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。
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。