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EvoWorld：生成ビデオモデルにおける視界外の世界進化の研究
要約本論文は、生成ビデオモデルが妥当な映像の描画には優れる一方、事象の結果を推論する仕組みを欠いていると指摘する。著者は「視界外因果進化」という問題を提起し、視覚言語モデルが世界状態の変化を推論し、セグメント自己回帰型ビデオレンダラーがそれを映像化するフレームワークEvoWorldを提案する。あわせて学習・評価用のEvoWorld-DataとEvoWorld-Benchを公開し、実験では視覚品質と一貫性を保ちつつ、事象に基づく因果進化で近年のモデルを上回ったと報告している。
説明TailSteer：多ターン画像編集でドリフトを抑える軌跡末尾制御手法
要約本論文は、単一ターンの画像編集性能が高くても、編集結果を繰り返し使うと小さな意図しない変化が蓄積し、視覚的なドリフトが生じることを指摘しています。著者らは、事前学習で得た生成・編集能力を保ったまま多ターンでの頑健性を高める最終段階の学習フレームワーク「TailSteer」を提案しています。FLUX、SenseNova、Qwenの各系列での実験では、15〜20ターンの編集で累積ドリフトが大きく減り、主要なベンチマークでも基盤モデルの性能がおおむね維持されたと報告されています。
説明結合シーングラフ予測：制約付き再現率が構造的不整合を隠す場合
要約本論文は、将来の動画フレームにおける物体間の関係を予測するCoupledSGAを提案する。関係交互グラフにより、実体を共有する関係同士が相互に影響し合うようにし、さらに相互排他的な述語行列に基づく構造一貫性損失を加える。著者らは、制約付き評価では組内の矛盾が捉えられないことを示し、Action Genomeでは損失の有効化により無制約の矛盾率が45.92%から4.07%に下がる一方、R@20は42.21%から35.18%に下がると報告している。
説明スマートフォンを用いたHIIT向けVRエクサゲーム：リアルタイム姿勢推定でフィットネスをゲーム化
要約本論文は、11種類の定型コンボ動作で高強度インターバルトレーニング（HIIT）をゲーム化するVRエクサゲームシステムを提案しています。全身の動きは三脚に設置した一般的なスマートフォンのカメラで撮影し、姿勢推定アルゴリズムでリアルタイムに処理します。解析結果はMCPとGPT-4oを用いたバックエンドで評価され、フォーム、効率、強度、負傷リスクについてフィードバックを生成します。18〜25歳の20名による被験者内実験では、VR条件で楽しさ、没入感、推奨意向の評価が高くなりました。システムの評価は認定トレーナーの評価と87.5%一致しました。
説明大規模ConceptARC：推論モデルの概念理解を研究
要約本論文は、特定の概念を対象としたARC形式のタスクを大量に生成するジェネレーターConceptARC at Scaleを提案している。これを用いて、16概念それぞれ100件、計1,600件の人手で確認された新タスクからなるConceptARC-100を構築し、元のベンチマークの10倍の規模とした。近年の推論モデルや、ConceptARC-100で一から学習させたモデルを評価するとともに、その内部表現を分析した。その結果、タスクの表現は再着色、除去、平行移動といった対象への操作ごとにまとまっており、モデルが変換操作の安定した抽象を形成している可能性が示唆された。
説明小型言語モデルによるシェル出力シミュレーションのためのテンプレート・ギャップ再構成
要約本論文は、コマンドを実行せずにシェル出力を模擬する手法として、テンプレート・ギャップ再構成（TGR）を提案している。再利用可能な出力テンプレートを選択し、可変部分のみを自己回帰的に生成する。対象環境を除外したテンプレートバンクでの評価では、テンプレートの被覆率が高い場合に出力編集類似度が向上し、生成トークン数は26.3〜38.3％削減された。
説明「Turns Matter」：ターン単位のクレジット割り当てによるストリーミング動画RLの改善
要約本論文は、ストリーミング動画理解において、モデルが応答するか観察を続けるかを繰り返し判断する問題を扱います。提案手法TurnWiseは、各ストリーミング判断ごとにグループ相対アドバンテージを算出するターン単位のGRPOフレームワークです。各ターン内のトークン損失を平均し、ターン間でも平均することで、応答と待機の判断に同じ重みを与えます。実験では、既存の強化学習手法より優れた結果が示されています。
説明Airlock：選択的なオンライン封じ込めによるマルチエージェントの被害範囲の限定
要約本論文は、マルチエージェントシステムでアラート発生後に障害を選択的に封じ込める実行時・防御機構 Airlock を提案している。木構造の実行基盤 EdgeCitadel が親から子へ権限を縦方向に絞り込み、追記専用の来歴有向非巡回グラフがエージェント間のデータ利用を横方向に記録する。アラート後はこのグラフを前方にたどって汚染された実行と保留中の動作を隔離し、後方にたどって根本原因を絞り込む。さらに、期限を考慮して正常な作業への巻き添えを最小化する最小カットを用いる方式も示されている。
説明基盤モデル時代の器用なロボットハンド：ハードウェア、データ、クロス・エンボディメント転移、学習、評価を通したフルスタック サーベイ
要約本論文は、2024年1月から2026年11月初旬までの器用なロボットハンドに関する研究をまとめたサーベイです。技術的な系譜を示すため、それ以前の研究も含めています。文献はハードウェア、データの収集と整備、異なる身体構造間の転移、学習と基盤モデル、評価と応用という五つの相互に関連する層に整理されています。論文は、人間データの価値は記録量だけでなく、運動学、視覚、接触の整合性に依存すると結論づけています。また、タスクを完了しても物理的な正しさや実用化の準備が整ったことは示せないと指摘しています。
説明中心流解析による安定性端での対称性の破れの研究
要約ニューラルネットワークの連続対称性は、勾配流の下で不変に保たれる保存量をもたらし、線形およびReLUネットワークにおける層のバランス性がその例です。有限ステップの勾配降下法は、特に安定性の端（EOS）では、これらの保存則を必ずしも保たず、そこでは反復点がより滑らかな軌道の周りで振動し、その振る舞いは中心流力学（Cohen et al., 2025）で記述できます。本研究は、この領域において勾配流の保存則が中心流記述の下でどのように変化するかを調べ、スカラー2層モデル、2層行列分解、2層ReLUネットワークを解析して、どの保存則が残り、どれが破れるかを検討しています。
説明多言語LLMにおける非パラメトリック記憶に基づく推論：認知に基づく関係知識の分析
要約本論文は、30のWikidata関係から作成された450問の選択式問題からなる多言語診断ベンチマーク「Rel-Bloom」を提案する。問題はブルーム分類の5段階と、事実・反事実・中立化の3つの真偽条件で構成される。43モデル、6言語で評価した結果、応用から分析への段階で正答率が大きく下がり、評価段階は多くのモデルで依然として難所であった。反事実の文脈は一般に事実の文脈より難しく、モデルの能力向上だけでは与えられた関係的証拠に基づく信頼できる推論は保証されないと結論づけている。
説明エネルギー誘導輸送：射影を用いない物理情報付きフローマッチング手法
要約本論文は、追加学習を必要としないフレームワーク「エネルギー誘導輸送（Energy-Guided Transport）」を提案している。非線形の物理制約を滑らかなポテンシャルエネルギー関数として定式化し、ODE積分を中断する代わりに、生成途中の状態に連続的な散逸力を加えて物理多様体へと誘導する。評価は、カオス的なNavier-Stokes方程式を含むさまざまな1次元・2次元の物理系で行われている。
説明原則と実践のギャップを超えて：状況に根ざした認識的・倫理的実践としての責任あるAI
要約責任あるAIの研究では、倫理原則がAIの設計・開発に反映されないことが多いと指摘されてきました。従来はこれを実施、意識、コンプライアンスの問題とみなしてきました。本論文は、法執行、商業、研究、被害者支援の各分野で人身取引対策のAIシステムを設計・統治する関係者14名への半構造化インタビューに基づき、このギャップは制度や職業上の条件によって、どの問題を行動すべき倫理問題とみなすかが異なることから生じると論じます。認識、判断、状況に応じた行動、社会技術的な具体化という4つの段階を示し、責任あるAIガバナンスには、影響を受ける人々の知識を設計に反映させる認識的な基盤が必要だと主張します。
説明ALTO：アフリカおよびレバント地域における技術利用型ジェンダー暴力コーパス
要約本論文は、ヨルダン、西アフリカのフランス語圏、ケニアの市民社会組織と協力して収集した、レバント・アラビア語、アフリカ・フランス語、スワヒリ語の技術利用型ジェンダー暴力（TFGBV）事例からなるデータセットALTO（N=3022）を紹介している。能動学習を用いて注釈を付けたこのデータで既存の有害コンテンツ検出モデルを評価したところ、再現率は低く、微調整により改善することが示された。モデルは全言語で巧妙な危害を見逃す傾向があり、スワヒリ語では誤り率が著しく高かった。注釈体系、データセット、学習済みモデルも公開されている。
説明『Where It Breaks』：パックマンで動く視覚言語エージェントの知覚・記憶・意思決定の失敗を診断する研究
要約本論文は、Qwen3.5-9Bを基にした視覚言語エージェントがパックマンをプレイする際、上下左右の4つの操作のみで性能が低いとき、画面の読み取りと長い操作列の選択のどちらに問題があるのかを分析します。独立した知覚チェックと基本方策の強化学習実験により検証し、未見の8つの迷路での完了率は最適化前の0%から、選択したチェックポイントで80.2%へ向上しました。また、静的なスクリーンショットの読み取りが正確でも対話中に誤りが生じうること、さらなる最適化が行動選択の悪化を伴う場合があることを示しています。
説明エージェント駆動の生成事前分布による病理画像の合成とセグメンテーション
要約本論文は、病理画像のピクセル単位の注釈が乏しいという課題に対し、自動データスクリーニング、生成的表現学習、下流タスクへの効率的な適応からなる三段階の枠組みを提案しています。病理エージェントシステムで画質を評価・選別し、TCGAから217,030枚のパッチを選んだTCGA-200Kを構築しました。さらに、12種類の細胞タイプ・約38万個の細胞に専門家の注釈を付けたセグメンテーションデータセットPathSeg-380Kを公開し、複数の病理データセットで最先端のセグメンテーション性能を示しています。
説明PINR-ESI：脳波の拡張源イメージングのための物理情報付き自己教師あり暗黙的ニューラル表現フレームワーク
要約本論文は、対になった源ラベルも、シミュレーションによる教師ありの事前学習も必要としない脳波拡張源イメージングの手法を提案しています。リードフィールド行列を用いて、予測した脳波と実測の脳波が一致するように暗黙的ニューラル表現を制約し、皮質電流密度を連続した座標場としてモデル化します。シミュレーションでは、複数の大きな活動領域を特定する点で優位性が見られました。てんかん患者の実際の脳波と頭蓋内刺激実験による評価でも、源イメージングへの実現可能性が支持されています。
説明既存手法を置き換えず補完する、検出器非依存の部分空間信号による近分布外検出
要約本論文は、機械学習における近分布外（near-OOD）検出のための手法PLUSを提案している。各クラスについて疎なオートエンコーダから最もクラス活性の高いニューロンを選び、低次元の部分空間を構成し、予測クラスの部分空間内での白色化マハラノビス距離で入力を評価する。この信号は固定の単一重みで既存の検出スコアに加算的に統合される。18種類の検出器と126通りの検出器・バックボーンの組み合わせで、近分布外のAUROCが一貫して向上したと報告している。
説明LifeVal：パーソナライズされたエージェント型消費者タスクにおけるAIモデルの性能を評価するベンチマーク
要約本論文はLifeValというベンチマークを提案し、個人向けのエージェント型消費者タスクでAIモデルがどの程度機能するかを評価します。理財、引っ越し、求職、保育探しなど148の消費者タスクカテゴリを対象としています。3,800人を超える消費者への調査と、米国の時間利用調査および多国間時間利用研究を照合し、各タスクへの支払意思を見積もっています。タスクは実際の経験を持つ作成者が実際の会話記録などをもとに作成し、少なくとも3回の人手による品質確認を経ています。
説明Sekai：汎化推論動画セグメンテーションのための増分イベントメモリ手法
要約本論文は、クエリに関連するイベントの蓄積に応じて対象集合が変化する汎化推論動画セグメンテーション（GRVS）という新タスクを提案しています。60本の動画と197件のクエリからなる診断ベンチマーク Isekai を構築し、イベントメモリ推論器とメモリ基盤デコーダからなるオンライン手法 Sekai を提案しています。実験では J&F 50.33 を達成し、最強のベースラインを 3.2 ポイント上回ったと報告されています。
説明SecureGARD：ツール利用LLMエージェント向けの動的オントロジー誘導型ガバナンス枠組み
要約本論文は、ツールを呼び出す大規模言語モデル（LLM）エージェントを安全に管理するための動的オントロジー誘導型フレームワークSecureGARDを提案しています。統一された意味表現と実行可能なオントロジーにより、各操作を「実行可能」「待機」「禁止」のいずれかに決定します。待機は認可範囲を広げずに有限の再計画を可能にし、オントロジーは学習時の検証済み実行から離線で更新されます。著者らはAgentDojo、ASB、AgentDynの3つのベンチマークで攻撃成功率0%を報告し、攻撃下でのタスク効用も改善したとしています。
説明アンラーニング手法は正しい特徴を学習しているか？
要約本論文は機械アンラーニング（学習データを削除してモデルがそれに依存しないようにする手法）の評価方法を検討しています。削除後の出力だけを比較する従来の評価では、アンラーニング済みモデルと再学習モデルが符号化する特徴の違いが見えなくなる可能性があると指摘します。両者の出力が一致していても、予測ヘッドへの一度の勾配更新でその一致が崩れうることを証明しています。また、欠けている特徴と余分な特徴を区別する特徴回復の指標を提案し、八つのアンラーニング手法の多くが、標準指標では良好でも再学習で得られる特徴を回復していないことを示しています。
説明自己指向型アップルテイスティング：部分的フィードバックを持つオンライン学習問題
要約本論文は、学習者が予測を1とした場合にのみ真のラベルが観測される古典的なアップルテイスティング（apple tasting）設定を扱います。学習者が予測する点の順序を適応的に選べる自己指向（self-directed）設定を研究し、実現可能（realizable）な場合について、期待ミニマックス誤り数に関する四分法を示しています。速度はVC次元、∅中心スター数、自己指向次元に依存します。不可知（agnostic）設定では、ミニマックス後悔は VC 次元に応じて $\tilde \Theta(\sqrt{n})$ または $\Theta(n)$ となります。
説明AgentTrustCI：Java製LLMエージェント向けのビルド時ポリシー・根拠・軌跡テストの枠組み
要約本論文は、Java と JUnit 5 に基づくテスト枠組み AgentTrustCI を提案する。LLM エージェントが許可されたツールを選んだか、回答がツールの出力に基づいているか、規定のワークフローに従ったかを、記録された軌跡に対するポリシー、根拠、軌跡の各検査によってビルド時に確認する。合成ケース55件での評価では、注入された故障30件と合格した対照25件を全パイプラインが正しく分類し、重要なケース12件も見逃さなかった。ただし結果は作成された回帰テスト集の網羅性を示すもので、本番環境での精度を示すものではないと述べられている。
説明CardioDrift：3次元アトラスメッシュ上で形状認識コヒーレントポイントドリフトとスライスずれ補正を用いる全自動心臓運動追跡
要約本論文は、シネ心臓MRI画像から個々人の心臓運動を追跡する、全自動のアトラスベース確率的枠組みCardioDriftを提案しています。コヒーレントポイントドリフト（CPD）を拡張し、複数の心臓領域のアトラス表面を心周期全体にわたって輪郭に位置合わせします。同じ確率モデル内でスライスずれ補正も行います。UK Biobankの1301名とM&Mデータセットでの評価では、左心室、心筋、右心室のDiceスコアがそれぞれ92.23±8.70%、82.11±7.56%、88.69±4.13%に達し、両データセットの全距離・重なり指標で最強のベースラインを上回りました。
説明検索エージェントはどこで道を外れるのか：グラフに基づく段階的検証
要約この論文は、検索を組み込んだ推論システムが途中の段階で誤りを犯しながらも正しい答えに到達しうるという問題を扱っています。著者らは、問い、根拠、推論を構造化された主張として表現して比較するGraphRailを提案し、生成型の判定器や正解データを必要としません。3つのマルチホップ質疑応答ベンチマークと3つの推論フレームワークにおいて、GraphRailは生成型検証器よりも誤りの検出率が高く、確率的な抽出の下でも安定していると報告しています。
説明分散型モデル抽出の背後にあるディスパッチャをタイミングで特定する研究
要約本論文は、APIの蒸留攻撃者が多数の負荷分散アカウントにリクエストを分散させ、内容ベースの検出を回避する手法を扱っています。リクエストの到着時刻とストリーム完了時刻から、ラウンドロビン方式やキーシャッフル方式などの振り分け戦略が推定できると述べています。種子アカウント20%を用いると、同一キャンペーン内の残りのアカウントを20分以内に0.92から1.00のAUCで順位付けできるとしています。
説明弾力的エキスパート並列化による強化学習事後学習の資源効率向上
要約本論文は、大規模言語モデルの強化学習事後学習において応答生成が主要な計算ボトルネックであることを指摘しています。混合エキスパートモデルでは、応答を終えた作業者が、長い応答を処理中の他の作業者に必要とされるエキスパートのため占有され続けることがあります。提案システムFlexFloorは、進行中の応答に必要なエキスパート計算を保ちつつ、同期的な応答生成の中で作業者を段階的に早く解放します。verl基準と比べ、占有計算時間あたりの応答トークン数は約65.40%増加し、生成スループットは52.74%向上したと報告されています。
説明精度を超えて：公共サービスにおけるAI保証が確立すべきこと
要約この論文は、公共機関がAIの生成する分類や要約などの証拠を信頼できるかを検討しています。八つのGPT-4o構成で英国首相質疑の1,200問を21の政策トピックに分類し、人手によるラベルおよび同一条件での反復実行と比較しました。精度は68.2%から70.3%でしたが、24.3%の質問でラベルが変わり、構成同士の一致が必ずしも正しさを保証しないことが示されました。また英国とEUの政策文書37件を分析し、テストや監督の要件を比較しています。
説明校正済みの関係型世界モデルによる、気づきにくい行動インターフェースの不一致の検出
要約ロボットの行動は形状や範囲の制約を満たしていても、軸の入れ替え、符号の反転、回転のスケール誤り、グリッパーの極性反転など、意味が誤っている場合があります。本研究は、学習した状態・行動・効果の関係をオフラインの契約として用い、こうした不一致を検出し、疑わしい項目を順位づけします。LIBERO Spatialの10タスク・432エピソードで、経験的な誤検知率2.5%の下では、混合ガウスモデルの条件付き分布の再現率が65.7%と、リッジ回帰の46.1%や同モデルの同時スコアの61.0%を上回りました。ただしこれは事後的な診断であり、展開時の校正保証ではありません。
説明時空間予測のための動的状態空間拡散
要約本論文は、時空間予測のための動的状態空間拡散モデル（DSSD）を提案する。各フレームに独立したノイズを加える従来の拡散モデルとは異なり、DSSDはノイズ過程自体の時間構造を学習する。安定した減衰振動型の状態空間モデルから時間カーネルを構築し、ノイズが複数の時間スケールと振動的相関を捉えられるようにしつつ、デノイザの構造は変更しない。科学場データセットとロボット映像データセットで、同じデノイザを用いる拡散ベースラインを上回る性能を示した。
説明政治学・社会科学研究における大規模言語モデルの複製可能性・再現可能性・頑健性
要約本章は、大規模言語モデルを用いた研究の再現性問題を扱う。LLMの出力は確率的であり、モデルやバージョンによって変化するため、後続の統計結果に大きな影響を与えうる。著者は、同一の出力ではなく結果の分布に基づく確率的基準を提案し、標準化されたプロンプトスクリプトと誤差構造分析を導入する。三つのデータセットを用いて、測定方法の選択が回帰係数の符号を反転させうることを示す。さらに、オープンウェイトモデルの積み重ね型アンサンブルを提案し、推定の妥当性を保ちつつ補正段階の精度を高める。
説明継続的事前補償による人間の動作予測
要約本論文は、観測された過去の動作系列から将来の異なる時点の人間の姿勢を予測する人間動作予測（HMP）を扱います。著者らは、時間軸上の予測タスクを複数の段階に分けて順次学習する継続的事前補償フレームワーク（CPC）を提案し、事前知識の損失を測る学習可能な事前補償因子（PCF）を導入しています。さらに、サブタスクごとに損失を推定する拡張版CPC++も提示されています。三つのベンチマークデータセットと複数の最新バックボーンモデルによる実験で、有効性と柔軟性が示されています。
説明不確実性に基づく無人機協調知覚の効率的通信
要約本論文は、無人機（UAV）の協調知覚における効率的な通信のためのUCPフレームワークを提案している。観測不確実性でセンサの制約を受ける領域を、判別不確実性で決定境界付近のモデルの曖昧な領域を捉え、これを基に空間の要求マップと供給マップを生成する。受信したメッセージは、不確実性に導かれるクロスアテンションモジュールU-Fusionで集約される。3つのベンチマークで3次元物体検出と軌道予測の実験を行っている。
説明TestBED：ベイズ実験計画のためのオープンソースツールキット
要約本論文は、ベイズ実験計画（BED）のための汎用オープンソースツールキットであるTestBEDを提案している。BEDの処理過程を、タスク、目的関数、学習機構、ポリシー構造、評価手順などの再利用可能なモジュールに分解し、期待情報利得（expected information gain）推定量などの中核部品もスケーラブルに実装している。さらに、このツールキットを用いて現代的なBED手法の大規模ベンチマークを行い、設計ポリシー構造における時間埋め込み（time embeddings）など、見過ごされがちな方法上の選択を対照実験で検討している。
説明Trick-or-Treat：合成画像を用いたマルチモーダル医療推論の敵対的評価
要約本論文は、実在の胸部X線画像と合成された臨床写真を組み合わせ、モデルの異なるモダリティ間の推論能力を検証するベンチマーク「Trick-or-Treat」を提案しています。写真の所見が X線と一致しない組み合わせでは、3つの最先端モデルが臨床的に重要な写真所見を45〜57.5%の割合で幻覚（ハルシネーション）し、写真単独の場合の25〜37.5%より高くなりました。モデルは不一致を無視し、X線に合う所見を作り出す傾向が見られたと報告しています。
説明認証済みペアから認証済みハブへ：推論器で検証されたIES対応付け
要約本論文は、国家デジタルツインの各オントロジーを共通基盤へ写像で接続する構想に対し、写像の妥当性を統合オントロジーの整合性と保存性として厳密に定義します。情報交換標準（IES）と十三のオントロジーとの対応付けを一対ずつ、さらにハブ全体で検証します。逐次的な認証と人手による審査はそれぞれ異なる誤りを検出し、十二の重複ペアのうち十一が整合かつ保存的になりました。一方、三つの建築系対応付けを統合するとBrickの五つのクラスが充足不能となり、ペア単位の認証は組み合わせられないことが示されました。
説明物理AI向けCosmosによるインタラクティブ世界シミュレーションの枠組み
要約本論文は、Cosmos世界基盤モデルをリアルタイムで対話可能な世界シミュレーションに適合させる共通フレームワークを提案する。行動やシーン制御に応じて視覚観測を逐次出力し、ユーザーや身体性エージェントが変化する仮想環境と対話できるようにする。カメラナビゲーション、ロボット操作、制御可能な動画変換、マルチビュー自動運転シミュレーションでの適用例を示し、コードとモデルの重みを公開している。
説明疎な注釈から3次元タイムラプス顕微鏡で細胞を追跡する学習
要約本論文は、一部の細胞にしか注釈がない3次元タイムラプス顕微鏡映像から細胞系譜を再構築する追跡パイプラインを提案しています。疎な注釈からの検出、画像特徴を用いた候補接続の校正、系譜グラフのイベントの同時選択を組み合わせています。ゼブラフィッシュ胚2個の199本の動画に対する5分割交差検証で、総合スコアは0.9762でした。
説明共分散が不明なら差分プライバシーの次元非依存な平均推定は不可能
要約本論文は、共分散行列が未知の場合の差分プライバシー付きガウス平均推定の理論的限界を研究している。共分散が既知なら最適なサンプル複雑度はスペクトルのみに依存し環境次元には依存しないが、共分散が未知の場合にはプライベート推定量が同様の保証を達成できないことを示す。標本数が有効次元より小さいとき、最適誤差は既知の場合より √(d/n) 倍大きくなりうる。標本数が有効次元より大きい場合でも、有効次元が log d で抑えられる対角共分散に対して、誤差は √d/n^{3/2} 倍大きくなりうる。
注目点共分散が未知の場合の差分プライバシー下ガウス平均推定に次元依存の下界を与え、既知共分散の場合との差を示す。