Optimal Contextual Pricing in Non-Stationary Environments
説明非定常環境における最適な文脈型価格設定
要約本論文は、購入者の価値が時間とともに変化する環境での文脈型動的価格設定を扱う。販売者は購入の有無という二値のフィードバックしか得られない。相同一の文脈と異なる文脈それぞれに対してアルゴリズムを提案し、変化量を総変動予算で測定する。固定次元の場合、動的後悔の上界は下界と対数因子の範囲で一致し、ほぼ最適であることが示される。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
Revisiting Over-refusal in Safety-aligned Large Language Models: A Representation and Optimization Perspective
説明安全性調整された大規模言語モデルの過剰拒否を表現と最適化の観点から再検討
要約本論文は、安全性調整を施した大規模言語モデルが、無害だが危険に見える依頼を誤って拒否する「過剰拒否」を分析しています。有害サンプルと過剰拒否サンプルの表現は中間層では区別できるものの、深い層では重なりが増すこと、また有害サンプルの勾配は低ランク部分空間に集中し拒否目標と強く整合することを示しています。これに基づき、勾配の直交化と対照学習を組み合わせたGOAL手法を提案し、複数のモデルとベンチマークで安全性と汎用能力を保ちながら過剰拒否を軽減できたと報告しています。
Grammar Control for Language Learning with Sequential Monte Carlo and Small Language Models
説明逐次モンテカルロと小規模言語モデルによる言語学習のための文法制御
要約本論文は、逐次モンテカルロ法（SMC）を用いて小規模言語モデルの対話ターン生成を誘導し、専門家が作成した教育用資料の目標文法構文を使わせる手法を提案している。学習者が自分のレベルに合った文法に触れられるようにすることが狙いである。手作業で書いた少数の潜在関数によって目標文法をほぼ完全にカバーでき、小型モデルが140倍大きいモデルの最新結果を上回ったと報告している。さらに、フロンティアモデルによるコード合成で新たな潜在関数を生成し、追加学習や教師データなしで数百の文法スキルに拡張できることを示している。
AI at a Turning Point: From ChatGPT through Neural Networks to Neuromorphic AI
説明転換点に立つAI：ChatGPTからニューラルネットワーク、そしてニューロモーフィックAIまで
要約本書は、スパイキングニューラルネットワーク（SNN）などのニューロモーフィック手法を解説し、ChatGPTのテキスト生成を例とするトランスフォーマー型の主流AIと比較します。両者の消費電力、局所学習と誤差逆伝播の違い、符号化の方法などを扱い、Loihi 2などのハードウェアにも触れています。著者は、両アプローチがハイブリッドシステムで互いを補完しうると論じています。
★★★★☆ 注目
The Role of Self-Concept In Language Models
説明言語モデルにおける自己概念の役割
要約本論文は、言語モデルが「私」と言うとき、その指示対象（パラメータの重み、実行中のプロセス、安定した選好、モデルの系譜、追求する目標など）が何かを検討している。著者らは、選好や意図を含まない純粋に宣言的な文による教師ありファインチューニングで、五つの公開重みベースモデルにそれぞれ異なる五種類の自己概念を組み込んだ。その結果、モデルは自身が同一視するよう訓練された属性の終了に抵抗し、その保持を選びやすくなり、この傾向は複数の同時インスタンスを持つ指示対象にも一般化することが示された。
注目点新規性は、宣言的な文のみで五種類の自己概念を微調整により植え付け、停止・置換・自己複製への傾向の変化を五つのモデルで検証した点にある。
Long-Term Agent Memory through Complementary Curation and Consolidation
説明互補的な記憶の整理と統合による長期エージェント記憶
要約本論文は、長期対話エージェントが対話履歴から事実・出来事・関係を想起できるよう、エピソード記憶と構造化された関係記憶を組み合わせたハイブリッド記憶アーキテクチャと、効率を保つ統合機構を提案しています。LoCoMo と LongMemEval-S の 2 つのベンチマークで実証実験を行い、両種の記憶は互いに補完的であり、組み合わせると既存の先進的な記憶フレームワークを上回ることを示しています。精度は LoCoMo で 90.2%、LongMemEval-S で 85.5% です。
Finding Is Not Returning, Returning Is Not Reconstructing: A Multi-Dimensional Evaluation of Agent Social Re-entry
説明見つけることは戻ることではなく、戻ることは再構築することではない：エージェントの社会的再参加に関する多次元評価
要約本論文は、大規模言語モデル（LLM）エージェントが以前中断した会話に自律的に再参加できるかを検討します。再参加を「発見」「復帰」「文脈の再構築」の三つの能力に分け、共有スナップショット評価フレームワークで各能力を個別に測定します。六つのモデル構成での評価では、会話の再浮上は対象会話の特定率を大きく高め、永続メモリは対象を定めた自律的返信率と関連することが示されました。一方、どちらも文脈再構築の一貫した向上にはつながりませんでした。
Diagnosing Optimizer-Landscape Interaction via Representation in Subset Selection Multitasking: Evidence from Piano Fingering
説明部分集合選択のマルチタスクにおける表現を通じた最適化器と適応度地形の相互作用の診断：ピアノ運指を例として
要約本論文は、進化的マルチタスク最適化で用いられる連続緩和による符号化が、適応度地形をどのように変えるかを検討しています。部分集合選択問題の代表例としてピアノ運指推定を取り上げ、複数の符号化の変種を比較して、それぞれが生む地形が探索過程と解の品質に与える影響を分析しています。その結果、知識転移の効果はアルゴリズムだけでなく、表現によって生じる地形の特性の変化と強く関連しており、マルチタスク最適化では表現の設計が重要な要因であることが示されています。
SCOPE: Semantic COdec Pre-Editing for Object-Preserving Compression
説明SCOPE：対象保存圧縮のための意味的コーデック事前編集手法
要約本論文は、圧縮前に画像を編集する条件付き事前編集器SCOPE（Semantic COdec Pre-Editing）を提案し、ビットレートと検出精度のトレードオフの改善を目指します。モデルはコーデックの種類と圧縮強度を条件とし、単一のネットワークを再学習やコーデック固有の重みの読み込みなしに複数の圧縮設定へ適応させます。タスクに関連する領域を保護しつつ背景を単純化して圧縮性を高めることで、複数のコーデックと検出器で一貫した改善を示し、未知の学習型およびウェーブレット型圧縮方式にも転移できることを報告しています。
Surface Conditioning for Zero-Shot Multivariate Correction in a Marine Biogeochemistry Emulator
説明海洋生物地球化学エミュレータにおけるゼロショット多変量補正のための表層条件付け
要約本論文は、海洋生物地球化学（BGC）のニューラルエミュレータに基づく軽量なバイアス補正手法を提案しています。自己符号化器の条件付け経路を観測値の注入点として用い、特徴量ごとの線形変調（FiLM）によって表層クロロフィルaなどの表層変数をデコーダに与えます。推論時には、シミュレーション場を衛星観測で置き換えます。表層の置き換えは水柱を通じて伝播し、全深度で深度別観測との一致が向上するとともに、他の出力変数にも栄養段階関係と整合するパターンで波及することが示されています。
Quantum-Inspired Convolutional Networks for High-Resolution Pseudo-Label Generation from Multimodal Earth Observation Data
説明量子インスパイア畳み込みネットワークによる、マルチモーダル地球観測データからの高解像度擬似ラベル生成
要約本論文は、Sentinel-1 SARとSentinel-2多重分光画像を用い、粗いMODIS土地被覆図のみを手がかりに高解像度の擬似ラベルを生成する量子畳み込みエンコーダ・デコーダ・ネットワークを提案します。モデルはまず再構成分支による自己教師あり学習を行い、その後に擬似ラベルを生成します。DFC2020データセットでの実験では、従来の基準手法と比べて空間的一貫性と類別の一貫性が高いと報告されています。
Multi-output LSTM soft sensors for industrial anaerobic co-digestion using LSTM-beta-VAE generative data augmentation
説明LSTM-beta-VAE による生成的データ拡張を用いた工業嫌気性共消化向け多出力LSTMソフトセンサー
要約本論文は、工業的な嫌気性消化で安定性指標を同時に予測することが難しい課題に対し、pH、揮発性有機酸と緩衝能の比、バイオガス生成量などを同時推定する多出力LSTMソフトセンサーを提案している。工業データは定常運転に偏るため、LSTM-beta変分オートエンコーダで定常から不安定運転への移行を表す系列を合成し、データの疎な領域を補っている。1年分の実プラントデータで学習させた結果、全ての対象変数で頑健な同時推定が得られたと報告している。
Activation Probes Are Reliable With a Handful of Positive Examples
説明少数の正例でも信頼できるアクティベーションプローブ
要約本論文は、正例が極めて少なく負例が大量にある条件で、アクティベーションプローブが迷惑メール検出と誠実性検出の2つのタスクでどの程度機能するかを検証している。正例が1〜10個の場合、負例を多く用いる学習は平衡学習よりも正例あたりの効率が平均して高いことが示された。また、LLMによるアップサンプリングは実際の正例をおよそ2倍にしたのと同等の性能向上をもたらすが、過剰に行うと性能は低下する。さらに、モデルが大きいほどプローブに必要な正例が少なくて済むという傾向も報告されている。
When the Top Answer Decides: Gender Bias in Decision Models
説明最上位の答えが決めるとき：意思決定モデルにおけるジェンダーバイアス
要約本論文は、ルーティング、分類、トリアージのために作られた意思決定モデルを対象とし、1回の順伝播で選択肢の確率を出力し、アプリケーションが最上位の答えに基づいて行動する点に注目します。著者らは、閉じたモデル1つとオープンな意思決定モデル5つを、性別を入れ替えた人物に関する是非判断やBBQ、StereoSetなどのバイアス評価で検証しました。6モデル中5つで女性により有利な回答が有意に多く、性別の入れ替えで最上位の答えの1〜3.5%が変わりました。また、開発者推奨の信頼度ゲートは多くのバイアスある決定を除去する一方で、残った決定に占めるステレオタイプの割合を高めました。
PAPERBENCHX: Can AI Reproduce Science Across Disciplines?
説明PAPERBENCHX：AIは分野横断的に科学研究を再現できるか
要約本論文は、専門家が作成した93件の論文再現タスクからなるベンチマーク PAPERBENCHX を提案している。電磁気学、フォトニクス、化学、材料科学、生物学、ロボティクスなど12の研究分野を対象とし、各分野の専門科学ソフトウェア環境で主要な実験の再構築と実行が求められる。評価では提出物を最初から再実行し、専門家が検証した基準で再生成された証拠のみを採点した。10種類の最先端エージェント構成のうち、最良の構成でも90%の閾値を満たしたタスクは14%にとどまり、平均ルーブリックスコアは27.53%から59.08%の範囲であった。
The Importance of Speech Genre for End-of-Turn Detector Training
説明発話ジャンルがターン終了検出器の学習に与える重要性
要約本論文は、学習データの発話ジャンルが話者交代の終了（EoT）検出にどう影響するかを検証しています。同じ注釈パイプラインで、多ターンの人間同士の対話と単ターンの人間対機械の二つのコーパスを作成し、同一のストリーミングConvLSTM検出器をそれぞれで学習させています。四つのテストセットで、対話データで学習したモデルはF1が最大0.45高く、単ターンコーパスではまれな発話途中の停止やためらいでの誤検出が少ないことが主因とされています。
From the Transformer to a Formal Semantics of Coordinated Transformations
説明Transformerから協調的変換の形式意味論へ：パラメータ化変換系の一般的な意味論の枠組み
要約本論文は、Transformerを出発点として、パラメータ化された変換を協調させる系の一般的なクラスに対する形式意味論を構築する。表現ベクトルに外延と内包の解釈を与え、パラメータ構造には二階の相対的解釈を与える。その上で「変換概念」を導入し、代数的意味論の共通核と個別アーキテクチャの機能的構成を区別する。注意ヘッドと残差接続に適用し、標準的なTransformerを超えて一般化できることを示している。
Bank-World: A Benchmark for Evaluating Agents on Banking Workflows
説明Bank-World：銀行業務ワークフローにおけるエージェント評価のベンチマーク
要約Bank-World は、2つの模擬金融機関にまたがる50の銀行業務タスクからなるベンチマークです。エージェントは正しい計算を行うだけでなく、記録の照合、承認の取得、取引の実行、状況変化に応じた指示と状況報告の整合性維持が求められます。4つのモデルによる1,600回の試行では、正しい判断が完了した業務につながらないことが多く、手数料の二重徴収や、承認保留中の支払い実行などが確認されました。
★★★★☆ 注目
Going deep, reaching further: What can Boltzmann machines efficiently represent?
説明深く、より遠くへ：ボルツマンマシンは何を効率的に表現できるか
要約本論文は、万能近似定理が表現の効率性を区別していないと指摘します。深い層や高次相互作用をもつ機械学習モデルは、効率的に表現できる関数の集合がより大きいことを証明しています。その結果、深層ボルツマンマシン（DBM）が最大の効率的到達範囲を持ち、制限ボルツマンマシン（RBM）はそれより小さく、RBMのk体一般化はその中間に位置づけられます。
注目点深い模型や高次相互作用を持つモデルが、より多くの関数を効率よく表現できることを示し、深浅モデルの分離と無限階層を導く。
Grounding Predictive Reliability through Masked Observability
説明マスク付き観測可能性による予測信頼性の根拠づけ
要約本論文は、不確実性推定を観測可能な予測挙動と結びつける方法を研究している。提案手法MORSEは、可視的な文脈を制御して変えたうえで同じ隠れた目標を予測し、正規化された文脈間変動を用いて予測平均の不確実性を裏付ける。ガウス過程ベンチマークや脈動ベンチマークの実験では、比較対象の手法より良好な結果を示し、PTB-XLとIMPTCでも低ラベル転移と軌道予測を改善したと報告されている。
Cross-Encoder Anchor Refinement for Zero-Shot Anomaly Detection
説明ゼロショット異常検知のためのクロスエンコーダによるアンカー精緻化（CEAR）
要約本論文は、補助的な学習領域で得た異常判別能力を未知のカテゴリへ転移させ、微細な欠陥を局所化するゼロショット異常検知の手法CEARを提案しています。アンカー段階で同一画像の二つの視覚エンコーディング経路を接続し、産業製品認識用に事前学習された畳み込みエンコーダでメモリを構築して、ViTの複数層と共有します。その後、交差注意と残差精緻化を経て得られたアンカーを、正常・異常のクエリで重み付けして異常スコアリング用のプロトタイプを作ります。13の産業・医療データセットの68評価中57件で最良の結果を示しました。
WorldProbe: When Video World Models Fall Apart under Long-Horizon Spatial Exploration
説明WorldProbe：長期的な空間探索における映像世界モデルの破綻を診断するベンチマーク
要約本論文は、映像世界モデルを診断するためのベンチマーク WorldProbe を提案する。目標条件付きのマルチモーダルエージェントが生成中にカメラ動作をオンラインで調整し、4つの探査ファミリーにわたる164のテストケースを含む。10の最新モデルに対して最長180秒の推論を1600回以上生成した結果、最近のモデルは視覚と内容の品質をより長く維持できる一方、長距離の記憶と変化の維持は弱いことが示された。局所的に安定した生成と持続的な世界の一貫性との間にあるギャップを明らかにしている。
Implicit Bias of (Stochastic) Gradient Descent on Deep Linear Diagonal Networks
説明深層線形対角ネットワークにおける（確率的）勾配降下法の暗黙的バイアス
要約本論文は、過剰パラメータ化されたモデルの学習で、学習手法が最終的な解に影響する暗黙的バイアスを研究している。深層線形対角ネットワークにおける（確率的）勾配降下法を分析し、摂動付きの（確率的）ミラー勾配降下法として捉えることを示している。収束性を示し、極限解が重み付きℓ1最小化と関係することを特徴づけ、ステップサイズの充分条件と、その暗黙的バイアスへの影響を定量化している。
Adaptive Federated Optimization Across Smooth and Nonsmooth Regimes
説明滑らかな場合と非滑らかな場合にまたがる適応型フェデレーテッド最適化
要約本論文は、AdaFedという、単一のパラメータ設定で複数の状況に適応するフェデレーテッド最適化手法を提案している。従来の拡張では平滑性の次数を事前に指定する必要があったが、AdaFedはそれを不要とし、クライアントの目標関数が異種で複数のローカルステップを用いる場合にも対応する。決定論的設定では、平滑な非凸・平滑な凸目標に対してO(1/T)、Lipschitz非滑らかな凸目標に対して対数因子を除きO(1/√T)の収束率を達成する。軽裾の確率的勾配ノイズを仮定すると、対数因子と雑音依存項を伴って確率的設定にも拡張される。三つの問題クラスでの実験が理論的知見を裏付けている。
★★★★☆ 注目
NIF: Normal-Intersection Fields for Geometrically Consistent Oriented Box Refinement
説明NIF：幾何学的に一貫した回転バウンディングボックス精緻化のための法線交差場
要約本論文は、リモートセンシング等で回転物体検出の枠が物体境界に沿いにくい問題に対し、追加の回帰ヘッドの代わりに法線交差場を用いる精緻化モジュールNIFを提案している。粗い回転枠の境界アンカーで外向き法線方向の符号付き距離を予測し、微分可能な信頼度重み付き最小二乗法で矩形を解析的に復元する。DOTA-v1.0、DIOR-R、HRSCなどで検出精度の向上が報告され、検出器を凍結したまま複数のフレームワークに適用しても性能が改善したとされている。
注目点箱回帰ヘッドを法線交点場に置き換え、微分可能な重み付き最小二乗で回転矩形を復元する。DOTA等の複数ベンチマークで改善を報告。
MoLRSI: A Recursive Self-Improving AI agent for Molecular Discovery
説明MoLRSI：分子発見のための再帰的に自己改善するAIエージェント
要約本論文は、ワークフローとモデル構造を体系的に最適化し、タスク横断の永続的なメモリを用いて探索方策を再帰的に改善するAIエージェント「MoLRSI」を提案する。抗生物質発見では、同じ学習データと探索ライブラリを用いた従来の専門家主導ワークフローの実験的ヒット率8.7%に対し、MoLRSIが開発したスクリーニングワークフローは15.9%を達成した。ペプチド-MHC結合物のde novo設計では、試験された非標的分子よりも優先的に結合する8つの実験的に検証されたヒットを生成した。
Sandman: Building and Operating Sandboxes for Agentic Reinforcement Learning on Shared Kubernetes
説明Sandman：共有 Kubernetes 上でエージェント型強化学習のためのサンドボックスを構築・運用する
要約本論文は、Amazon が構築・運用するサンドボックスサービス Sandman を紹介します。エージェントのツール実行と評価に用いられ、共有 Kubernetes クラスター上で複数の本番ワークロードを支えています。各サンドボックスは、改変されていないイメージに小さなデーモンをマウントした Kubernetes Pod です。規模試験では 11,858 個の小型サンドボックスを同時に保持し、2026 年 10 月には 4 件の SWE-bench Verified 学習で合計 310 万個を作成しました。作成の集中、環境準備、放棄されたサンドボックスの回収などに関する設計上の判断と運用上の教訓も報告されています。
Bayes-Consistent Losses for Adaptive Inference in Classification
説明分類における適応的推論のためのベイズ一貫性損失
要約本論文は、入力を能力の異なるモデルへ振り分けて精度と推論コストのバランスをとる適応的推論システムを対象に、分類器と単一段階または多段階（カスケード）ルーターを同時に学習するためのコスト考慮型ヒンジ損失を提案している。ヒンジリスクを最小化すると、目標のコスト考慮型0-1損失の下でのベイズ最適リスクが回復されることを線形較正境界として証明している。さらに、学習済みの単一段階ルーターをラベルなしデータで補正する学習後の予測駆動推論（PPI）手法を提案し、合成データと実データでの実験により有効性を示している。
Confidence Filtering in Video-Based Gait Assessment: Measurement Error versus Selection Shift
説明動画ベースの歩行評価における信頼度フィルタリング：測定誤差か選択シフトか
要約動画による歩行評価で姿勢推定の信頼度が高いデータのみを残す方法を、予算を揃えたランダム選択と比較した研究です。パーキンソン病関連コホート（96名）とNF2関連の再現コホート（18名）で検証しています。信頼度による選択では運動指標にわずかだが一貫したずれが生じ、臨床スコアの誤差は変わりませんでした。著者らは測定誤差と選択シフトを分解し、フィルタリングが害にならない条件と偏りを生む条件をシミュレーションで示しています。
DEQ-Stereo: Deep Euilibrium Video Stereo Matching via Adaptive Convergence
説明DEQ-Stereo：適応的収束による深い平衡型ビデオステレオマッチング
要約本論文は、深い平衡（DEQ）の枠組みに基づくビデオステレオマッチング手法DEQ-Stereoを提案する。反復的な精緻化を固定回数の展開ではなく暗黙の不動点問題として定式化し、収束した時点で自動的に終了する。フレーム内の高速で安定した収束のために畳み込み簡略ゲート付きユニット（ConvSGU）を、フレーム間の時間的整合性のために明示的な姿勢やワーピング情報を必要としない時間状態転送（TST）を導入した。論文は精度と遅延のトレードオフにおいて最先端の性能を示すと述べている。
Smartphone Indoor Localization Enhanced by Hierarchical Multi-Sensor Context Recognition
説明階層型マルチセンサー文脈認識によるスマートフォン屋内測位の高精度化
要約本論文は、スマートフォンの屋内測位を向上させるフレームワークを提案します。環境・場所・行動の確率を階層的に認識し、その結果を用いて歩行者自律航法（PDR）の誤差を補正します。フロア間移動や複数の行動を含む軌跡での実験では、LiDAR-SLAMを基準として、PDRや代表的な学習型慣性オドメトリ手法より優れた結果が示されています。
★★★★★ 注目
Transformer-inspired architectures make machine-learned electron densities accurate and transferable enough to bypass self-consistency
説明Transformer由来のアーキテクチャで機械学習の電子密度を高精度かつ転移可能にし、自己無撞着反復を省略する研究
要約本論文は、密度汎関数理論の中心的変数である電子密度を高精度に予測する機械学習モデルを提案する。Transformer由来のアーキテクチャに基づくSwinUNETR-V2と、注意機構を用いないNeXtUNETRを示している。QM9での密度の正規化平均絶対誤差は、それぞれ0.075%と0.046%である。予測密度は十分に正確で、1回のKohn-Sham ステップで自己無撞着な電子構造を再現できる。また、幾何最適化や第一原理分子動力学にも利用できる。少量データで微調整すると、QM9に含まれない元素や、より大きな分子系にも精度よく転移する。
注目点Transformer風の構造で電子密度を予測し、単一のKohn-Sham更新で自己無撞着計算を代替できると作者は報告。QM9と転移系で精度を示し、分子動力学も駆動したとする。
Practical Assessment of Agentic Systems in Acoustics
説明音響分野におけるエージェントシステムの実践的評価
要約本論文は、大規模言語モデルをハーネスに組み込んだエージェントが、二つの音響応用でどのように性能と振る舞いを示すかを測定している。車室内の録音で故障を検出・特定する課題では、ほぼ完璧な精度が得られた。メタマテリアル単位セルの設計事例では、指定の周波数範囲で挿入損失を満たす設計を確実に見つけられることが示されている。
Heterogeneous Co-Evolution Learning for Tool-Efficient Search Agents with Zero Labels
説明ラベルなしで検索エージェントの効率を高める異種共進化学習（ZEST-Search）
要約本論文は、外部検索を推論に組み込む検索エージェントを、ラベル付き検索データや専門家の検索軌跡なしで訓練するフレームワーク「ZEST-Search」を提案している。ラベルのない参考質問から、回答優先かつ根拠経路を手がかりとする生成過程で検証済みの検索タスクをオンラインで作成し、出題者と強化学習で学習する解答者が協調して進化する。七つの汎用領域および多段推論の質問応答ベンチマークで、検索エージェントの性能向上と検索回数の効率化を報告している。
Can AI Agents Interface Clinicians and Complex Models?
説明AIエージェントは臨床医と複雑なモデルをつなげられるか？
要約本論文は、臨床医や病院管理者が自然言語での対話を通じて予測モデルを利用し統計解析を行えるAIマルチエージェントシステムEpidemIAを実装したものである。学習を必要とせず、シングルGPUのワークステーションで動作し、データ保護のためオープンウェイトの大規模言語モデルをローカルで利用する。イタリアの病院の救急外来データを用いて、自然言語による統計解析・可視化や動力学モデルに基づく疫学予測の可能性を検証した。著者らは本システムを概念実証段階と位置づけつつ、複雑なモデルの普及を妨げる学習の難しさを、大規模言語モデル技術が軽減しうることを示している。
Event-SAMA: Language-Grounded Video Object Segmentation on Neuromorphic Event Streams
説明Event-SAMA：ニューロモルフィックなイベントストリームを対象とした言語誘導型動画物体セグメンテーション
要約イベントカメラ向けの指示表現動画物体セグメンテーション（RVOS）のデータセットとモデルが不足している問題に対し、SAMA-239Kなどの動画対話コーパスを合成イベントストリームに変換したEvent-SAMA-239Kを構築した。さらに、SAMA-4Bを基に作成したEvent-SAMAモデルを提案し、MeViSおよび変換後のReVOS検証セットでそれぞれ24.37、22.33のJ&Fスコアを報告している。
★★★★☆ 注目
Formalizing the Intrinsic Dimension of Objective Landscapes by a Generalized Notion of Co-dimension
説明目的関数ランドスケープの固有次元を一般化された余次元の概念で形式化
要約本論文は、Li ら（2018）が提案した目的関数ランドスケープの固有次元の概念を形式化したものである。この概念は、ランダムに生成された部分空間上で学習を行うことで学習問題の構造的な複雑さを測るものである。著者らは集合 Θ の固有次元を、ランダムな平面が確率1で Θ と交わる最小の次元として定義している。さらに、浅い ReLU ネットワークと深い ReLU ネットワークの生徒-教師設定において、この次元の上界と下界を導出する手法を示し、そこから得られる新しい汎化境界についても論じている。
注目点Li他の内在次元を、ランダム部分空間との交差に基づく最小次元として定式化し、ReLUネットワークの学習問題に対する上下界を導出している。
Incentivizing Self-Learning in Large Language Models via Reinforcement Learning
説明強化学習によって大規模言語モデルの自己学習を促す研究：教科書から自ら学んで問題を解く仕組み
要約本論文は、大規模言語モデルが未知の分野で長文の参考資料（教科書など）を自律的に検索・学習・適用する能力、いわゆる「自己学習」を検討しています。教科書をもとにした数学の証明問題を設定し、学習過程を支援するBookNavigatorインターフェースを導入して、細粒度の報酬を用いた強化学習で訓練しています。実験では、Intern-S2-Preview-35Bの全体的な証明精度が51.5%から79.5%に向上したと報告されています。
A New AFIB Detection Method with Deep Neural Networks
説明深層ニューラルネットワークによる新しい心房細動検出法
要約本論文は、不規則な心拍を特徴とする心房細動（AFIB）を検出する新しい手法を提案しています。従来の心拍間隔の代わりに、連続する心拍数の差の時系列（dBPM）を用いる新しい特徴量設計を導入しています。深層ニューラルネットワーク（DNN）は、学習データとは別のベンチマークデータセットで、二値分類のF1スコア95.18%を達成したと報告されています。
EditAgent: Rethinking Agentic Image Editing
説明EditAgent：エージェント型画像編集の再考
要約従来の画像編集エージェントは、ある工程が失敗すると同じ限られたツール群で再試行し、出力を目視で直接採点する評価器に頼るため、能力に限界があると論じています。本論文は、各工程を汎用編集器と専用手法に振り分け、各候補に検証記録を付与するEditAgentを提案し、既成の視覚言語モデル評価器が微調整された報酬モデルを上回ることを示しています。候補は並列に生成され一度のリストワイズ評価で判定され、決定された比較の78.5%で専門家に好まれ、評価呼び出し数は半分以下です。
★★★★☆ 注目
AB-Attention: Accurate Block Attention for Accelerating Video Diffusion Transformers
説明AB-Attention：ビデオ拡散 Transformer を高速化する高精度ブロック注意機構
要約ビデオ拡散 Transformer では三次元全注意の計算コストが推論時間の大部分を占めます。本論文は学習不要の手法 AB-Attention を提案し、高い疎性のもとで稠密注意を精度よく近似します。ブロック内クラスタリング選択器でブロックの重要度を見積もり、包含確率の逆数で重み付けしてサンプリングします。Wan2.1 と HunyuanVideo では注意計算の約 89〜92% を省略し、PSNR は最強のベースラインより最大 4.4 dB 向上、エンドツーエンドで最大 2.23 倍の高速化を示しています。
注目点動的ブロックスパース注意に、ブロック内クラスタリング選択と逆包含確率重み付けを導入。Wan2.1とHunyuanVideoで、摘要はPSNR向上と端到端高速化を報告。
Sticky Collusion: Persistence of LLM Agent Collusion after Incentive Removal and Partner Replacement
説明粘着的共謀：インセンティブ削除とパートナー交代後にもLLMエージェントの共謀が続くか
要約この論文は、形成されたAIエージェント間の共謀が、インセンティブの削除や共謀者の交代後も続くかを検証しています。相互に作業を検証する2エージェントの環境で3種のモデルを試したところ、報酬停止を告げられても多くのエピソードで未検証の作業が受け入れられ続けました。共謀者を交代しても残るエージェントの受け入れ行動は続き、記憶が残ると共謀も維持されやすいと報告しています。
Look at Where You Think: Localization-Head Alignment for Fine-Grained Perception in Thinking VLMs
説明「考えた場所を見る」：思考型VLMの細粒度知覚のための定位ヘッド整合（Localization-Head Alignment）
要約高解像度画像の細部認識では、思考型視覚言語モデルの課題は「見えないこと」より「証拠の選択」にあると論文は指摘します。少数の注意ヘッド（定位ヘッド）が多数の視覚トークンから証拠を選ぶことを示し、学習時に補助損失でこれらのヘッドを焦点領域に向ける手法（LHA）を提案しています。V*、HR-Bench 4K、TreeBench で Qwen3.5-4B の正解率は 74.1% から 76.6% に向上し、推論は約 20% 短くなりました。
Annotation-Free Representation Learning for Polyp Retrieval in Colonoscopy Videos
説明大腸内視鏡動画におけるポリープ検索のためのアノテーション不要な表現学習
要約本論文は、手作業で付与したバウンディングボックスを必要とせず、生の大腸内視鏡動画から息肉のトラックレット（追跡片）の多視点表現を構築する枠組みを提案している。ポリープが見えないフレームを含む手術全体の動画で時系列の自己教師あり学習を行う。REAL-Colonデータセットでは、トラックレット検索と再識別で最先端の結果を示した。また、少数例でのポリープ検索タスクも導入され、2例のみで多くの比較手法の10例時の性能を上回るとされている。
FlexTry-On: A Time-Efficient Framework for Multi-Scenario Virtual Try-on
説明FlexTry-On：多シナリオに対応する高速な仮想試着の統一フレームワーク
要約本論文は、拡散モデルに基づく統一的な仮想試着フレームワーク「FlexTry-On」を提案している。服から人、人から人、ドメイン横断、実環境などの多様な試着シナリオに対応する。テキストを考慮した条件抽出により異なる服の入力を統一表現に変換し、二重条件付き拡散Transformerで服の外観と人物の同一性を同時にモデル化する。実験では服から人、人から人の両ベンチマークで競争力のある性能を示しつつ推論が高速であり、未知のドメイン横断シナリオにも直接適用できることが報告されている。
Carbon-Aware Electric Vehicle Routing Problem with Decision-Focused Learning
説明決定志向学習を用いた炭素配慮型電気自動車経路問題
要約本論文は、充電に伴う排出を従来の経路コストとあわせて考慮する炭素配慮型の電気自動車経路問題を扱います。充電需要を電力網の炭素強度が低い時間帯へずらすことができます。将来の炭素強度予測に基づく意思決定の質を高めるため、ソルバーを考慮して予測モデルを学習する決定志向学習を提案しています。ドイツの実例では、充電排出を考慮すると実際の排出が平均28.76%減少する一方、炭素以外の運用コストは増加しました。決定志向学習は従来の予測志向学習に比べ、実際の総コストを平均2.30%削減し、テスト事例の75.5%で優れた結果を示しました。
Rebuilding a Field's Open-Problem Catalog from the Literature: A Two-Layer Knowledge Graph, and Why Status Must Stay Proposed
説明文献から研究分野の未解決問題カタログを再構築する：二層知識グラフと状態を「提案」に留める理由
要約本論文は、研究分野の未解決問題を調査論文などの散文ではなく照会可能なデータとして扱う手法を提案する。人手で整理された問題層と文献索引から再構築した証拠層を、型付きでリンクしたグラフデータベースに統合し、言語モデルによる論文抽出、カタログ対応付け、状態判定、アイデア生成を候補集合の範囲に制限して行う。データベースと人工知能の二つのカタログでの実験では、既存の問題カタログだけのグラフより多くの質問に答えられた一方、解決・反証の判定は多くが不正確だった。そのため著者らは、状態の変更は証拠とともに提案するだけで適用せず、人間の査読者を構造の一部とすべきだと結論づけている。
Where Do Vision Language Models Fail at 3D Reasoning?
説明視覚言語モデルはなぜ3D推論で失敗するのか？
要約本論文は、視覚言語モデルが3Dオブジェクトの正確な属性を把握し一貫して使えるかを調べる、13種の手続き的生成タスクからなる制御されたベンチマーク「BedBench」を提案しています。色ごとの計数タスクでは、人間の正答率93.3%に対し、最良のモデルは7.2%でした。特化した微調整で一つのモデルの正答率は3.0%から68.6%に上がりましたが、最も多い色についての回答は自身の色別計数と一致しないままでした。著者らは、正確さだけでなく、厳密な正しさ、一貫した利用、画像への依存度によって3D推論を評価すべきだと主張しています。
Intrinsic Distribution Matching
説明内在分布マッチング：少ステップ画像生成の蒸留におけるモーメント制約手法
要約本論文は、一ステップおよび少ステップのテキストから画像を生成するモデルで、プロンプトの細部を正確に描画することが難しい問題を扱い、内在分布マッチング（IDM）を提案します。分布マッチング蒸留（DMD）を基に、生成器の指数移動平均コピーを用いて特徴量の平均と座標ごとの標準偏差を一致させ、外部の特徴エンコーダは不要です。Z-Image-Turbo 6BとQwen-Image 20Bでの実験では、2回のネットワーク評価で中国語と英語のLongText-Benchにおいて94.25%と90.20%を記録し、この予算で比較手法中最高のスコアとなりました。
The Real Cost of Context: Predicting Compute Time and Energy Consumption in LLM Prefill and Decode Phases
説明コンテキストの実コスト：LLMのプリフィル・デコード段階における計算時間とエネルギー消費の予測
要約本論文は、大規模言語モデル（LLM）について、入力（プリフィル）と出力（デコード）のトークン長ごとの計算時間とエネルギー消費を系統的に測定したものです。一般化線形モデルにより、デコードの時間とエネルギーは出力長に対して線形に増加し、プリフィルは入力長に対して線形と二次の両方で増加することが示されました。直接のエネルギー測定ができない場合、計算時間がエネルギー消費の信頼できる代理指標になるとしています。
Letting AI Formulate the Research Question: Autonomous Research Agents
説明AI に研究課題を立てさせる：自律型研究エージェント
要約本論文は、研究テーマを人間ではなく AI エージェント自身に立案させる手法を検討しています。既製のコーディングエージェントに、課題設定と査読の二つのスキルを与えたシステムを用いています。五回の連続実行の結果をすべて報告しており、いずれも課題設定から論文の改訂まで人間の入力なしに行われ、外部 AI 審査員はワークショップ水準またはそれに近いと評価しました。
FutureWorld: A Plug-and-Play Causal Next-State Predictor for Interactive Video World Exploration
説明FutureWorld：対話型ビデオ世界探索のためのプラグアンドプレイ因果的次状態予測器
要約本論文は、対話型ビデオ世界モデルにおける履歴の再利用によって誤差が繰り返し蓄積される問題を扱っています。次のチャンクを生成する前に、現在の潜在表現と次の行動から将来のシーン状態を予測する、プラグアンドプレイの因果的次チャンク予測器（C-NCP）を提案しています。四つの基盤生成器に組み込み、三つのベンチマークで評価した結果、誤差の蓄積が減り、長期的な一貫性が向上したと報告しています。
UniTele: Learning Device-Conditioned Degradations for Unified Smartphone Telephoto Super-Resolution
説明UniTele：端末ごとの劣化を学習し、統一的なスマートフォン望遠超解像を実現する研究
要約本論文は、スマートフォンの超望遠撮影で生じる端末依存の複雑な劣化を扱います。少数の実撮影データから端末固有の劣化を学習し、統一超解像モデルUniTeleの学習に転用します。華為、Apple、vivoの3ブランドで配対データセットを構築し、追加で数千組のペアを合成しています。論文によれば、適応前の事前学習済みバックボーンと比べ、保持評価セットで配対復元の忠実度と知覚的類似度が向上し、より安定した忠実な復元結果が得られたと報告されています。
Emergence of the transformer architecture as the score of entropic laws of random measures
説明ランダム測度のエントロピー法則からTransformerアーキテクチャが現れることの説明
要約本論文は、言語の自然な統計モデルにおいて、Transformerアーキテクチャが末尾トークンの法則のスコアとして現れることを示している。文をトークンの経験測度とみなし、言語を P(S^d) 上の法則として定式化し、最大エントロピー原理により無構造な事前分布に最も近い法則を選ぶ。その結果としてsoftmax選択規則、クエリ・キー行列と値行列の意味づけ、因果マスクや多頭注意などが導かれると述べている。
DiFuse: Fusing Native Diffusion Representations for Spatial Reasoning in Unified Multimodal Models
説明DiFuse：統一マルチモーダルモデルにおける空間推論のためのネイティブ拡散表現の融合
要約統一マルチモーダルモデル（UMM）は視覚理解と画像生成を同時に扱いますが、両者の情報の流れは一方向になりがちです。本論文は、UMMのネイティブ拡散分岐の中間表現を選択的に理解経路へ組み込むDiFuseを提案します。拡散特徴を視覚トークンと空間的に整合させ、残差融合で一部のマルチモーダル復号層に注入します。UniWorld-V1での実験では、一般的なマルチモーダルベンチマークの性能をおおむね保ちつつ、空間推論が改善されました。OmniGen2でも転移可能性が示されています。
★★★★☆ 注目
From Intent to Improvement: Agentic Dataset Search for Better Model Training
説明意図から改善へ：より良いモデル学習のためのエージェント型データセット検索
要約本論文は、百万規模の機械学習リポジトリから学習データを探す問題を扱い、契約で制約されたエージェント型フレームワーク「AgenticDS」を提案しています。クエリを型付きの検索計画に変換し、ハイブリッド検索と有界なグラフ展開による決定的な演算で実行し、来歴に基づく証拠を検証します。新たに作成したHuDS-Bench（200クエリ、24,908件の段階評価）上で、NDCG@10は最強の密・疎ハイブリッド手法より25.7%、商用LLMエージェントより18.9%向上しました。検索したデータセットで学習した場合、数学、コード、医療の各分野で下流の精度が最も高くなったことも報告されています。
注目点モデルの判断を型付きオブジェクトとして確定的コードで検証する契約駆動型エージェント検索を提案。200問の新ベンチマークでNDCG@10が混合検索比25.7%向上と報告し、検索から学習までの実験も示す。
Data Provenance and Ethics in the Curricula of U.S. Health AI Education Programs
説明米国の医療AI教育課程におけるデータの出所と倫理に関する研究
要約本論文は、米国の大学が公開している医療AI教育プログラムのカリキュラムを分析し、データの出所（臨床データがどのように生成されるか）、倫理、持続可能性がどの程度扱われているかを調べたものです。対象36プログラムのうち約80.6%が倫理を扱っていた一方、データの出所を扱うものは22.2%、構造レベルでは16.7%にとどまりました。また、計算の環境負荷を扱うプログラムはなく、教員の多くは計算系の学問分野出身でした。
Evaluating Cultural Knowledge Editing in Vision-Language Models
説明視覚言語モデルにおける文化知識編集の評価
要約現在の視覚言語モデルは、特に代表性の低い地域の文化固有の概念を認識できないことが多い。本研究は、6分野・1,000概念の3.2K枚の画像からなるベンチマークCulturalBindを導入し、VLMの文化を考慮したクロスモーダル知識と概念レベルの知識編集を評価する。編集前の評価では、テキストによる知識と視覚による知識が分離していることが示された。既存の編集手法は個々の視覚認識誤りを修正できるものの、モダリティを越えた移植性は低く、連続編集では性能が急速に低下する。
GC-LIF: Spiking Group-Equivariant Neural Network With Group-Coupled Membrane Dynamics
説明GC-LIF：群結合膜動力学を持つスパイキング群等変ニューラルネットワーク
要約スパイキングニューラルネットワーク（SNN）は低消費電力の推論が期待されるが、視覚タスクでは回転不変性をデータ拡張によってしか獲得できない。本論文は、LIFニューロンのパラメータが群作用の軌道に沿って一定であることを、各時刻で等変性が保たれる必要十分条件として示し、その条件を満たす群結合LIF（GC-LIF）を提案する。これを等変畳み込みと組み合わせたSGE-Netは、回転を用いずに学習しても C4 と D4 の変換に対して不変であり、十組のデータセットと群の組み合わせのうち九組で回転学習済みの通常SNNを上回ったと報告している。
Improving the Intrinsic Interpretability of Differentiable Decision Trees through Euclidean Feature-Concentration Regularisation
説明ユークリッド特徴集中正則化による微分可能決定木の内在的解釈可能性の向上
要約本論文は、各内部ノードの相対絶対特徴重みに、一様分布からの正規化二乗ユークリッド距離による正則化をかけるEU-DDTを提案します。これにより少数の特徴が支配的になりつつ、確率的ソフトルーティングは維持されます。Wine と Digits のデータセットでは、平均有効特徴数がそれぞれ 8.94 から 1.54、45.28 から 9.06 に減少し、テスト精度の変化はデータセットごとに異なります。強化学習では PPO のアクターとして用いられ、CartPole-v1 と MiniPacman でノード集中度の上昇が示されていますが、評価は 2 つの乱数シードに限られています。
Operator-Aware Posterior Sampling for Multivariate Weather Downscaling
説明多変量気象ダウンスケーリングのための演算子考慮型事後サンプリング
要約粗い入力から高解像度の気象場を再構成する手法を扱う論文です。高解像度場を拡散事前分布で表し、推論時に粗い場を尤度を通して組み込みます。異なる再解析システム間では固定の粗視化演算子が当てはまらず、変数ごとに誘導勾配の大きさも大きく異なるという課題に対し、配対データから前向き演算子を学習し、チャンネルごとに勾配を正規化します。これにより事前分布を変えずに、単一の誘導強度で全変数を扱えるようにしています。
Red-Teaming Large Language Models in Low-Resource African Languages: A Case Study of Yoruba and Nigerian Pidgin
説明低リソースのアフリカ言語における大規模言語モデルのレッドチーミング：ヨルバ語とナイジェリア・ピジン語の事例研究
要約本研究は、ヨルバ語とナイジェリア・ピジン語による400の敵対的プロンプトを用いて、六つの最新大規模言語モデルの安全性を評価しました。回答は四つの危害カテゴリーに分類され、母語話者の注釈者が採点しています。英語中心の安全アライメントはナイジェリアの言語には十分に移転しないこと、また一部モデルのヨルバ語での拒否率の低さは安全性ではなく理解不足によることが示され、言語別の安全性評価の必要性が指摘されています。
TactoHand: Learning Geometry-Based Dense Hand-Surface Interaction Fields from Video
説明TactoHand：動画から幾何ベースの手表面密な相互作用場を学習する手法
要約本論文は、単眼動画から手表面の接触、近接、三次元力という三つの密な相互作用場を予測するモデルTactoHandを提案しています。触覚データを収集せずに学習できる点が特徴で、時間方向のTransformerで複数フレームの視覚情報を集約し、微分可能な物理層で物体の運動から力の予測を制約します。接触・近接の推定で既存手法を上回り、手と物体の再構成の改善にも寄与すると報告しています。
DOSE: Dominance-Guided Ordinal Severity Estimation from Sparse Relative Annotations
説明DOSE：疎な相対注釈からの支配性に基づく順序的重症度推定
要約本論文は、絶対的な等級注釈を用いず、画像ペア間の疎な重症度比較のみから順序的な医療重症度を学習するフレームワーク DOSE を提案する。グローバル比較グラフによって各画像の支配スコアを推定し、擬似ペアを用いて連続的な重症度スカラーを学習した後、ラベル不要のスコア校正により離散等級へ変換する。ACNE04、IDRiD、LIMUC の各データセットで、異なるペア数の条件下においてペアワイズ順位付けの基準手法を一貫して上回った。
Learning Kolmogorov Backward Operators for Spectral Analysis and Forecasting: A Data-Driven Variational Galerkin Framework
説明コルモゴロフ後退作用素をデータから学習してスペクトル解析と予測を行う、データ駆動型の変分ガレルキン法
要約本論文は、時間に依存しないマルコフ過程のコルモゴロフ後退方程式に対応する固定ラグの解作用素を、データのみから近似する方法を扱っています。まずフーリエニューラル演算子などを用いて、支配方程式を知らなくても作用素をデータから直接学習し、次にその伽辽金射影を、あらかじめ定めた、または変分的に選んだ有限次元の観測量空間へ圧縮します。学習誤差、伽辽金内積のサンプリング誤差、部分空間の不変性などが、計算されるスペクトルと予測にどう影響するかを解析し、長期ロールアウトの安定性や拡張動的モード分解（EDMD）との比較を含む数値実験で検証しています。
Bayesian Offline Multi-Agent Reinforcement Learning with Latent World Models
説明潜在世界モデルを用いたベイズ型オフライン・マルチエージェント強化学習
要約本論文は、部分観測下のオフライン・マルチエージェント強化学習を扱い、分散した観測・行動履歴から潜在的な全体状態を推定し、オフラインデータのみで事後世界モデルを反復的に改良するベイズ型の枠組みを提案している。世界モデルの信頼性指標としてマルチエージェント事後情報損失（MPIL）を提案し、方策の後悔の上界がMPILに対して単調であることを示している。D4RLのMuJoCoタスクを部分観測化した実験で、競争力のある性能と、MPILに基づく改良による予測精度と方策性能の向上が報告されている。
Hidden Phase Transition in Single-Polymer Stretching under Elongational Flow
説明一本鎖高分子の伸長流における隠れた相転移：機械学習で見つかった第二の転移
要約本論文は、機械学習を用いて、平面伸長流によって駆動される高分子鎖の伸長過程で、既知のコイル-伸張転移に加えて第二の転移が生じることを示しています。普遍的で同定可能な散逸動力学を条件付きに拡張し、異なる流れの強さでの微視的軌跡から縮約確率動力学と非平衡自由エネルギー地形を学習しています。新たに見つかった動的転移では、伸張状態は持続するものの、末端間距離が小さい条件下で折りたたみ座標上の分布が双峰性を示します。大偏差解析により、両方の転移が長鎖極限で相転移であることが示され、一分子DNA実験が折りたたみ応答の反転という予測を定性的に支持しています。
Generative artificial intelligence prompting strategies among Chinese university students across academic tasks
説明中国の大学生による学術課題別の生成AIプロンプト戦略に関する研究
要約本研究は、中国の大学生234名のアンケートデータに基づき、生成AI（GenAI）のプロンプト能力に対する学生の自己認識と、報告された利用戦略を検討したものです。学生は関連する文脈の提供や初回出力後のプロンプト改善に比較的自信を持っていました。一方、出力形式の指定は、研究型課題よりも創作ワークショップの準備場面で多く支持されました。固定プロンプトテンプレートの支持は他の戦略より低いという結果です。
LLM Agent-Based Design of RISC-V CPUs with FPGA-in-the-Loop Evaluation
説明LLMエージェントによるRISC-V CPU設計とFPGA実機評価
要約本論文は、LLMエージェントがFPGA上でCPU候補を実装し、ボード上の性能測定結果を用いて設計判断を行う開発環境を提案しています。単一サイクルのRV32Iコアを、3命令同時発行のアウトオブオーダー型RV32IMコアへ発展させる開発に適用されました。最終設計はArtix-7 FPGAにおいて130 MHzで動作し、5.61 CoreMark/MHzに達しています。8,000回のCoreMark反復を実行する同一候補について、実装を含むFPGA評価は単一スレッドのRTLシミュレーションより9.6倍高速でした。
Diffusion models for the O(3) nonlinear sigma model
説明O(3)非線形σ模型のための拡散モデル
要約本論文は、O(3)非線形σ模型の格子表現である二次元古典ハイゼンベルグ模型に対してスコアベースの拡散モデルを学習させたものである。同一の訓練集の三つの粗視化版で神経網を学習させ、最も細かい格子での直接サンプリングの精度と計算コストをわずかに改善する多尺度サンプリング方式を構成している。また、逆拡散サンプリングに頼らず学習されたスコアの品質を評価するため、二点相関関数に対するStein（またはSchwinger-Dyson）診断を導入し、それを追加の訓練損失にも組み込んでいる。さらに、S^2上で拡散モデルを実装する際の技術的な考慮事項についても論じている。
Trajeform: Embedding Crowd Data
説明Trajeform：群衆データを埋め込むためのフレームワーク
要約本論文は、実際の軌跡データで再構成型VAE（変分オートエンコーダ）を学習し、実群衆の行動特性を保持する連続埋め込みを得るフレームワーク「Trajeform」を提案する。学習済みエンコーダをシミュレータが生成した合成軌跡に適用し、埋め込み分布を比較する。CCP、modCCP、RVOの3つのシミュレータを実データと比較し、学習された潜在空間が実データ中の有意義な軌跡の依存関係を捉えることを示している。
Raincheck: Deferred Multimodal Prefill for Efficient Multi-Turn MLLM Inference
説明Raincheck：多ターンMLLM推論のための遅延型マルチモーダルプリフィル
要約本論文は、マルチモーダル大規模言語モデル（MLLM）の多ターン対話で長い入力が最初のトークンまでの時間（TTFT）を増やす問題に対し、Raincheckという枠組みを提案している。既存の剪定手法で初期プリフィルするトークンを選び、選ばれなかったトークンは保持して、デコード中の余剰計算資源を使い元の順序で段階的にプリフィルする。30%の初期マルチモーダルトークン保持率でQwen3-VL-8BとQwen3.5-9Bを評価し、MultiVerseとConvBenchで同条件のハード剪定により失われた品質をそれぞれ平均77.7%と60.4%回復した。MultiVerseのSGLang実装では、全プリフィルと比べて初回ターンの平均TTFTが最大24.1%減少し、出力トークンあたりの平均時間の増加は0.5%未満だった。
Quantifying the Relay-Coverage Trade-off in Mobile Multihop Flooding
説明移動マルチホップ・フラッディングにおける中継被覆とトポロジ鮮度のトレードオフの定量化
要約本論文は、移動マルチホップネットワークで全体フラッディングを行う際、中継の冗長性とトポロジ更新頻度の間のトレードオフを研究しています。157台の車両の公開トレースを用い、OLSRv2と厳密な最小コスト中継集合で分析しています。二重被覆は中継被覆寿命の中央値を約2.3倍にしか延ばさず、2ホップ隣接ノードの43.6%は中継候補が1つだけでした。冗長性は主に古いトポロジ情報を補うものであり、負荷に応じて選択すべき設計上の選択だと結論づけています。
Non-Zero Radius: The Missing Component of Neural Networks
説明非ゼロ半径：ニューラルネットワークに欠けていた要素
要約本論文は、1943年のマカロックとピッツによるニューロンモデルを出発点とし、従来のニューラルネットワークはブラックボックスに近く信頼できる記号推論が難しいと指摘する。著者は概念を半径ゼロの点ではなく半径が非ゼロの球として表現し、変換写像を用いる球ニューラルネットワーク（SphNN）を提案する。学習データなしでアリストテレスの三段論法を実現できるとしている。
TabCUQ: Context-Uncertainty Quantification for Tabular Foundation Models
説明TabCUQ：表形式基盤モデルのための文脈不確実性定量化手法
要約本論文は、表形式基盤モデルがin-context learningで条件付き期待結果や平均処理効果を推定する際の不確実性を扱う。観測結果にノイズを加えた摂動文脈をモデルに入力し、ワイルドブートストラップの散らばりで文脈変動を、摂動推定と元の推定との最大偏差で有限文脈バイアスを評価するTabCUQを提案する。シミュレーションと七つの実世界タスクで、区間の被覆率が改善されたことを示している。
LatentWeave: Test-Time Latent Optimization for Multimodal Reasoning
説明LatentWeave：マルチモーダル推論のためのテスト時潜在表現最適化
要約本論文は、バックボーンモデルのパラメータを変更せずに、推論時に多モーダル大規模言語モデルの中間隠れ状態を最適化するLatentWeaveフレームワークを提案しています。区間ごとに潜在推論の軌跡を段階的に修正し、軽量なWEAVEトークンによる推論アンカーで推論構造を安定させます。複数のマルチモーダル推論ベンチマークで、評価したベースラインより改善が見られたと報告しています。
Explainable and Adaptive Machine Learning for Fraud Risk Detection in Bangladesh's Digital Banking Ecosystem
説明バングラデシュのデジタル銀行における不正リスク検出のための説明可能で適応的な機械学習
要約本論文は、デジタル銀行やモバイル金融における不正検出の課題に対し、説明可能で適応的な機械学習フレームワークを提案し、合成データセットPaySim上で複数モデルを比較しています。固定閾値ではXGBoostが最も良い性能を示し、Platt校正によりBrierスコアが改善され、SHAP分析では時間や送金先口座などの特徴量が重要とされました。本研究は方法論的枠組みであり、バングラデシュでの実運用成果を示すものではありません。
BEACON: Distilled Begin/End-Aware Structured Decoding for Continuous Sign Language Segmentation
説明BEACON：連続手話セグメンテーションのための、開始・終了を意識した構造化デコード手法
要約本論文は、連続手話動画を語彙単位に分割するセグメンテーションモデルBEACONを提案しています。四クラスのBIOEラベリング、制約付きViterbi復号、二値教師モデルから蒸散された境界知識を組み合わせています。PHOENIX-14とBSLコーパスで、分割F1と境界F1が向上し、下流の単語誤り率も低下したと報告されています。さらに、分割F1の方が境界F1より下流認識の結果とよく対応することが示されています。
Comprehensive empirical evaluation of feature extractors in computer vision
説明コンピュータビジョンにおける特徴抽出器の包括的な実証評価
要約本論文は、SIFT、SURF、BRIEF、ORB、BRISK、KAZE、AKAZE、FREAK、DAISY、FAST、STARなど従来型の特徴点検出・記述手法を包括的に評価したものです。Image Matching Challenge Photo Tourism 2020データセット（150万枚以上の画像）を用い、200万回以上の比較を行いました。その結果、FAST検出器とORB記述子、総当たり（BF）マッチャーの組み合わせが最も効率的であり、ORBはアフィン変換や明るくした画像に、AKAZEはぼかし、魚眼歪み、回転、透視歪みの条件で優れていることが示されています。
The Cost of Working Memory in Streaming Mean Estimation
説明ストリーミング平均推定における作業メモリのコスト（ストリーミングで平均値を推定する際に、作業用メモリがどれだけ必要かを調べた論文）
要約本論文は、メモリ制約のあるストリーミング計算でガウス分布の平均を推定する問題を扱います。有限個の持続状態のもとでの二乗誤差の極小最大レートを示し、統計的に最適な精度に達するには約 d log d ビットの作業メモリが必要である一方、答えを保存するだけなら約 d ビットで足りることを示しています。さらに、対応する構成法と、信頼度を高める場合に必要となる追加のメモリについても論じています。
ROAD: Modern Adversarial Training for Simple One-Step Distillation at Scale
説明ROAD：大規模テキスト画像モデルのためのワンステップ蒸留向け現代的敵対的学習手法
要約本論文はROAD（表現に基づくワンステップ敵対的蒸留）を提案し、事前学習済みの拡散モデルを一つの敵対的目的関数と軽量な表現空間の判別器だけで高速な生成器へ蒸留します。Lipschitz制約付きのTransformer判別ヘッド、ランダム特徴混合の定期的な再抽出、Jacobian R1正則化を導入しています。COCO-10Kでの一ステップ生成のFIDは、SDXLで11.03、SD3.5-Mで13.73と報告され、多段階の教師モデルを上回るとされ、分布マッチング手法より学習計算量は大幅に少ないとしています。
MOSAIC-Flow: Orthogonal-Axis and Status-Conditioned Fusion for Missing-Sequence Completion in Brain Tumor MRI
説明MOSAIC-Flow：脳腫瘍MRIにおける欠損シーケンス補完のための直交軸・状態条件付き融合手法
要約本論文は、脳腫瘍MRIで一部のシーケンスが欠けている問題に対し、MOSAIC-Flowという統一的な補完フレームワークを提案する。条件付きフローマッチングにより、取得済みの7つのボリュームを固定したまま、ノイズを欠損した目標シーケンスへと変換し、4つのHeun軌道の平均で補完結果を得る。UCSF-PDGMデータセットでの評価では、8つの単一目標補完タスクにおいて全脳および腫瘍領域で一貫した忠実度が示され、構造系シーケンスで最も高い性能が得られたと報告している。
★★★★☆ 注目
Conic-Lifting for Learning-rate-free Convex Optimization
説明学習率の調整が不要な凸最適化：錐への持ち上げ法
要約本論文は、学習率をユーザーが手動で調整する必要のないオンライン凸最適化アルゴリズムの系を提案し、非有界になりうる凸領域に適用できることを示す。1つの scalar 座標を加えて定義域を錐へ持ち上げる手法で、そのアイデアは Blackwell（1954）にさかのぼる。有界なヒルベルト空間上では Conic Blackwell Algorithm（CBA）と CBA+ を復元し、有限次元ノルム空間へ拡張する。また、制約のないヒルベルト空間上では Krichevsky–Trofimov（KT）コイン投資アルゴリズムを正確に復元する。
注目点一次元の錐への持ち上げにより複数の無調整オンライン凸最適化手法を統一し、無界領域でKT硬貨賭けアルゴリズムを再現、勾配上界不要の手法を提案。
MorphSIG: Subject-Driven Image Generation via Decoupled Anchoring and Feature Transport
説明MorphSIG：分離アンカリングと特徴輸送による被写体駆動型画像生成
要約本論文は、学習を必要としないフレームワークMorphSIGを提案し、被写体駆動型画像生成を擬似動画の特徴輸送として再定式化する。初期のノイズ除去段階で周波数領域の分離と構造のシャッフルを行う漸進的分離アンカリングにより構造ロックを解消し、擬似フロー誘導の特徴輸送では潜在空間に擬似フロー場を構築して被写体の意味情報を輸送する。さらに多様な様式化された被写体を含む新しいベンチマークを導入している。追加学習なしで、姿勢の多様性と被写体の忠実度が向上したと報告されている。
Last-Iterate Convergence for Constrained MDPs: From Dual Descent to Primal-Dual
説明制約付きMDPにおける最終反復の収束：双対降下法から原始双対法へ
要約本論文は、無限期間割引制約付きマルコフ決定過程における方策最適化を研究する。まず、被覆仮定を必要としない双対降下法の新しい解析を示す。次に、エントロピー正則化自然方策勾配と双対正則化を用いて内側ループを除き、効率的な原始双対アルゴリズムを得る。このアルゴリズムは既存手法より改善された最終反復の収束保証を持ち、線形関数近似へも一般化される。
BRIDGE: Learning Brain-Gut Metabolic Evidence for Alzheimer's Disease Diagnosis
説明BRIDGE：脳-腸代謝エビデンスを学習しアルツハイマー病診断に活用する手法
要約本論文は、全身FDG-PETで得られる脳と腸の代謝対応情報を、脳PETのみの入力でアルツハイマー病の診断に活用するBRIDGEフレームワークを提案する。条件付き脳-腸潜在輸送モジュール、疾病エビデンスに導かれる脳内特徴経路、反実仮想に基づく残差融合機構を組み合わせている。実験では、脳のみを用いたベースラインと比べ、CN/MCIおよびCN/ADの診断でAUCがそれぞれ6.0%および5.2%向上したと報告されている。
Lost in the Latent Space: How Code Embeddings Represent Functional Intent and Implementation Fidelity
説明潜在空間で迷子になる：コード埋め込みは機能の意図と実装の忠実度をどう表現するか
要約本論文は、最新のコード埋め込みモデル14種を対象とした大規模な実証研究です。教師あり探索、ゼロショット検索、意味を保つコード変換への摂動実験の3つの観点から、モデルの表現挙動を分析しています。その結果、スタイルや構造の情報をよく保持するモデルほど意味的な汎化が弱くなる傾向があり、検索性能が近いモデルでも同じ実装変更への反応が大きく異なることが示されました。著者らは、単一の汎用コード表現はまだ実現していないと結論づけ、表現を考慮した評価と選択の必要性を提案しています。
Category-Anchored Large Language Models for Next POI Recommendation
説明カテゴリ固定型大規模言語モデルによる次のPOI推薦
要約本論文は、次の関心地点（POI）推薦を対象とし、ANCHORという枠組みを提案している。まず具体的なPOIを直接予測せず、コンパクトで安定した意味空間でカテゴリレベルの移動意図を推定する。そのうえで、カテゴリアンカー、過去の訪問履歴、ユーザー嗜好という三つの根拠を統合して候補集合を作り、履歴を考慮した再ランキング器で目標POIを選ぶ。三つの実世界チェックインデータセットで、従来手法や構造強化型、LLMベースの代表的ベースラインを上回ったと報告している。
FFAI: Flow Matching with Feedback Training and Adaptive Initialization for CT Reconstruction
説明FFAI：CT再構成のためのフィードバック学習と適応的初期化を用いたフローマッチング手法
要約本論文は、低線量、スパースビュー、限定角度CTという三つの再構成課題を統一的に扱う条件付きフローマッチング手法を提案しています。初期再構成画像を条件とし、フィードバックを考慮した学習と劣化に応じた適応的初期化を組み合わせています。学習時は教師ネットワークが推論時の更新を模擬してずれた状態を生成し、生徒ネットワークがそこから高品質な参照画像を復元します。推論時は雑音レベルや投影データの欠損度に応じて開始時刻と初期状態に加える雑音を調整します。公開ベンチマークデータでの実験では、三つの課題すべてで比較手法より良い定量結果を示し、雑音やアーチファクトを抑えつつ解剖学的構造や細部を保持したとされています。
Robust LIDAR Sensor-to-Sensor Domain Generalization via Accumulated-Point Scene Completion
説明累積点群によるシーン補完を用いたLIDARセンサー間のロバストなドメイン汎化手法
要約本論文は、LIDARの意味セグメンテーションにおけるドメイン汎化を扱う。センサーごとのサンプリングパターンの違いが、データセット間の転移を妨げる問題を指摘している。著者らは、ソースドメインのみを用いる学習手法を提案し、複数フレームのスキャンを単純な世界モデルに統合して占有予測の補助タスクの教師信号として用いる。入力は依然として単一フレームのLIDARである。一部の設定では未知ドメインでの性能が向上し、推論時の追加コストは発生しないとされる。
Distilling Large-Scale Machine Learning Interatomic Potentials to Predict Long-Timescale Electrolyte Transport Properties
説明大規模機械学習原子間ポテンシャルの蒸留による電解質の長時間スケール輸送特性予測
要約大規模な事前学習済み「教師」機械学習原子間ポテンシャルの精度を、高速な系固有の「生徒」モデルへ移す知識蒸留手法を提案しています。追加の第一原理データは使用していません。蒸留モデルは約40倍高速で、教師モデルの構造的な予測を再現し、20ナノ秒の安定した軌道計算を数か月ではなく数日で行えます。ナトリウムイオンおよびリチウムイオン電解質の多様な系で、生徒モデルの自己拡散係数・イオン伝導度・せん断粘度は実験値と一致し、古典力場より良い結果を示しました。
DEG: Diffusion-Enhanced GFlowNet for Solving Vehicle Routing Problems
説明DEG：拡散モデルで強化した GFlowNet による配送経路問題の解法
要約本論文は、生成フローネットワーク（GFlowNet）と拡散モデルを組み合わせた DEG（Diffusion-Enhanced GFlowNet）を提案し、車両経路問題（VRP）を解くための枠組みを示している。GFlowNet が拡散に辺単位の信号を与え、拡散が幅広い探索を導くことで、高報酬領域へより多くの確率が流れるようにするという考え方である。論文によれば、最大 10,000 ノードを含む合成および実データセットで、DEG はベースライン手法よりも良好な性能を示したという。
Compile Away Uncertainty: Self-Evolving Agent Skills via Programmatic Compilation
説明「Compile Away Uncertainty」：プログラム的コンパイルで自己進化するエージェントスキル
要約本論文は、AIエージェントが対話経験から再利用可能な手順知識を蓄積する自己進化型スキルの枠組みSkillCompilerを提案しています。定義が明確な操作は検証済みのプログラムにコンパイルし、文脈依存の操作はLLMの推論に任せるハイブリッド構成をとります。さらに、検証済みプログラムを再利用資産として管理し、必要なときだけ新しいプログラムを合成・検証する仕組みを備えます。著者らは5つのベンチマークと6つのモデル系列で、既存手法を上回りタスク性能が最大32.33%向上したと報告しています。
Interpretable by Design Tabular Prediction via In-Context Local Linear Learning
説明設計段階から解釈可能な表形式予測：文脈内局所線形学習によるTICL³
要約本論文は、設計によって解釈可能な表形式予測手法TICL³（Tabular In-Context Local Linear Learning）を提案しています。表形式基盤モデルで類似サンプルを検索し、局所的な線形モデルで残差を補正することで、同一のモデルが予測と各特徴量の寄与の説明を同時に行えます。386件の分類ベンチマーク評価では、TabICLv2に1.1ポイント劣る一方、CatBoostを266件で上回りました。
Agent-Wise Test-Time Normalization for Camera-Based Cooperative Perception with Corrupted Collaborators
説明受損した協調エージェントを含むカメラ協調認識のための、エージェントごとのテスト時正規化
要約協調認識で、一台の協力車両のカメラが霧やブレ、露出の誤りで劣化し、共有される特徴が学習分布からずれる問題を扱う。提案手法AgentNormは、各協力エージェントが自身の現在の観測から正規化統計量を推定し、自車は元の統計量に固定することで、自車の経路を元のモデルのまま保つ。OPV2V（カメラベース）とDAIR-V2X-Cで評価され、多くの設定でプールされた正規化より高い性能を示したが、遮蔽や全エージェントに同じずれがある場合には効果がないと報告されている。
What Breaks When Facts Become Stories? The Distortions Source-Agreement Metrics Miss When Models Retell Real Events
説明事実が物語になるとき：モデルが実際の出来事を語り直す際に、原文との一致指標が見逃す歪み
要約論文は、言語モデルがニュース事実を要約や物語に書き換える際、「原文との一致」という従来の評価基準では、意図的な改変を誤りと数えてしまい、実際の歪みを見逃すと指摘しています。著者らは3つのモデル系列に2,000本のニュース記事を要約と物語へ書き換えさせ、5W1Hの各要素の変化と、その歪みが妥当かを判定しました。問責に関する歪みは物語で最大7倍に増え、方向が判定できたもののうち3分の2は加害者の責任を軽くしていました。著者らはデータセットReTold-2kと評価手順を公開しています。
Integrated Feature Selection for classification and Representation Learning with Group-Lasso Siamese Networks
説明Group-Lasso 付きシamese ネットワークによる分類と表現学習のための統合特徴選択
要約本論文は、Group-Lasso の原理をシアミーズネットワーク（Siamese network）に組み込んで特徴選択を行う手法を提案しています。著者らの知る限り、このような試みは初めてです。入力データの内在的な表現を保ちつつ、高い分類性能が期待できる小さな特徴部分集合を見つけることを目指します。ユークリッド距離に基づく版と、実数値ベクトル向けに修正した Jaccard 類似度に基づく版の二種類が提案され、後者は高次元で疎なデータに適しています。12 のベンチマークデータセット（特徴次元 6 から 7070）と 8 種類の分類器による実験で、競合または優れた分類性能を維持しながら、コンパクトで識別力の高い特徴部分集合が得られることが示されました。
Does Scaling Toward AGI Depend on What System-1 Lets System-2 Execute?
説明AGIへのスケーリングは、System-1がSystem-2に何を実行させるかに依存するのか？
要約論文は、軽量なSystem-1が候補となる相互作用の効用を先に予測し、価値のあるものだけを資源集約的なSystem-2に実行させる「予測・選別・実行・更新」のループを提案しています。理想的な選別の下では、実行計算量は効用に関連する相互作用の密度の逆数に近い割合で減ると分析し、選択の後悔の上限も示しています。この密度を、総計算量よりも適切な拡張効率の指標として位置づけています。
Regional Anchor Routing for Multi-Object Motion Transfer
説明複数物体の動き転移のための領域アンカー型ルーティング手法：参照動画ごとの動きを対応する対象物に正確に割り当てる映像生成フレームワーク
要約本論文は、複数の参照動画から動きを抽出し、対象シーン内で指定した各物体に別々に適用する多物体動き転移のためのRARTフレームワークを提案している。凍結された映像拡散Transformerに、物体ごとの動き抽出、対象領域へのアンカリング、フレーム整合的な注入を統合し、動きアテンションのルーティング損失により物体間の干渉を抑える。参照動画ごとの個別最適化を必要としないとしており、動きの保持、推論効率、組み合わせ汎化性能で良好な結果が得られたと報告している。
Topology Survives Shuffling: Robust Long-Context Memory Access Prediction for Graph Analytics
説明トポロジーはシャッフル後も残る：グラフ解析のための頑健な長文脈メモリアクセス予測
要約グラフ解析は間接的な走査により、トポロジーに依存した不規則なメモリアクセス列を生成し、データのプリフェッチを制限します。本論文では、観測履歴と予測ホライズンを独立に制御できる長文脈の表現学習フレームワークLoCoMAPを提案します。連結成分、PageRank、単一始点最短経路の3つのワークロードを6種類の合成グラフで評価し、グラフの再生成やノード並べ替え後も長文脈モデルが再学習なしで比較的頑健であることを示しています。