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）。
説明高速な忘却：実世界の顔認識における効率的な機械的忘却のための高速活性化減衰法
要約本論文は、大規模な開集合顔認識モデルから特定の個人の情報を取り除くための手法、Rapid Activation Dampening（RAD）を提案します。RADは、忘却対象と保持対象の個人に対する平均ニューロン活性の差を近似し、感度を調整可能な減衰機構によって対象個人と最も関連の強いニューロンを選択的に抑制します。また、表現空間上で忘却を確率的に解釈する指標Forget Score（FS）を提案しています。近年の大規模顔認識アーキテクチャとデータセットでの実験により、RADはモデル全体の有用性を保ちつつ、強い忘却を実現し、忘却速度を大幅に向上させることが示されています。
説明CHANNELS4WORLD：無線基盤モデル向けの環境規模データセット
要約本論文は、10万の異なる屋外RFシーンとその生成手法からなるデータセット「Channels4World」を提案している。各シーンには32の基地局位置と16,384のUE位置、3.5GHzおよび7GHzにおけるマルチパスと相互作用の記録が対応づけられている。シーン単位の訓練・テスト分割が提供され、より多様な場景で訓練したモデルは未知のシーンでより良い性能を示すことが報告されている。
説明Flex-DDCM：拡散軌道ガイダンスによるゼロショットのタスク指向画像圧縮
要約本論文は、圧縮専用の学習を行わずに拡散軌道ガイダンスでタスク指向の画像圧縮を行うフレームワーク、Flex-DDCMを提案している。Turbo-DDCMを基に、タスクガイドによるノイズ選択で符号化された拡散軌道を調整し、タスク誘導の効果を圧縮表現に埋め込む。実験では、画素忠実度、知覚品質、下流タスク性能の間で柔軟なトレードオフが可能で、学習済みのタスク指向コーデックと競合する性能を示し、Diff-ICMHより高速に復号できることが確認された。
説明ベトナム法オントロジー：すべての法的回答を、その根拠となる条文までたどる
要約本論文は、ベトナムの公開法律コーパスの質問応答データと法令文書を結び付けた法律知識グラフを構築し、各ノードと関係が元の記録までたどれるようにしています。グラフは約1,150万ノード、1,600万エッジからなります。引用が解決できた78,361件の回答のうち約36%が、すでに効力を失った法律を引用していたことを示しています。
説明全方策線形実現可能性のもとで計算効率の高いオフライン方策最適化
要約有限時間マルコフ決定過程におけるオフライン方策最適化を扱う。各決定的マルコフ方策の行動価値関数が既知の特徴量の線形結合で表され、係数のノルムがB以下と仮定する。未知のマルコフ行動方策による独立した完全軌跡から、全方策占有被覆の条件下で、各層につき一度の凸回帰のみを行うアルゴリズムを示す。サンプル依存は精度の逆数の二乗、計算量はlog(2+B)の多項式である。
注目点新規性は決定論的方策の線形実現性のみで多項式計算量を得る点にあり、タイトなサンプル依存性を示す。摘要は保証と二行動の下界を報告しており、影響はオフライン強化学習の理論に限られる。
説明GenRM-Flow：フローマッチングにおける生成器はプロセス認識型報酬モデルである
要約本論文は、選好チューニング済みの動画生成器が、ノイズを含む潜在空間で直接報酬モデルとして機能するGenRM-Flowの枠組みを提案しています。報酬は連続時間における速度予測誤差の相対差から決定されます。著者らは、DPOやIPOなどの対照的手法とRWRなどの非対照的手法がいずれも同じ最適方策に至る経路であることを理論的に示しています。この生成的報酬は外部の視覚言語モデルによる採点を代替でき、動画生成の向上にもつながるとされています。
説明ACT-Rを用いた非典型性推論における個人差と項目差のモデル化
要約本論文は、予測可能性の高い出来事への言及に接した際、人がその出来事を通常ではないと推論し、その理由を説明しようとする仕組みを検討している。個人の探索傾向と項目ごとの傾向に基づいて解釈戦略を選ぶ資源合理的な認知モデルを提案し、その推論率の差を予測できることを示している。パラメータはレイヴン色彩マトリックスの得点、出来事の典型性評価、言語モデルに基づく説明の受容可能性から独立に推定されている。
説明スパースオートエンコーダによる地球埋め込み表現の分解
要約地球観測の基盤モデルが生成する全球メートル解像度の埋め込みベクトルは、各次元に無関係な物理概念が混在しており解釈が難しい。本論文はスパースオートエンコーダを用いて、これを疎で近似的に単意味な特徴へ分解することを提案し、衛星ピクセルに適した評価手法（再構成精度、参照概念との整合性、空間スケール）を導入している。結果として、同じ疎性条件下でAlphaEarthやTesseraの埋め込みを、いずれのベースラインよりも良く再構成し、特徴が整合する参照概念の数は生の次元よりも大幅に少ない。
説明回答による検索バイアス：検索モデルにおける偏りの問題
要約本論文は、密ベクトル検索モデルに「回答による検索（search-by-answer）」の偏りがあることを示している。モデルが既知の回答対象を含む段落を、他の有効な回答を支持する段落より優先する傾向がある。LAMA/TREx の制御された事実対比を用い、八種類の検索モデルで検証した結果、回答対象のトークン予測スコアが高いほど、その対象を含む段落の検索スコアも高くなることが確認された。
説明と要約を作成中です
説明直交更新で加速する適応型ミニマックス最適化
要約本論文は、機械学習で用いられるミニマックス最適化について、直交化された方向に更新を行うことで更新の異方性を減らし、学習の安定性を高める枠組みを提案しています。さらに、累積勾配ノルムに基づいてステップサイズを調整する適応規則AdaSGDAを開発し、非凸強凹のミニマックス問題に対して問題依存のパラメータ調整を必要としない手法としています。収束率はO(T^{-1/4})であり、分散低減を組み込んだAdaSGDA-VRはO(T^{-1/3})に達すると示されています。実験では、既存のミニマックス最適化手法と比べて競争力のある性能が報告されています。
説明言語をまたいで何が伝わるか：ベンガル語慣用句における言語横断概念部分空間の読み取り、転移、消去
要約本論文は、凍結エンコーダにおける言語横断的な概念部分空間が保持する情報と、そこを通じて転移する分類器・消去器の働きを検討する。10,359件のベンガル語慣用句の語義を用い、類平均方向をランダム部分空間や順列ラベルなどの対照と比較した。類平均方向は粗い意味の共有を最も一貫して示す一方、消去の効果は読み取りと必ずしも一致しないことが報告されている。
説明バナッハ、ヒルベルト、ユークリッド空間における転移学習の密度推定の比較
要約本論文は、領域適応手法の多くが対称なL2ダイバージェンスで分布の差を測るヒルベルト幾何に依存している点に着目し、バナッハ多様体転移学習（BMTL）を提案します。特徴量を測地多様体上に埋め込み、L1ノルムによる密度整合の正則化項を用いる手法です。MNIST-USPS、COIL20、Office+Caltech10での実験では、L1版がすべての課題でL2版の消去実験を上回り、USPS→MNISTでは92.44%対89.80%となりました。
説明予測性能は因果性能につながるか？因果効果推定の交絡因子学習器として表形式基盤モデルを評価
要約本論文は、事前データ適合ネットワーク（PFN）に基づく表形式基盤モデルが、二重頑健推定における傾向スコアと結果回帰の干渉学習器として、平均因果効果の推定と不確実性の定量化に使えるかを検討しています。交絡の複雑さと効果の異質性が異なる合成・半合成データで、PFNを従来の学習器と比較しています。複雑な設定ではPFNが精度と信頼区間の被覆率でSuper Learnerを含む従来手法を上回った一方、小標本や高次元の設定では交差適合なしで被覆率が低下しました。
説明スコアベースのエントロピー最大化による自己教師あり学習の崩壊防止
要約本論文は、自己教師あり学習中に潜在分布を正則化し表現の崩壊を防ぐ手法EBRegを提案している。エンコーダと潜在スコアモデルを同時に学習し、そのスコアを多様性維持のための信号として用いる。ImageNet-1KでViT-Lを用いた線形プローブ精度75.57%を報告し、ImageNet-Cでは約5%の平均相対精度向上が示されている。
説明SegDis：前景分割の後に種類を判別する顕著物体・カモフラージュ物体検出手法
要約本論文は、顕著物体検出（SOD）とカモフラージュ物体検出（COD）を統合したタスクを扱います。既存の多くの手法は二値マスクしか出力せず、対象の種類を区別できないため、その問題に取り組んでいます。提案手法SegDisは、出力を明示的な前景確率と、前景を条件とした種類確率に分解し、それぞれ別の仕組みで処理します。USC12K上でPVT-v2-B2を用いた場合、FG-mIoUは68.98%、mIoUは78.35%で、パラメータ数はUSCNetの約8分の1です。
説明大規模言語モデルに基づく多基準深層強化学習による動的で効率的な5G UPF選択
要約本論文は、5Gネットワークにおけるユーザプレーン機能（UPF）の選択のために、深層強化学習（DRL）手法を提案しています。動的な多目的報酬関数を用い、大規模言語モデル（LLM）によるネットワーク運用者の意図の変換と、ネットワークデータ分析機能（NWDAF）の異常警告を入力としています。実環境の5Gエミュレーション基盤で検証された結果、遅延、消費電力、トラフィック分散の間で効果的なバランスを実現し、ヒューリスティックなベースラインや固定のDRLを16.89%上回ったと報告されています。
説明D3Tree：効率的な検証のためのブロック拡散ドラフトツリー剪定の学習
要約本論文は、推測的デコーディングで用いるブロック拡散ドラフトツリーについて、どのノードを検証すべきかを学習するD3Treeを提案している。小さな予測ヘッドが各候補ノードの条件付き生存確率を推定し、その閾値処理によって祖先閉包の部分木を残す。高負荷時にはバッチ全体で予測生存確率に基づきノード予算を配分する。論文は複数の視覚言語検証器と17のベンチマークで、多くの負荷設定において最速だったと報告している。
説明BiVerify：数学的自己修正における後方検証と前方検証の統合
要約本論文は、大規模言語モデルの数学的推論における双方向検証と自己修正のためのBiVerifyフレームワークを提案します。まず後方検証で元の制約に照らして解答を確認し、続いて前方検証で推論過程を検査し、検証結果に応じて方向の切り替えと再検証を行います。五つの数学推論ベンチマークで複数の主要モデルを評価し、平均精度は本研究で評価した最強の公開ベースラインを13.5ポイント上回り、GPTでは差が31.2ポイントに達しました。また、双方向の総合性能は、いずれか一方の検証方向のみを用いた場合を上回ると報告しています。
説明MG-Cache：拡散 Transformer の推論を高速化する多粒度キャッシュ手法
要約本論文は、拡散 Transformer（DiT）の推論を高速化する多粒度キャッシュ手法「MG-Cache」を提案しています。学習を必要とせず、タイムステップと Transformer 層の両方の粒度で計算上の冗長性を利用します。中核は二段階の戦略で、まずオフラインのタイムステップ解析で再利用可能な冗長なタイムステップを特定し、次に各層の入力の安定性と重要度に基づき、安定した Attention と MLP のサブモジュールを適応的にキャッシュします。主要なオープンソース DiT モデルでの実験により、キャッシュを使わない出力との高い忠実度を保ったまま大幅な高速化が示され、HunyuanVideo では最大 4.18 倍の高速化が報告されています。
説明OOM：メモリと実行の協調設計によるオフロード最適化の全パラメータMoE学習
要約本論文は、単一のマルチGPUノードで大規模なMoE（混合エキスパート）モデルを全パラメータ学習するためのOOMシステムを提案しています。専門家の実行とメモリ割り当てを協調設計し、モデル状態をホストメモリへオフロードしながら、専門家の常駐と活性化の保持を共同で計画します。4基のH100では、比較対象のFSDP2、ZeRO-Offload、MegaTrainが512Kで GPUメモリを使い果たす一方、OOMは1Mトークンの文脈で学習できました。また、4基のRTX 4090では、CPUオフロードのFSDP2に対し幾何平均で1.58倍および4.08倍のスループットを示し、ホストメモリ使用量はFSDP2の約1/3.0まで抑えられています。
説明NuJEV：構造化された視覚判断による一貫した核計数
要約本論文は、Qwen3-VL-2B 上で細胞核の位置特定と種類分類を行う NuJEV 手法を提案します。自由記述の生成ではなく、視覚 LoRA と並列ヘッドを共同で学習し、核の有無、中心位置、種類を予測します。計数は予測された核から算出されます。2,732 枚の PanNuke テスト画像で、五回の問い合わせの平均絶対誤差は全体で 1.844、密集画像で 5.268 でした。
説明AOP-Smart-Finder：大規模文献から有害性転帰経路を発見し証拠をマッピングする人間とAIのハイブリッド枠組み
要約本論文は、大規模文献から生物学的事象の発見、関係性の抽出、有害性転帰経路（AOP）の構築と証拠のマッピングを行う高スループットの人間-AIハイブリッド枠組みAOP-Smart-Finderを提案している。大規模言語モデル、AOP-Smart検索拡張生成（RAG）技術、Pythonによる自動化を統合している。DEHP（フタル酸ジ（2-エチルヘキシル））とALS（筋萎縮性側索硬化症）を事例とし、ALS事例では人手による整理と証拠の重み評価を経て、16個の主要事象と23個の主要事象関係からなる機構ネットワークが構築された。
説明標準作業手順（SOP）ベースのエージェントにおけるスキル文脈の分離
要約標準作業手順（SOP）は人が読みやすいよう簡潔に書かれているため、そこから実行可能なスキルを生成するLLMエージェントには、自動化に必要な暗黙知や実装の詳細が不足します。本論文は、SOPと文脈知識（CK）を別々に管理し、真の違反とCKで解決できる差異を区別する契約認識型の評価を提案しています。Indeed由来の8つのワークフロー（単一のLLM）では、機能的等価率が12%から58%に向上しました。3種類のSOP改訂の摂動のもとでも、既に抽出されたCKが新たに生じた自動化のギャップの79.5%を網羅していました。
説明物理エンジンで空間推論を実行可能な世界状態に結びつける手法（Spatial Harness）
要約本論文は、シーンを明示的かつ実行可能な世界状態として表現し、物理エンジンのフィードバックによって空間推論を裏付けるSpatial Harnessを提案する。質問から抽出したシーン制約と視覚的推定を統合して物体とカメラを共通座標系に配置し、物理エンジン上で視点変更を実行して計算された測定値と描画ビューを推論に用いる。MindCubeでは、Qwen3.5-27Bの正答率が52.70%から71.14%に向上し、同じ注釈付き位置姿勢を与えた場合にはモデル内部推論の71.81%に対して98.25%に達した。
説明重みを固定したエージェントの自己改善：失敗トレースの効果と限界
要約本研究は、AIエージェントを取り囲む「ハーネス」（指示メモ群）が、失敗トレースから学習できるかを検証し、失敗を見せない同条件の探索と比較しています。重みを固定したオープンな90億パラメータモデルを用い、より大きな教師モデルがメモを作成しました。生成された顧客対応の判断課題では、失敗に基づくメモが失敗を除いたメモより正解率を4.0ポイント高めました。ただし、良いスコアのメモを試して残すだけの過程で全体の改善の約60%に達しました。完全な顧客対応会話では、これらのメモによる改善は示されませんでした。
説明OPSRL-SSP：極小極大最適な後悔上界を持つ確率的最短経路のための楽観的事後サンプリング
要約本論文は、遷移ダイナミクスが未知の確率的最短経路（SSP）問題に対するオンライン強化学習を扱う。事後サンプリングを楽観的に行うアルゴリズムOPSRL-SSPを提案し、エポックごとに対数的な時間依存スケジュールで事後サンプルを生成する。楽観性を与えるため、楽観的境界値を持つ擬似状態を遷移モデルに加えている。主要項は極小極大下界と一致する高確率の後悔上界を示す。
注目点楽観的事後サンプリングのSSPアルゴリズムを提案し、主項がミニマックス下界と一致する後悔上界を与え、事後サンプリングの未解決問題に取り組む。影響は強化学習理論の分野に限られる。
説明ゲートはどこを見るべきか：対角状態空間モデルにおける入力ゲーティングと状態ゲーティング
要約本論文は、対角状態空間モデルにおいて記憶更新を制御するゲートを、現在の入力に依存させるか、再帰状態に依存させるか、あるいは両方に依存させるかを比較しています。スカラーモデルでは、状態ゲーティングが任意の語彙サイズと系列長の帰納ヘッドタスクを解けることを示し、標準的な安定性仮定の下では入力ゲーティングが有限の事例で失敗することを理論的に示しています。実験では、高次元モデルの帰納ヘッドタスクで状態ゲーティングが優位を保ち、選択的コピータスクでは入力ゲーティングが優れること、両者を組み合わせると全体性能が最も高いことが報告されています。
説明MoT3DVG：運動認識の記述と時間的手がかりを用いた屋外3Dビジュアルグラウンディングのベンチマーク
要約本論文は、言語で指定された物体を3Dシーン内で特定する屋外の動的な3Dビジュアルグラウンディング向けデータセット「MoT3DVG」を提案している。nuScenesに基づく850シナリオ・31,128フレームに、動く物体の運動認識型の言語記述144,568件を付与している。さらに、短期ウィンドウ符号化と長期ウィンドウシフトで局所的な運動と全体の時間文脈をモデル化する「DynaVG」を提案し、本データセットで最先端の性能を示したとしている。
説明CVaR深層最適停止：リスク感応型停止問題のための深層学習手法
要約本論文は、停止時の報酬の条件付きバリューアットリスク（CVaR）を目的とするリスク感応型最適停止問題に対し、理論的枠組みとアルゴリズムDIOS（分布情報を用いた最適停止）を提案する。停止問題の構造的性質を利用し、状態拡張なしでマルコフ最適性を示し、経路微分による勾配推定器を導出する。24の主要なBermudan max-call設定において、DIOSは試された CVaR ベースラインの中で最も高い平均CVaRと最短の記録学習時間を達成した。
説明と要約を作成中です
説明条件付き拡散モデルによる代替表現復元：SLOモダリティ欠損下の術後BCVA予測
要約本論文は、白内障手術前のマルチモーダルデータでSLO（走査レーザー検眼鏡）画像が欠損しやすい問題に対し、条件付き拡散モデルによる手法を提案している。潜在特徴空間でSLOの代替表現を復元し、OCT画像と臨床テキストの融合特徴を条件として用いて、融合予測ネットワークに組み込み術後の最良矯正視力（BCVA）を予測する。SLO欠損率58.80%の2,141症例での実験では、0.1 LogMAR以内の絶対誤差基準での正解率は0.9714、平均絶対誤差は0.0423であった。
説明センサー欠損時の予測区間カバレッジ監査：不完全なセンサー記録を用いた手法
要約本論文は、センサーの停止中に予測区間のカバレッジ不足が平均的な性能の裏に隠れうる問題を扱い、発行時の停止期間、元の目標値の利用可能性、時間一貫性のある統計的根拠を結び付ける測定記録の監査手法を提示します。交通および大気質データに基づく集計結果が示され、METR-LAでは長期欠損の予測のうち元の目標値が観測されているものは7.6%のみでした。
説明類似度エントロピーを超えて：ビジョントランスフォーマー向けのランク誘導型データフリー量子化フレームワーク
要約ビジョントランスフォーマー（ViT）は計算量とメモリ需要が大きく、モバイル機器への展開が難しい課題があります。本論文は、元の学習データを使わずにViTを圧縮するデータフリー量子化（DFQ）の手法RankQ-ViTを提案します。合成サンプルに特徴の多様性を持たせて量子化の較正に用いる枠組みで、ImageNet、COCO、ModelNet40、ShapeNetでの実験により、複数のアーキテクチャとタスク、特に低ビット量子化で有効性が示されています。
注目点類似度エントロピーに代えてランク誘導と自己対比目標で校準サンプルを生成し、複数データセットで結果を報告。
説明取得前に検証する：LLM推論のための信頼性の高いKVキャッシュ圧縮
要約論文はVerKVという手法を提案します。GPUには少数のクエリに依存しない重要トークンとKVキャッシュの要約（スケッチ）を置き、完全なキャッシュはCPUメモリに保持します。推論時には注意計算の相対誤差を見積もり、利用者が指定した(ε, δ)の許容範囲を満たせばホストメモリにアクセスせず、満たさなければCPUから追加のトークンを取得します。また、重要トークンを選ぶためのサンプリング手法PoissonCompも提案しています。32Kのコンテキスト長で、密な（非圧縮）モデルの品質の90〜100%を保ちつつ、GPUメモリ使用量を8〜32倍削減したと報告されています。
説明PROLA：予測型時空間気象ダウンスケーリングのための主方向・直交低ランク適応法
要約本論文は、直近の粗い解像度の気象状態から、空間と時間の解像度を同時に高めつつ将来の高解像度軌跡を予測する予測型時空間気象ダウンスケーリング（PSWD）課題を提案しています。共有の事前学習済みバックボーン、固定の数値スキャフォールド、軽量な残差ヘッドを用い、空間と時間の二段階で予測を行います。また、事前学習重みの主方向と直交補空間に固定の低ランク予算を配分するPROLAを提案し、既存の低ランク適応手法を上回る結果を示しています。他のデータセットやタスクでも有効性が確認されています。
説明ReGKG-2025：2025年6月14日〜7月2日の欠損期間についてGDELT全球知識グラフ（GKG）と互換性を持たせて再構築したデータセット
要約GDELTのデータ収集パイプラインが2025年6月に停止し、全球知識グラフ（GKG）に空白期間が生じました。本論文はCommon CrawlとWayback Machineから記事を回収し、欠損している1,665件の15分バッチすべてに対応する281,620件の記事レコードを再構築しています。GKG 2.1の27列形式に変換され、出所情報、アーカイブの位置情報、人手による審査記録も含まれます。振り返り型の内容分析や情報源単位の集計には適しますが、網羅的な件数の計上には使えず、トーンやテーマの分布は元のGKGと異なります。
説明形状適応型の部分空間制約付き二次行列分解（高次元データの非線形構造を当てはめる手法の提案）
要約本論文は、高次元空間に埋め込まれた非線形な低次元構造を二次多様体で当てはめる手法を扱っています。提案手法AMLE-SQMFは、交互最尤推定により二次多様体と残差の雑音分布を同時に推定します。残差は一般化ガウス分布でモデル化され、その形状パラメータが損失関数を決めます。合成データと実データでの実験により、多様な雑音分布に対する有効性と頑健性が示されています。
説明ScrapeBench：ウェブスクレイピングにおけるAIエージェントの法令順守を評価するベンチマーク
要約本論文は、AIエージェントがウェブサイトのスクレイピングに関する規約（利用規約とrobots.txt）を順守するかを実証的に評価する、初のエージェント型ベンチマーク「ScrapeBench」を提案します。スクレイピングを明示的に禁止する人気サイト1,626件では、多くのエージェントの順守率が5%未満でした。利用規約やrobots.txtを実際に確認した場合も順守率は低いままでした。スクレイピングを禁止していない269サイトでは、一部のエージェントが合法であるにもかかわらず拒否し、Claude Opus 4.6の過剰拒否率は98.5%でした。180名を対象とした人間の基準実験では、順守率はAIエージェントと同程度でしたが、過剰拒否率はかなり高いという結果でした。
説明TransArt3D：動画遷移の事前情報を用いて2つの状態から可動3D物体を再構成する手法
要約本論文は、可動物体の2つの端点状態の画像だけから関節付きの3Dモデルを再構成する、最適化ベースのフレームワーク TransArt3D を提案している。ビデオ拡散モデルが生成する端点間の遷移フレームを利用し、部品構造、関節の運動場、統一された正準外観を推定する。PartNet-Mobility での評価において、同じ2つの端点を使う手法より形状と関節の精度が高く、6つの観測状態を用いる手法より関節状態の形状、関節位置推定、外観で優れていると報告されている。
説明NCCL-BOT：オンライン多腕バンディットでNCCLのコストモデルを補正
要約NCCLは解析的なコストモデル（AUTO）で各集合通信のアルゴリズムとプロトコルの組み合わせを選びますが、このモデルは実測レイテンシを使いません。本論文のNCCL-BOTプラグインは、コストモデルを初期値とする文脈ごとのバンディットが実測レイテンシから学習する仕組みです。H100の強制選択実験の再生では、モデルの選択が10%を超えて劣る文脈を19から1に減らしました。ただし、実機テストで端到端の純粋な改善は示されていないとされています。
説明EASE-KV：メモリの利用可能性と実際の有効活用の差を診断する研究
要約本論文は、再利用可能なキーバリュー（KV）メモリに保存された記憶が、必ずしも有効な証拠として使われるわけではない問題を扱うEASE-KVフレームワークを提案します。符号化時に必要な関係が保持されるか、保持された記憶が割り当て時に適切な影響を受けるか、結果に基づく教師信号が有効な割り当てを識別できるか、の三つの段階を分けて検証します。実験では、因果的符号化がブロック対角符号化より組合せ精度を25.0ポイント高めた一方、試験された推論時のブリッジング手法は失われた文脈情報を回復できませんでした。また、保存状態を変えずに証拠に基づく割り当てを行うと、LongMemEvalの精度が31.2%から38.4%に向上しました。
説明移動ロボット向け単一レーダーによる両側3次元近距離イメージング
要約本論文は、前方に取り付けた単一のミリ波レーダーで、ロボット進路の両側にある構造物を再構成する、運動を利用した手法を提案する。球面伝搬経路に基づく近距離モデルに、スライディング開口バックプロジェクションと上位K電力融合を組み合わせ、多層の高さ抽出と適応的な高さ精密化で3次元構造を得る。3種類の実験環境で、横方向・前方の位置推定誤差の平均は4.65〜5.98センチメートル、ピーク対背景比は13デシベルを超えた。
説明分散型エッジネットワーク向けマルチノードTransformer：物体検出とキャプション生成
要約本論文は、分散型エッジネットワークにおける物体検出と高密度領域キャプション生成のための、Transformerベースの統一フレームワークを提案しています。共有の視覚エンコーダを用い、検出、領域抽出、自己回帰的な言語デコードの各段階で同じ画像特徴を再利用します。さらに、実行時間やメモリ、電力、中間テンソルの転送コストを考慮して、モデルの各段階と入力ストリームを接続されたエッジノードに割り当てる手法を示しています。Jetson Orin Nano上の統一INT8モデルは38.1 FPSを達成し、4ストリーム同時実行時の平均エンドツーエンド遅延は28.4ミリ秒、35.2 FPSでした。
説明ナンバープレートの検出と文字認識を一つにまとめたフレームワーク（ナンバープレート識別と文字認識の統合手法）
要約低消費電力のエッジ機器で動作する、ナンバープレートの検出と文字認識を一つのネットワークで行う手法を提案しています。特徴抽出部を共有し、プレート画像を切り出さずに整列した特徴マップ上で直接文字を復号します。約37,000枚の手動検証済み画像で学習し、米国50州のプレート様式を対象としています。NVIDIA Jetson Orin Nano上のINT8 TensorRTエンジンでmAP50は97.8%、全文字列の正解率は90.7%、147 FPSを記録し、YOLOv8s+CRNNベースラインと比べてスループットは7.1倍、推論メモリは77.8%削減されたと報告しています。
説明WarBias：国内避難民と退役軍人に関するステレオタイプを測定する、ウクライナ語・英語の二言語LLMベンチマーク
要約本論文は、国内避難民（IDP）と退役軍人に対するステレオタイプを言語モデルで評価するための二言語ベンチマーク「WarBias」を紹介しています。ウクライナ語と英語で、1,007組のステレオタイプ・反ステレオタイプ・無関係文の三つ組と、各言語240問の選択式問題を含み、各主張には人による深刻度評価が付いています。six種類のモデルを評価したところ、四つのモデルがウクライナ語でいずれかの集団についてステレオタイプ的な文を好み、特に国内避難民に対して顕著でした。一方、英語の結果はおおむねバランスが取れていました。
説明エージェントはどれだけ効率的か？予算制約下のオンライン予測上限
要約本論文は、タスクが順次到着するオンライン環境でAIエージェントを評価する手法を扱う。各タスクの実行前に、成功までの相互作用回数（time-to-success）の予測上限を構築する。予算が限られるため一部の実行は途中で打ち切られ、成功までの回数が観測されないことがある。著者らはPROBEという手法を提案し、予算をタスク間に適応的に配分しながら、予測上限をオンラインで較正する。PROBEは任意の有限の時間範囲で被覆率の保証を示し、予算制約も満たす。ソフトウェア工学、検索拡張生成、指示遵守の実験では、較正済みベースラインより目標被覆率に近く、より狭い予測上限を達成した。
説明利用者の時間的嗜好を捉える、適応型・文脈認識型の積み重ね注意機構による推薦システム
要約本論文は、時間とともに変化する利用者の嗜好に適応する推薦システムを提案している。各時間区間内で利用者が接触した項目を文脈情報として用い、文脈項目注意モジュールとマルチヘッド注意モジュールの2つの注意機構を設計している。3つの実データセットを用いた実験では、提案手法が従来手法より高い性能を示したと報告されている。
説明Adam型前処理を用いた分散低減型確率的Hessian駆動Nesterov加速法
要約本論文は、滑らかな確率的凸最適化のためのVR-Adam-SHANGのスカラー版と対角版を提案している。STORM型の再帰的勾配推定、Adam型の前処理、SHANGの加速補間と補正を組み合わせ、各反復で確率的勾配の計算を最大2回に抑えている。不偏サンプリング、有界分散、勾配ノイズの平均二乗滑らかさの仮定の下で、勾配推定誤差と目的関数の差に関する収束上界を示している。同じサンプル勾配予算での比較実験では、試したすべての設定で、いずれかの版が最も低い終端の目的関数差を達成した。
説明タスク適応型匿名化により、臨床音声データのプライバシーを守った共有を可能にする研究
要約本論文は、臨床タスクごとのプライバシーと臨床的有用性の要件に応じて、声紋と発話内容の匿名化を動的に調整する臨床適応型音声匿名化エージェントCASAを提案している。再帰的自己改善により、CASAは匿名化戦略を繰り返し評価・改良する。5言語・14の臨床タスクでの検証では、疾患関連の分類性能を維持しつつ話者匿名化の要件を満たし、話者の再識別への耐性や敏感な個人情報の除去でも良好な結果を示した。
説明BiRefNet-V2：高解像度二値画像セグメンテーションにおける双方向参照の再考
要約本論文は、高解像度の二値画像セグメンテーション向けにBiRefNet-V2を提案している。細い線や鋭いエッジなどの細部構造を保ちつつ、画素単位で前景と背景を分離することを目指す。空間から深さへの変換、重なり合うパッチ、意味誘導ゲートによる細部の注入や、境界ストリームと二系統デコーダを用いる。DIS5K、迷彩物体検出、高解像度顕著物体検出の13の評価セットで最先端の性能を報告し、学習エポック数は600から50に削減されたとしている。
注目点BiRefNetの双方向参照に意味ガイド付きゲートと学習型境界ストリームを加え、DIS5Kなど13評価セットで比較を報告している。
説明DuSS-PET：ペアデータ不要で擬似二重ドメイン一貫性を用いる自己教師型低線量PET再構成
要約本論文は、低線量と全線量のペアデータを一切必要としない自己教師型PET画像再構成フレームワークDuSS-PETを提案する。Noisier2Noise（Nr2N）の枠組みに基づき、ベルヌーイ破壊戦略で低カウントノイズを模擬し、適応型Swin Transformer、画像強調モジュール、一貫性制約を組み合わせる。多施設データでの実験では、既存の自己教師型手法を上回り、各線量レベルで全教師あり手法と同等以上の結果を示し、異なるスキャナメーカー間でも良好な汎化性を示したとされる。
説明基本要素と経路：基盤モデルの既有能力から事後学習の効果を予測する
要約本論文は、強化学習が言語モデルに新しい能力を教えるのか、それとも事前学習で得た能力を増幅するだけなのかを検討します。著者は、完全な解の有効な支持度と原子的な基本スキルの被覆度という二つの軸で基盤モデルの状態を表し、増幅・組み合わせ制約・獲得制約の三つの領域を提案しています。三つの小規模言語モデルによる合成組み合わせタスクの実験では、基本スキルを習得するだけでは強化学習による組み合わせ学習は保証されず、少量の組み合わせ監督で大きな改善が得られることが示されています。
説明Auto-GlaKG：説明可能な緑内障検出のための自動バイオマーカー推論
要約本論文は、眼底画像から緑内障を自動検出するフレームワーク Auto-GlaKG を提案しています。ResNet50 で杯盤比（CDR）と六つの形態学的所見を予測し、知識グラフ推論器が固定された臨床規則に基づいてそれらを緑内障スコアに集約します。689 枚の眼底画像で層別・グループ考慮の五分割交差検証を行い、プール AUC は 0.951、感度 0.970、特異度 0.779 でした。
説明Koopman モード分解と連続順位確率スコアを用いた校正済み確率予測の学習
要約本論文は、確率的機械学習とKoopmanモード分解の構造化された線形力学を組み合わせ、注入されたノイズサンプルのプッシュフォワードによって予測分布を生成する確率予測手法を提案しています。モデルは連続順位確率スコアを用いて学習され、2つの非線形常微分方程式と、渦放出および空洞流という2つの偏微分方程式の例で検証されています。
説明ALETHEIA：非破壊検査における神経オペレーター学習のための多周波渦電流パルスサーモグラフィデータセット
要約本論文は、非破壊検査の文脈でデータ駆動型ソルバーを学習するための初の三次元ベンチマークとなるALETHEIAデータセットを提案している。導電性固体における渦電流による加熱と熱方程式に従う過渡的な熱伝播を模擬し、10の励起周波数にわたる4,700件以上の高解像度サンプルを含む。割れのある鉄道レール試験片の実際の赤外線サーモグラフィデータも含まれ、複数のニューラルオペレーターで四つの課題を用いて評価されている。
説明自己教師あり音声モデルが音素と韻律の手がかりをいつ・どの層で学ぶかを、層別・時系列プロービングで調べた研究
要約本論文は、凍結したエンコーダーに対するプローブを用いて、HuBERT-Base と wav2vec 2.0-Base の事前学習チェックポイントごとの各層で、音響・韻律・音素情報がいつ、どこに現れるかを調べています。基本周波数、話者相対の音高、語のアクセント、音素境界、38クラスの音素識別の5課題を扱います。音響韻律の手がかりと音素境界は最初期のチェックポイントから読み取れ、層を通してもほとんど変わりません。一方、音素の識別は事前学習の過程で構築され、HuBERT の第2段階の目標では中上位層に再配置されます。
説明と要約を作成中です
説明スタイル書き換えがゼロショットLLMフェイクニュース検出器の信頼度較正を崩す仕組みを層ごとに調べた研究
要約本論文は、記事の事実は変えずに文体だけを操作したとき、大規模言語モデルが真偽を判断する際の確信度がどう変化するかを検証しています。3つのモデル系列と3つのフェイクニュースのベンチマークで、予測と確信度がネットワーク内で層ごとにどう形成されるかを追跡しました。扇情的・感情的な文体への書き換えによって判定の正確さが大きく低下する一方、モデルの確信度は変わらないことが示されています。
説明FRESCO：非同期パイプライン並列学習のための新しい一貫性制御手法
要約本論文は、非同期パイプライン並列学習において勾配計算の不整合が学習の不安定化を招くことを指摘し、誤差信号が順伝播時の特徴量とも結びついていることを示している。著者らはこの知見に基づき、非同期更新を制約付き最適化問題として定式化したFRESCOを提案し、大規模言語モデルの事前学習で代表的な非同期ベースラインを上回る結果を報告している。
説明LoMASA：B2B見積もり向けの、信頼度ゲート付き委任を備えたローカル型マルチエージェント営業支援システム
要約本論文は、顧客による数量変更や割引・支払条件の要望、コスト変動によって生じる見積もりの再調整を支援する、学習不要のシステムLoMASAを提案します。単一のデスクトップPC上で完全に動作し、35Bの混合エキスパートモデルが1回の推論で判断して回答選択肢の確率から信頼度を読み取り、不確実な場合に27Bの密モデルが顧客への返信や上申文を作成します。公開サプライチェーンデータに基づく500件のシミュレーション（決定1512件）では、営業担当が判断するのは19.5%で、38.0%は自動処理、42.5%はハードルールによって管理者へ上申されました。自動処理された決定では規則ベースと同等の正解率（0.894）でしたが、後に利益率が下限を下回る約束は少なくなりました（2.61%対4.53%）。その代償として管理者への上申が増えています。
説明TLRS-DPO：より良い直接選好最適化のためのトークンレベルのリスク評価手法
要約本論文は、直接選好最適化（DPO）にトークン単位の細かな制御を加えたTLRS-DPOを提案します。学習はオフラインで参照モデルを用いる方式を維持します。棄却された応答上のポリシーと参照モデルの対数比を局所的なリスクスコアに変換する補償項、学習中に補償の強さを徐々に高めるカリキュラム型スケジュール、そして系列全体ではなく高リスクのトークンだけを選択的に罰するリスク適応型のスクリーニングを導入しています。強力なDPOベースラインと比べ、有用性への影響を小さく抑えつつ、アライメントの質と安全性に関わる振る舞いを改善したと報告しています。
説明MCSA：原子間ポテンシャルのためのSO(3)等変GNNにおける多カットオフ・スペクトル集約
要約本論文は、等変グラフニューラルネットワークに基づく機械学習原子間ポテンシャルのため、異なるカットオフ半径の動径カーネルを集約するプラグアンドプレイモジュールMCSAを提案している。動径カーネルのコンパクトな台を利用して角テンソル積の前にカットオフ依存の重みを融合し、回転等変性を保ちながら計算の重複を避ける。エネルギー、力、応力の予測に加え、フォノン分散や格子熱伝導率などの高次の性質でも精度が向上したと報告している。
説明特徴量の相互作用は説明可能性を損なうのか？任意次数のニューラル加法モデルに対する証明可能な説明
要約本論文は、一般のニューラルネットワークと純粋な加法モデルの中間にあたる、特徴量相互作用が制限されたネットワークについて、証明可能に最小かつ十分な説明を計算する問題を研究しています。相互作用の次数が定数であっても問題は Σ2^P 困難であることを示し、相互作用構造の疎性に基づく場合と、より強い相互作用を考慮した十分性に基づく場合の二つの扱いやすい設定を提示しています。実験では、これらの説明は標準的なアルゴリズムより小さく、早く得られ、標準的なニューラル加法モデルより高精度のモデルから導出されることが示されています。
注目点新規性は任意次の特徴交互作用を持つ神経加法モデルに可証明な説明を拡張した点にあり、定数次でもΣ2P困難を示し、二つの可解設定とアルゴリズムを与え、実験で解が小さく高速と報告している。
説明と要約を作成中です
説明EbbFlow：PINNに着想を得たMeanFlow学習のための段階的カリキュラム
要約本論文は、少ステップ生成のために区間平均速度を学習するMeanFlowの訓練を改善するEbbFlowを提案する。時間座標を配置点とみなし、対角サンプルによる境界目標と有限区間による微分整合目標を区別したうえで、時間監督配分（TSA）により対角成分の割合と区間の幅を段階的に調整する。クラス条件付きImageNet 256×256の実験（DiT-B/2、分類器フリーガイダンスなし、各手法1シード、40万更新）では、EbbFlowの50kサンプルFIDは1回の評価で39.65、2回のODEサンプリングで36.02であり、MeanFlowはそれぞれ44.82と39.86であった。
説明IoTにおけるコンピュータビジョンのためのエッジコンピューティング：実現可能性と研究の方向性
要約本論文は、IoT環境でコンピュータビジョンを支える基盤としてのエッジコンピューティングの実現可能性を検討しています。実環境の動的な条件下で実験を行い、関連する技術、戦略、処理フローを評価しています。6Gネットワークにおけるマルチアクセスエッジ構成、モデル量子化、衛星通信基盤などの研究方向に加え、ゼロショット学習、マルチモーダル知覚、分散型生成AIについても論じています。LoRaWANと衛星IoT通信の評価、エッジ機器上でのCVワークロードの分析、今後の研究方向という3つを目的としています。
説明scBIG++：遺伝子と細胞の横断的学習による単一細胞摂動応答の予測
要約本論文は、遺伝的または化学的介入に対する単一細胞の転写応答を予測するフレームワーク scBIG++ を提案している。高変動遺伝子のみに限定せず、前処理後に残るすべてのタンパク質コード遺伝子を対象とし、遺伝子モジュールと集団条件付き生成によって細胞間の不均一性をモデル化する。6,539〜19,451 遺伝子にわたる six つの遺伝的・化学的設定で実験を行い、摂動効果の再現と全遺伝子発現の再構築で競争力のある結果を示したと報告している。
説明LLMエージェント評価におけるリプレイ忠実度：AppWorldにおける乱数性・隠れ状態・テスト判定
要約本論文は、固定された過去のAppWorldコーパスにおける失敗実行71件すべてを、284回の隔離された固定コードのリプレイ試行で検証しています。再構成された宣言済み設定では42件、各対話の前に乱数生成器をリセットすると68件がリプレイ可能と判定されました。データベースと判定の検査では差が4件に縮まり、出力は一致しても実行状態が異なる事例も示されています。
説明空間と時間を分けて説明する：動画行動認識のための因子分解型説明手法
要約本論文は、動画行動認識モデルに対する摂動ベースの事後説明フレームワークを提案します。説明を空間的な外観マスクと時間的な動きマスクに分解し、分離ペナルティと面積制約を加えて同時に最適化します。EPIC-Kitchens-55、EGTEA Gaze+、Something-Something V2 で評価した結果、主要なベースラインより削除 AUC が低く、マスクは約5倍疎になると報告されています。
説明決定論的ナラティブ重力：ABM-LLMアーキテクチャによる心の理論と歴史シミュレーションの接続
要約本論文は、大規模言語モデルを心の理論と認知考古学に基づくエージェントベースモデリングの流れに結び付け、歴史的社会シミュレーションのための決定論的なマルチエージェント枠組みを提案する。ローカルに固定された環境で温度ゼロにより実行し、SHA-256ハッシュで成果物の完全な一致を検証している。4Bから31Bパラメータまでの7つのモデル構成を、アブレーションによるベースラインと比較した結果、8B以下の小型モデルは反復的な対話に陥りやすく、12B以上では開かれた叙事的な展開が維持されることが示された。パイプライン全体はオープンソースとして公開され、独立した再現を可能にしている。
説明DynOLAT：制御可能な動的全身リライティングのためのOLAT動画予測手法
要約本論文は、平光の入力から時間的に一貫したOne-Light-At-a-Time（OLAT）基底動画を予測し、目標環境マップに従ってそれらを線形結合するDynOLATフレームワークを提案しています。これにより光の方向と相対的な強度を明示的に制御できます。また、224の身体と服装の組み合わせから2400万フレーム以上を含む、初の大規模動的全身OLATデータセットを構築しています。実験では、比較対象の手法と比べて目標光の方向と相対強度の変化により忠実に応答し、細部と時間的一貫性を保つことが示されています。
注目点新規性は、OLAT基底動画を予測し環境マップで線形結合する動的人体リライティングと大規模OLATデータセットにあり、摘要はベースラインより忠実な応答を報告している。
説明Viscot-steer：活性化ステアリングによる視覚的思考連鎖の分離と移転
要約本論文は、学習を必要としない活性化ステアリングの枠組み Viscot-steer を提案し、視覚的思考連鎖（画像を使って考える能力）を異なる構造の大規模視覚言語モデル間で移転することを目指している。まず視覚的思考連鎖をグラウンディングと推論のベクトルに分離し、それらを対象モデルの活性化空間に合わせてから、バウンディングボックス予測と推論過程の生成時にそれぞれ介入する。論文によれば、複数のベンチマークで最強の能力移転ベースラインを主要指標の平均で 1.86 ポイント上回った。
説明まだプロファイルに入っていない：将来の相互作用から学ぶ不確実性を考慮した動的ユーザープロファイリング
要約本論文は、UAPMと呼ばれる動的ユーザープロファイリング手法を提案しています。プロファイル、バッファ、ルールブックにより、確定したユーザー特性と、まだ確認されていない新しい行動の解釈を分けて管理します。学習時には記録された将来の相互作用を利用し、展開時には利用しません。3つのWeb個人化タスクで、同じ下流入力予算の下で複数のベースラインを上回り、最良の同予算ベースラインに対して最大5%改善したと報告しています。
説明自己整合性が逆効果になるとき：小規模言語モデルにおける多数決投票の隠れたコスト
要約本論文は、小規模言語モデルにおいて、複数の推論過程をサンプリングして多数決を取る自己整合性（SC）付きの思考連鎖プロンプトを検討している。すべての問題にSCを適用すると、本来正しかった貪欲法の解答を誤答に変えてしまう場合があることを示した。一部の問題にだけSCを選択的に適用すると、計算量を大幅に減らしつつ精度をほぼ維持できるとしている。実験はGSM8KとMATH-500で行われた。
説明ソースに固定した視覚的自己回帰による極限画像圧縮
要約本論文は、視覚的自己回帰（VAR）モデルに基づく生成型画像コーデック「SAVAR」を提案する。0.01 bpp未満の極低ビットレートを対象とし、早期スケールのトークンと簡潔なキャプションを送信する。トークンは画像固有のレイアウト情報を、キャプションは全体的な意味情報を提供する。Kodak および CLIC2020 データセットで、同等のARPC手法と比べ、より低いbppでLPIPSを約8～9%、DISTSを最大22%低減した。NVIDIA L20X GPU 上で512×512画像の再構成には約218ミリ秒かかる。
説明Dhara：インド知識体系向けの証拠志向検索エンジン
要約本論文は、インド知識体系（IKS）の文献を対象とする検索エンジンDharaを紹介します。ハイブリッド検索、章・書籍単位のエンティティノート、曖昧な詩句検索、ニューラル再ランキングを組み合わせています。Dhara Benchの325問で五つの比較実験を行い、BGE-M3の単一ベクトル検索はすべてのカテゴリでBM25を上回り、Qwen再ランカーはBGEより多くの指標で優れる一方、計算時間は全体で約6.72倍かかると報告しています。Geminiとの比較も行われ、検索方式は証拠要件と資源予算に応じて選ぶべきだと結論づけています。
説明TEAM：マルチモーダル属性グラフ向けのトポロジー認識・意味感応型汎用Transformer
要約本論文は、テキストや画像などのマルチモーダル属性をノードに持つグラフデータを対象とするTEAMフレームワークを提案している。各ノードを単一の単位として扱わず、モダリティごとのトークンを独立に扱い、モダリティ符号化木で局所構造を整理する。さらにModality-Source Context Transformer（MSCT）により、ノード間・モダリティ間の細粒度な交換を行う。論文によれば、評価された基線の中で、TEAMはグラフ学習指標、G2Text、G2Imageの平均値で最高を記録し、Toysではベスト基線に対して正解率で3.37ポイント、Macro-F1で2.93ポイント上回った。
説明少ステップのトークン条件付きフローマッチングTTSにおいて、純粋ノイズ上のガイダンスが話者類似度を損なう現象
要約言語モデルとフローマッチングのメルデコーダで構成される音声合成システムは、公式の十ステップ以上の代わりに二〜四ステップのオイラー法でデコーダを動かすことがある。本論文は、二ステップでの話者類似度の低下の大部分が第一ステップの分類器不要ガイダンスに由来することを示す。さらに学習を要しない二種類のサンプラー（FSUとFSU-Mid）を提案し、公式の二ステップ手法より一回少ないネットワーク評価回数で、類似度損失の多くを回復させている。
説明近傍の専門家はいつ合成可能か：ニューラルサムケットにおけるタスク横断モデルマージ
要約共通のチェックポイントからランダム摂動で得られた異なるタスクの専門家が、合成後も利得を保てるかを検討しています。著者らは、厳密な共同成功率と最悪タスクの利得を基準に専門家ペアを選ぶ枠組みと、品質制約付きのスペクトル選択手法を提案しています。6つのチェックポイント、21のタスクペアでの実験では、Top-1平均より厳密な共同成功率が改善し、多くのモデル規模で最良の結果を示しました。
説明生成AIチャットアシスタント登場後の工学論文の文章の変化：180万本の論文による検証
要約本研究は、2015年から2025年までに256の工学系ジャーナルに掲載された1,839,962本の論文を対象に、対話型言語モデルが2022年11月30日に一般公開された後の変化を分析しています。摘要では、言語モデルの出力と関連する31語の出現頻度が予測より82%高く、2025年には1万語あたり55.4回（予測は27.0回）でした。一方、同じ文体の対照語は16%減少しました。本研究は記述的分析であり、因果関係の証明を目的とするものではありません。
説明ClusLoad：配電用変圧器の負荷予測を拡張可能にするクラスタ誘導型モデル共有
要約本論文は、多数の配電用変圧器の負荷予測において、機器ごとの差異が大きく個別モデルの維持が困難である問題に取り組んでいます。時間埋め込みによる表現学習で負荷系列の簡潔な表現を求め、ガウス混合モデルでクラスタ化し、各クラスタでPatchTSTモデルを学習する手法を提案しています。約千台の実運用データで評価した結果、直接PatchTSTを用いる基準手法と比べて平均絶対誤差が約20%減少し、高負荷警告の正解率は95.66%、必要なモデルは7つでした。
説明Map2SLAM：ストリーミング地図予測からリアルタイムSLAMへ
要約ストリーミング型3D基盤モデルはカメラ姿勢と稠密な幾何情報をオンラインで推定しますが、出力された予測は固定され、ループクロージャによる累積誤差の修正ができません。本論文のMap2SLAMは、LingBot-Mapを凍結し軽量な検索ヘッドのみを学習させ、モデルの予測を外部の永続SLAM状態への観測として扱います。フロントエンドが各フレームを追跡しキーフレームを選び、バックエンドが過去のフレームを非同期に再観測して軌跡と稠密幾何を修正します。KITTI、VBR、Oxford Spiresで最先端の性能を示し、RTX 5090D上で518×154の解像度において28 FPSを超えるリアルタイム追跡を実現しています。
説明勝負は早期に決まる！多数決テスト時強化学習におけるロックイン予測のカーネル則
要約多数決報酬によるテスト時強化学習では、各問題が学習中に一つの回答へロックインされ、難しい問題では誤った回答になることが多い。本論文は、そのロックイン先が序盤のサンプリングノイズに駆動された短い競争で早期に決まることを示し、各結果の確率を導出する。ネットワークでは共有パラメータのカーネルを通じた波及効果を含む閉形式解を与え、3つのモデルによるLoRA実験で学習前の予測が有効であることを確認している。
説明全パラメータ微調整が問題ではない：少数ショットCLIP適応でAdamが失敗しSGDが成功する理由
要約本論文は、少数ショットCLIP適応における最適化手法を検討する。11データセット、3種のCLIPバックボーン、5段階のショット数で評価したところ、標準的なSGDによる全パラメータ微調整は代表的なパラメータ効率型微調整法を上回り、Adam/AdamWは崩壊した。著者らは、この崩壊を少数ショットのサポートセットに基づく不安定な前処理に起因すると説明し、SGDはその問題を避けて事前学習済みCLIPの近くにとどまると述べている。
注目点新規性は、少数ショットCLIP適応の失敗を全パラメータ微調整ではなくオプティマイザの前処理に帰属させた点にある。作者は11データセット、3骨格、5ショット設定での比較実验と理論分析を報告している。
説明非対称埋め込みと構造化JL変換による高速な近似ℓp Chamfer距離算法
要約本論文は、サイズnの二つのd次元点集合間のChamfer距離を、1<p≤2のℓpノルムの下で近似計算する効率的なアルゴリズムを提案する。一般の場合には、弱い保証を持つ非対称なℓpからℓ1への埋め込みを用い、それがChamfer距離の保存に十分であることを示す。高次元の場合には高速行列積の技法で埋め込みを高速化する。ユークリッド距離（p=2）では、Toeplitz行列に基づく高速Johnson-Lindenstrauss変換を用い、従来のℓ1専用アルゴリズムをℓ2に再解析し、実行時間O(nd(log log n + log(1/ε))/ε²)を達成する。これは従来のO(nd log n/ε²)より優れている。
説明ZarrFM：脳波基盤モデルの事前学習向け正準テンソル保存アーキテクチャ
要約脳波（EEG）の大規模データセットは、サンプリングレート、チャネル配置、窗長、保存形式が多様で、前処理と入出力の負担が大きくなっています。本論文はZarrFMを提案し、単一のZarr v3階層に索引付きメタデータ、正準チャネル空間、明示的マスク、ハッシュで安定した被験者分割、分割整列されたシャーディングを格納します。200件の記録での比較では、メタデータ照会が601回から14回に減り、保存量はEDFの42.4 MB/時間から22.7 MB/時間になりました。窓サンプリングは3,131窓/秒に達し、Parquetの最大11倍です。
説明画像から動画への転移では、すべての層が同じ重要度を持つわけではない
要約本論文は、凍結された画像基盤モデルを軽量なアダプターで動画タスクへ転移する方法を研究している。各層の時間的情報に対する感度は深さとともに高まり、その増え方は事前学習の方式によって異なることを示した。この知見に基づき、学習を必要としない配置規則STRAPを提案し、境界より前に空間アダプター、後に時間アダプターを配置する。四つの細粒度動作認識ベンチマークで、精度は一様配置より最大11.8%向上し、学習可能パラメータは29〜48%削減された。
注目点新規性は、層ごとの時間的感度に基づき訓練不要で適応器の配置を決める点にある。四つの細粒度行動認識ベンチマークで精度が最大11.8%向上し、パラメータは29%から48%減少したと報告されている。
説明DISCOVER：予算制約付きマルチモーダル GRPO のための、オンライン分散誘導型データ発見手法
要約本論文は、限られたアノテーション予算の下で視覚言語モデルのマルチモーダル強化学習の事後学習を効率化する DISCOVER フレームワークを提案する。まず学習サンプル群を意味的にクラスタリングし、少数の代表サンプルに問い合わせて初期の報酬観測を得る。学習中は、報酬の分散と難易度を考慮したスコアに基づき、効用の高いプロンプトだけを選んでアノテーションを行う。ViRL39K と VLAA-Thinking を用い、Qwen3-VL-2B で 10% の一意サンプル予算の下、マルチモーダル数学推論で他の選択手法を上回ったと報告している。
説明TALK：タンパク質変異体の効果予測のための一回限りのバッチ実験設計
要約本論文は、タンパク質変異体の効果予測で実験ラベルのコストが高いという課題に取り組み、TALKという手法を提案している。プロトコルで測定可能な変異体の範囲と限られた予算のもとで、TALKは測定可能変異体と目標変異体の間の事後結合により各候補の寄与を推定し、バッチ内の冗長な情報を減らす。後ろ向きのProteinGymおよびFLIPの評価では、限られた測定予算下で目標空間の予測が全般的に改善された。
説明SurgWorld：潜在予測により観測の範囲を超えて手術表現を学習する手法
要約本論文は、手術動画を対象とした自己教師あり表現学習フレームワークSurgWorldを提案し、潜在予測によってカメラの視野外の手術動態をモデル化する。目的関数として、相対的な時空間シフトを条件とする表現予測のOut-of-Sight Dynamics Modeling（OSDM）と、パッチレベルの関係構造を揃えるGeometric Visual Similarity（GVS）を用いる。複数の教師モデルの信号を統合する学習枠組みで統一的な表現を獲得し、17の手術ベンチマークで転移学習を行った結果、既存の視覚基盤モデルを上回る性能を示したと報告している。
説明Graphene：イジング平均場による精緻化を備えた画像超解像向け軽量Transformer
要約本論文は、2つの相補的な特徴精緻化機構を持つ軽量な画像超解像アーキテクチャ Graphene を提案する。一つは局所特徴の精緻化を行うイジング模型由来の Ising Refinement Block（IRB）、もう一つは過去段階の表現を用いる History Attention（HistAttn）である。Urban100の×4設定では、IETおよびIET-lightと比べてGrapheneとGraphene-lightがそれぞれ0.24 dBと0.38 dB向上し、パラメータ数、計算量、遅延、ピークメモリも削減されている。実画像の超解像比較では、多様な劣化条件下で細部とテクスチャを再現できることが示されている。
説明ゲーム生成からゲームプレイへ：視覚・言語・行動モデルのための完全自動能力訓練
要約本論文は、LLM駆動のエージェントがゲーム環境とタスクを自動生成し、特権的なシミュレータ状態を使うプログラム的エキスパートが、指示・描画画面・キーボードとマウスの操作を対応づけた実演データを作る枠組みを提案しています。研究者は合成されたMinecraftとRobloxのプレイデータ150.3時間分を用い、4Bの視覚言語モデルを行動クローニングで事後学習して、ゲーム方策モデルScript2Playを得ました。人間のプレイ実演や強化学習は使用していません。複数の公開ゲームベンチマークでの評価では、ゲーム指示に効果的に従い、異なるゲームエンジン間でも汎化することが示されています。
説明タスク指向型通信のための信頼度駆動型適応セマンティック伝送
要約無線ネットワークを介した画像ベースの遠隔監視において、通信コストと分類の信頼性との間のトレードオフに取り組む論文です。エッジデバイスが軽量分類器で予測した分類信頼度に基づき、高信頼度では予測クラスのテキストのみ、中程度では圧縮された関心領域（ROI）、低信頼度では非圧縮のROIの3つの伝送モードを選択する手法（CDA）を提案しています。帯域制限・有損失リンク・遅延制約下の数値評価では、非適応型ベースラインと比べて受信側でのタスク精度が高いことが示されています。
説明CrossLiDAR：制御可能な複数センサーLiDARシーケンス生成
要約本論文は、制御可能で時空間的に一貫した複数センサーのLiDARシーケンスを生成するTransformerベースの統一フレームワーク「CrossLiDAR」を提案する。距離画像の潜在空間でMulti-Modal Diffusion Transformerを用い、センサー間相互作用モジュールとControlNet型の分岐で構造条件付けを行う。nuScenesとWaymo Datasetにおいて、JSDで平均29.56%、MMDで平均15.36%の改善を達成し、従来の基準手法を上回ったと報告している。
説明LongCap：チャンク処理による時間単位のタイムスタンプ付き音声キャプション生成
要約本論文は、数時間に及ぶ音声にタイムスタンプ付きの説明文（TAC）を生成するフレームワーク LongCap を提案しています。音声をチャンクに分割し、構造化されたイベント記述と交互に配置し、相対タイムスタンプと保持された文脈により長さの外挿を支えます。人手で注釈された LongCapBench と、時間軸誤差率（TER）、粒度誤差率（GER）、説明文類似度（tcpCapSim）の3指標も提示されています。LongCap-Diar は40分以内の録音で訓練されながら、16時間の連結音声まで外挿できると報告されています。
説明短期先読みを用いた一貫性のある劣モジュラ最大化における最適多項式クエリ近似
要約要素が一つずつ到着する状況で、到着済みの要素から最大k個を保持し、その劣モジュラ関数値を最適に近づける一貫性のある最大化問題を扱う論文である。多項式個のクエリでは、将来の到着を見ることで最良比が2-√2から1-1/e（約0.6321）へ上がることを示し、それを超える多項式クエリアルゴリズムは存在しないと述べる。確定的および乱択アルゴリズムについて、更新ごとの入れ替え数とクエリ数の上界も与えている。
注目点多項式回数の問い合わせ下で、一貫性劣モジュラ最大化の最適比を2-√2から1-1/eへ引き上げ、紧界と決定的・確率的アルゴリズムを示したと報告している。
説明HARP-Bench：人が活動する作業空間でのロボット操作ベンチマーク
要約本論文は、人と作業空間を共有する状況でロボットの操作方策を評価するためのベンチマーク HARP-Bench を提案している。人の活動を背景の変化ではなく操作課題の一部として扱い、提示、協働、妨害、共存の四つの条件に分類し、人が同じ場にいる場合の実演生成パイプラインも提供する。VLAモデル、模倣学習手法、ヒューリスティック方策で評価した結果、人の存在は現在の方策にとって難しい課題であり、タスク成功率の向上が必ずしも安全性の向上につながらないことが示された。
説明見せたものが得られるとは限らない：視覚的文脈内セグメンテーションにおけるデモ追従の再検討
要約本論文は、視覚的文脈内セグメンテーションでモデルが例示画像に従って予測を行う仕組みを検討し、SegGPTにおける背景色マッピングの偏差と、部品から親物体への予測の拡張という2種類の問題を明らかにしています。著者らは、要求された部品とその物体の残りの部分に異なる色を割り当てる意味的コントラスト提示選択（SCPS）を提案し、検索スコアと開発用画像による品質推定を組み合わせて例示を選びます。3つのベンチマークと7つの検索手法の平均で、目標IoUを向上させ、物体の残りの部分への漏れを減らしたと報告しています。
説明単調性を用いたスケーラブルなニューラル安全性認証
要約本論文は、明示的なモデルが得られない未知の単調動的システムに対し、シミュレータへの問い合わせのみを用いる安全性検証と安全な制御器設計のためのデータ駆動型フレームワークを提案しています。上閉の危険集合を持つ場合、安全性は単調な帰納的バリア証明書の存在によって完全に特徴づけられることを示し、そのような証明書を学習するためにMax-Monotone Networksを導入しています。高次元のベンチマークでは、既存手法が収束しないかメモリ上限を超える場合でも安全性を認証できたと報告されています。
注目点単調性を利用して神経安全証明書の検証を有限セルでの局所境界検査に帰着させ、Max-Monotoneネットワークを提案。高次元ベンチマークで検証し、スケーラブルな安全認証に影響しうる。