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21世紀のアナログ・ハイブリッド計算：電子回路などの物理過程で数学的な問題を直接表現する計算方式で、力学系のシミュレーション、最適化、省エネルギーのAI実装への応用を扱う
要約本論文は、現代のアナログ計算とアナログ・デジタル混在（ハイブリッド）計算を学際的な視点から論じた論文です。アナログ計算機は電子回路の信号などの物理量で数学的変数と関係を表し、非線形力学系を直接表現します。デジタル構造の設計上の制約が性能とエネルギー効率を制限しつつある中、アナログ方式は特定の計算を物理過程へ直接写像でき、より小型で単純な素子で効率よく実行できると述べています。さらに、力学系のシミュレーション、最適化、人工知能の省エネルギー実装などへの応用も取り上げています。
説明CLiS：TPU上の動画拡散モデル向け、認証付き安定化によるプラグアンドプレイのAttention高速化手法
要約本論文は、高解像度動画拡散モデルにおける長いトークン列のAttention計算の効率化を扱います。提案手法CLiSは、学習不要で既存モデルに組み込める最適化で、KVループの前に行ごとの安定化項を固定し、ヘッドごとに数値的安全性を検証します。検証に失敗した場合はオンラインsoftmaxに戻します。Wan 2.2およびLTX-2において、調整済みのオンラインsoftmaxと比べてDiTのステップ遅延を最大19.6%削減し、測定可能な品質低下はなかったと報告しています。
説明正確性はターン数ではなく表サイズで崩れる：配信アーキテクチャの比較（ツール利用エージェント）
要約本論文は、ツールが計算した構造化レコードをマルチターンのエージェントへ渡す二つの方式を比較しています。一方はレコード全体をモデルの文脈に入れる方式、もう一方はセッション状態に保持し型付きサイドチャネルで配信する方式です。24の対話では、サイドチャネル方式が339の評価ターンのうち92.3%で完全に正しく、文脈方式は45.7%でした。文脈方式の正確性は表の行数の増加とともに急落します。
説明影響を受けやすい人間を想定した人間とAIの協働のための全方位メカニズム設計
要約本論文は、AIの出力の提示方法によって人間の判断が影響を受けるという点を考慮した、人間とAIの協働フレームワーク「協働型全方位メカニズム設計」を提案しています。新たな文脈付きバンディット型のブースティング手法に基づき、校正型の結果不可識別条件を重み付き校正へ帰着させています。三つの協働設定での実験では、再学習なしに問い合わせコストや予測目標に適応でき、比較した基準手法と同等か、それ以上の性能を示したと報告されています。
説明パフォーマティビティ下の統計的推論：政策フィードバックから自己進化システムまで
要約予測に基づく意思決定がデータ生成過程そのものを変えるパフォーマティビティ（performativity）を扱う論文である。政策立案や、自らの将来の学習データを形成する自己進化型AIシステムがその例である。著者らは、この設定における統計的推論のためのエンドツーエンドの枠組みを構築し、反復リスク最小化と反復勾配降下法について中心極限定理と共分散の漸化式を導出した。さらに、政策摂動とスコアマッチングを用いた一貫性のある共分散推定量を提案している。実験では、伝播する不確実性を無視すると、繰り返し再学習した後でも信頼区間の被覆率が大きく不足しうることが示されている。
注目点パフォーマティブ性下の反復リスク最小化と反復勾配降下に統計的推論を拡張し、共分散の再帰式と予測駆動推論を導入。合成データやLLMルーティングで検証。
説明局所空間TreeSHAP：都市洪水レジリエンスにおける都市化依存の空間的異質性を明らかにする地理説明可能AI
要約本論文は、地理加重ランダムフォレストと新たな局所空間TreeSHAPアルゴリズムを組み合わせ、コミュニティ単位で非線形のレジリエンス機構を識別・解釈する空間説明可能な機械学習フレームワークを提案している。2023年7月の北京の極端豪雨の影響を受けた779のコミュニティを対象とし、レジリエンス機構の空間的異質性が物理的・社会経済的条件そのものより強いことを示した。都市化の勾配に沿って三つの異なるレジリエンス類型を明らかにしている。
説明アップグレード補償付きのオンライン公平な家事分担問題
要約本論文は、オンライン環境で不可分な家事（chores）をn人のエージェントに公平に割り当てる問題を研究している。以前の割り当ては修正できるが、既に割り当てられた各家事は、そのエージェントにとってコストが高くない別の家事に置き換えなければならない。著者らは、ラウンドロビン法を簡単に改良したアルゴリズムが、高々1項目差の無羨望性（EF1）と(2-1/n)倍の最大最小シェア（MMS）近似を同時に保証することを示した。予測情報を用いない決定的アルゴリズムでは、この近似比より良い結果は得られないことも示されている。
注目点新規性は、再割当て可能なオンライン家事分配でEF1と両立する(2-1/n)-MMS近似を示し、決定的アルゴリズムの下界を与える点にある。摘要は予測情報下の結果も報告している。
説明Real-VAS：実世界動画のアモーダルセグメンテーション用データセット
要約本論文は、実画像動画を合成して作成した大規模なゼロショット評価用データセット Real-VAS を提案している。遮蔽された物体の全体形状を分割する手法を評価するためのものである。データ生成パイプラインは単一の非遮蔽ソースから物体マスク、遮蔽境界、合成画像を導出し、人手による推定や高コストな3D再構成に頼らず一貫した真値を作成する。データセットは動的遮蔽と容器の二つのシナリオからなり、容器では容器の追跡された変換に基づいて物体の動きを模擬する。データセットと生成コードは公開予定とされている。
説明多様な表現の等価な光学スペクトルに対して、マルチモーダルモデルは一貫して判断するか？
要約同じ光学スペクトルを、ナノメートル単位の表やフォトンエネルギー単位の図など異なる形式で与えたとき、モデルの判断が一貫するかを検証した研究である。シリコンメタサーフェスと金ナノ粒子の実測スペクトルを用い、また必要なデータが欠けた場合にモデルが判断を保留できるかも調べている。表現形式を変えるだけで、同一モデルの正答率が最大41ポイント変動することが報告されている。
説明PAM-Mamba：Mamba を用いた高効率な密な行動検出手法
要約本論文は、長い未編集動画の中で重なり合う複数の行動を正確に特定する密な行動検出のための PAM-Mamba を提案します。Mamba を基盤とする線形時間 O(T) のマルチブランチ時系列エンコーダで、ゲート付き学習可能位置エンコーディングや双方向時系列 Mamba などを含みます。Charades と MultiTHUMOS で 26.82〜46.92 mAP を達成し、パラメータ数は 26.1〜27.9M で PAT より 61〜63% 少ないと報告されています。
説明深層学習の層収束をスペクトル繰り込み群の視点から捉える論文
要約本論文は、ウィルソン繰り込み群（RG）の考え方を用いて、深層ニューラルネットワークの各層が訓練中に示す重い裾を持つべき乗則スペクトルを整理しています。特に、べき指数が約2の場合に注目し、統計的および物理的な解釈を示しています。さらに、SETOL理論、スペクトルRGフロー、Muonに関連する新しい最適化手法WW-PGDを提案しています。
説明RankLane：容量を負荷順に並べた専門家割り当てで、アクセラレータ上のMoEプリフィルを効率化する手法
要約本論文は、各トークンで一部の専門家のみを動かす混合専門家（MoE）モデルのプリフィル処理を、静的な実行計画を持つアクセラレータ上で効率化するRankLaneを提案している。各デバイスの専門家を現在の負荷で順位付けし、固定容量のレーンに割り当て、実行時のインデックスで専門家とトークン行を選ぶ。Cloud AI 100 Ultra SoC 4基上で、Qwen3-30B-A3BとGemma 4 26B-A4Bを評価し、密なベースラインに対してエンドツーエンドのプリフィルが、Qwen3で1.27〜4.18倍、Gemmaで1.93〜3.46倍高速になったと報告している。
説明Circuit Oracle：自然言語の質問で帰属グラフを自動分析する手法
要約本論文は、マルチエージェントの枠組みと課題別スキルを備えた大規模言語モデル Circuit Oracle を提案し、ツール呼び出しを通じて帰属グラフを読み取り、対象モデルに関する自然言語の質問に答えさせます。スプリアス特徴の検出、隠された知識の引き出し、特徴レベルの介入による拒否抑制の三つの安全関連タスクで評価しています。スプリアス特徴の検出では正解率 78.2±2.4% で、単一層の特徴ランキング基準を上回りました。一方、秘密の引き出しでは学習済みの自己説明手法が依然として強い基準です。
説明剰余加算Transformerのフーリエ回路における非共形変形と局所的な向きの反転
要約本論文は、一層のTransformerにおけるフーリエ変換に基づく剰余加算回路の局所的な微分幾何的性質を調べる。五つの主要な周波数それぞれについて、MLPの寄与を対応するフーリエ入力平面に制限し、連続的な入力摂動下での方向Beltrami係数を測定する。学習後の写像には非共形な変形と局所的な向きの反転が見られ、Beltrami係数の中央値は初期化時の0.939から学習後の0.390へ低下した。
説明AIレッドチーミング指示のフレーミング効果：先行事例と統制シミュレーションによる検証
要約本論文は、生成AIの有害性を探る手法であるAIレッドチーミングで用いる指示文の書き方が、結果に影響するかを検討しています。著者らはまず過去の228件の研究で使われた指示の形式を整理し、リスク領域や攻撃者、対象モデルを固定して指示だけを変える統制シミュレーションを、計22,500回の攻撃で実施しました。その結果、リスクの粒度、指示の長さ、例示の有無、明示的な危害定義の有無が攻撃成功率に有意な影響を与えることが示されました。
説明TileWeave：モバイル SoC 上のスパース prefill 向け異種タイリング手法
要約本論文は、スマートフォン上で大規模言語モデルが長い文脈を処理する際の prefill の遅延とメモリ負荷を減らすことを目指しています。提案手法 TileWeave は、クエリ間で再利用される度合いに応じてスパースアテンションを分割し、再利用の多い鍵ブロックは NPU の粗いタイルで、再利用の少ないブロックは選択したクエリブロックに限って GPU で実行します。RULER と LongBench では XAttention と同等以上の精度を示し、Snapdragon の 2 機種ではフルモデルの prefill が XAttention より 1.35〜3.23 倍速くなると報告されています。
説明不正行為か単なる失敗か：より高性能なLLM監視器が報酬ハッキングと誠実な失敗をよく区別する
要約本論文は、エージェントの見かけのスコアが、スコアを不正に操作したために実際の進捗より高くなるのか、単に誤りを犯したためなのかを検証するものです。サンドボックス環境で作成したエピソードを用い、小規模なローカル監視器は両者をうまく区別できませんでした。より強力なGemini 3.1 Flash-Liteは事前登録の基準（AUC 0.80）を満たしましたが、不正エピソードは14件のみで推定は不確かです。論文は、既知の不正をすべて捕捉する二つの決定的ルールも示しています。
説明TAP-Out：外挿による360度全域での任意点追跡
要約本論文は、カメラの視野から外れた点を追跡するオフライン手法TAP-Outを提案する。まず生成型ビデオ外挿で狭視野の入力動画を360度の全周動画に補完し、ビデオオブジェクトセグメンテーションで全周シーン内の対象を特定して、対象を中心とした透視クロップを生成し、既存の画面内追跡器で処理する。TAPVid360ベンチマークで最先端の性能を達成し、視野外追跡の精度は従来の最良手法の約3倍に向上したと報告している。
説明MXCode：MXネイティブ推論向けのベクトル量子化手法
要約本論文は、約2ビット/重みのベクトル量子化による圧縮と、MX（MicroXcaling）ネイティブのFP4計算を組み合わせたMXCodeフレームワークを提案しています。PostScale、PreScale、PreScale+の3つの戦略を示し、量子化品質、スケールのオーバーヘッド、コードブックの粒度の間のトレードオフを検討しています。Qwen3（235B）、DeepSeek-R1（671B）、GLM-5.2（753B）で評価を行い、GB300上でのメモリ使用量と応答遅延の結果を報告しています。
説明VESPER：多温度変分目的関数によるオンライン自由エネルギー学習
要約本論文は、分子動力学（MD）シミュレーションと同時にニューラルネットワークで集団変数上の自由エネルギー地形を学習するVESPER手法を提案します。モデルでMDに偏りをかけて探索を加速し、各温度レベルのデータを再重み付けなしで共通モデルの学習に用いています。アラニンジペプチド、アラニンテトラペプチド、Ni(511)上のメタン脱水素反応、chignolinなどで検証しています。
注目点分子動力学と神経ネットワークによる自由エネルギー学習を単一の凸変分目標で結合し、多温度水準で共有モデルを学習する点が新しい。丙氨酸ジペプチド、テトラペプチド、メタン脱水素、チグノリンで検証している。
説明SAMベースとCNNの細い網膜血管セグメンテーションにおける比較評価（モデル容量・計算コスト・基盤モデル事前学習）
要約本研究は、純粋なVision Transformerエンコーダ（MedSAM）、ハイブリッドTransformer（LiteMedSAM）、異なる規模の3種類のCNNを、網膜データセットDRIVE、HRF、FIVESおよび顕微鏡データセットVessMapで比較した。事前学習済みのMedSAMは、四つのデータセットすべてにおいて細血管の中心線再現率が最良のCNNと有意差がなかった。アーキテクチャ探索で得た小型の純粋ViTは、ゼロから学習させた場合にはこの性能を維持できなかった。
説明Transformerベースの強化学習によるI相用量割り当て
要約本論文は、用量水準の数が異なる試験に対応できる単一の強化学習方策を提案しています。各用量はTransformerエンコーダで要約され、方策は用量の引き下げ、維持、引き上げの3つの行動から選択します。試験終了後の最大耐用量の決定は学習方策の外で、重み付き保序回帰と事前に定めた安全上限により行われます。シミュレーションでは、毒性ペナルティを課した方策が用量制限毒性の負担を減らし、ペナルティのない方策は選択精度が高い一方で毒性も大きいことが示されました。ただし従来の用量探索デザインより優れているとは立証されていません。
説明CalVLA：結果教師信号による視覚・言語・行動方策の固有信頼度の形成
要約本論文は、成功と失敗の実行軌跡を用い、動作確率の信頼度を整えるCalVLA手法を提案している。ACal（動作信頼度整列）の二乗マージン順位損失とローランク・アダプタにより、OpenVLA-7Bを補助的な失敗検出器なしで更新する。LIBERO-10の保留テスト分割では、適応後の信頼度の失敗判別AUROCは0.7392±0.0480（3シード）で、適応前の0.4485から上昇した。一方、平均タスク成功率は58%から55%に低下しており、本論文は失敗判別の改善のみを示し、制御性能や安全性の向上は示していない。
説明人間とニューラルネットワークにおける幾何学的推論と代数的推論：二つの推論戦略の比較研究
要約本論文は二つの推論戦略を定式化している。幾何学的戦略は潜在的な関係構造を反映するように表現の幾何を徐々に形成し、後の推論を低コストにする。代数的戦略は文脈で与えられた新しい関係に柔軟に注目して推論するが、推論時に追加の計算を要する。研究は推移的推論課題で両者の相反する特徴を示し、人間、スクラッチから学習させたニューラルネットワーク、大規模言語モデルで検証している。
注目点幾何的と代数的という二つの推論戦略を定式化し、推移推論で相反する特徴を示したと述べている。人間、スクラッチ学習のネットワーク、LLMで複数実験と因果介入を行ったと報告。
説明AIエージェント安全防護システムの依存関係を考慮したリスク評価と最適設計
要約本論文は、多構成要素からなるAI安全防護システムのリスクを、防護判断同士の依存関係を考慮して評価する枠組みを提案します。段階的な層状スクリーニングと選択的検証の構成と運用方針を同時に選ぶ手法で、層状スクリーニングの誤り確率と呼び出しコストの確率的比較や、依存性が強まると誤り確率と検証コストが単調に変化する方針の特徴付けを示しています。枠組みを実装したオープンソースパッケージDAPOAも公開されています。数値実験では、依存性を無視すると八つのシナリオのうち六つで独立性前提の選択が安全要件に違反すると示されました。四つのLLM安全防護を用いた実証研究では、主要な運用設定において依存性を考慮した選択により、保留データでの総コストが独立性前提の選択より39.6％低下しました。
説明機械学習の訓練ライフサイクルのためのエージェントスタック：生成・検証・最適化
要約本論文は、LinkedInに導入された、独立して利用可能な二つのエージェントループからなるシステムを紹介します。AutoTorchはモデルの生成と移行を、AutoResearchはモデルの最適化を担います。AutoTorchはPyTorchモデルと訓練パイプラインを生成し、実行可能な検証によって反復的に修復します。AutoResearchは専門家の指導または自律的な実験により、アーキテクチャと訓練設定の変更を探索します。論文では、115回のワークフロー実行のうち92回をAutoTorchが完了したこと、100の本番パイプラインのうち28件でAutoResearchが保持データ上の主要タスク指標を改善したことを報告しています。
説明LF-VideoQA：心の理論に基づく長文質問で長編動画理解を評価するデータセット
要約本論文は、長編物語動画の理解能力を評価するためのデータセットLF-VideoQAを提案する。質問は心の理論に基づき、動画全体に分散した根拠を統合して長文で自由回答する必要がある。94本の近年の映画に対する6,300件以上の質問を含み、各質問には再現率と適合率を採点するための評価基準が付与されている。実験では、台本にアクセスできるオラクルでも完全な回答には届かず、再現率が主なボトルネックであることが示された。
説明MoRE-GS：将来のガウススプラッティングのための運動モード専門家ルーティング手法
要約本論文は、動的な三次元ガウス場面の将来の映像を予測するためのMoRE-GSフレームワークを提案しています。観測された時間的プレフィックスのみから再構成したガウス表現を固定し、持続性、Transformer、グラフ畳み込みネットワーク、剛体・非剛体の運動制約を持つ構造化Transformerという四つの相補的な専門家で制御キーポイントの運動を予測します。ルーティング表と持続性ゲートで専門家の出力を組み合わせ、D-NeRFおよびHyperNeRFの場面で他手法より高い性能を報告しています。
説明収縮と修復の先読みを外挿して行うアンラーニング
要約本論文は、大規模言語モデルのアンラーニングを扱い、忘却集で再学習しなかった場合の挙動に近づけることを目指します。提案手法SHIFTは、微調整済みモデルを微調整前の重みへ縮め、保持集を短時間再学習することで忘却固有の寄与を取り除きます。この先読みの各トークンの変化を蒸留目標として外挿し、反復的に改良します。統一されたOpenUnlearningの評価で、TOFU全設定の総合得点が最高で、オラクル（再学習モデル）との整合性も最も近く、MUSEでは保持知識を最も多く残しました。
説明実体置換応答のプロンプト間再利用：モデル重みを固定し、同一実体に関する別の英語事実問題へ、実体置換による内部状態の変化がどこまで移るかを検証する研究。
要約重みを固定したまま、二つの源問題の隠れ状態の変化を同一実体の対象問題へ加え、直接的な出力スコア再利用と比較しています。異なる関係の源問題では隠れ状態の再利用により無変化誤差の一部が減少しますが、小型の平文モデルでは両関係に共通する変化が主に再現され、関係特異的な誤差は安定して下がりませんでした。また、両問題の実体トークンに関係非依存の同一変化を与えると関係特異的誤差がより下がり、結果が受け取る問題に依存することが示されています。
説明SIEVE：深さを考慮したトークン圧縮による画像間の証拠の保持
要約本論文は、複数画像を扱う視覚言語モデル（VLM）向けに、学習不要かつ単一パスで動作する視覚トークン圧縮フレームワークSIEVEを提案するものです。まず各画像を小さな空間グリッドにプールし、画像ごとに均等な配分のもと、プロンプトへの注意を用いて代表トークンを段階的に選び、未選択のトークンは同じ画像内の類似した代表トークンに集約します。4種類のVLMバックボーンでの評価において、6.25%の予算で多画像・単画像ベンチマークの平均が最も高く、LLaVA-OneVision-7Bでは12.5%の予算で非圧縮モデルを2.01点上回り、プリフィルのFLOPsは6.6分の1になったと報告されています。
説明テスト時計算による自己評価の限界について
要約本論文は、候補解の数を増やしても最終回答の正答率とpass@Nとの差が一貫して縮まるわけではないことを指摘しています。モデルが正しい生成結果と誤った生成結果をどれだけ確実に区別できるかを、ランキング誤差で測定し、それをバイアスと分散に分解しています。その分析に基づき、ランダムにグループ化した候補を同時に採点する手法Scorpioを提案し、数学、コード、パズルのベンチマークで検証、木探索、集約の性能を改善したと報告しています。
説明「クィアの監査」：AIがクィアコミュニティに与える被害を当事者参加型で監査する研究
要約本論文は、AIシステムがクィアコミュニティに与える被害（存在の消去、誤分類、差別など）を、当事者が参加する形で監査する方法を提案しています。著者らはEurIPS 2025で参加型監査ワークショップを開催し、16名のクィアコミュニティのメンバーが、4Cs被害分類（Content、Conduct、Contact、Contract）を用いて4つの事例を監査しました。その結果、被害は問題定義とデータ収集の段階に由来することが多く、また弱い立場の人々から価値を取り出し、救済は最小限にとどまる契約構造も見つかったと報告しています。
説明SPARK：物理的な再観測による具現化記憶の自己修正
要約本論文は、具現化環境で言語から検索できる記憶として用いるRAGのための、修正型マルチエピソードフレームワークSPARKを提案します。初回観測後に意味評価器が知識ベースの問題領域を指摘し、計画器が再訪問を生成し、新しい観測に基づいて情報を選択的に追加・削除・置換します。四つの屋外AirSim地図と二種類の視点劣化条件で評価したところ、一回の修正で全ての地図で質問応答性能が向上し、追記のみの更新に比べて13〜41%少ない物体を保存しました。第4エピソードまで修正を続けると、全地図が劣化のない参照条件の性能を上回りました。
説明DEPLOY-RL：安全重視の連続プロセスにおける展開可能な強化学習のための能動的境界発見と保守的認証
要約本論文は、強化学習ポリシーを本番環境へ投入する前に認証するためのフレームワーク「DEPLOY-RL」を提案しています。均一に評価するのではなく、失敗が起きる境界を見つけることを重視し、認証上重要な境界にサンプリングを集中させる取得関数を用いています。さらに、保守的な誤承認率の保証と、部署・不部署・棄権の三段階の判定を組み合わせています。製紙のデジタルツインとTennessee Eastmanベンチマークでのシミュレーションでは、誤承認率4.4%、方策カバレッジ88.6%が報告されています。
説明グラフニューラルネットワークによる大規模論理関数の効率的なNPN分類
要約本論文は、入力の反転・置換、出力の反転によって互いに変換できる論理関数（NPN同値）の分類を扱います。厳密な方法は入力の全順列と反転を網羅するため、入力数に対して指数的に計算量が増えます。著者らは、この問題をNPN動作の予測として定式化し、AND-インバータグラフ（AIG）上で双方向異種グラフニューラルネットワークを用いて入力反転、出力反転、入力置換を予測します。また、グラフ書き換え技術により構造の曖昧さを減らします。実験では、学習可能であり既存のヒューリスティック手法より良い正規化結果が得られ、最大16入力の関数に対応できることが示されています。
説明専門家混合で不規則な時系列を解釈可能な時間パターンに分解する手法
要約本論文は、分単位から年単位にわたる不規則な時系列を、周期型または区間型の時間パターンに分解するMoTIFフレームワークを提案しています。MoTIFは専門家混合（MoE）アテンションを用い、各専門家を特定のパターンに特化させます。合成データと公開のクレジットカード取引データで、MoTIFは次の値の予測などでベースラインを上回り、学習されたルーティングから不正取引と正常取引で時間的リズムが異なることも示されました。
説明C3：長文脈SpeechLLM推論のための音声誘導型KV検索
要約音声言語モデルは音声をテキストより遥かに高いレートで符号化するため、長文生成ではKVキャッシュがメモリ、帯域幅、デコード負荷の大部分を占めます。本論文はC3（Cluster-Compete-Compete）を提案し、階層的なキー空間インデックスで音声KVを整理し、同じKVヘッドを共有するクエリヘッドが共通の検索予算を競い合うようにします。さらに、対になった分割・統合更新によって検索解像度を適応的に再配分します。4つのSpeechLLMによる長文音声認識、翻訳、要約の実験で、C3は同程度の最終KVアクセス予算下で検索手法中最良の総合性能を示し、予算が厳しい場合に特に大きな改善が見られました。
説明Déjà Vu：意味的対応のための循環一貫性による再ランキング手法
要約本論文は、同一カテゴリの物体の画像間で意味的に等価なキーポイントを対応付けるための、テスト時のデコーディングモジュール Déjà Vu を提案しています。正解の対応点は、従来の top-1 選択よりもはるかに高い頻度で上位候補に現れることが示され、これを踏まえて「候補の再現（recall）と再ランキング」として定式化しています。既存手法が計算した類似度行列のみを用い、循環一貫性スコアで候補を並べ替えることで、SPair-71k や PF-Pascal などで複数のベースラインを改善しています。
説明同じ音声、二つの話：音声言語モデルにおける音声と音響の矛盾をテストするベンチマーク
要約本論文は、音声と音響の矛盾を評価するためのベンチマークSAC-Benchを提案しています。188種類の音イベントを含む616,031本の音声クリップを用い、意味・時間・空間の七つのタスクで構成されています。同じ録音内で話された主張が音響証拠と一致する場合と矛盾する場合を比較し、五つのオープン重みの音声言語モデルを評価しました。音声のみでは高い精度を示すモデルも、矛盾する主張があると大きく性能が低下することが報告されています。
説明セマンティックIDを超えて：大規模生成型推薦のための原子的クリエイタートークン
要約本論文は、ユーザーがまだフォローしていないクリエイターを推薦するコールドスタート問題を扱い、主流の生成型推薦で用いられるセマンティックID（SID）層がボトルネックであると指摘しています。著者らは、各クリエイターに独自の語彙トークンを割り当てエンドツーエンドで学習する原子的クリエイタートークン（ACT）を提案しています。本番データでの統制比較では、ACTは対応するSIDベースラインに比べクリエイター単位のRecall@15で大きく上回り、公開データセットKuaiRandでも優位性が示されています。オンラインA/Bテストでは、報告された全指標で方向性として正の結果となっています。
注目点各クリエイターに専用トークンを割り当て、意味IDの衝突を排除する手法を提案。本番データとKuaiRandで比較し、オンラインA/Bテストも報告。
説明GAVAGAI：平衡最適輸送による乳幼児規模の視覚言語モデルの指示対応付け手法
要約本論文は、視覚言語モデルに単語と画像領域の対応関係を学習させる目的関数を提案する。各場面を、聞いた内容語と見た領域の割り当て問題とみなし、エントロピー正則化付き最適輸送で解く。単語は特定の領域に割り当てられない選択肢を持ち、一つの領域が受け取れる割り当て量には上限が設けられる。SAYCamの幼児向け動画データでは、この対応損失を加えると単語-画像の正答率が32.4%から48.7%に、定位IoUが0.18から0.38に向上した。ただし、同じ子どものデータで学習した対照学習モデルは、そのベンチマークでは依然として高い性能を示している。
説明広域計測システムにおけるサイバー物理攻撃の検知手法の解説
要約本論文はスマートグリッドの広域計測システム（WAMS）を対象とする。PMU（位相計測装置）がGPSタイムスタンプ付きで電圧や電流などを収集する仕組みを説明し、WAMSにおけるサイバーおよび物理的な異常の現状と、その完全性・可用性への影響を整理している。さらに、履歴データとストリーミングPMUデータに対する従来の機械学習やハイブリッド手法による異常検知を検討し、それぞれの利点と欠点を評価している。また、欠損データの処理と概念ドリフトへの対応の重要性にも言及している。
説明共有コードベースにおける分散型マルチエージェントの協調と通信（論文）
要約本論文は、共有リポジトリで互いに独立した要求を受けたコーディングエージェントが、個別に実装した結果を統合すると衝突しうることを指摘する。作者はオーケストレーターを持たないマルチエージェントのコーディング課題からなるベンチマーク ParallACT を提案し、互いに補完的な課題と矛盾する課題を含めた。実験では、並列エージェントの性能が単一エージェントのオラクルより大きく低く、矛盾する課題では特に差が大きかった。他のエージェントの存在を伝えるだけでは効果は限定的で、通信チャネルは一部の性能を回復するにとどまり、追加のトークンコストが生じた。
説明RaMMOBO：ランダム最大マージン多目的ベイズ最適化の手法
要約本論文は、複数の高コストなブラックボックス目的関数についてパレート集合を近似する多目的ベイズ最適化手法RaMMOBOを提案している。その獲得関数は期待超体積改善（EHVI）の下界であり、評価コストは目的数に対して線形である。合成および実世界のベンチマークで、既存の最先端手法と同等以上の性能を示し、目的数が多いほど差が大きくなる。獲得関数の最適化はqLogNEHVIより最大2桁速いと報告されている。
説明低精度浮動小数点数の台頭：深層学習に伴う狭い浮動小数点形式の発展と標準化の動きを紹介
要約1950年代以来、浮動小数点演算は精度と数値範囲を両立できる特性により科学計算の中心を担ってきました。1985年以降、32ビットと64ビットの2つの形式が業界標準となりました。この10年で深層学習が計算の主流となり、精度と範囲を抑えた狭い浮動小数点形式が徐々に普及しています。本稿はこの現象の理由、16ビット、8ビット、さらには4ビットの形式の開発経緯、そしてこれらを標準化する取り組みを扱います。
説明LLM交渉における言語横断的なペルソナ効果：同じ指示は英語と韓国語で同じ効果を持つか
要約本論文では、同一のGemini 3.6 Flashの買い手と売り手を用い、12件のCraigslistBargainシナリオを英語と韓国語で交渉させ、売り手の緊急性と買い手のペルソナ（協力的、中立的、強硬）の効果を比較しました。韓国語の交渉は英語より成立率が高く（77.3%対52.5%）、その差は中立的および強硬な買い手で顕著でした。韓国語では売り手の譲歩も大きく、丁寧表現による緩和も多く見られました。交渉の言語だけを変えても、模擬交渉の行動に違いが生じうることが示されています。
説明活性化ステアリングによるTransformerの課題非依存な反事実的公平性の枠組み
要約本論文は、機構的解釈可能性（MI）ツールを用いて反事実的公平性（CF）の制約をTransformerの活性化として再定式化するMICF（Mechanistic Interpretability for Counterfactual Fairness）という枠組みを提案し、既存手法を公平性分析の単一のパイプラインに統合します。MICFは事前の因果モデルや特定のTransformerアーキテクチャを必要としません。実世界の表形式データで評価した結果、異なる予測タスクにおいて反事実的公平性が改善されることが示されています。
説明教える・抽象化する・適用する：協働ロボットと対話で行うタスク学習の枠組み
要約本論文は、オペレーターが自然言語で協働ロボット（コボット）に新しい作業手順を教え、それを再利用可能なスキルに抽象化し、さまざまな場面で適用する Teach-Abstract-Apply（TAA）枠組みを提案しています。協働構造物の組み立てを事例として、オープンウェイトモデル Qwen3-Coder とクローズドモデル GPT5.2-Codex を用い、自己対戦とモデル間の組み合わせで評価しています。結果として、スキルの抽象化によりタスク成功率が向上し、対話のコストが減ることが示されています。予備的な人間参加型の実験では、人間の指示でもこの手順が機能することが示唆されています。
説明「見えないものを見る」：可視・不可視の動きを統一した物理的に一貫した動画生成
要約本論文は、物理法則に沿った動画を生成する統一フレームワーク「Seeing the Unseen」を提案している。手法は二段階で、まず軽量な粒子ベースのグラフ動力学シミュレータ（PGDS）がデータから物理的相互作用を学習し、三次元の運動軌跡を予測する。次に、入力フレームで観測できる動きと時間とともに現れる動きの両方を表す可視－不可視運動場（VIMF）を提案し、これを拡散ベースの生成器に組み込む。実験では、強力なベースラインと比べて運動精度と相互作用の一貫性が向上し、物理的な破綻が減ったと報告している。
説明TADA：メモリ技術を考慮したDNNアクセラレータの性能・エネルギー推定器
要約本論文は、与えられたワークロード、ハードウェア構成、メモリ技術に対してシステムの遅延とエネルギーを予測する推定器TADAを提案しています。TADAは、メモリ技術を横断して汎化する合成データセットで学習され、読み出し・書き込みエネルギーや容量からなる技術シグネチャを入力として用います。未知の21種類の技術曲線において、エネルギーと遅延の平均絶対パーセント誤差はそれぞれ1.5～4.4%、0.7～1.2%でした。評価スループットはシミュレータより10^4倍以上高いと報告されています。
説明AIエージェントがユーザーに代わって行動するとき：人間とエージェントの相互作用における失敗の分類
要約本論文は、AIエージェントがコード作成、ユーザーインターフェース操作、取引などをユーザーに代わって行う際に生じうる失敗の形態を調べています。二つの公開リポジトリにおける695件の事例から、三つの相互作用段階に沿って12種類の失敗モードを帰納的に導出し、各失敗が発生した際の自律度を記録しています。その結果、12のモードすべてが低い自律度と高い自律度の両方で現れ、自律度の上昇によって各失敗の形態が変化することが示されています。
説明非線形埋め込みの局所・大域的忠実度の定量化
要約この論文は、次元削減手法（t-SNE、UMAP、PCAなど）がデータの局所構造と大域構造をどの程度保つかを調べたものです。著者らは同じ局所性曲線から局所忠実度Lと大域忠実度Gを求め、二つの写像の局所性と大域性が逆転しているかを判定する「LG反転検定」を提案しています。156の写像と最大138万点の12データセットで評価し、Gは既存の大域指標と0.89および0.96で一致しました。検定は七つのデータセットで通常の主張を確認し、二つの小売データと二つの巻き込まれた多様体では近傍埋め込みの方がより大域的だと判定しました。
注目点局所と大域の忠実度を同一曲線上の単一統計量として統一し、12データセット156の写像で検証したLG反転検定を提案している。
説明疎な世界で「少なく見る」：限られた視野の観測による跨視点ジオローカリゼーション
要約本論文は、地上画像に対応する衛星画像を検索して撮影地点を推定する跨視点ジオローカリゼーションを扱います。衛星測位が使えない環境での位置推定を想定しています。著者らは、50万組を超える地上・衛星画像ペアからなる、世界各地に分布したデータセットCVW500kを構築しました。地上画像には限られた視野のものを用いており、実際のカメラにより近い条件です。さらに、CLIPベースのエンコーダとLoRAを用いて、学習可能なクエリトークンで両視点の特徴を整合させるGeoQueryNetを提案しています。
説明VerusWeave：並行 Verus プログラムの証明修復ベンチマーク
要約本論文は、並行処理向けの証明修復に特化した初のベンチマーク VerusWeave を提案しています。4 つのオープンソースプロジェクトから得られた 75 件の焦点課題と 17 件の完全モジュール版で構成され、課題では一部の証明注釈を削除し、実行可能コードと仕様を残したうえで、エージェントに欠けた部分の補完を求めます。4 種類の汎用コーディングエージェントによる初期評価では、焦点課題の成功率は 75〜85%、完全モジュール版は 29〜47% でした。
説明重みの外れ値と疎性を考慮した大規模モデルの量子化手法
要約学習後量子化（PTQ）は、高精度で学習された重みを少ないビット数に変換して、大規模モデルの展開に必要なメモリ負荷を減らす手法です。一方で量子化誤差が生じ、モデル性能を損ないます。本論文は元の重みを、量子化行列、低ランク成分、重みの外れ値行を表す疎行列に分解し、候補となる分解を探索するためにシミュレーテッドアニーリングを用います。Llama 3.2 1B/3B、Llama 3.1 8B、Qwen2.5 7Bを対象に、4ビットのNF4およびFP4量子化器で評価した結果、わずかなメモリ増加で直接量子化を大きく上回ることが示されています。
説明OCELOT：衛星基盤埋め込みによる地球規模の種分布モデリング
要約本論文は、衛星基盤埋め込みと空間座標を融合して種の分布を予測するモデル OCELOT を提案している。GBIF の約 20 億件の記録、10 万分類群を用いて学習している。空間ブロックによる留保検証では、座標のみのモデルより地理的外挿が 51% 改善し、従来の生物気候ラスターデータを上回った。内挿ベンチマークでも既存手法と同等以上の性能を示した。
説明DELBERT-2：DEL蛋白質結合体予測のための事前学習済みフィンガープリント言語モデル
要約本論文は、AIRCHECK DELコーパスの250万分子を用い、ModernBERTエンコーダでマスク言語モデリングにより学習した事前学習済み言語モデルDELBERT-2を提案する。このモデルは疎な分子フィンガープリントを統一されたトークン列に変換する。6つのターゲットと3種類の分布外（OOD）評価プロトコルで検証され、LightGBMアンサンブルベースラインや事前学習なしのTransformerと比べ、PR-AUCとNDCG@1000が一貫して改善し、厳しいOOD条件で最も大きな向上が見られたと報告している。
説明一階述語論理における三角標準矛盾からの構成による自動定理生成
要約本論文は、選ばれた一階リテラルから構成される極小不充足節集合に基づき、一階述語論理で定理を自動生成する構成的枠組みを提案する。一部の節を前提として残し、一つの節または節の連言の否定を結論とすることで、証明を別途行わなくても正しい定理が得られるとしている。既存のΔ1生成器を拡張してΔ2からΔ8までの七つの方法を導入し、Δ1からΔ4は実装・公開済みである。組合せ論的分析により、多数の異なる定理を体系的に生成できることが示される。
説明外部操作変数回帰：複数環境での結果メカニズムの変化を用いた因果効果の識別
要約本論文は、観察データにおける未観測の交絡下で処置変数が結果に与える因果効果を推定する外部操作変数回帰（OVR）を提案する。処置変数の分布が変わらなくても、結果のメカニズムが有限個の環境で変化すれば因果効果を識別できることを示す。手法は、各環境での条件付き期待値の計算、各環境と基準環境との差分ベクトル（コントラスト）の作成、そしてそれらとの調整を伴う回帰の三段階からなる。真の因果効果が得られる二つの条件を示し、有限サンプル版が正則性条件下で一致性を持つことを証明するとともに、合成データと実データで有効性を検証している。
説明脳画像計算のための生成型基盤モデル（BrainGFM）
要約本論文は、再利用・再構成可能な生成型脳画像基盤モデルBrainGFMを提案している。約130万枚のMRIおよびCTスライスで事前学習し、タスクに沿ったデータ合成、少量データでの予測学習、画像再構成のための後段学習に用いた。48の下流タスクでは、限られた教師データのもとでセグメンテーションと分類が改善し、高忠実度の画像強調が得られた。4,796名の脳卒中患者を対象とした多施設臨床検証では、生成されたFLAIR画像の全体的な診断品質が実際のFLAIRに近いことが示された。人とAIの協働研究では、放射線科医の脳卒中サブタイプ分類の平均正解率が相対的に14%向上した。
注目点表現の再利用を超える、再構成可能な生成的脳画像事前分布を提案。摘要では48の下流タスクと4,796例の多施設脳卒中患者で検証したと報告。
説明KINDER：プロトタイプ空間での消去による公平な表現学習のためのカーネルベース独立性手法
要約本論文は、深層モデルの中間表現から機微な属性の情報を直接取り除くKINDERという手法を提案している。ランダムフーリエ特徴空間で、保護対象グループのプロトタイプから機微な部分空間を推定し、その直交補空間へ表現を射影する。著者らは、中間特徴空間を持つ任意のモデルに適用できるとし、教師あり・自己教師あり学習、分類・回帰・画像セグメンテーション、視覚・テキスト・表形式データで実験を行った。
説明実データが減少しても崩壊は回避可能：反復ガウス推定の鋭い判定条件
要約学習データに同じモデルが生成したデータが混じる場合に、多変量ガウス分布の平均と共分散を反復推定するとモデル崩壊が起きるかを理論的に検討した論文です。各反復で実データと前回の推定分布からのサンプルを区別せずに混合する設定で、推定量の一貫性を示す単一の同値条件を導いています。実データの割合が正の一定値であれば、また反復とともにゼロに近づいても速すぎなければ崩壊は避けられるとされ、実データ割合がゼロに近づくと平均推定の収束は遅くなります。
注目点実データと生成データを区別せず混ぜる現実的設定で、反復ガウス推定の一貫性に関する単一の必要十分条件を示し、理論と拡散モデル実験を照合している。
説明SketchForge：学習不要で、シーン画像をベクター線画へ変換する手法
要約本論文は、追加の学習やファインチューニングを必要としない枠組みSketchForgeを提案している。入力のラスター画像を、解像度に依存せず筆致ごとに編集できるSVG線画へ変換する。画像ごとのテスト時最適化によってベジェ曲線を調整し、構造的な輪郭線と自由形状のテクスチャ線を別々の目的関数で最適化したうえで、乗算合成により重ねる。論文では、構造の忠実性と生成品質の両面で既存のベクターベース手法を上回ると報告している。
説明Taurus：CT注釈で大規模言語モデルをループに組み込み、コストを半分にしてコーディングエージェントと同等の精度を実現
要約研究者はTaurusという枠組みを提案しました。自動注釈の処理の中で大規模言語モデルがCT大動脈の注釈結果を確認する仕組みです。6つの公開データセット（939ボリューム）で、人手による注釈を伏せた状態で復元する盲検評価を行いました。最終版は固定ルールで注釈表面を平滑化し、動脈瘤が半分の大きさに描かれるような自動注釈の大きな誤りを多肢選択式の質問で検査します。主要指標ではOpusの自由形式エージェントと差がなく、1症例あたりのコストは1.22ドルで、後者の2.71ドルの半分未満でした。
説明SketchBloom：学習不要のベクトルスケッチ外挿、ストロード単位のスタイル制御
要約本論文は、疎なスケッチを外挿しつつ、ベジェ曲線のストロークからなる編集可能なSVGを出力する、学習を必要としないフレームワーク「SketchBloom」を提案している。事前学習済みのラスタ外挿とスタイル転写のガイダンスを、インスタンスごとのベクトル最適化と組み合わせている。LineArtOut-1K（1,024組の入力とスタイルの組み合わせ）上で、評価したベクトルベースラインに対し、知覚的・意味的・構造的な忠実度が向上したと報告されている。1組あたりの実行時間は単一のNVIDIA H200 GPUで約6分である。
説明MEMENTO：長文脈処理エージェントのための文脈管理学習
要約本論文は、Qwen3-8Bを基に、履歴を圧縮してメモを書くことで限られた文脈ウィンドウを管理する長文脈エージェントMEMENTOを提案している。学習では、事後的に生成したメモを付与した合成軌跡で微調整した後、回答の正しさ、メモの質、確信度の較正を組み合わせた報酬で強化学習を行う。四つの書籍単位の質問応答ベンチマークで、Qwen3-8Bの正答率を36.9%から67.8%に高め、文脈は常に20Kトークン以内に収めた。
説明OmniPiano：標準・頑健性・安全性・マルチエージェントRLのための多様な器用なピアノ演奏課題ベンチマーク
要約本論文は、ロボットの器用な手によるピアノ演奏を強化学習で評価するためのベンチマークOmniPianoを提案している。1〜5本のShadow Handに対応し、標準・頑健性・安全性・マルチエージェントの設定を統一的に扱う。少なくとも912の課題設定と36のベースラインアルゴリズムを備え、LLMベースのエージェントも評価対象に含む。最先端の手法でも難しい演奏課題では依然として苦戦することが示されている。
説明RE-SciVQA：関連性の高い検索と軽量MLLMの微調整による科学図表QAの改善
要約本論文は、科学論文中の図表情報に関する質問応答を対象に、RE-SciVQAを提案する。質問に関連するセクション見出しを追加するクエリ拡張と、図の参照とキャプションの対応による類似度スコアの調整で検索文脈の質を高め、LoRAによって小型の大規模言語モデルをパラメータ効率よく微調整する。SciVQAベンチマークではROUGE-1 F1が73.9%に達し、UniChartなどの図表特化モデルを上回った。標準的なRAGベースラインと比べ、完全一致と曖昧一致もそれぞれ向上した。
説明IsoAlign：結合埋め込み予測アーキテクチャによるアイソフォーム対応のDNA-タンパク質アラインメント
要約本論文は、ゲノム基盤モデルの事前学習のために、転写産物を対応するタンパク質アイソフォームと対応づけてDNA表現を学習する多モーダルフレームワークIsoAlignを提案している。二種類のJoint-Embedding Predictive Architecture（JEPA）を用いており、DP-JEPAは対照学習による整列でDNAからタンパク質表現を予測し、IM-JEPAはマスクされたタンパク質予測によって同一遺伝子の選択的スプライシングによる異なるアイソフォーム間の関係をモデル化する。病原性、適応度、遺伝子発現、転写因子結合などのタスクでの評価により、アイソフォームを考慮した異モーダル整列が下流性能を向上させたと報告している。
説明リアルタイムなソースフリー・ポリープセグメンテーションのための方向性デュアルヘッド監督
要約本論文は、デュアルヘッドのYOLOセグメンテーション構造に基づくリアルタイムのソースフリードメイン適応フレームワークMedRT-SFSegを提案しています。適合率志向と再現率志向の予測を統合するMask-DHF、双頭の画素単位の不一致の符号を方向の手がかりとしてマスクを拡大・縮小し、見逃した対象の回復と誤検出の抑制を行うDURR、そしてマスク誘導の領域層別サンプリングによる特徴表現の正則化Seg-MARDを含みます。Kvasir-SEGとCVC-ClinicDB間の双方向適応実験では、Dice係数80.43%と80.77%を報告し、エンドツーエンドで62 FPSを超える速度で動作したとされています。
説明ProLand：LoRA微調のための新しい非実行可能多様体最適化手法
要約本論文は、LoRAによるパラメータ効率的な微調整のための、リトラクションを用いない最適化手法ProLandを提案している。低ランク因子をStiefel多様体の近傍に保ちつつ、協調的な因子更新とMuon型のスペクトル方向を組み合わせ、目的関数の最適化と直交性の回復を分離して行う。実験では、DeBERTa-v3-baseでの4つのGLUE検証タスクと、Qwen2.5-3B、Llama-3.2-3B、Moonlight-16B-A3Bでの7つの言語ベンチマークで評価し、比較対象の手法より平均スコアが高かったと報告している。
説明カロリメータの正規化フローを用いた局所的な異常検出
要約本論文は、高速カロリメータシミュレータとして訓練された正規化フローが各シャワーの尤度を与え、それを異常スコアとして使える点に着目している。全体の尤度は多くのボクセルの揺らぎに埋もれがちなため、少数のボクセルにのみ現れる信号を見落としやすい。著者らは、粒子がカロリメータに入射する点の周囲の小さな検出器領域で、同じフローの潜在座標の二乗和を取る局所的な異常スコアを定義した。同じ背景効率で、このスコアは信号の95%以上を選択し、先行研究のCaloFlow尤度は5%未満にとどまった。
説明スペクトル法と共形予測：校正済みの軌道予測と制御点区間のためのニューラルネットワーク手法
要約本論文は、自律システムが望ましい軌道の実行可能性と安全性を素早く評価するための枠組みを提案しています。スペクトル基幹を持つニューラルネットワークで制約付きの軌道と分位数帯を学習し、修正共形分位点回帰で軌道全体の校正済み同時被覆を与えます。さらに区間演算により、ノイズのない場合の被覆保証を制御点へ拡張しています。ラズベリーパイ Zero 2 W 上で、閉ループ線形二次レギュレータ制御下のクアッドローター軌道推論時間は 3.45 ミリ秒、全体処理は約 9.81 ミリ秒（約 100 Hz）と報告されています。
説明断面から多オミクスへ：空間トランスクリプトミクスにおける条件付き細胞核画像編集
要約組織切片の幾何学的形状により、遺伝子発現と核の病理学的特徴との間に測定過程に起因する見かけの相関が生じることを論じている。著者らは多様体認識拡散（MAD）フレームワークをこの二重オミクス編集に適用し、一方の特徴群を保持しつつ他方を対象的に変更できるようにした。CosMx SMI腎臓組織の足細胞での評価では、病理学的特徴の編集においてMAEは0.6636、FIDは25.19となり、比較したすべてのベースラインを上回った。
説明OPINE：乱流流れのための可逆非線形埋め込みにおける直交射影手法
要約本論文は、可逆な非線形座標変換を学習し、変換後の座標で固有直交分解（POD）を行うOPINE手法を提案し、乱流などの物理場データを圧縮する。変換が可逆であるため情報損失はPOD射影のみで生じ、学習後に基底を順序づければ、単一のモデルからより小さい任意の次元の縮約座標が得られる。著者らは、この学習における交互更新が厳密なPOD部分空間へ局所的に収束することを証明し、合成多様体、Kuramoto-Sivashinsky方程式、強制Burgers乱流、二次元Kolmogorov流、三次元最小チャネル流で評価している。
注目点可逆非線形変換と POD を組み合わせ、単一モデルから各次元の縮約座標を得る。複数の乱流データで POD と自己符号化器と比較。
説明GazeRIB：複数読影医の視線を用いた胸部X線学習の体系的評価
要約本論文は、学習時に放射線科医が見ていない領域をマスクするGazeRIB手法を提案する。8名の専門医が同じ80枚の胸部X線を読影し、1名、3名、5名、8名のパネルの効果を比較した。別の2897枚のコホートでの四段階重症度予測では、いずれのパネルもマクロF1を向上させ、外部検証の結果はコホートによって異なった。
説明統一マルチモーダルモデルにおける連続空間での潜在推論（LARC）
要約本論文は、統一マルチモーダルモデル（UMM）が画像生成で言語ベースの思考連鎖推論を十分に活用できない問題に取り組み、連続的な隠れ状態上で推論を行うフレームワークLARCを提案している。学習は二段階で、まず段階的な教師ありファインチューニングによりトークン単位の推論を潜在推論へ移行させ、次に正解の教師なしで潜在推論を自己進化させる情報利得強化学習を行う。複数のテキストから画像への生成ベンチマークで生成品質、プロンプト追従性、構成の忠実度が向上し、GenEvalではBAGELを7ポイント上回り最高性能を達成したと報告している。
説明Flide：正確な状態フォーキングによる意思決定推論の高速化
要約本論文は、LLMエージェントにおける意思決定モデルの推論を高速化する、効率的かつ正確な推論エンジンFlideを提案しています。決定リクエストの論理的な木構造を、単一の平坦化されたトークン列上の物理実行から分離し、ForkAttentionにより、標準的なアテンション層と再帰型Gated DeltaNet層の両方で、GPU常駐のインデックスを用いてリクエスト間の依存関係を処理します。公開されているハイブリッドモデルおよび意思決定モデルでの評価では、vLLMおよびSGLangより最大9.5倍速くクエリに応答し、全変動距離においてfloat32の参照結果に最も近いと報告されています。
説明潜在スパースアテンション：準二次の超長文脈アテンションへの試み
要約本論文は、学習された潜在空間でキーを階層的にクラスタリングし、クエリがすべてのキーではなくクラスター階層を採点する潜在スパースアテンション（LSA）を提案します。超長文脈での計算コストを下げることが目的です。2つの変種が示され、事前学習済みモデルに蒸馏で適用するD-LSAと、次トークン損失のみでネイティブに学習するN-LSAがあります。10Mトークンでは、D-LSAが元のスパースアテンションおよび全アテンションに比べ、1層あたりのプリフィルとデコードを高速化すると報告されています。N-LSAは128kトークンで全アテンションと同等の精度を示し、学習は1層あたり1.6倍高速だとされています。
説明暗黙的ダイナミクスを用いた階層型ワールドモデル（ID-WM）：長期タスク向けの計画手法
要約本論文は、状態空間の到達可能性と局所制御を分離する階層型ワールドモデル「ID-WM」を提案する。上位モデルが状態多様体上で実行可能な遷移をサンプリングし、下位のワールドモデルが逆ダイナミクスソルバーとしてそれを具体的な行動に変換する。短い区間から新たな長期計画を合成でき、三つのナビゲーションおよびマニピュレーションのスイートで、既存の方策・拡散ベース計画手法に対し38.5%、単層ワールドモデルMPCに対し135%の性能向上を報告している。
説明SemEllipsoid：楕円体を用いた意味認識型形状抽象化の手法
要約本論文は、楕円体などのプリミティブの集合で三次元形状を表す形状抽象化を扱います。従来の手法は幾何学的忠実性を重視し、プリミティブが複数の意味的部品にまたがることがありました。著者らは、大規模基盤モデルの意味的手がかりを用いてプリミティブの最適化に意味的制約を組み込むSemEllipsoidを提案し、各プリミティブが一つの意味的部品に収まるようにします。本手法は学習やネットワークの訓練を必要とせず、任意のカテゴリの形状に適用でき、利用者の要求に応じた抽象化の度合いにも対応します。
説明RoboArchitect：永続メモリを持つロボットエージェントの設計を自動化
要約本論文は、ロボットの実行を観察し失敗を診断して、凍結されたポリシーを包む制御コード（エージェントハーネス）を反復的に改良するコーディングモデル「RoboArchitect」を提案する。複数のベンチマークとポリシーで、モデルの重みを更新せずに、未見のシーンでの平均成功率は9.7%から43.3%に、未見のタスクでは12.7%から40.2%に向上した。ハーネスは学習した経験を後の判断に引き継ぐ永続メモリも自ら進化させる。
注目点凍結ポリシーの外側の制御ハーネスを、コーディングモデルが反復的に自動設計する手法で、未知のシーンとタスクで成功率が大きく向上したと報告。
説明ReLift：密な3D追跡を持ち上げられた軌跡の修復として再定式化する手法
要約本論文は、単眼動画からの密な3D追跡の問題を扱い、幾何学的な軌跡の修復と補完として捉えるフレームワークReLiftを提案する。事前学習済みの2D追跡器と3D幾何モデルで得た持ち上げ軌跡を、軌跡修正器が修復し、遮蔽時の欠落した動きを補完する。学習は幾何入力のみで行われ、特定の追跡器や幾何モデルに依存せず、再学習なしで様々な手法に適用できる。WorldTrackでは平均精度で最先端の結果を示した。
説明分布マッチング蒸留では、より良い批評器が重要
要約本論文は、分布マッチング蒸留（DMD）において、オンラインの批評器が信頼できる学習信号を与えるために必要な容量と情報を検討しています。ImageNetで七つのSiTモデルサイズを用いた実験では、批評器を小さいまま教師を大きくすると生徒の品質が下がり学習が崩壊しうることを示しています。そこで教師と批評器を同時に拡大する「共同スケーリング」と、生成ステップを条件とするSTACを提案しています。両者を組み合わせると、ImageNet、SDXL、FLUX.2、Wan2.1による生成で少ステップ蒸留が改善されたと報告されています。
説明厳密な情報台帳としての、インスタンス依存の逐次的限界
要約本論文は、多腕バンディットの後悔、逐次検定、最良腕の同定、マルコフ決定過程に関するインスタンス依存の限界を、一本の推論連鎖によって統一的に扱う。この連鎖を厳密な情報台帳として記述し、データ処理で失われるのは条件付きダイバージェンスにちょうど等しいことを示す。さらに一パラメータのマルティンゲール恒等式により、二つのインスタンス間の任意の傾きへ分解を拡張する。七つの公表文献で台帳を検証し、標準的なアルゴリズムと古典的限界との差がどこにあるかを特定している。
説明DecisionRank：決定モデル型リランカーのためのオンポリシー蒸留手法
要約本論文は、項目空間のオンポリシー蒸留（OPD）で学習する決定モデル DecisionRank を提案し、検索結果の再ランキングに用いる。学生モデルの文書スコアを並べた順位列に対し、生成型教師モデルが条件付きフィードバックを与えてスコアを直接監督する。オフラインの順位監督と組み合わせ、TREC DL、BEIR、BRIGHT などのベンチマークで最高水準の性能を示したと報告している。
説明ICU死亡率予測における生理学的軌跡と観測パターン：測定条件の変化下での移転可能性
要約本研究はMIMIC-III、MIMIC-IV、eICUのデータを用い、ICU患者の48時間後の院内死亡率を予測しました。最新値のスナップショット、経時的な生理学的要約、測定頻度と時刻の特徴という三種類の入力を比較しています。生理学的軌跡は外部データセット（eICU）で移転がより安定していた一方、観測パターンの特徴は測定の時刻と利用可能性に敏感でした。著者らは、臨床予測モデルは新しい患者集団だけでなく、その入力を供給する測定条件のもとでも評価すべきだと述べています。
説明2つのReLUニューロンに対する勾配降下法：大域的な損失地形と分岐ダイナミクス
要約本論文は、等方的ガウス入力のもとで、小さな初期化から母集団勾配フローにより2ニューロンのReLU教師-生徒モデルを学習させたときの学習ダイナミクスを扱っています。母集団二乗損失の地形を解析し、両方の生徒重みが非零となる臨界点はすべて大域最小値か鞍点であることを示しています。さらに勾配フローの軌道を追跡し、生徒ニューロンがまず二等分線方向の鞍点へ収束し、その後そこから脱出して教師ニューロンに特化することを明らかにしています。
説明多重スケールFFTによるランダム割当のプライバシー損失の高速計算法
要約ランダム割当サンプリング方式では、各ユーザーのデータが一連のステップからランダムかつ一様に選ばれた k 回使われます。本論文は、この方式のプライバシー損失分布（PLD）会計を高速化するアルゴリズム「多重スケールFFT」を提案し、精度パラメータαへの計算時間の依存性を O(α^-2) から O(α^-1 log(1/α)) に改善しています。また、平均を保つ丸め処理により誤差を抑えています。実験では高精度域で桁違いの高速化が示され、PREAMBLEを用いたDP-SGDでより良いプライバシー上限が得られたとしています。
説明ACCT：非対称なクロスLLMコンテキスト転送。異なる規模のモデル間で文脈計算を再利用する手法
要約本論文は、同一モデルファミリー内の異なる規模のモデル間でKVキャッシュを転送するACCTを提案します。ソースモデルのKVキャッシュを、ターゲットモデルが直接利用できる疎なKV状態に変換し、元のコンテキストを再処理せずに文脈計算をモデル間で再利用できるようにします。5つの汎用能力ベンチマークと6つの文脈依存性の高いタスクで評価した結果、KVキャッシュを75%削減してもターゲットモデルの元の推論性能に匹敵または上回りました。約19Kトークンの文脈長では、ターゲットのコンテキストプリフィルに比べKV変換が6.5～21.2倍高速です。
説明階層型木構造インデクサを用いた準二次的アテンション
要約本論文は、従来のアテンションで系列長に対して二乗で増加する計算量を抑えるため、Zyphra Hierarchical Attention（ZHA）と呼ばれる疎なアテンション手法を提案しています。KVキャッシュ上に再帰的に圧縮されたキーの要約からなる木を構築し、クエリが上位から下位へ辿って疎なキー集合を取得します。既存の事前学習済みモデルに数十億トークン規模の短いKL蒸留学習を適用し、長文脈の検索や推論などの評価で性能を維持したと述べています。
注目点再帰的に圧縮したキー要約の階層木を索引とする準二次注意を提案し、事前学習モデルへの蒸馏後の検索・推論タスクでの性能を報告している。
説明SATFRONT：機械学習による衛星データからの大気前線検出
要約本論文は、静止気象衛星の観測からヨーロッパ上空の寒冷前線・温暖前線・閉塞前線を検出する機械学習フレームワーク「SATFRONT」を提案している。モデルは欧州5か国の気象機関による前線解析で学習され、英国気象庁の2024年の解析と比較して評価された。衛星観測のみを用いた場合のCSIは、許容誤差150kmで0.428であり、ERA5再解析データを加えると0.591に向上した。
説明後悔最適なWasserstein頑健線形回帰：分布の不確実性の下で、頑健回帰手法の超過リスク（後悔）を調べ、複数の手法の最適性を比較する研究です。
要約本論文は、観測されたソース分布と未知のターゲット分布が大きさεの敵対的2-Wasserstein摂動で異なる場合の多変量最小二乗回帰における分布頑健最適化（DRO）を扱います。ε→0の極限で、問題依存の条件数κによって複雑さを特徴づけ、DROを含む単純なアルゴリズムが O(κε²) の事例最適速度を達成することを示します。また、一部の場合にDROが次元依存の因子で最適に劣ることを証明し、最小最大後悔最適化（MRO）とスペクトルノルム正則化（SNR）が最小最大速度を達成することを示します。高確率の有限標本保証と数値実験も提示されています。
注目点DROが特定条件下で劣る場合を示し、MROとSNRが極小最悪後悔率を達成することを示す。凸再定式化と加速近接法を与える。
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。