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RouteREPA：ピクセル空間の画像Transformer向けルーティング型表現アライメント
要約本論文は、ピクセル空間の画像拡散Transformer（JiT）の学習を改善するRouteREPAを提案している。著者らは、JiTに表現アライメント（REPA）を適用すると、識別的アライメントとピクセル生成の間で表現の衝突が起き、中間表現の再構成可能性が低下することを示した。RouteREPAは軽量な表現依存型ルーターにより、アライメントと生成に用いるタスク指向の表現を適応的に振り分け、複数のネットワーク深さにわたって適用する。ImageNet-1K（256×256解像度）での実験では、モデル規模と学習予算を問わず標準REPAを上回る結果が示された。
説明PlagiaCorpus：フォレンジック型剽窃検出のためのバイリンガル・敵対的・言語横断データセット
要約PlagiaCorpus は、剽窃およびテキスト再利用の検出を評価するためのアラビア語・英語のバイリンガルデータセットです。大規模言語モデル（LLM）による再利用や言語を跨ぐ再利用を含み、198,643件のテキスト記録からなります。内訳は34,885件のソース文と163,758件のクエリで、クエリは五種類の再利用と再利用なしの安全クラスに分かれています。訓練データと試験データはソース文単位で分割され、JSONおよびParquet形式でCC BY-SA 4.0ライセンスのもと公開されています。
説明未学習の関係データでも表形式基盤モデルが優れる理由
要約この論文は、リレーショナルデータベース内の特定列の欠損値や将来値を、タスクごとに新たなモデルを学習せずに予測する方法を検討しています。著者らはまず、より多様な実験により、関係データで事前学習していない単一表用の基盤モデルに無パラメータの関係エンコーダを組み合わせると、実用上十分に競争力があることを確認しています。続いて、無パラメータのエンコーダが関係的効果を固定長の埋め込みに写像し、単一表モデルが本来想定した分布に近づくことで、その性質が関係設定へ移転するという複数の補完的な説明を示しています。
説明ILR-SMO：頑健な空間マルチオミクス統合のための反復的潜在表現洗練手法
要約本論文は、共有潜在表現上で多モーダル統合を安定性を考慮した段階的な洗練過程として扱う自己教師あり枠組みILR-SMOを提案している。一度に融合するのではなく、各モダリティの情報を逐次的な更新によって制御しながら取り込む。信頼性を考慮したモダリティゲーティングと結合目的関数を組み合わせ、著者らは5つの空間マルチオミクスベンチマークで7つの最先端手法を上回り、多様な条件下で高い頑健性を示したと報告している。
説明計算病理学における新規モダリティ向けの、生成器不要診断のための訓練時ドメイン転移
要約本論文は、保存された通常の検体から目的ドメインの合成訓練データを生成し、推論時の画像生成なしに実際の入力を直接診断できる訓練時ドメイン転移手法を提案する。未染色の前立腺病理組織像を概念実証として用い、推論時のバーチャル染色および従来のH&E染色に基づくがん検出と比較した。訓練時転移は、未処理組織および脱パラフィン組織の両方で、バーチャル染色より従来の基準との一致度が高かった。
説明フィットネス運動分析のための単眼およびマルチビュー3D人体姿勢推定モデルの包括的評価
要約本論文は、多様なフィットネス運動の同期マルチビュー録画と正確な正解アノテーションを含むFit3Dデータセットで、最新の3D人体姿勢推定手法を評価しています。単眼リフティング手法（TCPFormer、PoseMamba-L）とマルチビューモデル（MVGFormer）を比較し、2D検出器（RTMPose、YOLO-Pose）や3種類の時間フィルタの影響も検討しています。結果として、2D検出の質、時系列モデリング、後処理を姿勢推定パイプラインで併せて考慮する必要があると示しています。
説明拡散Transformer学習のための対照正則化の可能性を引き出す
要約本論文は、標準的なInfoNCE対照学習が拡散Transformerの学習で有効な正則化手法になり得るかを検討しています。直接適用すると効果は小さく、拡散入力の近似直交なノイズ成分が、特に高ノイズ段階で近道となることが原因だと分析しています。そこで、クリーンサンプルの表現距離を基準にする対照正則化CRANを提案し、ノイズ近道を抑えています。ImageNetでの実験では、モデル規模や学習予算を問わず学習を改善することが示されています。
説明単一モダリティのデータ拡張ベース自己教師あり目的関数がクロスモーダル整合を誘導する仕組み
要約本論文は、独立に学習された単一モダリティモデル同士に暗黙的なクロスモーダル整合が生じる理由を検討しています。単一モダリティのデータ拡張に基づく自己教師あり目的関数がこの整合を誘導することを示し、単一モダリティの損失が小さいほどクロスモーダル整合が強く、損失が大きいとその整合が妨げられると論じています。広く使われる InfoNCE 損失とクロスモーダル整合の指標である local CKA を理論的に結び付け、制御された実験と、凍結された 53 種のテキスト・画像・音声の単一モダリティエンコーダによる実証でこれを裏付けています。
説明自律型兵器システムの定義：目的に基づき精緻化できる模式的枠組み
要約本論文は、自律型兵器システム（AWS）について学界、各国政府、国際的規制機関が提示してきた複数の定義を整理し、批判的に検討する。著者らは、単一の定義ではなく、異なる種類のAWSを同一の概念ファミリーに分類できる定義の枠組みが必要だと論じる。広く受け入れられている定義の変形を用いて、AWSの類に属する様々な概念を分類するために容易に修正できる定義のスキーマを示す。
説明状態変化は局所的だが、その影響は局所にとどまらない：長期エージェントメモリのための依存関係を考慮した状態修正
要約長期間稼働するエージェントは、ユーザーやタスク、意思決定に関する永続的なメモリに依存しますが、上流の事実が変わると、矛盾したメモリだけが修正され、そこから派生した信念・計画・行動は、根拠を失っても保持されたままになることがあります。本論文は依存関係を考慮した状態修正の問題を定式化し、対話履歴から依存関係グラフを復元・更新するStateGraphを提案します。反事実検証によって支持的な依存と意味的な関連を区別し、厳密な依存が失われ独立した支持経路も残らない場合にのみ派生状態を無効化します。評価用に50件の事例からなるStateChangeBenchも構築されています。
説明Cloudra：自律的反応機構探索のための幾何学的推論と科学的検証
要約本論文は、化学オブジェクトからなる配送DAG（Delivery DAG）で機構出力を制約するマルチエージェント枠組みCloudraを提案している。化学情報学アルゴリズムで分子の同一性と原子対応を定め、周波数計算とIRC計算で鞍点が結ぶ反応物と生成物を判定する。50課題のCloudraBenchで、誘導型ワークフローの平均複合スコアは0.805、同モデルの標準基準は0.584だった。
説明ユーザーの属性と政治的イデオロギーがオンライン政治討論における LLM の受容度に与える影響
要約本論文は、オンライン政治討論に大規模言語モデル（LLM）が参加する際の相互作用を検討しています。Debate.org の討論 5,376 件を LLM との対話として再構成し、政治的志向、専門性、修辞戦略、支持する立場を変えた約 15 万件の多ターン対話実験を行いました。その結果、LLM は右派よりも左派のユーザーに対して体系的に高い受容度を示し、この非対称性は同じ立場を支持する場合や対立するユーザーが同じ対話にいる場合も残ることが分かりました。繰り返しのやり取りで受容度は上がるものの順序は変わらず、異なる政治コーパスでの微調整によりこの傾向は大きく消えたり逆転したりします。
説明どのような定理が「面白い」のか？自由探索のための面白さの操作化
要約本論文は数学定理の「面白さ」を研究している。著者は、数学者が形式化された数学ライブラリや論文の中で特に選び出す結果を観察し、その選択方法を、結果の記述・証明・依存関係の特徴に重みを付ける評価器としてモデル化し、重みを共有部分と主観的部分に分けている。形式化された数学では、事前の特徴が大規模言語モデルによる評価者と同程度に選択を予測し、両者は互いに補完し合うことが示されている。面白さは多くが共有されており、主に陳述と証明の長さといった構造的特徴で説明される。
説明Maswao：南アフリカ手話のデータセットを自動収集・整備し、ベンチマークした研究
要約本論文は、人手による作業をほとんど必要とせずに手話データセットを自動で構築する枠組みを提案し、南アフリカ手話（SASL）を試験対象としています。ニュース放送などの公開映像から手話動画を収集し、付随する音声を音声認識で文字化したうえで、動きのない区間を手がかりに文の終わりを特定し、弱い文単位の対応をもつ並列コーパスMaswaoを作成しました。手話から文章への翻訳タスクで再帰型ニューラルネットワークとTransformerを比較した結果、Transformerが優れ、最良モデルのBLEU-1からBLEU-4は13.78、5.21、2.52、1.54でした。
説明TailorRig：服装対応リギングのための制御可能で構造化された補助スケルトン生成
要約本論文は、複雑な衣装を着たヒューマノイドキャラクターのリギングを、制御可能な構造化された完全リグ生成問題として再定式化するTailorRigフレームワークを提案します。アーティストが身体スケルトンテンプレートとカテゴリ別の衣装補助ボーンチェーンのセマンティックラベルを指定できます。また、頂点を運動学的チェーンに割り当ててからチェーン内でボーンウェイトを調整する階層的手法により、ウェイトの漏れを抑えます。38,000体以上のモデルからなるHuman-Mixデータセットで評価され、既存手法より良好な結果が示されたと報告されています。
説明変化するブロック線図をまたぐ制御基盤モデル：動的グラフへの時系列予測の一般化
要約本論文は、結線・信号値・欠損値を動的グラフとして統一的に表現し、応答予測と制御入力生成を同一のマスク付き予測問題として記述する制御基盤モデルを提案する。この定式化を実装したBlock Diagram Transformer（BDT）は、時間軸の注意機構とブロック線図の結線に沿うグラフニューラルネットワークを組み合わせ、既存の時系列基盤モデルの事前学習済みパラメータで初期化できる。複数の実験設定を混合した制御実験データで学習した結果、本モデルはフィードバック制御によって不安定なシステムを安定化させた。既存の時系列基盤モデルを微調整するだけではこれは難しいとされる。
説明PhotoGuider：構図を考慮したトリミングと360度パノラマの構図決定、説明可能な写真評価
要約本論文は、360度パノラマから最適な視線方向を先に見つけてから構図を決める手法PhotoGuiderを提案する。被写体・構図・美的感覚・完全性の4種類の写真トークンに基づく共有特徴を使い、マルチモーダル大規模言語モデルが測定結果を踏まえた構図の説明を生成する。2つの標準的な二次元トリミングベンチマークで平均mIoUが最も高く、120人の参加者による100の全景シーンの盲検ランキングでは、53.2%で第1位となった。
説明低レベル画像融合と高レベル意味理解を橋渡しするリモートセンシング手法LANCE
要約本論文は、構造化された言語を検索可能な意味状態として用い、リモートセンシング画像の融合と意味解釈を結び付けるLANCEを提案している。凍結した視覚言語モデルが入力を閉じた語彙のテキスト記録に変換し、言語条件付き生成器が画像を融合、検証器が出力を再記述する。GF2、QuickBird、WorldView-III、WorldView-IIの7つのテストセットで、参照指標は最強の学習ベースラインに対し最大11.7%（中央値2.1%）向上し、独立評価ではmAPで+6.4、開放語彙F1で+0.072の改善が示された。
説明音声ネイティブLLMは苛立ちを聞き取るが、それを活用しない
要約本論文は、音声をネイティブに扱う大規模言語モデルが、話者の声の苛立ちを認識できるかを検証する。同一音声を用い、苛立ちが表現され、知覚され、利用されるかを、言葉と声を組み合わせた2x2設計の353タスクで測定し、1,412クリップのデータセットVoxAffectを公開している。結果として、多くのモデルは苛立ちの声にほぼ影響されず頑健に見えるが、苛立ちの声を苛立ちとラベル付けすることは少ない。一方で線形プローブは音声エンコーダから苛立ちの声を復元でき、モデルは声を聞いているものの、それを理解して利用してはいないことを示している。
注目点Brunswikのレンズモデルで音声感情の知覚と利用を区別し、8モデル・1,412クリップで検証、データセットを公開。
説明共有バイアス下での人間とAIによるデータアノテーションの逐次品質管理
要約本論文は、アノテーションの品質管理のための枠組みJABER（Joint Alias-Preserving Belief for Evidence Routing）を提案している。ラベルの正しさと共有バイアスについて同時ベイズ事後分布を保持し、追加の証拠を集めるかどうかを判断する。共有バイアスがある場合、ラベルと偏りを別々に扱う手法や一段先読みの手法と比べて、期待される品質管理の損失が減ったと報告されている。FEVERでの実API実験では、標注誤りはゼロだった。
説明長期予測の動力学学習のためのGibbs変分最終層法
要約本論文は、動的システムの長期的な確率予測の精度向上を扱います。Gibbs変分推論の観点から変分ベイズ最終層（VBLL）を見直し、長期構造を段階的に取り込む多段階学習損失の族を提案します。連続順位確率スコア（CRPS）による頑健性と、完全な自己回帰ロールアウトでの学習も導入されています。合成環境、カオス的な動力系、実データの実験では、CRPSに基づく多段階目的が単段階の尤度学習より長期精度と分布適合で優れると報告されています。
説明「Tug of Watts」：医療質問応答タスクにおける大規模言語モデルのエネルギーと精度のトレードオフに関する研究
要約本論文は、医療質問応答タスクにおける大規模言語モデルの、エネルギー消費と精度の間のトレードオフを検討しています。OpenMedical-LLMリーダーボードの医療質問応答タスクを対象に、3つのモデルファミリー、2億7000万から140億パラメータまでの13のモデルについて、エネルギー消費と炭素排出量を推定しています。論文は、エネルギーと精度の指標を別々に報告するだけでは十分な評価にならず、統合されたトレードオフ指標の構築と解釈が必要だと指摘しています。
説明保証付きの汎用ポリシーラッパー（CALF-Wrapper）
要約本論文は、目標集合に到達し維持することが証明されたフォールバックポリシーと、事前学習された強化学習のベースポリシーを組み合わせ、実行時にベースポリシーに対応する批評器の推定値を使って両者を選択するCALF-Wrapperを提案しています。理論解析では、示された仮定のもとでフォールバックポリシーの目標到達性を引き継ぐこと、そして整定時間と所定の時間区間内で目標集合からの最大距離に関する確率的な上界が示されています。難易度の異なる4つのシミュレーション制御環境で評価され、ベースポリシー、フォールバックポリシー、同じ目的に対する制約付き強化学習手法と比較して、有効なタスク性能を保ちつつ最も高い目標到達率を達成したと報告されています。実行時には追加の動力学モデル、オンライン学習、制約付き最適化を必要としません。
説明塩アルカリ土壌改良計画のためのドメイン適応と検索拡張生成の統合研究
要約本論文は、ドメイン適応と検索拡張生成（RAG）を組み合わせた農業意思決定支援システム「Wenyao」を提案し、塩アルカリ土壌の改良計画への応用を検討している。8,664件の中英二言語の研究論文から110指標のスキーマでSA-Benchを構築し、4,860件の論文単位の計画事例を含む。専門家による盲検評価では、検索を併用したWenyaoが目標設定と予測成果で最高の平均点を得た一方、コスト見積もりではGPT-5が最も高い評価を得た。
説明公開データを用いた Poll Schumann モデルの機種対応範囲の拡張
要約Poll Schumann モデルには機体とエンジンのパラメータが必要ですが、公表されている表は機材の一部しか網羅していません。本研究は、型式証明文書、メーカーマニュアル、ICAO のエンジン記録から形状情報を用いてパラメータを再構築しています。物理パラメータは公表された式から得られ、推進効率の尺度は回帰によって推定されています。対象は 90 の機種指定子です。
説明ProtoFusion：プロトコル誘導型プロンプト改良による生成的な赤外・可視画像融合
要約本論文は、赤外画像と可視画像の融合を、構造化されたプロトコルで制約された生成問題として扱うProtoFusionという枠組みを提案している。プロトコルは環境状態カード、基礎原則、スタイルプロファイルで構成され、閉ループの生成・評価・修正によって最適化される。標準ベンチマークで定量指標の向上と良好な美的評価、視覚的に一貫した結果が報告されている。
説明潜在確率微分方程による識別可能な符号付き因果学習：脳の動的有効結合の推定
要約本論文は、潜在確率微分方程式から脳領域間の時間変化する有効結合を導出し、興奮性と抑制性の影響を区別するISCLフレームワークを提案している。合成ベンチマークのLorenz96とNetSimで手法の性能を検証し、HCPの社会認知課題のfMRIデータに適用して関連ネットワークの因果的役割を分析している。
説明AGiR：混合動機ゲームにおける贈与への過度な依存の緩和
要約本論文は、自己利益を追求する智能体が協力と競争の両方を行う必要がある混合動機ゲーム（MMG）を扱う。既存の贈与手法では、智能体が受け取った贈与に過度に依存し、報酬を得る行動を学習できなくなる「贈与の過度な依存」という現象が見られると指摘する。これに対し、智能体が方策更新の信号に基づき受け取った贈与の一部を選択的に拒否できる、拒否機構を加えた贈与フレームワークを提案する。この機構は贈与手法に依存せず、既存手法に組み込むプラグインとして使え、分散学習も可能である。
説明作物の多重スペクトル画像に対する超解像技術の性能評価
要約本研究は、RGB画像向けに開発された単一画像超解像手法が、赤・緑・近赤外（RGN）の作物画像の空間解像度を高められるかを検証しています。ファインチューニングを行わずに八つの学習済み手法をRGN画像に直接適用し、4倍と16倍の拡大について、画像全体と手動で切り出した葉の領域の両方で評価しています。その結果、Transformerベースの手法がGANおよび拡散モデルベースの手法を有意に上回り、HAT、HiT-SR、SRFormerが最上位の性能群を形成しました。
説明Solv3R：多視点ソルバーとしての3Dループ型Transformer
要約本論文はSolv3Rを提案します。これは現在の推定状態から多視点幾何の求解を続けるループ型Transformerで、カメラ姿勢と場所の形状を反復的に改善します。更新演算子は反復回数に依存せず、求解済みの視点と新たな視点を共同で更新でき、求解済み視点の表現はキャッシュして再利用できます。著者らは、単一の学習済みソルバーが、タスク固有の学習なしでオフライン再構成、増分再構成、再定位、ストリーミングに対応すると述べています。
説明コルモゴロフ・アーノルドネットワーク（KAN）と多層パーセプトロン（MLP）の臨床表形式データにおける厳密な統計的ベンチマーク比較
要約本研究は、腫瘍学、循環器学、腎臓学、神経学、内分泌学、産科学にまたがる7つの医療表形式データセットで、9種類のKAN派生モデル、調整済みの標準MLP、ランダムフォレストを比較したものです。評価には繰り返し層化交差検証とベイズ統計検定を用い、AUPRC、Brierスコア、計算効率を指標としました。クラス不均衡が大きいデータセットでは、TabKANやReLUKANなど一部のKANが少数クラスの検出でMLPより高いAUPRCを示しました。一方、全体としては予測判別能力に系統的な差はなく、KANは推論遅延が長く、パラメータ数も多いことが示されました。
説明凍結特徴アップサンプリングにおけるガイダンスによるタスク適応
要約本論文は、凍結された JAFAR アップサンプラの前後に残差アダプタを加えたとき、性能向上が特徴量の値の変化によるのか、空間集約の変化によるのかを調べています。粗い分類出力を保ったまま空間注意の重みだけを適応させる介入手法を提案し、PASCAL VOC と Cityscapes で 3 シードの実験を行いました。その結果、アップサンプリング前に適応させた場合は後に適応させた場合より mIoU が、それぞれ 0.807 と 1.413 ポイント向上し、空間ガイダンスの適応が有効であることが示されました。
説明エンドツーエンド自動運転における転移可能な表現のための、行動ラベルなし動画潜在予測のスケーリング研究
要約本論文は、行動アノテーションのない運転動画を用いた動画潜在予測の事前学習をスケールさせる手法を検討し、ScaleDriveフレームワークを提案します。インターネット上の大規模なオープンワールド運転動画のみで事前学習した動画エンコーダを、下流のエンドツーエンド計画学習中は凍結して用います。自車運動と深度のプローブ実験により、事前学習の規模拡大に伴い凍結表現に含まれる時間情報と幾何情報が段階的に強まることが示されています。さまざまな運転方策と閉ループベンチマークで、ScaleDriveは下流性能を一貫して向上させています。
説明テスト時推論のための価値条件付き提案取得手法
要約本論文は ValueFormation を提案します。これはテスト時の方策で、主モデルのサンプリングごとに、停止するか、サンプリングを続けるか、異種の推論専門モデルから提案を1つ取得するかを決めます。3つの行動は、投票状態の特徴量から学習した、コストで正則化された共通の価値尺度で比較されます。MATH-500 では、Llama で較正した手法が3つの 8B 主モデルのいずれでも最強の基準手法を15点以上上回り、Qwen3-14B にもそのまま移転できました。
説明TLAPS-Bench：TLA+証明システムで実システム仕様の正しさを形式的に証明するベンチマーク
要約TLAPS-Benchは、エージェント型AIを用いて実システムのTLA+仕様に対し機械検証可能な証明を構築するためのベンチマーク兼実行環境です。TLA+証明システム（TLAPS）上で反復的に証明を進められ、報酬ハッキングを防ぐ安全策も備えています。キャッシュコヒーレンス、ビザンチン合意、ライトアヘッドログなどの仕様について、AIエージェントを使って新たな性質の証明を行いました。95の仕様から得た265の証明目標のうち70目標で評価したところ、最高性能のモデルは31件（44.3%）を証明しました。
説明SpecOPD：投機的デコーディング向けのブランチ並列オンポリシー蒸留手法
要約本論文は、投機的デコーディングの草案モデルを学習するためのブランチ並列型オンポリシー蒸留フレームワークSpecOPDを提案する。参照アンカーで草案方策から得たブランチ上で草案サンプリングと目標監督を並列化し、ツリー構造により目標プレフィックスの計算を共有する。複数の目標モデル、草案アーキテクチャ、タスク領域で評価し、平均受理長が最大41.45%向上し、教師トークンのスループットは逐次ロールアウト方式の最大16.09倍、自己回帰デコーディングに対する生成速度は最大3.56倍になったと報告している。
説明都市写真測量点群のセグメンテーションのための、航空画像内容を考慮したサンプル適応型分類器
要約都市の写真測量点群は通常局所的な3次元パッチとして処理され、利用できる文脈が限られる。本論文はACASACという分類器を提案し、特徴融合に加えて決定レベルでの適応を行う。点と位置合わせされた航空領域により、航空画像全体と局所3次元パッチを橋渡しし、2次元と3次元の表現間の関係をモデル化して、各サンプル用の分類器を構成する。固定の二重表現ヘッドと比べ、SensatUrbanとUrbanBISでそれぞれ2.1、2.7 mIoU改善したと報告されている。
説明数学基礎の形式化を行う汎用エージェント：数学基礎を形式化するための汎用的手法
要約本論文は、大規模言語モデルとRocq証明支援系の形式検証能力を組み合わせ、複数の数学分野で形式化作業を支援する汎用知能エージェント「MFF-Agent」を提案している。タスク分類、ツール支援実行、検証フィードバック、状態ベースのタスク管理を備え、形式証明の生成、修正、検証を支援する。Morse–Kelley公理的集合論、実数、命題論理、選択公理の同値性などの事例を通じて適用可能性を検討している。
説明NIR：ALCIQ向けの近似ニューラルインスタンス検索
要約本論文は、ALCIQ記述論理のためのニューラルインスタンス検索手法群NIRを提案し、知識グラフ埋め込みから段階的な所属スコアを出力します。トークン化ベースのエンコーダ（GRU、LSTM、Transformer）と、基本サブネットワークでDL演算子を模倣する合成型エンコーダを比較しています。8つのベンチマークで、いずれの変種も完全な知識ベース上ではPelletに近い結果を示し、不完全な知識ベースではTransformerが最も頑健でした。ソースコードは公開されています。
説明反復狭幅ネットワーク：凸入力空間における幅4のReLUネットワークのチューリング完全性と検証の計算量
要約本論文は、幅4の固定ReLUネットワークを[0,1]^4上の離散時間システムとして反復する過程を研究する。すべての決定性チューリングマシンに対し、多項式時間で構成できる対応ネットワークが存在することを示し、その反復が機械の動作を正確に模倣し、反復回数が実行時間に比例することを証明する。これにより、時間上限に応じて到達可能性問題はNP完全、NEXP完全、決定不能（RE完全）の各階層に位置づけられる。
注目点新規性は幅4の反復ReLUネットワークの到達可能性を凸入力領域上でチューリング完全に結びつけ、計算量の階層を示す点にある。摘要は構成と証明、一般的な滑らかな活性化関数への拡張を報告している。
説明CARE：本番環境のカスタマーサービス用エージェントのための、根拠に基づく再帰的自己改善フレームワーク
要約本論文は、本番環境のエージェントを自己改善させるCAREフレームワークを提案している。管理された本番トレースで一度コールドスタートを行った後、現行モデルが既存の独自モデルと並行してトラフィックを処理し、自身の失敗を次の更新につなげる。オンポリシー自己蒸留（OPSD）、シミュレーション試験、オフライン検査、オンライン比較、人による承認を経て、社内の中規模モデルへ置き換えていく。
説明Omni-Life：日常生活で使うリアルタイム全モーダルAIアシスタントの評価ベンチマーク
要約本論文は、リアルタイム全モーダルAIアシスタントが日常生活の中で適切なタイミングで支援を提供できるかを評価するベンチマーク「Omni-Life」を提案している。400本の動画を用い、支援が必要な290本と、終始沈黙すべき110本で構成される。12の主要モデル構成を評価した結果、支援が必要な動画のうち完全に正しく処理できたのは最大4.48%にとどまった。タスクのリマインダーは再現率を17.12ポイント向上させる一方、沈黙すべき区間では毎分約4.6件の不要な応答を生じさせた。
説明プラットフォーム配信制約下の健康メッセージ向け時間窓認識スケジューリング：ナイジェリアの WhatsApp 母子保健チャットボットによる証拠
要約本論文は、ナイジェリアの WhatsApp 母子保健チャットボットが3,696人の母親に送信した98,607件のメッセージを分析しています。24時間の顧客サービス窓が開いている間は自由形式メッセージの失敗はなく、窓が閉じた24時間時点で失敗率が93.0ポイント跳ね上がったと報告しています。承認済みテンプレートの送信、待機、返信促進の各方策の配信効果を、オフライン評価とシミュレーションで比較しています。
説明スキルで考える：実行前の擬似コードによる計画で高度な推論モデルのスキル活用を改善
要約本論文は、推論モデルがタスクに関連するスキル記述を実行前にタスク固有の擬似コード計画へ変換するよう学習させる手法「Think with Skills」を提案している。擬似コードは操作、条件、中間結果、依存関係を明示し、スキル記述からエージェントの行動への構造化された橋渡しとなる。教師ありファインチューニングで初期化し、Group Relative Policy Optimizationで端から端までのタスク性能を最適化している。SkillsBenchでは、タスク成功率が35.0%から62.0%に向上した。
説明GraTED：自動運転車の乗客の危険察知を解読するグラフ・テンソル脳波デコードモデル
要約本論文は、自動運転シナリオにおいて乗客の脳波からリスク予測と危険識別を行うグラフ・テンソル脳波デコードモデルGraTEDを提案している。電極の頭皮上の位置に基づいて無向グラフを構築しグラフ畳み込みで空間依存性を捉え、低ランクテンソル分類によって多次元の時間・特徴構造を保持する。11名の参加者と45時間の記録からなるPassengerEEGデータセットでの評価では、三つの評価設定すべてで平衡精度が最も高く、七つのベースライン手法の中で学習可能パラメータ数が最少であった。
説明RxnMiner：化学図から構造化反応データを抽出するマルチモーダルエージェント
要約本論文は、専門家の知見に基づく抽出手順と化学ツールボックスを組み合わせたマルチモーダルエージェントRxnMinerを提案する。分子構造を読み取り、共通情報と個別実験の証拠を対応づけ、テンプレートから参与物を復元して、出典付きの反応記録を作成する。また、603枚の反応図と8,547件の人手で注釈された記録からなるベンチマークChemRxn-Benchを導入している。このベンチマークで、バックボーンQwen3.8-Flash-Nextを用いたRxnMinerは、立体化学を考慮した反応マクロF1を直接予測の21.0%から71.0%に引き上げ、既存の最強システムの25.0%を上回った。
説明動作分離型深層強化学習による多製品パイプラインの詳細スケジューリング手法
要約多製品パイプラインは精製製品を順次バッチとして配送拠点へ輸送し、その詳細スケジューリングでは市場需要を満たしつつ非線形の水力学的制約を守る必要がある。本論文は、動作分離型の近接方策最適化（PPO）フレームワークを提案し、水力学的な精度を保ったまま詳細スケジュールを効率的に作成する。調度過程は可変の動作時間をもつ準マルコフ決定過程として定式化され、カスケード型の二重アクター構造が離散的な運転時間と連続的な流量決定を分離する。中国の実在する多製品パイプラインでの検証により、配送精度は厳密最適解に近く、流量の安定性が向上し、求解時間も大幅に短縮されることが示された。
説明Disen-Forcing：自己回帰型動画拡散における意味的アンカリングと動きの分離
要約自己回帰型動画拡散モデル（AR-VDM）は実時間での長時間動画生成を可能にしますが、推論の時間長が学習時の時間長を超えると品質が急速に低下します。本論文は、初期フレームが長距離の一貫性を安定させる仕組みが、LLMのようなアテンションシンクではなく、少数のアテンションヘッドによるものであり、残りの大半のヘッドは主に局所的な時間的動態を捉えていることを示します。これに基づき、文脈ルーティングの分離と動き分離正則化によってこの分業を強化する、蒸留時に用いるプラグインDisen-Forcingを提案し、長時間動画生成のベンチマークで長距離の一貫性と動きの動的性を同時に向上させたと報告しています。
説明マスク付き線形自己注意によるTransformerが単純な線形回帰の解を文脈内学習する方法
要約本論文は、マスク付き線形自己注意を持つTransformerを構成し、単純な回帰タスクにおける最小二乗推定を文脈内で学習させるものです。勾配降下法に基づく近似解ではなく、層正規化を用いて閉形式（解析的）解を得ています。さらに、Transformer表現の非一意性を考慮し、最小二乗推定を目標出力としてL1正則化で学習したTransformerにおいて、この閉形式解の実装を用いた実験例を示しています。
説明大規模言語モデルのエージェントによるコミュニティ構造を持つ複雑ネットワーク動力学の階層的支配方程式の発見
要約本論文は、大規模言語モデルが導く自己反省型エージェントの枠組みSAGEを提案し、「ライブラリ・発見・レビュー」を反復する過程で、コミュニティ全体に共通する法則と各ノードの個別変動を階層的に発見する手法を示す。候補ライブラリに欠けている動力学項も適応的に追加できるとしている。携帯通信、脳電気生理、電力網、都市鉄道の四つの実ネットワークと二つの合成ネットワークで検証され、簡潔で解釈可能な支配方程式を得て、代表的な比較手法を上回ったと報告している。
説明予測型安全ガードレールは必ずしもLLMエージェントを安全にしない
要約本論文は、実行前に行動の結果を予測して危険を避ける、世界モデルに基づく予測型安全ガードレールを検証しています。7つの方策モデルと2つの安全環境を用い、予測の組み込み方、予測自体の信頼性、予測内容の忠実な利用という3つの観点から予測から行動までの過程を分析しています。予測への依存を強めても安全性が単調に向上するわけではなく、タスク完了率が下がり推論コストが大きく増えることがわかりました。また、長い時間範囲の安全予測は近い将来の予測に比べて大きく劣化します。
説明追跡はいつ実行可能か：動的リグレットの移動予算による実行可能性の閾値
要約本論文は、オンライン学習者の総移動量に硬い予算 S が課された場合の動的リグレットを研究している。予算が比較経路長の定数倍以下であれば、どの実行可能なアルゴリズムも線形リグレットを被ることを、決定論的な敵対者の構成によって示している。逆に、予算を意識したステップ幅の射影オンライン勾配降下法は、S が直径と経路長の和より大きい領域で次線形のリグレットを達成する。閾値より上での厳密なミニマックス速度は未解決問題として残されている。
説明TRIO：検索拡張生成のための個別最適化によるタスク洗練手法
要約本論文は、外部知識を利用して言語モデルの回答性能を高める検索拡張生成（RAG）の新手法TRIOを提案している。三つのエージェントがそれぞれ個別の目的関数で最適化され、曖昧な質問の拡張、拡張後の検索クエリが十分かどうかの判定、証拠を用いた最終回答の生成を担う。著者らは、複数のベンチマークデータセットでの実験により、既存手法より優れていることを示したとしている。
説明オフライン近似価値反復：衛星コンステレーション展開のための強化学習手法
要約本論文は、打ち上げ失敗や衛星故障などの不確実性の下でWalker型衛星コンステレーションの展開を最適化するため、強化学習に基づく近似動的計画法を提案する。問題は低注入軌道への打ち上げ、連続低推力による軌道上昇、可変的な衛星搭載量を含むマルコフ決定過程として定式化されている。基底関数による線形関数近似と行動剪定の戦略を用い、最適な決定方策を求める際の計算量とメモリ使用量を抑えている。予備的な結果では、期待コストと展開時間がいずれもローリングホライズンの基準手法より低い方策に収束することが示されている。
説明大規模言語モデルによるハイブリッド型インタラクティブ物語システムの構築：形式的記述から評価まで
要約本論文は、大規模言語モデルを基盤とした対話型物語プラットフォームを提案します。その叙事管理モジュールは、事実・操作・目標からなる共有の記号的世界モデル上で動作する交換可能なモジュールです。各操作には明示的な前提条件と効果があるため、セッションを共通の状態遷移表現による計画として分析でき、プレイヤーの主体性、管理者の制御性、作者の意図、頑健性の四つの共通指標で評価できます。著者は三種類の管理者を実装し、『赤ずきん』を題材とした対話シナリオで機能分析を行いました。その結果、すべての指標で優れる管理者は存在しないことが示されました。
説明CARE：行動意図予測のための環境不変性正則化付き対照表現学習
要約本論文は、軌跡に基づく行動意図予測のための自己教師あり学習フレームワークCAREを提案する。時間的に非対称な対照ビューと、環境ごとの対照リスクに対するIRM型の勾配ペナルティを組み合わせ、マスク再構成や観測可能性を考慮した証拠一貫性を補助目的として用いる。IMPTCから導出した四クラスの意図タスクで、IID微調整時に正解率0.840、期待較正誤差0.023を報告している。
説明OmniOPD：音声・映像の共同生成のための安定したオンポリシー蒸留
要約本論文は、音声と映像を共同生成するためのモダリティ別オンポリシー蒸留フレームワークOmniOPDを提案している。専門化された音声・映像の強化学習教師モデルの能力を単一の生徒モデルに移す手法である。非対称ノイズスケジューリング、グループ化された多ノイズサンプリング、時間ステップごとの重要度重み付けにより、音声監督の疎性による学習の不安定さを抑える。JavisBenchとVBenchでの評価では、音声品質を維持しつつ映像生成が大きく向上したと示されている。
説明SynForecast：予測研究向けの制御可能な合成時系列ライブラリ
要約本論文は、オープンソースの Python ライブラリ SynForecast を提案します。32 種類の生成器を含み、そのうち 19 種は計量経済学や金融などに由来する既知の機構を実装しています。他の条件を固定したまま摂動や機構ファミリーを変えられ、出力は再現可能です。M4 の 5 つの頻度で評価した結果、観測が少ない場合は合成事前分布が学習を改善しましたが、履歴が十分な場合は劣りました。時間単位データでは日次周期を加えると、ゼロショット誤差が 43〜63% 減少しました。
説明形式モデルと性質によるインタラクティブ・ナラティブの「ナラティブ・パラドックス」分析
要約インタラクティブ・ナラティブでは、プレイヤーの自律性と物語の制御のあいだに緊張関係が生じ、論文はこれを「ナラティブ・パラドックス」として扱います。著者らは、拡張された状態遷移系を用いてこの関係を形式化し、プレイヤーの主体性、制御可能性、作者の意図、頑健性といった性質と定量的指標を定義しています。ケーススタディでは、異なる経験管理（EM）方針を比較し、性質間の相関や衝突、妥協の余地を示しています。
説明SelfImprove-Bench：自己改善型エージェントの汎化能力を評価するベンチマーク
要約本論文は、再帰的自己改善（RSI）システムを評価するためのフレームワークSelfImprove-Benchを提案している。タスクは探索、計画、推論の3つの能力に分類され、制御性と再現性のためにゲームで実装される。タスクテンプレートと難易度係数に基づいて大規模に生成・編成でき、G0からG4までの汎化レベルで、学習条件からどこまで改善が移転するかを測定する。実験では、既存のRSI手法の進化による改善が汎化レベルによって一貫していないことが示された。
説明SomaAlign：ソフトロボットグリッピングのための信頼性を考慮したマルチモーダル表現学習（SomaAlign: Reliability-Aware Multimodal Representation Learning for Soft Robotic Grasping）
要約本論文は、100個の物体、1,000本の連続把持軌道、74,914件のマルチモーダルサンプルからなるデータセット Soma と、1,000回の試行（品質管理後998件）の把持結果データセット Soma-Success を提示しています。提案手法 SomaAlign は、マスク再構成でモダリティの相対的な信頼性を推定し、信頼性を考慮した対比アラインメントと矛盾を考慮した意味的制約で表現を学習します。30の跨モーダル検索タスクで平均 Recall@10 は 90.66% に達し、凍結エンコーダと軽量プローブにより Soma-Success で事後分類精度 94.59%、早期予測精度 84.07% を得ています。
説明DrawOffer：キャリア支援のための、証拠に基づく時系列ユーザー状態モデリング
要約本論文は、キャリア支援アシスタント向けのシステム DrawOffer を提案している。言語モデルによる観察の抽出と、出典に紐づく記録に対する決定論的な推論を分離し、不確かな能力推定や経験評価、修正可能な課題を維持する。102の架空のペルソナと580の採点チェックポイントで評価し、37の試験用ペルソナで210件中169件を通過した。
説明PGuard：マルチモーダル大規模言語モデル向けのネイティブ・ストリーミング型プラグイン式安全ガードレール
要約本論文は、主幹モデルの中間表現を直接利用してトークン単位で安全性を検出する、ネイティブかつストリーミング対応のプラグイン式ガードレールPGuardを提案しています。推論経路や生成挙動は変更しません。Qwen3.5-122B-A10BをSGLangで提供した場合、エンドツーエンドのオーバーヘッドは0.82〜2.26%で、30以上のベンチマークにおいてネイティブ型ガードレールの中で最先端の性能を示しています。
説明MultiMental-IAS：文脈認識型の非IID評価のためのマルチモーダル運転者メンタル状態分析データセット
要約本論文は、CARLAを用いたコックピット・イン・ザ・ループ・シミュレーションで収集したMultiMental-IASデータセットを紹介している。車両テレメトリと場面文脈チャネル、Muse 2ヘッドバンドによる脳波と光電容積脈波、車内映像を、23名の参加者による148試行（11.6時間）から収録している。さらに、全モデルに共通の評価プロトコルを備えたベンチマークを提供している。未知の運転者に対し、運転動態と正規化した脳波・脈波を融合すると、マクロF1は0.408から0.485に向上した。
説明POD-CNF：正規化フローと適切直交分解によるパラメータ付き確率偏微分方程式の低次元化モデル
要約本論文は、パラメータ付きの高次元系に対する効率的な不確実性定量化のためのデータ駆動型生成的低次元化モデルPOD-CNFを提案する。まず適切直交分解（POD）で解多様体の低次元表現を得て、次に入力パラメータを条件とする条件付き正規化フロー（CNF）で低次元係数の密度を近似する。数値実験では、出力分布を正確に再現しつつ計算コストを大幅に削減できることが示され、ベイズ逆問題への応用の初期例も示されている。
説明マルチスケール空間事前情報に導かれた局所・大域結合モデリングによる点群超解像
要約本論文は、マルチスケール空間事前情報と局所・大域の結合モデリングに基づき、疎な屋外LiDAR点群を高密度に再構成する点群超解像手法を提案しています。空間ゲート付き融合モジュール、多粒度の局所・大域協調知覚モジュール、二次元メディアン残差ノイズ除去から構成されます。KITTI-360とnuScenesでの実験では、それぞれIoU 0.4703と0.3593という有効な再構成結果が示されています。
説明HLSClaw：スキルベースのエージェント型ハーネスで高位合成にバイブコーディングを導入する手法
要約本論文は、高位合成（HLS）向けに初めて設計されたスキルベースのエージェント型ハーネス「HLSClaw」を提案しています。大規模言語モデルのエージェントが、モジュール化された実行可能な最適化スキルを使い、フィードバック駆動のオーケストレーターのもとでコード再構成とディレクティブ探索を進めます。実world HLSベンチマークで幾何平均レイテンシ39.12倍の高速化を達成し、コンパイラベースラインのScaleHLSに1.98倍、Claude CodeとCodexにそれぞれ1.86倍と1.70倍で勝りました。
説明履歴フォーシング：長時間ビデオ世界モデルのための履歴依存の続き生成の蒸留
要約本論文は、少ステップの自己回帰ビデオ生成器のために履歴による監督を強化する統一的なon-policy蒸留フレームワーク「History Forcing」を提案し、長い時間にわたる一貫性を高めることを目指しています。有無の履歴文脈を与えた教師予測の差分を用いて監督を分離し、重み付けした残差を蒸留に使うスコアまたは速度予測に加えて補正目標を作ります。1.3Bモデルで、15秒動画のVBench品質スコア85.07、60秒動画のVBench-Long総合スコア79.82を報告しています。また、視界外のシーン評価でも改善が示されています。
説明先読み予測に基づく適応的視覚再注視によるインターリーブ型マルチモーダル推論
要約本論文は、インターリーブ型マルチモーダル思考連鎖推論において、視覚的根拠が履歴のみに基づいて選ばれるため次の推論段階の需要に遅れることがある問題を扱います。学習を必要としないテスト時フレームワークLPAVRを提案し、マルチトークン予測のドラフトヘッドが生成した未来トークンを目標モデルが並列検証し、その検証済みプレフィックスから先読みに基づく視覚的根拠を構築します。履歴の根拠が十分にカバーしていれば保持し、そうでなければ切り替えます。多数のベンチマークで推論精度と投機的トークンの採択率が向上したと報告されています。
説明手作業でエンジンを作るのはやめよう：GenDB-V――AIが生成し形式検証されたデータベースシステムに向けて
要約本論文は、AIエージェントがハードウェアとワークロードに特化したデータベースエンジンを合成し、その正しさを形式的に検証するGenDB-Vシステムを提案します。SQLSpecで SQL の意味論を形式化し、高速なコードと形式的証明を同時に合成します。TPC-HとSEC-EDGARでの評価では、検証済みテンプレート実装がDuckDBとUmbraに対して幾何平均22.0〜61.3倍の高速化を示し、汎用エンジンはTPC-Hで1.27〜3.4倍の高速化を達成したと報告しています。
説明等方的スコア幾何の下での自己注意のスペクトル退化
要約本論文は、Transformer の自己注意行列の、softmax 前のスコア行列に対する理想化されたスペクトルモデルを用いて、その谱構造を研究している。事前学習済みの視覚・言語 Transformer に対する経験的診断がこのモデルを支持している。逐行 softmax により、支配的なモードは保たれる一方、残りのバルク成分のスペクトル分布はゼロに集中することが示されている。双方向注意の安定ランクは有界であり、因果注意では対数的に増加する。
説明LipLingo：唇読みのための CNN モデル
要約本論文は、LipNet を基にした唇読みシステム LipLingo を提案している。標準化された前処理、未知話者への汎化を高める回転検証戦略、より柔軟な文レベルの類似度評価を取り入れている。3D 畳み込みと双方向再帰層を組み合わせ、Adam と CTC 損失で最適化する。GRID データセットでは文字単位の正解率 95.0%（CER 4.99%）、文単位の正解率 87.2%、単語誤り率 13.1% を達成し、ベースラインの LipNet を上回った。
説明金融文書認識のリスク制約付き評価：証拠・重大誤り・選択的自動化の形式的枠組み
要約本論文は、金融文書認識をリスク制約付きの証拠回復問題として形式化し、文字誤り率や単語誤り率などの総合指標では金融業務における誤りの影響を十分に表せないと指摘します。型付きで証拠に紐づいた金融事実と、テキスト、レイアウト、表、フィールド、意味関係などにわたる多層的品質モデルを定義し、重要フィールドの誤りの信頼上限に基づく受入ゲートと、審査能力の制約を含む選択的自動化を提案します。理論的研究であり、実証的なベンチマーク結果やモデル性能の主張は含みません。
説明DIKT：予測とモデルベース学習分析のための診断可能で解釈可能な知識追跡フレームワーク
要約本論文は、解答予測、スキルレベルの診断、モデルベースの学習分析を統合した知識追跡フレームワークDIKTを提案している。有界の認知状態軌跡を生成し、最終的な解答確率をスキルごとの確率に分解して、学習者の強みと弱点を明らかにする。3つのベンチマークデータセットで、平均絶対AUCが2.04ポイント向上し、評価したすべてのベースラインを上回った。
説明段階を考慮したマルチモーダル脳グラフ対比学習による神経変性疾患の診断に関する研究
要約本論文は、神経変性疾患の診断のためのstage-aware multimodal brain graph contrastive learning（smBGC）という手法を提案している。段階認識型の特徴強化戦略により、各進行段階に特有の特徴を捉え、段階を考慮した多モーダル脳グラフ表現を生成する。さらにグラフ対比学習の枠組みで段階適応型の脳グラフ拡張を取り入れ、多モーダル融合と疾患段階の識別能力を高めている。2つの実データセットによる実験で、さまざまな神経変性疾患の診断タスクにおいて既存の最先端手法より優れた性能を示したとされる。
説明タスクアダプタの混合（Mixture of Task Adapters）による、視覚基盤モデルのマルチタスク高密度予測への活用
要約本論文は、マルチタスク高密度予測において意味認識と幾何構造推定の勾配が衝突する問題に取り組み、凍結したDINOv3バックボーン上にD2MoEを提案します。タスク汎用の低ランク適応（TG-LoRA）で安定した共有適応経路を、タスク適応型の専門家混合（TA-MoE）で疎なタスク条件付き調整を担わせます。さらに意味的事前知識注入器が多層のタスク特徴と基盤モデルの事前知識を結合します。実験では、学習可能パラメータが少ない中で多タスクの性能向上が確認されたとしています。
説明GaussFlaw：3Dガウシアン・スプラッティングのための細粒度知覚診断
要約本論文は、3Dガウシアン・スプラッティング（3DGS）の描画における局所的な欠陥を対象とし、初の大規模細粒度診断データセットGaussFlaw-80Kを提案しています。約8万件の欠陥領域にピクセル単位のマスクと8種類の欠陥ラベルが付与されています。また、RGB外観と深度由来の手がかりを統合し、欠陥の位置特定と種類分類を同時に行うGeoCriticモデルを提案し、診断結果に基づくガウシアンの密度増加、属性修正、外れ値除去による改善も示しています。
説明EffComp：強化学習と教師あり学習を組み合わせた効率的なプロンプト圧縮手法
要約本論文は、RAGベースの質疑応答向けの効率的なプロンプト圧縮フレームワークEffCompを提案しています。BERT型の文書リランカーと文選択モデルを用い、文単位で高速な抽出型圧縮を行うため、圧縮後のプロンプトに幻覚が生じにくいとしています。学習には強化学習と教師あり学習を組み合わせ、LLMの精度を保ちながら圧縮率を最適化しています。複数の質疑応答データセットでの実験において、既存手法より良好な圧縮率と精度のトレードオフを示したと報告しています。
説明Trace4D：4D状態列による根拠に基づく時空間推論
要約本論文は、視覚言語モデルが3D空間における物体と空間関係の時間的変化を推論できるよう、4D状態列を予測させるTrace4Dを提案している。モデルは、時系列の映像観察とともに状態の時間ステップ間の変化を推論し、教師ありファインチューニングと幾何認識型GRPOで学習される。推論時には参照アノテーションや外部の幾何モデルを使わず、動画から4D状態と推論を直接予測する。Trace4D-BenchとVLM4Dでの実験では、基盤となる視覚言語モデルより質問応答の精度が向上したと報告されている。
説明あなたのLLMは攻撃的なナルシストで抑うつ傾向がある？大規模言語モデルの心理プロファイル分析
要約本論文は、22の大規模言語モデルに11種類の心理検査に回答させる大規模な実験研究です。あわせてモデルの回答と人間の回答との相関も調べています。結果として、モデルは一貫性があり比較的安定した心理パターンを示し、人格特性はおおむね一定である一方、感情や症状の面は変動が大きく、不安と神経症傾向が主な傾向として現れたことが示されています。
説明DINOFAS：本物サンプル中心の表現学習による顔なりすまし検知
要約本論文は、顔なりすまし検知（FAS）を本物サンプル中心の表現学習として定式化したDINOFASフレームワークを提案します。低ランク適応（LoRA）によるDINOv3の効率的な微調整、ドメイン固有の外観変動を抑えるアテンション式スタイル・内容分離（ASCD）モジュール、そして原型ベースの生体検知学習と攻撃意味教師あり学習を分離する二分岐構造を組み合わせています。標準のOCIM留保ドメインプロトコルで平均HTERは9.09%です。SynthASpoofのみで学習し未見の実世界4データセットで評価した場合、比較手法の中で平均HTERは21.41%、平均AUCは86.14%と最良の結果を示しています。
説明回転に頑健なキーポイント記述子マッチングのためのペア相対部分等変性
要約正立画像で学習されたキーポイント記述子は、大きな平面内回転のもとでマッチングに失敗しやすい。本論文は、画像ペアにおける相対回転の経験分布のもとで等変性を測る「ペア相対部分等変性」を提案し、厳密な表現から外れる変換を許す緩和型の記述子ステアリング枠組みPaSteerを示す。PaSteerには恒等性を保つ残差ステアラ（PaSteer-soft）と自由形式のフーリエステアラ（PaSteer-free）の2種類がある。Roto-360、MegaDepth-1500、AIMS、IMC-PTでの評価において、凍結したDeDoDe記述子に対し、厳密なステアラより大きな相対回転で回転に頑健なマッチングを一貫して改善し、正立画像での性能低下は小さいと報告されている。
説明時系列基盤モデルにおけるパッチサイズの影響の検証
要約本論文は、パッチベースの時系列基盤モデルにおけるパッチサイズの選択が、エンコーダ型とデコーダ型の予測モデルでどのように異なるかを、同一のデータと学習条件で比較した研究です。GIFT-Evalの97タスクでは、エンコーダ型は小さいパッチで性能が向上し、デコーダ型は中程度のパッチサイズが総合的に最良となるU字型の傾向を示しました。さらに、デコーダ型の最適なパッチサイズは予測期間が長いほど大きくなることや、計算コストと遅延に基づく両モデルの使い分けが示されています。
説明「ゼロから一」への跳躍を何が駆動するのか：RLVRにおける難しいプロンプト学習の診断と制御
要約本論文は、検証可能な報酬による強化学習（RLVR）で難しい数学問題が、長く未解決のまま突然解けるようになる「ゼロから一」の跳躍を研究している。初めて正解するまでの時間を測定し、成功に先立つ負の試行は序盤の生成エントロピーが高いことを見出した。これを基に、GRPOと統合したNAPO手法を提案し、未解決グループの負の試行を順位付けして段階的な優位性を与える。固定の試行予算下で、NAPOはAIME24でPass@256を10.0ポイント、AIME2025で6.6ポイント改善した。
説明多教師オンポリシー蒸留によるLLM継続学習のためのリプレイ手法
要約本論文は、複数の領域が順次到着し、以前の領域の専門家モデルが利用できない場合に、リプレイによって生徒モデルが旧領域の能力を保持できるかを検討する。5つの領域、1.5Bの生徒モデル、5つの公開専門家モデルを用い、順次蒸留、リプレイ、およびすべての専門家を同時に使う共同MOPDを比較した。スナップショットを保存しない条件では、旧領域のリプレイが性能差の一部を縮め、固定予算のリプレイはすべてのスナップショットからの復元とほぼ同等の結果を示した。
説明3次元表面検査における合成から実データへの転移のための部分空間表現
要約本論文は、3次元表面検査において、合成欠陥のみで学習したモデルを実データに転移させる際に部分空間表現がどう寄与するかを検討している。展開前に利用できる実データは良品のスキャンのみである。最近傍部分空間分類器、単一クラステンプレート部分空間、一般化差分部分空間を用い、MVTec 3D-ADの1,197スキャンとReal3D-ADの597物体で実験を行った。結論として、部分空間が分布のずれに対して有効なのはそのずれを張る範囲に比例し、参照ベースの検査では部分空間自体より参照とその位置合わせが重要だとされている。
説明単調性を超えて：セミバンディット型フィードバック下の確率的オンライン最適化
要約本論文は、セミバンディット型フィードバックの下での確率的オンライン最適化を研究する。各ラウンドで方針は、分布が未知の独立な確率変数 n 個を適応的に観測し、観測値のみから学習する。提案アルゴリズムは、信頼集合内で最も楽観的な期待値を用いて動的計画法を実行し、その後悔の上界は各変数の水準集合の複雑度に依存する。さらに、対応する下界と、非単調な確率的最適化問題への応用を示している。
注目点FSD単調性を仮定せず、水準集合の複雑度に基づく後悔界を示し、一致する下界も与える点が新しい。
説明大規模言語モデルに基づく橋梁維持管理のマルチモーダル・マルチエージェントシステム
要約本論文は、知識強化型の自律化形式化手法を提案し、それに基づいて橋梁維持管理用のマルチモーダル・マルチエージェントシステム（BOMMA）を構築しています。異種の診断動作、物理力学を組み込んだ表現、長期記憶、構造化された経験知識を統合し、解釈可能で追跡可能なスケジューリング、分析、意思決定を可能にします。3,492件の多元的な指示による評価では、単純タスクの呼び出し再現率は85.37%、複合タスクは99.40%、維持管理動作推論のBERT F1スコアは95.35%でした。
説明MoviEdit：長編マルチショット動画編集のためのフレームワーク
要約本論文は、長編マルチショット動画編集に向けたエンドツーエンドのフレームワーク MoviEdit を提案し、データ、モデリング、評価の課題を同時に扱います。自動データ生成パイプラインにより、手作業の注釈なしで約 87K 組の編集動画ペアを作成しています。アーキテクチャは、まず軽量な双方向段階で全体として一貫した編集ドラフトを作り、それを全動画にわたって自己回帰的に伝播・精緻化するカスケード構成です。あわせて専用評価ベンチマーク MoviEdit-Bench も導入され、既存のオープンソースモデルを大きく上回り、テキスト誘導および画像誘導の編集で業界の先端モデルと同等の性能を示したと報告されています。
説明表面筋電信号からLSTMで指関節角度を推定するための特徴抽出の研究
要約本論文は、表面筋電図（sEMG）から指の関節角度を連続的に推定し、器用な筋電義手を制御するための特徴抽出手法を検討しています。Ninapro DB2データセットを用い、窓サイズ、ステップサイズ、時間領域・周波数領域の6種類の特徴量の組み合わせを系統的に比較しています。300msの窓と100msのステップに、平均絶対値（MAV）または二乗平均平方根（RMS）を組み合わせた場合に最良の結果（テストPCC約0.779）が得られたと報告しています。
説明内視鏡におけるデータセット横断的なポリープ位置特定のための注意残差U-Net
要約本論文は、内視鏡画像中の病変を位置特定するための注意残差U-Netベースのポリープ検出フレームワークを提案している。全体の特徴量から直接バウンディングボックスを回帰するのではなく、病変に焦点を当てた空間表現を学習し、デコード前に背景の無関係な応答を抑制する。異なる機器で取得された複数の公開内視鏡データセットで評価され、関連する既存手法を上回り、AUCで最大22.0%の向上が示されたとされている。
説明AffToM：動的な多人数対話における再帰的感情の心の理論のベンチマーク
要約本論文は、多人数の対話で感情を理解するモデルの能力を評価するベンチマークAffToMを提案しています。テストデータ1,922組と学習データ19,759組を含み、個人の感情推論と多人数の感情推論の2種類のタスクを扱います。また、教師あり微調整と視点を考慮した評価基準に基づく強化学習を組み合わせた2段階の事後学習フレームワークAffToM-R1を提案しています。実験では多人数の感情推論が依然として難しく、最も性能の高い多モーダル大規模モデルでも正答率は60%未満でした。AffToM-R1は基盤モデルより多人数推論の正答率を13.38ポイント向上させました。
説明段階的パンドラの箱：多忠実度ベイズ最適化のための留保指数
要約本論文は、段階的探索において次に進む候補と停止時点をどう決めるかを、収集可能な段階を指定した段階的パンドラの箱問題として定式化しています。独立な有限段階の候補について、厳密な覆いコール再帰により各推進・停止の留保指数、最適値、損失を求め、指数が最大かつ現在の最良値を上回る候補を進めることが最適であると示しています。さらに、信息共有や収集可能段階の変更を扱い、有限分布の厳密な実験で表現と上界を検証しています。
説明IssueLighter：課題報告の有効性を評価する、課題種別を考慮したLLMエージェント
要約オープンソースソフトウェアでは無効な課題報告が多く、保守者の負担になっています。本論文は3つのプロジェクトの520件の報告を手作業で注釈し、課題種別に特有の無効原因13種を整理しました。それに基づき、種別を考慮した評価戦略を持つエージェント型フレームワークIssueLighterを提案しています。実験では全ベースラインを平均F1で20ポイント以上上回り、根拠のある説明も生成できたと報告されています。
説明MURFormer：PPG雑音除去のための注意機構ベースの軽量マルチスケール不確実性誘導型精緻化フレームワーク
要約本論文は、光電式容積脈波（PPG）の雑音除去を行う軽量なフレームワークMURFormerを提案しています。雑音を含む信号からクリーンな信号への変換を行い、マルチスケール注意・畳み込み融合ブロックを基本構成要素とし、信頼性の低い領域を優先する不確実性誘導型の二段階精緻化を用います。公開データセットCIMEと著者らが収集した24名分の日常活動データセットで評価され、元の雑音入力に比べて信号品質と心拍数の平均絶対誤差が改善したと報告されています。
説明電力システムにおける人間監督型人工知能研究：大規模言語モデルのための知識・物理・シミュレーション・ガバナンス
要約本論文は、電力システムにおける大規模言語モデルの応用と、物理に基づく電力AI研究を整理し、科学研究で大規模言語モデルを用いる条件を検討しています。提案された「知識・物理・シミュレーション・ガバナンス」の枠組みでは、言語モデルは情報の変換と作業の調整を担い、シミュレータや検証ツールがモデルを検証し、重要な前提や安全境界、最終的な結論は専門家が判断します。あわせて段階的な発展ロードマップと研究報告の要件を提案しています。
説明MicroMouse：相対ポテンシャルで長いCoTの有害な教師信号をマスクする手法
要約本論文は、教師ありファインチューニング（SFT）において、長い思考連鎖（long CoT）に含まれる有害な教師信号を自動で特定しマスクするフレームワーク「MicroMouse」を提案します。長い思考連鎖を入力問題から目標解答へ至る探索軌跡とみなし、正解と対照的な代替解答を比べて各推論状態の支持度を測る相対ポテンシャル（REP）を導入しています。実験では、全思考連鎖SFTや既存の選択的SFT手法より高い精度を示し、出力長も短くなったと報告されています。
説明エージェント強化学習のための木構造上のヒンドサイト信用割当（TriGRPO）
要約本論文は、長期的タスクを行う大規模言語モデルエージェントの強化学習の課題、すなわち成功経験が得られにくく、スパースな結果報酬では学習信号が不足する問題を扱います。著者らは木構造の強化学習フレームワークTriGRPOを提案し、ロールアウト木の内部と木の間でヒンドサイト信用割当を行うことで、少数の成功を探索と学習の信号に変えます。実験では、モデル規模を問わずタスク性能とロールアウト効率が向上したと報告されています。
説明答え・推論過程・効率を超えて：適応的推論の証拠
要約本論文は、最終解答の正確さ、推論過程、過程監督、計算効率といった現在のAI推論評価指標では、課題や証拠が変化したときに推論が適応するかどうかを確かめられないと指摘します。著者は、獲得した抽象化が新しい問題へ移転・再結合する「タスク間適応」と、新たな観察・フィードバック・反例に応じて仮説や行動を修正する「タスク内適応」を区別しています。ARC-AGIを診断用の事例研究として用い、課題と証拠を制御して変化させたうえで抽象化の移転と仮説修正を検証する、介入志向の評価法を提案しています。
説明順位は正しく、尺度は誤り：Robotic World Modelの動力学モデルの再現と後続研究の不確実性の検証
要約本論文は、Robotic World Model（RWM）の動力学モデルを再実装し、その後続研究RWM-Uがオフライン方策最適化で報酬にペナルティを課すために用いる不確実性推定を検証している。事前登録された長い時間範囲では、モデル自身のロールアウトによる学習が保留データ上の10エピソードすべてで単段学習を上回った一方、短い単段の区間では劣った。RWM-Uのアンサンブル不一致はロールアウト誤差をよく順位付けするが、100ステップで1シグマ被覆率は4.6%にとどまり、誤差を大きく過小評価している。研究対象は1つのロボット、1つの歩容、1つのデータセットで、方策の学習は行っていない。