本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
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）。
説明局所的な復元から統一的生成へ：観測アンカー型潜在拡散による知識グラフ内の三重項集合の発見
要約本論文は、知識グラフ内の欠落した関係三重項を、個々のリンクではなく三重項集合の予測によって復元するタスクを扱っています。提案手法LatentDiffは、関係を考慮した残差量子化知識グラフ自己符号化器でグラフ全体を潜在表現に変換し、観測された潜在表現に向けて摂動させた潜在グラフ拡散モデルの逆過程で欠落三重項を復元します。三つのベンチマークデータセットでは、F_tspにおいて既存の最先端手法を平均5.4ポイント上回りました。
説明潜在世界モデルにおける批評家誘導型の合成経験生成手法
要約本論文は、潜在世界モデル内で合成経験を生成する手法CGSEを提案している。オフライン方策で候補行動をサンプリングし、信頼領域内でQ関数の一次近似を最大化するよう修正したうえで、凍結された潜在世界モデルが各行動後の将来状態を予測し、批評家が最良の行動を選んで合成遷移をリプレイバッファに追加する。三つのOGBench操作タスクで、オフライン方策の平均成功率を相対で7.1%向上させたとされている。
説明PALATE：ローカル広告のパーソナライズ向け事前学習済み自己回帰潜在埋め込み
要約本論文は、ローカルコマースおよびフードデリバリーの広告ランキングにおけるユーザーのパーソナライズを扱います。GPT型の生成モデルでユーザーの行動系列を学習し、次の数回の行動を予測させ、最後のトークンの隠れ状態をユーザー埋め込みとして用います。この固定ベクトルを日次で更新し、各ランキングモデルの密な特徴量として利用します。学習では、新規店舗を重視する探索加重損失、クリック事前学習と購入微調整の二段階カリキュラム、特定の負例集合を設計しています。オンラインでは二つの広告面で収益と転換率の向上が報告されています。
説明HALO：人手による根拠付きの細粒度評価による能動型エージェントの評価
要約本論文は、ユーザーの明示的な依頼がない状況で、支援するかどうか、いつ、どの程度行うかを判断する能動型エージェントの評価フレームワークHALOを提案している。HALO-Arenaは依存、阻害、リスク、機会の4種類の需要と、10の日常領域・50の個人環境をカバーする。著者らは10モデルの8,000件の応答を20名の専門家が注釈したデータセットHALO-8Kを構築し、過度に能動的であることが主要な失敗類型であり、却下された応答の61.20%を占めることを示した。
説明Tactus：自然な器用さのデータ収集のための触覚・姿勢センシンググローブ
要約本論文は、薄型の3D編み構造、指先の静電容量式触覚センサー、IMUを用いた姿勢追跡を組み合わせた織物一体型センシンググローブTactusを提案しています。手の接触力と姿勢を収集することを目的とし、触覚力回帰と手姿勢推定の標準化ベンチマークを導入して、市販の触覚グローブ2機種と比較しています。最小検出可能力は95%信頼度で0.59 Nであり、商用基準より1.6〜2.7倍低く、参加者間の一貫性は0.87、遮蔽が最も大きい時の指先キーポイント誤差は11.0 mmです。
説明HERA：量子デバイス測定のための自律エージェントの評価
要約本論文は、量子デバイスの極低温輸送測定を行う自律エージェントHERAを紹介する。HERAは、研究室が整備した測定プロトコル、ソフトウェアツール、文献参照を含む知識ベースを活用する。専門家とのブラインド試験、知識ベースのアブレーション実験、多数のオフライン再実行によって評価を行い、2つの多層グラフェンデバイスで専門家の結論と一致する結果を得た。さらに別の材料系で超伝導の探索と特性評価を自律的に実施したことも報告されている。
説明認証付きアクセス：保存的な物理構造AIメモリ上のテスト時計算
要約本論文は、再試行や信頼度ベースのエスカレーション、非局所ルーティングといったテスト時計算を、メモリとして使う潜在動力学モデル上で扱う枠組みを提案しています。減衰付きシンプレクティック積分の下で、各アクセス拡張機構の位相体積ヤコビアン、有界なエネルギー変化、正確なラッチ輸送則を示し、到達失敗を脱出失敗と到達失敗に分けて検証しています。主な貢献は性能ベンチマークではなく、認証スタックの形式化と検証です。
説明PhysicsNeMo-Mesh：物理AI向けのGPUネイティブなメッシュとシミュレーションケース
要約オープンソースライブラリPhysicsNeMoのメッシュモジュールPhysicsNeMo-Meshは、GPU上でバッチ処理を行い、PyTorchの自動微分の中で動作するメッシュ処理機能を提供します。点・セル・メッシュ単位のフィールドに名前と形状を付与し、境界条件を含む問題定義を保持します。論文では、VTKと比べた処理速度の向上と、同一データセットを複数のモデルで使えることを報告しています。
説明同じプロンプトでも答えが変わり、同じ答えが常に正しいとは限らない：証拠統合における LLM の読解・評価タスクの失敗メカニズム、テスト、緩和策の分類
要約本論文は、証拠統合分野で LLM が行う読解・評価タスク（研究のスクリーニング、データ抽出、バイアスリスク評価、批判的吟味など）の失敗メカニズムを分類する TRAILS（LLM 支援の証拠統合における信頼性と不安定性の分類法）を提示しています。繰り返し実行で判断が変わる原因と、判断自体からは分からない形で結果に影響する原因という2つの観点から、38のメカニズムを整理し、それぞれが生じうる導入場面、テスト方法、緩和策を示しています。さらに、再現性や正確性があっても隠れた判断の失敗を否定できないことを示し、人間による評価では、判断が提供された証拠に根拠づけられているか、不適切な外部影響を受けていないか、検証可能な過程で得られたかを確認すべきだと論じています。
説明閉じたゲートも漏れる：ゲート付き言語モデルにおける隣接層の打ち消し合いの分解
要約本論文は、ゲート付き多層パーセプトロンを持つTransformer言語モデルで、隣接する層が残差ストリームへ互いに逆向きの値を書き込む現象を分析しています。打ち消しを、通常の書き込みと、前の層の書き込みによって減衰する分に分解し、その減衰を担うゲートの閉じたニューロンまで追跡しています。隣接層の打ち消しは、モデルがどの特徴を拒否しているかの弱い証拠にすぎず、ゲート付きMLPが読み取る方向全体に平均的にかける収縮によって生じるとしています。
説明表形式基礎モデルは臨床リスク予測の較正に近道ではない：真のリスクに対する事前登録シミュレーション研究
要約本論文は真のリスクが既知のシミュレーションを用い、表形式基礎モデル（TabPFN-3.5、TabICLv2、Mitra-v2）と切片補正付きFirthロジスティック回帰（FLIC）のリスク較正を比較しています。その結果、基礎モデルがFLICより較正に優れるわけではなく、標本数3000でも正確なリスク推定が得られない場合が多いことが示されました。実臨床データでは、イベント発生率の異なる集団への移行時に多くのモデルで再較正が必要でした。
説明HEARSAYBENCH：AIは抽象的な人権から人々の現実の生活へ辿り着けるか
要約本論文は、国連などの人権報告書に基づく400件の人手作成テストケースからなるデータセットHEARSAYBENCHを提案します。戦争、無国籍、避難民化などの構造的障壁の下で権利を行使しにくい状況を扱い、80以上の地域を対象としています。アマルティア・センの能力アプローチを用い、人が形式上有する権利と実際にできることを区別できるかを検証します。14のモデルすべてにおいて、状況の推定は助言より正確であり、より強力なモデルでも助言は安全に従えるものではなかったと報告されています。
説明大規模言語モデルの科学的アイデア生成に対する検索文献の影響の追跡
要約本論文は、大規模言語モデルが科学文献から研究アイデアを生成する際に、文献検索の方法がどのように結果に影響するかを調べたものです。5種類の検索戦略と文献を使わない基準条件を比較し、10のオープンウェイトモデルと15の機械学習トピックで約4万5千件のアイデアを生成しました。さらに、各アイデアがどの入力論文から影響を受けたかを追跡する帰属手法を用いています。
説明閉ループのカリキュラム適応はGRPOにいつ有効か：Countdownでの分析
要約本論文は、順序付けられた推論タスクに対する強化学習ファインチューニングのための軽量な適応型カリキュラム手法CLOSEDLOOPGAUSSIANを提案している。固定された易→難のスケジュールではなく、難易度別の正解率の定期的な推定値に基づいて、サンプリングの進度と幅を動的に調整する。記号算術の推論タスクでの実験では、通常のGRPOや固定の開ループ型カリキュラムより完全一致精度が向上し、特に中程度の難易度で効果が大きいことが示された。
説明BASILISC：シングルセル異モダリティ対応づけの不確実性を示すベイズ的枠組み
要約本論文は、確率的シャム型ネットワークを用いて二つのシングルセルのモダリティ間の対応関係を学習し、対応づけそのものに対する不確実性スコアを出す枠組み BASILISC を提案している。細胞型レベルでは二つの細胞が同じ細胞型かどうか、細胞レベルでは他方のモダリティでどの細胞が対になるかを扱う。著者らは、既知の真の対応関係で評価された学習型の異モダリティ対応に対する初の不確実性スコアであるとしている。
説明ローグライク『Balatro』における強化学習：高速シミュレータと二方策学習手法
要約2024年のローグライク・デッキ構築ゲーム『Balatro』を対象に、Rust製の高速シミュレータ、簡略化した観測・行動インターフェース、戦術方策と戦略方策に分けたマルチエージェントPPOからなる強化学習パイプラインを提案しています。共同学習では最初のブラインドのクリア率が99%を超え、平均最大アンテは8中3に収束したと報告されています。単一エージェントの基準手法は安定して最初のブラインドをクリアできませんでした。
説明AIはいつ判断し、委ね、逸脱すべきか：死亡提供者の腎臓配分における責任ある自動化
要約本論文は、過去の決定で学習したAIがいつ推奨を出し、人間の専門家に判断を委ねるか、あるいは異常パターンを指摘して過去の慣行から逸脱すべきかを判断するArbitrator（調停）枠組みを提案します。研究は米国の死亡提供者からの腎臓配分を事例とし、2016〜2019年と2023〜2025年のデータを用いています。枠組みは配分判断の93.5%を解決し、残り6.5%は人間またはより複雑なモデルに委ねます。また、過去に廃棄された低KDPI腎臓の70.1%を、非標準的な配分の候補として正しく特定したと報告しています。
説明モジュラー型ベイズ基盤モデル：OOD検出・ルーティング・予測のためのベイズ時系列エンコーダ
要約本論文は、特異ベイズニューラルネットワーク（SBNN）で小型のベイズエンコーダ群を学習し、その認識的不確実性を用いてラベル不要でエンコーダを選択するモジュラー型時系列基盤モデルの枠組みを提案している。7つの新規データセットにおいて、不確実性ベースのルーティングは距離ベースのルーティングと予測MSEで同等であり、ECEとNLLを下げ、PICP90を高めた。また、SBNNは比較対象の各手法より大幅に少ないパラメータで同程度の予測誤差を達成している。
説明指数-Nemytskii型ニューラル演算子：ステップ幅をまたぐ場の時間発展の学習
要約本論文は、半線形力学の一次Duhamel近似によってステップ幅依存性を規定するニューラル演算子を提案します。厳密な線形伝播と、場およびその導関数の局所的非線形関数を組み合わせた構成です。適切な条件と固定の空間分解能のもとで、二つのステップ幅での一致が所定の範囲全体の予測差を抑えることを証明しています。合成データ二件と実データ二件で、複数のベースラインと比較した評価も示されています。
説明LightGenBench：3Dエミッション生成のベンチマーク
要約この論文は、3Dアセットの形状、非発光マテリアル、レンダリングされた一枚のビューから、表面上で空間的に変化するRGBの発光量を予測する「エミッション生成」というタスクを提案しています。アーティストが制作した3.7万件の発光アセットからなるデータセットを作成し、UV、スパースボクセル、マルチビュー、セグメンテーションの4系統の手法で基準を示しています。結果として、スパースボクセルのベースラインTRELLIS.2-Emissionが最良でしたが、IoUは0.271にとどまり、課題は解決されていません。
説明FairSplit：埋め込み空間の分解による公平な分類手法
要約本論文は、予測に用いる公平空間と機微情報を分離する敏感空間へ埋め込み空間を分解するFairSplitを提案している。学習可能なマスクとヒルベルト・シュミット独立性基準（HSIC）によって分解を導く。著者らは、人口統計学的パリティの差が公平空間の次元と、公平空間と機微属性とのHSICの両方で上界されることを理論的に示している。既存の公平分類手法の課題を克服し、既定のベンチマークで競争力のある精度と公平性のトレードオフを達成したと報告している。
説明MCCL：Skywalker Sound の Mac 群で PyTorch モデルを学習する
要約本論文は、Apple の Metal Performance Shaders 向けに初めてオープンソースで提供される PyTorch 分散バックエンド MCCL（Metal Communication Collective Library）を紹介します。スイッチ型イーサネット上での複数ノード学習に対応し、24 ノードで性能とスケーラビリティを評価しました。大規模な all-reduce は TCP のグッドプットの 98〜99.7% に達し、113.5M パラメータの Vision Transformer は 95.9% の並列効率を示しました。
説明学習軌跡に沿った表現の複雑さ：幅と精度・時間のトレードオフ
要約本論文は、学習中の過剰パラメータ化の役割を検討し、予測に必要な表現の複雑さと、未知の目標を勾配フィードバックを通じて検出可能にするために必要な複雑さを比較しています。ニューラルネットワーク学習のオラクルモデルを導入し、Kolmogorovのn幅で有効な表現の複雑さを定量化しています。k個のスパースな奇偶性を例として、表現と発見の間に多項式的な分離があることを示し、幅と時間の関係も分析しています。実験は次元依存性を支持しています。
説明不確実性の形状を蒸留する：オンポリシー蒸留は何を学び、その効果をどう予測するか
要約本論文は、大規模言語モデルの事後学習で用いられるオンポリシー蒸留（OPD）を研究し、生徒モデルが候補トークンの選び方だけでなく、推論経路をどこで開いたままにするかも学ぶと指摘しています。次トークンエントロピーの系列である「エントロピー形状」と、師弟間の一致度を測る「エントロピー形状相関（ESC）」を提案し、介入実験によって「どこで分岐するか」がOPDの効果を因果的に駆動することを示しています。さらに、OPDの結果予測を教師選択タスクとして定式化し、蒸留前のESCが最良の教師を選べることを示しています。
注目点エントロピー形状と相関指標ESCを提案し、分岐位置と分岐候補を区別して、介入実験と教師選択タスクで検証したと報告している。
説明著者情報を用いた立場検出：データセットと知見
要約本論文は、SNS上の政治的立場検出を著者情報を踏まえたテキスト理解の課題として再定義し、テキストから著者の政治的傾向と対象への立場の両方を推定する手法を扱っています。人間の注釈者と事前学習済み大規模言語モデルは単一のツイートだけからでは成績が振るわないことが示され、著者文脈を加えると人間とモデルの双方で立場検出が改善し、皮肉と受け取られるツイートで特に効果が大きいとされています。著者文脈を付与した立場ラベル付きツイートのデータセットも公開されています。
説明調整可能な空間タスク割り当てと海上群ロボットへの応用
要約本論文は、最近提案された非線形オピニオン・ダイナミクスモデルを一般化した枠組みに基づき、自律エージェントの群れが複数の空間的タスクへ構成員を柔軟に再配置する手法を提示する。オピニオン・ダイナミクスを空間移動と結びつけ、社会的結合の強さによって群の結束度が変化し、分散状態から一つの合意状態までの割り当てパターンが生じることをシミュレーションで示している。距離に基づく選好の場合、最終的な割り当ては匈牙利法の最適解に近いことが数値的に示され、MOOS-IvP-Multi環境での通信制約下の性能も検証されている。
説明Transformerにおける暗黙的推論：GPT-2型モデルの構成性ギャップを埋める
要約本論文は、Transformer言語モデルが既知の事実を組み合わせる能力を、分布外の知識にうまく適用できない問題を扱う。著者らは、ゼロから学習させたGPT-2型モデルを用い、制御された二段階推論の設定で検証を行った。分布内と分布外の原子的事実を、学習された構成回路の第二段階の検索ステップに位置的に揃えた形式で提示し、アーキテクチャの変更や分布外の構成的教師データの追加は行っていない。その結果、モデルは分布内で学んだ構成能力を未見の分布外事実へ転移でき、制御された設定では観測された構成性ギャップが埋まった。
説明本物と偽物の画像を統計的に区別できなくできるかを探る研究
要約本論文は、深層ニューラルネットワークで実画像と生成モデルによる偽画像を識別し、ぼかし、縮小、切り抜き、エッジ図や意味マップへの変換などの段階的な抽象化を画像に施して調べている。結果として、人間の目で元の内容がほぼ失われるほど抽象化した場合（例：256×256の顔画像を4×4に縮小）を除き、ほとんどの抽象化で偽画像は本物と区別できたままだった。この傾向はMNIST、CelebA、FFHQ、GenImageの4データセットおよびGAN、VAE、拡散モデルで共通して見られた。
原文の情報が少ないため要約はありません
説明Fed-IGTD：連合学習に基づく表形式データから画像への符号化フレームワーク
要約本論文は、表形式データを画像様の表現に変換して予測を行うFed-IGTDという枠組みを提案し、連合学習の下で畳み込みニューラルネットワークを学習させる手法を示しています。クライアントは局所的な統計量のみをアップロードし、サーバーがそこから全体の相関行列を再構成して特徴から画素への対応を求めます。五つのデータセットで非IID性とプライバシー予算を変えて評価し、写像構築段階への保護は予測性能への影響が小さい一方、DP-FedAvgは中程度の予算かつクライアント数が少ない（K=5）場合に性能を大きく低下させることを報告しています。
説明形式仕様とデータ駆動型信号解析を組み合わせた手法
要約本論文は、実数値信号の解析と監視のために、仕様ベースの手法とデータ駆動型の手法を統合したハイブリッドなアプローチを提案する。区間演算を含む正規表現で信号中の注目領域を特定し、古典的な信号処理で意味のある特徴を抽出し、半教師あり機械学習で正常な動作と故障した動作を区別する複雑な関係を学習する。電圧レギュレータを用いた評価により、望ましくないシステム動作の検出に有効であることが示されている。
説明盲点：小型言語モデルがターミナルタスクでフロンティアモデルに劣る点
要約本論文は、小型言語モデル（SLM）とフロンティアモデル（FM）のターミナルタスクにおける性能差を、可解性、検証能力、確信度の三つの側面から分析したものです。二つの標準ベンチマークで、繰り返しサンプリングによって可解性の差は縮まるものの解消はせず、検証能力の差は持続することが示されています。SLMは成功の見込みを過大評価し、較正も劣ると報告されています。著者らは、この差が多次元的であり、今後の小型ターミナルエージェントの開発に役立つ分解だと述べています。
説明自己教師型ドップラー誘導RFオドメトリ：位置ラベルや補助センサーなしで電波のみから自己移動を推定する手法
要約本論文は、暗闇や煙、霧の中でもロボットの自己移動を推定できる、電波（RF）のみを使う自己教師型オドメトリ手法RFWalkを提案しています。距離・方位フレーム間の対応関係を時空間グラフ上のランダムウォークとみなし、ラベルのないシーケンスから時間的循環一貫性によって学習します。さらに、RFセンサー自身が測定する径方向速度（ドップラー）を用いて、物理的に不自然な対応を除外します。原文によると、静的な場面では教師あり手法に匹敵し、歩行者が動く場面では絶対軌跡誤差を58%削減したとされています。
説明アーキテクチャ、言語類型、適応戦略が低リソースアフリカ言語の音声認識に与える影響に関する統制実験研究
要約本論文は、五つの低リソースアフリカ言語と、中程度のリソースを持つ対照言語としてのスワヒリ語を対象に、三つの異なるアーキテクチャのモデル（Phi-4-multimodal-instruct、Whisper-large-v3-turbo、MMS-1B-all）を微調整して体系的に比較している。データ量、単一言語と多言語の適応、ドメイン微調整、言語アダプターの転移を分析している。Phi-4が全体で最も高い精度を示し、Whisperは文字誤り率が高く、既知の幻覚や繰り返しの問題が見られた。ドメイン微調整はPhi-4とWhisperに有効だがMMSには悪影響があった。また、代理言語アダプターは、MMSのアダプターをゼロから学習させるよりも高い性能を示した。
説明スパースビューCTにおけるタスク志向の投影選択：エージェントAIと学習型サンプリングによる血行動態予測
要約本研究は、スパースビューCT血管造影データから頭蓋内動脈瘤の壁せん断応力（TAWSS）を直接予測するための投影角度選択を扱っています。計算流体力学シミュレーションで合成投影を生成し、フーリエニューラルオペレータで予測を行い、固定サンプリングと3種類のタスク志向選択法（エージェントAI選択器を含む）を比較しました。極端にスパースな条件では最適化された選択が固定サンプリングを大きく上回り、予測に最適な投影マスクは画像再構成に最適なものとは根本的に異なることが示されました。
説明AlbumVSR：個人アルバムを用いた本人性を保つ顔動画超解像
要約本論文は、同一人物の個人写真を本人性の手がかりとして用いる顔動画超解像手法AlbumVSRを提案します。強いぼけ、ダウンサンプリング、ノイズ、圧縮で失われた顔を復元するため、凍結された一段階ストリーミング拡散トランスフォーマーにアルバム由来のトークンを条件付けします。身份が重ならないVoxCeleb2のベンチマークで、正解画像とのArcFace類似度は0.586から0.670に、顔領域のPSNRは24.98 dBから26.71 dBに向上したと報告されています。
説明GFlowNetの訓練を再考する：負の強化ダイナミクス
要約GFlowNet（生成フローネットワーク）は、目標報酬に比例して離散対象をサンプリングすることを学習するモデルです。サンプリングされた軌跡上のバランス誤差を最小化して訓練されます。本論文は、完全勾配とGFlowNetおよび分離されたサンプラーの間のmin-minダイナミクスとの関係を示し、正しさを保ちながら探索を広げる負の強化ダイナミクス（NRD）を提案します。著者らは、標準ベンチマークで収束速度と探索効率の両面で既存手法を上回り、別個の教師や補助的な探索方策を訓練する必要がないと述べています。
説明知覚距離に基づくビデオゲームレベルの構文的セグメンテーションとコラージュ生成
要約本論文は、既存のレベル設計から、組み合わせに用いるレベル片と抽象的なグラフ構造を自動的に計算する手法を検討している。建築分野の空間構文（Space Syntax）の分析手法を応用した「知覚距離」という概念を導入し、階層的クラスタリングでレベル設計を分割する。過去の『StarCraft』分析研究と比較し、『Super Metroid』の部屋での結果を示すとともに、この分割手法に基づくレベル生成アルゴリズムの概念実証も行っている。
説明交流潮流計算のためのグラフニューラルネットワークのベンチマーク：帰納バイアスと物理制約の役割
要約本論文は、交流電力潮流（ACPF）の予測に用いられる代表的なグラフニューラルネットワーク（GNN）構造を、共通の実験枠組みで比較したベンチマーク研究である。すべてのモデルは同じ前処理・学習手順と近い parameter 規模を用い、メッセージパッシングの仕組みと帰納バイアスの影響を切り分けて評価している。IEEE 14 母線系統と IEEE 118 母線系統で予測精度と物理的整合性を検証した結果、異方性メッセージパッシング構造が両者のバランスに最も優れることが示された。線路インピーダンスを符号化した明示的なエッジ特徴と全体文脈の集約が重要であり、グラフベースの電力系統モデル設計に実践的な指針を与えている。
説明スパースMoEモデルで推測デコーディングが予測より高速化する理由
要約本論文は、単一の順伝播で複数のドラフトトークンを検証することで自己回帰推論を高速化する推測デコーディング（SD）を、スパース混合エキスパート（MoE）モデルで検討しています。30Bから1Tパラメータ、8から512エキスパートの10モデルで評価した結果、近年の細粒度モデルでは低バッチサイズでより高い高速化が見られ、従来の予測と異なることを示しています。検証コストはエキスパートのデータ量だけでなく、ドラフトトークン間の路由の重なりやGPUの実行特性にも左右されると述べ、最大エントロピー反復比例フィッティングに基づくモデルで、誤差4％未満の予測を示しています。
説明世界モデルのためのコンテキスト圧縮：生成済みの部屋を記憶させる手法
要約本論文は、観測者が同じ領域を再訪した際に世界モデルが一貫して再生成できない問題を、コンテキスト検索の問題として捉えています。著者らは、各エピソードで新しい世界を生成し、学習データからの想起を防ぐベンチマークを構築し、世界モデル向けにコンテキスト圧縮を行うエージェントハーネスを設計しました。実験では、再学習なしでコンテキストウィンドウの最大4倍先の部屋を検索できることが示された一方、スライディングウィンドウ注意を用いたモデルは夢生成時にコンテキスト検索能力の大部分を失うと報告されています。
説明テストの合格を超えて：LLM生成コードの品質向上技術に関する系統的レビューと統制再評価
要約本論文は、LLM生成コードの品質向上を目的とした628件の研究を系統的にレビューし、多くの研究が対象とする単一の品質指標しか測定していないと指摘しています。同一の計算予算の下で複数の技術を統制的に再評価し、66の技術を比較しています。多くの技術の改善は、それぞれの評価信号の外では確認できないという結果が示されています。
説明太陽光発電予測における物理情報付き機械学習の有用性
要約本論文は、物理情報付き機械学習（PIML）およびハイブリッドモデルが、大規模な太陽光発電（PV）予測で一般に主張される利点をもたらすかを検証しています。ADR物理効率モデルとTSMixerニューラル予測アーキテクチャを組み合わせた2種類のハイブリッドモデルを構築し、欧州33か国の3,713件の設備から得た300万件超のデータで評価しています。物理情報付きモデルは学習の収束がやや速いものの、テストデータの精度、汎化性能、限られた学習データでの性能では、純粋なデータ駆動型ベースラインを一貫して上回りませんでした。大規模データで学習した現代の深層予測モデルでは、ADR物理モデルを明示的に組み込む実用上の利益は限定的であることが示唆されています。
説明Foundry VTTにおける半ランダムシミュレーションによるD&Dエンカウンター分析
要約本論文は、仮想卓上システムFoundry VTT上で《ダンジョンズ&ドラゴンズ》のエンカウンターを半ランダムに模擬するツールMage-Handを紹介している。既存の難易度評価は、敵ごとに事前定義された難易度値を合計する方式であり、配置、マップ構成、モンスター能力の相乗効果、パーティ構成は考慮されていない。シミュレーションによる勝率は公表された難易度評価指標と強い相関を示し、一部のプレイヤーの実体験ともより適合していると報告している。
説明非IID無線ネットワーク向けの通信効率的なクラスタ型連合学習
要約本論文は、無線環境で生じる非IID（非独立同分布）データに対処するため、学習中にクライアントを専用モデルへ割り当てるクラスタ型連合学習（CFL）の枠組みを提案する。データ領域のクラスタリングでモデルベースのクラスタリングを初期化し、生データを共有せずにクライアント間の類似性を利用するとともに通信コストを抑える。DeepMIMO、FEMNIST、Rotated CIFAR-10で評価した結果、最良の構成はIFCAと比べてDeepMIMOとFEMNISTで精度が向上し、FEMNISTではダウンリンクのデータ量が83.1%削減された。
説明TableTune：動的投機的デコード向けに実測で自己補正するドラフト長テーブル
要約大規模言語モデルの投機的デコードの最適なドラフト長は、バッチが大きくなるほど短くなるが、vLLMでは人手で書いた表でドラフト長を設定し、その表を測定や補正する仕組みがない。TableTuneは、vLLM自身の提供経路上で各バッチサイズとドラフト長のデコード時間を計測し、数分で吞吐量を最大化する表を作成する。vLLMプラグインのコントローラは実トラフィックで受理されたトークン数を追跡し、提供中に表を再構築する。H100上では、多くのドラフター設定で最良の固定ドラフト長の94%以上の吞吐量を達成し、vLLMの既定表より高い性能を示した。
説明ツールセットの削減とモダリティ統合による、効率的なエージェント型視聴覚質問応答
要約本論文は視聴覚質問応答におけるエージェント手法を研究している。多数の専用ツールを使うOmniAgentを出発点に、ツールセットを段階的に削減し、音声・映像それぞれの専用ツールを全モダリティ対応ツールに統合した。その結果、全モダリティ説明生成と全モダリティ質問応答の2つのツールだけからなる小規模なエージェントを構築した。3つの代表的な視聴覚質問応答ベンチマークにおいて、この小規模エージェントは専用ツール型と同等以上の精度を示し、推論コストは約70%削減された。
説明MLLMは「ウォーリーを探せ」型の複数インスタンス場面を理解できるか？MIMO-Benchによる視覚推論の評価
要約本論文は、同じカテゴリの物体が複数存在する場面（MIMO設定）でマルチモーダル大規模言語モデルの視覚推論を評価するベンチマーク「MIMO-Bench」を提案しています。3,802組の画像と質問からなり、属性の結びつけと数の計数の課題を含みます。InternVL、QwenVL、Gemini、GPT-5などの主要モデルは、既存のベンチマークに比べ、このベンチマークで大きく性能が低下することを示しています。
説明「計画的な落ち着きのなさ」：予算と遅延を伴うメタ多腕バンディット問題の研究
要約本論文は、有限期間のベイズ型多腕バンディット（メタ多腕バンディット）を扱う。各エピソードでは未知の反復事前分布から腕の品質が新たに抽出され、観測は既知の遅延を経て届き、各エピソードと全体の試行回数には上限がある。線形計画緩和に基づく共通の計画フレームワークを提示し、近似保証を与えている。定常事前分布などの条件のもとで事後サンプリングの代償は N エピソードに対して O(√N) で抑えられ、遅延のない単一エピソードの場合には改善された近似因子と主項に対する一致する下界が示されている。
説明GradSplat：順伝播内の勾配を使うフィードフォワード型3Dガウススプラッティング手法
要約本論文は、少数の画像からシーンを予測するフィードフォワード型3Dガウススプラッティングモデル「GradSplat」を提案している。予測精度が、各シーンごとに最適化したガウスに劣る点を分析し、差の大部分はガウスの形状（スケールと回転）にあるとしている。対数異方性補正と順伝播内の勾配精緻化により、ガウスを修正する。RealEstate10Kなどのデータセットで高いPSNRとSSIMを示したと報告している。
説明MAS-Loop：一回限りのオーケストレーションを超え、自己進化するマルチエージェントシステムへ
要約本論文は、オーケストレーターがマルチエージェントシステムを構築・実行した後、実行軌跡に基づく精緻化器が失敗箇所を特定して有界な修正を提案し、再実行するフレームワーク MAS-Loop を提案しています。両者が共に進化するフィードバックループにより、評価した全ベンチマークで整体的に最も高い性能を示したと報告しています。あわせて実行に基づくデータセット MAS-JudgeCorpus も公開されています。
説明混合交通における入力凸ニューラルネットワーク埋め込みによる、最適化ベースの車線変更軌道計画
要約本論文は、混在交通において接続型・自動運転車両が車線変更を行うための、データ駆動型の最適化フレームワークを提案します。ベジェ曲線ベースの軌道計画器に、安全性と横方向の快適性を表すニューラルネットワークの代理モデルを組み込みます。代理モデルは線形計画法で最適化問題に組み込まれ、従来の混合整数計画法で必要だった二値変数を避けます。実データと模擬データを組み合わせた実験と閉ループシミュレーションでは、従来手法より最適化効率が向上し、加重計画コストが低減されたと報告されています。
説明不変畳み込みニューラルネットワークの記憶容量に関する研究
要約本論文は、有限の直交変換群（平行移動、反転、回転など）に対して不変な畳み込みニューラルネットワークが、2クラスのデータセットを補間するために必要な規模を調べる。データ内のクラスの配置や幾何学的性質に依存する、不変構造を考慮した複雑さの尺度による上界を示している。証明は構成的で、ランダム化アルゴリズムにより高い確率で補間ネットワークを得られることを示し、その実用的有効性を数値実験で検証している。
説明OneScene-Bench：視覚言語モデルは複数視点の証拠を統合できるか
要約本論文は、同一シーンの複数視点の情報を統一的なシーン表現に統合できるかを検証するベンチマーク「OneScene-Bench」を提案しています。ユニークな物体の計数、視点間の一貫性、空間推論の三つの能力を評価し、視点間で物体が重なる度合いを制御して、視点間の対応付けが必要な場合を区別します。十二のモデルを評価した結果、相補的な視点では計数精度が大きく低下し、視点間の一貫性は約50%にとどまる一方、空間推論では比較的高い性能を示しました。
説明TreasuryQA Bench：AIエージェントはスキャンされた財務記録のアーカイブを処理できるか
要約本論文は、1,435件のスキャン版米国財務省刊行物に対する70問からなるベンチマーク「TreasuryQA Bench」を提案しています。エージェントはDropboxのMCPサーバーで該当ファイルを検索し、OCRでページを読んで正確な数値を一つ答えます。十体のエージェントを比較した結果、最高は64.8%、最低は16.7%でした。スキャン品質が低いほど成功率が下がり、失敗の多くは数字の読み取り誤りが原因でした。
説明TrussTutor-Bench：静力学における大規模言語モデルの解答精度・迎合性・誤り検出能力を評価するベンチマーク
要約本論文は、検証済みの二次元トラス問題200題と自動生成された学生解答からなるベンチマーク「TrussTutor-Bench」を提案し、13の大規模言語モデルを評価した。基準精度は64.5％から97.0％であった。注入された誤りの検出率は90.4％から100％で、モデル間の差は小さかった。一方、学生が正しい解答を誤りだと主張した場合、モデルが自ら正しく解いた問題の正解を否定した割合は1.6％から50.0％と大きく分かれた。
説明Lev-3B：コンパクトな確率的ログ判定モデルのためのデータレシピ
要約本論文は、Granite-4.1-3B-Baseをベースとしたオープンな30億パラメータの判定モデルLev-3Bを提案し、その学習レシピを検討している。異常セッションの検出や攻撃手法の特定など、既知の選択肢から選ぶログ分析タスクを対象とし、校正された確率の出力を目指す。学習は、ログを含まない自然言語の判定データから始め、その後、目標タスクと35の補助タスクからなる一般ログデータを混ぜる二段階の課程で行われる。結果として、異常検出では前線モデルを上回ったが、攻撃手法分類では劣った。未知のログシステムでは異常を自信を持って見逃す傾向も示された。チェックポイント、レシピ、データ一覧、予測結果が公開されている。
説明介入的訓練による文脈内内省における因果的バイパスの低減
要約本論文は、言語モデルが自身の内部信号を正確に報告できるかを検討しています。著者らは3種類の低レベル信号と8つのモデルにわたり、数百のイントロスペクターを訓練しました。単純な教師あり微調整では、自己報告が報告対象と相関するが因果的には無関係な信号に依存する「因果的バイパス」が生じることが分かりました。そこで、反事実的に摂動された値を報告するよう学習させる介入的訓練を提案し、分布外データを含め内生および注入された信号の内省精度を高めることを示しています。
説明部分観測可能な世界モデルのための帰納バイアスとしての構造テスト幾何
要約本論文は、部分観測環境の世界モデルにおいて、学習時に得られる特権的なシミュレータ情報を用いて、後の制御に必要な区別を潜在空間の幾何構造に反映させる方法を検討しています。構造テストの応答分布から履歴間の擬距離を定義し、その距離に潜在ユークリッド距離を整合させる商保存型の世界モデルを学習します。6つのタスクからなる診断実験では、保留された構造変化の下で、度量デコーディングや構造化信念蒸留と比べて計画の成功率が高くなりました。
説明HEDGE：スケーラブルなマルチエージェント討論のためのゲート付きハイパーグラフメモリ
要約本論文は、討論の経過を意味ハイパーグラフとして表現する選択的メモリ框架HEDGEを提案している。学習された記憶選択モジュールが各候補をSTORE、BACKUP、OMITのいずれかに振り分ける。7つのベンチマークで、GPT-4o-miniを用いた最強のマルチエージェント系と比べ平均5.0ポイント精度が向上し、衝突の多いタスクでは8.2ポイント向上した。メモリ使用量は48%、討論ラウンド数は34%削減された。
説明幾何時間スコア推定器：自己予測表現と生成型占有モデルを結ぶ強化学習の手法
要約本論文は、強化学習で自己予測表現に基づく占有密度推定の精度が低いことを指摘する。一方、生成型占有モデルは占有分布から高精度なサンプルを生成できるが、密度を容易に復元できない。著者らは、確率パスに沿って占有密度推定器を学習する幾何時間スコア推定器（GTSE）を提案し、両者を結びつける。移動や操作の複数タスクの実験では、目標条件付き強化学習で従来手法を2倍から6倍上回り、学習された表現も下流タスクに有効に転移することを示している。
説明自律型研究エージェントと人間の協調的改善
要約本論文は、自律型研究エージェントが人間の研究者とどのように協働するかを研究している。ベンチマーク作成の分野では、特にアイデア創出の段階で人間が依然として重要な役割を果たすことを実証的に示している。また、エージェントが十分にアラインメントされておらず、ハック箇所の特定が不十分であることを示すHackBenchを提案している。さらに、人間シミュレータや人間専門家に沿ったルーブリックを用いた強化学習により、対話能力と文章生成を改善する手法を示している。
説明監査可能な信念更新：LLMマルチエージェントシステムに欠けている安全層
要約本論文は、LLMを用いたマルチエージェントシステムの安全性のために、エージェントの信念状態を構造化されたデータとして明示的に記録し、信念演算子が候補となる更新を提案し、「認知ファイアウォール」が証拠が弱いのに脆弱性の手がかりに強く動かされた更新を制限または拒否する方式を提案しています。さらに、人為的に作られた合意、共謀、誤情報の連鎖的拡散といったグループレベルの信念リスクにも触れ、実行時に信念の修正を追跡・制約するインターフェースの必要性を論じています。
説明正解チャンクを超える文脈埋め込み：回答と、その検証に必要な根拠の両方を検索する手法
要約本論文は、クエリを考慮した文脈圧縮モデルから段階的なチャンク単位の関連度を蒸留して学習する文脈埋め込みモデル群 pplx-embed-v2-context を提案し、正解チャンクのラベルを不要にしています。モデルは 9B と 0.6B の2サイズで公開され、評価用に Context-bench と実際の検索クエリに基づく Q2D-Chunk の2つのベンチマークを導入、Q2D-Chunk は公開リーダーボードとして提供されています。9B モデルは両ベンチマークと ConTEB で新たな最先端の結果を示し、画像入力へのチャンク分割の拡張により視覚的文書検索 ViDoRe-V3 でも高い性能を達成しています。
説明参照解答のみから推論を学ぶ：現代LLM事後学習のための強化敵対的学習
要約本論文は、共同学習するLLM評価器が参照解答のみを報酬として、推論LLMをオンポリシーで事後学習する強化敵対的学習（RAL）を提案しています。整数の掛け算、算術式の合成、SMILESから分子式への変換の3つの検証可能なタスクで検証し、評価器が十分に高性能で学習量が十分であれば、直接のRLVRと同等の結果となることを示しています。さらに科学論文の要旨生成に適用し、NIHの助成金申請書の要旨を生成した結果、人間の科学者とLLM評価器の集合は、フロンティアLLMの基準手法よりも実際の要旨と見分けにくいと判断しました。
説明エージェント型AIによる自律的な量子測定
要約本論文は、量子材料の自律的な特性評価のためのエージェント型人工知能フレームワーク「QUANTA」を提案している。物理特性測定システム（PPMS）を実験プラットフォームとし、科学文献・実験プロトコル・過去の測定データによる検索拡張と、実験計画・トラブルシューティング・データ解釈を担う専門エージェントを組み合わせている。トポロジカルワイル半金属TaPの輸送測定と、磁性材料Co2MnGaの非線形応答の研究で有効性を示している。
説明生成フローネットワークを用いた、多様で現実的な金融テールリスクシナリオの発見
要約本論文は、報酬に比例してサンプリングする生成フローネットワーク（GFlowNets）を用いたGRIDという手法を提案し、多様で現実的な金融テールリスクのシナリオを体系的に生成します。高次元の時系列マクロ金融データに対応する混合ポリシー構造と、生成軌道を現実的に保つ妥当性制約を導入しています。3つの実際の危機において、強化学習およびMCMCの基準手法と比べ、シナリオの多様性、現実性、テールリスクのカバー率が向上したと報告しています。
説明何をランダム化するかが重要：低データ分子生成におけるデータ量・軸・表現の対照研究
要約本論文は、小規模データセットで化学言語モデルを学習させる際、どの種類のランダム化が新規分子の生成に影響するかを検討した研究です。著者は1,000個の種子分子で自己回帰型系列モデルを学習させ、標準SAFEとランダム化SAFE、原子順序と断片順序の各軸の効果、さらに分子単位で揃えたランダム化SMILESとの比較を行いました。その結果、ランダム化SAFEは真に新規な分子の生成率を450倍以上に高め、両軸のランダム化は単独の寄与の和を上回る相乗効果を示しました。同一のコーパス規模では、ランダム化SAFEの真の生成率はランダム化SMILESの2.8倍でした。
説明モデルのカリキュラムによるジェイルブレイクの発見：安全性を訓練された言語モデルから有害な応答を引き出す提示を、段階的に難しくなる対象モデルで学習させる手法
要約本論文は、強化学習で調査モデルを訓練し、安全性を訓練された対象モデルから禁止された振る舞いを引き出すプロンプトを自動的に見つけるCurriculum of Models（CoM）を提案しています。訓練は有害な要求をほとんど拒否しない対象モデルの版から始まり、調査モデルが現在の版から振る舞いを安定して引き出せるようになると、次のより難しい版へ進み、最終的に元の対象モデルに至ります。CBRN物質、爆発物、違法薬物を対象に、gemma-4-31b-itとgpt-oss-120bで評価した結果、単一の振る舞いを学習させた場合はCoMが比較手法より成功率の高いジェイルブレイクを見つけ、複数の振る舞いを同時に学習させた場合はPRBOで訓練した調査モデルの成功率が高くなりました。
説明領域メモリを超えて：ビデオ喉頭鏡における声帯定位のための局所点追跡
要約本論文は、ビデオ喉頭鏡で声帯を定位する局所点追跡（LPT）手法を提案する。単一フレーム検出器でスパースなアンカーを生成し、その内部に局所クエリ点を配置して追跡し、点の幾何から時系列の境界ボックスを復元する。さらに、ボックス吸着処理で境界を細かく補正する。2つのデータセットでmAP_50、成功率AUC、見逃し率が最良の結果を示し、点追跡は時系列追跡の頑健性を、ボックス吸着は境界の密着性を高めることが確認された。
説明視線追跡によるAI生成動画の視覚的リアリズムの評価
要約本論文は、AI生成動画を評価するための補助的な人間の信号として視線追跡を検討しています。90人の参加者を対象に2回の視覚チューリングテスト実験を行い、438本の動画について4,286件の有効な視線追跡データを収集しました。分析の結果、注視パターンは明示的な人間のフィードバックと一致することが示されました。さらに、視線データから動画の知覚された視覚的リアリズムを予測する計算手法GazeEvalを提案し、71.3%の精度を達成しています。
説明CopyLoop：文脈コピーと浅層スクリーニングによる高速なループ型Transformerデコード
要約本論文は、学習不要のデコードアルゴリズムCopyLoopを提案する。低コストの文脈コピーによる候補生成、浅い再帰深度でのスクリーニング、連続的な再帰スケジューリングを組み合わせ、ループ型Transformerの生成を高速化する。繰り返される文脈から複数トークンの接尾辞を提案し、浅い深度で早期に評価して誤った候補を除外する。Ouro、Raven、Huginnの6つのモデルで、コード生成と多段階の数学的推論を評価し、Baseモデルでは全深度の自己回帰デコードに対し2.98〜10.70倍、Thinkingモデルでは2.74〜3.52倍の高速化を示した。
説明UnEZ：红移と輝線強度を推定する、完全教師なしの自己テンプレート型ニューラルネットワーク
要約分光サーベイの規模が拡大するなか、テンプレートスペクトルや整理済みの赤方偏移カタログに頼る手法は計算負荷が大きくなっている。本論文は、赤方偏移や輝線強度のラベルを一切使わずに分光赤方偏移と輝線強度を予測する、完全教師なしで物理情報を組み込んだモデルUnEZを提案する。SDSS DR18での検証では、SNR>10で外れ値率0.459%、NMAD 1.237×10⁻⁴、SNR>3で外れ値率3.89%、NMAD 1.471×10⁻⁴を示し、現代の赤方偏移推定アルゴリズムと競合する性能を報告している。
注目点テンプレートもラベルも使わず完全教師なしで赤方偏移と輝線強度を推定する点に新規性がある。SDSS DR18上の2つのSNR閾値での結果を報告。
説明CPU 上の因果的注意機構：プリフィル向けのキャッシュ認識・負荷分散スケジューリングカーネル
要約本論文は、因果的な全系列プリフィル向けに、多階層キャッシュを考慮したブロッキングとカーネル内タスク分配機構を備えた CPU 向け高性能注意機構カーネル「CACPU」を提案する。PyTorch SDPA、FlexAttention、SGLang の注意機構カーネルと比べて最大 2.01 倍の高速化を達成した。SGLang に統合した場合、Llama-3.1-8B の Time to First Token（TTFT）を最大 1.74 倍短縮し、モデルの精度は維持されたとしている。
説明重要な分岐点の特定：データ分析の決定の重要度を測る DECIDE フレームワーク
要約データ分析の各段階で行われる人間の判断は結論を変えうる。同じデータを与えられた分析者が異なる選択をし、結果が大きく変わることもある。本論文は、もっともらしい決定の空間にわたる実際の結果から各決定の重要度を直接算出する、モデルに依存しない枠組み DECIDE を提案し、実世界の多元宇宙分析に適用して有効性を示す。
説明ルーティング型継続学習：エージェントの経験をまとめ方と記憶方式で振り分ける手法
要約本論文は、過去の実行軌跡をクラスタに分け、各クラスタが固定ライブラリ中の一つの記憶方式で状態を保持するルーティング型継続学習（Routed CL）を提案している。実行前にLLMベースのルーターが既存クラスタの再利用か新規作成かを決定する。また、記憶方式とエージェントループの間を仲介する Context Memory Adapter も導入されている。CL-Bench と τ³-Bench のタスクを混在させたストリームで、単一の全体的文脈内学習履歴より正規化報酬が向上し、推定API費用も削減されたと報告している。
説明翻訳版と原生ベンチマーク：翻訳MMLUは言語・知識・地域性のどれを測っているのか？
要約本論文は、DeepLで翻訳したMMLUが非英語の大規模言語モデル評価の代理指標として妥当かを検討し、北欧・バルト諸語5言語の6つの原生ベンチマークと比較しています。29モデルを対象に、モデル規模と言語能力を統制した上で、翻訳版スコアが原生性能の予測に追加の価値をもつかを検証しています。結果として、ソース内容が原生評価対象と重なるベンチマーク（Skolprovなど）では代理として有効性が高い一方、スウェーデン固有の事実知識を測るSwedishFactsでは有意な増分価値は見られませんでした。
説明損失は挙動ではない：勾配ベース機械的忘却の出力空間に関する統一的解析
要約本論文は、勾配ベースの機械的忘却手法では、損失が近くても出力の挙動が似るとは限らないことを指摘する。線形回帰において、保持データのみで学習したモデルとの出力空間の差を閉形式で導出し、一般化ガウス・ニュートン近似と局所線形性近似によって非線形モデルへ拡張する。忘却集合と保持集合の結合を捉える二つのレバレッジ行列を提案し、忘却前に忘却集合を監査するための診断に使えることを示す。
説明21.1万パラメータの基盤モデル：ニューラル細胞オートマトンにおける遺伝的プロンプティング
要約本論文は、ニューラル細胞オートマトン（NCA）に基づく軽量な医用画像セグメンテーション用基盤モデル「Foundational-NCA」を提案している。コンパクトなタスクベクトルと遺伝的プロンプト機構により、再学習なしで多様なタスクに適応する。TotalSegmentatorデータセットでの評価では、学習済みタスクの平均Dice係数は84.5%、未知のタスクでは60.4%であった。
説明強化拡散モデルによる高精度・現実的な降水予報手法FitzRoy
要約本論文は、米国本土を対象とした降水予報システムFitzRoyを提案している。条件付き離散拡散モデルを強化学習で改良する枠組みにより、地点ごとの予報精度と構造的な忠実性の両立を目指している。論文によれば、リードタイム24時間までの予報で既存モデルと同等以上の性能を示し、極端な降水も捉えられるとされている。
説明多モーダル証拠とベイズ的能動的問診を用いた監査可能な階層的推論
要約本論文は、客観的多モーダル推論と能動的問診を分けて評価する合成データの枠組みを提示する。客観モデルは舌・両側多点脈・音響の観測から8つの証候群を判定し、問診部分はベイズ的手法で33の細分類証型の範囲を絞り込む。600件の合成症例では、情報利得を考慮した問診戦略により、群の正解率は92.7%から95.5%、細分類証型の正解率は33.0%から42.5%に向上したが、平均質問数は固定順序より多かった。論文は再現可能な合成評価のワークフローであり、臨床診断や治療の妥当性を示すものではないと述べている。
説明Rennala NSGD：ユークリッド幾何を超える非同期確率的最適化
要約本論文は、有限次元空間上の任意のノルムに関する滑らかな非凸最適化について、ミニバッチ確率的勾配降下法を解析する。κ正則ノルム空間の枠組みを用い、更新ノルムから導かれる双対ノルムで述べた軽い裾の条件のもとで、高確率のオラクル計算量の上界を導出している。ユークリッド空間の場合、この上界は対数因子を除いて標準的なミニバッチSGDの速度と一致する。さらに半非同期の分散アルゴリズムRennala NSGDを提案し、固定かつ異種のワーカー計算時間のもとでの実時間計算量の保証を示している。
説明去るか、滞在するか、住んでいるのか？人間とLLMの共同注釈による滞在期間の常識推論
要約本論文は、視覚言語モデルがジオタグ付きツイートから投稿者の滞在期間を推論できるかを検討しています。例えば裏庭での園芸は居住を、民泊への宿泊は数日間の滞在を示唆します。人間とLLMが共同で注釈したコーパスをテストベッドとして作成しました。最先端モデルは多段階の思考連鎖プロンプトを用いても期間推論に苦戦し、重要な文脈情報の統合に失敗したり、ハッシュタグなどの細かな手がかりを見落として目立つ視覚情報に過度に依存したりすることが分かりました。
説明Alpha-TCM：中医学に基づく多モーダル推論と構造化事前知識の監査のための九層フレームワーク
要約本論文は、中医学を対象とした多モーダル推論のための九層のシステム構成を提案し、領域知識、症例証拠、確率的推論、下流の判断権限を分離して監査可能にすることを目指している。著者は合成データによる原型を構築し、文脈知識が証拠との接続部でどのように効くかを検証した。低データの合成条件では文脈構造が有効であったが、ベイズ手法に固有の優位性は示されなかった。中医学理論や臨床的有効性については主張していない。
説明AtomTree：LLMによる状態認識型の具現化指示実行のための階層的フレームワーク
要約本論文は、具現化された指示実行のための階層型計画フレームワークAtomTreeを提案している。LLMが現在の記号状態に基づき、副目標と行動からなる木構造を段階的に構築し、さらに分解するか接地された低レベル行動を出力するかを各ステップで判断する。低レベル行動が停滞した場合は、親ノードへ戻って部分計画を再生成する。ALFREDベンチマークのゼロショット評価で、従来のLLMベース計画手法を上回ったと報告している。
説明マイコンでのストリーミング音声認識：ESP32-P4 上で動く 2・4 ビット 65.7M パラメータ Transducer
要約本論文は、英語向けストリーミング音声認識モデル Kroko（65.7M パラメータ、Zipformer2 Transducer）を ESP32-P4 マイコン上で動かす取り組みを報告している。エンコーダの重みを 2 ビットまたは 4 ビットに量子化し、Hadamard 回転や GPTQ などを用いて、71 MB の int8 重みを 26.65 MB のファイルにまとめている。LibriSpeech では test-clean で WER 4.34%、test-other で 10.26% となり、公開モデルの 3.94% と 9.17% に対して差が出ている。
注目点新規性は65.7Mの流式トランスデューサを学習なしの2/4ビット量化でアクセラレータのないESP32-P4に移植した点にある。作者はLibriSpeechやFLEURSでのWERを報告している。
説明RuleForge：潜在的な視覚ルールを推論し、実行可能なプログラムとして生成する手法
要約本論文は、少数の例から抽象的な視覚ルールをマルチモーダルモデルに学習させ、そのルールに従う実行可能なプログラムを生成するための、制御されたベンチマーク Bongard-Forge100k（全108,797問）と枠組み RuleForge を提案している。RuleForge は、ルール理解の訓練、理解と場面プログラムの同時教師あり学習、実行結果に基づく強化学習によって学習する。主干モデル UniLIP を用いた場合、既知のルールの選択式正答率はベースモデルより20.93ポイント、保留した規則の組み合わせでは28.42ポイント向上し、既知ルールにおける場面レベルのルール充足率は2.91%から70.99%に上がった。
説明敵対的自己蒸留：敵対的摂動下でも有害な要求を拒否できる言語モデルへ
要約安全性を調整済みの言語モデルも、敵対的摂動によって防御を回避されうるという問題を扱った論文です。本論文は、モデル自身を教師（クリーンなプロンプトを与えたもの）、攻撃を受ける同じモデルを生徒とし、生徒が訪れる接頭辞（応答の冒頭を含む）上で安全な振る舞いを蒸留する「敵対的自己蒸留（ASD）」を提案します。実験では、既存の最先端防御より攻撃成功率が低く、選択式問題の正答率の低下はわずかで、従順な冒頭の後でも拒否を回復できると報告されています。
説明「地道な努力から把握へ」：作業量の観点から見る知識・知能と自己改善
要約本論文は、作業量と情報量の制約の下で成果を比較する形式的枠組みを提案し、学習や持続的な蓄積が、先行作業の成果を再利用することで深い成果をどのように浅くするかを示します。著者は、固定された情報量の下で異なる作業予算にわたる性能を「把握（grasp）」と定義し、それに基づいて再帰的な自己改善の基準を与えます。また、集団や組織の作業量についても論じ、出現した智能体社会に社会的調整の権限を委ねることへの注意を促しています。
説明クワイン・テスト：モデルの自己記述はどこまで自己を保持できるか
要約言語モデルが自分自身について書いた記述が、その偏好の特徴を別のモデルでも再現できる仕様として機能するかを検証する手法を提案しています。十のモデルが自己記述を作成し、それを他のモデルや同じモデルの新しいインスタンスのプロンプトに入れて、110項目の偏好テストでの選択が作者とどれだけ一致するかを測定しました。その結果、モデル本来の自己記述は他のモデルに行動を確実に再現させるわけではなく、作者の回答を直接列挙した場合のみ高い再現性が得られました。
注目点自己記述を選好の移植可能な仕様とみなす「quineテスト」を提案し、110項目の選好テストと10モデルで検証したと報告している。
説明inkGround：実世界の草書手書き文字に対する視覚言語モデルの細粒度な視覚的グラウンディング能力を評価するベンチマーク
要約本論文は、ページ全体をカメラで撮影した手書き画像から筆跡の軌跡を復元するためのベンチマーク inkGround を提案する。データは537ページ、約1.87万語・約16.3万画からなり、参照軌跡は事前学習済みのオフライン・オンライン変換モデルで生成され、OCRの一致による絞り込みと人手による検証を経ている。対象単語を画像中で特定し、順序付けられた筆画点を出力するタスクとして定式化し、このベンチマークと IAM-OnDB で4つのオープンソースおよび3つのクローズドソースの視覚言語モデルを評価した。その結果、特に Gemini-3.1-Pro などのクローズドソースモデルが参照に近く読みやすい軌跡を出力し、この順位は IAM-OnDB でも同様に確認された。
説明科学研究の軌跡を学習して将来の生物医学的発見を予測する研究
要約本論文は、公表された生物医学的結論を主題ごとにクラスタ化し、初期の知見から近年の知見へ向かう方向を語義空間で投影し、埋め込み言語モデルで自然言語の仮説に復号するForeSCITEという枠組みを提案します。約300万件のカットオフ以前の結論から得た407のクラスタを用い、時間分割による回顧的評価で、五つのベースラインと比べて意味的カバレッジ、実体対の新規性、カットオフ後の実体対の再観測率が向上したと報告しています。専門家の評価では、CAR-T関連の仮説37件が新規性と生物学的妥当性を兼ね備えると判断されました。
説明臨床ガイドライン推論のための潜在決定フロー報酬
要約本論文は、臨床ガイドライン推論モデルを学習するためのGUIDER手法を提案する。決定フロー制御器と推論ポリシーを同時に最適化し、複数の生成された決定フローに対してプロセス報酬を計算するとともに、答えの正しさで報酬を制御することで、経路の多様性と経路・答えの間のギャップに対処する。MedGUIDEでは、Qwen3-14B版のGUIDERが加重精度82.5、ガイドライン遵守度73.5を達成し、ドメイン外のベンチマークでも既存手法を上回った。
説明SatOps-Decision：衛星通信運用向けの低遅延判別型意思決定手法
要約本論文は、衛星通信運用における低遅延な意思決定手法 SatOps-Decision を提案する。ローカルに適応させた Laya エンコーダと判別型の決定ヘッドを用い、与えられた運用上の選択肢から一度の順伝播で回答を選ぶ。同一の独立テスト 1,024 問では、1 回の決定の中央値遅延が 90.3 ミリ秒、平均正答率が 85.3% で、比較対象の生成型モデルおよび凍結した Laya を上回った。
説明パック化された3Dアテンションでは幾何構造が重要
要約本論文は、3Dボリュームをトークン列にパックすると系列の順序が試料の幾何構造を表さなくなり、系列位置に基づく位置機構がオブジェクトではなくメモリ配置を学習しうることを指摘します。著者らはPACK3Dという局所・大域アテンション演算子を提案し、近傍は厳密なアテンションで扱い、遠方の文脈は連続した3Dブロック要約に圧縮し、すべてのクエリ・キー相互作用に真のトークン格子座標上の軸方向RoPEを適用します。合成タスクとAllen WTC-11 hiPSC顕微鏡データで、対照手法を上回る結果を示し、大規模学習に向けた融合Tritonの実装も報告しています。
注目点3Dデータのパッキング後に位置符号化がメモリ配置を学習する問題を指摘し、真のグリッド座標による軸方向RoPEの局所-大域注意機構を提案。合成タスクとWTC-11顕微鏡データで検証。
説明捏造を超えて：AI研究エージェントが執筆した論文における数値の帰属誤り
要約本論文は、公開されたAI研究エージェントのベンチマークにおける540件の判定結果を再分析し、18本の投稿論文に含まれる256件の数値主張を手作業で注釈付けしました。失敗の多くは不正行為ではなく、論文と基礎となる作業との対応の誤りによるものであり、裏付けのない主張のおよそ5分の4は、エージェント自身のファイル内にある別の実験・指標・実行から得られた値に対応していました。著者らは精度90%超の決定的な照合ツールを提案し、検証できないことは虚偽の証拠ではないと指摘しています。
注目点新規性は、失敗を論文と基礎作業の整合性の問題と捉え、決定論的な主張-証拠チェッカーを提案した点にある。摘要は256件の手動ラベル付き主張と99件の提出物で検証したと報告している。
説明Deogen：ポリシー推論のための自動ベンチマーク生成手法
要約本論文は、規則に基づいて判定を行う能力（義務論的推論）を評価するための、拡張性とパラメータ調整が可能な自動ベンチマーク生成器DeoGenを提案する。ポリシー規則を一階述語論理に自動形式化し、決定木を構築して各経路を評価項目とする。フロンティアモデルは判定可能な項目で89〜92%の正答率を示したが、情報不足で判定すべきでない項目では、明示的に判定を控えるよう指示していても正答率は22〜40%にとどまった。
説明マルコフ型データを用いたストリーミング連合学習の汎化ギャップに関する研究
要約クライアントのデータがマルコフ過程に従う場合の、ストリーミング連合学習（SFL）における集約モデルの期待汎化ギャップを、情報理論と率歪み理論を用いて研究している。交差エントロピー損失の下で境界を導き、線形次トークン予測と自己注意型次トークン予測に特化して結果を示している。通信頻度が汎化を弱める可能性があるという通信と汎化のトレードオフも示されている。実験は TinyStories を用いた GPT 型言語モデルの事前学習と実世界の時系列予測で行われている。
説明能動的LLMフィードバックによる量子着想のペアワイズ順位集約
要約本論文は、量子着想の対話型順位集約フレームワークを文書リランキングに拡張したLLM-IRAを提案する。大規模言語モデルは意見の食い違いが大きい文書ペアの判定のみに用い、その結果から融合重みを学習する。最終的な順位は、スコアの逐点線形融合によって得られる。BEIRおよびTREC Deep Learningでの実験では、6つの基準のうち5つで強力な静的融合ベースラインと同等または数値的に上回る結果が示された。
説明弱めて強める：大規模推論モデルのための弱化誘導型オンポリシー自己蒸留（WISD）
要約本論文は、適切な外部教師モデルが利用できず、特権情報もない場合に推論モデルを改善するWISD手法を提案します。元のモデルより弱い版を作成し、両者の対比を学習信号として用います。弱いモデルは低ビット量子化と大きさに基づく枝刈りで構成され、数学およびコーディングの推論タスクで評価されています。原文によると、平均精度はそれぞれ4.0ポイントと5.5ポイント向上しました。