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LADDER：ノイズのあるフィードバック下での分野別自己評価の診断
要約本論文はLADDERという枠組みを提案し、言語モデルが不完全なフィードバックのもとで自身の能力をどう評価するかを調べています。モデルは与えられた性能情報を正確に述べられる一方で、対話経験から信頼できる自己評価を形成するのに苦労することが示されました。一見正確な自己評価は能力の差を隠し、将来のタスク性能を必ずしも予測しないため、信頼できる自己評価は実際のタスク性能と予測力に照らして検証すべきだと論じています。
説明iPrefBench：パーソナライズされたモバイル利用エージェントのためのユーザー中心ベンチマーク
要約本論文は、実行可能なiOS環境で対話型シミュレートユーザーを用い、個人向けモバイルエージェントが利用履歴から情報を推論し、必要に応じて質問できるかを評価するベンチマーク「iPrefBench」を提案しています。3,051件の過去活動イベントに基づき、26のアプリにまたがる130件の不完全なユーザータスクで構成されています。7つの最先端エージェントの評価では、操作の完了度は高いものの、タスクの完全な成功率は低く、特に利用者に尋ねるべき情報の要求が不足していることが示されています。
説明FGD2HF：意味セグメンテーションのための周波数誘導型二重領域ハイパーグラフ融合ネットワーク
要約本論文は、周波数領域の特徴を用いて空間領域の特徴融合と強化を導く、FGD2HFという二重領域融合ネットワークを提案しています。近傍注意とハイパーグラフ注意を組み合わせた混合注意エンコーダ、ウェーブレット変換による強化モジュール、周波数誘導型の二重領域融合モジュールが含まれます。FGD2HF-Bモデルは、ADE20KでmIoU 48.7%、Cityscapesで83.2%を達成したと報告されており、計算量を抑えつつ既存手法と高い競争力を示すとされています。
説明SKALOS：能力グラフで類似スキルを見分ける学習手法
要約本論文はLLMエージェントのスキル選択を扱います。スキルライブラリが増えると、意味的に似た候補を区別することが難しくなります。著者らは、スキルを明示的な能力の証拠によって比較するグラフ型リランカーSKALOSを提案し、半環ベースの能力見極め学習と、ランキングフィードバックによるグラフ補正を導入しています。SkillRetでは、テキストのみの同条件リランカーと比べNDCG@10が2.68ポイント向上しました。ALFWorldでは、見極め情報を用いたスキル選択によりタスク成功率が22%から29%に上がりました。
説明長期的継続学習のためのハーネス・モデル協調手法（HaMo）
要約本論文は、長期にわたって動作するエージェントが再利用可能な手続き的知識に繰り返し遭遇する問題を扱い、高速な非パラメトリックな経験蓄積と低速なパラメトリック適応を組み合わせた HaMo フレームワークを提案する。HaMo は軌跡を戦略レベルの経験カードに要約して即時検索に用い、経験を条件とする継続学習目標によって、検索された戦略を解釈・接地・実行するようモデルを訓練する。実験では、領域内および領域間の変化の下で、ハーネスのみやモデルのみの適応を上回り、記憶の保持と適応の両方が改善したと報告している。
説明CEPO：マルチエージェントにおけるプロンプト最適化を改善する汎用フレームワーク
要約本論文は、マルチエージェントシステムのプロンプト最適化を改善するためのフレームワークCEPO（Coordinator-Executor Prompt Optimization）を提案します。共有のコーディネーター用プロンプトとエージェントごとのエグゼキューター用プロンプトにより、システム全体の調整と個々の実行を分離し、それぞれの役割に応じて更新します。4つの領域にわたる11のベンチマークで、既存の4つのプロンプト最適化手法に適用すると性能が一貫して向上したと報告されています。
説明プリフェッチ誘導ルーティング：オフロード型混合専門家モデルのデコード向け決定論的キャッシュ対応エキスパート選択
要約本論文は、GPUメモリに収まらない混合専門家（MoE）モデルのためのプリフェッチ誘導ルーティング（PSR）を提案します。ルーティングは決定論的な論理キャッシュに基づき、各層・各トークンで次層のルータが予測したエキスパートを最大n個挿入し、実際のメモリ転送は遅延のみに影響します。OLMoE-1B-7Bでは、LRUを用いた厳密ルーティングより2.2〜2.3倍速く、Cache-Priorより25〜30%速いと報告されています。
説明VLA-HWBench：エッジ機器でVLAモデルを動かすと時間はどこに消えるのか
要約本論文は、NVIDIA Jetson AGX Thor と AMD Ryzen AI Max+ PRO 395 の2種類のエッジハードウェア上で、18 のオープンな視覚・言語・行動（VLA）モデルを複数の推論バックエンドにわたり評価し、1回の推論を7段階に分けて計測したものです。動作生成の方式がモデルサイズよりも遅延を大きく左右すること、カーネル融合と4ビット重みが π0.5 と GR00T N1.7 を高速化すること、最適化後はトークン数の少ない段階でのみメモリ帯域が制約になることを報告しています。
注目点18のオープンVLAモデルを2種のエッジ機器で体系的に評価し、7段階の遅延分解と最適化比較を示しており、視点は新しく証拠も十分である。
説明SearchHorizonBench：AIエージェントの検索価値を評価するベンチマーク
要約本論文は、AIエージェントが追加の検索を行う価値があるかを判断するため、実行経験から検索価値を学習・評価するベンチマーク「SearchHorizonBench」を提案しています。3,168問の質問にわたる45,632回の実行記録を含みます。1,632問の保留データで、履歴による校正によりBrier誤差が16.2%減少したと報告されています。
説明介入・校正・発見：ピクセルから因果構造を学習する
要約本論文は、低レベルの画像観測から高レベルの因果変数とそのグラフ構造を学習する方法を扱います。固定されたラウンドロビン介入で検証済みの値を得て、可逆な次元ごとの校正写像によって視覚的な読み取り値と介入設定を同じ数値単位に揃えます。Domino、Pick-and-Place、Balance、Gears、CAUSAL3D、CausalWorldで、グラフ発見、介入の結果、反事実画像を評価しています。Dominoの統制実験では、同量の追加観測では解消できない向きの曖昧さを介入によって解決できることが示されています。
説明関数空間における測定値から場への直接生成によるスパース再構成
要約本論文は、関数整流フロー（functional rectified flow）に基づくDMFという枠組みを提案し、疎な測定値から空間的な物理場を生成する方法を示している。格子ベースの処理に頼らず、センサー・全体・センサーの表現と生成的な変換を同時に学習し、任意の座標で物理場を評価する。境界が未観測の場合や高解像度の学習データがない場合などのベンチマークで、再構成誤差の低減と不確実性の定量化が報告されている。
説明ベンチマークでは安全、実際には危険：1331件の子ども関連AIインシデントから得た教訓
要約本論文は、公的に報告された子ども関連のAIインシデント1331件を収集・符号化し、子ども向けの危害分類を構築しています。各事例について危害の種類と関与した失敗モードを注釈付けしています。危害は表現、尊厳、心理の各カテゴリーに集中し、モデルの欠陥よりも導入環境、ガバナンス、誤用の失敗と共に起きることが多いと報告しています。著者らは、年齢確認や同意確認など、モデル単独の評価を超える対策を提言しています。
注目点児童向け危害分類を構築し公開事例1331件を符号化、危害と社会技術的失敗モードの関連を示し、モデル水準評価の限界を実証的に論じている。
説明安定した連続時間一貫性蒸留：実証研究とマルチステップ拡張
要約本論文は、TrigFlow枠組みに基づく連続時間一貫性モデルを独立に再現したものです。CIFAR-10では報告されたFIDの1ステップ・2ステップ値を再現しましたが、ImageNet-64では届きませんでした。さらに、セグメント条件付きのマルチステップ手法MS-sCDを提案し、M=2、4、8のFIDを離散時間のMSCDベースラインと比較しています。
説明シミュレーションベース推論における要約の固有情報レート
要約シミュレーションベース推論では、観測データを固定次元の要約に圧縮し、事後分布はその要約のみに条件付けされます。本論文は要約を観測から要約への有損失チャネルとみなし、相互情報量でその情報予算を測定します。一定の条件下では、有限の予算において確率的な要約が決定論的な要約より厳密に低い歪みを達成することを示し、神経事後推定器に二値ボトルネックを組み込んで4つのシミュレータベンチマークで比較します。
説明可動素子型多機能RIS支援ハイブリッドRSMA-NOMA：制約付きハイブリッド強化学習によるアプローチ
要約本論文は、素子の移動と適応的な反射・透過・増幅・エネルギー収穫を統合した可動素子型多機能可再構成知能表面（MM-RIS）を提案し、ハイブリッドのRSMAとNOMAによる伝送方式を設計しています。送信ビームフォーミング、電力・レート配分、MM-RIS設定、パネル配置、素子位置を同時に最適化してエネルギー効率を最大化し、フェデレーテッドTransformerとパラメータ共有を用いた制約付きハイブリッド深層強化学習手法CRAFTSで解いています。シミュレーションでは、既存文献のベンチマークと比べてエネルギー効率と制約充足が改善することが示されています。
説明Gangqinpu：音声・MIDI・楽譜を揃えた多ジャンルのピアノデータセット
要約本論文は、多ジャンルのピアノデータセット Gangqinpu を紹介します。18,786 組の楽譜と演奏のペア、1,007.1 時間の元音声を含み、音符単位の自動アライメントと拍・強拍の注釈を備えています。自動パイプラインで音声の採譜、MIDI と楽譜の対応付け、ジャンル付与を行い、楽譜に基づく二値分類器で表現力に乏しい演奏を除外しています。MIDI から楽譜への変換、表現力のある演奏の生成、拍推定の3タスクで評価され、拍推定では他データセットへの効果が、採譜と演奏生成では主に同一領域での効果が示されています。
説明IsoAct：等距アクションによる幾何を考慮した事後バイアス除去
要約本論文は、非ユークリッド多様体上の表現に対して幾何構造を考慮する事後バイアス除去フレームワーク IsoAct を提案します。接空間座標におけるフィッシャー判別分析で交絡因子に関連する方向を特定し、多様体への所属を保つ等距アクションで補正します。超球面、双曲空間、SE(3) 表現での実験では、交絡因子の復元可能性を下げつつ、競争力のある有用性を維持することが示されています。
説明RSKD：蒸留によって運転VLMの意味的一貫性を確保する手法
要約本論文は、大規模マルチモーダルモデルの知識を自動運転向けの小型モデルへ移す手法RSKDを提案しています。回答フレーズのタスク上の重要度と教師モデルの予測との意味的一貫性に応じて、監督信号を振り分けます。意味的に一致する箇所では教師情報を重視し、一致しない箇所では正解データによる監督を強めます。DrivingVQA、LingoQA、MapLMv2で評価され、DrivingVQAとLingoQAでは比較対象の学生モデルベースラインを上回り、MapLMv2でも競争力のある結果を示しています。
説明太陽内部・大気への機械学習の応用：統一状態空間による整理
要約本論文は、太陽を多スケールで結合した力学系として捉え、熱力学的・運動学的・磁気的性質を表す全体状態ベクトルで記述します。著者らは、太陽光学観測は隠れた状態の部分的な投影にすぎないため、機械学習の主な役割は推論・エミュレーション・伝播・制御という数学的演算子として、異なる物理層間で全体状態を再構成・シミュレーション・結合することだと論じます。さらに、データ駆動手法が観測の空白を埋め、隠れた多スケール結合を明らかにし、非線形過程のシミュレーションを加速しうることを示しています。
説明良いランキングでも選択は的外れ？テキストのみによる視覚言語モデル選択を再考
要約本論文は、対象タスクでゼロショット精度が最も高い視覚言語モデル（VLM）を、テキスト情報のみで選ぶ課題（LOVM）を扱います。従来のランキング指標では選ばれたモデルの性能を直接評価できないとして、単純リグレットと外れ値に頑健な正規化リグレット（ORNR）を採用しています。さらに、学習を要しないTC-ESR法を提案し、22の対象タスクと43のモデルで平均リグレットが最小でした。あわせて、従来の評価に含まれていた二つの性能リークを指摘し、その修正も示しています。
説明証拠が十分かを判断する：Horn閉包証明書による要件指向検索
要約本論文は、検索拡張モデルが検索後に証拠で十分かを判定する Certify 手法を提案します。質問を要件ハイパーグラフに分解して要件ごとに検索し、実体チェックを経てリンクを確立したうえで、Horn閉包により最小の十分な証拠と導出過程の証明書を生成し、証拠不足の場合は未充足の要件を示して棄権します。3つのコーパスで、検索エージェント、グラフ検索、充足性判定器より有意に高い判定精度を示し、証明書に基づく回答の正答率は80%でした。
注目点要求ハイパーグラフとHorn閉包で証拠の充足性を構造化する新しい手法で、三コーパスと2100万段落で検証しており、検索拡張QAへの影響も見込める。
説明検索拡張生成におけるトピックレベルの公平性
要約本論文は、検索拡張生成（RAG）システムの群間公平性を全体の集計指標だけで評価すると、トピックごとの不公平さが隠れてしまうと指摘しています。著者らは、各トピック内で公平性が成り立つことを求める「トピックレベルの公平性」を提案し、生成器自身の出力から作成した選好ペアを用いて、トピックごとに再ランク付けモデルを調整します。実験では、正確さを保ちながら、RoMQAで各トピックの平均絶対差を51%、TREC Fair Rankingで40%削減したと報告されています。
説明重複除去を超えて：相関のある妨害項を伴うアテンションの検索限界の厳密解析
要約本論文は、冗長な文脈がアテンションに二つの異なる仕組みで影響することを扱います。重複項は正規化の質量を増やし、相関のある群内のスコアのばらつきは個々のスコアを極端にしうるとされています。著者らは既知の巨大なクラスタ構造を持つガウス妨害項の検索モデルでこれらを分離し、厳密な検索閾値を示します。主な結果は、事前softmaxスコアからクラスタサイズの対数を引く補正は多重性を除去するものの、クラスタ内の極値は残ることであり、必要な信号は√(2α₁)を下回らないとしています。指数化の前にスコアを平均すると√(2ρα₁)まで下げられます。
説明プロアクティブ推論（Pro-Active Inference）：非復元条件で次にラベル付けする対象を能動的に選び、母平均を推定する手法
要約本論文は、観測できるラベルが少数に限られる場合を対象に、非復元型のプロアクティブ推論（PAI）を提案します。共変量と機械学習の予測を用い、残りの候補から次にラベル付けする対象を能動的に選び、ラベルが得られるたびに予測をオンラインで更新しながら、統計的に妥当な信頼区間を構成します。有限標本での不偏性と漸近的妥当性を示し、八つのデータセットで複数の基準手法と比較しています。
説明AT-AT：エージェントの実行トレースからツールを自動最適化する手法
要約本論文は、エージェントを固定したまま、過去の実行トレースをもとに共有ツールセットをオフラインで改善するAT-AT（Automatic Tool Optimization from Agent Traces）を提案しています。軽量なコーディングエージェントがトラジェクトリと評価結果を読み取り、ツールの説明文を選択的に編集し、許可されている場合は実装も修正します。τ²-bench-verifiedの航空・通信領域でタスク完了率が最も高く、大規模企業の本番MCPサーバー3つでもコストまたはツールエラー率が低下したと報告しています。
説明学習された視覚表現における知覚的な直線性の探究
要約人間は時間とともに変化する自然な視覚世界を「直線化」された符号化で表現することが示されている。本論文は、ネットワーク構造、さまざまな種類の頑健性、生物学的に着想を得たフィルタリング機構、そして時間変化する入力に対する表現の直線性の関係を検討する。敵対的学習はCNNとTransformerの両方で表現をより直線的にするが、その効果はタスクに依存し、分割やフレーム予測には有利でないことが示されている。また、直線的な表現はクラス予測に時間的安定性をもたらす。
説明LLM生成経験に基づく階層的タスク知識の課程誘導型獲得
要約本論文は、HTN学習フレームワークにおいて、課程（カリキュラム）誘導によって階層的タスク知識を獲得する方法を検討しています。問題解決中のオンライン学習、人手で設計された課程、検証済みのLLM生成解法トレースから課程を自動生成する手法の3つを比較しています。複数の計画ドメインでの評価の結果、自動生成された課程は専門家設計の課程の利点の多くを再現しつつ、オンラインでの階層的知識獲得に要するトークンコストを大幅に削減することが示されています。
説明家庭用ロボットのナビゲーションにおける障害物の意味に基づく安全動作のベンチマーク
要約論文は、障害物の種類ごとに異なる安全性を、ロボットが距離・速度・動きの滑らかさにどの程度反映できるかを評価するOSMA-Benchと、語義感度指数（SSI）を提案している。VLMおよびVLA（視覚・言語・行動）ポリシーを評価した結果、明示的な安全プロンプトを与えても、障害物の安全性に応じた動きに一貫して適応できないことが示された。著者らは、認識と航行プログラムの生成の間に明示的なパラメータ推論の段階を加えると適応が改善すると述べ、意味から動作への接地に課題があると指摘している。
説明エージェントのメモリを推薦として捉える：LLMエージェントの長期記憶のための推薦システム設計
要約本論文は、LLMエージェントが長期記憶から限られたコンテキストウィンドウに入れる記憶を選ぶ問題を、予算制約付きのスレート推薦として定式化しています。リクエストをユーザー、保存された記憶をアイテム、コンテキストウィンドウをスレートとみなし、推薦システムの手法を応用したAgentMemRecを提案しています。LongMemEvalの複数セッションの質問では、A-MemやHippoRAG 2などの手法を10〜31ポイント上回り、LoCoMoではMem0やZepを、LLM呼び出しなしで上回ったと報告しています。
注目点エージェント記憶を予算付きスレート推薦として定式化し、多セッション質問で複数のベースラインを上回り、LLM呼び出しなしで有効性を示す。
説明目標ライフサイクルにおける階層的タスクネットワーク計画
要約本論文は、動的環境で目標を継続的に調整するための目標ライフサイクルを、階層的タスクネットワーク（HTN）計画で統一的に実装できるかを検討している。著者らは、formulate・expand・re-expandの各段階でHTN計画を用いる新しい目標推論エージェントのアーキテクチャを提案し、予測と実際の行動結果の不一致を処理するために拡張されたHTN行動表現を用いる。シミュレーション実験では、このアーキテクチャにより模擬自動運転車両が動的環境で適応的にミッションを遂行できることが示された。
説明動画ワールドモデルには予測しやすい潜在表現が必要という論文
要約ロボットの大規模データで学習する動画ワールドモデルの潜在空間設計を検討した論文です。時間的な目的関数による表現学習と過去フレームを条件とするデコーダ構造を組み合わせると、同じ学習量で生成型モデルが改善すると報告しています。原文では推論が最大5倍安く、学習は7倍以上速く、分布外や長期予測で画素・知覚誤差が低いとされています。
説明StreamVibe：変化するユーザー意図に対応するプロアクティブ動画エージェント
要約本論文は、明示的・暗黙的・動的な意図を含む 4.1K の評価サンプルと 85K の学習サンプルからなるベンチマーク StreamVibe-Bench を提案します。これを基に、連続的な観察から暗黙の意図を推定し、意図の変化に応じて対話を調整するストリーミング型モデル StreamVibe-VL と、階層型メモリでユーザー意図を状態として保持する StreamVibe-Harness を開発しています。実験では、応答のタイミングと回答品質が他のベースラインより 10.7% 向上し、主体的な対話では 12.3% の改善が報告されています。
説明AdaTutor：教育戦略の選択による適応型チュータリング
要約本論文は、学習者への指導において適切な戦略とフィードバックを選ぶことを学習する訓練フレームワーク、比較型教育的監督（CPS）を提案している。数学と科学の推論データセットで評価され、5回の指導ターン後に、最も強い固定戦略のベースラインを上回った。学習されたチューターはデータセット間で転移でき、その戦略選択は別のAPIベースのチューターにも活用できるとされている。
説明テスト時の「賭けとしての思考」は LLM エージェントの迎合的な修正を減らす
要約本論文は、学習を必要としない Thinking-in-Bets という手法を提案します。エージェントはユーザーのフィードバックを読む前に、主要な主張、それを支える確認内容、確信度を短く記録し、異議を受けたときにその記録を参照して検証済みの成果を保ちます。5 つの Gemini モデルと 8 つのベンチマークでの評価では、批判の前に主張を記録すると誤った取り消しや不要なファイル編集が大幅に減り、非対話型タスクでも回答精度と確信度の推定が改善しました。
説明聞き取れた時点で行動する：音声対話システムにおける早期ツール呼び出し
要約本論文は、音声エージェントがどの時点でツールを呼び出すべきかという問題を扱い、ツールと必要な引数が音声から確定できる最も早い時点を注釈する合成音声対話パイプラインを提案します。26,694件の対話（計786時間、48ドメイン）を構築し、音声チャンク単位で因果的に判断するomni-modal言語モデルを学習しました。保留データと外部ベンチマークでのツール状態マクロF1はそれぞれ0.48と0.47で、正しい呼び出しはターン終了後に行う場合より平均1.1〜2.0秒早くなると報告されています。
説明意図条件付きワールドモデルによる共有車両制御「Dream2Assist」
要約本論文は、人間と機械が車両操作を共有する場面で、人の意図を推定して支援するモデルベース強化学習フレームワーク Dream2Assist を提案する。再帰的状態空間ワールドモデルに意図推定を組み込み、人の操作を上書きせずに離散的な目的を支える方策を学習する。高速レース（N=30）と都市走行（N=10）の人間被験者実験および予備的な車載実装により、意図条件付けがトルク整合性と衝突率を改善することを示している。
説明RobotAgentBench：オープンワールドにおけるロボットの自律性を評価するベンチマーク
要約本論文は、現実的なオープンワールドの家庭環境でロボットエージェントを評価するベンチマーク RobotAgentBench（RAB）を提案している。人間が関与する実環境からシミュレーションへの手法により、50 の家庭レイアウトと 90 の単一タスク、18 の短期タスク、8 の長期タスク、4 のオープンエンドシナリオを構築した。タスク発見、文脈推論、操作、障害からの回復、頑健性の五つの観点で評価し、独立した VLA/WAM モデルと各種エージェント構成を比較した結果、操作能力と自律性の間に大きな差があることが示された。
説明非造影CTで自然発症脳出血の血腫拡大を部位別に予測する研究
要約本研究は、ERICH研究のデータで予測モデルを作成し、VISTAデータで検証した、非造影CT（NCCT）画像に基づく解釈可能な部位別モデルです。輸送ベース形態計測（TBM）で画像特徴を抽出し、線形分類器で葉、基底核、視床の部位ごとに血腫拡大を予測します。検証データでのAUROCは0.787で、臨床医による判断や他の機械学習手法より優れていました。
説明SlowLab：取り消せない一年間の実験で自律型AIエージェントを評価するベンチマーク
要約本論文は、シミュレートされた温室で一年間の実験を行うSlowLabベンチマークを提案します。エージェントは作物、設備、価格が非公開の環境で、植え付け時期や気候政策、作物の中止、測定項目を決め、最後に一つの政策を推奨します。48の未知の場所を対象とした事前登録研究では、低コストの言語モデル系エージェント3種は標準的な栽培設定付近の結果にとどまり、その設定から始めるベイズ最適化の基準を明確に下回りました。
注目点一年周期で取り消せない実験を核とするエージェント用ベンチマークを提案し、48の未見サイトでの事前登録研究で検証しており新規性が高い。影響範囲はエージェント評価の分野に限られる。
説明InferPriv：LLMアシスタントにおける推論的プライバシー漏えいの評価
要約本論文は、誠実だが好奇心の強い受信者が、LLMアシスタントの日常タスクでの返答から利用者の機微な属性を推論できるかを測定するベンチマークInferPrivを提案します。5つの最先端モデルを評価した結果、推論的な漏えいが直接的な漏えいを大きく上回ることが分かりました。プライバシーを意識したシステムプロンプトの下でも、複数のモデルで直接漏えいはほぼゼロですが、推論的漏えいは依然として一定の水準にあります。
説明循環間クエリ受け渡し：後続ループはOuro循環言語モデルの二段階検索をどう振り向けるか
要約本論文は、事前学習済み循環言語モデルOuro-1.4BとOuro-2.6Bにおいて、後続ループが二段階検索をどう修復するかを検討しています。同じ層・ヘッド・最終プロンプト位置でループ間の注意クエリを移植した結果、合成質問では第3ループのクエリを注入すると、第1ループで誤答し第3ループで正答した問題の大部分が救済されました。ただし、橋渡しの計算位置の特定や単一ベクトルによる受け渡しの証明は行っていません。
説明自律エージェントの内発的目標：階層的探索がショウジョウバエの未来の自発的行動を捉える
要約研究者はショウジョウバエの全脳記録と神経力学的デジタルツインを組み合わせ、内発的目標を最適化すると果蝇の行動と神経表現に定量的に一致する智能体が得られるかを検証した。外部報酬なしで20種類の内発的動機づけアルゴリズムを訓練し、階層的競争アルゴリズムDIAYNが行動と神経の前向き符号化で最も高い性能を示した。その潜在活動は左右半球の運動学符号化の和差則もよく再現した。
注目点内発的動機付け強化学習とショウジョウバエの全脳記録・神経力学デジタルツインを組み合わせ、DIAYNが未来の転向の神経表現を再現することを示し、新規性と証拠は比較的強いが影響は計算神経科学に限られる。
説明AgentProofBench：ウェブエージェント向け再利用可能な検証器のベンチマーク
要約本論文はAgentProofBenchを提案し、要件が変化しても同じ受入ルールに従い後続の実行を支えられる、ウェブエージェントの再利用可能な検証器を評価します。ベンチマークは97タスク、79タスクファミリー、4つのウェブサービスから成ります。DeepSeek FlashとProを用いた実験では、48ファミリーにおいて、完全パネルと決定リプレイのテストがそれぞれFlashで96個中82個、Proで96個中79個のソースプログラムを保持しました。
説明CodeMeepo：リポジトリ全体のコード移行と最適化のためのマルチエージェント・ワークフロー
要約本論文は、大規模なコードリポジトリを新しいプログラミング言語へ丸ごと移行するためのマルチエージェント・パイプライン CodeMeepo を提案しています。各段階は、エージェントが作成や変更を行わない固定の外部オラクルで検証され、移行元と移行先の比較で見つかった欠落は作業計画に戻されます。著者らによれば、九つのプロジェクトと三つの言語組では全てで最高の合格率を示し、同じモデルを用いた先進的なベースラインより18%多くのテストに合格しました。
説明RIDE-Splat：実走行環境向けのフロントガラス反射除去つき3D再構成
要約本論文は、ポーズ付きの走行映像から反射のない3D再構成を行う手法RIDE-Splatを提案し、クリーンな画像や反射マスク、事前学習済みネットワークは不要としている。手法は二段階で、まず3D形状と符号付きの反射画像を学習し、次に反射を除いた学習画像を用いてクリーンな3DGSモデルを当てはめる。あわせて、走行映像向け反射除去の初の3D再構成ベンチマークであるRIDE-Splat Datasetを公開している。
説明決定モデルを用いたエンティティマッチング
要約エンティティマッチングとは、二つのレコードが同一の実在のエンティティを指すかを判定する課題である。本論文は、生成型LLMや微調整済みPLMに代わる手法として、事前定義された選択肢ごとに確率を返す決定モデルを検討している。八つのベンチマークでゼロショット評価を行い、生成型LLMのGPT-6 LunaおよびPLMベースのDittoと比較した。最も強い四つの決定モデルの平均F1はGPT-6 Lunaに近い値を示し、八つのうち六つのベンチマークでDittoを上回った。
説明頻度予測を用いたオンライン公平分配
要約本論文は、分割できない財を複数のエージェントに公平に配分するオンライン設定を研究している。財が到着する前に、アルゴリズムは各エージェントの価値の多重集合を把握するが、到着順序や異なるエージェントの価値がどの財に対応するかは分からない。3〜4人の場合には近似的なEF1（一つの財までの無羨望性）が保証できる一方、5人以上では正の近似すら保証できないことが示されている。
注目点頻度予測下のオンライン公平分割について、n≤4で近似EF1が可能、n≥5で不可能となる完全な可否境界を厳密な証明で示し、分野への影響が大きい。
説明音素ごとに平均対数メル特徴量を1つ用いる、音声認識向けのシンプルで高速なテキスト注入手法
要約本論文は、ニューラルTTSモデルの代わりに、音素ごとの平均対数メル特徴量（またはone-hot符号化）を用いるルックアップテーブルでテキスト注入用の合成入力を作る手法を提案しています。学習はニューラルTTSを用いる場合より1.8倍速く、単語誤り率は同程度です。外部言語モデルを併用すると、LibriSpeechのみの配対データ・テキスト・辞書で作者らの知る限り最高水準の結果を達成しています。
注目点ニューラルTTSの代わりに音素ごとの平均対数メル特徴のルックアップを用いるテキスト注入で、学習が1.8倍高速かつ同等のWERを達成。LibriSpeechや25000時間データで詳細な実験と分析を行っている。
説明P2P-Former：時間的行動局在化における点監督と提案監督の差を埋める手法
要約本論文は、各行動インスタンスに1フレームだけ付与する点アノテーションを用いた時間的行動局在化で、完全教師あり手法との性能差が残る問題を扱っています。Transformerベースの P2P-Former を提案し、点感知型の提案生成、点誘導型の意味強化モジュール、点から提案への制約損失を組み合わせています。著者らは THUMOS14 と ActivityNet-1.3 で既存の先進手法を上回ったと報告しています。
説明拡散モデルの記憶現象を有効かつ早期に検出する手法：逐次監視と軌道レベルの較正により、ノイズ除去の過程で学習データの再現を早い段階で見つける研究
要約本論文は、拡散モデルが学習データの例を再現する現象（記憶化）の早期検出手法を研究しています。分割型コンフォーマル較正と逐次監視を組み合わせる二つの方法、すなわちタイムステップごとのBonferroni較正と、記憶スコアの最大値に対する軌道レベルの直接較正を比較しています。無条件のCIFAR-10 EDMモデルでの実験では、逐次監視が固定時刻の検出より優れることが示され、軌道レベル較正は同等の検出力を保ちつつ誤警報の予算をより効率よく使い、高いノイズレベルでより早い検出を可能にするとされています。
説明CSI-TextBench：言語に基づく環境無線センシングのためのデータセットとベンチマーク
要約本論文は、WiFiのチャネル状態情報（CSI）を自然言語と対応付けるための大規模データセット・ベンチマーク「CSI-TextBench」を提案している。3つのセンシングベンチマークを統合して285,790件のサンプル、7タスクをまとめ、2,291件の階層的な記述文と組み合わせている。対照学習によるCSIとテキストの対応付けは、クラスラベルなしで教師あり分類器に匹敵し、少数サンプルで未知のクラスにも適応し、オープン語彙の指示にも応答できると報告している。統一モデルは140の複合シーンで86.9%のtop-1精度を示し、タスク専用の分類器アンサンブルを上回ったという。
注目点WiFi CSIと自然言語の整合を目指し、大規模データセットと5手法の比較を行い、十分な実験に基づく。
説明AI の傾向性測定のためのバッテリー：評価基準・合成項目バンク・注釈
要約本論文は、専門家が作成した評価基準、合成データセット、注釈付きの需要区間を含む、28 種類の傾向性からなる測定バッテリーを公開しています。傾向性は心理測定学・心理学・行動研究を参考に選ばれ、人間の行動研究で使われてきた既知の概念と結果を対応づけられるようにしています。合成データセットは一つの傾向性のみに反応するよう設計され、傾向性プロファイルの迅速な試作に役立ちます。
説明グラフはどれだけ必要か？時空間予測におけるグラフ構築と情報の取り込み方
要約本論文は、時空間グラフニューラルネットワークにおいて、隣接ノードのグラフ情報が各ノード自身の履歴以上に予測に寄与するかを検討しています。米国州別失業率、交通速度、電力需要の3タスクで、グラフの構築方法と時系列モデルへの取り込み方を比較しました。対照として、自身の履歴のみを使うGRUとランダムグラフが用いられています。融合ゲートを加えた後期統合は3タスクすべてで平均誤差を下げ、残差相関に基づくグラフは試したグラフの中で平均誤差が最も低い結果となりました。
説明テキストは何を寄与するのか：少数ショットおよび全ショットの視覚言語異常検知に関する研究
要約本論文は、視覚言語異常検知においてテキストプロンプト（アンカー）の寄与が意味内容によるものか、幾何学的構造によるものかを検討しています。単一のアンカー対の場合、主な寄与は有効スケールであることを証明し、七つの医療データセットなど複数の条件で、スケールを揃えたランダムまたは直交アンカーが正しいプロンプトと同等の性能を示すことを報告しています。複数カテゴリで一つのアダプタを共有する場合は、アンカーの全体的な配置も関係し、意味を持たない回転で配置を広げると産業ベンチマークで性能が向上することが示されています。
注目点単一アンカー対はスケールのみに依存すると証明し、多数のデータセットで検証して意味内容説を覆す点が新しい。
説明Audio-R1：自己教師あり課題による強化学習での音声推論手法
要約本論文は、音声の自己教師あり学習で課題構築時に自動的に得られる答えを検証可能な報酬として用いる強化学習後訓練フレームワーク Audio-R1 を提案します。複数の大規模音声言語モデルと多様な音声ベンチマークで一貫した性能向上が示され、訓練課題と異なる下流タスクでも改善が見られたと報告されています。
説明FlexiMIND：事前学習済み視覚特徴と局所構造を組み合わせた学習不要の非剛体医用画像位置合わせ
要約本論文は、学習もラベルも不要な二段階の非剛体医用画像位置合わせ手法FlexiMINDを提案する。凍結したFlexiCT-2Dエンコーダの特徴で文脈的な対応関係を求め、ConvexAdam内でMIND-SSCを用いて変形を精緻化する。CT-CT、MR-MR、MR-CTの各データセットで五つの特徴結合戦略を比較し、15の比較のうち改善したのは四つのみで、最大のDice改善は0.0043だったと報告している。
説明肝病変のセグメンテーションと構造化放射線報告のためのエージェント型AIワークフロー
要約本論文は、肝臓・病変のセグメンテーションを決定論的な定量計算と構造化レポート作成に結び付ける、証拠に基づくエージェント型AIフレームワークを提案しています。TotalSegmentatorベースのnnU-Netモデルが肝臓、Couinaud区域、病変を領域分割し、計算ツールが体積、寸法、個数、解剖学的位置を抽出します。大規模言語モデルがこれらの計測値を事前定義のスキーマに整理し、元の計測値と数値の整合性を検証します。51例のLiTSデータでは、肝臓のDiceスコアが0.947、病変感度が75.6%、陽性的中率が68.9%でした。MERLINの25,494件の報告を探索的にスクリーニングした結果、10,208件（40.0%）に肝臓関連の異常が認められました。
説明プロンプト駆動型画像編集器をファインチューニングした幾何学的一貫性のある部屋の家具除去手法
要約この論文は、単一の部屋写真から家具を消去して空の部屋の画像を生成する手法を扱っています。拡張現実やバーチャルステージングなどのXR用途を想定しています。著者らは、家具ありと空の部屋の画像2,500組でFLUX.2のLoRAアダプタをファインチューニングする学習方法を提案しています。その結果、高いテクスチャ忠実度を保ちながら、幾何学的な一貫性が大幅に向上したと報告しています。
説明服装で値段が変わるのか？同一の安価なネックレスに対する視覚言語モデルの査定における文脈ハロー効果
要約研究者は2.43米ドルで購入した同じ金色のネックレスを、フォーマルな服装、パーティー、リサイクル置き場でのカジュアルな服装、人物なしの平置きの四つの場面で撮影し、六つの最先端言語モデルに価格の推定を依頼しました。画像に対応した四つのモデルでは、フォーマルな写真の推定額は平置き写真の1.9〜3.3倍で、すべて統計的に有意でした（p<0.01）。場面を言葉で説明するテキストのみの課題でも同様の差が見られ、効果は画素情報に依存しないことが示されています。
説明検証可能な学習のための疎な平方和レイヤー：訓練中も証明可能な保証を保つ手法
要約本論文は、半正定値計画法によって多項式不等式の成立を形式的に証明する、微分可能な疎な平方和（SOS）レイヤーを提案している。逆伝播では順伝播で求めた疎な構造を再利用する。比較対象の既存手法に対し、ウォームコール時間の合計は最大2.7倍高速化され、比較的大規模な問題（テストした稠密パラメータ化）ではメモリ使用量が約100分の1（160 GiB に対して 1.7 GiB）に抑えられたと報告されている。振り子制御、ロボットの射影、ポーズグラフ同期など複数の実験を含み、未知の問題インスタンスでは認証された違反がゼロだったとし、摂動による有限差分法と比べて最適化の求解回数は約7分の1とされている。
説明HARP-LoRA：科学表の理解のための、見出し階層に条件付けた低ランク適応手法
要約本論文は、科学表の理解、特に薬物動態（PK）表からの情報抽出を対象に、行・列の見出し階層を用いて低ランク投影を条件付ける手法HARP-LoRAを提案しています。事前学習済みモデルとランダム投影テンソルは固定したまま、学習可能なパラメータ数を抑えています。950件の人手注釈付きPK表とWikiTableQuestionsで評価し、LoRAと比べて抽出と推論の両方で改善がみられたと報告しています。
説明大規模言語モデル：エンジニア向けのわかりやすい概説
要約本論文は、エンジニア向けに大規模言語モデル（LLM）の基本的な仕組みを平易に解説するものです。Transformer、事前学習、人間のフィードバックによる強化学習を用いた微調整、検索拡張生成（RAG）、思考連鎖プロンプティング、ツールを使うエージェントなどを取り上げています。あわせて FlashAttention や QLoRA によるコスト削減の手法と、データ汚染、LLM-as-a-judge、長文脈、ハルシネーションなど評価結論を判断する際のチェックリストを紹介しています。
説明HobbyLM：趣味予算で学習するスパース混合専門家モデルファミリー
要約本論文は、レンタルGPUで数百〜数千ドルの予算で一から学習した小型のスパース混合専門家（MoE）モデル群HobbyLMを紹介する。デコーダ型Transformerを基盤とし、細粒度の専門家、補助損失なしの負荷分散などを採用している。500Mパラメータのモデルはチャット、マスク拡散言語、エージェント、マルチモーダルなど複数版に派生し、ノートPCのCPUで動作する。さらに1.04BパラメータのHobbyLM-1Bと、333Mパラメータの画像生成モデルHobbyLM-Imageも報告されている。
説明エージェントハーネスにおける検証の再考：独立レビューによるテスト時スケーリングの実用的な手法
要約本論文は、エージェントハーネス内の検証機構を研究し、初期指示、実行中のリマインダー、完了ゲート、独立レビューという四つの層にわたる17の設計を、七つの最先端コーディングモデルで比較しています。独立レビューは精度とコストのトレードオフがより良好であることが示されています。また、視覚的・対話的成果物を評価するためのVisualBenchも導入されています。
説明一段階拡散モデルのための累積周辺マッチング：少数ステップ・一ステップ生成の学習目的
要約拡散モデルやフローマッチングモデルは数百回のノイズ除去ステップを要し、推論に時間がかかります。本論文は、生成過程全体にわたって基礎モデルと少数ステップモデルの周辺分布の差を直接最適化する累積周辺マッチング（CMM）を提案します。差の指標にはWasserstein-2距離を用い、フローマッチングの押し出し表現により、中間周辺分布からのサンプルで最適化できる替代目標に変換します。また既存のShortcut-CSLはCMMの一次近似として得られることを示し、同一の学習予算で既存の手法より生成品質が向上したと報告しています。
説明水中航法のためのDVLおよび慣性信号の条件付き拡散生成
要約自律型水中航走体（AUV）は衛星測位を使えず、ドップラー速度計（DVL）と慣性センサーで運動を推定します。これらを処理する深層学習手法は、通常は高価な海上試験で得たデータを必要とします。本論文は、学習で実データを置き換える合成DVL・慣性信号を生成する条件付き拡散フレームワークを提案します。実データセットの13本の軌跡で、生成信号は指定条件とのピアソン相関0.72〜0.997を示し、生成器の学習に用いていない軌跡にも転用できました。生成信号のみで学習したBeamsNetの速度誤差は、実データ全体で学習した場合と同等でした。
説明RefinedGAW：精選されたドイツ語学術ウェブデータセット
要約本研究は、ドイツ語学術ウェブ（German Academic Web）の26回の半年ごとのクロールから構築された、処理・注釈付きのドイツ語テキストデータセットRefinedGAWを紹介しています。総文書数は1億2200万件、総トークン数は3140億です。学術研究として分類された文書がドイツ語トークンの84%を占めます。あわせて、細かなデータ選択に使える検索可能なメタデータインデックスと、元文書を取得・処理するツールも公開されています。
説明空間知能のためのエージェント型AIオーケストレーション枠組み：サプライチェーンへの展開
要約本論文は、構造化推論、マルチエージェントのワークフロー編成、権威ある空間基準による検証、フィードバック駆動の実行を統合した参照アーキテクチャ「ANASSA」を提案し、実運用中のサプライチェーンへの導入結果を報告しています。海上・内陸の貨物輸送路における複合リスク評価を対象とし、3か月の概念実証（3回の反復）で、データ品質25%向上、空間ワークフローの実行時間50%削減、従来の手作業に比べ決定遅延60%減という結果を示しています。著者は、これは対照実験ではない観察結果であるとし、機構レベルの評価のための計測およびアブレーションの手順も提示しています。
説明誤差拡散が潜在重みを置き換える：数ビットのディザ状態で二値重み言語モデルを学習
要約二値重み言語モデルは、各重みについて全精度の潜在コピーとAdamの状態を保持するため学習コストが大きく、配備後に機器上で適応させることが難しい。本論文は、確率的丸めで量子化した2〜8ビットの残差バッファで潜在重みを置き換え、重み1つあたりの学習状態を97ビットから3〜9ビットに削減する。誤差拡散（ED）オプティマイザは、閾値が量子化格子の水準と一致する条件で、潜在重みを用いた基準にほぼ匹敵する性能を示す。
注目点画像ハーフトーンの誤差拡散を重み更新に移し、全精度の潜在重みを2〜8ビットの残差バッファで置き換え、複数規模の言語モデルで検証しており、新規性と根拠は十分。
説明FlockWorld：人工生命シミュレーションによる集団規模のマルチエージェント動画世界モデルに向けて
要約本論文は、Reynoldsのボイドアルゴリズム（Boids）に基づく人工生命環境FlockWorldを提案し、集団規模のマルチエージェント動画世界モデルの研究に用いるとしています。各エージェントの一人称視点映像を同期して描画します。また、フローマッチングで学習し、行動条件付きの潜在拡散Transformer「FlockDiT」を提案し、複数エージェントの同期した映像を同時に生成します。著者らは、同時生成が密度を揃えた設定でのエージェント検出に有利であり、拡散強制（diffusion forcing）が推論の忠実度を高めると報告しています。
説明Recursive CLIP：ループするTransformerブロックを用いた視覚・言語の蒸馏
要約本論文は、CLIP型の視覚・言語モデルで層ごとに独立したTransformerブロックを、繰り返し再利用できるかを検討しています。視覚エンコーダのみを循環させたrCLIPと、テキストエンコーダも循環させたr²CLIPの2系統を、CC3MとCC12Mで直接学習する場合と、DFN-2Bで事前学習したViT-B/16教師からの知識蒸馏の場合で比較しました。CLIPは大きな循環ブロック再利用に耐えられ、その効果はエンコーダや下流タスクによって異なることが示されています。
説明GRASP：推論注釈なしで医療VQAを行うためのグループ適応型ハイブリッドRL-SFT事後学習法
要約本論文は、医療視覚質問応答に用いるデータが短い答えのみで推論注釈を欠く課題に対し、各更新で強化学習と教師ありファインチューニングを組み合わせるGRASPを提案しています。著者らによれば、LoRAで約1%のパラメータのみを調整しても、ドメイン内および分布外の自由記述問題で比較した学習目的を上回りました。また、12.9Kの短答質問からなるデータセットMedTerseも公開されています。
説明Transformerはどれだけの情報を保持できるか：記憶容量とモデル規模の関係を調べた実験研究
要約本論文は、Transformerモデルが事実に関する知識をどれだけ効率よく保存できるかを調べたものです。ベイズ最適化によるハイパーパラメータ探索を行い、無作為な独立の三つ組データを完全に記憶できる最小モデルの規模を測定しました。結果として、記憶容量は隠れ次元に対して指数関数的に増加し、必要な最小次元は事実数の対数に比例することが示されています。層数を増やした場合、記憶可能なデータセットの規模は劣線形に増加します。
注目点ベイズ最適化による体系的実験で、記憶容量がTransformer次元に対して指数的に増加することを示し、従来の線形結論を実質的に修正しており、証拠も比較的充実している。
説明HIFI：基盤モデルによる統計的推論のための高効率フレームワーク
要約本論文は、条件付き平均などのパラメータに対する統計的推論を行う二段階のファインチューニング手法 HIFI を提案しています。第一段階では大きめのサンプルで基盤モデルを一度適応させ、単一のフィットで推定バイアスを抑えます。第二段階では、より小さな独立サンプルに対して再サンプリング推論を適用し、残差に複数の軽量な PEFT 推定器を当てはめて推定のばらつきを定量化します。視覚・テキスト実験では、正確な点推定と校正された信頼区間を保ちつつ、直接の再サンプリングに比べ学習計算量を最大 91.9% 削減したと報告しています。
説明MOFjson：言語モデル向け金属有機構造体（MOF）の明示的トポロジー表現
要約金属有機構造体（MOF）を扱う言語モデルでは、原子の幾何構造と構造トポロジーを分けた形式が使われてきたが、非構造的な座標リストか空間情報のない文字列識別子のどちらかを選ぶ必要があった。本論文は、結合のシフトベクトルを含む原子層と、二次構築単位（金属ノードと有機リンカー）およびネットワークトポロジーを示す派生層に構造データを分けるMOFjsonを提案している。また、結晶データに基づく正解を持つ4種類の質問からなるベンチマークも導入され、MOFjsonは3つのベースラインをすべての質問カテゴリーで上回ったと報告されている。
説明VTC-AUDIT：成対の画像シフト下における視覚トークン圧縮の介入型信頼性監査
要約本論文は、視覚トークン圧縮が通常は干渉のない画像での精度と効率だけで評価されるため、非圧縮モデルは正しく判断できる画像シフトの下で圧縮によって生じる失敗が見えにくいと指摘します。著者らはVTC-AUDITを提案し、完全モデルと圧縮モデルが正しく判断できる画像ペアで増分的リスクを推定します。3つのオープンな視覚言語モデル、4つのタスク、8種類のシフトで検証し、シフト画像上で保持位置を再選択すると、6つのすべての設定で失敗率が上昇することを示しています。支持集合の不安定性は順位付けの信号として弱く、圧縮モデルのクリーン入力に対する不確実性がより有用でした。
説明潜在位置ランダムグラフの同時独立性検定
要約本論文は、潜在位置ランダムグラフ（LPRG）を対象に、M≥2個のグラフの独立性を測る指標としてグラフ・ヒルベルト・シュミット独立性基準（GHSIC）を提案する。隣接行列のスペクトル分解に基づく推定量は、約O~(n^(-1/3))の速度で推定可能であることが示され、カーネルとそのハイパーパラメータを選ぶ必要はない。合成データと、自然言語知覚時の脳機能結合サブネットワーク分析で有効性が検証されている。
説明STEP：ステップごとの確率評価による予測正答性の軟的軌跡推定法
要約本論文は、正解データがない状況で大規模言語モデルの予測が正しいかどうかを推定する手法STEP（Soft Trajectory Estimation of Prediction correctness）を提案しています。学習を必要とせず、軽量な順伝播計算によって各推論ステップの候補解に対する軟的な確率分布を求め、ステップごとの確信度と最終解への推移を捉える特徴量を導出します。複数のベンチマークで、出力ベースの基準手法や二値化した軌跡手法を上回り、特にAUROCで一貫した大きな改善が示されています。
説明エッジAI向けマルチビュー意味認識リソース割当
要約本論文は、マルチユーザーのエッジAIにおける意味認識型リソース割当のためのエンドツーエンドの枠組みを提案します。著者らは機会的情報ボトルネック（OIB）をマルチビュー設定へ拡張したマルチビュー・ガウス情報ボトルネック（MGIB）を提示し、変分近似やネットワークの再学習なしに相補的な信号源ビューを融合します。圧縮レベル選択、伝送モード選択、PRB割当を混合整数線形計画（MILP）として定式化し、ラグランジュ緩和（LR）アルゴリズムで解きます。シミュレーションでは、提案手法が最適に近い効用を達成し、平均割当と比べてPRB効率が約2倍になることが示されています。
説明急性脳卒中の分類：非対称データ標準化と直交・焦点損失で最適化したCNN-ViT交差注意融合の多施設外部検証研究
要約本研究は、救急トリアージの流れを模した階層型コンピュータ支援診断システムを提案し、虚血性と出血性の脳卒中を区別することを目的としています。放射線学的ハounsfield単位ウィンドウから3チャネルの前処理を構成し、CNNとViTのバックボーンに入力し、直交・焦点損失で最適化した交差注意融合ネットワークを用いています。内部データセットではF1スコア95.48%でしたが、AISD、BHSD、PhysioNetによる多施設外部検証では58-62%の範囲に低下し、内部検証の錯覚が示されました。虚血性脳卒中では感度が低く、出血の過剰診断に陥りやすいことも報告されています。
説明人間は未知の世界をどう学ぶか：ARC-AGI-3 の発話思考データセット
要約本論文は、新奇な環境の仕組みを人間がどのように発見し利用するかを記録したデータセットを構築した。ARC-AGI-3 を検証環境とし、64 名の参加者による 144 本の軌跡と、大規模言語モデル（LLM）エージェントによる 250 本の軌跡を収録している。人間の成功した軌跡では定性的表現が使われる割合が高く（50.0% 対 14.3%）、研究では人間と LLM の認知的特徴を比較している。
説明根拠なき確信：医療用視覚言語モデルにおける判定の安定性は視覚的根拠と無関係
要約本論文は、医療用視覚言語モデルが質疑応答で診断画像を実際に用いているかを検証します。実際の画像と空白の代替画像を入れ替え、イタリア国家試験の60問に二段階の敵対的圧力をかけて、回答が覆る割合と推移を比較しました。その結果、画像の裏付けがない判定の方が脆弱だという証拠は見つからず、模型は空白画像でも答えを維持することが多いと報告しています。
説明TRIAGE：効率的な視覚・言語・行動モデル推論には再利用と枝刈りの両方が必要
要約本論文は、ロボットの組み込みボード上で動作する視覚・言語・行動（VLA）モデルを高速化する、学習不要の手法TRIAGEを提案する。スキップする視覚トークンを、特徴のずれの大きさに応じて再利用するか枝刈りするかを決める。TRIAGEは固定の計算予算内で再計算、再利用、枝刈りを振り分け、LIBEROとSimplerEnvで完全再計算に近い平均成功率を保ちつつ、Jetson AGX Orinでプレフィル遅延を最大48%削減した。
説明あいまいな当てはめ：羅生門効果とスケーリング則推定の課題
要約本論文はニューラルネットワークのスケーリング則の当てはめ工程を検討しています。広く使われる非凸な当てはめ手法は局所最適化に依存しており、ほぼ最適な解を保証できず、データを同程度に説明する異なるパラメータ群を見えにくくすると指摘しています。著者らは標準的な当てはめにRashomon効果（羅生門効果）が生じ、ほぼ最適な解の領域は大規模での外挿が大きく異なることを示しました。さらに、ほぼ最適な損失を保証し、対応するスケーリング曲線の範囲を網羅的に写像する決定的な分枝限定法を提案しています。
説明主動的記憶想起におけるスケールの代償：記憶検索の誤報問題を扱う論文
要約長期間稼働するアシスタントが質問されずに記憶を想起する際の判断を、多重検定問題として分析した論文です。記憶の規模Nが大きくなるほど、誤報率を一定に保ったままの的中率が低下することを、LongMemEvalとLoCoMoのストリーミング再生で示しています。さらに、ラベル不要で有限サンプルの誤報保証を持つcue-swap保形ゲートを提案しています。
注目点能動的記憶想起を多重検定問題として定式化し明示的定数付きの冪乗減衰を証明、LongMemEvalとLoCoMoで複数埋め込みモデルにより検証している。
説明産業現場における多モーダル要件トレーサビリティ・リンク復元
要約本研究は、画像を含む産業要件にも対応できる、検索拡張生成（RAG）に基づく要件間トレーサビリティ・リンク復元手法を提案しています。テキストと画像の候補を別々に検索し、視覚言語モデルで各ペアを分類したうえで、モデルが出力した確信度により予測リンクを絞り込みます。3つの産業要件セットと6つの公開テキストデータセットで評価した結果、産業データのF1は0.310で、再現したHeyらのベースライン（0.114）を上回りました。一方、画像クエリに対して関連するテキスト要件を検索できないことが主な限界として残っています。
説明強化学習における最良方策の追跡：学習中の性能変動の下で最良の方策をどう選ぶかを調べる研究
要約本論文は、強化学習の学習中に方策の性能が大きく変動することを指摘し、最終方策や定期評価での最良方策を報告する一般的な方法が、学習全体での最良方策を必ずしも選べないと論じています。著者は事後診断指標を提案し、標準的な連続制御ベンチマークで複数の選択手法の精度と効率を比較しました。結果として一般的な方法は最良方策から大きくずれることがあり、計算コストに制約された検証ベースの方策選択を推奨しています。
説明CaliMem：校正済みメモリに基づく探索効率の高いデータエージェント
要約本論文は、データ整備は下流のモデルやタスクに合わせて行う必要があり、固定パイプラインは信頼性に欠けると指摘します。作者らは、各データ整備方針を実行する前に結果を予測させ、実際の結果と比較して主張を保持・修正・条件付けするCaliMemを提案します。生物学およびLLM事後学習タスクで、固定整備のベースラインや既存手法を上回り、全データ学習も超えました。コードは公開されています。
説明プロトタイプ型分類器における近似アンラーニング：学習済みモデルから特定サンプルの影響を取り除く手法
要約本論文は、一般化学習ベクトル量子化（GLVQ）などプロトタイプ型分類器を対象に、削除要求やノイズ・破損サンプルの影響を除去する頑健な近似機械アンラーニング手法を提案しています。忘却集合のサイズや特性が結果に与える影響を分析し、忘却集合の特性に対して頑健となるよう手法を改良しています。6つの表形式ベンチマークデータセットで、再学習と比べてパラメータと性能の偏差がほぼ0、効率は約6倍から10^5倍と報告されています。実験は二値分類問題のみを対象としています。
説明投影観測から分布頑健な意思決定を認証する
要約本論文は、固定された平均と標準偏差の目標に対する有限ガウス投影実験を扱い、潜在的な共分散やすべての意思決定リスクを特定しなくても、単一のスカラー測定から頑健な決定を導けるかを検討しています。信頼集合による認証手法を示し、決定を返すか未解決の結果を返すかを定め、健全性と必要な棄権条件を証明しています。合成実験では必要な標本予算が理論的下界の21〜52倍と報告されていますが、これは一致する界ではなく、結果はガウス複製の仮定を要します。
説明推論の努力レベルはどれを選ぶべきか？LLMエージェントにおける推論コストの経済学
要約本論文は、大規模言語モデルで調整できる推論努力（reasoning effort）の設定を調べたものです。努力レベルを上げるとコストは増えますが、結果が必ず良くなるとは限りません。著者らは、専有モデルとオープンウェイトモデルを用い、単発の推論と長期的なエージェント課題を含む4つのベンチマークで各レベルの効果を測定しました。その結果、高い努力は低い努力で解ける課題で失敗することがあり、最も簡単な課題では最低レベルの最大42倍の費用がかかる場合がありました。提案されている代替策は、最低レベルから始め、検証で失敗した場合にのみ引き上げる方法で、多くのモデルで固定の最高レベル以上の結果を、より低いコストで得られるとされています。
説明複数の候補解を持つLean命題に対する効率的な証明生成
要約本論文は、Lean 4などの形式システムで、上流のソルバーが複数の候補解を出す場合に検証可能な証明を効率よく生成する方法を扱います。候補解の選択、解の補足、形式証明の生成を一回の推論過程に統合する共同証明フレームワークを提案しています。MATH-500、AMC 2023、AIME 2024/2025/2026において、候補ごとに証明を生成する方式と同じ成功率を、約6分の1のトークンコストで達成し、追加の判定器なしで形式化された命題の少なくとも6.1%が不忠実であることを特定したと報告しています。
説明モデルが検証するのは十分性であり妥当性ではない：利用可能な偽の前提は欠落検出を回避する
要約本論文は、原文による裏付けが同じでも、問題文中に利用可能な材料があるかどうかでモデルが欠落を検出するか否かが大きく変わることを示しています。未裏付けの前提が利用可能になると、欠落の指摘は8〜30ポイント低下し、答えへのコミットは1.5〜2.3倍に増えました。評価者の立場では、必要なステップを削除した解答を78〜99%の割合で合格させることも報告されています。
注目点根拠支持を固定したまま、未支持の前提が使えるだけで検証が省略される現象を、多数の対照実験と複数モデルで示している。
説明プッシュフォワード型深層生成モデルに内在する勾配障壁
要約本論文は、標準ガウス分布などの単純な元分布を複雑な目標分布へ写すプッシュフォワード型深層生成モデルの困難を検討しています。対数凹の元分布を重い裾や多峰性を持つ目標分布へ輸送する写像には、勾配とヤコビ行列の下界が必要であることを示し、困難が輸送問題そのものに由来すると論じています。また、密度の近似が目的の場合に幾何学的障壁を緩和する簡単な全単射再パラメータ化のクラスを提案し、数値実験で理論を裏付けています。
説明潜在ODEによるリー対称性と第一積分のデータ駆動型発見
要約本論文は、動画などの時系列観測から系統の低次元潜在表現を学習し、線形リー対称性と学習された力学の第一積分を発見するLatentLieODE手法を提案している。オートエンコーダで無相関の潜在座標を得た後、線形無限小生成子と潜在ODEを同時にフィットし、最後に第一積分を生成するネットワークを学習する。六つのベンチマーク系で、発見された不変量は真の保存量と|ρ|≥0.978で一致し、球面測地線では非可換なso(3)が復元された。
説明上位フロースコアから線形計画へ：PROMETHEE IIにおけるグループ意思決定
要約本論文は、性能表が固定された場合のPROMETHEE II順位付け問題について、逆解析と合意形成分析を研究している。著者らは、正味フロースコアを重み付けされた選好増分に基づく線形式に再パラメータ化し、重みと選好関数がどのように相互作用するかを明らかにする。この結果をもとに3種類の線形最適化モデルを提案し、選好関数を変化させることで重みのみの逆解析の結論が大きく変わることを例題で示している。
説明EMMA：マルチエージェント・ワークフロー合成のための構造化エピソード記憶
要約本論文は、マルチエージェントシステムの構成（コントローラーのルーティング記憶、汎用プロンプトを継承する専門エージェント、ステップごとの手続き的スキル）をエピソード記憶として扱い、更新する手法EMMAを提案している。各更新の担当範囲と許容条件を明示し、リフレクターが診断された失敗を修正を担うスコープに割り当て、その範囲内で一つの編集案を出す。基盤モデルに依存しないガードが、受理される編集を限定的、漸進的、有界に保つ。KramaBench、AppWorld、BBEHの3ベンチマークで、5つの基盤モデルと4つのベースライン手法と比較し、全ベンチマークで総合性能が最良となり、最強のベースラインを最大32.5%上回った。また、最も効率的なベースラインより17〜38%少ない学習実行回数で済んだ。
説明生成評価のためのカーネル指標の有限サンプル感度に関する研究
要約本論文は、KIDやKADなどのカーネル距離指標が、有限のサンプルサイズで生成サンプルの変化をどれだけ検出できるかを調べたものです。符号化された音楽、音声、画像の実埋め込みで置換二標本検定を行った結果、780サンプルでは既定設定がほぼ回転を検出できず、平均シフトは検出できることが示されました。著者は、カーネル距離を報告する際にサンプル数と検出可能な変化を明記することを推奨しています。
説明PhysCreator：画像から物理属性付きの3Dアセットを直接生成
要約本論文は、画像から物理属性が空間的に変化するシミュレーション対応の3D表現を直接生成する統一フレームワーク PhysCreator を提案しています。インスタンスごとの最適化に頼らず、幾何・外観・物理属性を統一的な3D表現学習の中でフィードフォワードに推定します。物理の正解注釈が乏しい中で、視覚言語モデル由来の材質意味的事前知識をボクセル単位の教師信号に転移させます。実験では、既存手法より視覚品質、物理的妥当性、汎化性能が優れると報告されています。
説明一般化同期に基づく分岐をまたぐ学習済み力学の外挿
要約本論文は、学習済みモデルを外挿して分岐の前後にわたる力学を予測し、未見の混沌的挙動を再構成する方法を扱う。リザーバー計算における一般化同期の枠組みに基づき、事前学習済みの読み出し層を組み合わせた再構成式を導出している。古典的なラグランジュ補間理論を用いて、読み出し誤差と共役残差の厳密な上界を与えている。数値例では、分岐をまたいで混沌的力学を正確に予測できることが示されている。
