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）。
説明オンライン推論チューニングを伴うオフポリシー強化学習：CoRL 2026 RoboEval チャレンジへの解法
要約本論文は、CoRL 2026 RoboEval チャレンジにおける著者の解法を紹介する。同コンペは双腕タスク8種からなり、タスクの各段階の完遂、安全性、効率、双腕の協調を人間のデモンストレーションと比較して採点する。手法は π0.5 ベースの方策を用いたオフポリシー強化学習で、方策自身が価値関数を兼ねる。提出した方策は、ホールドアウトシードで RDS 0.990、公式シードで 0.987 に達したと報告されている。
説明対応のない表現の識別可能なアライメント：データ多様体のプルバック距離で二つのモデルの表現空間を揃える研究
要約本論文は、ペアデータもラベルもない状態で二つのモデルの表現を揃える手法「ニューラル・グロモフ・モンジュ・アライメント（NGMA）」を提案している。データ計量のプルバック距離を用いることで、同じデータ生成過程に属する任意の二つのモデルに対して共通の距離が得られるとする。データ分布がデータ多様体の全ての対称性を壊す場合にアライメント写像が識別可能であることを示し、画像モデルや単一細胞モデルでの実験で既存の基準手法を上回ったと報告している。
説明MOMENT-DP：差分プライバシー学習における相関ノイズの運動量考慮型評価フレームワーク
要約本論文は、差分プライバシー最適化において時間的に相関したノイズの有効性を評価するためのMOMENT-DPフレームワークを提案している。このフレームワークは、曲率、学習率スケジュール、モメンタム、ノイズ共分散を含む最適化過程を通じて、プライバシーノイズがどのように伝播するかをモデル化する。モメンタムのみを変更した場合に、異なるプライバシーノイズ機構の順位が逆転することを示し、相関ノイズの評価において最適化器の状態が重要な要素であることを明らかにしている。
説明エージェント型自己回帰動画生成向けの意味的整合KVキャッシュ圧縮
要約本論文は、エージェント型自己回帰動画生成のためのSemanticKVを提案します。これは学習不要のKVキャッシュ圧縮手法で、プランナーが抽出した意味的制約を用いて、保持すべきキャッシュ項目を選びます。Causal Forcingでは圧縮率0.7のときVBench総合スコアが84.10となり、完全KVキャッシュ（83.99）を上回りました。完全KVキャッシュに対して1.22倍高速化し、KVキャッシュのメモリは6.04 GBから1.81 GBに削減されています。
説明オンポリシー蒸留はどの程度の訓練・推論のずれに耐えられるか？
要約本論文は、オンポリシー蒸留（OPD）が、学習側と推論（ロールアウト）エンジンの間のずれ（ミスマッチ）にどの程度耐えられるかを調べています。すべてのずれの要因を共通の尺度で測定し、三組の生徒・教師モデルで量子化の影響を検討したほか、一組のモデルで重みの古さとノイズ注入も試しています。OPDは訓練品質を大きく損なわずに相当のずれに耐えますが、一定の水準を超えると性能が低下します。さらに、較正された許容範囲に対して設定を事前確認する軽量な手法と、モデル固有のFP8設定や非同期ロールアウトによる効率向上を提示しています。
説明制約プログラミングにおけるプロパゲータの順位学習
要約本論文は、制約プログラミングソルバーのプロパゲータ（伝播器）の実行順序を、人手で設計された固定的な規則ではなく、インスタンスごとに学習する手法を提案しています。自己注意機構モデルを用い、ソルバーの実行時間から得られる順位の選好を学習データとして訓練します。XCSP3の698インスタンスの試験では、Chocoの既定の優先度と比べて解けたインスタンス数が634から654に増えました。
説明SWHForest：大規模コードコーパス向けの構造的な絞り込み・検索レイヤー
要約本論文は、ソースコードを再配布せずにファイルポインタのみで公開されるコードコーパスに対し、構造的な絞り込み層を提供するオープンソースのフレームワークおよび公開データセット SWHForest を提案しています。アーカイブを一度走査して各ファイルを AST に解析し、ソーステキストは破棄して構造の要約のみを保持します。Stack-Edu の上位10言語（ユニークファイル52.1M件、定義341M件）において、検索はミリ秒で完了し、ダウンロード量は46〜72%削減されたと報告されています。
説明外科医を「訓練」するには？手術場面理解における汎用エージェントのベンチマーク
要約本論文は、汎用マルチモーダル大規模言語モデルによる手術場面理解の評価に取り組み、二段階の評価枠組みを提案する。第一段階では公開手術データセットを統合した診断ベンチマークSurgKnowBenchを構築し、モデルの能力の境界を調べた結果、関係理解・手順理解・ワークフロー評価で弱いことが分かった。第二段階では、手術知識の検索と視覚的グラウンディングを使うエージェント環境SurgAgentGymを導入し、追加の手術訓練なしで推論時に理解が向上するかを評価する。知覚中心の課題では差が縮まるが、細粒度の局所化と専門家的評価は依然として課題である。