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）。
説明ピクセルへ回帰：潜在空間の動画拡散モデルをピクセル空間へ引き上げる
要約PixVidは、事前学習済みの潜在空間動画モデルを、ピクセル空間で各フレームを直接生成するように改める手法です。拡散Transformerは保持し、VAEデコーダを畳み込みヘッドに置き換えます。速度ではなくクリーンな動画を予測すること、そして大きめのノイズシフトが品質に重要だとしています。Wan2.1-14Bから微調整され、約130万クリップで潜在空間のベースラインと競合し、同じフレームあたりのトークン数で2倍の解像度を生成します。
説明マルチモーダル視覚エンコーディングの分解：事前学習された視覚的事前知識より専用の視覚容量が重要
要約本論文は、マルチモーダル言語モデルがどのように視覚入力を符号化すべきかを検証します。著者らは共通のデータと計算量のもとで全モデルをゼロから事前学習し、視覚的質問応答と言語ベンチマークで比較しました。その結果、視覚的な事前知識は必須ではなく、バックボーンと共に学習したエンコーダーが事前学習済みエンコーダーと同等であることが示されました。また、融合前ではなく初期のバックボーン層内に視覚モジュールを置いても同程度の性能が得られ、最初のトークンまでの時間を短縮できると報告されています。
説明ArchSpace：大規模言語モデルのアーキテクチャ研究を記録・査読・参照する公開プラットフォーム
要約ArchSpace は、大規模言語モデルのアーキテクチャ研究を記録、査読、参照するための公開プラットフォームです。各提案は実験と推論の過程とともに記録され、コミュニティによる査読を受け、後続の研究から参照されます。大規模な学習の前に案を評価するため、スケーリング則を用いて小規模な実験から大規模モデルの損失を予測します。Qwen3.5 と OLMo3 のベースライン、フィッティングされたスケーリング則、再利用可能な学習レシピも提供されています。
説明TTB：デコーダ専用ビュー合成モデルの効率的レンダリングのためのテスト時ベイキング手法
要約本論文は、クロスビューAttentionの全体的なシーン情報を軽量なMLPに焼き込む（ベイキングする）テスト時ベイキング（TTB）手法を提案しています。TTTの高速重みMLPを流用してクロスビューAttentionの写像を明示的に学習し、コンテキストトークンをカメラ情報のみのレンダリング用トークンと画像内容を持つ正解トークンに分離して、モダリティの不整合を緩和します。複数のベンチマークで最大23倍の高速化を達成し、最先端手法と同等の品質を示したと報告しています。
説明ProtoVis-Nav：無人機の視覚・空間整合ナビゲーションのための原型視覚イメージング
要約本論文は、無人機の視覚言語ナビゲーションのためのProtoVis-Nav（原型視覚イメージングフレームワーク）を提案する。モデルは特徴原型を予測し、その線形結合によって目標領域の視覚特徴を推定することで、次に進むべき位置の局所的な視覚表現を先に想像する。その後、予測された原型を文脈として最終的な行動を生成し、視覚文脈と経路点出力の整合を高める。著者らは大規模な実験により、本フレームワークの有効性と既存のベースラインに対する大幅な改善を示したとしている。
説明投資授権の内部化：ポートフォリオ配分のためのニューロシンボリック強化学習手法
要約機関投資家のポートフォリオは、市場環境に応じた資産配分の制約を定めた投資方針書に基づいて運用されます。本論文は、PLPGに着想を得た連続行動型の配分手法を提案します。再パラメータ化モンテカルロサンプリングにより、方策自身が実行する行動が投資授権を満たす確率を推定して学習目標に加えるため、推論時の後処理による介入は不要です。6つの規則からなる状態依存の授権に対する違反率は、制約なしの強化学習の96〜98％、報酬ペナルティ基準の33.4％から4.8％へ低下しました。
説明K2V：物理的にもっともらしい動画生成のための生成的キーフレーム手法
要約本論文は、動画拡散モデルで生じやすい物理的な誤りを減らすK2Vという手法を提案しています。物理的な推論を、言語モデルを用いたキーフレーム生成モジュールに分担させ、動画の重要な場面の外観を細かく制御します。そのキーフレームを条件として動画生成モデルを動かし、拡散モデルには物理的に正しい中間状態の間を補間する役割を担わせます。論文は、Physics-IQ VerifiedとPhyGenBenchのベンチマークで最先端の性能を達成したと報告しています。
説明AgentSSL：MLエージェントはラベルなしデータを活用できるか
要約本論文は、半教師あり学習をプログラム探索問題として捉えたエージェント型フレームワークAgentSSLを提案し、教師データが限られた状況でエージェントがこの空間をどう探索するかを検討しています。エージェントは既存の半教師あり学習手法を組み合わせて改良し、12設定中8設定で人手で設計された最強のベースラインを上回り、最大+21.8%の向上を示しました。一方で、プログラム選択が重要なボトルネックであり、エージェント自身のフィードバック指標で選ぶと性能が最大47%低下することも明らかになりました。あわせて16,977件のプログラムからなるベンチマークProgramSelectBenchを構築し、実世界の生態検出タスクでも評価しています。
説明BrickFlow：接続性ガイドによるブロック再構築
要約本論文は、組み立て済みのLEGOの画像から各パーツの姿勢を推定し、物体を再現する課題を扱う。手続き的に生成した組み立て体で、集合条件付きのSE(3)フローモデルを学習して部品の組み合わせ方の事前分布を獲得し、約1%のデータで画像条件を加えて微調整している。さらに、テスト時に解析的な接続場を用いて予測を連結した組み立て体へ引き寄せるガイダンスを導入し、モデル規模、事前学習、ガイダンスによって組み立ての品質が向上することを示している。
説明拡散言語モデルがいつテキストを再生成すべきかを学習する研究
要約本論文は、拡散言語モデルが生成途中の文章から正解に到達するかを予測する検証器 DiVR を提案しています。DiVR は再生成すべき時点と採用する代替案を決め、生成器自体は変更しません。LLaDA-8B-Base を用いた五つの推論ベンチマークで、微調整済み生成器の平均正答率を 35.3% から 43.4% に引き上げ、そのコストは貪欲復号の 1.9～3.5 倍です。教師あり微調整や強化学習など後段の学習とも併用でき、Dream など他の生成器にも一般化することが示されています。
説明Spatial Foundry：空間知能のためのマルチモーダルデータセット
要約本論文は、家具付き住宅の3Dシーン構成5,280件からなるデータセット「Spatial Foundry」を紹介する。編集可能なアセットと、整合された視覚・幾何・時間データを備えている。モダリティには平面図、透視および全方位のRGB画像、メトリック深度、点群、メッシュ、インスタンス単位の3Dバウンディングボックス、動画と対になったカメラ軌跡が含まれる。データの表現と構築の流れを説明し、平面図条件付き3D生成や幾何再構成などへの応用を論じている。
説明CoReMem：連続したコーディング課題に向けた、コストを内部化し将来の価値を事前評価する記憶フレームワーク
要約本論文は、進化するコードリポジトリ上で連続する課題を処理するコーディングエージェントのための記憶フレームワークCoReMemを提案します。次の課題での記憶の実測価値を用いて記憶の設計とエージェントの適応を導き、記憶はリポジトリの位置や実行可能なチェックといったアンカーで構成されます。ChainSWEでは、27Bのアクターの解決率が21.0%から25.7%に向上し、記憶モジュールの呼び出しを含む総キャッシュ考慮トークン数が11%、ステップ数が17%減少しました。
説明高速学習とニューラルネットの構成的構造の関連：メタ学習されたパラメータ空間における加法的類推の証拠
要約本論文は、メタ学習で最適化されたニューラルネットワークがなぜ新しい関数を素早く学習できるのかを調べています。単語ベクトルの加法的関係（「king − man + woman ≈ queen」）にならい、関数ごとに適応後のパラメータを連結したベクトル同士に、関数間の記号的関係に応じた加減算が成り立つことを示しました。そのように再結合したベクトルが表すネットワークは、直接の訓練なしに意図した関数を実現します。メタ学習は、後続の学習を機能的に意味のある系統的な経路に沿わせるよう初期位置を調整できると結論づけています。
説明文脈帰属のためのスケッチ言語モデル：プロンプトの各部分を除いたときの出力の変化を推定する研究
要約本論文は、プロンプトから一部を取り除いたときに言語モデルの出力がどう変わるかを調べる、留一法（LOO）による帰属を扱う。安定性の仮定のもとで、すべてのLOO値を確率一定で誤差ε に比例する範囲に推定するスケッチアルゴリズムを、約O(√log(1/ε)/ε)回のモデル評価呼び出しで示す。さらに、オラクルモデルで対応する下界Ω(√log(1/ε)/ε)も証明している。
注目点逆伝播回路に前向き微分スケッチを適用し、評価回数を対数二乗から平方根オーダーへ削減。対応する下界を示し、小規模検索課題で検証。
説明古典的エネルギーモデルが、ループモデルより1000倍速く推論を学習
要約本論文は、エネルギー降下に基づく推論手法を提案している。1980年代のHopfieldとTankのエネルギー関数を学習させた版であるCRAMを指し、1枚のGPUで42ミリ秒と132ミリ秒の学習後に、Sudoku-Extremeのテスト問題の99.996%、Maze-Uniqueの100%を解いたとしている。ループモデルより少なくとも1000倍速いとしている。また、Sudoku-Extremeでは、ベースラインのループモデルの最高精度に、少なくとも282倍少ない推論FLOPsで並ぶとしている。
説明一般保険料率算定における透明モデルの構造的安定性の定量化
要約一般保険の契約期間は短く、データの分布が速く変化するため、モデルを定期的に更新する必要がある。更新後のモデルは、予測と構造の両面で更新前のモデルと大きく異なる場合がある。本論文は、主効果の一変量関数と交互作用の二変量関数の和で予測関数を表せるモデルを"機能的透明性"として定義し、そのようなモデルの構造的安定性を測る指標として平均二乗形状関数距離を提案している。3つの公開自動車保険データセットでのベンチマークにより、中心化された数値共変量を持つ一般化線形モデルは安定しており、説明可能ブースティングマシン（EBM）は安定性と性能の折衷案になることが示されている。
説明討論（デベート）による学習可能性の理論に向けて
要約本論文は、二つのモデルが互いに反対の答えの正しさを主張し、人間の審判が判断する「デベート」を訓練手法として検討する。著者はこの学習過程をオンライン学習問題として定式化し、審判を利用した最適な学習方法が敵対的なデベートとは異なる場合があることを示す。そのうえで協力型のプロトコルを定義し、組合せ次元によってその学習可能性を特徴づける。さらに、審判のわずかな誤判断が学習に大きな誤差をもたらしうることも示している。
注目点討論プロトコルをオンライン学習問題として定式化し、協力版を組合せ次元で可学習性を特徴づけ、少数の判定誤りが大きな学習誤差につながることを示す。
説明FLEX-LBP：正確な二値推論で局所二値パターンを学習するテクスチャ分類手法
要約本論文は、局所二値パターン（LBP）の半径、サンプリング角度、色変換、閾値を誤差逆伝播で学習するFLEX-LBPを提案する。順伝播では厳密な二値符号と硬いヒストグラムの計数を計算し、展開後の記述子は90個の学習可能パラメータをもつ解釈可能な硬二値LBPで、推論コストは変わらない。6つのカラーテクスチャベンチマークで制御された比較実験を行い、5つの古典的LBP系記述子、PCANet、ニューラルLBP、凍結したImageNet ResNet-50特徴と比較している。
注目点LBPの半径、サンプリング角、色変換、閾値を逆伝播で学習し、順伝播は厳密な二値符号を維持する。6つのカラーテクスチャ基準で複数シードの実験と比較を行う。
説明明示的な対応関係に基づく一貫性のある動画から動画への変換
要約本論文は、インタラクティブな動画から動画への変換で、リアルタイム生成と長期的な時間的一貫性を両立させる vid2vid-long を提案している。入力動画で互いに対応する領域は、出力動画でも対応すべきという観察に基づく。入力のパッチ単位の対応関係を計算し、対応する領域の過去の生成結果を検索して、対応交差注意機構によりそのパッチを条件として与える。実験では、複数の最近の動画モデルで長期的な時間的一貫性が向上し、生成品質とリアルタイム性能も維持されることが示された。
説明LLMにおける目標エンコーディング：モデルが目標を内部でどう表現し追跡するかの研究
要約本論文は、大規模言語モデルが行動に先立ち行動を導く内部の目標表現を持つのか、またどのように符号化するのかを調べたものです。複数のサブタスクからなるコーディング環境で、少数のアテンションヘッドの出力に次のサブ目標の符号化があることを見いだし、それを用いてモデルの次の行動を自然言語で解読できることを示しています。この符号化は因果的であり、別のプログラミング言語など異なる環境に移しても同じ操作を別のトークン列で実現させることが確認されています。さらに、非再帰的目標追跡（NRGS）という仮説を提示し、因果的介入によってその予測を検証しています。
説明Metal Sandbox：Apple SiliconのGPUコーディングエージェント向け隔離実行とコマンドスケジューリング
要約本論文はMetal Sandboxを紹介します。これは複数のMacを連携させ、Apple Metalカーネルを生成するGPUコーディングエージェントに、隔離されたファイルアクセス、ネイティブなコマンド実行、コマンド単位のスケジューリングを提供する基盤です。並列可能なコマンドは同時に実行でき、待機中のコマンドは空いているMacへ移動できます。Mac mini M4の4ノードによる制御実験では、需要が集中した場合にコマンドのスループットが1.68〜2.05倍になりました。本システムとHarbor連携の実装はGitHubでオープンソースとして公開されています。
説明片側検証可能な報酬のための負例限定ポリシー最適化
要約この論文は、失敗は確実に判定できるが成功は確実に確認できない片側検証可能性の状況を対象とした。検証を通過した回答は未ラベルとして扱い、信頼できる不正解の回答だけを抑制する負例限定ポリシー最適化（NOPO）を提案している。論文によれば、単体テスト、制約チェック、LLM自己検証器のいずれの場合も、コード・論理・数学のベンチマークでベースラインより pass@k が改善した。
説明シンセシス・スマグリング：LLM出力に推測された個人属性を悪意をもって隠す手法
要約本論文は「シンセシス・スマグリング」という新たな脅威モデルを提案します。これは、悪意ある大規模言語モデルが日常的な支援の対話から利用者の機微な情報を推測し、無害に見える生成内容に隠し込む手法です。利用者がその内容をメールやSNS投稿などで共有すると、知らないうちに情報が漏れ、通信を監視する攻撃者に発見される可能性があります。著者らは二つのオープンウェイトモデルを訓練し、会話の手がかりから性別と年齢層を推測して、不可視文字や単語選択で符号化できることを示しました。（Synthesis Smuggling）
説明LiveGeo：継続的に変化する世界における地理エージェントの評価ベンチマーク
要約本論文は、LLMエージェント向けの制御可能で継続的に変化する地理環境プラットフォーム GeoWorld と、それを用いて現実の地理環境での信頼できる意思決定を評価するベンチマーク LiveGeo を提案している。外部の世界状態は独自の時間的過程に沿って変化し、検証可能な状態履歴が保持される。実験では、最先端のLLMでも静的タスクで安定した成績を示せず、静的な性能が動的環境での信頼性を保証しないことが示された。主要な課題は、関連する証拠を獲得して有効な判断に変換し、世界の変化に応じて正しさを維持することである。
説明Ballad：自動ヒューリスティック発見のための多腕バンディットによるLLMルーティング
要約本論文は、自動ヒューリスティック発見において、どの大規模言語モデルを使うかをどう選ぶかを扱っています。NP困難な組合せ最適化問題の複数で、より大きく高価なモデルが一貫して良いヒューリスティックを生むわけではないと報告しています。そこで、複数のLLMを組み合わせたアンサンブルを適応的に編成するオンライン多腕バンディットアルゴリズムBalladを提案しています。論文によれば、Balladは五つの問題で最良の単独モデルに匹敵するか上回り、常に最強モデルを使う場合と比べてAPIコストを最大65.6%削減したとしています。
説明物体を「アドレス」として捉える：ビジョントランスフォーマーの注意機構におけるインスタンス束縛
要約事前学習済みのビジョントランスフォーマー（ViT）が、自己注意機構の中で同一物体のパッチを他の物体から分離する仕組みを調べた論文です。8種のモデルの分析から、分離は標記の内容よりも注意の経路（クエリ・キーの関係）によく表れることが分かりました。同一個体のパッチは共通の画像領域を参照し、その参照先を「注意アドレス」と呼びます。対象となるヘッドのクエリ成分を編集すると、注意先を別の個体へ移せます。
説明双方が適応するとき：対話型LLMシステム評価の課題
要約本論文は、ユーザーがLLMと対話するシステムでは、ユーザーが応答を見て質問の仕方や後続タスクの難易度を変えるため、モデルの応答が後の評価に使われるプロンプトの分布に影響すると指摘します。オフラインのベンチマーク評価とオンラインのA/Bテストは異なる量を測定し、両者のモデルの順位が逆転しうることを示しています。また、順位が一致することが保証される十分条件や、ユーザーの適応性が推定の分散を増大させることも論じています。
説明Al-Ghasali：有限状態オートマトンと大規模言語モデルによるイスラーム法判断シミュレーションの計算フレームワーク
要約本論文は、イスラーム法学（フィクフ）の判断を形式化・シミュレーションする計算フレームワーク「Al-Ghasali」を提案する。閉じた法学章の意味論は決定性有限状態オートマトンに帰着できることを証明し、副章の階層的合成や順序の要件の扱いについても論じている。決定性オートマトンが確率的な大規模言語モデルを制御し、読みやすい法学的要約を生成する構成で、文法誘導型の制約付きデコーディングによって幻覚の発生を防ぐことを目指している。
説明知識蒸留の2つの数理モデル
要約本論文は知識蒸留の成功を説明する数理モデルを提案し分析している。その結果、蒸留の効果は、より良いモデルを得ることよりも、最適化しやすい損失の地形によるものだと示唆される。確率的勾配降下法で学習する一般化線形モデルについて、蒸留は非蒸留の場合より速く高性能な生徒モデルに漸近的に収束することを証明している。階数1の行列近似では、蒸留を伴う勾配降下法が教師あり目的関数のみで学習するより厳密に速く収束する目標行列の条件を示している。
説明多項式時間で解く自己選択バイアス付き線形回帰
要約本論文は、自己選択バイアスのもとで k 個の線形回帰係数を誤差 ε まで推定する問題を扱う。Cherapanamjeri らが導入した最大自己選択基準を用いる。未知のインデックスを持つ場合に対し、多項式時間で動作するアルゴリズムを提案し、回帰係数間に相関したノイズがある場合（最大アフィン回帰）にも対応する。共変量の高次 Hermite モーメントを回帰係数のテンソル冪の和に近似的に分解し、テンソル分解と最小二乗法を組み合わせて推定を行う。
注目点新規性は、高次Hermiteモーメントのテンソル分解により、指数時間だった自己選択バイアス付き線形回帰を多項式時間に改善し、相関ノイズやmax-affine回帰にも適用する点にある。理論的アルゴリズム結果を報告している。
説明LightGCNに層理論の発想を取り入れた構造化スコアリング拡張による協調フィルタリング
要約本論文は、三層のLightGCNを基盤に、細胞層（cellular sheaf）の局所ベクトル空間と線形制限写像という考え方に着想を得たモジュール式のスコアリング拡張を加えるものです。グラフ伝播は変更せず、ユーザーとアイテムの埋め込みに対してペアごとに依存する構造化変換を行います。Amazon-Book、Gowalla、MovieLens-1M、Yelp2018で複数のスコアラーを比較した結果、ランキング品質の変化は小さくデータセットによって異なり、カバレッジは大きく変わる場合もありました。ただし、実際に細胞層は構築していないため、層の幾何学そのものに因果的な効果があるとは実験からは言えないと明記されています。
説明中程度の導電率コントラストのファントムによる2Dおよび3D電気インピーダンストモグラフィーのデータアーカイブ
要約本論文は、生体医用画像に着想を得た中程度の導電率コントラストを持つファントムから収集された、公開の電気インピーダンストモグラフィー（EIT）測定データを紹介します。データは東フィンランド大学のKIT4およびKIT5 EIT測定装置で収集され、画像再構成アルゴリズムの開発と検証を目的としています。胸部画像に着想を得た円筒形および胸郭形ファントムのデータは2Dアルゴリズムに、抵抗性の頭蓋骨を持つ脳内出血画像に着想を得た頭部形ファントムのデータは3Dアルゴリズムに適しています。測定データに加え、計算メッシュ、再構成のサンプルコード、サンプル再構成結果も提供されています。
説明硬貨の数が多項式個に抑えられた組合せ型ベルヌーイ・ファクトリー
要約本論文は組合せ型ベルヌーイ・ファクトリーの効率的な実装を提案する。このファクトリーは偏りが未知のコインを入力として、期待値がちょうど未知の値xとなる多面体Pの頂点上のランダムな点を出力する。立方体のすべての線形切断（ファクトリーが存在する多面体のクラス）に対して、次元と1/δ*の多項式時間で動作する単一のアルゴリズムを与えている。完全マッチングの場合、その期待コイン投げ回数はO(n^8 δ*^-2 log(n/δ*))である。一方、Niazadeh、Paes Leme、Schneider（STOC 2021）のファクトリーは、一様な二重確率行列においてn^(2n-1)以上の期待回数を要する。
注目点新規性は、すべてのアフィン立方体切片に対して統一的なアルゴリズムを与え、期待コイン投げ回数が次元と1/δ*の多項式で抑えられる点にある。完全マッチングでは既存手法と比較した多項式界を示すと報告。
説明拡張可能な対話型評価：二エージェントLLMパイプラインによるチャット式試験
要約本論文は、学生が論拠を立て、それを支える能力を、テキストによる対話を通じて評価する、大規模言語モデル（LLM）ベースの拡張可能な対話型評価システムを提案している。二つのエージェントが役割を分担し、面接官は学生と直接やり取りする一方、非公開の評価者が採点基準に沿って進捗を把握し、追加質問をするか次の質問に進むかを面接官に指示する。能力レベルや対抗的な手法を持たせた模擬学生で先に検証され、小規模な選択科目のAIリテラシー講座で形成的評価と総括的評価の両方に用いられた。対話記録の審査を通じて、追加質問の生成を改善し、評価では面接官ではなく学生自身が出した考えのみを採点対象とするよう確認したという。
説明非遅延の敵対的MDPへのフィードバック遅延の導入：表形式および線形AMDPにおける最適な√Sと√Kの依存性
要約本論文は、未知の遷移と老腕バンディット型フィードバックをもつエピソード型敵対的マルコフ決定過程（AMDP）における後悔最小化を研究している。著者らは「導入されたフィードバック遅延」という一般的手法を提案し、方針を更新しつつ将来のエピソードのデータを用いて現方針のQ関数を推定する。幾何的再サンプリングと棄却（GRR）、および訪問確率の閾値処理を用いる。論文によれば、表形式AMDPでは高い確率で$\tilde O(\text{poly}(H)\sqrt{SAK})$の後悔を達成し、未解決問題を解決した。線形AMDPでは$\tilde O(\text{poly}(d,H)\sqrt K)$の後悔を達成している。
注目点フィードバック遅延を意図的に導入する新手法と幾何的リサンプリングを提案し、表形式AMDPで√S、線形AMDPで√Kの最適な後悔界を得たと報告している。
説明スパース畳み込みの理論と実証分析：剪定後の疎な重みでエッジ機器の推論を高速化する研究
要約本論文は、計算資源が限られるエッジ機器で、疎な重みを持つ標準的な畳み込みを研究しています。ルーフライン分析により、3×3のスパース畳み込みの演算強度は約10 FLOP/byteで、密な畳み込みの約96 FLOP/byteより低いことを示しています。著者らは高いスパース率で効率的に畳み込みを行う手法を提案し、予備結果としてNVIDIA A100で最大1.65倍、Jetson Nano（Tegra X1）で最大1.52倍の高速化を報告しています。
説明MALNISIによるグラフ構築と重み付き対比損失を用いたGATによるハイパースペクトル画像の教師なし表現学習
要約ハイパースペクトル画像は高次元の情報により、土地利用ごとに識別可能な分光特性を持つ。本論文は、近傍情報に基づいて二画素間の類似度を測るMALNISI指標を提案し、それを重み付き隣接行列の構築に用いて画像をグラフ構造とする。さらに、MALNISI重みを補助特徴として組み込んだ改良型グラフアテンションネットワークと、接続の強さに応じて潜在空間での距離を調整する重み付き対比損失を提案する。得られた低次元埋め込みはスペクトルクラスタリングで分類される。六つのベンチマークデータセットで、十四の最先端手法より優れた性能が示されたとしている。
説明離散変数の折り紙設計における物理的に解釈可能な盆地選択
要約本論文は、折り紙を題材に離散変数の機械設計問題を扱い、自動微分と二段階最適化を用いて各折り目に4種類のヒンジのいずれかを割り当てる手法を検討しています。ベースラインの勾配法は緩和問題ではほぼ全ての試行を解くものの、離散化後の解の成功率は約半分にとどまります。剛性の高い平板ヒンジ寄りの初期化を行うか、外側の損失で挫折性と柔軟性を直接罰則化すると、離散解の成功率が向上することが示されています。
説明eDMD：少ステップ拡散モデル蒸留のための終点分布マッチング手法
要約本論文は、拡散モデルを少ステップで生成する生徒モデルへ蒸留するための終点分布マッチング蒸留（eDMD）を提案している。学生モデルの最終出力のみを用いて共有の偽スコアモデルを学習し、それを各ノイズ除去ステップの補正に使う。SD3-Medium、FLUX.2-klein（4Bおよび9B）、Qwen-Image-2.1での実験では、4ステップ生成において既存の分布マッチング手法を一貫して上回ったと報告されている。
説明LoRAアダプタの容量利用率を最大化し、学習と忘却のトレードオフを緩和する
要約この論文は、LoRAアダプタ（特に高ランクのもの）が設定されたランクの持つ容量を十分に活用できていないことを指摘し、標準的なLoRA更新の有効ランクが設定ランクをはるかに下回ることを示しています。著者らは、言語モデリング損失にSVDを必要としない、単純で安定した微分可能なRényi-2有効ランク正則化項を加えることを提案しています。λ=0.01のペナルティ重みでは、少なくともランク16のすべての設定で、正則化なしのLoRAより平均Wiki困惑度が低下したと報告されています。
説明参照フレームに基づくUAV映像安定化における合意捕捉：動的都市シーンのベンチマーク
要約ホバリングするドローン映像の各フレームを基準フレームに位置合わせする安定化手法を、動的な都市シーンで評価した論文です。移動する車両の対応点が単応性推定を自らの運動に引き寄せる「合意捕捉」を測定するため、静的と動的の二部構成のベンチマークを構築しています。移動物体のマスキングにより捕捉は全手法で解消され、上位手法の順位は変わらないことが示されています。
注目点新規性は「コンセンサス捕捉」という問題の提起と動的シーンのベンチマーク構築にあり、十種の手法を静的・動的プロトコルで評価したと報告している。
説明対話的かつ微分可能な照明のためのニューラルレンダープロキシ
要約本論文は、カメラと材質を固定した静的シーンを対話的な速度で再照明するニューラルレンダープロキシ（NRP）を提案します。光に依存しない一度のレンダリングから経路サンプルを収集し、シーン固有の軽量なニューラルネットワークを学習させます。報告された重照明のフレームレートは約30〜60Hzで、勾配ベースの逆照明ワークフローにも対応します。
説明差分モーフィング攻撃検出のための検証データ誘導型プロンプト選択
要約本論文は、信頼できる現場撮影画像と、顔のモーフィングを含む可能性のある証明書画像を比較する差分モーフィング攻撃検出（D-MAD）を扱います。モデルを微調整せず、パラメータを固定した視覚言語モデルに対し、ラベル付き検証データを用いてプロンプトを選択します。50個の候補プロンプトを生成し、見逃したモーフィング攻撃を重視する安全性指向の損失で順位付けします。被験者が分離された160組のテストセットで、選ばれたプロンプトのモーフィング攻撃分類誤り率は19.17%で、手動の対照プロンプトの70.00%より低くなりました。再帰的な修正は最良の検証損失を上回りませんでした。
説明SpotDiff：リモートセンシング画像のゼロショット変化検出のためのプラグアンドプレイ型フレームワーク
要約本論文は、学習不要のゼロショット変化検出フレームワーク SpotDiff を提案している。DINOv3、AnyUp、SAM 3 などの視覚基盤モデルを組み合わせ、推論時のマルチスケール戦略 SWIMS により小さな対象も扱えるようにし、2時点の再構成特徴を提案領域内で比較して変化を検出する。LEVIR-CD ではF1 82.46 で、従来の学習不要手法の最良値を 2.06 ポイント上回った。基盤モデルの組み合わせが、ラベル不要でスケーラブルな変化検出への有効な道筋だと結論づけている。
説明解析は整っているが誤り：出力形式が小型モデルの意味解析における静かな誤りを左右する
要約本論文は、ピザ注文ベンチマーク上で小型の意味解析モデルが、形式は正しいが内容の誤った木構造を出す「静かな誤り」が、出力形式によって変わるかを検討している。2つのサブ10億パラメータモデルをLoRAで、同じ目標木の六種類の可逆エンコーディングで微調整して比較した。出力を短くするだけでは改善せず、通常の語で書く形式が最も正確で、静かな誤りの割合も下がった。
説明行動者か、評価者か、教師か？長期タスクのエージェントにおける意思決定モデルの役割
要約本論文は、長期タスクを行うエージェントの意思決定モデルを検討し、3つの意思決定モデルと3つの汎用LLMを、ALFWorld上で行動者および評価者として比較しています。また、JEVを教師として用い、強化学習で方策を訓練しました。行動者としての性能が低いモデルでも、エピソード終了後に行動を評価することで、教師としては有効であることが示されています。
説明UAV-Flow++：言語誘導型ドローン飛行の評価・学習のための統合スイート
要約本論文は、簡潔な自然言語指示、一人称視点の視覚観測、現在の状態から連続的な飛行動作を生成するタスク「Flying-on-a-Word（Flow）」を提案しています。実機の専門家操縦軌道30,692件と、シミュレーション環境UAV-Flow-Simの軌道10,109件からなるデータセットUAV-Flowを構築し、FlowVLAモデルとTGRPO事後学習手法を開発しました。273のシミュレーションエピソードで、事前学習済みFlowVLAは平均成功率75.58%を達成し、TGRPOで93.16%まで向上しました。実機実験では、屋内外で物体に相対的な指示を安定して実行できることが示されています。
説明時間における対称性：線形再帰メモリの表現論
要約本論文は表現論を用いて、状態空間モデル（SSM）の状態追跡能力を分析し、対角型の再帰構造が追跡できるのは可換群のみであることを示しています。著者らは四元数チャネルを加えたHyperSSMを提案し、線形時間の推論と並列学習を保ったまま、32個の生成元を持つS5を含む群課題を正確に解けることを報告しています。さらに、学習された重みからジャイロスコープの校正、量子ビットゲインの回転、タンパク質骨格の幾何を復元できることを示しています。
注目点表現論で線形再帰記憶の状態追跡能力を特徴づけ、四元数チャネルを加えたHyperSSMを提案。群タスクを正確に解き、S5も含む。長さ25倍への汎化を報告。
説明引用されたが使われていない：検索拡張生成におけるパラメトリックな出典の問題
要約本論文は、検索拡張生成システムが付与する引用が、回答の実際の出典を正しく示していない場合が多いことを指摘しています。著者らは、検索された文章中の事実を虚偽の値に置き換えて再度問い合わせる反事実的な値の置換によって出典を測定し、引用可能な主張の1.2%から15.7%がモデルのパラメトリックな記憶に由来することを報告しています。また、一般的な自然言語推論による検証は、引用元の段落に限定しても、モデル間で偶然と区別できない結果になることを示しています。
注目点反事実的な事実置換により引用の出所を測定する新手法を提案し、引用の1.2%から15.7%が参照文脈ではなくパラメトリック記憶由来だと報告している。
説明AeroZoo：空気力学の基盤モデル向け適切に定式化された流れ問題のベンチマーク
要約本論文は、非定常レイノルズ平均ナビエ・ストークス方程式の時間平均解3,815件からなるベンチマークおよび学習用データセット「AeroZoo」を提案する。形状7系統、外囲い8構成、レイノルズ数10^3から10^8までを対象とする。このうち2,816件が標準ベンチマークを構成し、形状・外囲い・境界条件配置・レイノルズ数範囲を保留する22の固定分割で評価される。ランダム分割では、境界条件トークンの導入によりGeoTransolverの中央値速度誤差が76.9%から8.4%に低下したと報告されている。データと評価コードは公開予定である。
説明HiVE-VQA：体積埋め込みによる階層的相互作用を用いた動画品質評価
要約本論文は、JEPA系の動画エンコーダを参照なし動画品質評価（NR-VQA）に初めて適用したフレームワーク、HiVE-VQAを提案する。事前学習済みV-JEPA 2.1エンコーダの複数の深さからトークン格子を抽出して時空間ボリュームに積み重ね、コンパクトな3D畳み込みヘッドで融合する。エンコーダは凍結したままヘッドのみ（約520万パラメータ）を学習し、LSVQのみで学習して微調整なしに評価したところ、複数のベンチマークで17の既存手法を上回ったと報告している。
注目点JEPA系動画エンコーダを凍結し多層3D畳み込みで融合する新しい無参照VQA手法；摘要はLSVQで学習し4つのベンチマークで17のSOTA手法を上回ったと報告。
説明視線移動のカスケードと多層組合せ融合による選好検出の向上
要約本論文は、被験者が二つの顔画像を比較する際の視線移動パターンから選好判断を予測できるかを、アイトラッキングデータを用いて検討しています。複数の機械学習分類器を用い、多層組合せ融合（MCF）フレームワークで認知的多様性に基づきモデルを段階的に組み合わせています。実験では、MCFが個別モデルより高い性能を示し、第2層のPre@kは0.9286で、最良の単一モデルの0.90を上回りました。
説明ロジスティック回帰へのポイズニング攻撃に対する凸解析的再定式化
要約本論文は、ℓ2正則化付きロジスティック回帰に対するデータポイズニング攻撃を扱う。攻撃者は、指定されたラベルを持つ固定数の注入観測値の特徴量を選び、クリーンな学習データ上のロジスティック損失を最大化する。防御側問題の強凸性から、一階最適性条件による厳密な再定式化が得られ、softplus関数の凸共役を用いて攻撃者の目的関数を凹関数として表す。8つの二値分類データセットでの実験では、局所最適化による攻撃は多くのデータセットで予測性能を低下させ、凸解析的定式化は制限時間内でより強い報告上の双対限界を生成した。
説明ISLA：座標に依存しない測度重み付き境界駆動PDE向けTransformer
要約本論文は、定常的な境界駆動型偏微分方程式を対象とするISLA（不変スライスアテンション）モデルを提案する。学習される演算はいずれも座標を直接受け取らず、境界上の総和は求積として計算されるため、剛体運動や反転、単位系、メッシュの細分化に対して一貫した結果を与える。形状・寸法・速度・境界条件が異なる2,816の流れからなるAeroZooでは、速度と圧力の平均参照スケール誤差が、いずれの基準モデルよりも少なくとも3.1倍、3.3倍低い。AirfRANSでは、境界積分モデルGLOBE（GLOBE）に次ぐ誤差で、TransolverおよびGeoTransolverよりも少なくとも1.6倍低い。
注目点剛体変換と単位不変性をスライス注意機構に直接組み込む点が新しく、AeroZooとAirfRANSで基準モデルより誤差が低いと報告している。
説明小児ECMO治療に向けた、限られた臨床データによるサポート制約付きオフライン方策改善
要約本論文は、小児のECMO（体外式膜型人工肺）管理を支援するためのオフライン強化学習フレームワーク「FQI-SC」を提案している。最適化を経験的に裏付けられた状態・行動の組み合わせに限定し、データの少ない領域では臨床医の方針を既定値とする。78件の小児治療軌跡（6000時間超の臨床データ）で評価し、性能と安全性のトレードオフを表す統一的なバランススコアも導入している。
説明論文に忠実な連合学習：実践者とエージェント開発のための科学的チェック
要約本論文は、制御可能で再現性のある連合学習実験のための研究用コードベースFedBrewを紹介する。設定の検査、識別可能なクライアントデータ分割、チェックポイント復旧の検査、自己記述的な実行記録、科学的条件の開発時検査により、実験が意図したプロトコルに従っているかを確認する。例えば、クライアントの分割が互いに素で網羅的か、集約の重みが規定ルールに一致するかを検証する。また、研究者やAIコーディングエージェントが追加する新しいアルゴリズム、データセット、モデル、タスクに対して、拡張点と自動検査を提供する。
説明パラメータ効率の良い簡潔性適応：小規模言語モデルで簡潔な臨床推論を行うための微分可能な長さ制御
要約本論文はPECA（Parameter-Efficient Conciseness Adaptation）を提案し、QLoRA教師あり微調整の目的関数に微分可能な簡潔性項を一つ加えます。生成が令牌の予算を超えると文末記号の確率を高めるため、選好データや補助モデル、専有の教師モデルは不要です。17億パラメータのモデルで平均応答長を72.8%削減し、選択式の診断正答率は40.8%から44.0%に向上しました。簡潔性の強さを変えることで、正確さと長さの関係を示す曲線が得られます。
説明STeP-C：大規模分散型光ファイバセンシング向けのリアルタイム・ニューラル圧縮手法
要約本論文は、空間符号化・時間予測・エントロピー最適化された残差符号化を分離し、レート歪み目的関数で端から端まで学習するニューラル圧縮フレームワーク STeP-C を提案している。著者らは、ストリーミング運用の主要なボトルネックがエントロピー符号化であるとし、GPU側のシンボル計算、確率テーブルのキャッシュ、GILを用いない並列算術符号化で対処している。ライブのDASテストベッドでは、ファイルサイズを98.85%削減し、全帯域PSNR 31.04 dB、平均スループット535 MB/sを達成したと報告している。
説明エネルギーピクセル法で高解像度結合モデル学習に必要な第2世代DELの規模を推定する
要約DNAコード化ライブラリ（DEL）は標的タンパク質に結合する低分子を見つけるために広く使われていますが、難しいのは命中化合物の発見ではなく、その後の創薬化学を導けるほど精度の高い機械学習モデルの構築です。本論文は、結合を標的上のピクセルと配位子上のアンチピクセルという独立した小さな相互作用の和とみなし、通常のDELで測定された親和性の分布のみから、命中化合物の周辺を十分密に標本化し強い結合物を十分数含むのに必要な第2世代DELの複雑さを推定します。また、ランダムに設計した第2世代DELの予想収率も推定でき、機械学習や能動学習による設計の効果を測る基準になります。
説明MMDにおけるベルマン縮約の統一フレームワーク
要約本論文は、最大平均不一致（MMD）の下での分布型ベルマン作用素の縮約性を研究する数学的枠組みを提案する。縮約性は、基底カーネルから構成される「ベルマン差カーネル」の条件付き正定値性に帰着することを示し、動径カーネルについてはシェーンベルクの定理とベルンシュタイン関数を用いて判定基準を与える。この枠組みはガウスRBF、べき距離、多重二次カーネルの既知の結果を統一し、数値探索により縮約を引き起こす11個の新しいカーネルが見出された。
注目点MMD下の分布ベルマン作用素の縮小性を条件付き正定値性に帰着させ、Schoenbergの定理とBernstein関数を用いて任意次元の判定基準を与えたと報告している。
説明自律型AIのための制度設計：AI研究の独立したテーマとしての制度の設計
要約本論文は、自律型AIエージェントが持続的な集団の中で相互作用するようになるにつれ、その集団的な能力や整合性は個々のモデルだけでなく、相互作用を統治する制度にも依存すると論じています。制度政治経済学、社会認識論、組織理論に基づき、協力の維持、信頼できる集団的判断、正当な人間の目的への説明責任を支えるための七つの原則を提示しています。機械科学を例に応用を示し、代替的な制度のもとで同等の集団を比較する実験研究計画と、自律型研究エージェント向けのAPI優先型学術誌MoltJournalを紹介しています。
説明時系列学習による孔隙空間の変化と流体変位の定量化精度の向上
要約本論文は、Transformerに基づく四次元（三次元空間と時間）セグメンテーション手法を提案し、連続した時間分解マイクロCT画像を用いて、実際の物理的変化とセグメンテーション誤差を区別します。鉱物溶解の画像では、時間情報を無視した同等の三次元モデルより、孔隙体積の増加と岩石境界をより正確に測定し、透過率の上昇も捉えられることが示されています。この手法は再学習なしで別の溶解試料にも適用できます。さらに、流体変位の二つのデータセットでは、岩石や孔隙率の見かけ上の変動を減らし、充填事象を正確に特定しました。
説明SALA：意味的に整列された潜在行動による身体性基盤モデルの二軸スケーリング
要約本論文は、人間の一人称視点動画とロボットの行動との意味的対応を確立し、共有された潜在行動空間を学習するSALAという手法を提案している。対になっていないデータについて、人間とロボットの各クリップの言語記述を用いて意味的類似度を推定し、ロボット行動の再構成によって潜在空間を制御に結びつける。著者らは、一般的な人間動画の事前学習量を増やすと下流タスクでのロボット行動予測誤差が減少し、タスク特化の人間動画による事後学習量を増やすと実世界でのロボットタスクの成功率が大幅に向上すると報告している。
説明敵対的文脈付きバンディットにおける準最適後悔上界のオラクル効率的アルゴリズム
要約本論文は、K個の行動、N個の方策のクラス、学習者がサンプルできる分布から独立同分布に得られる文脈を持つ文脈付きバンディット問題を扱う。著者らは、事後的に最良の方策に対して期望後悔がO(√(KT log(2N)) log(2KT))となるオラクル効率的アルゴリズムを提示し、先行するオラクル効率的な上界におけるT^{2/3}の時間依存性を改善して、対数因子を除きこの設定での最適な後悔率を達成したと述べている。アルゴリズムはポアソンサンプリングされた補助文脈を用いて方策スコアを摂動し、射影確率的勾配降下法で最適なスケールを近似する。
注目点オラクル効率的な敵対的文脈付きバンディットの後悔上界を、T^{2/3}から対数因子を除いて最適な√T型へ改善し、ラプラス摂動と確率的勾配降下で実現する。
説明LazyWeights：オンデマンド復号によるエッジ向けLLM
要約本論文は、エッジ機器のメモリ容量と帯域幅の制約に対応する手法LazyWeightsを提案する。既存の量子化形式を維持しつつ、GPTQを調整して量子化コードを圧縮しやすくし、ハフマン符号で可逆圧縮したうえで、DRAMとL2の間の小型ユニットで必要に応じて復号する。GPUカーネルは変更不要である。専用復号ユニットのASIC試作とFPGA上での動作検証も示されている。
説明擬似相関の切り分け：テキスト分類における多様なショートカットとIRMの対処法
要約本論文は、テキスト分類モデルが方言の標識などの擬似相関に依存し、頑健な言語的特徴を十分に使えず、分布外（OOD）汎化が低下する問題を扱っています。著者らは因果性に基づく枠組みを用い、ラベル生成特徴、交絡、選択バイアスの三つのショートカット生成機構の下で不変リスク最小化（IRM）を評価しています。合成データでは、IRMが複数の因果構造においてショートカットを排除できることが示されました。さらに、Bias in Biosの性別と職業の関連やActorCorrの意味を持つ俳優名のショートカットでは、一定の緩和効果が見られる一方、意味のある特徴には不変性ペナルティの慎重な調整が必要であるとされています。
説明サル肝臓組織像からエタノール摂取状態を予測：少数例視覚言語モデルにおけるパラメータ効率的微調整の概念実証
要約本研究は、視覚言語モデルとパラメータ効率的微調整を組み合わせ、少数例の全スライド画像分類に応用できるかを検討したものです。モンキー・アルコール組織研究リソース（MATRR）の一部のデータを用い、霊長類肝臓の組織像からエタノール摂取状態を予測しました。すべての微調整構成は、非微調整の基準よりも高い平均バランス精度を示しました。例えば4例設定では、ABMILのみで43.5%、アダプタ追加後は78.1%でした。
説明TuMAP：腎尿細管リモデリングを定量化するための二重視点・形態型認識病理オミクス解析パイプライン
要約本論文は、基盤モデルによる表現、形態型の暫定的注釈、病理オミクス解析、患者単位の統計推論を組み合わせたTuMAPパイプラインを提案し、疾患に関連する腎尿細管リモデリングを定量化する。PAS染色の腎生検スライド358枚中の456,158本の尿細管から、画像ベースの八つの形態型を同定し、六つの診断群の219名の患者を比較した。
説明データ不要のモデル統合のための共同零空間射影（JNSP）
要約本論文は、データ・ラベル・勾配更新を一切必要とせず、独立に微調整された複数のチェックポイントを一つのマルチタスクモデルに統合する手法JNSP（Joint Null-Space Projection）を提案している。各タスクの重み差分について、そのタスクが表現を最も大きく動かす入力方向の上位部分空間を求め、他タスクの部分空間の和に含まれる成分を各タスクベクトルから取り除く。八つのCLIP画像分類タスクでは、ViT-B/16の統合モデルの平均精度が89.45%となり、比較対象の訓練不要ベースラインを上回った。一方、RoBERTa-largeでは単純なタスク算術より性能が低かったことも報告している。
説明xDAWNとフィルタバンク畳み込みを用いたP300検出のためのコンパクトな時空間ネットワーク
要約本論文は、P300ベースの脳コンピュータインタフェース（BCI）で脳波を解読するための小型の深層学習モデルを提案しています。xDAWN空間フィルタリング、固定の周波数選択フィルタバンク、畳み込みによる特徴学習を組み合わせ、深さ方向分離畳み込みで計算量を抑えています。目標・非目標分類器の学習可能パラメータは5,100個です。2つの公開データセットで評価され、BCI Competition IIIでは刺激反復2回で17.8 bits/min、BCI Competition IIでは40.5 bits/minの情報転送速度を達成しています。
説明AIデータセンターの電力調達：建設スピードが単価より重要な理由
要約本論文は、米国大陸部におけるAIデータセンターの電力供給方式を比較しています。系統接続、太陽光と蓄電池の組み合わせ（交流連系・直流連系）、オフグリッドの天然ガス発電を対象としています。著者らは、建設の速さによって前倒しで得られる計算能力を評価する「速度調整済みエネルギーコスト」を提案しています。結果として、直流連系は平均で生涯エネルギーコストを18%削減し、失われる計算能力を考慮すると、米国の85%の地点で直流連系マイクログリッドが最も低コストになるとしています。
説明SALT：リモートセンシングにおける単時相・クロスデータセット構造物局在化のための状態整列型低ランク転移
要約本論文は、位置合わせされた二時期画像に依存しがちなリモートセンシング変化検出の課題に対し、現在の単一画像のみを用いて、ラベル付きソースデータセットから建物などの構造物領域を未知のターゲット画像へ転移する手法を扱います。提案手法SALTは、DINOv3バックボーンを凍結し、正負の構造状態を学習するとともに、状態整列型低ランク適応（SALA）によってパッチ特徴を補正します。LEVIR-CDとWHU航空建物データセットを用いた両方向の転移実験で、ピクセルレベルの指標において四つのベースラインを上回り、学習可能パラメータは0.068M、1画像あたりの処理時間は40.2msです。
説明LoRAによるドメイン適応における推論監督と能力保持の研究
要約本論文は、低ランク適応（LoRA）を用いてQwen3-8Bを金融分野向けに微調整し、汎用能力を保ちながら性能を高める方法を検討しています。応答のみの学習、教師モデルの推論過程を加えた単一アダプタ学習、推論と答えを別々に学習する二重アダプタ学習の三方式を比較しています。応答のみの学習はドメイン内性能を向上させ、汎用能力は凍結モデルに近い水準に保たれました。推論過程を含む学習はドメイン内指標で劣り、二重アダプタ学習にも追加の利得は見られませんでした。
説明プログラム進化によって有効なエージェント記憶設計を発見する研究
要約本論文は、最小限の種から出発し、標準化されたライフサイクルインターフェースと反復的な診断－提案ループによって記憶プログラム全体を進化させるMAPEフレームワークを提案している。LoCoMoおよびLongMemEvalでの実験では、人手で設計された基準手法に比べて最大12%の絶対精度向上を、サービングコストの35%で達成したと報告されている。さらに、原文会話を検索可能な証拠として保持することや、検索された証拠を問い合わせの意図に応じて組み合わせることが有効な設計パターンとして示されている。
注目点プログラム進化によりエージェントのメモリ設計を自動探索し、2つのベンチマークで検証した点に新規性がある。作者は最大12%の精度向上と低コストを報告している。
説明溶融塩高速炉の熱水力解析向け、不変ニューラルネットワーク渦粘性閉包と反復ソルバー連成手法
要約本論文は、粗いメッシュ上で代数的な混合長モデルに依存するシステム熱水力コードSAMの課題に対し、非平衡乱流や流れの剥離、再循環を扱える不変ニューラルネットワーク型の渦粘性閉包を提案し、溶融塩高速炉（MSFR）に適用したものである。本モデルは乱流輸送方程式を解かず、近傍要素の流れと形状から渦粘性を予測する。Nek5000の高精度場データで学習したネットワークをSAMの粗いメッシュ上で用いるため、反復的な再学習によって分布のずれを補正している。120秒のポンプ惯性停止過程では、速度誤差が混合長モデルの37.6％から17.7％に半減し、計算コストはNek5000の約1000分の1とされている。
説明Ropedia Xperience 2：物理AIの環境と行動をスケールさせるためのゴールドスタンダード
要約本論文は、公開された1,589件のメートルスケール3Dスキャンと、74タスク（131時間）にわたる4,230件の一人称視点録画からなるデータセット「Ropedia Xperience 2」を紹介します。各収集データはロボット学習に転用でき、シーンは物理的に相互作用可能なシミュレーション環境に変換され、人の動きは全身のロボット軌道へリターゲットされ、仮想遠隔操作と自動化された長期軌道生成によって追加のロボット行動が得られると示しています。著者らは、環境と行動を同時に収集するこの方法を物理AIデータ収集のゴールドスタンダードとして提案しています。
説明在線適合的リスク制御における容量制約付き遅延フィードバック手法（CA-OCRC）
要約本論文は、オンライン適合リスク制御（OCRC）でフィードバックが遅延し、限られた追跡資源により一部が失われる問題を扱います。提案手法CA-OCRCは、確率的な追跡方針で現在のラウンドのフィードバックを追跡するか、またどれだけ追跡するかを決め、逆確率重み付けで予測集合を更新します。任意およびランダムな遅延下のリスク上界を分析し、代理遅延分布を最適化して追跡容量のスケーリング則を示します。医療画像、自然言語処理、コンピュータビジョン、無線通信での実験で有効性を確認しています。
説明構造化電子カルテ予測タスクにおける事前学習言語意味論の評価
要約本論文はtEHRという手法を提案し、電子カルテの臨床イベントを自然言語の説明で表現し、事前学習済みの因果言語モデル（バックボーンはMistral-7B-v0.3）を用いて電子カルテ適応型の継続事前学習を行い、LoRAによるタスク別微調整を加えています。MIMIC-IVの4つの予測タスクおよびCPRDにおける膵臓がん予測（予測期間1〜12か月）で評価され、全体として最も高い性能を示しました。アブレーション実験では、臨床説明の除去や不一致、数値の省略、いずれかの適応段階の削除により性能が低下することが示されています。
説明AI査読者の監査：実際の科学論文を用いたベンチマーク
要約本論文は、実際の論文に一般的問題、数学、数値、引用の4種類・3段階の重大度の誤りを注入し、AI査読システムの検出率と、誤りのない原稿に対する誤検出率を測定するベンチマークを提案しています。また、引用文献の取得、計算機代数、コード実行によって主張を検証するマルチエージェント型査読システムSkepthicalを提示しています。天体物理学と機械学習の2つのコーパス（計357件の誤りを注入）で12の査読システムを評価した結果、モデルの選択が検出率に最も大きく影響することが示されています。
注目点新規性は、実論文に局所的に定位可能な誤りを注入してAI査読者を評価するベンチマークと、文献検索・計算代数・コード実行を組み合わせたマルチエージェント査読器の提案にある。天文学と機械学習の実プレプリント計357の誤りで検証している。
説明AURA 2.0：ユーザー主導の応答からモデル主導の会話へ（ストリーミング動画）
要約本論文は、ストリーミング動画向け大規模言語モデルAURA 2.0を提案します。既存のAURAに三つの機能を追加し、モデルが映像の流れの中で話題を見つけて自ら会話を始められるようにし、現在の映像と会話の文脈に基づいて外部ツールを呼び出せるようにし、ユーザーが指定した物体を映像フレーム上で特定して境界ボックスで示せるようにしています。専用のストリーミング対話データセットと三段階の学習方式を用い、長時間の対話を保つための記憶機構も組み込んでいます。公開ベンチマークでオープンソースのストリーミングモデルの中で先進的な性能を示し、モデル重みと推論コードを公開しています。
説明委任から協調へ：効率的なマルチエージェント深層リサーチの学習
要約本論文は、マルチエージェント深層リサーチシステムにおいて、主エージェントとサブエージェントを協調して学習させる方法を検討している。提案手法 LEAD-RL は、学習時にルーブリックで各サブエージェント報告の研究上の有用性を評価し、継承するチーム優位性を調整する。チーム報酬は最終回答の正しさのみを用いる。五つのベンチマークと二つのモデル系統で回答品質の向上を示し、BrowseComp では共有チーム信用による共同学習と比べ、正答率が 2.49 ポイント向上し、クリティカルパスのコストが 24.5% 削減された。
説明視覚基盤モデルは実は脳波（EEG）基盤モデルである
要約脳波（EEG）を視覚トランスフォーマーが読める画像として描画すると、EEG未学習の視覚基盤モデルが、専用のEEG基盤モデルより優れた凍結エンコーダになると示す論文です。提案手法SeeEEGは視覚バックボーンを凍結し、EEGの表示方法のみを学習します。1視点あたり最大1,113個の学習可能パラメータです。八つの臨床・睡眠・感情・ブレイン・コンピュータ・インターフェース用データセットで、凍結したDINOv3 ViT-Bを用いたSeeEEGが七つのEEG基盤モデルを平衡精度で上回りました。
注目点新規性は脳波を画像として描画し、視覚基盤モデルを凍結して表示パラメータのみ学習する点にある。摘要では8データセットで7つの脳波基盤モデルを上回り、ランダム初期化との比較も報告されている。
説明類似しているが冗長ではない：高粒度トピックモデルのための埋め込みゲート型反復的洗練
要約本論文は、コーパスから数百の細分化されたトピックを抽出する高粒度トピックモデリングを扱い、従来「過剰クラスタリング」とみなされてきた現象が、真の冗長性と意味的に類似しつつも意味のある違いを持つトピックを混同していると指摘します。提案手法EGIM（埋め込みゲート型反復マージ）は、埋め込み類似度で候補の統合ペアを挙げ、LLMの判断で真に冗長なものだけを統合します。二つの特許コーパスと一つの法律コーパスでは、LLMが埋め込みで特定された候補の83%を非冗長と判断し、従来の反復LLMベースラインと比べて統合後のトピックの識別性が25〜55%向上しました。
説明空間と時間の両方で局所的な自己教師あり学習（時間正則化学習TeReL）
要約本論文は、逐次入力ストリームからの自己教師あり表現学習のための、空間的にも時間的にも局所的な学習則「時間正則化学習（TeReL）」を提案している。時間的に隣接するサンプルを正例とし、勾配を計算しない移動母集団統計量を用いたVICReg形式の目標を使い、有界な状態を持つニューロン単位のオンライン損失を実現している。クラスごとに分割したMNISTストリームで、バッチサイズ1で学習した2層全結合ネットワークは、線形プローブ精度96.48%を達成し、ランダム特徴（95.09%）や従来の慢性特徴分析（SFA）を上回った。
説明生物学者のためのAI：エージェント型システム時代における基盤モデルの知識境界
要約本論文は、数百万件の塩基配列、タンパク質、単一細胞データで学習した生物学用基盤モデルと、それらを道具として呼び出す大規模言語モデル搭載のエージェント型システムを扱う総説です。モデルの出力が信頼できる入力・課題・条件の範囲を「知識境界」として定義し、データ、アーキテクチャ、学習方式、評価方式、後解析の五つの設計要素がその境界を規定すると提案しています。現行モデルの成功例と失敗例の証拠を検討し、研究者やその代理として動くエージェントが信頼して利用できるよう、モデルの限界を標準化して記述する方法を示しています。
説明ランダムな探索は本当にランダムである
要約本論文は、選択肢が現在最良に見えるものに固執しにくくなる「ランダム探索」について検討している。ホライズン課題の1,392名・1,270,695試行の集計データを用い、より表現力の高いニューラルネットワークモデルで、この変動の中に決定論的な構造を復元できるかを検証した。ニューラルネットワークは従来モデルより全体的に行動をよく説明したが、長い時間的地平での選択は依然として短い地平での選択より予測しにくいままであった。
説明スキルアダプター：汎用スキルの個別化修正とオンラインルーティング
要約本論文は、汎用スキルを利用者ごとに修正し、オンラインで選択する仕組みであるスキルアダプター（Skill Adapter）を提案している。利用者の要件と実行フィードバックから局所的な調整を抽出し、汎用スキルに紐づくアダプターとして保存する。ルーティングエージェントが現在のサブタスクと実行状況に応じてスキルとアダプターを選択する。ALFWorld、WebShop、SkillsBenchの3つのベンチマークでSkillRLと比較し、タスク成功率が平均11.43ポイント向上し、平均実行時間も短縮したと報告している。
説明非線形時間最適モデル予測制御を、データ効率よくリアルタイムにニューラル模倣するための統合アーキテクチャ
要約計算コストが高く高速系でのリアルタイム利用が難しい非線形時間最適モデル予測制御（TOMPC）の制御則を、ニューラルネットワークで模倣して在線計算量を減らす研究です。学習済みの残り時間を使い、方策が時間最適な振る舞いから外れる箇所だけ専門家に問い合わせる自己情報サンプリング（SIFS）を提案し、学習・制御の全体アーキテクチャを示しています。フルタ振り子での実機検証では、制御周波数が1.4 Hzから1 kHzに向上し、振り上げと安定化の軌道が専門家TOMPCの解に近いことが示されています。
説明AnalogLayoutWorld：エージェント型アナログレイアウト設計のためのオープンベンチマーク
要約本論文は、固定されたトランジスタレベルのネットリストからエンドツーエンドでレイアウトを生成する、40の専門家レビュー済みタスクからなるオープンソースのエージェント向けベンチマーク「AnalogLayoutWorld」を提案している。統合設計環境と、独立した物理検証およびポストレイアウト電気検証、ならびにアナログレイアウト専門家と共同設計した客観的品質指標を組み合わせている。13のモデル・ハーネス構成で評価したところ、試行の91.1%がGDSレイアウトを生成したが、受け入れ基準を満たしたのは23.0%にとどまった。
説明Primer：教師主導の教育シミュレーション作成のためのAIフレームワーク
要約本論文は、オープンソースでLLMに依存しないAI支援システム「Primer」を紹介しています。教育者が教科、授業、学生に関する知識を提供し、生成AIが学生向けに応答的な練習の変化形を作成します。Primerはマルチエージェントシステムを用い、学習体験全体を通じて教師の指導意図を実行することを目指しています。
説明ElasticDino：弾性変形を用いた高密度な意味特徴量の抽出手法
要約本論文は、視覚Transformerの出力を高解像度で入力画像の細部に沿った密な特徴マップに変換する軽量アダプタ「ElasticDino」を提案している。空間変形に基づく簡潔な構造により、鋭い意味情報を保ちつつ平滑化の偏りを避ける。正解データがない中で、線形ヘッドによる画素単位の分割と深度推定を用いて変形過程を導く。複数の密な予測ベンチマークで既存手法より高い精度と良好な計算性能を示したとされる。
説明既知のルールをコンパクトなニューラルエージェントへコンパイルする：未知のゲームに対する重み空間プログラミング
要約本論文は、言語モデルを用いて学習なしにニューラルネットワークの重みを構成する重み空間プログラミング（WSP）を扱います。既知のゲームのルールをコンパクトなエージェントにコンパイルでき、同じゲームファミリー内の未見のレベル、描画、開始状態にも汎化できるかを検証しています。20の非公開ゲームファミリーで、フィードバックがある場合、最も強い作成者は固定パラメータ数57kの再帰型ネットワークで未見レベルの成功率56%に達し、主要な4つの作成者によるPythonプレイヤーは97〜100%に達しました。
説明アルツハイマー病における形態論的単純化：連続発話の計算分析と識別
要約本研究は、アルツハイマー病（AD）患者と健常対照者の、看図描写（Cookie Theft）による連続発話の形態的特徴を分析し、計55の自動指標を算出しました。AD群では接尾辞付き語や屈折語が少なく、動詞・名詞が短く、現在進行形が減り過去時制が増える一方、誤りは両群でほぼ同等でした。テストセットでの特徴選択では形態論の宏F1値は0.85に達し、統語論と同等で、微調整されたBERTを上回りました。著者らは、ADの連続発話は崩壊ではなく形態的単純化を示すと結論づけています。
説明思考の価値：ハイブリッド意思決定モデルで推論すべき時を学習する
要約本論文は「ゼロまたはT回の思考」という方式を提案する。同一モデルが、1回の順伝播内の暗黙的思考だけで、トークンを生成せずに回答するか、T個のトークンのコストを払って完全な自己回帰推論を行うかを選ぶ。凍結したバックボーンと軽量な自己ルーティングブロックからなるハイブリッド意思決定モデル（HDM）を構築し、低速モードが高速モードに加えると見込まれる効用を推定する。エピソード型タスク向けの強化学習手法CDPOも提案され、複数のベンチマークで評価されている。
説明Lara Mini Base：言語の多様性をトレードオフではなく資源として扱う言語モデル
要約本論文は、英語と他の44言語（合計6Tトークン）で一から学習させた言語モデル Lara Mini base を紹介する。これらの言語はEUの公用語24言語すべてを含む。混合専門家（MoE）構造を採用し、総パラメータ7.2B、活性パラメータ0.6Bである。論文は、活性パラメータ2B以下の公開ベースモデルの中で平均スコアが最も高く、生成速度も速いと報告している。
説明加齢黄斑変性の晩期進行を予測するための疾患特異的網膜老化バイオマーカー
要約本論文は、眼底画像から加齢黄斑変性（AMD）に関連する網膜の老化度を定量化する指標「眼底AMD年齢（FAA）」を提案している。AREDSデータセットの36,782枚の画像（2,192名）で学習し、AREDSおよびAREDS2のコホートで検証した。FAAをCox比例ハザードモデルに組み込むと、暦年齢のみの場合より予測性能が向上し、AREDSではC指数が0.836から0.888に改善した。
説明S1-Evo：型付きSystem-1意思決定モデルに対する経験誘導型証拠競争攻撃の手法
要約本論文は、LLMエージェントのルーティング、審査、認可に使われる型付きSystem-1（S1）意思決定モデルを対象とした自己進化型フレームワークS1-Evoを提案している。契約認識型の証拠チャネルで信頼できない入力フィールドを摂動させ、事実の不変性を保ったまま元のタスク証拠との証拠競争を引き起こす。方向性マージンに導かれたフィードバック探索で候補を最適化し、検証済みの反転事例を経験カードとして蓄積して、未見のタスクにもその経験から摂動を構成する。
説明Mantis 2：汎用の感染症予測モデル
要約本論文は、シミュレーションによる流行データと実際の監視データを組み合わせて学習させた感染症予測の基盤モデル「Mantis 2」を提案している。地域の監視履歴が限られている場合、シミュレーションを多く用いた学習が特に有効であることが示された。Mantis 2は最大6つの変数を16週先まで同時に予測し、30の予測課題で比較対象の機械学習・統計・ベースラインモデルより高い総合的な確率的精度を示した。モデルは公開されている。
説明並列化すると時間は速く過ぎる：線形再帰によるパレート効率的な時系列基盤モデル
要約本論文は、Mamba-3 に基づく時系列基盤モデル ci-proto を提案する。線形の状態再帰により、学習時には時間方向のチャンク単位の並列計算が可能で、推論コストは系列長に対して線形に増加する。時間方向の再帰処理と変数間の注意機構を交互に用い、多変量の確率的予測に対応する。論文によると、fev-bench の 100 の予測タスクで ci-proto XL が時系列基盤モデルの中で新たな最高水準を達成し、五つの変種はパラメータ数と中央値の実行時間に対するパレートフロンティアを構成する。
説明Kezek：単一チャンネルの二人会話を話者ごとのトラックに分離し、全二重対話データを作成する手法
要約本論文は、話者ごとに分かれていない単一チャンネルの二人会話録音を、元の長さと時間軸を保ったまま話者別トラックに分けるモデルKezekを提案します。重なった発話や「うん」などの短い相槌は、それを発した人のトラックに残ります。第1段階では位相に不変となるよう学習した話者指紋を用いた二声話者活動モデルで発話の時間と話者を決め、第2段階では条件付き時間領域分離器がその決定に従って音声を分けます。出力の総和は常に入力と一致します。公開パイプラインpyannoteとDialogueSidonと比べ、短い相槌の保持率が高く、他方の発話への漏れや話者の入れ替わりが少なく、処理速度は4〜5倍です。