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LM-DSB：建設現場の日次安全速報を自動生成する軽量マルチエージェントシステム
要約本論文は、建設現場の日次安全速報（DSB）を自動生成する軽量マルチエージェントシステム「LM-DSB」を提案している。検索拡張生成（RAG）と、一般的なパソコンでローカル実行できる大規模言語モデルを組み合わせ、37件の安全衛生・環境（HSE）文書を根拠としている。専門家評価（N=40）では、5段階で平均3.50から4.20の実用的な受容性が示された。
説明シミュレーションによる岩石学ラベルを用いた、全岩地球化学組成からの確率的鉱物組成予測
要約本論文は、シミュレーションで生成した岩石学ラベルを用いて機械学習モデルを訓練し、全岩化学組成から鉱物の種類と含有量の分布を予測する手法を示している。約78万8千件の全岩組成で自己教師あり事前学習を行い、約100万件のシミュレーションラベルで予測ヘッドを訓練した後、校正層で実測の鉱物学データに合わせている。640個の火山岩試料でのゼロショット評価では、ほとんどの鉱物カテゴリの有無を識別できたが、予測含有量には系統的なずれがあった。25個の標識付き岩石だけで校正しても、尤度の改善の大部分が回復した。
説明FORESEE-MS：ベースラインFLAIR MRIから将来の多発性硬化症病変の空間的位置を前向きに予測する手法
要約本研究は、ベースラインのFLAIR MRIから将来病変が生じやすい領域を特定できるかを検討し、分割ごとの集団事前アトラスを基準とする評価手法FORESEE-MSを提案しています。MSSEG-2データセットの39名を対象に、5分割交差検証で五つの深層学習モデルをアトラスと比較しました。アトラスは全体のボクセル単位指標で最も高い成績を示した一方、一部の深層学習モデルは患者内の病変局在指標でやや高い値を示しましたが、信頼区間の多くは零を含み、小規模コホートでは集団事前アトラスを上回るかは不確かだとされています。
説明堅牢な softmax と交差エントロピーをプロパティベーステストで検証する
要約Barron ら（2026）は、ほぼすべての標準的な機械学習ライブラリの softmax と交差エントロピー関数に存在する二つの数値的問題を指摘しました。本論文は、Hypothesis による単純なプロパティベーステストでそれらの問題を再現し、さらに既存の実装が失敗する追加のエッジケースを見つけました。その上で、これらのテストを通過し因果的アテンションマスキングにも対応する、より堅牢な softmax 実装を提案し、既存の実装と比較しています。
説明反発型集団方策勾配：行動の多様性を持つ強化学習のためのRePPO
要約本論文は、PPOを拡張したRePPO（Repulsive Population Policy Optimization）を提案し、集団に依存して動的に形作られる報酬を用いて、多様で質の高い方策の小さな集団を同時に最適化します。標準的な連続制御タスクでは、最先端の質・多様性強化学習手法と比べて優れた質と多様性のトレードオフを示します。ピクセル入力のタスクや大規模言語モデルのファインチューニングにも適用され、ピクセル入力では標準PPOと同等の質を保ちつつ多様性を大きく高めています。言語モデルへの適用は、この種の手法がその領域にも拡張できることを初めて示しています。
説明SO-101 Bench：低コストアームによる空間操作のシミュレーション・ベンチマーク
要約本論文は、低コストロボットアーム SO-101 上で言語指示に基づく空間操作タスクを評価するシミュレーション・ベンチマーク「SO-101 Bench」を提案する。実機 SO-101 の Isaac Lab デジタルツインを基盤とし、4 種のタスク、138 個の物体、916 回の評価エピソード、3,629 件のシミュレーション実演データを含む。シミュレーション上の方策ランキングは実機と一致した（Spearman rho = 1.00）一方、成功率はシミュレーションで高めに出る。最良の学習方策は約 61%、コードを書いて学習方策に把持を委ねる LLM エージェントは 83.2% を記録した。
注目点SO-101向けのシミュレーション空間操作ベンチマークを提案し、実機と順位が一致することを示す。証拠は十分で、分野内で有用。
説明SpeeDiff：スケーラブルなピクセル固定型エンドツーエンド潜在拡散モデル
要約本論文はSpeeDiffを提案する。これはVAEと拡散モデルをゼロから同時に学習する潜在拡散手法である。直接的なエンドツーエンド学習で生じる潜在空間の崩壊を防ぐため、著者らはTweedie公式を用いて中間のノイズ状態から予測されたクリーンな潜在表現を復号し、ピクセル単位のフィードバックを与えるTweedieピクセル再構成（TPR）損失を提案している。論文によると、SpeeDiff-XLはImageNet 256x256生成において、Vanilla SiTおよびREPAよりそれぞれ140倍以上、61倍以上速く学習し、ガイダンスなしのFIDは1.50に達した。32倍圧縮VAEを用いた場合、ImageNet 512x512でのガイダンスなしFIDは1.53である。
説明滑りパズルにおけるLLMの素の計画能力の検証可能な効率限界
要約本論文は、ツールや実行フィードバックを使わず一度の応答で完全な計画を生成する条件下で、大規模言語モデルが4×4の滑りパズルを解く内在的な計画能力を調べています。成功重み付きの計画効率をSPE=R×Q×Eに分解し、実行信頼性、合法な計画間の協調性、完了した計画間の行動経済性を、軌跡の再生と認証された最適解で検証する枠組みを提案しています。7つのモデル条件による8400件の計画出力を評価した結果、全試行を完了するモデルでも、手数が長くなるほど経済性が低下することが示されました。
説明線形時系列予測符号化における持続性・露出・クレジット経路
要約本論文は、線形時系列予測符号化（tPC）ネットワークにおける時間的クレジット割り当てを、セル層理論（cellular sheaf theory）の手法で解析している。時間的クレジット割り当ては、空間的変位と時間的誤差の綱引きであり、その比率は持続性演算子Pと露出演算子Qによって調整されるとされる。また、空間モードには持続性と誤差としての露出との間にトレードオフが存在し、再帰構造が持続モードと露出モードの間での経路指定によってこれを回避できると述べている。
説明専門家の岩相ラベルは海洋堆積物の物性予測の学習を改善しない
要約研究者はLILY海洋掘削データベースの296本のボーリング孔、計236,963件の観測値を用い、体積密度、磁化率、自然ガンマ線、赤・緑・青の反射率という6つの常用測定値で自己教師あり埋め込みモデルを学習させた。埋め込みは地質学者が割り当てた岩相を区別でき、ラベルを用いて学習させても改善は見られなかった。さらに、学習に含まれていない物性も予測でき、未見のボーリング孔では深度のみの場合より高い性能を示した。
説明kw-bench：実務タスクでフロンティア・ハーネスを試すベンチマーク
要約本論文は、専門家が語った実際の監査や税務などの案件に基づくベンチマーク kw-bench を提案する。最初のタスクは、三世代の SAP システムの生データから五年分の付加価値税（VAT）を再構築するもので、LLM による判定を用いず決定的に採点する。同一モデルでの実験では、独立型の二つのハーネスが約 0.53〜0.54 を得た一方、ベンダー製の二つは 0 だった。フロンティアモデルでは一部のハーネスが約 22〜25 分でほぼ満点に達したと報告している。
注目点実際の監査案件に基づく調査型ベンチマークを提案し、決定的採点で4つのハーネスを比較。結果は框架差を示し、エージェント評価への影響は大きい。
説明自律型マイクロ流体実験室で学習済み設計代理モデルはいつ信頼できるか？六つの公開表で構築・検証したオフライン閉ループ枠組み
要約本論文は、自律型マイクロ流体実験室で用いられる学習済み設計代理モデルについて、信頼度比、必要な目標測定数、測定の優先順位、適応を止める判断などを数値化する枠組みを提示しています。湿式実験は行わず、六つの公開液滴マイクロ流体およびリポソームの表をオフライン実験室として用いて検証しています。主な結論として、残差ブースティングによる再初期化は多くの化学系の分組で少数の測定により参照水準へ回復しましたが、ラベルなしの統計量だけで個々の候補の信頼性を保証できる指標は見つかりませんでした。
説明SpecLST：交通予測のための周波数強化型長短期時空間マルチモーダルモデリング
要約本論文は、都市道路網の交通予測のためのSpecLSTフレームワークを提案している。高速フーリエ変換に基づく周波数領域表現によって複数週間の履歴依存関係を効率的に符号化し、注意機構による融合で天候や道路事件などの外生要因を統合する。さらに、グラフ拡張を備えた疎なMixture-of-Expertsの主幹と、突発的な異常を捉える周波数強化残差ヘッドを用いる。60分の予測期間において、8つのニューラル予測ベースラインと4つのデータセットに対し、MAE・RMSE・MAPEの平均相対誤差をそれぞれ14.10%、10.35%、15.78%削減したと報告している。
説明MAREval：推薦システムの自然言語説明を評価するマルチエージェント枠組み
要約本論文は、大規模言語モデルを用いて推薦説明の品質を評価するマルチエージェント枠組み MAREval を提案しています。計画、進行役、仲裁の各エージェントと、連鎖的討論（Chain of Debate）のプロンプト戦略やモンテカルロサンプリングを組み合わせ、安定性と人間の判断との一致を高めています。公開データセット TopicalChat と電子商取引のデータセットで評価を行い、オンラインA/Bテストでエンゲージメントと収益指標に有意な改善が見られたと報告しています。
説明予算制約下のLoRA：アダプタ群のための機能認識型事後圧縮
要約本論文は、共有リソース予算のもとで多数のLoRAアダプタを圧縮する方法を扱います。各アダプタについて機能的なランク－歪みフロンティアを構築し、群全体で共有ランク予算をミニマックス方式で配分します。提案手法FRAはラベルを必要とせず、モジュール単位の截断をエンドツーエンドで測定してフロンティアを作り、スペクトル的候補と組み合わせます。三つの公開アダプタ群の78個のアダプタで、予算が限られた条件において一様なスペクトル圧縮より最悪ケースと尾部の効用が改善されたと報告されています。
説明SOMA：一人称視点での細粒度な身体動作理解のベンチマーク
要約本論文は、一人称視点動画から身体動作を理解する能力を測るSOMAベンチマークを提案します。身体の構成、動きの動態、時間的推論の3軸にわたる1,632問の人手検証済み質問を含みます。37のモデルを評価した結果、人間の正答率は68.5%、最も高い多モーダルLLMのQwen3.6-27Bは50.0%でした。
注目点一人称視点の身体動作理解に特化した細粒度ベンチマークを設計し、37モデルと人間を比較しており、新規性と実験の充実度があり、サブ分野に有用。
説明生成から採点へ：LinkedInにおけるLLMベースの意味ラベリングの拡張
要約本論文は、産業用大規模言語モデルのラベラーが複数の候補ラベルを一つのプロンプトにまとめ、それぞれにYES/NOを生成させる手法の課題に取り組みます。著者らは、ラベラーを単一候補のプロンプトで微調整し、プリフィルのみの一回の計算で各判定の答えトークンのスコアを返す意味的採点へ再定式化しました。さらに、注意を遮断した一つの系列で数百の候補を採点するMultiple-Item Scoring（MIS）を適用しています。LinkedInの資格プロファイルラベリングに展開したところ、候補の並べ替えで変わる判定は最大0.01%にとどまり、スループットはオフラインで1.24倍、モデル提供で1.9倍に向上したと報告されています。
説明HIDRA：リプレイ不要の生涯模倣学習のための階層型デュアルルーティング注意機構
要約実環境で動作するロボットは、過去データを保存・再利用できない状況で、連続するマルチモーダルなデモンストレーションから継続的に適応する必要があります。HIDRAは、命令レベルの専門家検索と文脈依存の洗練を分離する階層型デュアル注意機構により、ルーティングを安定させる構造化フレームワークです。キーレベルの幾何正則化によって表現のドリフト下でも専門家選択を安定化させ、複数のLIBERO評価で既存のリプレイ不要・リプレイ使用の手法を上回るAUCと前向き転移を示したと報告しています。
説明BoxWorld：世界エンジンが制御し、ビデオ生成器が描画するインタラクティブ映像世界
要約本論文は、ユーザーが定義した相互作用ルールに従うリアルタイム対話型映像世界を構築するBoxWorldを提案します。コーディングエージェントが作成したBox World Engineが相互作用の結果を決定し、レイアウトボックス、持続的な属性、動的な状態変数として物体の状態を出力します。その状態列をBox-State生成レンダラーが自己回帰的に映像へ描画します。また三段階の学習手法とPairedStateBenchという評価ベンチマークを提示し、エンドツーエンドの世界モデルを上回ったと報告しています。
説明IOSage：HPCのI/Oボトルネックパターンを検出し、LLMの改善提案を導く手法
要約HPCアプリケーションは並列ファイルシステムの帯域の多くを使い切れておらず、Darshanログを具体的なI/O改善策に変えるには希少なI/O専門家が必要です。IOSageでは、LLMではなく多数のラベル付きログで学習した分類器がボトルネックパターンを判定し、LLMはそのパターンや設定ファイル、ファイル単位の証拠をもとに変更案を作成します。手作業で適用した結果、openPMDカーネルの中央値総実行時間は4.38倍、毎時のWRFリスタートは1.42倍高速化しました。
注目点LLMではなく大量の注釈付きログで学習した分類器がI/Oボトルネックを判定する新しい設計で、反復ペア実験と複数ベンチマークにより証拠は比較的充実している。
説明スライドとスキャンの融合：腎がんの予後予測のためのクロスアテンション
要約本論文は、腎がんの組織病理画像とCT画像を双方向クロスアテンションで結び付け、患者の予後を予測する手法を提案している。TCGA-KIRCの210例での5分割評価では、C-indexが0.760、3年AUROCが0.773で、評価された単一モダリティおよび融合ベースラインの平均で最も高かった。CPTAC-CCRCCの180例による外部検証では、CTを使用せずに疾病特異的生存のC-indexが0.629であった。
説明アンカーベース比較枠組みによる短期血糖リスク予測の信頼性評価に関する研究
要約本論文は、1型糖尿病患者の30・60・120分先の低血糖および高血糖リスクを予測するための、アンカーベースのベンチマーク枠組みを提案しています。T1DiabetesGranadaデータセットから作成された約550万件の予測アンカーを用い、3種類のニューラルネットワークモデルを比較しました。予測性能に統計的に有意な差は見られませんでしたが、校正度や説明の信頼性などに各モデル固有の特徴が確認されました。著者らは、臨床利用の前に信頼性評価と外部検証が必要だと強調しています。
説明HELICS：潜在フローマッチングによるバイオバンク規模の条件付き合成ゲノム生成手法
要約本論文は、バイオバンク規模の遺伝子型データから全ゲノムの一塩基多型（SNP）レベルの合成ゲノムを生成するHELICSフレームワークを提案している。ハプロタイプの位相決定を必要とせず、畳み込みオートエンコーダで60万超のSNPを4,096個の連続潜在トークンに圧縮し、Transformerベースの条件付きフローマッチングモデルで生成する。英国バイオバンクの約41.7万ゲノムで学習され、既存のハプロタイプ型シミュレータより実データに近い対立遺伝子頻度と相関構造を再現し、祖先や遺伝的リスクによる条件付き生成も可能である。
注目点位相決定を不要とする潜在フローマッチングで全ゲノムSNPを条件付き生成し、UK Biobankで保存性と相関構造を検証しており新規性が高い。
説明ArGuard共有タスクにおけるAK_QMULの提出：アラビア語有害プロンプト検出のための単一のファインチューニング済みJAIS
要約本論文は、ArGuard-2026のアラビア語有害プロンプト検出共有タスクへのAK_QMULチームの提出を紹介しています。二値の安全/危険判定（B1）と七分類の危害分野判定（B2）の両方で、同一のJAIS-6.7Bモデルを4ビットQLoRAでファインチューニングして使用しています。両タスクとも各トラックで首位となり、マクロF1はB1が0.984、B2が0.790でした。
説明WAKMan：ワークロードを考慮した KV キャッシュマネージャ
要約本論文は、大規模言語モデルサービングにおけるプレフィックスキャッシュ向けに、ワークロードを考慮して動作する KV キャッシュマネージャ WAKMan を提案する。エージェント型の要求は数秒以内に戻って直近性を好み、人気のあるプロンプトや長い会話は多くの他の要求の後に戻って頻度を好むことが示されている。ライブのトラフィックから退避方式を選び、要求の種類やプロンプトを読む必要はない。LRU に比べてヒット率が平均 5 ポイント向上する。
説明先に検出し、その後で曖昧性を解消：摂動ベースの LLM 入力曖昧性検出
要約大規模言語モデルは、曖昧な入力に対しても意図が一つだけあるかのように回答することが多いです。本論文は、元の入力に近く、かつラベルを保つ摂動を用いて入力の曖昧性を検出する枠組みを提案します。黒箱のルールベース摂動ライブラリと白箱の重要度誘導型手法の二つの検出器で実装されています。オープンドメイン、対話、視覚質問応答の四つのデータセットで、出力側の不確実性ベースラインや LLM による言い換えベースの摂動ベースラインより優れた結果が示されています。
説明ベイズ的レプリケーター動態と双行列ゲームにおける狭義優越戦略の反転
要約本論文は、進化ゲーム理論のレプリケーター動態を、対戦相手の戦略について証拠を蓄積する連続時間ベイズ推論として捉えます。標準的な期待効用と、Ay and Erb の対数利得という二つの利得定義を比較し、支配戦略のないゲームでは期待効用の場合にベイズ更新として表現できること、対数利得では全てのゲームでそれが可能であることを示しています。支配戦略を持つゲームでは両定義で流れが逆転し、囚人のジレンマでは協力が生じるとしています。
説明DNAメチル化データにおける深層表現学習ベースの分布外検出による臨床分類器の頑健性向上
要約本論文は、DNAメチル化アレイに基づく腫瘍分類モデルが、学習データに含まれない腫瘍型に対して誤った予測をする問題に取り組み、エンドツーエンドの分布外（OOD）検出フレームワークを提案しています。肉腫と脳腫瘍の公開コホートで深層ニューラルネットワークを学習し、五つの検出手法を比較した結果、1次元部分空間解析（1D-SSA）が最も有効でした。独立した臨床データセットでの平均AUROCは0.976で、臨床用メチル化腫瘍分類システムの品質管理層として実用的であることを示しています。
説明軌道最適化による最適制御のためのバランス型アクティブ部分空間（BASOC）
要約本論文は、高次元非線形系の最適フィードバック制御において、ハミルトン・ヤコビ・ベルマン方程式の次元の呪いを緩和するためのモデル縮約枠組みBASOCを提案する。軌道最適化とポントリャーギンの最小原理を用いて局所最適軌道上の状態と余状態のデータを収集し、共分散行列を構成してバランスさせることで、値関数近似のための斜め射影を得る。非線形三次元系と複素Ginzburg-Landau方程式で検証を行っている。
説明プログラミングをモデル化したプログラムの実行可能考古学：1961年のヒューリスティック・コンパイラと1984年のKBEmacsの再現
要約本論文は、オリジナルのコードを実行して二つの初期プログラムを再現する。一つは1961年のサイモンによるヒューリスティック・コンパイラで、汎用問題解決器の手段-目的分析を用いてプログラミングを問題解決として捉えた。もう一つは1984年のKBEmacsで、MITのプログラマーズ・アプレンティス計画による知的プログラミング支援の試作品であり、熟練者が既知のパターン（クリシェ）を組み合わせるという考えに基づく。著者らは、サイモンの1963年論文のコンパイル済みコードとKBEmacsの1984年12月の自己テストの出力を再現した。
説明CrowdCC：群衆カウントにおける劣化耐性と展開量子化を同時に評価するベンチマーク
要約本論文は、群衆カウントモデルを実運用に近い23種類の画像劣化（6系統、3段階の強度）で評価するベンチマーク CrowdCC を提案します。FP32、FP16、INT8 の各精度による影響も同時に調べ、4つのデータセットと26モデルを対象に、Jetson Orin NX 上でのスループットとエネルギー測定も行っています。主な結果として、撮像経路で生じる劣化が最も大きな性能低下を招くこと、INT8 は FP16 より劣化耐性を大きく変えるが一定の方向性はないこと、量子化によってモデルの順位も変わることが示されています。そのため、モデル選択では劣化耐性と実測の展開コストを併せて考慮する必要があると論じています。
注目点腐蚀耐性と展開量子化を同時に評価する点が新しく、23種の腐蚀・26モデル・エッジ実測で裏付けている。
説明CRLoMTL：低ランク行列によるマルチタスク学習の競合解決
要約本論文は、マルチタスク視覚学習のためのCRLoMTLフレームワークを提案しています。タスク間の干渉を低ランクのパラメータ更新空間で抑え、各タスクで独自のLoRA低ランク更新を学習したうえで、SVDに基づく共有部分空間融合により単一の展開用更新にまとめます。PASCAL-Context、NYUD-v2、CelebAでの実験では、少ないパラメータで単一タスクのベースラインを上回る結果が示されています。
説明OA-RAG：オントロジーに基づくエージェント型RAGによる、より忠実な大規模言語モデル推論
要約本論文は、形式的推論と大規模言語モデルの推論を統合し、領域オントロジーの論理構造と非形式的注釈を用いて回答するエージェント「OA-RAG」を提案している。各回答について、証拠として用いたオントロジーの観察結果と、証拠の強さを示す根拠レベル（含意、支持、関連、無関係）を報告する。3つの大規模オントロジーから作成されたベンチマークと6つの実世界の医療質問応答タスクにおいて、評価対象のオントロジー微調整手法や一般的なRAG手法の中で総合的に最良の性能を示し、特に推論を多く要するタスクで優れた結果を得た。
説明「中間には大きな余地がある」：細粒度モニタリングでGPUクラスタの改善余地を明らかにする研究
要約本論文は、大学の研究用GPUクラスタを100ミリ秒間隔でリソース使用状況を分析し、Nvidia DCGMライブラリを利用した軽量な監視ツールを開発したものです。89ノード・319基のGPUからなるクラスタで、150人のユーザーが投入した7,399件のジョブを対象に10日間のデータを分析し、GPUの大幅な低利用、申請時間と実時間の大きな不一致、マルチGPUジョブの周期的な通信パターンを明らかにしました。著者らは、スケジューリングとGPUマルチタスクの改善により利用率を大きく向上できると述べています。
説明プログラム改修後にLLM生成の証明はどれほど安定しているか：検証可能なコード生成のストレステスト
要約本論文はRefactorProofというベンチマークを提案し、仕様と評価対象の証明をバイト単位で固定したまま、動作を保つプログラム改修によって得られる変種で同じ証明が有効であり続けるかを検証する。結果として、専用の証明器が生成した証明は、VERINAが提供する参照証明よりも未変更証明の残存率が高かった。一方で、証明が壊れることと修復コストが高いことは同じではないと論じている。
説明学習不要の動画大規模言語モデル推論高速化：手法・トレードオフ・評価
要約本論文は、再学習を行わずに動画大規模言語モデルの推論を高速化する手法を扱うサーベイです。タスクに関連する時空間情報を保ちながら計算コストを下げることを目指し、推論パイプラインの介入段階ごとに既存手法を分類しています。また、局所的な効率化がエンドツーエンドの高速化につながらない理由を分析し、精度と遅延のトレードオフを実験で評価しています。
説明オントロジーに基づく多エージェント推論による説明可能な鑑別診断
要約本論文は、医師の反復的な推論過程を再現する、オントロジーに基づく多エージェント鑑別診断フレームワークを提案している。専門家が整備した構造化医療知識ベースを根拠に診断推論を行い、診断を明示的で監査可能な推論ステップに分解する。さらに、最も識別力の高い欠落症状を特定して追加質問を生成し、不確実性の低減を図る。
説明AHEAD：大規模線形計画向け適応型ニューラル高速化手法
要約大規模線形計画問題の一階法ソルバーは収束までに多くの反復を必要とします。本論文では、ソルバーの更新則を保ったまま原始・双対のステップサイズを予測するニューラル加速器AHEADを提案します。学習された引き継ぎポリシーがウォームスタートの反復回数を決め、その後はソルバーが自身の終了基準で求解を完了します。変数数最大10^7のパッキング型線形計画では、Gurobiの一階法ソルバーに比べコールドスタートから6.5～11.6倍のエンドツーエンド高速化を達成し、PageRank型の線形計画にも効果が及ぶと報告されています。
説明信頼度は約束ではない：型付き意思決定モデルのリファレンス監査
要約本論文は、型付き意思決定モデルが出力する確率分布から何が保証できるかを監査し、オープンウェイトモデルLayaの5つのチェックポイントとAPIでのみ利用可能なJev 1.13を比較しています。確率は個々の決定ではなく決定の集合について述べるものであり、閾値の選び方によって精度の約束が守られるかどうかを190回の交換可能な評価で検証しています。あわせて、ラベル数、ドリフト下での再学習、説明可能性についても検討し、凍結した回答とコードを公開しています。
説明同方針強化学習における探索と可塑性喪失の関連性
要約本論文は、深層強化学習において学習エージェントが新しいデータから適応的に学ぶ能力を失う現象（可塑性喪失）を扱います。等方性ガウス方策を用いた近接方策最適化（PPO）を分析対象とし、方策の標準偏差σが可塑性喪失の程度に与える影響を検討しています。検証には標準的なベースラインとのベンチマーク評価と、7自由度ロボットアームへの実機展開が含まれます。
説明検索だけでは不十分：エージェントの記憶に残る古い事実
要約本論文は、メモリ型エージェントが単一ホップの事実更新タスクで失敗する原因を調べ、更新情報を取り出せていないのか、取り出したのに使えていないのかを区別しています。検索される証拠の量が増えると正答率が大きく下がり、多くの誤りは古い陳述が同時に含まれる質問で起きています。結果として、同じ長さの証拠であれば、無関係な陳述より古い競合陳述の方が有害になりうることが示されています。
説明スパイキングニューラルネットワークは盗まれにくい：モデル窃取攻撃のベンチマーク研究
要約本論文は、スパイキングニューラルネットワーク（SNN）を対象としたモデル窃取攻撃を検証しています。代表的な4つの攻撃手法を用い、MNIST、Fashion-MNIST、CIFAR-10で、SNNと従来の人工ニューラルネットワーク（ANN）の複製されやすさを比較しました。その結果、SNNの代理モデルは対象モデルとの一致度が10%から20%低く、敵対的摂動の転移性も15%から25%低いことが示されました。
説明FASST：長期的な海洋結合のための小型のステートレス大気モデル
要約本論文は、POP2海洋モデルを保持し、大気と海氷を軽量なU-Netエミュレータに置き換えた結合気候モデルFASSTを提案している。大気エミュレータは6模擬時間ごとに、変化する海洋・海氷の状態から地表フラックスを診断し、海氷エミュレータは毎月氷の状態を進める。強制を加えない140年間の積分で、海面水温の補正なしに安定した全球平均気候を維持し、ニーニョ3.4域の年々変動も再現するが、その振幅はCESMより弱い。
説明マルチエージェントシステムの互換性と将来互換性テスト
要約独立に開発された自律エージェント（自動運転車など）が共有環境で動作する際の、安全性やタスク完了などの共同互換性を扱う論文です。規制当局がシードエージェントを公開して開発者を調整し、各開発者が自らのエージェントをテストして、すべてのシード互換エージェントと互換であることを確かめる二層構造を提案し、この性質を将来互換性と呼びます。一般的なマルチエージェントシステムの互換性を定式化し、将来互換エージェントがシードの閉包として特徴づけられ、その閉包がシードに関して単調であることを示します。さらに、シードとの相互作用のみで実行できるテストが、これらのエージェントをどの程度区別できるかを検討しています。
説明二重目標最適化に基づくスマートな即時予約フィルターモデル
要約本論文は、民泊などのオンライン宿泊プラットフォームの検索結果で、どの物件に即時予約（インスタント・ブック）を適用するかを決定するスマートフィルターシステムを提案している。予約率を下げずに即時予約率を最大化することを制約付きの二重目標最適化問題として定式化している。世界中のユーザーを対象としたA/Bテストでは、従来の専門家による手動調整モデルより即時予約率と全体の予約率の両方で優れた結果が示された。本システムは本番環境に導入され、毎日数百万人のユーザーに提供されている。
注目点予約率を下げずに即時予約率を最大化する二目標最適化システムを提案し、グローバルA/Bテストで検証、数百万ユーザーに本番展開。
説明EVA-Flow：共有の化学構造を学習し、環境を考慮した分子配座を統一的に生成する手法
要約本論文は、共有された化学構造を学習し、環境条件付きの生成モデルで適応させる、環境を考慮した分子配座生成の統一フレームワーク EVA-Flow を提案している。真空、タンパク質-リガンドドッキング、溶媒和、結晶パッキングの各環境を対象とする。著者らは、データが少ない三つの設定で、事前学習と環境間のファインチューニングによる効果が最も大きいと報告している。
説明画像とテキストの生成にまたがる跨モーダル・ステアリングベクトルの存在
要約本研究は、現在の統一マルチモーダルモデルにおいて、概念や仕組みがモダリティ間で共有されているのか、それぞれ別個に実装されているのかを検討しています。一方のモダリティで生成を誘導できるベクトルを見つけ、それを別のモダリティにゼロショットで加えたときに一貫した効果が得られるかを調べました。感情や物体の大きさなどの概念について、テキストと画像の双方向で転移が確認され、跨モーダルに転移しやすいベクトルは同じ概念について似た方向を向いていることが示されました。
説明LLMエージェント社会の調整手段としての受信箱
要約本論文は、大規模言語モデルのエージェント同士のメッセージ調整を扱う。メッセージを文脈の外の受信箱に置き、受信側自身のルールで読む内容と保持する内容を決める「プル」方式を提案し、従来の「プッシュ」方式と比較している。最大16,000体のエージェントからなるシミュレーション社会で、プッシュ方式は同時に多くの調整に関わると機能しなくなること、高負荷の下では受信箱が必要であること、受信箱の各決定に最適なルールは交通量と役割に依存することを報告している。
説明情報ボトルネック符号化器は何を学ぶべきか：表現学習と圧縮率制御の分離
要約本論文は、情報ボトルネック（IB）法において表現学習と圧縮率（レート）制御を分離できるかを検討する。ガウス型データでは、最適解が圧縮係数に依存しない情報方向と、スカラーのゲインのみに依存する部分に分解されることを示し、充分性の欠如量によって分離の誤差を抑える理論的な上界を提示する。MNIST、SVHN、CIFAR-10、STL-10での実験では、凍結したCNN表現に予算ごとの圧縮・復号器の組を用いることで、エンドツーエンドのVIBと比べて学習の計算量と実時間を削減し、予算平均の精度を高めた。
説明cuArms：多腕マニピュレーションのためのGPU加速型衝突ベース計画手法
要約本論文は、GPU並列計算と協調設計された衝突ベースの多腕プランナー「cuArms」を提案している。個々のロボットアームについて再利用可能なマルチモーダルロードマップを用いて探索空間を分解し、遅延探索によってアーム同士の衝突やデッドロックを解消する。さらに高水準スケジューラを統合し、協調的な操作計画へと落とし込む候補スケルトンを提示する。著者らは、リアルタイムの初期解と、運動品質およびスケジューリングの逐次改善において新たな最先端の性能を達成したと報告している。
説明二者間関係認識のための階層型マルチモーダル相互作用推論
要約本論文は、二人の多モーダルな相互作用（顔、身体、音声、テキスト）から両者の間の社会的関係を識別する手法を扱う。提案するHiRe-DRRは、特徴レベル、相互作用の種類、関係の階層という三つの観点から関係の根拠を整理するフレームワークである。Mixture-of-Interaction Transformer（MoI-Former）と階層条件付き損失（HC-Loss）を導入している。三つの二者関係ベンチマークで既存の代表的手法を上回る結果を示し、疎遠な関係は低レベルの同質的相互作用に、親密な関係は高レベルの異質的相互作用に依存する傾向があることを明らかにした。
説明凍結して複製しない：オフラインデータを保持せず表現力の高いポリシーで微調整する
要約本論文は、オフラインからオンラインへの強化学習において、オフラインデータが失われた後の微調整を扱います。著者らは、オンラインでの行動クローニングを続けると事前学習済みの事前分布が急速に消失し、表現の崩壊と行動の多様性の喪失を招くことを示しました。7つのOGBench領域でIFQL、FQL、QCを評価し、事前分布を凍結して在線の行動フィッティングを止めると微調整が大きく改善することを報告しています。
説明対数のコストで三つの世界に対応：ベースライン保護付き組合せセミバンディットのベスト・オブ・ボス・ワールズ
要約本論文は、任意の有限行動集合を持つ組合せセミバンディット問題に対し、時間地平を事前に知らなくても動作するDUET（経験的テストによる倍増）を提案します。観測可能な二つのテストにより、学習重みを倍増するタイミングと、経験的後悔の予算を倍増して再開するタイミングを決定します。ベースラインが各アームを正の確率で選択するという仮定の下で、ベースラインに対する期待後悔は対数オーダーに保たれます。固定行動に対する期待後悔は、非予見的な敵対的損失では約√Tのオーダー、唯一の最適行動を持つ独立同分布損失では間隙に依存する多対数オーダーとなります。
注目点地平線やギャップを知らずに、基準保護・敵対的頑健性・確率的適応性を両立する分段混合方式を提案し理論保証を与える。子分野に限定された影響。
説明BehaveRec：長期行動履歴はいつ逐次推薦に役立つか。セッション・履歴・コミュニティ信号による研究
要約本論文は、因果的セッションTransformer、90日間のウィンドウを対象とする双方向のユーザー履歴エンコーダー、行動埋め込みの類似度から構築したユーザー間グラフ上のGraphSAGEモジュールを組み合わせたBehaveRecを提案し、学習済みゲートで各ユーザーの3つの信号を重み付けします。1億3,700万系列・1,260万ユーザーの産業用データセットで、SASRecに対しR@5が3.2%向上しました。ユーザーの履歴が豊富になるほど長期履歴の効果が単調に増加することを示し、その結果から、ユーザーあたり約20件の相互作用を導入の目安とする運用ルールを導いています。
説明MARQ：システム工学の知識を組み込んだ、LLM非依存のモジュール型要求品質評価ツール
要約本論文は、INCOSE の要求品質基準に基づく基準別の知識モジュールで大規模言語モデル（LLM）を補強する、モジュール型プロトタイプ MARQ を提案しています。NASA の専門家がラベル付けした要求データセットで、Claude Opus 5、GPT-5.6 Sol、Gemma 3 12B を汎用のベースラインと比較しました。知識の組み込みにより各モデルの F1 中央値は向上しましたが、その効果はモデルごとに異なり、基準ごとの調整が必要だとされています。
説明IceBERTを超えて：アイスランド語向けオープンデータModernBERTエンコーダ（1,200万〜10億パラメータ）
要約本論文はModernBERTアーキテクチャを用い、パラメータ数1,200万から10億までのアイスランド語エンコーダを、90億トークンのオープンデータで学習しました。統一されたプロトコルと信頼区間のもと、30のエンコーダでIceBERTのベンチマークと新たな5タスクを再評価しています。ゼロから学習した10億パラメータのモデルは全11タスクでIceBERTを有意に上回り、英語のEttinエンコーダから温めた版は全タスクで最高スコアを示しました。ウォームスタートは多くの場合ゼロからの学習と同等以上で、転移の効果は主にソースモデルのTransformer層に由来します。
説明AIコーディングエージェントか人間か？作成者署名がない状態でのコミット判別
要約本論文は、ボットアカウントや Co-authored-by トレーラーなどの作成者署名を除去した後も、AIコーディングエージェントのコミットと人間のコミットを区別できるかを検討しています。1,226 リポジトリ、約 780 万件のコミットを分析し、5 種類のエージェントと人間のコミットを対象としています。最良の検出器の ROC AUC は最大 0.859 で、その信号の多くはコードそのものではなくメッセージの冗長さと変更規模に由来します。一方、実際の比率では精度は 0.332 にとどまり、別のエージェントへの汎化も弱いとされています。
説明円と球面上の方向統計：角度からデータを見る
要約北寄りの二つのコンパス方位の算術平均が南を指すことがあるのは、角度が直線ではなく円周上に存在するためである。本稿は、実際の風向観測、拡散MRIの向きのデータ、機械学習の幾何学的な例を用いて、円および球面上の円平均と軸平均、方向のばらつき、確率モデルを紹介する。基本的な考え方は、統計手法を選ぶ前に観測データの幾何学的構造と対称性を確認することである。
説明配列ではなく構造：スパースオートエンコーダでESMFoldのトランクにおける折りたたみ機構を追跡・検証
要約本論文は、タンパク質構造予測モデルESMFoldの折りたたみトランクを、スパースオートエンコーダ（SAE）によって解釈する研究です。単一表現と対表現の役割分担を分析し、推論型言語モデルで特徴を解釈して、ブロック間での概念の組み合わせを追跡し、既知の生化学との整合性を検証しています。訓練したスパース辞書はトランクが計算する対の幾何学的関係を捉え、その概念活性化はモデル自身の折りたたみ品質を予測できるとしています。
説明EREBOTS 4.0：A2Aエージェントと MCP ツールによる対話アシスタントのためのフレームワーク
要約本論文は、対話アシスタントを構築するためのオープンソースのマルチエージェント・フレームワーク EREBOTS 4.0 を提案しています。言語モデルのエージェントが要求の計画と振り分けを行い、決定的なツールが Model Context Protocol（MCP）を通じて正確な結果を計算します。オーケストレーターは各ターンで専門エージェントを選び、Agent2Agent プロトコル（A2A）で呼び出します。新しいエージェントは設定ファイルに URL を記載するだけで追加できます。公式 A2A 互換性テストキットの 97 項目の要件に、失敗なく合格したと報告されています。
説明長尺動画理解におけるMLLMのバイアスの診断と修正
要約長尺動画の質問応答では、答えが動画内に散在する数少ない決定的な場面に左右されることが多い一方、メモリの制約によりMLLMはごく低いフレームレートでしかサンプリングできず、重要な証拠を見落とすおそれがある。本論文では、MLLMの近道的なバイアスの挙動を体系的に診断するベンチマークS-MMEを提案する。さらに、学習を必要としない枠組みCLEARを提案し、質問のみ、あるいは局所的に顕著な視覚クリップのみを残した拡張ビューによってバイアスの影響を推定し、推論時に隠れ状態へ介入して誤差を抑える。五つのベンチマークでの実験により、本手法が異なるMLLMに統合可能で、予測と頑健性の一貫した向上をもたらすことが示された。
説明推薦説明のための反事実的プロファイル摂動：再現性研究
要約本論文は再現性研究であり、LXR（Learning to eXplain Recommendations）という反事実説明手法を再検証しています。この手法は、ユーザーの評価を変更する摂動を見つけ、ある推薦アイテムがなぜ推薦されたかを説明します。著者らは、最上位以外のアイテムへの適用や、人気度や潜在因子類似度などの代替ベースラインとの比較を行っています。また、人気の低いアイテムほどLXRの摂動が短く、説明品質が高いことを示しています。
説明近似族とノイズ除去スコアマッチングの統計的効率：拡散過程の異なる近似空間におけるスコア推定の分散と収束性を研究する論文。
要約本論文は、前向き拡散の無限小生成作用素の固有関数の勾配が張る有限次元近似空間上でのスコアマッチングを研究している。一次元のOrnstein-Uhlenbeck流における多項式近似と、トーラス上の熱流における三角多項式近似を比較している。Ornstein-Uhlenbeck設定では、標準ガウス分布と一様に比較可能な任意の非ガウス初期分布について、漸近的なスコア推定分散が多項式次数の部分列に沿って指数関数的に増大することを示している。提案された演算子情報スコアマッチング（OISM）は各次数での分散を減らすが、十分に小さい時間では指数的な不安定性を解消できない。一方、トーラス上の熱流では、三角多項式上のOISMが前向き拡散に沿ったスコア誤差の有限サンプル制御を可能にし、期待Kullback-Leibler損失の下で十分に滑らかな密度推定の古典的なミニマックス速度を達成する。
説明Concorde：分解エネルギー最小化による幾何認識リンク予測
要約本論文は、疎なグラフにおけるリンク予測を扱い、リンク尤度を構造的に分離された三つの分岐に分解するエネルギーベースの枠組みConcordeを提案している。三つの分岐は、パラメータを持たないスペクトルアンカー、学習可能な混合曲率積多様体上の残差項（Ollivier-Ricci曲率の代理で正則化）、双曲空間の接束上の連続ベクトル場である。これらは学習されたゲーティングで融合され、検索型評価に合わせたN対ランキング損失で学習される。疎・密・特徴量なし・属性付きの五つのベンチマークで、疎な設定ではP@10%が主要ベースラインのほぼ二倍になったと報告されている。
説明UT-HMR：ロバストな3D人体メッシュ復元のための不確実性誘導型時系列モデリング
要約本論文は、遠距離、遮蔽、動きブレによる弱い観測条件下で、単眼画像から3D人体メッシュを復元するUT-HMRフレームワークを提案します。各人物クエリが関節間の相関を持つ姿勢の不確実性を予測し、推論は決定的に保たれます。隣接フレームの情報を姿勢デコード前に融合します。アイスホッケーとサッカーのデータセットで最先端の結果を達成しています。
説明基盤モデルは、プロンプト型分類器が見逃す隠れた意図を検出できる
要約本論文は、適切なペルソナヘッダーを付けた事前学習済みの基盤モデルで出力の尤度を評価する「ペルソナヘッダー尤度評価（PHLE）」を提案している。この方法により、異なるペルソナのプロンプトで生成された数列を区別でき、目立った不整合を取り除いた有害意図モデルの出力も識別できた。一方、生成元モデルを含むプロンプト型分類器は、これらの課題でほぼ偶然の水準にとどまった。
説明count-catcher：モデルカウント証明書からLean定理を生成する
要約本ツールは、厳密なモデルカウンタd4によるCPOG証明書を、Leanで定義されたCNF式が変数V個上でちょうどN個のモデルを持つというLean定理に変換します。符号化補題により、これは組合せ対象の個数に関する定理になります。論文では、約8TBの証明書から得た数百の認証済み計数の重み付き和として、8次のラテン方格の個数を証明しています。
注目点モデルカウント証明書をLean定理に変換し、8次ラテン方陣の個数を証明、CPOG検査器の誤りも発見しており、新規性と根拠は十分。
説明点字の読み取りを学ぶ：視覚言語モデルの点字認識能力の評価と改善
要約本論文は、実世界で撮影された一級および二級点字画像259枚からなるベンチマーク「BrailleBench」を提案している。汎用の視覚言語モデルは点字画像を直接書き起こす性能が低く、ツールを併用したシステムの方が高い性能を示した。著者らは合成点字生成パイプラインを設計し、そのデータで学習した2Bモデルは一級で87%、二級で61%の完全一致率を達成した。合成データの検証精度が高くても実写真での精度は保証されないことも示している。
説明推定を超えて：維納情報デコーディングによるピクセル空間フローモデルの学習容易化
要約本論文は、ピクセル空間で速度場を直接学習することの難しさを扱い、固定された維納推定（画像の二次統計量に基づく）が速度学習を改善することを示している。著者らは、学習可能な維納予測経路と係数インターフェースを組み合わせた維納情報デコーディング（WiD）を提案し、データ統計量で初期化する。ImageNet 256×256において、WiD付きのPixelDiT-XLは500エポック後にFID 1.53を達成し、元のPixelDiTと同程度の品質を37.5%少ない学習エポック数で実現している。
説明低ランク多重線形分解による大規模言語モデルのハルシネーション検出（LOTUS手法）
要約本論文は、流暢だが事実と異なる回答（ハルシネーション）を検出するためのフレームワーク「LOTUS」を提案しています。大規模言語モデルの隠れ状態を統計量で要約し、低ランク多重線形分解によってコンパクトな表現を抽出したうえで、軽量な分類器を学習させます。複数のモデルと質問応答ベンチマークの実験で、近年の最先端手法より高い検出性能を示したとしています。
説明動的データ駆動型応用システムのためのグラフ学習におけるベイズ的証拠累積
要約本論文は、動的データ駆動型応用システム（DDDAS）において、順次到着する観測に対応するグラフ分類の枠組みB-EAGLeを提案している。グラフニューラルネットワークのエンコーダとベイズ累積器を組み合わせ、新しい観測が到着するたびにクラスラベルの事後確率を更新し、十分な確信度が得られた時点で判断を下す。CIFAR10での実験では、競争力のある性能と、逐次観測下での根拠ある信頼度推定が示されている。
説明Skill Dreaming：プルリクエストの流れからリポジトリのスキルを進化させる手法
要約本論文は、LLMコーディングエージェントがプルリクエスト（PR）履歴から学習し、リポジトリ固有のスキルライブラリを構築して継続的に更新するフレームワーク「Skill Dreaming」を提案します。これらのスキルは、機能の実装だけでなく、テスト、ドキュメント、互換性、リポジトリの慣習の維持にも役立ちます。PR分析、スキル管理、コード実行、継続的インテグレーションを統合し、PRの結果を将来のスキル更新に反映するエンドツーエンドのワークフローを提供します。
説明『率直に言えば』：議会では同じ言葉を使いながら、結びつく語が異なる選挙の公正性をめぐる議論
要約本論文は、2010年から2025年に送られた10,420通の米国議会議員の電子ニュースレターを分析し、民主党と共和党が「公正性」「安全保障」「不正」などの選挙関連語をどのように用いてきたかを比較している。文脈に応じた語の使われ方の変化を追う通時的な単語埋め込み手法を用いて、両党の使用の違いと語の近傍関係を測定した。その結果、両党は同じ語を使いながら、周囲に置く語が大きく異なることが示された。2024年には、民主党は「有権者」「選挙」「公正性」を利用機会や運営に関する言葉と、共和党は同じ語を「市民権の確認」「非市民の投票」「国境の安全」と結びつけていた。
説明AIはテストを生成せずにテストを導けるか？AI支援単体テストの比較研究
要約本論文は、実行可能なテストを直接生成せず、学生のテストスイートの弱点に絞ってフィードバックを与える生成AIチューターTestCompassを提案しています。18名の学生を対象とした授業内実験で、2つのJava単体テスト課題において汎用AIアシスタントと比較しました。汎用AIを使った学生はより多くのテストを作成し、TestCompassを使った学生は自分でテストを開発・検証する時間が長くなりました。多くのテスト品質指標は両群で同程度で、ある課題ではTestCompass群がより少ないテストメソッドで同程度の要件カバレッジを達成しました。
説明Lipi-Ghor：大規模・話者分離付き・多領域ベンガル語音声コーパスとその構築パイプライン
要約本論文は、ベンガル語の弱教師ありの音声コーパスLipi-Ghorを紹介します。998本のYouTube動画（596チャンネル）から得た885時間の音声を含み、オーディオブック、ドラマ、宗教説教、ニュース、地域方言など17の領域を扱います。各録音はSSTT形式（話者、音声、転写、タイムスタンプ）で注釈され、自動話者分離とベンガル語のYouTube字幕を組み合わせています。さらに、同じ手法を他言語にも適用できるパイプラインを提示し、4つの代表的なASRモデルでベンチマークを行った結果、感情表現、方言、長時間コンテンツで性能が低下することを示しています。17名のボランティアが人手で検証した金標準評価セットも公開されています。
説明追跡データの分位点回帰による人間のスポーツ動作の到達可能性の学習
要約本論文は、スポーツにおける到達時間（TTA）、すなわち選手が現在の運動状態からピッチ上の任意の地点に到達するまでの最短の妥当な時間を研究している。TTAを条件付き分位点回帰問題として定式化し、移動時間の下側分位点を推定する。PFF FC FIFAワールドカップ2022の64試合の光学追跡データで学習し、軽量な多層パーセプトロンは、文献の六つの物理ベースモデルおよび学習された到達可能領域のベースラインを上回った。さらにバスケットボールとNFLの追跡データで汎化性も検証している。
説明ニューラルネットワーク学習の動的粗視化：学習過程を巨視的に記述する理論枠組み
要約本論文は、パラメータ空間よりはるかに小さい状態空間で学習を予測・制御するため、ニューラルネットワーク学習を動的粗視化で記述する手法を提案している。まず学習則に従う学習演算子を定義し、その降下定理を確立した。続いて厳密閉包定理と動的粗視化定理を示し、粗視化モデルの構築と評価の枠組みを与えている。有限幅の非線形ReLUネットワークを例に、固定パターンに対して五つの独立したモーメントからなる厳密な粗視化モデルを導出し、学習出力と学習演算子の時間発展を正確に予測できることを示している。
説明指示チューニングが言語モデルの数字選択ヒューリスティクスを形成・強化することについて
要約本論文は、ランダムな数を求められた際に言語モデルが1からNの各整数に割り当てる確率を、サンプリングによらず直接計算しています。18のオープンウェイトモデル系列、複数のデコーディング設定を対象とし、15組のベースモデルと指示チューニング済みモデルを比較しました。その結果、指示チューニングによりすべての組で分布がより偏ることが示されています。
説明『勝者を選ぶな：知識の衝突には固定ルールではなく事前分布が必要』：検索拡張言語モデルが文脈と自身の知識の矛盾にどう対処すべきかを扱う研究
要約本論文は、検索された文脈と言語モデル自身の知識が食い違う場合の回答方法を研究しています。既存手法は設計時に固定したルールで衝突を解決するため、一部の状況では必ず誤ると指摘し、両方の情報源それぞれの証拠と、文脈が正しい頻度の事前分布が必要だと論じています。GRACEベンチマークで検証し、事前分布で調整したうえで選択または棄権する手法が、さまざまな文脈の組み合わせでベースラインを上回り、ClashEvalでも同系統の手法を上回ったと報告しています。
注目点固定規則ではなく事前分布で知識衝突を解く決定理論的枠組みを提案し、双方のソース証拠と事前シフトの選択器を構築した点が新しい。GRACEとClashEvalでの比較実験は充実している。
説明PrinGS：ガウシアン・スプラッティングにおけるプライバシー保護
要約本論文は、3Dガウシアン・スプラッティング（3DGS）の表現に顔、ナンバープレート、文書、画面などの機密性の高い視覚情報が含まれ得る問題に取り組み、学習済みスプラットを直接匿名化する表現レベルの枠組みを提案しています。ユーザーが機密箇所を示す参照視点を与えると、3D表現内の対応領域を特定して匿名化し、以後レンダリングされる新規視点から機密情報を取り除きつつ、シーンの形状と視覚的忠実度を維持します。訓練後の匿名化は1秒未満で完了します。さらに、最適化中に機密内容が表現に埋め込まれないようにする設計段階からの訓練戦略も示されています。顔類似度（FSM）は9.79%、文字のOCR文字誤り率は1.00となったと報告されています。
説明Stratum：コンテキストウィンドウを超えるコーディングエージェント向けリポジトリメモリ
要約本論文は、リポジトリと共存する階層型メモリ「Stratum」を提案し、コーディングエージェントがセッションをまたいで経験を保持できるようにする。八件の実際のバグを用いた複数セッションの実験では、前のセッションのメモリを引き継いだ新しいエージェントが根本原因のファイルを24試行中21回特定し、検索のみのベースラインは24試行中6回だった。中央値のトークンコストは4.5倍低かった。
説明複製か裏付けか：多エージェント討論における証拠依存性の公理的枠組み
要約本論文は、多エージェント討論で一致する報告が、同一証拠の重複（複製）によるものか、異なる証拠源による同一主張への裏付け（コロボレーション）によるものかを区別する枠組みを扱う。最小の判断ゲームモデルを定式化し、根複製不変性（RRI）などの公理を提示し、複製と裏付けを分ける系譜商（lineage quotient）を導入する。さらに定量的双極論証フレームワーク（QBAF）へ拡張し、大規模な列挙と実データ由来のプロファイルで分離効果を検証している。
説明Any3R：任意のカメラ種別からのフィードフォワード型3D再構成
要約本論文は、任意の中心射影カメラで撮影された複数画像から、カメラ姿勢と稠密な幾何形状をフィードフォワードネットワークで復元するモデル Any3R を提案する。ピンホールカメラを前提とする従来の位置符号化と損失関数を、画素ごとの光線方向場に基づく形に置き換え、レンズ種別に依存しない設計としている。3つのデータセットにまたがる13種類の中心カメラの評価で、各手法が自ら予測したカメラ姿勢を用いた場合に最も一貫して高精度であった。
説明分布関数に対する任意時点で有効な信頼帯
要約本論文は、データストリームの分布関数について、すべての時点と全点で同時に有効な信頼帯を提案する。各観測値が過去に任意に依存する場合でも成り立つ。まず時間平均条件付き分布関数に対する信頼帯を導き、その幅が二分探索木の深さによって決まることを示す。さらにこの結果を、任意の添字集合上で時間と添字について一様に有効な信頼帯を構成する枠組みへ一般化し、重要度重み付きCDF、打ち切りCDF、多変量CDFに適用して説明する。
説明構造フィードバックからプロンプト方策へ：忠実な文生画像プロンプト編集器の学習
要約本論文はStruPOを提案する。これは校正済みのシーングラフを方策の条件付けと画像に基づく教師信号の共有表現として用いる、構造認識型のプロンプト編集器である。削除・並べ替え・挿入という単語対応の操作でプロンプトを修正し、平滑な報酬整形と編集ごとの複数画像の平均化によって不確かな対応付けと確率的な画像生成に対処する。3つの互いに重ならない2Kプロンプトのテストセットと4つの固定生成モデルで実験を行い、関係の忠実度と美的品質のバランスを改善したと報告している。
説明SpatialPC：準線形の局所的クレジット伝播による深層計算
要約本論文は、通信範囲が有界な局所学習則において、損失の影響が最も早いパラメータに届くまでの回数は深さよりも通信の幾何構造に依存することを示す。単位範囲・次数2dの有向非巡回グラフを構成し、予測符号化の枠組みで動作するSpatialPCを提案する。信用は伴随予測動力学（APD）により伝播される。MNISTとFashion-MNISTでの実験では、有限ラウンドの勾配が収束後の勾配と整合し、テスト精度が示されている。
説明対称性の破れは有限容量の代償である（容量が限られるとモデルの対称性が崩れることを示す論文）
要約本論文は、モデルの容量が限られているとき、問題の回転対称性がなぜ最適モデルで破れるのかを研究している。ガウス問題と双線形予測器の設定で、対数損失における対称性の代償を正確に示し、その結論をアテンションヘッドへ拡張している。ピーキーなソフトマックスアテンションでは、破れたヘッドが20のヘッド次元のうち16で、すべての整殻対称ヘッドを上回ったと報告されている。
注目点有限容量下の対称性破れのコストを厳密な式で示し、注意ヘッドで予測された破れ次元を検証しており、証拠は比較的充実、影響は機械学習理論と注意機構の分析に限られる。
説明誤解を招く連結性：対照的証拠パスでエージェント型検索を導く
要約本論文は、クエリに条件付けられた文書グラフ上で各候補の最強の単一パスを用いて採点し、グラフの背景訪問分布で補正することで構造バイアスを抑える対照的証拠パス（CEP）を提案しています。さらに、CEPに基づき、候補文書と接続パスを構造化された地図に整理する構造化コーパス相互作用（SCI）を開発し、エージェントがアンカー文書から展開して情報源を検証し、不足情報を探せるようにしています。BrowseComp-PlusとTREC-COVIDでの実験では、SCIが回答精度とnDCG@10で最先端の結果を示し、生成コストも最も低かったと報告されています。
説明ConformalMOS：共形予測区間と順序モデリングを用いた不確実性を考慮したMOS予測
要約本論文は、合成音声の主観評価値である平均オピニオン評点（MOS）を予測するためのフレームワークConformalMOSを提案している。点推定に加え、共形予測により交換可能性の下で被覆率が保証される予測区間を出力する。学習時にはMOSラベルを順序を考慮して、one-hotの目標値をガウス平滑化された分布に変換して扱う。BVCCデータセットでは、MSE=0.08という競争力のある精度を示し、実証的に検証された被覆率が得られたと報告している。
説明SuperJEPA：高エネルギー物理向けの教師信号付き結合埋め込み予測アーキテクチャによる事前学習
要約本論文は、教師あり目的関数を加えた結合埋め込み予測アーキテクチャ（JEPA）であるSuperJEPAを提案しています。ジェット識別の下流タスクにおいて、複数のタスク、モデルサイズ、事前学習データ量のもとで性能向上が見られたと報告しています。凍結エンコーダと微調整エンコーダの両方で効果が持続し、著者は将来の大規模素粒子物理基盤モデルで予測的自己教師あり学習を用いる根拠になると述べています。
説明AIの方が科学研究で優れてきたとき、なぜ、どのように科学を続けるか：人間の理解と主導に基づく枠組み
要約AIが中核的な研究作業で人間の研究者に並ぶか上回るようになる中、人間がなぜ科学を続けるべきか、また研究でAIをどう使うべきかを論じています。科学の不可欠な目的は、人間の目的や価値に資する、持続的で集団的な世界の人間による理解だと位置づけます。そこから、研究作業をAIに委ねてよいかを判断する「人間の理解」と「人間の主導」の二部構成の基準を導き、CRediTの各研究段階に当てはめた提言を示します。AIが人間を上回っても成り立つ枠組みだとしています。
説明コンテキストは窓ではなくパイプライン：LLMエージェントハーネスにおける情報の目減り
要約本論文は、LLMエージェントがツールを使う際に、ツール出力がモデルに届くまでに失われる情報量を調べたものである。Linuxカーネルのトレースを読んで障害原因を特定するエージェントを測定した結果、結果の約3分の1が固定長で切り詰められ、JSONが壊れていた。切り詰めは末尾付近のデータを削除し、フィールドごとに可視性が大きく異なることが示された。受控実験では、損失の代償はまず誤答ではなく余分な作業（ツール呼び出しや計算量の増加）として現れるとしている。
説明半パラメトリックベイジアンネットワークにおけるディリクレ過程混合：新しい条件付き密度推定手法
要約本論文は、半パラメトリックベイジアンネットワーク（SPBN）の非パラメトリック条件付き確率分布に、カーネル密度推定の代わりにディリクレ過程混合（DPM）を用いる手法を提案している。DPMは観測値を適応的にクラスタリングするため表現がよりコンパクトになり、推論コストを下げられる。合成データでは連続変数向けの既存モデルより密度推定誤差が小さく、構造学習や実データでもカーネル密度推定ベースの手法を上回ったと報告している。
説明更新回数を超えて：テスト時モデル更新を評価するための制御マップ
要約本論文は、採点対象の回答の前に確定したモデル更新を記録し、振る舞いの変化、即時学習、長期保持、無関係な振る舞いの維持、新しい場面での性能を別々に評価する「制御マップ」という枠組みを提案している。実験では、同じ更新回数でも更新のスケジュールによって正答率が大きく異なることが示された。また、編集内容を学習しても保持されるとは限らず、どの編集手法もすべてのモデルとベンチマークで最良とはならなかった。著者らは、更新履歴を報告し、学習、保持、局所性を別々に評価することを提案している。
説明CohortFlow：局所的な意味修正を用いた、指示可能な臨床コホート抽出エージェント
要約本論文は、自然言語による修正を構造化されたコホート仕様への局所的な更新として扱い、永続的な実行グラフと照合するCohortFlowを提案している。明示的に記録された意味的依存関係により、影響を受ける計算のみを無効化し、有効な既存結果は保持する。臨床試験の適格基準から作成した100シナリオ（修正126ターン）では、局所的な修正の要件micro-F1は77.0%で、全面再生成の76.4%と比べて統計的に有意な差はなかった（p=0.493）。修正の遅延は完了後で平均64.8%、実行中で44.3%削減され、モデル呼び出しは38.1%減少した。
説明ℓp球上のオンライン線形最適化における極小最大最適な小損失境界
要約本論文は、固定された2≤p<∞に対する単位ℓp球上の完全情報オンライン線形最適化を扱う。損失の最小値を基準とした累積損失と次元に依存する後悔境界を持つFTRLアルゴリズムを提案し、各固定pについてこの速度が極小最大最適であることを示す。さらに切り替え拡張や、独立同分布損失における後悔のlog T係数についても分析している。
注目点極小最適下界と一致する小損失上界を示し、最適定数も与える。FTLが失敗する経路の分析も含み理論的改善は明確だが、影響は主に理論分野に限られる。
説明指令容量：制御された負荷下での言語モデルの挙動と劣化
要約本論文は、言語モデルが指示をどれだけ同時に守れるかを測る手法を提案します。負荷として意味のない単語を置き換える規則を用い、各置換を正解が既知のベルヌーイ試行とみなします。統計モデルで正しく置換できる確率の変化を文章の長さや規則数などの関数として記述し、正答率を指定したときに守れる規則数（指令容量）を不確実性付きで算出します。GPT-4o mini の測定（2958件のリクエスト、642,430回の試行）では、正答率0.95で約37〜38規則、全置換密度で約18〜19規則でした。
説明ヒントはどれほど重要か？金融推論における後知恵自己蒸留の適用条件
要約本論文は、データ所在地規制により小型のオープンウェイトモデルをローカルで運用せざるを得ない金融機関を対象に、Fin-SD を提案します。モデルが推論の最初の誤りを特定して短い批評を書き、誤り直前の正しい接頭辞とヒントを条件とする教師を、逆方向 KL により学生に蒸留します。外部モデルは勾配に関与しません。実験では、批評を汎用フィードバックに置き換えても精度向上がほぼ同じで、効果は提示する内容ではなく監督を適用する位置に由来することが示されました。同系統のより大きなモデルが書いたヒントにも明確な優位はありません。完全な参考解答を用いる自己蒸留と比べ、精度は同等で、生成トークンは 9.5% 少なくなりました。
説明模倣学習によらない速度評価に基づく、エンドツーエンド自動運転のためのクローズドループ対応計画
要約本論文は、既存のエンドツーエンド自動運転モデルに組み込めるプラグイン型の計画手法CLAP-ADを提案している。経路は模倣学習で学習し、複数の候補速度は物理的な安全制約で監督される学習関数により複数の基準で評価する。Bench2Drive-Speedでは速度遵守スコア82.53を達成し、従来の最強ベースラインTFv6を12.9ポイント上回った。
注目点速度条件付き学習なしでテスト時に速度選択を制御するプランニングヘッドを提案し、Bench2DriveとNAVSIMで明確な改善を示す。影響は端到端運転分野に限られる。
説明低次元サロゲートから在来型の準定常性診断を学習する手法
要約本論文は、並列レプリカ動力学などの加速動力学法で必要となる脱相関時間の推定を扱う。MCMCに基づく従来の診断の代わりに、非線形確率フローの粗視化とシミュレーションベース推論を用いる手法を提案し、サロゲート過程の非線形フローが真の過程の確率フローを時間に依らず非漸近的に近似することを示す。さらに再帰型ニューラルネットワークで脱相関の事後確率を推定し、合成例と分子系でMCMC診断と比較して、事前分布の仮定が成り立つ場合に優れた結果を示すと報告している。
