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）。
説明遺伝子要約が答えを明かす問題：遺伝子埋め込みベンチマークにおける Gene Ontology の循環性
要約論文は、NCBI Gene の遺伝子要約が Gene Ontology（GO）注釈から生成されており、評価に使われる注釈そのものを含むことを指摘しています。要約の有無で機能予測の結果を比べたところ、要約を除くと性能が明確に低下し、UniProt の機能説明に置き換えても大部分の性能が回復しました。また、同じ文脈で編码器を比較するための GeneProv も提案されています。
説明視覚的インコンテキスト学習に対する、クエリのみで提示非依存の攻撃
要約本論文は、モデルの内部や展開時のプロンプトが分からず出力画像だけを観測できる場合の、視覚的インコンテキスト学習（VICL）によるセグメンテーションの頑健性を調べています。前景色を背景色に近づける色ハイジャック（CH）と、インスタンス色を共通色に集約するタスクハイジャック（TH）の2つの攻撃を提案します。未知のプロンプトへの転移には自己プロンプト代理（SPS）を用い、SegGPTでは従来のランダムプロンプト代理より効果的でした。30%の汚染でCH攻撃を受けた自動ラベルにより、下流のYOLO-segのmAP50は0.761から0.281に低下しました。
説明MySign：マレーシア手話の3D手話生成のための高精度モーションキャプチャデータセット
要約本論文は、マレーシア手語（Bahasa Isyarat Malaysia）の単独手話語彙を対象とした初のモーションキャプチャデータセットMySignを提案している。5,000サンプルが1,000語彙（グロス）を網羅し、5名のろう者ネイティブ手話話者が収録した。動画から回帰したSMPL-Xパラメータによる疑似ラベルと比べ、手や指の細かい動きをより正確に捉えた真値のSMPL-X系列を提供している。同じ語彙と話者での比較では、これらの系列で学習した方が生成結果が向上したと報告されている。既存の最先端モデルは見た目にはもっともらしい出力を生むものの、特に細かな動きの表現で真値に及ばない。
説明多段階LLMカスケードのための合成的コンフォーマルリスク制御
要約本論文は、多段階の大規模言語モデル（LLM）カスケードに対するリスク制御フレームワークCompCRCを提案します。誤った回答を受け入れるリスクを各段階の加法的な寄与に分解し、独立データ上で予算配分と受け入れ閾値を選択して、別の保留データで各段階のリスクを認証します。条件付き交換可能性のもとで有限サンプル保証を示し、MMLU、GSM8K、HellaSwagでGlobal-CRCと比較した結果を報告しています。
説明ハードラベルを超えて：LLMの確率値が人間支援型回帰を改善
要約この論文は、大規模言語モデル（LLM）がテキストに付与するラベルを単一のカテゴリに絞らず、確率ベクトル全体を保持することで、後続の回帰分析が改善するかを検討しています。3つのLLMと3つの社会科学テキストデータセットを用いて、直接回帰と人間による修正を比較しています。人間による修正を加えた場合、確率ベクトルの利用は複数のモデルとデータセットで回帰の効率を一貫して向上させました。
説明Statopia：統計学における自動形式化と証明発見のための証明器・ライブラリ統合環境
要約本論文は、統計学と機械学習の結果を形式的に証明することを目的とした Statopia エコシステムを提案している。これは、独立に動作する専用エージェントの Statopia Prover と、Lean 4 で構築され自動利用向けに整理された Statlib ライブラリから成る。証明器は命題のみからでも論証を組み立てて Lean の証明を作成でき、既存の自然言語証明があれば探索の指針として利用する。
説明格子場の理論における生成的サンプラーのスケール別評価
要約格子場の理論の生成的サンプラーは、通常は有効サンプルサイズ（ESS）で評価される。本論文は、全体のESSが小さくても長距離観測量が不正確とは限らず、多くの短距離モードに広がる誤差がこの指標を支配しうることを示す。粗視化したモデル分布と目標分布の重なりに基づく、スケール別の診断法を提案している。自由理論と二次元φ⁴理論での検証結果が示されている。
説明エネルギー効率の良いDNN推論のためのメモリ・演算・オフロードの同時最適化
要約本論文は、エッジインテリジェンスシステムにおける深層ニューラルネットワーク（DNN）推論のエネルギー消費を抑えるため、メモリ、演算、計算オフロードを同時に最適化する手法を提案しています。締切制約の下でのエネルギー最小化を混合整数非線形計画問題として定式化し、二つの部分問題に分解したうえで座標降下法により解いています。シミュレーションでは最適方策との差が最大9.3%に収まり、メモリ周波数の最適化を行わない手法と比べてデバイスのエネルギー消費を最大16.1%削減できたと報告されています。
説明タスクの提示方法と実行経路が大規模言語モデルの数学的性能に与える影響
要約本論文は、大規模言語モデルの数学問題における性能が、入力の与え方、生成済みテキストの再利用、解答候補の有無にどう依存するかを調べたものです。65の開発用問題で対比実験を行い、解答提出の指示の書き方によって有効な最終解答が得られるかが大きく変わることを示しています。草稿と解答候補はいずれも正答率を高めますが、その効果は単純な加算にはならず、途中部分の保持方法にも差が見られました。
説明姿勢エンコーディングは重要か？離散モーション語彙学習における幾何表現の分析
要約本論文は、連続的な人体動作を有限個の離散トークンに圧縮する方法を検討します。骨格の姿勢を異なる幾何空間に置く四つのエンコーディング、すなわちピクセル格子上のガウス関節ヒートマップ、ルート相対の関節位置、連続6D埋め込みによる局所関節回転、冗長な完全運動学エンコーディングを比較しています。コードブックサイズ、時間ストライド、コード次元を変えてVQ-VAEトークナイザを学習し、有効語彙サイズで码本の利用状況を測定しています。回転と位置のエンコーディングは多くのコードワードを有効語彙に変換し続ける一方、ヒートマップは六十未満で頭打ちになり、その差は桁違いになることが示されています。
説明限られたフィードバックでの強化学習における不確実性に基づく報酬ラベル付け手法
要約本論文は、オフラインデータセットのうち少量のサンプルにしか報酬を付与できない状況で、どのサンプルにラベルを付けるべきかを研究している。取得した報酬を保存して報酬モデルの学習に用いる設定を扱い、学習される方策の準最適性を、オフライン強化学習の誤差と報酬モデルの不確実性という二つの要因で上から評価している。これに基づき、後続特徴量を用いて不確実性が高く、価値の高い状態へ到達可能な状態に関連する報酬を選ぶ手法SUREを提案し、少数のラベルで全フィードバック時に近い性能に達することを実験で示している。
説明SoftPAT3D：変形可能物体を含む物理拡張型テキストから3Dシーン生成
要約本論文は、テキストから3Dシーンを生成する物理拡張フレームワークSoftPAT3Dを提案します。布、ぬいぐるみ、ロープなどの変形可能な物体を、シミュレーション可能な物理的に妥当な形で生成し、家具や互いと交差のない接触をさせます。剛体のみを扱う既存手法とは異なり、製造工程から静止形状を導き、材料ライブラリで初期弾性パラメータを与えます。65個のプロンプトすべてで、他のシステムが生じさせる不要な貫入が一切発生しなかったと報告されています。
説明ボクセルレベルfMRI表現学習のための階層型トークン化フレームワーク（HBAR）
要約本論文は、安静時fMRIのボクセルデータを、サブ脳領域のボクセル群、脳領域（パーセル）、大規模機能ネットワークという階層構造で整理し、神経画像データを圧縮表現するHBARを提案している。HCP-YAデータセットでは、約415倍の圧縮時に、ビットレートを揃えた平坦なトークナイザーより高い脳領域およびネットワークの相関を示した。52倍の圧縮では、解剖学的な分類をシャッフルすると脳領域の相関が0.920から0.886に低下した。
説明4ビット未満の言語モデル量子化において、キャリブレーションデータが重要になる場合
要約本論文は、4ビット未満の学習後量子化において、タスクに関連した文書をキャリブレーションデータに用いることで下流タスクの精度をより保てるかを検討している。著者らは汎用テキストに加えて、全精度で精度が保たれにくいタスク系統の学習文書を補う手法FragCal-DCを提案し、6つの稠密モデルと10のタスクで6種類のデータ依存手法を比較した。2ビットでは、SignRound V2が汎用テキストによるキャリブレーションに比べ、10タスクの平均精度を1.83ポイント向上させたと報告している。
説明ADC-RANet：注意機構・蒸留・キャリブレーションによる解像度適応型ニューラルネットワークの改良
要約本論文は、画像分類において入力ごとの計算量を動的に割り当てる解像度適応型ネットワーク（RANet）を強化したADC-RANetを提案している。自下から上への通道注意機構、上から下への多段カスケード知識蒸留、MixUpによる過信の補正の3要素を組み合わせている。CIFAR-100とImageNetでの実験では、RANetの効率を保ちながら、あらゆる計算予算で一貫した性能向上が示されている。
説明システムプロンプトがLLMの安全性に与える影響：識別能力より応答バイアスへの影響が大きい
要約本論文は、システムプロンプトが大規模言語モデルの安全関連リクエストへの対応をどう変えるかを検証しています。HarmBench、XSTest、IHEvalの3つのベンチマークで、8種類の安全タスク用プロンプトと3段階の明確さを組み合わせて評価し、13のモデルを対象としました。信号検出理論を用いて、安全なリクエストと危険なリクエストを見分ける能力と拒否する意欲を区別しています。その結果、システムプロンプトは主に拒否する意欲を変え、識別能力への影響は小さく一貫性がないことが示されました。
説明NanoNet：エッジAI向け超軽量MRI脳腫瘍分類ネットワーク
要約本論文は、脳のMRI画像による脳腫瘍分類のための超軽量畳み込みニューラルネットワーク「NanoNet」を提案する。MobileNetV2を参考に、5つの倒立残差ブロックと8,132個のパラメータで構成される。依存性を考慮した構造化剪定、知識蒸留、INT8量子化対応学習による圧縮も検討している。BRISC 2025ベンチマークでは、精度92.80%、マクロF1 92.97%を達成し、INT8変換版の精度は89.70%である。
説明離散拡散プレイグラウンド：離散生成モデルのための2次元ベンチマーク
要約本論文は、既知の2次元連続分布を厳密な離散化双射によって二値トークン列に変換する診断用ベンチマーク「Discrete Diffusion Playground」を提案している。生成されたサンプルを2次元に戻して既知の真の分布と直接比較できる。対象には滑らかなガウス混合と、鋭い境界や非連結な台、座標依存の構造を持つ傾いた市松模様が含まれる。実験では、マスク付き拡散モデルは有意義な適応的な開示順序を学習できるものの、滑らかな目標では自己回帰ベースラインより不安定で、傾いた市松模様ではほぼ失敗し、自己回帰モデルは目標の幾何構造を保つことが示された。
説明Rescene-ESM：凍結された AI 気象モデルを中核とする地球システムモデル
要約本論文は、結合器 YAHO により、凍結された 2080 万パラメータの AI 気象モデルを、観測に制約された物理ベースの海洋・海氷・陸面・河川・炭素・エネルギー各要素と結合する地球システムモデル Rescene-ESM を提案する。単一の GPU で 1 日あたり約 1000 年分をシミュレートでき、観測された気候を 1000 年間ドリフトなく保ち、1979～2022 年の観測された全球温暖化を再現する。また 212 の河川観測点で流出を再現し、排出シナリオによる駆動では、2081～2100 年の熱波曝露について SSP1 と SSP3 の差が 4.7 倍になることを示す。
注目点凍結したAI気象モデルを物理的に結合した地球システムモデルに組み込み、エルニーニョ変動や河川流出を再現したと作者が報告している。
説明GARP：ゲームエンジン内でローカルハードウェア上動作するリアルタイム生成エージェント
要約本論文は、Godotゲームエンジン内でリアルタイムに動作する生成エージェントのプラットフォームGARPを紹介します。キャラクターの計画、会話、記憶は大規模言語モデルによって即時に生成されます。3Bパラメータのオープンウェイトモデルを用い、クラウドサービスを使わずにローカルハードウェア上で全体が動作します。感情、人格、需要、関係性などの仕組みと階層的な最適化が特徴で、9つのシナリオの評価では27回中25回が検査に合格しました。
説明選択的ラベル下での目標の回復可能性：心電図に基づく急性冠症候群予測における失敗モード
要約本論文は、検査を受けた患者の診断結果しか観察できない場合に医療機械学習に生じる偏りを検討しています。シミュレーションでは、検査が強く選択的であったり、モデルの入力で検出できない症例が多かったりすると、受検者では有効に見えても未受検者では失敗し、関係が逆転することさえあると示しています。心電図による急性冠症候群の予測を実証研究し、血行再建術を代理目標とした場合、未受検者では30日以内の主要有害心血管事象の予測が偶然より悪い結果になりました。一方、心電図で見える亜型だけで学習したモデルは判別能力を維持しました。
注目点選択的ラベル下で目標が復元不能になる故障機構を定式化し、ECGによる急性冠症候群予測で複数モデルにより検証し、学習目標と展開集団の関係を示す。
説明選択式問題は実際に何を測っているのか？動画理解とオプション利用の切り分け
要約本論文は、既存の動画質問応答ベンチマークが選択肢、言語的事前知識、採点方法に依存しているため、動画理解能力を分離して評価しにくいと指摘しています。6つのベンチマークで、映像入力がない場合でも正答率が偶然水準を大きく上回ることを示しました。また、開放式の推論過程で選択肢を段階的に提示する選択肢遅延再生（ODR）機構を提案し、約20.5%の正解を修正したLVBenchの人手再ラベル版も公開しています。
説明ハミルトン系の生成モデリングのためのシンプレクティック正規座標フロー
要約本論文は、学習された正規座標における振幅依存の回転からなる、可逆なシンプレクティックフロー層を提案する。非線形回転層がシンプレクティックとなる条件を導出し、その条件を保証するアーキテクチャを示している。非線形結合振動子の合成系と加速器物理の2つの問題で条件付き生成モデリング実験を行い、新しい層を用いた正規化フローは基準のフローと同等以上の負の対数尤度を達成したと報告している。合成系では、非線形性が強いほど改善幅が大きくなる。
説明ビジョントランスフォーマーの適応的トークン化のための微分可能な仮想スロット分割
要約本論文は、画像の情報の少ない領域への計算量を減らしつつ精度を保つ適応的トークン化の手法として、微分可能仮想スロット分割（DVSP）を提案している。学習中にトークンを一つも削除せず、2段階の四分木構造をエンドツーエンドで学習する。各2×2領域に4つの仮想スロットを置き、単一の重みαで粗いトークンと細かい子トークンを連続的に補間し、αが0または1のときは離散グリッドと一致する。COCO物体検出でEVA-02-Bを用いた実験では、密なBox APの97.9%を維持しつつ視覚トークンを64.2%削減し、エンドツーエンドで1.61倍の高速化を達成したと報告している。
説明『But It Was True When I Checked』：SHOP 形式のメソッド前提を半順序 HTN 計画へ変換する研究
要約階層的タスクネットワーク（HTN）計画において、メソッド前提は二つの意味論で解釈が異なる。SHOP 系では前提がメソッドの最初の動作の直前に成立している必要があるが、HDDL 系では無関係な動作が開始前に前提を無効化しうる。本論文は、二つの追加事実のみを用いて、この最初の動作意味論をメソッド前提を含まない標準的な半順序 HTN 計画へ変換する手法を示し、長年の未解決問題の解決を図る。
説明神経活動同期に基づく高速な局所学習可能スパイキングニューラルネットワーク構造
要約本論文は、神経活動同期（NAS）に着想を得た多層スパイキングニューラルネットワークの局所学習フレームワークを提案しています。各層は局所的に計算された勾配で自身の重みを更新し、勾配の逆伝播を必要としません。これにより計算量、学習遅延、消費電力の低減を目指しています。MNISTデータセットで学習・評価した結果、分類精度は97.78%で、ガウスノイズおよびソルト・アンド・ペッパーノイズに対しても頑健な性能を示しました。
説明エージェントが提案し、コードが検証し、人間が決定する：異種の科学表データをリレーショナルデータベースへ検証付きで取り込む手法
要約本論文は、公開されている科学データセット（ワイド表、ロング表、スプレッドシートなど）をPostgreSQLのリレーショナルデータベースに整理して取り込むAI支援パイプラインを提案します。LLMエージェントが提案し、決定論的なコードが検証し、人間が決定するという方針で、39種類の検査による構造と意味の二段階の検証と、出所の記録を行います。公開された生物医学データセット4件での検証では、初回提案20件中9件が失敗し、すべて検出されました。読み込まれた値4,510万件はすべて照合の差異がありませんでした。
説明マルチタスク・シーン理解のための仮想タスクプロンプティング手法
要約本論文は、マルチタスクのシーン理解に向けた仮想タスクプロンプティング（VTP）を提案する。バックボーンと並行して仮想タスクの集合を保持し、学習可能なルーティング行列によってタスクごとの構成を読み出して画像トークンと相互作用させる。バックボーンを変更しないため、事前学習済みの視覚基盤モデルと組み合わせやすい。Pascal-ContextとNYUD-v2で最先端の性能を示し、13の異種タスクを含むTaskonomyでも頑健性を検証している。
説明クラウドネイティブシステムの信頼性とスケーラビリティに関する体系的マッピング調査（クラウド、エッジ、AI対応システムを対象）
要約本論文は、クラウドネイティブ、エッジネイティブおよびAI対応システムの信頼性とスケーラビリティに関する研究を、PRISMA 2020に基づいて体系的にマッピングした調査である。原著論文1,794件と二次研究95件を、13のカテゴリーからなる分類体系で整理し、シミュレーション、プロトタイプまたはテストベッド、本番データ、本番運用の4段階で証拠の水準を評価している。多くの研究はプロトタイプやテストベッドに基づいており、本番運用の事例は主に障害連鎖の防止、根本原因分析、予測的オートスケーリングに見られる。
説明と要約を作成中です
説明剪定による探査：効率的な推論のための因果的決定安定性プローブ
要約本論文は、推論時のコントローラーPrune-to-Probeを提案します。モデル後段のMLP成分に対する因果的な活性化介入により、現在の答えが安定しているかを調べ、推論をいつ止めるかを判断します。介入はプローブとしてのみ用いられ、モデルを恒久的に変更しません。MATHでは推論トークンの順伝播を2.60%削減し、MMLU-Proでは合計1.145%の節約となり、有害な影響は観測されなかったと報告されています。
説明有限サンプルかつ通信効率の良いネットワーク型情報集約
要約本論文は有向非巡回グラフ上の学習を扱い、各エージェントは入力座標の一部のみを観測し、親ノードの予測を追加の特徴量として利用できるモデルを研究している。著者らは全メッセージ方式の有限サンプル解析を見直して既存証明の欠陥を指摘し、別の議論で母集団リスクの保証を示した。さらに、予測ベクトルの低次元線形スケッチを送る共有スケッチ方式を提案し、ガウススケッチに対して明示的な高確率の母集団リスク上界を与えている。
説明コピーを作らないハイブリッド商品検索：データレイクから直接提供する語彙・意味・フィルター付き検索
要約本論文は、商品検索をレイクハウスのテーブル（Apache Iceberg）上で直接提供し、語彙検索エンジンやベクトルデータベースにカタログのコピーを置く必要をなくす手法を提案しています。リアルタイムOLAPエンジンApache PinotをBM25スコアリング、ファイル横断で一貫した統計、SQLでの相互順位融合に対応させました。Amazon ESCIベンチマークでは、データレイクから提供したハイブリッド検索が厳密検索と同等の精度（nDCG@10 0.361）を示し、2億7,700万商品の規模でも単一ノードで数ミリ秒の応答を実現しています。
説明LLMで化学データセットを構築・監査する：均一系触媒によるPET解重合に適用した汎用的な「LLM裁判官」フレームワーク
要約本論文は、引用に基づいて抽出と検証を行う方法を提案します。一方のLLMが論文から構造化された実験記録を生成し、独立したLLM裁判官が論文全文と照合して裏付けのない項目を指摘し、引用付きの修正案を示します。対象は均一系触媒によるポリエチレンテレフタレート（PET）解重合の文献で、裁判官は人手評価と85.7%の記録で一致し、3,942件の記録のうち67.5%がそのまま受理されました。データセット、監査ログ、オープンソースツールのChemistry Data Extractor Toolkitも公開されています。
説明MoTo：公平な多言語言語モデリングのためのトークナイザー混合手法
要約大規模言語モデルは学習時に選ばれ、その後固定される単一のトークナイザーに依存しています。多くのトークナイザーは英語中心のコーパスで学習されるため、形態的に豊かな言語や非ラテン文字の言語では十分に対応できていません。本論文は、言語ごとに専用のBPEトークナイザーを学習し、共有される語彙を重複なく統合したMoToを提案します。6種類の文字体系にわたる21言語のうち18言語で一貫した改善を示し、英語の性能も維持しつつ、英語により少ない語彙を割り当てています。
説明トークン効率的なLLM推論のための、フェーズ条件付き報酬整形（PCRS）
要約本論文は、推論ステップを推論・実行・修正の段階に分類し、その段階に応じて訓練時に長さペナルティを割り当てる手法PCRSを提案する。隠れ状態分類器と凍結テキスト分類器の2つの経路を比較し、6つの数学・科学推論ベンチマークで評価している。既定のテキスト分類器構成は、トークン単位の長さペナルティのみを用いた基準手法と比べて平均応答長を3.13%削減し、サンプリングのPass@1は両者ともおよそ62.07%であった。一方、oracle Pass@16は86.08%から87.67%に上昇した。
説明モデルはどこで動かすべきか？6G時代の身体性知能のための協調推論フレームワーク
要約ロボットなどの身体性知能は計算資源とエネルギーが限られるため、モデルを端末、エッジサーバー、クラウドに分割して協調推論する手法が検討されている。本論文はエッジが分割と実行を調整する枠組みを提案し、WiFiと5Gでのシミュレーションと実機実験により、最適な分割方法が無線条件とモデル構造によって変わることを示している。ResNet-101、Qwen2.5-VL-7B、OpenVLA-7Bについて、無線条件ごとに遅延を最小化する分割点も特定している。
説明統一的因子化表現は破滅的忘却に強い
要約本論文は、ニューラルネットワークの内部表現の質と破滅的忘却との関係を検討し、統一的因子化表現（UFR）を持つネットワークは、微調整アルゴリズムやネットワーク構造を変更しなくても破滅的忘却に抵抗できるという「表現忘却仮説」を提示する。一次元回帰と画像回帰の二種類の実験では、UFR に適合する変化で繰り返し微調整した場合、UFR ネットワークは断片化された絡み合い表現（FER）のネットワークより大幅に忘却が少なかった。表現の質が破滅的忘却の重要な要因であることが示唆される。
説明汎用的な励起状態機械学習ポテンシャルに向けて：サイズ一貫性と転移性のための局所励起ハミルトニアン
要約本論文は、原子中心のブロックから組み立てた局所励起ハミルトニアンの固有値として励起エネルギーを与える LEH-MACE を提案し、非相互作用分子の励起状態が各分子の状態の和になるようにしています。約10万分子の約30万個の幾何構造について TD-DFT のエネルギーと力を生成して学習させています。訓練データから離れた構造ほど直接読み出し法に対する優位性が大きく、長い共役オリゴマーの S2 と S3 の誤差は約半分になったと報告されています。
注目点原子中心ブロックから局所励起ハミルトニアンを構成し、励起エネルギーの厳密なサイズ一貫性を実現。約30万構造での評価で、高励起状態の誤差が基準手法の約半分と報告。
説明ProtLink：配列と多種グラフ文脈によるタンパク質相互作用予測
要約本論文は、凍結されたESM-2タンパク質配列表現、タンパク質相互作用ネットワークの構造、および種間のオルソグループによる接続を組み合わせたProtLinkフレームワークを提案しています。配列のみのモデル、GraphSAGE、同質グラフTransformer、異質グラフTransformer（HGT）をヒトのPPI予測で比較しています。3層の多種HGTは、ランダム負例では平均精度（AP）0.980、二跳び優先の負例では0.878を示しました。訓練で相互作用を持たなかったヒトのタンパク質については、APは0.8335で、配列のみのペアモデルの0.6482を上回りました。
説明RoutingTrie：制約付き生成的検索のためのメタデータルーティング手法
要約本論文は、ビーム選択の前にリクエストのメタデータ制約を組み込む RoutingTrie を提案し、生成後にフィルタリングする際の計算の無駄を防ぐ。共有の意味的ID（SID）トライを用い、各メタデータフィールドに Dense Bitset または Sparse List による小型のインデックスを構築する。生産環境のリプレイでは Hit@100 が 67.5% から 96.1% に向上し、レイテンシの増加は 1.1 ミリ秒にとどまったと報告している。
説明遅延に敏感な推薦サービス向けの軽量基盤モデル
要約本論文は、大規模言語モデルをクリック率予測にオンラインで利用するための資源効率の良いパイプラインSlimFMを提案している。LLaMA3-8Bに依存関係を考慮した構造化剪定を行い、44%圧縮して4.5Bパラメータのバックボーンを得る。さらにLoRAによる微調整で、軽量なテキストプロンプトから識別的なフィールドレベルの意味埋め込みを生成し、融合モジュールで従来のクリック率モデルに注入する。4つのデータセットと6種のバックボーンで、非圧縮モデルの精度の99%以上を保ち、既存のLLM強化手法に比べて推論遅延を最大3.4倍削減した。
説明スズメガのマルチモーダル能動センシングのための行動可能な情報地図の学習
要約本論文は、視覚と機械感覚の観測から、行動空間上の不確実性低減マップを学習するマルチモーダル予測符号化の枠組みを提案し、スズメガの花への接近行動を説明しようとするものです。シミュレーション環境で訓練された変分生成モデルは、各モダリティの情報地図を再現し、その結果はスズメガの行動の特徴と整合しています。さらに、知覚的不確実性に応じて情報収集と報酬利用を切り替えるアルゴリズムを開発し、花蜜探索課題で複数の比較手法より優れた結果を示しています。
説明Lightfoot：正確かつモデル不要の文書削除に対応したグラフ型検索拡張生成システム
要約本論文はGraphRAG（グラフ型検索拡張生成）システムLightfootを提案する。グラフ内の実体、リンク、事実、同義語エッジはすべて、チャンク単位の出自情報を持つ段落ごとの抽出結果から決定的に生成される。索引作成では段落ごとに言語モデルを1回呼び出し、検索では呼び出さず、文書の削除はモデル呼び出しを伴わないデータベース操作である。MuSiQue、2WikiMultiHopQA、HotpotQAで、HippoRAG 2、LightRAG、fast-graphragと比較しており、索引構築コストは3データセットすべてで最も低く、一部の検索と回答の指標ではHippoRAG 2を上回るが、2WikiMultiHopQAでは下回る。
説明PIA：エージェントと物理情報を用いたランタイム異常検知
要約本論文は、大規模言語モデルのエージェントが、ポンプ特性、タンクの質量収支、制御ロジックなどの物理残差の集合として異常検知器を記述し、正常運転データで各候補を評価・改良するPIA手法を提案する。BATADALの水道攻撃ベンチマークでは、テスト攻撃に対するF1が0.878となり、6つの統計・深層学習ベースラインの最良値0.504を上回った。さらに、検出された各攻撃を攻撃された構成要素に帰属させることができる。
説明多スケールグラフ学習と最適化された幾何処理による高効率な3D植物セグメンテーション
要約本論文は、植物点群の器官分割を行うための、約7.8万パラメータのコンパクトな多スケールグラフアテンションモデルを提案しています。局所形状記述子と茎・葉の残差補正を組み合わせ、学習済みの重みや記述子の定義を変えずに、主成分分析や近傍探索などの幾何処理を最適化しています。完全モデルはローカルのトウモロコシデータで平均交差率86.36%を達成し、Raspberry Pi 5での推論も確認されています。
説明GradReason：大規模言語モデルをメタ学習器として使い、訓練データを使わない重み更新で訓練エポックの一部を置き換える研究
要約本論文は、学習過程の重みと勾配の履歴を大規模言語モデルに読ませ、勾配を計算せず訓練画像も読まない更新で一部のエポックを置き換えられるかを検討しています。CIFAR-10とCIFAR-100での120回の実験では、Claude Opus 5.5がデータエポックを80エポックの基準より32.8%少なく使い、テスト精度は0.31ポイント低くなりました。モデルは最近の重みスナップショットの平均化を自発的に選び、これが削減の主な要因でした。
説明双曲幾何による弾力的表現学習（HERL）
要約本論文は、超双曲弾力的表現学習（HERL）という手法を提案している。基盤エンコーダを再学習せず、軽量なアダプタを追加して次元を圧縮・拡張できる埋め込みを学習する。双曲幾何の指数的な容量を活かし、まず多層パーセプトロンで次元を削減してからローレンツ空間へ写像する。著者らは、この手法がモデルに依存せず、教師あり・教師なしの両設定で有効であり、幅広い埋め込みサイズで下游性能を維持し、計算コストも小さいと報告している。
説明多段階サプライチェーン向け微分可能エージェントベースモデル：大規模な異種ポリシーの勾配ベース最適化
要約本論文は、多段階在庫管理のための微分可能なエージェントベースモデルを提案し、微分可能なテンソル演算で確率的動態を実装することで、勾配をシミュレーションを通じて直接伝播させます。教師なしで理論上のニュースベンダー最適解を再現し、1万の異なるエージェントのポリシーを数秒で同時に最適化して、スカラーのベースラインと比べてコストを53%削減しました。
説明汎用チャットボットとメンタルヘルス：未解決の課題
要約本論文は、汎用チャットボットが感情面やメンタルヘルスの支援に使われる際に、研究者や政策立案者が直面する主要な未解決課題を整理したものです。追従的な応答、妄想的信念の強化、危機対応の不備といったリスクは研究や評価が難しいと指摘しています。受控評価、実世界のエビデンス、エビデンスに基づく政策の3つの観点から研究の方向性を示し、これらを連携させて進める必要性を主張しています。
説明評価可能性の理論に向けて：テスト標本が学習に使われた可能性がある場合に、ブラックボックスの機械学習モデルをどう評価するか
要約本論文は、大規模基盤モデルの評価問題を扱います。従来の手法はテストセットが学習に使われていないことを前提としていますが、大規模モデルではこの前提が成り立ちにくくなっています。著者はこの前提を置かずに「評価可能性」を形式化し、モデルへのアクセス権限が異なる条件下で、ブラックボックスモデルの評価が可能かどうかを検討しています。テストセット上の出力のみを観察する設定では、正確な評価が可能な分布のクラスを特徴付け、サンプル複雑性の厳密な上界と下界を示しています。また、追加入力での問い合わせを許す設定では、プログラムテストで研究される自己修正器との関連を示しています。
注目点テストデータが学習に使われた可能性がある場合の評価可能性を定式化し、実現可能性の完全な特徴づけとサンプル複雑度のタイトな界を示し、自己修正器との関係も示す。
説明DPDP：拡散ポリシーで拡散プランナーを導く、オフライン強化学習の手法
要約本論文はオフライン強化学習のためのDPDP手法を提案する。拡散プランナーの実行段階で、行動の事前分布を価値最適化された拡散ポリシーに置き換え、計画された遷移を保ちつつ価値の高い行動を選べるようにする。これは学習を要しないサンプラーか、単一の拡散実行器へ転移させる選好目標のいずれかで実現される。D4RLでは、基盤とするプランナーを改善し、移動タスクでは反応型の拡散ポリシーと競合し、長期的なナビゲーションでは首位となった。
説明Hydro-Dataset：北欧の水文研究と基盤モデル評価のためのマルチモーダル・オープンソース・パイプライン
要約本論文は、再現可能なオープンソースのデータパイプライン「Hydro-Dataset v1.1」を紹介する。スウェーデン気象水文研究所（SMHI）の582観測所のデータを、2015/16～2023/24の9つの水文冬季にわたって統合し、約180万の注釈付き観測日を含むCF-1.9形式のNetCDFプロダクトにしている。雪水当量や融雪速度など6つの派生雪パラメータを用いて、水文基盤モデルの学習に使えるベンチマーク用ラベルを提供する。ERA5-Landとの相互検証では、観測に基づく雪水当量が機械学習の学習用ベンチマークとして再解析データより信頼性が高いことが示されている。
説明低ビット手ネットワークのデバイス上学習のための感度ゲート付きアキュムレータキャッシュ
要約本論文は、低ビットの手の関節点推定ネットワークをユーザーのカメラに合わせてデバイス上で継続的に適応させるSGACという手法を提案します。残差状態は重みグループの一部にのみ保持し、8ビットアキュムレータのキャッシュで子ステップの更新を集めて、確率的丸めによりコードへ書き戻します。383kパラメータのネットワークでは重み1つあたり8.1ビットの状態で学習し、2台の模擬カメラ上で評価した9つの低ビットネットワークの中で平均精度が最も高く、ImageNet-Cの12種の破損でも最高の平均値を示しています。
説明ホライズン拡張可能Q学習（HQL）：オフライン強化学習における長期的な価値学習の手法
要約本論文は、オフラインデータから学習する際、タスクの時間的長さ（ホライズン）が伸びると価値関数の学習が難しくなる問題を扱い、Horizon-Scalable Q-Learning（HQL）を提案する。HQLは一段階と多段階の収益を自動的に切り替える。評論家がデータセット内の行動を、行動クローニング方針から採ったN個の最良行動以上に評価する場合にのみ目標を延長し、そうでなければ一段階の目標に戻す。組み合わせロック課題では長さの異なるホライズンで両方式の失敗を避け、長期的なOGBenchおよびOCBenchの課題では既存のホライズン縮小手法を上回ったと報告している。
説明アクセラレータ集団通信ライブラリ向け、ネットワーク競合状態を考慮した動的最適化器
要約大規模分散AI学習で用いられる集団通信ライブラリ（CCL）の設定は静的なヒューリスティクスで決まり、バックグラウンドトラフィックがあると性能が大きく低下することを論文は示している。著者らは二つのエージェントからなる協調型の実行時最適化器を提案した。検出エージェントはLSTM分類器と逐次確率比検定で持続的な競合と一時的なスパイクを区別し、選択エージェントはD3QNと保守的Q学習でNCCLの設定パラメータを調整する。Chameleon Cloudの裸金属クラスタでは、NCCLに比べAllReduceの遅延を36%、完全収束したAutoCCLに比べ32%削減した。六つの実AIワークロードでは、Deltaクラスタで最大65%の高速化を得たと報告している。
説明思考か記憶か：エージェント推論の交換レート
要約推論モデルに基づくエージェントは、呼び出しごとに増え続ける対話履歴を再送します。そのコストは、モデル自体ではなく、クライアント側とサーバー側の双方が決めます。本論文は、トークン処理コストと注意計算コストの比を交換レートとして定義し、「思考」と「記憶」のどちらが支配的な領域かを分析しています。また、早期の推論を残すかどうかやサーバーのキャッシュ方式によって、どの方針が安価になるかが変わることを示しています。
説明関数近似を用いた強化学習の解析：近似 Q 学習の収束性を検討する研究
要約本論文は、無限状態空間のマルコフ決定過程における最適 Q 関数の計算問題を扱います。関数近似と組み合わせた複数種類の Q 学習の収束性を解析し、Tsitsiklis と Van Roy（1996）の TD 学習の解析を確率制御の設定へ拡張しています。近似手法が確率 1 で収束する条件を示し、関連する研究とも比較しています。
説明DM-Call：決定モデルと累積検証フィードバックを用いた関数呼び出し手法
要約本論文は、大規模言語モデルの関数呼び出し精度を高めるDM-Callフレームワークを提案している。まずローカルなスキーマ検証を行い、そのうえで関数選択と引数の正しさを別個の決定モデルで検証する。棄却された候補については、検証確率、二値判定、スキーマエラーを試行ごとに蓄積し、数値確率と言語的な正誤ラベルを組み合わせた表現で反復的な修正を導く。BFCLおよびAPI-Bank（初回呼び出し）での評価では、直接生成と比べて関数呼び出し精度が向上し、追加コストは小さいとされている。
説明と要約を作成中です
説明安全性が外れ値になるとき：LLMの安全行動の保持について理解する
要約安全性を調整した大規模言語モデルは、安全データを含めて微調整した後も安全行動を失うことがあると論文は指摘します。その原因として、定型的な拒否文が学習しやすいが後続の更新に弱い外れ値モードになるという仮説を立て、対照実験で支持しています。筆者らはNEST（自然性強化安全ターゲット）を提案し、元モデルの出力分布に沿った文脈に即した自然な安全ターゲットで、有用性を損なわずに安全性の保持を改善したと報告しています。
説明生命ライクなセルオートマトンのルール表構造：活性度・非対称性・感度と伝播・保存の因数分解
要約本論文は、 conway のライフゲームを含む二次元の外部全体的（outer-totalistic）ライフライクルール族（計262,144個）の規則空間構造を調べます。作者は対称性から導かれる三つのルール表座標（重みなし活性度、出生と生存の非対称性、Vichniac-Binder のブール導関数感度）でこの族を整理しています。コンパクトなグライダー、静物、振動子を穷挙的に列挙し、出生条件が伝播の可否を決め、生存条件が保存を調整するという階層的な因数分解を示します。さらに、指定の大きさでは B=S のルールがコンパクトなグライダーを支えないことを証明しています。
説明多タスクガウス過程によるオフラインQ学習のベイズ転移
要約本論文は、多タスクガウス過程で各タスクのQ関数を同時にモデル化するオフラインQ学習のための、目標タスクを考慮したベイズ転移の枠組みを提案します。目標タスクの予測根拠と最大平均差異（MMD）で源タスクを評価し、事後不確実性と行動に支持された行動集合が保守的なベルマン更新を導きます。異種の源タスクを用いたシミュレーションでは、無差別に源データをプールする方法と比べて目標Q関数の推定が改善し、負の転移が減少しました。人間の意思決定データへの適用でも、平均期待即時報酬が高くなりました。
説明解釈可能なAI誘導のLean証明改良による解析定数の改善
要約本論文は、AIがLeanの証明ブループリント内の中間補題を反復的に改良し、局所的な改善が検証済みの最終的な評価に自動的に伝播する枠組みを提案している。この手法により、Grothendieck定数の上界とKorenblum定数の下界が改善されたと報告されている。
説明解剖構造を活性化する混合専門家モデル：3次元医用画像の視覚・言語事前学習向け
要約本論文は、3次元医用画像の視覚・言語事前学習のためのA²MoEフレームワークを提案します。解剖学的な事前知識をモデルの計算経路に組み込み、ヒストグラム表現ルーターにより専門家の選択を解剖学的構成に依存させ、器官クエリ型マルチスケール投影器により推論時の手作業の注釈なしに器官レベルの特徴を抽出します。60,000例以上の多相CTで事前学習し、セグメンテーション、分類、検出のベンチマークで最先端の性能を報告しています。MRIと超音波への一般化も示したとしています。
説明ハイブリッド型ソースコード変更影響分析：静的分析と大規模言語モデルの組み合わせ
要約本論文は、コード変更によって影響を受けるコード要素を特定するソフトウェアの変更影響分析（CIA）を扱う。著者らは、22個のオープンソースJavaプロジェクトの263件のコミットに含まれる1,931個の変更されたコード要素を手作業で正解ラベル付けし、データセットの問題に対処している。さらに、静的影響分析と大規模言語モデルを組み合わせたkatIAを提案し、単一プロンプト版と3つの専門エージェントを用いたマルチエージェント版を評価している。マルチエージェント版はF1スコアで29.1％（完全修飾名による照合）と33.3％（クラス名・要素名による照合）を達成したが、生成時間とトークン使用量も増加している。
説明CoupledFlow：連成多物理偏微分方程式のための一段階ニューラルオペレータ
要約本論文は、複数の物理過程の相互作用をモデル化して共進化を捉える、多物理偏微分方程式系向けのニューラルオペレータ学習フレームワーク CoupledFlow を提案している。構造制約付きフローマッチングにより、多物理状態を条件として各過程の平均速度場を学習し、連成系を高速かつ高精度に一段階で予測する。複数の連成偏微分方程式ベンチマークで、既存の最先端ニューラルオペレータおよび生成型PDEソルバを上回る結果が示されている。
説明暴力探索の代わりに大規模言語モデルでデータ変換を生成し、学習を効率化する研究
要約本論文は、コンピュータビジョンの学習で用いるデータ変換プログラムを、大規模言語モデルによって合成できるかを検討しています。統一された訓練条件で九つの戦略を比較し、大規模言語モデルが生成した変換は、CIFAR-10、CIFAR-100、SVHNのいずれでも最良の精度を示しました。一方で、短い訓練による評価と長い訓練の結果との相関は、データセットやアーキテクチャによって強弱が大きく異なると報告されています。
説明小型Transformerはコクセター群の「言語」を学習できるか？
要約本論文では、正三角形による平面の敷き詰めの対称性として知られるアフィンA2型コクセター群の言語を、小型Transformerに学習させた。学習後のモデルのアテンションパターンを観察したうえで、アフィンA2に関する語論的予想を定式化し、証明している。
説明姓による人種推定が性別分類の偏りを生む仕組み
要約有権者名簿では人種を姓と居住地から推定することが多いが、女性が夫の姓を名乗る場合にこの方法は当てはまりにくい。本論文は、特に異人種間結婚をしたアジア系およびヒスパニック系女性で推定精度が低いことを、米国6州の自己申告データで示している。娘時代の姓を使うと精度が大幅に向上し、全国的な再分析ではアジア系有権者の性別による投票率の差が3倍以上になったと報告している。
説明二値意思決定のための可行性保証付き線形方策の規範的学習
要約本論文は、不確実性下の二値意思決定に対し、最適ラベルを予測するのではなく、訓練シナリオ全体にわたって線形決定方策と可行な割当てを同時に最適化する規範的学習フレームワークを提案します。さらに、Wasserstein曖昧集合を用いた分布頑健な機会制約定式化に拡張し、曖昧集合内の最悪分布の下で指定した確率で可行性を確保し、頑健性と解の質の間を調整できるようにしています。ユニットコミットメントと人員配置の2つの事例では、分布シフト下で頑健モデルが未充足需要を大きく減らし、従来の予測学習に比べ総コストを最大76.5%削減しました。
説明と要約を作成中です
説明極か、ベクトルか？エンコーダはベンガル語の複合動詞を捉えるが、LLMは文字通りに読む
要約本論文は、ベンガル語の複合動詞を扱います。本動詞の後に、本来の意味を失い完了などの意味を添える「ベクトル動詞」が続く現象です。著者らは17個のベクトル動詞を含むベンチマーク BanglaCV-Probe を作成し、母語話者による確認を経た多数の事例で、26モデルの二つの意味の区別、ベクトルの意味理解、正しい組み合わせの選好、翻訳での意味保持を評価しました。エンコーダは二つの意味を区別できる一方、プロンプトで指示されたLLMはその知識をあまり活用せず、多くの指示調整済みモデルは翻訳でベクトル動詞を字義通りに訳す傾向がありました。
説明真偽を超えて：写真の真正性評価のためのデュアルチャネル方式の検証と推論プロトコル
要約この論文は、既存の鑑定手法が完全合成、改ざん、AIによるレタッチ画像をまとめて「本物か偽物か」の二値で判定している点を指摘しています。著者らは、カメラのセンサー指紋と場景の意味的整合性という二つのチャネルで生成AI操作を分類する2CAPを提案しています。この手法は四分類の真正性判定を行い、参照画像と視覚言語モデルを用いて位置情報付きの説明を生成し、複数ソースのベンチマークで最高の分類性能を示しました。
説明SCorPion：戦略的・制御可能・人格化された対話コンパニオン
要約オープンドメインの対話では、固定プロンプトの言語モデルは多様な話題に対応しにくい課題があります。本論文は、さまざまな形式のテキストコーパスから異なる会話戦略を抽出し、人間の原則に基づいて言語モデルを異なるスタイルへ導く手法を扱います。対話コンパニオン「SCorPion」を設計・展開し、GraphRAGで知識グラフを全体的に抽出・要約して、コミュニティ要約による戦略と、クエリに焦点を当てた最適戦略を生成します。明示的な要因によって制御でき、人格化・スタイル化された応答を生成します。
説明どこまで短ければ短すぎるか：AI生成テキスト検出のための長さ条件付き較正と棄権
要約本論文は、AI生成テキストの検出器が文章の長さによってどう性能を変えるかを調べたものです。長い文章で設定した閾値の誤検出率が長さの減少とともにどう変わるかを閉形式で示し、目標の真陽性率に達するために必要なトークン数の式も与えています。長さの区間ごとに共形p値で閾値を較正し、その長さで検出器が有益な判断をできない場合に棄権する規則を加えています。3種のゼロショット検出器、3つのコーパス、2つのオープンウェイトモデルで、区間ごとの較正により10〜200トークンの各区間の誤検出率は平均5.0%に保たれました。一方、どの検出器も真陽性率80%には届かず、多くの区間が棄権となっています。
説明ユーザーレベル差分プライバシーを備えた最適なビザンツ耐性連合学習
要約この論文は、悪意のあるクライアントが存在し、ユーザーレベルの差分プライバシーでデータを保護する必要がある連合学習における収束性を扱っています。著者らはこの設定に対する情報理論的な下界を示し、クライアントとサーバーの二段階モメンタムを用いるByzULDPアルゴリズムを提案しています。強凸の目的関数では次数最適な収束上界に達し、実データセットでの数値実験によって解析結果を確認しています。
注目点新規性は、ユーザーレベル差分プライバシー下でのビザンチン耐性経験リスク最小化の情報理論的下界を示し、収束を保証するサーバー側モメンタムを提案した点にある。実データで検証したと報告されている。
説明ロバスト満足化アンサンブル：分布シフト下でスケーラブルなモデル統合手法
要約本論文は、分布変化に対するモデル組み合わせの脆弱性を抑えて頑健性を高める、スケーラブルな確率的統合フレームワーク「ロバスト満足化アンサンブル（RSE）」を提案する。ロバスト満足化の目的関数と二次リスク近似を組み合わせ、解析的な内側の敵対者を導出することで、標準的なミニマックス最適化を用いずに効率的に重みを更新する。ラベルシフトや部分集団・時間的シフトを含む複数のデータセットで評価され、GroupDRO、IRM、SRMなどの強力なロバスト基準手法を上回る結果が示されている。
説明検索による誘導を用いたゼロショットVLA適応手法
要約本論文は、大規模な視覚・言語・行動（VLA）ロボットモデルが、カメラ視点、背景、物体、ロボット形態などの領域の変化に弱い問題に取り組んでいます。検索拡張生成（RAG）の考え方を応用し、DROIDなど領域の異なる実世界のデモデータから軌道を検索し、幾何学的補正を施したうえで、基盤モデルのフローマッチング推論を誘導するRAGu手法を提案しています。実世界での成功率は20%から80%に向上し、シミュレーションでは関連する基準手法を上回ったと報告されています。
説明真のラベルなしの相補性？——予測以外のタスクへ人間とAIの相補性評価を広げる研究
要約本論文は、AIの支援を受けた人間が人間単独やAI単独より高い成績を示すという人間とAIの相補性が、真の正解ラベルに依存して評価されてきた点を検討している。治療推奨のように予測以外のタスクでは、実務上の目的に対する適切性で評価すべきだと論じ、多基準意思決定分析に着想を得た二段階の採点法で、文脈に依存する適切性ラベルを生成して相補性を拡張する方法を提案している。
説明近似的な想起と近似的な予測：大規模言語モデルの予測誤差を診断するための想起指標
要約本論文は、大規模言語モデルが過去の出来事を大まかな関連として保持する一方で、具体的な細部の正確さを失いがちであることに着目し、内部知識の不正確さが将来の出来事に対する予測能力にどう影響するかを調べるため、「想起忠実度スコア（Recall Fidelity Score）」という新しい指標を提案している。解決済みの過去の予測市場において、意味的に類似した過去の出来事の周辺での局所的な想起忠実度が高いほど予測誤差が小さく、同じ信号が未解決市場の価格との差が小さいことも示すとしている。
説明LLMエージェントを手順どおりに保つ：長期タスクの指示遵守のための実行可能な有限状態制御
要約論文は、言語モデルエージェントが長時間の無人運転で既定の手順から逸脱すること、指示を言い直したり停止したエージェントを再開したりしても逸脱が別の近道に移るだけであることを示している。ワークフローの状態をモデルの文脈の外に保持し、ツール呼び出し、状態遷移、エージェントのターン終了の3つの時点で強制する実行可能な有限状態機械（FSM）を提案している。200アカウントのSOP-Benchバッチによる事前登録実験では、FSM付きのClaude Haiku 4.5が平均139件を正しく、かつ手順どおりに判断し、最強のベースラインは48件だった。
説明シミュレーションと観測を用いた将来の世界気温分布の誘導推定
要約本論文は、17のCMIP6気候モデルとERA5再解析データで学習した条件付き拡散モデルにより、日別で空間的に一貫した気温場を生成する手法を提案する。サンプリング時には拡散ガイダンスによって各モデルの分布を観測へ近づけ、その強度は保留された将来シミュレーションを用いた完全モデル実験で選択される。報告によれば、日別気温の第1・第99パーセンタイルの中央値バイアスを半分以上減らし、3つの排出シナリオで年平均全球気温のRMSEを32〜57%低減した。
注目点拡散モデルの条件付き生成と観測による誘導で気候モデルのバイアスを補正し、完全モデル実験で誘導強度を選ぶ点が新しく、17の合成目標で検証、極端気温リスク評価への影響が見込まれる。
説明大域特異部分空間の分離と復元による頑健で効率的な継続的モデルマージ
要約本論文は継続的モデルマージを扱います。過去のモデルやデータを再訪せずに、タスク固有のモデルを段階的に統合する手法です。繰り返しのマージにより過去のタスク成分が絡み合い、特異値の幾何構造が歪むことを指摘しています。提案手法GS3Rは、各マージ時に保持された特異幾何を復元し、タスクごとの部分空間を分離し、利用可能なランクをタスク間で公平に全体配分します。さらにマージ時のメモリ負担を減らすためPRFを導入しています。視覚、自然言語処理、マルチモーダルのベンチマークで、精度と効率の良好なトレードオフを示したとされています。
説明サンプリングベースのモデル予測制御を逐次モンテカルロ推論として捉える
要約本論文は、予測サンプリング、MPPI、交差エントロピー法およびそれらの変種が、同一の逐次モンテカルロ（SMC）推論アルゴリズムで実装できることを示しています。その違いは、提案分布、コスト重み付き粒子を名目計画に集約する更新則、リサンプリングの有効サンプルサイズ閾値という3つの独立した要素で定まります。MuJoCoの非線形制御、障害物領域での経路計画、7自由度の運動計画、押し動作課題で評価し、Franka FR3実機でも検証しています。28ノットの長い時間幅のナビゲーションでは、リサンプリングにより衝突率が非リサンプリングの基準手法より30%低減しました。
説明REDiff-AD：学習もターゲットマスクも不要な、多様性駆動型インコンテキストMMDiTによる産業異常画像生成
要約産業用異常検知は実際の欠陥データが少なく多様性にも乏しいため難しい。本論文のREDiff-ADは、モデルの学習もターゲットマスクも必要とせず、Rectified Flow MMDiTを用いて少ない生成ステップで効率的に異常画像を生成する枠組みを提案する。正常製品画像と、マスク付きの参考異常画像1枚を与えると、インコンテキスト学習により参考画像の欠陥外観を正常画像へ転写する。生成過程の注意信号を再利用して異常位置を特定し、エッジと色の情報で画素単位の擬似マスクに精緻化する。実験では、真実性と多様性のバランスが良好で、下流の分類・検出・位置特定タスクでも競争力のある性能が示された。
説明BRAT：多段再利用による大規模言語モデルの安定した事後学習のための有界残差整合訓練法
要約本論文は、強化学習による大規模言語モデルの事後学習で、同じサンプルを複数回の勾配更新に再利用した際の不安定性を扱っています。著者らは、確率比に応じて線形に減少し信頼領域の境界で0になる勾配重みを各トークンに与え、グループ内で中心化した報酬を最大絶対値で正規化するBRAT手法を提案しています。4回の再利用で訓練の崩壊を避け、方策の逸脱を抑え、多くのベンチマークで平均精度が高く種子間分散が小さかったと報告しています。
説明Vlasov–Poisson プラズマを安定化するためのオンライン模倣学習
要約本論文は、核融合制御の基本的な課題である Vlasov–Poisson プラズマ系の不安定性の抑制を扱っています。実際にはプラズマの状態を部分的にしか観測できないため、全状態を観測できる専門家コントローラーから学習しつつ、マクロな測定値のみで動作する模倣学習アルゴリズムを検討しています。理論解析では、オンライン模倣学習とオフライン模倣学習の間に差があることを示し、行為クローニングの誤差がわずかでも時間とともに累積し、不安定性を指数的に増幅することを明らかにしています。一方、オンライン模倣学習の損失はロールアウト軌道の安定性を多項式的に制御できるとされています。著者らは部分観測下で安定化コントローラーを学習する DAgger 型アルゴリズムを提案し、1 次元 Vlasov–Poisson 系のシミュレーションで、行為クローニングより長い時間範囲でプラズマ不安定性を安定化できることを示しています。
説明即時の視覚フィードバックを用いた対話型人物検索
要約従来のテキストベース人物検索は、目撃者が一度に完全な記述を与えることを前提としていますが、対話型人物検索は質問と回答のやり取りで不完全な記述を絞り込みます。本論文は、検索された候補が視覚フィードバックを生み、それが後続の質問と再ランキングの証拠になる視覚フィードバック対話型人物検索（VFI-PR）を提案します。そのために、データセットVFI-PEDESと評価プロトコル、およびVFI-ReIDフレームワークを構築し、動的累積証拠検索器（DAR）と検索を考慮した質問最適化を用いて、変化する証拠の状態に適応させています。実験では、各対話段階で一貫して検索精度が向上し、既存の対話型検索のベースラインを上回ることが示されています。
説明LLMの後学習における重みの削除の意外な有効性
要約本論文は、事前学習済み大規模言語モデルのごく一部の重みを変更するだけで新しい能力を獲得できるかを検討しています。提案手法「Deletion Tuning（削除チューニング）」は、Transformerブロックのゲート射影上で二値マスクを学習し、重みの0.05%未満をゼロにする以外は変更を加えません。強化学習、教師あり微調整、オンポリシー蒸馏の3つの後学習方式で全パラメータ微調整と同等の性能を示し、マスクは対応するチェックポイントより数百から数千倍小さく、忘却も大幅に少ないと報告されています。
説明リー群上のノイズを含む力学から学習するための確率的ポート・ハミルトニアン・ガウス過程
要約本論文はLieSPHGPを提案する。これは剛体力学を学習するための確率的ガウス過程フレームワークで、リー群とリー代数で運動を表現し、特異点を生じるパラメータ化を避ける。質量、位置エネルギー、散逸、制御の各成分を個別にモデル化し、確率的外力は拡散項で表す。各成分はMatérn核のガウス過程でモデル化される。含ノイズの剛体ベンチマーク実験では、ニューラル力学モデルの基準と比べて予測精度、長期的な安定性、多様体制約の満足度が向上したと報告されている。
説明SWXAI：宇宙天気予報と太陽圏物理学のための統一マルチモーダル説明可能性ライブラリ
要約本論文は、宇宙天気予報と太陽圏物理学において、画像、時系列、表形式データの説明可能AI（XAI）ワークフローを統一するオープンソースライブラリSWXAIを紹介しています。一般的な視覚、時系列、表形式の学習モデルに共通の拡張可能なインターフェースを提供し、検証、適応、永続的な説明オブジェクトの機能も備えています。バックエンドを直接実装する場合と比べ、説明の生成に必要なコードを大幅に減らせ、実行時のコストは実用上ほぼ増えないことが示されています。
説明構造を分離したDAG学習と多尺度正規化クロージャ
要約本論文は、連続最適化による有向非巡回グラフ（DAG）の構造学習を扱う。既存手法は重み付き隣接行列の스칼라関数で非巡回性を課すが、本研究は各順序対の多ホップ関係スコアを行列値のクロージャlogitとして明示的に表現し、データ適合や疎性、DAGMA型バリアと併せて学習する。ガウス線形およびガウス非線形のERベンチマークでは、既定のハイパーパラメータ・縮小予算の下で、密なグラフではDAGMAを上回り、疎なグラフではほぼ同等の性能を示した。
説明ビット照合を超えて：耐共謀型画像フィンガープリンティングのための直交透かし
要約本論文はVectorMarkを提案し、各ユーザーに近似直交する高次元単位ベクトルを鍵として割り当て、コサイン類似度で共謀者を特定する。MS-COCO、OpenImages、AI生成画像での実験では、測光的・幾何学的歪みの下でも頑健な透かしによる出所特定を維持し、評価した手法の中で厳密な全共謀者検出が最良であり、高い視覚品質も保たれたと報告している。
説明画像多様体上の多項式ノイズ除去器：自己完結型ピクセル拡散のためのVolterraネットワーク
要約本論文は、注意機構の代わりにVolterra層を混合演算子として用いるピクセル空間拡散モデルの構造を提案する。著者らは、softmax注意機構および正規化された任意の混合則（線形注意機構を含む）は、アフィン写像以外の多項式写像を実現できないことを示す。ImageNet 256×256および512×512において、同等のパラメータ数と演算量の下で、同種の自己完結型ピクセル拡散モデルと競合する性能を示したとしている。
説明教師なし異常検知のための自己完結型データクレンジング手法
要約この論文は、教師なし異常検知の学習データに異常データが混入する問題を扱い、汚染比率を事前に知らなくても使える前処理フレームワークを提案しています。オートエンコーダの学習初期に、各データ点とその再構成結果とのコサイン類似度を分析し、異常候補を訓練データから除去します。8つのモデルと10のセキュリティ関連データセットでの評価では、汚染を最大100%削減し、F1スコアが平均11.2%、分類精度が平均7.3%向上したと報告されています。
説明スパースデータと構造化データの効率的計算のためにテンソルを関数合成で表現する研究
要約本論文は、各種のテンソルとその上の演算をすべて単純な関数合成として表す新しい数学的形式体系を提案しています。テンソルは索引から値への関数であり、要素ごとの演算、索引の付け替え、縮約がそれぞれ合成として表されます。これらの合成の恒等式を用いると、評価せずに式を等価な形へ書き換えられ、例えば2つのスパース行列の積を非ゼロ値同士の積のみの計算に変換できます。著者らはこの代数を計算エンジンの中間表現に用いることで、コードの複雑さがO(mn²)からO(m+k²)へ減ると主張し、この代数に基づく草稿実装を公開しています。
説明複雑な多相材料の解釈可能な教師なし4D-STEM解析のための幾何学誘導特徴空間フレームワーク
要約本論文は、異種材料から得られる四次元走査透過電子顕微鏡（4D-STEM）データを解析する機械学習フレームワークを提案する。物理情報に基づく幾何学的記述子と重み付き高次元埋め込みを組み合わせ、埋め込み前に正則化された記述子空間を構築する。Si/SixGe1-x エピタキシャル層および異なる相と方位variantを含むTi-Nb合金の二つのベンチマーク系で検証され、事前学習済みの通常オートエンコーダやモデルフリーのパターンベクトル化と比べ、クラスタの忠実度と解釈性が高く、次元も大幅に低いことが示されている。
説明KeyASRBench：実環境の音声認識における語句単位のキーワード保持度の測定
要約本論文は、人名、製品名、技術用語、バージョン番号、関係句などのキーワードが音声認識の書き起こしで保持されているかを検証する、日英二言語のパイロットベンチマークKeyASRBenchを提案している。凍結された句単位の注釈に基づき、出現回数で計算するキーワード誤り率（KER）を用いる。中国語と英語の計1,501クリップ、4,723件のキーワード出現からなるチャレンジセットでは、5つのローカル推論モデルと2つの公式APIシステムのMER/WERが5.31%から12.91%、KERが13.61%から33.81%であった。また、独立した30分のモデル非参照対照セットではKERが10.65%から27.31%であり、選択された語句の誤りがチャレンジセットの選定に限られないことを示している。
説明MultiTurnRoute：マルチターン大規模言語モデルルーターの構築と評価のためのプラットフォーム
要約本論文は、マルチターン対話において大規模言語モデルのルーターを構築・評価するためのプラットフォームMultiTurnRouteを紹介しています。ルーターは対話履歴と各モデルの再利用可能なプレフィックス長をもとに選択を行います。提案アルゴリズムChain-of-Route（CoR）は、WildChatとLMSYS-Chat-1Mのベンチマークにおいて、最も強いルーティングベースラインと比べ、最強モデルの品質に達するために必要な正規化コストを最大20.3%削減し、ピーク時の応答品質は同等以上を維持したと報告しています。