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）。
説明連続行動ワールドモデル：異なるロボット形態をまたぐ時空間動力学の事前知識の学習
要約本論文は、異なるロボット形態や制御周波数の間で利用できる時空間動力学の事前知識を学習するフレームワーク、連続行動ワールドモデル（CoAWM）を提案します。ロボットの行動の時空間構造を共有潜在関数空間で表現し、まず異なる形態とサンプリング周波数の軌道を用いた関数事前学習を行い、その後ワールドモデルの基盤に接続して、潜在行動関数の予測を観測・言語指示・現在の状態で条件付けます。デコーダは任意の問い合わせ時刻でエンドエフェクタの行動を返します。
説明構造化された教科書から数学の証明教師データを拡大する研究
要約本論文は、2,118冊の大学数学教科書を約38万件の構造化された証明教師データに変換したコーパス「TOME-Math」を提案している。章の順序、命題と証明の対応、依存関係の参照、出典情報を保持している。著者らはこれらの構造情報を用いて複数の数学分野にわたるカリキュラム学習を検討し、教師データ量と出典の幅に伴うスケーリングの傾向を分析している。原文によると、全規模での微調整により、基礎モデルに比べて平均スコアが16.7ポイント向上し、評価した3つの公開指示データのベースラインを総合的に上回ったという。
説明一般化ファインマン・カック補正器による拡散モデルの合成と誘導
要約本論文は、複数の事前学習済み拡散モデルで定義される任意の目標関数からサンプリングする一般化ファインマン・カック補正器（GFKC）を提案します。モデル間の幾何的補間がファインマン・カック偏微分方程式を満たすことを示し、そのポテンシャルを閉形式で導出しています。手法は対数領域で動作し、報酬に基づく誘導を組み込み、モデルの再学習や微調整なしに生成を実時間で補正します。解析的ガウスモデルとMNIST上の拡散モデルで検証されています。
説明選抜された突破を超えて：無作為抽出した数学予想で言語モデルを評価する
要約本論文は、2026年2月以降にarXivで発表された数学論文から予想を集めたデータセットOpenConjectureを構築し、無作為に抽出した200の予想に対して前衛的GPTモデルを3回試行した。モデルは約60％の予想に対して候補解を示し、反例は証明の約1.3倍の頻度であった。解の新規性や文献との関係、元の予想の誤りや記述不足への依存性も分析している。
説明多様な医療記録による小児糖尿病の転帰予測における、エージェント型LLMの推論
要約本論文は、小児医療分野における大規模言語モデル（LLM）エージェントによる臨床予測を検証したものです。2型糖尿病の若年者2,489人と1型糖尿病の若年者4,018人を対象に、構造化データ、診療記録メモから得た社会的要因、そして1型糖尿病では持続血糖測定データを用いています。18か月の追跡データから24か月後の7つの2型糖尿病の転帰を予測しました。根拠を引用し自己監査を行うLLMパイプラインであるCEDARは、両コホートにおいて従来の機械学習を上回る性能を示しました。さらに、小児内分泌専門医2名がCEDARの引用した根拠と推論のみを読んだ場合、約9割の症例でCEDARと同じ予測に至りました。
説明HiFOR：視覚・言語・行動モデルのための階層的予見とアクション誘導型世界検索
要約本論文は、視覚・言語・行動（VLA）ロボットモデル向けのHiFOR枠組みを提案する。階層的依存マスクにより、短期の状態変化、意味的なマイルストーン、最終目標状態を同時に予測し、将来の潜在表現を時間・視点・空間の各次元に沿って整理する。さらに、ノイズ除去中に変化する行動表現に基づいて関連する将来情報を構造化された潜在世界から検索し、行動生成を導く。2つのシミュレーションベンチマークと6つの実ロボット操作タスクで実験を行った。
説明「一人の科学者としてのアスリート」：コンシューマー向けウェアラブルによる個別生理学のための、エージェント型ベイズ実験計画
要約本論文はEpiCoachというシステムを提案し、クロスカントリー用マウンテンバイク選手一名を対象に、検証可能で監査可能な個人（N-of-1）研究を行う。選手に関する主張は証拠に基づく仮説レジストリに記録され、各主張は実施前に確率的な予測を示し、記録された統計的適合の結果に基づいてのみ確信度が更新される。予測は心拍、GPS、気圧高度から推定される機構的デジタルツインによる。エージェントは負荷と安全の制約のもとで次週の訓練を実験として設計する。十八か月分のデータで回帰テストと前向き検証を行い、レジストリ、ベンチマーク、手順を公開している。
説明カリキュラムの効果か、それとも易しい出発点か？四足ロボットにおける教師なし環境設計のベンチマーク
要約本論文は、MuJoCo MJX 上で14種の教師なし環境設計、ドメインランダム化、ロボット用カリキュラムを統一プロトコルで比較するベンチマークを提案し、対象として五種の三次元四足ロボットを用いています。地形は八つの解釈可能な地形パラメータで表現され、すべての手法が同じ PPO の学習器を同じ環境ステップ数で訓練します。結果では、すべてのロボットと難易度の組み合わせで最上位群に入る手法はなく、訓練難易度の低い手法が分布内のランダムな地形で上位を占める一方、保持された構造的地形では首位が変わることが示されています。
説明学習率スケジュールは原理に基づいていない可能性：重み正規化学習における実効学習率の設計
要約本論文は、重み正規化（WN）学習で生じる実効学習率（ELR）の推移が、損失改善の主因であることを示す。提案手法AIR（Affine Inverse-square-Root decay）は、理論的に導出された1/√t減衰に、有限の学習期間で指定のピークと終端学習率を満たす仮想的な調整を加えたものである。128Bトークンの混合エキスパートモデル事前学習で、AIRはコサイン等の他スケジュールより良い結果を示し、終端損失はコサインより約0.01低い。
説明PathoJev：共有視覚コンテキストによる効率的な病理判定モデル
要約本論文は病理モデルPathoJevを提案し、同一スライドに対する複数の質問の答えの確率を、各質問ごとにテキストを生成せず直接予測します。スライドは一度だけエンコードされ、共有された視覚コンテキスト上で独立した質問の接尾辞がバッチで評価されます。また、ハイブリッドバックボーンの再帰状態を再利用して、質問ごとの計算量の増加を抑えています。3つの全スライドベンチマークで、9Bモデルと27Bモデルの平均精度はそれぞれ77.2%と78.1%で、SlideChatを5.4および6.3ポイント上回りました。WSI-Benchでは9BモデルがSlideChatの9.1倍の速度でした。
説明『思考の糸を切らさない』：長期タスク向けLLMエージェントの認知リソース自己配分
要約本論文は、大規模言語モデルのエージェントが長期タスクで、作業メモリに無関係な情報が溜まることで認知過負荷に陥る問題に取り組みます。提案手法CORALでは、エージェントが進捗と検証済みの事実をチェックポイントとして保存し、整理された文脈から再開できます。GAIAベンチマークでは8Bモデルで平均精度42.8%を達成し、ReActエージェントより入力トークンを6〜7倍少なく消費しました。
説明Hessianに基づく学習後量子化の統一フレームワーク
要約本論文は、大規模言語モデルの学習後量子化のための統一フレームワークを提案している。フィッシャー近似に基づき、重みと活性化の同時量子化による出力変化をHessianで導かれる形で近似する。これにより、量子化範囲、線形変換、重みの丸め処理を共通の出力感度目標の下で同時に最適化する。チャネル単位およびブロック単位の両設定で、既存の変換法・丸め法を上回ると報告されている。
説明組み合わせ残差ネットワーク（CoReNet）：ジェットの明示的な割り当てを必要とせず、崩壊連鎖を考慮する分類器
要約重い粒子の崩壊で生じる複数のジェットは、親粒子に割り当てる組み合わせ問題を含みます。CoReNetは想定される崩壊連鎖をアーキテクチャに組み込み、事象表現を崩壊階層に沿って段階的に構築し、各ジェット割り当て仮説を共有重みで評価して、残差ネットワークで学習された重みにより仮説を統合します。学習には分類損失のみを用います。ヒッグス粒子対生成のbb̄bb̄末状態とQCD多ジェット背景の高速シミュレーションで、パラメータ1508個の本モデルは運動学的ベースラインを大きく上回りました。HH→bb̄W⁺W⁻と半レプトン型tt̄でも、約1000個のパラメータで、2桁以上大きいTransformerモデルに匹敵する性能を示しました。
説明Wizard：エージェント制御によりあらゆる世界をリアルタイムで操作する手法
要約本論文は、リアルタイムかつ精密にキャラクターの動作を制御でき、新しいシーン・キャラクター・動作へゼロショットで汎化するエージェント型ゲーム世界モデル「Wizard」を提案している。手法として、750のシーンと178のキャラクターにわたるデータセットを構築し、骨格と形状情報を構造化表現として用いて映像生成モデルを条件付けるとともに、条件信号と生成映像の整合性を高める適応的マスキング機構を導入している。さらに、ゲーム状態を明示的に保持・更新するエージェントフレームワークにより、プレイヤーが仮想世界を自由に構成できるようにしている。
説明RFW-A：500以上のカテゴリにわたる40万点の関節付きアセットを、エージェントによる手続き的生成で作る手法
要約本論文は、エージェントがカテゴリごとに再利用可能な生成プログラムを構築し、その後は手続き的実行で多数のアセットを生成するRFW-Aを提案する。これにより構築したRFW-A-400Kは、500以上のカテゴリにまたがる40万点以上のシミュレーション対応の関節付きアセットを含む。実験では構造と運動学の妥当性が高く、このデータで学習すると部品レベルの関節推定が向上することが示されている。
注目点エージェント的プログラム合成と手続き的生成を組み合わせ、カテゴリ単位の生成器で関節資産を大量作成する。摘要は40万超・500超カテゴリでの検証と実物への転移を報告。
説明GradientSHAPによる多段階・多変量時系列の説明可能性：風力発電の事例研究
要約本論文は、GradientSHAP手法を多変量かつ多段階の風力発電予測モデル向けに調整し、その解釈性を示すものです。この分野はこれまであまり研究されてこなかったとされています。局所的および大域的な説明を提供する新しい可視化手法を開発し、環境要因、地点固有の条件、時間的変動の関係を明らかにしています。ただし、実務への導入には複雑さという課題が残るとされています。
説明事前学習言語モデルにおける並行する時間変数の因子化表現
要約言語モデルが文書内で独立に変化する複数の文脈変数を同時に保持する仕組みを調べた研究です。言語切り替えと話題切り替えという独立したタイマーを持つ制御文書を用い、10の事前学習チェックポイントで両方のタイマーが同じ隠れ状態から線形に復号できることを示しています。結果は、表現がおおむね因子化されており、重なり合う部分空間で近似的に加法的であることを支持しています。
説明放射線ガイドラインから導出した決定グラフによる効率的な臨床意思決定支援
要約本論文はGDGraphという枠組みを提案し、大規模言語モデルで放射線ガイドラインを分割して局所的な決定サブグラフを抽出し、実行可能な決定グラフに統合する。推論時には高速なSystem Oneモデルが局所的な臨床質問に答え、決定的な走査でブール論理を解決して追跡可能な判断経路を得る。腎嚢胞、付属器腫瘤、甲状腺結節のガイドラインにわたる347例で、System Oneの正解率は57.3%から90.8%に向上した。
説明Transformerをループさせる方法：ループ数のスケーリング、特化、並列推論
要約本論文は、同じ重みを繰り返し適用してモデルを深くする「ループ」手法を研究しています。スクラッチから学習させたデコーダ型Transformerで、ループさせる部分、ループ回数、ループ間の情報の受け渡し方を比較しました。パラメータ数が固定の場合は全体をループさせるほど性能が高く、学習計算量が制約される場合は中間の層ブロックをループさせる方が効率的だとしています。ループを増やしても利益は飽和したり逆転したりします。さらに、ループごとの小さな低ランクアダプタの追加や、並列ループ方式の改良によって性能を保てることを示しています。
説明Mage-VL-Cowork：進化させたハーネスから混合型コンピュータ操作を学ぶ完全な学習レシピ
要約本論文は、4Bパラメータの混合型コンピュータ操作エージェント Mage-VL-Cowork を提案します。GUI操作とコード・ターミナル実行を単一のポリシーで組み合わせ、中間学習、SFT、強化学習からなる五段階のカリキュラムで訓練されています。データ生成基盤 Mage-CUA-Forge は、6,915のスキルにわたる293,806のデスクトップ・Webタスクを合成し、教師ハーネスを進化させて高品質な軌跡を得ています。OSWorld-Verified で66.0%に到達し、同規模のパラメータで最高水準の性能を示したと報告されています。
説明リウマチ学におけるDecisionモデルとSystem Oneモデルの評価：専門研修試験問題と診断症例問題での正確性と校正
要約本研究は、複数のDecisionモデルおよびSystem Oneモデルについて、リウマチ学の試験問題と診断症例問題での正答率と確信度の校正（キャリブレーション）を評価したものです。スペインの専門研修試験問題では多くのモデルが高い正答率を示し、Jevは西語93.0%、英語91.9%で、GPT-6 Solの99.4%を下回りました。診断症例問題では、すべてのSystem Oneモデルが GPT-6 Sol（76.9%）を下回り、Jevは正答率50.0%で過信傾向が見られました。
説明Lean で Vampire を使う自動証明呼び出しツール（ハンマー）
要約本論文は、Lean 対話型定理証明器向けのツール Vampire-Hammer を紹介する。Vampire 自動定理証明器で目標を証明し、その証明を Lean カーネルで検査・再構成する。前処理には Lean-auto フレームワークを用い、標準的な TPTP 形式と証明再構成に使える注釈付き TSTP 証明を利用する。対象となる Mathlib の定理 196,083 件を各 10 秒の制限で評価したところ、他の評価対象ツールが同じ制限内で解けなかった 21,158 件を解いた。
説明視覚言語モデルのゼロショット敵対的頑健性のためのテキスト応答認識型ガイダンス
要約視覚言語モデルはゼロショット汎化能力が高い一方、敵対的攻撃に脆弱です。本論文は既存の引き継ぎ手法の限界を指摘し、事前学習済みテキストエンコーダの入力埋め込みの局所的変化に対する応答を用いて視覚表現のずれを制約するTRAGを提案します。複数のアーキテクチャとタスクの実験で、クリーン性能と頑健性の両面で最先端の結果を示し、事前学習済みの画像とテキストの関係の保持にも寄与することを示しています。
説明Rimuru：弾力的エキスパートオフロードによる現代LLMサービング向けの統合メモリ管理
要約本論文は、大規模言語モデルの推論においてデバイスメモリが逼迫する問題を扱います。モデルの重みと注意機構の状態に固定されたメモリ領域を割り当てる既存方式では、負荷の変化に対応できないと指摘しています。著者らはRimuruを提案し、共有ページプールと、テンソルごとに異なるページサイズを扱うメモリビュー、ページ表を意識した融合MoEカーネルにより、異種テンソル間でメモリを弾力的に共有します。vLLM上で実装され、論文ではベースラインの最大19.03倍のスループットと、TTFTの平均98.1%削減が報告されています。
説明西北太平洋の熱帯低気圧の急速発達を予測するための、因果事前知識で制約された深層学習システム
要約本論文は、西北太平洋における熱帯低気圧の24時間後の急速発達（RI）を予測するCausalVisionRIシステムを提案しています。赤外線リモートセンシング画像、大気・海洋場、観測データから発見された因果グラフを統合しています。2020年から2024年の前向き検証で、五つのモデルによるアンサンブルは、比較対象の複数のシステムを上回るBrierスキルスコア0.259を達成しました。アブレーション実験では、因果グラフの経路が予測性能の向上に寄与することが示されています。
説明造影前フレーム差分を用いた自己学習による、X線冠動脈造影のセンター横断血管セグメンテーション
要約本論文は、冠動脈X線造影画像の血管セグメンテーションモデルが、学習時に含まれなかった施設のデータで性能が低下する問題を扱っています。nnU-Netの予測と造影前フレームの差分から得た造影マップを組み合わせて擬似ラベルを作成し、追加の手動アノテーションなしで自己学習を行いました。外部データセットでは性能が改善しましたが、その効果は初期擬似ラベルを生成したモデルの感度に大きく左右されることが示されています。
説明MAServeBench：階層的協調ワークロードによるマルチエージェントLLMサービングシステムのベンチマーク
要約本論文は、マルチエージェント型大規模言語モデルのサービングシステムを評価するためのベンチマーク「MAServeBench」を提案している。エージェント間の協調方式を設定可能なワークロードの次元として扱い、構成可能な段階によってエージェントがどのように調整し文脈をやり取りするかを再現する。また、実行された操作と依存関係を保持して再現可能な比較を可能にし、サービング効率が必ずしもタスクの適時完了につながらない理由を、GPU/NPUの挙動と関連づけて示す。
説明DolphinRouting：分離型LLM推論サービング向けのクラスタ単位二値ルーティング
要約本論文は、prefillとdecodeを分離した大規模言語モデル推論サービングにおいて、リクエストの経路を選ぶDolphinRoutingを提案する。プロンプト長、両ワーカープールでのキャッシュ調整後の入力長、出力長でリクエストをクラスタリングし、各クラスタに対してローカルかリモートでprefillを行うかの二値行動をオフラインの方策探索で学習する。実クラスタでの評価では、混合負荷と実データにおいて、k-meansを用いた場合、Dynamoと比べてP90 TTFTが5.7〜7.9%、P90 TPOTが2.6〜10.1%低下したと報告している。
説明取り外し可能な品目を持つオンラインナップサック問題における再挿入と上限サイズの活用
要約本論文は、品目が順に到着し即座に受理か拒否を決めて、容量に制限のあるナップサックに入れた品目の総サイズを最大化するオンライン無重みナップサック問題を扱う。既に受理した品目の取り外しを認めたうえで、品目サイズの上限を既知とする場合と、以前に拒否した品目を再挿入できる場合を併せて検討している。これらの条件下での競合比について上界と下界を示し、さらに上限を事前に知らなくても比較可能な性能保証を得られる適応的オンラインアルゴリズムを提案している。
説明受理されたトークンのみが数えられる：レイテンシ目標下での投機的デコーディングのエネルギー会計
要約本論文は、大規模言語モデルの推論における投機的デコーディング（speculative decoding）のエネルギー消費を検証している。ドラフトモデルが複数の後続トークンを予測し、対象モデルが一度の順伝播で検証するため、省エネ効果は受理されるトークン数に依存する。H100およびH200 GPU上で、SGLang環境により最大バッチサイズ64、5つのコーパスを用いて測定した結果、バッチが大きくなるほど効果が縮小し、高バッチでは逆に消費電力が増えることが示された。
説明LoRe-MIM：全身PET/CTのための自己教師あり表現学習手法（マスク画像再構成によるマルチモーダル特徴の学習）
要約全身PET/CTの深層学習では注釈の不足が課題となっており、本論文は6,531件の全身スキャンを含む多トレーサー・多施設データセットを構築し、自己教師あり学習の枠組みLoRe-MIMを提案している。この手法は、画像領域をゼロで置き換える（Lost）か、対応する別の撮像モダリティで置換する（Replaced）マスク戦略により、マルチモーダル表現をマスク画像再構成で学習する。学習済み表現を、マルチモーダル再構成、がんと非がんのパッチ分類、全身病変のセグメンテーション、少ラベル学習、頑健性評価などの下流タスクで評価し、対応する最先端のベースラインを上回る結果を示している。
説明ポテンシャル誘導型サブ軌道バランスによる潜在経路探索
要約本論文は、言語モデルの連続潜在推論において、相対的回答ポテンシャルとサブ軌道バランス（Subtrajectory Balance）を組み合わせて確率的な潜在探索を学習するSubLATを提案しています。モデルは回答監督、CoT監督、表現蒸留を併用して訓練されます。算術および演繹推論の実験では、サンプリング予算の増加に伴い解の網羅率が向上し、一部の構造的分布外ベンチマークでも改善が見られたと報告されています。
説明潜在予測により感覚誘発fMRIで被験者間に整列可能な表現を得る
要約本論文は、結合埋め込み予測アーキテクチャ（JEPA）を脳データのみで学習する自己教師あり手法に改良し、被験者ごとのエンコーダを訓練する。エンコーダは刺激画像を一切見ない。Natural Scenes Dataset（NSD）で、脳キャプション生成と画像再構成において、画像と言語データを用いる教師あり手法に匹敵する性能を示した。さらに、画像や共有刺激を使わずに被験者間のエンコーダを完全に教師なしで整列でき、整列後の解読ヘッドは微調整なしで別の被験者に適用しても被験者内性能の大部分を保つことを報告している。
説明近傍エリート：質問応答における不確実性定量化のための品質多様性探索
要約大規模言語モデルが誤った回答を正答と区別しにくく出力する問題に対し、本論文は品質多様性探索を用いて入力摂動の近傍を構成する手法「近傍エリート（NE）」を提案する。編集の種類と文脈が答えを支持する明示性という二つの軸に沿って、答えを変えない言い換えを生成する。五つの抽出型質問応答データセットと五つの指示チューニング済みLLMで評価したところ、NEは多くの組み合わせで他の近傍構成法より失敗検出に優れ、デコーダサンプルに基づく意味エントロピーをも上回った。
説明TaskFrame：タスクレベルの計画とフレームレベルの制御を結ぶゲームエージェント向けフレームワーク
要約本論文は、ゲームエージェントのための階層型プランナー・コントローラ枠組みTaskFrameを提案しています。視覚言語タスクプランナーが高レベルの目標を順序立った原子命令に分解し、コントローラーは現在の目標と直近の観測から、毎ステップのキーボード・マウス操作とカメラ移動を予測します。Minecraftでの実験では、命令分解で汎用視覚言語モデルと競合し、閉ループ評価では評価されたベースラインより高い戦闘成功率を示しました。
説明MS/MSの証拠から適応的分光キャラクタリングへ：候補分子構造に導かれた強化学習
要約本論文は、既存のタンデム質量分析（MS/MS）の証拠を用いて、追加の測定が必要かどうか、どの測定を要求するか、いつ停止するかを決定する構造情報付き深層Qネットワーク（SI-DQN）を提案している。モデルはMS/MS、赤外（IR）、核磁気共鳴（NMR）のシミュレーションスペクトルを含む多モーダル分光データセットで評価され、少ない追加測定回数でTop-1精度と複合損失の改善が示された。
説明対話的な高速道路交通における自動運転トラックの短期予測制御のための学習型終端コスト
要約本論文は、大型自動運転トラックの高速道路走行を対象に、モデル予測制御（MPC）と強化学習（RL）を組み合わせたハイブリッド枠組みを提案している。有限時間幅のMPCを動的計画法で解き、終端コストの推定には事前学習したRLモデルを用いる。反応的な周辺交通を含むシミュレーション環境で、終端コストをゼロとする純粋なMPC、基本方策による終端コスト推定を用いたロールアウト、純粋なRLと比較評価している。結果として、ハイブリッド手法は衝突ゼロを達成し、全構成の中で最も低いコストを示した。
説明要件が相互に影響するとき：相互依存する仕様による長期的なコーディングのスケーリング
要約本論文は、リアルな開発者の事例を種として、相互依存する豊富な仕様を持つタスクを合成するフレームワークCodeSpecWeaveを提案しています。合成エージェントと審査エージェントがテストの信頼性を確保しながらタスクを生成し、2,865のリポジトリにまたがる4,670の学習タスクを構築しました。これらのタスクで強化学習を行うと、DeepSWE-v1.1においてベースモデルを大きく上回る性能向上が示されています。また、100タスク・1,044仕様からなるベンチマークCodeSpecWeave-Benchも公開されています。
説明検証付き合成データの統計解析：線形回帰の枠組み
要約本論文は線形回帰の枠組みで、事前学習済み推定器が生成したノイズ付き合成データを検証器が閾値で選別し、採用されたサンプルで全パラメータまたは一部のパラメータを微調整する検証付き自己学習を研究しています。検証閾値、生成ノイズ、事前学習誤差の相対的な大きさに応じた四つの場合について有限標本のリスク上界を導き、予測リスクへの影響を分析しています。
説明ドップラースペクトルから対地速度を推定し信頼度も出す手法（再構成ベース表現学習）
要約本論文は、鉄道などの移動体プラットフォーム向けに、地上向きドップラースペクトルから対地速度と各フレームの信頼度を推定する手法を提案している。自己符号化器の再構成タスクの考え方を応用し、その潜在特徴の上に速度推定ヘッドを追加する。推論時は再構成デコーダを省き、軽量な信頼度ヘッドを加え、ノイズ付加学習も用いる。実験では、従来の基準手法より速度推定精度が向上し、厳しい信号条件下でも個々の予測の信頼性を示す信頼度が得られたとされている。
説明ランダム化された専門家レビューを用いたコンフォーマル注釈：オンライン細胞型ラベリングへの応用
要約本論文は、AI支援による細胞型注釈のためのCAREDフレームワークを提案する。データ分布が変化する状況で、各バッチから一部の症例をランダムに抽出して専門家がレビューし、その結果を後続の判断の校正に用いる。定常性や交換可能性の仮定なしに長期的な累積誤差の制御を示し、膵臓、肺、卵巣の注釈ストリームでの実験では、細胞の最大70%が専門家レビューを経ずに処理された。
説明マルチモーダルRLVRのための分布的報酬校正と予算中立のクレジット割り当て
要約本論文は、GRPOにおける優位性推定を、サンプル単位のベースライン化とトークン単位のクレジット割り当ての二段階に分けて扱うTACE手法を提案します。第一段階では一次元の最適輸送写像で報酬を標準正規分布に変換し、タスク間で共通の分布を用いて外れ値を抑えます。第二段階ではトークン重みを順位で校正し平均1に再正規化することで、クレジットの総量と符号を保ちます。多数のベンチマークで最良の結果を示しましたが、すべての設定で優れているわけではありません。
説明反応先例により逆合成予測を訓練範囲の外へ広げる
要約本論文は、逆合成予測において検索される反応先例が、タスク固有の訓練範囲の不足をどこまで補えるかを検討している。271万件の反応データを用い、転換の種類または時期で訓練と検索の範囲を制限したうえで、モデルのパラメータは固定したまま検索用コーパスのみを拡張した。その結果、訓練から除外された転換では正答率が大きく向上し、先例を用いた場合は14の汎用モデルすべてが改善し、最も良い結果は8つの専用モデルを上回った。
説明大規模言語モデルで誘導される四足ロボットの平面ロコマニピュレーション
要約障害物が動かせる雑然とした環境では、目標に到達するために物理的な相互作用が必要になる場合があるという問題を扱います。論文は、言語で条件付けされたタスクプランナーが、パラメータ化された行動の系列を生成し、それを低レベルの強化学習ポリシーが実行する手法を提案しています。プランナーは合成データでLoRA微調整され、古典的プランナーやプロンプト型のフロンティアモデルより優れた結果を示しました。低レベルでは、全身の平面プッシングをエンドツーエンドで学習するポリシーを提案し、シミュレーションでの成功率は93.3%で、階層型ベースラインの83.5%を上回りました。
説明EnvOS：環境が変化する状況でコンピュータ操作エージェントを監査するフレームワーク
要約本論文はEnvOSを提案し、タスク実行中に変化する環境を構築・認証する手法を示す。実行前に変化が正しく発生するか、タスクが解けるか、採点が正誤を区別できるかを確認し、実行後は保存された証拠から判定を再検証する。古い情報を扱う場面で、診療予約と保険金請求の2種類のタスクで複数の大規模言語モデルを評価し、変化に気づけるかはモデルとインターフェースによって異なることを示している。
説明『同一バッチでの判定：文脈内バッチ処理によりLLMの判定が他の項目に依存する』
要約コスト削減のため、独立した複数項目を一つのプロンプトで同時に採点させる手法が、判定の結果に影響するかを検証した論文です。三つの判定タスクと4〜9Bパラメータの公開モデル5種で、同じ2,000項目を異なるランダムバッチに分けると、有害性と採点の判定の11〜22%が変化しました。主な原因は隣接項目の順序と位置にあり、順列ごとの多数決でも完全には消えません。論文は曖昧な項目は1件ずつ採点することや、バッチ処理時に単一項目採点との一致を報告することを推奨しています。
注目点一括評価により判定が同じバッチの他項目に依存することを示し、三タスク九モデルで翻転率を測定して成分に分解した。
説明ScienceJudge：文単位の科学的主張検証のためのパターン摂動データ拡張
要約本論文は、AIが生成した科学的段落の各文が、与えられたマルチモーダルな証拠に裏付けられているかを判定する課題を扱います。著者らはパターン摂動データ拡張（PPA）を提案し、報告の誤りを忠実性を損なう変換としてモデル化して困難な負例を作成します。これをもとに構築したScienceJudgeは、視覚言語予測器とLLM予測器を統合し、ローカル開発セットで平均スコアを0.8124から0.8692に向上させました。NLPCC 2026 Task 10 Track 1の公式順位表では、最終スコア0.6890で首位となりました。
説明保持アンカーを用いた継続適応における認証付き行動保持手法
要約本論文はCABA（Certified Anchor-Based Adaptation）を提案します。更新後のモデルについて、更新候補の最適化から切り離した過去の観測データをアンカーとして用い、凍結された表現上で旧方針と新方針の前向きKLダイバージェンスを比較します。最悪のアンカーでの値が予算内に収まる最大の補間係数を選択します。UCI人間活動認識データを用いた実験では、予算0.05で平均忘却率が1.01%から0.00%に下がる一方、最終平均精度は93.04%から88.48%に低下したと報告されています。
説明アーカイブの活用：極めて低資源の言語のための文書からの大規模対訳抽出
要約本論文は、ウェブ上にほとんど存在しない言語について、言語学者が長年作成してきた文法書や辞書などのアーカイブ資料から翻訳例を抽出する手法を提案しています。OCRモデルと視覚言語モデル（VLM）を組み合わせたパイプラインで、認識された内容を視覚的レイアウト情報と対応させます。抽出した対訳データを20言語の翻訳システムの構築に用い、機械翻訳モデルの学習と大規模言語モデルのインコンテキスト学習の両方で有用性を示し、ゼロショット翻訳と比べて低資源・高資源言語へのchrF2++がそれぞれ15.78、6.94向上したと報告しています。
説明EpiAgent：LLMエージェントのための認識的セルフプレイ手法
要約本論文は、LLMベースのエージェントに学習可能な認識層を組み込むフレームワーク「EpiAgent」を提案している。この層は他者の私的情報に関する信念を保持し、それを既存の情報と組み合わせて行動選択用の認識状態を形成する。方法は方策を認識更新と行動計画の二段階に分け、双層最適化問題として定式化した認識的セルフプレイで交互に最適化し、推論された信念が後続の観測をどれだけ予測できるかを内発的予測報酬で評価する。混合・競争的な場面での実験において、プロンプトベースおよび強化学習ベースのベースラインを上回ったと報告されている。