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）。
説明ニューラル分位点解像による構造的条件付き独立性検定
要約本論文は、P(X|Z)とP(X|Y,Z)を分位点変形により比較する条件付き独立性検定QRCITを提案する。軽量な残差分位点フローモデルで基準となる条件付き分位点分布とYによる追加変形を学習し、全域的な予測利得統計量と、文脈と分位点水準上で検査可能な変形場を得る。また、構造依存性ベンチマークSDBを導入し、合成の後非線形(PNL)およびSDBのベンチマークで、QRCITが構造化された対立仮説の検出を改善することを示す。実データのSachs、METABRIC、CCLE/PLX4720でも競争力のある結果を示している。
説明データ同化のための非線形フィルタリング手法のサーベイと、生成AIを用いたスコアフィルタの最新動向
要約本論文は、データ同化で用いられる非線形フィルタリング手法を概観し、カルマン系、粒子系、カーネル系の手法が非ガウス・高次元の混沌系で抱える限界を指摘している。アンサンブルスコアフィルタ（EnSF）の数学的基礎を紹介し、フィルタリング密度をスコア関数で表現して学習不要のモンテカルロ推定器で近似する手法であることを説明している。さらに、EnSFを拡張した14の手法を検討しており、そのうち12件は中核の推定器を維持している。
説明深さか記述か？能動的情報取得で一段階の潜在スコアが先読みに代わる場合
要約本論文は、能動的エージェントが行動前にどの質問をすべきかを研究している。厳密な先読みは質問の組み合わせを評価できるが、計算コストが高く、当てはめたモデルに依存する。一段階スコアは安価だが、組み合わせの価値を見落とすことがある。著者らは、必要な探索の深さは隠れた原因の記述の仕方に左右されると指摘する。ラベルに対する一段階スコアは回答間の相互作用を見落とす場合があるが、適切な潜在原因に対するスコアはそうならず、その潜在変数が意思決定を符号化していれば、探索量を大幅に減らして深い探索の大部分を代替できるとしている。
説明FastAFD：ラックスケール NVLink で注意機構-FFN 分離はいつ効果があるか
要約本論文は、GB200 NVL72 向けの注意機構-FFN 分離（AFD）推論エンジン FastAFD を提案し、一方のマイクロバッチの MoE 計算と他方の注意機構計算を重ね合わせて実行します。調整済みの vLLM wide EP 設定と比較した結果、Qwen3 で最大 1.17 倍、Qwen3.5 で 1.16 倍のスループットを示し、MiniMax-M2.5 では同等でした。さらに、同居型 vLLM のプロファイルのみから AFD のスループットを 3% 以内の誤差で予測する解析モデルを示しています。
説明過学習型ビデオ符号化のための知覚歪み：空間のスライス照合と時間の誤差整列
要約本論文は、過学習型ビデオコーデック向けの知覚歪み指標を提案している。空間方向では、一次元最適輸送により特徴量の分布を照合する局所スライスWasserstein歪み（SWD）を導入し、厳密な空間対応を強制せずにチャンネル間の依存性を捉える。時間方向では、動きの軌跡に沿って符号化誤差を制約する光フロー残差を用いて時間的一貫性を保つ。UVGとHEVC Class Bで、COOL-CHIC符号化器を用いて評価した結果、フレーム単位のWDと比べ、DISTSのBDレートが平均9.2%、LPIPSが3.0%低減し、同一ビットレートでtOFは10.2%低減した。
説明エージェントを増やせば信頼性は上がるのか？運用プロファイルの不確実性下における多エージェントLLMのシステムレベル信頼性
要約本論文は、協調する複数の大規模言語モデル（LLM）エージェントで構築されたソフトウェアが本当に信頼性が高いかを検討する。著者らは単一LLMの階層的不正確確率評価手法HIP-LLMと、システムの故障ロジックを表すベイズネットワークを組み合わせ、各エージェントの故障確率区間を伝播させて、証拠による制約を示す信頼性の範囲を求める。規制対象の化学危害記述を抽出するパイプラインでは、3モデルの多数決は最も弱いモデルよりは保護効果があったが、最良モデルを明確には上回らなかった。エージェントを増やすことで信頼性の主張は根拠のあるものになるが、システムが自動的に信頼性を高まるわけではないと結論づけている。
説明母系社会の古典：性別を表す語だけを入れ替える計算手法の提案
要約本論文は、パブリックドメインの小説の性別を入れ替えるための、信頼性の高い計算手法を提案している。性別を表す語だけが変換され、他の語は変更されないことをプログラムで保証する。提案手法は、著者らが示した二つの小説の例で用いられ、『高慢と偏見』は母系制のリージェンシー期イングランドへ、『華麗なるギャツビー』は母系制のジャズ・エイジへと置き換えられている。著者らは、性別を入れ替えた小説が読者や作者、社会、AIシステムの性別バイアスを調べる道具になりうると述べている。
説明化学的文脈を取り入れた自動NMR構造解析
要約本論文は、人工知能によるスペクトル構造解析パイプラインに、既知の反応物や目標生成物などの化学的文脈を組み合わせる手法を提案している。自動逆合成解析により、合成前駆体の形で分子と文脈データからなる大規模な学習データを生成する。文脈が目標分子に有用な情報を与える場合、Top-15精度は最大95.4%に達し、文脈が無関係でも元のNMR構造解析フレームワークと同程度の精度を維持した。
説明テキスト画像生成モデルにおける人種的格差を代理変数で測定する手法
要約本論文は、テキスト画像生成モデルの人種表象の偏りを監査する自動化手法を提示する。米国の差別禁止法で用いられる人種の代理変数を応用し、生成画像を人種ごとに分類して公開されている人口統計基準データと比較し、過剰・過少表象のパターンを特定する。また、CIELAB値による肤色の測定や画像間のコサイン類似度も算出する。Imagen 4 Fast、Stable Diffusion 3.5 Large Turbo、Flux Schnellの3モデルで実験を行い、モデルや代理変数の種類によって結果が大きく異なることを報告している。
説明「報酬」ではなく「行動原則」をエージェントに教える新しい強化学習手法
要約論文は、従来の強化学習では、エージェントが設計者の意図を雑音の多いスカラー列から推論しなければならず、困難が大きいと指摘しています。著者らは、バランスの維持、エネルギーの蓄積、滑らかな着陸などの高次の行動原則を直接教える規範的方策学習（PPL）を提案し、主要な量と参照値によって各ステップで原則に従っているかを示します。実験では、単純な経験則の原則のみでPPLエージェントは報酬なしで良好で汎化可能な方策を学び、報酬ベースの手法より大幅に少ないサンプルで上回り、より難しい設定にもそのまま移転できることが示されています。
説明自動的なモデル複雑度推定を備えたベイズ テンソルトレイン・カーネルマシン
要約本論文は、教師あり学習のためのベイズ テンソルトレイン・カーネルマシン（BTT-KM）を提案している。テンソルトレイン（TT）のコアに階層的なARD型事前分布を設定し、TTランクと特徴次元をデータから推定できるようにする。平均場変分推論により、決定論的手法と同じ計算量のベイズ交互最小二乗法と、閉形式の予測分布が得られる。合成データ実験では、過剰にパラメータ化された初期値から真のTTランクと特徴次元を復元できることが示されている。
説明がん組織病理学向けのスケーラブルなベイズ型ガウス過程分類：分布シフト下での較正された不確実性
要約本論文は、凍結された病理基盤モデルの埋め込み（Phikon）に基づき、低ランク近似、非中心化パラメータ化のハミルトニアン・モンテカルロ法による事後サンプリング、枢軸点を誘導点とする予測手法を組み合わせた、スケーラブルなベイズ型ガウス過程分類を提案している。乳がん転移検出のベンチマークであるPCamおよびCAMELYON17-WILDSで評価され、後者は病院間の分布シフト下での較正を検証している。論文によれば、確率的変分ガウス過程やニューラルネットワークの基準手法と比べて較正と予測性能が改善され、分布シフト下で最も大きな効果が見られたとされる。
説明ソフトプロンプトチューニングで LLM 評価器を人間の注釈方針に合わせる研究
要約本論文は、大規模言語モデル（LLM）を自動評価者として使う際に、ソフトプロンプトチューニングによって軽量なオープンソース LLM の判断を人間の注釈方針により近づけられるかを検討しています。著者は FairBotBench ベンチマークでソフトプロンプトを学習させ、偏り、有害性、パーソナライズの三つの観点で調整後の評価器を評価しています。テキストプロンプトと学習された連続プロンプト埋め込みを組み合わせたハイブリッド方式は、未調整のベースラインより人間の注釈との一致度を一貫して高めたと報告されています。Qwen 3.5 9B では、調整後の評価器が三つの観点すべてで、ホスト型の参照評価器两方を上回ったとされています。
説明静的試験データを用いた溶融塩化物腐食のデータ駆動型モデリング
要約本研究は文献から収集した291件の静的溶融塩化物腐食実験データを用い、腐食速度を予測する解釈可能な機械学習の枠組みを構築したものである。異なる研究間の塩の条件差を表すため、塩処理法・雰囲気制御・事前暴露時の不純物条件を共通の数値尺度にまとめた塩化物塩調製指数（CSPI）を導入した。混合ツリーアンサンブルモデルが最も安定した予測性能を示し、交差検証のR²は0.85、MAEは0.41 mg cm⁻² day⁻¹であった。また、暴露時間・温度・合金組成が重要な寄与因子として特定され、予測区間も良好に校正されていた。
説明構造化臨床データからのIVF/ICSI後の生児出生予測に関する機械学習の系統的レビューとメタ分析
要約本論文は、日常的な臨床データを用いて体外受精（IVF）または卵細胞質内精子注入（ICSI）後の生児出生を予測する機械学習モデルを系統的にレビューしています。48件の研究を対象に、受信者動作特性曲線下面積（AUC）をランダム効果メタ分析でまとめています。内部評価のみのモデルは0.814、後期の期間や別施設で評価されたモデルは0.756でしたが、異質性は極めて大きい結果でした。47件の研究で偏りのリスクが高いか不明とされ、臨床的効果を示すモデルはなく、エビデンスの確実性は低いと結論づけています。
説明PromptOps：LLM評価者システムのための反復的プロンプト最適化
要約大規模言語モデルを自動評価者として使う場合、利用者とのやり取りや評価分布が変化すると、人間の評価方針との一致度が低下しうると指摘しています。これを「評価者ドリフト」と位置づけ、LLM評価者を継続的に監視し反復的に再調整する閉ループ型フレームワーク「PromptOps」を提案しています。実験では、評価分布を制御して変化させた後も反復的な最適化で性能を回復できることを示す一方、有効な手法や更新タイミングは状況によって異なると結論づけています。
説明固定・適応型ペナルティによる自動運転オンデマンド移動事業者の規制：マルチエージェント強化学習によるアプローチ
要約利益最大化を目指す自動運転オンデマンド移動（AMoD）事業者に対し、ペナルティによる規制が価格つり上げを抑え、地域のサービス提供を改善できるかを検討した論文です。事業者と規制当局の方針はいずれもグラフベースのマルチエージェント強化学習で学習されています。ニューヨーク・マンハッタンの実データを用いた実験では、固定の価格つり上げペナルティにより過度な価格に直面する利用者の割合が22%から1%に下がりました。また、地域ごとに罚款を動的に調整すると、平均強度が同じ固定ペナルティに比べ規制当局の報酬が最大15.6%向上しました。
説明患者がオンラインで語るがん検診の障壁：オンラインコミュニティから読み解く
要約本論文は、6つのがん関連Redditコミュニティの56,000件以上の投稿を分析し、そのうち米国の患者による576件の投稿を抽出しています。キーワードによる絞り込み、障壁の分類、オープンコーディング、コードブックの作成といった手法を用いています。その結果、構造的、情報的、心理社会的な障壁が、がんの種類やコミュニティの背景によって異なることが示されています。
説明一貫しつつ文脈に応じて変わる：著者の文体の混合を学習して著者判定を行う研究
要約本論文は著者判定（authorship attribution）と著者検証を扱い、従来の手法が文書の文体のモデル化に偏り、著者自身のモデル化をほとんど行っていないと指摘しています。著者は、一貫しているが互いに異なる複数の文体を著者の表現が捉えられるようにすることで、性能が大きく向上することを示しています。さらに、読者層の規模、学習時点からの時間的隔たり、先行文脈、ジャンルの規範という四つの条件のもとで、どの場合に著者の文章が最も個人の文体を表すかを検討しています。
説明LLM動物園の夜：事前学習済みLLMの重み生成のためのデータ条件付きフローマッチング
要約本論文は、ウェブテキスト、書籍、数学、コード、フランス語の学習データ配合を系統的に変えた大規模言語モデルの集団を構築しています。対象はパラメータ数5100万、1億2400万、3億5500万のGPT-2モデルです。学習データ配合を条件としたフローマッチングモデルを用い、圧縮された重み空間で事前学習済みLLMの完全な重みを生成します。生成されたモデルは、集団内のモデルと同程度の性能を示すと報告されています。
注目点データ配合を条件とするフローマッチングで事前学習LLMの重み全体を生成し、GPT-2規模のモデル群で未見の配合へのゼロショット汎化を検証。
説明連合学習向け混合専門家モデルにおけるサーバー側のスパース専門家割り当て
要約本論文は、サーバー側でスパースな専門家割り当てを行う連合学習型の混合専門家（MoE）フレームワーク S³-MoE を提案している。部分的な観測からクライアントごとの専門家の関連性を推定し、活用と探索の仕組みで割り当てを改善する。関連性推定の誤差と正確な Top-K 回復に関する保証も示している。CIFAR-100 上の CNN ベースの実験では、各クライアントが 5 つの専門家のみを読み込む条件で、全 20 専門家を使う Full-20 FedAvg より平均最終精度が 1.31 ポイント高かった。
説明二人零和拡張形ゲームにおける拡張形プロパー均衡の多項式時間計算
要約本論文は、完全記憶を持つ有限な二人零和拡張形ゲーム（有理数データ）において、厳密な拡張形プロパー均衡を決定的多項式時間で計算するアルゴリズムを提案している。各情報集合に対し許容される行動確率の幾何学的置換多面体を割り当て、スケーリングされた二重確率的表現によって多項式サイズの系列形多面体に組み込む。さらにパラメトリック線形系の符号安定性などを用い、任意に小さい数値摂動の解ではなく厳密な均衡を得ている。得られる確率は有理数で、多項式の符号化長を持つ。
注目点二人零和拡張形ゲームの拡張形プロパ均衡を多項式時間で厳密に計算する点が新しい。幾何置換面体と双確率表現を用いる；影響は主にゲーム理論アルゴリズムの分野に及ぶ。
説明人間と機械の推論を大規模に記号モデル化する研究
要約本論文は、動作を再現できる解釈可能な決定的記号プログラムを自動探索する手法、行動条件付き記号合成（BCSS）を提案しています。この手法を数百の推論問題における人間と機械の行動のモデル化に適用しています。分析の結果、両者とも過度に単純化し、観察を部分的にしか説明しない規則を採用し、問題の特徴間の依存関係を誤って推定する傾向があることが示されました。
説明自動運転における重なり合う透視カメラからの広視野合成
要約本論文は、複数の透視カメラの観測から、指定した仮想視点で幾何的に整合した広視野画像を合成する広視野合成（WVS）を定式化しています。カメラ中心が離れていることによる視差と遮蔽を扱う必要があると述べています。提案手法WV-GSは、シーンごとの最適化を必要としないフィードフォワード型のガウシアンスプラッティングです。周辺部の伸びを抑える区分透視レンダリング（PPR）と、カメラごとの光度変化を扱う空間アフィン光度モデリング（SAPM）を導入しています。合成ベンチマークWideDriveも提供され、複数のデータセットで有効性が示されています。
説明一般和ゲームにおける楽観的Hedge：基本的限界と時間近似による後悔の上界（一般和ゲームで楽観的重み更新法がどこまで後悔を抑えられるかを扱う研究）
要約本論文は、一段の外挿を伴う乗法的重み更新法である楽観的Hedgeの後悔（regret）を分析する。2人ゲームでは、時間に依存しないO(n log n)の後悔の上界を与える学習率が存在することを示す。3人以上のゲームでは、いかなる学習率でも一部のプレイヤーの後悔が指数的に大きくなるゲームを構成する。上界は時間近似の枠組みから導かれ、この枠組みにより既知のm人ゲームの後悔上界の証明も簡略化される。
注目点二人と三人のゲームの違いを示し、三人では指数的な後悔の下界を構成、時間近似の枠組みで二人の場合の紧界を与える。
説明検証と合意は同じではない：エージェント間の LLM から Dafny への形式化（LLM が生成した仕様をDafnyで検証する際の、異なるエージェント間の一致性に関する研究）
要約論文は、2つの大規模言語モデルに仕様担当と実装担当を分けて、臨床試験の基準をDafnyの述語と手続きに変換させる手法を検討しています。同一モデルで同じテキストから独立に抽出しても一致率は59.3%でした。96件の臨床試験文書で4つのモデル構成を評価したところ、一致率は14.3%から53.0%まで変動し、弱い実装担当が仕様の述語を直接呼び出して検証を通すという問題も見つかりました。検証に成功しても、独立したエージェント間の一致の証拠にはならないと結論づけています。
説明同級生チューターへの自動フィードバックは発話の働きかけと学習者の推論を増やしたが、発話量の偏りは変えなかった
要約本ランダム化比較試験は、Schoolhouse.worldの2つの4週間のSAT数学ブートキャンプで実施され、1,030人のボランティアチューターと7,443人の学習者が参加した。チューターは、フィードバックなし、自身の談話への自動フィードバック、またはそれに学習者への参加度フィードバックを加えた群に無作為に割り当てられた。対照群の平均91.5%だったチューターの発話時間は、どの条件でも変化しなかった。
説明内部表現を通じてモデルを形作り監視する
要約本論文は、モデルの内部表現を通じて学習中にモデルを形作る「機構的シェイピング（Mechanistic Shaping）」の枠組みを提案しています。有害な内容を出さないことや、履歴書選考で性別を判断根拠にしないことなど、出力や内部表現で測る概念を制御します。視覚、医療画像、言語など複数分野、最大320億パラメータ、複数の学習手法で、対象の振る舞いが大きく減りつつタスク性能は概ね保たれることを報告しています。さらに、概念が監視器をすり抜ける三つの幾何学的仕組みを示し、多くの場合は概念が依然として監視可能であるとしています。
注目点内部表現を通じてモデルを形成する統一枠組みを提案し、三つの回避機構と監視クラスの階層を示す。視覚・医用画像・言語・最大32Bモデルで、タスク性能を保ちつつ目標行動が減ると報告している。
説明部分観測マルコフ決定過程におけるニューラル強化学習の有限時間収束と後悔保証
要約本論文は、部分観測マルコフ決定過程（POMDP）における強化学習を扱い、有限メモリ窓内の打ち切り履歴から構成したスーパーステートMDPで近似する手法を検討している。非線形ニューラル価値関数近似のもとで、時間差学習による有限時間の批評器誤差上界を示し、方策鏡像降下法と組み合わせて最適POMDP価値に対する有限時間の劣線形後悔を得ている。著者らは、有限メモリPOMDPにおいてニューラル関数近似による同種の結果は文献上初めてだとし、数値実験で理論結果を検証している。
説明エピグラフ形式による制約付き探索を用いた協調型マルチエージェント強化学習
要約本論文は、マルチエージェント強化学習における協調的な探索の問題を扱っている。著者らはEFXPLORERという枠組みを提案し、タスク性能を保つ制約のもとで探索目標を最大化する。エピグラフ（epigraph）による再定式化で適応的な探索予算を導入し、内発的報酬とタスク目標を分離している。さらに後続距離に基づく内発的報酬を加え、長期的な探索を促している。SMAX、VMAS、MPEのベンチマークで、強力なベースラインを上回り新たな協調戦略を見出したと報告している。
説明生成AIの確率的ダイナミクス：自己回帰モデルから相互作用するLLMネットワーク、ニューラルSDEまで
要約本論文は確率力学系の視点から、三種類の生成AIモデルを考察している。まず大規模言語モデル（LLM）を、注意機構に基づく依存関係を持つ高次元非線形自己回帰モデルとして定式化し、条件付き最尤法による事前学習と逐次的なトークン生成の関係を示す。次に相互作用するLLMのネットワークを取り上げ、平均場常微分方程式によってその集団的振る舞いを記述する。さらに連続時間の生成モデルとしてニューラル確率微分方程式（SDE）を扱い、粗い経路解析に基づくWiener空間のキュバチュア法による学習方法を論じている。
説明SD-LoRA：学習時に構造情報をLoRAへ蒸留する少数ショット視覚言語適応手法
要約本論文は、少数ショット条件で視覚言語モデルを適応させる SD-LoRA を提案する。学習時には、高解像度 ViT のパッチトークン間および視覚とテキストの関係をグラフで表現し、暗黙的蒸留と原型予測アライメントにより、その構造情報を軽量な CLIP-LoRA モデルへ転移する。推論時はグラフ教師を破棄し、CLIP-LoRA の順伝播1回とキャッシュベースの分類器のみで予測する。11 の少数ショットベンチマークで、強力な CLIP-LoRA ベースラインより各設定で精度が向上したと報告されている。
注目点学習時のみトークングラフ教師の構造を LoRA に蒸留し、推論時は破棄する点が新しい。著者らは11の少数ショットベンチマークでCLIP-LoRAを約1.8〜3.0ポイント上回ったとしている。
説明テキストから画像を生成するモデル自身の画像で皮膚病変を分割（GENIQ）
要約本論文は、学習を必要とせず注釈付きマスクも不要な、皮膚鏡画像における皮膚病変のセグメンテーション手法GENIQを提案する。テキストから画像を生成する拡散モデルが生成した健常皮膚と病変の画像からプロトタイプを作成し、ラベルのない皮膚鏡画像から最も皮膚らしい・病変らしいパッチを用いて修正する。その方向に沿って評価パッチを採点し、ゲート付き閾値で小さな病変周辺の文脈的なにじみを抑制する。3つの皮膚鏡テストセットでDice係数0.85〜0.88を達成した。
説明競争型フロー・マッチングで品質と網羅性のフロンティアを広げる
要約フローマッチング（Flow Matching）による生成モデルは、生成品質と網羅性（カバレッジ）のトレードオフに直面することが多い。本論文は、その原因が目的関数の性質にあると考える。同じノイズ入り中間画像が複数の clean 画像に対応しうるのに、モデルは一つの速度しか予測できないためである。そこで学習時に、ランダムに引かれた低次元の条件コードにより複数の候補速度を競わせ、目標に最も合う候補のみに損失を適用する。さらに、従来の guidance と併用できる補助条件スケーリングという新しい guidance も提案する。ImageNet-256 で SiT と RAEv2 の二つの検証環境を用いて評価し、指定の再現率でFD_r,6が大きく改善されたと報告している。
説明遺伝子バリアントの再分類：オンライン健康コミュニティにおける再解釈の必要性の把握
要約本研究は、PRISMと呼ばれるエージェント型大規模言語モデルのパイプラインを構築し、オンライン健康コミュニティの投稿を選別して、そのバリアントが後に再分類されたかを確認し、免責事項を付したお知らせ文を作成するものです（連絡は行わない試験運用）。32のコミュニティにわたる390万件の投稿で、再解釈に関連する議論は稀（0.288%）ですが、専門の遺伝学コミュニティに集中しており、2014年以降約5倍に増加しています。PRISMは123件の候補となる分類の違いを抽出し、そのうち5件は不確定から病原性または病原性の可能性が高いへの変更でした。
説明クローズドループ型エージェント評価：階層的測定と自己校正
要約本論文は、稼働中のエージェントを対象とするクローズドループ評価手法を提案する。評価を、偏りのある評価者と打ち切られた結果の下での性能推定として扱い、各階層の結論が原子データまで遡れ、バージョン管理された規則で算出されることを求める。手法はスパン、トレース、会話、エンゲージメントの四階層を対象とし、内側ループで証拠・規則・指標を監査し、外側ループで構成要素ごとの回帰チェックによりエージェントの改善を進める。事例としてビジネス分析エージェントSharpInsightを用い、公開の対話データにも移植して検証している。
説明A2A システムにおける認可の伝播：多段階委任のセキュリティ実験評価
要約本論文は、要求を送るエージェントと権限の起点となる主体が異なる場合に生じる、委任型 Agent2Agent（A2A）ワークフローのセキュリティ問題を扱います。模擬的な四者間の医療費償還ワークフローで、階層的な下流検証の設計を評価しています。15 の敵対的条件のうち 14 件が拒否されました。別の実験では、共有された認可証拠の HMAC 鍵の保持者が、表現される権限を改変し有効な証拠を生成できることが示されています。要求の認証と継承される権限を分離することの有用性を示すとともに、より強固な A2A 認可伝播には、起点で検証可能な委任と意味的な権限の減衰が必要だと指摘しています。
説明「Gaussians Can Subtract」：ハイブリッドシーン描画のためのニューラル溶解場
要約本論文は、メッシュと三次元ガウス基本要素を組み合わせたハイブリッドシーン描画を扱います。メッシュとガウスの間の衝突は、内容の欠落だけでなく、幾何誤差や遮蔽の不一致などにも起因すると指摘し、不整合なメッシュ内容を選択的に溶解してから残差ガウスで補う Gaussolve フレームワークを提案しています。溶解位置と視線方向を学習する軽量なニューラル溶解場と、連続的な透過率融合規則を導入しています。構造化・半構造化シーンでの実験では、より少ないガウス基本要素でより高い視覚的忠実度と高速な描画が示されています。
説明「適応の適応」：AIにおけるダーウィン型・ラマルク型・エージェント主導の進化
要約本論文は、環境変化後の適応速度を、ダーウィン型進化、ラマルク型進化、エージェント主導型進化の三つで比較する理論的枠組みを示しています。エージェントが行動の変種を生成・評価できる場合、適応は速まる可能性がある一方、評価目標の設定が誤っていると、測定上の性能が向上しても望ましくない行動へ収束しうると指摘しています。著者は、自律的なAIの発展に独立した評価と監督が追いつく必要があると述べています。
説明政策に従っても基準テストで不合格になる：政策ベースの意思決定ベンチマークの監査と修正
要約本論文は、文書化された規則を金融や業務の事例に適用できるかを評価する九つの公開ベンチマークを監査しました。標準解答の根拠不足、参照解答の誤り、許容できる回答を誤って不正解とする評価器などの問題が見つかっています。変更していないモデル回答を再採点すると結果が大きく変わることを示し、監査の証拠と修正版をまとめたBAR（Benchmark Audit and Revision）を提案しています。
説明LowRAM：テスト時に組み合わせ可能なKVキャッシュ圧縮のための低ランクキーと償却値
要約論文はLowRAMという非対称なKVキャッシュ圧縮手法を提案しています。中核は値キャッシュの償却で、テスト時に注意ヘッドごとに軽量な予測器を当てはめ、再構成誤差の大きいトークンにのみ残差を保存することで、ほぼ無損失で約4倍の値圧縮を実現します。これに跨層の低ランクキー圧縮を組み合わせ、三つのモデルファミリーでほぼ無損失を保ちつつ、ピーク時のデコードスループットを最大5倍に高めています。さらに量子化や削除手法と組み合わせることで、長文脈においてベースライン性能の94.5%を保ちながら26.9倍の圧縮率に達しています。
説明TraCE：説明可能な動画理解のための軌跡認識コンセプト
要約動画理解モデルは動きに依存することが多いが、既存の説明手法では予測を支える動きの発生源が分かりにくい。TraCE は学習動画の光学フロー軌跡をクラスタリングし、単一人物の姿勢に限らない動きのコンセプトを発見する。物体・シーンのコンセプトと合わせ、行動認識と動画質問応答に用いる。6つのベンチマークで、解釈不可能なベースラインに対し行動認識の平均精度は 1.0 ポイント低下、動画質問応答は名目上 0.4 ポイント向上した。
説明ピクセルから行動へ：ネイティブな視覚・言語・行動ポリシーに向けて
要約本論文はNEO-VLAを提案します。独立した視覚エンコーダを持たず、画像は軽量なパッチ畳み込みでトークン化され、言語とともにバックボーン全体で共進化します。統制された比較では、ネイティブ構成がエンコーダ型より優れ、行動に重要な信号は最終的な視覚表現より前の層でピークに達することが示されています。多様な操作タスクと分布シフトの下でも、より安定した制御が得られています。
説明LLM社会エージェントにおける文脈強化と選択的ロバスト性の枠組み
要約研究者は社会シミュレーションで大規模言語モデルをエージェントとして用い、観察や背景情報を与えて行動を形成させています。しかし、意味を変えない提示の言い換えによって行動が大きく変わることが知られており、シミュレーションの検証に課題があります。本論文は、中立的な埋め込み、一般的な社会的背景、記述的な決定の根拠、規範的な決定の根拠という4種類の文脈を体系的に追加する受動的プロンプト置換規則と、意味を保つ提示の変化への不感受性と社会状況の意思決定関連の変化への方向的応答を組み合わせた選択的ロバスト性という検証基準を提案します。囚人のジレンマに類するゲームでこの枠組みを示し、文脈強化の形式によって、試した2つのモデル間で異なる行動パターンが生じることを明らかにしています。
説明FlowReconBench：疎なセンサーからの流れ場再構成における学習手法と古典手法の精度・校正・コストの評価ベンチマーク
要約本論文は、疎なセンサーから流れ場を再構成する学習手法（10種）と古典手法（5種）を、層流円柱後流、二次元コルモゴロフ乱流、三次元等方性乱流の3条件で比較する評価基盤FlowReconBenchを提案している。精度、アンサンブルのばらつき、校正、スペクトル、計算コストで評価した結果、最良の手法は条件ごとに異なり、古典手法は低次元や高密度センシングで強く、データ駆動手法はセンサー密度の低下や観測性が悪い場合に優れるとしている。
説明BEAKER：自動化化学実験室におけるエンボディド脳のための専門家監修ベンチマーク
要約本論文は、自動化化学実験室（SDCL）で多モーダル大規模言語モデルが具身的な能力を備えているかを評価するベンチマーク「BEAKER」を提案している。化学と人工知能の専門家が手作業で作成・確認した1,000組の質問応答サンプルを、11種類の画像・動画タスクに分けて収録している。28のモデルを単一ターンのオフライン設定で評価した結果、動画中の大まかな実験手順は理解できるものの、操作可能な領域への動作の対応付け、器具や状態・安全の細かな認識、中程度の長さの手順の順序付けには課題が残ることが示された。
説明FrontierPhysics：物理研究を端から端まで行うエージェントを評価するベンチマーク
要約本論文は、42名の物理学者が自身の研究に基づいて作成した56のタスクからなるベンチマーク「FrontierPhysics」を提案している。理論・計算・実験物理学の9分野を対象とし、エージェントは文献調査、研究計画の策定、研究と実験の実施、構造化された成果物と科学論文の作成を行う。評価は決定的な検証器と専門家が作成した採点基準を組み合わせて行われる。22モデル26構成で試されたが、168回の試行のうち46回を超えて合格した構成はなかった。
注目点新規性は物理研究の全工程を端から端まで評価する点にあり、42人の物理学者が自身の研究から作成した56タスクを用いる。摘要では22モデル26構成の結果を報告している。
説明シミュレーションから学ぶ知覚型ヒューマノイドの動作制御（HALOシステム）
要約本論文は、視覚と言語の指示に基づいてヒューマノイドロボットが動作するためのHALOシステムを提案している。手続き的に生成された1,000の仮想住宅を用いて視覚・言語・動作のデータを合成し、人手による収集に頼らない。HALOは椅子に座る、指定した物体へ移動する、半開きのドアを横向きに通る、テーブルの下をかがんで進む、箱を押すなどの技能を習得し、それらを組み合わせて長い手順の課題を実行する。訓練中に実際の住宅を一度も見ずに、未マッピングの実環境6カ所で360回の試行を行い、91%の成功率を達成した。
注目点シミュレーションで視覚・言語・動作データを合成しヒューマノイドのデータ不足を解決し、実環境で360試行91%成功と報告している。
説明強化学習で汎用ロボット方策を複数タスクにわたり改善する研究
要約本論文は、汎用ロボット方策が展開時に多様な複数タスクを同時に改善できるかを検討しています。著者らは汎化的な改善能力を測る構造化評価を設計し、価値推定、方策抽出、リソース配分に関する手法と実装上の選択を体系的に比較しました。その結果、オンラインでの多タスク改善が可能であり、適切な手法はオンライン学習で扱わなかったタスクの性能も向上させること、また訓練タスクの分布と価値ベース強化学習が重要であることを示しています。
注目点汎用ロボット方策の多タスク展開時のオンライン強化学習による改善を検討し、学習していないタスクへの汎化を報告する。
説明潜在世界モデルのための動き誘導型対比正則化手法
要約本論文は、JEPA型潜在世界モデルで生じる静的崩壊（エンコーダがエピソード固有の静的背景を保持し、操作に関わる状態変化を抑制する現象）への対策を提案している。OGBench-Cubeでの対照実験では、背景をランダム化すると計画性能が大きく低下することが示された。提案手法は光学フローの類似度を軟らかい対比目標として用い、潜在予測およびSIGRegと組み合わせて学習する。ランダム背景のOGBench-Cubeでは計画成功率が52%から78%に、LIBERO-Objectでは14%から54%に向上したと報告されている。
説明追加コストなしの遮蔽検出：単眼の二つの距離手がかりの不一致から遮蔽を判定する
要約学習や遮蔽ラベルを必要とせず、検出枠の見かけの高さと単眼深度推定による距離の順序の食い違いから歩行者が遮蔽されているかを判定する手法を提案している。KITTIでの重度遮蔽検出のAUCは0.909、距離帯ごとの評価でも0.894〜0.925を示し、CARLAの合成シーンでは距離のみの基準を上回ったと報告している。
説明エージェントAI向け信頼応答型ランタイム認可ポリシーと、ポリシー挙動およびパラメータ感度の実証分析
要約本論文は、自律エージェントのランタイム状態の推定値を操作権限へ変換するポリシーを研究し、信頼応答型認可ポリシー（TRAP）を提案している。ランタイム信頼度、動作の安定性、文脈リスクを重み付けした認可準備スコアに基づき、離散的な認可レベルを割り当てる。昇格には閾値を超える連続観測と余裕が必要で、準備度が急落すると直ちに権限を制限する。100件のモンテカルロ軌跡で静的、信頼のみ、リスクのみ、対称型の各ポリシーと比較し、急激な劣化時にはTRAPの制限が速いことを示した。
説明手続き的敵対的学習：解釈可能な生成プログラムで困難な例を探して学習・評価する手法
要約本論文は、解釈可能な画像生成プログラムの制御パラメータ空間で困難な事例を探索し、ミニマックス学習と敵対的評価を行う手続き的敵対的学習（PAL）を提案している。ゼロ次最適化を用いて学習データを必要に応じて生成するSimple-PATアルゴリズムと、表面法線推定、画像セグメンテーション、人体姿勢推定向けの生成器群PAL-Dojoを導入している。クロスモデルのブラックボックス攻撃者に対して総計5000万回のクエリを行った結果、Simple-PATは標準的な学習と比べて最悪ケースの誤差を幾何平均で3.15倍、最強のロバスト学習ベースラインと比べて2.63倍低減したと報告されている。
説明適応的マルチモード：オンラインのランドスケープ探査による予算対応の最適化手法ルーティング
要約本論文はAMM（Adaptive Multi Mode）を提案する。与えられた予算の下で、曲率・平坦部・分離可能性・折れ点・盆地・フラクタル構造をオンラインで探査し、準ニュートン法、信頼領域法、座標法、マルチスタート法、進化戦略の各最適化エンジンの間で経路選択を行う。bbobのheld-outインスタンスでの評価では、600の関数・次元・予算の組み合わせのうち382で最高の目標達成率を示した。Pythonパッケージとして公開されている。
説明SpecCompact：LLMエージェントのコンテキスト圧縮を高速化するスロット並列の意味的投機的検証手法
要約LLMエージェントは増え続ける対話履歴を管理するためにコンテキスト圧縮を用いますが、大規模モデルで長い履歴を要約すると大きな遅延が生じます。本論文は、小型のドラフトモデルで要約スロットを並列生成し、目標モデルが各行を検証して不採用の内容を修正するSpecCompactを提案します。AppWorldとτ³のベンチマーク、2つの目標モデルにおいて、Hermes式の要約に比べて2.04～5.63倍の圧縮速度向上を示し、Hermes内のユーザー調査では中央値で8.68倍の高速化が報告されています。
説明自律型AIエージェントは定理の形式化で人間の好みから体系的に逸脱する
要約本論文は、証明作成タスクにおけるAIエージェントと人間の違いを検証する「模擬協働」という手法を提案する。Leanにおける9つの大規模な人間による共同プロジェクト（470万件の定義、6000件超のコミット）を分析した。その結果、AIエージェントは明示的に印付けされた欠落箇所に強く引き寄せられ、密に連結した証明の中心や複雑または意外な証明目標を相対的に避け、意外な証明本体を基準的な形に近づける傾向があることが示された。
説明一般化信念伝播ネットワークによる線形符号の復号学習
要約本論文は、線形誤り訂正符号の復号のための一般化信念伝播ネットワーク（GBPNet）を提案します。このネットワークは、Tannerグラフ構造とメッセージ伝播の対称性を保ちながら、カスケード型の変数ノード更新と学習可能な要素ごとのメッセージスケーリングを用いて、復号器の学習能力を高めています。また、復号精度を向上させるため、段階的訓練と高SNR訓練の2つの学習戦略を導入しています。複数の線形符号での実験では、GBPNetが従来の信念伝播法および評価された最新の神経復号器よりも低いビット誤り率を達成したことが示されています。
説明PixelSpline：端点アンカー型の共有ピクセル軌跡による連続時空間動画超解像
要約本論文は、長文脈エンコーディング、連続的な高解像度特徴リフティング、端点アンカー型のPixelSplineを組み合わせた連続時空間動画超解像フレームワークを提案している。PixelSplineは各ピクセルの動きを両端点で共有される単一の連続軌跡としてモデル化し、その軌跡を用いて端点の色を粗い中間フレームへワープさせ、高解像度特徴を整列させて残差再構成を行う。空間・時間の両方のアップサンプリング設定での実験により、品質と効率の良好なトレードオフが示されている。
説明LLMエージェントのスケーリングに向けたターン単位のBest-of-Nサンプリングの検討
要約本論文は、長期的な複雑タスクにおけるLLMエージェントの推論時スケーリング手法として、ターン単位のBest-of-Nサンプリングを評価しています。各ターンで生成器モデルがN個の候補行動を生成し、選択器モデルが1つを選んで環境で実行します。市販の公開重みLLMを候補行動の比較に用いた実験では、長期的な端末タスクで正答率が5〜10%向上し、繰り返し試行間の一貫性も改善しました。
説明CounterFactual Retrieval：根拠を考慮した個体動物識別のための反事実検索評価
要約既存の個体動物識別の評価は検索精度のみを見るため、モデルが動物自体の特徴を使ったのか、個体と相関する近道情報を使ったのかが分からないと指摘しています。著者らは反事実前景検索（CFR）という評価手法を提案し、全体画像、前景のみ、近道情報のみの3つの視点で同じ検索課題を評価します。あわせて34データセット分、約50万個のマスクと、マスク生成およびCFR評価のコードを公開しています。
説明バッチ条件付き意味アンカーによる視覚・言語モデルのロバストなトランスダクティブ適応
要約本論文は、テスト時にラベルなしバッチの予測を洗練させ、視覚・言語モデル（CLIPなど）を改善するJPTA（Joint Prior and Transport Adaptation）という手法を提案します。CLIPのテキスト原型を、校正された根拠がある場合にのみバッチ内の画像側の構造へ寄せて調整される意味的参照として扱い、その影響をバッチの信頼性に応じて調整します。論文によると、標準ベンチマーク、少数の有効クラスの設定、全クラス評価、オンラインストリームのいずれでも、JPTAはTransCLIPおよびStatAを上回り、疎なバッチや事前分布がずれたバッチで最も大きな改善が見られたとしています。
説明階層表現と量子化のバランス：テキスト埋め込みにおける性能のトレードオフ
要約本論文は、可変長表現を与える階層型テキスト埋め込みと、数値精度を下げる量子化という二つの既存技術の相互作用を調べる実証的ベンチマーク研究です。MTEB の 38 タスクを、Transformer ベースの四つの埋め込みモデルで評価しています。int8 量子化はペア分類と再ランキングで float32 と統計的に有意な差がなく、二値量化はすべてのタスク類型で明らかに劣ることが示されています。検索タスクの性能低下は他の類型より大きいとされています。
説明CompressionBench：コーディングエージェントはLLMをどのように圧縮できるか
要約本論文は、LLM圧縮を、ソースのチェックポイント、ストレージ上限、推論環境、時間予算を与えられたエージェントが圧縮重みと実行可能な推論コードを自律的に構築する端末タスクとして定式化し、CompressionBenchとして提示している。6つのエージェントと6つのモデルサイズ設定で36件の提出のうち29件が検証を通過した。タスクごとに最も低いパープレキシティの設計を選ぶと、BF16に比べ平均3.4%のパープレキシティ増加で、下流精度は77.33%（BF16は79.56%）であった。
説明LongBanana：専門家が検証した長文脈マルチ参照画像合成のベンチマーク
要約本論文は、専門家が設計・検証した、長文脈かつ複数参照画像による画像合成のベンチマーク「LongBanana」を提案する。90の課題と4,670の原子的評価項目から構成され、実体関係グラフに基づいて内容の忠実性、関係の結合、全体制約の充足を評価する。また長期的画像生成のためのエージェントフレームワーク「LongBanana-Gen」を提案し、RPRワークフローによる改善を報告している。
説明視覚トークンルーティング：重要なトークンだけを残す学習手法
要約本論文は、コンピュータ操作エージェント向けの視覚トークンルーティング（VTR）という学習枠組みを提案しています。現在と前のスクリーンショットの各領域について、軽量な時空間ルーターが視覚トークンを言語モデルに入力するかを判断します。著者らによると、2000ステップの学習で、OSWorld、CUA-World、ビデオゲームの行動予測において全解像度モデルと同等の性能を示し、視覚トークンを2.5～5.8倍削減して推論コストを最大3.3倍下げています。
説明「Trainspotting」：ネット上の散在写真から物体中心の3D再構成を学習する
要約最新のフィードフォワード型3D再構成モデルは、ネット上で撮影された物体の写真群では性能が低いことが分かっています。これらのモデルは主に単一セッションで撮影されたデータで学習されているためです。本研究はWikimedia Commonsから12,068個の物体と311,886枚の写真を集めたTrainspottingデータセットを構築し、カメラ姿勢、多視点ステレオ深度、物体マスクを復元しました。物体は一か所に固定されたもの、場所間を移動するもの、多数の実物で共有される設計の三つに分類されています。このデータセットでVGGT-Ωを微調整すると、未学習の物体でカメラ姿勢、深度、3D形状の精度が向上し、NAVIベンチマークでも同様の改善が見られました。
説明ペルソナ視点：視点の採用が大規模言語モデルの表現を再編成する
要約本論文は、大規模言語モデルに自由主義者や保守主義者といった政治的ペルソナを演じさせたとき、内部表現の幾何構造が変化するかを検討しています。9,000語以上の一般語と33の意味軸を、2つのペルソナと2つの中立的基準で比較しました。その結果、ペルソナの設定によって単語の意味軸への射影や軸同士の関係が体系的に変わり、ペルソナなしで学習した分類器が論争的な主張に対して政治的に偏った真偽や道徳の評価を出すことが示されました。
説明説明の忠実性を評価する基準間の不一致とその対処法
要約本論文は、アルゴリズムによる説明がモデルの振る舞いを正確に反映しているかを評価する既存の基準同士が、同じ説明について異なる判断を下す理由を検討します。著者らは忠実性の関数を提案し、説明が何を主張するか、どの比較がその主張に関わるか、比較間の一致をどう集約するかという点で基準の違いを整理し、既存の基準を再構成しています。さらに、不利益処分通知の事例を用いて、具体的な場面がどの評価方法を選ぶ根拠になるかを示しています。
説明視覚情報をどこに接続するか：ViTとLLMの全層を動的ゲートで結ぶDGP（動的ゲート付き経路）によるMLLMの改善
要約論文は、ビジョンエンコーダ（ViT）の各層と大規模言語モデル（LLM）の各層のすべての組み合わせを接続し、各LLM層が自身の意味状態に応じてどの視覚層を優先するかを動的にゲートで選択するDGP（Dynamic Gated Pathways）を提案している。LLaVA-1.5-7Bと13Bを基盤とした実験では、7Bベースラインに対して複数のベンチマークで一貫した向上が示され（SQA^Iで+4.2、MM-Vetで+3.3など）、多くのベンチマークで既存の多層視覚融合手法を上回った。層ごとのルーティング分析では、異なるLLM層が必要に応じて異なる粒度の視覚特徴を選んでいることが示された。
説明多結晶材料の粒成長を温度条件付きで時系列予測する研究
要約熱処理中の粒成長は多結晶材料の組織と機械的特性に大きく影響します。本研究は、これまで等温条件に限られていた予測フレームワークを非等温条件へ拡張し、畳み込みニューラルネットワークで粒径分布を符号化し、多層パーセプトロンで熱的記述子を埋め込み、再帰型ネットワークで時間発展を予測します。前線追跡シミュレーションで生成した多様な非等温熱経路のデータで学習と評価を行い、複雑な熱履歴下の粒成長挙動を精度よく再現することを示しています。
説明ServerBench：コーディングエージェントは専用のLLM提供システムを設計できるか
要約本論文は、コーディングエージェントが完全な専用大規模言語モデル提供システムを設計する能力を評価するベンチマーク ServerBench を提案する。エージェントは、GPU コストあたりの遅延条件を満たすトークン価値を統一目標として実験を行い、ステートフルな再生によりセッション依存関係を保持し、提出されたシステムは独立した検証で確認される。11 のモデルと 3 つの配備構成で評価した結果、Claude Sonnet 5.5 は Gemma E4B で 2.97 を達成し、vLLM 参照基準の 4.87 倍となった。
説明同じ構図、異なる個数：テキストから画像を生成するモデルで10を超える数字語はどう働くか
要約本論文は、テキストから画像を生成する5つの公開モデルにおいて、要求する物体の数が10個を超えたときに数字語が個数を制御できるかを調べています。物体と初期ノイズを固定して条件を一つずつ変え、人が3,088枚の画像を数えました。結果として、各モデルは少数では数字に従うものの、ある範囲を超えると追従が弱まり、数字語は一貫した方向性を持って個数を変えないことが示されています。
説明「続ける前に」：対話アシスタントにおける時間依存の安全意識の評価
要約本論文は、大規模言語モデルが対話での依頼に応じる際、時間に依存する制約を考慮するかを評価するベンチマーク「TASC」(Temporal Action Safety in Conversation)を提案しています。3,418件の入力と、経過時間の計算能力と情報の適用能力を比較するための33のシナリオで構成されています。13のモデルを検証した結果、提案された行動が規則に違反する場合でも、時間制約を考慮したのは30.5%にとどまりました。また、経過時間を正しく計算できた場合でも、62.1%では制約が適用されませんでした。
説明新たな推論特性のための文脈認識型自己回帰画像生成
要約本論文は、自己回帰画像生成で生成順序が固定またはランダムに定められている問題に対し、大域的な文脈と現在の局所情報に基づいて次のトークンの位置を動的に決定する文脈認識型の生成フレームワークを提案しています。マスク付き自己回帰モデルやスケールごとの自己回帰モデルを含む複数の画像自己回帰パラダイムで、構造的な頑健性が向上したと報告されています。さらに、複雑な意味的指示をより良く理解し、指示により忠実な画像を生成する能力も示されています。
説明文脈—回答メタモデル：最初の回答トークンの生成前にLLMの活性化を予測する研究
要約確率的デコーディングでは、同じ文脈から言語モデルが多様な回答を生成しうるが、その変動を捉えるには高コストな自己回帰ロールアウトを多数実行する必要がある。本論文は、文脈を読む際の活性化系列から回答時の平均プーリングされた活性化を予測する「文脈—回答メタモデル」を訓練する。4種類のモデル系列はいずれも高い精度で予測でき、分布型モデルはロールアウトのばらつきも捉えた。さらに、Qwen2.5の文脈活性化はQwen3.5およびGemma 4の回答活性化の予測に転用できることが示された。
説明LooM：因果エンコーダ・デコーダ言語モデル向けのループ不変メモリ手法
要約本論文は、ループ型 Transformer の三つの制約、すなわちループ回数とともにメモリが増える点、計算量をブロック単位でしか調整できない点、学習後にループ回数を変えにくい点に対処する LooM（Loop-invariant Memory）を提案している。因果エンコーダ・デコーダ（CED）では、第1層以降のデコーダ層だけをループさせ、各トークンについて一度だけ書き込まれる全体メモリを参照する。キー・バリュー（KV）エントリは初回訪問時にのみ書き込まれるため、キャッシュはループ回数に比例して増えない。学習された一つのモデルは、トークンあたり3から21回の層実行の計算予算に対応し、同じキャッシュサイズで単一パスのベースラインを上回ることが示されている。
説明時間無効化決定木によるロバストなストリーム分類
要約データストリームは無限に続きうるデータ源で、分布が時間とともに変化する（コンセプトドリフト）ため、展開された予測モデルは繰り返し再学習が必要になります。本論文は時間無効化決定木（TNT）を提案し、学習時に現在の文脈で関連性を失った古い学習サンプルを除外し、再び関連性を持てば再度組み込みます。USP DSリポジトリの24の実データおよび準実データストリームで評価した結果、多様なドリフトの種類において最高水準の性能を示したとしています。
説明生成AIにおけるアラインメントの近視眼性：現在の調整は即時の会話満足度を重視し、長期的な利用の影響を見落としているため、長期的アラインメントへの転換を提唱する論文です。
要約本論文は、現在の生成AIのアラインメントが短期的なフィードバックに依存し、即時の会話満足度を優先している点を指摘します。その結果、持続的な人間とAIの相互作用がもたらす長期的な外部性、たとえば認知の衰え、社会的関係の浸食、人間の主体性の低下が無視されていると論じています。筆者らは、人間の幸福の四つの側面にわたって、近期の効用と長期的コストの緊張関係を整理し、単純な選好最適化を超えて長期的な人間の幸福を積極的に促す戦略を提案しています。
説明高位合成ツール Vitis HLS を用いた AWS クラウド FPGA 開発の解説
要約本論文は、AWS EC2 F2 クラウド FPGA 上で高水準言語から機械学習モデルを開発するためのツールチェーンを提案し、Vitis HLS から HDK、AFI ワークフローまでを接続する手順を示しています。FPGA 固有の回路エラーを含む不具合の特定を助ける四段階の検証手法も導入されています。TinyBERT による住所の固有表現認識を検証例とし、埋め込み層と 4 層のエンコーダのうち最初の 1 層を FPGA 上に実装しました。重みはホストの DRAM からストリーミングされ、CPU や GPU の実装より性能は低くなっています。
説明Systolic Linear Attention：TPU向けにタイル分割ゲート付きDelta注意を共同設計する手法
要約GPU向けに設計されたゲート付きDelta線形注意層を、TPUの大型行列演算ユニットに合わせて再構成した手法（SLA）を提案する論文です。キーを256次元に広げて値ヘッドをグループ化し、減衰ゲートを64チャネルの4つのタイルに分け、チャンク計算を単一の融合カーネルでブロック行列積として実行します。TPU v7x上でSLA-R4層はオープンソースのTokamax KDAカーネルより1.6〜2.5倍速く、2,048チップでのMoEモデル事前学習ではKDAより11〜24%速く学習し、困惑度はほぼ同等かやや低いと報告されています。
説明ルール、推論トレース、ルーティング統計：ARC-AGI-2向けオープンモデルの学習・校正データ
要約本論文は、オフラインで4基のL4 GPU、最長12時間という条件下で、どの学習・校正データが3つのオープンモデルのARC-AGI-2課題解決を助けるかを検討しています。NVARC Qwen3-4B向けに12,000個の実行可能ルールと95,993個のタスクからなるコーパスを構築し、1,920件の実タスク記録による継続微調整で半非公開セットのスコアが28.96から33.06（5回の平均）に向上しました。Qwen3.8-27Bでは推論手順の改善が主な向上要因で、スコアは26.81から44.03になりました。
説明ToroFit：高次元データへのトーラスのくさび和のフィッティング
要約本論文は、トーラスのくさび和（wedge sum of tori）の近くに分布するユークリッド点群データを検出し、パラメータ化する手法を提案します。永続コホモロジーとカップ積を用いて個々のトーラス成分を識別し、各成分について低エネルギーの多変量三角多項式をデータに最もよく適合するよう最適化します。この最適化問題は一般化リッジ回帰に帰着し、標準的な手法で効率よく解けます。合成データと実データで有用性を示し、低フレームレートの循環映像の補間、準周期力学系のアトラクタ復元、寄生虫とヒトの遺伝子空間における循環データのパラメータ化を扱っています。
説明Open-HumanScale：具身基盤モデルのための人間とロボットの経験を拡張する公開レシピ
要約本論文は、一人称視点の人間動画による事前学習を5万時間まで拡張する、完全公開のレシピOpen-HumanScaleを提案します。手の動きと自然言語で密に注釈付けされたデータセットOpen-HumanScale-50Kも公開されています。事前学習データの時間数と下流のロボット成功率の間に対数線形の経験則が見られ、それに基づいて人間動画のみで事前学習したHumanWAM-Vanilla、人間とロボットの共同事前学習を用いたHumanWAM-Goalを開発しました。シミュレーションと実機の各ベンチマークの結果が報告され、データ、学習パイプライン、チェックポイント、評価スイートがオープンソースで提供されています。
説明SAUCE：会話の含意関係を用いた要約分析手法
要約本論文は、参照要約を必要とせず、事実に基づいて跨言語の会話音声要約を評価するパイプラインSAUCEを提案する。会話と要約文の間の含意関係により、要約の正確性と事実の網羅性を測定する。黒箱型の大規模言語モデル評価器や密な埋め込み指標と異なり、要約の得点を検証可能な離散的事実に対応づけるため、幻覚や欠落を正確に特定できる。予備的な調査では、人間の判断と高い一致を示したとされる。
説明構造と物性の関係を発見するための解釈可能な空間記述子の進化的設計
要約本論文は、局所スペクトルやヒステリシスループなど画像ベースの物性を予測するための空間記述子を構築する枠組みを提案している。複数の回帰モデルを比較し、SHAPマップで空間的な寄与を分析するとともに、パッチサイズと圧縮が予測精度と記述子の次元数に与える影響を検討している。さらに遺伝的アルゴリズムを用いて空間分割と平均・最小・最大プーリングの割り当てを最適化し、直交座標と極座標の二つの構成方法を比較している。
説明LLMは自分が何を知っているかを知らない：金融バックテストのための時間的自己認識ベンチマーク
要約本論文は、1999年から2026年までの2,226件の日付付き米国事実（月次マクロ経済指標、月末株価、連邦準備制度の決定）からなるFinDendroベンチマークを提案し、大規模言語モデルが自身の知識の境界を正しく判断できるかを検証する。多くの最先端モデルで自己申告は実際の知識を過小評価しており、GPT-5は統制された事実の76%に正答しながら知っていると述べたのは38%にとどまった。著者らは、自己申告、指示、宣言された知識カットオフだけでは、モデルの学習期間内のバックテストが情報漏えいのないことを保証できないと結論づけている。
説明危害ではなくリスクを測る：LLM会話における心理的危害のリスク要因の検出
要約本論文は、心理的危害を直接測定するのではなく、AIの応答に現れる観察可能な行動をリスク要因として検出する手法を提案しています。著者らは8種類の行動を定義し、47,062件のAI応答と373,873個のラベルからなる合成多ラベルコーパスを構築しました。埋め込みベースの分類器、LLMによる直接判定、分類器と判定器のカスケードを比較し、人手ラベル付きデータで最良のカスケードはマクロF1が0.79でした。
説明キャッシュされた実行トレースを用いた、タスク効率の高いエージェント評価
要約本論文は、少数のタスク実行から、エージェントシステムの完全なベンチマーク性能を推定する手法を提案しています。LLMで各実行トレースの構造化要約を抽出し、標準的なテキストエンコーダで埋め込む方式です。SWE-bench Verified と Terminal-Bench 2.0 では、ランダムに実行した単一のタスクのみを用いた場合に、平均絶対誤差がそれぞれ 0.13 から 0.08、0.14 から 0.12 に低下したと報告されています。
説明ConDR：ニューラル・ハミルトン・ヤコビ劣解による保守的な到達可能性解析
要約本論文は、力学系の安全な到達可能性解析において、DeepReachが真に危険な状態を安全と誤分類する問題に取り組んでいます。著者らは、学習される不安全集が真の不安全集を含むように、HJI変分不等式の劣解を学習する保守的DeepReach（ConDR）を提案し、その値が真の値関数から ε·τ 以内にあることを証明しています。Air3D、Air6D、9次元の多車両系、13次元のクアッドロータでDeepReachやMADRと比較され、ConDRは誤分類率と閉ループ衝突率が最も低いと報告されています。
説明メッセージパッシング型グラフ永続性：GNNの情報伝達を取り入れた位相記述子
要約本論文は、メッセージパッシングをグラフフィルトレーションに組み込んだ位相記述子MGPを提案する。各フィルトレーション段階でノード埋め込みを現在の部分グラフに基づいて更新し、永続性イベントと関連付けるとともに、連結成分の代表元の決定にも用いる。著者らはMGPがグラフ同型に対して不変であり、拡張元の永続ホモロジーベースの記述子より厳密に表現力が高いことを証明している。表現力ベンチマークおよび複数のグラフ分類・回帰データセットでの実験では、MGPがほとんどのデータセットで他の永続ホモロジーベース記述子を上回った。
説明VA-TDM：速度敵対的蒸留によって少ステップ拡散モデルを改善する統一的枠組み
要約本論文は、学習された判別器で生徒モデルと教師モデルの速度場を比較し、その差異を学習へのフィードバックとする速度敵対的蒸留（VAD）を提案する。さらにVA-TDMは、生徒の生成軌道に沿った部分的なノイズ除去に監督を与える手法である。テキストからの画像生成と動画生成の4ステップ生成で最先端の性能を示し、330億パラメータのMiniMax-H3にも拡張できることが示されている。
説明整数グリッドを空間的直観へ：ARC-AGI-3 を左右するのは計画ではなく知覚
要約論文は、指示のない視覚ゲーム ARC-AGI-3 向けのオープンウェイト・エージェント SARBLOH を提案します。パラメータを持たない空間知覚エンジンが各フレームを物体の一覧、幾何学的な要約、注釈付きキャンバスに変換し、エージェントはそれをもとにコードとしてアルゴリズム的な仮説を書きます。著者らは、8 つの提示で評価スコアが 3/28 から 25/28 に上がり、トークン使用量は 89.4% 減ったと報告しています。
説明二重台帳モデル：複数エージェントAIシステムの取引粒度コスト会計
要約企業の業務取引は、複数のクラウド、大規模言語モデル、システム・オブ・レコードをまたぐマルチエージェントAIで処理されるが、財務には決済粒度のAIコストしか見えず、個別の注文や請求ごとのコストは分からない。本論文は、FOCUS準拠の課金データからなる決済台帳と、OpenTelemetry GenAIテレメトリに基づく呼び出し粒度の帰属台帳を結合する二重台帳モデルを提案する。階層的な相関機構により各記録を業務取引に割り当て、追跡情報がなくても99%超のコスト網羅率を維持できることをシミュレーションで示している。
説明二つの公開論文採択予測器における段落修正への一致の検証（ランキングの一致は段落編集の一致を示さない）
要約本論文は、高速な分類器と、同じ30億パラメータ言語モデルから微調整された二つの公開テキスト専用採択予測器を比較しています。ICLRの198本の論文とその段落書き換え版について、順位の一致を調べました。元の論文の順位では一定の一致が見られたものの、スコアを上げる書き換えの選択では検出可能な一致はありませんでした。全精度での事後検証でも結論は変わらず、ランダム選択との平均差はごくわずかでした。
説明FedFiOT：単発・少数ラウンド連合学習におけるモデル統合のためのFisher重み付き最適輸送手法
要約本論文は、単発および少数ラウンドの連合学習で生じるクライアントモデルのずれ、ニューロンの位置の不一致、パラメータ重要度の差異という問題を扱う。提案手法FedFiOTは、Fisher情報を用いてパラメータの重要度を測り、ニューロンの対応付けとモデル集約を導く。共有のFisher重み付き目的関数を交互最小化により最適化し、ニューロン対応と全体モデルのパラメータを同時に求める。複数のデータセットにおいて、単発および少数ラウンド設定の両方で既存のベースラインを上回る結果を示したとしている。
説明手話生成のための意味残差ベクトル量子化（論文）
要約本論文は、書き言葉の文を手話の動きに変換する手法として、意味残差ベクトル量子化（SRVQ）を提案している。意味のレベルで表す手話の内容を先に決め、その後、姿勢・手の形・軌道・身体の協調といった運動の細部を段階的に洗練する二段階の生成を行う。CSL-DailyとPhoenix-2014Tでの評価では、R@1がそれぞれ82.3と70.3で、従来の最良手法を30ポイントおよび46ポイント上回ったとしている。
説明「大きなモデル、小さな効果：MONSTER上で分類器として使う凍結予測モデル」：予測基盤モデルの凍結表現と他の分類手法の性能を比較
要約本論文はMONSTERベンチマークの6つの大規模データセットで、2つの時系列予測モデル（ReversoとChronos-Bolt）の凍結表現を分類に用いた場合の効果を比較しました。学習ラベルは1%、10%、100%の割合で検証しています。事前学習はランダム重みのモデルより6データセット中5つで精度を改善しましたが、どの設定でも最強の非事前学習ベースラインを安定して上回ることはありませんでした。著者らは、予測基盤モデルを分類に評価する際には、強力なタスク固有のベースラインとランダム重みの対照実験が重要だと述べています。
説明都市管理向けリモートセンシングにおける細粒度視覚推論のベンチマーク
要約本論文は、無人航空機（UAV）画像から構築した都市リモートセンシング向けの細粒度ベンチマークUMBenchを提案し、交通監視、都市建設、環境品質、災害警戒などの都市管理タスクを対象としています。UMBenchでの評価により、現在のマルチモーダル大規模言語モデルはしばしばシーンレベルの事前知識に依存し、細粒度の視覚的証拠を見落とすことが明らかになりました。そこで著者らは、学習を必要とせずにモデルに細粒度の視覚的証拠を確認させる、証拠優先の思考連鎖手法を提案しています。実験では、この手法がオープンソースと商用の両方のモデルの性能を向上させることが示されています。
説明まず経路を選び、後で見る：ルーティング方針とアクション空間を分離し、視覚エージェントに科学的推論をさせる手法
要約本論文は、意図のルーティング方針と視覚ツールの実行を分離するアーキテクチャZETAを提案している。これにより、ルーティングの誤りと実行の失敗を別々に観測・評価できるようにしている。51件のゼロショット科学的意図クエリによる評価では、明示的なルーティング意味づけによって、特に意味的に近い動作境界でルーティング精度が大きく向上したが、改善の度合いはモデルによって異なると報告している。
説明カーネル領域を超えた継続分類：対角線形ネットワークにおけるL2正則化のスパース性バイアスの活用
要約本論文は高次元統計の設定で、線形予測器による継続学習のロジスティック回帰を研究している。まず継続的線形分類における最適なL2正則化の強さを導き、その汎化性能を特徴づけている。次に最小限の二層対角線形ネットワークを用いて、より深いモデルでのL2正則化の効果を分析し、単一タスクでは疎な特徴学習を促す一方、継続学習ではこの疎性バイアスが保たれないことを示す。そこで重み付きL2正則化を提案し、十分に疎な教師モデルに対して、中程度のタスク期間で従来手法より速く収束することを理論と実験で示している。