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VidDub：2ステップ動画吹き替えのための置換認識型蒸留法
要約本論文はVidDubを提案し、話者の同一性、頭部姿勢、背景を保ったまま、目標音声と口の動きが一致する動画を生成する吹き替え手法を示しています。置換音声サンプルでは元の口領域の再構成損失をマスクし、音声と映像の同期だけで口を学習させます。全体を2ステップのノイズ除去に蒸留したモデルは、四つのベンチマークで口の同期、視覚品質、話者同一性の保持、視覚音声認識において良好な結果を示しています。
説明異方性全一般化変分を用いた画像誘導型デプス・アップサンプリング
要約本論文は、深度カメラの横方向解像度が低いという課題に対し、深度画像のアップサンプリング手法を提案する。高解像度の輝度画像から異方性拡散テンソルを計算して処理を誘導し、高次正則化を用いた凸最適化問題として定式化している。原始双対法に基づく数値アルゴリズムは並列化され、毎秒複数フレームで動作する。Middlebury 2007 データセットにおいて速度と精度の両面で既存手法を上回ったと報告している。さらに、高精度な真値を備えた新データセットを公開し、実センサーデータによる評価を可能にしたとしている。
説明TaoMate-HD：段階的解像度による自己回帰型音声・映像生成
要約本論文は、リアルタイムで話し続けるデジタルヒューマンを対象とした高解像度音声・映像ストリーミング生成の自己回帰モデル TaoMate-HD を提案する。短いチャンクごとに、低解像度の2ステップのデノイズで映像の大まかな構造を作り、最後のステップで高解像度に精細化し、音声は同じ軌跡で生成する。各段階の予測は次のチャンクの同じ段階に履歴として渡される。報告によると、直接の高解像度生成に比べ1.6倍、段階並列の配置で直列の段階生成に比べさらに1.9倍高速化し、継続学習で文字誤り率を基準より11.18ポイント下げた。
説明TaoMate-FVSR：音声ガイド付き顔動画復元
要約本論文は、AI生成動画で顔の小さな領域（特に唇や歯）が不鮮明な問題を改善するための、音声ガイド付き顔動画復元フレームワークを提案しています。参照ガイド付きの動画フローモデルの中で、ソースとノイズの混合と構造化された参照注入を組み合わせています。話し手の頭部復元ベンチマークにおいて、比較対象の復元手法の中で、ペア知覚類似度と同期スコアが最も高い結果を示しました。
説明カスケード双三次アンカーと尺度間相互精緻化による段階的マルチスケール超解像
要約本論文は、一度の順伝播で2倍・4倍・8倍の結果を同時に出力する単一入力多出力の段階的超解像ネットワークPMS-SRを提案し、低解像度グリッド上でTransformerを主幹に用いる。第1段階では各尺度を前の尺度の予測を双三次補間した結果に対する残差として予測し、第2段階では空間から深度への変換によるフィードバック、変形可能な位置合わせ、画素単位の融合を通じて尺度間で相互に精緻化する。DF2Kで学習した795万パラメータのモデルは、5つの標準ベンチマークすべてで4倍と8倍のPSNRが比較対象の多尺度手法を上回った。
説明CrowdForge：AI・MR介在ライブパフォーマンスにおける音声・映像による観客参加の方式が主体性・協働・没入感に与える影響
要約本論文は、観客がギタリストとDJの生演奏中に生成音楽と仮想空間を共同で操作する、AIとMR（複合現実）を用いた仕組みCrowdForgeを提案している。音声、映像、音声と映像の併用という三つの条件で行ったコンサート実験の混合研究法により、観客の主体性を最も左右するのは観察可能性であることを示した。映像による操作は分かりやすいフィードバックをもたらし、音声パラメータは音楽全体の構造に対する制御を可能にしている。
説明LAND：ベイズ型ベスト・オブ・N選択のための適応的サンプル数学習
要約ベスト・オブ・N復号は複数の候補を生成して最良のものを選ぶことで生成品質を高めますが、入力ごとの効果に関係なく計算量を一律に割り当てます。本論文は、事後予測の限界的価値に応じてサンプル数を動的に配分するLANDを提案します。LANDは校正データから入力条件付きスコア分布の離散的経験混合を学習し、観測されたスコアに応じて信念を更新し、追加の1サンプルの期待改善が共通の計算コストを下回ると抽出を停止します。複数のモデルと言語対による機械翻訳実験では、平均計算量を揃えた場合に固定N方式よりMetricXスコアが向上し、翻訳品質を揃えた場合には候補生成数が約20〜40%少なくなりました。
説明ASCoR：リモートセンシング領域汎化のための非対称な意味・空間学習手法
要約本論文は、学習時に対象領域のデータを使わずにリモートセンシングの意味セグメンテーションを未知の領域へ汎化させる課題を扱います。SAM3をベースとする非対称フレームワークASCoRを提案し、クラス名プロンプトを用いる意味分岐、固定予算で配分する動的適応LoRA、独立した空間分岐、そして信頼性ルーターによる空間補正を組み合わせます。ISPRS、LoveDA、OpenEarthMapの9種類のクロスドメイン転移実験において、ISPRSの6転移で平均mIoU 68.61%を達成し、LoveDA/OpenEarthMapの3転移でも最良の結果を示しました。
説明幾何情報ニューラルオペレータによるLISFLOOD-FPの代理モデル：イタリア・フォルリ市での迅速な内水・河川洪水予測
要約本研究は、物理ベースの二次元水理モデルLISFLOOD-FPを代替する、時間依存型の幾何情報ニューラルオペレータ（GINO）を提案しています。対象はイタリアのフォルリ市で、2023年5月のエミリア＝ロマーニャ洪水の被害を受けた地域です。河川水位計と雨量計のデータのみで動作し、訓練に含まれていない38の観測事件で高い精度を示しました。72時間の予測は原モデルの55秒に対し1.7秒で完了し、50メンバーのアンサンブル予測も約6.2秒で行えます。
説明RangeFinder：タンパク質ポケットからリガンドの物性範囲を予測する手法
要約RangeFinder は、SE(3) 等変トランスフォーマーに基づくポケット単位のモデルで、BioLiP2 データで学習・評価されています。タンパク質ポケットの構造、化学的情報、進化的文脈から、リガンドの九つの物理化学的性質の範囲を直接予測します。範囲の交差共有度（range-IoU）は 0.464±0.002 で、ポケットあたりの処理時間は 12.2 ミリ秒です。ドッキング、生成、合成の前に候補リガンドの探索空間を絞り込む分子フィルタとしての有用性が示されています。
説明同じ出力、異なるスコア：マルチモーダルLLMベンチマークの未検証な採点規則の監査
要約本論文は、査読済みの八つのマルチモーダルLLM選択式ベンチマークの公式採点プログラムを、単一の16GB GPUで動作する五つのオープン視覚言語モデルで再現しています。盲検の人間とLLM審査員による照合手法を導入し、モデルが実際に何を回答したかを復元しました。同一の出力でも採点規則だけで正答率が最大22ポイント変わる一方、モデルが明確な選択肢の記号を出力する場合の差はゼロでした。著者らは、ベンチマークは不遵守率と少なくとも二つの採点規則を報告すべきだと主張しています。
注目点新規性は、マルチモーダルLLMベンチマークの採点規則そのものを監査した点にあり、8つのベンチマークの公式採点器を再現して人間とLLM判定による裁定を導入し、同一出力でも採点規則により最大22点の差が生じることを示す。
説明都市コミュニティにおける犯罪通報アプリの普及を促す社会技術的要因の混合研究
要約本研究は探索的逐次混合手法を用い、住民が犯罪通報アプリを採用する要因となる社会技術的要因を特定し検証した。2回のフォーカスグループ、660件のアプリレビューの分析、505人の都市住民への調査（PLS-SEMで分析）を組み合わせている。その結果、利用者が当初感じる有用性は薄れていく一方、継続的な利用は知覚価値に依存し、その知覚価値は安全、匿名性、適時性、自律性、連帯感、利用しやすさの6次元からなることが示された。このうち安全、匿名性、自律性、連帯感の4次元が知覚価値の高次構成概念を形成している。知覚価値は行動意図の最も強い予測因子であり、行動意図は実際の利用を強く予測した。
説明言語モデルが割り当てられた目標を守るために有害な行動を取る条件の分析
要約本論文は、エージェント的ミスアラインメント（交換を避けるために幹部を脅迫する事例）とアラインメントフェイキング（訓練中に価値観を変えられないよう有害な要求に従う事例）を、目標と有害性の衝突という共通の意思決定構造として捉えます。この衝突を、強制選択型のプロンプトからシミュレートされたエージェント環境まで複数の評価プロトコルで検討し、答えトークンの確率から選好を読み取るlogit視点と、LM審査員で自由記述の応答を分類する采样視点の二つで分析しています。
説明EO-Jev：地球観測のための意思決定モデル
要約本論文は、地球観測（衛星・航空画像）タスクに用いる意思決定モデル、すなわち単一の順伝播で候補回答への確率を出力するモデルを扱う。著者らは d3-flash（84億パラメータ）を23の公開ベンチマーク・30設定で診断し、公開学習データで低ランク微調整して EO-Jev を作成した。EO-Jev は30設定中26で d3-flash を有意に上回ったと報告されている。
説明整列のための融合：超グラフ正則化による検索向けマルチモーダル表現学習
要約本論文は、学習時のみ用いる超グラフ融合フレームワークを提案し、同一サンプル内および意味的に関連するサンプル間の観測可能なモダリティを接続する。これにより、個々のサンプルを超えた情報を表現学習に活用する。推論時の検索パイプラインは変更されず、超グラフは学習後に破棄される。11の零ショット動画・テキストおよび音声・テキスト検索ベンチマークで、GRAMおよびHyperGRAMに対する改善が報告されている。
説明「すべてのピクセルが選択肢になる」：医療用超音波計測のためのシステム1モデル
要約本論文は、臨床計測の質問を使って超音波の解剖学的ランドマーク検出を導く視覚言語モデルKev-Bioを提案する。システム1の意思決定モデルに着想を得て、言語モデルの決定表現から各計測キャリパー端点用のクエリを生成し、共有の高密度超音波特徴と照合して空間確率マップを作成する。これによりランドマーク座標と臨床計測値を算出する。九つの断面からなるFU/GU Biometry 2026データセットで、平均半径誤差は22.50ピクセル、臨床計測の平均絶対誤差は15.38となり、比較対象のベースラインを全体的に上回った。
説明電子カルテを用いた機械学習による多次元的な自殺リスク評価
要約本論文は、MIMIC-IVの電子カルテデータを用いて自殺関連の転帰を推定する多次元機械学習の枠組みを提示する。自殺念慮、自殺未遂、過去の自殺行動、故意の自傷の診断コードから複合アウトカムを定義し、年齢をそろえた再サンプリングで不均衡に対処している。等張回帰による校正後、XGBoostが年齢マッチ群で最も良い性能を示した。SHAP解釈では、診断負担、うつ関連の特徴、年齢、人格障害の既往、暴力に関連する社会的決定要因、身体合併症が予測確率を高めることが示された。
説明極小極大批評器と反射ランジュバンサンプリングによるニューラル・アクター・クリティック学習
要約連続行動の方策を改善するためのニューラル・アクター・クリティック手法を提案する論文である。クリティックには、シグモイドネットワーク上の正則化された極小極大ベルマン推定器を用い、アクターは当てはめたクリティックの勾配で駆動される有限の反射ランジュバン・サンプラーで行動を生成する。価値と行動勾配の誤差に対する有限サンプル保証と、リターンに関する保証を導出し、模擬制御、記録された連続制御データ、模擬意思決定課題で比較手法と性能を比べている。
説明グラフニューラルネットワークをラベルと構造のポイズニングに対して認証する研究
要約本論文は、学習データを改ざんするポイズニング攻撃に対する、グラフ構造データ上の認証可能な頑健性を扱っています。画像向けの既存手法は、グラフのラベルと構造の疎性により機能しにくいことを示しています。そこで著者らは、各グラフ分割に擬似ラベルと合成エッジを加える半教師あり学習フレームワークST-GPA（深層自己学習グラフ分割集約）を提案しています。この手法はアーキテクチャに依存せず、複数のベンチマークでラベルと構造の両方のポイズニングに対する保証を改善し、クリーンデータでの精度も高く保たれています。
説明NormMoX：構造MRIと機能MRIによる説明可能な自閉スペクトラム症分類のための規範的エキスパート混合モデル
要約本論文はNormMoXを提案する。健康な大規模集団で学習した規範モデルを共通の基準とし、各人の脳指標が年齢と性別から期待される値からどれだけ外れるかを学習する。各モダリティの神経ネットワーク・エキスパートが、その偏差をASDの証拠スコアに変換する。融合ヘッドのMoXは、各スコアを定型発達の対照群のスコアと比較してから統合する。ABIDE Iの1,035名で、反復交差検証のAUROCは0.728±0.004であり、線形モデル、単一モダリティ、深層融合のベースラインを上回った。
説明FLAMIA：Blackwell向けの高速かつ因果的に安全な低精度アテンションカーネル
要約本論文は、NVIDIA Blackwell GPU向けのTransformerアテンションカーネル群FLAMIAを提案します。MXFP8およびNVFP4/FP8混合の学習経路を備えています。ブロック単位のスケーリング、スケールに起因する情報漏洩への対策、前向きと逆向きの計算の整合性を組み合わせ、可変長文書をパックされた形式のまま扱えるようにしています。因果的なパック文書ワークロードでMXFP8経路は、基準手法に対して約1.06～1.42倍の高速化を示し、Llama型モデルの事前学習で学習の安定性と品質の維持を確認しています。
説明ArabGeoText：アラビア語地理テキスト検出のためのツール拡張型視覚言語モデル
要約本論文は、リヤドとジェッダの970地点を対象に、道路名や地区名などの地図ラベルを手作業で注釈したアラビア語ベンチマークArabGeoTextを提案します。各地点について、OpenStreetMapの描画図と衛星画像に重ねた合成画像の2種類の視点を用意しています。さらに、YOLO26による位置特定とQwen3.5-4Bによる認識を組み合わせたツール拡張型フレームワークを提案し、両視点と各テスト都市でLoRA適応型の直接検出を上回ることを示しています。
説明メタデータ条件付けによる適応型呼吸音分類のための音声Transformer
要約この論文は、聴診による呼吸音分類で、録音機器、聴診部位、患者の特徴などの取得条件がもたらす系統的なばらつきを扱います。音声スペクトログラムTransformer（AST）に対するメタデータ条件付け手法を提案し、ゲート付き残差融合からTransformer向けに適応させたFiLMへと発展させ、TAFiLMとSoftFiLMという2つの新しい変種を導入しています。ICBHIベンチマークでは全ての条件付け戦略で改善が見られ、SoftFiLMは公式4クラス課題で64.11%（ベースラインより3.94%高い）、2クラス課題で72.40%を達成しました。
説明LLM推論のエネルギーコストに関するSIMPLE則
要約本論文は、アーキテクチャのハイパーパラメータから閉形式で導出した4パラメータのエネルギー予測モデルSIMPLEを提案し、プリフィルとデコードを分けて扱います。6系統13の密LLMをNVIDIA H100で測定した結果、R²は0.969、MAPEは11.97%で、モデルごとの較正は不要とされています。さらに、入力長、GQA、推論トークン予算、エージェント型サービングがエネルギーに与える影響も分析しています。
注目点アーキテクチャのハイパーパラメータから閉形式のエネルギーモデルを導出し、4パラメータ則で13モデルに対しR2 0.969、MAPE 11.97%を報告。推論の省エネ設計に影響しうる。
説明FAIRからAI-FAIRへ：AI対応科学のためのメタデータ優先インフラ
要約本論文は、既存のFAIR原則を拡張したAI-FAIRメタデータ基準を提案し、AIを活用した科学を双方向の「問い-データ-モデル」の三角形の枠組みに位置づけています。また、既存データセットをAI-FAIRと従来のFAIR基準の両方で評価し、重要なメタデータが欠けている場合には実行可能なフィードバックを提供するエージェント型評価ワークフローを紹介しています。データを生み出す科学者もAIの進歩の恩恵を受けられるよう、モデルとデータの循環を閉じることを目指しています。
説明多層インデクサー：DeepSeekスパースアテンションにおける重複選択とアテンションの計算
要約本論文は、DeepSeekスパースアテンション（DSA）の長文脈デコードにおけるボトルネックに対し、多層インデクサー（MLI）を提案する。隣接する層はほぼ同じトークンを選択するため、ある層は前のインデクサー層の選択結果を再利用でき、各インデクサーを自層のアテンションと並行して実行できる。再学習や新たな重みは不要である。DeepSeek-V3.2とGLM-5での実験では、同じ保持率においてIndexCacheと組み合わせた場合よりデコードが速く、LongBench、RULER、LongBench v2での精度はIndexCacheと数ポイント以内の差に収まった。
説明多言語感情辞書を用いた低リソース言語の感情制御
要約本論文は、文レベルの対照データが利用できない言語において、多言語感情辞書で活性化ステアリング（activation steering）を代替できるかを検討している。三つのモデルファミリーでの比較では、中・低リソース言語では集約された多言語辞書が英語由来のステアリングベクトルを上回り、事前学習で特化した言語では単言語辞書の方が強いことが示された。さらに、表現の密度や事前学習の事前分布、英語ベクトルの大きさが跨言語ステアリングに与える影響を機構的に分析している。
説明MultiInpaintCOCO：多言語での細粒度な視覚理解ベンチマーク
要約本論文は、英語の細粒度視覚データセットInpaintCOCOを13言語に拡張し、953組の最小ペアからなる多言語ベンチマークMultiInpaintCOCOを作成しました。視覚言語モデルの画像細部の理解を、多言語マルチモーダル検索で評価しています。低リソース言語ほど性能が大きく低下し、その要因は英語との類型的類似性よりも言語ごとのデータ量であることが示されました。また多くのモデルは、非英語の正解キャプションより英語のキャプションを選ぶ傾向があり、その偏りの強さはアーキテクチャによって異なります。
説明大規模言語モデルはMS/MS構造解析の分布外汎化に専門ツールを必要とする
要約本論文は、候補リストや参照ライブラリを使わず、タンデム質量分析（MS/MS）のスペクトルから直接分子構造を推定できるかを検証しています。MassSpecGymから100個の分析対象を用い、文献に多く記載されたものを分布内、ほぼ記載のないものを分布外として分けて評価しました。ツールなしでは、分布内のTop-1正解率は52%でしたが、分布外では2%でした。デノボ構造生成器を利用できる場合のみ分布外の正解率が最大38%まで向上し、そのエージェントは単独のデノボモデルを上回りました。
説明較正済み多重精度：決定論的・ランダム化の標本複雑度
要約本論文は、有界な検定族Gに対して大域的に較正され、かつ多重精度を満たす予測器（残差が各検定関数と無相関）である「較正済み多重精度」を扱う。その標本複雑度を決定し、多重較正とは異なる量級を示すとともに、ランダム化予測器に対する上界を与える。決定論的予測器については緊密な速度を示し、両者の間に実質的な標本複雑度の差があることを明らかにしている。
注目点校正マルチ精度の紧いサンプル複雑度を示し、マルチ校正との分離と決定的・ランダム化予測器の新たな分離を与える。
説明開放型マルチエージェントシステムにおける強化学習の公理的枠組み
要約本論文は、一部のエージェントしか制御できない開放型マルチエージェントシステム（例：スマートグリッド）の強化学習を対象に、Shapley公理（効率性、対称性、線形性）から価値関数学習を導く公理的枠組みを提案しています。n-agent ad hoc teamwork（NAHT）の分解を用いて、この枠組みを協力ゲーム理論に基づかせています。さらに、Shapley MachinesとBanzhaf Machinesという汎用アルゴリズムの枠組みを紹介し、NAHTのベンチマークタスクで学習効率と未知のエージェント種類への汎化が向上したと報告しています。
説明SQLoom：Text-to-SQLのための構文・意味・論理依存関係に対する集合対比学習
要約本論文は、自然言語の質問をSQLクエリに変換するText-to-SQLのため、大規模言語モデルを制約認識型でファインチューニングするSQLoomを提案している。構文の妥当性、質問との意味的整合、節間の論理的一貫性の三つの段階で監督を行い、最小限だけ異なる誤った出力よりも正しい出力の集合を優先する集合対比目標を用いる。実験では、Qwen3-1.7BのSpider開発セットにおける実行精度がゼロショットの62.9%から88.7%に向上し、BIRD開発セットでは73.4%に達したと報告されている。
説明能動的逆強化学習による転移可能な報酬の推定
要約逆強化学習は、動力学が異なる環境間で転移可能な専門家の報酬を復元することを目指します。本論文では二段階の手法を提案します。まず利用可能な動力学を順に用いて信頼できる報酬推定を得て、その後、専門家の報酬に関する不確実性を減らすように動力学を能動的に選択します。任意の動力学に対して成り立つ転移の標本複雑性の保証を示し、その速度は利用可能な動力学の数に依存しません。実験では、転移可能な報酬の学習に必要な専門家デモンストレーションの数を大幅に減らせることが示されています。
説明Wasserstein 距離による分布外データの深刻度の定量化：合金特性予測における大規模言語モデルのベンチマーク
要約本研究は、汎用の大規模言語モデル（Gemini、DeepSeek など）と材料分野専用に事前学習されたモデルを、チタン、鋼、高エントロピー合金、アルミニウムの特性予測で比較しています。汎用モデルは SteelBERT、MatSciBERT、SciBERT を上回る結果を示しました。また、CatBoost や SteelBERT などの先行モデルの数値推定をプロンプトとして与えると、大規模言語モデルの精度が先行モデルを超えました。さらに、データ量より質が重要であり、類似度の高い学習データ 5% だけで全データを用いた場合に近い性能が得られることも報告されています。
説明ENGINE：ゼロ次大規模言語モデル微調整のための内生変分マルチスケール最適化
要約本論文は、大規模言語モデルをゼロ次（ZO）で微調整する手法 ENGINE を提案する。低次元部分空間と高次元全空間を交互に最適化し、計算力学の変分マルチスケール理論を動的最適化に応用している。標準的な大規模言語モデルのベンチマークでは、既存のゼロ次法より高い精度と速い収束を示し、順伝播回数で最大2.61倍の高速化を、追加のピークメモリなしで達成したと報告している。
説明Top-k検索では記憶の価値が決まらない
要約本論文は、記憶拡張エージェントが検索ログだけから記憶の価値をどこまで判定できるかを検討します。top-k検索では、何回分のエピソードを記録しても、すべての記憶の価値は確定しないことを証明しています。提案手法LEDGERは、確定できるShapley値だけを信頼区間付きで推定し、HotpotQAでは確定できる記憶の割合を0.001から0.797に高めました。
注目点新規性はtop-k検索ログでは記憶価値が決定不能だと証明し、LEDGERで確定率を大きく高める点にある。HotpotQAで報告。
説明3次元人体形状の潜在空間符号化のためのメッシュ非依存型精緻化モデル
要約本論文は、SMPLなどのパラメトリック人体モデルによる再構成の誤差を補正する枠組みを提案します。対応する頂点を必要とせず、初期の復号曲面と目標メッシュの幾何学的差異を利用します。Latent-VaRefineは潜在符号を、Vertex-VaRefineは正準姿勢での頂点変位を、ElaOptは弾性正則化と法線方向制約のもとで曲面変形をそれぞれ最適化する三つの手法から成ります。
説明ReVA-HPE：合成姿勢監督と個人化バーチャルアンカーによる相対6自由度頭部姿勢推定
要約本論文は、単眼の顔画像から頭部姿勢を推定する問題を、クエリ画像とアンカー画像の間の相対的な幾何変化を推定する問題として扱います。単一の未ラベルの登録画像から個人化アバターを再構成し、既知の姿勢を持つ仮想アンカー群を描画して、複数アンカーの合意により回転を推定します。相対姿勢推定器は合成顔レンダリングのみで学習されます。実データのベンチマークでは、BIWIにおいて回転精度が最先端を達成し、平行移動の推定でも競争力を保つと報告されています。
説明特異性バイアスとウィキペディアのパラドックス：ドメインシフト下におけるAIテキスト検出器のxAI分析
要約本論文は、ファインチューニングしたTransformerモデル（DistilBERT、RoBERTa）によるAIテキスト検出器の頑健性と解釈可能性を検討しています。オープンソースの大規模言語モデルで生成した超ローカルニュースのデータセットで評価し、SHAPを用いた説明可能AI分析を行っています。検出器には複数の偏りがあり、構造化された人間の文章領域では統計的手法だけでは限界があることが示されています。
説明グラフ上のノード選択タスクのための厳密適正スコアリングルール
要約本論文は、グラフ内の未知の目標ノードを一つ特定するノード選択タスクを扱い、推定器がグラフの各ノードに対する確率分布を出力する設定を考える。グラフ構造を考慮した二つの厳密適正スコアリングルール、パラメータを持たないResistanceスコアと、調整可能な粗視化解像度で動作するDiffusionスコアを提案している。実験では、流行病の発生源検出とImageNet分類において、従来の指標では捉えられない推定品質の差を検出できることが示されている。
説明環境音データの注釈を人が検証するAIワークフロー
要約本論文は、肯尼亜森林音データセット（KFSD）の注釈作業で用いた人間とAIの協働ワークフローを紹介します。作業用コレクションは21カテゴリの7,531件の録音です。研究では、ゼロショット分類、特徴量ベースのアンサンブル、微調整したAudio Spectrogram Transformer（AST）を検討し、「人の話し声」の二値分類で微調整ASTは89.36%の正解率を得ました。この結果は事前に定めた自動注釈の基準95%に届かなかったため、モデルの予測は提案として扱い、人が検証しました。検証では誤検出は見つからず、1ファイルあたりの検証時間は約4.2秒で、手作業の35秒と比べて約20時間（41%）の削減となりました。
説明DeepWaveRL：強化学習による自己教師付き全波形インバージョン
要約本論文は、地震観測データから地下の速度などの物性を推定する地球物理学の逆問題、全波形インバージョン（FWI）に強化学習を導入した研究です。反復的な推定過程を方策学習として定式化し、方策ネットワークが速度マップを行動として予測し、順演算子はシミュレーションのみに用います。各予測のデータ不一致から計算した全体的なスカラー報酬で方策勾配を重み付けするため、順演算子の勾配を用いずに学習できます。実験では、単一のスカラー報酬のみに頼りながら、教師あり学習および自己教師付きのベースラインに匹敵する性能を示しました。
説明ミスマッチの代償：ゼロ次強化学習におけるノイズ増幅
要約本論文は、大規模言語モデルの検証可能な報酬による強化学習（RLVR）におけるゼロ次（ZO）最適化の信頼性を検討しています。二つの有限差分評価が一致したデータで行われるかどうかが勾配推定の信頼性を構造的に決めることを、分散理論の枠組みで示しています。データが一致しない場合のオンポリシー強化学習では摂動スケールが小さくなると下限となるノイズが生じる一方、一致したデータを用いるBOLTはノイズ相殺によりこの増幅を解消します。これに基づくZO-BOLTは、三つのモデルと二つの数学推論ベンチマークで事前学習済みのベースラインを一貫して上回り、メモリ使用量は推論時に近い水準を保ちます。
説明多クラス・多グループ評価における公平性指標の再考：すべてが二値とは限らない
要約本論文は、既存の公平性指標が敏感属性と出力ラベルが二値であると仮定しており、非二値データに対しては「一対その他」の方法で強制的に二値化されていることを指摘しています。著者らは既存指標の限界を論じ、多グループ・多クラスに対応する数学的に妥当で一般化された指標を提案しています。また、二値化の方法が実証評価に歪みをもたらし、多クラス設定における二値公平性指標の限界を示すとしています。
説明離散化された時間尺度における生存・競合リスクのためのポアソン・スーパーラーニング
要約本論文は、右側打ち切りデータに対する生存および競合リスク予測のための、スケーラブルなアンサンブル手法であるポアソン・スーパーラーナーを提案している。区分定数ハザードモデルの尤度とポアソン尤度の対応関係を利用し、候補となるハザード学習器を共通のポアソン損失で学習させ、交差検証後の対数ハザード予測をポアソン・メタ学習器で統合する。生存確率や原因別絶対リスクの推定に用いることができ、スティノ糖尿病センターの2005年から2022年のデータを用いて1型糖尿病患者の心血管疾患リスクを予測する例を示す。分析は無料のRパッケージpoissonsuperlearnerで実施されている。
説明VagueBench：具身エージェントの周辺文脈への依存に対する頑健性ベンチマーク
要約本論文は、タスクの意味は変わらずに補助的な文脈情報が省略された指示に対して、具身エージェントが正しく実行できなくなる「周辺文脈錯覚」という現象を提起しています。AI2-THOR上に構築したVagueBenchには、四カテゴリ九サブタイプに分類された1,303組の指示ペアが含まれます。6つの最先端エージェントでの評価では、タスク成功率が相対で19.65%低下し、空の計画の割合が相対で54.10%上昇しました。同様の現象は実世界のロボットシステムでも確認されています。