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DynaFlow：自由形式のマルチエージェント編成を学習する手法
要約本論文は、メインエージェントがタスクに応じて実行可能なワークフローを生成し、サブエージェントを逐次または並列に動かし、情報交換と検証を行うDynaFlowを提案しています。学習はメインエージェントのみを対象とし、サブエージェントは固定されています。数学推論、科学質問応答、多段階検索の6つのベンチマークで、同じQwen3.5-27Bを基盤とした場合、最強の比較基線を10.90ポイント上回り、全体精度88.08%（Forced モード）を達成しました。
説明IntNet：協調自動運転のための通信駆動型マルチエージェント強化学習フレームワーク
要約本論文は、車両の意図の伝達と適応的な通信スケジューリングを統合したマルチエージェント強化学習フレームワークIntNetを提案する。観測予測モジュール、グラフ注意ネットワーク、通信スケジューラを用いて協調走行の安全性を高める。複雑な都市環境で既存の通信型手法と比較し、協調性の向上、衝突率の低下、通信負荷の削減を報告している。
説明自由形状RFIC受動素子の電磁応答と設計性能のエンドツーエンド・ニューラルモデリング
要約本論文は、自由形状のRFIC受動整合回路について、電磁（EM）応答と後段の設計性能をエンドツーエンドで予測するニューラルネットワーク枠組みを提案しています。周波数を条件とするニューラルシミュレータと回路条件を入力とするニューラルソルバを組み合わせ、両者が相補的情報を捉えるよう依存性正則化を導入しています。専門家設計の輪郭とランダム経路から合成した大規模データセットで学習した2100万パラメータのモデルは、ほぼ全ての対象でR²が0.98を超え、従来のEMシミュレーションより桁違いに高速に評価できると報告されています。
説明タスク関連性に基づくプロンプト拡張による連合継続学習
要約本論文は、連合継続学習のためのTRPE（タスク関連性駆動型プロンプト拡張）モデルを提案している。新しいタスクの到着やカテゴリ数を事前に知る必要がないよう、分布外検出器と半径適応型DBSCANを用いる。また、新旧タスクの勾配の類似度により意味的関連性を評価し、関連する旧タスクのプロンプトを連結して学習に活用する。学習と忘却のバランスにはソフト直交制約を用い、多様なデータセットとバックボーンで有効性を確認したとしている。
説明説明から実現へ：アルゴリズム保険料算定における行動につながる透明性
要約本論文は、機械学習アルゴリズムによって決定された保険料を、契約者にどのように説明すべきかを論じています。有効性、実行可能性、信頼性の3要件を公理として定式化し、モデルの不確実性が高い推奨を除外する保形予測（Conformal Prediction）制約を組み込んだ手法を提案しています。フロリダ洪水保険の実際の請求57,832件と合成運転データ98,058件に4種類の反事実的説明技法を適用し、制約付きの推奨は高リスク契約者にとって、制約なしの推奨より信頼性が高く、予測リスク低減も大きいことを示しています。
説明神経適応型コミュニケーションインターフェースに向けて：個別化された音声・言語支援の枠組み
要約本論文は、利用者の能力や対話の進行に合わせて言語の提示方法を調整する枠組みを提案しています。文の区切り、ピクトグラム、任意の音声出力などが含まれます。適応の主な根拠は行動フィードバックであり、脳波（EEG）は理解度を直接測るものではなく、不確実性を考慮した補助情報として扱われます。固定型、行動適応型、神経適応型の各インターフェースを段階的に比較する評価計画を示し、神経情報が行動ベースラインを上回って理解と効率を高めるかを検証します。
説明EvolveMAS：分散型マルチエージェントシステムのための統一的自己進化フレームワーク
要約本論文は、分散型マルチエージェントシステムが相互作用を通じて経験を蓄積し、自ら改善できるフレームワーク EvolveMAS を提案しています。各主エージェントに専用のメモリエージェントを割り当て、構造化メモリを管理します。適応はエピソード内のオンライン適応とエピソード間の知識進化の二段階で行われます。五つのベンチマーク、三種類の相互作用設定にまたがる六つの評価構成で、正規化平均スコア 77.2 と比較手法中で最高値を記録しました。アブレーション実験では、メモリ管理と知識再利用の両方が性能向上に寄与することが示されています。
説明混合専門家モデルの投機的デコード：エキスパートのバイト数、カーネル帯域幅、最適なドラフト長
要約本論文は、混合専門家（MoE：Mixture-of-Experts）モデルで投機的デコードを行う際の速度を調べたものです。各カーネルが要求するバイト数を有効帯域幅で割り、固定時間を加えて1ステップの時間を見積もり、投機的デコードが通常のデコードより速くなる条件と最適なドラフト長を導いています。llama.cpp Metal、MLX-LM、llama.cpp CUDA での測定では、重複排除版は逐次スロット版より帯域幅が低い傾向があり、1回の検証で5〜8トークンの場合に限って速くなると報告されています。
説明非エルゴード・マルコフ鏡像降下法（非有界ノイズ下）：マルコフ連鎖の定常分布期待値を最適化する確率的手法の研究
要約本論文は、マルコフ連鎖の定常分布の下での期待値として表される凸目的関数を最小化するための確率的鏡像降下法を扱う。アルゴリズムは単一のサンプル経路上で得られるノイズを含む劣勾配観測のみを用いる。著者らはポアソン方程式によってマルコフノイズを分解し、劣勾配とポアソン解が状態空間全体で非有界となりうる正則性・モーメント条件の下でその寄与を評価する。適切なステップサイズの下で、重み付き平均反復点の期待次善性ギャップに対し O(T^{-1/2}) の上界を示している。
説明小物体セグメンテーションにおける検出結果の信頼性に関する研究
要約本研究は、小物体のセグメンテーションを行う範囲を予測バウンディングボックスで絞り込んでも、ボックス外の偽陰性を招かないかを検討しています。小物体としてアデノウイルス粒子を用い、検出には YOLO26x、セグメンテーションには YOLO26x-Sem と Mask R-CNN を使用しました。予備実験では、検出ボックス内に限定すると、ボックス外にある一致した分割結果を除外し、偽陰性を生じるおそれがあることが示されました。
説明ScaleRLT：ループ型Transformer強化学習における厳密な対数確率と高速な遅延ロールアウト
要約本論文はOuroなどのループ型言語モデルに対する強化学習を扱う。ロールアウト側の遅延スケジュールと学習側の密な計算では浮動小数点の結果が食い違うため、サンプルトークンの対数確率が一致しない。著者らは、値はロールアウトのスケジュールによる勾配なし再実行から、勾配は密な学習器から得るハイブリッド対数確率を提案し、複数の試験でロールアウトと再実行がビット単位で一致したと報告し、スループットと更新時間の改善も示している。
説明CTXAgent：LLMエージェントの自己制御型コンテキスト管理
要約本論文は、大規模言語モデルが自らコンテキストを管理する手法を検討しています。モデルはトークン閾値に依存せず、いつ履歴を圧縮するか、何を残すか、引き継ぎ文をどう書くかを自分で決めます。七つの最先端モデルで道具の有無による比較を行い、二つのモデルで三つの一般的なフレームワークとも比べています。多くの強力なモデルは適切に管理でき、コストが下がる一方、Claude Opus 5.5では同等の成功率でClaude Codeより34%・49%低いコストとなりました。エージェント、ベンチマーク、全結果が公開されています。
注目点モデル自身にコンテキストを管理させる手法で新規性がある。七つのフロンティアモデルと複数ベンチマークで体系的に評価し、エージェント実践への影響も見込める。
説明コーディングエージェントによるGPUからTPUへの移行：何が成功し、何が失敗し、どれだけ費用がかかるか
要約本論文は、Claude Codeを用いて10件のPyTorch機械学習プロジェクトをNVIDIA GPUからGoogle Cloud TPUへ移行し、移行後に実行できるか、数値的挙動が保たれるか、意図したハードウェア上で動くか、性能が許容範囲か、を独立して評価しています。70回の実行試行のうち53回（76%）が失敗し、そのうち26回（49%）はエラーを出しませんでした。ある4チップの移行では、エージェントが成功と報告したものの、勾配クリッピングの変化により精度が86.53%から84.89%へ低下しました。ある作業負荷では、TPU向けPyTorch実行バックエンドのTorchTPUが、GPUより1.86倍速く、1回あたり25%安く学習できました。
説明MulFCoder：マルチフレームワーク対応フロントエンドコード生成のための、フレームワーク制約付きマルチエージェント手法
要約本論文は、UIスクリーンショットから実行可能なフロントエンドコードを生成する課題を扱います。既存のMLLMベース手法は主にHTML/CSSに集中しており、React、Vue、Angularなど複数フレームワークへの生成は十分に研究されていませんでした。提案手法MulFCoderは、フレームワーク制約を明示的に符号化した4つのエージェント（Grounder、Planner、Writer、Judger）で構成され、ビルドを伴わない軽量な制約チェックと限定的な修復を行います。実験では、コンパイル成功率が大きく向上し、フレームワーク固有のエラーが減少したと報告されており、特にAngularで顕著な改善が見られたとしています。
説明実行可能な計画と自己蒸留 Transfusion による空間音声の生成・編集（AMBIT）
要約本論文は、一次アンビソニックス（FOA）の空間音声を生成・編集する統一フレームワーク AMBIT を提案しています。音源の内容・活動・三次元軌跡を記述する実行可能な ScenePlan を、自己回帰的な計画と整流フローによるレンダリングを結ぶ共有 Transfusion 基盤で扱います。さらに、FOA を考慮した連続 VAE と、オンポリシー自己蒸留による学習を導入しています。音声・音楽・効果音の評価で、比較対象の手法より生成品質、指示に基づく編集時の音響忠実度、未編集音源の保持が向上したと報告しています。
説明大規模音声言語モデルの組み合わせ汎化のための文脈内アダプター生成
要約本論文は、Text-to-LoRA（T2L）を大規模音声言語モデル（LALM）に拡張し、固定された単一のアダプターを共有するのではなく、Transformerハイパーネットワークで指示に応じたLoRAアダプターを生成します。トークン単位の構造を持つ文脈内アダプター生成（ICAG）手法T2L-ICAGを提案し、2つのLALMで5種類のタスククラスからなる評価セットを用いて検証しています。結果として、静的LoRAや大域的埋め込み型T2Lを上回り、構造的に学習分布外のタスクでより大きな改善が見られたと報告されています。
説明時系列基盤モデルのための動的多段階デコーディング手法
要約本論文は、時系列予測で一括予測と自己回帰的な段階的予測のどちらも固定して用いる従来の方式の限界に着目し、各予測事例ごとに解码方式を適応的に選ぶ動的選択器を提案している。凍結された事前学習済みモデルの隠れ状態を用い、動的計画法で候補の計算量を抑え、五つの選択器の合意によって方式を決める。fev-benchにおいて、Chronos-2およびMoirai-1.1-R-smallを基盤モデルとした場合に点予測精度（MASE）の改善が報告されているが、主張は点予測精度の向上に限られている。
説明円錐も双対も不要：非剛体SfM（NRSfM）向けの高速でスケーラブルなソルバー
要約本論文は、追跡された2D画像から時間変化する3D形状とカメラ運動を復元する非剛体構造復元（NRSfM）のための高速でスケーラブルな解法を提案しています。従来の半正定値計画法の円錐ソルバーと交互方向乗数法（ADMM）の代わりに、微分可能なユークリッド補正と行極射影、展開されたスペクトル近接ソルバーを用いています。28,887点を含む密な系列で、再構成精度を保ちながら7〜1000倍の高速化を報告しています。
説明超伝導文献を対象とした、領域認識型の構造化抽出と検索拡張型質問応答のパイプライン
要約本論文は、arXiv 上の超伝導論文を構造化メタデータ付きの検索可能なコーパスに変換し、検索拡張型の質問応答を行うエンドツーエンドのパイプラインを提案します。材料と超伝導転移温度の領域認識型抽出と、密ベクトルと構造化フィールドを組み合わせたハイブリッド検索を用いています。人手で検証した金標準データでは、領域認識手法のペア精度は 45.5%、正規表現ベースラインは 9.1% でした。一方、100 問のベンチマークでは、メタデータを加えたハイブリッド検索の再現率（39%）は加えない場合（41%）を上回らず、BM25 が最も高い（47%）結果でした。
説明非凸・非平滑最適化のための制御付きブロック近接線形化法
要約本論文は、元の目的関数の有界性や強制性を仮定せずに、多ブロックの非凸・非平滑最適化問題を扱います。著者らは、元の目的関数・変数・制約を保持したままブロック更新に制御ポテンシャルを組み込む、制御付きブロック近接線形化（CBPL）法を提案します。明示的な制御設計条件とKL性質のもとで、反復列の有界性、有限長、元の変数の列全体の収束、目的値の収束が得られることを示します。グラフ正則化非負値行列分解、CP分解、ℓ0ノルム疎性制約付きの独立コア行列三重分解に適用し、その有効性を実験で確認しています。
説明人間の意図から軌道上の行動へ：6G衛星ネットワーク向け自己学習型大規模言語モデルエージェント
要約本論文は、6G低軌道衛星ネットワークを自律制御するためのALMOND（大規模言語モデルが統括する自律ネットワーク設計）というフレームワークを提示しています。自然言語の要求を多目的強化学習の報酬関数に変換し、失敗した方策の軌跡から暗黙の運用制約を抽出するほか、大規模言語モデルが方策アーキテクチャの生成と評価を導きます。350機の衛星からなるデジタルツイン上で、極域でのハンドオーバー成功率は55%から95%超に向上し、ベースラインより約3倍速く収束し、報酬設計の作業時間は48時間から4.5時間に短縮されました。
説明ParetoRSI-Gym：AIエージェントは複数分野で言語モデルを改善できるか
要約本論文は、数学・コード・金融・医療・科学の5分野にわたり、エージェントがデータを探索・選別・学習し、分野ごとの結果を読み取って反復する評価環境ParetoRSI-Gymを提案しています。3種のエージェントシステム、3つのベースモデル、5ラウンドで検証しており、最も強いシステム（Claude CodeとOpus-5の組み合わせ）では、プロキシ上で最良のチェックポイントの汎化スコアが初期モデルより相対で9.2％（絶対で2.3ポイント）向上しました。単一分野での相対向上は最大63％です。
説明結果を考慮するエージェント：因果構造は前向きモデルが行動の帰結を予測するのに役立つのか
要約本論文は、真の帰結が既知の合成構造因果モデルにおいて、因果構造が学習済み前向きモデルの予測を助けるのはいつかを調べています。観測変数を因子とした場合、提案手法AC-LSCMは10変数のすべてのグラフで真のグラフを正確に復元し、3ステップ予測誤差はすべてのベースラインより低くなりました。一方、学習された潜在因子を用いると、同じモデルはベースラインより劣りました。著者らは、因子の選択が明示的なdo演算子や反事実データよりも重要であり、いずれの計画器も理想からは大きく離れていると述べています。
説明AndroidFlux：モバイル操作マルチモーダルエージェントの失敗回復能力の評価と報酬モデリング
要約本論文はAndroidWorld上に構築した失敗回復ベンチマーク「AndroidFlux」を提案し、最初の回復可能なエラーの前後にチェックポイントを設けて、異なるエージェントが同じ端末状態から続行できるようにしています。あわせて報酬モデリングのベンチマークと、オフライン強化学習用データセットを公開しています。結果として、回復性能はクリーンな状態からのタスク成功率と部分的にしか相関せず、明示的な推論が効果を持つのはGUI領域特化の強化学習で学習したモデルに限られることが示されています。
説明「どこで」か「どれだけ」か？尾部キャリブレーションが示す有限予算でのBest-of-N選択の報酬ハッキング
要約本論文は、大規模言語モデルのBest-of-N選択における失敗リスクを扱う。候補数Nが大きいほど、選ばれる結果は代理報酬の極端な尾部に依存する。著者らは、BoNが分数の順位のみに依存し、校正曲線が尾部で下降する場合にのみ性能が低下することを示す。実データの実験では尾部の失敗は稀で、保留された尾部校正統計量が予算上限の効果を予測できることが報告されている。
注目点正確なBoN値が条件付き真の報酬のBeta重み付き積分であることを示し、誤差の裾による三分類を与える。理論的貢献は明確で、実験は複数領域だが規模は限定的。
説明ComBeautify：変更要約を活用した Conventional Commits 形式のコミットメッセージ自動生成
要約本論文は、Conventional Commits 仕様（CCS）に準拠したコミットメッセージを自動生成する手法 ComBeautify を提案する。Git の差分を文脈を保持したまま要約し、大規模言語モデルと組み合わせることで、CCS 下でのコミット分類精度を高める。カテゴリ定義は人手で作成せず、過去のコミットから学習する。13 言語、6,500 のオープンソースリポジトリ、2,000 万件以上のコミットを対象とした評価では、CCS の遵守率が上昇している傾向が示された。プロジェクト固有のデータで学習させると、基線手法の最大 3 倍の性能を示したという。
説明SEEK：進化する知識を用いて、最先端の科学エージェントから技能を抽出する手法
要約科学エージェントは領域の専門知識を再利用可能な技能としてまとめることが増えています。本論文は、8つのオープンソース・クローズドソース両方のプラットフォームにまたがる40の保護対象技能からなるベンチマークを構築し、直接質問、固定戦略、多腕バンディットに基づく反復探索の3方式を比較しました。その結果、全8プラットフォームが少なくとも1つの保護技能を漏えいさせ、4つは単一の直接要求で攻撃成功率100%に達しました。さらに、ユーザーに見える応答のみを使い、自己進化する黒箱型のレッドチーミング・エージェントSEEKを提案し、一部の技能で攻撃成功率100%を達成しました。
説明6G推論エージェント社会：合成・スケーリング・一貫性時間則（LLMエージェントが結論を交換する6Gネットワークの集団挙動を理論的に分析した論文）
要約本論文は、将来の6G制御プレーンで複数の大規模言語モデル（LLM）エージェントが解釈済みの結論を交換する際、伝送に誤りがなくても幻覚が伝播しうることを扱います。著者はエージェント社会をセル状シーフとしてモデル化し、合成則、スケーリング則、一貫性時間則の3つの法則を提示しています。これらはシミュレーションおよび展開されたLLM社会で検証され、近リアルタイム運用に対する最悪ケースの遅延上限を与えるとされています。
説明マンモグラムの勾配パターン解析のための計算効率の良い非補間仮想トレリス手法
要約本論文は、非補間仮想トレリス（NVHT）演算子を提案し、マンモグラムの特徴抽出に用いる研究です。この手法は正方形の画像を六角形のトレリスに変換せず、同じ画像上でフィルタカーネルを用います。計算量と記憶コストの削減をうたい、疾患分類における特徴抽出の効率と精度の向上を目指しています。
説明冒頭を超えて：最初のトークンが推論の長さに与える持続的影響の追跡
要約本論文は、推論モデルにおいて最初の推論トークンの選択が後続の推論の長さにどのように持続的な影響を与えるかを調べています。最初のトークンだけを入れ替えて生成を再開しても、残りの推論の長さが大きく変わることを示しています。さらに、その影響は少数の感度の高い生成位置に集中しており、これらの位置から最初のトークンへの注意を遮断すると長さの差が縮まると報告しています。
