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。
説明二値予測を伴うオンライン区間選択：最適な一貫性と連続的な頑健性のトレードオフ
要約本論文は、各要求が最終的な最適解に含まれるかどうかの二値予測を与えられるオンライン区間選択問題を研究する。要求は任意の順序で到着し、採択済みの要求は取り消せるが、拒否または取り消された要求は復元できない。有限の厳密な頑健性のもとでの最良の一貫性は (3+√5)/2 であることを示し、これを達成する決定的アルゴリズムの正確な頑健性は φ^5 であることを示す。さらに、置換コストを調整可能な連続的なアルゴリズム族と、有限の期待頑健性のもとで期待一貫性を1に近づけられる乱択アルゴリズムの結果を示す。
説明TimeLineXR：視覚言語モデルにおける時間の対話的探索
要約本論文は、視覚言語モデル（VLM）の埋め込み空間内で時間を表す構造を、利用者が操作できる三次元の時間軸として可視化する対話型デモ TimeLineXR を提案する。ウェブ版と WebXR 版の両方で画像を時間軸上に配置し、対象の推定される初出年を比較できる。
説明制度的権力と運用能力の整合
要約本論文は、マルチエージェントAIシステムの規範設計を論じ、責任とそれを果たす能力が整合している必要性を主張しています。プロセス指向モデリングと制度的権力を中心とする形式的枠組みを提案し、規範に関わるプロセスを分析する方法と、その修復の方策を検討しています。また、運用プロセスと制度的状態の対称的な関係が規範的地位のライフサイクルにどう影響するかも説明しています。
説明CodeCap-Bench：コードは良い動画キャプションになるか。実行可能なコードで動画を記述する能力を測るベンチマーク。
要約本論文は、図形の基本要素やレイアウト規則、時間の関数を組み合わせた実行可能なプログラムで動画の内容を表す手法を検討しています。自然言語による説明と比べ、コードによるキャプションは質問応答と動画再構成の両タスクで高い性能を示しました。さらに、323本の動画からなるベンチマークCodeCap-Benchを提案し、マルチモーダル大規模言語モデルのコード生成能力を評価しています。商用モデルは有望な結果を示す一方、複雑な時間的変化の表現では課題が残り、オープンソースモデルは大きく遅れています。
説明正常参照からの逸脱モデリングによる脳波ベースのうつ病検出
要約本論文は、健常者の脳波記録を用いて構造的および分布的な参照モデルを学習し、個人の脳波が健常パターンからどれだけ逸脱するかを捉えます。逸脱をスカラー値にまとめる方法と、次元ごとの残差を保持して注意機構で統合する方法の二つの診断手法を提案しています。二つの公開脳波データセットで評価を行い、複数の評価設定で有効性を示しています。
説明CoS-VQ：大規模言語モデル向けの協調共有スケールベクトル量子化手法
要約本論文は、大規模言語モデルの重みを低ビット量子化するためのベクトル量子化手法CoS-VQを提案している。低次元のコードワードを維持したまま、各位置の離散インデックスと共有スケールを同時に最適化し、スケールとコードワードの組み合わせの結合問題に対処する。著者らは、Qwen3.8-27Bにおいて、評価した言語モデリング、コーディング、推論のベンチマークでQTIPおよびLLVQを上回ったと報告しており、アブレーション実験では、スケールのみの改良よりも同時更新による利得が大きいことが示されている。
説明WCC：大規模最適化で協調進化を適用する時期を決める学習ベースの枠組み
要約本論文は、大規模大域最適化において協調進化（CC）をいつ適用するかを学習によって決めるWCCという枠組みを提案します。意思決定をマルコフ決定過程として定式化し、協調進化と非分解アルゴリズムを動的に切り替えながら、専門家の指定なしに計算予算を配分します。著者らは、異なる問題、最適化期間、基準となる最適化手法に対して高い競争力と汎化性能を示したと述べています。
説明ScIntBench：三次元シーン生成における物理的インタラクションの妥当性ベンチマーク
要約本論文は、インタラクション準備性を中心に据えた統一ベンチマーク ScIntBench を提案する。物理シミュレーションで押す・開けるなどの指定操作を実行し、タスク成功率、能力と進捗、操作後の整合性、動的な妥当性を測定する。10種類の部屋を対象に12の最新シーン生成システムを評価し、静的な物理的妥当性が高くても、インタラクションに対応できるとは限らないことを示している。
説明キロメートルスケールの機械学習気象予測モデルに対する、スケール認識・空間局所化された最適化
要約本論文は、双対木複素ウェーブレット変換に基づく損失関数を提案し、大気場をスケール、位置、方向の観点から同時に制約することで、キロメートルスケールの機械学習気象予測において微細構造を保持する手法を示している。英国上空の1.5キロメートル予測と約31キロメートルの全球予測を同時に行う実験的構成で評価された。平均二乗誤差およびFFTベースのスペクトル目的関数と比べ、ウェーブレット損失はスペクトルの忠実度を大きく改善し、平均二乗誤差による学習と同程度の地点ごとの精度を保ちつつ、近傍検証の結果も向上させたと報告されている。
説明UCVE：コンプライアンス検証のためのグラフ構造検索手法
要約本論文は、文書が事前に定義された要件の各義務を満たしているか、違反しているか、未対応かを判定するUCVEフレームワークを提案しています。コンプライアンス要件をグラフとして表現し、強化学習で重み付けしたラプラシアンに基づくスペクトル再ランキングで検索を行います。三つのコンプライアンス分野での評価では、フラットなコサイン検索と比べてマッチK再現率が平均4.3%向上し、強力な検索・グラフベースのベースラインを上回りました。
説明イベントベース追跡における多次元割り当てのための階層的疎グラフ
要約既存のイベントベース追跡手法は隣接するバッチ間で軌跡の断片を関連付けるオンライン方式が中心で、時間的な範囲が限られるため、長時間の遮蔽や検出漏れに弱い。本論文は複数バッチの軌跡断片を同時に関連付ける多次元割り当てに取り組み、ファジィ論理で軌跡断片間の相関を定量化して階層的疎グラフ（HSG）を構築し、割り当てをグラフ分割問題として扱う。学習を必要としない手法である。eTram と Ev-UAV の二つのイベントデータセットで、既存のイベントベース手法と多くの画像ベース手法を上回り、多対多の関連付けでは OC-SORT の2倍以上の性能を示した。
説明AnalogScout：LLMエージェントを用いた、PVTを考慮しシミュレーション効率に優れたアナログ回路サイジング手法
要約本論文は、アナログデバイスのサイジングを行うAnalogScoutフレームワークを提案します。全PVTコーナーで仕様を満たす必要がある中、検証済みの優れた設計の再利用と解析的なgm/Idローカルサイジングにより、シミュレーション回数を削減します。SKY130プロセスの3種類のOTAで、1.6万回のシミュレーション予算の下、CMA-ESと比べて消費電力を43.3%削減し、そのCMA-ESの最終電力に予算の7.0%で到達しました。
説明ReForest：Isolation Forestにおける解釈可能性と推論の統合
要約本論文は、Isolation Forest（孤立森）による統計的異常検知と大規模言語モデルの意味推論を組み合わせるフレームワーク「ReForest」を提案している。Isolation Forestの決定経路を自然言語の説明に変換し、不確実性に基づく動的アンサンブルで統計的信号と意味的信号を重み付けする。医療・金融の実世界データセット4件での実験において、再現率は平均21%、F1スコアは10%向上したと報告されている。
説明皮膚がん検出のための、顕著性マップによる解釈性を備えた軽量アテンション付きCNN
要約本論文は、皮膚病変の二値分類を行う軽量なアテンション付き畳み込みニューラルネットワーク（CNN-Attention）を提案しています。チャネルアテンションにより皮膚鏡画像の重要な領域に注目し、顕著性マップでモデルの判断に影響する領域を可視化します。公開データセット（訓練2,637枚、テスト660枚）での精度は87%、パラメータ数は約195万、ROC AUCは0.9475、PR AUCは0.9430でした。精度は最良のベースラインであるMobileNetと同等で、パラメータ数と保存容量は約半分です。
説明MvT：イベントカメラ向けマルチビュー投影による複数物体追跡手法
要約イベントカメラの非同期な出力に対し、既存手法は擬似フレーム化するものが主流だが、軌跡が重なったり近接したりすると追跡に失敗しやすい。本論文は、2次元データ形式を保ったまま時空間的な視点を追加し、単一視点の曖昧さを解消するマルチビュー追跡手法MvTを提案する。統一された3次元座標系で結果を統合し、最適化モデルで軌跡を関連付ける。学習を必要とせず、自作の小物体データセット（SOD）を含む4つのデータセットで評価を行っている。
説明エンドツーエンド自動運転におけるリスク予測のための構造化表現プロービング
要約本論文は、凍結された運転ポリシーから俳優・自車・地図の表現を読み取り、各ソースごとに線形のリスク方向を学習する軽量モニタ「SRP（構造化表現プローブ）」を提案する。イベントウィンドウの監督により、将来の重大な失敗との対応づけを行う。Bench2Driveでの実験では、DriveTransformerの2秒先の予測でROC-AUCが0.833となり、時間的一貫性の0.715を上回った。読み出しの実行時オーバーヘッドは2.67%である。
説明TRUCO：スケーラブルなロックフリー並列輪郭抽出アルゴリズム
要約本論文は、二値マスクを幾何学的な輪郭に変換するためのロックフリー並列アルゴリズムTRUCO（Threaded Raster Unrestricted Contour Ownership）を提案する。始点所有権の規則と投機的追跡モデルを組み合わせ、各輪郭が正確に一度だけ処理されるようにしている。消費者向けおよびサーバー向けCPUで行われた合成データと実データによる実験では、既存の基準手法より大幅に高速であり、業界標準と比べて一桁以上の高速化を達成したと報告している。
説明多ラベル一致度（MLA）：アノテーター間信頼性を評価する柔軟な枠組み
要約本論文は、多ラベルアノテーション課題においてアノテーター間の一致度を評価するための多ラベル一致度（MLA）という枠組みを提案している。各項目に付与された完全な二値ラベルベクトルを保持し、平均ペアワイズ・ハミング一致度を用いて、共通の選択と共通の非選択の両方を考慮する。ラベル有病率、宣言されたラベル集合、期待一致のモデルの選び方によって結果が変わることを、具体例とモンテカルロシミュレーションで示し、Python実装も提供している。
説明画像拡散事前分布を用いたゼロショット動画復元のためのノイズ初期化の改良
要約本論文は、動画拡散モデルを事前学習せずに、事前学習済みの画像拡散モデルを用いて動画を復元するゼロショット手法を提案している。劣化した動画フレーム自体にDDIM反転を適用して初期ノイズを生成し、フレーム間の時間的相関を保持する。さらに、適応的ノイズ混合戦略と測定誘導型の軌跡アテンションを導入し、時間的一貫性を高めるとしている。DAVIS、REDS4、Set8の各データセットで既存のゼロショット手法を上回ったと報告している。
説明高コストなシミュレータのベイズ推論：設計選択の調査と比較
要約本論文は、計算コストが極めて高いシミュレータを前向きモデルとして用いるベイズ推論の手法を調査したものです。既存のベイズ最適化ベースの手法を一般的な枠組みに統合し、必要なシミュレーション回数の観点から各設計選択の効果を系統的に比較しています。代理モデルの応答変数の選び方が推論効率を大きく左右すること、そして変換された「プロキシ変数」を導入して効率を改善できることを示し、Julia パッケージも提供しています。
説明RPSD：最適輸送を用いた検索特権付きオンポリシー自己蒸留による逐次推薦
要約本論文は、大規模言語モデルを用いた逐次推薦で、強化学習が系列全体の報酬を全トークンに同じように配分し、単一ユーザーの情報しか使わない問題を扱います。提案手法RPSDは、特権情報を持つ教師が生徒の応答を再評価するオンポリシー自己蒸留でトークンごとの寄与を細かく割り当てます。さらに時間を考慮した最適輸送で類似ユーザーの行動軌跡を比較し、多様な協調的証拠を教師に与えます。論文は複数の実データセットで最先端の性能を示したと報告しています。
説明有向非巡回グラフで選好の依存関係を表し、物語型推薦を行う研究
要約本論文は、利用者が自由記述で示す、互いに条件付け合う選好を扱う偏好依存グラフフレームワーク（PDG-F）を提案しています。依頼文を有向非巡回の偏好依存グラフに整理し、その経路に沿ってWeb上の候補を検索し、トポロジカル経路ランキングで推薦を決定します。英語と中国語の三つの領域での実験で、ベースラインや開放領域検索エージェント、先端の言語モデルより高い性能が示されました。
説明LLM駆動のエージェント足場進化において、評価予算はどこに配分すべきか？
要約本論文は、大規模言語モデル（LLM）駆動のエージェント足場進化における評価予算の配分を研究している。実験では、疎なフィードバックでも有効な進化が続けられること、追加の的を絞った評価が最終的な選択を改善することが示された。提案手法 \method は、探索時の疎なフィードバックと最終的な的を絞った確認を組み合わせ、4つのベンチマークと2つの進化フレームワークにおいて、ほとんどの設定で全評価より高い平均性能を、約半分の評価セル数で達成したと報告している。
説明低次多項式による小次元クラスタリングの下界
要約この論文は、次元 d が群の数 K よりずっと小さい場合に、R^d の等方性混合分布から得られる n 個の観測をクラスタリングする計算限界を研究している。双対 BCH 符号から中心を作る伯努利積混合分布を構成し、分離度が一定の条件を満たすとき、低次多項式法では約 K^2 d^{3/2} 個の標本が必要になることを示す。ガウス化の議論により、この困難性は等方性ガウス混合にも及ぶ。
注目点BCH符号に基づく混合分布を構成し、低次多項式の下界をn≳dK²からK²d^{3/2}へ改善、二部グラフ多項式族で証明した点が際立つ。
説明GradCO：テキストによる人物異常検索のための行動認識型勾配衝突オフロード手法
要約本論文は、外観と正常・異常な行動の自然言語記述を用いて対象歩行者を検索するテキスト人物異常検索（TPAS）の手法GradCOを提案します。手法は、行動認識型エキスパート混合（B-MoE）、衝突オフロード学習（COL）、階層的意図整合（HIA）の3つの要素で構成されます。著者らは、五つのTPAS/TIPRベンチマークにおいてGradCOが最先端手法を大きく上回ったと報告しています。
説明REGLATによるArGuard共有タスクへの参加：固有表現認識を統合したアラビア語有害コンテンツ検出のアンサンブルモデル
要約本論文は、アラビア語のユーザープロンプトを有害コンテンツの7カテゴリーに分類する二段階の手法を提案しています。まずGLiNERで各プロンプトから有害関連のエンティティを抽出し、それを元のテキストに追加して、微調整したMARBERT分類器で最終分類を行います。ArGuard 2026共有タスクの開発セットでは、マクロF1が0.886、正解率が0.897でした。ブラインドテストセットの子タスク1では正解率0.793、マクロF1 0.735、子タスク2では正解率0.770、マクロF1 0.754でした。関連するカテゴリー同士の区別が依然として難しいことも示されています。
説明GameVerse：長期的な対話型ワールドモデリングのための分単位ゲームプレイデータセット
要約本論文は、長期的な対話型ワールドモデル向けに構築された分単位のゲーム動画データセットGameVerseを提案している。データセットは69.7Kクリップ、1,655時間、3億4,960万フレームからなり、うち1,358時間は連続2分間のシーケンスである。各クリップには数分にわたって一貫した安定したカメラ軌跡と、固定時間窗ではなくイベント境界に揃えられた注釈が付与されている。論文によれば、このデータセットで学習することで対話型ワールドモデルの時間的な持続範囲が大きく延びるという。
説明あなたのポリシーは実はハーネス：エージェント・インターフェースの決定幾何学
要約本論文は、言語モデル・エージェントがプロンプト、ツール、制御ロジックからなる「ハーネス」にどう依存するかを検討します。KL正則化制御のもとで、最適ポリシーの対数オッズがハーネスの各行動への選好を反映することを示し、デプロイ時の報酬をハーネスの上限から方策の乖離を引いたものとして分解します。MiniWoB++では観測フィールドの順序を入れ替えるだけで、学習済みモデルの成功率が85.0%から19.2%に低下することを報告しています。
注目点KL正則化制御下で方策の対数オッズがharnessの選好を表すことを示し、MiniWoB++等で検証しており新規性は高い。
説明アフリカ言語における大規模言語モデルの安全性アライメント：ハウサ語の事例研究
要約本論文は、ハウサ語などの低リソース言語で大規模言語モデルの安全性アライメントがどの程度機能するかを検討している。著者らは、人手で修正した3,000件と機械翻訳した7,000件からなるハウサ語の安全性選好データセット「HausaSafeLM」を構築し、教師ありファインチューニングと直接選好最適化を比較した。その結果、拒否率のみでは未調整モデルの安全性を過大評価しうること、また安全性・有用性・流暢さを同時に最大化する構成は見つからなかったことが示されている。
説明TCM-DiagCommit：証拠条件付き証候選択と判断確定のための、TCM-SD由来のベンチマーク
要約本論文は、公開データ TCM-SD/ZY-BERT を基に、1,834 症例を 148 の証候ラベルにまたがる 23,842 のタスク行に変換したベンチマーク TCM-DiagCommit を構築したものです。ランダム、類似、全語彙の候補段階と、段階的に提示される証拠、舌・脈の摂動、証拠不足の条件を含みます。論文は、最終解答の正解率だけでは診断能力を評価できず、解答選択、証拠の利用、判断の確定を別々に評価すべきだと主張しています。
説明業務プロセスにLLMエージェントを根拠づける：信頼性の高い多段階サービス呼び出しのためのプロセス認識型ナレッジグラフ
要約論文は、OData メタデータと BPMN 参照プロセスを型付きプロパティグラフに統合する手法を提案し、ハイブリッド検索器がプロセスの辺をたどって後続のエンドポイントを取得します。42 の企業向けサービスで、クエリと下流エンティティの語彙的重なりが少ない場合にRecall@3が向上しました。81 件の多段階クエリでは、エージェントのタスク完了率は38.7%で、チャンクベースの基準手法は10.3%でした。
説明GraphRAGProv：GraphRAGとhow-provenance（来歴の追跡）を組み合わせた手法
要約本論文はGraphRAGProvというアーキテクチャを提案し、出典テキストに紐づくRDFグラフ上でSPARQLクエリを実行して、回答とそのhow-provenance多項式（どの文の出現を使い、どう組み合わせたかを記録したもの）を算出します。各文は元のテキストへリンクされるため、利用者は抽出された文が原文を正しく反映しているか、またクエリがそれらを正しく組み合わせて質問に答えているかを確認できます。対話型デモでは2つの多段推論型QAベンチマークの400件を検証し、最終回答が正しい場合でも抽出とクエリに誤りがあることを明らかにしました。
説明HDVS：異種デュアルブランチ投票監督による半教師ありセマンティックセグメンテーション
要約本論文は、大量のラベルなし画像を活用し、人手によるアノテーションを減らして高精度なセグメンテーションを行う半教師ありセマンティックセグメンテーションの新しい枠組み、HDVS（異種デュアルブランチ投票監督）を提案している。クロス監督の枠組みに投票機構を加え、異種ブランチの擬似ラベルを組み合わせて信頼性を高める。また特徴通信モジュールにより特徴レベルで摂動を与え、二つのブランチの予測の多様性を高める。PASCAL VOC 2012とCityscapesの二つのベンチマークで評価し、既存の最先端手法より優れていると報告している。
説明幻覚検出の審判としての決定モデル
要約本論文は、幻覚（ハルシネーション）を検出する審判役として、大規模言語モデルの代わりに決定モデルを用いられるかを検証する。研究者は五種類の幻覚について二値のベンチマークを構築し（六つのデータセットから計9,852件）、五つの決定モデルを生成型審判gpt-6-solと比較した。性能は幻覚の種類によって大きく異なり、文脈の不一致では最良の決定モデルがgpt-6-solと同等である一方、論理や指示の不一致では劣ることが示されている。
説明構造化された結果のための二重頑健な深層カーネル検定：2つの介入が同じ結果分布を生むかを、画像・テキスト・グラフなどの高次元構造データに対して判定する手法。
要約本論文は、画像・テキスト・グラフなどの高次元で構造化された結果について、2つの介入が同じ結果分布を生むかを検定する手法DR-KTE-Deepを提案している。介入分布を学習された深層特徴上の平均埋め込みとして表し、処理効果を平均埋め込みの差の二重頑健な表現として定式化する。特徴量は、この処理効果表現上で推定された検定検出力を最大化するように最適化される。実験では、画像・テキスト・グラフの結果すべてで、固定カーネルおよび帯域幅最適化カーネルの基準手法より高い検出力を示し、第一種の誤り率も適切に較正されていることが報告されている。
説明部分空間Cliffordネットワーク：全体的な巡回シフトを低次元部分空間の相互作用に置き換えるニューラルネットワーク設計
要約本論文は、チャネル空間全体で疎な巡回対角成分をサンプリングする従来手法を、低次元のグループ部分空間での相互作用計算に置き換えるSubspace Clifford Networksを提案している。特徴量は2〜4次元のグループに分けた空間へ射影され、グループ内でくさび積座標と要素ごとの積が連結され、学習可能な1×1線形射影によってグループ間のチャネル混合が行われる。CIFAR-100での実験では、パラメータ数と学習時間が大幅に削減され、階層型の変種は評価したシフトベースの階層型ベースラインより分類精度も高かったと報告されている。
説明シャープネス認識型 Muon：モメンタムを用いた摂動による行列認識最適化
要約Muon は、モメンタムと直交化を組み合わせた行列認識型の最適化手法ですが、近傍での最悪損失を直接制御せず、平坦な領域への学習誘導も行いません。本論文は SAM 型の摂動を直交化更新に組み込んだ MuSAM を提案し、さらに正規化したモメンタムを摂動方向に用いる MoMuSAM を提案します。MoMuSAM は追加の勾配計算を省き、より安定した摂動を得ます。両者は同じ一次の定常性の次数を達成することが示され、標準的なベンチマークで Muon の性能が一貫して向上することが報告されています。
説明Spine：サブタスク木を構造化コンテキストにコンパイルする長期的なコーディングエージェント向け手法
要約本論文は、エージェントがサブタスクの境界を明示的に宣言し、それらを永続的なツリー（SpineTree）として管理するインターフェースおよびランタイム「Spine」を提案しています。モデル呼び出しの前に、未完了のサブタスクの対話は保持し、完了したサブタスクの詳細は結果に置き換えてコンテキストを構成します。著者らはこれをCodexおよびPiに統合し、SWE-Milestone、ProgramBenchなどで元の環境と比較した結果を報告しています。
説明視覚・言語・行動モデルか世界・行動モデルか：JAM（純粋な行動モデル）
要約本論文は、ロボット制御ポリシーが視覚言語モデルと視覚生成モデルのどちらの事前学習知識を継承すべきかという議論を扱います。著者らは、バックボーンの初期化、未来の観測に対する学習目標、推論時に将来損失の仕組みを残すかどうかの3つの選択を分離し、事前学習済みの視覚バックボーンと行動エキスパートからなるJust Action Model（JAM）を提案しています。先見損失は学習時のみ用いられ、推論時に映像は生成されません。LIBERO、LIBERO-Plus、RoboTwinでは、対応するFastWAMやImageWAMより高い成功率を示し、キャッシュされた先見目標を用いると、FastWAMに比べサンプルあたりの推定学習FLOPsが73%減少しました。
説明TopoField：ECCV 2026 SceneFun3D チャレンジの技術報告
要約屋内点群から旋钮、ボタン、ソケットなどの機能的部品を検出し、信頼度付きのインスタンスマスクを出力する課題に取り組む論文です。VOLT の上に構築された決定論的デコーダ TopoField は、13 回のテスト時推論を意味的合意場にまとめ、その幾何から候補を復号してクラスを考慮した順位付けを行います。30 の検証シーンの 561 個の正解インスタンスで AP 28.286%、AP50 41.383%、AP25 47.558% を達成し、ECCV 2026 SceneFun3D チャレンジで第 2 位になりました。
説明Zhengrong-Spatial-Aware 1.0：三次元マルチモーダル知能の高度化
要約本報告は、三次元空間を意識した視覚的質問応答のための、2つのエンドツーエンド型マルチモーダル適応パイプラインの実装と検証を示す。一方はHiSpatial-3B（RGB画像にメートル尺度の三次元点群を加える）を微調整し、もう一方はQLoRAによる教師あり微調整でQwen3-VLを適応させる。対象の空間ベンチマークでは、HiSpatialの総合精度は微調整前の1.73%から3600ステップで79.89%に向上した。Qwen3-VL-8Bは20.74%から45.27%、Qwen3-VL-32Bは30.79%から47.60%に向上した。
説明検索して行動する：堅牢なVLA実行のための動作プリミティブグラフ検索
要約本論文はR2Aフレームワークを提案し、視覚・言語・行動（VLA）方策の分布外の視覚変化に対する頑健性を、幾何学的な動作プリミティブの検索問題として定式化します。成功した訓練デモンストレーションを時空間の動作プリミティブグラフにまとめ、推論時にはグラフニューラルネットワークで実行中の位置を特定して、構造的に適合する将来の動作プリミティブを取り出します。学習された門制御機構で凍結したVLA方策の予測行動と融合し、三つのVLAアーキテクチャで成功率の向上を報告しています。
説明従来の臨床MRIからの回顧的高分子プール比率マッピング：物理情報に基づく自己教師あり深層学習フレームワーク
要約本論文は、従来の臨床脳MRI（T1強調、T2強調、FLAIR）から、対になる定量参照スキャンなしで大分子プール比率（MPF）を回顧的に推定する、物理情報に基づく自己教師あり深層学習手法を提案しています。モデルには二プール磁化移動信号モデルが組み込まれ、適応的インスタンス正規化により多様な臨床プロトコルに対応します。3Tの7,705セッションで訓練・評価され、白質と灰白質の平均MPFはそれぞれ0.182と0.144で、ベンダーとプロトコル間のばらつきは小さいことが示されました。脱髄病変のMPFは正常に見える白質より35.6%低い結果でした。
説明動画RLVRにおける近道増幅の解明：知覚的不確実性の崩壊という視点から
要約本論文は、大規模マルチモーダルモデルの動画推論能力を高める検証可能な報酬付き強化学習（RLVR）を研究しています。結果レベルの最適化により、視覚的証拠に支えられない場合でもテキスト事前分布に基づく回答を好む傾向が強まることを示しました。これに対し、BSPO（双焦点自己蒸留ポリシー最適化）を提案し、推論に敏感なトークンの特定と近道を考慮した視覚摂動によって方策更新を調整します。実験で動画推論性能と視覚的忠実性の向上が確認されたとしています。
説明SimplexLoRA：単体射影を用いた交互最小化によるランク動的更新手法
要約本論文は、ファインチューニング中に学習された重要度に応じてアダプタのランクを適応的に調整する、LoRAの改良手法SimplexLoRAを提案している。短い準備段階でn倍スケールの単体上において各アダプタの重要度重みを最適化し、その後それらを固定することで、総パラメータ数や推論コストを増やさずに容量を重要な箇所へ配分する。DeBERTaV3、BART-large、Llama 3.1 8B、Qwen3-8Bを用いて12の言語理解、要約、推論タスクで評価し、標準LoRAや近年の適応的ベースラインと同等以上の性能を示し、低ランクで最も大きな改善が見られたと報告している。
説明3D-SceneQ：クエリ誘導型適応プルーニングと多モーダル特徴強化による3D大規模言語モデルの改善
要約本論文は、三次元シーン理解のための3D大規模言語モデル3D-SceneQを提案している。クエリ誘導型適応プルーニング（QGAP）モジュールにより、ユーザー指示に関連する物体を選別し、無関係な情報の影響を抑える。また、多モーダル物体レベル特徴強化（MOFE）モジュールで事前学習済み2Dモデルの特徴を3D表現に統合し、意味情報を豊かにしている。Scan2CapでのCIDEr +5.7、SQA3DでのEM@1 +17.0など、複数のベンチマークで既存手法を上回ったと報告されている。
説明汎用スキル最適化は本当にエージェントのタスク性能を高めるのか？二部帰属によるスキル最適化の再検討
要約本論文は、エージェントのスキル最適化手法を評価するBiPAを提案しています。最適化されたスキルは、テストでの成功率が元の手書きスキルとほぼ同じで、開発セットでの向上はテストでは消えたと報告しています。また、入力トークンが約16%増えたことも示されています。著者は、選択だけで生じる見かけの向上を超える改善のみを採用すること、長さではなく追加されたターン数に応じてコストを計上することなど、四つの原則を提示しています。
注目点二部グラフ帰属と選択ベースラインでスキル最適化器を検証し、開発集の利得が消え入力トークンが約16%増える点を示す。根拠は比較的充実している。
説明Best-of-N は世界行動モデルをどこまで改善できるか：選択可能な余地を測り、閉ループで実現する
要約本論文は、世界行動モデルがテスト時に複数の候補動作から最良のものを選ぶことでどれだけ性能を高められるかを検討しています。候補の結果を分岐させて評価する去噪反事実プロトコルで選択可能な余地を測定し、その結果を用いて失敗時のみ行動を変える選択器を構築しています。訓練タスクの保留エピソードでは閉ループ成功率が76.9%から81.6%に、未知のタスクでは62.6%から69.8%に向上したと報告しています。
説明長期的エージェント強化学習における継続共有によるアクション価値の校正
要約本論文は、長期的タスクを行うエージェントの強化学習で、個々の行動への信用割り当てが難しい問題を扱う。同一タスク内で入力の状態・行動・状態の遷移が一致する訪問を照合し、共有された継続の証拠を組み合わせて、校正された価値を後ろ向きに伝播させてアクション価値を精緻化するConCal（継続校正）を提案する。追加のロールアウトは不要である。Qwen2.5-1.5B-InstructでALFWorldとWebShopの成功率をGiGPOより3.39ポイントおよび5.86ポイント向上させたと報告している。
説明VGIQA：視覚的グラウンディング報酬による細粒度の画質評価
要約本論文は、画像全体の総合的な画質と画像内の局所的な画質問題の両方を評価できる画質評価モデルVGIQAを提案しています。モデルはコールドスタート学習と強化学習の二段階で訓練され、局所的な画質評価のために設計された報酬関数を用いています。局所的な画質評価用に作成されたデータセットVGSR-2K上で、Qwen2.5-VL-72B-InstructやQwen3-VL-32B-Instructなどの既存のオープンソース多モーダル大規模言語モデルを上回る性能を示しています。
説明INTR++：より高精度で解釈しやすく、適応性の高い解釈可能なTransformer
要約本論文は、Prompt-CAMにプロンプト適応モジュール（PAM）を加えたINTR++を提案しています。PAMによりプロンプトが領域固有の知識を取り込めるようになり、医療、顕微鏡、リモートセンシングなど画像特性が大きく異なる領域でも一貫した解釈性を目指します。Prompt-CAMと比べて追加パラメータは少量です。論文では、動物、植物、医療、顕微鏡、リモートセンシング、物体中心データの各領域で改善が示されたと報告しています。
説明MLE-World：学習済み世界モデルによる機械学習実験結果の予測
要約AI研究エージェントは各候補プログラムを実行して機械学習モデルを訓練・評価する必要があり、一ステップで検討できる候補数が限られていました。本論文は、Qwen3.5-4Bを微調整したMLE-Worldを提案します。これは実行せずにコードとデータ説明から、エラー情報、訓練ログ、検証スコアといった終端出力を予測し、その予測の正しさの信頼度も示します。これを用いた五つのテスト時スケーリング方策を設計し、信頼度の低い候補のみを実際に実行します。17のMLE-bench Liteタスクで、保留した程序の77.9%で実際の終端出力と一致し、より大きなプロンプト方式のモデルの41.1%を上回りました。
説明ベイズ較正のためのRényi正則化フロー変分推論
要約本論文は、正規化フローを用いた変分推論でベイズモデル較正を行う際、低確率領域で隔てられた複数のモードを持つ事後分布において生じるモード崩壊の問題を扱っている。二パラメータの双子実験でこの挙動を調べ、Rényi発散に基づく正則化項を加えて、近似事後分布が事前分布の台を覆うよう促している。この手法により、ほぼ崩壊した割合は50%から25%に減少した。ただし、ベイズ変分目標を変更し近似精度とのトレードオフをもたらし、モード崩壊に対する一般的な解決策ではないと述べられている。
説明LiveSearch：専門金融データに基づく実時間ベンチマーク向けの実行可能な検証コードとしての質問設計
要約本論文は、金融検索エージェントを評価する実時間ベンチマークLiveSearchを提案する。各質問は、専門の金融データサービスを呼び出すプログラムと抽出器からなる実行可能な検証コードとして保存され、評価時にそのコードを実行して正解を決定する。日次ジョブで自動的に再実行されるため、暗記された答えは古くなりやすい。六つのツール呼び出しモデルは一般的なウェブ検索下で70.9%から76.7%の正答率に達し、三日間で提供された質問の70%は正解値が変化した。
説明矛盾下のカバレッジ：否定を考慮した検索のためのベンチマーク
要約本論文は、検索の情報カバレッジを評価するベンチマークを用い、コーパスの内容が検索器の事前知識と矛盾する場合の挙動を調べます。CoverageBenchを基に、各ナゲットの否定版を作成し、支持文書を文脈を保ったまま編集したCoverageBench-Negateを構築し、約63,000組の原文・編集済み証拠のペアを含みます。基準実験では、BM25が原文と編集文を区別する能力がQwen3やJinaなどの密ベクトル検索器よりかなり高く、後者はほぼ偶然水準にとどまりました。
説明WorkFactory：職業上の意図を実行可能な作業へ変換し、エージェント訓練を拡張する手法
要約本論文は、職業上の意図から情報支持グラフを構築し、プローブ実行と修復を組み合わせて実行可能な職業タスクを生成するフレームワークWorkFactoryを提案している。612の職業にまたがる112,686タスクを作成し、教師の軌跡でQwenモデルを微調整してWorkPilotシリーズを得た。4つの職業業務ベンチマークでいずれも基盤モデルを上回ったと報告している。
注目点情報支持グラフと探索実行による修復で専門タスクを構築する手法は実質的な改良で、複数ベンチマークと消融実験で裏付けられ、エージェント訓練への影響は中程度。
説明物理ガイド付きフローマッチング：全球総電子数予測のための生成AIフレームワーク
要約本論文は、全球総電子数（TEC）の翌日予測を行う物理ガイド付きの生成AIフレームワークを提案する。モデルはフローマッチングを基盤とし、電離圏の力学を記述する偏微分方程式を試料変換の過程に組み込み、データから得られる統計パターンと組み合わせて、各地点で両者の寄与を適応的に調整する。熱圏電離圏電気力学一般循環モデル（TIEGCM）が生成した1年分の全球TECデータで学習と評価を行い、各リードタイムと各緯度において、既存の代表的な手法より時空間予測精度が高いことを示している。
説明蒸留後に何が残るか？GPT-2とDistilGPT-2の機構的解釈可能性の研究
要約本論文は、GPT-2とその6層の圧縮版DistilGPT-2の内部機構を、線形CKA、logit lens、注意パターン分解、スパースオートエンコーダ、活性化パッチングにより比較し、間接目的語識別（IOI）回路と大小比較（GT）回路を分析している。IOI回路は蒸留後にほぼ完全に機能を失った一方、GT回路は教師モデルの第9層の比較ヘッドを学生モデルの第4層へ再配置することで概ね保持された。回路の圧縮しやすさが蒸留後の生存を左右することを示している。
説明FastBEVFusion：毎秒50フレームで動作する、シンプルなマルチモーダル3D物体検出の融合手法
要約本論文は、LiDARとカメラを組み合わせた3D物体検出のための、シンプルで高速かつ頑健な融合システムFastBEVFusionを提案している。各モダリティの特徴を半整列したBEV（鳥瞰図）空間へ投影し、計算負荷が大きく誤りを生じやすい深度推定に依存しない。さらに、クロスアテンションに基づく軽量で動的な融合モジュールで特徴を統合する。nuScenesデータセットでの実験では、既存のリアルタイムシステムを上回り、デプロイ用ライブラリを使わずに毎秒50フレーム以上を達成し、キャリブレーション誤差に対しても強い頑健性を示したと報告している。
説明GCSR-OCC：オープン語彙占有予測のための幾何校正と意味ルーティング手法
要約本論文は、単一のRGB画像から屋内の三次元占有予測を行うGCSR-OCCを提案する。幾何校正演算子により三次元ガウシアンのスケール膨張と過度な重なりを抑え、多モード・クエリ条件付き意味ルーティングによりガウシアン内の意味混合を緩和する。Occ-ScanNetにおいて、三次元意味アノテーションを使わずに、幾何IoU 63.31%、意味mIoU 27.44%を達成し、幾何集約の遅延を19.76ミリ秒から12.88ミリ秒に短縮したと報告している。
説明拡散ガイダンスのための変分最適制御
要約本論文は、サンプリング時のガイダンスと報酬に基づくモデル適応を、共通のヤコビアン・プルバックで結びつける変分制御の枠組みを提案している。提案手法の変分最適ガイダンス（VOG）は状態空間で去噪ヤコビアンを通じて作用し、蒸蒸留変分最適制御（DVOC）は局所的に改善された終点をモデルパラメータへ償却する。ImageNetでは、VOGによりDiT-XL/2のFIDが250ステップで2.27から2.04、25ステップで7.58から4.44に改善したと報告されている。
説明パラメータ保護を超えて：リプレイ不要な継続学習のためのFisher形状EWC
要約本論文は、Fisher情報行列の役割をパラメータ保護から、将来の保持に向けた解の形成へと広げるFisher-Shaped EWC（FS-EWC）を提案している。タスク学習中は所定の近傍内で最悪ケースの経験的Fisherトレースを最小化し、タスク終了時には最適化の軌跡に基づくモデルマージで保持する解を構成する。複数のベンチマークで、EWCより性能が向上し、安定性と可塑性のバランスやパラメータのドリフトへの耐性が改善したと報告している。
説明Hopfieldネットワークにおける継続学習のための平衡伝播ベース生成リプレイ手法
要約本論文は、平衡伝播（EqProp）で学習したHopfieldネットワークの継続学習における破局的忘却に取り組み、外部データバッファを使わずネットワーク自身が擬似データを生成して再学習するエネルギーベース生成リプレイ（EB-Gen）を提案している。凍結したネットワークのコピーを緩和させて過去タスクの知識を持つサンプルを生成し、クラス増分設定のSplit MNISTとSplit CIFAR10で評価している。平均精度はそれぞれ75%と64%で、著者らは安定性と可塑性の両立を報告している。
説明MixSIS：混合教師あり インスタンスセグメンテーション
要約本論文は、同一データセット内で画像・点・ボックス・マスクの四種類のアノテーションレベルを混在させられる混合教師ありインスタンスセグメンテーション（MixSIS）タスクを提案している。基線手法としてAnnotationsMixer（AnnsMixer）も提示され、各レベルの注釈から擬似マスクを生成し、一枚の画像内でも注釈を混在させられるとしている。著者らは、弱教師ありおよびMixSISの両タスクで既存手法を大きく上回ったと報告している。
注目点異なる注釈レベルを混在させる新タスクとベースラインを提案し、WSISとMixSISで既存手法を大きく上回り、3つの事例研究で有効性を示している。
説明主要Lund平面が欠いているもの：ジェットタグ付け表現ギャップのモデル接合による診断
要約本論文は、Lund平面ベースのジェットタグ付け器とParticle Transformer（ParT）を、モデル接合（model stitching）によって比較し、性能差が表現の弱さによるのか下流計算によるのかを切り分けます。主要な脱クラスタリング分岐のみの表現は、ParTに比べて背景棄却率が明らかに低く、その欠損は表現レベルにあることが示されます。完全なCambridge/Aachen脱クラスタリング木に置き換えると、この欠損の約72%が解消されます。
説明物理ガイド付き拡散モデルによる露出補間を用いたハイダイナミックレンジ画像化
要約この論文は、露出比の大きい2枚の標準ダイナミックレンジ画像を一回の撮影で同時に取得して融合する際に生じる明るさ順序反転アーティファクトに対処する、物理ガイド付き拡散モデルに基づく露出補間アルゴリズムを提案している。物理駆動の構成要素で初期画像を補間し、新しい拡散モデルの構成要素で残差の高周波ディテールを生成する。実験により提案手法の有効性が検証されている。
説明解剖学ガイド付き擬似ペアリングと敵対的拡散によるMRIからCTへの脊椎画像変換
要約本論文は、術前計画のために脊椎MRI画像を CT に似た画像へ変換し、追加の放射線被曝を避ける三段階の枠組みを提案しています。対応のないMRIとCTのスライスを脊椎の分割結果に基づいて照合し、剛体位置合わせで擬似ペアデータを作成します。そのデータで敵対的拡散モデルを学習させ、最後に三次元精緻化ネットワークでスライス間の連続性を改善します。83件のMRIボリュームでの評価では、拡散モデル単独と比べて三次元椎体Dice係数が0.666から0.739に向上しました。
説明MCP-Net：ロボット式ガイドワイヤーナビゲーションのためのリアルタイム冠動脈認識ネットワークとトポロジー解析
要約本論文は、ロボットによるガイドワイヤーナビゲーションを対象とした、マルチタスク冠動脈認識ネットワーク（MCP-Net）を中核とするシミュレーション駆動型フレームワークを提案している。単一の二次元透視画像フレームから、冠動脈血管のセグメンテーション、ガイドワイヤー先端の位置特定、狭窄病変の位置特定を同時に行う。予測結果は中心線、分岐点、端点、分枝方向、分枝角度を含む構造化された血管グラフに変換され、そのグラフの根から目標病変へ向かう経路図が生成される。
説明Transformer言語モデルの重み枝刈りにおける機構的な失敗パターン
要約本論文はGPT-2を対象に、重要度基準、コンポーネント種別、スパース率を組み合わせた枝刈り実験を行い、間接目的語識別（IOI）回路を基準として回路の完全性を評価しています。活性化パッチングなどの因果的手法を用いた結果、性質の異なる2つの失敗パターンが示されました。大きさによるアテンションヘッドの枝刈りでは回路が破壊され、モデルは偶然水準に近づきます。30%のニューロン枝刈りでは回路構造は保たれるものの、Name Moverの寄与の符号が反転し、正答率は17.7%まで低下します。一方で困惑度はこの損傷を軽微と評価しています。著者らは、出力指標や構造的検査だけでは機構的な損傷を見逃す可能性があるとし、回路レベルの因果分析を補完的な評価として提案しています。
説明SFE-O：超臨界CO2によるバイオマス抽出・分別のための知識オントロジー
要約本論文は、超臨界CO2バイオマス抽出プロセスを記述するOWL 2ベースのモジュール式オントロジーSFE-Oを提案している。バイオマス、プロセス、製品の3つの次元を相互に結びつけ、プロセスの構造、パラメータの出所、物質移動現象、一定抽出速度と低下抽出速度の機構を明示的に表現する。パイロット規模の抽出バッチの実例、推論器による一貫性検証、および競合質問に対するSPARQLクエリによって評価を行っている。
説明Prospector：科学推論のための小型グラフ探索方策の学習
要約本論文は、ドメイン知識グラフ上で段階的に探索しながら推論する小型モデル Prospector を提案しています。少数のツールを一つずつ呼び出して文脈を積み上げ、グラフの検索結果と照合できる証拠連鎖で回答します。半導体製造分野の文献から作られたグラフのみで訓練されていますが、他の三分野の未見のグラフにも転用できたと報告しています。
説明キュウリの生育段階分類のための視覚基盤モデルにおける多分岐アンサンブルヘッド
要約本論文は、DINOv2などの視覚基盤モデルに用いる正則化された多分岐アンサンブルヘッドを提案する。学習時には各ステップで一つの分岐を確率的に選び、推論時には両分岐の確率を平均する。実世界の五段階のキュウリ生育画像からなるNALEF Food Safetyデータセットで、DINOv2 ViT-Sベースの本手法はMacro F1 0.978、Cohen's Kappa 0.971を達成し、計算量12.2 GFlops、パラメータ22.3Mで、スマートフォンやエッジ機器への展開が可能だとしている。
説明自己正則化フロー言語モデル：除ノイズ軌跡を活用して連続拡散言語モデルの学習を改善する手法
要約本論文は、ノイズ入力からクリーンな出力への自己蒸留によって連続拡散言語モデルを改善するSERFフレームワークを提案している。指数移動平均（EMA）教師モデルが、生徒モデルのノイズ入力より clean な版を同じ補間経路上で受け取り、追加の監督信号を与える。SERF-LとSERF-Pの2つの変種を検討し、3種類の連続言語モデルで実験を行った。その結果、学習効率、生成品質、少ステップ生成の各面で大きな改善が示された。
説明最初のステップのバイアスで拡散モデル蒸留の失われた多様性を回復
要約本論文は、拡散モデルの蒸留後に生成画像の多様性が低下する問題を扱い、多様性の損失が高ノイズの最初のデノイジングステップで主に起きることを明らかにしています。提案手法ReSeedは、生徒モデルの最初のステップのみにシード応答バイアスのアダプタを追加し、その速度を教師モデルの対応する速度に合わせます。複数のテキストから画像・動画モデルでの実験では、わずかな追加パラメータで多様性の大部分が回復し、視覚品質も競争力を保つことが示されています。
説明人手で整備された語彙表を用いた低リソース言語のテキスト生成
要約本論文は、人手で整備された語彙表と少数の人手による例文を用い、大規模言語モデルで極めて低リソースかつ未知の言語の文章を生成できるかを検討しています。候補語はツィップ分布に従ってサンプリングされ、例文が統語的な手がかりを与えます。語彙の多様性、非対象言語の割合、人による流暢さの評価によって生成文を検証し、推論機能を持つモデルは文レベルで特に良好な結果を示したと報告しています。
説明リアルタイムのプルキンエ細胞スパイク分類に向けたハードウェア適合型スパイキングニューラルネットワーク
要約本論文は、ケーブルレスのヘッドステージ上で記録データを圧縮できるよう、プルキンエ細胞の単純スパイクと複雑スパイクを区別する手法を扱っています。ハードウェアに合わせた2種類の小型スパイキングニューラルネットワークを提案しており、ConvSNNはEFM32PG28マイクロコントローラ、StreamSNNはSKY130向けの専用回路に対応します。学習時に含まれなかった細胞での複雑スパイクのF1スコアは、ConvSNNが0.873、StreamSNNが0.837で、どちらも重みは8ビットです。
説明SplatScout：ガウシアン・シーンにおける問い合わせ駆動型の部品レベル参照セグメンテーション
要約ガウシアン・シーンの既存の参照セグメンテーション手法は、主に物体全体を対象とし、セグメンタが生成した候補から視覚言語モデル（VLM）が選択する方式です。SplatScout は、知覚処理をVLMの制御下に置く問い合わせ駆動型の閉ループ手法です。モデルは視点を能動的に選び、セグメンテーションを指示し、レンダリングされた3D結果を検査して予測を洗練させます。部品レベルの評価のため、12のScanNet++シーンに対する261件の人手検証済み問い合わせからなる PartRef-ScanNet++ を導入し、SplatScout はこれで0.538 mIoUを達成しました。さらに既存の参照ベンチマーク4種でも高いスコアを示しています。
説明TriDifNet：RGB-T知覚のための統一型3タスク拡散ネットワーク
要約本論文は、赤外線と可視光（RGB-T）の画像から位置合わせ、融合、歩行者検出を同時に行う統一拡散ネットワークTriDifNetを提案しています。位置合わせ、融合、検出の3つの拡散モジュールを閉ループで最適化する仕組みを備えています。KAIST多スペクトル歩行者ベンチマークでは、位置がずれたRGB-T設定において、強力な比較手法より優れた検出性能を示しました。
説明画面の外を見る学習：GUIグラウンディングから転移可能な視覚観察へ
要約本論文はLBS（Look Beyond Screens）という視覚言語モデルを提案します。教師が生成したGUIグラウンディングの軌跡で教師あり初期化を行い、その後、複数ターンの切り抜きと精査の判断を強化学習で学習します。Qwen3.5-35B-A3BとQwen3.8-27Bのいずれのベースモデルでも、固定された推論設定下で対応するベースラインを上回りました。教師あり微調整を超える利得は、PerceptionBenchに両モデルで、HR-BenchとChartQAProにはQwen3.5-35B-A3Bで転移したとされています。
説明論文の説明：直接選好最適化（DPO）でパラメータ更新が疎になる理由
要約本論文は、直接選好最適化（DPO）がなぜ疎なパラメータ更新を生じるのかを理論的に説明します。ニューラル接線カーネルの線形化のもとで最適化の挙動を分析し、DPO損失のロジスティック構造が暗黙の最大マージン・バイアスを生むことを示します。実験では、GPT-2や7〜9Bの指示チューニング済みモデルで2種類の疎性を確認し、GPT-2では教師ありファインチューニングに比べタスク間干渉を最大35倍低減することを報告しています。
説明OpenGray：放射線治療計画エージェントの判断を評価するベンチマーク
要約本研究は、大規模言語モデルに基づく放射線治療計画エージェントが、いつ計画を提出し、いつ確認を求めるかという判断を評価するベンチマーク「OpenGray」を提案しています。OpenKBP-Optの頭頸部データセットに、正解が既知のタスクを追加しました。線量目標が互いに両立しないことが証明された2つの矛盾タスクと、すべての厳格な目標を満たす保存済み計画がある実行可能な対照タスクが含まれます。研究では、総合スコアが良好なシステムでも特定の判断の誤りが隠れていたことが示され、計画エージェントには線量だけでなく判断も評価すべきだと結論づけています。
説明神経変性疾患の表現学習のための系統的形態計測脳オートエンコーディング（SYMBA）
要約本論文は、構造的T1強調MRI向けに設計された自己教師あり事前学習フレームワーク「SYMBA」を提案している。解剖学的制約付きマスキング、多尺度構造類似性（MS-SSIM）による再構成目的関数、局所的な解剖学的詳細から脳全体の形態へ移行する段階的カリキュラムを組み合わせている。6,953件のT1強調MRI（9つの異質なコホート）で事前学習し、2つの未見の独立データセットで凍結線形プローブにより評価した。アルツハイマー病分類でAUROC 0.930、軽度認知障害の転換予測で0.772を達成し、わずか6名のラベル付き被験者でAD/CN分類に約0.90のAUROCを示した。
説明思考連鎖の忠実性評価における正答性による絞り込みを選択バイアスとして分析する
要約本論文は、思考連鎖（CoT）の忠実性評価を正答した事例だけに限定すると、測定対象の母集団が変わることを指摘しています。七変数の構造的因果モデルで観測ギャップを厳密に導出し、18本の論文の評価プロトコルを検討しています。算術課題の4つの条件すべてで正の選択ギャップが観測され、主要実験では7.4パーセントポイントでした。また、各事例の反事実的な遵守が観測可能な場合は、正答による絞り込みをせず全トレースを直接評価できると述べています。
説明パラメータ効率的ファインチューニングのための階層的低ランク再パラメータ化
要約本論文は、パラメータ効率的ファインチューニング（PEFT）手法の学習可能パラメータにはなお冗長性があると指摘し、階層的低ランク再パラメータ化手法を提案しています。学習可能パラメータをほぼ正方行列に再編成し、低ランク分解を再帰的に適用して多層構造で段階的に圧縮します。LoRA、DoRA、MoSA、RaSAと組み合わせ、LLaMA-3.1-8BとQwen2.5-7Bで常識推論、LLaMA-3.1-8BでGSM8Kの数学推論を評価しています。学習可能パラメータ量が同程度の条件では、LoRAまたはDoRAと組み合わせた場合に高い性能を示し、元の手法のパラメータ数を約1桁圧縮しても、8つの常識推論ベンチマークの平均精度で対応するベースラインを上回る結果が報告されています。
説明EnergyCal：スパースMoE学習におけるMuon系オプティマイザの損失スパイクを抑制する手法
要約本論文はEnergyCalという軽量な手法を提案する。これは有限ステップのNewton-Schulz方向の正規化された二乗Frobeniusノルムに応じて、ルーティングされたエキスパートの更新量を減衰させるものである。スペクトル変換は変更せず、永続的なオプティマイザ状態も追加しない。4Bパラメータ規模のMoEモデルでの評価では、開発段階で選ばれた学習率の低いMuonHの設定と比べ、EnergyCal-MuonHは閾値化された平均損失スパイクの負担を99.51%減らし、最終的な幾何平均パープレキシティを4.06%改善した。スループットの低下はわずかであった。
説明Delta学習仮説の限界の検討：直接選好最適化における単一生成器ペアのバイアス
要約本論文は、直接選好最適化（DPO）において、より大きなモデルの応答を優先とみなし、単一のモデルペアだけで選好データを作る手法を検討している。理論と実験の両面から、固定されたモデルペアは生成器に依存した系統的バイアスを生み、それが応答の質とは無関係に選好ラベルを予測することを示している。その結果、単一ペアのデータで学習したDPOは、複数モデルの選好データより一貫して性能が低いとされている。
説明一般的なx86ハードウェア上での自己教師ありSAR・光学エンコーダの量子化エッジ推論
要約本論文は、事前学習済みのSAR・光学マスクドオートエンコーダを三台の一般的なx86ノードに配備し、FP32、FP16、INT8の各精度で遅延、消費電力、線形プローブ精度を比較した。INT8量子化は精度にほとんど影響せず、すべてのノードでCPUの遅延と消費電力を下げたと報告している。
説明世界をコードで学習する：合成的3D再構成のためのHarness進化
要約本論文は、3Dシーンを実行可能なコードとして表現し、小型のオープンソースエージェントを取り囲むharnessを進化させて再構成を改善するSceneEvolveフレームワークを提案しています。モデルパラメータ、動作の意味、実行バックエンドは固定したまま、より強力な教師エージェントが開発セットの再構成フィードバックに基づいてharnessを反復的に改良します。論文によれば、2つのドメイン内データセットと1つのドメイン外データセットで、コンパクトなQwen3.8-27Bモデルは4つの評価指標すべてで改善し、平均推論時間はベースモデルに比べ47.0%削減されました。
説明制約付きトポロジー上の量子置換に対するCNOT分解のAI支援による発見
要約量子コンピュータでは量子ビットの接続が制限されるため、論理演算の実装に大きな追加コストが生じます。本研究はAlphaCNOTを探索ツールとして用い、遠隔の入れ替えを分解する繰り返し現れるパターンを発見しました。グラフ距離dの2量子ビットの場合、CNOTゲート数は隣接SWAPルーティングの6d-3個に対し、最大6d-4個で実現できることを示しています。さらに、全体の置換を分解する決定的手法「グローバル転置（Global Transpositions）」を提案し、中間CNOT融合と呼ばれる仕組みも明らかにしています。
説明Guided-RLVR：検証可能な報酬による強化学習における誘導付き探索
要約この論文は、検証可能な報酬を用いた強化学習（RLVR）を改良したGuided-RLVRを提案します。RLVRは大規模言語モデルの推論力を高めますが、生成される推論経路が少数に偏り、探索範囲が狭まる問題があります。提案手法は軽量なコントローラを加え、意味を持つ誘導トークンをサンプリング分布に注入して、複数の推論の観点から問題に取り組むよう促します。数学推論とコード生成のベンチマークで、既存のRLVR手法を上回り、より多様な推論軌跡を生成することが示されています。
説明ズームなしのズーム v2：細部を見ることから証拠を結びつけることへ、汎化可能なマルチモーダル知覚を目指して
要約本論文は、単一画像内の関連領域の拡大ビューを用いて、視覚的証拠の比較・集約・連鎖を要する質問を生成するデータ合成フレームワーク EvidenceConnect を提案しています。品質確保のため、独立した VLM が一致した参照解答のみを残し、領域除去テストで解答が残る質問を除外します。このデータで RLVR により基盤 VLM を訓練して ZwZ2 を得ており、細粒度・空間知覚や関連タスクでの改善が報告されています。
説明GraftRay：パストレーシングによりガウシアン・スプラッティング場面へメッシュを物理的に整合して挿入する手法
要約本論文は、2Dまたは3Dガウシアン・スプラッティングで再構成された室内シーンに、メッシュ形状の仮想物体を物理的に整合するかたちで挿入するGraftRayを提案する。拡散モデルの事前分布でシーンの材質と表面法線を推定し、面積を持つ光源の放射輝度を閉形式で解いて明示的にモデル化する。さらに、シーンのガウシアンと挿入メッシュを共同でパストレーシングするハイブリッドレンダラにより、多視点で一貫した陰影、相互反射、ソフトシャドウを生成する。FIPTでの評価では、ComGSやEAG-PTなどの既存手法より描画忠実度と影の精度で優れ、描画効率も高い水準を保つ。
説明乳がん画像診断のための解釈可能な深層学習モデルに関する研究
要約本論文は、ImageNetで事前学習された10種類の深層学習モデルを、患者単位で分割したBreakHis病理画像データセット上で良性・悪性の分類に用いて比較しています。予測の説明にはGrad-CAM、LIME、Integrated Gradients、LRPの各手法を使用しました。DenseNet121が最も良く、テスト精度は99.4%、AUC-ROCは0.999でした。Transformer系モデルはCNNより全体的に劣っていました。
説明回帰モデルによる作物収量予測：モデル性能の比較評価
要約本研究は、環境、作物、農業管理の変数から作物収量を予測する五つの回帰モデルを比較したものです。データは約100万件の観測値を含みます。訓練とテストの分割比率は80:20と70:30で、決定係数、平均二乗誤差、二乗平均平方根誤差により性能を評価しています。線形系のモデルは互いに近い性能を示し、ランダムフォレストは訓練とテストの間に大きな差が見られたとしています。
説明地上から衛星への知識蒸留：時間的・地理的シフト下の作物分類
要約本論文は、衛星の事前学習埋め込みに基づく作物分類を、地上の圃場写真を訓練時の追加の教師情報として用いて改善できるかを検討しています。凍結したCLIP特徴による写真教師モデルが、AlphaEarthおよびTESSERA表現で学習した分類器を指導し、写真は訓練時のみ使用されます。17作物クラスの対応データセットでは、時間的シフト下で凍結埋め込みに対して最大5.5マクロF1ポイントの改善が示され、地理的ホールドアウトでも分布内より大きな効果が見られました。
説明V-LUMEN：視覚言語モデルの埋め込み拡張のための視覚ルックアップメモリ
要約本論文は、視覚言語モデル向けの視覚ルックアップメモリV-LUMENを提案する。凍結されたコードブックで視覚特徴を離散化し、空間集約ベースのハッシュで空間を考慮したメモリキーを構築し、テキストに条件付けられた関連性信号で調整する。検索された埋め込みはゲート付き残差経路を通じてバックボーンに融合される。五つの推論集約型ベンチマークで、凍結されたQwen3-VL-2Bバックボーンの性能を向上させ、学習データと画像が重ならない三つのベンチマークにはゼロショットで転移する。
注目点検索型外部メモリを視覚言語モデルに導入し、空間認識ハッシュと門付き残差融合を提案、五つのベンチマークで検証。
説明オンデマンド相乗りタクシーにおける会員優先配車方式の評価
要約本論文は、逐次最適挿入法を用いて、オンデマンド相乗りタクシーサービスにプレミアム会員制度を導入する際の配車レベルでの実現可能性を分析している。提案手法は、プレミアム利用者の締切時間を短縮する方法と、専用のプレミアム車両を用いて締切時間を短縮する方法の2つである。これらを基準の配車方法と比較するため、SUMOによるシミュレーションを、一定の需要、ピーク時間帯を含む時間変動需要、都市部に集中したピーク需要の3つの条件で行った。結果として、適切な優先機構は運用条件とプレミアム比率に依存することが示されており、条件に応じて手法を切り替えることで、非プレミアム利用者の負担を抑えつつプレミアム利用者に利益をもたらせる可能性がある。
説明イーサネットからWi-Fiへ：トラフィック分類のためのフロー特徴量の選択と構築
要約イーサネットのデータで学習したフローベースのトラフィック分類器は、Wi-Fiトラフィックに適用すると精度が低下する場合がある。本論文は、イーサネットのデータのみで学習したモデルによってWi-Fiのフロー分類を可能にする特徴量を選択・構築する五段階の手順を提案する。研究ではns-3でイーサネットとWi-Fi（Best Effortアクセスカテゴリを使用）のトラフィックをシミュレートし、6つの開発シナリオのラベル付きWi-Fiデータを特徴量設計に用い、別のシナリオを最終テスト用に確保している。
説明Compote：系列推薦のための崩壊耐性を持つ多仮説学習手法
要約本論文は、系列推薦における次アイテム予測の曖昧さに対し、アニーリング学習目標で各仮説を異なる商品領域へ特化させる多仮説Transformer「COMPOTE」を提案している。3つのAmazon Reviews 2023ベンチマークにおいて、アイテムIDのみを用いて、ID方式、生成型、多興味型の強力なベースラインを上回った。容量を揃えた比較実験により、性能向上は追加の容量やアンサンブル、ルーティングではなく、この学習目標に由来することが確認された。
説明メタモデル：学習そのものをモデル化するモデル
要約本論文は、他のモデルの学習挙動を予測する「メタモデル」を研究している。言語モデルの学習記録を数値データとして扱うと、既存の表形式in-context学習モデルTabPFNが、評価した複数の設定で、微調整された大規模言語モデルのメタモデルと同等以上の結果を示した。論文はさらに、Kolmogorov-Arnoldネットワーク（KAN）を組み合わせると一部の予測課題で精度が上がり、公開の大規模学習実行について事前登録した予測も行ったと述べている。
