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BAM：解釈可能な表形式予測のための二変量加法モデル
要約本論文は、対ごとの交互作用を持つ一般化加法モデル（GA²M）の一種である二変量加法モデル（BAM）を提案する。各ペアの形状関数を非対称二変量ガウス分布という単純なパラメトリック形式に制約し、単峰性の等高線図として可視化できるようにしている。特徴量の組み合わせは学習中に自動的に選択される。六つの表形式ベンチマークでの実験では、BAMの予測精度は標準的な一般化加法モデルと同等で、GA²Mに近いことが示された。また、精度と点検すべき成分数とのトレードオフも示している。
説明深層学習と古典手法の融合：CPU向け自動変調識別の決定融合モデル
要約本論文は、無線信号の変調方式を協力なしで識別する自動変調識別（AMC）を扱う。生のI/Qデータを入力とする小型の畳み込みニューラルネットワークは低SNRで頑健であり、高次累積量分類器は高SNRで高精度であることを示した。両者の類別事後確率をロジスティック回帰で統合するFuseAMCを提案し、RadioML 2016.10aで全体精度55.8%を達成した。モデルは単一のCPUコアで学習と推論が可能である。
説明統計的レバレッジスコアによる多様性を考慮した経験リプレイ
要約本論文は、オフポリシー深層強化学習のリプレイバッファで通常の経験が大半を占め、稀な状況がほとんどサンプリングされない問題を扱っています。各遷移を統計的レバレッジ（バッファ内データとの相対的な異常度）で採点し、そのスコアと一様サンプリングを混ぜてミニバッチを抽出します。また、重要度重みによる補正は手法の効果を打ち消すため省き、関係的な稀な状況には目標に対する短い軌道窓へ同じ裾の重い特徴選択を適用します。3関節アームが障害物を避けて物体を押す課題で、稀なタスクの成功率は0.49から0.69に向上しました。
説明マルチモーダル大規模言語モデル向けのモダリティ考慮型エキスパート剪定（MAEP）
要約本論文は、MoE（混合エキスパート）方式のマルチモーダル大規模言語モデル向けに、学習を必要としないエキスパート剪定手法MAEPを提案しています。単一の順伝播で、エキスパートの重要度をモダリティごとに分解し、層をまたいでグローバルに順位付けして剪定します。多数のマルチモーダルベンチマークでモダリティ非依存の手法を上回り、テキストのみのタスクでも競争力を保ちつつ、BF16のエキスパート重みを約27GB削減したと報告されています。
説明Split-KV：拡散ドラフターの学習を効率化するコンテキスト並列手法
要約拡散ドラフターは複数のドラフトトークンを並列にノイズ除去して投機的デコーディングを加速するモデルである。本論文は、キー・バリューを各デバイスに保持し、層ごとの注意機構の通信をクエリサイズのテンソルに限定する精密なコンテキスト並列手法 Split-KV を提案する。さらに、実際の注意コストに基づいてコンテキストのチャンクを割り当てる LPT 戦略を組み合わせる。並列数64で弱スケーリング効率85〜91%、既存の最速基線に対し最大3.67倍の高速化を報告している。
説明腎移植病理における3次元Banff糸球体炎スコアリング：体積定量化の実現可能性研究
要約本論文は、Banffスコアを二次元から三次元へ拡張する技術的な実現可能性と臨床的意義を検討している。著者らは、連続切片の位置合わせ、深さ方向にわたる糸球体の同一性の再構成、3次元での炎症細胞数の統合を行う三次元Banff病変スコアリング手法を提案し、三つの評価戦略を用いた。実験では糸球体炎（gスコア）を例として、多切片の腎移植生検に適用した。三次元gスコアは切片間でより一貫しており、半自動設定では体積戦略が従来の二次元スコアより臨床バイオマーカーと強く相関した。
説明推論の経路：MoEモデルにおけるテスト時計算の読み取りと再構成
要約本論文は、混合専門家（MoE）モデルのルーターが推論の振る舞いをどのように表しているかを調べ、計画、実行、復唱、事実、反省、結論の六種類の推論行動とルーター信号の対応を示します。推論時に専門家のルーター・スコアを選択的に編集し、過剰な思考を抑えて生成トークン数を減らす手法を提案しています。四つのモデルと四つのベンチマークでの実験では、生成トークン数の中央値が30.4%減少し、精度の低下は0.5ポイント以内で、改善する場合もあると報告されています。
注目点MoEルーターを推論行動の学習不要な制御インターフェースとし、専門家スコアの編集で過剰思考を抑える。摘要では4モデル・4ベンチマークで生成トークンの中央値が30.4%減少したと報告。
説明Salesforce の M&A データ統合向け自律型 ETL パイプライン：参照フレームワーク、Jitterbit マッピング、再現可能なシミュレーション研究
要約2 社がそれぞれ Salesforce を使い、両システムが稼働したままデータを 1 つの組織に統合するための、自律型 ETL（抽出・変換・書き込み）パイプラインの参照フレームワークを提案する。分割された一括抽出、宣言的マッピング、品質ゲート、マスターデータ管理、制約付きロード、サーキットブレーカー付きの増分同期を含み、各段階を Jitterbit Integration Studio の機能に対応付けている。既知の正解を持つ合成データで評価され、アカウントとコンタクトの成対 F1 スコアはそれぞれ 0.918 と 0.885 だった。品質ゲートはすべてのロード失敗を防いだ。本番環境での検証は今後の課題である。
説明DecoupAttn：動画拡散モデルを学習なしで高速化する分離型スパースアテンション
要約本論文は、少ステップの動画拡散Transformerをスパースアテンションで高速化する手法DecoupAttnを提案します。意味クラスタで全てのキーを補償し、オフラインで位置により固定したごく一部のブロックで厳密なアテンションにより誤差を修正します。さらに、歪み予算によって厳密計算の配分を決定し、Reassign Cacheで漂流するキーを更新します。学習は不要で、推論には標準のブロックスパースカーネルと融合補償カーネルを用います。
説明容量制約付きクラスタ編集問題に対する改良近似アルゴリズム
要約本論文は、完全符号付きグラフ上で、頂点を上限サイズ k 以下の互いに素な clique に分割し、clique 内の負辺と clique 外の正辺の合計を最小化する容量制約付きクラスタ編集問題を扱う。無制約版の任意の α 近似アルゴリズムに基づく縮小手続きと、クラスタ LP サンプリングとピボッティングを組み合わせたハイブリッド手法を提案している。これらにより、ランダム化された (1.9+ε) 近似アルゴリズムと (1.7537+ε) 近似アルゴリズムが得られたと述べている。
説明電力システム計画のための自律型エージェント
要約本論文は、エージェントが投資の上下限、蓄電池の運転条件、フィーダーの改修案を提案し、数値フィードバックに基づいて設計を修正し、停止時期を判断する自律的計画フレームワークを提示している。年次の投資・運転最適化と代表フィーダーの検証を自動で実行し、固定の受理基準に従って最も低コストの受理候補を残す。五つの電力システムと四か国の十の系統年シナリオで、炭素制約下の四十の軌道を評価している。
説明顕著性マップは高濃度乳房で失敗するか？マンモグラフィにおける説明の公平性を、確率補正と交絡因子を考慮して検証する
要約本研究は、マンモグラフィ分類器の顕著性マップ（Grad-CAM、Integrated Gradients、オクルージョンマップ）が高濃度乳房で癌をより誤って位置特定するかを検証しています。CBIS-DDSMの悪性病変画像1,345枚を用いた結果、高濃度乳房ではGrad-CAMのピークが病変に当たる割合が低い一方、症例構成の違い（主に高濃度乳房で石灰化が多いこと）が差の約半分以上を説明しました。著者らは、分類器ごとに調整前後の濃度差を報告し、病変の視認性とモデルの依存度を対照として加えることを提案しています。
説明その試験シミュレータは薬の作用を理解しているか？登録された7,207件の試験による介入ブラインド検証
要約本論文は、患者の「世界モデル」が臨床試験の介入効果を実際にシミュレートできるかを測定する方法を提案しています。ClinicalTrials.govに結果が掲載された30,119件のII/III相試験から、監査済みの試験内比較9,996組を構築し、介入情報を除いた参照モデルと比べて、シミュレータが介入そのものにどれだけ依存しているかを評価しています。登録データで学習した勾配ブースティング型シミュレータの介入スキルは負の値となり、登録プロトコルのみを読む前線の大規模言語モデルは0.20でした。
注目点介入盲目参照を用いて患者世界モデルの反事実能力を測定し、7,207件の試験から得た9,996組の対比で複数モデルを比較している。
説明CHARM+：クロスハードウェア注意機構と再統合型マルチストリーム方式
要約系列長の増大に伴い、系列並列による分散型注意機構（Ring-Attentionなど）が大規模言語モデルの主流の解決策となっています。しかし通信の依存関係により計算と通信の重なりが制限され、GPUの利用率が低下します。本論文はこれを解決するCHARM+を提案し、逐次的な通信を階層に再編成して階層内の並列化と計算の重なりを実現するとともに、ハードウェア間通信とハードウェア内通信を分離して帯域の不均衡による同期オーバーヘッドを解消します。Ring-Attentionと比べ、前方と後方のアルゴリズムはデュアルNUMA PCIe構成でそれぞれ平均1.3倍と1.7倍、デュアルノードNVLink構成で2.8倍と2.9倍の高速化を達成したと報告されています。
説明EchoKV：反復的なクエリフィードバックによる自己修正型KVキャッシュ削除（論文・cs.AI）
要約本論文は、大規模言語モデルの推論におけるKVキャッシュ削除を扱います。削除用クエリを生成する作業領域に初期誤りがあると、後続のクエリ観測がゆがみ、誤った削除判断が強化されることを指摘しています。提案手法EchoKVは、将来のデコード位置の提案で作業領域を初期化し、早期のデコードで生成されたクエリで作業領域を修復します。LongBenchでは、複数文書にまたがる多段推論型QAなど証拠が分散するタスクでLAQより顕著な改善を示しました。
説明規模より検索：多重社会技術コンテキストによる効率的なログレベル予測
要約本論文は、大規模言語モデルによるログレベル予測において、ランダムに選んだ例示ではなく、機能の類似性とコードの所有者（同じ開発者が保守するコード）に基づいて関連するログ例を検索する手法を提案している。Javaの人気プロジェクト10件で4つのモデルを評価したところ、両方の信号を組み合わせた場合の中央値AUCは0.83から0.97に達し、ランダムなベースラインや教師あり予測器DeepLVを上回った。
説明対話における感情予測：保形リスク制御による選択的な離脱検出
要約本論文は対話中の感情予測を扱い、次の感情状態の数値を直接予測する従来の枠組みは難しいと指摘します。話者自身の直前の状態を繰り返す持続性ベースラインは、凍結エンコーダによる補正でも大きくは改善しにくいとされています。著者らは課題を、持続状態からの離脱のタイミングを選択的に予測する問題へ再定式化し、対話単位の保形リスク制御で確約された予測の期待損失を抑えます。その保証は試した12の設定すべてで目標を満たしましたが、棄権によって達成されており、最も難しいコーパスではカバレッジと警報再現率が大きく低下しました。
説明会話感情転移予測の情報対応型監査：リーク防止型評価プロトコル
要約本論文は、会話における感情転移予測の比較を、情報条件を揃え、データ漏えいを防いだ形で行うための評価手法を提案している。6つの因果モデル系列を4つのテキストコーパスで検証し、実運用可能な現在感情分類器を用いた場合と正解感情ラベルを与えた診断設定とで結論が異なることを示している。
説明RECAP：マルチモーダル投機的デコーディングのための、リクエスト内・永続メモリを用いた文脈認識型予測再利用
要約本論文は、視覚言語モデルの投機的デコーディングを高速化するRECAP手法を提案しています。ターゲットモデル自身の予測を、1・2・3トークンのキーで格納し、文脈メモリは現在のリクエストに限定し、トークンレベルのメモリはリクエストをまたいで保持します。エントロピー信頼度による重み付けで検索結果を統合し、最良優先探索で候補木を構築して、一度のターゲットモデル実行で検証します。Qwen2.5-VL-7BとLLaVA-1.6-7Bの7つの単一ターンベンチマークでは、平均高速化率がそれぞれ1.66倍と1.56倍で、学習不要の最強ベースラインToken Recyclingを上回ったと報告されています。
説明Chronos：時間的アンカリングによる連続的な同一性保持動画生成
要約本論文は、テキストと参照画像から人物の同一性を保った動画を生成するフレームワーク「Chronos」を提案しています。単一区間の顔の同一性保持と、複数区間の連続した動作生成を共通の時間的枠組みで扱います。セマンティックプロンプトアンカリング、視覚フレームアンカリング、指標ガイド付き候補ルーティングを組み合わせ、著者らはACM MM 2026の同一性保持動画生成チャレンジでTrack 1とTrack 2の両方で1位を獲得したと報告しています。
説明学習型コストモデルを新しいハードウェアへ移す：テンプレートごとに1クエリで十分か
要約クエリの実行時間を予測する学習型コストモデルは、ある機器で訓練された後、データベースが別のハードウェアに移ると、実行計画は同じでも実行時間が各クエリで異なる割合で変わります。本論文はPostgreSQLで、TPC-HとTPC-DSの1,162クエリを六つの環境で計測し、新しい機器で少数のクエリから校正する方法を検討しています。テンプレートごとに1クエリを計測し、直列・並列計画ごとの直線と各テンプレートのオフセットを加える補正では、新機器で再訓練したモデルに近い誤差が得られました。未計測のテンプレートでは、どの補正も速度係数を平均で2%以上は上回りませんでした。
説明CellCanon：予測・説明・観測に基づく更新を行うエージェント型細胞世界モデル
要約本論文はCellCanonを提案する。これは単一細胞の発現予測、根拠に基づく説明、観測に基づく更新を統合したエージェント型細胞世界モデルである。予測部は条件レベルの生物学的証拠を再利用して単一細胞の発現を生成する。3種の細胞株にわたる339の保留条件（SciPlex3）で、差次的発現のAUPRCとMacro-F1、方向のMacro-F1が最良の基準手法を上回った。説明と更新の機能も、出典に基づくベンチマークと模擬実験フィードバックで評価されている。
説明信頼度の向上は知識グラフ監査をどこまで改善するか？
要約本論文は、LLMが構築した知識グラフにおいて、誤り予測の精度を上げても監査の改善が小さい理由を検討しています。修復可能性、選択余地、ラベルの妥当性という観点から差を分析し、非適応的監査を予算付きカバリング問題としてモデル化しています。Re-DocRED上の二つの文書横断グラフでは、誤り率とファンアウトのキューに基づく方法が、同じ行動を取る結合モデルより3.98〜4.74ポイント多くの誤りを残しました。
説明MIGONet：多入力グラフニューラル演算子と、ソルバー不要の離散的人工解による学習
要約本論文は、定常熱伝導を対象とした代理モデリングのための多入力グラフニューラル演算子MIGONetと、偏微分方程式を解かずに学習データを生成する離散的人工解法（MMS）を提案する。この手法では、温度場を先に与え、有限差分法と同じ離散演算子で源項と境界データを計算するため、各サンプルは離散支配方程式を満たす。矩形領域では、曲線状ワイヤ加熱とガウス状スポット加熱の両方で、MIGONetの平均相対温度誤差はそれぞれ10.31%と10.64%となり、MIONetや完全源項エンコーダを持たない版より小さかった。10,000サンプルのデータ生成時間は486.65秒から3.15秒に短縮された。さらにL字形、円板形、リング形の領域でも個別に学習したモデルが評価されている。
説明Feature Puzzles：単一画像の教師信号による多視点3D認識セグメンテーション
要約本論文はFeature Puzzlesという枠組みを提案し、単一画像の意味的セグメンテーションの教師信号のみで多視点で一貫したセグメンテーションを学習する手法を示している。画像のクロッピングと幾何変換により擬似ラベルを作成し、既存の事前学習済み3D基盤モデルの特徴と組み合わせて、軽量なプラグアンドプレイ型ネットワークで分割を行う。単一または複数視点からのプロンプトに対応し、開放語彙の3Dセグメンテーションへも拡張可能である。
説明相関の無視と信頼を考慮したAI支援分類
要約本論文は、AIアシスタントがいつ人間の意思決定を改善し、いつ悪化させるのかを検討する。結果はAIの精度だけでなく、AIの証拠と人間の証拠の重なり、そして人間がその両者をどう組み合わせるかに依存すると論じる。重なりへの認識とAIへの信頼という二つのパラメータを持つ行動モデルを構築し、補完・阻害・自動化の領域からなる相図を示す。ChatBenchでは、AI支援により正答率は21ポイント上昇したが、作業者はベイズ合理的な重みの約4分の1しか適用していなかった。信頼の調整はGPT-4oでは約2.6ポイントの回復をもたらしたが、Llama-3.1-8bではほとんど効果がなかった。
注目点新規性は相関無視と信頼較正を人間とAIの意思決定モデルに組み込み閉形式の相図を与えた点にある。摘要はChatBenchで精度損失を分解したと報告している。
説明正則化補正と適格度トレースを用いた勾配型時間差分学習の収束性に関する研究
要約本論文は、強化学習で用いられる時間差分（TD）学習アルゴリズムを扱っている。正則化補正を持つTDRC(λ)について、非i.i.d.な離方策データと状態依存・履歴依存のλパラメータの下で収束性を示し、大きなベルマン誤差への感度を下げるTDRC(λ)-Huberを提案している。収束に関する計算可能な十分条件も与えられ、平均TD行列が正安定である場合には、十分に強い正則化の下で正定値性を仮定せずに収束することが示されている。
注目点TDRCの収束理論を単段・i.i.d.から、適格度トレースと非i.i.d.オフポリシーデータへ拡張し、Huber変種を提案する。
説明LLM向けの監査可能なアンラーニング
要約機械学習のアンラーニングは、削除要求を受けた後に学習済みモデルからユーザーのデータを取り除くことを目指します。既存手法は忘却効果、能力の保持、メンバーシップ推論攻撃への頑健性で評価されてきましたが、提供者が削除を行ったことを示す証拠を示せるかは評価されていません。本論文は第4の評価軸として監査可能性を導入し、2段階の手法を提案します。第1段階では、ヒンジ損失を用いて忘却集合と保持集合の監査統計量の差を広げ、第2段階では推論時に棄却サンプリングで監査統計量に基づき再サンプリングします。TOFU、MUSE、RWKUで11の手法を検証しました。
説明CARTBench：時間軸を伴う複雑で曖昧な買い物依頼に対する助言を、ルーブリックで評価するベンチマーク
要約本論文は、大規模言語モデル（LLM）の買い物アシスタントが、複雑で曖昧な多ターン対話の購買依頼に対して行う商品推薦を評価するためのベンチマーク「CARTBench」を提案する。17の小売ドメインの実際の依頼に基づく、タイムスタンプ付きの対話と1,603件の商品記録を含み、理想的な応答の原則から導いた案件ごとの評価基準を用いる。7つの商用APIモデルとオープンウェイトモデルを評価した結果、中核項目では一部が90%を超えた一方、卓越項目ではいずれも45%を超えず、要求される振る舞いと高品質な購買助言との間に理解と実行の差があると述べている。
説明都市計画のための生成AI：DualControlNetによる衛星画像と土地利用図の同時合成
要約本論文は、高解像度の土地利用図と衛星画像を同時に合成する生成型土地利用モデルDualControlNetを提案しています。オーランドとシカゴの40,000組を超える対応タイルで学習され、土地利用、空間的一貫性、画質の指標で評価されています。単一モダリティのベースラインと比べて各指標が改善され、「高密度開発」などのテキストプロンプトに応じて多次元的に制御できることが示されています。
説明リスク制御が保証するのは誤り率であって誤差の大きさではない：選択的胎児計測の監査
要約本論文は、胎児頭囲（HC）を測定できない場合に回答を拒否するツール利用型計測パイプラインを監査する。輪郭完全性の閾値を厳密な Clopper-Pearson リスク制御で較正しても、手動で設定した下限と区別できない保証しか得られず、パイプラインは271.3 mmという大きな誤差を出力した。許容範囲の下限を50 mmから55 mmに引き上げると、最悪誤差は両分割で11.4 mmと11.1 mmに減少し、完全性閾値で抑制する場合より被覆率の低下も小さかった。
説明低ランクのデコーダ・ボトルネックが基盤モデルの摂動予測の信頼性を制限する
要約本論文は、STATEで用いられる状態遷移（ST）デコーダを、3つのエンコーダと4つの細胞株（CRISPRi）で検証しています。デコーダの最初のアテンション層の出力は低ランクであり、訓練データの活性から推定した4〜32個の固定方向に射影しても、摂動ごとの平均Pearsonデルタ相関（PDC）は保たれることが示されています。さらに、予測応答から最も近い訓練応答までのコサイン距離を各予測の信頼度スコアとして提案し、そのスコアはPDCと平均絶対Spearman相関0.81を示しました。この閾値はエンコーダや細胞株をまたいで転用でき、薬剤摂動にも有効です。
説明Time-to-Goal：JEPA世界モデルによる長期計画のための学習型時間距離指標
要約本論文は、JEPA（Joint-Embedding Predictive Architectures）に基づく計画で、ユークリッド距離による目標コストでは時間的に遠い状態が近いコストになりうる問題を指摘します。著者らは、オフライン軌跡の潜在三つ組から学習する軽量な指標Time-to-Goal（T2G）を提案し、時間的に近い状態ほど距離が小さくなるよう学習させます。エンコーダと予測器は固定したまま、4つのナビゲーションおよび操作ベンチマークで平均計画成功率を32.7%から63.0%に改善したと報告しています。
説明Dual Flow：逆問題のための画像・計測結合フローモデル
要約本論文は、線形逆問題を解くための結合フローモデル Dual Flow を提案している。画像領域と計測領域で結合したフローを用い、観測から干淨な画像とそれに対応するノイズのない計測を同時に推定する。様々な線形逆問題と画像データセットでの実験では、歪み指標と知覚品質の両方で最先端の性能を示し、再構成時間も従来手法より大幅に短いとされている。
説明PEARL：部分的な嗜好の変化下での選択的忘却のための学習手法
要約本論文は、ユーザーの嗜好が時間とともに変化する場合の個別化推薦とモデル選択を扱う。著者らは、予測誤差が大きい特徴方向でのみ信頼度の蓄積を戻し、その他の方向は維持するPEARL手法を提案する。1,500人のユーザーと21のLLMを含むPRISMベンチマークで、PEARLは貪欲法と神経文脈バンディットの基線を上回り、スライディングウィンドウや割引型の忘却手法よりも高い性能を示した。
説明ビジョン論文：分散型LLMポストトレーニングと非中央集権的アラインメントが今なぜ不可欠か
要約この論文は、連合学習や非中央集権的学習を含む分散学習を、単なるプライバシー対策ではなくLLMポストトレーニングの第一級のパラダイムとすべきだと主張しています。RLHFやDPOなどの手法は嗜好データを中央集約することを前提としていますが、著者はその前提を科学的・実践的・倫理的に問題があると論じています。論文は技術的課題を整理し、アルゴリズムの方向性と研究課題を提示しています。
説明RACE：実機ロールアウト不要でロボット方策のチェックポイントを選ぶ、較正済み累積スコアリング手法
要約本論文は、実機での試行を行わずにロボット方策の学習途中のチェックポイントを順位付けする新しい指標RACEを提案します。固定された保留の成功軌道を用い、類似状態での行動差から導いた状態条件付き閾値で行動偏差を較正し、連続積で累積します。シミュレーションと実機の両方で、その順位が実際の成功率とよく一致することを示しています。
説明予算制約下で経路ごとに配分する大規模言語モデルルーティング：Kビット尾部コスト学習によるオンライン配分
要約本論文は、固定予算のもとで、どのモデルを呼び出すか、失敗したタスクを再試行するかを決める問題を扱います。目的は、サービス停止までに解けるタスク数を最大化することです。著者らは文脈付きバンディット方式ADP-HTを提案し、各モデルのタスクごとの成功確率を学習するとともに、分位点グリッド上の粗く区切られた応答長ラベルから保守的なコスト推定を構築します。実験では、最も厳しい予算でMATH500とGPQAにおいて最良のベースラインの2倍以上のタスクを解き、RouterBenchの14の予算のうち10で最高の平均累積スコアを得たと報告されています。
説明智能製造における自律性と協調：再帰的自律エージェントの枠組み
要約本論文は複雑適応系の観点から人間の生産組織における知能を分析し、個体の自律性と集団の協調という相互に結びついた二つの仕組みを特定しています。目標駆動型の自律エージェントと再帰的な組織構造を組み合わせた再帰的自律エージェント（RAA）の枠組みを提案し、目標契約と能力契約、共通インターフェースによって設備、生産ライン、工場を統合する方法を示しています。
説明TandemBench：マルチエージェント協調のための意思決定モデルのベンチマーク
要約本論文は、マルチエージェント協調の料理シナリオを用いた1,200問のベンチマーク「TandemBench」を提案する。モデルは完全な情報と候補チーム計画から最適な計画を選び、さらに供与された選択肢以外により良い配置が存在するかを判断する。40個の原生意思決定モデルと10個の汎用言語モデルを評価した結果、最良の原生モデルの決定精度は62.50%だった。最適性の検証では原生モデルは偶然に近い水準にとどまり、一部のモデルは最適計画の有無にかかわらず、より良い代替案を報告する傾向が示された。
説明DualCast：デジタルヒューマンEC動画生成のための二画像条件付き拡散Transformer
要約本論文は、デジタルヒューマンによるEC動画生成において、商品の外観、人物の同一性、動画全体のスタイルを同時に保つためのDualCastフレームワークを提案している。商品画像と人物画像を個別にVAEで符号化し、DiT系列の前後端に配置して役割を区別する。さらに、商品・顔・両者の重なり領域を重視するマスク付き領域重み付け損失と、二画像・商品のみ・人物のみの生成に対応する条件ドロップアウトを導入している。学習用に1万本のEC動画データセットを構築し、良好な実験結果を報告している。
説明視界が制限された状況における水上船舶の航行安全：知的視覚からビジョン中心のマルチセンサフュージョンまで
要約本論文は、視界が制限された状況での水上船舶（MSV）のための知的視覚技術と、ビジョンを中心としたマルチセンサフュージョン手法を概観しています。船上映像の安定化、視覚知覚の強化、物体検出と追跡、航行可能領域のセグメンテーションという4つの主要課題に関する研究の進展を整理しています。赤外線と可視光の画像融合、レーダーと視覚の融合、LiDARと視覚の融合、AISと視覚の融合など、各種手法も紹介しています。さらに、オープンソースのデータセットと安全上重要な応用例をまとめ、今後の課題と研究の方向性を示しています。
説明人間の判断が必要な場面を学習する：LLMエージェントのための実行者依存の相談価値
要約本論文は、限られた予算のもとでLLMエージェントがどの決定点で人間に相談すべきかを研究している。著者らは、モンテカルロによる実行者ロールアウトでオフラインに相談価値を推定し、軽量な予測器に蒸留する咨詢価値蒸留（CVD）を提案する。複数の設定で、直接プロンプティングや情報価値などの手法より優れた配分を示すとされる。
説明ReTailor：リアルタイムのクロスセンサーパンシャープン適応のための残差特徴調整フレームワーク
要約学習済みセンサーでは高い融合性能を示すパンシャープンモデルが、未知のセンサーには十分に汎化しない問題を扱う論文です。提案手法ReTailorは、自己教師ありかつ物理を考慮した制約の下で、軽量な残差特徴調整モジュールのみを素早く最適化し、学習済みの融合事前情報は変えずにセンサー間のずれを補正します。内容に応じたパッチ選択と、画像ストリーム全体で知識を引き継ぐ残差ブートストラップを組み合わせています。
説明推論時の専門家無効化を訓練時の重みルールに合わせる研究
要約本論文は、混合専門家モデルで推論時に一部の専門家を無効化する際の効果を検討しています。除去、凍結、残りの専門家での再正規化、未正規化の再ルーティングという四つの実装を、五つの指示調整済みチェックポイントと基礎OLMoEチェックポイントで比較しています。著者らは、専門家の寄与の喪失と分岐スケールの変化を訓練時の重みルールに結び付ける重み和モデルを提案しています。訓練規則と実装が一致する場合は困惑度の増加が小さく、不一致の場合は大きく増加すると報告しています。
説明言語モデルにおける漢字の音韻知識：ベンチマークと分析の研究
要約本論文は、同音字・声母・韻母・声調・多音字を対象とした PinyinBench ベンチマークを提案し、テキストのみおよびマルチモーダルの 17 モデルの漢字音韻知識を調べます。行動評価、層ごとのプロービング、活性化ステアリングの三つの手法を組み合わせています。結果として、声母と韻母の知識は豊富である一方、声調のみが異なる字の判定は難しく、声調情報は取り出しや操作がより困難であることが示されています。
説明GREP：原則に基づき生成された部屋を評価する枠組み
要約本論文は、大規模言語モデルが家具などの素材を選んで配置して生成した室内シーンの品質を評価するためのGREPを提案している。物理的妥当性、視覚的一貫性、人の使い方に合う配置論理という三段階の原則に基づき、評価エージェントが問題点を見つけ、根拠を集めて採点と報告を行う。実験では人間の多数派の好みと87%一致し、報告を使った改善でシーン品質が向上したと示されている。
説明WayPOP：パノラマ型オープンセット・パノプティック追跡ベンチマーク
要約本論文は、自律エージェントが複数カメラと時間をまたいで、学習済みの分類体系に含まれない未知の物体を分割・追跡できるかを評価するベンチマーク「WayPOP」を提案している。Waymoの実データに、Objaverseの約670種の3Dアセットを配置して作成されており、980本の未知物体トラックと21,300枚のカメラ画像上の53,452個のマスク注釈を含む。既存手法を評価した結果、真のオープンセット環境では現状の手法に大きな限界があることが示された。
説明アイテム表現が重要：生成型検索のためのハード意味ID（Semantic ID）とソフトプロトタイプ混合の橋渡し
要約本論文は、推薦システムの生成型検索を対象に、各アイテムを共有プロトタイプのソフト混合とアイテム固有ベクトルの和として表すフロー推薦モデルCAP-Mixを提案している。割り当て、プロトタイプ、アイテムベクトルは同時に学習され、推論時にもソフト表現が保持される。3つのデータセットでの比較では、疎なAmazonの2データセットで平坦なテーブルを上回り、6つのベンチマーク全体でHR@5とNDCG@5を改善したと報告されている。
説明一貫性は理解ではない：ニューラルフィールド重み読み取り器の軌道監査
要約本論文は、ニューラルネットワークの重みから視覚内容を認識する際に、関数を保つ変換（隠れニューロンの置換や正のReLU再スケーリングなど）によって、機能的情報と任意のパラメータ座標を区別できるかを検証する。480個の独立に当てはめた形状場と1,000個のMNIST場を用い、統計量読み取り器は結合変換の下で精度が低下する一方、正規化集合読み取り器は予測が変わらないことを示す。さらに、等価なプロンプトを正規化しても認識能力の証明や生成応答の同一性の保証にはならないと述べている。
説明DARE：修復強化のための難易度分析フレームワーク
要約本論文はDAREフレームワークを提案し、複数のコーディングエージェントにおける観測失敗率を連続的な難易度として、修復タスクの難易度を測定・予測します。ベンチマーク成果物から抽出した151の静的特徴でモデルを学習し、7つの修復タスク特徴グループの寄与を分析して、タスクごとに適切なエージェント支援を選択します。4つのベンチマーク分割（計2,594タスク）での実験では、保留データにおける予測のスピアマン相関係数は0.476〜0.621であり、顕著な特徴グループに支援を合わせることで修復成功率が向上したことが示されています。
説明ZipDrift：1ステップのドリフトモデルによる多峰性の短期MPCコスト生成
要約短期予測制御（MPC）は高速だが近視眼的である。本論文は、1ステップのドリフト生成器を用いてMPCのコスト修正を生成するZipDriftを提案する。生成器は閉ループコストが低い方向に偏るよう学習され、最適化器を微分せず候補修正のコスト評価のみから学習する。生成された候補は学習された評価器で順位付けされ、その後モデルベースのMPCが動力学と制約を適用する。ZipMPC由来の追い越しベンチマークでは、ZipDriftは600件のテストエピソードすべてで衝突を起こさなかった。
説明LLMエージェントのメモリ向けFlyHash：実証的検証と新しい応用
要約本論文は、ショウジョウバエの嗅覚回路に着想を得たハッシュ手法FlyHashを、LLMエージェントのメモリ検索に初めて適用し、SimHashやHNSWと比較しています。複数のデータセットと乱数シードで、同一ビット数における近傍構造の保持性能が優れることを確認しました。一方で、メモリや遅延の面では同一ビット数でSimHashより不利で、通常の規模ではHNSWが両手法を上回ると報告しています。
説明回転する相対論的星のための教師なしニューラル演算子：高精度な状態方程式推定とパルサー自転進化の大規模計算
要約本論文は、回転する中性子星の内部を支配する軸対称な一般相対論的流体静力学平衡の偏微分方程式を解くための、物理情報ニューラル演算子を提案している。求解器は偏微分方程式のみを学習目標とする完全な教師なし設定で訓練される。論文は、精度の低下をほとんど伴わずに約10^3倍の高速化を達成したと報告しており、自転と状態方程式の不確実性を考慮した集団合成と状態方程式推定を計算上可能にするとしている。
説明予測多重性のもとでの救済策の最適化
要約アルゴリズム的救済（recourse）は、不利なモデル予測を有利な結果に変えるための修正案を特定する手法です。本論文は、性能が近い複数のモデルが個々の予測で食い違う予測多重性（predictive multiplicity）の下で、競合モデル群の中で最悪ケースの有効性損失を予算制約のもとで最小化する形に堅牢な救済策を定式化しています。またオラクル効率の良いアルゴリズム ORPM を提案し、その収束の十分条件を示しています。
説明大規模言語モデルは個人の著者をどこまで模倣できるか：比較評価
要約本研究は、Gemini 3 Pro、Claude Opus、GPT 5.2、GPT 5.2 Pro、DeepSeek 3.2、Grok 4.1 Fastの6つの大規模言語モデルが個人の文体を模倣する能力を比較したものです。文体の一貫性が高い短い商品レビューを用い、簡単な提示と文体指示を含む複雑な提示の2種類で評価しました。Gemini 3 Proの模倣性能が最も高く見えましたが、学習テキストの文や句を大量に再利用していたことが分かりました。多くのモデルの生成文は、対象著者の人間の文章の領域から大きく離れていました。
説明ME^2FDiff：脳腫瘍セグメンテーションのための残差ネットワークにおける多尺度エキスパート強化特徴拡散
要約本論文は、治療後グリオーマのMRIセグメンテーションを行う単一モデルのネットワークME^2FDiffを提案します。注意機構で条件付けされたスペクトル拡散ブロックでボトルネック特徴を洗練し、多尺度エキスパート強化ブロックでエンコーダの中間スケールの特徴を融合します。BraTS 2024の治療後グリオーマデータセットでは、全腫瘍でDice 91.23%、HD95 2.13 mmを達成し、比較した単一モデルの各腫瘍サブ領域で最良の結果を示しました。
説明BobFlow：データフローを用いた人間とエージェントの協働によるデータサイエンス
要約本論文は、データフローという抽象化とReActパラダイムを組み合わせたBobFlowシステムを提案する。エージェントがデータサイエンスタスクのデータフローを反復的に構築・実行し、分析者が分析内容を確認してフィードバックを与えられるようにする。ユーザー調査では、BobFlowが分析者によるエージェント生成分析の理解・検査・検証に役立つことが示された。複数の商用およびオープンウェイトの大規模言語モデルでの評価では、正解率が最大18.6ポイント向上し、推論コストはスクリプトベースのReActエージェントの3分の1強に抑えられた。
説明PAYWORTHY：LLMはAIエージェントがどの自由業務を完了できるかを予測できるか？
要約本論文は、ある自由業務プラットフォームで2020年から2026年に投稿された1,894万件のうちから抽出した1,494件の実際の案件を用いて検証を行っています。エージェントは案件情報のみから一度の実行で作業を試み、クライアント役のLLM審査員が受諾するかどうかを判断します。18のモデルにエージェントの成功確率を予測させ、AUCで受諾案件と拒否案件の順位付けの精度を測定しています。エージェントの制約を伝えた場合は各モデルのAUCは0.66から0.86と良好でしたが、汎用エージェントとして説明した場合はランダムに近い0.45から0.56でした。
説明機械工学スキル：設計・解析・製造のためのオープンなエージェントスキルライブラリ
要約本論文は、機械工学向けのオープンなエージェントスキルライブラリを紹介しています。33のスキルを含み、利用者はテキストまたは音声の一度の対話でCAD、シミュレーション、製造などの機能を利用できます。各スキルは操作手順、実行可能なツール、検証手順を備え、言語モデルが要求を解釈してスキルを調整し、決定論的ツールが計算と検証済みの結果を返します。さらに五つのケーススタディで、一部の解析結果が参照値と一致することを示しています。
説明蒸留の分解：拡散モデルのための解釈可能な単一パス誘導
要約本論文は、拡散モデルによる条件付き画像生成において、単一の順伝播で誘導を行うCtrlFlowを提案している。Classifier-Free Guidance（CFG）の分離可能な基底フローと誘導方向の構成を保ちつつ、凍結したバックボーンに2つの軽量LoRAアダプタ（各2.5%のパラメータ増）を付加して、一回の順伝播から両者を予測する。訓練には統一的な多尺度蒸留損失を用い、尺度適応的変調と時間格子のワーピングで推論時の誤差を抑えている。
説明組織の共有認知基盤に向けた合成的な知識アーキテクチャ
要約本論文は、組織が判断を形成する際の解釈を、その根拠と信頼度とともに保持する四層アーキテクチャ（シグナル、ドメイン、クレーム、ディメンション）を提案している。真理維持ネットワークが証拠の変化に応じて信頼度を改訂し、検証済みでバージョン管理されたディメンションが解釈を名前付きの軸上に位置づける。著者はこれを共有された組織の認知基盤と呼び、検索実験での改善結果を報告している。
説明計算へのデータスケジューリング：AMD GPUでのLLM学習向け階層型データパイプライン
要約本論文は、大規模言語モデルの学習において計算ユニットがデータを待って遊休する問題に取り組み、AMD GPUの明示的なデータ移動機能（Tensor Data Mover、転置ロード命令、System DMA、Remote DMA）を活用して安定したデータパイプラインを構築する手法を提案している。結果として、カーネルレベルでTDMは平均1.88倍、転置ロードは平均1.19倍の高速化を示し、計算と通信を重ねた場合にはSDMAが平均1.16倍、RDMAが平均1.33倍の高速化をもたらすと報告している。
説明専門家の批評とLLMによる改良を組み合わせ、高品質なAI評価データセットを整備する反復的手法
要約本論文は、専門家が候補回答に対して軽量な批評を行い、LLMによる分析と改良を加えて回答データセットと評価ルーブリックを反復的に整備する人間とAIの協働ワークフローSME-C（専門家批評）を提案している。金融分野のビジネス概要を対象に、2回の調査で411名の金融専門家から520件のクエリに対する3,853件の批評を収集した。2種類の改良戦略はいずれも、専門家が最も高く評価した基準回答より有意に品質を向上させた。
説明低リソースのハウサ語医療音声認識に向けたテキストのみによるドメイン適応：浅い融合と密度比再採点
要約本論文は、ハウサ語の医療音声認識において、音声データを追加せず、テキストのみで領域適応できるかを検討しています。固定の音響モデルMMS-1B-FL102に対し、デコード時の言語モデル融合として浅い融合（SF）と密度比手法（DRA）を比較しています。医療向け言語モデルは19,421文の健康関連テキストで学習されました。両手法は貪欲復号より単語誤り率を大きく下げましたが、両者の差は有意ではありませんでした。また、一般向け言語モデルのみを用いた浅い融合でも同程度の結果が得られ、医療向けモデルの追加的な改善は限定的だと報告されています。
説明視覚Transformerを高速化する階層的パッチ分割方策の学習
要約Vision Transformer（ViT）の計算量は入力トークン列の長さに制約されます。本論文は、局所エントロピーなどのピクセル単位の手法ではなく、モデルが有意義と判断する内容に基づいてトークンの解像度を割り当てることを学習するSPLITを提案します。SPLITは、分類タスクにおいて全解像度のViTベースラインと同等の精度を保ちながら、トークン数を30%削減しています。また、COCOとADE20Kの密な予測タスクでも競争力のある精度を示しています。
説明PersonaCodeBench：ペルソナ駆動の人間対話型セッションにおけるコーディングエージェントの評価ベンチマーク
要約本論文は、ペルソナ駆動の多段階コーディングセッションでコーディングエージェントを評価するベンチマーク「PersonaCodeBench」を提案する。ユーザーの役割、技術力、対話の好み、実務上の制約を検証可能な要件に変換し、要件は対話の進行に応じて段階的に提示される。完成度検証器と個人化検証器により、コードの正しさと利用者の要件充足を別々に評価し、主要な最先端エージェントの比較を行った。
説明OdorSpaces：3D環境における視覚・嗅覚統合のエンボディ型ナビゲーション
要約本論文は、視覚・嗅覚統合のエンボディ型ナビゲーションのための物理ベースのシミュレーション基盤およびベンチマーク「OdorSpaces」を提案する。Habitat-Simに、Fire Dynamics Simulator（FDS）で模擬した3次元の臭気輸送と拡散を加え、エージェントが視覚と嗅覚の両方の観測を用いて室内環境を移動できるようにしている。ベンチマークには、見えないガス漏れの位置特定と火災初期の位置特定という2つの発生源探索シナリオが含まれる。著者らは、視覚情報と時間経過にわたる嗅覚測定値を統合したマルチモーダル強化学習ポリシーを開発し、実験で複数のベースラインを上回ったと報告している。
説明C-WFDM：ControlNetで誘導するウェーブレット融合拡散モデルによる多モダリティ脳MRIの補完
要約多モダリティ脳MRIは解剖・組織・病理の相補的な情報を提供しますが、公開データセットや統合データセットでは各コントラストの利用可能性に偏りがあります。本論文は、ウェーブレット融合拡散モデル（WFDM）のControlNet拡張であるC-WFDMを提案し、被験者ごとに欠損したMRIモダリティを補完します。157の公開データセットと45,880件のスキャンからなるBrainScapeのスナップショットを基盤とし、T1wからT2w、T1wとT2wからFLAIR、T1w・T2w・FLAIRからT1Gdを合成します。ALDM、cWDM、Pix2Pixとの比較では、評価したモデルのうちT2wとFLAIRで最良のSSIM（それぞれ0.9232と0.8904）を達成しました。
説明演算子学習のための汎用潜在空間の自己教師あり学習（任意の関数を共通の潜在空間で表現する事前学習手法の提案）
要約本論文は、解法器やラベルを使わず、即時に生成した解析関数で関数自己符号化器を事前学習し、任意の点群上の関数を表現する手法を提案しています。得られた潜在空間は凍結してタスク間で再利用され、ニューラル演算子は符号化済みの埋め込みだけで学習されます。流体、固体力学、音響、ヘルムホルツ方程式およびポアソン方程式の28タスクで、既存のエンドツーエンド手法を上回る精度と高いスループットが報告されています。
注目点自己教師あり事前学習による汎用潜在空間を演算子学習に用いて表現学習を分離し、28の偏微分方程式タスクで端到端モデルを上回ると報告している。
説明対照学習における偽の不変性の緩和：医用画像解析のための確率的自己教師あり学習フレームワーク
要約本論文は、医用画像の自己教師あり学習で用いられる対照学習の課題に取り組みます。データ拡張の際に、微妙だが重要な医学的特徴が抑制され、学習される不変性が偽のものになりうると指摘しています。著者らは、特徴埋め込みを固定ベクトルではなく確率分布として符号化し、より豊かな情報を捉える手法を提案し、複数の自己教師あり手法を統合する統一的な確率的フレームワークを示しています。複数のデータセットにおける分割や分類などの下流タスクで、既存の最先端手法を上回る性能を報告し、強い拡張への頑健性、限られた微調整ラベル下でのラベル効率、計算上のトレードオフも分析しています。
説明主動型LLMエージェントのための展望記憶（論文）
要約この論文は、LLMエージェントの記憶システムの多くは過去の情報を振り返るものであるのに対し、主動型エージェントは将来の意図を保持し、適切な機会に実行する必要があると指摘しています。著者らは、意図の保持と実行のタイミングや方法の判断を分離する記憶フレームワーク「Pro-Memory」を提案し、人間の展望記憶理論を参考にしています。二つのベンチマークの実験で、主動型タスクの性能向上と不要な介入の抑制が示されています。
説明インターネット文化と大規模言語モデルにおける男性的抽象性バイアス
要約本論文は、インターネット上のテキストや画像において、単語や多語表現の抽象度と性別の関連を分析しています。抽象的な概念ほど男性と結びつく傾向があり、この現象は世界の複数の言語で再現されることが示されています。さらに、人間とAIの自由連想課題にも同じバイアスが見られ、これが多くの固定観念の基盤になりうると論じています。
注目点抽象性と性別の結びつきが概念空間全体と文法構造に及ぶことを示し、AIの自由連想にも現れると報告。大規模コーパスと多言語での検証を作者は報告している。
説明RESHPart：フィードバックで再構成したスペクトル埋め込みによるハイパーグラフ分割
要約本論文は、ハイパーグラフ分割におけるスペクトル埋め込みの幾何構造を分析し、投影ベースの分割が有効である理由を説明する射線状の埋め込み構造を見いだしています。提案手法FRESHPartは、幾何フィードバックと探索フィードバックによってスペクトル埋め込みを洗練し、投影ベースの分割により適合させます。Titan23ベンチマークでは、hMETISに比べて平均カット削減率がε=2%で13.09%、ε=20%で25.21%となり、すべてのベンチマークを単一GPUで120秒以内に完了したと報告しています。
説明自己回帰Transformerによるカスケード型極端事象のモデリング
要約本論文は、多変量の観測を離散トークン列として符号化する極端事象の表現を提案する。閾値超過がない時刻は静止トークンで表し、それ以外では周辺確率尺度で最大のスコアを持つ超過成分を示す。デコーダ専用Transformerがこの表現上で履歴に依存する次トークン核を推定し、再帰的サンプリングにより将来のトークン系列を生成する。シミュレーションされた過程群で事前学習し、五銘柄の半導体株の10秒収益に適用したところ、ゼロショット転移が可能で、数エポックの適応により観測と生成のトークン頻度・遷移パターンの一致が向上した。
説明言語モデルは、どの制約を一緒に扱うべきか把握できるか？
要約本論文は、混合整数計画において、単独では効果がなく組み合わせた場合にのみ線形緩和を強める制約族の組を、どのように選ぶかを研究している。著者らは、境界値だけを観測する手法では隠れた制約族の組を見つけるのに多くの評価が必要になることを証明し、言語モデルの予測と先読み探索を組み合わせたJointDW法を提案している。MIPLIB-NLの一部モデルでは、推論型の言語モデルが先読み法と同程度に組を識別できたと報告している。
注目点段階的探索と言語モデルの事前知識を組み合わせ、群の発見に必要な評価回数の下界を証明し、MIPLIB-NLのモデルで検証している。
説明草案モデルにもう一度推測の機会を：投機的デコーディングのための並列再考
要約本論文は、大規模言語モデルの投機的デコーディングにおいて、小型の草案モデルが推測を受け入れられる割合を高める方法を扱っています。提案手法の並列再考では、草案モデルが自身の不確実性に基づき迷った推測に対して並列で追加の推論を行い、再検討された推測を元の草案木に改良候補として加えます。複数のモデルとベンチマークにおいて、受理長は平均で5.3%から10.2%、高速化率は平均で3.5%から9.2%向上したと報告されています。
説明検索機能付きLLMエージェントにおける認知バイアスの特徴：段階別分析
要約本論文は、検索機能を備えた大規模言語モデルのエージェントが認知バイアスの影響下でどのように振る舞うかを検討しています。質問と文書集合を固定したまま、結果の順序、先行作業の記録、初期仮説の影響を調べる制御された検索環境を構築しました。10のモデルと1,000の合成検索環境で、クエリ、検索された文書、文書の冒頭部分、最終回答を追跡しています。能動的な検索中は、最終回答が初期証拠の順序にいっそう影響されやすいことが示されています。また、失敗した作業の履歴は中立的な履歴に比べて戦略の切り替えを減らし、その効果は文脈の長さだけでは説明できないとされています。
説明同じ手法、異なるタスク：社会シミュレーションで苦い教訓が認めないこと
要約本論文は、苦い教訓（Bitter Lesson）において汎用手法が手作業の領域知識に勝った事例はいずれも同一タスクで比較されていたと主張します。社会シミュレーションでは、手作りのエージェントを文章予測に最適化された成果物に置き換え、タスクが入れ替えられていると指摘します。著者らは、予測者は相互作用の結果を負わないのに対し、協力・裏切り・規範の執行は利害関係をもつ当事者の現象であり、欠けているのは創発ではなく利害（stakes）だと論じます。540エージェントの予備実験では、持続的な結果は三つのモデル系統のうち二つで戦略を変えたものの、人間に近い異質性は生まれませんでした。
説明CoReFlow：確率的交通予測のための一貫性緩和フローマップモデル
要約本論文は、複雑な道路網における不確実性を捉えるための確率的交通予測モデルCoReFlowを提案する。フローマップの一段階生成能力を活用し、有限時間区間の補間端点を用いた学習目標で精度を高めている。四つの実データセットでの実験では、最先端の予測精度を示し、既存の生成モデルより推論コストを抑えられたと報告している。
説明スマートグラスを用い、自己教師あり事前学習でラベル効率を高めた表情認識の研究
要約本論文は、OCOsenseスマートグラス（光学式筋電図センサーを搭載）による表情認識において、自己教師あり学習によってラベル付きデータへの依存を減らす方法を検討したものです。ラベルのない眼鏡の記録データでマスク付きオートエンコーダ方式によりVision Transformerを事前学習し、人物非依存の交差検証のもとで5クラスの表情認識に微調整しています。ラベル量を5%から100%まで変えた実験では、事前学習が一貫して性能を向上させ、ラベルの5%だけを用いた事前学習モデルが、全ラベルで一から学習したモデルを上回りました。
説明エージェントは役立つときだけ考える：蒸留における思考過程の監督の必要性を検証
要約本論文は、大規模言語モデルエージェントの蒸留において、教師モデルの思考過程（thought）が学生モデルの最終的な行動性能にどれほど重要かを検討しています。蒸留時に教師の思考と行動を独立に摂動させ、複数のモデル規模の一般的なエージェントベンチマークで評価しました。その結果、思考の変更や破棄は学生の性能にほとんど影響せず、思考の情報が対応する行動に示されていない場合にのみ思考の監督が重要になることが分かりました。
説明ニューラルネットワークとゲーム理論：両者の厳密な対応関係
要約本論文は、対称な二値Hopfieldニューラルネットワークと、二次ポテンシャルを持つ二値行動ゲームとの間に厳密な等価性があることを示しています。安定したネットワーク状態は純粋戦略ナッシュ均衡に、非同期のニューラル更新は最適反応動学にそれぞれ対応します。さらに、ニューラルネットワークにおける記憶の保存と想起は、ゲームにおける均衡の設計と選択にそれぞれ対応すると述べています。
説明型から個体へ：ペトリネット、個体トークン哲学、個体化因果効果
要約本論文は、構造的因果モデルとベイジアンネットワークが主に集団レベルの平均的因果効果を扱うため、個体ごとの処置効果の差が大きい場合にはそれらの推定量が成り立たなくなると指摘する。著者らは、個体トークン哲学のもとでペトリネットを個体レベルの因果構造の表現として用いることを提案し、ベイジアンネットワークからペトリネットへの形式的な変換を示す。さらに、有限標本での被覆保証を持つ個体因果効果の定量化に共形予測の層を加えている。
説明TACT：AI評議会を用いた定性分析の実践的手法
要約本論文は、複数のLLMが協働して定性コーディングを行い、解釈と判断はチームが管理し続ける手順TACT（Traceable AI Council for Thematic analysis）を提案します。TACT-Lite と、他モデル系統のモデルによる批判役と高不確実性のコード割り当てを示す決定モデルを加えた TACT-Full の二種類があります。他の研究者がコーディングしたStack Overflowの256スレッドで評価され、100スレッドあたりのモデル呼び出し費用は13.77ドルから33.59ドルとされています。
説明GeoDIVE：価値推定に基づく地理空間の最良優先探索手法
要約本論文は、多解像度の衛星画像ギャラリーから特定の物体、構造物、空間パターンを探し出すGeoDIVEモデルを提案しています。画像全体を森として扱い、最良優先の走査で符号化するタイルを決定します。各ノードで軽量モデルが子孫の中で最も類似する査定値を楽観的に推定します。画像クエリでは全数探索と同等の結果を約10%の符号化コストで達成し、両方の入力形式で全ての比較基準を上回りました。
説明三方向の注釈付きスライスから3D CT分割を行う手法：境界情報を運ぶアンカー付きスライス伝播
要約本論文は、直交する3枚の注釈付きスライス間でセグメンテーションマスクを伝播させる手法を提案しています。他の注釈平面と交差する箇所で予測を補正し、その一致度で各伝播経路を重み付けして融合することで誤差を抑えます。また、境界形状を運ぶ方法として、符号付き距離場と輪郭追跡の2つを比較しています。約403件のCTスキャン、17の腹部構造を対象とした評価では、平均Diceが0.737から0.769に向上しました。
説明TRUST-Stereo：高速ステレオマッチングのための教師支援型・不確実性誘導残差探索と転移手法
要約本論文は、高速ステレオマッチング手法TRUST-Stereoを提案しています。粗密型手法で伝播した視差の誤りにより、正解の対応点が局所探索範囲の外に出てしまう問題に取り組みます。不確実性誘導残差探索モジュール（UGRSM）は、伝播視差の信頼性を推定し残差オフセットを予測して、局所コストボリュームの中心を適応的に移動させます。さらに、二段階のSenior-Junior教師助手知識蒸留により、大規模基盤モデルの単眼表現を軽量バックボーンに転移します。合成ステレオ画像ペア140万組のみで学習し、ベンチマークで最先端の結果を示し、推論は約50ミリ秒/ペアです。
説明樹皮画像による樹種分類の最適構成：リーケージを防いだ削除実験
要約本研究は公開データセット BarkNet 1.0（20 樹種）を用い、ConvNeXt-V2 に基づく深層学習手法の設計要素を系統的に比較した。パッチサイズの影響が最も大きく、約 512 ピクセルで画像単位の精度は約 94.9% に達する。学習型の集約やモデル規模の影響は相対的に小さいことが示された。研究は簡潔な推奨構成を提示し、再現可能な基準点を提供している。
説明人工エージェントは視覚データをもとにどのように意思決定するのか？
要約本論文は、視覚言語モデル（VLM）を基盤とする人工エージェントが、視覚データの下で不確実性をどのように知覚し意思決定するかを検討しています。2つの相補的な研究を行い、可視化に符号化された不確実性の知覚と定量化、および画像形式の視覚データに基づく意思決定をそれぞれ分析しました。結果として、テストしたモデルの中でGPT-4oが円グラフと棒グラフにおける不確実性の知覚精度が最も高いこと、また不確実性を円形図、アイコン配列、テキストで表した場合に、エージェントの意思決定が合理的意思決定理論に最もよく一致することが示されています。
説明Soft Actor-Critic におけるCritic推定の再検討
要約本論文は、深層強化学習アルゴリズムSoft Actor-Critic（SAC）におけるCriticの設計選択を検討しています。ソフトQ値の代わりにソフトアドバンテージを学習する方法、多段階リターンを目標とする方法、リプレイバッファのデータから多段階Criticを訓練する方法を比較し、計六種類のCritic変種を評価しています。結果として、ソフトアドバンテージの学習は性能を向上させず、ソフトGAEも単純なλリターンCriticを上回りませんでした。リプレイされた軌道セグメントでλリターンCriticを訓練することが最も効果的で、特に連続制御タスクで性能が向上しています。
説明関連する専門家知識を反馈ファジィ認知マップの混合で統合する手法
要約本論文は、クエリに関連する専門家の回答のみを統合するニューロシンボリックシステムの手法を提案します。法的証拠理論の関連性の定義（証明的かつ重要であること）を拡張し、複数の専門家の反馈ファジィ認知マップ（FCM）を混合します。専門家と混合FCMの均衡予測を比較して回答の証明性を推定し、ベイズ風の定理で事後的なFCMに分解して関連性混合重みを求めます。13ノードの虚血性脳卒中リスクの専門家FCMから生成した合成FCMで検証を行っています。
説明「根拠はあるが免疫はない：Agent-as-a-judgeにおける確証バイアス」
要約ツールを使い、エージェントの全軌跡を確認できる「Agent-as-a-Judge」が、確証バイアスの影響を受けるかを検証した論文です。権威に帰属される、正しい判定とは無関係な誤った事前審査メモが、4つの評価者と5つのデータセットにおいて、正しかった判定の最大40%を覆すことが示されています。評価者の行動の変化は、過度な信頼、幻覚、調査不足の3つの失敗モードに分類されています。
説明有限基底物理情報ニューラルネットワークのための適応的領域分割
要約本論文は、適応的領域分割有限基底物理情報ニューラルネットワーク（ADD-FBPINNs）を提案する。学習型の領域分割手法であるPartition of Unity Networks（POUNets）と、有限基底物理情報ニューラルネットワーク（FBPINNs）を統合し、解の特徴に基づいて安定かつ幾何学的に解釈可能な分割を自動で学習する。二次元Helmholtz方程式、多スケール特徴を持つ二次元Poisson方程式、粘性Burgers方程式での検証において、固定分割のFBPINNsより高い精度が得られたと報告している。
説明精度を超えて：潜在的意図下での情報理論的デコーダ評価
要約本論文は、支援型の脳-ロボット制御において、単発の分類精度だけではデコーダの逐次的な計画性能を十分に評価できないと指摘する。制御問題を部分観測マルコフ決定過程として定式化し、最悪ペアのChernoff情報を境界とする遗憾の予測指標を、混同行列から計算可能な形で導出している。実際のEEGデータでは、検証精度が同じ35.1%の2つのデコーダの保持データ上の遗憾が9.6倍異なり、この指標でその差を予測できることを示している。
説明2つのSAE潜在変数はいつ同じ特徴とみなせるか？
要約本論文は、スパースオートエンコーダ（SAE）の辞書を比較する枠組みを提案し、エネルギー重み付き最適輸送計画により潜在変数間の対応関係と辞書全体の差異を定量化します。固定された学習済みSAEについて、輸送コストと割合の同時漸近推論を導出し、同一文書から推定された両エネルギー周辺分布を考慮します。文書の同時ブートストラップにより同時信頼帯を構成し、4つの言語モデルで実験を行っています。
説明脳波の基盤モデルと信号処理埋め込みにおける特性－状態の階層構造の定量化
要約本研究は、脳波（EEG）の埋め込みが、被験者の個人特性（被験者の同一性、年齢、性別など）と刺激に応じて変化する状態情報をそれぞれどのように符号化しているかを分析しています。階層指標とkNN純度を用い、脳コンピュータインターフェースのデータで、多くの脳波特徴が特性による大きな階層構造を持ち、その内部に状態がある構造を示すことを見出しました。特性情報を減らす正規化により、状態分類の平衡精度が約10%向上したと報告しています。
説明エージェントの失敗を履歴に帰属させるには実行された反事実が必要：報告基準に向けて
要約本論文は、エージェントの振る舞いを履歴に帰属させる主張には、介入によって検証された証拠が必要だと主張している。具体的には、実行中の途中状態を凍結し、エージェントが参照する履歴のみを変更してから処理を続行し、その結果を観察する手法である。著者は、既存の一部の手法がチェックポイントや記録された対話状態から介入を実行していると指摘する一方、測定済みの再実行証明を報告する手法はないと述べる。さらに、乱数ストリームの位置を復元すると、スナップショットの結果が実行中の継続と一致したことを示している。
説明NitroFusion2：マルチモーダル拡散Transformerのテキストストリームへの敵対的損失の導入
要約本論文は、マルチモーダル拡散Transformer（MMDiT）において、中間テキストトークンの状態を新たな敵対的表現として用いるテキストストリーム敵対的蒸留（TSAD）を提案する。さらに、タイポグラフィや物体、スタイルなどサンプルの異なる側面で判別器を条件付けするAspect-Cued Discrimination（ACD）を導入し、NitroFusion2として統合している。従来の4〜8ステップから1〜2ステップへの少ステップ蒸留を、同等の品質で実現したと報告している。
説明ARIDA：ニューラルネットワーク予測を用いた能動的な鉄道インフラデータセット注釈付け
要約本論文は、鉄道向けの半自動注釈パイプラインARIDA（Active Railway Infrastructure Dataset Annotation）を提案しています。インスタンスセグメンテーションネットワークの予測を、バウンディングボックス、ポリゴン、ポリライン、対になったポリラインに変換します。信頼度しきい値と輪郭一致品質スコアで自動注釈を受け入れるかを判定し、能動学習ループで不確実性の高い画像から人手による注釈を行います。分散画像と時系列画像の両方で、作業量の削減と精度のトレードオフを評価しています。