJev：LLMベースの意思決定で、ポリシーの権限と信頼できない証拠を分離する手法
要約本論文は、自然言語入力から事前定義された行動を選択するソフトウェアにおいて、外部証拠に紛れ込んだ指示がポリシーを覆すことを防ぐTrustJevフレームワークを提案しています。単一のTransformerで保護されたポリシースコアと修正バジェットを計算し、証拠による修正をそのバジェット内に制限します。三つのデータセットによる評価では、非攻撃入力と攻撃入力の正解率の調和平均であるBalanceの平均が最も高く、認可ベンチマークでは95.77%のソースで32件すべての攻撃に正しく答えました。
説明白質線維方向分布と回転同変深層学習を用いた解釈可能な脳年齢予測
要約本研究は、白質線維方向分布（WM-FOD）とSE(3)同変CNNを組み合わせ、FODの球面調和係数を直接処理する脳年齢予測の枠組みを提案しています。ヒトコネクトーム計画の加齢データセットの36〜90歳692名を評価したところ、評価したDTIベースのモデルや通常のCNNより優れ、5分割交差検証の平均絶対誤差は3.54歳、相関係数は0.958でした。遮蔽解析では、モデルが敏感な領域が年齢層ごとに変化することが示されています。
説明SPARTA：エッジでの長文脈推論向けスパース三値LLMアクセラレータ（適応型アテンションと統合データパス）
要約本論文は、エッジデバイス上の長文脈LLM推論を効率化するスパース三値アクセラレータSPARTAを提案する。プリフィルとデコードの段階ごとに異なるスパース性を活用するデータフローや、三値行列演算とビットシリアルアテンションを共有演算器で処理する統合計算構造、ページ単位とトークン単位を組み合わせた適応型二段階アテンションエンジンを含む。全アテンションと比べてKVトラフィックを4.1〜4.8倍削減し、比較対象のシステムより高いスループットとエネルギー効率を報告している。
説明幾何・評価の曖昧さの下での単眼歳差推定：ORBIT-SCOUTによる検証可能な合成データ研究
要約本論文は、較正済み固定カメラの単眼画像から細長い回転物体の運動量軸と平均歳差率を推定する手法を扱います。提案手法ORBIT-SCOUTは、数値・幾何・時間・競合仮説の各検証に合格した場合にのみ推定値を返し、それ以外は出力を保留します。96の新規合成シーンによる事前登録評価では、正しい推定は64の対象シーン中25件、誤った推定は0件でしたが、事前に定めた到達目標は満たされませんでした。
説明サイレントでコストがかかる：LLMエージェントにおけるプロンプトキャッシュの誤統合の特徴づけと検出
要約本論文は、人気の高いオープンソースエージェントシステム10件から収集した、プロンプトキャッシュに関連する120件のプルリクエストを対象に、初めての実証研究を行いました。誤統合はリクエスト側の設定ミスと読み取り側の使用量の誤計算の両方で発生し、多くは実行時に目立った障害を起こさず静かに失敗することが分かりました。これを受けて提案されたCACHELINTは、CodeQLで呼び出し箇所を特定し、120件の標注済み事例で適合率0.71、再現率0.78を達成しました。実プロジェクト571件では32件の誤統合を検出し（適合率0.86）、開発者による21件の確認と18件の上流修正につながりました。
注目点プロンプトキャッシュの誤用を初めて実証調査し、CodeQLとLLMによる検査を組み合わせた検出器を提案。120件と571プロジェクトで検証され、上流修正18件に至った。
説明システム1型の判断モデルはRAGの専用リランカーを置き換えられるか？システム評価
要約RAG（検索拡張生成）では、検索された候補のうちどれを言語モデルに渡すかを専用のリランカーで選ぶことが多いが、遅延が増える。本論文は、長い文章を生成せず構造化された予測を直接行うシステム1型の判断モデルが、より少ない推論コストで同程度の再順位付け性能を出せるかを検証した。11のベンチマークで21のオープンモデルを予備評価し、候補文の長さを制限することで信頼性を高めた。結果として一部の構成は競争力があるものの、チューニング済みの専用リランカーの方が高速でGPUメモリも少なく、置き換えには品質・遅延・メモリを総合的に検討する必要があるとしている。
説明順序制約を考慮した資源配分：AUTOCフレームワークの多段階治療への拡張
要約本論文は、限られた資源を個人に配分して総便益を最大化する問題を扱います。より高い強度の介入には、先に低い強度の介入を行う必要があるという順序制約があります。著者らは、多段階治療に対応した評価指標ML-AUTOCを提案し、順序制約を考慮した配分方策を示しています。結果として、多段階治療では、実現される処置効果を最大化するために、個人間で治療を再配分する必要がある場合があることが示されています。
説明位置は経路より重要：正しい答えを言語モデルに撤回させる方法
要約本論文は、プロンプト内の助言によって言語モデルが元々正しく答えていた問題の回答を変えさせられるかを調べています。Qwen3.5-27B と四択の MMLU-Pro 問題で検証した結果、助言の位置が最も大きく影響し、権威を装った助言や断定的な表現も誤答を増やすことが示されています。一方、先に示された正しい推論は誤りから守る効果があると報告されています。
注目点位置・権威の帰属・既出回答の三要因を固定比較で分離し、モデルの誤答率への影響を示しており、証拠は比較的堅実である。
説明データ価値はクラス均衡に帰着するのか？——点ごとのデータ評価を「カバレッジ」の観点から見る
要約本論文は、Data Shapleyや影響度、レバレッジなどの点ごとのスコアで上位k件を選ぶ方法が、データ選択が重要な場面では不適切だと指摘します。ある点の価値は既に選ばれた他の点に依存し、単一のスカラー値ではこの相互作用を表せないためです。理論では、等しい潜在モードのモデルにおいて固定top-k選択が適応的カバレッジより閉形式の超過リスクを生むことを示します。標準的な分類タスクでは、ラベルがモードを識別できる場合はクラスバランス、そうでない場合は明示的なカバレッジを用いるのが実用的な指針だとされています。
説明N エージェント臨時チームワーク向け集中型クリティックの研究：制御対象エージェントの履歴のみを用いる推定量と、非制御チームメイトの履歴も含む推定量を比較し、理論と実験による根拠を示す
要約本論文は、動的に変化する学習エージェントが未知の分布から来る非制御のチームメイトと協調する N エージェント臨時チームワーク（NAHT）において、集中型クリティックの訓練時にどの情報を用いるべきかを検討します。学習者自身のエージェントの履歴のみを条件とする推定量と、非制御チームメイトの履歴も条件に加える結合履歴推定量の二種類を比較しています。両者が不偏であることを証明し、結合履歴推定量の分散が厳密に小さくなる条件を示しています。実験では、結合履歴クリティックが複数のタスクで同等以上の性能を示しました。
説明TimeWorld：行動条件付きマルチモーダル世界モデルによる時系列予測
要約本論文は、実データセット7種にまたがる横断的ベンチマーク TSWM-Bench を提案し、記録された行動と結果のデータに基づくテキスト介入を用いて評価を行っています。従来のマルチモーダル予測モデルは、履歴データのみを用いる時系列基盤モデルより性能が低い一方、単純なテキストプレフィックス方式はどの基盤モデルでも予測を改善することが示されています。これを踏まえ、事前学習済みの時系列基盤モデルに行動-応答モデリングを加えるプラグイン型フレームワーク TimeWorld を提案しています。
説明都市空間における時空間知能システムへの展望：ツイン・エージェントの視点
要約本論文は、都市ツイン（デジタルツイン）とエージェント型AIなどの技術を統合し、都市の状態を監視・分析し、介入を計画・実行してフィードバックで適応する都市時空間知能（STI）システムを、システム全体の視点から論じたサーベイです。ツインが情報の豊富な都市環境を再構築・表現する仕組みと、エージェントがツインを理解し推論して確実に行動し、都市とともに進化する仕組みを整理しています。そのうえで、内側のエージェントループと外側のシステムループからなる二重ループの設計図と研究課題、共有プロトタイプを提示しています。
説明テキストがボトルネック：立直麻雀におけるLLMのゲームプレイを小規模に再現した研究
要約本論文は、元論文（arXiv:2509.01328）の立直麻雀の実験を、はるかに小さな規模（パラメータ2B以下、民生用GPU1枚）で再現したものです。同じデータとラベルの条件では、260万パラメータの畳み込み盤面エンコーダが、テキストプロンプトのLLMより高い判断一致率を示しました。一致率の数ポイントの差は、対局での順位差には安定して現れないと報告されています。
説明BehaviorMem：実世界のEコマース行動ストリームからのユーザーメモリの構築と評価
要約本論文は、実際のECサイトの行動ログからユーザーメモリを構築し、具体的な行動の証拠を記憶するとともに、そこから潜在的なニーズや嗜好を推論する方法を検討しています。1,194人のユーザーと3年以上にわたる17,462の行動バッチからなるベンチマーク「BehaviorMemBench」を公開し、提案手法「BehaviorMem」は評価した対象の中で記憶と推論の両面で優れた結果を示したと報告しています。
説明自然ジャマー：非ロバスト特徴が敵対的に働くとき
要約本論文は、深層ニューラルネットワークが依存する非ロバスト特徴が、クリーンで未加工の画像に対しても標準モデルを誤らせる「自然ジャマー」として働きうることを示しています。著者らは、高周波成分が特定の空間構造と正確に整列したときにのみ妨害が生じることを因果的に示し、スペクトルフィルタリングや小さな幾何学的シフトによってその整列を崩すと正しい予測が回復することを報告しています。さらに、個々のジャマーは幾何学的変換に脆弱である一方、妨害の全体的な割合はおおむね安定しており、消えるのではなく再分配されると述べています。
説明ToDoPro：ダウンサンプリング自己プロービングによる早期トークン削減で、参照ベース生成を高速化・高品質化
要約本論文は、複数の参照画像を扱える拡散トランスフォーマー（DiT）型の画像生成モデルを対象としています。参照画像とテキストのトークンを連結すると数が急増し、計算量が大きくなる問題があります。提案手法ToDoPro（Downsampled Self-Probing による早期トークン削減）は、2倍にダウンサンプルした参照画像で数ステップのノイズ除去を行い、モデル自身でトークンの重要度を推定します。その結果に基づき、重要度の低いトークンは破棄し、中程度のトークンはダウンサンプル版に置き換え、重要度の高いトークンは保持します。実験では推論の高速化とピークGPUメモリの削減が示され、ノイズの多い参照トークンを除くことで生成品質も向上したと報告されています。
説明チューリングテストの潜在信号：区別不能性を報酬として使う学習
要約本論文は、より強い教師モデルが模倣対象であると同時に判別器にもなり、より弱い学生モデルが教師に自分の回答を自分のものだと判定させるよう訓練する「教師・チューリングテスト」方式を提案しています。学生は教師による自己帰属（騙せる確率）を強化学習の報酬として用い、正解データは与えられません。答えが検証可能な4つの領域（CommonsenseQA、GSM8K、KodCode、Spider）で、Qwen2.5-1.5Bを学生、DeepSeek V4 Flashを教師として実験し、独立した評価で学生の性能向上が確認されたとしています。
説明Arya Forge：金融指示データの検証と公開承認を監査する研究
要約本論文は、金融指示データのパイプラインで内容の妥当性と特定データセットの公開許可を区別するための Arya Forge を提案しています。型付きレコード、現行内容のチェック、データセットマニフェストに紐づく承認範囲を組み合わせています。10万件の合成指示レコードの監査と240シナリオの比較実験を通じて評価し、結論は実装と試験ワークロードに限定され、一般的な金融の正しさや下流モデルの改善は示していません。
説明パーソナライズされたAI返信提案がコンテンツクリエイターのダイレクトメッセージに与える影響
要約本論文は、SNSのコンテンツクリエイターが大量のダイレクトメッセージにどう対応しているかを扱う。15人のクリエイターへの予備インタビューで、適切な返信を書くことによる疲労が明らかになった。著者らは、クリエイターの文体に合わせて個別化されたAI生成の返信候補を提示するシステムを設計し、13人を対象に比較実験を行った。その結果、失礼な印象を和らげ専門的なイメージを保つ点は評価されたが、AI出力の正確性を確認する追加の作業が生じ、受信者とのやり取りへの注意が逸れる可能性も示された。
説明DynEdit：大規模言語モデルの長い系列知識編集のための動的エントロピー誘導手法
要約本論文は、再学習なしに大規模言語モデル内の古い、または誤った知識を更新する課題に取り組む。提案手法DynEditは、トークンのエントロピーを用いて非一様なスライディングを誘導し、編集が難しい高エントロピー領域の被覆を増やす。さらに各編集ウィンドウ内で、情報密度の高いトークンへの更新を強化する。3つのベンチマークと2つのバックボーンモデルでの実験では、多様な長文編集設定で競合ベースラインを一貫して上回ったと報告されている。
説明正しい事実、誤った判断：科学エージェントの記憶を評価するSciValidityBench
要約本論文は、科学エージェントの記憶では正しい事実を検索できるだけでなく、その事実を判断に使ってよいかどうかの有効性も問われると指摘します。著者らは、5つの有効性モジュールと6つの科学分野にまたがる64のタスクからなるベンチマーク SciValidityBench を提案し、分散した履歴を明示的な決定制御状態に変換する SciStateForge フレームワークを設計しました。4つのモデルファミリーで、汎用のイベントグラフと比べて有効な意思決定が9.2〜18.8ポイント向上したと報告されています。
説明スケーラブルで高表現力なパラメトリック微分同相写像のための因子分解勾配（FG-CPAB）
要約本論文は、スケーラブルなCPAB変換のための因子分解勾配手法FG-CPABを提案し、積分とパラメータ空間への射影を分離します。勾配計算の複雑度はO(dTN)からO(TN+dC)へと削減され、2Dでは最大約10^4倍の高速化、ピークGPUメモリ使用量は約500分の1に削減されます。これにより、細かい分割のCPABが2Dおよび3Dで初めて実用的になります。
説明動的領域誘導型時間的相互作用を用いた高効率マルチモーダル動画融合ネットワーク
要約本論文は、赤外線など異種センサーの映像を融合し、顕著な対象と構造の詳細を保ちつつ時間的一貫性を備えた動画を生成する、高効率なマルチモーダル動画融合ネットワークを提案しています。テスト時学習のパラダイムで線形計算量の時間依存性をモデル化し、時間的相互作用を動的な重要領域に限定します。さらに事前学習済みMAE特徴を用い、融合動画と元動画のフレーム間変化の方向を揃える制約でちらつきを抑えます。複数のベンチマークで融合品質と時間的一貫性が既存手法を上回り、エッジデバイスでも高い計算効率を示したと報告しています。
説明文脈の物理的コスト：コーディングエージェントのための品質制約付き資源会計
要約コーディングエージェントは毎回のモデル呼び出しで増え続ける文脈を再送しますが、文脈ポリシーは通常、節約できたプロンプトトークン数で評価されます。本論文は品質ゲート付きの手法を提案し、実際のプリフィルを論理プロンプトからキャッシュ再利用分を引いたものとして分解し、KV常駐量、時間、エネルギーを測定します。SWE-rebench V2 由来の450件の局所化事例では、検索ブロックの事前読み込みと履歴圧縮がいずれも品質基準を満たしました。別の実験では、事前読み込みがオンデマンド検索よりモデル呼び出しとGPUエネルギー指標を減らしましたが、履歴圧縮による追加の節約はありませんでした。履歴の削除はトークン削減を追加作業に変えうることも示されています。
説明信念推論からタスク行動へ：検証可能なタスクにおける心の理論の多層的評価
要約言語モデルが効果的に協働するには、他者が何を知り何を信じているかを理解し、それに応じて行動する必要があると論文は述べています。著者らは既存の検証可能なタスク（家庭内協働とカレンダー調整）に情報の非対称性を加え、世界理解、情報アクセス、信念、意思決定、実行の各能力を個別に評価しています。その結果、これらの能力は一致せず、他者の信念を正しく復元しても、それを用いてタスクを遂行できない場合があることが示されています。
説明LoRAの機構分析：パッチングによる層スパース性を用いた適応的ファインチューニング
要約本論文は機構的解釈可能性の手法で、低ランク適応（LoRA）が大規模言語モデルの内部に与える影響を分析しています。効果は層やコンポーネントごとに大きく偏り、重要な層はタスクによって異なることを示しました。そこで凍結ベースのゼロ消去によって各タスクの層を自動選択するAdaptive-LoRAを提案しています。Qwen2.5-1.5Bで11種の推論タスクを用いた実験では、層の30%だけで全層LoRAを上回り、アダプタのパラメータは3.5倍削減されました。
説明AIエージェントの見守り：利用者中心の委任失敗の分類と調査
要約本論文は、利用者が長時間かつ多段階のタスクをAIエージェントに委ねた際に、実行方法が利用者の期待から外れる「エージェント委任失敗」を扱います。163,487件のReddit投稿を基に、7グループ・23カテゴリの失敗を整理した分類体系MANDATEを構築しました。73名のAIエージェント利用者への追加調査では、失敗の発生頻度と重大性・気づきやすさの認識との関係を検討し、重大と評価された失敗ほど気づきにくいことなどを示しています。さらに各失敗の研究成熟度を評価し、進捗がないまま動き続けるなど、十分に研究されていない頻出の失敗を指摘しています。
説明リフト推論のためのクエリ駆動型学習
要約本論文は、学習と推論をより密接に統合するため、与えられたクエリの検証に必要な部分だけを学習する手法を検討しています。完全な知識ベースを先に学習する従来の方法を見直し、一階論理の設定へ拡張しました。検証可能となる条件として「有界隠蔽（bounded concealment）」を示し、準多項式時間のアルゴリズムを提案しています。さらに、空間有界なリフト証明に対する健全性と完全性、および準多項式のサンプル数と実行時間の上界を証明しています。
説明DecisionTraceBench：複数話者の音声会話における意思決定上の重要情報の追跡ベンチマーク
要約本論文は、複数話者の音声会話において意思決定に重要な情報の状態追跡を評価するベンチマーク DecisionTraceBench を提案します。決定事象の系列、話者の帰属、適用範囲、時間的根拠を共同で評価します。データセットは中国語の金融対話で、合成音声と人手による録音を含みます。五つのカスケード型システムと二つの直接音声モデルの得点は 5.73% から 21.35% で、全体の書き起こし誤り率では完全な軌跡の復元を十分に反映できないことが示されています。
説明SceneAgent：3D・4D視覚データからシミュレーション環境を作るエージェント型パイプライン
要約本論文は、3D Gaussian Splatting、フォトグラメトリ、LiDAR、動的シーンの4D動画などの視覚データを、対話可能なシミュレーション環境へ変換するエージェント型パイプライン SceneAgent を提案しています。物体分割、物理パラメータ推定、部品分解、関節化、変形可能物のシミュレーションを、シミュレータ上での視覚検査と修復を通じて調整します。GraspClutter6D の雑然とした箱のシーンでは、比較対象の SimFoundry より高い F1 スコアが報告されています。また、実ロボットへの予備的な方策転移も示されています。
説明Sentinel-2から1m画像へ：視覚的自己回帰モデリングによる実環境のクロスセンサー10倍超解像
要約Sentinel-2の画像から1mの解像度の画像を再構成する研究です。両者は異なる衛星で撮影されており合成的な劣化モデルで結びつけられず、10倍の拡大が必要です。長江経済圏のデータセットYREB-SRを用い、提案手法CrossVARは3,015のテストシーンでPSNR 27.60 dB、SSIM 0.7725、LPIPS 0.1451、FID 7.15を達成し、比較手法の中で各指標が最良でした。コードは公開されています。
注目点実世界のクロスセンサー×10超解像に視覚的自己回帰モデルCrossVARを提案し、3015シーンで最良の指標を示した。新規性と検証は十分で、リモートセンシング超解像分野への寄与は大きい。
説明線形オートエンコーダからトピックを発見する
要約本論文は、線形推薦モデルとトピックモデルの関係を検討し、ユーザーとアイテムの相互作用の潜在因子モデルのもとで、閉形式の線形オートエンコーダの重み行列から潜在トピックを直接取り出せることを示しています。これらのトピックは推薦結果の解釈に用いることができ、追加の学習は不要です。さらに、人気アイテムや非常に活発なユーザーがトピックを支配しないようにする正規化手法も提案されています。六つの公開データセットでの実験では、専用のトピックモデルより高いトピック品質を示し、推薦性能も調整済みの最良の推薦器と同等でした。
