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NovoCRF：前駆体質量格子上での大域正規化によるデノボペプチドシーケンシング
要約本論文は、前駆体質量を状態とする条件付き確率場（CRF）モデルNovoCRFを提案し、質量分析データからペプチド配列をデノボで推定する手法を示している。すべての質量適合ペプチドに対して厳密な正規化を用いて学習し、精密なk-best復号と二つのBiGRU再ランキング器を備える。2026年公開の七つの留保データセットでは、ペプチド再現率とアミノ酸再現率がCasanovo v5を上回り、処理速度も大幅に高い。
説明「Going Deeper With Memories」：多段階圧縮でバイト単位を扱う言語モデルの構造
要約本論文は、可逆なサブバンド変換でバイト列を短い意味表現に圧縮し、無損失の搬送信号と詳細な副情報でバイトの同一性を保つ因果的多段階アーキテクチャ DeepMem を提案しています。エンコーダには高速重みメモリブロックを置き、圧縮されたボトルネックで反復的な共有状態計算を行い、注意機構ベースの超解像デコーダでバイト単位の表現を復元します。FineWeb-Edu と PG19 では、同規模のバイト単位 Transformer より高い言語モデリング性能を示したと報告されています。
説明『Jev with Foresight』：言語世界モデルで安全性を高めた言語誘導型自動運転
要約本論文は、生成テキストではなく事前定義された問いへの確率で答える型付き意思決定モデル Jev と、各候補行動後の周辺車両の未来2秒間の動きを予測する言語世界モデルを組み合わせた Jev-AD を提案している。コードが予測を予見された結果に変換し、Jev がそれを比較して判断する。模擬高速道路の合流場面（500台・エピソード）では、衝突率が26.0%から2.4%に下がり、1回の判断は0.25秒である。実世界の NGSIM 再生500エピソードでは、衝突率が48.2%から2.8%に下がった。
説明交互ミラー降下法の対数オーダーの後悔上界
要約本論文は、ゼロ和ゲームのための交互オンラインミラー降下法（AltOMD）を扱う。二人零和双線形ゲーム、コンパクト凸戦略集合、正則化項に関する穏やかな仮定の下で、両プレイヤーの外部後悔の和が O(log T) で抑えられることを示している。負エントロピー正則化項ではこれらの仮定が成り立つため、交互乗法重み更新法にも対数オーダーの後悔が得られる。さらに、平均戦略に対して O(log T / T) の双対ギャップ上界も導かれる。
注目点AltOMDが準定常な後悔を達成するかという未解決問題に答え、対数オーダーの後悔上界を示し、負のエントロピー正則化で成立することを確認している。
説明暗黙的生成モデルのための縮小事前分布
要約本論文は、深層ニューラルネットワークに基づく暗黙的生成モデルのための、サンプル効率の良い学習手法を提案している。収縮事前分布による正則化推論と一般化ベイズの枠組みを用い、厳密適切スコアリングルールに基づくスコアリングルール事後分布を採用する。さらに、Gibbsサンプリングの中にブロック型SGMCMCを組み込み、ニューラル暗黙的生成モデルのスパース表現を見つけることで高次元パラメータ空間を効率的に探索する。p≫nの線形回帰実験と神経生成モデルへの応用によって、提案手法の性能を示している。
説明事後層化重要度サンプリング：一次元モデリングで重要度サンプリング推定を改善する手法
要約重要度サンプリングの重み付き推定は分散が大きくなったり無限大になったりすることがあり、その経験的標準誤差も信頼できないことが多い。本論文は調査サンプリングの多層回帰と事後層化（MRP）に着想を得て、提案分布からのサンプルで目標期待値を推定する事後層化重要度サンプリング（PIS）を提案する。任意の高次元重み付けを、重要度比の条件付き平均に対する回帰と重要度比の周辺密度推定という二つの一次元確率モデリング問題に帰着させる。通常の重要度サンプリングはその特殊ケースである。一次元ガウス過程回帰と裾の重い密度推定を組み合わせた実装を示し、シミュレーションと交差検証への応用で推定精度と不確実性定量化の改善を示している。
説明ARLoop：アテンション残差を用いた完全公開の事前学習済みループ型Transformer
要約本論文は、モデルの深さ方向へのアテンションで各層の入力を選択的に集約するループ型Transformer「ARLoop」を提案します。大きな再帰深度では、スライディングウィンドウ型の深さアテンションが全履歴アテンションと同等以上の性能を示すと報告しています。1.2Bパラメータのモデルは0.5Tトークンのみで三回の再帰により事前学習され、評価した全タスクでHuginn-3.5Bを上回り、数学とコードのタスクで特に強い改善が見られたとしています。
説明構成による診断：学習済みの放射線所見を組み合わせ、未知の疾患を検出・局在化する
要約本論文は、放射線科医が画像所見を確認してから診療ガイドラインに従って疾患を判断する流れを模倣した表現学習フレームワーク「構成による診断（DbC）」を提案する。モデルはまず放射線所見の語彙を学習し、ガイドラインに基づいて各疾患に必要な所見を指定し、それらの所見マップをパラメータを持たない形で組み合わせて疾患の診断マップを得る。多相肝臓CTにおいて、未知の疾患、他施設の希少疾患、外部コホートの検出と局在化で比較手法より優れた結果を示した。
説明後悔に基づく特徴づけ、情報の限界、適応方策の監査に必要なサンプル数
要約本論文は、有限時間マルコフ決定過程における方策の性能が、平均的な行動配置によるのか、情報への反応によるのかを分析する。方策と開ループ周辺方策の性能差を共分散項で表し、その絶対値を方策が用いる情報量で上から抑える境界を示す。さらに、方策自身のバンディット型フィードバックから性能差を推定するのに必要な試行回数と、エピソード型MDPのための重要度サンプリング監査法を提案する。
説明推論後のモデル連鎖：問題提起と、エンドツーエンドのデジタルツイン学習のためのモデルベースのブートストラップ
要約各段階のモデルを別々に当てはめ、推論の後で接続してエンドツーエンドのデジタルツインを構築する方法を扱う論文である。よく使われるモンテカルロ・シミュレーションによる予測手法について、区間と被覆率が系統的にずれることを解析例と多段階の模擬実験で示している。提案されたモデルベースのブートストラップでは、試験した設定で平均バイアスが大きく減り、被覆率が名目の90%に近づいたと報告している。
説明自然系統と人工系統における学習曲線：統一的な数学モデル
要約本論文は、次の不確実性因子の値がすでに習得され忘れられていない確率として学習水準を定義する、経験形成の一般的な数学モデルを提示している。学習曲線の形状は主に状況の出現分布によって決まり、一様分布では指数曲線、べき乗則分布ではべき乗則曲線が得られることを導いている。さらに、深層学習の縮小係数や指数曲線との関係、訓練分布が展開分布と異なる場合の選択問題を論じている。
説明PLANTEUR：熱帯地域向け作物種別セグメンテーションベンチマーク
要約本論文は、フランス海外領土の衛星画像から作物の種類を地図化するためのベンチマーク「PLANTEUR」を提案している。PASTISの設計を踏まえ、位置合わせ済みのSentinel-2、Sentinel-1、Landsat-8の時系列画像を提供し、圃場データに基づくラベルを6つの熱帯地域・8クラスで用意している。標準のテスト分割と、島を一つずつ除外する評価方式を定義し、地域をまたぐ汎化性能を測定している。完全教師あり学習モデル、線形プローブ、ファインチューニングした基盤モデルを評価しており、コードとデータはGitHubとHugging Faceで公開されている。
説明臨床予測AIにおけるAUCに基づく公平性指標
要約本論文は、二値アウトカムの臨床予測モデルについて、文献で提案された8種類のAUC（受信者動作特性曲線下面積）ベースの公平性指標を検討している。AUCは非圧縮性を持つため、部分集団のAUCと全体のAUCは直接比較できないことを指摘し、各指標の推定対象を分析している。EuroSCORE II（院内死亡率予測モデル）に基づくシミュレーションで挙動を示し、全体AUCと群内・群間AUCからなるAUC行列の報告や、群内AUC均等性の指標の利用を推奨している。
説明地球観測埋め込み・衛星地形・気象強制力を融合し、高水位標識から洪水ピーク水深を予測する研究
要約本論文は、米国地質調査所（USGS）の洪水高水位標識（HWM）5689件を用いて、ピーク到達の6時間前に現地の水深を予測する融合ネットワークを学習させたものです。平均絶対誤差は0.39メートルで、測定水位から数値標高モデルを差し引いた方法（誤差0.93メートル）より精度が高いと報告しています。ただし、未知の事例に対する水深の再現性は低く（R²=0.03）、結果は調査された事例と地域に限られるとしています。
説明物理情報を取り入れた従来型および生成型Mori-Zwanzig縮約モデル（多スケール系向け）
要約本論文は、Mori-Zwanzigの形式論を、フーリエ関数などの標準基底ではなく物理情報付き機械学習で発見された基底に適用し、降階モデルを構築できることを示します。得られた非マルコフ型発展方程式の展開係数は、揺らぎ散逸定理によって閉じられます。さらに補完的な生成型閉包モデルも導入されています。マルコフ動力学のみと比べ、MZ閉包と生成型閉包の両方がフィルタ後の状態の予測を大きく改善します。
説明LIBRA：実行可能なツールライブラリをプログラム的に帰納する手法
要約本論文は、フラットなツールカタログを実行可能なツールライブラリに変換するフレームワークLIBRAを提案する。大規模言語モデルが各ツールについて候補呼び出し、再利用可能な出力、状態変化、成功条件を提案し、LIBRAがそれらの組み合わせをサンドボックスでテストし、実行時に成立した関係のみを保持する。依存関係の注釈や利用軌跡、タスク固有の学習は不要である。AppWorld、BFCL、SciToolEvalでは、一回限りの検索においてRecallとNDCGが同じ密ベクトル検索器に比べ平均でそれぞれ7.9ポイントと3.7ポイント向上した。
説明効率的な不可知的半空間学習における追加コストのないプライバシー保護
要約本論文は、計算効率が高く差分プライバシーを満たす不可知的半空間学習アルゴリズムを初めて提示しています。ガウス分布および対数凹分布の下での不適切学習、ガウス分布の下での適切学習、ガウス分布の下での準不可知的学習という三つの設定を扱っています。いずれの設定でも、プライバシーによって追加される標本複雑度は、対応する非プライベートな標本複雑度と一致すると述べられています。
注目点計算効率の良い差分プライバシー付き不可知的半空間学習を初めて提示し、プライバシーのコストは非プライベートの標本複雑度と一致すると報告している。
説明期待ハイパーボリューム微調整による多目的生成的最適化
要約本論文は、事前学習済み生成モデルを調整し、相反する複数の性質の間でより良いトレードオフを示すサンプルを生成させるハイパーボリューム微調整（HVFT）を提案する。目的関数として期待ハイパーボリュームを用い、候補設計の品質と全体的なトレードオフの網羅性を同時に評価する。また、KL制約により事前学習分布からの逸脱を抑制する。治療用ペプチドと分子設計の課題で、期待ハイパーボリュームとトレードオフ網羅性において最高水準の結果を示したとされる。
説明超音波動画の自己教師あり修復のための拡散プラグイン事前分布（UltraDiff）
要約本論文は、超音波動画の解像度向上とスペックルノイズ除去を、対になった低解像度・高解像度の学習データもネットワークの再学習も用いずに同時に行うUltraDiffを提案している。凍結した事前学習済み拡散モデルをプラグイン事前分布として用い、範囲制約付きの最大事後確率定式化のもとで各フレームのサンプラーの潜在シードを最適化する。レイリー尺度族モデルに基づくスペックル対応の忠実度項と全変動正則化を組み合わせている。EchoNet-LVHの動画では、最も強いベースラインより PSNR が 1.24 dB 向上し、実臨床の心エコー動画では駆出率のゼロショット予測の平均絶対誤差が 7.31 から 6.37 に減少した。
説明TAQ-MOTR：エンドツーエンド多物体追跡のための追跡状態を考慮した検出クエリ生成手法
要約本論文は、エンドツーエンド多物体追跡向けの検出クエリ生成フレームワークTAQ-MOTRを提案する。デコーダの前段でハイブリッドクエリ生成器を用い、現フレームの画像特徴、トラック記憶、学習可能な記憶を融合して、検出クエリを軌跡の状態に応じて調整する。学習時のみ用いる補助検出分岐も導入し、未追跡物体の発見を強化する。DanceTrackテストセットでHOTA 72.0、AssA 63.1、IDF1 76.6を達成し、SportsMOTとBFTでも性能向上を報告している。
説明連続的なクライオ電顕不均一性のための経験ベイズフローマッチング
要約本論文は、間接的でノイズを含む観測から高次元の潜在変数に対する生成的事前分布を学習する問題を扱い、クライオ電子顕微鏡（cryo-EM）における連続的な構造不均一性に焦点を当てています。提案手法の経験ベイズフローマッチング（EB-FM）は、モンテカルロ確率的近似EMの枠組みで観測データから直接フローマッチング事前分布を学習します。二つの月形データとMNISTを用いた制御された逆問題、および既知の姿勢を持つ模擬クライオ電顕データで検証され、原子座標空間でタンパク質の構造の連続分布を復元できることが示されています。
説明不完全なモバイルおよび航空LiDARデータからの送電線の頑健な再構築
要約本論文は、データが疎で不完全、または植生に遮蔽された場合でも、モバイルおよび航空LiDARの点群から個々の電線を再構築する自動化手法を提案している。尺度化密度ベースクラスタリング、頑健な多項式フィッティング、反復的な断片統合を組み合わせ、両種のデータに同一のパイプラインを適用する。航空データでは適合率96.87%、再現率96.66%、F1スコア96.76%、幾何学的RMSE 0.127メートルを達成した。移動体データでは点からモデルへのRMSEが0.045メートル、再構築カバレッジが95.27%である。ソースコードと評価データは公開されている。
注目点新規性は、移動式と航空式の LiDAR 双方に同一の再構成手法をモダリティ固有の調整なしで適用する点にある。作者は航空データで精度96.87%、再現率96.66%を報告。
説明共変量シフト下におけるランダム分割ベースモデルのアンサンブル
要約本論文は、学習時と検証時で入力の分布が異なる共変量シフト（covariate shift）の下で、アンサンブルモデルが単一モデルより頑健になりやすい理由を理論的に扱います。共変量シフトの深刻度に関する理論を単一モデルからアンサンブルへ拡張し、分割ベースのカーネル推定量のリスクを制御する新しい乖離尺度を提案しています。十分なアンサンブルサイズがあれば、共変量シフトの下でミニマックス最適なリスク収束速度に達すること、また、シフトが深刻なほど必要なアンサンブルサイズが大きくなることが示されています。
説明合成画像検索のための因子分解型MLLM埋め込み（FactEmbed）
要約本論文は、参照画像と修正テキストから目標画像を検索する合成画像検索（CIR）を扱い、因子分解型MLLM埋め込み「FactEmbed」を提案します。合成クエリの理解と識別的な埋め込みの構築を分離し、因子分解された潜在変数で意図された視覚的修正を模擬します。因子レベルの対比損失を用いて最適化し、複数のCIRベンチマークで従来手法を上回ると報告しています。
説明自然画像から医用画像へ：医用画像生成における拡散モデルの転移可能性
要約本論文は、自然画像で事前学習した拡散ノイズ除去器が医用画像生成に転移できるかを検証している。潜在空間と画素空間の二つの方式、131Mから952Mまでのモデル規模、RadImageNetとBraTSの二つの放射線画像データセットで体系的に実験を行った。結果として、自然画像による初期化は生成品質を一貫して向上させ、その利益は意味情報ではなく空間構造に由来することが示された。検討した設定では、自然画像のノイズ除去器は医用タスクに正の転移をもたらすと結論づけている。
注目点自然画像による事前学習が医用拡散デノイザに与える影響を体系的に検討し、空間構造が鍵であることを示す。RadImageNetとBraTSで検証し、gFIDは21-34%改善と報告。
説明局所二次最適化に基づく交差エントロピー向けステップサイズ変調法
要約交差エントロピー損失の確率的勾配降下法において、既存の学習率スケジュールを調整する2つの手法を提案している。どちらも追加の順伝播を1回行い、ミニバッチ損失の導関数を推定する。推定されたステップサイズにより、元のスケジュールの学習率を小幅に増減させる。Cifar10とCifar100でResNetを学習した実験では、調整前のスケジュールより損失が速く減少し単調性が高まった。Cifar10ではテスト精度がわずかに向上し、Cifar100では変わらなかった。
説明線形エキスパート混合モデルを証明付きで学習する
要約本論文は、混合エキスパート（MoE）モデルの勾配法による学習の収束性を扱う。線形エキスパートと入力空間のガウス・クラスタによって誘導されるゲートを持つ標準的なゲート付き混合モデルを解析し、勾配EMで尤度上の二つを同時に学習する場合の大域的収束保証を示している。真のエキスパート数に対して対数的な過剰パラメータ化と、ゲート中心の分離条件のもとで、ランダム初期化のゲートから多項式回数の反復で任意の精度に収束することが述べられている。
注目点ゲート付き線形エキスパート混合モデルを勾配EMで同時学習する初の大域収束保証を示し、実験で相転移を検証している。
説明モデルは何を見ているのか？マルチモーダルLLMによる動画分析における表現の妥当性
要約本論文は、社会科学者がマルチモーダル大規模言語モデルで動画を分析する際、テキスト、音声、映像、あるいはそれらの組み合わせのどの入力表現を選ぶかが測定結果に影響することを検討している。6つのオープンウェイトモデルと3つの人手注釈付き動画データセットで入力表現を比較した。その結果、常に最良の表現はなく、組み合わせ入力が性能を改善することはまれで、分類精度が高くても人手コーディングに近い推定が得られるとは限らないことが示された。したがって入力表現は、測定対象の構成概念と、ラベルから得られる推定量の両方について検証が必要である。
説明OperAItor：化学プロセスの耐障害運転のためのエージェント型フレームワーク
要約OperAItor は、化学プロセスの監視型故障管理のために大規模言語モデルのエージェントを開発・評価するオープンソースのフレームワークです。イソプロパノール脱水素によるアセトン製造の動的な反応・蒸留プロセスを例に、113 変数の微分代数モデルで検証しています。20 シナリオ、4 種の大規模言語モデル、5 種の動作検証構成で評価した結果、エージェントの介入がない場合は 18 シナリオでプラント停止が発生しました。検証付き構成の GPT-5 nano、Qwen3 8B、Mistral 7B では停止が 5〜8 回に減り、損失の 265,000 ドルを回収しました。
説明PadLoc：学習不要で、疎な幾何マッチングによる間取り図ベースの自己位置推定手法
要約本論文は、既知の間取り図内で移動するセンサーの位置を推定する、学習不要の定位バックエンド PadLoc を提案している。深度推定のフロントエンドは差し替え可能なまま、従来の稠密な位姿グリッドを、主要な壁の向きから少数の位姿候補を作る疎な幾何マッチングに置き換えている。マスク付き正規化相互相関による照合、ガウス混合ベイズフィルタ、合意に基づく読み出しで軌跡を復元する。著者らは Gibson やその他のデータセットで既存手法と同等以上の成功率を報告している。
説明AgentAM：スパッタと欠陥を考慮したレーザー粉末床溶融結合の工程最適化AIエージェント
要約本論文は、大規模言語モデルを用いたエージェントAgentAMを提案している。プロセスエンジニアが自然言語で、SS316Lに対するCFD（数値流体力学）で学習された、スパッタと溶融池形状の代理モデルを利用できるようにするものである。279件の単一トラックシミュレーションで学習した多項式代理モデルにより、溶融池寸法とスパッタ体積を予測し、幾何学的基準に基づいて欠陥領域を判定する。エージェントは予測、工程窓の走査、制約付き最適化のツールを選択して実行し、145件のプロンプトからなるベンチマークで評価されている。
説明多モーダル神経記録における行動関連ダイナミクスの学習
要約本論文は、スパイク活動、局所場電位（LFP）、行動データを統合する非線形多モーダル動力学モデルBREM-NETを提案している。構造化学習の枠組みにより、行動に関連する神経ダイナミクスと残差成分を分離する。2D到達課題中にスパイクとLFPを同時記録した公開の非ヒト霊長類データセットで、行動デコード、神経活動予測、潜在変数と行動の整合性が向上したと報告している。神経モダリティが非同期な場合やデータ欠損がある場合にも、これらの性能を維持するという。
説明自己検証が逆効果になるとき：金融質問応答における較正済み回答修復
要約本論文は、金融質問応答においてモデルが根拠から妥当な数値を取り出しても、実体・期間・単位・会計概念を取り違えて誤答する問題を扱います。提案手法の較正済み回答修復（CAR）は、まず草稿が修復によって改善される見込みがあるかを推定し、対象を絞った検証を選び、関連する根拠や草稿の範囲を特定して、許可される編集を制限します。FinRank、Fin-RATE、FinQA の3データセットと3つのオープンウェイトモデルで、CAR は汎用的な検証を全設定で上回りました。
説明Basin2Vec：流域中心の埋め込み表現を学習し、スケーラブルな水文モデリングを実現する手法
要約本論文は、観測流量データを用いずに水文気象および地形データから流域のコンパクトな表現を学習する自己教師あり学習フレームワーク「Basin2Vec」を提案しています。複数の予測アーキテクチャにおいて、事前定義された属性や汎用的な地理空間埋め込みと比べ、時間的汎化とゼロショットの空間転移で優れた結果を示しています。時間方向の平均相対利得は最大8.3%、未観測流域での中央値の予測性能は最強のベースラインの3.5倍と報告されています。
説明RoboTryOn：仮想試着によって人間の動画から器用なロボットのデモンストレーションを合成する手法
要約本論文は、人間の動画を参照画像で指定された目標ロボットの動画に変換する手法RoboTryOnを提案しています。元のタスク、物体、背景は保持されます。関節ごとに翻訳したキーフレームを用い、人の手の骨格を動作条件として動画を合成し、深度特徴を取り入れた逆動力学モデルで動作ラベルを推定します。合成データで学習した方針は、新規タスクの平均成功率を2%から60%に高め、収集コストは遠隔操作によるデモの約3分の1だったと報告されています。
注目点人からロボットへの変換を仮想試着として扱い、合成ロボット動作映像で方策を学習。摘要は双腕操作の成功率が2%から60%に向上したと報告。
説明摂動・修復・検証：合成的理解のための自己対戦型視覚言語検証器
要約本論文はPROVEという枠組みを提案し、画像が文章による記述に忠実に一致するかを判定する視覚言語検証器を自己対戦で訓練します。既知の正しい画像と説明文の組に対し、物体・属性・数・関係について型付けされた摂動を加え、検証器が変更後の説明文を判定して文章でフィードバックし、修復器がそれをもとに忠実な説明文を復元して再検証します。実験では、さまざまなモデル規模と系列で細粒度の組合せ検証が改善され、より広範なマルチモーダルタスクでの変化は限定的でベンチマークに依存すると報告されています。
説明マクロカノニカル生成器ネットワーク：償却型物理シミュレーションのためのデータ効率の良いニューラル代理モデル
要約本論文は、定常物理過程の多スケール統計量を一致させることで、目標過程を近似する高速なニューラル代理モデルを学習する枠組みを提案する。学習した生成器は、サンプル間の物理的に現実的なゆらぎを保ちながら制約を期待値で満たす。宇宙論と流体のシミュレーション実験では、極めて少ない訓練データから現実的なサンプルを再現し、参照シミュレーターより大幅に高速に新たなサンプルを生成できることが示された。
説明非同期ロボットポリシー：推論と行動生成を独立した周期で動かす手法
要約大規模な視覚言語基盤モデルは汎用ロボット操作を前進させたが、モデルの大型化によって計算遅延が生じ、リアルタイムの物理的な反応性が損なわれている。本論文は、意味推論と低レベルの行動生成を独立した周期で非同期に動作させる枠組みであるAsynchronous Robot Policy（ARP）を提案する。高容量の視覚言語モデルが低頻度で意味記憶を更新し、軽量な視覚行動エキスパートがその記憶を条件として、はるかに高い制御周波数で行動を生成する。Franka操作タスクでの結果として、準静的な設定で成功率と実行時間が改善したと報告され、視覚言語モデルは公称周波数の約10分の1で動作しても性能の大きな低下がないとされている。
説明高忠実度強化学習による対話型HTML生成能力の向上
要約本論文は、自然言語の仕様からインタラクティブなHTMLページを生成する課題を扱います。既存モデルはページを描画できても、実際の操作において機能や視覚品質を保証できない場合が多いとされています。著者らはミニゲームを検証環境とし、ブラウザ操作に対する強化学習フレームワーク「WebCatalyst」を提案しています。これは、ゲームレベルのGUI評価器、VLMの報酬ハッキングを抑える「Visual Anchor」、実行時トレースに基づく「Action-Trace Credit」の3要素で構成されます。
説明クエリルーティングによるデータセンターの電力需要の柔軟性の創出
要約大規模言語モデルの推論に伴う電力需要の増加を受け、データセンターが対話型サービスを維持しつつ電力需要を調整できる仕組みが求められている。本論文は、クエリを複数のモデルインスタンスに動的に振り分けるクエリルーティングを、その手段として検討する。到着率や系列長の分布と、トークン反復時間、サービス容量、消費電力との関係を解析するフレームワークを提案し、1万基のH100 GPUを備えたデータセンターの実トレースに基づく仕組みで、消費電力の最大16%の柔軟性が得られることを示している。
説明GM League Arena：プロスポーツリーグ運営に基づく対話型長期タスクのベンチマーク
要約本論文は、資源制約と他チームとの競争の下で、複数シーズンにわたりプロスポーツチームを運営する大規模言語モデルの長期的な意思決定能力を評価するベンチマーク「GM Bench」を提案している。四つの競技についてシミュレーション環境を構築し、財務制約、選手の要求、市場メカニズムを加えている。五つの NBA シーズンの評価では、29 の LLM 中 Claude Opus 5.5 が首位となった。
説明細胞切り出し画像が親画像を共有する問題：子宮頸部細胞診ベンチマークにおける取得リークの測定と分離
要約公開されている子宮頸部細胞診のベンチマークは、はるかに少ない顕微鏡視野やスライドから切り出した多数の細胞画像を含み、切り出し画像単位で分割されることが多い。そのため、テスト用の細胞が訓練用の細胞と取得元を共有する。本論文は、この分割方法により精度が向上することを事前登録した研究で示し、解読可能性や顕著性分析では親画像単位の完全な分離の代わりにはならないと結論づけている。
説明基盤モデルを超えて：PFN事前分布による表形式データのハイパーパラメータ最適化の改善
要約本論文は、表形式データの基盤モデルの事前学習に使われてきた合成事前分布を、LightGBMなど従来型の表形式モデルのハイパーパラメータ選択に活用するPriorTuneという手法を提案しています。オフラインでは合成データ上でランダムベースラインに対する勝率が最も高い設定の部分集合を選び、オンラインでは新しいデータに対してその設定だけを試します。BeyondArenaベンチマークでは、TabPrep特徴量を用いたLightGBMがTabPFN-3やRealMLPを上回ったと報告されています。
説明Meta²：長期タスクのエージェントにおけるオンラインのハーネス進化のための再利用可能な知識の事前計算
要約本論文は、長期タスクを行うエージェントのハーネス（凍結されたモデルの周囲にあるプロンプト、ツール、メモリ、フックなど）を改善する Meta² を提案しています。オフラインでは、同じタスクに対する3つの構成での訓練ロールアウトを比較し、ハーネスをいつどのように進化させるか、いつ変更しないか、どの介入を避けるかを示すテキスト形式のメタスキル M を学習します。オンラインでは、凍結された M と実行中の軌跡の証拠を組み合わせ、ハーネスを維持するか、タスク内の編集で進化させるかを決定します。Terminal-Bench 2.1 と DeepSWE 1.1 の2つのベンチマークでは、GPT-5.6-Terra を用いて、評価された手法の中で最高の性能（それぞれ 81.00% と 44.44%）を達成しました。
説明対称テンソル展開のランダム行列解析：高次元ノイズ付きデータから隠れた信号を部分的に復元する手法の研究
要約本論文は、対称ガウスノイズを含むスパイク付きテンソルから、埋め込まれたベクトルを部分的に復元する問題を扱う。従来研究が独立同分布のノイズで代用していたのに対し、本研究は対称モデルをランダム行列理論で直接解析する。その結果、正方展開アルゴリズムは信号強度がおよそ n^((p-2)/4) のところで鋭い相転移を示すことが明らかにされ、スペクトル分布、閾値、重なりの精密な式が与えられている。
注目点対称高次テンソルの展開を直接ランダム行列で解析し、λ≍n^{(p-2)/4} での鋭い相転移を示して Montanari と Richard の予想を検証している。
説明意見から約束へ：AI仲介による提案における不安定な割り当てと見えない選択
要約本論文は、大規模言語モデルが市民の意見を集団的な提案にまとめる際、同じ意見を処理し直すと割り当て（誰が何をすべきか）が変わることを検証している。4つのモデルと2つのデータセットを用いた実験では、5回の実行のうち約17%から20%で割り当ての有無に差が生じた。温度0などの安全策を講じても変動は残り、合意を求める指示では少数意見の扱いが少なくなることも示された。
説明正解が複数ある場合のPAC学習
要約各例に最大 ℓ 個の正しいラベルの集合が付き、その集合に含まれる予測を正解とみなすPAC学習を研究している。学習時の情報は、正解集合全体、提案ラベルが正しいかどうかの反馈（バンディット型）、または示範者が選んだ一つの正解のいずれかである。示範から学習する場合は完全集合や反馈より難しくなりうることを示し、有限および可算なラベル空間での学習可能性の条件を与えている。
注目点完全集合・バンディット・デモンストレーションの学習可能性を区別し、一般化Natarajan次元と紧いε^{-ℓ}の標本界を示すと報告。
説明複数視点の無人機画像から学習なしで光発電モジュールを高精度にマッピングする手法
要約本論文は、視覚基盤モデルと無人機（UAV）写真測量を組み合わせ、学習を必要とせずに光発電（PV）モジュールを個別に復元・輪郭化するMV-PVMapperを提案しています。まずSAM 3がテキストプロンプトで元画像から候補を生成し、勾配補正を経て物体空間へ投影し、モジュール寸法で検証して視点間で統合します。屋上の3発電所での試験では、参照7,711枚のうち7,710枚を誤検出なしで復元し、全体のJaccard指数は97.55%でした。
説明物理情報ニューラルネットワークによる超音波伝播の非線形 Westervelt 方程式の解法
要約本論文は、生体組織中の有限振幅超音波伝播を記述する一次元 Westervelt 方程式（非線形性と減衰を含む）を、物理情報ニューラルネットワーク（PINNs）で解いたものです。線形、衝撃波支配、散逸支配の三つの合成ケースを設定し、振動挙動の再現には正弦波活性化関数を用いています。結果として、減衰係数γが振幅の減衰速度を、非線形係数ηが周波数に依存する位相速度を支配することが示されています。
説明レイトレーシング都市データは未知の現場に適した伝搬路の事前分布になるか？シミュレーションでの事前登録研究と、結果が逆転した実測データでの検証
要約新たに設置された基地局が、標準的な3GPP CDLモデルの代わりに、多数のレイトレーシング都市シーンから集めた伝搬路の事前分布を使えるかを検討した論文である。シミュレーションでは、集約した事前分布は現場で学習した推定器より約0.6 dB劣り、これは50回の測定後のCDLとほぼ同程度であった。一方、DICHASUSの屋外実測データでは結果が逆転し、レイトレーシングによる事前分布はCDLより3.2〜4.1 dB悪かった。
説明正しい出典を見つけるだけでは不十分：音声LLMの記憶における履歴干渉の理解
要約本論文は、音声大規模言語モデルが多ターン対話で保持する無関係な過去の音声が、問われた事象が表現されている場合でも回答を変えてしまう理由を調べている。MOSS-AudioとMiMo-Audioでの制御実験では、履歴の値が特定の競合する回答へ誤りを導くことが示された。因果的介入により、自由記述形式の質問応答では無関係な出典に直接アクセスできなくなると多くの誤りが消えたが、選択式では多くの誤りが残った。研究は、会話の記憶には保持と検索だけでなく、保持された情報が回答の計算にどう入るかの制御も必要だと結論づけている。
説明早期終了の最適制御の基礎に向けて：ターンパイクと ResNet
要約本論文は、最適制御理論を用いて、出力層と中間層の損失関数を同時に最適化する手法を分析しています。この方法で学習したResNetには、ターンパイク現象が現れることを証明しています。すなわち、所定の損失水準に達するために必要な層数は、ネットワーク全体の深さに関係なく上限があります。さらに、過剰思考現象との関連や、実験による効果の検証も行っています。
説明MEC対応デジタルツインネットワークにおける鮮度を考慮した前処理のための分散線形バンディット
要約本論文は、マルチアクセスエッジコンピューティング（MEC）に対応したデジタルツインネットワークで、IoTデータの鮮度を考慮した前処理を扱います。MECサーバーが伝送前にデータを前処理することで、伝送量とデジタルツインサーバーの処理負荷を減らす枠組みです。CPU割り当て戦略の選択を、線形バンディットにおける分散型の固定信頼度最良腕識別問題として定式化し、分散協調学習手法DistLinGapEを用いています。数値結果では、定常的なタスク分布の下で最適な実行可能戦略を特定し前処理遅延を減らせることが示されており、評価した設定では協調による識別速度向上が参加するMECサーバー数にほぼ比例しています。
説明多指標モデルを超えて：次数2の多項式閾値関数の共通部分の学習
要約本論文は、ガウス分布の下でk個の2次多項式閾値関数（PTF）の共通部分をPAC学習するアルゴリズムを提案している。誤差εを達成するための計算時間と標本数はd^{O(k)}·2^{O_k(log^3(1/ε))}で、多項式回帰法のd^{O(k^2/ε^2)}より改善されている。また、d^{Ω(k)}という次元の依存性が避けられないことをSQ下界で示している。
注目点新規性は次元指数を精度パラメータから切り離し、d^O(k)2^O_k(log^3(1/ε))の時間を与える点にあり、SQ下界も示したと報告されている。
説明AutoResearch から継続型 AutoResearch へ：エージェントはタスクをまたいで学習するか？
要約本論文は、同一エージェントの永続化版とリセット版を、同じタスク列・データ・時間予算で比較する環境 CONTINUAL AUTORESEARCH を提案しています。合成タスク、記号回帰、時系列予測、表形式 AutoML を含む 9 種類のタスクファミリーで、5 つの最先端エージェントを評価しました。その結果、永続的な状態は全エージェントの研究効率を高め、より良い解をより早く見つけさせる一方、その利点が最終的な解の品質向上に一貫して結びつくわけではないことが示されました。
説明生成AIの画像と実画像の様式を用いた、3次元僧帽弁セグメンテーションのためのラベル保存型フーリエ領域適応
要約本論文は、3次元経食道心エコー図における僧帽弁のセグメンテーションが、専門家が注釈を付けた公開の3次元データの不足によって制限されている問題を扱います。ChatGPT、Gemini、MAIなどの生成AIが作成した画像を、注釈を必要としない様式の提供源としてフーリエ領域適応に用いる手法を検討しました。MVSeg2023データセット上で複数の学習条件を比較した結果、生成画像を用いた適応は境界および表面に関する誤差を有意に減らしましたが、一般化Diceスコアへの影響は生成元によって異なり、MAI生成画像のみが統計的に有意な向上をもたらしました。また、実画像を様式の提供源とした非AI対照条件はChatGPT生成画像と同等の性能を示したため、この手法が実画像を用いた学習より優れているとは結論づけていません。
説明大規模LLM推論デコード向けのワークロード静的光回線交換方式
要約本論文は、LLM推論のデコード段階で細粒度の集合通信の遅延が対話性を制限する問題を扱い、デプロイごとに一度だけ光回線を設定するワークロード静的光回線交換（OCS）を提案している。この方式はモデル並列化およびトポロジを考慮した集合通信スケジュールと共同設計される。GXNETというグラフベースのワークロードエミュレータで評価され、576台のアクセラレータで5Tパラメータ規模のMoEモデルを扱う場合、4:1のオーバーサブスクリプションを持つパケット交換ファブリックと比べ、対話性は最大65%、エネルギー効率は最大119%向上したと報告している。
説明SurgTransfer：手術ワールドモデルにおける動作転移のための多段階潜在動作モデリング
要約本論文は、手術ワールドモデルで文脈に依存しない潜在動作を学習し、異なる手術場面の間で転移させるための多段階動作学習フレームワークを提案している。この手法はラベルのないビデオのみから学習を行い、公開データセットSurgToolLoc-2022およびPitVis-2023で定量指標と専門家による定性評価を通じて検証されている。コードと実装の詳細はGitHubで公開されている。
説明分子事前ネットワーク：単一の順伝播で分子とタンパク質標的の親和性を予測する手法
要約本論文は、低分子と標的タンパク質の親和性を予測する新しい手法を提案している。Transformerモデルが、ラベル付きの支持分子から問い合わせ分子のラベルを単一の順伝播で予測する。モデルは数千の既存の親和性データセットで学習され、異なる標的や化合物系列、データセット規模にまたがる一般的な活性パターンを捉える。最小の支持集合ではFS-Molベンチマークの回帰課題で既存の最先端手法と同等の性能を示し、タスク固有の学習が不要なため高速である。
説明地上レーザースキャナ点群のガウス分解と重なり指標による燃料層の垂直連続性の評価
要約本研究は、25の恒久森林プロットで地上レーザースキャナ（TLS）点群から得られる垂直高さプロファイルにガウス分解を適用し、燃料層の垂直方向の連続性を調べたものです。複数の空間スケールで幾何・確率・重なりの指標を比較し、3〜6mのセルが実用的な妥協点になると報告しています。山火事リスク評価における梯子状燃料の表現を改善する方向性を示しています。
説明Dual-VaDE：変分デュアルドメイン混合事前分布による効率的で頑健なプロトタイプ学習
要約本論文は、ラベルのない医用画像から解釈可能な解剖学的プロトタイプを学習する教師なし生成フレームワーク「Dual-VaDE」を提案する。空間的な解剖構造と位相を保つフーリエスペクトル表現を結びつける二重ドメインのガウス混合事前分布を導入し、交互EM形式によりネットワーク全体をエンドツーエンドで最適化する。OASIS-3の脳MRIで評価され、空間情報のみのベースラインと比べてクラスタ分離が最大94%向上し、画像1枚あたりの推論負荷は小さい。
説明「プラトンの脳」：脳波基盤モデルにおける表現の収束
要約本研究は、プラトン的表現仮説が人間の脳の表現にも当てはまるかを検証しています。6名の被験者がテレビドラマを視聴した際の脳波記録と、対応する視覚・言語コンテンツを用い、脳波基盤モデルの埋め込みが脳波の指標をよりよく解読できるようになるにつれ、モデル内および異なるモダリティ間で表現が収束するかを調べました。解読性の高い脳波モデルほど、局所的な近傍類似性と全体構造の両面で、異なるモデル系統間の整合性が強くなりました。一方、その傾向はモデルのパラメータ数とは一貫して対応しませんでした。モダリティ間の収束はモダリティと指標に依存し、脳波の解読性が高いほど言語モデルとの全体的な整合は強まりましたが、視覚モデルとは一貫せず、局所的な整合には一貫した関連が見られませんでした。
説明LatentTriad：悪意あるエージェントスキル検出のための行動前リスク表現
要約大規模言語モデルエージェントは再利用可能なスキルで機能を拡張することが増えていますが、信頼できないスキルの内容がユーザーのタスク外の操作を引き起こす恐れがあります。本研究では、プリフィル段階で形成される隠れ状態に、タスクと操作の整合性に関する読み取り可能な情報が含まれることを見出しました。これに基づき、LatentTriadを提案します。この手法は文脈的な境界特徴、グループ調整された操作方向、良性状態との関係からの逸脱を組み合わせ、すべての分岐が一度のプリフィルを共有します。検出では出力トークンを生成せず、ツールも呼び出さず、スキルコードも実行しません。
説明環境変化下での視覚的マルチセッション位置合わせのためのスパースアンカー
要約この論文は、同じ環境で繰り返しロボットが記録したデータを、既存の参照地図に位置合わせする問題を扱う。視覚的場所認識、局所特徴の対応付け、幾何学的検証で絶対姿勢の候補を得た後、系列の一貫性で矛盾する候補を除き、信頼できるアンカーを残す。それらを、セッション内の相対姿勢と組み合わせて頑健な姿勢グラフ最適化を行う。HILTI26建設現場データセットの15の実験では、1m以内の再現率が94.4%、5m以内が100.0%となり、独立した画像定位や直接的な位置合わせを上回った。
説明深層画像特徴の多様体埋め込みとニューラル随伴写像による画像マッチング手法
要約本論文は、実世界画像における同カテゴリの異なる物体インスタンス間の意味的対応付けを扱います。3次元形状マッチングで用いられる関数写像を画像マッチングに適用し、有限要素法のGalerkin法により深層画像特徴の多様体埋め込みから離散ラプラス・ベルトラミ作用素を導出して、画像格子に多様体構造を与えます。さらに非線形写像を表現するニューラル随伴写像を導入しています。著者らは、複数の実世界画像の稠密対応ベンチマークで、ゼロショット画像対応手法の中で新たな最先端の結果を示したとしています。
説明CRONOS：ロボット操作のための非エピソード型強化学習ベンチマーク
要約本論文は、非エピソード型のシーンリセット条件下で視覚・言語・行動（VLA）モデルを強化学習で微調整するためのシミュレーションベンチマーク「CRONOS」を提案しています。事前学習済みポリシーを単純に微調整すると、物体配置やエンドエフェクタの姿勢のずれにより非エピソード設定で失敗することが示されています。ただし、重点的なリセット配分と事前学習モデルのバイアスへの対処によって、この課題は緩和できるとされています。さらに、非エピソード型の学習は長期的な操作能力を高め、未見の物体配置やタスク列への汎化を改善すると報告されています。
説明自動運転の端末間計画における、ロールアウト不要のワールドモデルによる軌道評価
要約本論文は、エンドツーエンド自動運転の軌道評価のためのロールアウト不要のワールドモデルRFWorldを提案している。候補軌道ごとに将来のシーン全体を予測する代わりに、共有シーンメモリを構築し、候補軌道がそこから疎な空間読み出しで情報を取得して評価を行う。これにより推論計算量を削減し、再帰的な予測誤差を避けるとされる。論文はNAVSIMとBench2Driveで最先端の性能を達成したと報告している。
説明VIGOR：マルチモーダル離散拡散言語モデルの幻覚抑制のための視覚利得順序付け手法
要約マルチモーダル離散拡散言語モデルは、反復的なマスク予測によって応答を生成しますが、画像に十分根差していない幻覚がなお生じます。本論文は、学習を必要とせず既存モデルに組み込めるVIGORを提案します。各ノイズ除去ステップで、元画像を条件とする場合と視覚情報を消去した場合の各候補トークンの確信度を比較し、画像によってより強く支持される位置を優先して処理します。著者らは、LLaDA-VとLumina-DiMOOでの実験により、VIGORが幻覚を一貫して減らし、マルチモーダル推論の性能を向上させると報告しています。
説明FloMo：人間の動画から学習するための世界行動モデルの中間表現としての3Dシーンフロー
要約本論文は、50億パラメータの動画生成モデルを微調整し、3Dシーンフローと行動トークンを予測するFloMoを提案している。シーンフローをRGBとして描画し動画と同じ潜在空間に符号化することで、事前学習済みの動画生成モデルが効率的に3Dシーンフローの予測へ適応できるとしている。動作ラベルのない人間の動画とロボットの遠隔操作データで共同学習させ、未知の物体、運動プリミティブ、タスクへの汎化を示している。
説明エージェント型ポリシーは毎ステップ画像を見る必要があるか？推論と行動のための幾何学的抽象化
要約本論文は、毎ステップの生画像による推論を、三次元幾何学的抽象化によるテキスト・記号表現に置き換える手法を提案しています。型付きの記号参照で物体部位を表し、較正済みRGB-Dデータに基づいて定位し、各動作後に計量残差を含む簡潔なテキストチェックポイントを返します。テキストと記号に基づく推論により多段階の操作完了率が向上し、繰り返しのマルチモーダル問い合わせが大幅に減ったと報告されています。
説明タンパク質アンサンブル生成モデルの設計要素を構造タイプ別に検証した研究
要約本論文は、タンパク質の立体構造アンサンブルを生成するモデルの設計を検討しています。著者らは、簡略化したCα流マッチングモデルを用い、アーキテクチャ、配列条件付け、剛体アライメント、学習データの選択を個別に除去して比較しました。評価には実験のSAXSおよびNMR化学シフトデータを用い、秩序・無秩序・多ドメイン・移行状態のタンパク質ごとに分けて検証しています。結果として、ネットワーク構造よりも学習データが主な制約であることが示されています。
説明靴の変化に対する頑健性の学習可能性：未知の履物条件下での足跡認識
要約本論文は、圧力または力センサー付きの歩道で自然歩行時に取得した足跡パターンによる生体認識を扱い、登録時と異なる未知の履物で認識する場合を検討しています。著者らはBiStepNetを提案し、空間と時間の個人識別手がかりを独立に学習できる2つのストリームに分解することで、StepUP-P150データセットにおいて小型の3D時空間ベースラインを上回る性能を示しました。跨履物認識の性能は、学習集合の履物の量と多様性に応じて体系的に向上し、部分的にモダリティが重なる補助的な歩行データを用いることで未知の履物への頑健性をさらに高められることも示しています。
説明重イオン衝突における直接光子収量と楕円流へのパートン対相関の影響
要約本論文は、重イオン衝突で放出される光子を生むパートン同士の相関が、直接光子の収量と楕円流にどう影響するかを検討している。局所的な2→2光子反応率は入射パートンの同時分布に依存するため、媒質粒子の一粒子分布を変えずに光子放出が変わりうると述べている。Au+AuおよびPb+Pb衝突の時間発展する媒質に対してこの相関を畳み込むと、光子収量はPHENIXとALICEの測定データに近づき、中間横運動量領域でv2が増加する。
説明位置エンコーディングで等変制約を緩和し拡張性を高める手法の論文
要約等変ニューラルネットワークは学習中に厳密な対称性制約がかえって最適化を難しくする場合があり、従来は学習時に非等変な全結合層を加えて制約を緩和する手法が提案されていました。本論文は、学習可能なスケールを持つ位置エンコーディングを注入して元の対称性を崩し、その信号を学習の過程で徐々にゼロへ退避させ、最終的に元の等変モデルに戻す方法を提案しています。著者らは、並進および回転に対する等変モデルで、計算量とメモリの増加がわずかなまま大きな改善が得られたと報告しています。
説明ALBI：大規模言語モデルが反復的な生成・検証・制約のサイクルで導く帰納論理プログラミング
要約本論文は、LFF（失敗からの学習）パradigmのASPベースの仮説生成器を大規模言語モデル（LLM）に置き換え、形式的検証器としてSWI-Prologを残す神経記号的ILPフレームワーク「ALBI」を提案している。LLMが候補仮説を提案し、Prologが各候補を検証し、その診断フィードバックをもとに改良を繰り返す仕組みである。標準的なILPベンチマーク30件で、3つの最先端LLMがいずれも100%の成功率を達成し、平均1.4〜1.7回の反復で済んだ。意味的匿名化の下でも成功率は100%を維持した。
説明ToolSpace：長期タスク向けエージェントのためのツール中心環境合成のスケーリング手法
要約本論文は、実際のMCPサービスと実行トレースから隣接するツール呼び出し間のデータ・状態・再試行の依存関係を決定的ルールで抽出し、ツール組み合わせグラフをクラスタリングして環境を構成するToolSpaceを提案する。状態を考慮した探索で初期状態から再生可能なタスクのみを残す。複数の長期ツール利用ベンチマークで、Qwen3.6-35B-A3BやGLM-5.2などの平均スコアを大きく向上させた。
注目点ツール中心で実行トレースから依存関係を抽出し環境を合成する点に新規性があり、摘要は七つのベンチマークでの向上を報告している。
説明混合スキュー下での医用画像分類のためのフェデレーテッド転移学習
要約本論文は、多施設の医療データに生じる特徴・ラベル・概念・数量の混合スキューによる連合学習の課題に取り組みます。事前学習済みバックボーンに基づく個別化連合学習フレームワークPAFPを提案し、微調整ブロックの前にクライアントごとの特徴整列モジュールを挿入して、隠れ特徴分布をサーバーで集約した目標へ整列させます。FedISICベンチマークでは、未加重の平均バランス精度が最も高く、クライアント間の性能分散は最強のベースラインと比べて約6分の1に低減されました。
説明その効果は誰のものか？目的関数が学習済み部分空間介入を過大評価する仕組み
要約本論文は、言語モデルの内部状態の一部を別の入力へコピーし、出力の変化の大きさで概念の所在を探る解釈可能性の手法（activation patching）を扱います。著者らは、直交する部分の効果は一次近似で全体の効果の和に等しいことを証明し、学習された部分が全体を上回るのは残りの部分が出力を押し戻すためであることを示します。出力効果を最大化する目的関数はそのような部分を選び、ネットワークの実際の出力を対象とする目的に変えると過剰な効果の大部分が消えると報告しています。
説明ポート・ハミルトン系の同定における モデル表現と当てはめ手法の比較
要約ポート・ハミルトンモデルは、蓄積エネルギー、散逸、外部入力を分けて物理系を記述します。本論文では、この系の各成分をニューラルネットワーク、解析式、およびその組み合わせで表現する方法を比較し、勾配ベース最適化とスパース回帰によるモデル当てはめを比べます。機械系と電気系のシミュレーション（ノイズの有無を含む）で試験し、各手法の予測精度と計算コストを示しています。
説明DRAP：物理AIの継続学習のための動力学リスク適応型可塑性手法
要約本論文は、物理AIにおける継続学習の課題を扱い、方策の小さなステップごとの誤差が軌道上で蓄積し、最終的に閉ループでのタスク失敗につながる点を指摘しています。リプレイを用いないDRAPを提案し、局所的な軌道増幅リスクで重み付けした勾配から各モデルテンソルの過去の重要度を推定します。OpenVLAの部分ネットワークでLIBERO Spatial、Object、Goalの各スイートを用いて評価した結果、標準的なAdamW微調整やEWCと比べ、既習の振る舞いの保持が大きく改善され、新スイートの習得も良好に保たれたと報告しています。
説明マルチロボットシステムの触覚共有制御：操作者が力覚フィードバックで群れを複数の規模で導く手法
要約本論文は、視野が限られたセンサーを用い、各ロボットが自身の局所座標系で計測できるよう、全体的な連結性維持アルゴリズムを改良したものです。これを単一エージェント制御、ピニング制御、重心制御の3つの適応的監視戦略と組み合わせ、操作者が群れ全体を異なるスケールで制御できるようにしています。これらの手法はエージェント間の制約を満たしつつ、システムの連結状態に関する触覚フィードバックを利用者に提供します。各制御モードに合わせた複数のシナリオで、触覚フィードバックの有無による性能をユーザー調査で比較し、有効性を評価しました。
説明スマートフォンGPU上の深層学習によるRGB写真強化：Mobile AI 2026チャレンジ報告書
要約本論文はMobile AI 2026チャレンジの報告書で、QualcommとArmのスマートフォンGPUで動作する高速なRGB写真強化モデルの設計が参加者に求められました。参加者にはiPhone 3GSとプロ用Canon 70D一眼レフで撮影された画像ペアからなるDPEDデータセットが提供されました。Snapdragon 8 Elite Gen 5とDimensity 9500で評価され、上位の解法はフルHD画像を両プラットフォームで300ミリ秒以内に強化できました。
説明有限スペクトル深さがガウス入口ランクと勾配流の第一鞍点の回避をどう制御するか（行列分解モデルで、ニュートン・シュルツ反復による学習初期の挙動を調べた研究）
要約本論文は行列分解を単純なモデルとして、小さな初期化の下での学習ダイナミクスを扱います。正規化された行列勾配に有限回のNewton-Schulz反復を適用する連続時間のダイナミクス（Muon）を検討しています。反復回数によって学習初期に選ばれるランクが変わり、勾配流が近づく最初の非零定常点を迂回しうることを示します。追加の残差慣性条件のもとで、十分大きな有限の反復深さでは迂回が起きることを証明し、明示的な十分条件の閾値を与えています。さらに、迂回閾値が4となる例も構成しています。
説明『Matched but Not Better』：6つの臨床データセットにおける量子機械学習の等価性検定ベンチマークと QML-Health-READY 報告フレームワーク
要約量子カーネルSVMと変分量子分類器を、調整済みの五つの古典モデルと六つの公開臨床データセットで、同一入力と25回の交差検証により対応づけて比較した研究です。AUROCの差は等価性検定で評価され、量子モデルはいずれの古典比較対象にも有意に優るとは示されませんでした。あわせて、量子機械学習の信頼できる報告の要件を定める八領域の QML-Health-READY 報告フレームワークを提案しています。