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CIE で計算可能な正解を用いたマルチモーダル LLM の色彩判断ベンチマーク
要約本論文は、CIE 色度学の枠組みに基づく五つのタスクからなるベンチマークを提案する。タスクは、AWB ペア判定、肌色の偏り方向、相関色温度の推定、CIE ΔE 2000 による色差の順序付け、光源変化下での色名付けである。八つのマルチモーダル LLM エンドポイントを評価した結果、粗い二値判定は比較的できるものの、数値による色温度推定や一部の細かい色差判定では弱いことが示された。
説明自律ロボットナビゲーションのための単眼RGB人物追跡における意思決定レベルの誤差帰属と深度考慮型安全性評価
要約本論文は、ロボットの停止・進行という安全判断に用いられる単眼RGBによる人物追跡を扱っている。著者らは、横方向距離のみを使う規則では平面規則で特定される危険を見逃さないが、不要な停止が生じることを証明した。ETHおよびUCYの歩行者映像と仮想的な静止ロボットを用い、シャープレイ値による帰属分析で規則と知覚それぞれの寄与を分離している。
説明エンティティ固定の主張抽出による全文学術論文の論証マイニング
要約本論文は、タスク、データセット、モデルなどの科学的エンティティの言及を手がかりに、学術文献中の主張を特定し構造化する手法を提案し、長文書における論証マイニングの課題に取り組んでいます。感情分析分野の全文論文50本を事例として人手による金標準を作成し、複数の大規模言語モデルの多数決により約1,487件の主張からなる銀標準データセットを生成しました。銀標準データのみで微調整したエンコーダは、少量の人手注釈データで学習したものより高い性能を示し、学習コーパス外の自然言語処理論文にもゼロショットで転移できることが示されています。
説明意味と構造の橋渡し：テキスト付きグラフ上のリンク予測のための理論に基づく枠組み（Bridge-LP）
要約テキスト属性付きグラフ（TAG）上のリンク予測を対象に、グラフ表現と言語表現を統合する Bridge-LP という枠組みを提案しています。テキスト近接の跳躍接続、圧縮埋め込み、キャッシュ埋め込み学習の三つの設計を組み合わせ、構造と意味の信号を取り込みつつ大規模グラフに対応します。9つのデータセットで40の既存モデルと比較し、平均相反順位（MRR）で最大43.06%の改善を報告しています。
説明動画生成とエージェントハーネスの融合：エージェント型動画生成・エージェント型世界モデリング・再帰的自己改善
要約動画生成とエージェントハーネス（エージェントを動かす実行基盤）の組み合わせを扱った総説的なレポートです。脚本作成、ショット計画、素材管理、制作、編集をハーネスが調整するエージェント型動画生成、観測・制御・実行・状態をハーネスが仲介するエージェント型世界モデリング、動画モデル開発における再帰的自己改善の三つの方向を検討しています。関連するエージェント能力や、自律的な動画制作、長期記憶、プログラム可能な混合制御などの課題も論じています。
説明AdMuse：スキル誘導型のクリエイティブ広告画像生成
要約本論文は、優れた広告から再利用可能なクリエイティブスキルを抽出し、分野横断的な広告戦略に活用する、スキル誘導型のマルチエージェント枠組みAdMuseを提案している。生成時には、スキルの選択、複数候補の発想と選定、視覚言語モデルによる画像の改良を順に行う。多様な製品やブランドのポジショニングに関する実験では、製品の位置づけを忠実に伝える視覚的に魅力的な広告が生成できたと報告している。
説明単一位置回帰による時系列基盤モデルの軸方向注意機構の理解
要約本論文は、単一位置回帰（Single Location Regression）の枠組みを二次元構造化データへ拡張し、目標が少数のトークンに依存する疎な情報の設定を研究している。解析可能な軸方向注意型の予測器を定式化し、その統計的性質と学習過程を分析している。特定の漸近的条件下で基礎となる真のパラメータが既知であれば、この予測器はベイズ最適性を達成し、一部の半線形の簡略化は達成しないことを示している。さらに、特定の温度スケーリングにおいて射影勾配降下法が最適パラメータへ大域的に収束することを証明し、数値実験で逆温度スケジュールの重要性を確認している。
説明マルチエージェントシステムにおける情報ギャップの特定と解消
要約複数ステップのWebタスクでは、複数のLLMエージェントが証拠を収集・統合する必要があるが、固定ワークフローの通信構造によっては、ある証拠が必要なエージェントに届かず、回答が不完全または誤りになることがある。本論文は、クエリごとに情報ギャップを特定し、有向エッジを1本追加して関連証拠を伝え、影響を受けるノードを再実行して候補回答を生成するSPLICEを提案する。そのうえで、両実行の回答と処理の変化をもとに学習済みセレクタが候補回答か元の回答かを選ぶ。5つのベンチマークで、Web ツール利用タスクでは静的スケルトンに比べタスクスコアが8.0%、推論・計画の4ベンチマークの平均スコアが5.7%向上し、コストはスケルトンの1.25〜1.44倍であり、未見の4つのバックボーンにゼロショットで転移することが示されている。
説明ランキングに隠れた格差：分布の安定性に基づくカテゴリ別公平性
要約本論文は推薦システムにおける公平なランキングの問題を扱います。ランキング方策を順列上の確率分布として定式化し、ユーザの効用を、理想的なランキングと比べて相互作用した項目に与えられた露出度で定義します。ユーザ群間の効用の均等性と、項目カテゴリごとに均等性を求める条件付き効用均等性の二つの基準を検討し、いずれも用户群の構成変化に対する効用の安定性と同値であることを示します。方策の混合に対する最適化は二次錐計画問題となり、汎化境界を与えています。数値実験で理論的結果を検証しています。
説明CCTを超えて：ショットごとのカメラ色補正のためのマルチチャネルSPD復元
要約現代のカメラは、相関色温度（CCT）で補間される、事前に校正された2〜3組の3×3行列で色補正を行います。これにより光源のスペクトル分布が一つのスカラー値に圧縮されます。本論文では、非負最小二乗法を基底辞書、カメラの白色点、多チャネル環境光センサー（ALS）に基づいて用い、光源のスペクトル分布（SPD）を直接復元し、ショットごとに閉形式の3×3色補正行列（CCM）を当てはめます。300種類の光源と3,100種類の反射率からなる合成ベンチマークでは、平均角度誤差が1.89度から1.20度に低下し、プランクian軌跡から外れたLED系光源のグループでは尾部誤差が約1.7倍改善しました。
説明EventSeeColor：単色イベントデータからカラー画像を再構成する手法
要約イベントカメラは困難な照明条件下でも明るさの変化を捉えられるが、従来のイベント画像再構成はグレースケール画像しか得られない。本論文は、再構成されたグレースケール画像と整列したイベントを用いて拡散モデルによる着色を誘導するEventSeeColorを提案する。二つの実イベントデータセットによる総合評価では、構造類似度、学習ベースの知覚スコア、有彩色領域の色差において、比較対象の外部手法を上回った。
説明対数ギャップの解消：エピソード型強化学習における極小最適リグレット
要約本論文は、有限表形式のエピソード型マルコフ決定過程におけるリグレット最小化問題を扱う。Kが十分大きい場合、提案アルゴリズムの期待リグレットは√(H³SAK)のオーダーで抑えられ、追加の多対数因子を伴わずに極小の下界に一致する初めての手法とされる。UCBVIの変種として、厳密な楽観的推定を保持せず、訪問回数と推定分散の双方に適応する対数項を持つMOSS型の探索ボーナスを用いる。さらに、この手法を(ε,δ)-PAC最良方策同定にも応用し、一部の条件下で極小の下界に定数倍の範囲で一致するとしている。
注目点UCBVIの変種を提案し占有重み付けで楽観性不足の誤差を制御、対数因子なしで最小最大下界に一致する紧界を報告。
説明特徴抑制を緩和するFisher対照学習：急性前骨髄球性白血病診断の事例研究
要約本論文はFisher対照学習（FCL）を提案し、正則化Fisherトレース基準を用いて自己教師あり対照学習に生じる特徴抑制の問題に対処します。特徴抑制とは、支配的または学習しやすい要因が、クラスに関連する他の信号を抑え込む現象です。著者らはFCLが特徴抑制の影響を軽減する表現を学習することを示し、模擬ベンチマークと実応用で検証しました。白血球顕微鏡画像データで事前学習し、外部コホートで急性前骨髄球性白血病の診断に転移学習を行った結果、FCLは自己教師ありのベースラインを上回り、より頑健で判別力の高い表現を得られました。
説明意図の解釈とサービス発見のための交渉対応ハイブリッドLLMフレームワーク
要約利用者は必要事項を構造化された依頼ではなく自然言語の意図として表現することが増えており、その意図は不完全だったり、抽象的だったり、互いに矛盾したりすることがあります。本論文は、まず意図を洗練して矛盾を動的に検出し、次にプロバイダー非依存のTOSCAテンプレートに構造化し、クラウド事業者のサービス目録に基づく決定的なマッチングで候補を検索する枠組みを提案します。矛盾は利用者との反復的な自然言語交渉で解決されます。70件の多様な意図での評価では、単発プロンプトおよび強化プロンプトのベースラインと比べ、矛盾検出とサービス発見の再現率とF1値が向上し、幻覚による架空のサービス提示は発生しませんでした。
説明FARE：小売需要予測のための因子認識検索と誤差誘導融合手法
要約この論文は、販促や暦上のイベントによって変動する小売の販売予測に対し、FAREという手法を提案しています。目標週の各既知因子について過去の類似週を個別に検索し、固定予算の下で因子参照にまとめた上で、2つのゲートにより形状参照との融合と基礎予測の補正を行います。Favorita、M5、Rossmann、Rohlikの4つのデータセットで、5つのバックボーンモデルの加重絶対パーセント誤差（WAPE）を平均でそれぞれ11.46%、4.06%、14.63%、10.16%削減したと報告しています。
説明学習不要のオンライン動画ステップ定位のための階層的ステップ分解
要約本論文は、大規模マルチモーダルモデルの意味理解能力を活用した、学習不要のオンライン動画ステップ定位フレームワーク、階層的ステップ分解（HSD）を提案している。HSDは、ストリーミング動画をアンカーキャプションで検証しながら意味的に一貫したイベントにまとめ、不確実な予測については候補ステップを細かなサブステップに分解して精緻化する。HT-Step、Ego4D Goal-Step、CrossTaskでの実験において、既存手法を上回る性能と高速な推論が示されたと報告されている。
説明生成の逆説：人間の能力のための反プロンプト・パラダイム
要約本論文は、教育における生成AIが人とAIの協働による成果だけで評価されがちで、支援が変化・消失した後に人が理解、検証、修復、適応できる能力が見落とされていると指摘します。著者らは「生成の逆説」を提起し、保持された人間の能力を現在の協働性能と並ぶ設計目標とすることを提案します。さらに、即時の生成が重要な人間の行為に取って代わる場合には、AIがまず人間の構築の条件を整えるべきだとする「反プロンプト」パラダイムを示します。
説明モードダイナミクス：ニューラルネットワーク学習のための枠組み
要約本論文は、ニューラルネットワーク学習中のパラメータの協調的な変化とモデル出力の変化を結びつける「モードダイナミクス」という枠組みを提案している。記録されたパラメータ軌跡の更新を集団的なモードに分解し、各モードが出力に与える効果を求める。実験では、少数の主要なモードで振る舞いを再構成でき、誘導される効果は学習経路に依存し、モードの複雑さはタスクやデータによって異なることが示されている。
説明二重打ち切りデータを用いたEC向け分位点需要予測のための深層学習フレームワーク
要約本論文は、二重に打ち切られた観測値から分位点を学習する深層学習フレームワークと、それに適した評価指標を提案している。小売では実売上が在庫による上限やプロモーションによる押し上げを受ける一方、目標は潜在需要であり、本研究はこのような状況を対象とする。理論的保証を示し、実験では既存のベースラインを上回ることを報告している。また、在庫シミュレーションと実データへの適用により、小売運営における有用性を確認している。
説明NeurEO：計算神経科学の手法で地球観測埋め込みを解析する
要約地球埋め込みは豊富な地球観測データを圧縮した表現で、多様な地理空間タスクに下流モデルが対応できるようにします。一方で埋め込みの意味が不明なため解釈性が低下します。著者らは生物の神経活動を解釈する計算神経科学の手法を応用し、AlphaEarth 埋め込みを分析しました。土地被覆や標高との対応関係から、特徴間の相関と多スケール構造、そして「北向きと南向きの森林境界」のような方向性のある応答を示しました。主要な土地被覆の傾向を除くと、より高い実効次元を持つ細かな表現の詳細も見つかっています。
説明DynaRev：目標の動的変更下でWebエージェントを評価するベンチマーク
要約本論文は、181のタスクからなるベンチマークDynaRevを提案し、ユーザーが対話の途中で目標を変更する場合のWebエージェントの性能を評価します。変更はタスクで定めた意味的マイルストーンの段階で与えられ、追加的な変更、無条件の上書き、実行時条件付きの上書きの3種類を扱います。正しさ、応答性、効率を実行軌跡に基づいて評価し、5つのモデルの試験では、エージェントがタスク要件の一部しか満たさないことが多いと示されています。
説明VideoMemBench：動画対話におけるMLLMの記憶力はどの程度か
要約本論文は、同一動画に対する多ターン対話で、モデルが先行ターンの情報を保持して再利用できるかを測るベンチマーク VideoMemBench を提案する。動画326本と2,476ターンを含み、そのうち1,387ターンが先行ターンに依存する。20以上の評価対象モデルの中で最高のClaude Opus 5でも総合スコアは45.7%にとどまった。
説明オフライン目標条件付き強化学習における「経路の蜃気楼」からの脱出
要約本論文は、確率的な長期タスクにおけるオフライン目標条件付き強化学習の課題を扱います。データセット内で確率性によって偶然成功した軌跡に過度に依存する「経路の蜃気楼」が失敗の原因とされます。著者らは、分岐認識グラフプランニング（BGP）を提案し、変動の大きい点をグラフのノードとし、分割学習を用いた目標条件付きエッジで不確実な分岐を避けます。多様な OGBench タスクで、従来の最先端手法を大きく上回ったと報告しています。
説明機械学習原子間ポテンシャルの不確実性定量化において系のサイズは重要か？
要約本論文は、機械学習原子間ポテンシャルにおいて、構造レベルの不確実性スコアが異なる原子数の系の間で比較可能かを検討している。原子ごとの不確実性を平均値と最大値で集約する二つの方法について、原子数に対する依存性を調べた。平均値による集約は均一な系ではサイズに依存せず、大きなセルの欠陥には鈍感になることが示された。一方、最大値による集約は分布内の系では系のサイズとともに増加し、極値統計と整合的に分布内と分布外の差を狭めることが示された。
説明二つで探り、数千で検索：視覚言語プローブを検索テストにかける
要約本論文は、視覚言語モデルを評価する二つの方式、すなわち画像とテキストの対応を判定するプローブ（SVO-Probes、SugarCrepe）と大規模検索との関係を比較しています。六つのモデルについて100件のクエリの上位10件の検索結果を人手とLLM判定者で評価し、負例の出どころを変えて順位付けの性能を比べました。SVOでは手作りの負例の方が検索で得られた負例よりも正解を選びやすい一方、SugarCrepeでは逆の結果でした。SVOの低い検索スコアは主に不完全な関連性ラベルによると述べられ、プローブの合否と首位の検索結果の正しさの間には関連が見られませんでした。
説明四次元医用画像の教師なし補間で運動の曖昧性を抑えるための運動多様体学習
要約本論文は、中間時刻の教師データを用いずに、時間的に疎な端点観測から四次元医用画像の中間解剖状態を再構成する問題を扱う。運動場の曖昧性を抑えるため、クロスサンプル・スペクトル基底学習と、サンプル条件付きCayley基底再配向により運動多様体を学習する枠組みを提案している。ACDCおよび4D-Lungで評価を行っている。
説明SynthFaces：バランスの取れた大規模合成顔データセット
要約本論文は、生成モデルの学習と微調整のために多様な顔を制御可能に生成するパイプラインを提案しています。Arc2Face拡散モデルを基盤に、アイデンティティ埋め込みの多様体上で動作するフローマッチング生成モデルを加えています。その結果、身元の分布が均衡した合成データセット「SynthFaces」を構築し、最近傍による非漏洩指標で身元の分離を検証しています。個人化生成のアダプタ手法の微調整にも利用できることを示しています。
説明SelfThinker：信頼性検証付きの内在的視覚思考による自己進化型推論
要約本論文は、統一マルチモーダルモデルが自ら生成した視覚的思考を用いて画像理解を高めるフレームワーク「SelfThinker」を提案する。人手による補助画像の注釈は不要である。候補補助画像を生成し、条件付き点ごと相互情報量でスコアリングして高有用性の視覚的思考を選び、生成器の学習と自己蒸留の教師文脈に用いる。推論時は中間画像を生成せず、テキストで元画像から直接推論する。小規模な合成データのみで学習しても自然画像や空間ベンチマークに広く転移し、七つのベンチマーク平均は52.7から64.0に向上したと報告されている。
注目点人手による注釈なしで、統一モデルが自ら生成した視覚的思考を条件付き相互情報量で選別する自己進化型フレームワークを提案し、7ベンチマークで平均11.3点向上を報告。
説明D-MOD：加速MRI向けの拡散モデルによるモード推定手法
要約本論文は、MRIの高速再構成のためのD-MODアルゴリズムを提案しています。毎回ランダムなサンプルを返す事後サンプリング法とは異なり、事後分布の最頻値（モード）を求めます。平滑化された対数事後分布の下界に対するminorize-maximize法と、事前学習済み拡散モデルによるデノイズ、共役勾配法によるk空間データとの統合で構成されています。fastMRIの脳画像（T1、T2、FLAIR）では、単一の再構成がPSNRで多数サンプル平均の基準手法を上回り、最も強い基準手法との差は0.31 dB以内で、11〜73倍高速です。
説明フローマッチング向けの結合ガイダンス：生成過程をより安定して制御する手法
要約本論文は、フローマッチング（flow matching）モデルにおけるガイダンス手法を扱っています。拡張モデル向けのガイダンスをそのままフローマッチングに適用すると、学習時に用いる結合分布が崩れ、サンプリング精度の制御が弱まることを理論的に示しています。これを踏まえ、フローマッチングの学習に内在する結合構造を利用する、幾何学的観点から導かれた結合ガイダンス（Coupled Guidance）を提案しています。ロボットの衝突回避タスク、Adroitベンチマークの器用な操作タスク、ImageNet-128とCelebA-HQ-256における画像修復・超解像・ぼけ除去で評価し、追加の計算負荷なしにサンプル品質と安定性が向上したと報告しています。
説明方策と評価基準の報酬適応型共進化（RACE）
要約本論文は、オープンエンド強化学習において評価基準（rubric）に基づく報酬を扱うRACEという枠組みを提案している。ロールアウトのグループごとに、訓練信号が有効なもの、多様性が崩壊したもの、評価基準が機能しなかったものに分類し、有効なグループのみで方策を更新し、評価基準の失敗は保存する。報酬の飽和が続くと評価基準の最適化段階に移行し、報酬の改善が頭打ちになると戻る。著者らは、統一された評価プロトコルの下で、八つのタスクすべてで最も高い平均性能を示し、評価基準の識別能力も向上したと述べている。
説明RepConTUR：放射線科報告を条件とする腹部腫瘍セグメンテーションの3Dマルチモーダルモデル
要約本論文は、放射線科報告に基づいて腹部CT画像上の腫瘍を3次元で領域分割する、ネイティブ3Dの早期融合型マルチモーダルモデルRepConTURを提案しています。AbdomenAtlas 3.0を臓器内部レベルのプロンプト可能なセグメンテーションデータセットへ拡張し、報告由来のVQAペアを生成して、指示表現セグメンテーション、報告に基づくセグメンテーション、報告生成、視覚的質問応答の4タスクを同時に学習させています。肝臓、腎臓、膵臓において、テキストプロンプト可能な比較手法の中で最も高いDice係数、インスタンス単位の精度、検出F1を示したと報告しています。
注目点完全な放射線報告を3次元腹部腫瘍セグメンテーションの条件とし、4種の報告関連タスクを共同学習する。摘要は肝・腎・膵および外部コホートで基線を上回る指標と消融結果を報告している。
説明複数の専門分野向けに言語モデルを拡張するアップサイクリング手法
要約本論文は、大規模言語モデルを複数の専門分野に適応させるためのDS-Upcycling（ドメイン特化アップサイクリング）を提案しています。Transformerの層に専門家モジュールとルーターを追加し、ルーターがドメインに応じて適切な専門家を選べるようドメイン認識型の教師信号を導入しています。各新分野での微調整では、対応する専門家とルーターのみを更新し、他のパラメータは凍結します。実験では、適応した分野での平均性能が基準手法を上回り、汎用性能も保たれました。ルーターの学習には分野ごとに256例のみを用い、適応後のルーティング精度は90〜98%に達しています。
説明画像走査顕微鏡のためのニューラルブラインドデコンボリューション
要約本論文は、画像走査顕微鏡（ISM）向けに、学習を必要としないブラインドDeep Image Prior（DIP）枠組みを提案し、試料像と検出器ごとの点広がり関数（PSF）を同時に推定する。PSFは検出器の幾何構造と共有の励起・蛍光PSFによりパラメータ化され、ガウス型の事前初期化によって盲最適化が安定化される。実験的なチューブリンデータにおいて、本手法は多画像デコンボリューションや理論PSFを固定したDIPよりも細かい線維状構造を復元している。
説明形態認識型チャネル分離Mambaネットワークによる医用画像セグメンテーション
要約本論文は、CTによる多臓器セグメンテーションのためのMCDNetを提案している。チャネルを分離して処理する状態空間ブロックと、変形可能畳み込みとチャネルアテンションを組み合わせた局所構造強化モジュールを用いる。Synapse腹部CTデータセットでの多臓器セグメンテーションの平均Dice係数は81.61%である。
説明二値の実行可能性オラクルから安全なフローマッチングロボット方策を学習する研究
要約この論文は、ロボット基盤モデルで用いられるフローベースの行動生成が、関節限界や衝突回避などの物理制約を満たす保証がないという問題を扱います。実行可能集合が解析的に記述できず、ブラックボックスの実行可能性オラクルでしか得られない場合を対象に、オラクルで誘導される微分可能な安全機構を提案しています。この機構は二値の実行可能性問い合わせを用いて順伝播で危険な更新を修正します。障害物のある操作実験では、タスク性能を保ったまま100%の制約充足を示したと報告されています。
説明3次元MRCPにおける主膵管幅計測のための不確実性を考慮した粗から細への分割手法
要約本論文は、3次元磁気共鳴胆膵管造影（MRCP）から主膵管（MPD）を分割し、最大幅を解析する深層学習ベースの自動化パイプラインを提案しています。まず粗い位置推定モデルで管の関心領域を特定し、その中で細かいモデルが主膵管を分割します。5モデルの交差検証アンサンブルを用いて性能と不確実性を推定しています。14名55ボリュームのテストセットで、DSCは0.634、最大幅予測の平均絶対誤差は0.355mm、拡張した主膵管（5mm以上）の検出感度は75.0%、特異度は74.4%でした。
説明エージェント工程証跡（APE）：AIコーディングエージェントの作業過程を署名付き・改ざん検知可能な形で記録する仕組み
要約論文は、AIエージェントがプルリクエストの作成や依存関係の選定、リファクタリングなどソフトウェア開発ライフサイクル全体を担うようになったと述べる一方、エージェントの推論やツール呼び出しはセッション終了とともに消失し、既存のgitログや監査の仕組みでは追跡できないと指摘する。著者らは、セッションと成果物を結びつける署名付き・改ざん検知可能・機械可読な証明であるAgentic Process Evidence（APE）を提案し、in-toto形式の証明フレームワークに対応させている。APEはポリシー・アズ・コードによる管理を可能にし、必要な場合にのみ人間の確認を求める設計である。
説明BRACHIO：HECKTOR 2026 頭頸部腫瘍画像チャレンジ参加報告（施設横断的な広範表現）
要約本論文は、チーム nucli が HECKTOR 2026 頭頸部がん画像チャレンジに参加した報告である。課題は原発腫瘍と節性腫瘍体積の輪郭描出、TN病期分類、無再発生存期間（RFS）の予測で、データは多施設の PET/CT 画像である。チームは自己教師あり事前学習エンコーダを用い、分割、病期分類、予後予測のモデルを組み合わせた。分割の平均 Dice は 0.5409、TN 病期分類の balanced accuracy は T 病期 0.3962、N 病期 0.6432、RFS 予測のテスト Harrell's C 指数は 0.6577であった。
説明視覚的自己回帰モデルにおける概念の局在化（LoCo）
要約本論文は、視覚的自己回帰モデル内で特定の概念がいつ・どこに現れるかを、層・スケール・位置の三つの次元で特定する、モデル非依存の枠組みLoCoを提案しています。あわせて10カテゴリにわたるデータセットLoCoBenchを構築し、Infinity、HunyuanImage-3.0、InfinityStarなどのモデルで検証しています。さらに、この局在化手法を概念消去、モデルのパーソナライズ、敵対的な概念注入に応用しています。
注目点次スケール視覚自己回帰モデルに向けた初の概念局在化フレームワークを提案し、層・スケール・位置の3軸で因果的な探索と三つの応用を検証。
説明実行時交絡下の強化学習：方策学習とオフポリシー評価
要約本論文は、展開時に意思決定の鍵となる一部の変数を取得できない状況（実行時交絡）における強化学習を扱う。医療、電子商取引、ロボティクスなどでは、法的・倫理的・物流上の理由からこのような変数が収集できない場合がある。著者らは、実行時交絡下の方策学習アルゴリズム、準パラメトリック有効なオフポリシー推定手法、そして実行時交絡のコストを把握するための診断手法の三つを提案している。
説明一つのベクトルか、複数か？量子化下におけるクラスタ化最適輸送によるステアリング
要約本論文は、言語モデルの隠れ状態を推論時に編集して有害な出力を減らす手法を研究している。一般的な平均差ベクトル法と、クラスタ化された最適輸送に基づく写像を比較し、Gemma-2-2B と Granite-3.1-2B で INT8 および NF4 量子化の下での効果を検証している。トークン単位で適合させた変種は、多くの設定で平均差法より毒性を多く減らすが、毒性分類器ごとの結果は一致していない。
説明事前事前学習の再考：合成データによる独立段階の効果は限定的
要約本論文は、計算量を揃えた比較実験において、合成データによる事前事前学習（PPT）が自然言語のみの学習を上回ることはなかったと報告している。四種類の合成カリキュラムと三種類の学習条件で検証され、先行研究で報告されたPPTの利得は重みの初期化方式に敏感であることも示された。著者らは、独立した学習段階としての合成事前事前学習の利点は限定的であり、この種のデータの使い方を再考すべきだと結論づけている。
説明EPC-RawDC：等変物理制約と生データ整合性を組み合わせたCBCTからCT画像合成用の3D拡散モデル
要約本論文は、同一スキャナのCBCT順変換モデルから導出した二つの制約を三次元潜在拡散フレームワークに組み込み、CBCTからCTへの画像合成を行うEPC-RawDCを提案します。二つの独立した臨床コホートで評価され、SSIMは両コホートで0.97に達しました。PSNRはDDPMに比べSynthRAD2025で2.66 dB、JUSTで2.10 dB向上し、平均MAEはそれぞれ20.3%と19.0%減少しました。
説明UPPAAi：大規模言語モデルによるモデリング・検証・分析・合成の支援
要約UPPAALは実時間システムやサイバーフィジカルシステムのモデリングと解析を支援するツールですが、モデルの構築、性質の形式化、解析手法の選択、反例の解釈には依然として高い専門知識が必要です。本論文では、ユーザーが大規模言語モデル（LLM）との対話によってモデルを構築、説明、デバッグ、仕様化できるUPPAALの拡張であるUPPAAiを提案しています。ユーザーが要求し、LLMが提案・説明・調整を行い、UPPAALが検証するという方針です。タイムドオートマトン、確率ハイブリッドオートマトン、戦略学習を扱う7件の事例研究を報告しており、LLMは解決策の生成だけでなく、尋ねられていないUPPAALの関連機能も積極的に提案したとされています。
説明ハイブリッドAIパターン：言語モデルとルールを結合する13の方法と、その選び方
要約言語モデルと実行可能なルール言語を結合する13の設計パターンを、オブジェクト指向設計パターンの形式に倣って整理した論文です。各パターンの意図、適用場面、参加要素、結果、実装などを記述し、問題からパターンを選ぶための決定ガイドを示しています。著者の測定に基づき、各設計にかかったコストも報告されており、モデル単独で混合方式と同等以上の結果が出た事例も含まれています。
説明AI Cosmos：状況学習のためのエージェント型インフラ
要約本論文は、状況学習のためのエージェント型インフラ AI Cosmos を提案する。シナリオへの参加と実践の蓄積資産という2つの原則に基づき学習を組織化する。学習者と役割特化型エージェントがシナリオ内で協働し、資産記憶ループによって実践の過程と成果を再利用可能な資産として保存する。2つの事前登録済みランダム化比較試験で、法的推論とプログラミング能力の習得を検証し、両条件とも同一の基盤LLMを用いた。法的推論では従来のLLMより高い学習効果が、未見のプログラミング問題では LLM-as-Teacher 基準より高い習熟度が示された。
説明一つの量で安価な検索と観測の信用割当てを行う：情報価値（Value of Information）
要約論文は、強化学習における記憶の検索はコストが高く、記憶を獲得した行動への信用割当てが系列全体にわたる点を問題とする。著者らは、学習済みの世界モデルでアーカイブされたロールアウトから情報価値を推定することを提案し、獲得行動の最適価値に対する証明可能な下界を導くとしている。さらに、この量から最適な検索集合を定義し、文脈を減らして記憶タスクを解く試験的な検索システムを示している。
説明Segment Anything Modelに基づく文脈誘導型Mamba Unetによる医用画像セグメンテーション手法
要約本論文は、SAMの文脈知識とMambaの階層的特徴学習を統合し、全体表現と局所的な細部の両方を強化するSAMBA-UNetという医用画像セグメンテーションの枠組みを提案している。注意機構に基づく階層的文脈強化モジュール（HCEM）を設計し、LoRAとAdapterによってSAMを医用画像タスクに適応させている。Synapse、ISIC17、ISIC18などのデータセットでの実験により、最先端の性能が示されている。
説明HEMO：多目的組合最適化のための自己進化型ハーネス手法
要約本論文は、大規模言語モデルを用いて多目的組合せ最適化の探索演算子を自動設計する手法HEMOを提案する。従来の手法は演算子のみを進化させ、それを発見する過程は固定していた。HEMOは設計過程そのものを自己進化の対象とし、経験の検索、演算子の改良、親の選択、探索手順の編成などのモジュールを一つずつ更新し、永続メモリで候補結果と診断フィードバックを保持する。8つの多目的組合せ最適化タスクと2種類の構造の異なる進化バックボーンでの実験で、従来の進化的手法、ニューラル手法、LLMベースの基準手法を上回り、関連タスクへの転移も有効であったと報告している。
説明PET向けDINOv2：分類・セグメンテーション・予後予測にわたる事前学習ドメインのベンチマーク
要約本論文は、2次元PET画像で事前学習した初のDINOv2モデルPET-DINOv2-2Dを提案している。自然画像で学習した元のDINOv2、およびCT・MRI・超音波で学習したOmniRadと、同じ軽量ヘッドを用いて比較した。正常／異常の分類、病変のセグメンテーション、無再発生存の予後予測の3つのPETタスクで、両者と同等以上の結果を示した。ラベルが少ない場合に優位性が最も大きい。
説明FIDE：参照相対法則ダイナミクスのための繊維情報付き微分可能実験計画
要約本論文は、既存の動力学モデルを基準として保持しつつ測定方式を選ぶFIDE手法を提案する。各候補設計の集計制約を、共通の凍結参照分布に対する情報射影で補い、得られた完全経路を実現するのに必要な動力学の修正量で、科学的に妥当な設計を順位付けする。実験では、この選好がセンサー選択を変え、基準モデルの信頼性に応じて下流予測を改善も悪化もさせること、また32次元の構成法則にも計算上適用できることが示される。
説明Greenscapes：都市における植生配置の最適化手法
要約本論文は、3次元の都市景観に低木から大木までの植生を配置する新しい手法を提示している。個々の敷地を入力とし、条件付き視覚言語モデルで植生の上面図を生成した後、3次元シーンに変換する。さらに、CMA-ESを用いて植物の尺度や3次元アセットを最適化し、日陰、音響、視覚的な知覚指標の観点から機能性と美観を両立させる。
説明人間とAIの対話を第一級のデータとして扱う：説明可能なAI協働のための形式的対話モデルとランタイム
要約論文は、AIアシスタントとの対話が一度きりのやり取りとして扱われがちで、再現性や分析が難しいと指摘する。著者らは、文脈、依頼、プロンプト、応答、フィードバック、出所、モデル情報を構造化オブジェクトとして表す形式言語HAIDLを提案する。さらに、JupyterLab向けミドルウェアHAIDL-Xを実装し、対話オブジェクトとノートブックの実行履歴を利用者行動の指標に変換する学習層を加えている。
説明機構設計の学習と合成性：再利用可能な拘束サブアセンブリで限られたデータでも予測を効率化する研究
要約本論文は、平面機構を既約モジュール、境界インターフェース、求解依存関係で表現するAssur-KBという手法を提案しています。同じ多層パーセプトロン構成の下で、50～10,000件の機構を用いた学習条件では、Assurベースの特徴量が扁平化した隣接行列や位置入力に比べ、サンプル効率の幾何平均で1.8倍の優位性を示しました。さらに、検証された同時ラベル付け替えに対する不変性や、二項合成における有効生成率の向上も報告されています。
説明VLA方策は推理をどの程度信頼すべきか：測定された行動価値関数としてのステップレベル誘導
要約本論文は、推理トレースを経て行動を生成する視覚・言語・行動（VLA）方策を対象とし、推理部分の有無で文脈を比較する分類器フリー誘導（CoC-CFG）を提案しています。各ステップの重みで推理の影響を弱めたり強めたりし、その重みの選択をマルコフ決定過程として扱い、行動価値を実際の実行から測定します。Alpasimシミュレータ、Waymoの評価データ、Alpamayo 1.5での結果が報告されています。
注目点推論の重みを測定可能な行動価値のMDPとして扱い、Q適応ガイダンスを提案。Alpasimや Waymoベンチマークで固定重みや既存手法を上回ったと報告。
説明ハイパーパラメータ最適化による心房細動検出の向上
要約本研究は、機械学習と深層学習モデルを用いた心房細動（AF）検出におけるハイパーパラメータ最適化（HPO）の役割を検討しています。決定木、ランダムフォレスト、XGBoostや、再帰型・深層・シャムニューラルネットワークを比較し、遺伝的アルゴリズム、Hyperband、Optuna、SMAC3の4手法で調整しました。PhysioNetの心電図データセットを用い、患者間と患者内のデータ分割で評価しています。Hyperbandで最適化したXGBoostが最高のF1スコア96.95%を達成しました。
説明p-n接合ダイオード向けの、不確かさを考慮した物理情報ベースの代理モデル
要約本論文は、デバイス長、ドーピング、バイアスを入力とする一次元p-n接合ダイオードの、不確かさを考慮した物理情報ベースの代理モデルを構築しています。代理モデルが予測するデバイス内部状態から、端子電流、空乏層幅、ピーク電界、蓄積電荷などの関心量のテストスイートを作成しています。一次元対称接合では、静電ポテンシャルの中央値L1誤差は0.11%、電子密度と正孔密度はそれぞれ1.5%と0.61%です。さらに、代理モデルの結果がユーザー指定の許容範囲内で有効かどうかを判定する不確かさ解析も示されています。
説明剪定制約の蓄積：Max 2-SAT に対する新しい厳密な多項式空間アルゴリズム
要約本論文は、Max 2-SAT を時間 2^((1-γ)n) 程度で厳密に解く決定的な多項式空間アルゴリズムを提案する。対象は、偏りのある変数を多く含む論理式、準ランダムな 2-CNF 式、正則な拡大グラフや確率的ブロックモデルのグラフ上の Max-Cut などである。DPLL 分岐法を拡張し、探索中に剪定制約を蓄積して大半の割り当てを除外する。
注目点DPLL分岐を拡張し剪定制約を累積する新手法で、稠密なMax 2-SATの一部クラスに対し多項式空間で指数的高速化を示す。
説明声道リアルタイムMRI向けのブラインド動画ノイズ除去：自己教師あり型アンサンブル手法
要約本論文は、声道のリアルタイムMRI（rtMRI）に含まれる大きなノイズを除去するため、時空間超解像学習と分散安定化非局所平均フィルタによる擬似教師信号を組み合わせた自己教師ありの動画ノイズ除去手法を提案している。二つのモデルを融合して、ノイズ抑制と高周波の発音構造の保持のバランスをとる。USC-75多話者データセットでの実験では、未知の被験者に対して信号対雑音比が11.9 dB向上し、より多くの高周波の調音情報が保たれたと報告されている。
説明観測可能性に整合した証拠型マスク事前学習による、信頼性の高い交通弱者の動き予測
要約本論文は、多変量時系列のための証拠型マスク事前学習手法eCoMAEを提案し、予測の証拠を観測内容と整合させる。ブロック単位の時間ステップマスクと正規逆ガンマ分布のデコーダ、そして三つの観測可能性認識機構を組み合わせている。IMPTCベンチマークの交通弱者の意図予測（環境を一つ除く天候シフト）では、OOD精度が0.7971から0.8068に、OOD AURCが0.0718から0.0648に改善した。歩行者軌道予測の四つのデータセットでも、ファインチューニング後のMSEが最良となった。
説明MTG-AD：エンドツーエンドのインライン音声解説のためのデータセットと細粒度評価
要約本論文は、視覚障害者や弱視のユーザー向けに、動画の既存の無音区間に収まる「インライン」音声解説をマルチモーダル大規模言語モデルで生成する性能を検証します。盲目と晴眼の専門家が共同制作した約36時間・8000件超の解説を含むデータセットMTG-AD、そして生成した原稿を音声化して無音区間への収まりを評価するMTG-AD-Evalを提案します。結果として、モデルは映像の出来事を正確に記述し音声の重なりを大きく減らせる一方、語りのテンポや流れには課題が残ることが示されました。自動評価指標は人間の評価と相関し、利用者は人手による解説をわずかに好む一方、モデル生成の解説も理解に大いに役立つと評価されています。
説明プライバシー予算をいつ使うか：プライベート学習における最適配分
要約本論文は、差分プライバシー付き確率的勾配降下法において、固定のプライバシー予算を反復全体にどう配分するかを扱います。ガウスノイズ分散のスケジュールを、合成されたゼロ集中差分プライバシー制約の下での開ループ制御として定式化し、PB-AMDと呼ばれる随伴ミラー降下法を提案します。実験では、テストした設定において、複数の既存の配分規則より良い追跡性能と予測性能が示されています。
説明UniRA：効率的な拡散生成のための統一表現アラインメントと自己符号化
要約拡散 Transformer（DiT）は学習の収束が遅く、計算コストも高い課題があります。本論文は表現アラインメント（REPA）と表現自己符号化（RAE）を単一の目的関数に統合する UniRA を提案します。拡散の目標とアラインメントの基準を兼ねる表現空間トークナイザを学習し、トークナイザ、拡散バックボーン、外部表現モデルを同時に最適化します。ImageNet の 256 および 512 クラス条件付き生成で、FID は SD3、REPA、RAE と同等以上で、学習ステップは最大 5 分の 1 に削減されたと報告しています。
説明ElasticFormer：弾性計算ビジョントランスフォーマーによる高解像度広角画像の物体検出
要約本論文は、ギガピクセル級の高解像度広角画像で前景が極めて疎であり、対象数も多様である課題に取り組みます。提案するElasticFormerは、前景の割合に応じて計算資源を動的に配分するスパースバックボーンです。ElasticSelectorモジュールが分散に基づいてウィンドウを評価し、前景割合を予測してtop-k選択を行います。PANDAベンチマークでは、固定比率のスパース手法と比べてバックボーンのFLOPsを80%削減し、AP50を大きく向上させました。
説明LLMは知っていることを無視できるか？ペルソナ型ユーザーシミュレーションにおける知識漏洩の測定
要約本論文は、ペルソナを条件とするユーザーシミュレーションで、モデルがペルソナの本来知り得ない知識を回答に持ち込む「知識漏洩」を検証しています。表面形式を揃えた架空の対応項目を用いる評価実験により、低知識や明示的な無知の指示があっても、好意的項目における実在項目と架空項目の評価差が残ることが示されました。また不利な項目の差は領域ごとに符号が逆転し、全体での合算分析では差が検出されないとしています。
説明BiHashFormer：超高解像度ワイドショットにおける効率的な物体検出のためのハッシュ駆動型デュアルブランチTransformer
要約本論文は、ギガピクセル級のワイドショット画像で前景が極めて疎であり、前景と背景が入り組んでいるという課題に対し、ハッシュに基づく二重分岐Transformer「BiHashFormer」を提案している。RoI Selectorが前景の割合を予測して対象を含むウィンドウを選択し、圧縮分岐はHashAttentionでキーと値のペアの半分を破棄して計算量を抑える。補償分岐はHashMinerで残りの領域に低コストのハッシュ探索を行い、見逃された物体の特徴を回復させる。ギガピクセルベンチマークPANDAでは、バックボーンのFLOPsを37.5%削減しつつ、AP50を81.0%に向上させた。
説明MLLM-GS：マルチモーダル大規模言語モデルの事前情報を用いた極限環境での高速新規視点合成
要約本論文は、劣化したシーンにおける新規視点合成を扱い、さまざまな劣化の影響を受けた複数視点の画像から3次元シーンを再構成し、未観測の視点で鮮明な画像を生成することを目指す。提案手法MLLM-GSは、凍結したマルチモーダル大規模言語モデルの視覚的事前情報で劣化した視点を強化し、軽量な補正ネットワークによって画素のずれや色の歪みを抑える。さらに3DGSのラスタライズ、ガウス分布のメモリレイアウト、パラメータ更新を最適化し、再構成時間とメモリ消費を削減する。
説明H²R：強化学習で数学推論を高める階層的ヒントベース報酬の手法
要約本論文は、数学問題が本来持つ小問構造を、検証可能な報酬による強化学習（RLVR）の学習中に構造化された中間的な誘導信号として用いる階層的ヒントベース報酬フレームワークH²Rを提案しています。あわせて、階層化された数学問題のベンチマークHiMathを構築し検証を行っています。Qwen2.5-Math-7BのHiMathでの正答率は、階層的ヒントを用いると30.4%から39.1%に向上し、Oracle階層的ヒントを用いると45.6%まで向上したと報告されています。
説明低ビットGDN再帰状態量子化：大域勾配考慮の割り当てと純書き込みスライディングウィンドウ
要約線形注意機構における再帰状態の低ビット量子化を扱った論文です。著者らは、量子化残差と将来の予測損失に対する勾配感度を組み合わせ、モデル全体の混合精度予算の下で各ヘッドのビット幅を割り当てる大域勾配考慮割り当て（GGA）を提案しています。さらに、直近の書き込みをFP8ベクトル対として保持し、ウィンドウを出た後に低ビットの履歴状態へ統合する純書き込みスライディングウィンドウ（PW）を提案しています。Qwen3.5-4B/9Bでの7つの評価で、両者の組み合わせはSTEPQuant@4より課題平均スコアを向上させ、生成長も短縮しました。
説明マルチエージェント協調における校正済み信頼度の学習（MASCAL）
要約本論文は、複数文書にまたがる根拠収集と推論を要するWeb上の多段階質問応答を対象としている。上流エージェントの回答は正誤がばらつくが、多くのシステムはその信頼性を定量的に示さないと指摘する。提案手法MASCALは、強化学習でタスク性能と信頼度の校正を同時に最適化し、正解確率を引き渡す。三種の協調構成で、両エージェントの精度と校正品質が向上し、より深い協調連鎖やモデル規模の違いにも一般化したと報告している。
説明領域汎化セマンティックセグメンテーションのためのスペクトル不変融合と精緻化（SIFR）
要約本論文は、学習時に対象領域のデータへアクセスできない状態で、未知の領域に対して密な予測を行う領域汎化セマンティックセグメンテーションを扱います。提案手法SIFRは、融合と復号の両段階で周波数に着目した二系統フレームワークを用い、領域に敏感な干渉を抑えつつ細かな空間情報を保持します。複数のベンチマークでの実験において、従来の最先進手法を上回る結果が示されています。
説明PhysAg3D：三次元生成モデルとエージェントモデルを橋渡しし、高精細で物理的に相互作用できるアセットを作る手法
要約本論文は、単一画像から外観が写実的で物理的な相互作用が可能な三次元アセットを生成するフレームワークPhysAg3Dを提案している。視覚言語エージェントが画像から意味的な部品、想定される相互作用、物理的事前情報を推定し、三次元生成器がテクスチャ付きの物体全体のメッシュを生成する。エージェントは幾何・物理ツールを用いて関節や変形領域を構築し、レンダリング結果に基づき固定予算内で修正を繰り返す。剛体の関節運動と柔軟な変形の両方に対応するとされる。
説明言語モデルの言語能力評価におけるプロンプトと確率：意味的フォーカス感受性を例として
要約本論文は、言語モデルの言語能力を評価する二つの方法、すなわち判断を直接促すプロンプティングと、トークン確率に基づく方法を比較している。検証対象は「Lucy only SWAM yesterday」と「Lucy only swam YESTERDAY」の対比のような意味的フォーカス感受性である。大規模な一部のモデルでは、プロンプティングが確率に基づく方法を大きく上回った。著者らは、モデルが焦点標示を唐突に生成しにくいこと、また無作為の標示では確率に基づく方法の性能低下が大きいことを示した。
説明『Tokenizer Tokens Tell Training Tales』：トークナイザーの語彙から学習データの含有を判定する研究
要約本論文は、BPEトークナイザーが候補データセットを学習コーパスに含んでいたかを語彙から判定できるかを検討しています。コーパス内で頻度が十分高い稀な文字列だけが結合され語彙に入るため、候補データセットに含まれる稀なトークンに所属の手がかりが現れると論じています。提案手法RTAM-Fusionは影子トークナイザーで稀なトークンの割合を校正し、語彙重複法と比べて、より少ない影子トークナイザーでAUCと均衡精度を向上させたと報告しています。
説明TokenRepel：画質を損なわずに多様な画像セットを生成する手法
要約本論文は、同一のプロンプトから文生成画像モデルが生成する画像群の視覚的多様性を、推論時に高める手法を提案しています。トークン反発機構によりサンプル間の特徴トークンの角度を広げ、トークン密度保持機構によって更新を生成モデルが学習した高密度領域内にとどめます。三種類の事前学習済み文生成画像モデルでの実験では、同一プロンプト下で視覚的多様性が大きく向上し、画像の忠実度は同程度に保たれたと報告されています。
説明CovFedAvg：局所低損失曲線と連合モデル選択
要約本論文は、各クライアントが予測タスクの異なる部分を観測する連合学習のためのCovFedAvg手法を提案する。クライアントはローカルモデルを保持し、集約された勾配により共通の端点を当てはめ、分散訓練損失を用いて候補から実際のモデルを選択する。幅16の設定で、参加データセットのマクロ平衡精度はFedAvgの88.88%から89.84%に向上した。ただし、同等コストの最適化手法に対する曲線手法固有の優位性は示されていない。
説明非線形連続時間系のKoopman生成子をデータ駆動のランダム特徴量で近似する手法
要約本論文は、gEDMDなどのGalerkin近似法に用いる、簡潔で有効な関数表現をデータから構築するランダム特徴量法を提案する。数値実験では、予測やシステム解析において高精度であり、反復最適化より高速であることが示されている。また、ベクトル場と軌道の近似の収束性を証明し、gEDMD半群の一般的な収束判定基準と、gEDMDが指数有界性を一般には保持しないことを示す反例を与えている。
説明TACFormer：ターゲット条件付きPROTACのde novo設計のためのTransformerベース生成モデル
要約本論文は、標的タンパク質分解に用いられるPROTAC分子をゼロから設計するTransformerベースの生成モデル「TACFormer」を提案しています。事前学習済みESM-2によるタンパク質配列の表現を条件として、GPT型の分子デコーダが分子全体を生成します。生成された分子は新規性と化学的多様性が高く、標的タンパク質ごとに化学空間の分布が一貫して変化すると報告されています。
説明sDMD：Sinkhornによる分布マッチング蒸留の拡散モデル高速化手法
要約本論文は、多段階の拡散モデルを2〜4ステップでサンプリングできる生成器へ蒸留する手法sDMDを提案している。著者らは、DMDをWasserstein勾配流と結びつけ、積分KLに最適輸送項を加えて外れ値サンプルの誘導とモード被覆の改善を図っている。判別器の出力に基づいて、Sinkhornによる補正を適応的に有効化する。FLUX.1-dev、Qwen-Image-20B、Wan2.1-14Bで、GenEval、DPG、WISE、VBenchにおいて蒸留ベースラインを上回り、DMD2よりサンプルの多様性も向上したと報告している。
説明KARMA：工業広告エージェントのための、学習不要な知識原子ベースのハーネス進化手法
要約本論文は、モデルの重みと実行可能なハーネスコードを固定したまま、六種類の型付き知識モジュールを進化させるKARMAフレームワークを提案します。決定的なトレース検証器が観測された誤りを候補モジュールに対応づけ、批評器が成功・失敗の軌跡を比較して、ツールの制約を受けた進化器を導きます。知識の変更は、測定された改善量が閾値に達した場合のみ保持されます。約五十万件の実運用ログを用いた18の設定で、保留データ上の平均スコアは30.19から39.15に向上しました。
説明ラベルのダウンサンプリング後に残る領域は？粗いセグメンテーション目標に対する厳密な領域保持手法
要約本論文は、セグメンテーションのための粗いラベルマップを作成する手法MatchDownを提案します。領域と格子セルの間の最小コストマッチングにより、できるだけ多くの領域を保持します。COCO、Cityscapes、BBBC038で、MatchDown-Pは失われる領域数が理論上の最小値となり、一般的な手法より少なくなりました。細胞核のデータセットでは、MatchDownの目標で学習したモデルがインスタンス精度でより高い結果を示しました。
説明Turing LLM後学習：校正付き蒸留と効率的な動的MoE実行に関する論文
要約本論文は、動的ルーティングを行う専門家混合（MoE）モデルの後学習を扱い、独立に最適化された複数の専門家モデルを効率的に統合する手法を提案しています。校正付きマルチ教師オンポリシー蒸留（C-MOPD）と、実行経路の最適化を組み合わせています。Turing-20B-A2Bでは、4分野の正規化統合スコアが0.9988に達し、数学・コードの推論ベンチマークでQwen3-8BおよびSFTを上回りました。統合ステップの所要時間は398.7秒から139.3秒に短縮され、直列実行に対して2.86倍の高速化が観測されています。
説明「機械的他者」を取り込む：人間と大規模言語モデルの相互作用をエナクティブに探る
要約本論文は、人間が大規模言語モデル（LLM）と関わることで変化する仕組みを理解するには、相互作用に基づく新しい概念が必要だと論じています。従来の技術的影響理論や社会的認知理論では、LLMとの言語的相互作用を十分に説明できないと指摘します。著者はエナクティブ理論、特に「言語的身体」の理論を基盤に、人間が機械的他者を技能として、また言語の用い方やアイデンティティの一部として取り込む二つの方式を示します。さらに、こうしたサービスで摩擦が少ないことによって生じる記号的労働の増大を表す「感受的意味形成（susceptive sense-making）」という概念を提示しています。
説明パラメトリック・ガウスノイズミキサー（PGNM）：カメラノイズとフィルムグレインの統一的合成
要約本論文は、ノイズ付き画像とノイズのない画像の対から直接当てはめる明示的な統計モデルを提案しています。正規化畳み込みにより、画素間および色チャンネル間で相関するガウス場を生成し、ルックアップでガウス値を、クリーン画像の明るさに応じた残差へ写像します。両成分は別々に当てはめられます。SIDDのカメラノイズでは、評価した手法の中で分布誤差と相関誤差の平均が最も小さく、フィルムグレインでも競争力のある結果を示しています。そのノイズで学習したノイズ除去器は、実ノイズで学習したものに近い性能を示し、1080pフレームはGPUで10ミリ秒で描画されます。
説明M-PFT：微調済み視覚言語モデルのプロンプトチューニングを校正する角度マージン手法
要約視覚言語モデルをプロンプトチューニングすると、基底クラスでは自信不足、新規クラスでは過信になりがちです。M-PFTは、調整可能なクラス埋め込み同士の最大コサイン類似度を下げ、各埋め込みを対応するゼロショット埋め込みに近づけることで角度マージンを広げます。15データセットと9種類のプロンプトチューニング手法での実験では、新規クラスの平均校正誤差が減少し、基底クラスと精度は同程度を維持しました。
説明水中写真の連続画像による、未知個体を含む海馬の複数視点再同定
要約本論文は、写真の連続画像から分類学的分類、性別判定、未知個体を含む再同定を行う新しい手法を提案しています。野生で観察された474個体のタツノオトシゴの35,914枚の写真データセットで学習と評価を行っています。複数の写真の情報を組み合わせることで、最先端の性能が得られたとしています。
説明多様体上の確率的メッシュレス法：ガウス過程で偏微分方程式を解き、収束性を解析
要約本論文は、確率的メッシュレス法をユークリッド領域からコンパクト多様体へ拡張し、ガウス過程の事前分布と配置点を用いて偏微分方程式を解く手法を扱います。既知の多様体と点群のみで与えられる陰的多様体の二つの場合について、一貫性を示し、後验平均の誤差上界を導出しています。円、球面、平坦なトーラスでの実験で理論的主張を確認し、実世界の皮質厚データでは既存の離散化法と同等の精度を、観測の10分の1未満で達成したと報告しています。
説明言語モデルにおけるAttention、動的波動、およびハイブリッド系列ミキサー
要約本論文は、入力依存の指数減衰と余弦位相変調に基づく動的波動再帰層を提案し、約1094万パラメータの3構成（純粋Transformer、純粋波動、波動とAttentionのハイブリッド）をTinyStoriesで比較しています。ハイブリッド構成が困惑度5.95で最良であり、Transformerは6.93、純粋波動は7.26でした。効率の差は構造よりも実装方法に左右されると報告されています。
説明拡散型言語モデルのKVキャッシュ量子化
要約本論文は、拡散型言語モデル（dLLM）の推論におけるKVキャッシュの量子化を扱います。高速推論でキャッシュを再利用すると、マスクされたトークンが明らかになるにつれて双方向の表現が変化し、量子化の前から完全再計算とずれが生じます。著者らはKIVIとKVQuantを適応させ、TRACEとdLLM-KVQを提案しました。TRACEは提示と解答のペアから実現可能な公開軌跡を再構成して校正状態を作り、dLLM-KVQはその軌跡を用いて層ごとに高精度に保つKキャッシュの要素を選び、Vキャッシュには標準的な低ビット量子化を適用します。LLaDAとDreamでGSM8K、HumanEval、MATH、MBPPを評価した結果、報告された4ビットと2ビットのキャッシュ設定で、dLLM-KVQが量子化手法の中で最も高い平均スコアを達成しました。
説明DWISE：拡散LLMの効率的なサービングのための、ノイズ除去作業量に基づくスケジューリングエンジン
要約本論文は、拡散大規模言語モデル（dLLM）を効率よく提供するためのスケジューリングエンジンDWISEを提案しています。dLLMは多数のトークンを並列にノイズ除去して文章を生成しますが、既存のサービング枠組みは自己回帰モデル向けの先着順と事前充填優先の方針をそのまま使っており、効率が損なわれています。DWISEはブロック単位で測った残りの作業量に基づいて要求を処理し、軽量な予測器と初回ノイズ除去の隠れ状態を用いて未知の作業量を推定します。SGLangに実装して評価したところ、タスク精度を保ちながら平均エンドツーエンド遅延をSGLangより平均5.4倍、最大14.9倍削減しました。
説明LiDAR-SHIELD：LiDARベース3D知覚モデルの敵対的ロバスト性を評価する、完全Docker化フレームワーク
要約本論文は、LiDARベースの3D知覚モデルが敵対的入力に対してどの程度頑健かを評価するための、統一された完全Docker化フレームワーク「LiDAR-SHIELD」を提案している。対象モデルはツールキット内にインストールするのではなく、/info、/forward、/gradientの3つのHTTPエンドポイントを通じて公開される。そのため新しいモデルやデータセットの接続には、単一のローダー関数またはアダプタだけで済む。3D意味セグメンテーションと3D物体検出の両方に対応し、PGD、Square Attack、点摂動、点除去、点注入、LiDAttackなどの攻撃手法を統合している。コードはGitHubで公開されている。
説明精密畜産における記号回帰の可能性：解釈可能な数式で母豚の分娩時期を予測する研究
要約本研究は、分娩前後の母豚に装着した加速度センサーのデータを用い、まず活動量の変化から巣作り行動を検出し、次に記号回帰で分娩までの残り時間を解釈可能な数式として予測します。記号回帰の平均絶対誤差は9.28時間で、サポートベクター回帰や人工ニューラルネットワークなどのブラックボックス型モデルより優れていました。
説明SHPRR：制約付き後悔の下での純粋探索アルゴリズム
要約本論文は、固定のサンプリング回数と既存の基準手法に対する後悔の予算という二つの制約の下で、最良の腕を特定する問題を扱います。広く使われる純粋探索アルゴリズムである Sequential Halving の各フェーズでは、探索にかかる後悔のコストが減少していくことを理論的に示しています。これに基づき、残る腕が多い段階により多くの探索を許すよう後悔の予算を前倒しで配分する SHPRR を提案しています。実験では、後悔の予算を均等に配分する手法や既存の基準手法と比べて、最良の腕の特定性能が向上することが示されています。
説明能力の境界で医療用視覚言語モデルを調整する：エントロピー適応型ルーブリック接地
要約本論文は、医療用視覚言語モデルの診断推論を改善するMedCBRという二段階の調整手法を提案する。第一段階では、モデルの能力境界上で反事実的な選好データを構築し、難易度重み付き境界選好最適化（DBPO）で学習を集中させる。第二段階では、境界上の軌跡から臨床ルーブリックを抽出し、予測エントロピーに応じて適用するエントロピーゲート型接地方策最適化（EGPO）を用いる。六つの医療ベンチマークで強化学習などの基線を上回り、平均正解率61.2%を報告している。
説明RIS支援MIMOシステムにおける盲受動ビームフォーミングのための深層強化学習
要約本論文は、ミリ波通信においてRIS（再構成可能インテリジェント表面）を用いた盲受動ビームフォーミングのための深層強化学習フレームワークを提案する。深層Q学習エージェントが、チャネル状態情報を用いずに少数のコードワードのみを送信して、ほぼ最適なRIS構成を選択する適応的な方策を学習する。結果として、収束性、性能、オーバーヘッド削減の点でQ学習および従来の基準手法より優れていることが示されている。
説明AegisFlow：学習不要で非近視眼的な経路安全ガイド付きフローマッチング手法
要約本論文はAegisFlowという、学習を必要としない非近視眼的な経路安全ガイドフレームワークを提案している。事前学習済みの拡散モデルやフローマッチングモデルの生成軌道を、画像編集での同一性保持や機器人の障害物回避などの制約を生成経路全体で満たすよう導く。生成のガイドを、大域的な範囲をもつ安全重視の最適制御問題として定式化し、時変バリア関数を大域コスト汎関数に組み込む。また、Hamilton-Jacobi-Bellman方程式に対する扱いやすい近似を導出している。テキスト誘導の画像操作とロボット計画の実験では、目標との整合性と制約充足の間で既存手法より優れたトレードオフを示したと報告している。
説明可能性に基づく推論：意思決定における頑健で信頼できる不確実性定量化のための決定論的枠組み
要約本論文は、機械学習による意思決定における不確実性を扱い、特に安全重視のシステムにおいて信頼性の高い評価を目指します。ファジィ集合理論の影響を受け、既存の潜在事後分布に基づく手法の代替として、可能性に基づく予測の対比的な等級を提案しています。従来のベイズ推論が確率枠組みで不確実性を表すのに対し、本手法は不確実で相互に矛盾しうる情報をより柔軟に表現します。提案された数理枠組みは、データマイニングに体系的なアプローチを与え、高度に特化した深層学習モデルが生む過信的だが妥当性の低い予測を抑制することを狙っています。
説明EvoTeam：進化するチームによるマルチエージェント協調
要約本論文は、大規模言語モデルベースのマルチエージェントシステムを対象に、協調を中心とした進化フレームワークEvoTeamを提案している。実行経験を通じて、チーム編成、相互作用ルール、個々のエージェントのスキルを同時に進化させる。再利用可能なチームのライブラリを保持し、チームを選択または作成して、チーム固有の相互作用ルールで協調を導く。四つのベンチマークでの実験により有効性が示されている。
説明GROME：分解メモリを動画ワールドモデルに組み込む枠組み
要約本論文は、動画ワールドモデルの長期的な一貫性を高めるための分解型メモリ枠組みGROMEを提案しています。過去の情報を静的なシーンと動的なエンティティに分けて個別に保持し、空間的に対応する履歴の検索と、追加学習を必要としないメモリ注入によってフリーズしたバックボーンに組み込みます。長期的な再訪シナリオでの実験では、シーンの持続性と動的エンティティの忠実度が既存手法より向上し、視覚品質と制御性は維持されたと報告されています。