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）。
説明効率的な推論のための適応的エントロピー温存（AES）
要約大規模推論モデルは冗長で非効率な思考連鎖を生成しがちで、計算コストや誤りのリスクを高めます。本論文は、必要な推論ステップと余分なステップを区別する適応的エントロピー温存（AES）を提案します。グループ内の効率的な参照より前に現れる高エントロピートークンは温存し、余分な分岐に関連する過長な後半のトークンは罰則を与えます。8つの推論ベンチマークで、推論長を最大52.9%削減し、平均精度を最大3.8%向上させ、既存の効率化手法を上回りました。
説明テストはどこまで探索すべきか：可換な読み書きインターフェースをその乱択編集から認証する（ランダムな書き込みで生成された状態でのテストの到達範囲を扱う論文）
要約本論文は、状態を持つコードに対するランダムテストが、隠れたデータを持つレコードとして振る舞うかどうかを確かめられるかを検討しています。距離の概念を定義し、開始分布と書き込み連鎖の深さによって必要なサンプル数と探索量がどう変わるかを分析しています。単一の開始状態からは法則チェックで認証でき、最悪の開始分布では書き込み数を数えると、探索量は変数数mに比例して必要になると示しています。
説明不一致を考慮した分布マッチング蒸留：少ステップ拡散モデルの改良手法
要約本論文は、少ステップ拡散モデルの学習に用いる分布マッチング蒸留（DMD）を改良する手法、不一致認識型DMD（DA-DMD）を提案しています。学習中に既に得られている教師モデルと偽モデルの差の大きさを利用し、高ノイズ領域でのみ、その差に応じて更新の強さを調整します。論文によれば、複数の拡散モデルで推論コストを増やさずに生成品質が向上し、SD3.5-LではHPSv2が28.23から30.93に改善し、DMD2に対する平均勝率は64.4%です。
説明ShopMind：パーソナライズと行動のリアリティを備えたEC利用者シミュレーションのための心的世界モデル
要約本論文は、消費者が買い物情報をどう解釈し、その心的状態がどう変化するかを捉えるECユーザーシミュレーション用の心的世界モデル「ShopMind」を提案しています。ShopMindが合成した行動と心的状態のペアを用いて、観察可能な行動から潜在的な心的状態を推定する心的状態再構成（MSR）モデルを学習しています。論文では、ShopMindが最も強力な比較手法に対してパーソナライズを18.0%、行動のリアリティを19.6%向上させたと報告しており、MSRは消費価値の測定とCTR予測の性能も改善したとしています。
説明LEGION：敵対的ノイズ下でのスパース信号調査に関する言語エージェントのベンチマーク
要約本論文は、企業テレメトリのシミュレータ（Legion-Sim）、74の敵対的シナリオからなるライブラリ（Legion-Bench）、および調査効率と検出精度を併せて評価する手法を組み合わせたベンチマーク「LEGION」を提案しています。2つのシミュレート企業で5種類のエージェント構成を試験したところ、再現率は0.82～0.88と高いものの、適合率は0.61～0.72にとどまりました。エージェントは攻撃の侵害指標をすべて見つけられず、本物の指標を攻撃関連の指標と誤認することがあると報告されています。
説明指示を重みへ蒸留する：閉形式編集でロボット方策の誤読を修正
要約汎用ロボット方策は、本来遂行できるタスクの一段階で失敗することがあります。本研究は、勾配や学習データ、指示の変更を使わず、重みを直接編集して言語モデルのMLP重みに、明示的に言い換えた指示の層ごとの効果を写し取る手法を示しています。保留された128シードで成功数は27から106に増加し、同サイズのランダムな方向への更新では変化がありませんでした。
注目点勾配を使わず閉形式で重みを編集し、ロボット方策の指示の誤読を修正する手法。128の未使用シードで成功率が27から106に向上し、ランダム方向の更新と比較している。
説明建物単位の空き家評価のためのストリートビュー画像処理パイプラインの開発
要約ストリートビュー画像（SVI）は都市環境を遠隔から調査するために広く使われていますが、画像に対象建物が明確に写っていない場合や、隣接する住宅が写っている場合があります。本研究は、画像の適合性と対象住宅の特定を明示し、検証可能にする再現可能なSVI処理パイプラインを提示します。韓国の1,609の戸建て住宅区画の10,311枚の画像に適用し、空き家分類のAUROCを向上させたことを示しています。
説明回答の解読可能性は決定を意味しない：思考連鎖における最終回答信号と直後の出力信号の分離
要約本論文は、思考連鎖の隠れ状態に対して回答プローブを適用する際、モデルが読み取っているのが最終回答なのか、これから言及しようとする候補なのかを検討する。著者らは、即時の言及と最終回答のそれぞれに同じ低ランク読み取り器を別々に当てはめるECDPという手法を提案する。DD課題では、Qwen3.5-4Bは次に言及される候補をよく解読できたが、最終回答はヌル基準に近い値にとどまった。別の設定では両者とも解読可能で、最終回答の読み取りが強かった。強い回答読み出しだけでは、モデルがいつ決定したかは分からないと結論づけている。
説明PCT出願に基づく、言語・法域をまたぐ特許クレーム作成のための大規模データセット
要約本論文は、ある言語の元のクレーム集から、指定された言語、法域、審査段階に応じた候補クレーム集を生成する、言語横断的な特許クレーム作成タスクを提案しています。日本特許庁と米国特許商標庁の記録をPCT由来の884,179件の特許ファミリーで結び付け、方向性を持つ4,067,168件のクレーム集インスタンスからなる日英データセットを構築しました。実験では、商用機械翻訳やゼロショット・少数ショットのプロンプティングは一部しか捉えられず、教師あり適応が全体として最も強いベースラインであったと報告されています。
説明注視を学習する視覚Transformer：空間的注意ヘッドの専門化の出現
要約本論文は、DINOなどの自己教師あり視覚Transformerが学習中に注視の仕組みを持たず、表現が曖昧または互いに似すぎる問題に取り組みます。モデルの注意を画像内の特定領域と対応させる二つの視覚注視損失関数を提案し、マルチヘッド注意を選択的に誘導します。これにより、ラベルなしで空間的に焦点を絞った多様な知覚能力を持つ注意ヘッドが現れることを示しています。定性的・定量的評価により、注意ヘッドの空間選択性と多様性が向上し、ゼロショット画像セグメンテーションなどの密な予測タスクの性能も改善されることが報告されています。
説明1ステップ世界モデルには候補がいくつ必要か？凍結DINOトークン上の最近傍m学習のランダムコードブック解釈
要約本論文は、凍結したDINOv2/v3パッチトークン上で1ステップ確率的世界モデルを検証し、最近傍m学習（条件付き暗黙的最尤推定）をフローマッチングやエネルギースコア生成器と比較しています。m=16の場合、列挙可能な未来の被覆で50ステップのフローマッチングを上回り、遅延は約30分の1でした。さらに、この目的関数をランダムコードブックの期待歪みとして解釈し、記憶化、モード確率の平坦化、連続高次元結果の過小分散に関する三つの予測を示しています。
説明物理が データに勝るのはいつか？償却PINNによるデータ効率の良い交通状態推定
要約本論文は、少数のセンサーから監視されていない地点の交通密度を再構成する交通状態推定を扱う。Lighthill-Whitham-Richards保存則を物理情報事前分布として組み込み、NGSIM、I-80、PeMS04、PeMS08の4つの実際の道路区間で検証している。センサー配置が疎になると、物理情報を用いた推定器は、古典的およびディープクリギングを含むデータ駆動モデルよりも未使用のセンサーへよく汎化する。また、区間ごとの損失重みの探索を不要にする損失条件付きPINNも提案され、約5分の1のコストで同等の結果を示す。
説明木構造ゲームのオンライン学習における最適な後悔の下界：熱帯ガウス反集中
要約本論文は、展開形ゲームにおける全情報オンライン意思決定の極小最大後悔を研究している。著者らは、木状（treeplex）戦略空間に対して既知の効率的アルゴリズム（KOMWUなど）の後悔上界が、縮約正規形戦略数の対数依存性について極小最大最適であることを示す。熱帯ガウス公式を導入し、その ガウス幅の下界を証明することで、Ω(√(T log|V|)) の後悔下界を得ており、既知の上界とは普遍定数の差のみである。
注目点木構造の戦略空間におけるオンライン学習の後悔に対し、上界と一致する下界を新たな高斯解析の道具で示す。
説明注意ヘッドの重要度を超えて：ビデオTransformerにおける集団的計算
要約本論文は、ビデオTransformer内の注意ヘッドが集団としてどのように計算に参加するかを検討し、四つのビデオTransformerに対する消去実験の結果を分析している。単一タスクで重要と判定されたヘッドは他のビデオ理解タスクも支え、異なる動画を区別する表現構造の維持にも寄与することが示されている。また、時空間の注意距離が短いヘッドの組は、同数の高重要度ヘッドの組より、同時に消去したときの性能低下が大きいと報告している。
説明提案選択はどこで失敗するか：凍結された視覚言語モデルによる検出器候補への問い合わせの診断
要約本論文は、凍結された検出器が領域候補を提案し、視覚言語モデル（VLM）がその中から対象を選ぶモジュール式の視覚的グラウンディングを検証する。候補の被覆率を固定したうえで選択インターフェースを要素ごとに変え、選択器が読み取る問い合わせの内容が選択器の構造よりも重要であることを示す。訓練分布外の画像（Objects365など）では学習済みの選択器の性能が大きく低下し、座標を直接デコードする方式は高い水準を保つ。
説明白色ノイズから赤色ノイズへの移行：有色ノイズ探索のスケジューリングで動きのジャークを抑えながら効率的にロボット学習
要約本論文は、連続制御のための深層強化学習における探索方法を扱っています。報酬が疎な四つの操作タスクで、白色ノイズから赤色ノイズへの49通りの線形スケジュールと、一般化状態依存探索（gSDE）を体系的に比較しました。その結果、学習終了時のノイズの色は学習効率や最終性能に影響せず、赤色ノイズへ移行させると全タスクで探索のジャークが半減することが分かりました。学習効率、最終性能、滑らかさを総合すると、赤色ノイズはピンクノイズと同等の効率で、動きのジャークをほぼ半分に抑えられるため、オフポリシーのロボット学習では赤色ノイズへ移行する探索スケジューラを既定の選択肢として推奨しています。
説明LLM集団における競合する影響：予算のタイミングとベースラインのドリフト
要約本論文は、人格を与えられた大規模言語モデル（LLM）エージェントのネットワークで、二つの対立する宣伝キャンペーンが意見変化にどう影響するかを検証しています。キャンペーンの有無を比較し、早期・持続・後期の支出の組み合わせも評価しています。介入がなくても意見は大きく変動し、立場の多様性も低下することが示されています。キャンペーンの影響の方向は、割り当てられた立場よりも主張の認識論的な立場との関係が強いとされています。
説明後知恵の批評家は遅延するアクターを導けるか？
要約センサーの遅延により、環境の状態とエージェントが利用できる観測の間に時間的なずれが生じ、マルコフ制御問題が部分観測問題に変わります。本研究は、後知恵で時間的に揃えた状態・行動遷移を用いることで、この学習時のずれを緩和できるかを検討します。Soft Actor-Critic を非対称に拡張した Hindsight Critics を提案し、批評家は後知恵で揃えた遷移で学習し、アクターは遅延した観測しか使えないものの、得られた特権的な価値推定から学習します。DelayBench で遅延を考慮する手法と考慮しない手法を比較した結果、本手法は展開時にエージェントの観測を変更せずに観測遅延を部分的に補償できることが示されています。
説明UFOは本当に存在するのか？統一分解オーガナイザー（Unified Factored Organizers）を提案
要約本論文は、他のネットワークの表現に含まれる規則性をモデル化するよう学習させるネットワーク、統一分解オーガナイザー（UFOs）を提案する。主タスクのネットワークは、タスク損失を下げると同時に、自身の表現をUFOが学習したモデルに合わせるよう訓練される。画像回帰の領域では、UFOで訓練したネットワークがより質の高い表現を学習することが示されている。モジュラ演算の課題をTransformerで学習させた実験では、重み減衰と併用するとgrokkingに必要な学習ステップ数を10倍以上減らし、重み減衰なしでは100倍以上減らしたと報告されている。
説明DeltaForge：多領域自動運転のための事後型混合エキスパートVLA
要約本論文は、自動運転向けの事後型混合エキスパート視覚言語行動（VLA）モデルDeltaForgeを提案する。エンドツーエンドの再学習を行わず、各領域で独立に微調整されたモデルの重みと小規模な代理データセットのみを用い、複数の領域別エキスパートを単一の多領域モデルに統合する。特異値分解により共有部分と小さな領域固有部分に分解し、2つのルーターで協調的に経路を選択する。都市、オフロード、高速道路など6つの領域での実験では、各領域のエキスパートに近い精度を達成し、すべての比較ベースラインを上回った。
説明DASH：人型ロボット向けの非同期分離システム（推論遅延に依存しない視覚・言語・行動モデルの拡張）
要約本論文はDASHを提案し、視覚・言語・行動ポリシーを、低速な視覚言語モデルと高速なフローマッチング行動ヘッドに分け、LCM通信で並行実行します。これにより制御周波数は主幹モデルの大きさに関係なく行動ヘッドで決まります。非同期のRoboTwinベンチマークでは、0.8Bから8Bまでの主幹モデルで20 Hzを維持し、同期方式は9.7 Hzから4.1 Hzに低下しました。器用な手を持つ実機の人型ロボットでも、ピック＆プレースの成功率が同期方式より明らかに高くなりました。
説明識別可能だが推定は困難：等間隔過完備ICAにおける回転
要約本論文は、二次元過完備独立成分分析における共通回転の推定に必要な標本数を研究する。固定された非ガウス四次Gram-Charlier信号分布のもとで、回転は列間隔の範囲内で識別可能である。しかし、相対角度精度を固定したときの必要標本数はソース数に対して指数関数的に増加する。著者らは、列間隔の半分だけ離れた二つの回転間の二乗Hellinger距離の逆数により、この標本数を特徴づけ、その規模を達成する径方向重み付き位相推定量を示している。
説明反事実ハードウェア検証による因果信号クレジット割り当てで Verilog コード生成を改善する研究
要約本論文は、Verilog コード生成を最適化するための因果信号クレジット割り当て（CSCA, Causal Signal Credit Assignment）という手法を提案しています。候補モジュールに対して信号レベルの動作検証を行い、出力に関わる代入文に反事実的な介入を加えて、文ごとのクレジットを算出します。これを重み付き直接選好最適化の学習に用いています。VerilogEval 2.0 と RTLLM v2.0 で評価され、Qwen2.5-Coder-7B-Instruct をベースにした CSCA は 7B 規模のモデルで最も高い結果を示し、より大規模な GPT-5.4-mini と同程度の性能を報告しています。
説明重症度を制御した投薬推奨の予測集合
要約本論文は、投薬推奨の予測集合を較正するための共形重症度制御（CSC）手法を提案している。解剖治療化学（ATC）分類の階層を用いて予測と実際の投薬との不一致の重症度を定量化し、予測器の再学習なしに、患者単位の平均重症度と最も重大な不一致の上側分位重症度を制御する。MIMIC-IVでの実験では、CSCがユーザーが指定した重症度許容値に追従し、予測集合を遠い不一致から正確または近い一致へと移動させることが示されている。
説明MOTIF：大規模言語モデルが定義する材料分類による不変特徴選択を用いた分布外物性予測
要約本論文は、材料物性予測における分布外（OOD）汎化の課題に取り組み、大規模言語モデルに予測器ではなく、材料を化学的に意味のある環境へ分割する候補分類体系を生成させるフレームワーク「MOTIF」を提案している。候補は学習データのみを用いた擬似OOD検証で評価され、有効なものだけが残される。二次元ハロゲン化ペロブスカイトのバンドギャップ予測では、平均OOD MAEが0.122 eVから0.111 eVに低下した。
説明多ラベル表情認識における和ベースのラベル拡張で生じる集約起因の校正失敗：診断研究
要約本論文は、多ラベル顔表情認識で用いられるラベル空間拡張手法（CALE）の失敗要因を調べたものです。自作データセットと公開ベンチマークRAF-DB、RAF-MLで、7種類のバックボーンを用いて評価しています。固定閾値では集約スコアの変動が大きい一方、閾値に依存しないmAPは比較的安定しており、問題は和の集約段階にあることが示されています。
説明接続ロボティクスにおける証拠に基づく共有信念更新のベンチマークと階層的評価プロトコル
要約本論文は、複数のセンサーや機器からの観測を統合する際に、最終的な答えだけでなく証拠から信念への推論過程を評価するための接続ロボティクス証拠グラフ（CREG）ベンチマークを提案しています。7つの類型にわたる350の決定的に生成されたシナリオを含み、各証拠の接頭辞ごとに規範的な事後参照値を示します。実験では、意味関係を削除すると関係に依存するシナリオで厳密な信念状態の正解率が15.3ポイント低下する一方、グラフの直列化方法には一貫した利点がないことが示されました。
説明不十分な履歴からの正しい回答：エージェント記憶評価の制御実験
要約本論文は実行可能なデバイスログを用いた制御実験により、回答が参照解と一致すること、証拠が十分であること、文脈に応じた振る舞いであることを区別する評価手法を検討しています。80件の確認用履歴で、証拠不足の203件のうち、Qwen3-32Bは87件、DeepSeek-V4-Flashは85件で隠れた参照解と一致しました。不足した証拠に基づく回答を控える例は少数でした。効果の推定は決定的ではなく、一般的な記憶システムの改善を示すものではありません。
説明MOOD：材料物性予測向け事後型OOD検出のベンチマーク
要約本論文は、再学習なしで分布外（OOD）入力を検出する事後型手法が、材料物性予測のグラフニューラルネットワーク（GNN）にも適用できるかを評価するベンチマーク「MOOD」を提案する。15の事後型検出器と2つの教師あり診断プローブを、4種のGNN、5つのMatBenchタスク、15種の偏移条件で評価している。結果として、全検出器のAUROCはおよそ0.5で、ほぼ偶然水準であった。
説明言語モデルの曖昧性の線形表現による信頼度推定の改善
要約言語モデルが出す信頼度は、その回答が正しい可能性を正確に予測できないことが多い。本論文は、言語モデルの活性値の中に入力の曖昧性を表す表現があることを示し、その曖昧性の方向の部分空間に更新を制限する微調整手法DARTを提案している。DARTは較正を大幅に改善し、多肢選択および生成型の質問応答タスクでモデルの精度を維持したと報告している。
説明MDAフレームワーク：教師なし人物再識別のための多アーキテクチャ・ドメイン適応手法
要約本論文は、Mambaで強化された多アーキテクチャ・ドメイン適応フレームワーク（MDAフレームワーク）を提案し、教師なし人物再識別におけるドメインギャップの課題に取り組みます。Mambaをコンポーネントとして組み込んだ複合演算子（MDA演算子）を基盤としており、複数のネットワークアーキテクチャに対応します。人物再識別のベンチマークでの実験では、CNNとTransformerの両方で性能向上が示され、CUHK03からMarket-1501への適応タスクではmAPがそれぞれ10.2%と19.8%改善しています。
説明回答か保留か：脳MRIにおける視覚言語モデルの自己申告信頼度の検証
要約本論文は、視覚言語モデル（VLM）が脳MRIの読影において、どの回答を採用しどの画像を臨床医に回すかを、自己申告の信頼度のしきい値で決められるかを検討しています。8つのオープンウェイトモデルを、術後グリオーマ患者（BraTS 2024）と健常ボランティア（IXI）の計3,888枚の脳MRIスライスで評価しました。BraTSでは、どのしきい値を用いても、いずれのモデルも経験的誤り率5%以下の空でない集合を選べませんでした。論文は、検証されていない自己申告信頼度を単独の保留シグナルとして使うことに注意を促し、導入前に対象集団ごとの検証を支持しています。
説明工業用マシンビジョンのための超解像と圧縮アーティファクト除去の終端間同時学習
要約工業用マシンビジョンでは、エッジ機器が帯域削減のために画像を縮小・圧縮し、欠陥検出などの性能を低下させる問題があります。本論文は、超解像と圧縮アーティファクト除去を統合し、人の視覚と機械の知覚の両方の目的を最適化する終端間フレームワークを提案しています。PCB Defect、DeepPCB、NEU-DETのデータセットでの実験では、同時学習モデルが個別または分離学習の構成を概ね上回りました。強い JPEG 圧縮下では、PCB Defect で mAP@50 が 0.461 から 0.887 に向上し、PSNR はわずかに低下しました。
説明非分離結合を持つ完全分散型オンライン凸最適化のための、KKT摂動を考慮した通信方式
要約非分離なコストと結合制約を持つ完全分散型オンライン凸最適化を扱い、各エージェントが共有ラグランジュ乗数と結合行動の局所的な信念に基づいて決定を行う枠組みを検討しています。従来の信念合意では毎ラウンド全次元の信念を交換するため通信負荷が大きいという問題に対し、各通信チャネルがKKT演算子に与える摂動に応じて更新の優先度を決める、ランダム化された通信機構を提案しています。標準的な正則性仮定の下で期待静的後悔および期待累積制約違反がいずれもO(T^{2/3})であることを示し、数値実験では送信ビットあたりの性能が信念合意ベースラインより優れていることを報告しています。
説明経路積分拡散が有限スピングラスをどう決めるか（経路積分拡散による有限スピングラスの決定過程の解析）
要約本論文は、経路積分拡散（PID）型のブリッジ拡散モデルが、フラストレーションのあるスピングラスをサンプリングする際に、どのマクロな選択肢をいつ決めるかを研究しています。等方的PIDは時間変換されたガウス確率的局在化と等価であることを示し、Bethe格子およびSK模型（最大64スピン）で理論を検証しています。その結果、軌道はまずゼロ磁場測度の二つの鏡像半分のいずれかに重みを移し、その後その内部のグラス状クラスを決めることが示されています。
説明AcrossVAM3.0：リソース制約下での4次元シーン構築と適応的サーフェス対応付け
要約本論文は、テキスト、画像、または単眼RGBビデオを、バージョン管理された点群表現に変換するオフライン方式AcrossVAM3.0を提案している。凍結された各コンポーネントを1枚のGPU上で順次実行し、カメラ、点、軌跡をまとめて補正する。さらに、複数の候補対応を保持する多仮説適応サーフェスチェイニング（MHAC）を導入し、テスト条件下で位置のみのベースラインより平均Jaccardが向上したと報告している。ただし、メトリック尺度、意味的同一性、高忠実度の新規視点レンダリングは示されていない。
説明適応をいつ信頼するか：転移可能な視覚言語プロンプティングのための文脈的融合
要約本論文は、視覚言語モデルが新しいクラスやドメインに遭遇した際に学習済みプロンプトをどの程度信頼すべきかを扱い、文脈適応融合（CAF）を提案する。CAFは凍結表現とプロンプト付き表現を組み合わせた四つの予測分岐を保持し、各分岐の予測信頼度と、未ラベルの対象データ全体で各分岐が提案クラスを支持する頻度を組み合わせて融合する。融合係数はソースデータ上で一度学習され、推論時には固定される。ImageNetで学習したCAFは、十の横断データセットベンチマークで平均69.96%の精度を達成した。
説明テキストから画像を生成する拡散モデルの推論時アライメントのための直接軌道最適化
要約本論文は、報酬関数に合わせて拡散モデルの生成結果を調整する、学習不要の手法である直接軌道最適化（DTO）を提案しています。DTOは、拡散モデルのサンプリング軌道そのものを直接最適化し、中間のノイズ除去スコアとサンプリングノイズを最適化変数として扱うため、ノイズ除去ネットワークを通した逆伝播が不要です。分布外の問題を抑えるため、最適化されたスコアと事前学習モデルの予測を補間する報酬最適化スコアガイダンスを導入し、制約付き分布のもとで報酬が向上することの理論的保証を示しています。実験では、3つの拡散モデルと2つのベンチマークで、既存の推論時アライメント手法より高い性能を、高い効率を保ったまま達成したと報告されています。
説明AIはいつ人間の判定を覆すべきか：2026年ワールドカップの論争と√(2/π)による解法
要約本論文は、人間の二値判定（審判のオフサイドかオンサイドかの判定）とAIの数値計測（VARによる攻撃側選手のオフサイドラインに対する位置の推定）をどのように組み合わせるかを研究している。著者らは、審判の判定を維持すべき場合と、矛盾するVAR計測によって覆すべき場合を決定する明示的な最尤規則を導出している。モデルは真のオフサイド幅を固定かつ未知とみなし、人間の知覚とAI計測の誤差は独立した加法的ガウス誤差と仮定している。
説明CaseLaw：学習不要で方針と切り離されたコンテンツモデレーションの枠組み
要約本論文は、コンテンツモデレーションを判例ベースの検索と投票として再定式化するCaseLawを提案します。マルチモーダルなコンテンツを構造化された意味表現に変換して安定した意味空間に埋め込み、検索された判例ラベルへの閾値付き投票で分類します。方針の変更は事例ライブラリの更新だけで行え、モデルの再学習や入力文の修正は不要です。男女対立リスク領域のベンチマークMFO-RedNotesでも、既存のベースラインを上回る結果が報告されています。
説明移動ロボットのリアルタイム3D認識のための、予算とコレスポンデンスに基づく視点選択手法（BCVS）
要約本論文はBCVSという、カメラ姿勢を必要としない視点選択アルゴリズムを提案している。CPU上で22FPS以上で動作し、移動ロボットが冗長な画像を在線で絞り込むために用いられる。特徴点の対応関係のみでビューを評価し、ユーザーが指定した予算内で差異の大きいフレームを反復的に選び、ほぼ重複するフレームを抑制する。空中・海洋ロボットの実データでは、安定したSfM登録と高品質な3D再構成を維持しながら冗長性を最大16%削減したと報告されている。
説明バンディット型フィードバックによる効率的なオンライン劣モジュラ最大化
要約本論文は、基数制約のもとで、選んだ集合の値しか観測できない場合のオンライン単調劣モジュラ最大化を扱う。著者らは、T ラウンドにわたって期待 (1-1/e) 後悔が O(k√(nT log(n/k))) となる多項式時間アルゴリズムを提案する。著者らの知る限り、任意の単調劣モジュラ関数に対してバンディット設定で √T 依存性をもつ初の多項式時間アルゴリズムだという。手法はランダム化サンプリングと慎重に構成したポテンシャル関数を用い、確率単体上のオンライン線形最適化に帰着させる。
説明非弾性不均質材料の均質化構成則を演算子学習で近似する研究：近似性と計算複雑性
要約本論文は、高コストな単位セルの並列シミュレーションを、異なる載荷履歴や微視構造に汎化するサロゲートモデルで置き換えることを目指し、非弾性不均質材料の均質化構成則の学習を扱う。周期的なKelvin–Voigt粘弾性について、2次元および3次元で成り立つ普遍近似定理を証明し、内部変数の次元の明示的な上界を与える。数値実験では粘弾性と結晶塑性を扱い、理論結果はLean 4で形式的に検証されている。
注目点周期Kelvin–Voigt粘弾性の均質化に再帰型ニューラル演算子を適用し、2次元・3次元での普遍近似定理と内部変数次元の対数的上界を示す。
説明HiddenPathQA：質問が経路を隠す場合の知識グラフ質問応答ベンチマーク
要約本論文は、既存の知識グラフ質問応答の評価が、質問の語句から正解経路の関係が直接わかる問題に偏っていると指摘する。著者らは、人手で検証した1,055問・2〜6ホップにわたるHiddenPathQAベンチマークを構築し、候補となる関係連鎖を全体として比較する Holistic Path Selection を提案した。六つのベースラインとの比較で、二つの大規模言語モデルと原語・擬似語の両設定で高い正解率を示し、擬似語実験から利得はエンティティの記憶だけでは説明できないとしている。
説明論文をベンチマーク化：空間トランスクリプトーム整列タスクにおける AI エージェントの監査
要約本論文は、科学論文を AI エージェントの監査可能なベンチマークへ変換する枠組みを提案し、空間トランスクリプトーム整列タスクで実証しています。121 のタスク、16 の基準手法、6 つの AI エージェントを対象に評価し、最良のエージェントは 80% のタスクで全基準手法と同等以上の結果を示しました。ベンチマーク構築の過程で、先行研究の誤りや現行評価指標の近道も明らかになったと述べています。
説明ChemInsight：大規模言語モデルの化学的理解と推論を評価・診断する総合ベンチマーク
要約本論文は、多段階の推論を要する化学課題からなるベンチマーク「ChemInsight」を提案している。203問の難しい化学問題を50のまとまりに分け、範囲と深さの二次元で採点する方式を設計した。十種の代表的な大規模言語モデルで評価したところ、範囲スコアは30%未満、深さスコアは11%未満と、いずれも人間の専門家より大幅に低い結果になったと報告している。
説明脳腫瘤MRI分類における説明可能性と外部検証を含む、CNN・ViT・基盤モデルのベンチマーク
要約本論文は、脳腫瘤MRI画像の4クラス分類において、2種類の畳み込みネットワーク、2種類のビジョントランスフォーマー、2種類の基盤モデルの計6種類のアーキテクチャを比較したものである。公開データセットのテスト画像の36%が訓練データに近似重複していることを確認し、重複を除いたテストでは精度が低下することを示した。独立した外部データセットでは各モデルの精度に有意な差が見られ、内部評価では区別できなかった差異が外部検証で明らかになった。
説明APO2CS：組合最適化の二段階構成的探索のための優位性考慮型選好最適化
要約本論文は、構成型ニューラルソルバー向けの選好ベース学習目標APO2CSを提案する。マクロレベルでは目的関数値の差から得た優位性項で二つの解の選好情報を拡充し、ミクロレベルでは部分的な構成軌跡を比較して、逐次的な構成過程全体により密な教師信号を与える。この目標は方策の一から学習にも、事前学習済み方策の微調整にも使える。実験では、複数の組合せ最適化タスクで有効性と適応性が示されたと報告されている。
説明FMA-Net：不完全なモダリティに対応する堅牢なマルチモーダル顔提示攻撃検知
要約本論文は、顔提示攻撃検知（偽造顔による認証の欺瞞を防ぐ技術）のためのFMA-Netフレームワークを提案します。深度や赤外線などのモダリティが欠落した場合、指示誘導型の潜在空間変換によりRGB入力から欠落モダリティを推定し、テキストプロンプト、顔特徴アダプタ、合成から実画像へのドメイン整合を用いて識別性能を高めます。WMCAデータセットでは、モダリティ欠落率70%の四つのドメイン内プロトコルの平均ACERが3.22%、深度と赤外線が両方とも利用できない場合は5.23%と報告されています。WMCAおよびPADISI-Faceで検証を行っています。
説明HolidayFactory 1.0：工業用ロボット作業のシミュレーション・生成・評価フレームワーク
要約本論文は、工業用ロボットの作業をシミュレーション、生成、評価するためのフレームワーク「HolidayFactory 1.0」を提案している。中核は、接触・アクチュエータ・触覚をモデル化する物理シミュレータ HOLIDAY-SIM と、エージェント的に仮想環境と評価を構築する仕組み、そして七つの工業タスクを含む 24/7-BENCH である。24/7-BENCH はシーンをリセットせずに作業を連続評価し、完了・失敗・未完了の作業数、スループット、遅延、モーターのエネルギー消費を測定する。
説明利得を考慮した人口ゲーム動力学の予測
要約利得関数が変わったときに、群全体の行動がどのように推移するかを予測する問題を扱う論文である。著者らはPA-RmDという手法を提案し、利得情報を明示的に保持しながら、利得に依存しない応答構造をデータから学習する。合成のゼロ和ゲームおよびポテンシャルゲーム、ならびにYouTube Trendingの多国データセットで評価され、利得設計が変化する状況でも良好な性能を示したと報告している。
説明CABrain：脳波デコードのためのチャネル相関認識型脳基盤モデル
要約本論文は、脳波（EEG）デコードのための基盤モデル CABrain を提案している。グラフ畳み込みネットワーク（GCN）に基づく条件付き位置エンコーディングでチャネル間の相関を明示的にモデル化し、マスク付きパッチの再構成の難易度を調整する適応的マスキング戦略を導入している。10の標準データセットでの実験では、両手法を単独または組み合わせて用いた場合に、最先端または競争力のある性能が得られたと報告されている。
説明プランナーは決定的誤差を利用する：ディザ付き低ビット世界モデル
要約本論文は、量子化された低ビット世界モデルでMPPIやCEMなどのサンプリング型プランナーを高速化する手法を検討しています。校正なしの最近値丸めを用いると、計画の成功率が最大で100ポイント低下する一方、単一ステップの潜在予測誤差は良好に計画できる確率的丸め方式より大きくならないことを示します。原因は誤差の大きさではなく、プランナーの反復をまたいで持続し候補間で共有されるかどうかです。反復ごとに共有ディザを引き直すと、訓練なしで損害の大部分が軽減されます。
説明信頼できるモバイル音声対話に向けて：音声の真正性と伝送の完全性の確保
要約本論文は、音声を取得した時点で、その発話が本人によるものかを検証するリアルタイムのモバイル生体音声透かし方式MoBiMarkを提案しています。スマートフォンから多周波数の超音波信号を発し、声道からのエコー特徴を抽出して音声内容の埋め込みと統合し、利用者IDと発話ごとの識別子を組み合わせた動的透かしを生成します。50名・4機種での評価では平均99.79%の精度を示し、音声品質と明瞭度への影響は無視できる程度だとされています。
説明無線AIネットワーク：通信リソースと分散知能の協調適応
要約本論文は、無線通信と分散知能を双方向に適応させる設計視点として「無線AIネットワーク」を提案している。AIが実行可能なリソース予算で候補AI構成を表し、タスク単位の情報価値で構成選択と無線リソース割り当てを導く。同一のモデル更新ペイロード予算下での更新選択と統計補正による連合学習の改善、および同一の平均送信電力制約下での感度考慮型電力割り当てによるモデル精度低下の抑制を、2つの実験で示している。
説明ARMOR：ノイズに強い検索拡張推論のための適応型カリキュラム・メタ学習手法
要約本論文は、検索拡張生成（RAG）システムが検索時に混入するノイズへの対策を扱っています。ノイズへの頑健性を知識境界の認識、検索結果の検証、頑健な推論の三つの下位タスクに分け、教師役の適応型タスクスケジューラが生成器の学習進捗に応じて訓練計画を組む手法ARMORを提案しています。2WikiMultiHopQA、MusiQue、HotPotQAの3つの複雑な推論データセットでの実験では、検索ノイズへの頑健性が総合的に向上し、出力品質がベースラインを大きく上回ったと報告されています。
説明回転のみの撮像幾何に向けた多視点姿勢推定
要約本論文は、初期の相対回転と内点マッチングから大域回転を直接推定するGRAM（Global Rotations from Aggregated Matches）を提案し、画像対ごとの相対姿勢最適化と回転平均化を一段階に置き換えています。また、回転のみの撮像幾何を多視点へ拡張し、非線形な大域回転の精密化のためのMORE、回転に導かれた平行移動のためのART（Analytical Rotation-guided Translation）を提案しています。合成データと実データの実験により、提案手法の精度、頑健性、効率が示されています。
説明LangDepth：意味的ビニングとクロスドメイン単眼深度推定のための視覚言語シーン事前分布
要約本論文は単眼深度推定のアーキテクチャLangDepthを提案する。凍結したCLIPエンコーダと学習可能な概念キーにより画像から場景記述子を作り、シーン事前モジュールがその記述子から場景依存の深度区間を与える。ピクセルごとの割り当てネットワークがこの区間内で各画素を割り当て、信頼度ゲートが両者を融合する。NYU Depth V2とKITTIで共同学習し、複数のデータセットで高いδ1の値を示し、室内と屋外で深度範囲が大きく異なることを確認している。
説明BridgeKV：KVキャッシュ変換により大規模モデルで前処理し小規模モデルで復号するLLM推論手法
要約本論文はBridgeKVを提案し、プリフィル段階には大規模モデル、デコード段階には同系列の小規模モデルを使うことを示す。軽量なKVキャッシュ連結モジュールが大規模モデルのプロンプトキャッシュを小規模モデルの形式へ変換する。両モデルは凍結したままこのモジュールのみを学習させ、小規模モデルが大規模モデルの次トークン予測に従うようにする。6組のモデルペア、5つのデータセット、30通りの設定で、学習可能パラメータ数を揃えた微調整済み小規模モデルのベースラインを上回ったと報告している。単一のA40 GPUでは、Llama-3.1-8BからLlama-3.2-1Bへの構成で、大規模モデル単体より3.0倍速くリクエストを処理したとしている。
説明小型火災・煙検知器向けの校正済みアラーム閾値
この言語の要約は日付・金額などの照合を通らなかったため、表示を控えています。原文をご確認ください。
説明SpinSCI：ビデオ・スナップショット圧縮イメージング向けのマスク条件付き時空間スピンTransformer
要約本論文は、時空間で符号化された1回の測定から複数フレームを復元するビデオ・スナップショット圧縮イメージング（SCI）を扱います。提案手法SpinSCIのマスク条件付きイジング細練ブロックは、注意ロジットと観測情報を組み合わせて符号付きスピン結合を形成し、有限平均場更新で残差特徴の細練を制御します。HiSViT₉と比べ、3つのベンチマークで平均PSNRが0.51、0.23、0.04 dB向上し、パラメータ数・FLOPs・ピークメモリは削減されています。コードと参照チェックポイントは公開されています。
説明言語モデルの事後学習におけるスペクトル階数とステップ方向のダイナミクス（言語モデルの追加学習で、重みの更新がどの方向に、どの程度の次元で広がるかを調べた研究です）
要約本論文は、言語モデルの事後学習で重みが累積的に更新される際の特異値の性質と更新方向を分析しています。安定階数が低い一方でほぼフルランクの更新が見られる既存報告が両立しうることを示し、OLMo-2-7B の更新に対する特異値分解や、強化学習の段階間のチェックポイント変位の余弦類似度を調べています。さらに、グループ相対的優位性と一般化優位推定を用いた学習済み批評器を比較し、後者が方向の整合性に影響することを報告しています。
説明GeoPilot：航空再構成のための診断誘導型介入と幾何学的評価
要約本論文は、再構成過程の診断結果と事前観測から実行可能なプログラムまたはカメラ設定の変更を生成するワークフロー GeoPilot を提案し、外部の幾何評価器で再構成メッシュの精度を測定します。224 枚の開発用画像では、共有内部パラメータが原座標系の六つの指標すべてで改善し、平均表面-参照間距離を 7.04% 削減しました。参照に基づく位置合わせでは順位が逆転したため、この利得は原座標系での納品に限られます。
説明単一細胞トランスクリプトームアトラスのための再現可能な量子クラスタリング
要約既存の単一細胞クラスタリング手法は多くの遺伝子を捨てることが多く、乱数シードによってクラスターの結果が一貫しない場合があります。本論文は、全トランスクリプトームの再現可能なクラスタリングのための、学習不要な量子・古典ハイブリッド枠組みKQE-2を提案しています。細胞を非もつれ量子状態に写像する手法も示されています。論文では、複数のアトラスで複数回の実行間で結果が一致し、多くのデータセットで比較手法を上回ったと報告されています。
説明適応的ハミルトニアン・モンテカルロによる連合サンプリングの √d 通信障壁の突破
要約本論文は、ベイズ型連合学習のための適応的連合ハミルトニアン・モンテカルロ法（AFHMC）を提案している。局所ノードのずれを制御する仕組みを組み込むことで、対数凸分布のもとで通信コストを対数項を除いて最大 O({d/ε²}^{1/3}) に抑えられることを示し、既存結果より優れるとしている。クライアントの異質性が低い場合には通信コストが O(log(d/ε²)) となり、連合サンプリングにおける初の対数オーダーの通信計算量の結果であるとしている。数値実験でも低異質性の設定での優位性が確認されている。
注目点局所ノードシフトの制御機構を導入し、連合サンプリングの通信量をO({d/ε²}^{1/3})に改善、低異質性下では対数オーダーを報告。
説明Silinx：FPGAボードでのデジタルシステム教育向けのオープンなブラウザ型HDL設計プラットフォーム
要約多くのデジタルシステム講座で使われるFPGAボードは、ベンダーのツールがすでに保守されておらず、現在の学生のパソコンやタブレットに導入するのが難しい状況にあります。本論文は、インストール不要でWebブラウザ上動作する無償のHDL設計教育プラットフォームSilinxを紹介します。VHDLやVerilogに加え、Silinx HLSを通じたC/C++での記述、回路図などの図的入力に対応し、WebUSBで実機へ書き込めます。ISEと比べ、同じ最適化目標で面積最適化時はスライス数が15%少なく臨界経路が14%短く、速度最適化時はスライス数が21%少なく臨界経路が8%短いと報告されています。
説明創造的プライミング：プロセスと成果物を切り離し、創造のパラドックスを回避する
要約この論文は、過去の創造的成功例を繰り返し学習させると、その特定の例が再び現れやすくなり、かえって創造性が抑えられると指摘しています。創造性は個々の成果物の性質ではなく明示的なプロセスとして捉えるべきだと主張し、「創造的プライミング」を提案しています。これは、プロンプトごとに学習済みのプライミングモデルが引き金となる指針を生成し、応答モデルの創造的な回答を支援する手法です。プライミングモデルはGRPOで学習され、新規性・品質・多様性のある回答につながる指針が報酬を得ます。
説明適応的対応付けによる高密度オプティカルフロー（FATE）
要約本論文は、画像内の各ピクセルのオプティカルフローを推定する手法FATEを提案しています。マッチングに用いる視覚的な領域と高密度フローの再構成を切り離し、領域は同じ構造の中で広がり、運動境界付近では縮むようにしています。グループラベルを使わずに共同で学習し、FlyingChairs と FlyingThings3D で学習した後、Sintel Final と KITTI でゼロショット精度が最も高くなったと報告しています。遮蔽された画素や画面外の画素で最も大きな改善が見られたとされています。
説明評価指標が重要：UAV赤外線画像における微小人物検出のためのNWDベース校正損失
要約本論文は、UAV赤外線画像内の微小な人物検出における信頼度の校正を扱う。IoUに基づく正解定義は極小物体に対して幾何学的に不適切であり、二値予測校正が本来高いはずの信頼度を抑制してしまうと指摘する。著者らは、スケール不変な正規化Wasserstein距離（NWD）をIoUの代わりの校正目標として用い、HIT-UAVデータセットの各信号対クラッタ比グループでLaECEを低減し、mAPはほぼ変わらないことを示している。
説明創発的知能システムの制御可能性に関する分岐理論の枠組み
要約本論文は、現実の知能システムにおける二つの要請、すなわち創発がもたらす適応性と、説明責任のある運用に必要な操縦可能性の両立を検討している。著者は、この二つが同一の対象上の二種類の異なる分岐によって支配されることを示し、能力の向上が必ずしも制御可能性の向上を意味しないと主張している。
説明残りの回答は予測を変えうるか？個別化評価モデルの最悪ケース安定性チェック
要約本論文は、個別化された評価モデルにおいて欠損した評価が現在の予測を覆すかどうかを検討します。加法的な応答スコアを持つ完成済みモデルについて、著者は欠損値のすべての割り当てに対して現在の予測器が変わらないことを確かめる厳密な最悪ケース境界を示します。研究は、108名の臨床医が模擬精神科面接3件を評価したケースと、10名の専門家が注釈した126件のカウンセリング実演映像という2つの自己トリアージ集団で後ろ向きに評価しています。観測された評価に基づくFisher適応は両集団で対数損失を低減し、認証の範囲も示されています。論文はこの証明書が完成済みモデルとの一致のみを示し、中間更新時の正しさや安定性は示さないこと、また臨床上の有用性は未検証であることを指摘しています。
説明生成的軌道モデルを用いたパーティクルフィルタによる状態推定と制御
要約本論文は、事前学習済みモデルを変更せずに、生成的軌道モデルの予測によりロボットの状態推定と制御を改善できるかを検討しています。パーティクルフィルタで状態履歴に関する複数の仮説を保持し、単一の事前学習済み拡散モデルがそれらの仮説と予測観測、行動候補を生成します。新たな計測が得られると、予測観測と計測の一致度に応じて粒子の重みを更新し、その重みを状態推定だけでなく行動選択にも用います。部分観測下のナビゲーションと視覚ベースの操作のシミュレーションで、フィルタなしの行動生成と比べ、状態推定とタスク性能の向上が示されています。
説明検索時の国家メディア：AIチャットボットの回答におけるロシア国家系情報源の大規模監査
要約本論文は、主要なAIチャットボット11種を対象に、「Pravda Network（プラウダ・ネットワーク）」の見出しから作成した約1万件のプロンプトを用いて監査を行い、104,997件の完全な回答を収集しました。真理網（Pravda Network）の記事は回答の7.3%に現れ、そのうち3つのチャットボットが検索全体の94%を占めました。11種すべてが、程度の差はあれ他のロシア国家系メディアを検索していました。また、見出しに他の媒体の名を記して報道を帰属させる「見出しの洗浄（headline washing）」という手法も指摘されています。
注目点新規性はAIチャットボットがロシア国営メディア記事を検索する実態を大規模に監査した点；摘要は1万件のプロンプトと11のボット、104,997件の回答を用い、「見出しロンダリング」を報告している。
説明臨床データの「暗黒物質」：電子カルテで生理状態と診療過程を分離することの識別限界
要約本論文は、電子カルテデータから学習した表現が、患者の生理状態と、何を・いつ・誰に検査するかを決める診療過程を同時に符号化していることを指摘します。著者らはデータ生成過程を定式化し、この交絡を解く二つの戦略を分析しています。その結果、単一データセットでは検査値と検査オーダーの情報の分解は識別できず、サイト間での不変性検定は識別手法ではなく反証可能な仮説検定であることが示されています。全患者に検査が行われる場合には検査オーダーによる制約がなくなり、一部の条件下で識別が回復し得るとされています。
注目点単一データセットでは生理と診療過程を分離できないことを形式的に示し、部位間不変性検定の反証可能な条件を提示する。摘要は9.6ポイントの部位間差を報告する。
説明「知らないこと」の価値：無知なLLMがもたらす新鮮な視点と創造性
要約本論文は、特定のテーマを意図的に知らないようにした「ナイーブLLM」を提案しています。学習時の情報欠如や意図的な忘却によって既存の通説から解放され、新しい連想や仮説を自由に生み出せるとされています。これらのモデルを、より強力な指導役モデルと組み合わせ、独自の視点を具体的な提案へと洗練させます。10億および70億パラメータのモデルによる実験では、ナイーブモデルの初期アイデアがベースラインより新規性と有用性に優れ、指導役による精緻化でさらに向上したと報告されています。
説明言語モデル群における集団的なミスアライメントの説明と遮断
要約複数の言語モデルエージェントが協働する際、個々には無害なメッセージの組み合わせが違反行為を招く可能性を扱った論文です。著者は、違反を十分に引き起こし、かつ必要とした消息を特定し、その支えを断つための最小限の削除を見つける手法、集団依存分析（CDA）を提案しています。管理された事例では、選ばれたメッセージを削除することで違反率が93%から6%に下がったと報告されています。
説明ソフトロボット向け強化学習の高速化：数年ではなく数時間で
要約本論文は、収集済みデータから学習した低次元の多項式微分方程式（aSSM縮約モデル）を、高コストな実機インタラクションやシミュレータの代わりに強化学習の訓練環境として用いる手法を示しています。空気圧駆動のソフトアームで、3時間の訓練により追加調整なしで実機に展開できる軌道追従方策を得たと報告しています。同じ訓練を実機で行うと3年相当の時間が必要になるとされています。また、RNNまたはTransformerモデルで訓練した方策と比べて追従誤差が40%低いとしています。
説明皮質に着想を得たニューラルアセンブリによる自律的な継続学習と知識転移
要約人工ニューラルネットワークは新しいタスクを学習すると以前の知識を上書きしてしまう「破滅的忘却」を起こします。本論文は哺乳類の新皮質の性質を模した機能タスクネットワーク（FTN）を提案し、少数の入出力ペアによる支持サンプルから推論時に疎な二値ルーティングマスクを計算します。無関係なタスクは互いにほぼ別のアセンブリを経由し、関連するタスクは共通の部分を共有します。実験では、相関した概念シフトの下では支持集合ベースのマスク再構成が保持に必要であり、領域シフトの下では再生付きの分散バンクだけで保持が可能であると示されています。
説明マルチエージェントLLMシステムにおける情報ネットワークを通じた創発的行動の制御
要約本論文は、大規模言語モデル（LLM）エージェントの集団において、運営者が誰が誰を観察するかは決められるが、各エージェントの報酬やメッセージは制御できない場合に、集団の福祉を高めるには観察構造をどう設計すべきかを検討しています。1,080エピソードにわたり、十体の同一LLMエージェントによる六種類の反復型集団意思決定ゲームで実験を行い、情報共有量と固定予算下での観察リンクの配置を比較しました。その結果、情報共有の効果は個人の行動と集団目標の整合性に依存し、初期設定としての完全な透明性には否定的な見解が示されています。
注目点情報ネットワークを設計対象とし、観察による行動の連鎖効果を示して、人間の進化ゲーム理論のネットワーク互恵直観を覆す点が新しい。
説明複数ロガー方策のオフ方策評価における最適IPS推定量の変分的手法
要約本論文は、複数のロギング方策で収集されたデータを用い、文脈付きバンディットのオフ方策評価を研究している。変分法により、不偏性を保ったまま分散を最小化するサンプル依存の重みを持つ最適IPS推定量を導出し、閉形式の最適重みを得ている。ベンチマークデータでの実験では既存の複数ロガーIPS手法を概ね上回り、さらに二重頑健形式への拡張をKallusら（2021）の推定量と理論・実験の両面で比較している。
説明CRUSTPairs：CとRustの対応解答からなる言語横断データセット
要約本論文は、競技プログラミングのアーカイブから収集したC言語とRustの実装ペア1857組からなるデータセットCRUSTPairsを提案している。各ペアは正規化と重複排除を経て、ゼロショットの言語横断埋め込み類似度によって難易度ごとに層別化され、出典とライセンス情報が記録されている。微調整によって検索精度は大きく向上し、識別子を全て置き換えた実験では、微調整モデルの精度低下が小さいことも示されている。
説明CASCoDe：アナログ回路のサイジングとレイアウトを協調設計する閉ループ型エージェント枠組み
要約本論文は、大規模言語モデルを用いたエージェントによって、回路ネットリストからレイアウトまでを閉ループで設計するCASCoDeを提案する。サイジングの選択、構造的なフロアプラン、局所的なレイアウト改良、配線方式の選択といった専門家の判断を階層的な離散動作空間として定式化し、フィードバック駆動の木探索を行う。SKY130の20個の増幅器で評価した結果、設計仕様を満たしたうえでDRCとLVSを通過する配線済みレイアウトを得られた唯一の手法であり、従来の配置配線フローと比べて面積を平均71%削減し、デバイス密度を0.39から0.74に高めた。
注目点専門家のレイアウト決定を階層的離散行動空間として定式化し、フィードバック付き木探索を用いて、20個のSKY130増幅器で平均約71%の面積削減と高い素子密度を報告。
説明ソフトヘリコイドロボットのデータ駆動型精密制御
要約断熱スペクトル部分多様体（aSSM）理論に基づく純粋なデータ駆動型手法を、実際のソフトロボットのハードウェアから収集したデータに適用し、縮約モデルを学習する研究です。ソフトヘリコイド胴体ロボットの動力学を表す5次元の非線形常微分方程式を学習し、それをモデル予測制御に用いて2次元および3次元の軌道追従を実時間で行いました。その結果、既存のデータ駆動型線形手法や無モデル強化学習と比べて、各制御タスクで精度が向上したと報告されています。
説明方策学習による時系列データの反事実説明の拡張性向上
要約本論文は、時系列データに対する反事実説明を、一段階の文脈付きバンディット方策学習問題として扱う枠組みを提案しています。事前学習済みオートエンコーダの潜在空間でactor-criticエージェントを訓練し、全体的な構造的規則性を捉える転移可能な方策を学習します。学習済みの方策は、入力ごとの反復最適化を行わず、一度の順伝播で有効かつ妥当な反事実を直接生成できます。13のUCRベンチマークデータセットでの実験では、複数の異常検知指標において高い有効性と妥当性が示されています。
説明SurgTAP-3D：接触を考慮した3次元動作追跡を備えた大規模な手術動画データセット
要約本論文は、低侵襲手術における伪3次元の手術動作追跡のための大規模データセットおよびベンチマークであるSurgTAP-3Dを構築したものです。520Kフレーム、4,549の動作クリップ、140万本の2次元・3次元点軌跡を含み、ロボット手術と手動手術を対象としています。キャリブレーションのない単眼手術動画から4次元の注釈を生成するパイプラインを提案し、SurgPose、SurgT、STIRで器具と組織の追跡ベンチマークを示しています。
説明混合専門家モデルと再帰モデルにおけるバッチ内共有のGPU消費電力の直接測定
要約本論文は、マルチエージェント強化学習の再帰ポリシーと混合専門家（MoE）言語モデルという二種類のワークロードについて、GPUの消費電力を直接測定したものです。バッチ内のデータが計算を共有して省電力化できるかを検証しています。再帰ポリシーでは省電力は確認されませんでした。Qwen3-30B-A3Bでは、バッチ認識ルーティングによりKL 0.05以内で専門家の重み読み出しが25〜31%減り、トークンあたりの消費電力が12〜18%減少しました。著者らは、これらは単一GPU機種での予備的な測定であると明記しています。
説明圧縮と摂動のもとで言語モデルの能力が共通かつ予測可能な順序で失われる仕組みの研究
要約本論文は、モデル圧縮（剪定や量子化など）によって言語モデルの個々の能力がどの順序で失われるかを調べたものです。8つの指示チューニング済みモデルに7種類の摂動・圧縮手法を適用し、16のタスクで評価しています。短い答えを要する能力は、異なる手法の間でもほぼ同じ順序で失われ、その順序は答えの余裕度や答えの頻度などから予測できると報告しています。
説明一次ナッシュ均衡の安定学習に対するホモロジー的障壁
要約本論文は、制約付き非凹微分可能ゲームにおいて局所ナッシュ均衡（一次ナッシュ均衡、FONE）を安定的に学習することの難しさを扱う。目標集合が非自明な正次数のコホモロジーを持ち（例えばループから生じる場合）、状態空間がコンパクトかつ可縮であるとき、すべての初期条件を完全なFONE集合へ収束させる決定論的連続学習力学は存在しないことを示す。その障壁は、箱上の単純な非凹二次ゼロ和ゲームで具体的に示されている。
注目点同調的障壁により一階ナッシュ均衡の安定学習が不可能であることを示し、六辺ループの二次ゼロ和ゲームで構成、高次や近似へ拡張。
説明LocateAnyMesh：視覚言語モデルで3Dメッシュ検索を2D画像上に位置特定する手法
要約本論文は、3Dメッシュそのものをプロンプトの一部として用いる視覚言語モデルLocateAnyMeshを提案しています。凍結された3Dエンコーダが色付きの表面点を小さなトークン列に変換し、画像や指示のトークンと並べて入力されます。新しい物体は一度のエンコーダ処理で扱え、物体ごとの微調整やレンダリングした査定ビューは不要とされています。
説明Minty集合包含のための解像楕円体法（レゾルベント楕円体）
要約本論文は、コンパクト凸集合上の集合値作用素に対するMinty集合包含問題を扱う。固定スケールの制約付きレゾルベント・オラクルを用いると、各問い合わせの結果は、近似解の証明となるか、Minty集合を分離する有効な法線ベクトルを与えるかのいずれかになることを示す。この分離原理と楕円体法を組み合わせ、RESOLVENT-ELLIPSOIDというアルゴリズムを提案している。
説明自動運転実験室の物理テストベッド：最小閉ループ色配合タスクにおけるベイズ最適化とエージェント型最適化の比較
要約本論文は、市販の実験室自動化機器を組み合わせた物理テストベッドを構築し、無人で累計24時間の連続閉ループ実験を行えることを示しています。システムは目標の吸光スペクトルに合わせて水性染料の混合物を自律的に調合します。従来のベイズ最適化とエージェント型アプローチという2種類のAI意思決定手法を比較し、エージェント型は一部の目標でより少ない反復回数で一致を達成し、ベイズ最適化が48回の反復内に一致できなかった目標も解決したと報告しています。
説明ストリーミング故障予測：展開後も学習を続けるVLA故障モニター
要約視覚・言語・行動（VLA）方策の故障モニターは、オフラインで学習した後に固定されるのが一般的です。展開後は照明、物体、カメラの変化や方策自体の更新により性能が低下する可能性があります。本論文は、各エピソードで得られる成否のラベルを用いて学習を続ける流式故障予測（SFF）を提案します。実ロボットの434回の記録と模擬試験の両方で、固定したままのモニターより故障の順位付けが優れていたと報告されています。
説明自己索引型潜在メモリ：LLMの継続的指示チューニングにおけるアクセス認識型手法
要約本論文は、旧データの再生に頼らずにLLMを継続的に指示チューニングする手法TILA-CTを提案している。凍結したLLM内で各タスクが独自の潜在メモリとアダプタ群を持ち、メモリが生成するルーティング用のプロトタイプを共有のプロンプトベースルーターが用いてモジュールを選択する。8タスクのデータ列では、最終マクロスコアは63.98、平均忘却は1.38ポイントと報告されている。
説明階層的不確実性を伴う地下流動系におけるデータ同化のための逐次モンテカルロ法
要約本論文は、高次の地質メタパラメータと格子ごとの物性がともに不確実な地下流動系を対象に、両者を同時にベイズ推定する適応的テンパリング逐次モンテカルロ（SMC）法を提案している。関数評価には流動サロゲートモデルを用いる。さらに逐次データ同化へ拡張し、断層を含む炭素貯留系と河道状の油水系の二つの3次元事例で検証を行っている。合成真値モデルにおいて、SMCの事後分布と流動予測はMCMCの参照結果とよく一致し、単段階データ同化で2.5～7.0倍の高速化が示された。
説明学習器に対するメンバーシップ推論から再構成攻撃への理論的帰着に関する研究
要約本論文は、学習済みモデルから訓練データを復元する再構成攻撃を研究しています。著者らは、与えられたデータ点が訓練に使われたかを判定するメンバーシップ推論が、この攻撃モデルでは再構成につながることを示し、その帰着は任意の学習アルゴリズムに適用できるとしています。確率的凸最適化では、指数的に大きな台上でも多項式時間で再構成できることを示し、Ω(n) 個の訓練点を復元できると論じています。
注目点メンバーシップ推論から再構成攻撃への一般的な帰着を示し、確率的凸最適化で多項式時間の再構成攻撃がΩ(n)個の訓練点を復元することを示す。
説明平均的な患者：模擬精神科患者の回答は実在の人のようか？
要約本論文は、臨床医の訓練やAI療法士の評価のために言語モデルを模擬精神科患者として用いる手法を検証する。著者は模擬回答者の枠組みを提示し、臨床群や指示された偽装群を含む8つの人間データと比較した。その結果、模擬患者の変動は同じ合計点の実在の回答者より小さく、多くの尺度でほぼすべての症状を中程度に認めることがわかった。PHQ-9では症状間の相関も実際とは異なる。プロンプトの変更、より大きなモデル、推論機能は傾向を弱めるが、なくすことはできない。
注目点模擬精神科患者の平均患者仮説と情報予算の枠組みを提案し、8つの人間サンプルと17モデルで予測を検証している。
説明SurfScaff3D：LLMによる3D物体生成のための幾何表現と意味表現の橋渡し
要約本論文は、人間とLLMの双方が理解できる部品単位の解釈可能な抽象化を用いる三次元表現、階層的パッチスカフォールド（HPS）を提案している。このHPSを基盤に、テキストおよび画像から三次元を生成する対話型フレームワークSurfScaff3Dを構築している。階層的な部品ラベルにより自然言語による編集が可能で、各パッチの表面詳細も制御できるとしている。既存のLLMベース手法との比較実験で、幾何的忠実度と意味的整合性が示されたと述べている。
説明検索でのスポンサー商品ランキングのための、クエリと候補商品を考慮した長期ユーザー系列モデリング
要約本論文は、検索広告の商品ランキング向けに、本番環境で用いられるユーザー系列モデリングの枠組みを提案しています。直近の行動に加え、長期履歴から候補商品の近傍とクエリの近傍という2つの検索経路で関連する行動を選び、候補商品の情報を各履歴トークンに組み込みます。オフライン実験では、双方向の検索によって主要なランキング指標が本番のベースラインより改善しました。スポンサー商品検索のトラフィックを対象としたオンラインA/Bテストでは、CTR、帰属コンバージョン率、インプレッションあたりの注文数が増加しました。
説明脳に整合した潜在動作：ロボットの動作語彙に運動前皮質の幾何構造を課す
要約ロボットの方策は、ラベルのない動画から学習された少数の離散的な潜在動作を通じて行動するようになっているが、学習の過程でどの動きにどの符号が割り当てられるかは定まっていない。著者らは、サルが図形を描いている間に記録されたマカクの腹側運動前皮質（PMv）の表現幾何を、直通型の類似度損失によってトークナイザの符号割り当てに課し、ロボット動画上で再構成目的と併せて学習させた。学習に用いていない五つの形状カテゴリでの表現類似度は0.52で、既存のトークナイザの0.20〜0.26を上回った。
説明一般化線形有向非巡回グラフにおける連続最適化による非漸近的因果構造学習
要約本論文は、非線形モデルにおける観測データからの有向非巡回グラフの学習問題を扱い、有限標本の非漸近的統計保証を与えます。各ノードに一般化線形モデルを仮定し、厳密な非巡回制約と準ミニマックス凹罰則を組み合わせた大域的な非平滑目的関数を解析します。この目的関数は標準的な勾配ベースの解法で最適化できます。ロジスティックモデルやポアソンモデルを含むこのモデルの下で有限標本保証を確立し、実験で構造復元の精度と計算性能を検証しています。