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）。
説明物体のみでも文脈非依存とは限らない：物体検索における背景除去の反事実的診断
要約本論文は、物体検索で背景をマスクしてから特徴を統合する手法が、本当に物体だけを表す記述子を得られているかを検証します。物体領域を固定し外側の画素だけを変える診断手法 Keyhole Aperture Probe（KAP）を提案し、バックボーンの文脈依存性を測定します。統合された物体領域はすでに周囲の文脈を取り込んでおり、十の最新バックボーンでは、物体のみの記述子は全画像時の精度の約4分の1から3分の2しか保持しませんでした。さらに、軽量なアダプタで依存性を低減し、INSTRE と ILIAS で検索精度を改善しています。KAP は評価プロトコルとして公開されています。
説明時間分割平面フィッティングによるイベントベース光流制約
要約本論文は、イベントベースの光流推定に関する新しい手法を提案している。従来の時空間平面近似は速度が一定だと仮定し、速度の時間変化を平均化してしまう。著者らはこの平面近似を時間軸方向に拡張し、時空間ボリュームを小区間に分割して二段階の平面近似で物体エッジを追跡する。さらに空間補償と時間正則化項を導入する。実験では、速度の時間変化をモデル化することで従来法より推定精度が向上したと報告している。
説明到達せずに答える：具身化質問応答の証拠監査
要約本論文は、200の試験エピソードと800問からなる多室型の具身化質問応答ベンチマークを提案し、テキストのみの条件から閉ループエージェント、参照軌跡の再生までの評価段階を設けています。閉ループの視覚言語エージェントは目標に到達しないまま問題の45.5%に答え、画像を与えない場合とほぼ同じ結果でした。一方、参照軌跡を再生すると57.4%に上がり、証拠は経路上に存在するものの収集されていないことが示されました。著者らは、精度の向上を記憶の効果とみなす前に、証拠の獲得、回答のカバレッジ、ショートカットへの感度を確認すべきだと論じています。
説明自己進化型ナラティブシステムに向けて：LLMによるリアルタイム適応と長期最適化
要約本論文は、意味的類似度によるアライメントを用いて、事前に作成されたコンテンツとLLMによるリアルタイム生成を動的に調整するハイブリッド型ナラティブフレームワークを提案している。さらに、文脈内学習を利用してプロンプトを反復的に改良する、フィードバック駆動型の自己進化最適化フレームワークを導入し、手作業によるプロンプト設計を不要にしている。ケーススタディと参加者評価により、プレイヤーの主体性を保ちつつ物語の一貫性が向上することが示されている。
説明リプレイなしの海馬型統合：全パラメータ微調整ネットワークにおける継続学習
要約本論文は、ニューラルネットワークの継続学習で生じる忘却の問題を扱い、学習中のみ用いる海馬型メモリを提案している。このメモリは入力を共有するシナプス群ごとの入力幾何を記録し、オプティマイザの前後で各シナプスの各方向への移動量を制限する。著者らは、クロスタスクのリプレイ、教師モデル、推論時のメモリなしで全体が学習を続けられることを、4つのアーキテクチャ系統と最大80億パラメータのモデルで示したと述べている。
注目点学習時の海馬型メモリで入力幾何を索引化し、シナプスの移動を制限することで、リプレイなしに忘却を防ぐ。4系統のアーキテクチャと最大80億パラメータのモデルで検証し、TACREDで凍結バックボーン基線を17.5点上回ったと報告。
説明言語モデルが時間のアンカーを事実想起に組み込む仕組みの追跡
要約この論文は、言語モデルが年などの条件（時間のアンカー）を使って、その時点で正しい答えを選ぶ仕組みを調べたものです。4つのオープンウェイトモデルに対する因果的介入実験により、主語表現を経由する経路と、最終位置がアンカーを直接参照して上位層のMLPが時期に合った対象を優先させる経路の2つが見つかりました。両経路は並行して寄与を加算し、そのバランスは問い（関係）によって変わります。
説明多モーダルな感情の衝突を超えて：時系列文脈を考慮した多モーダル大規模言語モデルによる隠れた感情の検出
要約本研究は、単なる多モーダル間の感情の不一致と、感情の隠蔽とを区別し、証拠が得られた場合に内在する感情を推定することを目指す。表出された感情、内在的な感情、隠蔽の条件を明示的に注釈したマルチモーダルベンチマークを構築し、細粒度の顔面動作単位（AU）、モーダル間特徴、時系列文脈を統合するMLLMベースのフレームワークを開発する計画である。
説明オフラインQ学習における直接的な知識転移：関連環境のデータで目標環境の方策学習を改善
要約本論文は、マーケティングや医療など目標環境のデータが限られる場面を想定し、オフライン強化学習における知識転移を研究している。著者らは直接転移型フィッテッドQ反復法（DFQI）を提案し、各ベルマン更新の中で目標と源環境の価値関数係数を同時に推定し、L1罰則で両者を結びつける。定常割引環境において目標推定と方策学習の統計的保証を示し、実証研究で源データを活用して方策学習を改善できることを確認している。
説明ReWY：Delta 則注意機構ファミリーの勾配計算を高速化する手法
要約本論文は、Delta 則線形注意機構（DeltaNet、GDN、KDA、GDN2 など）の逆伝播で生じる不要な補助計算を、代数的な書き換えによって削減する手法 ReWY を提案している。順伝播の再帰と勾配は厳密な演算上で保たれ、アーキテクチャや学習目的は変更されない。NVIDIA GPU と Ascend NPU への実装で、基準実装に対する逆伝播の高速化が報告されている。
注目点新規性は分割後退伝播の補助随伴量を消去し、七つの局所WY行列積を三つに減らす点にある。摘要はH100、H200、Ascend 950DTで1.09〜2.89倍の高速化を報告している。
説明VLSplat：シーングラフを用いた視覚言語誘導型のオブジェクト中心3Dガウシアン・スプラッティング
要約本論文はVLSplatという手法を提案し、3Dガウシアン・スプラッティングにおいてオブジェクト中心の意味的リフティングを行う。マスクベースのリフティングに、視覚言語モデル由来のオブジェクトレベルの意味的事前情報を加え、オブジェクトグループのシーングラフを用いてガウシアン表現を洗練する。洗練は二つの言語誘導モジュールで行われ、グループ内の意味的ノイズを抑制するとともに、隣接グループから構造的に関連する候補を取り込んでオブジェクトの支持領域を拡張する。室内シーンのデータセットでの実験により、オブジェクトレベルのカテゴリの意味的一貫性と構造的完全性が向上することが示されたとされる。
説明Spade-SLAM：疎な対応アンカーを用いた密な自己教師あり視覚SLAM
要約本論文は、自己教師あり学習で訓練する密な視覚SLAM（自己位置推定と地図作成）フレームワークSpade-SLAMを提案します。真のポーズと深度のラベルを使わずに学習します。画像の変形に基づく測光損失で密な学習信号を与え、画像特徴量の対応から得た疎な対応損失で最適化を安定させ、曖昧な領域でのドリフトを抑えます。既存の自己教師ありベースラインより頑健で高精度であり、ポーズと深度を明示的に教師として使う手法に近い性能を示したと報告しています。
説明TriPhysBench：身体性エージェントの物理的知能を評価するベンチマーク
要約本論文は、200本の動画から作成した410問で、身体性エージェントの物理的知覚、物理知識の検索、物理的推論を同じ評価環境で測るベンチマーク TriPhysBench を提案している。最良の視覚言語モデルの解答精度は50.38%にとどまった。また、完全なツール統合軌跡から統一的な方策を学習する TriPhys を提案し、学習に使わなかった110問で解答精度が Qwen3.6-27B 基盤モデルより相対的に17.7%向上したと報告している。
説明幾何形態学習：基盤モデルを構造から時空知能へ高める試み
要約本論文は、物体の幾何学的・位相的構造や形状、コンフォメーションを学習させ、表現学習・推論・行動モデリングに活用する新たな学習枠組み「幾何形態学習（Geometric Morphology Learning）」を提案している。局所構造と大域構造を結ぶ「ニューラルバンドル」を構築し、接続や曲率などの微分可能な演算子を定式化している。著者は、この枠組みが基盤モデル、推論・計画、グラフモデリング、物理シミュレーション、偏微分方程式系、動力学などに応用できるとしている。
説明RECEIPT：Webサービス運用におけるLLMエージェントの「戻り値の前提」を測定・修正する研究
要約LLMエージェントは、ツール呼び出しが時間内に戻り、要求された操作が完了していると仮定しているが、多くのコマンドは操作の前に質問を出す。論文は、本番環境の約9万件のツール呼び出しと公開軌跡を収集し、8種類の主要なハーネスがコマンドをどう起動するかを検証した。提案手法RECEIPTは入力を開いたままにし、システムコールから待機状態を読み取ってエージェントに返すことで、虚偽の成功報告を大幅に減らすとされている。
注目点LLMエージェントの戻り仮定を初めて体系的に測定・修復し、システムコールで待機状態を読むRECEIPTを提案、複数の実験基準で検証。
説明『足元に注意：Adam の間隔最大化バイアスは学習率スケジュールに依存する』
要約本論文は、二値分類タスクの齐次モデルにおける Adam の暗黙的バイアスと、符号勾配降下法との類似性を研究している。学習率スケジュールによってこのバイアスが変わることを示し、定数または緩やかに減衰するスケジュールでは、軌道に依存しない間隔最大化バイアスが存在しないことを明らかにする。代わりに、軌道に依存する重み付き ℓ2 間隔の最大化として特徴づけられる。中間的な領域では、勾配の方向収束を条件として ℓ∞ バイアスを証明し、全バッチ Adam の損失減衰速度も示している。
注目点新規性は、Adamの暗黙的バイアスが学習率スケジュールに依存し、軌道依存の重み付きℓ2マージン最大化として特徴づけられる点にある。深い線形ネットワークと同次モデルでの理論結果を報告。
説明あなたの長期ホライズンのベンチマークは本当に深いか？ターミナルタスクの深さを測定し合成する
要約本論文は、エージェントの評価と学習に用いられる長期ホライズンのターミナルタスクを扱う。ターン数や生成時にLLMが付けた難易度ラベルは、タスクそのものの難しさを十分に表さないと指摘し、タスクを作業量と深さで記述する方法を提案している。6つの既存データセットの734タスクを監査し、生成されたタスクの多くは作業量を増やしただけで深さは増えていないことを示す。さらに、実環境で1セグメントずつ実行しながら作成するDEPTHを提案し、そこで作られた105タスクはいずれのデータセットよりも深さと作業量が大きいとしている。Qwen3-8Bをこれらの実行記録で微調整すると、2つのターミナルベンチマークで性能が向上した。
注目点逐次依存の深さで端末タスクの難易度を測り、区間ごとに生成する合成手法を提案。六データセットを監査し、微調整で二基準の改善を報告。
説明TAC-CoT：明示トークンを交互に挿入するツール連携型の暗黙的思考連鎖
要約本論文は、中間推論を逐一言語化せずに、コンパクトな連続的潜在推論セグメントで明示的な推論過程を置き換える、ツール連携型の適応的暗黙的思考連鎖フレームワーク TAC-CoT を提案している。テキストトークンはツール呼び出し、観測結果、最終回答にのみ残される。エージェント型の数学・質問応答ベンチマークで、精度は最大 8.8 ポイント向上し、モデルの順伝播回数は最大 6.8 倍削減されたと報告している。また、単一ツールと複数ツールのいずれの設定でもツール利用の質が改善されることを示している。
説明擬似カラー心電図画像に基づく視覚・言語モデルによるトルサード・ド・ポアンツ危険度の分類：T波形態と色情報の語境は有益か有害か？
要約本論文は、ドメイン適応済みの視覚・言語モデルBiomedCLIPを用い、擬似カラー化した心電図画像から尖端捩転型心室頻拍（トルサード・ド・ポアンツ）のリスクを分類する手法を検討している。9,789枚の画像を用いて、カラー画像と無色画像、および異なるテキストプロンプト戦略を五分割交差検証で比較した。学習後はカラー画像が全指標で無色画像を上回り、プロンプトで色を言及するかどうかは結果に影響しなかった。
説明AgenticMobility：マルチAIエージェント型モビリティ動態のためのオープンソース実験基盤
要約本論文はAgenticMobilityというオープンソースの実験基盤を紹介する。モビリティAIエージェントや他のAIエージェントが、繰り返しの経験を通じて相互作用し適応しながら、移動の結果を共同で形成する過程を研究するためのものである。現在の実装では、大規模言語モデルエージェントがMATSim上で、経路と出発時刻を選ぶ旅行者と、リンク料金を定期的に調整する管理者として動作する。予備的な実証では、5つの構成それぞれについて100日分のシミュレーションを、共通のシードで1回ずつ実施した。情報アクセス、保持される経験、管理者へのフィードバックを変えることで、個人の適応、集団の結果、管理介入の実験が可能である。ソースコードは公開されている。
説明統計的一貫性を超える機械学習：ハイブリッドAIのための枠組み
要約本論文は、機械が各入力に対して返す値を形式体系内で適切に導出できるとき、その関数を学習したとみなす新しい機械学習の定義を提案する。著者はゲーデルの表現可能性定理を経験的対象へ拡張し、真の確率を学習する条件として、推定値が真の確率に収束すること（統計的一貫性）と、機械が記録から自らの収束を体系内で導出できることの二つを挙げる。さらに、現代AIが確率的課題と演繹的課題を併せ持ち、統計的提案器と演繹的検証器を組み合わせている点を、同一の形式体系で説明している。
説明SurgQ-VLM：手術動画質問応答のための質問条件付き二重ストリーム圧縮と回答タイプ対応強化学習（手術動画に関する質問に答えるための新しい手法の論文）
要約本論文は、手術動画の質問応答を行う二段階モデルSurgQ-VLMを提案しています。第一段階では、LoRAで適応させたQwen2.5-VL-7B向けに、質問に応じて低速・高速の二つのストリームを圧縮する仕組みを学習させ、各クリップの視覚トークンを生のViTパッチより49倍削減します。第二段階では、回答タイプに応じた報酬を用いてGRPOで後学習を行います。21,840問の封印されたテスト分割で、キーワード正答率は0.779に達し、ゼロショットに比べBLEU-4は10倍に向上しました。
説明誰が問い、誰が答えるか：ハイブリッド言語モデルにおける線形注意がクエリを構築する仕組み
要約本論文は、ハイブリッド言語モデルにおいて線形注意層とsoftmax注意層がどのように役割を分担するかを調べた。Qwen3.5とGranite4.0の分析から、softmax注意が使うクエリ表現を線形注意の層が構築するエンコード-アドレス回路を特定した。その表現を差し替えると検索結果が変わり、アドレス層の計算はアーキテクチャをまたいで移植できることが示された。
説明ウェットラボ規模のラベル予算でも、反省型LLMフィードバックは有効か？
要約研究者は36のProteinGymアッセイを用い、各サイクルで96個のラベルのみを取得する条件を6ラウンド再現しました。LLMによる完全制御とランダム編集の比較では、テスト順位相関に検出可能な差は見られませんでした。探索的な分析では、LLMによるモデル編集に有用性が認められた一方、反復フィードバックによる再帰的な反省の追加的価値は確認されていません。
説明安全重視の制御システム向けオンライン能動学習アーキテクチャ
要約本論文は、生物の知能における「予測・評価・修正」の連続過程に着想を得た在線能動学習（OAL）アーキテクチャ「Control AI」を提案している。深層ニューラルネットワークの階層的表現力と、適応制御のリアルタイム誤差フィードバックを組み合わせた枠組みである。予測、潜在遷移、再構成の各モデルで構成され、予測と計測値の残差を内部の学習信号として用いる。恒等写像への退化を防ぐ交差再構成構造や複数の変種を説明し、概念的なフィードバックループから大規模な実用構成への発展を中心に論じている。
説明差分プライバシー下におけるテンソル因子モデルの負荷空間のフェデレーテッド推定
要約本論文は、各クライアントに分散したテンソル観測データを共有せずに、Tuckerテンソル因子モデルの共通の負荷空間を推定する手法を扱う。各クライアントで私的安定性検定、Huber集約、ガウス摂動を組み合わせ、サーバーで重み付き集約を行う。局所誤差率の二乗の尺度化された調和平均で支配される非漸近上界を導き、強い因子などの条件の下で対数因子を除きミニマックス最適であることを示す。さらにノイズ水準を知らずに局所調整パラメータと集約重みを私的に選ぶ手続きを提案し、瞑想特性のEEGデータセットへの適用とシミュレーションで有限標本性能を確認している。
説明イベント誘導参照によるトレーニング不要の動き補正3D脳MRI再構成
要約頭部の動きは3D脳MRIにアーチファクトを生じさせ、構造計測に偏りをもたらすことがあります。本論文は、インターリーブ型デカルト収集向けの学習不要な手法EventMCを提案します。動きイベントを反復的に検出し、安定した区間から再構成した参照画像を用いて動きを推定し、低空間周波数から高空間周波数へ画像と動きを順に改善します。シミュレーションでは、学習ベースのMotionTTTより動き推定の平均PSNRが最大4.0 dB向上しました。1回の実行はMotionTTTより最大7.5倍高速で、GPUメモリ使用量は半分未満です。実際の動きで劣化した撮像データでは、学習なしでMotionTTTとほぼ同等の平均画質を達成しました。
説明微調された事前学習モデルの頑健性に関する体系的評価
要約本研究は、異なるデータセットと攻撃の種類の下で、微調整された事前学習済み画像分類モデルの頑健性を体系的に評価しています。MNIST、CIFAR10、CIFAR100、SVHNなどの公開画像データセットを用い、ResNet50、DenseNet、MobileNetについて、攻撃前と各種攻撃後の性能を比較しています。結果として、微調整モデルの頑健性はデータ分布やサンプル数によって異なり、タスクの要件に応じた選択が必要であることが示されています。
説明エネルギー制約下での堅牢な遠隔心電図モニタリング：異常フィルタリングと予測不確実性の比較
要約本論文は、低消費電力のマイコン上で遠隔心電図モニタリングを行う際に、前段の教師なし異常検知が分類器の不確実性よりも効率的に判断を改善できるかを検討したものです。PTB-XLおよびBUT QDBを用い、未知の疾患とノイズの条件下で評価しています。Deep SVDDを用いた二段階システムは、多くのCPUエネルギー予算で良好な結果を示し、1入力あたりの推定エネルギーも一部の比較手法より低くなっています。著者らは上流フィルタリングの有効性を示唆していますが、独立した検証とシステム全体の測定が必要だと述べています。
説明ドメインスキューを伴う連合学習におけるモデル集約の再考：知識保持の視点から
要約本論文は、連合学習におけるドメインスキューの課題に取り組み、二段階の枠組みFKPL（連合知識保持学習）を提案します。まずサブ空間ベースのクラスタリングでクライアントを分け、領域専門家のエンコーダを訓練して連結・凍結し、次に原型による分類器の校正で統合します。Office-Caltech-10、PACS、DomainNetの一部では平均精度がそれぞれ73.01%、67.00%、64.51%でした。
説明事前情報を活用した物理情報ベースの深層学習による高速4D MRI再構成
要約本論文はPGPI4MRという手法を提案し、同一スキャン内の他の呼吸位相やセットアップスキャンの情報を利用して、追加の撮像時間なしに4D MRIを再構成する。生体内データでは、すべての撮像時間で保持データに対する誤差が最も小さく、0.49秒の亜秒MRIでは最良の比較手法より誤差が15.5%低かった。再学習なしでは3T腹部スキャンで最良手法と同等、大腿部スキャンでは再学習後に最良比較手法より誤差が6.6%低減した。
説明推測せず賢く質問する：オープンドメイン対話における能動的な情報引き出しの評価と学習
要約七つの大規模言語モデルで実際のユーザー質問を検証したところ、情報が不完全な質問のうち追加質問が出たのは11%未満でした。著者らは、言語的手がかりを除去して意図があいまいな質問を作るベンチマーク「VagueBench」と、対話状態の有向非巡回グラフで多段階の質問を組織するオフライン強化学習手法「DialogGRPO」を提案しています。この手法は、あいまいな質問の88%以上で不足情報を引き出し、完全な質問では過剰に質問せず、MultiWOZ 2.4とAmbigQAへゼロショットで汎化したと報告しています。
説明ランレングスBWTを用いた効率的なLempel-Zivによる予測
要約本論文は、Kosoyが提案したLempel-Ziv Plurality（LZP）予測アルゴリズムの効率的なオンライン実装と、その新しい変種を示します。反転履歴のランレングス符号化されたBurrows-Wheeler変換を維持することで、更新時間をKosoyの実装のO(z log^7 n)から、O(log z+log log n)へ改善しています。また、同じ誤り上界と更新時間を持ち、予測時間が字母表サイズに依存しないLempel-Ziv Majority（LZM）予測器も導入されています。
説明適応型エージェントシステムのための自動化されたステートフル専門化
要約本論文はASpecというフレームワークを提案し、進化的探索によって専門エージェントの原型を自律的に発見したうえで、経験を通じてその専門性を蓄積させます。さらに、既存のエージェントシステムを流用するか構造を適応させるかを判断する軽量な階層型制御方策「retain-then-escalate」を導入しています。実験では、GPQAなどの専門家レベルの科学ベンチマークで大きな性能向上を示し、より広い分野のタスクでは最先端水準に並ぶと報告されています。
説明Adamのεに自己生成される下限：べき乗則行列センシングによる実証
要約本論文は、べき乗則の共分散の下での非凸なBurer–Monteiro低ランク行列センシングにおいて、Adamが停滞する条件を調べたものです。数値安定化項ε₀を大幅に下げても失敗境界は約10⁻⁸で飽和すると報告し、その原因を学習率αに比例する動的な下限に求めています。ε₀を下げるより、学習率αを下げる方が効果的だとしています。
説明異質なサブグループにおける公平性を考慮した文脈実験設計：信頼性と公平性の保証
要約本論文は、異なるサブグループ間で実験を設計するための公平性考慮型の文脈トラック・ストップ設計アルゴリズム（F-CTSD）を提案しています。このアルゴリズムは、必要なサンプルサイズを抑えつつ、サブグループ間の公平性について統計的保証を与えます。数値実験では、既存手法よりサンプル効率が高く、サブグループ間の公平性違反を4.95%削減したことが示されています。
説明「蝶の夢」：コネクトーム制約付き視覚モデルにおける世界モデル展開の線形分離性
要約本論文は、光学フロー推定のみで訓練された、公表済みのショウジョウバエ視覚系モデルを、世界モデルが生成した映像の中に置いて検証する。現実の映像と、実フレームから続けて生成された「夢」の映像を、分類器による二標本検定で区別できるかを調べた。訓練後のモデルでは九種類の夢すべてが現実と分離でき（AUC 0.85〜0.99）、訓練前より明確に高い値を示した。さらに、フレームの順序だけを入れ替えた探針によって時間的欠陥の検出性も評価している。
説明再帰型言語モデルの量子化は思ったより容易だという研究
要約本論文は、線形再帰を用いる言語モデルの量子化について検討し、その数値特性がsoftmaxアテンション型Transformerとは異なる点を指摘しています。循環状態の外側にある重みと活性化、および復号時の循環状態そのものを、それぞれ別の問題として分析しています。提案手法LoReSは、スケールのグループ化、減衰率に基づく混合精度、確率的丸めを組み合わせたものです。複数のモデルで堅牢な8ビット状態量化を支え、vLLMに実装して復号の高速化を示したと報告しています。
説明エージェント型コンピュータグラフィックスの進展に関する概説
要約大規模言語モデルのエージェントはグラフィックスのコードを生成し、さまざまなフィードバックを通じて反復的に改良できます。本報告では、多様なコンピュータグラフィックスのタスクにおけるエージェント型システムを特徴づける統一的な分類体系を提示し、研究者が大量の論文を分析するのを支援するエージェント型文献システムを開発しました。あわせて新たな研究動向を分析し、エージェントとツールの連携、人間とエージェントの協働のためのインターフェース、長期的な計画と改良、対話型グラフィックスシステムの評価に関する未解決の課題を論じています。
説明学習による記憶：長時間自己回帰型ビデオ生成のための動的コンテキスト管理
要約自己回帰型ビデオ生成は短い動画では良好な結果を得ていますが、長い動画では誤差が蓄積しやすいという課題があります。本論文は、予測された重要度に基づいて過去のフレームを保持・削除・更新する学習型のコンテキストメモリ管理フレームワークL2M（Learning to Memorize）を提案します。指数移動平均による重要度スコアで長期記憶を更新し、固定のKVキャッシュ予算の下で長時間の動画の生成品質と時間的一貫性を既存手法より高めたと報告しています。
説明制約のあるエッジデバイス上で連合学習を用いた、気分変動検出のためのプライバシー保護型ECG-HRV感情分類
要約本論文は、心電図由来の心拍変動（HRV）特徴量から感情状態を分類する、プライバシー保護型の気分モニタリングの枠組みを提示します。74名の参加者を含む3つの公開データセットで評価し、ウェアラブル機器を用いたパイロット研究でも検証しています。未見の個人への汎化を評価するため、留一被験者交差検証を用いています。ロジスティック回帰は他の5つの分類器より優れた結果を示し、連合学習により生の生理データを共有せずに集中学習に近い性能が得られることが報告されています。
説明不規則な臨床時系列のための欠測認識型事前データ適合ネットワーク
要約この論文は、臨床検査値が不均等な間隔で記録され、欠測そのものが予測に有用な情報となる問題を扱い、欠測認識型の事前データ適合ネットワーク（MA-PFN）を提案しています。まず拡散モデルを用いて、ソースドメインの電子カルテから検査値と観測マスクの同時軌跡の事前分布を学習し、その合成軌跡で条件付き予測器を訓練します。MIMIC-IIIの内部検証とeICUの外部検証で、各設定において最良の性能を示し、対象ドメインでの適応は不要です。
説明生物学的整合性：表現形式をまたぐ顕微鏡画像生成の評価
要約本論文は、生成された顕微鏡画像、インスタンスマスク、テキスト条件の間で生物学的情報が一貫しているかを評価する「生物学的整合性」という原則を提案しています。テキスト条件付き拡散モデルで画像とマスクを同時に生成し、複数の分析で表現間の一致を比較しました。その結果、生成品質、制御性、表現間の一致、集団レベルの忠実度は相補的な性質であることが示されています。
説明FADE：多チャネル裾推定のためのフローベース手法
要約本論文は、超高信頼低遅延通信において複数の受信機が同時に深いフェージングを受ける問題を扱い、極端事象の受信機間の依存関係を表すフローベースの角度密度推定手法FADEを提案する。FADEは多変量極値を標準的な極値表現に変換し、フローベースの密度推定器で事前に定めたパラメトリック形式を用いずに依存構造を学習する。無人機通信の実験データで評価した結果、経験的同時分布関数との一致が高く、Logistic法および最大経験尤度（MEL）法と比べてMAEが最大22.4%低減した。
説明Z-Cache：自己反省による拡散トランスフォーマーの高速化
要約本論文は、拡散トランスフォーマーの画像生成を高速化する特徴キャッシュ手法Z-Cacheを提案している。キャッシュ步の特徴を先に予測してから完全計算を一度行い、その前後の計算結果をもとにキャッシュ步の特徴を再予測して補正する。論文では、元のモデルに近い生成品質を保ちつつ推論が速くなり、FLUX-devでの文章からの画像生成で6.22倍の高速化を達成したと報告している。
説明OpenNWM：潜在行動事前学習を用いた汎用ナビゲーション世界モデル
要約OpenNWM は、ナビゲーション行動を条件として将来の観測を予測し、経路計画を支援する汎用ナビゲーション世界モデルです。行動ラベルのない大規模なナビゲーション動画から汎用的な潜在行動を学習し、行動条件付きの事後学習によって実際の動きと対応づけます。研究者らは、15 の異種ソースから得た 1,750 万件の視覚観測からなる NavAnywhere データセットを構築し、地上ロボット、人間、ドローンによるナビゲーションを含めています。実験では、視覚予測とナビゲーション性能の向上が示されています。
説明MEX：音楽的期待のベンチマークスイート
要約本論文は、音楽的期待を計算モデルで推定し、その知覚的妥当性を検証するためのベンチマークスイート「MEX」を提案しています。楽譜や音声から知覚される意外性や不確実性などの情報動態指標を推定するモデルを対象に、既存の音楽情報検索や認知科学の課題を標準データセットで整理・拡張し、繰り返しによる低下、区切りとの一致、音声と記号音楽の整合性、脳電図反応の予測能力を評価します。著者らは、これは音楽的期待を網羅的に記述するものではなく、理解の深化とともに発展する学際的な取り組みだと述べ、コードを公開しています。
説明複雑なタスクの意味的分解による自己進化型エージェントワークフロー
要約本論文は、複雑なタスクを意味的に子タスクへ分解し、それぞれに明確な適用条件と、コードまたは必要に応じてモデルを呼び出す手続きを割り当てる、自己進化型エージェントワークフローの枠組みを提案しています。エージェントは実行結果のフィードバックを使って分解と手続きを更新します。GLEEコンペティションの交渉、ネゴシエーション、説得タスクで実験が行われ、観察された最終決定の手続きの多くはコードで実装されていました。コードは公開されています。
説明NEIGHBOR：地域住民サービス向けLLMエージェントにおけるサービス行動と根拠利用の整合
要約本論文は、住民サービス向けのLLMエージェントNEIGHBORを提案します。システムプロンプトに頼るのではなく、ツールを操作するモデル自体にサービス行動の規範を学習させる手法です。東アジアの都市の一地区の住民サービスプラットフォームに導入されており、Qwen3-235B-A22BにLoRAで微調整を施しています。オフライン評価では、専門家による評価で、未調整モデルの5.86に対し7.74点を獲得し、6つの評価軸すべてで向上が見られました。
説明ReFrame：全二重音声モデル向けの無音認識型計算再利用手法
要約全二重音声モデルは、リアルタイム対話の中で全てのオーディオフレームに対して完全なモデル推論を実行するため、GPU 負荷が持続的に高くなります。ReFrame はこれを無音を考慮した計算問題として扱い、双方が無音のときの複数フレーム予測と補正（MSS）、ユーザーが話しエージェントが聞いている間の到着済みフレームの並列処理（LFF）、解放されたフレーム時間を外部の検索・言語モデルワーカーに割り当てる仕組み（FBR）から成ります。原文によると、FDBench の 1,225 件の会話において、ReFrame は GPU 実行時間を 18.80% から 31.01% 削減しました。
説明LegoEnv：モジュール的再結合による自己進化型エージェント環境
要約本論文は、再利用可能なアトム（意図、規則、データ、サーバー）から環境を組み立て、環境が信頼できるフィードバックを返せない場合にアトムを進化させる新しいパradigmを提案しています。これを実装したLegoEnvは、223のアプリケーションにわたる検証済みの環境5,465件を構築し、一度の進化で解決可能な環境の割合を71.6%から88.3%に引き上げました。AutomationBench上では、これらの環境によるSFTとRLが、それぞれQwen3.6-27BとQwen3.8-27Bの性能を向上させています。
説明自然言語規則のスコープ文法：論理的同値を法とした解釈の数え上げと列挙
要約本論文は、人向けに書かれた規則において連言・選言の括弧のつけ方が未確定であることによる曖昧さを扱う。派生木が接続詞骨格の各解釈に対応する、意図的に曖昧な文脈自由文法を提案している。正で反復のない断片については、読み一回の正規形の一意性を用いて実現可能な正規形を特徴づけ、11原子まで全数列挙で検証された計数の漸化式を与える。また、曖昧性は∧と∨を両方使うことと同値であることや、類の数の下界も示している。
説明LUMEN：空間的に変化するHDR照明推定のための幾何誘導拡散モデル
要約本論文は、単一視点または複数視点の画像から、任意の空間位置における高ダイナミックレンジ（HDR）環境マップを生成する幾何条件付き拡散フレームワークLUMENを提案している。入力画像から粗い3Dシーンを再構成し、可視性と空間構造を符号化する部分的な環境マップを描画した上で、多視点画像特徴と融合して拡散トランスフォーマーに入力し、完全なHDR環境マップを生成する。学習用に700の室内シーンからなる合成データセットを構築し、既存手法と比べて視覚的忠実度と空間的一貫性が大きく向上したと報告している。
説明RCFormer：遮蔽に頑健な顔ランドマーク検出のための信頼性認識コンテキストTransformer
要約本論文は、遮蔽、照明不良、大きな姿勢変化の下で顔ランドマークを検出するためのRCFormerを提案している。可視コンテキスト条件付け、可視性誘導のコンテキスト集約、空間残差補正の3つの要素により、遮蔽された局所パッチの潜在特徴の復元を強化する。復元されたヒートマップは、既存のランドマーク検出ネットワークに信頼性を考慮した構造的手がかりとして用いられる。WFLW、COFW、300Wの各データセットで、ヒートマップ復元の改善と良好なランドマーク位置推定結果が報告されている。
説明CoGSeq-LTV：多事業の取引分析に向けた、欠損データに対応する拡張可能なグラフ・系列モデリング手法
要約本論文は、スーパーアプリの多事業取引ログを対象に、複数の事業と複数の期間にわたる価値予測を扱います。提案手法CoGSeq-LTVは、バッチから構築したユーザー・アイテムグラフ、時間情報や支払い文脈を保持する事業別系列エンコーダ、事業間の対照学習による整合を組み合わせています。さらにゼロ過多で裾の長い累積価値に対し、零膨張混合対数正規モデルを用いています。BiBiShengの取引ログデータセットでの実験では、後の時間帯による外部評価を含め、代表的なLTVベースラインを上回ったと報告されています。
説明ビデオ世界モデルの潜在予測誤差は物理的な「驚き」の主張を支えられるのか？
要約本論文は、ビデオ世界モデルの予測誤差が物理的な驚きを本当に反映するかを評価する枠組みを提示する。IntPhys2で潜在予測、マスク付き画素再構成などの表現を比較した結果、外観情報は容易に復号できる一方、V-JEPA2は事象が物理的に可能か不可能かについて限定的な情報しか示さないことが分かった。Physion++とKubricの実験では、フレームの繰り返しや色の変化が誤差に影響し、不可能な事象の誤差が可能な事象より低くなる場合もあり、予測誤差が物理的な驚きを確実に測るとは言えないことが示された。
説明安全を考慮した潜在空間モーションプランニングのための制御障壁関数
要約本論文は、ロボットアームの潜在空間経路計画において、従来の二値衝突分類器に代えて潜在空間上で学習したニューラル制御障壁関数（CBF）を用いて障害物回避を行う手法を提案している。計画時には各ステップの潜在変数を一次の閉形式補正でCBF制約上に射影する。7自由度のFranka Pandaアームでの実験では、固定障害物タスクの成功率は75.6%で、35種のチューニング済み分類器中の最良より12.0ポイント高い。ランダム障害物設定では成功率は33.0%に低下した。
説明異種環境に対応する無人機群のための領域認識型階層的連合学習
要約本論文は、多様で変化する環境で無人航空機（UAV）群を学習させるための領域認識型階層的連合学習（DA-HFL）を提案する。移動性を考慮したクラスタリング、クラスタ単位の集約、クラウド上のFisher重み付き統合、領域敵対的共有バックボーン、環境別ヘッド、ゲート付き推論と局所適応を組み合わせている。理論解析では資源の実行可能性や最適性などを扱う。四つの異種環境でのシミュレーションでは、既存手法より速く収束し、環境遷移時の精度が高く、より安定したクラスタが得られたと報告されている。
説明共有される関係と個別の選択：言語モデルにおける条件付き感度と競合する経路
要約本論文は、統制されたエンティティ束縛実験により、GPT-2 Small、Qwen2.5-1.5B、Llama-3.2-1B で、クエリ間で共有される関係表現が個々の選択にどう影響するかを調べています。共有される関係成分は新しい名前にも転移しますが、その機能的な符号が転移するとは限らず、局所的な選択への効果はモデルやプロンプトによって異なります。また、経路を固定する分析から、異なる経路の寄与が互いに打ち消し合う場合があることも示されています。
説明RIFT：一段階生成型ビデオ圧縮のための残差認識フロー転移手法
要約本論文は、一段階の生成型ビデオ圧縮を行うRIFTフレームワークを提案する。事前学習済みの時空間事前分布を用い、符号化で失われた細部の復元を試みる。RIFTは残差幾何誘導器を導入し、デコーダから見えるコーデック情報に基づいて、事前学習済みフロー予測を内容に適応した復元更新へ変換する。三つの公開ビデオ圧縮ベンチマークでの実験では、既存の生成型ビデオ圧縮手法より優れた結果が示された。
説明逆変換の代わりに検出：検出トランスフォーマーによるT1-T2微細構造の定量化
要約本論文は、T1-T2相関MRIによる微細構造の定量化を物体検出の課題として扱う手法を提案している。検出トランスフォーマー（DETR）が64組のTI/TE信号を入力とし、T1、T2、信号比率で表される微細構造成分の集合を直接予測する。模擬データでのmAP@10は76.8%で、先行モデル（53.8%）および正則化NNLS（66.1%）を上回った。また再構成はNNLSより桁違いに高速である。
説明OCBI：画像改ざん位置特定のための順序感応型クロスブランチ相互作用手法
要約本論文は、画像内で改ざんされたピクセルを特定するOCBI手法を提案します。Co-Transformersを拡張し、二つの特徴合成順序の差異をモデル化して学習可能な符号付き補正を加え、予測前に画素単位の適応的マルチスケール集約を行います。五つのクリーンなテストデータセットでの宏平均PixelF1は0.5773で、ベースラインを0.43ポイント上回りました。JPEG圧縮、ガウシアンブラー、リサイズ条件下でも、平均PixelF1がベースラインを0.95ポイント上回っています。
説明MemRole：記憶から長期的な意思決定へ、ロールプレイ・エージェントの推論を扱う論文
要約本論文は、大規模言語モデルによるロールプレイ・エージェントが、長い物語の中で過去の経験をもとに役割に沿った判断を下す方法を扱う。提案フレームワークMemRoleは、文脈理解・記憶の活性化・応答戦略の立案に推論を分解する長期記憶思考（LHMT）を導入し、小説から作られた時間軸に制約された記憶データで学習する。さらに自己改善型のオンポリシー自己蒸留（SR-OPSD）を提案している。論文によると、MemRole-32Bは基盤モデルより記憶に基づくロールプレイで15.2ポイント向上し、CroSS-MRで最高の役割動機認識精度を示した。
説明拡散軌跡における記憶盆地のスペクトル的特徴
要約この論文は、拡散モデルが学習データの個々のサンプルをそのまま再現する「記憶」現象を扱っています。著者らは、軌跡が記憶盆地に入ると局所スペクトルに支配的な特異モードが現れ、その後急激に回復するという幾何学的特徴を示しました。この特徴は推論時の軌跡と学習過程の両方で観察されます。さらに、この幾何情報を用いて学習時には記憶を抑制し、推論時には記憶盆地に入る軌跡を別方向へ誘導する手法を提案し、大規模なテキストから画像への拡散モデルでも有効であることを示しています。
説明EV充電シミュレーションベンチマークにおけるサイレントな報酬・環境の欠陥：診断チェックリスト
要約本論文は、SUMOマイクロ交通シミュレータとOpenStreetMapの道路網に基づき、電気自動車の充電割り当てを比較する五エージェントのベンチマークを監査した。クラッシュを起こさず比較を偏らせる五つの欠陥を報告し、その一部を定量化している。さらに、低コストの初期監査に使える八項目のチェックリストを提示している。
説明FinishStrong：動画時間的グラウンディングで不完全な開始の後も終わりをうまく予測する学習法
要約本論文は、自己回帰型の動画時間的グラウンディングでは終端の予測精度が開始の予測より系統的に低いという問題に取り組み、二段階の事後学習フレームワークFinishStrongを提案している。第一段階のOnline-start SFTでは、モデル自身が生成した文脈に終端予測を露出させて学習させる。第二段階のConditional-tree GRPOでは、同じ開始条件の分岐内でのみ終端報酬を中心化し、開始の不備による罰を分離する。報告によれば、FinishStrong-9BはTimeLens-BenchでIoU全体61.7%を達成し、不完全な開始から続けた場合の後続の終端予測誤差を36.5%削減したという。
説明VRヘッドセットと姿勢推定を用いたサービスロボット向け遠隔操作システム
要約本論文は、人体姿勢推定とバーチャルリアリティ（VR）を統合し、直感的な遠隔操作を可能にするサービスロボット向けシステムを提案している。Mediapipeで2D姿勢を検出し、Intel RealSense D455のRGB-Dデータで3D人体姿勢を推定してロボットの運動学にマッピングする。CHARMIEサービスロボットを用いた実機実験で、物体操作タスクにおける有効性を検証している。手首のヨー角など一部の関節角度の捕捉には課題が残るとされている。
説明表現の体系性を有界に評価する手法
要約本論文は、ニューラルネットワークの内部表現が体系的であるかを検証する有界評価プロトコル（Bounded-RS）を提案する。既知の部品の新しい組み合わせを正しく扱う振る舞いを、宣言された表現に帰属させる説明について、対応する行動対比で表現が回復可能か、因果的に使われているかを検査し、「未支持」「存在のみ」「因果使用」「未確定」のいずれかに分類する。著者らが公開した96組の意味解析テストベッドでは、微調整したT5モデルの役割-充填子の結合説明は「因果使用」、分散的な幾何学的説明は宣言された探索空間内で「未支持」と判定された。
説明離散時間平均場ゲームの最適化フレームワークと学習アルゴリズム：大規模多主体ゲームの均衡計算法を扱う専門書。
要約本書は有限の状態空間と行動空間をもつ離散時間平均場ゲームを扱い、マルコフ決定過程と有限プレイヤー確率ゲームから出発して平均場ナッシュ均衡の概念を展開し、適切な仮定の下での存在と一意性の結果を示します。マルコフ決定過程の線形計画定式化と占有測度を用いて均衡計算を数理最適化と結び付け、不動点反復、フィクティシャスプレイ、オンライン鏡像降下法などの収束性と限界を論じます。数値例として群衆の動き、交通経路、感染症管理、複数均衡の計算を取り上げています。
説明ReCoG：マルチドメイングラフ事前学習のための相対的ノード文脈
要約本論文は、マルチドメイングラフ事前学習のための相対的グラフ文脈手法ReCoGを提案する。事前学習時に元グラフの辺の大部分を削除すると、ドメイン間転移の精度が向上することが観察され、元のグラフ構造がグラフ間でのモデル共有における衝突の要因であると論じている。ReCoGはグラフ間で一貫した属性、構造、意味の文脈に基づいて単一のグラフエンコーダを学習し、18の対象データセットでの実験において、1-shotのドメイン横断ノード分類の平均精度が最強のベースラインを7.61ポイント上回った。
説明IoEV対応スマートシティにおけるリアルタイム電気自動車充電管理のための深層強化学習フレームワーク
要約本論文は、各電気自動車が共有の深層Qネットワーク（DQN）方策を参照して充電ステーションを選択する、エッジインテリジェンス型のアーキテクチャを提案している。モロッコのラバトとタンジェの実道路網を用いたSUMOシミュレーションで、適応ヒューリスティック、表形式Q学習、DQN、Double DQNの四つの方策を比較した。夕方のピーク需要下では、DQNが適応ヒューリスティックに対して充電レートを6.8%、供給エネルギーを5.4%向上させたが、待ち時間では優位性がなく、第二のネットワークでは順位が安定しなかった。
説明経験メモリの進化とメタ制御の学習：経験拡張型LLMエージェントのためのテスト時適応
要約本論文は、経験拡張型大規模言語モデルエージェント向けのオンラインメタ制御フレームワークOMCEを提案する。テスト時にタスクフィードバックに基づいて経験メモリを更新し、軽量な文脈バンディットのメタ制御器により、DIRECT、EPISODE、GUIDE、DISTILLの四つの認知的アクションから選択する。これにより、経験を利用するかどうか、どのメモリ形式を使うか、新しい指針をいつ統合するかを決定する。四つのオンライン適応ベンチマークと四つのバックボーンでの実験では、最強の比較基準に対して初回試行成功率が最大20.5ポイント向上し、GPT-5.2を用いたACEと比べてタスクあたりのトークン使用量は5.7分の1から62.5分の1に削減された。
説明大規模凸回帰：幾何構造を保つ制約の疎化
要約凸回帰は形状情報を取り入れつつ行うノンパラメトリック推定の手法ですが、標準的な最小二乗定式化は O(n²) 個の支持超平面制約を持ち、標本数の増加に伴って計算のボトルネックになります。本論文は、各標本について最も近い K 個の超平面制約のみを保持する K 近傍（KNN）による局所緩和法を提案します。各固定次元 d≥2 で統計的保証を示し、合成凸ベンチマークによる実験では、理論的スケールに合う近傍サイズで KNN 法の予測リスクが完全推定量に近づくことを確認しています。
説明単一エージェントの自己発見からマルチエージェント適応へ：メタ強化学習アルゴリズムにおけるパートナーフィードバックと慣習の硬直性のスケーリング則
要約自動発見されたメタ学習型強化学習モデルが、同じく適応するチームメイトと共に学習する際、能力の向上が持続するのか、それとも脆い慣習に陥るのかを検証した論文です。連続型の集団ロボティクス（VMAS）と離散型の協調タスク（Overcooked）で1,800回以上の実験を行い、評価の錯覚、物理的結合によるフィードバック、学習期間、異なるパートナーとの協調、摂動と診断を含む五つの法則を提示しています。
注目点マルチエージェント適応における評価の錯覚とパートナー・フィードバックのスケーリング則を提案し、VMASとOvercookedでの1800回超の実験で検証している。
説明思考連鎖の教師あり学習はモデルにどう推論を教えるか：理論的分析
要約本論文は、学習時の思考連鎖（CoT）教師データが推論挙動に与える影響を理論的に分析したものです。線形回帰の有限な勾配降下法の軌跡で学習した文脈内重み予測モデルを導入し、高次元漸近解析を用いて長期推論の成功と失敗のモードを調べています。過剰思考の二つのメカニズム（誤差の蓄積と誤差の増幅）を区別し、線形モデルおよびマルチヘッド softmax アテンションモデルの実験でこれらの現象を確認しています。
注目点文脈内重み予測モデルと高次元漸近解析により長期推論の相転移を示し、過剰思考の二つの機構を区別、線形・ソフトマックス注意で検証。
説明RSI-Env：エージェントの再帰的自己改善のための開放型環境
要約本論文は、モデルとハーネス（実行枠組み）の改善を協調させる永続的環境RSI-Envを提案し、自律的な訓練、ハーネスの修正、研究状態の保持を支援します。三つの設定（開放一般、能力指向、ベンチマーク指向）で、Qwen3.8-27Bと最小限のハーネスから出発し、自己改善と二つの固定外部教師を七つのタスクで比較しています。ベンチマークの フィードバックなしの開放一般設定では、GPQA Diamondの正答率が65.2%から73.2%、AIME 2026が53.3%から56.7%に上昇しました。
説明CacheWeave：位置非依存KVキャッシュのための効率的な再計算を学習する手法
要約この論文は、位置非依存のKVキャッシュでチャンクを独立にエンコードすると、チャンク間の相互作用が失われて精度が下がる問題を扱います。CacheWeaveはまず基盤モデルを位置非依存キャッシュに適応させ、その後モデルを凍結して、適応済みモデルの出力を教師に再計算対象の連続トークンブロックを選ぶ選択器を学習します。実行環境CacheWeave-Serveは、プライベートおよび共有のKVキャッシュに対応し、選択と再計算をGPU上で行います。5%の再計算予算では、CacheBlendとProphetKVを平均で上回りました。
説明少ないが十分な知識：関係知識による簡潔な知識グラフ文脈の選択と外部検証の限界
要約本論文は、大規模言語モデルが知識グラフの事実を読む際の性能を検討しています。著者らは、手作業で作成した、または関係経路がラベル付けされた学習問題から得た関係知識を用いて、簡潔な事実の文脈を選び、答えを導きます。また、導出可能性チェック、一貫性チェック、および検証に基づく経路選択ゲートを設計しています。複数のオープンなモデルで、関連性順の事実より完全一致の精度が高いことが示されています。
説明試行内の感情変動を考慮した、粗い試行単位ラベルによる頑健な脳波感情認識
要約本論文は、脳波感情認識で試行全体に一つだけ付与されるラベルを、各時間窓にそのまま割り当てる際の問題に取り組んでいます。全体の感情状態を弱くしか反映しない、あるいはそこから逸脱する窓には、信頼できないラベルが付くおそれがあります。著者らはこの課題に対し、信頼できる感情ラベルを持つ窓を選ぶ二段階サンプル選択（TSS）と、脳波向けのデータ拡張手法MixAugを組み込んだVARYを提案しています。二つの公開データセットと三種類のネットワーク構造、複数のラベルノイズ設定で評価し、最良のベースラインと比べてDREAMERで最大11.54%、SEEDで最大5.39%の精度向上を示しています。
説明子宮頸細胞診スクリーニングのための深層学習：手法・アルゴリズム・課題と展望に関するレビュー
要約子宮頸がんの細胞診スクリーニングに関する深層学習の研究を整理したレビュー論文です。データ規模、機能的タスク、教師あり学習の方式という三つの観点から分野を整理し、16の公開細胞診データセットでの性能を比較しています。また、商用システムや規制状況、低資源地域での導入についても評価しています。筆者らは、単一細胞の分類ベンチマークは飽和しており、今後は多施設ベンチマークや外部検証、前向き臨床試験が重要だと述べています。
説明MAC-Bench：相互依存するタスクによるマルチエージェント協調の評価ベンチマーク
要約本論文は、大規模言語モデルに基づくマルチエージェントシステムの協調能力を評価するベンチマーク「MAC-Bench」を提案している。エージェントの役割や通信プロトコルを事前に定めるのではなく、協調の要件をタスク間の依存関係と共有リソースの制約に組み込む方式をとる。既存タスクから局所的な協調パターンと全体のタスク構造を抽出し、それらを組み合わせてタスクグラフを構成する。タスクは実行可能な環境で実装され、部分的な進捗と完了が自動で検証される。
説明補完を超えて：一般的な欠測メカニズムに対する木埋め込みによるマスク適応型コンフォーマル予測
要約本論文は、共変量を補完せずに欠測値を含むデータで不確実性を定量化するコンフォーマル予測の手法を提案する。各入力を木埋め込みと元の欠測マスクで表現し、正則化された分位点スコア関数を学習する。この手法は一般的な欠測メカニズムの下で異なる水準の有効性保証を示し、合成データと実データでの実験により、特にMCAR以外の設定で、区間の情報量を保ちつつ非被覆リスクを低減することが確認されている。
説明センサー駆動型の物理情報ニューラルネットワークによる、リアルタイムの在室者中心型暖房制御
要約従来の暖房システムは単点または疎な固定点の温度測定に頼ることが多く、室内温度分布の不均一性や在室者の位置に応じた快適性の要求が考慮されていません。本研究では、室内温度場を予測する制御指向の物理情報ニューラルネットワーク（PINN）モデルを提案し、在室者の位置周辺の温度を保つ暖房制御を目指しています。3種類の室スケール構成における9つの水平測定面で検証が行われ、検証済みのCOMSOLシミュレーションと比較して、最大相対誤差は1.85%未満でした。
説明届けられたが使われなかった：利用時点でエージェントの記憶を評価する
要約本論文はMemUseを提案し、記録されたエージェントの軌跡において、記憶が提示された時点でその利用状況と後続の行動・結果を評価する手法を示している。3つの記憶システムによる8,000件のSWE-bench Verifiedのエピソードで、解決率は記憶なしのベースラインと0.4ポイント以内の差にとどまった。一方でMemUseは、提供された項目の大半が無関係であり、関連性の高い項目の多くが使われなかったことを示している。
説明EarlySelectKV：クロスレイヤークエリプロキシによる先行的KV選択
要約本論文は、学習を必要としない手法EarlySelectKVを提案する。これは、より前の隠れ状態から生成したプロキシクエリを用いて疎なKVインデックスを事前に計算し、最終的な注意計算には目標層の実際のクエリを用いる。RocketKV、Quest、Lokiでの評価では、評価した設定全体で一貫した品質低下は見られなかった。TensorRT-LLMでの展開では、ES-RocketKVはエンドツーエンドの出力スループットを最大12.4%向上させ、GPU常駐メモリを11.1%削減した。
説明安全な視覚・言語・行動モデルのための経路誘導型CBF-QP修復手法
要約視覚・言語・行動（VLA）モデルはタスク志向のロボット動作を生成できますが、障害物が多い操作場面での安全な実行は保証されません。本論文は、VLAが予測する短期間の行動チャンクを用いて遮られた名目軌道を検出し、障害物周辺の進入・離脱・再合流ガイダンスを生成する後処理型の修復モジュールを提案します。選択された経路はCBF-QP目的関数にソフトなガイダンス項として加えられ、CBFの安全制約はハード制約のまま保たれます。SafeLIBERO上で、本手法はAEGISと比べて衝突回避、タスク成功率、SafeSuccessを改善しました。
説明注釈の不一致では F1 ランキングを特定できない場合
要約本論文は、注釈の不一致を精査した後に二つのモデルの F1 ランキングを確定できるかを検討しています。二つの一致カウントから厳密な上下限を求め、あらゆる補完のもとでランキングや指定された F1 許容範囲内の選択が成立するかを判定します。凍結された 3,200 組のモデルペアでは、共有の補完によって上下限が狭まり、0.01 の許容値で注釈コストが下がることが示されています。保証の対象は評価したバッチに限られ、将来のデータには及びません。
説明CST：ウェブ議論向けの原文根拠付き証拠による軽量なリスク振り分け
要約本論文は、大量のウェブ議論から有害な投稿を素早く見つけ出すための軽量な振り分け手法CSTを提案している。文字パターンと多言語文の意味を組み合わせてリスクを評価し、通常のCPUで動作する。関連する投稿をグループ化して代表を選び、各選択を元のスレッドに結び付ける。論文では、六つのタスクにおいて、CSTが完全に微調整された多言語モデルより有害な投稿をより正確に順位付けし、同じ閲覧量でより多くを発見できたと報告している。
説明不均衡なQSAR回帰への比較戦略：hERG活性予測を事例として
要約本論文は、定量的構造活性相関（QSAR）の回帰タスクにおけるデータ不均衡の問題を扱い、データレベルとアルゴリズムレベルの各種対処戦略をGCNおよびフィンガープリントベースの機械学習モデルで体系的に比較しています。著者らはドメイン知識とデータ分布に基づき対象領域をいくつかの部分領域に分け、実用上最も関心の高い領域を重点的に評価しました。その結果、全領域の指標よりも関心領域の指標でモデルを選ぶほうが信頼性の高い性能が得られること、また対処戦略の効果はモデルの種類によって異なることが示されています。
説明SMART-AIMC：アナログインメモリ計算向けの感度考慮型混合ADC分解能フレームワーク
要約本論文は、アナログインメモリ計算（IMC）においてADCの分解能を配分するSMART-AIMCフレームワークを提案します。ADCチャネル感度（ACS）指標により、タスク損失とADC量子化ノイズの関係を捉え、重要な計算に高精度のADC資源を割り当てます。また、感度に基づくチャネル並べ替え手法でハードウェアの粒度制約に対応します。論文では、近いデジタル推論精度の動作点でINT8デジタルベースラインに比べ、線形射影において6.99倍のモデル化されたシステム全体のエネルギー効率が得られると報告しています。
説明Fréchet口部距離：音声駆動の口部アニメーションを評価する座標非依存の指標とベンチマーク
要約本論文は、音声で駆動される口部アニメーションの品質を客観的に評価するため、Fréchet口部距離（FOD）を提案している。口部運動エンコーダ（OME）の埋め込みとTIMIT-Visの参照分布を用いる。実験では、FODが座標ベースの指標Lip Vertex Error（LVE）と類似したモデルの順位を再現し、ユーザーの選好と一致する傾向を示した。高価な機器や主観評価に頼らず、2D/3Dの様々なモデルの比較に拡張できる。
説明MatMoE：効率的な推論のための動的混合精度量子化を備えたマトリョーシカ型混合エキスパートモデル
要約本論文は、混合エキスパート（MoE）大規模言語モデルの効率的な推論のための動的混合精度量子化フレームワーク「MatMoE」を提案している。マトリョーシカ型のエキスパート量子化、冗長なメモリアクセスを減らす量子化手法、ルーティングスコアに基づいて各エキスパートのビット幅を動的に割り当てる戦略により、デコード中や遅延条件の変化に対応する。三つのMoEモデルで既存の静的混合精度手法より4.0%～18.3%高い精度を達成し、Raspberry Pi 5、NVIDIA RTX 4090、Jetson AGX Orinではllama.cppに対して1.2～3.7倍の高速化を示したと報告している。
説明SparseLift：産業規模の推薦モデル学習における不透明なスパース経路の自動最適化
要約本論文は、大規模推薦モデル学習のスパース経路向けの低オーバーヘッドなコンパイラSparseLiftを提案する。スパース演算と集団通信を計算グラフ全体の解析対象として扱い、不透明なノードを解析可能なサブグラフに再構成することで最適化の範囲を広げる。動画プラットフォームの推薦タスク（1000億のスパースパラメータ）では、通常の産業学習ステップの定常スループットが従来のベースラインより16.5%向上した。公開ベンチマークDLRMでは、DLRM-BaselineおよびTorchRecに対してそれぞれ1.60倍、1.26倍のモデル実行の高速化を達成した。
説明長期的な状態追跡による即時スキル検索
要約本論文は、大規模言語モデルエージェントが長期タスクでどのスキルを必要とするかという課題を扱い、実行の進行に応じてスキルを動的に選択する即時スキル検索を提案している。タスク状態を継続的に追跡するJitSkillという枠組みを提示し、新たな要件を蓄積された作業進捗と結び付ける。著者らは、三つのエージェントベンチマークでの実験により、長期タスクの完了が改善されたと報告している。
説明MemHarmBench：永続メモリを持つAIエージェントにおけるセッション横断型プロンプトインジェクションの評価
要約本論文は、永続メモリを持つAIエージェントにおけるセッション横断型プロンプトインジェクションを評価するための、被害者中心のベンチマークMemHarmBenchを提案している。まずエージェントに悪意ある指示を与え、それがメモリに保持されるかを確認し、その後攻撃内容を削除して、メモリを保ったまま新しいセッションで正当なタスクを開始する。攻撃者の意図への追従、タスクの完了、観測可能な実行上の異常を総合的に評価する。その結果、こうした攻撃は行動上ひそやかに残りうることが示されている。すなわち、エージェントは通常どおりタスクを完了し検出可能な異常を示さない一方で、攻撃者の意図に沿った重要な判断を下すことがある。
説明拡散 Transformer における学習不要の高解像度画像生成で意味的忠実性を回復する手法
要約DiT（拡散 Transformer）ベースの文章から画像を生成するモデルは、学習時の解像度を超えて直接使うと意味的な内容が失われやすい。本論文は学習不要のフレームワークを提案する。テキストと画像のスケールを分離したアテンション（TVSDA）は、テキストトークンの大域的受容野を保ちつつ画像トークンの受容野を学習解像度に合わせる。構造・細部ガイダンス（SDG）は、スケールと時間の両方向から構造と細部を明示的にモデル化する。既存の学習不要手法より、構造の一貫性と細部の忠実性が向上したと報告している。
説明SPAR：複数セッションのB2B営業における経験駆動型の戦略進化
要約本論文はSPARという枠組みを提案し、営業戦略を検証可能な仮説として扱い、モデルのパラメータを更新せずに改良します。二重ループ構造を採用しており、内側のループは情景記憶を通じて個々の販売者に適応し、外側のループは因果帰属と仮説駆動型の進化により共有の戦略手引きを発展させます。1688プラットフォーム上で20万社を超える販売者を対象にした実運用のA/Bテストでは、コンバージョン率が15.8%向上し、高い購買意向を持つ販売者が35.8%増加しました。分野の専門家による人手評価では、全体的な営業品質が5点満点中4.62点となり、比較対象の全手法の中で最も高い評価でした。
説明共分散行列から直接ビームフォーマへ写像する低遅延ハイブリッドISACビームフォーミングと後続のDoA推定
要約本論文は、統合センシング・通信（ISAC）システムで、先に目標方向を推定してからビームフォーミング重みを求める二段階方式の処理遅延が、動的環境でのビーム適応を制限する問題を扱います。受信共分散行列の特徴量から混合ビームフォーミング重みを直接回帰するコンパクトなネットワーク（BFDNN）を提案し、推論時に到来方向（DoA）推定の段階を省きます。評価したプラットフォームでは、MUSICや分類・回帰型DNNを用いる方式と比べ、ビーム方向パターンは同程度で有効スペクトル効率は高く、予測遅延は25〜30倍短縮されました。また、生成された放射パターンから目標方向を間接的に推定でき、評価シナリオでは専用の学習ベース手法に匹敵するDoA精度が得られました。
説明複数フレームワーク対応のWebUIコード生成に向けた段階的MLLMチューニング
要約マルチモーダル大規模言語モデルはWebUIのスクリーンショットをHTML/CSSに変換する性能が高い一方、React、Vue、Angularなど複数のフレームワークを扱うと、フレームワーク固有の構文の混在や制約違反によりコンパイルに失敗することがあります。本論文では、フレームワーク間の互換性と異質性の信号に基づく段階的なチューニング手法を提案します。各フレームワーク固有の構文を保ちつつノイズを抑える正規化を行い、オフラインで異質性と互換性を推定して学習グループと順序を自動決定し、段階的アダプタ調整で干渉を減らします。複数のベンチマークで、生成品質とコンパイル成功率の向上が示されています。
説明SEALECT：シーン条件付き姿勢事前分布による妥当な船舶検索
要約本論文は、海上画像における合成的な画像拡張のためのシーン条件付きオブジェクト検索を扱う。提案手法SEALECTは、視覚的適合性、船舶の姿勢、スケール、シーン幾何を、ニューラル類似度とシーン条件付き姿勢事前分布を統合した単一のスコアでモデル化する。7つの海上ベンチマークで、学習済みの検索器は最強の外観エンコーダ（SigLIP 2）を再現率で上回り、学習不要の事前分布は幾何的妥当性をさらに高める。エンドツーエンド合成画像のブラインド評価では6手法中1位となった。
説明GaitFM：ウェアラブル歩行評価のためのクロスモーダル基盤モデル
要約本論文は、慣性計測装置（IMU）センサーを用いた歩行評価のためのクロスモーダル基盤モデル「GaitFM」を提案している。大規模視覚モデルの知識を転移し、約4,000名の参加者と123万の歩行ウィンドウからなるラベルなしIMUデータで事前学習を行っている。18の歩行関連タスクで良好な性能を示し、異なるセンサー構成や装着部位にも汎化することを報告している。