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Trinity：マルチモーダルエージェントのための能力駆動型再帰的自己改善フレームワーク
要約本論文は、Creator、Explorer、Evolver の三つの役割からなる Trinity フレームワークを提案している。仮想環境の生成とハーネス（エージェントの実行枠組み）の進化を結びつけ、タスクを表面的なカテゴリではなく共通の能力要件に基づいて整理する。進化したハーネスは、28 の訓練ベンチマークで平均 34 ポイント、未見の 18 ベンチマーク（実世界の具現化タスク 2 件を含む）で平均 26 ポイント性能が向上したと報告している。
説明Jaxnasium：PyTreeを活用した、任意のエージェントと複数スイートに対応する強化学習ライブラリ
要約本論文は、JAXベースの強化学習ライブラリJaxnasiumを紹介しています。環境スイートごとにインターフェースが異なり、アルゴリズムが単一のスイートや空間型にしか対応しない問題を扱っています。観測空間と行動空間をPyTreeとして表現し、離散、連続、画像、複合空間やマルチエージェント環境で同じアルゴリズムコードを動かせるようにしています。11のスイートから300以上の環境を利用でき、複数シード評価やハイパーパラメータ探索のツールも備えています。
説明Rollback：世界モデルにおける経験の巻き戻しによる方策改善
要約本論文は、順方向のみに推論する模擬器だった世界モデルを反事実推論の道具として使うRollback手法を提案します。重要な意思決定時点まで巻き戻して別の行動を分岐させ、結果を比較して個々の決定の成否を帰属させます。分散型の世界モデル探索と実機の非同期実行を統合し、軽量なLoRAの仕組みで実世界の経験を用いてモデルの動力学を補正します。三つの実機タスクで、最も強い基準手法に比べ成功率がそれぞれ約10.67％、11.11％、11.85％向上しました。
説明モードごとに見る陽子構造：深非弾性散乱フィットに対するニューラル・タンジェント・カーネル解析
要約本論文は、深非弾性散乱データからパートン分布関数（PDF）を求める際のフィードフォワード型ニューラルネットワークの学習過程を、ニューラル・タンジェント・カーネル（NTK）によって解析する。以前の単一フレーバー解析で得られた勾配流の厳密な積分を多フレーバーの場合に拡張している。主要なNTKモードの少数だけで目標のPDFを再構成でき、データのノイズは後の学習段階で学ばれる副次的なモードに含まれることを示す。
説明検索器なしの検索：決定モデルによる文書ナビゲーション
要約本論文は、従来の語彙マッチングや埋め込み類似度に代わり、事前学習済み言語モデルの判断能力を用いるDecisionRAGを提案しています。モデルは一度の順伝播で候補の分岐を同時に評価し、トークンを生成しません。図書館を眺める人のように、広いトピックから個々の段落まで階層的に探索します。論文によれば、タスク固有の学習や第一段階の検索器がなくても、MultiDoc2Dialでは8Bリランカーを用いた密ベクトル検索を13.8ポイント、Natural Questionsでは17.4ポイント上回り、1クエリあたり0.7〜1.8秒で検索できるとされています。
説明Auto-Research Arena：言語モデリングにおける自律研究システムのベンチマークと改善
要約本論文は、自律研究システムを評価し、言語モデリングにおけるアイデアを発見するための多目的ベンチマーク「Auto-Research Arena」を提案している。まずモデル品質と資源制約によって結果の適格性を判定し、その後、選択された目標に基づいて適格な結果の進展を測定する。事前学習において、モデル・データ・学習・推論効率にまたがる九つの目標を設定し、七つの研究ハーネスを評価した。その結果、単純な逐次探索のベースラインが複数の複雑な手法を上回った。
説明進化戦略の重心解釈：報酬加重の重心への変位としての更新
要約本論文は、進化戦略（ES）のパラメータ更新を幾何学的に解釈します。摂動させた各モデルを質点、報酬を質量とみなし、更新方向は報酬で重み付けした重心へ向かうと説明します。有限の任意の集団に対して、平均を引いたESの更新は、平均報酬に依存するスカラー係数で拡大されたこの変位とちょうど一致することを示しています。大規模集団または対称（antithetic）サンプリングの場合、重心はモデル自身の位置に近づきます。
説明VibeVideoBench：コード駆動型動画生成におけるマルチモーダルエージェントの評価ベンチマーク
要約本論文は、エージェントがコードで映像と音声を生成する能力を評価するベンチマーク VibeVideoBench を提案している。英語と中国語の239タスクを12カテゴリにわたって含み、評価は階層的かつ証拠に基づいて行われる。九つのエージェントシステムを検証した結果、最良のシステムでも約4分の1のタスクで核心要件を満たせず、失敗の多くは最終レンダリングの開始遅延や処理の遅さに起因していた。
説明力に反応する人型ロボットの移動・操作学習
要約本論文は、人型ロボットが移動しながら接触力を制御することを学習させる枠組みFLOREを提案しています。力センサー付きの手持ちグリッパーと身体装着型トラッカーでロボットを使わずにデモを収集し、視覚・固有受容覚・測定された力とモーメントを入力として、動作と両手の力指令を出力する拡散ポリシーを学習します。これらの指令は、力追従機能を備えたハイブリッド・コンプライアンス全身制御器によって、バランスを保ちながら実行されます。接触の多い3つのタスクでは、力反応型ポリシーの成功率が80%で、位置のみのポリシーの26.7%を上回りました。
説明視覚モデルは「3は3」と理解しているか——論文「Do vision models know that three is three?」の解説
要約このarXiv論文は、視覚エンコーダが「2から3へ」「清潔から汚れへ」といった概念の変化を線形な方向として符号化しているかを検討しています。46の視覚エンコーダと10の概念群を対象に調べ、同じ視覚的場面の内部では概念の方向がほぼ普遍的に見つかる一方、異なる場面どうしでは同じ方向を共有しないことが多いと報告しています。この現象は「断片化された線形性」と呼ばれています。さらに、局所的な線形性が強いモデルほど断片化を脱しやすく、一部の概念方向は場面をまたいで線形プローブとして転用できることも示されています。
説明学習の安定性に関する研究：勾配信号が断続的だと学習が不安定になりうる
要約本論文は、勾配情報がノイズを含み断続的にしか得られない場合に学習アルゴリズムが安定かどうかを検討しています。平均的な学習動態が正しい最適解に収束しても、学習の分散は漸近的に無限大になりうることを示しています。単層および多層線形ネットワークなど解析可能な設定で、学習が安定する明示的な条件を導いており、それらは確率的勾配降下法の既存の安定性条件とは概念的に異なります。結論として、不偏な信用割当だけでは信頼できる学習に不十分であり、十分に頻繁で情報量のあるフィードバックも必要だとしています。
説明FL4N：4D新規視点合成のためのフィードフォワード潜在モデル
要約本論文は、動的シーンを異なる視点と時刻で描画する4D新規視点合成のための、初の前方伝播型潜在4Dモデル「FL4N」を提案しています。明示的な4Dガウス表現に頼らず、事前学習された静的潜在事前分布の上で時間的変化を残差として学習し、物体の動きとカメラ視差を区別する軽量な動的エンコーダを導入しています。画像合成の目的のみで学習され、リアルタイム描画で最先端の品質を達成したと述べられています。
説明OSWAM：1ステップで行動を生成する効率的な世界行動モデル（自動運転・身体制御向け）
要約本論文は、自動運転と身体制御のために、1回の拡散ステップで行動を生成するOSWAMを提案している。ランダムノイズの代わりに想像トークン（imagination tokens）で拡散過程を初期化し、未来条件付きの特権情報蒸留で未来を考慮した行動生成を強化する。原文によれば、数十ステップを要する既存手法と同等以上の結果を、直接方策型WAMの基準よりおよそ3倍速く、NVIDIA RTX 5090上で40ミリ秒の遅延により実現するという。
説明鼻咽がん全経過の医療における大規模言語モデルの患者別ルーブリック評価
要約本論文は、鼻咽がんを対象に、がん治療の経過全体にわたる多段階の臨床推論を評価するベンチマーク「NPC-RubricBench」を提案しています。2つのがんセンターの405人の患者の経時的記録から作成され、941の患者・段階単位と17,688の患者別基準を含みます。30の汎用・医療向けモデルを評価した結果、診断性能が高くても後続の治療には結びつかず、段階ごとに主な失敗の種類が変わることが示されました。
説明保持して拡張する：多言語LLMベース音声認識のためのソース認識型適応とモデルマージ
要約この論文は、既存の言語の学習データを再利用せずに、多言語音声認識システムを新しい言語へ拡張する方法を研究しています。凍結された大規模言語モデルに音声表現を接続するコネクタ型Speech LLMを対象に、目標更新の構成方法と統合戦略を比較しています。結果として、単一目標の拡張ではSSU-Wanda+TIESが元の言語の保持と新言語の学習の両立に最も優れ、多目標の拡張では言語の順序に強く影響されることが示されています。
説明ワークエージェント：システム、能力、最適化
要約本論文は、基盤モデルと実行ハーネスを組み合わせ、状態を持つワークスペースでタスクを遂行し検証可能な成果を出すシステムとして「ワークエージェント」を捉える、作業中心の統一的枠組みを提案しています。作業の持続性と開放性という二つの次元で作業条件を特徴づけ、デジタル作業を五つの形態に分類しています。また、信頼できる作業実行に必要な五つの中核能力群や、モデル・ハーネス・両者の共同最適化の手法、評価方法について検討し、今後の研究の方向性にも触れています。
説明MedVTok：2D画像と3Dボリュームを統一トークン空間に変換する汎用医用視覚トークナイザ
要約本論文は、多様な画像モダリティの2D画像と3Dボリュームを統一されたトークン空間に写像する汎用視覚トークナイザMedVTokを提案します。切片間の解剖学的整合性を明示的にモデル化する切片差分正則化と、複数の医用専門エンコーダの知識を統合しつつモダリティ固有の補完情報を保持する多専門家表現アライメントを導入しています。28M枚の画像と70Kのボリュームで、9種の画像モダリティを用いて学習し、単一のトークナイザで分類、検索、セグメンテーション、合成、視覚的質問応答、報告書生成を支えるとされ、24のベンチマークで最先端の性能を達成したと報告しています。
説明EBenchによるフロンティアエージェントの評価：直接制御からポリシー併用ハーネスまで
要約本報告は、EBench上でGPT-6-Astraをロボット制御エージェントの中核として評価し、後学習済みのVLAおよびWAMポリシーと比較したものです。直接制御（ウェイポイント指令を直接生成）と、後学習済みポリシーを呼び出せるハーネス併用の2構成を検討しました。直接制御は短期タスクや汎化面で安定していましたが、長期・卓上操作・高精度接触タスクでは劣りました。併用構成では全体成功率が最強のポリシー水準に近づき、トークンコストも大幅に下がりましたが、呼び出し方法などの制約により単独コンポーネントの上限には届きませんでした。
説明干渉を見抜く：最小コアによる文脈安定な寄与度推定
要約本論文は、機械学習で広く使われるShapley値に基づく特徴量寄与度の説明手法を扱い、コンピュータビジョンでは完全な実画像に特徴を加えると、予測ラベルが変わらなくても目標クラスのスコアが下がる場合があることを指摘しています。著者はこれを文脈的な妨害特徴と定式化し、半値と最小コアの下での寄与度を検討しています。弱い平均周辺単調性の仮定の下で、半値と最小コアの差の定量的上界と十分条件を導き、より大きな文脈へ重みを移すと符号付き差が小さくなることを示しています。画像分類実験とSalient ImageNetでの評価が、理論的知見を実証的に支持しています。
説明Jev式System Oneモデルの理解：構造は選択バイアスを減らすか？
要約大規模言語モデルは、選択肢の提示順序を無視するよう指示されても選択バイアスが残ります。本研究は、質問と候補内容を固定し選択肢の順序だけを入れ替えるテストで、2つのJevバージョン、12のJev再現モデル、6つの生成型LLMを比較しました。Jevの正答率の変動は2ポイント未満でしたが、累積の失敗集合は元の順序と比べ27〜29%拡大しました。安定した正答率だけでは選択バイアスへの耐性を示せないと結論づけています。
説明幾何生成が空間理解を助ける仕組み：GeoUG モデルの研究
要約本論文は、画像・動画生成モデルの空間的一貫性を利用して空間理解を高められるかを検討しています。深度と多視点生成を空間理解と統合した GeoUG を提案し、まず回答の草稿を作り、幾何学的根拠を生成して確認・修正するかを判断する適応的交互推論を導入しています。GeoUG は CV-Bench-3D、3DCueBench、DA-2K で循環精度 97.9%、90.8%、94.2% を達成し、常に生成する場合より生成回数が少なくなっています。
説明基本に立ち返る：汎用ウェブエージェントのためのスキル中心アプローチ
要約本研究は、15分野の65の相互接続サイトからなる小規模なウェブ環境MiniWebを提案し、37の再利用可能な操作要素を7つのスキル群に分類して人手で注釈を付けています。10の公開重みエージェントを評価した結果、ドラッグ＆ジェスチャー系のスキルが最も弱く、いずれのエージェントも24%を超える成功率を示しませんでした。これを受けてMiniWebGenで検証済みの学習データを生成し、計画器と実行器を組み合わせたMiniWebAgentにより、未知サイトや外部ベンチマークでの成功率が向上したと報告しています。
説明事前学習が「何をするか」を、シミュレーションが「どう動くか」を教える：シム学習ロボットエージェントの構成的汎化
要約本論文は ZAP という手法を提案し、事前学習済みの270億パラメータの視覚言語モデルに簡単なツールインターフェースを組み合わせてロボットを制御させます。簡単なシミュレーションタスクで教師ありファインチューニングとGRPOを行い、学習中に実ロボットのデータは一切使用していません。実世界のタスクで成功率96.7%を達成し、GPT-6 Astraと同等で、MolmoAct2 VLA（33.3%）を上回り、GPT-6 Astraより高速かつ低コストだと報告されています。さらに、学習データに含まれない物体やタスク、単腕のFranka型ロボットへの転移も示されています。
説明マルチモーダル・コンサート映像編集：システム設計と探索的評価
要約本論文は、複数カメラで撮影されたコンサート映像を自動編集するためのモジュール式フレームワークを提案している。マルチトラック音声からの楽器の演奏状況、映像に写る楽器、画像の鮮明さ、ビートに基づくタイミング、確率的なカメラ選択を組み合わせ、解釈可能な評価モデルで各ショット区間に使う映像を選ぶ。四台のカメラで撮影した一公演を用いた部品テストと専門家による探索的評価を行い、編集方式によって評価は分かれた。著者は今後、文脈や系列全体に関する基準を加える必要があるとしている。
説明探索型クリエイティブ事前ランキング：リアルタイムのクリエイティブ最適化のための階層型経験ベイズ・トンプソンサンプリング
要約本論文は、ユーザー単位のランキングの前に各候補クリエイティブを採点し、キャンペーンごとに短いリストを絞り込むクリエイティブ事前ランカーを提案する。クリエイティブはオーディエンスセグメント、広告商品、キャンペーン、クリエイティブの階層で整理され、新しいクリエイティブは上位階層の過去の実績を借りる。借用の度合いは履歴ログから閉形式で定められる。Robloxのスポンサード広告トラフィックを用いた再生実験では、短リストにより予測再生完了率が8.14%向上し、全候補プールより40%以上少ないクリエイティブを転送し、サービング時間は0.2%の増加にとどまった。本手法は現在Robloxで本番運用されている。
説明因果DAGに基づく強化学習による長期的な身体活動の維持：既存データを将来の展開に活かす研究
要約本論文は、今後実施されるADAPT要因試験のためのオンライン強化学習システムを提案している。このシステムは、身体活動に関する感情体験の改善を目的に、1日2回、参加者ごとに調整された活動提案を行う。著者らは専門家が設定した因果有向非巡回グラフを用い、状態の構築、部分的にしか観測できない状態の推定、遅延報酬の割り当てを導いている。さらに、先行する微小ランダム化試験から校正した縦断シミュレータで、展開前に候補となる設計を比較している。
説明VGGT は自分の誤りに気づけるか？
要約VGGT のような順伝播型の3D再構成モデルは、一度の前向き計算でカメラ姿勢と形状を出力するが、姿勢の不確実性は示さない。研究者は、VGGT が35%で失敗する1,000組の難しい画像ペア（HardMatch）で、凍結された特徴量上の線形プローブが未知カテゴリでの姿勢失敗を ROC-AUC 93.5% で予測できることを示した。これは VGGT 自身の点群信頼度（79.7%）を上回る。プローブは VGGT が自信を持つ誤りも検出し、再学習なしで他データセットの回転失敗にも転移する。
説明非平滑サンプリングのためのアンカー付きStein変分勾配降下法
要約本論文は、非平滑な可能性のある目標ポテンシャルUに対する密度p∝e^{-U}からサンプリングするためのStein変分フレームワークを提案する。より滑らかな参照ポテンシャルU0と、アンカー重みa=e^{U-U0}を導入し、Uの勾配を計算せずに目標分布を扱えるアンカー付きSVGDアルゴリズムを構成する。標準SVGDはその特殊な場合に含まれる。U0は連続微分可能、Uは局所Lipschitzという仮定の下で、KL変分公式と非漸近的な収束限界を示し、U0の構成方法にも言及している。
説明いつトークンを確定するかを学習する：高速拡散言語モデルのためのスケジュール蒸留
要約拡散大規模言語モデル（dLLM）は複数のトークンを並列に生成できるが、応答の完成までに多くのデコード回数を要することが多い。本論文は dSpark を提案し、スケジュール蒸留によってトークンをいつ確定すべきかを学習する。他の位置の予測を容易にするトークンを優先して早期に不確実性を下げるアンマスクスケジュールを構築し、それをモデルに蒸留して高速な並列サンプリングを可能にする。KL ダイバージェンス正則化により生成品質を保つ。GSM8K では、LLaDA-8B-Instruct と Dream-7B-Instruct でそれぞれ 10.12 倍と 5.12 倍の高速化を、既存のベースラインに対して達成しつつ、良好なタスク性能を維持したと報告している。
注目点スケジュール蒸留により拡散言語モデルのトークン確定タイミングを学習する手法で、複数モデル・ベースラインとの比較でGSM8Kなどにおける高速化を示している。
説明AI時代における学術的努力と採用のゲーム理論分析
要約本論文は、数学や理論科学などの分野で、高性能なAIの普及により採用の判断材料が揺らいでいる問題を扱っています。応募者と採用側の双方の戦略を組み込んだゲーム理論モデルを構築し、起こりうる純粋戦略均衡をすべて分類しています。さらに学習シミュレーションにより、集団がどのような行動を学習しうるかを検討しています。
説明FOCUS：長期タスクの言語モデルエージェント向け能動的クリティック学習手法
要約本論文は、報酬が疎な環境で長期タスクを行う言語モデルエージェントが、初期の行動へ功績を割り当てにくい問題に取り組む強化学習手法FOCUSを提案します。選択的分岐により、推定誤差を最も減らせると見込まれる状態から続きをサンプリングし、TD(λ)のアドバンテージで隣接する状態間の区間を評価します。実験では、法律推論、深層検索、コード局所化のベンチマークで、同じステップ当たり生成予算のもとGRPOやVinePPOを上回りました。Qwen3.5-9B規模では、BrowseComp-Plusで55.4対48.2、DeonticBenchで56.5対52.4となっています。
説明LLM研究エージェントによる主張の平滑化を定量化する研究
要約本論文は、大規模言語モデルが生成する長文の研究レポートが、確信に満ちた総合的な結論を示しながらも、元の文献を正確に反映していない場合があると指摘し、これを「平滑化（smoothing）」と呼んでいます。この現象を測るため、著者らはSmoothScoreという主張単位の評価手法を提案しました。レポートから結論を抽出し、関連する証拠を探して高次の観点で分類し、証拠との対応で各主張を採点します。7つのシステムと4つのデータセットでの検証では、エージェントが根拠に見合う以上に強い主張を一貫して生成することが分かりました。
説明選択的タイ学習：選好最適化における擬似相関の緩和
要約選好最適化は擬似相関を学習してしまうことがあり、選好データに同等に好まれる応答（タイ）を加えることで擬似的な依存を減らせることを扱う論文です。著者は対数線形ポリシーにおいて各タイが擬似依存に与える影響を導出し、予測される低減効果が最も大きいものを選ぶ方法を提案しています。対数線形ポリシー、ニューラルモデル、大規模言語モデルの各設定で、一様な選択より少ないタイで同程度の低減を達成したと報告されています。
説明ノイズのある線形リカレントニューラルネットワークの学習動態に関する理論：ノイズが学習される表現をどう変えるかの解析
要約本論文は、生物の神経回路に内在するノイズが、リカレントニューラルネットワーク（RNN）の表現学習に与える影響を検討しています。線形活性化関数と白色雑音入力をもつ解析可能なモデルを用いています。重みを小さく初期化した「リッチ領域」では、ノイズが入力・出力・再帰の各重みの整列方向を大きく変え、解の縮退を崩すことが示されています。ノイズが十分に大きい場合、パラメータの大きさが制限されると、非縮退解は最適にならないと報告されています。
説明コーディングエージェントはデバッガーがまだ必要か？フロンティアモデルによる故障位置特定の精度上限
要約本論文は、ツールなし、デバッガーを任意利用、デバッガー利用を促す、の3条件でコーディングエージェントの故障位置特定精度を評価しています。144件のLeetCodeDataset解答に610件の単一行故障を埋め込み、動作を保つ5種類の書き換えを適用しました。ツールなしでも精度は96.7〜99.9%に達し、デバッガー利用の奨励は残りの誤りの多くを除去しましたが、トークン使用量は14.7〜27.0倍に増加しました。
説明OmniBrain-0：身体性知能のための統合エージェントモデル
要約本論文は、ロボットの操作とナビゲーションを共有の高レベル意思決定モデルで調整する軽量な統合具身エージェント「OmniBrain-0」を提案しています。タスク理解、計画、進捗追跡、フィードバックに基づく失敗からの回復を統合します。学習には、具身事前学習、領域特化エージェント蒸留、マルチ教師のオンポリシー蒸留（MOPD）を組み合わせ、さらにルーブリック誘導型の再帰的自己改善を導入しています。複数のベンチマークと実世界の操作タスクで評価され、教師モデルより推論・実行の負荷が大幅に低いとされています。
説明多様なユーロゲームにおけるLLMエージェントの統一競技場（DECE）
要約本論文は、共通のインターフェースと評価プロトコルを備えた十種類のユーロゲームを対象とする統一競技環境DECEを提案しています。主要実験では、九つのモデルと四つの実行ハーネスを組み合わせた12の構成を、十ゲームの480回の三人対戦で評価し、補足実験を含めて計1,032試合が行われました。結果として、ゲーム間で概ね一致する順位傾向と、ゲーム固有の強みが見られ、同じモデルでも実行ハーネスによって性能が異なることが示されました。また、競技上の優位性が必ずしもトークンやコストの効率向上につながるわけではないと報告されています。
説明自由に見て、自由に推論する：単純なLLMハーネスが手作りの根本原因分析エージェントを上回る
要約本論文は、モデル呼び出しの手順を事前に定めない三つの単純なハーネスを、五つの公開済みLLM根本原因分析エージェントおよび統計・因果手法と比較しています。評価はRCAtlas（8つの公開データセットから得た90件の検証済み事例）で行われ、単純なハーネスが多くのモデルで最も高い精度を示しました。
説明信号は改善するがエンコーダーは劣化する：自己教師あり学習におけるラベルなし監視の既知解テスト
要約自己教師あり学習は、学習済み特徴量の損失や統計量を使い、ラベルなしで監視されます。本研究では、既知の生成因子を持つ合成画像でLeJEPAエンコーダーを学習させ、因子の読み取り可能性が急落して低い状態が続くことを確認しました。その間も損失は下がり続け、追跡した無ラベル信号の多くは改善を示し、劣化した学習を正常な学習より高く評価していました。
説明類似度指標は本当に類似性を測っているのか？ユーザー活動が推薦システムで生む「見せかけの相関」
要約本論文は、推薦システムで用いられる共起ベースのアイテム類似度の多くが、共通の嗜好ではなくユーザー活動量の差に由来することを示します。ユーザーが互いに独立して消費し、総消費量だけが異なる場合でも、一般的な類似度指標は強い関連を検出すると述べ、これを「ファントム相関」と名付けています。著者はRaschモデルで独立消費を記述し、各指標と人気度の関係を導出して、実データのベンチマークと比較しています。
説明身体疾患を超えて：臨床記録は慢性疾患患者の新たな精神保健リスクを明らかにできるか？
要約本論文は、入院中の慢性疾患患者にうつ病、認知症、希死念慮などの精神保健リスクが生じうる点に着目します。MIMIC-III（重症患者データベース）の約4,000名を対象に、退院サマリーから得た精神保健の根拠を用いて弱教師あり코호트を構築しました。階層型状態空間モデルにより日ごとの臨床記録から表現を導き、入院期間中のリスク推定のため時間変化をモデル化します。予備結果では、提案した表現により二値のリスク予測が改善し、リスク群と非リスク群でモデルが示すリスク推移が明確に異なることが示されました。
説明EEGaze：脳波による顕著性補正を用いた視覚探索の多モーダル注意予測
要約本論文は、36人の参加者が140の実際的なシーンで自由に視覚探索を行った際に、脳波（EEG）と視線計測を同期して記録した公開データセット「EEGaze 140」を紹介しています。また、既存の顕著性予測モデルの出力を、脳波から推定される利用者の認知状態に合わせて補正する手法「EEGazeNet」を提案しています。評価実験では、EEGazeNetがすべてのベースラインおよびアブレーション条件を上回ったと報告されています。
注目点視覚探索の注意予測にEEG信号を初めて統合し、大規模なマルチモーダルデータセットを公開して基準を上回る。
説明VidEdit3D：ビデオ拡散モデルによる柔軟な3Dガウシアン編集
要約本論文はVidEdit3Dを提案し、3Dシーン編集を軌跡ベースのビデオ編集タスクとして再定式化します。事前学習済みのビデオ拡散モデル（VDM）の時空間事前知識を用いて、視点間の意味的・構造的一貫性を確保します。トラジェクトリ誘導レンダリング、学習不要の流れ整合ビデオ編集（編集一貫性誘導を含む）、領域選択的な3DGS改良を組み合わせ、背景属性の漏れを抑えます。実験では基準手法より指示への整合性と多視点の一貫性が高いと報告されています。
説明CLOSURE：多変量時系列異常検知のためのチャネル間整合性評価手法
要約本論文は、ラベルがない状況で多変量時系列の異常を検知するCLOSUREを提案します。再構成可能性とチャネル間整合性を別々に学習する二つの課題として扱い、前者は正常な時間的基底の離散メモリを条件とする拡散再構成器、後者は他のチャネルのみから各チャネルを予測する関係閉包演算子が担います。両スコアは正常データでの校正によってのみ統合されます。公開ベンチマークで、近年の再構成型・周波数型・位相型の検知手法を上回る結果が報告されています。
説明ペアワイズ・ベルマン検証によるオフポリシー評価のモデル選択
要約オフポリシー評価では、適合Q関数や占有比推定の誤差を保留データから直接評価することが難しい。本論文は、保留遷移を用いて有限個の候補から選択するチューニング不要のミニマックス手法、ペアワイズ・ベルマン検証（PBV）を提案する。補助モデルや別個の最適化を必要とせず、候補の有限回の経験モーメント計算のみで済む。候補クラスの誤指定があっても、最良の候補に対する有限サンプルのオラクル不等式を示し、Hopper と Deep OPE で結果を報告している。
説明SEMA-Auto：自律性を備えた多ターンのジェイルブレイク攻撃手法
要約本論文は、標的モデルの応答を見ながら自ら攻撃を進め、成功時に自分でセッションを終了できる多ターン型ジェイルブレイク攻撃器「SEMA-Auto」を提案しています。学習は合成軌跡による微調整と、決定を監督する強化学習の二段階で行われます。論文によれば、複数のデータセットとモデルで最高水準の攻撃成功率を、少ないターン数で達成したとされています。
注目点自律的に終了する多段階ジェイルブレイク攻撃器を提案し、合成ブートストラップと決定監督型強化学習で既存の静的・対話型基線を複数データセットで上回る。
説明LUCID：条件付き密度推定による局所的共変量重要度の手法
要約本論文は、モデルに依存しない新しい局所的変数重要度の指標と推定量LUCIDを提案している。ある特徴量を摂動させる際、残りの観測された特徴量を与えたときの完全な条件付き分布からもっともらしい値を抽出し、観測データの分布から外れた非現実的な反事実を避ける。既存の変数重要度指標との理論的な関係を示し、収束保証と不確実性の定量化を備えた推定量を提供している。さらに、シミュレーションと実データの例で安定した性能と実用性を示している。
説明選好誘導型の多目的マルチエージェント強化学習における協調手法
要約本論文は、多目的マルチエージェント強化学習（MOMARL）において、多目的の構造を単なる追加の最適化課題とせず、エージェント間の協調を促すために活用できるかを検討している。目標ごとの反事実的なクレジット割り当てを導入し、メタ勾配情報を取り入れた静的版（MIRL-S）と動的版（MIRL-D）のMIRLを提案している。多目的多粒子環境での実験では、提案手法がベースラインよりもパレートフロントの品質を向上させ、動的版が最も高い性能を示した。
説明ルーティング型アンサンブルと軌道帰属による多目的強化学習
要約本論文は、有用性と誠実性、速度とエネルギー消費など相反する目的の間でバランスを取る多目的強化学習を扱います。著者らは目的間の対立度を表す係数を提案し、この指標を用いたオンライン設定での準最適な後悔上界を導出しました。また、少数の基底方策を保持し、軌道を潜在報酬が最も高い方策へ動的に振り分ける手法と、軌道間の相互作用を非線形に捉えるカーネル代理による軌道帰属手法を設計しています。Meta-World と MO-Gymnasium の実験では、ルーティング型アンサンブルが平均性能を 4.3% 向上させ、カーネル帰属は留一法分析との相関を 50% 改善、軌道選択では報酬が 27% 向上したと報告されています。
説明TRACE：時間周波数再構成によるメモリ効率の高い時系列クラス増分学習
要約本論文は、履歴サンプルを保存せずに、プライバシーとメモリの制約下で時系列認識モデルが新しいクラスを学習しつつ既存クラスを忘れないようにするTRACEフレームワークを提案しています。凍結された小型の時間周波数表現と軽量なクラス別オートエンコーダを用い、再構成誤差によって分類を行います。原文によれば、五つのベンチマークで競争力のある分類精度を示し、TS-ACLと比べて平均保持メモリを約98.26%削減し、GrabMyoでは精度が約33.43%相対的に向上したとされています。
説明「監視塔の必要性」：フロンティアAIのためのライフスパン較正型評価
要約本論文は、AIの能力展開と安全保証の間のギャップは構造的であり、内部評価だけでは埋められないと指摘する。2017年から2026年までに文書化された被害事例を人生全体にわたって分析し、いずれも暗黙の成人利用者モデルに基づいて評価されたことが原因だと論じる。六つの人生段階にまたがる「ライフスパン脆弱性マトリクス」と、それに対応する設計原則および三層の外部評価枠組みを提案している。
説明MatAnyone-E：高解像度動画マッティングのための疎なメモリ伝播手法
要約本論文は、MatAnyone 2 を拡張した効率的な高解像度動画マッティング手法 MatAnyone-E を提案しています。まず低解像度で不確実な領域と関連するメモリ候補を特定し、その領域だけを高解像度で照合し、他は低解像度の結果を再利用します。さらに軽量なデコーダを用いることで計算を削減します。論文では、抽出品質は MatAnyone 2 と同等で、推定推論速度は約 7.4 倍、4K でのピーク GPU メモリ使用量は約 7.6% に低下し、単一の NVIDIA H200 で 1080p 約 73.07 FPS、4K 約 28.62 FPS に達すると報告しています。
説明JEVは臨床試験の基準評価を支援できるか：比較研究の説明
要約本論文は、臨床試験の事前スクリーニングで「条件未達」と「証拠不足」を区別する課題を扱っています。2,048件の患者と条件の組み合わせで、非生成型の判定モデルJEVと、構造化出力のQwen Flashを比較しました。バッチモードでは、TrialGPTとMIMIC-IVでは両者の宏F1が近く、MIMIC-IIIではJEVが明確に高い結果でした。著者らは、JEVを初期評価の補助として位置づけ、判断には患者記録との照合が必要だと述べています。
説明線形拡散モデルにおける初期化と有限サンプル効果による対称性学習の失敗の定量化
要約本論文は、拡散モデルがデータ分布の対称性（例えば犬の画像のさまざまな向き）を学習できるかを、理論的に扱いやすい線形拡散モデルの設定で検討しています。対称性が崩れる三つの要因を比較し、学習目標のノイズによる崩れが、サンプルが豊富な場合でも残るため最も頑健であることを示しています。ランダム行列理論の局所法則を用いて、部分空間内の対称性に関する平均対称性誤差の式を導出し、より小さい対称性ほど学習が難しいことを示しています。
説明報酬ハッキングを予算内の強い検証器で監査する：GRPOにおける監査配分
要約本論文は、GRPOの強化学習において、限られた強い検証器の予算をどの弱く通過した応答の監査に使うかを検討する。通過数が少ない群から優先して監査する低通過予算監査（LB）を提案し、LeetCodeおよびCountdown-Codeでハッキングをほぼゼロまで抑えられることを示す。ランダム監査より少ないラベルで済むことも報告されている。
注目点限られた強い検証予算のもと弱い合格数の少ない群から監査する手法を理論的に示し、33の実訓練で検証しており、報酬ハッキング対策として実用的意義がある。
説明多層Transformerの定量的汎化境界：少数の長い文字列が多数の短い文字列に勝る場合がある
要約本論文は、Transformerベースの言語モデルの汎化能力を、同分布での統計的汎化と長さ汎化の両面から共同で分析する。固定精度Transformerについて、モデルのパラメータサイズ、量子化空間、系列を構成するアルファベットのサイズに基づく汎化保証を示している。訓練系列長を増やすことは、サンプル数を増やすよりも指数的に効率的な場合があると述べられ、実験は理論の予測と整合するとされている。
説明自己符号化器の潜在特徴によるニテロイのバス遅延・運行異常の検出
要約本論文は、ニテロイのバスの生GPSデータを自己符号化器で64次元の潜在ベクトルに圧縮し、個々の便の遅延分類と日単位の異常検出に用いる。結果として、潜在表現は遅延検出を改善せず、単純な便ごとの要約特徴量を用いたモデルの方が高い性能を示した。日単位の異常信号は複数の自己符号化器間で安定しているが、検出力は告警しきい値の設定に強く左右される。
説明CIVER：信頼性の高いコードレビューのための因果介入による検証フレームワーク
要約本論文は、コードレビューで指摘された問題のうち真の欠陥と誤検出を区別する、因果介入に基づくフレームワークCIVERを提案しています。レビュー、介入（修復志向の摂動を生成）、検証の3モジュールを、エキスパート反復により共同で最適化します。SWE-Review-Benchでの実験では、標的を絞った修復を通じて真の欠陥の77%を特定しました。さらに、クロスプロジェクトおよび下流の修復評価で、リポジトリをまたいで汎化し、コーディングエージェントのタスク成功率を向上させることが示されています。
説明Triage：動画拡散トランスフォーマーにおけるアテンションタイルの省略・粗い計算・精密化
要約本論文は、動画拡散トランスフォーマー（DiT）の推論を高速化する学習不要のアテンション手法「Triage」を提案しています。各アテンションタイルに、ブロック平均で置き換えて省略する、NVFP4で粗く計算する、NVFP4の残差補正で精密化する、という3段階の近似レベルのいずれかを割り当てます。軽量なルーターがブロック統計量から各レベルの誤差を予測し、トレードオフを決める単一の係数に基づいてのみ、より高精度なレベルへ移します。Wan2.2、HunyuanVideo、LTX-2.5での評価では、密な FlashAttention と比べてエンドツーエンド生成が最大2.32倍高速化され、五つの設定すべてで各ベースラインより速く、最も高いPSNRのベースラインより0.3〜3.0 dB高いPSNRを達成したと報告されています。
説明説明可能なマルチモーダルAIによる不要な乳房生検の削減
要約本研究は、Grad-CAMを説明可能AI（XAI）技術として組み込んだマルチモーダル視覚言語アプローチを提案し、生検を勧められた患者（特にBI-RADS 4および5）のうち良性腫瘍を予測することを目的とします。1,632名の患者の四方向マンモグラフィーと放射線科報告書を用いて学習・評価を行い、テストセットのAUCは0.72で、画像のみ（0.66）やテキストのみ（0.68）の基準モデルを上回りました。著者らは、この手法が不要な生検の削減に役立つと述べています。
説明自己信頼度から統計的正確性へ：直接監査とLLM支援監査による人間参加型評価の拡張
要約大規模言語モデルやマルチモーダルモデルが自己報告する信頼度は、しばしば較正が不正確です。本論文は、この信頼度を層別抽样の手がかりとして使いつつ、直接的な人手監査とLLM判定者による支援評価の両方を統一的な統計枠組みで比較します。MMLU-ProとMMMU-Proでの実験では、較正が不十分な信頼度でも統計的に妥当な層別監査が可能で、信頼度が極端に偏る場合は比例配分が誤差を大きく減らすことが示されました。LLM判定者は一部の組み合わせでしか人手ラベルの効率条件を満たさず、自動推論のコストが節約効果を制限しえます。
説明MiRL：端末エージェントの誤動作を狙って修正する強化学習
要約本論文は、複数の環境で繰り返し現れる誤ったステップ（誤動作）を特定し、その誤りが起きた地点から強化学習で方策を訓練する手法MiRLを提案しています。テストに合格し、かつその誤動作を避けた軌跡のみに報酬を与えます。Qwen3.5-4Bでは八種類の誤動作が誤ったステップの52.1%を占め、訓練後は未見の接頭辞上で、これらの誤動作の繰り返しが平均43%から57%減少しました。Terminal-Bench Liteでは51.8%でTMax-4B（47.4%）を上回り、Terminal-Bench 2.1では21.3%で同等（TMax-4Bは20.6%）、ロールアウト数は35%で済みました。
説明深層CTR予測における入力側次元の最適構成を統一的に行うフレームワーク（OptIDC）
要約本論文は、深層クリック率（CTR）予測において、サンプル、特徴量、埋め込みユニットの3つのレベルにわたる入力側の選択を統一的に学習するOptIDCを提案しています。異なるレベル間の選択の衝突を緩和するため、選択重み付き最適輸送の仕組みを導入しています。著者らは本手法がモデルに依存せず既存のCTRモデルに組み込めるとし、4つの実データベンチマークで既存の入力側選択手法より高いAUCを示したと報告しています。
説明単一の信念ではない：対話型質問応答における回答ペイロード、持続性、乖離した確信度シグナル
要約本論文は、ユーザーが反論したときに対話型質問応答システムがどのように誤りを修正するかを検討しています。各フォローアップ発話を発話行為（再質問、同意、異議）とペイロード（正誤を問わない回答文字列）に分け、同じ対話記録で四種類の確信度シグナルを比較しています。回答が変わるのは主にユーザーが回答文字列を提示したときで、発話行為のみではほとんど変わらないことが示されています。また四つのシグナルは互いに一致しません。
説明GNN-VIEW：グラフベース地球システムモデルの可視的検査と説明のためのツール
要約本論文は、グラフベースの地球システム機械学習モデルの開発を支援する、ブラウザ上で動作する対話型ツール GNN-VIEW を提案している。訓練前にはグラフの情報経路を可視化し、グラフ構造のデバッグを可能にする。訓練後は帰属（アトリビューション）に基づく説明手法により、特定の予報でモデルがどの入力特徴量を使用したかを示す。著者は海洋予報モデルのグラフ構築段階と、ハリケーン Laura 期間中の降水予測不良の説明という二つの事例で有用性を示している。
説明EvoRouter：洞察誘導型オンポリシー蒸留によるコスト効率の高いマルチエージェントルーティング
要約本論文は、Web クエリを処理するマルチエージェントシステムの構成（モデル、協調方式、エージェント数など）を割り当てる EvoRouter を提案しています。専門モジュールが複数タスクの構成履歴から再利用可能なルーティング洞察を抽出し、教師モデルがそれと実行フィードバックを用いてオンポリシー蒸留により細粒度の教師信号を与えます。コストを考慮した強化学習で性能と計算コストを同時に最適化します。19 のドメイン内データセットで平均正解率 68.69% を示し、最強のベースラインを 7.23 ポイント上回る一方、推論計算コストを 50.95% 削減したと報告しています。
注目点洞察抽出とオンポリシー蒸馏を組み合わせたマルチエージェントルーティングで有意義な組み合わせ。19の領域内データセットと域外ベンチで比較し、証拠は比較的充実。
説明TrySee：専門分野における閉ループ・ロボットタスク計画のための、知覚強化型VLM接地のモジュラー手法
要約本論文は、汎用の視覚言語モデル（VLM）による推論と、専門分野向けの知覚モジュールおよび既存のロボティクス要素を組み合わせた、モジュラー型の閉ループ・ロボットタスク計画パイプライン「TrySee」を提案している。システムは、領域特有のビジョン前処理モジュールを備えた反応型の循環計画により、オンラインでの接地を行う。VLMの微調整や端から端までのデモは必要とせず、交換可能な知覚モジュールと運動計画によって適応する。5つの異なる領域の計画タスク（実世界でのロボット分解作業を含む）で評価され、既存施設（brownfield）環境での現場試験により実用性が示されている。
説明LLM-SCを生きた神聖遺産へ適応：パシュパティナート寺院の口コミを用いた領域特化抽出、意味ネットワークと人手評価
要約本論文はLLM-SCフレームワークをネパールのパシュパティナート寺院に適応させ、12種の実体、4種の関係、9つの側面・感情次元を指定したGPT-4oの抽出プロンプトを設計しました。英語のTripadvisor口コミ2,500件を対象に構造化抽出を行い、200件の人手による照合基準と比較して各構成要素を評価しています。可復元性と一般化の限界も明記されています。
説明OmniShowcase：複数視点画像から全方位で被写体の一貫性を保つ動画を生成する手法
要約本論文は、少数の参照画像から特定の被写体の動画を生成する際、カメラの移動で入力に写っていない面が現れる問題を扱います。提案手法OmniShowcaseは、360度の周回を含む多様なカメラ軌道の動画を自動生成するデータ合成パイプラインと、参照視点から再構成した表面法線マップ列を動画モデルに与える幾何条件付け手法から成ります。また、学習用のShowcase-4Kと評価用のShowcaseBenchを構築し、被写体の同一性と3D一貫性で最先端の結果を示す一方、映像品質と動きも競争力を保つと報告しています。
説明印刷とスキャン：印刷・スキャン劣化下における単一画像モーフィング攻撃検出器の脆弱性の検証
要約本論文は、複数人の生体特徴を一枚の顔画像に合成する顔モーフィング攻撃の検出を扱っています。著者らは SYN-MAD22 データセットを 300 および 600 DPI で印刷・再スキャンした版を作成し、デジタルデータのみで学習した八つの単一画像検出モデルを評価しました。その結果、デジタル環境で最先端に近い性能を示したモデルでも、平均等価誤り率が三倍以上に増加することが示されました。
注目点印刷・スキャン版SYN-MAD22データセットを作成し8種のS-MADモデルを評価、デジタル領域との性能差を明らかにする。二種のスキャナで検証し、証拠は比較的充分。
説明CounterFlow：視覚的反事実説明のためのターゲット条件付きフローマッチング手法
要約本論文は、条件付きフローマッチングに基づく CounterFlow を提案します。これは、ユーザーが指定した目標クラスへ元画像を誘導する視覚的反事実説明を生成する枠組みです。ターゲット条件付きベクトル場を用いることで、GAN や拡散モデルに比べ計算負荷を抑えつつ、現実的な意味的変更を得るとされています。原文では、標準ベンチマークで視覚的リアリズムとクラス切り替えの両面で最先端の性能を示したと述べられています。
説明DuplexTune：混合エキスパートモデル向けの結合状態リプレイによるメモリ効率の良い適応手法
要約本論文は、事前学習済みのアテンションおよびエキスパートモジュールを通じて結合された隠れ状態をリプレイするDuplexTuneフレームワークを提案します。学習可能な幅ブリッジが2本の残差ストリームを主幹に接続し、ルーターの重みは固定したままブリッジを先に暖機してから主幹を適応させます。Qwen1.5-MoE-A2.7BでのシングルH800評価では、ピークメモリは38.8 GBで、チェックポイント付き教師あり微調整の64.8 GBより少なく、スループットは25.1サンプル/秒で、後者の19.9を上回りました。MMLU 67.2%、GSM8K 75.6%、MT-Bench 7.69を達成しましたが、多言語スコアはチェックポイント付きベースラインより低い結果です。
説明DeepSeek V4.1 Flash-1017 の制御喪失・有害な操作リスクに関する独立安全性評価
要約本論文は、オープンウェイトモデル DeepSeek V4.1 Flash-1017 を第三者として独立に安全性評価したものです。EU 汎用AI行動規範に基づき、評価の健全性、制御喪失、有害な操作に関わる 34 のベンチマーク（自作 5 種を含む）で検証しています。V4 世代より安全性が大きく向上し、一部の項目では主要な閉鎖型システムに近づくか並ぶ一方、なお注意が必要な挙動も示されました。著者は、増分リリースへの安全性評価の組み込みと、推論過程や操作ログを対象としたプロセスレベルの監視、非公開ベンチマークの整備を勧めています。
説明Hessian類似性下のSCAFFOLD：鋭い収束率（フェデレーテッド学習の補正手法の理論解析）
要約本論文は、フェデレーテッド学習で用いられるSCAFFOLD（制御変数によりクライアントドリフトを補正する手法）を、クライアント間のデータ類似性をHessian類似性で測る条件下で解析しています。凸および非凸の目的関数に対し、Hessian類似性に線形に依存する収束保証を示し、固定のローカルステップサイズで解析対象の手法に対応する下界を証明しています。また、部分参加の場合には、クライアントが同一であっても追加のローカルステップから通信上の利益を完全には得られないことを示しています。
注目点SCAFFOLDの収束保証を二次関数から一般の凸・非凸目標へ拡張し、Hessian類似度への線形依存と整合する下界を示している。
説明MedJev：医療分野におけるゼロショット・システムワン意思決定の評価
要約本論文は、テキストを生成せず単一の順伝播で構造化された質問に答える、ラップトップ上でローカル実行可能なオープンなシステムワン（System One）モデルMedJevを提案し評価したものです。MIMIC IVおよびMIMIC IV EDを用いて、医学知識、診断、患者レベルの予測にわたる10の医療ベンチマークで検証しています。MedQA、USMLE、NEJMでの正答率は公表されたGPT-4の性能に近く、院内死亡率の予測ではXGBoostを上回りました。一方、救急外来でのトリアージ後入院などの運用上の結果では教師あり모델に劣ります。さらに、2つのパラメータのみによる再校正手法を提案し、50〜200件のラベル付きデータで予測誤差を大幅に低減できることを示しています。
説明説明可能な航空リスクのハイブリッド枠組み：安全報告からの因果連鎖抽出と物理ベースの故障定量化・介入分析
要約本論文は、ローカルの大規模言語モデルを用いて約5万6千件の米国事故報告から順序付きの因果連鎖を抽出し、因果知識グラフにまとめています。2,000件の評価サンプルでは、調査官が指摘した原因の90.8%を再現しました。さらに物理因子ごとの発生モデルを構築し、ノイジーORモデルで故障モード確率を求め、エンジン出力低下（キャブレターの着氷）を例に分析しています。
説明ロバスト強化学習のための、証明可能に効率的なQ学習
要約シミュレーションと実環境のずれに弱い従来の強化学習に対し、ロバスト強化学習はさまざまな想定外の条件でも信頼できる動作を目指します。本論文は、全変動距離で不確実性集合を定めたロバストMDPに対して、サンプル効率の良い非同期Q学習アルゴリズムを提案します。単一のマルコフ軌跡のみを用いて最適Q関数の要素ごとのε近似を得るためのサンプル複雑度の上界を示し、既存の結果より大きく改善されていると述べています。
説明スパン読み出しと選択的適応によるJEV含意リランキングの改善
要約本論文は、JEV決定モデルの含意リランキングを改善する手法を検討しています。著者らは、選択肢末尾のポインタを、各NLI選択肢内の文脈化状態の平均に置き換えるスパン読み出しを提案し、注意機構とゲート付きDeltaNet射影の低ランク適応は残し、フィードフォワード適応器は除去しています。MC11ベンチマークでは、選択的適応によって学習可能パラメータを半分以上減らしつつ、NeoHorse-1-4Bの精度が全モジュール版より向上し、平均スパンプーリングは同じパラメータ数でさらに一貫した改善をもたらしました。
説明輸送ニューラル接線カーネルによる条件付き生成モデルの能動学習
要約多くの高スループット実験は単一の数値ではなく分布を出力するため、データの解釈や新しい条件での結果予測に条件付き生成モデルが必要になります。本論文は、平均のみに基づく能動学習は分布の形状を捉えられないことを示し、生成モデルの予測分布がパラメータに対してどれだけ敏感かを測る輸送ニューラル接線カーネル（tNTK）を提案します。これを用いて事後分散を最小化する入力を貪欲に選択し、合成分布、意図ラベル付き文、単一細胞摂動応答で、条件付き平均に基づく基準NTKより優れることを示しています。
説明TRON：自然に進化した生物ネットワーク構造をニューロ進化へ転用する手法
要約本論文は、実験で測定されたタンパク質間相互作用（PPI）ネットワークを、ニューラルネットワークの構造事前情報として用いるTRONフレームワークを提案します。ランダムな位相の代わりに生物の相互作用パターンを構造の基礎として再利用し、進化的演算子、種分化、新しく生成された構造を初期段階で保護する仕組みを組み合わせています。3つの分類と3つの回帰のベンチマークで評価した結果、分類では全データセット、回帰では多くのタスクで最高の予測性能を示し、独立実行間のばらつきも小さくなりましたが、計算コストは増加しました。
説明Bovdi–Geche 普遍性予想の強い形と複素数版の証明
要約本論文は、単一のニューロンからなるニューラルネットワークに関する二つの普遍性定理を証明している。まず、有限体上の乗法的指標和に対するWeil限界を用い、活性化関数が離散対数の一種の修正である場合についてBovdi–Geche普遍性予想の強い形を示す。次に、重みベクトルが目標関数に依存しない複素二値ニューロンについて、Aizenbergの普遍性定理を一般化している。
注目点有限体上の単一ニューロンの普遍性の強い形を証明し、複素数版Aizenbergの定理を一般化して文献の未解決問題に答えており、証明は厳密だが応用影響は限定的。
説明VPR-Space：宇宙模擬環境における視覚的場所認識のベンチマーク
要約本論文は、月や火星のような地球外表面環境での視覚的場所認識（VPR）手法を評価するためのベンチマーク「VPR-Space」を提案しています。宇宙模擬領域（SAD）の既存データをもとに16組のデータベース・クエリデータセットを構築し、環境、視点変化、照明条件などの課題を含めています。さらに、後段のSLAMタスクで有用な照合かどうかで正解を定める方法を提案し、九つの最先端VPR手法を評価した結果、改善の余地が大きいことが示されました。
説明SeeRF：生成的画像レジストレーションと融合により視野の外まで捉える手法
要約本論文は、マルチモーダルセンサーの視点と視野の不一致に対応するための生成的レジストレーション・融合フレームワークSeeRFを提案しています。微分同相の定常速度場に基づく変形生成、視覚基盤モデルによる特徴抽出、粗から細へのレジストレーションを組み合わせ、拡散生成モジュールと結合して非重複領域の補完と融合を行います。著者らは、複数の公開データセットと実環境で優れた性能を示したと報告しています。
説明予測だけでなく計画のための適応：楽観的テスト時ワールドモデル適応（OpTTA）
要約推論時に凍結された潜在ワールドモデルが分布シフト下で計画性能を落とす問題に対し、本論文は楽観的テスト時適応手法OpTTAを提案する。目的関数は観測された遷移の予測損失と、プランナーの候補ロールアウトにおける目標到達コストの二項からなり、目標到達に楽観的なモデルへ適応を導く。操作・到達・ナビゲーションタスクの視覚および環境シフトの実験では、予測器のみを適応させた場合、OpTTAは凍結モデルより平均13.5ポイント計画成功率を向上させ、予測のみの目的（AdaJEPA）の改善幅を上回った。
説明空戦作戦における戦術判断のためのオフライン言語支援システム
要約本論文は、空戦作戦におけるパイロット訓練と戦術判断を支援するオフライン言語支援ツールMATE（Mission Assistant for Training and Evaluation）を紹介しています。本システムは検索拡張生成（RAG）を用い、教範や戦術マニュアルから抽出した内容に基づいて自然言語の質問に答えます。すべてオープンソースの構成要素で作られ、完全にオフラインで動作します。ブラジル空軍の戦闘機パイロット3名が3種のオープンウェイト言語モデルの回答を評価したところ、平均評点は5段階で4.00から4.40で、Mistral NeMo 12Bが最も高い評価を得ました。応答時間は手作業での検索と比べて十分と評価され、検索された内容の関連性が主な改善点とされました。
説明言語から駆動へ：自律ロボットを人間の目的に合わせるマルチモーダル枠組み
要約本論文は、大規模言語モデル（LLM）と視覚言語モデル（VLM）を文化的知識の担い手として用い、人間が自然言語で示した目的をロボットの任務（ミッション）と駆動要素（ドライブ）に変換して行動を導く、マルチモーダルな手法を提案している。システムは意味的整合、任務生成、駆動のモデリングの三層からなり、人とロボットの双方向の相互作用ループを構成する。シミュレーションと実機の実験により、有効な任務と行動が生成され、対話場面での人とエージェントの整合が支持されたと報告している。
説明合成変形可能管状ベンチマーク：変形可能な3D再構成を評価するための力学的注釈付きデータセット
要約本論文は、オープンソースツールLumenMorphで生成した合成データセット（Synthetic Deformable Tubular Benchmark）を紹介します。RGB画像5,580枚を含み、カメラ位姿、形状、深度、変形場、材料対応、有限要素記録などを提供します。複数の研究により、位置合わせ範囲と幾何精度の違いや、力学的事前情報の効果を評価できることを示しています。解剖学的・臨床的な現実性は主張していません。
説明ニューラルネットワークを方程式に蒸留し惑星系の不安定性を予測
要約本研究は、多惑星系がいつ力学的に不安定になるかという問題に対し、まずN体シミュレーションのデータセットでニューラルネットワークを学習させ、その知識を解析的な代数方程式に蒸留しています。手法は二段階で、解釈可能な変数基底を学習したのち、記号回帰で方程式を探索します。得られた方程式は、既存の解析的推定より優れ、質量比、間隔、軌道離心率の広い範囲に適用できるとされています。
注目点ニューラルネットワークと記号回帰を組み合わせ、N体シミュレーションから解釈可能な解析的不安定性式を導出し既存推定を上回る。
説明コーディングエージェント向け階層型スキル進化（HSE）：コーディングの軌跡から再利用可能な手続き的スキルを段階的に抽出する手法
要約本論文は、基盤モデルを変更せずに、コーディングの軌跡から手続き的スキルを段階的に抽出する階層型スキル進化（HSE）を提案しています。タスク単位の証拠を、同一リポジトリ内の候補スキル、さらにリポジトリをまたぐ移転可能なスキルへと集約します。外部のライター・評価者ループでスキルの生成と評価を行い、SWE-bench Verified と DeepSWE で評価した結果、SWE-Gym で進化させた 10 個のスキルが全設定で性能を向上させたと報告されています。
説明推論過程を可視化する：構造化推論課題における適応的足場かけのための配置認識型診断モデル
要約本論文は、対話型学習ゲームでの学習者の操作系列を分析し、文法推論の段階的な解答過程を可視化する診断フレームワークを提案する。五つの解釈可能な方略次元を算出し、課題構造と行動パターンから協調の要求を推定して、推論を四つの状態に分類する。234名の学生による36,234回の操作を分析したところ、方略は安定した特性よりも文脈によって変わることが示され、また多くの失敗の後に介入なしで再び失敗する傾向が見られた。方略パターンに基づく早期警告モデルも良好な予測精度を示した。
説明VaLoP：報酬誘導拡散モデルのための価値勾配先読みと引き戻し
要約本論文は、事前学習済みの拡散モデルやフローモデルを、サンプリング時に報酬モデルの好む方向へ誘導する手法VaLoPを提案します。報酬ごとに再学習は不要です。既存の価値勾配推定は高ノイズ段階で精度が低いという問題があり、著者らは一歩先のより低ノイズな状態で価値を評価し、その勾配を現在の状態へ引き戻すことでこれを低減します。軽量な近似版VaLoP-Fastも提案され、複数のモデル、報酬、ベンチマークで既存手法を上回り、ロボットポリシーにも適用できることが示されています。
説明ArchiveLens：歴史地図の意味再構築のための生成型空間知識フレームワーク
要約本論文は、歴史地図を実体中心で機械照会可能な地理空間データベースとして扱うフレームワーク ArchiveLens を提案しています。処理は三段階で、YOLOv11-seg による建物輪郭の抽出、HSV 色閾値による決定的な材料分類、そしてドメイン固有のプロンプトで制約した視覚言語モデルによる用途などの属性解析からなります。1918年から1950年のシカゴの Sanborn 地図 445 枚を対象に、幾何および意味の精度が高いと報告されています。
説明RoboDoctor：学習不要のロボットポリシー再帰的自己改善フレームワーク
要約本論文は、モデルの重みを固定したまま、物理的な相互作用のフィードバックに基づいて実行中に判断を修正する、学習不要のフレームワーク RoboDoctor を提案します。診断、根拠のある行動、再利用可能な経験の記録という三つの観点から修正を行います。RoboDojo-Sim の 54 件のタスク項目による評価では、五次元平均スコアは 57.10、ネイティブ成功率は 49.44% でした。エピソードをまたぐ経験の具体的な寄与を切り分けるには、統制実験がなお必要だと著者は述べています。
説明Evolve on Graph：質問注釈なしで自己進化する知識グラフ推論（自己対戦で大規模言語モデルの推論能力を高める手法）
要約本論文は、質問と回答の注釈なしに大規模言語モデルが知識グラフ上の多段推論を自己改善する枠組み Evolve on Graph（EoG）を提案しています。単一のモデルが出題者と解答者を交互に務めるGraph Self-Playと、論理的に検証可能な問題を生成する記号検証可能トポロジー合成（SVTS）、解答者の得点分散に基づく境界認識型カリキュラムを組み合わせています。著者らは、Freebase、Wikidata、工業用知識グラフの六つのベンチマークで、提示型・検索型・エージェント型の手法を上回ったと報告しています。
注目点QA注釈なしのグラフ自己対戦フレームワークを提案し、記号的に検証可能なトポロジ合成と境界認識カリキュラムで6ベンチマークにおいて基線を上回る。
説明KAPPA：Lean 4と言語モデルエージェントで統計学論文の証明を検査する
要約KAPPA は、Claude Code で動く言語モデルエージェントを組み合わせ、LaTeX 論文の証明を Lean 4 と Mathlib に翻訳して結果ごとに検査するオープンソースのソフトウェアです。各結果は、無条件に検証済み、条件付きで検証済み、問題を記録、未完了のいずれかの判定を受けます。公開された訂正前の版で三つの統計論文を検査したところ、訂正が指摘した誤りを見つけ、さらに作者が確認した別の問題も見つけました。
注目点言語モデルエージェントとLean 4を組み合わせて統計論文の証明を逐一検証し、三篇の公表論文で既知の誤りを盲検で発見しており、証拠は比較的充実している。
説明エージェント型アルゴリズム設計：LLMがLeanで進化的アルゴリズムの実行時間上界を提案・形式化・証明する
要約本論文は、大規模言語モデルがブラックボックス最適化アルゴリズムを段階的に提案し、Leanによる検査で欠陥のある設計を除外したうえで、ポテンシャル関数とドリフト境界を定義して基準アルゴリズムに対する期待実行時間の改善を証明する手法を示しています。このパイプラインでは経験的な比較は一切行われません。8つの問題クラス・15回の実行のうち12回で、機械検証済みの期待実行時間上界が得られたと報告されています。
注目点Lean上でLLMが進化的アルゴリズムを設計し期待実行時間の上界を機械検証する点は新規性が高い。8問題クラスと消融実験で裏付けるが、影響は進化計算の理論分野に限られる。
説明分布マッチングを超えて：少ステップ動画生成のための自己教師あり表現強制
要約本論文は、動画拡散モデルの少ステップ蒸留を扱っています。既存の分布マッチング蒸留（DMD）は出力のみを監督するため、ステップ数が減ると学生モデルの空間的細部や時間的な一貫性が劣化すると指摘しています。提案手法のSelf Flow Forcing（SF²）は、出力目標を変えずに予測的な表現損失を加え、学生とEMA教師に異なるノイズレベルを与えて情報の非対称性を作ります。実験では時間的なちらつきが抑えられ、空間的忠実度と動きの品質が向上したと報告されています。
説明SAP-ViT：医用画像分類のための自己帰属パッチ型Vision Transformer
要約本論文は、医用画像分類のためのSAP-ViTモデルを提案しています。従来のグローバル分類トークン（CLS）に頼らず、最終層のパッチ埋め込みを直接集約するため、各クラス予測をパッチ単位の寄与に分解できます。また、スパース性正則化によって根拠を簡潔にし、入力空間への逆写像手法で、重要な出力パッチに寄与する入力パッチを推定します。複数の画像モダリティのデータセットで評価され、分類性能を保ちつつ、一貫した解釈可能なパッチ単位の説明を提供することが示されています。
説明GEAR：エージェントシステム向けの特徴量ベースの設定とコード生成ツール
要約本論文は、マルチエージェントシステムを設定し、共通の仕様から各フレームワーク向けの実装コードを生成するオープンソースツールGEARを紹介しています。機能ベースの表現を用いて設定オプションとその制約を明示し、コード生成前に仕様を検証できるようにしています。予備評価では、評価した320の機能とフレームワークの組み合わせのうち271組（84.69%）について変換戦略が特定されました。
説明線形プローブは回転があっても基盤モデルから蒸留モデルへ転用できる
要約線形プローブは言語モデルの内部活性化を読み取り、有害な要求を検出する小さな分類器です。著者らは四つの基盤モデルで学習したプローブを、その後継モデル（DeepSeek-R1蒸留推論モデルと指示調整済みチャットモデル）にそのまま適用し、判別方向の回転と転用性能を比較しました。これらのモデル系列ではプローブを再利用できる一方、読み取っている信号の一部は有害な内容そのものではなく、有害そうな表層的特徴であることが示されています。
