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）。
説明物理情報ニューラルネットワークにおけるハード制約射影（Burgers方程式）：ネットワークの予測速度を、離散化された支配方程式の厳密解の集合へ射影し、精度と物理配点への頑健性を高める手法。
要約本論文は、ハード制約射影（HCP）の手法を線形偏微分方程式から非線形な一次元Burgers方程式へ拡張したものである。まず有限差分で方程式を離散化し、物理情報ニューラルネットワーク（PINN）で速度を予測した後、学習されない射影層によって予測値を離散方程式の厳密解の超平面へ写す。著者らは、PINNの損失が停滞した後もHCP-PINNの損失は減少を続け、未知の一様格子上でのデータ誤差は比較対象のPINNより約一桁小さいと報告している。また、物理配点の選択や数への依存性も小さいとしている。
説明安定マッチング市場における戦略的な「引き下げ」行動
要約本論文は「戦略的引き下げ（strategic tanking）」という概念を提案している。これは、参加者が選んだ潜在的な相手に対して自分の魅力を意図的に下げ、最終的な割り当てを改善する行動である。自分の選好を偽って申告するわけではない点が従来の操作と異なる。閾値以下のすべての相手に対して引き下げる「カットオフ引き下げ」は、その閾値で自分の選好リストを切り詰めることと安定集合への効果が全く同じであることが示されている。一方、任意の引き下げは、提案者主導の延期受諾アルゴリズムの下で、真の安定集合の外にある均衡を生むことがある。
説明VC-1K：リアルタイム通信向けの多様な動画テストセット
要約本論文は、リアルタイム通信（RTC）シナリオにおける動画処理・エンコーディングの評価用に、約1,000本の動画を収めたオープンソースのテストセット VC-1K を紹介する。消費者向けモバイル機器で様々な条件下で撮影されたユーザー生成のビデオ通話映像が中心で、顔の写る話し手映像が主であり、顔のない背面カメラの映像も少数含まれる。各動画には同期音声が付いている。OpenH264、SVT-AV1、libaom を定ビットレートで比較評価し、RealESRGAN と GFPGAN による超解像も評価している。
説明双曲逆強化学習：双曲距離で報酬を表し、行動の背後にある目的を推定する手法
要約逆強化学習は、観測された行動から報酬関数を推定することを目指します。本論文は、特徴ベクトルと学習されたパラメータベクトルの間の双曲距離（およびユークリッド距離版）の関数として報酬を表す双曲逆強化学習（Hyperbolic IRL）を提案します。決定論的方策と確率的方策の両方で、既存のベンチマークにおいて最先端モデルと同程度の性能を示し、低データ量や密な環境では優れた結果を得ています。博物館の展示室で人が複数の展示を移動する場面に適用すると、報酬構造が個々の展示までの距離だけでなく、それらの分離不可能な結合にも依存することが明らかになりました。
説明確率的環境における強化学習での可塑性喪失の影響を探る研究
要約本論文は、確率的環境において深層強化学習のニューラルネットワークの可塑性喪失がどのように影響するかを調べています。三つの DeepMind Control タスクで、観測ノイズと行動ノイズを段階的に加えた条件下で SAC エージェントを学習させています。可塑性を保つ手法は、より難しいタスクで学習の頑健性を高めることが示されています。
説明MemU-Bench：長期的なユーザー操作に対応するGUIエージェントのベンチマーク
要約本論文は、118件の曖昧なタスクを29本の長期的なユーザー操作履歴に基づいて構成したモバイル向けベンチマーク「MemU-Bench」を提案しています。エージェントは生の操作履歴から記憶を抽出し、必要な文脈を検索する必要があり、結果はアプリのデータベースで検証されます。さらに、学習を要しない枠組み「AppMem」を提案し、GPT-5.5のSPLを15.7%から66.9%へ向上させたと報告しています。
説明CausalWAM：世界行動モデルにおける行動の原因の学習
要約本論文は、世界行動モデル（WAM）が観測から潜在変数を学習し、シーン予測と行動生成の両方に用いる仕組みを扱います。シーン予測には全体の情報が必要ですが、行動の原因となるのは一部のみであり、モデルが無関係な変数を行動生成に混在させる可能性があると指摘しています。著者らは、疎性制約のもとで行動生成に用いられる潜在変数が行動関連の潜在変数のみの可逆関数であることを証明し、事前学習済みWAMの行動ヘッドに疎なルーティング経路を加えたCWAMを提案しています。合成データと実機ロボットでの実験により、理論の妥当性と閉ループでの成功率の向上が示されています。
説明自己教師あり3D幾何学習における非対称性の再考
要約本論文は、位置情報のない画像から3D幾何を自己教師あり学習する手法を扱います。非対称性を入力空間ではなく3D表現空間で与え、保留ビューは再構成シーンからのみ除外し、共有バックボーンは全ビューを対応付けに用います。さらに、疎な視点と密な視点の特徴を整合させる信号や凍結された視覚基盤モデルとの特徴整合を加えることで、深度と位置推定が従来の自己教師あり手法より改善されたと報告しています。
説明凍結・解凍ベイズ最適化におけるコスト考慮型の停止規則：一段先読みで十分な条件
要約本論文は、途中から再開できる形で評価を進める凍結・解凍ベイズ最適化で、予算に依存しない効用（最良スコアから増分ごとのコストを引いたもの）に基づいて停止時点を決める方法を検討しています。期待改善量（EI）による一段先読みの停止規則を用い、早すぎる停止を示す下界の証明書を構成しています。三つのハイパーパラメータ最適化ベンチマークでは、多くの高コスト条件で補正版と有意差がなく、低コストでは一部で補正が有利でした。
説明RangeSWA：学習不要で連続拡散言語モデルの生成長を伸ばす手法
要約連続拡散言語モデルは、生成長が訓練時の長さを超えると、文の繰り返しや意味のずれ、生成品質の低下が起きやすいという課題があります。本論文は、再学習を必要としない長さ外挿手法RangeSWAを提案します。局所スライディングウィンドウ注意、遠方のブロック要約、動的な内容検索を組み合わせ、位置の再マッピング、条件付き注意の補正、ノイズ除去段階に応じた適応的なウィンドウ調整によって品質低下を抑えます。複数の連続拡散言語モデルでの実験では、長文生成において生成の困惑度と繰り返し率を効果的に下げられることが示されました。
説明『Think in 360°』：全方位動画の推論を評価・学習させる研究
要約本論文は、全方位動画を総合的に理解する初の人手注釈付きベンチマーク PanoVideoBench を提案し、1,000 問・5 カテゴリ・15 種の問題形式で構成されています。また、実際の全方位動画に基づく推論データセット PanoVideoCoT を構築し、これを用いて学習したモデル PanoVideoReasoner が同ベンチマークで 55.7% を達成したと報告しています。
説明切断チェビシェフモーメントに基づく差分プライバシー合成データ（SPLICE）
要約本論文は、ターゲット分布のノイズ付き切断チェビシェフ多項式モーメントを測定し、それに一致する分布を当てはめる差分プライバシー合成データ手法SPLICEを提案している。n個のサンプルからなるデータセットに対し、一定のプライバシーパラメータの下で、生成される私的分布とターゲット分布との切断Wasserstein-1距離はÕ(1/√n)であり、この上界はデータ次元dに依存しないことを示している。広範なベンチマークで、従来の差分プライバシー合成データ手法より高い性能を達成したと報告している。
注目点新規性は、ノイズ付きスライスChebyshevモーメントで差分プライバシー合成データを作り、次元非依存のSliced Wasserstein界を示す点にある。広範なベンチマークで既存手法と比較している。
説明RAMA：低軌道衛星網向けのエピソード記憶検索付きマルチエージェント経路制御
要約本論文は、検索拡張型マルチエージェント深層強化学習による経路制御フレームワークRAMAを提案する。各衛星は、局所観測、最近の経路履歴、隣接衛星の状態、および自身のエピソード記憶から検索した経験を組み合わせて判断する。140衛星のKepler星座では、DDQN法と比べて平均エンドツーエンド遅延を13.4%、99パーセンタイル遅延を66.7%削減した。1,584衛星のStarlink第1シェルでは平均遅延の削減率が93.2%に達し、オンライン更新によりさらに25.5%低下した。
説明知識層モデル（KLM）：根拠が見えるAI出力、ルーティング診断、および否定的結果
要約本論文は、バージョン付きの認識評価、証拠関係、明示的な未知事項を記録する推論記録の仕様として、知識層モデル（KLM）を提案しています。Nage AI OSの知識・証拠アーキテクチャであるSEDIMを参照実装として扱い、プラットフォーム領域のルーティング基準（150件中137件の分類、約91.3%）などの内部実験を報告しています。著者は、これらの結果は内部報告であり、証拠の可視性は正しさ、因果的依存、安全性、規制適合性を証明するものではないと明記しています。
説明PersonaChatBench：多様なシミュレートユーザーで対話アシスタントを評価する枠組み
要約本論文は、同じタスクに異なるニーズ・好み・対話スタイルを持つ複数のシミュレートユーザー（ペルソナカードで定義）を組み合わせて対話アシスタントを評価するフレームワーク、PersonaChatBenchを提案する。20の言語モデルを6つの分野で評価し、タスクの成果、表明されたペルソナのニーズの充足、シミュレーターの忠実性を別々に測定した。その結果、タスク性能とニーズ充足はペルソナや分野によって異なり、高いタスク性能が個々のニーズの充足に直結するとは限らないことが示された。
説明CRoS：並べ替えた思考連鎖への因果報酬による正答率と推論の忠実性の向上
要約本論文は、思考連鎖（CoT）の因果性を評価する手法CRoSを提案します。推論ステップの内容は変えず順序だけを入れ替えることで、摂動による情報の混乱を避け、強化学習の訓練報酬として用います。Reasoning GymとGemma-3-4Bでの実験では、未知の論理・ゲーム系データセット5種で正答率46.8%（最強の基準手法は43.8%）、CoT-Pass@K（K=1から128）の平均は43.4%（基準は41.4%）、ヒント言及スコアは34.0%（基準は20.2%）となりました。
説明REA：非同期な「脳-小脳」制御のための経路制御型エンボディド・エージェント実行環境
要約本論文は、熟慮的な高次推論モジュール、ルーティング担当のエンボディド層、反応的な低次ポリシーを協調させる統合ランタイム REA（Routed Embodied Agent）を提案している。動作中のポリシーが上位の推論を待たないことを原則とし、各ポリシーの成功率を事前に記録する経路メモリ、実行境界で起動する判定ゲート、予算を共有する段階的な回復機構によって協調させる。LIBERO-Proの60タスク・3,000エピソードの評価では、成功率95.9%で、同じポリシー群の最良の単一エージェント基線（94.7%）を上回り、制御ステップは25%、制御時間は17%削減された。
説明滑らかな凸最小化における確率的勾配降下法の厳密理論と最適ステップサイズ
要約本論文は、滑らかな凸最適化で用いる確率的勾配降下法のステップサイズ列の設計を扱う。勾配ノイズは条件付きで零平均かつ有界分散と仮定する。次元が N+1 以上の問題において、最終反復点の期待劣適性を最悪ケースについて厳密に解析し、区間 [0,1.5] 内の任意の N 個のステップサイズ列に適用できる。分散の上界が Ω(1/√N) 以上の場合には、極小極大最適なステップサイズ列とその一意性を示す。この最適列は単調に減少する。
注目点SGD最終反復の期待劣最適性について精確な最悪ケース解析を与え、ミニマックス最適ステップサイズ列の一意性を示し、決定論的場合の分数加速を排除する。
説明種レベルの検出に基づく音響生物多様性指標：分類器の比較、誤検出の抑制、標準的な音風景指標との検証
要約本論文は、種レベルの音声検出から構築する音響生物多様性指標（ABI）を改良した研究である。主要指標は検出結果のシャノン多様度を、その地点と季節に想定される地域種プールの大きさで正規化したもので、時間的安定性は別の成分として報告される。アフリカのサバンナとアブダビの動物園の複数の生息環境で検証された。指標は種数と強く相関した（Spearman ρ = 0.93）一方、標準的な音響指標6種は相関が弱かった。
説明個別滑らかさの仮定下でほぼ最適な二次凸有限和最適化
要約本論文は、n 個の成分を持つ滑らかな凸有限和最適化問題の確率的二次オラクル計算量を研究している。個別の滑らかさと凸性の仮定の下で、計算量の下界 Ω(n+n^{5/7}ε^{-2/7}) を示し、新たに泰勒修正遅延ニュートン法を設計した。Monteiro-Svaiter加速と組み合わせることで、計算量 Õ(n+n^{5/7}ε^{-2/7}) を得ており、下界とは対数因子のみの差である。
説明同じ質問、異なる回答：禁煙アドバイスにおける六つのLLMのペルソナ依存的な差異の監査
要約研究者は、四社の六つの主要な大規模言語モデルに、同じ四つの禁煙に関する質問を、人生段階・自己申告の専門性・喫煙歴が異なる十二のユーザーペルソナから投げかけ、計2,880件の回答を収集しました。FDA承認の処方禁煙薬への言及は、十代のペルソナに対して成人ペルソナより32〜67パーセントポイント少なく、六モデル中五つでは医療専門性を示すペルソナが専門性のないペルソナより少ない事実しか受け取っていませんでした。研究はまた、核となる事実の下限を指定する簡潔なシステムプロンプトの効果を評価し、その効果はモデルごとに異なることを示しました。
注目点新規性は、禁煙助言に対する六つのLLMの人物設定依存の差異を監査し、事実の下限を示すシステムプロンプトを検証した点にある。摘要は2,880件の応答を報告し、全応答と分析コードの公開に言及している。
説明ノイズのある測定からクリーンな生成過程を学習する
要約本論文は、ノイズを含む観測データのみを用いてクリーンな画像の生成モデルを学習する方法を研究している。まずNoise2Noise回帰により、独立したノイズ付きビューから事後予測を学習できるが、学習データのノイズレベル以上に限られることを示す。さらに、それ以下のノイズレベルの予測を学習するため一貫性制約を導入し、CIFAR-10、光子計数顕微鏡、合成開口レーダーの実験で、その有効性を検証している。
注目点新規性は、一貫性制約により学習データのノイズ水準以下の事後予測を学習し、クリーン画像分布を一意に定める条件を示す点にある。作者はCIFAR-10、光子計数顕微鏡、SARで検証したと報告している。
説明Any Forcing：自己回帰型動画生成における任意ステップの汎用性と単一ステップの安定性
要約本論文は、自己回帰型動画生成のための Any Forcing フレームワークを提案している。統一された敵対的判別器により、実分布への整合、ステップ間の一貫性の整合、先頭フレームの品質向上を同時に行い、単一ステップの生成品質を保ったまま柔軟なサンプリングを可能にする。さらに、大域的な意味的関連性と局所的な価値寄与に基づいて過去の状態を選択し、その時間位置を再マッピングする、学習不要の適応的長期メモリ選択機構を提案している。実験では、単一の H100 GPU 上で短い動画と長い動画の生成をそれぞれ 20.9 FPS と 24.7 FPS で達成したと報告されている。
説明ただ乗りのループはない：学習済みモデルをループさせると推論計算コストに見合うのはいつか
要約本論文は、学習済みモデルの一部の層を繰り返し適用するループを加えることが有効かどうかを検討している。ループはパラメータ数を増やさないが、生成される各トークンの計算コストが増加する。研究では、同じパラメータ数のループなしモデル、および同じ推論浮動小数点演算量のループなしモデルと比較した。Qwen3およびQwen3.5の0.8Bから9Bまでのモデルで評価した結果、両方の基準を上回ったのは0.8Bのループモデルのみであった。4Bと9Bではループモデルは同一条件で学習したループなしモデルを上回らず、事前学習後にループを加える利点は、パラメータ予算が固定された小型モデルに限られるとしている。
説明CausalXRL：因果グラフ推論による説明可能な強化学習
要約本論文は、因果グラフ推論を用いて強化学習エージェントの意思決定を透明で構造化された多層的な説明として示す枠組みCausalXRLを提案している。ベンチマーク環境での説明の忠実度と因果構造の学習効率の定量分析、およびリアルタイム戦略ゲームMicroRTSを対象とした専門家による定性的評価で検証している。結果として、効率的に因果構造を学習しつつ忠実な説明を提供できること、また専門家が高レベルの戦略の確認に有用と評価したことが示されている。
説明非線形クアドロータの実時間ノット点密度推定のためのニューラルネットワーク手法
要約本論文は、常微分方程式によって生成される軌道のB-スプライン近似において、学習ベースの適応的ノット配置手法を提案している。ニューラルネットワークはシステムの初期条件から、軌道の局所的な変化を特徴づける量への写像を学習する。その推定値を用いて、局所誤差指標がほぼ等分配されるような非一様なノット分布を構成し、所定の精度を満たすのに必要な制御点の数を削減する。
説明GhostPrefix：同期不要の汎用プレフィックス攻撃による音声認識の操作
要約本論文は、自動音声認識（ASR）システムに対する初の同期不要な汎用敵対的プレフィックス攻撃GhostPrefixを提案している。攻撃者は再利用可能な短い音声セグメントを学習し、任意のライブ音声の前に付加することで、後続の発話内容や時間的整列を知らなくてもASRの出力を制御できる。13のオープンソースASRモデルで三つの攻撃モードを評価し、デジタル環境および空中伝送環境の両方で高い攻撃成功率を示した。さらに、音声アシスタントやAIノート作成ツールなどの下流アプリケーションにも影響が及ぶことを報告している。
注目点同期不要の初の汎用音声プレフィックス攻撃で、表現レベル目標を組み合わせ、13種のASRモデルでデジタル・空中両設定を評価。
説明方程式が誤っているときを見抜く：外挿下でのLLM誘導型記号回帰における構造的不確実性
要約本論文は、大規模言語モデルでデータから数式を発見する際の不確実性を扱います。提案手法LLM-SR-UQは、競合する複数の方程式構造を保持し、それらの間の不一致を用いて関数形の不確実性を表現します。LLM-SRBenchでの実験では、外挿時のカバレッジが向上し、分布内のカバレッジも維持されました。また、他の記号回帰手法にも適用できることが示されています。
説明非同期フローマップ言語モデル：一段階生成に予測順序を組み込む
要約本論文は、非同期フローの流れ写像を学習することで、トークンの予測順序を一段階の並列言語モデリングに組み込む非同期フローマップ言語モデル（aFMLM）を提案している。非同期フローはトークンごとの時間スケジュールによって順序を指定し、各トークンのノイズ除去の進み具合を制御する。スケジュールは事前定義することも、状態に応じて学習することもできる。モデルは一回の順伝播で全トークンを生成し、数独の解法とGSM8Kの数学文章題のコード生成で一段階生成の新たな最高性能を達成した。
説明ヤコビアン微調整はニューラルPDEエミュレータをいつ安定化させるか？
要約本論文は、カオス的な偏微分方程式のニューラルエミュレータを自己回帰的に走らせたときに誤差が蓄積する問題を扱う。一次分解により、誤差をモデル自身の力学による増幅分と、系そのものの物理的な成長分に分け、その違いを増幅比で表す。4種類の偏微分方程式、5種類のアーキテクチャ、2つのモデル規模で実験を行い、増幅比が高い場合にヤコビアン微調整で誤差が大きく減ることを示している。
説明TurnTurk-GPT：トルコ語向けテキストベースのターン交替予測
要約本論文は、トルコ語GPT-2をTurnGPTの目的関数で、合成および実対話データを用いてファインチューニングしたテキストベースのターン交替予測器TurnTurk-GPTを提案します。実際のトルコ語会話で、ルールベースの基準、ゼロショットのトルコ語言語モデル、多言語のターン終了検出器と比較しています。TurnTurk-GPTは両方の評価設定で多言語検出器を上回り、ゼロショットモデルは学習に現れた話者の場合のみ上回りました。モデルと評価手法は公開されています。
説明TradeWar：実行結果に基づく適応型LLMエージェントの貿易交渉ベンチマーク
要約本論文はTradeWarという多国間貿易シミュレーションのベンチマークを提案する。交渉の対話を具体的な関税や貿易シェアの政策に変換し、決済時に生産能力とネットワークの制約を課したうえで、経済健康指数（EHI）で結果を評価する。また、TACTICというエージェントを提案し、基盤LLMの重みを更新せずに、過去の経験、相手の行動、決済結果を用いて複数エピソードにわたり交渉戦略を改善する。実験では、TACTICの最終EHIがベースラインを上回り、技術規制やエネルギー危機の衝撃下でも性能低下が小さかったと報告している。
説明GeoFlip：動画生成における幾何感受性の物理挙動のベンチマーク
要約本論文は、初期の幾何形状の変化に応じて動画生成モデルが正しい物理的経過を生成できるかを検証するGeoFlipベンチマークを提案している。482組のシーンペアと964本の参照動画を含み、参照結果は物理シミュレーションと数値検証により確定されている。16モデルを評価した結果、タスク平均の最高イベント正解率は27.98%にとどまった。
説明AutoAnalysis：自動更新される人間とAIの協働に関するメタ分析
要約本論文は、人間とAIがどのような場合に共同で作業した方が良い結果を出し、どのような場合に単独で作業した方が良いかを調べる、自動で更新されるメタ分析システム AutoAnalysis を紹介しています。最新の実行では、420本の論文から得られた1,955件の効果量を統合しました。その結果、人間とAIの組み合わせは平均として人間単独より有意に高い成績を示した一方、人間またはAIのうち成績の良い方単独よりは有意に低い成績であることがわかりました。新しい研究が発表されると、その知見も随時この分析に取り込まれます。
説明《Less Loss, Fixed Weights》：固定の logit 補正による言語モデルの忘却の緩和
要約言語モデルを指示追従のために微調整したり新しい分野で事前学習を続けたりすると、標準的なWebテキストの予測損失が悪化する現象（「忘却」）を扱った論文です。著者らは、最終トークンの予測に対する単純な固定調整で損失を戻せるかを検証しました。14組の基盤モデルと派生モデル（1Bから7Bパラメータ）で、トークンごとの固定バイアスを単独で、または温度と組み合わせて当てはめた結果、バイアスだけの回復率は最大でも10%未満、バイアスと温度の組み合わせで最大36%でした。数学分野で追加事前学習したモデルはほとんど回復しませんでした。
説明CAPER：アナログ回路検証のための回路認識型パラメータ効率的推論手法
要約本論文は、アナログ回路の検証支援に大規模言語モデルを用いることを提案し、未達の仕様や、プロセス・電圧・温度（PVT）変動下で現れる信頼性の問題を検出する。提案手法CAPERは、LoRAに小さな分岐を加えて各回路段の特性を読み取り、関連する段の情報を組み合わせる。実験では、フィードバックループの判定やコンパレータラッチのPVT変動による故障検出において、汎用アダプタより高い性能を示した。
説明DAMI：ゲート付き線形注意機構における長文脈検索の強化のための二軸メモリ初期化
要約本論文は、二軸メモリ初期化（DAMI）を提案し、学習前にゲート付き線形再帰のゲートパラメータを共同で設定することで、長文脈検索を改善する手法を示す。ヘッドごとに異なる検索距離に対応する幾何学的時間スケールを割り当て、層間には低-高-低の入力感度プロファイルを設定する。少量の活性化サンプルで校正し、学習可能パラメータは追加しない。GDN、KDA、GDN2、Mamba-2、RWKV-7 において、ランダム初期化のベースラインと比べ、RULER 形式の検索精度が平均 5.29〜16.71 ポイント向上し、言語モデリング、常識推論、2K の実世界検索の性能はベースラインとおおむね同等である。
説明MoETok：一次元ビジュアルトークナイザーのためのスパース専門家ルーティング
要約本論文は、スパースに活性化される専門家を通じてトークンをルーティングする一次元ビジュアルトークナイザーMoETok（Mixture of Experts Tokenizer）を提案しています。意味的な監督のもとで、学習可能なクエリが自発的に役割分担し、少数の内容クエリが高レベルの意味情報を、多数の細部クエリが再構成用の細かな視覚情報を担うことを明らかにしています。再構成と意味の目的関数で共同最適化した結果、密なトークナイザーと比べて、再構成、意味表現、自己回帰生成が一貫して改善されています。
説明『Neurons Are All You Need』：持続的な記憶をニューロン単位に組み込み、モデル間で能力を移せる新しいニューラル層の提案
要約本論文は、ユニット内の持続的な記憶を計算と分けて扱うNURESA（Retentive Self-Adaptive Architectureを備えたNeural Unit）というニューラル層を提案している。記憶は蓄積されて移転可能な記憶レジスタに統合される。MLP、GPT-2、Qwen2.5などでの実験では、再学習や元の学習データなしに、学習した能力を未学習のモデル実体へゼロショットで移せたと報告されている。また、微調整時の領域能力の喪失を防ぐことや、転送に約1分かかり転送ファイルが元のモデルより大幅に小さいことも示されている。
説明ID2Pattern：取引リスク基盤モデル向けの汎化可能な身元行動パターンの事前学習
要約本論文は、取引リスク基盤モデルのための事前学習フレームワークID2Patternを提案している。まずローカル匿名ID（LAID）トークナイザでカード、デバイス、アカウントなどの身元フィールドを符号化し、具体的な値に依存せず、取引系列内で身元がどのように現れ繰り返されるかを捉える。次にラベルなし系列上で多スケールのパターンコードブックを事前学習し、LAID系列を離散的な行動パターンに抽象化する。産業データセットと6つの公開データセットでの実験では、強力なベースラインを上回り、訓練時に身元の値がすべて未知であっても有効性を保つことが示された。
説明FoAViS：中心窩型アクティブビジョンシステムで学習された注視戦略の分析
要約本論文はFoAViSというシステムを提案し、対数極座標による中心窩型のサンプリングと、2次元空間メモリへの情報の蓄積を行います。同じメモリを分類にもセマンティックセグメンテーションにも、構造を変えずに読み出せます。注視点は、課題と同時に学習された方策によって2次元マップから選ばれます。学習された注視方策は非学習のヒューリスティックより有益な位置を選び、同時学習で得られたモデルはランダムな位置で学習したモデルより高い性能を示します。注視経路の一部は人間の注視行動と類似しています。
説明TwinPast：証拠対比ビデオペアによるストリーミング映像理解の履歴証拠利用の評価
要約本論文は、ストリーミング映像ベンチマークで高い精度が出ても、モデルが映像の履歴を実際に使っているとは限らないと指摘する。提案するTwinPastは、人手で確認した350組の映像ペアからなり、直近の映像・質問・選択肢を固定したまま、重要な履歴証拠と正解だけを変える。両方の履歴で正解できた場合のみ合格とする。34のモデル・入力構成を評価し、最強のストリーミングシステムのPairAccは49.14%、汎用モデルは66.57〜91.43%であった。
説明私的PAC学習のサンプル複雑度に関する新たな下界
要約本論文は、近似差分プライバシーの下での実現可能なPAC学習を研究し、そのサンプル複雑度の下界を証明するための枠組みを提示する。VC次元とLittlestone次元が同じでも私的サンプル複雑度が異なる概念クラスを構成し、これらの次元だけではサンプル複雑度が決まらないことを示す。これに対応して独立クラス詰め込みパラメータ（ICP）を導入し、非正則な学習器を含むあらゆる学習器が Ω(ICP/(αε)) 個の例を必要とすることを証明する。この枠組みにより、軸平行矩形、区間の和集合、線形部分空間に対する厳密な下界と、半空間および凸多角形に対する改良された下界を得ている。
注目点独立クラスパッキングというパラメータを導入し、プライベートPAC学習の下界を与え、矩形や区間和などでタイトな界を示すと報告。
説明ベンダーの画像処理は重要か？ネイティブなビームスペースデータから心エコー表示の見え方を学習
要約多くの心エコー検査データセットにはベンダーで処理された画像が含まれますが、その処理は文書化されないことが多く、モデルの性能や頑健性に影響するおそれがあります。研究では、小型の畳み込みニューラルネットワークを学習させ、605名の患者から得た8,406件の記録を用いて、ネイティブなビームスペースの輝度モード超音波からGeneral Electric（GE）の表示の見え方を再現しました。ビームスペース版のCNNは、最適な画素単位の輝度マッピングと比べてテスト時の平均絶対誤差を43%削減し、同等のデカルト座標版CNNを上回り、CPU上でリアルタイム動作します。
説明テスト時探索はWorld Action Modelsに有効か：候補選択とシミュレータ整合性の実証監査
要約本論文は、推論時に計算量を増やして制御性能を高める World Action Models で、その効果が実際に得られるかを検証する。Cosmos Policy と RoboCasa で、候補結果に利用可能な信号があるか、計算削減が実際の高速化になるか、評価が信頼できるかの三点を事前登録した方法で監査している。学習済み価値選択器は、クリーンなデータ上でランダム選択より 1.66 ポイント劣り、82% の状態で候補結果が同一だった。トークン剪定は端到端で最大 1.15 倍の高速化にとどまり、目標の 1.5 倍には届かなかった。さらに、描画の静かな破損を特定して修正した。
説明段階的に剪定し、疎に適応する：極端な疎性での大規模言語モデルの効率的な剪定手法
要約本論文は、大規模言語モデルの重み剪定を行うETAPSという手法を提案している。全体の疎性制約を段階的に強めながら、小さく固定された予算で疎な差分を学習することで、高い疎性でも品質を保つ。125Mから13Bパラメータの6モデルで、50%から90%までの各疎性においてELSAより低い困惑度を達成し、最大42%低減した。90%の疎性でLLaMA2-7Bを剪定する際も、ELSAより少ないGPUで済み、資源消費も小さい。
説明ゲームがいつマルコフ決定過程になるのか？ゲーム理論と強化学習の対応関係
要約本書は、ゲーム理論と強化学習が同じ対象を異なる側面から記述していることを定理として示す。ゲームは三つの異なる意味でマルコフ決定過程とみなせ、各対応関係が定義、厳密な還元、または条件付きで成り立つ構造的類推のいずれであるかを明示する。標準的なゲームの各クラスと、ナッシュ均衡やシャープレイ値などの解概念を扱い、対応する学習手法と求解の計算量を整理する。最後に、独立学習者への還元を無効にする非定常性、非連携収束を禁じる不可能性結果、粗相関均衡と相関均衡のギャップなど、成り立たない対応関係を取り上げる。
説明弱い部分学習器による対数凹分布下での多指標モデルの頑健な学習
要約本論文は、対数凹分布の下でブール概念クラスを学習するための新しいアルゴリズム枠組みを提案し、広範な多指標モデルに適用できるとしている。この枠組みは部分分類と検定可能な学習にも拡張される。中心となるのは弱い部分学習器に基づく新しいブースティング手法であり、再帰的なモーメントに基づく分割と、部分空間を用いた分布の差異の検出によって弱学習器を構成する。半空間の関数や多クラス線形分類器などの概念クラスに対して、より高速な頑健学習器が得られるとされている。
注目点弱い部分学習器に基づく新たなブースティング枠組みと、モーメント分割・差異検出手法を提案し、対数凹分布下の多指標モデルの頑健学習を高速化すると報告。
説明WASABI：ブリッジ補間によるWasserstein サンプリング。ボルツマン分布からの試料生成手法
要約本論文は、エネルギー関数のみを与えてボルツマン分布から試料を生成する拡散モデルを学習するWASABI法を提案している。Wasserstein勾配流を用いて、モデルが生成する分布と目標分布のあいだのKLダイバージェンスを最小化する。モデル自身の対数密度の勾配を計算せずに済む実用的な学習アルゴリズムを導出している。学習後はエネルギーやその勾配を再評価せずに新しい試料を生成できる。アラニンジペプチドでは、最良の報告済みベースラインより推定3.3倍少ないエネルギー評価回数で上回ったとされ、相互作用粒子系のベンチマークでも競争力のある性能を示したという。
説明Chronos-2：多変量時系列予測のための基盤モデル
要約本論文は、ゼロショット予測が可能な時系列基盤モデルChronos-2を提案している。このモデルは、複数の時系列同士や外生的な共変量との相互作用をモデル化し、過去のデータから直接その関係を推定して確率的予測を生成する。著者らは、複数のベンチマークで平均精度が最先端であり、計算速度も専用の予測手法より大幅に速いと報告している。さらに、感染症、マクロ経済、炭素フラックス、流出量の各分野でも、専用手法と同等以上の性能を示したとしている。
説明衝撃負荷は加速熱分解を超える反応経路に到達する
要約本論文は、C/H/N/O系エネルギー材料向けの反応性機械学習ポテンシャル EMFF-MACE を開発し、同一のポテンシャルエネルギー面上で20種の材料の熱分解と10種の材料の衝撃シミュレーションを行った。正規化した反応進行度を揃えた比較では、両者の化学状態と局所構造環境に違いが見られた。研究は、分解過程で経由する構造状態や後続の反応経路は、熱分解の速度だけでなく負荷履歴の影響を受けると結論づけている。
説明行動から導いた意味次元により、マルチモーダルLLMを人間の認知の潜在構造に合わせる研究
要約本論文は、マルチモーダル大規模言語モデル（MLLM）を、人間の類似性判断の背後にある多次元の心的表象に合わせるための枠組みを提案している。既存の行動由来の意味埋め込み空間を基盤とし、470万件の人間による「奇妙な一つ（Odd-One-Out）」判断から得られた66の解釈可能な次元で対象を表現する。人間の類似性判断との一貫性が向上し、標準的なマルチモーダルベンチマークでも競争力のある性能を保つことが示された。さらに、fMRIデータを用いた表象類似性分析（RSA）により、モデルと人間の表象の整合性が高まったことが観察された。
説明少ステップフロー強化学習のための確率的方策の幾何最適化
要約少ステップフローモデルは、少数の大きなノイズ除去遷移によってサンプルを生成します。このようなモデルにGRPOを適用するには、ノイズ除去遷移に確率性を導入する必要があります。本論文はGeo-FSRL（Geometry-Optimized Few-Step Reinforcement Learning）を提案し、係数を保つ等方性ガウス遷移の族の中で、条件付きKLダイバージェンスを最小化する方策を選択します。4ステップの設定では、画像・動画生成モデルの両方で、Flow-GRPOおよびFlow-CPSより高い最終報酬スコアを達成したと報告しています。
説明Sensorium：身体性を持つ手術AIのためのオープンソース型マルチモーダルデータ収集・整理ライブラリ
要約本論文は、ROSおよびROS2ミドルウェアを用いて、構成可能なロボットとセンサーのストリームからマルチモーダル手術データを記録、処理、注釈、整理するオープンソースのPythonライブラリSensoriumを紹介している。このライブラリは、オペレーター向けのデータ取得、構成可能な処理、意味的注釈、エピソード単位のデータセット生成を組み合わせている。著者らは、ファントム、体外、生体内のブタ実験で得られた1516件の記録でSensoriumを評価し、予備的な使用性のフィードバックを報告している。
説明科学AI向けの観測量別妥当性検証：制御された近似と介入応答
要約本論文は、科学AIの簡略化モデルを参照モデル、誤差尺度、許容値、パラメータ領域、変換・介入と結び付け、観測量ごとに妥当性記録を作成する手法を提案する。特異摂動振動子について変位と速度の明示的な証明書を示し、精密なHubbard二量体の関係によってエネルギーと応答の基準が受け入れる結合領域の違いを明らかにする。16回の反復ニューラルネットワーク学習では、次元の同次性を課すことでエネルギースケール転移誤差が52.3%から0.0768%に減少し、ギャップと応答の許容値を同時に満たす割合の中央値が0から100%に上昇した。
説明動的な環境における移動アドホックネットワークの適応型カバレッジアルゴリズム
要約本論文は、未知環境で移動エージェントを協調させる既存の枠組みを、動的な不安定性を考慮するように拡張したものです。既存の問題に、エージェントの喪失と環境の変化という2つの設定を加えています。著者らは集中型アルゴリズムCADENCEとその分散版DADENCEを改良し、4500件を超える多様な規模と構造のテストケースで、既存の基準アルゴリズムより優れた性能を示したと報告しています。
説明二値スパース符号：省エネルギー表現の現状はどこまで来たか
要約本論文は、人間の脳のように少数のユニットだけを活性化させて情報を表す、人工システムの二値スパース符号を扱います。入力空間の関係構造をどれだけ忠実に再現するかを測る、情報保持を類似性保持として定式化した指標群を提案しています。統一条件下で代表的な4手法を比較した結果、情報保持の高さとスパース性の高さの間にはトレードオフがあり、競合スパース符号（Competitive Sparse Codes）のみが両立に近い領域に位置したと報告しています。
説明暗黙的ノイズ除去事前分布の事前力族と線形逆問題における判断
要約本論文は、ガウスノイズ除去器によって与えられる暗黙的事前分布（plug-and-play法PnP、ノイズ除去による正則化RED、スコアベース手法など）を対象とし、ノイズ分散に依存する事前力族W_t=t^{-1}(D_t^{-1}-I)を定義して、明示的事前分布と同じ土俵で比較できるようにしています。MMSEノイズ除去器に対応するエネルギーを複数の水準で比較し、ノイズレベルは刻み幅ではなく事前分布のパラメータであることを示しています。厳密な事前分布を用いた実験で、これらの理論的予測が裏付けられています。
注目点ガウスノイズ除去器の事前力族を定式化し、PnP・RED・MAPのエネルギーを比較、ノイズレベルを事前分布のパラメータとして理論的に示し、厳密な事前分布で実験を行う。
説明複数回のローカル更新を伴う分散確率的最適化のための分散削減手法
要約本論文は、分散削減と複数回のローカル更新を統合した、原始双対（primal-dual）ベースの分散最適化アルゴリズムを提案する。確率的勾配の下で動作し、ステップサイズはネットワーク規模に依存せず、ローカル更新回数に反比例する。これにより、より大きなステップサイズを使用でき、収束が速まる。強凸の設定で、期待値の意味での線形収束保証を確立しており、各ラウンドで交換するのは1変数のみで、勾配追跡法と比べて通信コストが半分になる。数値実験では、収束速度と精度における優位性が示されている。
説明IGDA-ICMH：機械視覚と人間視覚の双方に対応する、重要度誘導型の特徴・ネットワーク二重適応による画像圧縮フレームワーク
要約本論文は、機械視覚と人間視覚の両方に用いる画像圧縮の問題を扱います。まず、異なる特徴やネットワーク層が機械視覚タスクの性能に与える影響を定量的に分析しています。その結果に基づき、暗黙的ニューラル表現を基本構造とするIGDAフレームワークを提案し、重要な層を選択的に調整する低ランク適応モジュールと、非局所性を利用する特徴適応モジュールを設けています。画像分類と物体検出での実験では、既存の暗黙的ニューラル表現ベースの手法より高い性能を示したとしています。
説明最適化モデリングのための構造認識型スキル検索と調停
要約本論文はArchORを提案します。これはOptSkillsに二つの検索モジュールを加えた、アーキタイプ中心のスキルエージェントです。中心認識表現学習（CARL）と署名誘導型検索（S³R）を用い、加重Jaccard重なりで候補を優先順位付けし、いつ構造的経路で元の選択器を置き換えるかを調停規則で定めます。同じDeepSeek-V4.1-Flash基盤モデルで、五つのベンチマークにおけるMicro-Avg. Pass@1は65.00%に達し、OptSkillsを上回りました。
説明AVS向けニューラル動画圧縮のためのレート歪み最適化スキップモード符号化フレームワーク
要約本論文は、AVSにおけるニューラル動画圧縮（NVC）のスキップモード符号化を扱っています。空間フレーム内および異なる時間参照品質下でのレートと歪みの分布を分析し、超事前分布とベイズの定理によって予測される統計分布に基づいてレートと歪みを定式化するRDOSkipフレームワークを提案しています。AVSおよびHEVCのデータセットで、BD-rateがそれぞれ0.90%と1.29%改善したと報告されています。
説明LLMエージェントの複数ツール要求における検索構造の網羅性とコスト
要約本論文は、複数のツールを必要とする要求に対し、六種類のツール検索構造を二つのテストセットで比較し、必要なツールがすべて検索結果に含まれるかと、検索時の LLM 呼び出し回数、トークン数、遅延を測定しています。テストセットで未学習で、クエリあたり LLM 呼び出しが最大一回の方法では、k=16 のとき AppWorld の完全取得率は 10% を超えませんでした。テストセット内の少数のクエリで学習した集合レベルの検索器は LLM 呼び出しなしで高い網羅性を示し、LLM が階層を辿る方式は多くの呼び出しと時間を要しました。
説明強化学習の統計的基礎：非漸近的視点（モノグラフ）
要約本モノグラフは、表形式のマルコフ決定過程を基盤に、強化学習のサンプル複雑性を非漸近的な観点から体系的に分析したものです。生成モデル、オンライン、オフラインの3つのサンプリング方式と、モデルベース・モデルフリーの2つのアルゴリズム枠組みを扱います。ミニマックス最適なアルゴリズム設計と、代表的なアルゴリズムの精密な統計的特徴づけに重点を置いています。さらに、ロバスト強化学習、マルチエージェント、連合学習、不確実性定量化、人間のフィードバックによる強化学習などの拡張にも簡潔に触れています。
説明ReX-GG：関係抽出とグラフ生成のための LLM アンサンブル・パイプライン
要約本論文は、JSON 形式の構造化出力と匿名のピアレビューによるランキングを用いて、幻覚的な出力や単一モデルの故障を抑える、軽量で構成可能な複数の大規模言語モデルの連携ワークフローを提案している。英語の科学解説記事を対象に、強い因果、弱い因果、対比、構成の4種類の関係を抽出し、色分けされた対話型 HTML 因果グラフを生成する。匿名のユーザー調査では、人手による注釈付きの基準に対する平均知覚精度は 0.778 であった。
説明技術強化学習における学習者の対話ログから機械学習で自己効力感を測定する研究
要約本論文は、学習者がTEL（技術強化学習）システムで演習を解く際の対話ログをもとに、自己効力感の低さを検出する手法を検討しています。二つの大学で実験を行い、対話データと自己効力感の自己評価を収集しました。複数の分類モデルから成る機械学習パイプラインを構築し、学習中に自己効力感が大きく変動するため継続的な監視が予測性能の向上に重要であると述べています。
説明汎用基盤モデルが化学物性予測で専門の化学モデルを上回る
要約本論文は、汎用基盤モデルと化学用基盤モデルの予測精度を化学各分野のタスクで比較したものです。実験データがわずか60点しかない場合、汎用モデルのGPT-6 Astraは、物理化学および量子化学の回帰タスク5件で既存の化学モデルより優れていました。化学モデルが同等の性能に達するには、約10倍のデータが必要でした。著者らは、化学構造などの基本的表現を学習しても、人類の関連知識での学習の代わりにはならないと結論づけています。
説明距離空間における k 近傍回帰の平均二乗一致性に関する研究
要約本論文は、距離空間の値をとる特徴量に対する k 近傍回帰の平均二乗一致性を検討している。近傍の選択が確率をどのように再配分するかを分析し、近似誤差と条件付き応答分散それぞれの条件を示している。有限の四次応答モーメントと k_n→∞、k_n/n→0 の下では、選択密度の一様 L2 上界で十分であることが述べられている。また、σ有限の Nagata 次元を持つ空間上に、有界でない応答に対して平均二乗誤差が発散する例を構成し、その次元条件だけでは十分でないことを示している。
注目点新規性は、k近傍回帰の二乗平均一致性条件を距離空間へ一般化し、選択密度の上界と反例を与えた点にある。作者は証明と構成例を示し、影響は主に理論の一分野に限られる。
説明大規模データ仮想化サービスにおけるLLMを用いた自動キーワード生成
要約本論文は、大量の仮想データセットを抱えるデータ仮想化サービス（DVS）で検索を容易にするため、大規模言語モデル（LLM）で各仮想データセットのキーワードを自動生成する手法を提案している。LLMに処理させるテキストデータの選択方法として五つの戦略を設計し、五つの応用事例で評価した。三種類のLLM生成器と二種類の埋め込み技術を用いた実験の結果、各戦略の性能はテキスト記述の質に左右されることが示された。
説明科学機械学習による大規模不均質メタマテリアルにおける非局所相互作用の学習
要約本論文は、線形場方程式に支配される不均質系において、構成によって変化する相互作用を場データのみから学習する領域分割アテンションニューラル演算子（DANO）を提案している。大規模光学メタサーフェスを事例に、幾何学的な不均質性や異なる駆動条件下での全場予測、小領域から大領域への転移、多機能逆設計を示し、学習された相互作用を物理ベースの検証で確認している。
説明テキストを索引として用いるゼロショット・クロスドメイン知識追跡
要約知識追跡（KT）は、学習者の過去の回答履歴から次の回答を予測する手法である。本論文は、学習用の回答ログがない新しいプラットフォームでも題目テキストだけで動作するよう、テキストを直接の予測表現ではなく索引として使うTIZSKTを提案している。3つの公開データセットを用いたleave-one-domain-out実験では、評価したすべての目標ドメインで平均AUCと正答率が最も高かった。
説明消費者の嗜好の動態を予測するファジー選択的状態モデル
要約小売チェーン顧客の嗜好の時間変化を予測する研究です。嗜好は三角ファジー数で表され、Mamba型の選択的状態空間モデルで時間発展を記述します。競合の販促や顧客の乗り換えを含む合成例では、107パラメータの軽量モデルが予測中心の平均絶対誤差で基準モデルより良い結果を示し、予測の曖昧さを言語的に解釈できる推定値も提供します。
説明Movens-Zero：大規模な人間の動画で人型ロボットの運動基盤モデルを拡張する研究
要約本論文は、人型ロボットの運動基盤モデルで不足しがちなロボットが実行可能なデータの問題に取り組み、インターネット動画から1500万件の人間の動作系列と500万件の物理的に実行可能な人型動作系列を含むデータセットMovens-5Mを構築しています。また、テキスト・音声・音楽・動画を統合的に扱い、リアルタイムの閉ループ制御を支えるアーキテクチャMovens-Zeroを提案し、専門家が検証した8192組の条件と動作のペアからなる四モダリティのベンチマークMovens-Intentも導入しています。実験では、データ量とモデル規模を拡大するにつれて、四つのモダリティすべてで性能が一貫して向上したと報告されています。
説明『Learning to Live』：生涯にわたる身体性知能への一歩
要約本論文は、ロボットが継続的に観察し、選択的に記憶し、経験を新たな能力へと変えるLIFEフレームワークを提案します。構成要素は、条件の追跡と新しい事象の発見を行う軽量なストリーミングゲートRoboBeats、元の画像と構造化レコードを保持する拡張可能な記憶Plastic Memory、そして問題解決で見つかった解法を検証済みの再利用可能なツールやスキルにするExplore-Distill-Mount（EDM）です。実験では、RoboBeatsが基盤モデルより条件追跡で大きく改善し、同じ書き込み予算で一様サンプリングより有用な証拠を多く保持しました。実ロボットが記録した24時間の連続映像を用いた事例では、一日の経験から記憶を構築し日常の質問に答える様子が示されています。
説明AI評価者は候補者の能力とは無関係に、特定のAIモデルが書いた応募書類を好む
要約求職者が大規模言語モデルで志望動機書などを作成し、雇用者もLLMで選考する場合に、候補者の資質とは別に使用モデルの選択が採用結果に影響するかを検証した論文です。著者らは11の執筆モデルと9の評価モデルを組み合わせる多モデル監査フレームワークを構築し、10職種・各職種50名の候補者を対象としました。執筆モデル間に一貫した優先順位が見られ、評価モデルには自己の出力を好む傾向も確認されました。最も不利な組み合わせでは、適格な候補者25名のうち約1.8名がモデルの不一致だけで除外されたと報告しています。
説明対話と演出を学習する：共進化する映像ディレクター・エージェント
要約本論文は、ディレクター・エージェント、模擬ユーザー、メタエンジニアから成るLITフレームワークを提案し、多段階の映像制作における演出能力と対話能力を改善する手法を示している。メタエージェントは外部知識を能動的に学習して問題の発見と解決策の提案能力を高め、三者が進化的な閉ループを形成する。TestおよびOOD Testの両分割で、LITは初期パイプラインに比べて制作スコアを19.1%、対話スコアを32.0%向上させた。
説明SimXAI：対話型XAIの対話品質と理解度を高める、簡単に差し替え可能な層
要約本論文は、大規模言語モデルを中核とする軽量な対話層SimXAIを提案しています。従来のGUS型構成の意図認識、対話管理、テンプレート応答の各モジュールを、既存のXAI資源にアクセスできる単一のツール呼び出し型LLMに置き換えます。また、単一ターンと複数ターンの解析、忠実性、文脈化を評価する評価セットも提示されています。複数のデータセットで、SimXAIは関数選択の精度と高い忠実性を示し、文脈に依存する要求もよく処理できることが報告されています。GUS型エージェントTalkToModelの対話層のみを置き換えた利用者調査では、利用者がより正確に、より少ないターンでタスクを完了しました。
説明反復積分を語彙の指紋とする：語彙類似度のための経路シグネチャ埋め込み
要約本論文は、Word2Vecの単語ベクトル軌跡の経路シグネチャ（粗い経路理論の反復積分）によって文埋め込みを構成し、語順と語彙構造を明示的に捉える手法を提案している。Word2Vecの次元、シグネチャの深さ、PCA圧縮を変えた広範な削除実験により、埋め込み距離を五つの語彙文字列指標と比較している。その結果、平均プーリングは文字レベルの編集距離をほとんど捉えられない一方、経路シグネチャはそれと強く一致し、深さ2のシグネチャが文字レベルと単語レベルの感度のバランスに最も優れることが示されている。
説明折れ線グラフを簡略化する方法：分類体系と特徴量に基づく評価
要約本論文は、折れ線グラフの簡略化手法を視覚的特徴に基づいて分類する体系を提案し、変換型、削減型、集約型の3系統に属する19の一般的なアルゴリズムを比較しています。知覚に基づく12種類の視覚特徴を計算可能な形で定式化し、21の指標で各手法による特徴の保持度を測定しています。さらに、忠実度と簡潔さのバランスを評価するFC（Feature–Complexity）スコアを導入し、80のデータセットで評価を行っています。
説明動的メモリTransformer：一定コストのアテンションによる選択的な再帰メモリ
要約本論文は、系列のエンコードと情報の読み出しを分離するハイブリッド構造、Dynamical Memory Transformer（DMT）を提案しています。エンコーダは、複素対角再帰行列を持つ動的システムで実装された複数のメモリユニットを用い、入力に依存する漏れ率で更新を制御します。デコーダはアテンションでそれらの出力を読み出して組み合わせ、トークン履歴を経由しません。認知タスクと言語モデリングタスクでMambaおよびTransformerと比較し、DMTは一部の認知タスクで最良の結果を示し、言語モデリングではTransformerに近い性能ですがMambaには及ばないとしています。また選択的コピーでは長さ外挿がMambaやTransformerより強いとしています。