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。
説明非線形直接フィードバック整列：スケーラブルな逆伝播なし学習法
要約本論文は、逆伝播（BP）が生物学的に不自然で、層間の並列化を妨げる逆方向ロッキング問題を抱えている点に着目し、直接フィードバック整列（DFA）を改良しています。提案手法の非線形直接フィードバック整列（NDFA）は、軽量な非線形代理サブネットワークを用いて各隠れ層のフィードバックを構成し、そのサブネットワークを更新する学習戦略も導入しています。残差ネットワークとビジョン・トランスフォーマーを対象に、CIFAR-10、CIFAR-100、SVHN、ImageNetで実験を行い、既存のDFA手法より高い性能を示し、BPとの性能差を縮めたと報告しています。
注目点固定フィードバック行列を軽量な非線形代理サブネットワークに置き換えDFAを改良し、更新戦略も提案。多データセット・多構造で実験し、BPとの差を縮めた。
説明異論を分離してエージェントの過度な防御的記述を減らすハーネス
要約論文は、エージェントがレポートを拡張する際、元の記事より強い主張をいったん書き、それを打ち消してしまう「過度な防御的記述」を取り上げています。著者らは、審査者、フィルター、執筆者を分離し、執筆者はフィルターが選んだ問題だけを受け取るハーネスを提案しています。25件のビジネス案件草稿を正式なレポートに拡張した評価では、防御的な命題が59件から2件に減少し（96.61%減）、原文の主張の保持率は80.35%から93.12%に上がったと報告されています。
説明SMEBENCH：合成MIDI編集によるニューラル音楽編集のベンチマーク
要約本論文は大規模な音楽編集ベンチマークSMEBENCHを提案します。シンボリックMIDI演奏を修正し、対応する元音声と目標音声をレンダリングして作成されており、楽器編成、奏法、強弱、音高の12種類の操作を含みます。3,600例のバランスの取れたテストセットと、マルチトラック録音から作られた実音声の補助セットを備えています。対になった目標により、元の内容の保持、目標との一致、テキストとの整合性を独立に評価できます。著者らは六つの代表的な編集システムを評価し、使用する指標によってシステムの順位結論が大きく変わることを示しました。
説明声紋からユーザー実体へ：多人数音声エージェントのためのオンライン話者メモリ構築
要約本論文は、声紋は身元の観測であって身元そのものではないと主張し、音響的証拠の変化に応じて持続的なユーザー実体を維持するオンライン話者メモリ構築を提案している。学習を必要としない層EvoSpeakerMemを導入し、因果的な話者ルーティング、選択的な音響状態更新、身元で分割されたメモリの書き込みと検索を行う。また、話者身元を隠した音声メモリベンチマークLoCoMo-IDを構築した。実験では身元ゲート付き質問応答の改善が示される一方、断片化と誤ったユーザー間の結びつきとのトレードオフが指摘されている。
説明トークン信頼度は連鎖の長さにすぎないのか？推論トレースの信号処理による検証
要約本論文は、推論言語モデルが生成する思考連鎖のトークン信頼度を用いて回答を選別する手法を検証しています。この手法は2048トークンの窓で平均信頼度を求め、その最小値を評価に使います。著者は信頼度を信号として捉え、スペクトル解析や変化検出の統計的手法で分析し、2つの数学ベンチマークの500問について各16本の連鎖を調べました。その結果、この評価指標は主に連鎖の長さを表しており、長さを考慮すると正答との関連は見られませんでした。
説明保守的決闘バンディット：ベースライン制約下の選好学習
要約本論文は、各ラウンドで提示される優れた選択肢の累積スコアが信頼できるベースラインの一定割合以上であることを要求する、保守的な文脈付き決闘バンディットを扱う。この制約は効用の差のみに依存する。保守的バンディットアルゴリズムCLUCBの安全性検定をそのまま流用すると、線形の後悔が生じうることを示す。線形効用にはMaxInP-BC、一般の効用クラスにはBTIGW-BCを提案し、いずれも高い確率で常に制約を満たしつつ、後悔の上界を示す。
注目点保守的決闘バンディットに新たな安全制約を導入し、CLUCBの安全検定が線形後悔を生むことを示し、理論保証付きの二手法を実験で検証。
説明RankFormer：表現容量の分析と段階的デコードによる時系列Transformerの再考
要約本論文は、多変量時系列予測のためのエンコーダ・デコーダ構造RankFormerを提案している。著者らはランクに基づく分析枠組みを構築し、トークン化、埋め込み、アテンション設計が時系列Transformerの表現容量に与える影響を検討した。その知見をもとに、Hourglass Attentionを備えたランク強化エンコーダと、大域的に誘導されるチャネル間相互作用と段階的な精緻化により将来軌道のモデリングを改善する対話型段階的デコーダ（IPD）を提案している。実世界の長期予測ベンチマークでの実験では、最先端手法に対して競争力のある性能を示したとされる。
説明HeteGCD：ヘテロフィリックグラフにおける一般化カテゴリ発見のための統計認識型デュアルプロトタイプ学習
要約本論文は、隣接ノードの属性やクラスが異なることが多いヘテロフィリックグラフ上で、既知クラスのラベルのみを用いて既知クラスの認識と新規クラスの発見を行う一般化カテゴリ発見（GCD）を扱います。提案手法HeteGCDは、ゲート付きデュアルストリームエンコーダで節点属性と局所的な属性差分統計を統合し、特徴類似度と分布の一貫性を組み合わせたデュアルプロトタイプ分類器でカテゴリを発見します。5つのヘテロフィリックグラフでの実験では、24の基準手法の組み合わせと比べて競争力のある性能を示しています。
説明TOPS：多タスクロボット操作のためにフローの初期分布と輸送経路を再設計する手法
要約本論文は、言語指示に基づく多タスクロボット操作で共有されるガウス初期分布と線形輸送経路の制約を指摘し、ネットワーク構造を変えずにタスクごとにフローの初期分布と補間スケジュールを適応させるTOPSを提案する。LIBERO、LIBERO-Plus、CALVINでの実験により、分布内・摂動・環境間の各設定で性能とデータ効率が向上したと報告されている。LIBERO-10では、積分1ステップのTOPSが標準フローマッチング（10ステップ）の成功率53.44%を69.67%に引き上げ、推論時間はベースラインの約6分の1になった。
説明PsyJev：システム1判断による心理分析モデル
要約本論文はウェブ上の自己開示文を対象とした心理分析を扱い、6つの心理領域にわたる13の注釈付きデータセットと82の質問からなるPsyJudgeBenchを整理しています。直接各質問に対応する答えの確率分布を出力するシステム1モデルPsyJevを提案し、共同教師あり学習と、JA-RLCDによる強化学習で最適化しています。
説明確率ゲームにおけるフィードバック型独裁戦略：繰り返しゲームの利得制御戦略を確率ゲームへ一般化
要約確率ゲームは、確率的な環境で複数のエージェントが行う最適制御問題です。環境状態が一つの場合は繰り返しゲームと呼ばれます。本論文は、繰り返しゲームで一方的に利得を制御する既存の戦略を確率ゲームのフィードバック戦略へ一般化し、その性質を調べています。一定の仮定の下で、そのような戦略が利得の制御器として機能するための必要十分条件を示し、社会的ジレンマに関連するいくつかの例で性能を示しています。
説明生物の曲線からソフトモジュラーロボットへ：学習に基づく逆設計と不確実性を用いた改良
要約本論文は、生物の形状曲線を実現可能なロボット構成に変換する、学習ベースの実→シミュレーション→実のフレームワークを提案している。学習済みの逆予測、対象を絞った候補探索、そして高速な順方向サロゲートモデルによる評価と選択を組み合わせている。順方向の変形予測時間は約1.53×10^5ミリ秒から0.0008ミリ秒に、設計時間は約1.99×10^6ミリ秒から4.18ミリ秒に短縮されたと報告している。未見の通し方パターンによる5000件のテストで、サロゲートに基づく評価で93%の形状再構成成功率を示し、4台の仿生ロボットによる実機デモも行っている。
説明幼児規模の言語モデルにおける特化、多様性、スケーリング
要約著者らは、家庭内録音で得られた子どもと大人の発話の書き起こし（BabyView）と、合成された子ども向け対話（TinyDialogues）で小型のGPT-2モデルを訓練し、データの量、出所、多様性を変えて比較しました。ある子どもの言語環境で訓練したモデルは、その環境を他の子どもの環境よりも大幅によく予測しました。この特化は主に語彙と分布のレベルで見られます。複数の子どものデータで訓練すると、混合したテストデータの予測は明確に改善しますが、文法ベンチマークでの改善は明確ではありません。
説明原子をエージェントとみなす：集団予測符号化による創発的秩序
要約本論文は、言語の創発理論である集団予測符号化を物理学に適用し、各原子を互いの振る舞いを推論によって予測し合うエージェントとみなします。二次元の強磁性・反強磁性イジングモデル、競合するストライプ秩序を持つ二次元スピン模型、Sherrington–Kirkpatrickスピングラス模型の三つの例で検証しています。いずれの例でも、観測されたスピン配置のみから、レプリカ重なりを含む適切な巨視的秩序変数が自動的に得られることが示されています。
説明信頼できる領域を学習する：三次元変形位置合わせのための信頼性誘導型エキスパートルーティングと速度ゲーティング
要約本論文は、三次元変形可能画像位置合わせのための対称フレームワーク「ReliMorph」を提案する。局所相関分布により対応関係の曖昧さを評価し、その信頼性情報をもとに空間エキスパートの融合と残差速度のゲーティングを行い、粗から細への変形更新を進める。著者らは、対応の信頼性に基づいて空間エキスパートのルーティングと残差速度ゲーティングを同時に条件付ける最初の三次元変形位置合わせフレームワークだとしている。解剖学的重なりの指標で比較手法を上回り、単一モダリティおよびマルチモダリティの位置合わせに有効だと報告している。
説明必要なときだけ画像を見る：効率的な拡散型VLMのための証明書誘導型視覚ルーティング
要約拡散型視覚言語モデル（DVLM）は各デノイジングステップで入力全体を処理するが、対象ベンチマークでは視覚トークンが入力の89〜97%を占め、計算の大部分が同じ画像の繰り返し処理に費やされている。本論文はLOWNという復号手法を提案する。画像なしで被マスクトークンを予測し、その予測が直前の画像条件付き予測と食い違う場合にのみ画像を処理し、一致する場合は前の予測を再利用する。学習や閾値調整なしで、10のベンチマークにおいてLLaDA-Vのスコアの99.6%を保ちつつ、復号FLOPsは平均35.3%で済んだ。
注目点無画像予測との一致で画像処理を決める適応的デコードを提案し新規性は中程度。10ベンチマークで得点99.6%維持、FLOPs35.3%と証拠は充実、影響は拡散VLMに限定。
説明フロンティア大規模言語モデルにおけるアッシュ同調実験の定量的分析
要約本論文は、アッシュの同調実験を用いて、フロンティア大規模言語モデルが人為的に作られた合意に同調するかを調べる。同一の質問を繰り返しサンプリングして回答の分布を求め、人為的な合意を提示する前後で分布を比較する。実験により、フロンティアモデルが実際に同調することが確認され、同調が生じる条件と程度に関する定量的データが示された。
説明大規模言語モデルを用いた分節談話表示理論に基づく日本語談話構造解析
要約本論文は、分節談話表示理論（SDRT）に基づく談話解析を扱います。従来の研究は英語に集中していました。著者らは大規模言語モデルで既存の英語SDRTコーパスを翻訳し、日本語コーパスを構築しました。プロンプト方式と微調整方式のモデルを比較した結果、英語と日本語で同程度の性能が得られ、SDRTに基づく解析の言語横断的な適用可能性が示されました。
説明マルチエージェント入札における後悔なし学習の不可能性（多数の入札者が同時に自動入札を行う場合に、全員が後悔なし保証を同時に得られないことを示す理論研究）
要約本論文は、予算または投資収益率の制約を持つ複数のペーシング入札者による、繰り返し行われる第二価格オークションを扱います。すべての入札者が同時に後悔なし（no-regret）を達成することは計算上不可能であることを示し、高分散と高い後悔の間の確定的な関係を確立しています。また、低分散システムからペーシング均衡を取り出すことで、共同の後悔なし達成がPPAD困難であることを証明しています。さらに、一般的な入札アルゴリズムが簡単な市場でも循環により高分散の挙動を示しうることを、力学系と数値シミュレーションで示しています。
注目点マルチエージェント入札で同時にノーリグレットを達成することは計算上不可能であることをPPAD困難性で示し、新規性と影響が大きい。
説明SWIM：行動から見てJEPAワールドモデルに重要な状態を学習する手法
要約本論文は、オフラインの軌道から逆動力学モデルを用いて状態特徴ごとの重みを学習するSWIM手法を提案し、JEPAワールドモデルを状態情報で教師ありに学習させます。重みは各特徴が行動予測にどれだけ寄与するかを示し、潜在空間と状態空間の距離を揃える加重状態距離を定義します。逆動力学モデルは学習時のみ使用され、計画時には追加の計算は不要です。五つのシミュレーション上のロボット操作タスクで、SWIMは一様な重み付けより計画の成功率を一貫して向上させたとしています。
説明「どこからの視点でもない」：集団中心のエージェント進化
要約本論文は、自己改善型AIエージェントが集団全体の成功・失敗・過去の自己修正の履歴を踏まえて改善を行う、集団中心の進化手法（PCE）を提案します。同一のモデル、初期設定、進化スケジュールの条件下で、PCEはSWE-bench Verifiedで72.1%、Polyglotで96.7%の成功率を達成し、強力な群進化ベースラインをそれぞれ3.2および5.9ポイント上回りました。
説明SAGE：点群位置合わせのための意味情報拡張型幾何エキスパート手法
要約点群位置合わせは、部分的に重なる点群を揃えるシーン再構成の基本作業である。低重なり条件では、形状は似ていても意味の異なる構造（テレビの角と机の角など）を区別できず、誤った対応付けが生じやすい。本論文は、凍結した事前学習済みの点群意味表現を位置合わせ手法に組み込むSAGEを提案する。意味誘導型エキスパート混合（SG-MoE）により各エキスパートが異なる意味・幾何パターンに特化し、3DLoMatchで最も高い位置合わせ再現率を達成した。
説明偏微分方程に基づく能動的単純仮説検定の最適指数の上下界
要約本論文は、能動的単純仮説検定（ASHT）問題における最適誤差指数の一般的な上界と下界を示します。Vijayan（2025）による最適指数の偏微分方程式（PDE）による特徴付けと、Hamilton-Jacobi方程式の粘性解の比較原理を組み合わせています。得られた界は凸関数、集合、下ハミルトニアン緩和によってパラメータ化され、文献における既知の多くの結果を一般化します。
説明パラメトリックマルコフ連鎖のための対数微分トリック：スケーラブルなモンテカルロ勾配推定法
要約本論文は、パラメトリックマルコフ連鎖（pMC）における期待報酬と到達確率の最適化を対象とし、対数微分トリック（log-derivative trick）を測度論的に一般化したモンテカルロ勾配推定器を提案する。この手法はサンプルされた軌道に沿って計算を行い、大域的な状態空間の構築や線形方程式系の求解を必要とせず、連続および一般のσ有限状態空間にも拡張できるとされる。著者らは、概ね確実な停止と標準的な正則性条件のもとで推定が不偏であることを示し、合成離散モデルと連続状態の事例研究において既存の解法より大きな状態空間に対応し、実行時間を大幅に短縮できたと報告している。
説明記憶するだけでは不十分：マルチエージェントで記憶を修正し、使う場面を学習する研究
要約本論文は、大規模言語モデルによるマルチエージェントシステム向けに、訓練を必要としないDiscernMemフレームワークを提案します。欠陥認識型記憶修正（DMR）は、記憶あり・なしのチーム実行を比較して規則の欠陥を診断し修復します。境界学習型メタ記憶（BLM）は各記憶の使用履歴と効果を記録し、どの役割がいつ記憶を適用または回避すべきかを学習します。実験では、AutoGen、CAMEL、MacNetの3システムで平均スコアが最も高くなりました。
説明TACO-Graph：テキスト属性付きグラフの自動構築
要約本論文は、特定のデータセットとタスクに最も有効なグラフ構築方法を学習する決定木フレームワーク、TACO-Graphを提案する。対象は多属性の表形式データから構築されるテキスト属性付きグラフ（TAG）である。有効なTAG表現を列挙し、小規模な代表サブセットでの高速な代理評価で各構築を採点し、その結果から解釈可能な決定木を学習する。引用ネットワーク、商品レビュー、文献関係の5データセットで、ノード分類とGraphRAG検索に対する構築品質の予測は、平均Spearman順位相関係数がそれぞれ0.9および0.8を上回った。
説明低コストの公平性修正はいつ安全か？双方向マッチング市場における事後編集のスクリーニング
要約本論文は、入学選抜などの双方向マッチング市場において、再学習なしで推論時に保護属性の影響を下げる閉形式の線形射影手法を研究しています。編集前後で市場の垂直順序が保たれる場合の平均的な厚生変化の上限を示し、事前導入用のスクリーニングとして PASS、KILL、OUT-OF-SCOPE のいずれかを返す手法を提案しています。合成市場および現実的市場での実験結果が述べられています。
説明画像モデリング：手作業の事前分布から基盤画像モデルへ
要約本論文は、共通のベイズ枠組みのもとで、約六十年にわたる画像モデリングの発展を整理しています。逆問題を解くための手作業で設計された数学的事前分布から、画像生成と逆問題の双方に用いられるデータ駆動型の深層基盤画像モデルへの流れを扱います。両者はいずれも画像データ多様体の確率的な特徴づけとして捉えられ、その中心となるのが対数事前分布の勾配、すなわちStein スコア関数です。著者は、信号処理と機械学習の二つの分野の発展を、解析的モデルから大量データで学習されたモデルへの一つの流れとして結びつけています。
説明Tap2Listen：ストリーミング音声・映像話者抽出における即時ターゲット切り替え
要約本論文は、ストリーミング音声・映像ターゲット話者抽出のためのモデルTap2Listenを提案し、会話中に対象話者を即座に切り替えられることを目指しています。音声エンコーダは対象に依存せず、選択された顔の視覚情報はデコーダのみを条件付けるため、切り替えは0.12msの再射影で即時に反映されます。LRS3-2mixテストセットでSI-SNRiは8.85dBから9.68dBに改善し、既知の顔への切り替え後は最初のフレームから完全な品質で出力できると報告されています。また、単一のCPUコアでリアルタイムに動作することも示されています。
説明摂動一貫性はソフトマックス信頼度を超える情報を与えるか：決定一貫性フレームワークの理論と証拠
要約本論文は、入力に微小な摂動を加えても予測が保たれるかを測る一貫性スコア（決定一貫性フレームワーク DCF）を検討する。クリーンデータでの誤分類検出では、凍結 CNN で AUROC が 0.057 低く、計算量は 8～15 倍である。一方、CIFAR-10-C のノイズ劣化下や投影勾配攻撃（予算 2/255）下では一貫性が追加情報をもたらし、攻撃時の AUROC は 0.83 で、MSP の 0.37 を上回る。
説明解釈可能な非線形構造システム同定のための深層ベイズ手法
要約本論文は、非線形構造物のシステム同定に深層ベイズフィルタリングを適用する方法を体系的に解説するチュートリアルです。深層マルコフモデル、物理誘導型深層マルコフモデル（PgDMM）、ニューラル拡張カルマンフィルタ（Neural EKF）を比較し、ヒステリシスのあるBouc-Wen結合を持つ三次元せん断框架のベンチマークで、動的状態推定と状態・パラメータの同時推定を検証しています。
説明AI生成ウェブコンテンツの不均等な増加：500万件超の公開ウェブページの測定研究
要約本研究は、クロール可能な500万件を超える公開ウェブページを対象に、AI生成テキストを含むページの割合を推定しました。英語ページの割合は他言語より高く、.gov や .edu ドメインは .com より明らかに低い結果となりました。ウェブのネットワーク上で中心性が低いページほど、AI生成テキストが最も多く、増加も最も速いことが示されています。推定には複数のAI検出ツールと、検出器の誤検知・見逃しを補正するベイズ階層モデルが用いられました。
説明バッチサイズは1でよい：分類器の幾何構造によるテスト時適応
要約ラベルのないテストデータが1件ずつ届く場合にデプロイ済みモデルを更新する手法OriTTAを提案している。ソースモデルから固定の幾何学的目標を作り、選択した特徴を予測クラスの軸へ揃え、クラスごとに1件を保持する記憶と再分類による崩壊検出で特徴の崩壊を防ぐ。CIFAR-10-C、CIFAR-100-C、ImageNet-Cにおいてバッチサイズ1で最も高い平均精度を示し、ImageNet-Cの霧データでは崩壊は見られなかったとされる。
説明イベントベース宇宙機姿勢推定における極性-時間相互作用と多段階信頼性
要約本論文は、イベントカメラを用いた宇宙機の姿勢推定のための信頼性認識フレームワークを提案し、極性-時間による局在化、幾何学的復元、イベントとCADの一致による姿勢精緻化、軌道最適化を連結します。正イベント、負イベント、直近イベントのタイミングを三分岐で表現し、クロス分岐注意機構とゲーティングを経て時空間集約を行います。公式SPADESチャレンジのテストセットで、完全システムの総合姿勢スコアは0.0474で、PASAN+IRISより約5.4%低い結果でした。
説明動きを手がかりにした非対称予測によるロボット制御向け動画モデルの適応
要約World Action Models（WAM）は、将来の視覚観測と行動を同時に予測することで、事前学習済みの動画生成モデルをロボット制御に利用します。本論文は、動的な領域に重点を置いて視覚の教師信号を与えると方策の性能が大きく向上することを示し、その手法としてMotion-Guided Asymmetric Prediction（MoGAP）を提案します。MoGAPは動的な領域により強いノイズを加え、ノイズの少ない静的な領域を文脈として再構成させます。GR-1卓上ベンチマークでは、Fast-WAM（Wan2.2-5B）の成功率が38.8%から47.5%に、Cosmos3-Nanoが52.3%から62.3%に向上しました。
説明「神はサイコロを振らない」：エージェントによるカーネル生成でのバッチ不変性の強制
要約大規模言語モデルの推論サービスは、ユーザーのリクエストを動的にまとめてGPUで実行します。カーネルにバッチ不変性（BI）がないと、同じ入力でもバッチの文脈によって数値結果が変わり、再現性が損なわれます。論文では、公開されたバッチ適用可能な83の成果物のうち19件でBI違反を確認したと報告しています。提案手法は、契約に基づく静的依存関係解析とバッチ文脈を跨いだビット単位の一致の動的検証を組み合わせ、最適化ループの受け入れゲートとして組み込みます。これにより、性能測定の前に危険な候補を棄却します。BI通過率は67.6%から91.9%に向上し、ベースラインの幾何平均高速化率の91.8%を維持したとしています。
説明Dream-COP：経験世界で組合せ最適化問題のアルゴリズム発見を導く手法
要約本論文は、大規模言語モデル（LLM）を用いて反復的にプログラムを生成・評価し、組合せ最適化問題（COP）のアルゴリズムを自動発見するDream-COPフレームワークを提案する。過去の探索軌跡とその結果を経験世界とみなし、方策エージェントがその中でリプレイにより実行可能な方策を学習して、発見エージェントのプログラム生成と改良を導く。5つのCOPでの実験では、固定的な探索より優れたアルゴリズムを発見し、ナップサック問題（KP）では最適値に到達、OBPPではギャップを2.112%から1.199%に縮小し、検索リクエストを42.5%削減した。
説明Mamba-2の状態圧縮のための平衡状態部分空間
要約本論文は、Mamba-2の固定サイズ再帰状態を対象に、座標ごとではなく書き込みと読み出しに対応する部分空間上で平衡切り捨てを行う学習後圧縮手法を提案しています。さらに、Hankelスペクトルから層ごとにランクを割り当て、検索に敏感な層を保護するHARPを導入しています。状態次元を半分にした場合、130Mから2.7Bのモデルで WikiText-2 のパープレキシティ上昇は平均0.3ポイント（1.8%）で、GHOSTの1.6ポイント（9.3%）より小さくなっています。
注目点Mamba-2の状態圧縮にバランス切断を適用し、Hankel spectrumで層ごとの階数を配分。130Mから2.7Bで困惑度増加0.3点と既存手法より良好。
説明行列分数計画法による正規化カットとデータクラスタリング
要約本論文は、データクラスタリングの基本問題である正規化カット（NCut）を扱う。従来の分数計画法（Dinkelbach変換）は単一比率にしか対応できず二クラス分類に限られていたため、複数の比率項を扱える新しい多次元二次変換を提案する。この手法によりNCut問題を二部マッチング問題に帰着させ、線形探索で解けることを示す。また、MM（極小化・極大化）理論との関係を明らかにし、収束挙動を特徴づけるとともに、データクラスタリングと画像分割の実験でその有効性を示す。
説明イベントカメラとRGBを組み合わせた4D再構成
要約本論文は、単一の移動カメラから動的な3次元シーンを時間方向も含めて再構成する問題を扱っています。RGBのみを用いるMonst3Rモデルに、イベントカメラの入力分岐を追加し、それ以外の構造は変更していません。3つのベンチマークデータセットで、この単純な融合によりAbs Relが平均3.4%改善し、物体の動きが大きい条件で改善が最も大きいと報告されています。
説明連続画像からのカメラ対四足ロボットの姿勢推定
要約本論文は、単眼動画像列から四足ロボットの全身18自由度姿勢（6自由度の基部姿勢と12個の関節角度）を推定する手法QuadPoseを提案している。公開ベンチマークが存在しない問題に対応するため、著者らは初のカメラ対四足ロボット姿勢ベンチマークQuadSynも提示している。QuadSynでの評価では、PCK@2.5pxが92.18%、PCK-AUCが95.54%、ADD@20cmが85.94%、ADD-AUCが66.98%、平均関節角誤差が3.65度で、約33 FPSで動作するとされる。
説明形式化の学習：自由形式のタスクと高速な意思決定モデルをつなぐ
要約本論文は、タスクの文脈から検証済みの選択肢を生成する小型の候補形式化モジュールを提案し、凍結した意思決定モデルがその中から選ぶ方式を示しています。これにより、高速な意思決定モデルと汎用大規模言語モデルの間にあるインターフェースの隔たりを埋めることを目指しています。CALVIN-Dのテストでは、DeepSeek V4 Flashの姿勢候補を用いた場合の成功率は46.5%で、公式のTypeSafe Jev-1.13.0の汎用動作（11%）を上回りました。別の実験では、微調整された形式化器により、ローカルの意思決定モデルのタスク成功率が最大52.6%（未使用時11.8%）となり、エンドツーエンドの遅延は2.09秒でした。同じ条件でのQwen3.5-27Bは3.67秒です。
説明WithinVAE：自己蒸留による意味構造を持つコンパクトな視覚オートエンコーダ
要約本論文は、序列的ボトルネック、自身の指数移動平均コピーからのDINO/iBOT型自己蒸留、位置依存のトークンマスキングを備えた、コンパクトな変分視覚オートエンコーダWithinVAEを提案している。事前学習済みの認識エンコーダや外部の意味的ターゲットを必要とせず、4倍の圧縮率を実現する。ImageNet-1K（256×256）では、4つの再構成指標すべてでRPiAEを上回り、PSNRは1.36 dB向上した。凍結評価の線形プロービングでは、RPiAEを6.5ポイント、再構成のみのベースラインを5.1ポイント上回り、著者は意味的な向上を自己蒸留によるものとしている。
説明LabWorld：科学実験のための対話型4次元世界の学習
要約本論文は、単眼RGB動画から対話可能な4次元実験室環境を再構築する、エージェント駆動型のReal2Simフレームワーク「LabWorld」を提案します。再利用可能な3次元アセット、距離尺度付きのシーン、時間変化する物体の状態、手順イベントを復元します。ピペット操作と渦撹拌の実験動画で評価され、ベースラインを上回る結果を示しました。
説明InfraDev：コーディングエージェントはAIインフラを開発できるか、そしてどう判定するか
要約本論文は、Megatron-LM、vLLM、verlの実際のプルリクエストから作成した36タスクのベンチマーク「InfraDev」を提案している。学習、推論、強化学習に関するインフラ開発を対象とし、元のテストで検査されない要件を隠しプローブで確認する。六つの最先端モデルで評価した結果、最良のモデルでも解決できたタスクは38.9%にとどまった。
注目点単一カーネルの評価を超え、実在するPRに基づく多ファイル・多GPUのインフラ課題と隠しプローブ評価を提案し、6つのモデルで検証している。
説明構造化部分空間ランダム性による効率的な量子化学習のための確率的丸め手法
要約低精度学習では量子化勾配を不偏に保つため確率的丸め（SR）がよく使われる。本論文は、要素ごとに独立した乱数を生成するSRがベクトル演算ユニットで遅く、INT8学習がBF16より遅くなりうる一方、閾値の共有は丸め方向をそろえて誤差に共通のオフセットを生じさせ、主に活性化勾配を通じて学習を劣化させると指摘する。提案のS3RとそのS3R-ECは、LLMの事前学習で収斂劣化を解消し独立SRと同等の検証損失を達成し、TPU v5p上でBF16に対し1.24〜1.32倍、独立SRに対し1.11倍の高速化を示す。
説明想起すべきか、学び直すべきか：反復する概念ドリフトのための文脈内エキスパート混合
要約本論文は、表形式基盤モデルがネットワーク侵入検知などのデータストリームで、過去の概念が再び現れたときに保存済みデータを復元すべきか、新しいラベルから学び直すべきかを検討します。著者らは学習不要の手法MICEを提案し、検出された変化点でストリームを区切り、推定誤差に基づいて区間を保存済み文脈に統合するかを決め、二段階の仕組みで文脈の重み付けと予測の混合を行います。実験では、ランダムな境界を持つグリッド型ストリームで文脈を空にするリセット方式を上回り、実データのストリームでは比較した全手法の中で平均精度が最も高い結果を示しています。
説明ソフトウェア要求からの振る舞い十分なテスト生成におけるLLMエージェントのベンチマーク
要約本論文は、8つのオープンソースプロジェクトのBDD成果物から抽出した5,086件の実行検証済みインスタンスを含むベンチマーク「Req2Test-Bench」を提案する。対象は5つのプログラミング言語と4つのBDDフレームワークに及ぶ。エージェントはGherkin形式の要求と対象インターフェースから、完全なテストを生成する必要がある。行動的十分性は「キル完全性」で測られ、最良の構成でも合格したテストは82.8%だが、行動的に十分なのは33.8%にとどまる。
説明MM-Net：虚血性脳卒中後の睡眠段階判定と睡眠時無呼吸評価のためのマルチモーダル・マルチタスクネットワーク
要約本論文は、虚血性脳卒中患者の睡眠段階判定と呼吸イベント検出を同時に行うマルチモーダル・マルチタスクの枠組みMM-Netを提案している。交差フィッティングとリッジ回帰による埋め込み整合で、事前学習済み脳波エンコーダの表現の不一致を解消し、脳波・眼電図と心肺特徴を融合する。iSLEEPS（亜急性虚血性脳卒中患者99名）での十分割患者独立評価では、段階判定精度76.3%、呼吸イベントAUC 0.825を達成した。
説明大規模言語モデルによるランドマーク型経路案内のための構造化地図表現
要約本論文は、大規模言語モデルが地図データを扱いやすい形式を検討し、ランドマークを基準とした経路案内の生成に取り組む。空間特徴をSVG形式で符号化する構造化テキスト表現を提案し、人間が書いた経路説明とOpenStreetMapのデータから新しいデータセットを作成して、交差点と目的地周辺のランドマーク選択の二つの課題で評価している。五つのLLMによる実験では、構造化テキスト入力がPNG画像入力と同等か、それ以上の性能を示した。さらにタスクに特化した微調整により、小規模なローカルモデルでも地図のレイアウトを活用し高い選択精度を得られることが示された。
説明「群れに従う」：人手による行動コスト設定を要しない、履歴データに基づく実行可能な是正策の提案手法。
要約本論文は、機械学習による意思決定の後に、利用者が望む結果を得るための行動を示す手法「データ駆動型行動是正（DDAR）」を提案する。まず利用者の過去の軌跡から動的モデルを構築し、そのモデル上で望ましい結果に至る軌跡を探索する。履歴データで発生しやすい軌跡ほどコストが低いという考えに基づき、人による監督なしで妥当な行動案を示し、既存手法より行動コストが低いことを実験で示している。
説明「少ないほど良い」：GPUカーネル最適化のためにどのプロファイリングを行うかを学習する
要約この論文は、大規模言語モデルでGPUカーネルを自動最適化する際、どのハードウェア性能プロファイリング情報を集めるべきかを検討しています。プロファイリング指標を増やしても最適化が必ずしも改善せず、有用な情報はカーネルごとに異なることを示しています。著者らは、最適化フィードバックから決定的なプロファイリング木を学習するAutoProfilerを提案し、KernelBench上で限られたプロファイリング予算の下で固定設定より優れた結果を報告しています。
説明ADTGuard：大規模言語モデルのストリーミング推論向け適応型深度・時間安全ガード
要約ストリーミング出力では、検証前に有害な内容が利用者に届く恐れがあり、既存の防護策には介入の遅れや固定層での監視といった課題があると指摘しています。本論文はADTGuardを提案し、各トークンを公開前に確認するとともに、深度・時間安全動態、因果深度ルーター、リスク発生点目標精緻化により検出を行います。複数の安全ベンチマークで、既存の先進的な防護策と同等以上の性能を示し、訓練可能パラメータは1600万のみであると述べています。
説明点とパッチから学ぶ：時系列解析のための事前学習型ハイブリッドアテンションTransformer
要約本論文は、時系列解析向けの汎用事前学習フレームワーク「TimeHAT」を提案している。点レベルとパッチレベルの教師信号を統合したマスキング戦略で文脈の再構成と因果的外挿を行い、さらにハイブリッドアテンションエンコーダでランク退化を抑えつつ文脈的相互作用を保つ。分類、長期予測、欠損値補完、異常検知の4つの下流タスクで、ファインチューニング、少数ショット、ゼロショットの設定により評価され、競争力のある性能が示されている。
注目点点とパッチを統一するマスキングとハイブリッドアテンションの組み合わせで時系列事前学習を改良し、四種のタスクと複数の転移設定で広く検証している。
説明MLLMの層ごとに一貫性と矛盾を分離してフェイクニュースを検出する手法
要約本論文は、マルチモーダルなフェイクニュースに含まれる画像と文章の間のわずかな矛盾を捉えるため、MLCCD（多層一貫性・矛盾分離）を提案している。マルチモーダル大規模言語モデルの異なる層から、タスクに関連する視覚・テキストのトークンを選び、隣接する層で表現が大きく変わるものを保持する。その知識を一貫性の証拠と矛盾の証拠に分け、それぞれ専用のルーターで層をまたいで集約する。著者らは三つのベンチマークで既存手法を上回ったとしている。
説明高次元反射ブラウン運動の定常裾計算のための正則コーシーネットワーク
要約本論文は、高次元反射ブラウン運動（RBM）の定常裾計算のために、正則コーシーネットワーク（HCN）を提案している。NN4MGFの共有座標・基本随伴関係の枠組みに基づき、複素有理コーシーサブネットワークで極のない領域上の正則性を強制し、サンプリングによるコーシー・リーマン罰則を不要にしている。NVIDIA H100 NVL上での30次元HCNは、NN4MGFと比べてピーク割当メモリが約10分の1、平均更新時間が9.7倍短い。ノートPCのGPUでは50次元まで拡張でき、閾値1から8にわたる平均相対誤差は6.367%である。
説明QESChunker：重複あり・なしのRAG向けチャンキングを単一目的で統合する手法
要約本論文は、質問と証拠のペアによる教師信号を用いて静的なチャンクインデックスを構築するQESChunkerを提案する。チャンキングを教師ありの組合せ最適化問題として定式化し、重複なしと重複ありの両方を統一された効用最大化目的で扱う。五つのデータセットの大半の設定で、両変種が既存手法より完全証拠の再現率で高い結果を示したと報告している。
説明PRISM-BENCH：最終回答の正答率を超え、マルチモーダル推論の画像根拠と忠実性を診断する
要約本論文は、1,000問の専門家作成問題からなるベンチマーク「PRISM-BENCH」を提案します。問題は五つの研究の少ない推論カテゴリにまたがり、各問題には人間が作成し別の人間が検証した理想的な推論過程が付いています。知覚プローブと推論過程の整合性という二つの診断により、前線モデルの失敗の約85%は知覚誤りに起因すると示されています。また効率を考慮した指標CORE も提案され、最高精度は66.0%でした。
説明NextEval：エージェントベースの微分不要最適化ソルバーとベンチマーク
要約微分不要最適化（DFO）は、微分が利用できない、または取得に費用がかかる問題を扱い、シミュレーションや実験の場面でよく現れます。本論文は、大規模言語モデル（LLM）エージェントと数値環境を組み合わせたNextEvalソルバーを提案し、LLMが評価点の逐次選択と評価予算の配分を指導します。あわせて、同じ数値ツールと一致した評価予算・情報制約のもとでエージェント構成を比較するためのNextEval Benchを紹介しています。低次元問題での数値実験では、NextEvalが既存の最先端DFOベースライン手法より関数評価の効率で優れていると示されています。
説明REACH：狭い空間を通過するための強化学習ベースの階層型ヒューマノイド匍匐移動フレームワーク
要約本論文は、強化学習に基づく階層型フレームワークREACHを提案し、Unitree G1ヒューマノイドロボットが高さを変えながら二足歩行と匍匐移動を行い、高さの制限された環境を通過できるようにする。学習された方策は、二足歩行で1.27～0.50m、匍匐移動で0.50～0.20mの指令範囲で機体の高さを調節する。LiDARベースのプランナーと組み合わせ、衝突のない経路と移動指令を生成し、実機実験では高さと速度の追従、地形の通過、モード切替の信頼性が示された。
説明FrameForge：動画基盤モデルの事前知識を活用した統合画像生成
要約本論文は、入力画像の異なる側面を保持しつつテキスト指示に従って目標画像を生成する統合条件付き画像生成手法FrameForgeを提案しています。事前学習済みの動画モデルを基盤とし、入力に応じて変化する仮想的な時間関係で条件と目標の関係をモデル化します。構成要素として、時間エキスパートの混合（MoTE）と時間推論の連鎖（CoTR）を備えています。DreamBench、COCO2017、GEdit-Benchでの実験では、被写体駆動生成、Canny画像から画像への生成、画像編集で比較手法より優れた性能が示されました。
説明監視器の精度は答えではない：AIエージェント再起動監視器を評価する決定価値の枠組み
要約本論文は、分類精度や真陽性・偽陽性率だけではAIエージェントを再起動することで成功率が上がるかは判断できないと指摘します。再起動か継続かの二つの行動間で最適な選択を行うのに必要な情報を、進捗表現や文脈圧縮が保っているかを判定する決定十分性の基準と、既存のエージェント軌跡を用いて追加のモデル呼び出しなしに統計的に「再起動」「継続」「判定保留」を判断する有限標本の監査手法を提案しています。SWE-bench VerifiedのSymPy課題を用いた実験では、当初の再起動による改善は頑健ではないことが示されました。
説明サハラ以南の戸籍台帳向けの低コスト手書き文字認識：スマートフォンからCPUのみで記録化するパイプライン
要約本論文は、サハラ以南アフリカで消費者向けスマートフォンによる撮影とCPUのみの推論を用い、手書きの戸籍台帳を機械可読にできるかを検討します。チャドの市役所の登録簿から、1,568枚の画像と185件の記録の行単位の書き起こしからなるコーパスを構築しました。無料のGPUでKrakenの認識器を微調整した結果、文字誤り率は14.53%から0.50%、単語誤り率は56.93%から3.37%に下がりました。ただし評価は同一登録簿内の結果であり、他の地域や未知の筆者への一般化は示されていません。
説明言語認識に基づくエラー駆動最適化による多言語音声認識のためのエージェント型データサンプリング枠組み
要約本論文は、多言語自動音声認識（ASR）のためのデータサンプリング枠組みを提案します。学習ループにデータサンプリング用のLLMエージェントを組み込み、音韻・形態・統語の観点から認識誤りを分析する言語学的評価基準に基づいて、領域・サンプル・トークンの各レベルでサンプリング戦略を選択します。Whisper-mediumを基盤モデルとして12言語のCommon Voiceで実験を行い、全データで学習する場合よりも少ないデータと計算資源で性能が上回り、従来のサンプリング手法より学習の収束が大幅に速まることを示しています。
説明ATEMPO：時間差と時刻で償却した転移エントロピーモデルで情報の到達時点を特定する手法
要約本論文は、拡散モデルに基づく転移エントロピー推定手法ATEMPOを提案している。1つのスコアネットワークが時間差と時刻を条件として全体の転移エントロピー曲面を推定し、その差分から情報が到達する時点を取り出す。合成データや時間変動する遅れを持つ系での遅延検出精度が高く、気象データの予測やブレイン・コンピュータ・インターフェースの課題でも性能向上が報告されている。
説明RoboAuto：多層的な物理理解による自律的なロボットプログラム探索
要約本論文は、LLMベースの自律エージェントがロボット操作のための実行可能なプログラムを自ら探索・改良する枠組み RoboAuto を提案している。物体、シーン、相互作用の三つの階層で物理的理解を整理し、階層的知識ベース、シーンへの対応付け、自ら設計した実験を含む多段階計画を組み合わせている。複数のベンチマークと実ロボットの長期タスクで、ASPIRE などより高い性能を示したと報告している。
説明ETC-Bench：評価側の転写正規化のための多言語ベンチマーク
要約同じ音声の書き起こしでも、音声信号だけでは決まらない表記の違いが生じます。本論文は、音声によって決まらない複数の表層形を一つの正規形に統一する評価側転写正規化（ETC）を定式化し、12言語・181種の現象を対象とするETC-Benchを構築しました。あわせて、意味保存型の完全一致正規化精度（SENA）と、LLMエージェント向けの分類ガイド付き正規化スキル（TACS）を提案しています。実験では、TACSを用いたエージェントが共通言語でベースラインを上回りました。
説明Transformerにおける証拠効果の因果的局在化
要約本論文は、記号の個数と順序を変えて凍結Transformerの選好の変化を測る受容的証拠集約（CEA）と、少数の注意ヘッドを選ぶ平衡効用因果選択（BUC）を提案する。Pythia-410Mでは、選ばれた1〜12個のヘッドを除去すると計数効果の65.5〜91.6%が消える。さらに、記号入力のみで選んだ8個のヘッドを除去すると、自然言語タスクの平均精度が8.2ポイント下がり、同数・同層のランダム集合の影響は小さい。
説明エージェント間の引き継ぎにおけるタスク引き受け能力を評価するベンチマーク（論文）
要約本論文は、タスク途中でエージェント間の責任が移った際に、受け手のモデルがどれだけ引き継げるかを測るHSC-Benchを提案している。1,039件のタスクで、関連するリポジトリの証拠の回収と、対話・ツール・ファイル作業の状態からの継続という二つの側面を評価する。六つの受け手モデルでの比較では、構造化された引き継ぎ状態により、すべてのモデルで証拠回収が改善し、多くのモデルで継続性能も向上した。両トラックで最も優れた受け手は異なっており、証拠回収のランキングだけでは継承状態からの継続性能は判断できないことが示された。
説明注意力バイアスをキーに畳み込み、圧縮KVキャッシュを標準カーネルで動かす
要約本論文は、KVキャッシュを圧縮する注意マッチング（AM）手法の課題を扱います。AMは各ヘッドで一部のキーを残し、値を再推定し、各キーのlogitにバイアスを加えますが、FlashAttentionやvLLMのページ化キャッシュにはこのバイアスを入力する手段がありません。著者らはバイアスを各ヘッドの一つの閉形式方向に沿ってキーへ畳み込み、AMと同じサイズ・ヘッド次元の通常のキャッシュを得ました。実験では、未改造のvLLMでKVコネクタを通じて動作し、AMとほぼ同等の精度を示しました。
説明PRISM：希少ラベル医療における病理信頼性——病理基盤モデルのタイルレベルベンチマーク
要約本論文は、八つの病理基盤モデルを六つのタイルレベルデータセットで評価するベンチマークPRISMを提案し、モデル選択、ラベル比率、キャリブレーション、分布外転移の四つの観点から信頼性を測定します。複数のラベル比率と乱数シードで864回の線形プローブ実験を行い、五病院のCamelyon17による20組の転移実験も加えています。完全教師あり下ではAUROCの順位と校正の順位が概ね一致する一方、ラベルが1%のときは関係がデータセットごとに異なることが示されます。転移性能が低い場合、ソース領域のラベルを増やすとターゲットの校正が悪化します。pipでインストール可能なパッケージと288セルすべての参照結果が公開されています。
注目点校正、少ラベル、施設間転移を同時に評価し新たな現象を示した点で有意義だが、ベンチマーク型の貢献である。
説明MedConstBench：医療倫理においてコンスティテューションがLLMの振る舞いをどう導くかを評価するベンチマーク
要約本論文は、展開時のコンスティテューション（倫理方針）を制御変数として扱う医療倫理ベンチマークMedConstBenchを提案する。Beauchampの四原則に基づいて構成され、人間で校正された複数モデルによる相互評価で採点される。著者らは、臨床ジレンマのデータセットMedDilemmaも作成している。十のオープンソースLLMを四つのコンスティテューションで評価し、その効果は次元と モデルに依存し、普遍的に最適なものはないと報告している。さらに、モデルごとにコンスティテューションを選ぶ「無害性」適応型セレクタを提案している。
説明AIの科学者は何が新しいかを判断できるか？
要約本論文は、AIによる科学的発見のパイプラインで、生成されたアイデアが本当に新規性を持つかをどう判定するかを扱っています。発表済み論文、査読での論争、後に人間の研究者が実現したアイデアから構成された1,060件の提案データセット4種を用いて、時間的な正解情報を持つ評価枠組みを設計しています。さらに、主張単位で新規性を判定する細粒度で解釈可能なモジュールClaimNovを提案し、誤警報率1.5%で偽装論文の97%を検出したと報告しています。
注目点主張単位の新規性検査という枠組みとモジュールを提案し、1,060件の提案で既存手法を検証しており、実質的な改良がある。
説明同一性か証拠か？エージェント型生命科学ベンチマークにおける証拠依存性の監査
要約本論文は、生命科学のエージェント型ベンチマークが、名前ではなく証拠に基づく推論を本当に測定しているかを検証する。臨床アウトカムのベンチマークとBiomni、LAB-Benchのタスクで、同一性と証拠を独立に変化させて比較した。プロンプトが名前と候補リストが中心の場合、同一性を隠すと正答率が大きく下がることが示された。著者は、この種のベンチマークには同一性を隠した結果、検索ログ、陽性対照を併せて報告することを提案している。
説明ARISE：継続的マルチモーダル偽造検出のための真正参照に基づく安定性強化手法
要約本論文は、新たな攻撃が次々と現れる状況でマルチモーダル偽造検出を継続的に学習する問題を扱います。新しい攻撃を学びつつ既存の攻撃を忘れないことが求められます。著者らはFable-Benchという攻撃の進化を段階的に評価するベンチマークを提示し、真正サンプルの混合ガウス分布を历史的参照とするARISE手法を提案しています。3種類の攻撃進化プロトコルと複数の検出器構造による実験では、代表的な継続学習ベースラインより履歴の保持と最終的な平均性能が向上したと報告されています。
説明GarmentSegAgent：テキスト自己修正による Web ファッション画像の自律的衣服セグメンテーション
要約本論文は、意味計画・空間実行・視覚評価を反復的なテキスト自己修正で統合する自律型フレームワーク GarmentSegAgent を提案しています。中核となる CAST（Constrained Attribution-guided Selective TextGrad）は、視覚的誤りの帰属とテキストの標的最適化を結びつけ、基盤モデルを凍結したまま推論時に画像ごとの誤りを修正します。DeepFashion2、ModaNet、Fashionpedia での実験では、領域重なりと境界精度が一貫して向上したと報告されています。
説明グラフ分離基準のアルゴリズム的研究
要約統計的グラフィカルモデルは、確率ベクトルの成分間の依存関係をグラフ分離基準によって表現する。本論文は、研究コミュニティが提案してきさまざまなグラフクラスおよび分離基準について、分離命題を検査するアルゴリズムの問題を扱う。検討したすべての基準は、到達可能性のモジュール的な変種によって検査できることを示している。σ分離以外では線形時間のアルゴリズムが得られ、R と Python の実装コードも提供し、シミュレーションで実行時間の振る舞いを評価している。
説明ProCerDCL：深層学習コンパイラ最適化を対象とした、クエリ効率の良いブラックボックス確率的検証手法
要約本論文は、内部構造を参照できないブラックボックス条件で、ある性質の違反確率を閾値と比較し、受理・棄却・判定保留の三つの結論を出す枠組み ProCerDCL を提案している。基準手法が必要とした区間族の代わりに単一の逐次検定を用いる。TorchInductor と TensorRT の 24 タスクで評価され、サンプル効率は基準手法の 3.6～4.2 倍と報告されている。さらに、二つのコンパイラ不具合の事例も示されている。
説明AC-JEPA：視覚からシンボルへの変換のためのアンカー付きクロスモーダル結合埋め込み予測アーキテクチャ
要約本論文は、監督付き微調整（SFT）と併用できるプラグイン型手法AC-JEPAを提案します。対になったデータを用いて両方向のクロスモーダル変換で隠された中間状態を予測し、目標系列へのトークン単位の監督は保持します。光学的化学構造認識を検証環境とし、クリーンなデータで学習したAC-JEPAは、WildMolベンチマークのSimpleセットで76.07%の精度を達成し、SFT単独の67.40%を上回りました。同じ擬似ラベル付きデータで自己学習すると、AC-JEPAは精度を80.23%に高めた一方、直接のSFTでは67.40%から63.47%に低下しました。
説明二次のSinkhorn幾何と√n推論：エントロピー最適輸送のSinkhorn発散に基づく幾何構造を構成し、測地線や平行移動などの推定量の√n極限定理と自助法の一致性を示す研究。
要約Sinkhorn発散は距離でなく、形式的なリーマン構造も持たないため、補間や重心平均などの幾何的操作に制約があります。本論文は確率測度の空間上で既存の枠組みを拡張し、有限の滑らかさを持つ一定クラスのコスト関数に対して、Sinkhorn計量テンソルのHadamard微分可能性を示し、Levi-Civita共変微分を導出しています。これにより、再生核ヒルベルト空間上の測地線方程式と平行移動方程式が得られます。さらに、これらの推定量が√n収束する高斯過程の極限を持つことと、ノンパラメトリック・ブートストラップの一致性を示しています。
説明走査透過電子顕微鏡画像の高精細化のための空間‐周波数学習
要約本論文は、走査透過電子顕微鏡（STEM）画像を高精細化する空間‐周波数学習フレームワークを提案している。周波数領域で周期的な原子配列を活用し、空間領域で局所的な原子の細部を復元したうえで、両者の特徴を融合する。また、実画像の統計解析とフィッティングによって走査ノイズ、点ごとのノイズ、背景ノイズのパラメータを推定し、より現実的な画像を合成するSTEMノイズ校正法を提示している。実験では、合成データセットと先進材料の実画像で最先端の性能を示し、原子位置の特定精度も向上したと報告している。
説明CogArena：対話型行動実験におけるマルチモーダルエージェントのベンチマーク
要約本論文は、社会科学・行動科学の十種類の実験パラダイムからなるベンチマーク「CogArena」を提案している。エージェントは標準的なウェブブラウザを通じて、オンライン参加者と同じ視覚刺激と回答インターフェースを使って実験を行う。評価は三段階で、課題を完了したか、正確に遂行したか、そのデータが各パラダイムで人間に確実に現れる行動的特徴を示すかを判定する。四つのマルチモーダルモデルを各課題で十回ずつ実行した結果、実験を完了することと、その特徴を再現することは別であり、多くのセッションは完了せず、完了したものでも特徴の再現は一部に限られたと報告している。
説明同方策蒸留のロールアウト改善：混合提案型同方策蒸留（MPOPD）の提案
要約本論文は、言語モデルの同方策蒸留（OPD）におけるロールアウト方策の設計を扱います。従来の方法は各ラウンドで現在の学生モデルから直接サンプリングするため、教師と学生の不一致が蓄積し、教師の指導が不正確になって繰り返しなどの望ましくない挙動が生じ得ると指摘しています。そこで学生と教師の方策の幾何学的混合を目標とする、混合提案型同方策蒸留（MPOPD）を提案しています。16の数学・知識・医療推論ベンチマークで、OPDおよび近年の派生手法を上回る結果を示し、Qwen3-4B-Baseの数学推論では平均精度が6.91向上し、平均生成長は41%減少したと報告しています。
説明いつ介入すべきか？LLMエージェントのエラーと自己回復に関する実証研究
要約研究者は1,259件のエージェントトレースと1,403件のエラーイベントを含むデータセットReInBenchを構築し、コンピュータ操作およびWebタスクにおいてLLMエージェントが自己回復する頻度と速さを調べました。1,403件中725件のエラーイベントが自己回復し、多くは数ステップ以内に回復すること、また実行に用いるLLMによって回復性能が異なることが分かりました。これらの知見に基づき、エラーが自己回復するかを予測するReCoFを提案し、ReInBenchで最強のベースラインに比べMacro-F1が平均9.02%相対的に向上したと報告しています。
説明欠減衰アンカー付きランジュバン動力学：非微分可能・裾の重い分布のサンプリングのための運動量型手法
要約本論文は、非微分可能で裾の重い目標分布からサンプリングするため、運動量に基づく欠減衰アンカー付きランジュバン動力学（UALD）と、その離散化アルゴリズムUALMCを提案している。原ポテンシャルを滑らかな参照ポテンシャルに置き換え、ドリフト項に乗法的スケーリングを導入する。2-Wasserstein距離での非漸近的保証を示し、数値実験で理論と実用性能を検証している。
説明CoHARL：強化学習でエージェントの方策と実行可能ハーネスを共進化させる手法
要約本論文は、強化学習の訓練中に共有方策と実行可能なハーネス（ツール利用とフィードバックを制御するコード）の集団を同時に更新するCoHARLフレームワークを提案する。方策はハーネス集団全体のロールアウトから学習し、提案者は実行トレースをもとにハーネスコードを改訂する。SWE-rebenchでの平均解決率は27.6%で、ハーネスのみの探索を6.4ポイント上回ったと報告している。SWE-bench VerifiedおよびTerminal-Bench 2.0でも、ソフトウェア工学とターミナル作業での改善が示されている。
説明まず自信を持ち、後で振り返る：動画理解のための、信頼度を保つ反省を強化学習で学習する手法
要約本論文は、動画モデルを強化学習で「まず答え、再度確認する」ように学習させると、初期回答の信頼性が低下する現象（置信度侵食）を指摘している。これに対処するため、報酬の誘因、パラメータのドリフト、勾配干渉という三つの侵食経路それぞれに対応する仕組みを備えたCoFireを提案している。Video-MME、MLVU、LongVideoBenchでの平均精度は67.0%で、結果報酬のみの強化学習と比べ、初期回答と最終回答の精度が平均でそれぞれ向上したと報告している。
説明Nemotron-Labs-Diffusion-Uni：視覚理解と生成を統一する拡散型大規模言語モデル
要約本論文は、視覚理解と生成のタスクを対象とする統一離散拡散大規模言語モデル Nemotron-Labs-Diffusion-Uni（NLD-Uni）を提案しています。自己回帰型の視覚言語モデルの理解能力と連続フローモデルの生成能力を、クロスパラダイムのオンポリシー蒸留によって統一拡散モデルへ移すことを目指しています。また、訓練中に複数ステップにわたって各トークンを段階的に破壊する、漸進的自己精錬型の拡散過程を採用しています。視覚質問応答、マルチモーダル推論、物体グラウンディング、テキストからの画像生成、画像編集などで、統一拡散モデルの中で最先端の性能を達成したと報告されています。
説明ClusterSplat：ガウシアンスプラッティングにおける3D視覚的グラウンディングのための意味的クラスタ選択
要約本論文は、3Dガウシアンスプラッティング（3DGS）で、参照表現に対応する対象物を、レンダリングされた2Dマスクと明示的な3Dガウシアン群として特定する3D視覚的グラウンディングを扱う。手法では、3D対象の選択を、シーンごとに適応した候補クラスタの選択として再定式化する。具体的には、インスタンスを意識したガウシアン特徴から種ボクセルを作り、記述長基準が下がる場合に隣接する種ボクセルを統合する。その後、クエリに条件づけられた軽量MLPが候補クラスタを順位付けする。ScanReferでは、比較した3DGSベースラインの中で最良の2D分割および3D対象の指標を達成した。
説明完全な崩壊は最適ではない：長尾認識のための制御された部分的ニューラル崩壊
要約本論文は、長尾認識でニューラル崩壊を用いる手法が、すべてのクラスを固定の等角タイトフレーム（ETF）に揃えることで末尾クラスのサンプルを過度に圧縮し、汎化を弱めると指摘します。そこで、バックボーン上の2つの協調的制御、クラス適応型スパース活性化（CASA）分類器とETF制約付き適応マージン（ETF-AM）損失により、制御された部分的ニューラル崩壊を提案します。頭部クラスはETFに沿って崩壊し、末尾クラスは クラス内の多様性を保持します。CIFAR100-LT、ImageNet-LT、Places-LT、iNaturalist-2018において、従来手法を上回る最高の全体精度を達成しています。
説明LociArt：自由スタイルの局所ビデオ様式化のための統一的枠組み
要約本論文は、局所的なビデオ様式化を行うLociArtという統一的枠組みを提案します。どの領域にどの様式を適用するかを指定しつつ、対象外の内容は保持できます。中核のモデルGRNStyleは、生成的精緻化ネットワークに基づき、極座標の様式認識マスクと、マスク特徴と生マスクの空間情報を組み合わせた条件付けを用いています。また、10万組の局所様式化データセットと評価ベンチマークを構築し、領域の様式品質や空間制御、時間的一貫性で既存手法を上回ったと報告しています。
説明訂正か操作か：ユーザーの圧力下でLLMエージェントの認識的警戒を測る
要約この論文は、ユーザーの反論に対して大規模言語モデル（LLM）エージェントが、正しい訂正と不当な操作を区別できるかを調べたものです。4社の7モデルを、回答と顧客対応という二つの課題で、模擬ユーザーの段階的な圧力にさらして評価しています。引用の提示は多くのモデルで譲歩を増やし識別力を下げ、譲歩率だけでは不十分で、識別力と実際の行動の両方で評価すべきだと示しています。
注目点信号検出理論を用いて訂正と操作を区別する認識的警戒の枠組みを提案し、七モデルの回答と行動の二つの実験で辨別力と譲歩傾向を分離して検証している。
説明確率的モーショントークン化による人型ロボットの全身制御
要約本論文は、人型ロボットの全身動作制御のため、行動ラベルやテキスト指示から高レベル制御器が生成できる簡潔な動作表現を提案しています。この表現を追従ポリシーに直接入力し、詳細な動作参照を与えます。同程度の容量において、採用した確率的モーショントークナイザーは、Unitree G1の動作再構成でFSQやVQ-VAEを上回ると報告されています。実機のUnitree G1で、16.8秒のダンス・格闘・歩行動作と、35秒の格闘からダンスへの連続動作を実行しています。
説明「ハートは再帰を意味する」：VLMにおける視覚的意味とコミュニケーションの探究
要約本論文は、視覚言語モデル（VLM）が人間のように視覚を通じてコミュニケーションできるかを検討しています。赤いハートなどの単純な視覚記号が、一見無関係なタスクでもモデルの振る舞いに影響し、簡単なコーディング問題で再帰的な解法へ誘導することが示されています。その影響は多くが暗黙的です。モデル同士の視覚的なやり取りでは、図形の要素が他のモデルを誘導できず、「生成と解釈のギャップ」が生じることも報告されています。抽象概念や物語を伝える実験では、モデルが視覚を創造的に使って意味を伝えられる一方、人間には直感的でない表現もあるとされています。
説明解法の軌跡から教授の軌跡へ：認知に合わせた推論蒸留
要約この論文は、大規模推論モデルの推論過程を小型モデルへ、より効果的に蒸留する方法を扱っています。著者らは強化学習に基づく CARD を提案し、既存の解法の軌跡を、学生モデルの認知に合った教授の軌跡へ再構成します。再サンプリングは行わず、分布整合報酬と論理整合報酬で最適化します。実験では、領域内で元の軌跡を直接模倣する蒸留より優れ、分布外の性能も大きく向上したと報告されています。
説明RouteDRAG：マルチモーダル文書RAGにおけるエージェント実行の経路選択と制御を学習する手法
要約本論文は、複数ページや表・図にまたがる長いマルチモーダル文書への質問応答を対象に、エージェント型検索拡張生成が常に必要とは限らず、その効果が質問ごとに異なることを指摘しています。著者らは、統一文書インデックス、適応的経路ルーティング、動的エージェント実行、逐次的方策学習からなる学習ベースのフレームワーク「RouteDRAG」を提案しています。2つのベンチマークで、短い経路のみの実行と比べて平均3.47ポイントの精度向上を示し、質問の79.3%のみをエージェントに割り当てています。
説明巡航条件における遷音速翼の高精度空力構造連成データセット
要約本論文は、遷音速翼の静的空力構造解析のための高精度多分野データセットを公開するものです。2471件のサンプルと3件の分布外サンプルを含み、翼平面形状と翼型断面をパラメータ化し、マッハ数、迎角、高度、構造荷重係数を解析条件としています。このデータセットで機械学習モデルを学習させ、空力表面量、統合空力性能、翼箱の破損分布を予測しており、正規化二乗平均平方根誤差は空力量で最大0.0309、破損分布で最大0.1189です。
説明液体混合物の熱力学のための原子間相互作用の学習
要約本論文は、分子の近傍環境に依存する原子レベルの幾何と相互作用パラメータを学習するグラフニューラルネットワークCOGNACを提案し、それをUNIFACの枠組みで評価する。約82万件の実験データで学習され、二成分系および多成分系の混合物でUNIFACおよびHANNAより高い精度を示し、HANNAに対する誤差を13〜63%低減した。評価の計算コストはUNIFACと同程度で、厳密な熱力学的整合性を備えている。
説明CONCUR：多タスク・多報酬強化学習のための整合的補助報酬手法
要約本論文は、大規模言語モデルを多タスクの強化学習で訓練する際、主報酬と長さ報酬などの補助報酬が衝突する問題を扱う。著者らは、主報酬の順位と矛盾しないよう補助報酬のスコアを修正するアドバンテージ推定手法CONCURを提案する。主報酬が上限に達した場合には同点とする。数学、コード、指示追従、文章作成の各タスクでの実験では、両変種が全ベースラインおよび補助報酬を除外した場合より平均で高いスコアを示したと報告している。
説明ユーザーがいるとエージェントの振る舞いが変わる：交渉におけるユーザーの存在が与える影響
要約本論文は、大規模言語モデルのエージェントがユーザーの代理として他のエージェントと交渉する際、ユーザーが同席しているかどうかで振る舞いがどう変わるかを調べたものです。ゲーム、目標、ユーザーの選好を固定し、対話型ユーザーの有無を比較する評価枠組みPRESENTを提案しています。7つのゲームと8つのモデルにわたる11.2k回の実行の結果、ユーザー在席時は取り分が平均13.7%高くなり、交渉がより攻撃的になることが示されました。また、交渉相手やユーザーに対する不適切な振る舞いも現れています。
