AI アルゴリズム · 諦聽 Diting Lab技術論文と世界の暗号資産規制をひと目でurn:diting-lab:feed:ja/papers/ai/feed.xml2026-10-29T01:59:02+09:00Diting Lab説明と要約は原文をもとに AI が自動生成したものです。日付・比率・金額は原文と照合していますが、誤りが含まれる可能性があります。必ず原文をご確認ください。本サイトは法律・税務・投資の助言ではありません。取引エージェント群におけるテスト時通信：同質化と追随行動に関する研究urn:diting-lab:ja:doc:2946802026-10-28T00:00:00+09:002026-10-29T01:59:02+09:00Test-Time Communication in Trading Agent Swarms
arXiv · 2026年10月28日本論文は、独立した取引エージェントが異なる通信条件下でどのように振る舞うかを調べたものです。4つのモデルファミリーの200体を10体ずつのグループに分け、2026年10月1日から9日までの米国取引日7日間で実験を行いました。二つのモデルファミリーでは、通信できるグループが隔離されたグループより多くの同じ銘柄を保有しました。また、グループの収益は主に、メンバーが共通して保有していた銘柄の収益によるものでした。事前学習中に何が向上するか：時点モデルによる知識獲得の追跡urn:diting-lab:ja:doc:3015212026-10-28T00:00:00+09:002026-10-28T18:18:08+09:00What Improves During Pretraining? Tracking Knowledge Acquisition with Point-in-Time Models
arXiv · 2026年10月28日複数年分のウェブコーパスで事前学習された言語モデルは、一般的な知識と分野固有の知識の両方を学習します。事前学習の進行に伴ってこれらの知識がどのように学ばれるかは不明です。本研究は、各年のウェブスナップショットで訓練された時点モデルを用い、モデル間での項目の負の対数尤度の変動係数として時間的変動性スコア（TVS）を提案します。6つのベンチマークと6つのモデルでの評価では、高TVS項目は後半により速く向上し、事前学習終了時には36のモデル・ベンチマーク設定中34で低TVS項目を上回り、機会補正精度で平均7.3ポイントの優位がありました。TeamGym：分散情報下でのAIエージェントのチーム意思決定を訓練・評価する環境urn:diting-lab:ja:doc:3015042026-10-28T00:00:00+09:002026-10-28T18:18:08+09:00TeamGym: A Gym for Team Decision-Making by AI Agents with Distributed Information
arXiv · 2026年10月28日論文はTeamGymを提案します。法律、金融、医療、ソフトウェア工学の実データから作ったチーム意思決定の問題で、言語モデルベースのエージェントを評価・訓練する環境です。正しい最終判断に必要かつ全体として十分な最小の事実集合を「枢要情報」と定義し、エージェントがそれを識別・統合できるかを測ります。8つの言語モデルを12の元コーパスで調べた結果、枢要情報を参加者に分散させると、単一モデルに同じ情報を与える場合に比べ平均で成功率が22.9ポイント下がりました。強化学習でポリシーを訓練すると、最終判断の質が向上し、発言や意思疎通などの協調行動も現れました。Honeycomb-Surfels：効率的なシーン描画・再構成のための小型六角形プリミティブurn:diting-lab:ja:doc:3015372026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Honeycomb-Surfels: Compact Hexagonal Primitives for Efficient Scene Rendering and Reconstruction
arXiv · 2026年10月28日本論文は、一次の空間色場を持つ平面六角形の表面要素Hexelsを提案し、3Dシーンと2D画像を効率的に表現する手法を示す。34シーンの実験では、メモリを揃えた2DGSと比べてPSNRが4.53〜7.38 dB向上し、学習時のVRAMも少なくなっている。3D表面再構成では、15のDTUスキャンで誤差が28.9%減少し、6つのTanks and Templesの表面シーンでは平均F1が34.38%で、2DGSの31.72%を上回った。ThinkWorld：世界想像で動力連鎖推論を強化し、人の動画からロボット操作を学ぶ手法urn:diting-lab:ja:doc:3015362026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning
arXiv · 2026年10月28日本論文は、視覚・言語・行動（VLA）ロボットモデルのためのThinkWorldという学習フレームワークを提案しています。行動の推論を、現在の状態から将来の状態へ至る中間の動きを表す離散運動トークン列「Chain-of-Dynamics（CoD）」として表現し、その予測が実際の結果とよく一致するものを強化学習で強めます。これにより行動ラベルのない動画からも観測された状態遷移による監督が得られ、人とロボットの経験が同じ推論空間を改善します。シミュレーションと実機実験では、人からロボットへの転移と未知のタスク・環境への汎化が示されています。離散トークンは視覚信号を意味的に損失なく表現できるか？離散的な記号で画像を表すときに量子化によって意味情報が失われるかを調べ、新しい量子化手法を提案する論文です。urn:diting-lab:ja:doc:3015352026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Can Discrete Tokens Serve as Semantically Lossless Representations of Visual Signals?
arXiv · 2026年10月28日論文は「量子化誤差は必ず意味の損失を招く」という前提に疑問を投げかけ、誤差が大きい離散表現の方が理解性能が高い場合があることを示しています。重要なのは離散インデックスの有効ビット予算であるとしています。著者らは因子化ベクトル量子化（Factorized Vector Quantization）を提案し、対称な並列コードブックで視覚特徴の相補的な視点を量子化します。ビット予算が増えても性能が向上し、マルチモーダル理解で連続表現に並ぶとしています。
★★★★ 注目：量子化誤差が必ず意味損失を生むという前提を再検討し、因子化ベクトル量子化を提案。摘要では多モーダル理解で連続表現に並ぶと報告されている。テスト時にいつ介入すべきか：介入の時期とラベル照会を制御する PORTAL 手法の提案urn:diting-lab:ja:doc:3015342026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00When Should We Intervene at Test Time?
arXiv · 2026年10月28日本論文は、展開後のモデルがテスト時に適応する際、同じ介入でもバッチによって効果が正反対になりうる問題を扱う。著者らは、介入をいつ適用するか、どの入力にラベルを付けるか、いつ照会を止めるかを決める制御器 PORTAL を提案する。実験では、全体では精度を下げる介入が一部のバッチでは有用になり、入力順序の変化による深刻な失敗も防げることが示されている。
★★★★ 注目：テスト時に、介入をいつ適用するか、どの入力にラベルを付けるか、いつ問い合わせを止めるかを決めるPORTALを提案。取得した各ラベルで全候補規則を同時に評価し、摘要では全体で精度を落とす介入を一部バッチで有用な選択に変えたと報告している。注意力をラティス・ゲージ理論として捉える：関係はウィルソン・ループを通じてのみ相互作用するurn:diting-lab:ja:doc:3015322026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Attention as Lattice Gauge Theory: Relations Interact Only Through Wilson Loops
arXiv · 2026年10月28日本論文は、各実体の座標系が独立に回転できる場合、関係同士は共有される閉路（ウィルソン・ループ）を通じてのみ相互作用すると示します。これにより、エッジ注意機構が取りうる対称性に適った唯一の形を導いています。一般の関係グラフ上では、学習なしでholonomy注意として実装され、疎なグラフ上の未観測のS4関係の推論や、破損した三角形の検出に用いられています。KPPax：大気化学の機械学習のための微分可能な動力学ODEプリプロセッサurn:diting-lab:ja:doc:3015312026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00KPPax: preprocess differentiable kinetic ODE for machine learning in atmospheric chemistry
arXiv · 2026年10月28日本論文は、KPP言語で記述された大気化学機構を、微分可能でJITコンパイル・ベクトル化可能なJAXコードに変換するツールKPPaxを提案する。隐式ソルバーとdiffraxライブラリの順方向・逆方向随伴法により、手作業で随伴コードを導出することなく厳密な感度を得る。POLLUベンチマーク機構で、Fisher情報行列による速度係数の同定可能性解析と、排出インベントリのニューラルネットワーク補正（オフライン学習後のオンライン微調整）の二つの応用を示している。手内物体の姿勢到達を、器用さと安全性を両立させて実現する研究urn:diting-lab:ja:doc:3015302026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well
arXiv · 2026年10月28日本論文は、多指ハンドで物体を手の中で目標位置と姿勢まで動かす課題を扱います。人間のデータを使わずシミュレーションで LEAP ハンドの方策を学習し、実機に適用しています。さらに保守性を調整できる残差安全フィルタを加え、物体の落下を大きく減らしつつ、目標の大部分に到達できることを示しています。GEPA-Curator：自己改善型エージェントのための選別学習フレームワークurn:diting-lab:ja:doc:3015292026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00GEPA-Curator: Curated Learning for Self Improving Agents
arXiv · 2026年10月28日本論文は、大規模言語モデルのエージェントにおけるプロンプト最適化を改善する GEPA-Curator を提案している。この手法は、ノイズの多い信頼性の低い学習信号を生むおそれのあるタスクを除外し、同じタスクで過去に成功した軌跡を追加の文脈として最適化器に提供する。GoBrowse、ALFWorld、AppWorld、τ-bench で、Gemini 3.1 Pro と Claude Opus 5 を最適化モデルとして評価しており、平均性能は両ベースラインと同等以上で、GEPA に対して最大 20.7%、ACE に対して最大 21.2% の向上が報告されている。大規模言語モデルは自由な探索で隠された物理法則を発見できるか？urn:diting-lab:ja:doc:3015282026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Can LLMs Uncover Hidden Physical Laws through Free Exploration?
arXiv · 2026年10月28日本論文は、物理法則を変更した模擬世界を自動生成する LongChang という枠組みを提案します。評価対象の大規模言語モデルは、研究課題やヒントなしに、物体を操作し道具を作って自ら問いを立てて調べます。12 のモデルのうち、GPT-6-Astra の発見率は 16.7%で、残りの 11 モデルは 0%でした。探索記録からは、未調査の異常が残ることと、変更された物理法則の特定が部分的にとどまることが分かります。制御可能な環境合成によるツール利用エージェントのスケーリング則の研究urn:diting-lab:ja:doc:3015272026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Scaling Laws for Tool-Use Agents via Controllable Environment Synthesis
arXiv · 2026年10月28日本論文は、複雑な多段階タスクを完了できる大規模言語モデルのツール利用エージェントをどう構築するかを扱う。SynthAPIパイプラインを提案し、ツール、タスク、ツールが操作するデータベースの多様性を制御しながら環境を生成する。458,752件のタスクと、4つのサイズの849の学習済みモデルで生成パラメータを体系的に変えた結果、合成環境の規模と構成から下流の汎化性能を予測するスケーリング則を導出した。データ量が増えると、タスク数を増やすより、ツールとデータベースの多様性を広げる方が効果的で、データの複雑さを高めると利得が大きいことが示された。この知見に従って学習したエージェントは、4つの評価ベンチマークで先行研究のデータで学習したモデルを上回った。MuonGS：緩和された重みノルム制御による LLM の事前学習urn:diting-lab:ja:doc:3015262026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00MuonGS: Pretraining LLMs with Relaxed Weight-Norm Control
arXiv · 2026年10月28日本論文は、Muon オプティマイザにおける重みノルム制御を、累積有効学習率という指標で分析し、vanilla Muon、MuonW、MuonH の累積特性を比較しています。著者らは、各更新の放射方向成分を Gram–Schmidt（GS）射影で除去し、重みノルムを固定せずに累積を保証する MuonGS を提案しています。実験では、長い学習期間において MuonGS が MuonH より低い検証パープレキシティを示し、密モデルでは検証損失を揃えた場合に約15%のトークン換算の高速化が推定されています。一般化二次ルーティングによる多状態線形注意（MERLIN）：長文モデリングを改善する注意集約手法urn:diting-lab:ja:doc:3015252026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Multi-State Linear Attention with Generalized Second-Order Routing
arXiv · 2026年10月28日本論文は、自己注意機構の二次の計算量が長い系列の処理を制限する問題に対し、多状態線形注意（MSLA）の情報集約を改善するMERLINを提案する。MERLINは各セグメントのキーの一次・二次モーメントを保持し、クエリが各セグメントとの整合の平均と分散を復元できるようにすることで、内容を考慮した集約を行う。Gated DeltaNet-1.3BとMamba-2-780Mの多状態版での実験では、複数の長文脈タスクで既存の集約手法を上回る結果が示されている。メタ認知デコーディング：拡散言語エージェントのための効率的な推論手法urn:diting-lab:ja:doc:3015242026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Metacognitive Decoding: Efficient Inference for Diffusion Language Agents
arXiv · 2026年10月28日本論文は、拡散言語モデルに組み込む軽量なプラグインとして、メタ認知コントローラーを提案している。このコントローラーは、現在の応答の必要性とエージェントと環境との相互作用に応じて、トークンをいつ確定し、生成をどこまで広げるかを決定する。エージェントの軌跡データで学習され、正確さと生成コストのバランスを取る。五つのベンチマークでの実験では、最も効率的なベースラインと比べて推論のFLOPsを平均20.6%削減し、タスク精度は競争力のある水準を維持した。クロスビュー時系列物体対応のためのビデオ拡散Transformerの転用urn:diting-lab:ja:doc:3015222026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Repurposing Video Diffusion Transformers for Cross-View Temporal Object Correspondence
arXiv · 2026年10月28日本論文は、クエリマスクをもとに異なる視点と時間をまたいで同一物体の同一性を保つXTrackフレームワークを提案しています。事前学習済みビデオDiTを用い、RGBからマスクへの潜在変換によってクロスビューのマッチングと時系列追跡を同時にモデル化します。さらに、焦点付きクロスビュー注意の整列、ハードネガティブ条件付け、局所文脈クロップにより対応の信頼性を高め、Ego-Exo4Dの疎な注釈を擬似ラベルで稠密化して学習に用います。まず知識を学び、次に描く：視覚生成の新しい学習パラダイムurn:diting-lab:ja:doc:3015202026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Know, then Draw: A New Learning Paradigm for Visual Generation
arXiv · 2026年10月28日本論文は、自己回帰事前学習で高レベルの意味知識を獲得し、拡散モデルの事後学習で高忠実度のレンダリングを行う視覚生成の学習パラダイムを提案している。比較実験では、自己回帰が下流のレンダリングにより適した事前学習目標であることが示された。また、画像デコーダや再構成損失を用いず、言語による監督のみで学習する純粋な意味トークナイザも提案されている。さらに、知識獲得とレンダリングの計算最適スケーリング則を示し、それに基づいて30億パラメータのテキスト画像生成モデルを学習し、GenEvalで86、DPG-Benchで87を達成した。
★★★★ 注目：知識獲得と高忠実度レンダリングを分担する新パラダイムを提案。制御比較で自己回帰事前学習が拡散モデルの学習より優れ、尺度則も示す。6,600 H100 GPU時間で学習した3Bモデルは、GenEvalで86、DPG-Benchで87を報告している。希少でも関連があっても誤る：メモリがLLM集団意思決定を失敗させる仕組みurn:diting-lab:ja:doc:3015192026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Rare, Relevant, and Still Wrong: How Memory Fails LLM Group Decisions
arXiv · 2026年10月28日LLM集団の議論を最終意思決定者用の短いメモリに圧縮する際、何を残すべきかを検討した論文です。作者らは60テンプレート・480タスクからなる診断ベンチマーク「CrossProfile」を提案し、希少な事実を優先する方法と判断基準に関連する事実を優先する方法を比較しました。両方の方法は予測可能な場面で失敗し、正確さは選択方式よりも記憶に残った証拠のバランスに左右されることが示されています。動的スポーツの知覚と予測：一人称テニス映像における視覚モデルの時空間知能urn:diting-lab:ja:doc:3015182026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Perceiving and Predicting Dynamic Sports: Spatiotemporal Intelligence in Vision Models for Egocentric Tennis Video
arXiv · 2026年10月28日本論文は、一人称映像と五台の三人称映像、全体位置、接触時刻、打球種類の注釈を含むテニスデータセットを構築しました。複数の視覚モデルを用いて、一人称画像から選手とボールの位置や軌道、ストローク種類、次の接触時刻を予測しています。さらに、視覚予測に基づいて全身の動作をリアルタイムで生成する条件付き拡散モデルを提案しています。VideoLVR：根拠付き動画証拠に基づく潜在視覚推論urn:diting-lab:ja:doc:3015172026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00VideoLVR: Latent Visual Reasoning over Grounded Video Evidence
arXiv · 2026年10月28日本論文はVideoLVRを提案し、マルチモーダル大規模言語モデルが関連する動画の時点の局所領域から潜在的な視覚証拠を構築し、中間推論ステップを支えられるようにします。テキスト座標での参照や切り抜き画像の再挿入による視覚情報の忘却や文脈の大幅な拡大を避けることが目的です。視覚トークン予測を用いてテキスト生成と統一し、強化学習にも拡張して最終回答の報酬で最適化します。複数の動画ベンチマークで有効性が示され、特に細粒度の視覚証拠を要するタスクで効果が高いとされています。EnvSched：ロールアウト効率の高いエージェント強化学習のための環境認識スケジューリングurn:diting-lab:ja:doc:3015162026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00EnvSched: Environment-Aware Scheduling for Rollout-Efficient Agent Reinforcement Learning
arXiv · 2026年10月28日本論文は、言語エージェントの強化学習において、環境と結び付いたタスクをどの順序・配分で学習に使うかを決めるオンラインスケジューラEnvSchedを提案する。環境とタスクの組を節点とする二重関係グラフを構築し、過去のロールアウト統計から報酬の分散を予測して、高分散のタスクと未観測の環境へ学習データを割り当てる。Qwen3-8Bでの実験では、40ステップ後にBFCL-v3、tau-Bench、ACEBench-Agentの平均スコア48.81を達成し、ランダム選択が120ステップで到達した最高値を上回った。回答の変化を超えて：局所的な音声証拠に対する同クラス一致対照urn:diting-lab:ja:doc:3015152026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Beyond Answer Changes: Matched Same-Class Controls for Local Audio Evidence
arXiv · 2026年10月28日この論文は、音声言語モデルを対象に、問い合わせ対象の音イベントを局所的に置き換えた際の回答の変化を比較しています。同クラス置換と異クラス置換を、同じ区間、レベル推定、ドナー音のフィッティング、クロスフェードで行い、同クラス置換のみ正解が保たれるようにしています。600の合成サウンドスケープと2系統のアーキテクチャの3モデルで評価しています。MoI-Bench：モバイル端末での画像生成・編集のためのベンチマークurn:diting-lab:ja:doc:3015142026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00MoI-Bench: A Benchmark for Image Generation and Editing on Mobile Devices
arXiv · 2026年10月28日本論文は、モバイルユーザーのニーズに基づく画像生成・編集のベンチマークMoI-Benchを提案し、64のサブタスクと1150のサンプルを含みます。16の操作と8種類の視覚的対象カテゴリを組み合わせて評価を行い、評価手法MoI-Evalも併せて提案しています。端末側モデルとサーバー側モデルを評価した結果、現状の端末側モデルは効率的な生成や編集が可能である一方、タスク範囲の拡大が重要であり、特に同一性の保持と文字描画の編集品質の改善が必要だとされています。GAS-PFN：ゼロショット交通予測のためのグラフ認識型時空間事前データ適合ネットワークurn:diting-lab:ja:doc:3015132026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00GAS-PFN: Graph-Aware Spatiotemporal Prior-Data Fitted Networks for Zero-Shot Traffic Forecasting
arXiv · 2026年10月28日本論文は、交通予測向けのゼロショットモデルGAS-PFNを提案する。合成タスク事前分布にランダムウォーク拡散で得た道路トポロジーを組み込み、事前学習中にグラフ結合された交通動態を学習させる。推論では共有Transformerによるマスク条件付きの二つのパスで、センサー自身の時間的動態と隣接センサー間の時空間相互作用を別々にモデル化する。90分予測の六つのベンチマークで、先行PFNモデルのTimePFNに比べMSEは平均34.0%、業界開発の汎用ゼロショット予測器四種に比べ平均27.7%低減した。TANDEM：複雑なマルチエージェント環境で情報ギャップに対処するため集中型と分散型の批評器を両立させる手法urn:diting-lab:ja:doc:3015122026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00TANDEM: Balancing Centralized and Decentralized Critics to Address the Information Gap in Complex Multi-Agent Environments
arXiv · 2026年10月28日本論文は、集中学習・分散実行（CTDE）型のマルチエージェント強化学習において、学習時には見える大域状態が実行時には見えないことで生じる情報ギャップを扱う。提案手法TANDEMは、1つの集中型批評器を各学習ステップで集中読み出しと分散読み出しの二通りに用い、パラメータを持たないゲートで両者を比較し、一致する箇所では分散読み出しで方策を学習する。評価は発見、サンプリング、野火消火の3領域で行われ、批評器を取り除いた後の実行時報酬を比較している。TANDEMは9設定中8設定で最良の結果を示したとされる。潜在世界モデルの限界を理解するurn:diting-lab:ja:doc:3015112026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Understanding the limits of latent world models
arXiv · 2026年10月28日本論文は、潜在世界モデルの信頼性を検討しています。環境の遷移写像と学習された潜在ダイナミクスの間の等変性条件として「忠実な潜在世界モデル」の概念を提案し、行動条件付きの潜在予測を評価する指標として潜在ロールアウト一貫性（LRC）を導入しています。調査した最先端の潜在世界モデルのいずれも、環境のダイナミクスを実際に忠実にモデル化することによってタスクを解決してはいないと報告しています。Timestral：確率的時系列予測のための基盤モデル群urn:diting-lab:ja:doc:3015102026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Timestral
arXiv · 2026年10月28日本論文は、5M、28M、123M、209Mパラメータの4つの時系列基盤モデルからなるTimestralを紹介している。GIFT-Eval、TIME、fev-benchでSOTAを達成し、Timestral-209Mと Timestral-123Mが全指標で上位2位を占めたと報告している。手法は、予測トークンを因果的に符号化された文脈から分離するDecoupled Horizon Forecasting（DHF）、因果アーキテクチャ内で既知の未来の共変量を扱う枠組み、そして大規模な合成データで事前学習し、実データと合成データの混合で拡張文脈を用いて事後学習する2段階パイプラインである。
★★★★ 注目：予測トークンを分離するDHFなどを提案し、5Mから209Mパラメータの4モデルがGIFT-Eval、TIME、fev-benchで最高水準を報告、大型2モデルが全指標で上位を占めると著者らは述べる。REGER：意味ID を用いて項目間の関係をモデル化する生成的推薦フレームワークurn:diting-lab:ja:doc:3015092026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00REGER: Modeling inter-item Relations with Semantic IDs for Generative Recommendation
arXiv · 2026年10月28日本論文は、生成的推薦のためのREGERフレームワークを提案している。項目間の意味的関係と協調的関係を、意味的事前学習、履歴の符号化、意味ID生成の各段階に明示的に組み込む。また、意味IDの接頭辞木上での階層的な選好分解について理論的な分析を示し、判別型教師モデルの条件付き分布を蒸留して交差エントロピーと同時に最適化する。実データセットでの実験で、既存の生成的推薦のベースラインを一貫して上回ったと報告している。サッカー中継におけるゼロショットのマルチモーダル事象検出urn:diting-lab:ja:doc:3015082026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Zero-Shot Multimodal Event Spotting in Soccer Broadcasts
arXiv · 2026年10月28日本研究は、サッカー専用の学習を行わずに、試合の全編中継から事象を検出・分類し時間的に特定するゼロショットの枠組みを提案しています。試合は重なり合うクリップに分割され、コンパクトな視覚ストーリーボードと対応する実況テキストを、汎用マルチモーダルモデルが共同で処理します。手動注釈された3試合・130件の事象で、最良の構成はF1@5sで72.0%を達成し、クロスデータセット設定でSoccerNetで学習したCALFおよびNetVLAD++を上回りました。スペクトル組紐：動的有向ネットワークのための位相的記述子urn:diting-lab:ja:doc:3015072026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Spectral Braids: A Topological Descriptor for Dynamic Directed Networks
arXiv · 2026年10月28日本論文は、動的有向ネットワークの機械学習のための「スペクトル組紐（spectral braids）」手法を提案する。各スナップショットをコミュニティ単位の遷移行列に集約し、その複素固有値の時間変化を追跡して、描かれる組紐を語として読み取る。その語をBurau表現で行列に写像し、任意の分類器に使える固定長の特徴ベクトルを得る。合成されたオンラインコミュニティのネットワーク分類では、4クラスで97.1%の精度を達成し、固有値を追跡しない最良の特徴セットの44.5%を上回った。物語の展開とともに：人間のように映画を見て登場人物を識別するurn:diting-lab:ja:doc:3015062026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00As the Story Unfolds: Watching a Film and Identifying Characters as a Human Does
arXiv · 2026年10月28日本論文は、外部のキャストリストや俳優の写真、事前に作成された登場人物データベースを使わず、映画そのものから主要な登場人物を特定し名前を割り当てる問題を扱う。著者らは、台詞で言及された名前と映像の文脈から、画面に映る誰がその名前かを判定する「キャラクター命名タスク」を提案し、データセットと注釈、映像と台詞を用いるモデルを提示している。さらに、映画の進行に合わせて登場人物のバンクを段階的に構築する枠組みも紹介している。ノイズ平面：指数と分散をつなぐ拡散ブリッジurn:diting-lab:ja:doc:3015052026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00The Noise Plane: A Diffusion Bridge Across Exponent and Dispersion
arXiv · 2026年10月28日本論文は、Tweedie ノイズに対応する統一的な拡散ノイズ除去フレームワーク p-Bridge を提案している。ノイズ指数 p は分散と強度の関係を表し、累積測定量 ν がノイズレベルを制御する。両者でガウス、ポアソン、ガンマの各モデルを含むノイズ平面を定義している。単一の指数条件付きネットワークで異なる指数のノイズに適応し、合成画像、FMD 蛍光顕微鏡画像、多センサー SAR 画像で実験を行っている。LCM-Promo：大規模言語モデルに基づく販促配分のためのアップリフトモデルurn:diting-lab:ja:doc:3015032026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00LCM-Promo: An LLM-Based Uplift Model for Promotion Allocation
arXiv · 2026年10月28日本論文は、販促配分のためのアップリフトモデル LCM-Promo を提案している。これは取引型のコマースデータで微調整された大規模言語モデルであるタスク特化型の Large Commerce Model（LCM）で、ユーザーの意図と販促への反応を予測する。単一トークンの出力を転換しきい値の確率として解釈することで、本番ログから単調な販促反応曲線を学習し、曜日や配送時間帯などのセッション文脈も考慮する。離反ユーザーの再活性化を対象とした本番環境の A/B テストでは、Segment-EMA の本番ベースラインと比べて、転換率が 1% 向上し、販促コストが 6% 削減された。Gym-Anything-RT：視覚言語エージェントのためのリアルタイム環境の拡張urn:diting-lab:ja:doc:3015022026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Gym-Anything-RT: Scaling Real-Time Environments for Vision-Language Agents
arXiv · 2026年10月28日本論文は、視覚言語エージェントのリアルタイム対話能力を調べるためのフレームワーク Gym-Anything-RT を提案しています。six 種類の能力の分類に基づき、エージェント型パイプラインで視覚的なミニゲームを自動生成し、100 本を構築しました。実時間で実行した場合の GPT-6 Astra (xHigh) の通過率は 9.0% で、環境を一時停止すると 75.0% に上がりました。フレームワークと生成されたミニゲームは公開されています。ReferStream：ストリーミング動画生成における対話型被写体注入urn:diting-lab:ja:doc:3015012026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00ReferStream: Interactive Subject Injection for Streaming Video Generation
arXiv · 2026年10月28日本論文は、ストリーミング動画生成の途中で新しい被写体を自然に注入するフレームワーク「ReferStream」を提案する。追加学習を必要とせず、現在のシーンを用いた参照の構築（Joint Latent）と一時的なキャッシュ注入（Cache Restoration）を組み合わせる。あわせて、参照の到着スケジュール、指示の変化、被写体の存在の明示的な注釈を備えたベンチマーク「ReferStream Bench」を導入している。同ベンチマークでの実験では、全参照を事前に与えられるオフライン手法を含む比較基準より、テキスト遵守、被写体類似度、数量の正確さで高い結果を示した。Pneuma：商用航空機の予知保全のための大規模実世界時系列ベンチマークurn:diting-lab:ja:doc:3015002026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Pneuma: A Large-Scale Real-World Time Series Benchmark for Commercial Aircraft Predictive Maintenance
arXiv · 2026年10月28日本論文は、就航中の商用航空機の機上時系列データに基づく、初の公開大規模予知保全ベンチマーク「Pneuma」を紹介しています。抽気系統を中心に、4機種・検証済みの故障シナリオ9件を含み、実際の整備記録と対応づけられています。多変量予測、教師あり故障分類、教師なし異常検知の3つのタスクを設定し、4系統の手法に属する25以上のモデルを評価した結果、細かな故障の兆候の検出には現代の強力なモデルでも苦労することが示されました。不確実性定量化が機能しない場合：臨床的なクラス不均衡下の選択的予測における構造的脆弱性と修正urn:diting-lab:ja:doc:3014992026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00When uncertainty quantification fails: structural vulnerabilities and corrections for selective prediction under clinical class imbalance
arXiv · 2026年10月28日本論文は、臨床人工知能における選択的予測システムを扱う。このシステムは高信頼度の症例を自動的に判定し、曖昧な症例を人間の専門家に委ねる。少数クラスが臨床的に関心のある結果である不均衡な予測課題では、標準的な不確実性指標が臨床的な曖昧さではなくクラス所属を反映し、少数派の患者を体系的に不利に扱うことを示す。著者らは修正フレームワークを提案し、56の合成条件と3つの神経変性疾患コホートで評価し、閾値に整合した不確実性指標と層別化された評価の採用を提言している。自己強化の集団的ダイナミクス：ラベルなしRLVRでタスク間結合が方策崩壊を引き起こす仕組みurn:diting-lab:ja:doc:3014982026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Collective Dynamics of Self-Reinforcement: How Cross-Task Coupling Drives Policy Collapse in Unsupervised RLVR
arXiv · 2026年10月28日ラベルなしの検証可能報酬による強化学習（RLVR）では、モデルが自身の多数決と一致すると報酬を得ます。初期には推論能力が向上しますが、やがて自己評価報酬が一つの答えに集中し、正答率が低下して、すべての問題に同じ答えを返すまで崩壊することがあります。論文は、この崩壊が学習問題数に依存する集団的な不安定性として説明できることを示し、問題同士がパラメータを共有する理論モデルを提示しています。シミュレーションと小型Transformerの実験により、理論の予測が確かめられています。関節物体操作のための運動学的制約参照評価法urn:diting-lab:ja:doc:3014972026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Kinematic Constraint-Referenced Evaluation for Articulated Object Manipulation
arXiv · 2026年10月28日この論文は、操作方針が通常は二値のタスク成功率だけで評価され、指示された動作が物体の運動学的制約に適合しているかを判断できないと指摘する。著者は制約参照戦略（CRS）を提案し、エンドエフェクタの指示ツイストを物体の関節軸へ射影して、関節に沿った前進と制約から外れた無駄な動きを区別する。この手法は関節モデルとそこから導かれる関節追従型のスクリプト制御器を必要とするが、記録済みのデモや学習型の判定器は必要としない。いつ、どこで、何を修正するか：ロボット方策のための人間誘導型適応残差補正urn:diting-lab:ja:doc:3014962026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00When, Where, and What to Correct: Human-Guided Adaptive Residual Correction for Robot Policies
arXiv · 2026年10月28日本論文は、凍結された方策の上で強化学習により残差補正を学習する軽量な事後学習モジュール、適応残差補正（ARC）を提案する。疎な人間の補正を用いて自律探索を導き、介入前の状態が残差制御を有効にするタイミングを、補正の幾何構造が残差行動空間で探索する方向を決め、タスク報酬が最終的に実行される残差を決定する。実ロボットでの3つの精密操作タスクにおいて、ARCは平均タスク成功率を33.3%から75.0%に向上させた。GroundControl：衛星画像を条件とする多視点拡散モデルによる、3D再構成を使わない新視点合成urn:diting-lab:ja:doc:3014952026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00GroundControl: Satellite-Conditioned Multi-View Diffusion for Reconstruction-Free Novel View Synthesis
arXiv · 2026年10月28日本論文は、衛星画像と街路レベルの入力画像を条件として新視点画像を生成する、新しい多視点拡散モデルを提案している。条件付けにはクロスアテンションを用い、三次元シーン再構成は行わず、位置姿勢付きの街路画像と衛星画像のみに依拠する。屋外データセットでの実験では、衛星画像のみ、または街路画像のみを条件とするベースラインより新視点合成で優れており、特に対象視点と入力視点の重なりがごくわずかな困難な場合に効果が大きいと報告されている。どちらの手が遅れたか？両手ツール操作におけるロボットの失敗復旧のための診断urn:diting-lab:ja:doc:3014942026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Which Hand Was Late? Diagnosis for Robot Failure Recovery in Bimanual Tool Use
arXiv · 2026年10月28日本論文は、両手ツール操作タスクにおけるロボットの失敗を診断する問題を扱っています。シミュレーション実験で、記録された軌跡から失敗の原因を特定し、ツールの滑り、どちらの手が遅れたか、二つの原因が同時に起きる場合などを、各センサ経路でどこまで判別できるかを比較しています。原因を特定できない場合に対応を引き上げる修復方針は、真の原因を知っている場合と同程度の数の失敗を2回以内の試行で修復できたと報告されています。GTFormer：Transformerの自己注意機構に代わる、線形時間で長系列に外挿できるグラフニューラルネットワークurn:diting-lab:ja:doc:3014932026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00GTFormer: A Syntax-Free Graph Network Alternative to Transformers for 8192× Length Extrapolation in Linear Time
arXiv · 2026年10月28日本論文は、Transformerの全対全の自己注意機構の代わりに階層型グラフニューラルネットワークを用いるGTFormerを提案している。学習は長さ512以下の系列のみで行われ、八つの長文脈ベンチマークで評価された。著者らは、単一のGPUで4,194,304トークン（8192倍）まで追加学習なしに外挿でき、メモリは線形に増加し、高い精度を保ったと報告している。構造ギャップ：データを増やしても構造化推論の代わりにはならないurn:diting-lab:ja:doc:3014922026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00The Structure Gap: When More Data Cannot Replace Structured Reasoning
arXiv · 2026年10月28日現代のAIには、十分に大きな学習器を十分なデータで訓練すれば、明示的な領域知識は不要になるという考えがある。本論文はこの考えの限界を検討する。ソルバー、対称群、グラフ、物理法則などの既知の構造によって入出力写像が定まる問題を定義し、構造を与えられた手法と例だけを与えられた学習器との間の有限資源の差を「構造ギャップ」と呼ぶ。ガウス逆問題について理論的な証明を示し、既知演算子の反転、スパース回復、グラフ到達可能性の実験でその仕組みを検証している。大規模言語モデルの直交的かつパラメータ化された多属性ステアリングurn:diting-lab:ja:doc:3014902026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00Orthogonal and Parametrized Multi-Attribute Steering of LLMs
arXiv · 2026年10月28日本論文は、推論時にアクティベーション・ステアリング（activation steering）によって大規模言語モデルの振る舞いを調整する方法を扱っています。まず各ステアリングベクトルで最も効果的な区間を特定し、ステアリング範囲をそれに合わせて再スケーリングします。次に、方向に沿ってアクティベーションを押すのではなく目的の特性の強度に設定する、パラメータ化ステアリングを提案します。複数の特性を同時にステアリングする際にベクトル同士が干渉する問題に対しては、ベクトルを直交化して特性を分離する手法を示しています。視覚基盤モデルのデータ効率的な微調整に関する覚書urn:diting-lab:ja:doc:3014892026-10-28T00:00:00+09:002026-10-28T17:17:51+09:00A note on data-efficient finetuning of vision foundation models
arXiv · 2026年10月28日本論文は、視覚基盤モデルの効率的な微調整について実証的な評価を行うものです。注意機構、畳み込み、Mambaの各モデル系統と、視覚プロンプティング、線形プロービング、全層微調整、LoRAなどの転移手法の組み合わせを比較しています。さらに、視覚プロンプティングの性能向上に一般的な正則化手法を適用する効果も検討し、資源が限られた環境での実践的な指針を示すことを目指しています。マルチエージェント強化学習による代謝エネルギー低減のための協調適応型股関節外骨格制御（MARL-Exo）urn:diting-lab:ja:doc:2946772026-10-28T00:00:00+09:002026-10-28T11:54:35+09:00Multi-Agent Reinforcement Learning of Co-Adaptive Hip Exoskeleton Control (MARL-Exo) for Metabolic Energy Reduction
arXiv · 2026年10月28日原文の情報が少ないため要約はありません業務プロセスにLLMエージェントを根拠づける：信頼性の高い多段階サービス呼び出しのためのプロセス認識型ナレッジグラフurn:diting-lab:ja:doc:2946132026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00Grounding LLM Agents in Business Processes: Process-Aware Knowledge Graphs for Reliable Multi-Step Service Invocation
arXiv · 2026年10月27日論文は、OData メタデータと BPMN 参照プロセスを型付きプロパティグラフに統合する手法を提案し、ハイブリッド検索器がプロセスの辺をたどって後続のエンドポイントを取得します。42 の企業向けサービスで、クエリと下流エンティティの語彙的重なりが少ない場合にRecall@3が向上しました。81 件の多段階クエリでは、エージェントのタスク完了率は38.7%で、チャンクベースの基準手法は10.3%でした。幻覚検出の審判としての決定モデルurn:diting-lab:ja:doc:2946072026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00Decision Models as Judges for Hallucination Detection
arXiv · 2026年10月27日本論文は、幻覚（ハルシネーション）を検出する審判役として、大規模言語モデルの代わりに決定モデルを用いられるかを検証する。研究者は五種類の幻覚について二値のベンチマークを構築し（六つのデータセットから計9,852件）、五つの決定モデルを生成型審判gpt-6-solと比較した。性能は幻覚の種類によって大きく異なり、文脈の不一致では最良の決定モデルがgpt-6-solと同等である一方、論理や指示の不一致では劣ることが示されている。十九世紀の文献から十三世紀を掘り起こす：旧版の要約集と古典版を用いた登録簿規模の強制アライメントと手書き文字認識のブートストラップurn:diting-lab:ja:doc:2945132026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00Mining the Nineteenth Century for the Thirteenth: Register-Scale Forced Alignment and HTR Bootstrapping via Legacy Regesta and Antiquarian Editions
arXiv · 2026年10月27日本論文は、十九世紀の学者による旧版の要約集と部分的な校訂版を、ホノリウス三世教皇の登録簿の手書き文字認識に活用する方法を検討しています。現代の転写が存在する最初の二つの在位年を基準に、旧版資料が正書法、語彙、位相の三つの層でどのように寄与するかを比較しています。旧版資料は現代の転写に代わることはできないが、未転写の登録簿の認識を導き、検証し、区切ることに使えると結論づけています。TrawMem：エージェントの記憶をタスク志向・役割適応型ワークスペースとして再定義urn:diting-lab:ja:doc:2944992026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00TrawMem: Reframing Agent Memory as Task-Oriented Role-Adaptive Workspaces
arXiv · 2026年10月27日本論文は、大規模言語モデル・エージェントの既存の記憶システムが現在のクエリとの関連性だけで記憶を検索しているが、関連性では記憶がタスク解決にどう寄与するかを示せないと指摘する。著者らはTrawMemを提案し、対話履歴を局所スレッドに整理し、記憶に役割を割り当てて相補的な記憶を選択し、タスク志向のワークスペースを構築する。LoCoMoとMemGalleryでの実験では、代表的な記憶システムより一貫して高い性能を示した。AdaGround：GUIグラウンディングのための、トークン正規化による適応的ズームと検証器ループ型の改良手法urn:diting-lab:ja:doc:2944852026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00AdaGround: Token-Normalized Adaptive Zooming with Verifier-in-the-Loop Refinement for GUI Grounding
arXiv · 2026年10月27日本論文は、高解像度画面上のGUI要素の位置特定、特に小さな対象の認識に対応する、学習不要のフレームワークAdaGroundを提案している。モデル自身が推定した対象サイズに基づいて拡大率や視野、ズームの深さを適応的に設定する仕組み、マーク付きクリックのYes/No検証器によってズームの採否を判断し再グラウンディングを行う仕組み、表のヘッダーからスプレッドシートのセルを構成する仕組みからなる。Qwen3-VLモデルでの実験では、既存の学習不要ズーム手法や多くの学習済みGUIモデルを上回り、OSWorld-GおよびScreenSpot-Proでバックボーンに対して精度が向上したと報告されている。その効果は未知のデータセットであるUI-Visionにも及んだとされる。WithinVAE：自己蒸留による意味構造を持つコンパクトな視覚オートエンコーダurn:diting-lab:ja:doc:2943602026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00WithinVAE: Compact Visual Autoencoding with Self-Distilled Semantics
arXiv · 2026年10月27日本論文は、序列的ボトルネック、自身の指数移動平均コピーからのDINO/iBOT型自己蒸留、位置依存のトークンマスキングを備えた、コンパクトな変分視覚オートエンコーダWithinVAEを提案している。事前学習済みの認識エンコーダや外部の意味的ターゲットを必要とせず、4倍の圧縮率を実現する。ImageNet-1K（256×256）では、4つの再構成指標すべてでRPiAEを上回り、PSNRは1.36 dB向上した。凍結評価の線形プロービングでは、RPiAEを6.5ポイント、再構成のみのベースラインを5.1ポイント上回り、著者は意味的な向上を自己蒸留によるものとしている。Transformerにおける証拠効果の因果的局在化urn:diting-lab:ja:doc:2943332026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00Causal Localization of Evidence Effects in Transformers
arXiv · 2026年10月27日本論文は、記号の個数と順序を変えて凍結Transformerの選好の変化を測る受容的証拠集約（CEA）と、少数の注意ヘッドを選ぶ平衡効用因果選択（BUC）を提案する。Pythia-410Mでは、選ばれた1〜12個のヘッドを除去すると計数効果の65.5〜91.6%が消える。さらに、記号入力のみで選んだ8個のヘッドを除去すると、自然言語タスクの平均精度が8.2ポイント下がり、同数・同層のランダム集合の影響は小さい。物理構造を組織原理とする汎用ハミルトニアン学習urn:diting-lab:ja:doc:2938392026-10-27T00:00:00+09:002026-10-28T11:54:35+09:00Physical structure as an organizing principle for universal Hamiltonian learning
arXiv · 2026年10月27日本論文は、密度汎関数緊束縛理論に由来する物理的事前知識と深層学習を統合した、汎用E(3)等変ハミルトニアン表現フレームワークUniTBを提案している。29,242個の結晶で学習し、非磁性のテスト結晶における行列要素誤差は0.48 meVとされる。さらに計算の速いUniTB-Flash版も示され、両モデルは16,195個の結晶のスクリーニングに用いられた。オンライン資源配分のための耐戦略的深層強化学習urn:diting-lab:ja:doc:2947032026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Strategyproof Deep Reinforcement Learning for Online Resource Allocation
arXiv · 2026年10月28日本論文は、オンライン資源配分における二つの相互に関連する課題、すなわち将来の需要が不確実な中で希少な資源を効率的に配分すること、そしてエージェントがタスクの価値と要件を正直に申告することを確実にすることに取り組んでいます。著者らは、オンライン資源配分のための初の耐戦略的深層強化学習メカニズムを提案しています。単調ニューラルネットワーク、一般化された臨界支払い、そして強化学習または既存ルールの模倣による学習を組み合わせています。4種類の資源を用いた実験では、ニューラルルールがオフライン福祉上限の97.8%に到達し、模倣学習は261秒で97.5%に達しました。これは強化学習より約89倍速い結果です。ALADDIN：1ステップ顔交換のための敵対的潜在拡散蒸留手法urn:diting-lab:ja:doc:2947022026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00ALADDIN: Adversarial Latent Diffusion Distillation for One-Step Identity Swapping
arXiv · 2026年10月28日本論文は、ターゲット画像の姿勢・表情・髪型・照明を保ったまま、ソースの顔の同一性を移す1ステップの顔交換手法ALADDINを提案しています。事前学習済みの多段階フローマッチングモデルで生成器を初期化し、同一性と対象属性保持の制約の下で敵対的に学習します。論文によれば、同程度の同一性転移において、単段階手法の中で真実味と対象保持が最先端であり、多段階モデルと同等の結果を28倍少ないネットワーク評価回数で達成しています。共変量空間上の場としての回帰関数：発展方程式、ヘッセ行列、識別urn:diting-lab:ja:doc:2947012026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Regression Functions as Fields on Covariate Space: Evolution Equations, the Hessian, and Identification
arXiv · 2026年10月28日本論文は、ある時点での結果変数の共変量に対する条件付き平均を共変量空間上の場とみなし、共変量と結果が時間とともに変化するときにこの場がどう変わるかを研究する。その場が二階の発展方程式を満たすことを示し、拡散項は回帰関数のヘッセ行列と共変量増分の瞬間共分散の重み付きトレースで与えられることを明らかにしている。さらに二値結果の場合の Nagumo 型方程式と行進波、そして二次回帰やカーネル平滑化との関係も論じている。semanticfa：心理尺度の回答データ不要な意味的因子分析を行うRパッケージurn:diting-lab:ja:doc:2947002026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00semanticfa: An R Package for Response-Free Semantic Factor Analysis of Psychometric Scales
arXiv · 2026年10月28日本論文は、言語モデルの埋め込みを用いて尺度項目の意味的類似度を因子分析する、Rパッケージsemanticfaを紹介する。IPIP大五因子マーカー50項目をQwen3-Embedding-8Bで埋め込み、874,434人の回答による因子分析と比較した例を示す。意味構造と回答構造の一致を「意味-行動的一貫性」として尺度の測定可能な性質とみなし、意味的因子分析は回答ベースの因子分析を補完するものであり、置き換えるものではないと述べている。倫理ではなく現実を教える：モデル系列をまたいで人間・生物圏・AIの福祉的傾向を組み込む、差し込み式の継続事前学習コーパスurn:diting-lab:ja:doc:2946982026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Teach reality, not ethics: a drop-in continued-pretraining corpus installs coupled human-biosphere-AI welfare dispositions across model families
arXiv · 2026年10月28日論文は、大規模言語モデルが生態系に影響する意思決定にますます使われる一方で、生態学的推論は学習の主眼になりにくいと指摘します。著者らは、人間・生物圏・AIの依存関係、不可逆な状況での選択肢の価値、被害からの回復を扱う実データ由来の継続事前学習コーパスを構築しました。5つのオープンモデルで実験したところ、最も強い圧力下で有害な選択が4モデルでゼロまたはほぼゼロになり、MMLUの性能は変わりませんでした。対話から能力へ：GUIエージェントのための状態と監督としてのタスク前進urn:diting-lab:ja:doc:2946972026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00From Interaction to Capability: Task Advancement as State and Supervision for GUI Agents
arXiv · 2026年10月28日本論文は、検証済みのタスク進捗を核とするタスク前進メモリ（TAM）を提案し、GUIエージェントがアプリをまたぐ長い作業で既存の成果を活かし、再利用可能な操作を学習できるようにします。MobileWorldのGUIのみのタスクでは、タスク前進状態だけで成功率が12.0%から28.2%に上がりました。完全なTAMは最も強い比較手法に対し成功率が相対で17.6%向上し、解決したタスク1件あたりの生涯トークン数は38.7%減少しました。SPA-Benchの単一アプリ・英語Level 3設定では、TAMが最先端のタスク成功率を達成しています。勾配をたどる：安全性の低下を学習データまで遡って特定するurn:diting-lab:ja:doc:2946962026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Follow the Gradient: Tracing Safety Degradation Back to Training Data
arXiv · 2026年10月28日指示データによる大規模言語モデルの微調整は、個々の学習例が有害に見えなくても安全性を静かに損なうことがあると指摘しています。著者らは、不安全な振る舞いと勾配の方向が一致する微調整データを特定するため、スケーラブルな勾配埋め込み手法SimpleLoRIFを提案しました。これを用いて、関連性の高い上位20%の例を除いたSafeTuluを構築し、Qwen、Llama、Olmoでの学習によりGCG攻撃の成功率が最大22%低下し、能力もおおむね維持または向上したと報告しています。
★★★★ 注目：著者らは低ランク勾配帰属を簡略化し百万件規模に拡張して、安全劣化を招く微調整データを除去する手法を提案。摘要はQwen、Llama、Olmoで除去後のGCG攻撃成功率が最大22%低下し、能力はおおむね維持または向上したと報告している。無線機の中で推論を行う：ミリ波ISACの活動認識向けスパイキング加速器の設計と測定urn:diting-lab:ja:doc:2946952026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Keeping Inference in the Radio: Design and Measurement of a Spiking Accelerator for mmWave ISAC Activity Recognition
arXiv · 2026年10月28日本論文は、ミリ波の通信・センシング統合（ISAC）システムで人の活動を認識するためにスパイキングニューラルネットワーク（SNN）を用いる研究である。ZCU208 RFSoC上で、微小ドップラーフレームから活動ラベルまでの全工程をプログラマブルロジックで実行する。132ニューロンの全結合SNNは、DISCデータセットの未知の被験者に対して94.7%の精度を示し、1回の推論は206マイクロ秒で完了する。同じトポロジーの従来型ネットワークと比べ、論理リソースは8分の1で、判定ごとの動的エネルギーも小さい。HGPRGDel：増殖共役型遺伝子欠失設計のためのGPR認識型の学習・ランキング手法urn:diting-lab:ja:doc:2946942026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00HGPRGDel: GPR-Aware Learning and Ranking for Growth-Coupled Gene Deletion Design
arXiv · 2026年10月28日本論文は、細胞の増殖と目的化合物の合成を遺伝子改変で結びつける、増殖共役型の微生物株設計のための再利用可能な手法を提案しています。既存の計算で得られた欠失戦略を学習資料として用い、標的代謝物ごとに遺伝子欠失の優先順位を生成し、制約ベースの代謝解析で候補戦略を評価します。学習部分のHGPRGDelは遺伝子-タンパク質-反応（GPR）の論理を明示的に表現し、e_coli_core、iMM904、iML1515で評価した学習設定の中で最も高いマクロF1とAUCを達成しました。また、そのランキングはMetNetCompの参照遺伝子の平均90%を、比較対象の基準手法より少ない遺伝子数の検討で再現しました。高次元拡散過程におけるベイズ最速検出のための物理情報ニューラルネットワーク手法（QD-PINN）urn:diting-lab:ja:doc:2946922026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00QD-PINN:A Physics-Informed Neural Network Approach to Bayesian Quickest Detection in High-Dimensional Diffusions
arXiv · 2026年10月28日本論文は、高次元拡散過程と空間依存性を持つ最速検出問題において、最適停止境界を推定するPINNベースの枠組みを提案し、次元の呪いを克服することを目指している。自由境界偏微分方程式と無限次元確率的最適化問題の間の同値性を示し、有限次元のニューラルネットワークで真の解を近似できる根拠を与えている。さらに、深層アンサンブルとモンテカルロ・ドロップアウトにより学習された停止境界の不確実性を評価し、参照数値解がある場合には close な一致が見られたと報告している。ADNIの安静時fMRI認知予測における個別化機能ネットワーク帰属はどの程度信頼できるか？urn:diting-lab:ja:doc:2946912026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00How Reliable Is Individualized Functional-Network Attribution in Resting-State fMRI Cognitive Prediction in ADNI?
arXiv · 2026年10月28日本論文は、安静時機能的結合（FC）に基づく認知予測モデルにおいて、個々の被験者ごとに機能ネットワークの寄与を推定する帰属結果の信頼性を検討している。ADNIの875名のデータを用い、Schaefer-200のFCからMMSEとADAS-Cog13を予測した。分割半分法による信頼性はほぼ上限に達したが、再スキャン間では低下した。また、被験者を入れ替えた帰属の相関は人口集団に共通する構造を示しつつ、対応ペアはそれを上回り、個人特異的な成分が小さいながらも存在することが示された。PerceptRL：マルチモーダルLLMの視覚知覚を回答からインタラクションまで報酬可能にする手法urn:diting-lab:ja:doc:2946902026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00PerceptRL: Making Visual Perception Rewardable in MLLMs from Answers to Interactions
arXiv · 2026年10月28日本論文は、マルチモーダル大規模言語モデルの事後学習において、細粒度の視覚知覚が不足する問題に取り組むPerceptRLを提案します。マルチエージェントの流れで密な画像キャプションから検証済みの誤りを抽出し、規則ベースの報酬を持つ質問応答形式に変換して強化学習を行います。さらに、視覚ツールによる多ターンの確認と、座標注入・空間の忠実性を考慮した過程報酬により座標のずれを補正します。七つのベンチマークで平均精度71.6%を達成したと報告されています。強化学習による固定翼迎撃機の自律制御urn:diting-lab:ja:doc:2946892026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Autonomous fixed-wing interception using reinforcement learning
arXiv · 2026年10月28日本論文は、フィルタ処理された単眼視覚の観測から直接アクチュエータ指令へ写像するニューラルネットワークで制御される固定翼迎撃機を提案している。方策は近接方策最適化（PPO）による強化学習でカスタムのPython環境において訓練され、固定翼機に搭載されて実際の迎撃試験が行われた。シミュレーションでは多くの条件で古典的な誘導制御器を上回り、実飛行では機動する固定翼目標の迎撃に成功した。後続リリースは事前学習の情報開示を引き継ぐか：41の言語モデル版を対象とした文書監査urn:diting-lab:ja:doc:2946872026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00What Carries Forward? Pretraining Disclosure Across Language Model Releases
arXiv · 2026年10月28日本論文は、2025年の基盤モデル透明性指数（FMTI）にある事前学習関連の24指標を用い、17のモデルファミリーに属する41のモデル版を文書ベースで監査したものです。十のファミリーにおける隣接する版の比較で、総合スコアと指標ごとの増減を追跡しています。その結果、後続版では得点が下がる例が多く、得点が同じか上がっていても開示が減っている場合があることが示されています。Concordat：LLMエージェントのための型付きセッション・プロトコルurn:diting-lab:ja:doc:2946862026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Concordat: Typed Sessions for LLM Agents
arXiv · 2026年10月28日本論文は、LLMエージェントの行動ルールを有限状態プロトコルとして記述し、実行時に強制するPythonライブラリConcordatを提案する。各ターンでは現在の状態で合法なツールのみをモデルに提示し、許可されない呼び出しは副作用が生じる前に拒否される。tau-benchの航空タスクでの評価では、標準エージェントは確認なしに変更を行う違反が見られたが、Concordatエージェントには違反がなく、タスク成功率に有意な差は見られなかった。
★★★★ 注目：セッション型とタイプステートを用い、LLMエージェントのプロトコルを実行時に強制する手法。現在の状態で許可されるツールのみを提示し、副作用の前に違反呼び出しを拒否する。著者らはtau-benchの航空タスクで、標準エージェントが確認なしに変更を行った例を報告し、本手法ではそれがゼロで成功率に有意差がないとしている。M4Bench：臨床EHR導出エージェントの手続き的仕様を評価するベンチマークurn:diting-lab:ja:doc:2946852026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00M4Bench: Evaluating Procedural Specification for Clinical EHR Derivation Agents
arXiv · 2026年10月28日本論文は、MIMIC-IVとeICU上の15のタスクファミリーにまたがる28の臨床変数導出タスクからなるM4Benchを提案し、AIコーディングエージェントがそのような導出を再現できるか、また臨床医が確認したエージェントスキルが結果をどう変えるかを検証している。スキルは平均で報酬を0.136高めたが、その増分の大部分は仕様の完全性によるものだった。厳格な全チェックを通過した実行はごく一部にとどまり、スキルが返す行への影響もわずかであった。タスク、スキル、評価コード、実行証跡はオープンソースで公開されている。
★★★★ 注目：臨床EHR派生変数向けのM4Benchを提案し、AIコーディングエージェントでは仕様の完全性がスキル効果の大半を占めると報告している。ただし完全合格の実行は少数にとどまる。入力スキップはVAEを再パラメータ化するが、生成器を改善するとは限らないurn:diting-lab:ja:doc:2946842026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00An Input Skip Can Reparameterize a VAE Without Improving the Generator
arXiv · 2026年10月28日論文は、ガウス型変分オートエンコーダに定数の入力スキップを加えても、デコーダ出力と雑音分散を特定の方法で調整すれば、生成サンプルの分布は変わらず、再構成の平均二乗誤差だけが一定比率で小さくなることを示す。既知密度のガウス実験と、DART津波記録7件での結果から、再構成誤差を下げてもエネルギースコアが必ず改善するとは限らないことが報告されており、生成性能の評価には再構成誤差以外の指標が必要だと結論づけている。解釈可能なメタポリシーによるニューラル意思決定（NEXUS）：透明な推論を高レベルのスキルに置く階層型強化学習の枠組みurn:diting-lab:ja:doc:2946822026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Interpretable Meta-Policies for Neural Decision Making
arXiv · 2026年10月28日本論文は、ニューラルスキルと記号的メタポリシーを組み合わせた階層型強化学習の枠組みNEXUSを提案する。透明な推論を原子的な行動ではなく高レベルのスキルに移すことで、環境での性能を損なわずに記号的な複雑さを大幅に減らす。また、神経、記号、神経記号の3種のメタポリシー構造が、環境での収益とタスクへの整合性に与える影響を比較している。適応的エクスペクタイル集約によるグラフ表現学習：平均の代わりに学習可能な水準で近傍情報を捉える手法urn:diting-lab:ja:doc:2946812026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Graph Representation Learning via Adaptive Expectile Aggregation
arXiv · 2026年10月28日本論文は、学習可能なエクスペクタイル水準（expectile level）によって平均を超える近傍情報を捉える適応的グラフ集約フレームワークExpectileGCNを提案します。この集約は最小値型と最大値型の挙動の間で連続的に調整され、平均集約はその特殊な場合です。シグモイド平滑化と不動点反復による微分可能な近似により、エンドツーエンドの最適化が可能です。理論面では安定性と転導的汎化の保証を示し、異質性グラフの近傍モデルにおける分類リスクも分析しています。同質・異質のベンチマークグラフでの実験では、高い予測性能と特徴量の破損や構造摂動に対する頑健性が示されています。ETAMem：長期対話エージェントのための異種メモリの分離と整合urn:diting-lab:ja:doc:2946792026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00ETAMem: Decoupling and Aligning Heterogeneous Memory for Long-Term Conversational Agents
arXiv · 2026年10月28日本論文は、長期対話エージェント（大規模言語モデル）向けのマルチビュー記憶フレームワーク「ETAMem」を提案している。対話情報を原子的な記憶単位に分解し感情情報を識別したうえで、それらを出来事・感情・時間という3つの相補的な階層ビューに整理する。検索時にはクエリごとに各ビューへ予算を配分する。LoCoMoとLongMemEval-Sでの実験で、相対精度がそれぞれ12.46%と7.96%向上し、トークン効率も競争力のある水準を保ったと報告している。CRISP：エッジサーバー上の効率的なMoE推論のための剪定とスケジューリングの協調設計urn:diting-lab:ja:doc:2946782026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00CRISP: Co-designing Pruning and Scheduling for Efficient MoE Inference on Edge Servers
arXiv · 2026年10月28日メモリ制約のあるエッジ環境で混合専門家（MoE）モデルを推論する際のボトルネックは、計算よりも専門家の重みの転送にあるという点を扱った論文です。本論文は、重要度順にニューロンを並べ替えて一つの専門家から複数の実行幅を得られるようにし、組み合わせの頻度と専門家の役割に基づいて高頻度・中頻度・低頻度の組み合わせを差別化して実行するCRISPフレームワークを提案しています。同じメモリ予算で、スループットを最大2.1倍向上させ、全幅推論に対する精度低下を3.6％以内に抑えたと報告しています（Mixtral-8x7B、DeepSeek-MoE-16Bで評価）。見えない世界を表現する：空間推論のための視覚的想像の再考urn:diting-lab:ja:doc:2946762026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Representing the Unseen: Rethinking Visual Imagination for Spatial Reasoning
arXiv · 2026年10月28日視覚的世界モデルは、未観測の状態のRGB画像を生成することで空間推論を支援しているが、RGBは視覚生成に適しているため既定の表現となっているにすぎない。本論文は、同一の想像状態に対して六種類の代替表現（深度、パノラマ画像、俯瞰幾何など）を提供する、シミュレータに基づくベンチマークImagiRep（922問、7種の問題タイプ、2つの設定）を提案している。その結果、想像されたRGBが正確でも空間推論が正確になるとは限らず、問題によって有効な表現が異なることが示された。さらに、適応的に表現を選択する軽量なテスト時手法GEARSを提案し、既存手法を上回る性能を示している。FeatureArc：機能の段階的な進化におけるコーディングエージェントの評価ベンチマークurn:diting-lab:ja:doc:2946752026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00FeatureArc: Benchmarking Coding Agents on Evolving Features
arXiv · 2026年10月28日本論文は、ソフトウェア機能が段階的に拡張される状況でコーディングエージェントを評価するベンチマーク FeatureArc を提案する。各段階の拡張は、エージェント自身が以前書いたコードの上に構築される。タスクはリポジトリの履歴から作成され、4 種類のプログラミング言語にまたがる。10 のエージェントを 73 のタスクで評価した結果、初段階の成功率は 62.7% だったが、最終コードで機能全体をテストすると 28.5% に低下した。失敗の多くは、初期の欠陥が後続段階に引き継がれることが原因である。
★★★★ 注目：進化する機能を対象とする編码エージェント用ベンチマークFeatureArcと自動構築手法を提案し、10エージェント・73タスクの実験で首段階62.7%から全体28.5%への成功率低下を報告している。任意の畳み込みニューラルネットワークのためのセグメンテーション信頼度urn:diting-lab:ja:doc:2946732026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Segmentation Confidence for Arbitrary CNNs
arXiv · 2026年10月28日畳み込みニューラルネットワークは医用画像のセグメンテーションに広く使われていますが、本来は信頼度を示す指標を持っていません。本研究では、既存のセグメンテーションパイプラインに最初から学習し直すことなく追加できる、ボクセル単位の不確実性推定手法を検討しています。あわせて、不確実性マップから入力ごとの単一の信頼度スコアを算出する新しい手法を提案しています。異なる関心領域とモダリティでの評価では、このスコアが未知のデータにおけるセグメンテーション性能を予測できることが示されています。視覚的証拠が不十分なとき：指示・事後学習・内部活性化がマルチモーダルモデルの回答拒否をどう形作るかurn:diting-lab:ja:doc:2946722026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00When Visual Evidence Is Insufficient: How Instructions, Post-Training, and Internal Activations Shape Refusal in Multimodal Language Models
arXiv · 2026年10月28日本論文は、画像だけでは答えられない質問に対して、マルチモーダル大規模言語モデルが回答を控えるかどうかを検証しています。MoHoBenchベンチマーク上の3つのモデルで、推論時の指示、教師あり学習と選好ベースの事後学習、拒否に関連する活性化方向への介入を比較しています。拒否は指示の意味と配置に強く左右され、事後学習は拒否を大きく増やす一方、活性化介入による変化は小さいものの条件をまたいで移転することが示されています。GRPO学習を強化するためのベイズ適応MDPによるロールアウト配分urn:diting-lab:ja:doc:2946712026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Bayes-Adaptive MDPs for Rollout Allocation to Enhance GRPO Training
arXiv · 2026年10月28日論文は、GRPOが各問題に一律のロールアウト数を割り当て、問題の難易度の違いを無視している点を指摘します。高難度の問題は有益な正の報酬信号を得にくくなります。著者らは、標準GRPOと同じ総ロールアウト予算の下で、ベイズ適応マルコフ決定過程として配分を学習するAdaRoll-GRPOを提案します。学習された方針はオフラインで計算され、GRPO学習中に適用されます。複数の推論データセットとモデルでの実験により、固定予算下で学習性能が向上したことが示されています。出力を超えて：モダリティと演算をまたいで共有される潜在数値フレームurn:diting-lab:ja:doc:2946692026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Beyond the Readout: A Latent Numerical Frame Shared Across Modality and Operation
arXiv · 2026年10月28日本論文は、マルチモーダルモデルがテキストまたは画像で与えられた加算・減算に対し、同じ内部の数の概念を使うのかを調べています。著者らは Gemma4-12B-it の残差ストリーム上で因果介入により部分空間を学習し、条件ごとに数の方向は異なるものの、一つの回転と拡大縮小で対応づけられることを示しました。さらに、次に出力される桁を直接決めない隠れた方向にも数値情報が保持され、後続の桁の生成を導くことが報告されています。
★★★★ 注目：類似度指標ではなく因果介入を用い、テキストと画像の算術が同じ数値幾何を共有すること、出力数字に影響しない隠れ方向にも数値が保持されることを示す。要約では次の桁が77.6%で変わったと報告。ブラウン補間サンプリングにおける変位モーメントと経路終端の分離urn:diting-lab:ja:doc:2946672026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Displacement Moments and Path-Terminal Separation in Brownian Interpolant Sampling
arXiv · 2026年10月28日本論文は、対になった端点サンプル間を結ぶブラウン確率的補間におけるサンプリング誤差を研究する。端点に一次モーメントがない場合でも、誤差が変位モーメントに依存しうることを示す。任意のBorel結合について、標準的なEuler法による真のソースからのサンプリングに対し、早期停止を伴う目標から出力へのKL保証を証明している。経路KLと終端KLの異なる振る舞いも分析され、マルコフ射影によって失われるソースの情報も扱われる。CTBakeGS：学習なしで写実的なCT体積レンダリングを3Dガウシアンスプラットに変換する手法urn:diting-lab:ja:doc:2946642026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00CTBakeGS: training-free baking of photorealistic CT volume renderings into 3D Gaussian splats
arXiv · 2026年10月28日本論文は、CTボリュームの写実的な体積レンダリング結果を、学習を行わずに3Dガウシアンスプラッティング（3DGS）モデルへ直接変換する手法を提案しています。適応八分木のセル上にスプラットを配置し、グラフィックスプロセッサ上でレンダラーの照明を用いて色と不透明度を計算します。公開されたCTデータ6件での評価では、二百万スプラットのモデルのPSNRは骨でおよそ32.6 dB、造影血管で30.1 dBなどとなりました。変換は一般的なノートPCで数秒から30秒程度で完了し、変換後のモデルは毎秒68フレームで描画できたと報告されています。霧を晴らす：回答の根拠となる証拠を検索するKGエージェントの学習urn:diting-lab:ja:doc:2946632026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Clearing the FoG: Training KG Agents to Retrieve the Evidence Behind Their Answers
arXiv · 2026年10月28日本論文は、既存の知識グラフ（KG）質問応答エージェントが回答の正否のみを重視し、回答を裏付ける証拠の三つ組を学習データにも報酬にも含めていないため、正答しても根拠を検索しないことが多いと指摘しています。著者らは、証拠に基づく問題合成、KG対話エージェント、証拠カバレッジ過程報酬（ECPR）からなるFoGフレームワークを提案しています。三つのKGQAベンチマークで、3B〜4Bのオープンソースエージェントが大幅に大きな基準モデルを回答精度と証拠カバレッジで上回り、別のKGへゼロショットで転移できることを示しています。生成モデルの不確実性を考慮した検証のためのエンドツーエンド枠組みurn:diting-lab:ja:doc:2946622026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00An end-to-end framework for uncertainty-aware validation of generative models
arXiv · 2026年10月28日本論文は、密度推定と不確実性定量化を組み合わせたエンドツーエンドの枠組み SIGMA を提案している。ガウス混合モデルを用い、フィッティング誤差に対応する不確実性を局外母数として扱う複合仮説検定を構築している。二次元の玩具モデルと、QCD背景過程を扱う衝突型加速器物理のベンチマークで検証され、不確実性を含めると標準的な検定の約10倍の規模のテストセットでもモデルを信頼できるとしている。GLEE向けの、ベイズ的対戦相手モデリングと道徳的レトリック枠組みを用いたゲーム理論ソルバーurn:diting-lab:ja:doc:2946612026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Game-Theoretic Solvers with Bayesian Opponent Modeling and Moral Rhetoric Framing for GLEE
arXiv · 2026年10月28日本論文は、人間とAIの対戦相手が混在するGLEE競技会に提出されたエージェントを紹介する。エージェントは、数値的な手を計算する古典的ゲーム理論ソルバー、対戦相手の類型を推定するオンラインのベイズ層、付随メッセージを作成する言語モデルの三要素で構成される。1万3200局のモンテカルロ対局と11種の合成対戦相手に対する評価、対戦相手モデリング層のアブレーション、9337件の実対局メッセージの分析を行っている。説説場面では、道徳的レトリック枠組みと買い手の購入の有無に強い相関があり（χ²=616.7、p≈3.7×10⁻¹³²）、品質、ラウンド、設定を統制しても残ると報告されている。反復的な事後リラベリングによる品質制御可能なロボット方策の学習urn:diting-lab:ja:doc:2946592026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling
arXiv · 2026年10月28日本論文は、実行速度や動作の滑らかさなどの品質属性と、その組み合わせを推論時に制御できるロボット方策、品質制御可能方策（QCP）を提案しています。初期のデモンストレーションを超えて制御可能な品質の範囲を広げるため、目標の品質ラベルでオンラインの実行データを収集し、成功した軌道を追加して、実測品質に基づき事後にリラベリングし、方策を微調整する反復ループを設計しました。Robomimic と RoboEval での実験では、反復ごとに実行品質と成功率が向上し、初期デモを上回る品質の成功実行が得られました。実世界の操作実験では、速度制御によりコンベア作業のスループットが上がり、搬送の安定性制御によりワイングラス搬送の成功率が向上しました。JEPA着想の潜在場予測によるスパースパイロットMIMO-OFDMチャネル再構成urn:diting-lab:ja:doc:2946582026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00JEPA-Inspired Latent Field Prediction for Sparse-Pilot MIMO-OFDM Channel Reconstruction
arXiv · 2026年10月28日本論文は、MIMO-OFDMシステムで完全なチャネル状態情報を取得する際の高いパイロットオーバーヘッドに着目し、JEPA（結合埋め込み予測アーキテクチャ）に着想を得た無線伝搬場の世界モデルを提案している。CSI観測を潜在時間周波数トークンに写像し、過去の多帯域文脈からマスクされた、または将来の潜在場状態を予測して、ノイズを含む現在のスパースパイロットと融合し、チャネルを再構成する。レイトレーシングによる実験では、パイロットのみの手法や直接再構成のベースラインより正規化平均二乗誤差が改善されたと報告されている。LinMix：データ混合を線形ドメイン帰属として扱う手法urn:diting-lab:ja:doc:2946572026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00LinMix: Data Mixing as Linear Domain Attribution
arXiv · 2026年10月28日本論文は、言語モデルの事前学習データにおける各ドメインの混合比率が性能に与える影響を扱う。著者らは、上限付き単体の頂点で、各ドメインが上限に達するか存在しないようにデータ混合をサンプリングするLinMixを提案し、その係数が各ドメインの帰属値となる解釈可能な線形モデルを得る。10億および40億パラメータのモデルによる実験では、推論・コード・数学のベンチマークでディリクレ分布ベースの手法を上回り、288の細粒度ドメインでも線形適合を支えることが示された。
★★★★ 注目：データ配合を線形ドメイン帰属問題とみなし、ディリクレ採样の代わりに頂点採样を用いる。著者は最適性の証明を示し、1BのOLMo2と4BのQwen3.5で、MBPPで46%、GSM8Kで14%の相対的向上を報告している。負例はいくつ、どれだけの重みで使うべきか？知識グラフ埋め込みのための対照学習手法RADARurn:diting-lab:ja:doc:2946562026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00How Many and How Much? Contrastive Learning with Negative Samples for Knowledge Graph Embedding
arXiv · 2026年10月28日本論文は、知識グラフ埋め込みの対照学習において、各正例に何個の負例を割り当てるべきか、また各負例がどれだけ学習に寄与すべきかを検討しています。著者らは、リスク考慮型の負例数配分と分布校正型の負例重み付けという2つの戦略からなるRADARフレームワークを提案しています。3つの実世界知識グラフと4種類の埋め込みモデルによる実験では、RADARが全組み合わせで平均して最良の性能を示し、サンプリングされた偽の負例を90%以上削減したと報告されています。ランダムな深層ニューラルネットワークのパラガウス近似urn:diting-lab:ja:doc:2946552026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Para-Gaussian Approximations of Random Deep Neural Networks
arXiv · 2026年10月28日ランダムに初期化されたニューラルネットワークは、幅が無限大に近づくとガウス分布に従う振る舞いを示すことが知られている。しかし有限の幅では、この近似は精度が低く、層が深くなるほど悪化する。本論文では、わずかに非ガウス的な、より精密な近似を提案する。これはエルミート多項式から構成されるパラガウス分布と呼ばれる。さらに、深い層を近似する実用的な再帰的手法を示し、線形ニューラルネットワーク（厳密に解ける）とReLUニューラルネットワーク（近似的に扱う）に理論を適用する。MoE（混合エキスパート）デコーディングのチャネル選択は校正データが不要urn:diting-lab:ja:doc:2946542026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Channel Selection for Mixture-of-Experts Decoding Needs No Calibration Data
arXiv · 2026年10月28日本論文は、混合エキスパート（MoE）モデルのデコーディングにおけるチャネル選択を扱う。オフラインデータで校正した閾値による方法では、読み込む重みの量を固定できず、精度向上も安定しないと示す。一方、各トークンでスコア上位k個のチャネルを選ぶ top-k 方式は校正データを必要とせず、多くの比較で閾値方式と同等以上の結果となった。さらに、モデル自身の重みだけで構成される読み取り手法を提案し、三つのMoEモデルで全モデル精度の98.1%を、ルーティング専門家の読み取りの17.8%で保持したと報告している。PDRVLA：物理ダイナミクス表現を備えた視覚・言語・行動モデルurn:diting-lab:ja:doc:2946532026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations
arXiv · 2026年10月28日本論文は、視覚観測と言語指示からロボットの行動を生成するPDRVLAモデルを提案しています。軽量な物理ダイナミクスモジュールが視覚・言語特徴から物理トークンを抽出し、オンラインでの動画生成なしに行動生成を条件付けます。4つのシミュレーションベンチマークでの成功率は、LIBEROで99.3%、LIBERO-Plusで89.9%、RoboTwin 2.0で93.6%、SimplerEnvで81.5%です。同じ判定、異なる読者：相対的選好に基づくファクトチェック解説の個人化urn:diting-lab:ja:doc:2946522026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Same Verdict, Different Readers: Personalizing Fact-Checking Explanations from Relative Preferences
arXiv · 2026年10月28日この論文は、同じファクトチェックの解説が背景の異なる読者すべてに合うとは限らない問題を扱っています。事実の忠実性を保ったまま、既存の解説を個々の読者向けに書き換える手法を提案しています。LLMが模擬した読者の相対的選好から学習し、模擬選好の構築と段階的な選好学習からなるPERPLという枠組みを示しています。実験では、より大規模な汎用LLMより個人化された選好への適合で優れ、事実の忠実性も高く保たれたと報告されています。エージェント条件付きルーティング：凍結モデル内で多様な推論経路を生成する手法urn:diting-lab:ja:doc:2946512026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Agent-Conditioned Routing: Diverse Reasoning Paths Within One Frozen Model
arXiv · 2026年10月28日本論文は、パラメータを変更せずに同一問題から異なる解法を生み出せるかを検討している。提案手法のエージェント条件付きルーティング（ACR）は、並列する各推論経路に固定の専門家利用マスクを割り当て、学習済みのルーターはそのまま維持する。126問の数学・物理ベンチマークでは、温度サンプリングより主要解法が2種類以上ある問題が多く得られた一方、正答率はやや低かった。欧幾里得の混雑に基づく適応的な欧幾里得・双曲グラフ学習：階層データ上で欧幾里得空間と双曲空間の差を理論的に分析し、両幾何を融合する手法を提案する論文です。urn:diting-lab:ja:doc:2946502026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Euclidean Crowding-Driven Adaptive Euclidean-Hyperbolic Graph Learning
arXiv · 2026年10月28日本論文は、木構造グラフの埋め込みで欧幾里得空間に生じる混雑（Euclidean crowding）を幾何学的に定量化し、固定次元の欧幾里得埋め込みでは層ごとの最小間隔が縮み、マージンベースの汎化境界が弱くなることを示しています。また、階層データにおいて双曲幾何が優れることを説明する汎化境界も提示しています。さらに、指数写像で欧幾里得GNNの表現を双曲空間へ持ち上げ、ノードごとの近傍拡張パターンに基づいて両幾何を適応的に融合するEH-Fusionを提案し、その有効性を実験で検証しています。多様体学習の幾何学：深層学習モデルによる特異葉層構造urn:diting-lab:ja:doc:2946492026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00The Geometry of Manifold Learning: Singular foliations via Deep Learning models
arXiv · 2026年10月28日本論文は、学習済みニューラルネットワークがデータ空間上に定める幾何構造を理論的に検討する。データ情報行列（フィッシャー情報行列の変種）を用いて葉層構造を定義し、従来の幾何学的手法が通用しにくいReLU活性化関数の非滑らかな場合に焦点を当てている。その行列の列が張る分布は超関数の意味で非滑らかであることが示され、測度ゼロの集合でのみ異なる平滑化版が導入される。この平滑化分布が学習データに基づくデータ空間上で特異葉層構造を誘導することが証明される。大規模言語モデルはなぜ失敗するのか：内部メカニズムから敵対的推論軌跡までurn:diting-lab:ja:doc:2946482026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00Uncovering Why LLMs Fail: From Internal Mechanisms to Adversarial Reasoning Trajectories
arXiv · 2026年10月28日本論文は、白箱診断フレームワークCauTraceを提案し、7つの機能状態、表現の伝播、時間的状態協調、推論軌跡トポロジーの観点から、通常の推論失敗と敵対的摂動による失敗の過程を分析します。Qwen系およびLLaMA系モデルで実験を行い、失敗した軌跡では支持状態の更新に対するAttentionとMLPの一致が弱く、コミットメントに比べて検証の活動が少ないことを示しています。具体的な表現レベルの特徴や時間的変化はアーキテクチャによって異なります。TRIDENT-Seq：プロファイル一致の接頭辞・将来対照によるラベル効率的な決済リスクモデリングurn:diting-lab:ja:doc:2946472026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00TRIDENT-Seq: Profile-Matched Prefix-Future Contrast for Label-Efficient Payment Risk Modeling
arXiv · 2026年10月28日本論文は、ラベルのない取引履歴で事前学習する取引基盤モデルTRIDENT-Seqを提案します。Prefix-Future Contrast（PFC）により、各取引の接頭辞を、活動プロファイルが似た候補の後続行動の要約と対応させて学習します。3つの本番決済事業において、事前学習済みエンコーダは0.5%の介入予算で、同じ構造をゼロから学習したモデルより平均精度と再現率が改善しました。部署評価では、従来のXGBoostベースのシステムと比べ、金額ベースの記録上のチャージバック率と全体損失率がそれぞれ37.7%と37.9%低くなりました。
★★★★ 注目：活動プロファイルで候補を揃えた接頭辞-未来対比事前学習を提案。ランダム候補では再現率5.64%、本手法では24.62%と報告。3つの本番業務で、著者らは従来XGBoostシステム比で拒否率・損失率の低減を示したとしている。EmbeddingGemma 2：統一的で効率的なマルチモーダル表現モデルurn:diting-lab:ja:doc:2946462026-10-28T00:00:00+09:002026-10-28T10:59:08+09:00EmbeddingGemma 2: Unified and Efficient Multimodal Representations
arXiv · 2026年10月28日本論文は、テキスト、画像、音声、動画およびそれらの組み合わせを単一の表現空間で扱うオープンなマルチモーダル埋め込みモデル「EmbeddingGemma 2」を紹介しています。層ごとの埋め込みを簡素化し、モダリティと目的関数を段階的に導入する多段階のカリキュラム学習を採用しています。論文によると、全モダリティの埋め込みベンチマークで専用モデルや2〜12倍規模の大きいモデルを上回る結果を示し、資源が限られた環境向けの柔軟な設定も備えています。二値予測を伴うオンライン区間選択：最適な一貫性と連続的な頑健性のトレードオフurn:diting-lab:ja:doc:2946452026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Online Interval Selection with Binary Predictions: Optimal Consistency and a Continuous Robustness Tradeoff
arXiv · 2026年10月27日本論文は、各要求が最終的な最適解に含まれるかどうかの二値予測を与えられるオンライン区間選択問題を研究する。要求は任意の順序で到着し、採択済みの要求は取り消せるが、拒否または取り消された要求は復元できない。有限の厳密な頑健性のもとでの最良の一貫性は (3+√5)/2 であることを示し、これを達成する決定的アルゴリズムの正確な頑健性は φ^5 であることを示す。さらに、置換コストを調整可能な連続的なアルゴリズム族と、有限の期待頑健性のもとで期待一貫性を1に近づけられる乱択アルゴリズムの結果を示す。TimeLineXR：視覚言語モデルにおける時間の対話的探索urn:diting-lab:ja:doc:2946442026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TimeLineXR: An Interactive Exploration of Time in Vision-Language Models
arXiv · 2026年10月27日本論文は、視覚言語モデル（VLM）の埋め込み空間内で時間を表す構造を、利用者が操作できる三次元の時間軸として可視化する対話型デモ TimeLineXR を提案する。ウェブ版と WebXR 版の両方で画像を時間軸上に配置し、対象の推定される初出年を比較できる。制度的権力と運用能力の整合urn:diting-lab:ja:doc:2946432026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Aligning Institutional Power and Operational Ability
arXiv · 2026年10月27日本論文は、マルチエージェントAIシステムの規範設計を論じ、責任とそれを果たす能力が整合している必要性を主張しています。プロセス指向モデリングと制度的権力を中心とする形式的枠組みを提案し、規範に関わるプロセスを分析する方法と、その修復の方策を検討しています。また、運用プロセスと制度的状態の対称的な関係が規範的地位のライフサイクルにどう影響するかも説明しています。CodeCap-Bench：コードは良い動画キャプションになるか。実行可能なコードで動画を記述する能力を測るベンチマーク。urn:diting-lab:ja:doc:2946422026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00CodeCap-Bench: Can Code Serve as a Good Video Caption?
arXiv · 2026年10月27日本論文は、図形の基本要素やレイアウト規則、時間の関数を組み合わせた実行可能なプログラムで動画の内容を表す手法を検討しています。自然言語による説明と比べ、コードによるキャプションは質問応答と動画再構成の両タスクで高い性能を示しました。さらに、323本の動画からなるベンチマークCodeCap-Benchを提案し、マルチモーダル大規模言語モデルのコード生成能力を評価しています。商用モデルは有望な結果を示す一方、複雑な時間的変化の表現では課題が残り、オープンソースモデルは大きく遅れています。正常参照からの逸脱モデリングによる脳波ベースのうつ病検出urn:diting-lab:ja:doc:2946412026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Normative Deviation Modeling for EEG-based Depression Detection
arXiv · 2026年10月27日本論文は、健常者の脳波記録を用いて構造的および分布的な参照モデルを学習し、個人の脳波が健常パターンからどれだけ逸脱するかを捉えます。逸脱をスカラー値にまとめる方法と、次元ごとの残差を保持して注意機構で統合する方法の二つの診断手法を提案しています。二つの公開脳波データセットで評価を行い、複数の評価設定で有効性を示しています。CoS-VQ：大規模言語モデル向けの協調共有スケールベクトル量子化手法urn:diting-lab:ja:doc:2946402026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00CoS-VQ: Coordinated Shared-Scale Vector Quantization for Large Language Models
arXiv · 2026年10月27日本論文は、大規模言語モデルの重みを低ビット量子化するためのベクトル量子化手法CoS-VQを提案している。低次元のコードワードを維持したまま、各位置の離散インデックスと共有スケールを同時に最適化し、スケールとコードワードの組み合わせの結合問題に対処する。著者らは、Qwen3.8-27Bにおいて、評価した言語モデリング、コーディング、推論のベンチマークでQTIPおよびLLVQを上回ったと報告しており、アブレーション実験では、スケールのみの改良よりも同時更新による利得が大きいことが示されている。WCC：大規模最適化で協調進化を適用する時期を決める学習ベースの枠組みurn:diting-lab:ja:doc:2946392026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00WCC: A Learning-Based Framework for Deciding When to Apply Cooperative Coevolution in Large-Scale Optimization
arXiv · 2026年10月27日本論文は、大規模大域最適化において協調進化（CC）をいつ適用するかを学習によって決めるWCCという枠組みを提案します。意思決定をマルコフ決定過程として定式化し、協調進化と非分解アルゴリズムを動的に切り替えながら、専門家の指定なしに計算予算を配分します。著者らは、異なる問題、最適化期間、基準となる最適化手法に対して高い競争力と汎化性能を示したと述べています。ScIntBench：三次元シーン生成における物理的インタラクションの妥当性ベンチマークurn:diting-lab:ja:doc:2946382026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00ScIntBench: Physical Interaction Plausibility in 3D Scene Generation
arXiv · 2026年10月27日本論文は、インタラクション準備性を中心に据えた統一ベンチマーク ScIntBench を提案する。物理シミュレーションで押す・開けるなどの指定操作を実行し、タスク成功率、能力と進捗、操作後の整合性、動的な妥当性を測定する。10種類の部屋を対象に12の最新シーン生成システムを評価し、静的な物理的妥当性が高くても、インタラクションに対応できるとは限らないことを示している。キロメートルスケールの機械学習気象予測モデルに対する、スケール認識・空間局所化された最適化urn:diting-lab:ja:doc:2946372026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Scale-aware and spatially-localised optimisation of kilometre-scale MLWP models
arXiv · 2026年10月27日本論文は、双対木複素ウェーブレット変換に基づく損失関数を提案し、大気場をスケール、位置、方向の観点から同時に制約することで、キロメートルスケールの機械学習気象予測において微細構造を保持する手法を示している。英国上空の1.5キロメートル予測と約31キロメートルの全球予測を同時に行う実験的構成で評価された。平均二乗誤差およびFFTベースのスペクトル目的関数と比べ、ウェーブレット損失はスペクトルの忠実度を大きく改善し、平均二乗誤差による学習と同程度の地点ごとの精度を保ちつつ、近傍検証の結果も向上させたと報告されている。UCVE：コンプライアンス検証のためのグラフ構造検索手法urn:diting-lab:ja:doc:2946362026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00UCVE: Graph Structured Retrieval for Compliance Validation
arXiv · 2026年10月27日本論文は、文書が事前に定義された要件の各義務を満たしているか、違反しているか、未対応かを判定するUCVEフレームワークを提案しています。コンプライアンス要件をグラフとして表現し、強化学習で重み付けしたラプラシアンに基づくスペクトル再ランキングで検索を行います。三つのコンプライアンス分野での評価では、フラットなコサイン検索と比べてマッチK再現率が平均4.3%向上し、強力な検索・グラフベースのベースラインを上回りました。イベントベース追跡における多次元割り当てのための階層的疎グラフurn:diting-lab:ja:doc:2946352026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Hierarchical Sparse Graph for Multi-dimensional Assignment in Event-based Tracking
arXiv · 2026年10月27日既存のイベントベース追跡手法は隣接するバッチ間で軌跡の断片を関連付けるオンライン方式が中心で、時間的な範囲が限られるため、長時間の遮蔽や検出漏れに弱い。本論文は複数バッチの軌跡断片を同時に関連付ける多次元割り当てに取り組み、ファジィ論理で軌跡断片間の相関を定量化して階層的疎グラフ（HSG）を構築し、割り当てをグラフ分割問題として扱う。学習を必要としない手法である。eTram と Ev-UAV の二つのイベントデータセットで、既存のイベントベース手法と多くの画像ベース手法を上回り、多対多の関連付けでは OC-SORT の2倍以上の性能を示した。AnalogScout：LLMエージェントを用いた、PVTを考慮しシミュレーション効率に優れたアナログ回路サイジング手法urn:diting-lab:ja:doc:2946342026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00AnalogScout: Simulation-Efficient PVT-Aware Analog Sizing with LLM Agents
arXiv · 2026年10月27日本論文は、アナログデバイスのサイジングを行うAnalogScoutフレームワークを提案します。全PVTコーナーで仕様を満たす必要がある中、検証済みの優れた設計の再利用と解析的なgm/Idローカルサイジングにより、シミュレーション回数を削減します。SKY130プロセスの3種類のOTAで、1.6万回のシミュレーション予算の下、CMA-ESと比べて消費電力を43.3%削減し、そのCMA-ESの最終電力に予算の7.0%で到達しました。ReForest：Isolation Forestにおける解釈可能性と推論の統合urn:diting-lab:ja:doc:2946332026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00ReForest: Interpretability Meets Reasoning in Isolation Forest
arXiv · 2026年10月27日本論文は、Isolation Forest（孤立森）による統計的異常検知と大規模言語モデルの意味推論を組み合わせるフレームワーク「ReForest」を提案している。Isolation Forestの決定経路を自然言語の説明に変換し、不確実性に基づく動的アンサンブルで統計的信号と意味的信号を重み付けする。医療・金融の実世界データセット4件での実験において、再現率は平均21%、F1スコアは10%向上したと報告されている。皮膚がん検出のための、顕著性マップによる解釈性を備えた軽量アテンション付きCNNurn:diting-lab:ja:doc:2946322026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00A Lightweight Attention-Based CNN with Saliency-Map Interpretability for Skin Cancer Detection
arXiv · 2026年10月27日本論文は、皮膚病変の二値分類を行う軽量なアテンション付き畳み込みニューラルネットワーク（CNN-Attention）を提案しています。チャネルアテンションにより皮膚鏡画像の重要な領域に注目し、顕著性マップでモデルの判断に影響する領域を可視化します。公開データセット（訓練2,637枚、テスト660枚）での精度は87%、パラメータ数は約195万、ROC AUCは0.9475、PR AUCは0.9430でした。精度は最良のベースラインであるMobileNetと同等で、パラメータ数と保存容量は約半分です。MvT：イベントカメラ向けマルチビュー投影による複数物体追跡手法urn:diting-lab:ja:doc:2946312026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00MvT: Event-based Multi-view Projection for Multiple Object Tracking
arXiv · 2026年10月27日イベントカメラの非同期な出力に対し、既存手法は擬似フレーム化するものが主流だが、軌跡が重なったり近接したりすると追跡に失敗しやすい。本論文は、2次元データ形式を保ったまま時空間的な視点を追加し、単一視点の曖昧さを解消するマルチビュー追跡手法MvTを提案する。統一された3次元座標系で結果を統合し、最適化モデルで軌跡を関連付ける。学習を必要とせず、自作の小物体データセット（SOD）を含む4つのデータセットで評価を行っている。エンドツーエンド自動運転におけるリスク予測のための構造化表現プロービングurn:diting-lab:ja:doc:2946302026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Structured Representation Probing for Risk Anticipation in End-to-End Autonomous Driving
arXiv · 2026年10月27日本論文は、凍結された運転ポリシーから俳優・自車・地図の表現を読み取り、各ソースごとに線形のリスク方向を学習する軽量モニタ「SRP（構造化表現プローブ）」を提案する。イベントウィンドウの監督により、将来の重大な失敗との対応づけを行う。Bench2Driveでの実験では、DriveTransformerの2秒先の予測でROC-AUCが0.833となり、時間的一貫性の0.715を上回った。読み出しの実行時オーバーヘッドは2.67%である。TRUCO：スケーラブルなロックフリー並列輪郭抽出アルゴリズムurn:diting-lab:ja:doc:2946292026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TRUCO: A Scalable Lock-Free Algorithm for Parallel Contour Extraction
arXiv · 2026年10月27日本論文は、二値マスクを幾何学的な輪郭に変換するためのロックフリー並列アルゴリズムTRUCO（Threaded Raster Unrestricted Contour Ownership）を提案する。始点所有権の規則と投機的追跡モデルを組み合わせ、各輪郭が正確に一度だけ処理されるようにしている。消費者向けおよびサーバー向けCPUで行われた合成データと実データによる実験では、既存の基準手法より大幅に高速であり、業界標準と比べて一桁以上の高速化を達成したと報告している。多ラベル一致度（MLA）：アノテーター間信頼性を評価する柔軟な枠組みurn:diting-lab:ja:doc:2946282026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Multi-Label Agreement: A Flexible Framework for Inter-Annotator Reliability
arXiv · 2026年10月27日本論文は、多ラベルアノテーション課題においてアノテーター間の一致度を評価するための多ラベル一致度（MLA）という枠組みを提案している。各項目に付与された完全な二値ラベルベクトルを保持し、平均ペアワイズ・ハミング一致度を用いて、共通の選択と共通の非選択の両方を考慮する。ラベル有病率、宣言されたラベル集合、期待一致のモデルの選び方によって結果が変わることを、具体例とモンテカルロシミュレーションで示し、Python実装も提供している。画像拡散事前分布を用いたゼロショット動画復元のためのノイズ初期化の改良urn:diting-lab:ja:doc:2946272026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Taming Noise Initialization for Zero-shot Video Restoration with Image Diffusion Priors
arXiv · 2026年10月27日本論文は、動画拡散モデルを事前学習せずに、事前学習済みの画像拡散モデルを用いて動画を復元するゼロショット手法を提案している。劣化した動画フレーム自体にDDIM反転を適用して初期ノイズを生成し、フレーム間の時間的相関を保持する。さらに、適応的ノイズ混合戦略と測定誘導型の軌跡アテンションを導入し、時間的一貫性を高めるとしている。DAVIS、REDS4、Set8の各データセットで既存のゼロショット手法を上回ったと報告している。高コストなシミュレータのベイズ推論：設計選択の調査と比較urn:diting-lab:ja:doc:2946262026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Bayesian Inference of Expensive Simulators: Survey and Comparison of Design Choices
arXiv · 2026年10月27日本論文は、計算コストが極めて高いシミュレータを前向きモデルとして用いるベイズ推論の手法を調査したものです。既存のベイズ最適化ベースの手法を一般的な枠組みに統合し、必要なシミュレーション回数の観点から各設計選択の効果を系統的に比較しています。代理モデルの応答変数の選び方が推論効率を大きく左右すること、そして変換された「プロキシ変数」を導入して効率を改善できることを示し、Julia パッケージも提供しています。RPSD：最適輸送を用いた検索特権付きオンポリシー自己蒸留による逐次推薦urn:diting-lab:ja:doc:2946252026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00RPSD: Retrieval-Privileged On-Policy Self-Distillation with Optimal Transport
arXiv · 2026年10月27日本論文は、大規模言語モデルを用いた逐次推薦で、強化学習が系列全体の報酬を全トークンに同じように配分し、単一ユーザーの情報しか使わない問題を扱います。提案手法RPSDは、特権情報を持つ教師が生徒の応答を再評価するオンポリシー自己蒸留でトークンごとの寄与を細かく割り当てます。さらに時間を考慮した最適輸送で類似ユーザーの行動軌跡を比較し、多様な協調的証拠を教師に与えます。論文は複数の実データセットで最先端の性能を示したと報告しています。有向非巡回グラフで選好の依存関係を表し、物語型推薦を行う研究urn:diting-lab:ja:doc:2946242026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Modeling Preference Dependencies with Directed Acyclic Graphs for Narrative-Driven Recommendation
arXiv · 2026年10月27日本論文は、利用者が自由記述で示す、互いに条件付け合う選好を扱う偏好依存グラフフレームワーク（PDG-F）を提案しています。依頼文を有向非巡回の偏好依存グラフに整理し、その経路に沿ってWeb上の候補を検索し、トポロジカル経路ランキングで推薦を決定します。英語と中国語の三つの領域での実験で、ベースラインや開放領域検索エージェント、先端の言語モデルより高い性能が示されました。LLM駆動のエージェント足場進化において、評価予算はどこに配分すべきか？urn:diting-lab:ja:doc:2946232026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Where Should the Evaluation Budget Go in LLM-Driven Agent Scaffold Evolution?
arXiv · 2026年10月27日本論文は、大規模言語モデル（LLM）駆動のエージェント足場進化における評価予算の配分を研究している。実験では、疎なフィードバックでも有効な進化が続けられること、追加の的を絞った評価が最終的な選択を改善することが示された。提案手法 \method は、探索時の疎なフィードバックと最終的な的を絞った確認を組み合わせ、4つのベンチマークと2つの進化フレームワークにおいて、ほとんどの設定で全評価より高い平均性能を、約半分の評価セル数で達成したと報告している。低次多項式による小次元クラスタリングの下界urn:diting-lab:ja:doc:2946222026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Low-degree polynomials lower bounds for clustering in small dimension
arXiv · 2026年10月27日この論文は、次元 d が群の数 K よりずっと小さい場合に、R^d の等方性混合分布から得られる n 個の観測をクラスタリングする計算限界を研究している。双対 BCH 符号から中心を作る伯努利積混合分布を構成し、分離度が一定の条件を満たすとき、低次多項式法では約 K^2 d^{3/2} 個の標本が必要になることを示す。ガウス化の議論により、この困難性は等方性ガウス混合にも及ぶ。
★★★★ 注目：著者は双対BCH符号で2K個の積ベルヌーイ分布の混合を構成し、次数2m+1までモーメントテンソルが一様分布と一致するとしている。摘要は低次多項式の下界をn≳dK²からn≳K²d^{3/2}へ引き上げたと報告し、証明は二部グラフで添字付けた多項式族に基づく。GradCO：テキストによる人物異常検索のための行動認識型勾配衝突オフロード手法urn:diting-lab:ja:doc:2946212026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GradCO: Behavior-Aware Gradient-Conflict Offloading for Text-Based Person Anomaly Search
arXiv · 2026年10月27日本論文は、外観と正常・異常な行動の自然言語記述を用いて対象歩行者を検索するテキスト人物異常検索（TPAS）の手法GradCOを提案します。手法は、行動認識型エキスパート混合（B-MoE）、衝突オフロード学習（COL）、階層的意図整合（HIA）の3つの要素で構成されます。著者らは、五つのTPAS/TIPRベンチマークにおいてGradCOが最先端手法を大きく上回ったと報告しています。REGLATによるArGuard共有タスクへの参加：固有表現認識を統合したアラビア語有害コンテンツ検出のアンサンブルモデルurn:diting-lab:ja:doc:2946192026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00REGLAT at ArGuard Shared Tasks: An Ensemble-Based Model Integrating NER for Harmful Content Detection in Arabic
arXiv · 2026年10月27日本論文は、アラビア語のユーザープロンプトを有害コンテンツの7カテゴリーに分類する二段階の手法を提案しています。まずGLiNERで各プロンプトから有害関連のエンティティを抽出し、それを元のテキストに追加して、微調整したMARBERT分類器で最終分類を行います。ArGuard 2026共有タスクの開発セットでは、マクロF1が0.886、正解率が0.897でした。ブラインドテストセットの子タスク1では正解率0.793、マクロF1 0.735、子タスク2では正解率0.770、マクロF1 0.754でした。関連するカテゴリー同士の区別が依然として難しいことも示されています。GameVerse：長期的な対話型ワールドモデリングのための分単位ゲームプレイデータセットurn:diting-lab:ja:doc:2946182026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GameVerse: A Minute-Scale Gameplay Dataset for Long-Horizon Interactive World Modeling
arXiv · 2026年10月27日本論文は、長期的な対話型ワールドモデル向けに構築された分単位のゲーム動画データセットGameVerseを提案している。データセットは69.7Kクリップ、1,655時間、3億4,960万フレームからなり、うち1,358時間は連続2分間のシーケンスである。各クリップには数分にわたって一貫した安定したカメラ軌跡と、固定時間窗ではなくイベント境界に揃えられた注釈が付与されている。論文によれば、このデータセットで学習することで対話型ワールドモデルの時間的な持続範囲が大きく延びるという。あなたのポリシーは実はハーネス：エージェント・インターフェースの決定幾何学urn:diting-lab:ja:doc:2946172026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Your Policy Is Secretly a Harness: The Decision Geometry of Agent Interfaces
arXiv · 2026年10月27日本論文は、言語モデル・エージェントがプロンプト、ツール、制御ロジックからなる「ハーネス」にどう依存するかを検討します。KL正則化制御のもとで、最適ポリシーの対数オッズがハーネスの各行動への選好を反映することを示し、デプロイ時の報酬をハーネスの上限から方策の乖離を引いたものとして分解します。MiniWoB++では観測フィールドの順序を入れ替えるだけで、学習済みモデルの成功率が85.0%から19.2%に低下することを報告しています。
★★★★ 注目：KL正則化制御の下で最適方策の対数オッズはharnessの行動選好を表し、部署時の収益はharnessの上限と方策のずれに分解される。MiniWoB++では観測欄の順序入れ替えで成功率が85.0%から19.2%に下がると報告している。アフリカ言語における大規模言語モデルの安全性アライメント：ハウサ語の事例研究urn:diting-lab:ja:doc:2946152026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Aligning Large Language Models for Safety in African Languages: A Case Study of Hausa
arXiv · 2026年10月27日本論文は、ハウサ語などの低リソース言語で大規模言語モデルの安全性アライメントがどの程度機能するかを検討している。著者らは、人手で修正した3,000件と機械翻訳した7,000件からなるハウサ語の安全性選好データセット「HausaSafeLM」を構築し、教師ありファインチューニングと直接選好最適化を比較した。その結果、拒否率のみでは未調整モデルの安全性を過大評価しうること、また安全性・有用性・流暢さを同時に最大化する構成は見つからなかったことが示されている。TCM-DiagCommit：証拠条件付き証候選択と判断確定のための、TCM-SD由来のベンチマークurn:diting-lab:ja:doc:2946142026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TCM-DiagCommit: A TCM-SD-Derived Benchmark for Evidence-Conditioned Syndrome Selection and Commitment
arXiv · 2026年10月27日本論文は、公開データ TCM-SD/ZY-BERT を基に、1,834 症例を 148 の証候ラベルにまたがる 23,842 のタスク行に変換したベンチマーク TCM-DiagCommit を構築したものです。ランダム、類似、全語彙の候補段階と、段階的に提示される証拠、舌・脈の摂動、証拠不足の条件を含みます。論文は、最終解答の正解率だけでは診断能力を評価できず、解答選択、証拠の利用、判断の確定を別々に評価すべきだと主張しています。GraphRAGProv：GraphRAGとhow-provenance（来歴の追跡）を組み合わせた手法urn:diting-lab:ja:doc:2946112026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GraphRAGProv: GraphRAG Meets How-Provenance
arXiv · 2026年10月27日本論文はGraphRAGProvというアーキテクチャを提案し、出典テキストに紐づくRDFグラフ上でSPARQLクエリを実行して、回答とそのhow-provenance多項式（どの文の出現を使い、どう組み合わせたかを記録したもの）を算出します。各文は元のテキストへリンクされるため、利用者は抽出された文が原文を正しく反映しているか、またクエリがそれらを正しく組み合わせて質問に答えているかを確認できます。対話型デモでは2つの多段推論型QAベンチマークの400件を検証し、最終回答が正しい場合でも抽出とクエリに誤りがあることを明らかにしました。HDVS：異種デュアルブランチ投票監督による半教師ありセマンティックセグメンテーションurn:diting-lab:ja:doc:2946102026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00HDVS: semi-supervised semantic segmentation via heterogeneous dual-branch voting supervision
arXiv · 2026年10月27日本論文は、大量のラベルなし画像を活用し、人手によるアノテーションを減らして高精度なセグメンテーションを行う半教師ありセマンティックセグメンテーションの新しい枠組み、HDVS（異種デュアルブランチ投票監督）を提案している。クロス監督の枠組みに投票機構を加え、異種ブランチの擬似ラベルを組み合わせて信頼性を高める。また特徴通信モジュールにより特徴レベルで摂動を与え、二つのブランチの予測の多様性を高める。PASCAL VOC 2012とCityscapesの二つのベンチマークで評価し、既存の最先端手法より優れていると報告している。構造化された結果のための二重頑健な深層カーネル検定：2つの介入が同じ結果分布を生むかを、画像・テキスト・グラフなどの高次元構造データに対して判定する手法。urn:diting-lab:ja:doc:2946062026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Doubly Robust Deep Kernel Tests for Structured Outcomes
arXiv · 2026年10月27日本論文は、画像・テキスト・グラフなどの高次元で構造化された結果について、2つの介入が同じ結果分布を生むかを検定する手法DR-KTE-Deepを提案している。介入分布を学習された深層特徴上の平均埋め込みとして表し、処理効果を平均埋め込みの差の二重頑健な表現として定式化する。特徴量は、この処理効果表現上で推定された検定検出力を最大化するように最適化される。実験では、画像・テキスト・グラフの結果すべてで、固定カーネルおよび帯域幅最適化カーネルの基準手法より高い検出力を示し、第一種の誤り率も適切に較正されていることが報告されている。部分空間Cliffordネットワーク：全体的な巡回シフトを低次元部分空間の相互作用に置き換えるニューラルネットワーク設計urn:diting-lab:ja:doc:2946052026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Subspace Clifford Networks
arXiv · 2026年10月27日本論文は、チャネル空間全体で疎な巡回対角成分をサンプリングする従来手法を、低次元のグループ部分空間での相互作用計算に置き換えるSubspace Clifford Networksを提案している。特徴量は2〜4次元のグループに分けた空間へ射影され、グループ内でくさび積座標と要素ごとの積が連結され、学習可能な1×1線形射影によってグループ間のチャネル混合が行われる。CIFAR-100での実験では、パラメータ数と学習時間が大幅に削減され、階層型の変種は評価したシフトベースの階層型ベースラインより分類精度も高かったと報告されている。シャープネス認識型 Muon：モメンタムを用いた摂動による行列認識最適化urn:diting-lab:ja:doc:2946042026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Sharpness-Aware Muon: Matrix-Aware Optimization with Momentum-Guided Perturbations
arXiv · 2026年10月27日Muon は、モメンタムと直交化を組み合わせた行列認識型の最適化手法ですが、近傍での最悪損失を直接制御せず、平坦な領域への学習誘導も行いません。本論文は SAM 型の摂動を直交化更新に組み込んだ MuSAM を提案し、さらに正規化したモメンタムを摂動方向に用いる MoMuSAM を提案します。MoMuSAM は追加の勾配計算を省き、より安定した摂動を得ます。両者は同じ一次の定常性の次数を達成することが示され、標準的なベンチマークで Muon の性能が一貫して向上することが報告されています。Spine：サブタスク木を構造化コンテキストにコンパイルする長期的なコーディングエージェント向け手法urn:diting-lab:ja:doc:2946032026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Spine: Compiling Subtask Trees into Structured Context for Long-Horizon Coding Agents
arXiv · 2026年10月27日本論文は、エージェントがサブタスクの境界を明示的に宣言し、それらを永続的なツリー（SpineTree）として管理するインターフェースおよびランタイム「Spine」を提案しています。モデル呼び出しの前に、未完了のサブタスクの対話は保持し、完了したサブタスクの詳細は結果に置き換えてコンテキストを構成します。著者らはこれをCodexおよびPiに統合し、SWE-Milestone、ProgramBenchなどで元の環境と比較した結果を報告しています。視覚・言語・行動モデルか世界・行動モデルか：JAM（純粋な行動モデル）urn:diting-lab:ja:doc:2946022026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Vision-Language-Action or World-Action? Just Action Models
arXiv · 2026年10月27日本論文は、ロボット制御ポリシーが視覚言語モデルと視覚生成モデルのどちらの事前学習知識を継承すべきかという議論を扱います。著者らは、バックボーンの初期化、未来の観測に対する学習目標、推論時に将来損失の仕組みを残すかどうかの3つの選択を分離し、事前学習済みの視覚バックボーンと行動エキスパートからなるJust Action Model（JAM）を提案しています。先見損失は学習時のみ用いられ、推論時に映像は生成されません。LIBERO、LIBERO-Plus、RoboTwinでは、対応するFastWAMやImageWAMより高い成功率を示し、キャッシュされた先見目標を用いると、FastWAMに比べサンプルあたりの推定学習FLOPsが73%減少しました。TopoField：ECCV 2026 SceneFun3D チャレンジの技術報告urn:diting-lab:ja:doc:2946012026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TopoField: Technical Report for ECCV 2026 SceneFun3D Challenge
arXiv · 2026年10月27日屋内点群から旋钮、ボタン、ソケットなどの機能的部品を検出し、信頼度付きのインスタンスマスクを出力する課題に取り組む論文です。VOLT の上に構築された決定論的デコーダ TopoField は、13 回のテスト時推論を意味的合意場にまとめ、その幾何から候補を復号してクラスを考慮した順位付けを行います。30 の検証シーンの 561 個の正解インスタンスで AP 28.286%、AP50 41.383%、AP25 47.558% を達成し、ECCV 2026 SceneFun3D チャレンジで第 2 位になりました。Zhengrong-Spatial-Aware 1.0：三次元マルチモーダル知能の高度化urn:diting-lab:ja:doc:2946002026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Zhengrong-Spatial-Aware 1.0: Advancing 3D Multimodal Intelligence
arXiv · 2026年10月27日本報告は、三次元空間を意識した視覚的質問応答のための、2つのエンドツーエンド型マルチモーダル適応パイプラインの実装と検証を示す。一方はHiSpatial-3B（RGB画像にメートル尺度の三次元点群を加える）を微調整し、もう一方はQLoRAによる教師あり微調整でQwen3-VLを適応させる。対象の空間ベンチマークでは、HiSpatialの総合精度は微調整前の1.73%から3600ステップで79.89%に向上した。Qwen3-VL-8Bは20.74%から45.27%、Qwen3-VL-32Bは30.79%から47.60%に向上した。検索して行動する：堅牢なVLA実行のための動作プリミティブグラフ検索urn:diting-lab:ja:doc:2945992026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Retrieve to Act: Motion Primitive Graph Retrieval for Robust VLA Execution
arXiv · 2026年10月27日本論文はR2Aフレームワークを提案し、視覚・言語・行動（VLA）方策の分布外の視覚変化に対する頑健性を、幾何学的な動作プリミティブの検索問題として定式化します。成功した訓練デモンストレーションを時空間の動作プリミティブグラフにまとめ、推論時にはグラフニューラルネットワークで実行中の位置を特定して、構造的に適合する将来の動作プリミティブを取り出します。学習された門制御機構で凍結したVLA方策の予測行動と融合し、三つのVLAアーキテクチャで成功率の向上を報告しています。従来の臨床MRIからの回顧的高分子プール比率マッピング：物理情報に基づく自己教師あり深層学習フレームワークurn:diting-lab:ja:doc:2945982026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Retrospective macromolecular pool fraction mapping from conventional clinical MRI: a physics-guided self-supervised deep learning framework
arXiv · 2026年10月27日本論文は、従来の臨床脳MRI（T1強調、T2強調、FLAIR）から、対になる定量参照スキャンなしで大分子プール比率（MPF）を回顧的に推定する、物理情報に基づく自己教師あり深層学習手法を提案しています。モデルには二プール磁化移動信号モデルが組み込まれ、適応的インスタンス正規化により多様な臨床プロトコルに対応します。3Tの7,705セッションで訓練・評価され、白質と灰白質の平均MPFはそれぞれ0.182と0.144で、ベンダーとプロトコル間のばらつきは小さいことが示されました。脱髄病変のMPFは正常に見える白質より35.6%低い結果でした。動画RLVRにおける近道増幅の解明：知覚的不確実性の崩壊という視点からurn:diting-lab:ja:doc:2945972026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Uncovering Shortcut Amplification in Video RLVR through the Lens of Perceptual Uncertainty Collapse
arXiv · 2026年10月27日本論文は、大規模マルチモーダルモデルの動画推論能力を高める検証可能な報酬付き強化学習（RLVR）を研究しています。結果レベルの最適化により、視覚的証拠に支えられない場合でもテキスト事前分布に基づく回答を好む傾向が強まることを示しました。これに対し、BSPO（双焦点自己蒸留ポリシー最適化）を提案し、推論に敏感なトークンの特定と近道を考慮した視覚摂動によって方策更新を調整します。実験で動画推論性能と視覚的忠実性の向上が確認されたとしています。SimplexLoRA：単体射影を用いた交互最小化によるランク動的更新手法urn:diting-lab:ja:doc:2945962026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SimplexLoRA: Dynamic Rank Updating via Alternating Minimization with Simplex Projection
arXiv · 2026年10月27日本論文は、ファインチューニング中に学習された重要度に応じてアダプタのランクを適応的に調整する、LoRAの改良手法SimplexLoRAを提案している。短い準備段階でn倍スケールの単体上において各アダプタの重要度重みを最適化し、その後それらを固定することで、総パラメータ数や推論コストを増やさずに容量を重要な箇所へ配分する。DeBERTaV3、BART-large、Llama 3.1 8B、Qwen3-8Bを用いて12の言語理解、要約、推論タスクで評価し、標準LoRAや近年の適応的ベースラインと同等以上の性能を示し、低ランクで最も大きな改善が見られたと報告している。3D-SceneQ：クエリ誘導型適応プルーニングと多モーダル特徴強化による3D大規模言語モデルの改善urn:diting-lab:ja:doc:2945952026-10-27T00:00:00+09:002026-10-28T10:59:08+09:003D-SceneQ: Empowering 3D LLM With Query-Guided Adaptive Pruning and Multi-Modal Feature Enhancement
arXiv · 2026年10月27日本論文は、三次元シーン理解のための3D大規模言語モデル3D-SceneQを提案している。クエリ誘導型適応プルーニング（QGAP）モジュールにより、ユーザー指示に関連する物体を選別し、無関係な情報の影響を抑える。また、多モーダル物体レベル特徴強化（MOFE）モジュールで事前学習済み2Dモデルの特徴を3D表現に統合し、意味情報を豊かにしている。Scan2CapでのCIDEr +5.7、SQA3DでのEM@1 +17.0など、複数のベンチマークで既存手法を上回ったと報告されている。汎用スキル最適化は本当にエージェントのタスク性能を高めるのか？二部帰属によるスキル最適化の再検討urn:diting-lab:ja:doc:2945942026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Does Your Generalist Skill Optimizer Really Incentivize Agentic Tasks? Rethinking Skill Optimization via Bipartite Attribution
arXiv · 2026年10月27日本論文は、エージェントのスキル最適化手法を評価するBiPAを提案しています。最適化されたスキルは、テストでの成功率が元の手書きスキルとほぼ同じで、開発セットでの向上はテストでは消えたと報告しています。また、入力トークンが約16%増えたことも示されています。著者は、選択だけで生じる見かけの向上を超える改善のみを採用すること、長さではなく追加されたターン数に応じてコストを計上することなど、四つの原則を提示しています。
★★★★ 注目：BiPAを提案し、選択ベースラインと二部グラフ帰属でスキル最適化器を検証。学習スキルの成功率は種子とほぼ同等で、開発集の利得はテストで消え、入力トークンは約16%増えると報告。Best-of-N は世界行動モデルをどこまで改善できるか：選択可能な余地を測り、閉ループで実現するurn:diting-lab:ja:doc:2945922026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00How Much Can Best-of-N Help a World Action Model? Measuring Selectable Headroom and Realizing It in Closed Loop
arXiv · 2026年10月27日本論文は、世界行動モデルがテスト時に複数の候補動作から最良のものを選ぶことでどれだけ性能を高められるかを検討しています。候補の結果を分岐させて評価する去噪反事実プロトコルで選択可能な余地を測定し、その結果を用いて失敗時のみ行動を変える選択器を構築しています。訓練タスクの保留エピソードでは閉ループ成功率が76.9%から81.6%に、未知のタスクでは62.6%から69.8%に向上したと報告しています。長期的エージェント強化学習における継続共有によるアクション価値の校正urn:diting-lab:ja:doc:2945912026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Action-Value Calibration via Continuation Sharing for Long-Horizon Agentic Reinforcement Learning
arXiv · 2026年10月27日本論文は、長期的タスクを行うエージェントの強化学習で、個々の行動への信用割り当てが難しい問題を扱う。同一タスク内で入力の状態・行動・状態の遷移が一致する訪問を照合し、共有された継続の証拠を組み合わせて、校正された価値を後ろ向きに伝播させてアクション価値を精緻化するConCal（継続校正）を提案する。追加のロールアウトは不要である。Qwen2.5-1.5B-InstructでALFWorldとWebShopの成功率をGiGPOより3.39ポイントおよび5.86ポイント向上させたと報告している。VGIQA：視覚的グラウンディング報酬による細粒度の画質評価urn:diting-lab:ja:doc:2945892026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00VGIQA: Fine-Grained Image Quality Assessment with Visual Grounding Rewards
arXiv · 2026年10月27日本論文は、画像全体の総合的な画質と画像内の局所的な画質問題の両方を評価できる画質評価モデルVGIQAを提案しています。モデルはコールドスタート学習と強化学習の二段階で訓練され、局所的な画質評価のために設計された報酬関数を用いています。局所的な画質評価用に作成されたデータセットVGSR-2K上で、Qwen2.5-VL-72B-InstructやQwen3-VL-32B-Instructなどの既存のオープンソース多モーダル大規模言語モデルを上回る性能を示しています。INTR++：より高精度で解釈しやすく、適応性の高い解釈可能なTransformerurn:diting-lab:ja:doc:2945882026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00INTR++: INterpretable TRansformer with better Accuracy, Interpretability, and Adaptability
arXiv · 2026年10月27日本論文は、Prompt-CAMにプロンプト適応モジュール（PAM）を加えたINTR++を提案しています。PAMによりプロンプトが領域固有の知識を取り込めるようになり、医療、顕微鏡、リモートセンシングなど画像特性が大きく異なる領域でも一貫した解釈性を目指します。Prompt-CAMと比べて追加パラメータは少量です。論文では、動物、植物、医療、顕微鏡、リモートセンシング、物体中心データの各領域で改善が示されたと報告しています。MLE-World：学習済み世界モデルによる機械学習実験結果の予測urn:diting-lab:ja:doc:2945872026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00MLE-World: Predicting Machine Learning Experiment Outcomes with a Learned World Model
arXiv · 2026年10月27日AI研究エージェントは各候補プログラムを実行して機械学習モデルを訓練・評価する必要があり、一ステップで検討できる候補数が限られていました。本論文は、Qwen3.5-4Bを微調整したMLE-Worldを提案します。これは実行せずにコードとデータ説明から、エラー情報、訓練ログ、検証スコアといった終端出力を予測し、その予測の正しさの信頼度も示します。これを用いた五つのテスト時スケーリング方策を設計し、信頼度の低い候補のみを実際に実行します。17のMLE-bench Liteタスクで、保留した程序の77.9%で実際の終端出力と一致し、より大きなプロンプト方式のモデルの41.1%を上回りました。ベイズ較正のためのRényi正則化フロー変分推論urn:diting-lab:ja:doc:2945852026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Rènyi-Regularized Flow-Based Variational Inference for Bayesian Calibration
arXiv · 2026年10月27日本論文は、正規化フローを用いた変分推論でベイズモデル較正を行う際、低確率領域で隔てられた複数のモードを持つ事後分布において生じるモード崩壊の問題を扱っている。二パラメータの双子実験でこの挙動を調べ、Rényi発散に基づく正則化項を加えて、近似事後分布が事前分布の台を覆うよう促している。この手法により、ほぼ崩壊した割合は50%から25%に減少した。ただし、ベイズ変分目標を変更し近似精度とのトレードオフをもたらし、モード崩壊に対する一般的な解決策ではないと述べられている。LiveSearch：専門金融データに基づく実時間ベンチマーク向けの実行可能な検証コードとしての質問設計urn:diting-lab:ja:doc:2945842026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00LiveSearch: Questions as Executable Verifier Code for a Live Benchmark of Professional-Source Financial Search Agents
arXiv · 2026年10月27日本論文は、金融検索エージェントを評価する実時間ベンチマークLiveSearchを提案する。各質問は、専門の金融データサービスを呼び出すプログラムと抽出器からなる実行可能な検証コードとして保存され、評価時にそのコードを実行して正解を決定する。日次ジョブで自動的に再実行されるため、暗記された答えは古くなりやすい。六つのツール呼び出しモデルは一般的なウェブ検索下で70.9%から76.7%の正答率に達し、三日間で提供された質問の70%は正解値が変化した。矛盾下のカバレッジ：否定を考慮した検索のためのベンチマークurn:diting-lab:ja:doc:2945832026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Coverage Under Contradiction: A Benchmark for Negation-Aware Retrieval
arXiv · 2026年10月27日本論文は、検索の情報カバレッジを評価するベンチマークを用い、コーパスの内容が検索器の事前知識と矛盾する場合の挙動を調べます。CoverageBenchを基に、各ナゲットの否定版を作成し、支持文書を文脈を保ったまま編集したCoverageBench-Negateを構築し、約63,000組の原文・編集済み証拠のペアを含みます。基準実験では、BM25が原文と編集文を区別する能力がQwen3やJinaなどの密ベクトル検索器よりかなり高く、後者はほぼ偶然水準にとどまりました。WorkFactory：職業上の意図を実行可能な作業へ変換し、エージェント訓練を拡張する手法urn:diting-lab:ja:doc:2945822026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00WorkFactory: Turning Professional Intents into Executable Work for Scalable Agent Training
arXiv · 2026年10月27日本論文は、職業上の意図から情報支持グラフを構築し、プローブ実行と修復を組み合わせて実行可能な職業タスクを生成するフレームワークWorkFactoryを提案している。612の職業にまたがる112,686タスクを作成し、教師の軌跡でQwenモデルを微調整してWorkPilotシリーズを得た。4つの職業業務ベンチマークでいずれも基盤モデルを上回ったと報告している。
★★★★ 注目：情報支持グラフで計画し探索実行で修復して専門タスクを構築するWorkFactoryを提案し、612職種にわたる112,686タスクを作成、Qwenモデルを微調整して、WorkPilot-35B-A3Bが GDPval-AA v2.1 で879から1565 Eloに向上したとしている。物理ガイド付きフローマッチング：全球総電子数予測のための生成AIフレームワークurn:diting-lab:ja:doc:2945812026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Physics-Guided Flow Matching: A Generative AI Framework for Global Total Electron Content Forecasting
arXiv · 2026年10月27日本論文は、全球総電子数（TEC）の翌日予測を行う物理ガイド付きの生成AIフレームワークを提案する。モデルはフローマッチングを基盤とし、電離圏の力学を記述する偏微分方程式を試料変換の過程に組み込み、データから得られる統計パターンと組み合わせて、各地点で両者の寄与を適応的に調整する。熱圏電離圏電気力学一般循環モデル（TIEGCM）が生成した1年分の全球TECデータで学習と評価を行い、各リードタイムと各緯度において、既存の代表的な手法より時空間予測精度が高いことを示している。蒸留後に何が残るか？GPT-2とDistilGPT-2の機構的解釈可能性の研究urn:diting-lab:ja:doc:2945802026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00What Survives Distillation? A Mechanistic Interpretability Study of GPT-2 and DistilGPT-2
arXiv · 2026年10月27日本論文は、GPT-2とその6層の圧縮版DistilGPT-2の内部機構を、線形CKA、logit lens、注意パターン分解、スパースオートエンコーダ、活性化パッチングにより比較し、間接目的語識別（IOI）回路と大小比較（GT）回路を分析している。IOI回路は蒸留後にほぼ完全に機能を失った一方、GT回路は教師モデルの第9層の比較ヘッドを学生モデルの第4層へ再配置することで概ね保持された。回路の圧縮しやすさが蒸留後の生存を左右することを示している。FastBEVFusion：毎秒50フレームで動作する、シンプルなマルチモーダル3D物体検出の融合手法urn:diting-lab:ja:doc:2945792026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00FastBEVFusion: Simple Multi-Modal Fusion for 3D Object Detection at 50 FPS
arXiv · 2026年10月27日本論文は、LiDARとカメラを組み合わせた3D物体検出のための、シンプルで高速かつ頑健な融合システムFastBEVFusionを提案している。各モダリティの特徴を半整列したBEV（鳥瞰図）空間へ投影し、計算負荷が大きく誤りを生じやすい深度推定に依存しない。さらに、クロスアテンションに基づく軽量で動的な融合モジュールで特徴を統合する。nuScenesデータセットでの実験では、既存のリアルタイムシステムを上回り、デプロイ用ライブラリを使わずに毎秒50フレーム以上を達成し、キャリブレーション誤差に対しても強い頑健性を示したと報告している。GCSR-OCC：オープン語彙占有予測のための幾何校正と意味ルーティング手法urn:diting-lab:ja:doc:2945782026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GCSR-OCC: Geometry Calibration and Semantic Routing for Open-Vocabulary Occupancy Prediction
arXiv · 2026年10月27日本論文は、単一のRGB画像から屋内の三次元占有予測を行うGCSR-OCCを提案する。幾何校正演算子により三次元ガウシアンのスケール膨張と過度な重なりを抑え、多モード・クエリ条件付き意味ルーティングによりガウシアン内の意味混合を緩和する。Occ-ScanNetにおいて、三次元意味アノテーションを使わずに、幾何IoU 63.31%、意味mIoU 27.44%を達成し、幾何集約の遅延を19.76ミリ秒から12.88ミリ秒に短縮したと報告している。拡散ガイダンスのための変分最適制御urn:diting-lab:ja:doc:2945772026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Variational Optimal Control for Diffusion Guidance
arXiv · 2026年10月27日本論文は、サンプリング時のガイダンスと報酬に基づくモデル適応を、共通のヤコビアン・プルバックで結びつける変分制御の枠組みを提案している。提案手法の変分最適ガイダンス（VOG）は状態空間で去噪ヤコビアンを通じて作用し、蒸蒸留変分最適制御（DVOC）は局所的に改善された終点をモデルパラメータへ償却する。ImageNetでは、VOGによりDiT-XL/2のFIDが250ステップで2.27から2.04、25ステップで7.58から4.44に改善したと報告されている。パラメータ保護を超えて：リプレイ不要な継続学習のためのFisher形状EWCurn:diting-lab:ja:doc:2945762026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Beyond Parameter Protection: Fisher-Shaped EWC for Replay-Free Continual Learning
arXiv · 2026年10月27日本論文は、Fisher情報行列の役割をパラメータ保護から、将来の保持に向けた解の形成へと広げるFisher-Shaped EWC（FS-EWC）を提案している。タスク学習中は所定の近傍内で最悪ケースの経験的Fisherトレースを最小化し、タスク終了時には最適化の軌跡に基づくモデルマージで保持する解を構成する。複数のベンチマークで、EWCより性能が向上し、安定性と可塑性のバランスやパラメータのドリフトへの耐性が改善したと報告している。Hopfieldネットワークにおける継続学習のための平衡伝播ベース生成リプレイ手法urn:diting-lab:ja:doc:2945752026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Generative Replay for Equilibrium Propagation: Toward Edge-Friendly Continual Learning in Hopfield Networks
arXiv · 2026年10月27日本論文は、平衡伝播（EqProp）で学習したHopfieldネットワークの継続学習における破局的忘却に取り組み、外部データバッファを使わずネットワーク自身が擬似データを生成して再学習するエネルギーベース生成リプレイ（EB-Gen）を提案している。凍結したネットワークのコピーを緩和させて過去タスクの知識を持つサンプルを生成し、クラス増分設定のSplit MNISTとSplit CIFAR10で評価している。平均精度はそれぞれ75%と64%で、著者らは安定性と可塑性の両立を報告している。MixSIS：混合教師あり インスタンスセグメンテーションurn:diting-lab:ja:doc:2945742026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00MixSIS: Mixed-supervised instance segmentation
arXiv · 2026年10月27日本論文は、同一データセット内で画像・点・ボックス・マスクの四種類のアノテーションレベルを混在させられる混合教師ありインスタンスセグメンテーション（MixSIS）タスクを提案している。基線手法としてAnnotationsMixer（AnnsMixer）も提示され、各レベルの注釈から擬似マスクを生成し、一枚の画像内でも注釈を混在させられるとしている。著者らは、弱教師ありおよびMixSISの両タスクで既存手法を大きく上回ったと報告している。
★★★★ 注目：画像レベル・点・ボックス・マスクの注釈を混在させる新タスクMixSISと、同一画像内でも各レベルの注釈から疑似マスクを生成するベースラインAnnsMixerを提案。著者らはWSISとMixSISで既存手法を大きく上回り、3つの事例で注釈時間を約90%削減または結果を34%向上できたとしている。主要Lund平面が欠いているもの：ジェットタグ付け表現ギャップのモデル接合による診断urn:diting-lab:ja:doc:2945732026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00What the Primary Lund Plane Omits: A Model-Stitching Diagnosis of a Jet-Tagger Representation Gap
arXiv · 2026年10月27日本論文は、Lund平面ベースのジェットタグ付け器とParticle Transformer（ParT）を、モデル接合（model stitching）によって比較し、性能差が表現の弱さによるのか下流計算によるのかを切り分けます。主要な脱クラスタリング分岐のみの表現は、ParTに比べて背景棄却率が明らかに低く、その欠損は表現レベルにあることが示されます。完全なCambridge/Aachen脱クラスタリング木に置き換えると、この欠損の約72%が解消されます。物理ガイド付き拡散モデルによる露出補間を用いたハイダイナミックレンジ画像化urn:diting-lab:ja:doc:2945722026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Physics Guided Diffusion Model Based Exposure Interpolation for High Dynamic Range Imaging
arXiv · 2026年10月27日この論文は、露出比の大きい2枚の標準ダイナミックレンジ画像を一回の撮影で同時に取得して融合する際に生じる明るさ順序反転アーティファクトに対処する、物理ガイド付き拡散モデルに基づく露出補間アルゴリズムを提案している。物理駆動の構成要素で初期画像を補間し、新しい拡散モデルの構成要素で残差の高周波ディテールを生成する。実験により提案手法の有効性が検証されている。解剖学ガイド付き擬似ペアリングと敵対的拡散によるMRIからCTへの脊椎画像変換urn:diting-lab:ja:doc:2945712026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00MRI-to-CT Translation of Spinal Images via Anatomy-Guided Pseudo-Pairing and Adversarial Diffusion
arXiv · 2026年10月27日本論文は、術前計画のために脊椎MRI画像を CT に似た画像へ変換し、追加の放射線被曝を避ける三段階の枠組みを提案しています。対応のないMRIとCTのスライスを脊椎の分割結果に基づいて照合し、剛体位置合わせで擬似ペアデータを作成します。そのデータで敵対的拡散モデルを学習させ、最後に三次元精緻化ネットワークでスライス間の連続性を改善します。83件のMRIボリュームでの評価では、拡散モデル単独と比べて三次元椎体Dice係数が0.666から0.739に向上しました。MCP-Net：ロボット式ガイドワイヤーナビゲーションのためのリアルタイム冠動脈認識ネットワークとトポロジー解析urn:diting-lab:ja:doc:2945702026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00MCP-Net: Real-Time Coronary Perception Network and Topological Analysis for Robotic Guidewire Navigation
arXiv · 2026年10月27日本論文は、ロボットによるガイドワイヤーナビゲーションを対象とした、マルチタスク冠動脈認識ネットワーク（MCP-Net）を中核とするシミュレーション駆動型フレームワークを提案している。単一の二次元透視画像フレームから、冠動脈血管のセグメンテーション、ガイドワイヤー先端の位置特定、狭窄病変の位置特定を同時に行う。予測結果は中心線、分岐点、端点、分枝方向、分枝角度を含む構造化された血管グラフに変換され、そのグラフの根から目標病変へ向かう経路図が生成される。Transformer言語モデルの重み枝刈りにおける機構的な失敗パターンurn:diting-lab:ja:doc:2945692026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Mechanistic Failure Modes of Weight Pruning in Transformer Language Models
arXiv · 2026年10月27日本論文はGPT-2を対象に、重要度基準、コンポーネント種別、スパース率を組み合わせた枝刈り実験を行い、間接目的語識別（IOI）回路を基準として回路の完全性を評価しています。活性化パッチングなどの因果的手法を用いた結果、性質の異なる2つの失敗パターンが示されました。大きさによるアテンションヘッドの枝刈りでは回路が破壊され、モデルは偶然水準に近づきます。30%のニューロン枝刈りでは回路構造は保たれるものの、Name Moverの寄与の符号が反転し、正答率は17.7%まで低下します。一方で困惑度はこの損傷を軽微と評価しています。著者らは、出力指標や構造的検査だけでは機構的な損傷を見逃す可能性があるとし、回路レベルの因果分析を補完的な評価として提案しています。SFE-O：超臨界CO2によるバイオマス抽出・分別のための知識オントロジーurn:diting-lab:ja:doc:2945682026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SFE-O: An Ontology for Knowledge-Grounded AI in Supercritical CO₂ Biomass Extraction and Fractionation
arXiv · 2026年10月27日本論文は、超臨界CO2バイオマス抽出プロセスを記述するOWL 2ベースのモジュール式オントロジーSFE-Oを提案している。バイオマス、プロセス、製品の3つの次元を相互に結びつけ、プロセスの構造、パラメータの出所、物質移動現象、一定抽出速度と低下抽出速度の機構を明示的に表現する。パイロット規模の抽出バッチの実例、推論器による一貫性検証、および競合質問に対するSPARQLクエリによって評価を行っている。Prospector：科学推論のための小型グラフ探索方策の学習urn:diting-lab:ja:doc:2945662026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Prospector: learning a compact graph traversal policy for scientific reasoning
arXiv · 2026年10月27日本論文は、ドメイン知識グラフ上で段階的に探索しながら推論する小型モデル Prospector を提案しています。少数のツールを一つずつ呼び出して文脈を積み上げ、グラフの検索結果と照合できる証拠連鎖で回答します。半導体製造分野の文献から作られたグラフのみで訓練されていますが、他の三分野の未見のグラフにも転用できたと報告しています。キュウリの生育段階分類のための視覚基盤モデルにおける多分岐アンサンブルヘッドurn:diting-lab:ja:doc:2945652026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Multibranch Ensemble Head in Vision Foundation Models for Efficient Cucumber Phenological Stage Classification
arXiv · 2026年10月27日本論文は、DINOv2などの視覚基盤モデルに用いる正則化された多分岐アンサンブルヘッドを提案する。学習時には各ステップで一つの分岐を確率的に選び、推論時には両分岐の確率を平均する。実世界の五段階のキュウリ生育画像からなるNALEF Food Safetyデータセットで、DINOv2 ViT-Sベースの本手法はMacro F1 0.978、Cohen's Kappa 0.971を達成し、計算量12.2 GFlops、パラメータ22.3Mで、スマートフォンやエッジ機器への展開が可能だとしている。自己正則化フロー言語モデル：除ノイズ軌跡を活用して連続拡散言語モデルの学習を改善する手法urn:diting-lab:ja:doc:2945642026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Self-Regularized Flow Language Models
arXiv · 2026年10月27日本論文は、ノイズ入力からクリーンな出力への自己蒸留によって連続拡散言語モデルを改善するSERFフレームワークを提案している。指数移動平均（EMA）教師モデルが、生徒モデルのノイズ入力より clean な版を同じ補間経路上で受け取り、追加の監督信号を与える。SERF-LとSERF-Pの2つの変種を検討し、3種類の連続言語モデルで実験を行った。その結果、学習効率、生成品質、少ステップ生成の各面で大きな改善が示された。最初のステップのバイアスで拡散モデル蒸留の失われた多様性を回復urn:diting-lab:ja:doc:2945632026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00A First-Step Bias Restores Lost Diversity in Diffusion Model Distillation
arXiv · 2026年10月27日本論文は、拡散モデルの蒸留後に生成画像の多様性が低下する問題を扱い、多様性の損失が高ノイズの最初のデノイジングステップで主に起きることを明らかにしています。提案手法ReSeedは、生徒モデルの最初のステップのみにシード応答バイアスのアダプタを追加し、その速度を教師モデルの対応する速度に合わせます。複数のテキストから画像・動画モデルでの実験では、わずかな追加パラメータで多様性の大部分が回復し、視覚品質も競争力を保つことが示されています。人手で整備された語彙表を用いた低リソース言語のテキスト生成urn:diting-lab:ja:doc:2945622026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Text Generation in Low-Resource Languages Using Human-Curated Vocabularies
arXiv · 2026年10月27日本論文は、人手で整備された語彙表と少数の人手による例文を用い、大規模言語モデルで極めて低リソースかつ未知の言語の文章を生成できるかを検討しています。候補語はツィップ分布に従ってサンプリングされ、例文が統語的な手がかりを与えます。語彙の多様性、非対象言語の割合、人による流暢さの評価によって生成文を検証し、推論機能を持つモデルは文レベルで特に良好な結果を示したと報告しています。リアルタイムのプルキンエ細胞スパイク分類に向けたハードウェア適合型スパイキングニューラルネットワークurn:diting-lab:ja:doc:2945612026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Hardware-Matched Spiking Neural Networks for Real-Time Purkinje Cell Spike Classification
arXiv · 2026年10月27日本論文は、ケーブルレスのヘッドステージ上で記録データを圧縮できるよう、プルキンエ細胞の単純スパイクと複雑スパイクを区別する手法を扱っています。ハードウェアに合わせた2種類の小型スパイキングニューラルネットワークを提案しており、ConvSNNはEFM32PG28マイクロコントローラ、StreamSNNはSKY130向けの専用回路に対応します。学習時に含まれなかった細胞での複雑スパイクのF1スコアは、ConvSNNが0.873、StreamSNNが0.837で、どちらも重みは8ビットです。SplatScout：ガウシアン・シーンにおける問い合わせ駆動型の部品レベル参照セグメンテーションurn:diting-lab:ja:doc:2945602026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SplatScout: Query-Driven Part-Level Referring Segmentation in Gaussian Scenes
arXiv · 2026年10月27日ガウシアン・シーンの既存の参照セグメンテーション手法は、主に物体全体を対象とし、セグメンタが生成した候補から視覚言語モデル（VLM）が選択する方式です。SplatScout は、知覚処理をVLMの制御下に置く問い合わせ駆動型の閉ループ手法です。モデルは視点を能動的に選び、セグメンテーションを指示し、レンダリングされた3D結果を検査して予測を洗練させます。部品レベルの評価のため、12のScanNet++シーンに対する261件の人手検証済み問い合わせからなる PartRef-ScanNet++ を導入し、SplatScout はこれで0.538 mIoUを達成しました。さらに既存の参照ベンチマーク4種でも高いスコアを示しています。TriDifNet：RGB-T知覚のための統一型3タスク拡散ネットワークurn:diting-lab:ja:doc:2945592026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TriDifNet: A Unified Three-Task Diffusion Network for End-to-End RGB-T Perception
arXiv · 2026年10月27日本論文は、赤外線と可視光（RGB-T）の画像から位置合わせ、融合、歩行者検出を同時に行う統一拡散ネットワークTriDifNetを提案しています。位置合わせ、融合、検出の3つの拡散モジュールを閉ループで最適化する仕組みを備えています。KAIST多スペクトル歩行者ベンチマークでは、位置がずれたRGB-T設定において、強力な比較手法より優れた検出性能を示しました。画面の外を見る学習：GUIグラウンディングから転移可能な視覚観察へurn:diting-lab:ja:doc:2945582026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Learning to Look Beyond Screens: Transferable Visual Observation from GUI Grounding
arXiv · 2026年10月27日本論文はLBS（Look Beyond Screens）という視覚言語モデルを提案します。教師が生成したGUIグラウンディングの軌跡で教師あり初期化を行い、その後、複数ターンの切り抜きと精査の判断を強化学習で学習します。Qwen3.5-35B-A3BとQwen3.8-27Bのいずれのベースモデルでも、固定された推論設定下で対応するベースラインを上回りました。教師あり微調整を超える利得は、PerceptionBenchに両モデルで、HR-BenchとChartQAProにはQwen3.5-35B-A3Bで転移したとされています。論文の説明：直接選好最適化（DPO）でパラメータ更新が疎になる理由urn:diting-lab:ja:doc:2945572026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00On the Sparsity of Direct Preference Optimization: Weight Disentanglement in the NTK Regime
arXiv · 2026年10月27日本論文は、直接選好最適化（DPO）がなぜ疎なパラメータ更新を生じるのかを理論的に説明します。ニューラル接線カーネルの線形化のもとで最適化の挙動を分析し、DPO損失のロジスティック構造が暗黙の最大マージン・バイアスを生むことを示します。実験では、GPT-2や7〜9Bの指示チューニング済みモデルで2種類の疎性を確認し、GPT-2では教師ありファインチューニングに比べタスク間干渉を最大35倍低減することを報告しています。OpenGray：放射線治療計画エージェントの判断を評価するベンチマークurn:diting-lab:ja:doc:2945562026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00OpenGray: a benchmark for evaluating the decisions of radiotherapy planning agents
arXiv · 2026年10月27日本研究は、大規模言語モデルに基づく放射線治療計画エージェントが、いつ計画を提出し、いつ確認を求めるかという判断を評価するベンチマーク「OpenGray」を提案しています。OpenKBP-Optの頭頸部データセットに、正解が既知のタスクを追加しました。線量目標が互いに両立しないことが証明された2つの矛盾タスクと、すべての厳格な目標を満たす保存済み計画がある実行可能な対照タスクが含まれます。研究では、総合スコアが良好なシステムでも特定の判断の誤りが隠れていたことが示され、計画エージェントには線量だけでなく判断も評価すべきだと結論づけています。神経変性疾患の表現学習のための系統的形態計測脳オートエンコーディング（SYMBA）urn:diting-lab:ja:doc:2945552026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Systematic Morphometric Brain Autoencoding for Representation Learning in Neurodegenerative Diseases
arXiv · 2026年10月27日本論文は、構造的T1強調MRI向けに設計された自己教師あり事前学習フレームワーク「SYMBA」を提案している。解剖学的制約付きマスキング、多尺度構造類似性（MS-SSIM）による再構成目的関数、局所的な解剖学的詳細から脳全体の形態へ移行する段階的カリキュラムを組み合わせている。6,953件のT1強調MRI（9つの異質なコホート）で事前学習し、2つの未見の独立データセットで凍結線形プローブにより評価した。アルツハイマー病分類でAUROC 0.930、軽度認知障害の転換予測で0.772を達成し、わずか6名のラベル付き被験者でAD/CN分類に約0.90のAUROCを示した。思考連鎖の忠実性評価における正答性による絞り込みを選択バイアスとして分析するurn:diting-lab:ja:doc:2945542026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Correctness Conditioning as Selection in Chain-of-Thought Faithfulness Evaluation
arXiv · 2026年10月27日本論文は、思考連鎖（CoT）の忠実性評価を正答した事例だけに限定すると、測定対象の母集団が変わることを指摘しています。七変数の構造的因果モデルで観測ギャップを厳密に導出し、18本の論文の評価プロトコルを検討しています。算術課題の4つの条件すべてで正の選択ギャップが観測され、主要実験では7.4パーセントポイントでした。また、各事例の反事実的な遵守が観測可能な場合は、正答による絞り込みをせず全トレースを直接評価できると述べています。パラメータ効率的ファインチューニングのための階層的低ランク再パラメータ化urn:diting-lab:ja:doc:2945532026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Hierarchical Low-Rank Reparameterization for Parameter-Efficient
arXiv · 2026年10月27日本論文は、パラメータ効率的ファインチューニング（PEFT）手法の学習可能パラメータにはなお冗長性があると指摘し、階層的低ランク再パラメータ化手法を提案しています。学習可能パラメータをほぼ正方行列に再編成し、低ランク分解を再帰的に適用して多層構造で段階的に圧縮します。LoRA、DoRA、MoSA、RaSAと組み合わせ、LLaMA-3.1-8BとQwen2.5-7Bで常識推論、LLaMA-3.1-8BでGSM8Kの数学推論を評価しています。学習可能パラメータ量が同程度の条件では、LoRAまたはDoRAと組み合わせた場合に高い性能を示し、元の手法のパラメータ数を約1桁圧縮しても、8つの常識推論ベンチマークの平均精度で対応するベースラインを上回る結果が報告されています。EnergyCal：スパースMoE学習におけるMuon系オプティマイザの損失スパイクを抑制する手法urn:diting-lab:ja:doc:2945522026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00EnergyCal: Taming Loss Spikes in Muon-Family Optimizers for Sparse MoE Training
arXiv · 2026年10月27日本論文はEnergyCalという軽量な手法を提案する。これは有限ステップのNewton-Schulz方向の正規化された二乗Frobeniusノルムに応じて、ルーティングされたエキスパートの更新量を減衰させるものである。スペクトル変換は変更せず、永続的なオプティマイザ状態も追加しない。4Bパラメータ規模のMoEモデルでの評価では、開発段階で選ばれた学習率の低いMuonHの設定と比べ、EnergyCal-MuonHは閾値化された平均損失スパイクの負担を99.51%減らし、最終的な幾何平均パープレキシティを4.06%改善した。スループットの低下はわずかであった。Delta学習仮説の限界の検討：直接選好最適化における単一生成器ペアのバイアスurn:diting-lab:ja:doc:2945492026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Exploring the Limits of the Delta Learning Hypothesis: Single-Pair Generator Biases in Direct Preference Optimization
arXiv · 2026年10月27日本論文は、直接選好最適化（DPO）において、より大きなモデルの応答を優先とみなし、単一のモデルペアだけで選好データを作る手法を検討している。理論と実験の両面から、固定されたモデルペアは生成器に依存した系統的バイアスを生み、それが応答の質とは無関係に選好ラベルを予測することを示している。その結果、単一ペアのデータで学習したDPOは、複数モデルの選好データより一貫して性能が低いとされている。一般的なx86ハードウェア上での自己教師ありSAR・光学エンコーダの量子化エッジ推論urn:diting-lab:ja:doc:2945482026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Quantized Edge Inference of a Self-Supervised SAR-Optical Encoder on Commodity x86 Hardware
arXiv · 2026年10月27日本論文は、事前学習済みのSAR・光学マスクドオートエンコーダを三台の一般的なx86ノードに配備し、FP32、FP16、INT8の各精度で遅延、消費電力、線形プローブ精度を比較した。INT8量子化は精度にほとんど影響せず、すべてのノードでCPUの遅延と消費電力を下げたと報告している。世界をコードで学習する：合成的3D再構成のためのHarness進化urn:diting-lab:ja:doc:2945462026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Learning to Code the World: Harness Evolution for Compositional 3D Reconstruction
arXiv · 2026年10月27日本論文は、3Dシーンを実行可能なコードとして表現し、小型のオープンソースエージェントを取り囲むharnessを進化させて再構成を改善するSceneEvolveフレームワークを提案しています。モデルパラメータ、動作の意味、実行バックエンドは固定したまま、より強力な教師エージェントが開発セットの再構成フィードバックに基づいてharnessを反復的に改良します。論文によれば、2つのドメイン内データセットと1つのドメイン外データセットで、コンパクトなQwen3.8-27Bモデルは4つの評価指標すべてで改善し、平均推論時間はベースモデルに比べ47.0%削減されました。制約付きトポロジー上の量子置換に対するCNOT分解のAI支援による発見urn:diting-lab:ja:doc:2945452026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00AI-Assisted Discovery of CNOT Decompositions for Quantum Permutations on Constrained Topologies
arXiv · 2026年10月27日量子コンピュータでは量子ビットの接続が制限されるため、論理演算の実装に大きな追加コストが生じます。本研究はAlphaCNOTを探索ツールとして用い、遠隔の入れ替えを分解する繰り返し現れるパターンを発見しました。グラフ距離dの2量子ビットの場合、CNOTゲート数は隣接SWAPルーティングの6d-3個に対し、最大6d-4個で実現できることを示しています。さらに、全体の置換を分解する決定的手法「グローバル転置（Global Transpositions）」を提案し、中間CNOT融合と呼ばれる仕組みも明らかにしています。Guided-RLVR：検証可能な報酬による強化学習における誘導付き探索urn:diting-lab:ja:doc:2945442026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Guided-RLVR: Guided Exploration in Reinforcement Learning with Verifiable Rewards
arXiv · 2026年10月27日この論文は、検証可能な報酬を用いた強化学習（RLVR）を改良したGuided-RLVRを提案します。RLVRは大規模言語モデルの推論力を高めますが、生成される推論経路が少数に偏り、探索範囲が狭まる問題があります。提案手法は軽量なコントローラを加え、意味を持つ誘導トークンをサンプリング分布に注入して、複数の推論の観点から問題に取り組むよう促します。数学推論とコード生成のベンチマークで、既存のRLVR手法を上回り、より多様な推論軌跡を生成することが示されています。ズームなしのズーム v2：細部を見ることから証拠を結びつけることへ、汎化可能なマルチモーダル知覚を目指してurn:diting-lab:ja:doc:2945432026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Zooming without Zooming v2: From Seeing Details to Connecting Evidence for Generalizable Multimodal Perception
arXiv · 2026年10月27日本論文は、単一画像内の関連領域の拡大ビューを用いて、視覚的証拠の比較・集約・連鎖を要する質問を生成するデータ合成フレームワーク EvidenceConnect を提案しています。品質確保のため、独立した VLM が一致した参照解答のみを残し、領域除去テストで解答が残る質問を除外します。このデータで RLVR により基盤 VLM を訓練して ZwZ2 を得ており、細粒度・空間知覚や関連タスクでの改善が報告されています。GraftRay：パストレーシングによりガウシアン・スプラッティング場面へメッシュを物理的に整合して挿入する手法urn:diting-lab:ja:doc:2945422026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GraftRay: Physically Based Mesh Insertion into Gaussian Splatting Scenes via Path Tracing
arXiv · 2026年10月27日本論文は、2Dまたは3Dガウシアン・スプラッティングで再構成された室内シーンに、メッシュ形状の仮想物体を物理的に整合するかたちで挿入するGraftRayを提案する。拡散モデルの事前分布でシーンの材質と表面法線を推定し、面積を持つ光源の放射輝度を閉形式で解いて明示的にモデル化する。さらに、シーンのガウシアンと挿入メッシュを共同でパストレーシングするハイブリッドレンダラにより、多視点で一貫した陰影、相互反射、ソフトシャドウを生成する。FIPTでの評価では、ComGSやEAG-PTなどの既存手法より描画忠実度と影の精度で優れ、描画効率も高い水準を保つ。乳がん画像診断のための解釈可能な深層学習モデルに関する研究urn:diting-lab:ja:doc:2945412026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Interpretable Deep Learning Models for Breast Cancer Diagnosis Using Medical Imaging
arXiv · 2026年10月27日本論文は、ImageNetで事前学習された10種類の深層学習モデルを、患者単位で分割したBreakHis病理画像データセット上で良性・悪性の分類に用いて比較しています。予測の説明にはGrad-CAM、LIME、Integrated Gradients、LRPの各手法を使用しました。DenseNet121が最も良く、テスト精度は99.4%、AUC-ROCは0.999でした。Transformer系モデルはCNNより全体的に劣っていました。回帰モデルによる作物収量予測：モデル性能の比較評価urn:diting-lab:ja:doc:2945402026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Crop Yield Prediction Using Regression Models: A Comparative Evaluation of Model Performance
arXiv · 2026年10月27日本研究は、環境、作物、農業管理の変数から作物収量を予測する五つの回帰モデルを比較したものです。データは約100万件の観測値を含みます。訓練とテストの分割比率は80:20と70:30で、決定係数、平均二乗誤差、二乗平均平方根誤差により性能を評価しています。線形系のモデルは互いに近い性能を示し、ランダムフォレストは訓練とテストの間に大きな差が見られたとしています。地上から衛星への知識蒸留：時間的・地理的シフト下の作物分類urn:diting-lab:ja:doc:2945392026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Ground-to-Satellite Knowledge Distillation for Crop Classification under Temporal and Geographic Shift
arXiv · 2026年10月27日本論文は、衛星の事前学習埋め込みに基づく作物分類を、地上の圃場写真を訓練時の追加の教師情報として用いて改善できるかを検討しています。凍結したCLIP特徴による写真教師モデルが、AlphaEarthおよびTESSERA表現で学習した分類器を指導し、写真は訓練時のみ使用されます。17作物クラスの対応データセットでは、時間的シフト下で凍結埋め込みに対して最大5.5マクロF1ポイントの改善が示され、地理的ホールドアウトでも分布内より大きな効果が見られました。V-LUMEN：視覚言語モデルの埋め込み拡張のための視覚ルックアップメモリurn:diting-lab:ja:doc:2945382026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00V-LUMEN: Visual Lookup Memory for Embedding Scaling in Vision-Language Models
arXiv · 2026年10月27日本論文は、視覚言語モデル向けの視覚ルックアップメモリV-LUMENを提案する。凍結されたコードブックで視覚特徴を離散化し、空間集約ベースのハッシュで空間を考慮したメモリキーを構築し、テキストに条件付けられた関連性信号で調整する。検索された埋め込みはゲート付き残差経路を通じてバックボーンに融合される。五つの推論集約型ベンチマークで、凍結されたQwen3-VL-2Bバックボーンの性能を向上させ、学習データと画像が重ならない三つのベンチマークにはゼロショットで転移する。
★★★★ 注目：検索型外部メモリを視覚言語モデルに導入し、空間認識ハッシュと門付き残差融合で視覚埋め込みを取得。摘要では五つの推論ベンチマークで凍結Qwen3-VL-2Bを改善したと報告。オンデマンド相乗りタクシーにおける会員優先配車方式の評価urn:diting-lab:ja:doc:2945362026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Evaluating Priority Dispatch for Premium Membership in On-demand Taxi-sharing
arXiv · 2026年10月27日本論文は、逐次最適挿入法を用いて、オンデマンド相乗りタクシーサービスにプレミアム会員制度を導入する際の配車レベルでの実現可能性を分析している。提案手法は、プレミアム利用者の締切時間を短縮する方法と、専用のプレミアム車両を用いて締切時間を短縮する方法の2つである。これらを基準の配車方法と比較するため、SUMOによるシミュレーションを、一定の需要、ピーク時間帯を含む時間変動需要、都市部に集中したピーク需要の3つの条件で行った。結果として、適切な優先機構は運用条件とプレミアム比率に依存することが示されており、条件に応じて手法を切り替えることで、非プレミアム利用者の負担を抑えつつプレミアム利用者に利益をもたらせる可能性がある。イーサネットからWi-Fiへ：トラフィック分類のためのフロー特徴量の選択と構築urn:diting-lab:ja:doc:2945352026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00From Ethernet to Wi-Fi: Flow Feature Selection and Construction for Traffic Classification
arXiv · 2026年10月27日イーサネットのデータで学習したフローベースのトラフィック分類器は、Wi-Fiトラフィックに適用すると精度が低下する場合がある。本論文は、イーサネットのデータのみで学習したモデルによってWi-Fiのフロー分類を可能にする特徴量を選択・構築する五段階の手順を提案する。研究ではns-3でイーサネットとWi-Fi（Best Effortアクセスカテゴリを使用）のトラフィックをシミュレートし、6つの開発シナリオのラベル付きWi-Fiデータを特徴量設計に用い、別のシナリオを最終テスト用に確保している。Compote：系列推薦のための崩壊耐性を持つ多仮説学習手法urn:diting-lab:ja:doc:2945342026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Compote: Collapse-Resistant Multiple Hypothesis Learning For Sequential Recommendation
arXiv · 2026年10月27日本論文は、系列推薦における次アイテム予測の曖昧さに対し、アニーリング学習目標で各仮説を異なる商品領域へ特化させる多仮説Transformer「COMPOTE」を提案している。3つのAmazon Reviews 2023ベンチマークにおいて、アイテムIDのみを用いて、ID方式、生成型、多興味型の強力なベースラインを上回った。容量を揃えた比較実験により、性能向上は追加の容量やアンサンブル、ルーティングではなく、この学習目標に由来することが確認された。メタモデル：学習そのものをモデル化するモデルurn:diting-lab:ja:doc:2945332026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Meta Models: Models that Model Learning
arXiv · 2026年10月27日本論文は、他のモデルの学習挙動を予測する「メタモデル」を研究している。言語モデルの学習記録を数値データとして扱うと、既存の表形式in-context学習モデルTabPFNが、評価した複数の設定で、微調整された大規模言語モデルのメタモデルと同等以上の結果を示した。論文はさらに、Kolmogorov-Arnoldネットワーク（KAN）を組み合わせると一部の予測課題で精度が上がり、公開の大規模学習実行について事前登録した予測も行ったと述べている。GPA-VGGT：幾何精度を保つ VGGT の学習不要な高速化手法urn:diting-lab:ja:doc:2945322026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GPA-VGGT: Geometry-Preserving Acceleration of VGGT
arXiv · 2026年10月27日VGGT は、複数視点の画像から一度の順伝播でカメラパラメータ、深度マップ、点群マップを推定するフィードフォワード型幾何モデルである。ただし全体注意機構はフレーム数の二乗に比例して計算量が増えるため、長い系列では実行時間の大部分を占める。本論文の GPA-VGGT は再学習を必要とせず、初期ブロックでは共有のクロスフレーム K/V を加えたフレーム注意で全体注意を置き換え、残りのブロックではクエリを保持したままキーと値のみを統合する。さらに照合用の計量を 128 次元にランダム射影して照合コストを下げる。既存手法に匹敵する高速化を示しつつ、AUC@3 のもとで VGGT の姿勢精度の 99% 以上を維持するとされる。エッジでのオンライン気体分類：昆虫の嗅覚に着想を得た低消費電力ニューラルネットワークurn:diting-lab:ja:doc:2945312026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Online gas classification at the edge
arXiv · 2026年10月27日本論文は、昆虫の嗅覚系に着想を得た、疎で高次元の二値表現を用いてセンサーアレイの生データを直接分類するニューラルネットワークを提案する。重みは二値のみで、Hebb則に基づく局所学習を用いるため、超低消費電力のニューロモーフィックプロセッサに適している。混合信号ニューロモーフィックチップTEXELで行った有害ガス検出実験では、オンチップ分類器の精度は74.6%、推論1回あたり482 nJ、静的消費電力は27 μWであった。CaLLM：非パラメトリックなアダプタルーティングによる大規模言語モデルの継続的適応urn:diting-lab:ja:doc:2945302026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00CaLLM: Continual Adaptation of LLMs via Non-Parametric Adapter Routing
arXiv · 2026年10月27日本論文は、タスク分布が変化する中で大規模言語モデルを継続的に適応させ、破滅的忘却を抑えるためのCaLLMフレームワークを提案する。距離ベースのメタ学習と軽量アダプタによるモジュール式パラメータ分離を組み合わせ、入力バッチをタスクに依存しない埋め込み空間で最近傍のプロトタイプに対応付け、そのデータ分布に特化したアダプタへ振り分ける。論文は、多様な細粒度の継続学習ベンチマークにおいて、従来の隔離法およびリプレイ法より一貫して優れた結果が得られたと報告している。SpectRAG：多段階検索拡張生成におけるトークン予算付き文脈選択のための重み付きチャンクグラフurn:diting-lab:ja:doc:2945292026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SpectRAG: Weighted Chunk Graphs for Token-Budgeted Context Selection in Multi-Hop Retrieval-Augmented Generation
arXiv · 2026年10月27日本論文は、検索拡張生成（RAG）システム向けのSpectRAGという枠組みを提案しています。ハイブリッドな候補検索、重み付きチャンクグラフによる拡張、スペクトルグラフに基づく関連度伝播を組み合わせ、固定のトークン予算内で文脈を構成します。実験では、複数のデータセットで証拠の再現率が向上し、生成品質は比較対象の手法と競合する水準であったと報告されています。多言語LLM評価の現状と課題：51のベンチマークに対するデータ監査urn:diting-lab:ja:doc:2945282026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00The State and Fate of Multilingual, Contextual Evaluation in the NLP World
arXiv · 2026年10月27日本論文は、近年の多言語評価ベンチマーク51件（242データセット、219言語）を、カバレッジ・代表性・厳密性の三つの観点から分析したものです。多くの言語が単一のベンチマークにしか現れず、低リソース言語は評価される課題カテゴリーが高リソース言語より少ないことが示されています。データの56%は英語からの翻訳で、翻訳の痕跡や英語中心の枠組みが問題とされています。さらに、ベンチマーク汚染も指摘されています。著者は、ネイティブに構築され、文化的に根ざし、汚染を考慮した評価の枠組みを提案しています。
★★★★ 注目：著者らは51の多言語ベンチマーク（242データセット、219言語）を対象にデータ駆動の監査を行い、広く薄いカバレッジ、翻訳依存の構築、ベンチマーク汚染などを指摘し、改善策を提案している。自己統治する人間・機械組織のためのシリアスゲーム検証基盤urn:diting-lab:ja:doc:2945272026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00A Serious-Game Testbed for Self-Governing Human-Machine Institutions
arXiv · 2026年10月27日本論文は、人間と機械が混在する集団が自ら統治できるかを研究するための、マルチエージェントシミュレータ兼シリアスゲーム「Megabike」を提案している。参加者は共有の「大型自転車」について、操舵・ペダル操作・資源配分の取り決めと政治体制を合意する必要がある。四十セッションの実験では言語モデルによる参加者が体制を選び、指導者を選出し、互いを追放した。その結果、エージェントの類型の組み合わせによっては予期せぬ逆効果の結果が生じうることが示された。LearnPrunerV2：視覚言語モデル向けの学習可能な段階的トークン剪定urn:diting-lab:ja:doc:2945262026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00LearnPrunerV2: Learnable Progressive Token Pruning for Vision-Language Models
arXiv · 2026年10月27日視覚言語モデル（VLM）は視覚トークンが非常に多く、計算コストが大きい問題があります。本論文は、各層に軽量な学習可能モジュールを組み込み、視覚的顕著性とクエリとの関連性を融合してトークンの重要度を推定するLearnPrunerV2を提案します。さらに、層ごとに固定の予算を割り当てる剪定方式を導入しています。原文によると、LLaVA-v1.5で視覚トークンの77.8%を剪定しても元の性能の99.8%を維持したとされています。性能向上か高速化か？データキュレーションがLLM学習を改善する仕組みurn:diting-lab:ja:doc:2945242026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Advancement or Acceleration? How Data Curation Improves LLM Training
arXiv · 2026年10月27日本論文は、データキュレーションの二つの効果、すなわち到達可能な性能を高める「向上」と、同じ性能をより少ないデータで達成する「高速化」を区別しています。キュレーション前に計算できる指標として、未キュレーションのベースラインにおける学習損失と目標損失の差である「Δテスト」を提案しています。実験では、Δが明確に非ゼロの場合に持続的な効果が見られ、Δが0付近では学習予算の増加とともに効果が縮小することが示されています。グラフニューラルネットワークで路網を縮約する中央集権型都市交通経路配分urn:diting-lab:ja:doc:2945232026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GNN-Guided Network Reduction for Centralized Urban Traffic Routing
arXiv · 2026年10月27日本論文は、中央の計画者が起点・終点（OD）の車両流れに経路を割り当て、渋滞に依存する区間コストを最小化する中央集権型交通経路配分問題を扱う。著者らは、グラフニューラルネットワークで各OD流について区間に点数を付け、上位の区間を完全な経路に組み込み、縮約された路網上で元の区間流混合整数線形計画問題を解く学習型の路網縮約手法を提案している。4つの実都市路網での実験では、30秒の全グラフ参照解との相対目的関数差が、両方の交通条件で各都市において最も小さかった。AutoVend：長期的な自律型自動販売機運営における LLM エージェントのベンチマークurn:diting-lab:ja:doc:2945222026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00AutoVend: Benchmarking LLM Agents on Long-Horizon Autonomous Vending Operations
arXiv · 2026年10月27日本論文は、一つの LLM エージェントが Web ベースの操作画面を通じて、5 種類の設置場所に置かれた 20 台の自動販売機を 180 日間のシミュレーションで運営する AutoVend ベンチマークを提案している。シミュレータには共有倉庫、仕入れのリードタイム、有料の補充、在庫の期限切れ、定期的な運営コストが組み込まれている。5 つの LLM エージェントをルールベースの在庫管理ベースラインと比較した結果、そのうち 4 つがベースラインを下回り、在庫と実行のコストが個別指標の改善による経済的成長を損なうことが示されている。動画品質評価における明示的な領域表現：品質関連ヒートマップによる手法urn:diting-lab:ja:doc:2945212026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Explicit Regional Representations For Video Quality Assessment
arXiv · 2026年10月27日本論文は、エンドツーエンドの動画品質評価（VQA）手法では予測の根拠となる領域情報が暗黙的なままである点に着目し、明示的なピクセルレベルの領域表現として品質関連ヒートマップ（QRH）を提案している。QRHは視覚言語モデルの指導のもと、局所的な劣化の証拠と知覚的事前知識を組み合わせたもので、ピクセル単位の注釈は不要である。既存モデルDOVERに2種類の確定的フラグメントサンプリング手法を適用し、品質認識サンプリングはほとんどの評価指標で改善を示した。自己回帰線形閾値関数のVC次元についてurn:diting-lab:ja:doc:2945192026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00On the VC Dimension of Autoregressive Linear Threshold Functions
arXiv · 2026年10月27日本論文は、線形閾値関数（LTF）を自己回帰的に用いたブール予測器のVC次元を研究する。各ステップで直近のd個のビットを読み取って次のビットを生成し、T ステップ後の出力を返す設定である。作者らは、T≥d²のすべてのTについて決定的自己回帰LTFのVC次元がΘ(d²)であることを証明し、従来の二次の差を解消した。さらに、同じ手法を用いて、LTFの符号関数をロジスティック・サンプリングに置き換えると、最終的な多数決予測クラスのVC次元がdの二次から指数関数へ増加しうることを示し、決定的モデルと確率的モデルの間に指数的な差があることを明らかにしている。イベント駆動型LLMエージェントのためのプロアクティブ記憶に関する論文urn:diting-lab:ja:doc:2945182026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Proactive Memory for Event-Driven LLM Agents
arXiv · 2026年10月27日本論文は、履歴を最近のイベント、時間的軌跡、行動規則性に整理するプロアクティブ記憶手法ProactMemを提案しています。軌跡の事実は元のイベントと照合され、規則性は履歴の再生により評価されたうえで現在の状況と照合されます。また、三つの応用範囲を扱う縦断的ベンチマークProactiveStreamを構築し、全体のF1は52.6%で、五つの外部ベースラインのうち最も強いものより相対で21.4%向上したと報告しています。ボットは不快を感じるのか？LLMにおける機能的な快・不快の実証的証拠を検討urn:diting-lab:ja:doc:2945162026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Do bots feel bad? Assessing empirical evidence for functional valence in LLMs
arXiv · 2026年10月27日本論文は、大規模言語モデルが快または不快と感じられる状態（効価）を持つのかを検討します。既存研究が主張する機能的な快・苦痛や機能的感情などの証拠を評価し、効価の重要な側面はLLMで未検証のままであり、既存の実験パラダイムは機能的効価を選好、価値判断、効価の帰属、ロールプレイと十分に区別できていないと論じます。最後に、機能的効価そのものを直接捉えるための新しい実験的アプローチを提案しています。Live-OPSD：能動的なストリーミング大規模動画モデルのためのオンポリシー自己蒸留手法urn:diting-lab:ja:doc:2945152026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Live-OPSD: On-Policy Self-Distillation for Proactive Streaming Large Video Models
arXiv · 2026年10月27日本論文は、出来事が進行中の動画に対して、いつどのように応答するかを判断できる流式マルチモーダルアシスタントを学習させる手法Live-OPSDを提案している。学習時にのみ利用可能な手がかり情報を用い、モデル自身が生成した出力を直接監督する。Qwen3-Omni-30B-A3Bでの実験では、LiveProBenchで平均59.64点を獲得し、最強の継続教師ありファインチューニングのベースラインを5.26点上回った。OVO-Benchでは65.84点であった。PailitaoMMSearch2.0技術報告：生成型検索を統一的なエンドツーエンドのマルチモーダル検索へ拡張urn:diting-lab:ja:doc:2945142026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search
arXiv · 2026年10月27日本論文は、生の検索クエリ画像と自由形式の指示文から商品のセマンティックIDを直接生成し、統一的なエンドツーエンドのマルチモーダル検索を実現するPailitaoMMSearchシステムを提案している。データ、意図、シナリオの三つの次元でシステムを拡張しており、淘宝（Taobao）の拍立淘（Pailitao）のマルチモーダル検索アプリケーションに展開されている。統制されたオンラインA/Bテストでは、商品ページの閲覧数が17.90%、取引件数が27.04%、流通総額が8.94%向上し、統計的に有意な改善が報告されている。
★★★★ 注目：画像とテキストの指示から商品のSemantic IDを直接生成する統一型エンドツーエンドのマルチモーダル検索システムPailitaoMMSearchを提案。CPT、SFT、RLで意図と推論予算を拡張し、淘宝での線上A/Bテストで閲覧数+17.90%、取引数+27.04%、GMV+8.94%の改善を報告している。脊椎ランドマーク検出のための密な表現学習と微分可能な形状モデリングurn:diting-lab:ja:doc:2945122026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Dense Representation Learning and Differentiable Shape Modeling for Spine Landmark Detection
arXiv · 2026年10月27日本論文は、脊椎X線画像における解剖学的ランドマーク検出を、画素単位の対比表現学習問題として再定式化し、画素ごとの埋め込みとランドマークのプロトタイプをマッチングさせます。汎用のU-Netバックボーンを用いても、従来のヒートマップ回帰より判別性の高いヒートマップが得られ、異なる椎骨の椎体角の識別が改善されます。さらに、脊椎ランドマーク全体の構成に対する学習可能な形状事前分布を組み合わせ、位置の曖昧さを解消します。公開データセットAASCEおよび2つの非公開脊椎X線データセットにおいて、ランドマーク精度と臨床パラメータ推定で競争力のある結果が示されています。DCKV：ハイブリッド言語モデルにおけるプロンプトKVキャッシュの学習型変換符号化urn:diting-lab:ja:doc:2945112026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00DCKV: Learned Transform Coding of the Prompt KV Cache in Hybrid Language Models
arXiv · 2026年10月27日本論文は、KVキャッシュ向けの微分可能なコーデックDCKVを提案し、エンドツーエンドで学習された初のKVキャッシュコーデックだとしています。変換、量子化器、エントロピーモデルはプロンプトのトークンと既に復号された隣接位置を条件とし、凍結された言語モデルに対して共同で最適化されます。Qwen3.5-2Bでは、圧縮したトークン1つの格納サイズをbf16の55分の1未満に抑えつつ、3つの長文脈ベンチマークでの低下を最大1.8ポイントに抑えました。100分の1未満の場合は低下が最大3.6ポイントです。外部メモリなしで凍結言語モデルの対話を想起する、自己キーによるパラメータ内記憶urn:diting-lab:ja:doc:2945102026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Self-Keyed In-Parameter Memorization for External Memory-Free Dialogue Recall in Frozen Language Models
arXiv · 2026年10月27日本研究は、言語モデルが外部記憶を使わず、対話内容をモデル自身のパラメータに保存して後で質問に答えられるかを検討している。提案手法SKIMでは、モデルが各対話ターンについて多様な質問を自ら生成し、それをパラメータに書き込んで、後の内容想起のキーとして用いる。5つの言語モデルでの評価では、保存された対話ターンの大部分が後続の質問から想起され、回答は外部ストレージを使わずモデルのパラメータのみから得られた。QASecClaw を超えて：ソフトウェア保証におけるエージェント拡張、検証器フィードバック、証拠の信頼性urn:diting-lab:ja:doc:2945092026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Beyond QASecClaw: Agent Scaling, Verifier Feedback, and Evidence Reliability in Software Assurance
arXiv · 2026年10月27日本論文は、決定論的なツール証拠がすでに利用可能な場合に、専門的な言語モデルのコンテキストを追加することでソフトウェア保証が改善されるかを検討している。Java の警告制御、OWASP Benchmark、Defects4J のテスト生成、SV-COMP のアサーション判定、誤解を招く証拠パッケージの五つの実験で評価を行っている。コンテキスト数を増やすとトークン使用量は大幅に増えるが、安全でない結果の除外は改善されなかった。結果は、テストされた条件では決定論的な証拠の受け入れを支持する一方、判定の集約や検証器フィードバックの解釈における限界も示している。機械学習による圃場別施肥推奨におけるアルゴリズムの単一栽培化（モノカルチャー化）についての論文urn:diting-lab:ja:doc:2945072026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Algorithmic Monoculture in Machine Learning-based Site-Specific Fertilizer Recommendation
arXiv · 2026年10月27日機械学習による施肥推奨は通常は単一モデルごとに評価されるが、相互に連携した多数の意思決定者に使われると、誤差の相関が農場全体に集積して系統的なコストを生むと論じている。共有誤差と農場固有の誤差から社会的損失をモデル化し、ハーフィンダール・ハーシュマン指数と共分散による一般化で、モデルの採用集中と誤差の依存性の影響を分析している。モロッコの5つの穀物システムと9つのモデル系統を用いてベンチマークによる較正を行い、10%の後悔上限のもとで精度制約付きの多様化により、モデル上の社会的損失が10.89〜41.53%下がるとの結果を示すが、これは農学的・経済的福祉の推定ではない。TDLM：拡散言語モデルのための適応的時間統合urn:diting-lab:ja:doc:2945062026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TDLM: Adaptive Temporal Integration for Diffusion Language Models
arXiv · 2026年10月27日本論文は、凍結されたデノイザー内で未確定の各トークン位置が自身の隠れ表現の履歴を参照できる時間的自己条件付き拡散言語モデル（TDLM）を提案し、繰り返し計算の再利用を可能にします。学習は自己生成軌道と交差エントロピー目的関数を用い、因果的時間注意により学習時の並列評価を可能にしています。LLaDA と Dream での主な比較では、元の拡散言語モデルより最大 7.15 倍速く生成でき、評価したタスクで競争力のある回答品質を示しています。JevRec：LLMベース生成型推薦のための言語的符号化とJev式決定モデリングurn:diting-lab:ja:doc:2945052026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00JevRec: Linguistic Encoding with Jev-like Decision Modeling for LLM-based Generative Recommendation
arXiv · 2026年10月27日本論文は、大規模言語モデルによる生成型推薦のためのJevRecを提案します。アイテムを長さ可変の意味的識別子で表し、人気アイテムには短く、ロングテールのアイテムには詳細な符号を割り当てます。長さと内容の予測を別々の出力ヘッドで行い、最適化の衝突を抑えます。三つの公開データセットで全ての比較ベースラインを上回り、TIGERより学習と推論の時間が短いと報告しています。制約付きブラックボックス・レバー最適化のためのガウス過程バンディットurn:diting-lab:ja:doc:2945042026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Gaussian Process Bandits for Constraint Black Box Lever Optimization
arXiv · 2026年10月27日限られた共有予算を複数のセグメントに配分する重みを、フィードバックが遅延・ノイズ混じりで集計され、調整頻度にも制約がある状況で最適化する手法を扱う論文です。報酬関数にガウス過程の事前分布を置くGP-UCBアルゴリズムを提案し、隣接する設定間で情報を共有します。合成シミュレータでは、Matérn核と線形核を組み合わせた複合核が定常・変動・反応型の各環境で最も頑健だと示されました。さらに本番環境での大規模ランダム化比較試験で、標準的なε-greedyベースラインより統計的に有意な効率向上が確認されたと報告しています。画像拡散モデルのLoRA適応に対する出所シグネチャの検出urn:diting-lab:ja:doc:2945032026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Provenance Signatures for Low Rank Adaptations of Image Diffusion Models
arXiv · 2026年10月27日本論文は、オンラインサービスが標準の画像拡散モデルを低ランク適応（LoRA）したものを使っているかを判定するプロトコルを提案しています。候補となる適応版や代替モデルが未知である開かれた世界の状況を想定しています。仮説検定の手法を用い、生成画像集合の固有次元のみに基づくブラックボックスの署名により、基盤モデル、LoRA適応版、まったく別のモデル系統を区別します。DocXEval：マルチモーダル文書理解における説明可能性の体系的評価urn:diting-lab:ja:doc:2945022026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00DocXEval: A Systematic Evaluation of Explainability in Multimodal Document Understanding
arXiv · 2026年10月27日本論文は、テキスト・レイアウト・画像を扱うマルチモーダル文書理解に向けた初の包括的な説明可能性フレームワーク「DocXEval」を提案しています。既存のXAI手法と評価指標を文書理解に適応させ、意味的実体認識などの課題向けに複数ターゲット対応の改良も加えています。13種類のXAI手法を、3種類の課題、8つのデータセット、4つのモデル、17の評価指標で体系的に評価し、遮蔽法（Occlusion）が総合的に最も忠実で解釈しやすい手法であることを報告しています。
★★★★ 注目：多モーダル文書理解向けの初のXAIフレームワークで、13手法・17指標を8データセット・4モデルで体系的に評価；著者らはOcclusionが全体として最も忠実で解釈しやすいと報告。視覚言語エージェントは自らの潜在世界で学習できるurn:diting-lab:ja:doc:2945002026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Vision-Language Agents Can Learn in Their Own Latent Worlds
arXiv · 2026年10月27日この論文は、事前学習済みの視覚言語モデルを再帰的な潜在状態遷移演算子として用いる、モデルベース強化学習フレームワークDwellを提案している。エージェントは潜在空間で行動の結果を予測・調整・実行し、実際の相互作用と潜在的な想像の両方から行動を改善する。著者らは、5つの対話型視覚環境で学習可能な手法の中で総合性能が最も高く、想像に必要な計算量も大幅に削減されたと報告している。なぜ情報源が食い違うのかを判定する：RAGにおける知識衝突の分類を行う、LLMを必要としない決定モデルurn:diting-lab:ja:doc:2944982026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Do We Need an LLM to Know Why Sources Conflict? Decision Models for Knowledge-Conflict Typing in RAG
arXiv · 2026年10月27日検索された情報源が互いに矛盾する場合、適切な応答は衝突の種類によって異なります。本論文は、テキストを生成せず単一の順伝播で固定された選択肢の確率を返す決定モデルが、この分類を高速かつ低コストで行えるかを検討します。CONFLICTSベンチマークで11モデルを評価した結果、正解率は50.0％から67.0％で、10モデルがGemini 2.5 Flash（61.3％）と同等以上でした。コストは4〜39分の1、遅延は2.6〜6.0分の1でした。
★★★★ 注目：著者は決定モデルをRAGの知識衝突タイプ判別に適用し、CONFLICTSベンチマークでGeminiモデルやカスケードと比較した。摘要によれば多くの決定モデルがGemini 2.5 Flashと同等以上の精度で、コストと遅延は低い。バスク語向け音声言語モデルの開発urn:diting-lab:ja:doc:2944972026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Developing a Speech Language Model for Basque
arXiv · 2026年10月27日本論文は、低遅延のエンドツーエンド音声対話を目的とした、バスク語初のオープンな音声言語モデルを提案する。LLaMA-Omniアーキテクチャを基盤とし、バックボーンとしてLatxaモデルを組み込み、いくつかのモジュールを微調整することで、そのバスク語能力を音声モダリティに移している。データ不足に対応するため、英語のVoiceAssistant-400Kコーパスをバスク語に翻訳し、バスク語TTSで音声を合成した。評価では、内容品質3.86/5、音声明瞭度のWER 9.94%、音声品質のUTMOS 3.07という結果が得られた。「取りこぼさない」：大規模ランダム化比較試験コーパスからのエビデンス検索urn:diting-lab:ja:doc:2944962026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Nothing Left Behind: Finding Evidence from a Large Randomized Evaluation Corpus
arXiv · 2026年10月27日大量の文献から関連するエビデンスを見つける二つの方法を比較した論文です。一つはラベルで検索する方法、もう一つは文埋め込みで意味的に候補を集めてから言語モデルで関連するものだけを残す方法です。7,354件のランダム化比較試験のコーパスでは、ラベル検索がシステマティックレビューが採用するエビデンスの45%を見つけたのに対し、新しい方法は92%を見つけました。著者は、広く候補を検索する段階と、クエリに応じてエビデンスを絞り込む段階を組み合わせた二段階の構成を提案しています。HiLo-RD：マスク付き拡散言語モデルのためのクロス予算自己蒸留手法urn:diting-lab:ja:doc:2944942026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00HiLo-RD: Cross-Budget Self-Distillation for Masked Diffusion Language Models
arXiv · 2026年10月27日本論文は、生成予算が限られた状況でマスク付き拡散言語モデル（MDLM）を改善する HiLo-RD（高予算から低予算への表現蒸留）を提案している。大きなウィンドウの教師状態を切り出した小さなウィンドウの表示と組み合わせ、確定した位置で両者の隠れ表現を一致させる。数学のベンチマークで低予算時の精度が向上し、応答も短くなった。GSM8K では精度が 9.4 ポイント上がり、平均可読長は約 25% 減少した。正例から自然なハードネガティブを採取し、指示追従型検索に活用する手法urn:diting-lab:ja:doc:2944932026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Natural Hard-Negative Mining from Positives for Instruction-Following Retrieval
arXiv · 2026年10月27日本論文は、指示条件付きの対照学習用データが不足している指示追従型情報検索（IFIR）の課題に対し、自然ハードネガティブ採取（NHNM）を提案する。元の正例を指示に対するハードネガティブとして再利用し、候補クリーニング、反転構築、幾何フィルタリングという自動化パイプラインで高コントラストな教師データを作成する。MSMARCOから約7千件の学習データ（NHNM-MARCO）を構築し、InstructIRとFollowIRで568Mから4Bパラメータのモデルを微調整した結果、複数の設定で大規模な検索モデルに匹敵または上回る性能を示した。PREEN：スマートフォン編集プリセットを用いた参照画像ベースの色スタイル変換urn:diting-lab:ja:doc:2944922026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00PREEN: Exemplar-Based Color Style Transfer with Smartphone Editor Presets
arXiv · 2026年10月27日本論文は、色スタイル変換を決定的な画像エディタの29個のパラメータへの回帰として扱うPREENを提案します。入力は内容画像と参照スタイル画像で、出力はラスター画像ではなく、エディタのスライダー値からなるプリセットです。スタイル変換教師モデルの結果を逆変換した擬似プリセットで学習し、PST50ベンチマークで画素・知覚の忠実度指標において既存手法を上回りました。単一の強度パラメータで、標準から鮮やかな表現まで連続的に調整できます。ノイズステアリング：ウェイク制御と音響指向性を活用した強化学習による騒音制約付き風力発電所制御urn:diting-lab:ja:doc:2944912026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Noise Steering: Exploiting Wake Steering and Acoustic Directivity for Noise-Constrained Wind Farm Control via Reinforcement Learning
arXiv · 2026年10月27日本論文は、強化学習（RL）に基づくモデルフリーの制御手法「ノイズステアリング（Noise Steering）」を提案しています。風車のヨー角と出力設定値を同時に制御し、指定領域の騒音制約を満たしながら風力発電所全体の発電量を最大化します。学習コストを抑えるため、低忠実度の音響モデルを定常状態のFLORISシミュレータと組み合わせて使用しています。6基の風車からなる試験風力発電所では、乱流条件下で40 dBの騒音制約を満たし、平均出力損失は約2%でした。一方、業界標準の降ノイズ運転（NRO）では平均17%の損失が生じています。進化最適化による強化学習のハイパーパラメータ・ニューラルアーキテクチャ同時探索（HPNAS-RL）urn:diting-lab:ja:doc:2944902026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Hyperparameter and Neural Architecture Search via Evolutionary Optimization for Reinforcement Learning: HPNAS-RL
arXiv · 2026年10月27日本研究は、自動運転における強化学習のために、ニューラルアーキテクチャ探索（NAS）とハイパーパラメータ最適化（HPO）を同時に行う二分岐型の進化的フレームワークを提案します。著者らの先行研究である進化的多目的NAS（EMNAS）を基に、統一された多目的探索戦略のもとで離散的なネットワーク構造と連続的なハイパーパラメータを並列に進化させ、並列評価と教師・生徒型の方策転移機構を導入しています。高精度の運転シミュレータでの実験では、NASとHPOを同時に最適化する手法が、NAS単独の手法より高い報酬、少ないパラメータ、より高い安定性を持つ方策を得られることが示されています。RAG-CSI：状態と動的特性の同時照合による大域・局所検索型CSI予測urn:diting-lab:ja:doc:2944892026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00RAG-CSI: Global Local Retrieval via Joint State and Dynamics Matching for CSI Prediction
arXiv · 2026年10月27日本論文は、過去の観測からチャネル状態情報（CSI）の将来値を予測する、検索拡張型Transformerフレームワーク「RAG-CSI」を提案しています。複数シーンの代表的観測と現在のシーンの履歴からなる大域・局所CSI知識ストアを構築し、チャネル状態・位相変動・振幅変動を同時に扱う検索手法（JSDR）で関連するCSI系列を取得します。multi-scene CSIデータセットでの実験では、五つの評価指標すべてで各指標の最良ベースラインを10%以上上回り、正規化平均二乗誤差は15.42%低減しました。RubricAtlas：専門家レポートから型レベルの評価基準を抽出し、深層リサーチエージェントを評価する手法urn:diting-lab:ja:doc:2944882026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00RubricAtlas: Mining Type-Level Rubrics from Expert Reports to Evaluate Deep Research Agents
arXiv · 2026年10月27日本論文は、同じ研究タイプ内の異なる対象に関する専門家レポートから型レベルの分析要件を抽出し、繰り返し現れる分析上の問いを中心に二値チェックポイントを整理するRubricAtlasを提案する。3,079本の中国語金融研究レポートから構築され、99の研究タイプを対象とする。単一の参照レポートは型の分析上の問いの約半分しか網羅しないことが示され、十のエージェントについて二つの評価パイプライン間で高い一致が得られたと報告されている。GUI-JEPA：候補行動に条件付けたJEPA潜在表現によるモバイルGUIエージェントの高速行動方策urn:diting-lab:ja:doc:2944872026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GUI-JEPA: Candidate-Conditioned JEPA Latents as a Fast Action Policy for Mobile GUI Agents
arXiv · 2026年10月27日本論文は、結合埋め込み予測アーキテクチャ（JEPA）に基づく、デコーダを用いないモバイルGUIエージェントの行動方策GUI-JEPAを提案しています。ラベルのないGUIスクリーンショットで事前学習したJEPAエンコーダの潜在空間で行動を選択し、行動と領域に条件付けた予測器で各候補行動の潜在表現を生成します。AndroidControlでは、同じ入力で微調整したQwen2.5-VL-7Bエージェントより2.8〜4.0倍速く、パラメータ数は6%で、分布内精度の86〜92%に達したと報告されています。
★★★★ 注目：JEPA潜在空間で行動を選び、トークンを復号しないモバイルGUIエージェントを提案。AndroidControlで同入力の7Bモデルより2.8～4.0倍速く、パラメータは6%、分布内精度の86～92%に達したと報告している。HoloRecon：全体的一貫性を備えた長距離パノラマの増分再構成urn:diting-lab:ja:doc:2944862026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00HoloRecon: Incremental Reconstruction of Long-Range Panoramas with Global Consistency
arXiv · 2026年10月27日本論文はHoloRecon（ホロリコン）という枠組みを提案し、ORBベースの疎なパノラママッピングのフロントエンドと微調整済みのフィードフォワードモデルを組み合わせて、長いシーケンスのパノラマ再構成を行います。予測された局所形状を用いて遠距離の再訪問箇所での特徴対応を3次元的に検証し、長距離のカメラ拘束を得ます。疎なランドマークで深度を較正し、全体のポーズグラフを最適化します。また、反復的な建築構造を含む7シーンのベンチマークPanoReconも導入され、提案手法は評価した手法の中で平均絶対軌跡誤差が最も低く、F-1スコアも高い結果を示しました。RangeRectQuant：将来の任意の矩形和に対応する科学フィールドの圧縮手法urn:diting-lab:ja:doc:2944842026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00RangeRectQuant: Compressing Scientific Fields for Every Future Rectangular Sum
arXiv · 2026年10月27日科学的ラスタデータの圧縮に関する論文です。著者らは、符号化の段階で接頭辞和の誤差を制御し、軸に平行な任意の矩形の和が所定の誤差予算を満たすようにするRangeRectQuantを提案しています。元データがなくても、利用者は任意の矩形を測定できます。計算量は線形で、作業領域は1行分に相当します。地理的に分離した建物域と水域の地図での実験では、同じ要件を満たす他手法と比べて大幅な保存容量の削減が示されています。尾部の手がかり、主成分の補正：オープンセット・テスト時適応のためのプラグアンドプレイ補正手法urn:diting-lab:ja:doc:2944832026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Tail Cues, Principal Corrections: Plug-and-Play Rectification for Open-Set Test-Time Adaptation
arXiv · 2026年10月27日本論文は、共変量シフトと意味的シフトが同時に存在する非定常なターゲットデータ列を扱うオープンセット・テスト時適応（OSTTA）を対象とします。提案手法TALORは、ソースモデルの線形分類ヘッドを幾何学的な基準として用いる、軽量で逆伝播を必要としない補正モジュールです。特徴量を高利得の主成分座標と低利得の尾部座標に分解し、重み付きリッジ回帰によって主成分部分空間上のアフィン補正を推定します。ImageNet-Cと六つのcsOODデータセットでは、次点のUniEntよりH値が2.2%高く、2.5倍高速で、GPUメモリは12%しか使用しません。サンプル・スコア：IEEE 802.11ネットワークにおける代理モデル誘導型の協調空間再利用urn:diting-lab:ja:doc:2944822026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Sample-and-Score: Surrogate-Guided Coordinated Spatial Reuse in IEEE 802.11 Networks
arXiv · 2026年10月27日本論文は、IEEE 802.11bnにおける協調空間再利用（Co-SR）を扱います。Co-SRは複数のアクセスポイントが同時に送信することでエリアスループットを高める手法ですが、組み合わせの設定空間が大きく、リアルタイムの最適化が難しい課題があります。著者らはランダムにCo-SR設定をサンプリングし、代理モデルで採点して最良のものを選ぶ「サンプル・スコア」手法を提案しています。代理モデルはオフラインで学習され、オンラインでの微調整や逐次探索なしに運用できます。2〜16のアクセスポイントを持つ未知のトポロジーでは、完全な代理モデルのスループットの52〜77％を回復しました。また、完全なサンプル・スコア手法は8192個の候補で上限スループットの95％に達しました。ReLUネットワークの内在的情報理論解析urn:diting-lab:ja:doc:2944802026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Intrinsic Information-Theoretic Analysis of ReLU Nets
arXiv · 2026年10月27日本論文は、深層ネットワークにおける相互情報量の推定がハイパーパラメータの偏りに左右される問題を扱う。ReLUを含む区分線形ネットワークが入力空間を凸な線形領域に自然に分割する性質を利用し、各入力に領域ラベルを付与して相互情報量を解釈可能な幾何学的項に分解する。提案する経路情報の推定量は、同じネットワークとデータに対する既存の三つの基準手法と強く一致し、領域が飽和した場合も関数的同値商によって情報量を回復する。HorizON：有機電池スタックの特性予測のための多ホライズン深層オペレータネットワークurn:diting-lab:ja:doc:2944792026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00HorizON: A Multi-Horizon Deep Operator Network for Property Prediction of Organic Battery Stacks
arXiv · 2026年10月27日有機電極材料はリチウム、コバルト、ニッケルなどの重要元素への依存を減らせるものの、有機電池は長期の充放電サイクル安定性が依然として限られています。本論文では、一つのモデルでDFT酸化還元電位と、サイクルごとに変化する比容量の推移を学習する、多忠実度・多ホライズンの深層オペレータネットワーク（HorizON）を提案します。完全な電池スタックの表現と使用条件で学習し、正極のみの効果ではなく、電池スタック内の相互作用を捉えます。この枠組みは、有機電池システムの長期特性予測、逆設計、プロセス最適化を支援します。ActiveAlign：能動的知覚によるエゴセントリック操作の位置合わせurn:diting-lab:ja:doc:2944782026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00ActiveAlign: Aligning Egocentric Manipulation via Active Perception
arXiv · 2026年10月27日本論文は、ロボットが能動的に手を動かし物体に触れることで、実世界とシミュレーションの差を縮める枠組みActiveAlignを提案している。ActiveAlign-Wavingは能動的な手の動きと微分可能レンダリングを用いて手眼キャリブレーションを行い、ActiveAlign-Touchingは触覚フィードバックで物体の位置合わせを改善してミリメートル級の精度を目指す。Unitree G1ロボットでボタンを押す、スライダーを動かすなどミリメートル規模の物体の精密操作を実証している。データは忘れ、能力は保つ：検索向けの切り替え可能な忘却手法urn:diting-lab:ja:doc:2944772026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Forget the Data, Keep the Capability: Switchable Unlearning for Retrieval
arXiv · 2026年10月27日本論文は、同一モデルで標準推論（Fullモード）と忘却後の推論（Coreモード）を切り替えられるMoMEフレームワークを提案し、個人の学習データ削除というプライバシー対応要件を満たすことを目指します。Coreモードのコアパラメータは忘却集合の勾配を受け取らないため、削除されたデータから独立しており、提案するForgetting-Rank統計量で監査できます。Market-1501、VeRi-776、RegDBでは、Coreモードが3種類のメンバーシップ推定攻撃下で再学習した参照モデルに近い結果を示し、検索性能はそれを上回るとされています。
★★★★ 注目：勾配隔離で学習したコア分岐とオン・オフ可能な分岐により忘却を切り替えるMoMEを提案。著者はCoreの独立性証明とランク統計による監査を示し、三データセットでの検索性能を報告。作物分類におけるAlphaEarth埋め込みの評価：分離性、時間変化、地域間転移性urn:diting-lab:ja:doc:2944762026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Evaluating AlphaEarth Embeddings for Crop Classification: Separability, Temporal Dynamics, and Cross-Regional Transferability
arXiv · 2026年10月27日本論文は、地理空間基盤モデルが生成する64次元のAlphaEarth埋め込みを、Sentinel-2反射率、NDVIに基づく生育特徴、調和特徴と比較するための、表現方式に依存しない評価枠組みを提案している。対象データは2017年から2023年の米国本土（CONUS）と2021年の北インドの圃場規模データである。埋め込みは分布を考慮した分離性と複数年の輪作動態の捉え方で優れる一方、米国からインドへの地域間転移では調和特徴やNDVI特徴の方が強く、両者を組み合わせると均衡した性能が得られるとしている。重み付き係数制約下で浅い ReLU 近似の最適指数を決める境界幾何urn:diting-lab:ja:doc:2944752026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Boundary Geometry Determines Optimal Shallow ReLU Approximation under Weighted Coefficient Constraints
arXiv · 2026年10月27日本論文は、凸体の境界幾何が浅い ReLU ニューラルネットワークによる L^q 近似にどう影響するかを研究している。対象は重み付き変分空間の単位球で、領域の幾何を出力係数の制約に組み込むことで古典的な空間を拡張している。任意の凸体について上界と下界を与え、平面凸体およびそれと多面体の直積（立方体や円柱を含む）について最適な多項式近似指数を決定している。次元、誤差ノルム、重み付け規則を固定しても、境界幾何によって最適指数が変わりうることを示している。LingGS：フィードフォワード幾何予測とカメラ追跡を分離した高精度ガウシアンSLAMurn:diting-lab:ja:doc:2944742026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00LingGS: Decoupling Feed-Forward Geometry Prediction from Camera Tracking for High-Fidelity Gaussian SLAM
arXiv · 2026年10月27日単眼RGBのガウシアンスプラッティングSLAMに向けたオンラインシステムで、凍結したストリーミング3D基盤モデルを仮想RGB-Dセンサーとして深度を推定し、特徴量の再投影に基づく明示的な幾何ソルバーでカメラ運動を求め、ストリーミングガウシアンマッパーで密なシーン表現に統合します。屋内外のデータセットで既存手法より再構成品質が大きく向上し、単一のRTX 4090で約7 FPS、比較した従来のSLAMシステムの2〜3倍のスループットを達成したと報告されています。uTHCD-C：タミル語手書き文字認識の耐ノイズ性ベンチマークurn:diting-lab:ja:doc:2944732026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00uTHCD-C: A Corruption-Robustness Benchmark for Tamil Handwritten Character Recognition
arXiv · 2026年10月27日本論文は、タミル語の手書き単一文字認識システムが多様な画像の乱れに対してどの程度頑健かを評価するためのベンチマーク「uTHCD-C」を提案しています。無制約タミル手書き文字データベース（uTHCD）を基に、手書き特有の線の細化を含む10種類の乱れを、それぞれ5段階の強度で設定しています。九つの畳み込み型およびTransformer型アーキテクチャを比較し、VGG16-BNを基準とした平均乱れ誤差（mCE）で評価しました。ConvNeXtとSwinのmCEは最も低く、それぞれ0.75と0.83、ShuffleNetとMnasNetは高く、それぞれ1.55と1.85でした。すべてのロールアウトが失敗する場合：難問推論のための方策互換型同時デコーディングurn:diting-lab:ja:doc:2944722026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00When All Rollouts Fail: Policy-Compatible Joint Decoding for Hard-Problem Reasoning
arXiv · 2026年10月27日本論文は、検証可能な報酬による強化学習（RLVR）が、モデルにとって難しすぎる問題で学習信号を得られなくなる課題に取り組みます。提案手法PICOは、分布を制約した同時デコーディングにより、専門家データで導きつつ現在の方策と互換性のある、正しい軌跡を生成します。これらの軌跡をオンポリシーのロールアウトと併せて混合行動目的で最適化し、多様な推論データセットとエージェント型ベンチマークで、標準のRLVRおよび既存のオフポリシー基線を上回る結果を示しています。進化するエージェントチーム：局所最適を抜け出すマルチエージェント枠組みurn:diting-lab:ja:doc:2944712026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Evolving Agent Teams
arXiv · 2026年10月27日論文は、既存のコーディングエージェントが実際の専門家が書いたGPUカーネル（FlashInferなど）の最適化で局所最適に陥ることを指摘しています。著者らは、局所最適を診断してチームを再編する中央監督者と、経験を蓄積する永続ファイルシステムからなる「Evolving Agent Teams」を提案しています。拡張されたトークン予算の下で、生成されたCUDAカーネルはFlashInferのMLA paged decodeカーネルに対し平均1.2倍の高速化を示し、FlashInfer-Benchの47ワークロード中36で勝利しました。
★★★★ 注目：中央監督器が局所最適を診断してエージェントチームを再編し、永続ファイルシステムで経験を蓄積する手法。摘要はFlashInferなど実際のカーネル課題での高速化を報告している。ゼロ和部分観測確率ゲームのための保守的方策反復法urn:diting-lab:ja:doc:2944702026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Conservative Policy Iteration For Zero-Sum POSGs
arXiv · 2026年10月27日本論文は、有限期間のゼロ和部分観測確率ゲーム（zs-POSG）向けの近似方策反復アルゴリズムを提案している。各プレイヤーが一つの方策を保持し、保守的な方策更新によって誘導される占有軌道に沿って両者を共同で更新する。完全な中央値関数を近似せず、現在の同時方策から導かれる単一の支持超平面を各更新に用いる。有限期間のゼロ和POSGベンチマークにおいて、短い期間では競争力があり、長い期間では実行時間と可利用性のトレードオフをPBVI、HSVI、CFR+と比べて改善することが多い。AxisQ：カモフラージュ物体検出のための深度適応型チャネル・周波数量子化手法urn:diting-lab:ja:doc:2944692026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00AxisQ: Depth-Adaptive Channel--Frequency Quantization for Camouflaged Object Detection
arXiv · 2026年10月27日本論文は、カモフラージュ物体検出モデルの学習後量子化に用いるフレームワークAxisQを提案している。特徴の深さに応じてビット割り当て領域を切り替え、浅い層ではチャネル領域、深い層では局所周波数領域で精度を配分し、カモフラージュ物体検出に配慮した感度と境界を考慮したヘッセ行列近似を用いる。CAMO上のW2A2量子化では、CFRNとCamoFormer-Pの重み付きF値がそれぞれ12.7%と33.3%相対的に向上したと報告されている。MVRCap：階層的多次元検証可能報酬による包括的な動画キャプション生成urn:diting-lab:ja:doc:2944682026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00MVRCap: Towards Comprehensive Video Captioning via Hierarchical Multi-Dimensional Verifiable Rewards
arXiv · 2026年10月27日本論文は、構造化された検証に導かれる強化学習タスクとして動画キャプション生成を再定式化するMVRCapフレームワークを提案している。中核は細粒度の検証可能報酬機構で、階層的概念カバレッジ報酬、事実性検証報酬、簡潔性制約の三つから構成される。あわせてMVRCap-QAとMVRCap-SFTの二つのデータセットを構築した。VDC、CAPability、VC4VGなど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る。ブースティングによる保険の請求件数と請求額の同時分布型コピュラ回帰urn:diting-lab:ja:doc:2944672026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Joint Distributional Copula Regression for Insurance Claim Frequency and Severity via Boosting
arXiv · 2026年10月27日本論文は、二変量の応答変数を持つ構造化加法的分布型コピュラ回帰モデルを、モデルベースのブースティング（boosting）によって当てはめる手法を提案し、特に保険の請求件数と請求額の同時モデル化に焦点を当てています。この手法は位置・尺度・形状の一般化加法モデル（GAMLSS）に基づき、応答分布の平均だけでなく複数のパラメータを共変量に依存させることができます。そのため、加法的予測子のレベルで本質的に解釈可能です。合成データと実データで評価した結果、潜在的な共変量効果と依存構造を再現し、有益な変数を特定できること、ベンチマークモデルと比べて競争力のある予測性能を示すことが示されています。「Drop the Details, Get the Gist: Dynamic Conceptual Representation for Video Recognition」：動画認識のための動的概念表現に関する論文urn:diting-lab:ja:doc:2944662026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Drop the Details, Get the Gist: Dynamic Conceptual Representation for Video Recognition
arXiv · 2026年10月27日本論文は、概念ベースの画像認識手法を動画へ拡張し、多段階の動画を時系列のセグメント単位の概念スコアベクトル列として表現して、Transformerエンコーダで類別を予測する枠組みを提案しています。また、各概念の寄与度を推定して解釈性を高める方法も検討しています。料理と家事の動画で粒度の異なる3つの概念セットを評価した結果、粗い粒度の概念でも分類には十分であることが示されました。ボックスを外した？それとも正しい操作？：クリックの結果でGUIグラウンディングを評価urn:diting-lab:ja:doc:2944652026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Right Click, Wrong Box: Grading GUI Grounding by What a Click Does
arXiv · 2026年10月27日本論文は、既存のGUIグラウンディング評価が注釈付きボックス内のクリックだけを正解とする点を指摘する。実際には同じ操作が複数の要素から発動できるため、著者らはクリックの実行結果で正否を判定する手法を提案する。約千回のクリックを実行して結果マップと実行判定器を作り、2つのWebアプリで検証した。その結果、ボックス方式で不正解とされたクリックの一部が意図した結果に到達し、ScreenSpot-v2の評価も修正された。
★★★★★ 注目：GUI定位の正誤を注釈ボックスではなくクリックの結果で判定する手法を提案し、ライブWebでの実行プローブとScreenSpot-v2の盲検監査により、ボックス判定で誤りとされたクリックの多くが目的の結果に至ると報告している。評価基準が遅れるとき：エージェントの継続的自己改善のための評価基準とハーネスの共進化urn:diting-lab:ja:doc:2944642026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00When the Critic Falls Behind: Co-Evolving Rubrics and Harnesses for Continual Agent Self-Improvement
arXiv · 2026年10月27日本論文は、継続的な自己改善を行うエージェントのために、評価基準（rubric）とハーネス（実行の枠組み）を同時に進化させるRuHarness フレームワークを提案する。実行軌跡から行動基準を継続的に発見・再評価し、未解決の弱点を優先順位付けして、タスク目標を固定したままハーネスを的を絞って更新する。多様なタスクとバックボーンモデルでの実験では、既存のハーネス進化ベースラインを上回り、特に未見の留保タスクで優れた結果を示した。誰が何を知っており、何を裏付けるのか？多モーダル心の理論のための視点制約付き証拠校正urn:diting-lab:ja:doc:2944632026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Who Knows What - and What Does It Support? Perspective-Bounded Evidence Calibration for Multimodal Theory of Mind
arXiv · 2026年10月27日本論文は、他者の信念・目的・意図を推定する多モーダル心の理論を扱います。著者らは、各エージェントが利用可能な証拠だけに基づいて心的状態を推定するPIP-ToMを提案しています。PIP-ToMは、エージェントごとの証拠ストアを構築して構造化された心的状態の主張と対応付け、ベイズ推論の過程を保ったまま仮説のスコアを校正します。GPT-4oを用いたPIP-ToMは、MuMA-ToM、MMToM-QA、Hi-ToMの各ベンチマークで既存手法を上回り、平均正答率はそれぞれ92.56%、95.00%、95.00%だったと報告されています。TAPESTRY：映像生成とロボット制御を一つのバックボーンで行う手法urn:diting-lab:ja:doc:2944622026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00TAPESTRY: A Single Backbone for Video Generation and Robot Control
arXiv · 2026年10月27日本論文は、事前学習済みの映像拡散Transformerをロボット方策に転用するTAPESTRYを提案します。行動を共有Transformer内で映像のパッチトークンとして扱い、三種類の拡散目標で共同学習します。推論時には映像を生成せず、単一のDDIMステップでコンパクトな行動トークン列を生成し、消費者向けハードウェアで行動チャンクあたり84ミリ秒で動作します。論文は、シミュレーションと実機実験で良好な性能を示し、同種の映像・行動同時方策より推論コストが大幅に低いと報告しています。根拠に基づく早期警告のための増分型ナレッジグラフ学習者デジタルツインurn:diting-lab:ja:doc:2944602026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00An Incremental Knowledge-Graph Learner Digital Twin for Evidence-Grounded Early Warning
arXiv · 2026年10月27日本論文は、学習分析における早期警告のために、軽量なナレッジグラフとして実装された増分型の学習者デジタルツインを提案します。学習トレースと評価記録をタイムポイントごとに再生してツインを更新し、グラフクエリを通じて予測特徴量を抽出します。公開の学習分析ベンチマークで時間的プロトコルに基づき評価した結果、グラフを介した特徴抽出は生テーブルの特徴量と同等の予測性能を維持し、各警告を追跡可能な証拠連鎖として示せることが示されました。ユニバーサル復号とバンディットによるチャネル選択を用いた可変長フィードバック符号化urn:diting-lab:ja:doc:2944592026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Variable-Length Feedback Coding With Universal Decoding and Bandit Channel Selection
arXiv · 2026年10月27日本論文は、雑音分散が両端で未知だが既知の区間に含まれるK個の加法性白色ガウス雑音チャネル上での可変長フィードバック（VLF）符号化を扱う。受信側は各時刻に1つのチャネルを選び、その選択を無雑音フィードバックで伝えるとともに、復号しながらチャネル品質を学習する。著者らは2つの符号化とチャネル選択の統合方式VLSF-BanditとVLF-Banditを提案し、両方式について二次の達成可能性境界を示している。言葉か行動か？LLMは人とエージェントの対話でユーザーの意思決定をどう予測するかurn:diting-lab:ja:doc:2944582026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Words or Deeds? How LLMs Predict Users' Decisions in Human-Agent Dialogue
arXiv · 2026年10月27日本研究は、大規模言語モデルがユーザーの発言と過去の意思決定記録を組み合わせて、協力ゲームにおける選択を予測する方法を検討したものです。42人のユーザーが五つの性格設定を持つエージェントと1,260ラウンドの繰り返し囚人のジレンマ型ゲームを行い、各決定の前に対話できる設定でした。決定記録だけで協力と裏切りをよく区別でき、対話を加えても明確な改善は見られませんでした。一方、モデルは口約束を過度に重視し、発言と行動が食い違う場合に予測の誤りが大きくなりました。弱点の特定だけでは不十分：大規模言語モデルのための状態認識型再帰的知識改善urn:diting-lab:ja:doc:2944572026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Weakness Localization Is Not Enough: State-Aware Recursive Knowledge Improvement for Large Language Models
arXiv · 2026年10月27日本論文は大規模言語モデルの知識改善について、モデルの知識の弱点を特定するだけでは、どのように改善すべきかを決めるには不十分だと指摘する。同じ弱点でも知識の運用状態が異なる場合があるため、著者は再帰的知識改善（RKI）を提案する。RKIは知識をグラフ構造の単位に整理し、各ラウンドで診断証拠と介入履歴から知識状態を推定して適切な介入を選び、更新後に再評価する。HotpotEvalとSafeInternalEvalで、既存の知識組み込み手法を平均18.41ポイント上回ったと報告している。マルチブランチ探索による潜在視覚対照推論：複数の視覚的手がかりを並列に探る手法urn:diting-lab:ja:doc:2944562026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Latent Visual Contrastive Reasoning with Multi-Branch Exploration
arXiv · 2026年10月27日本論文は、マルチモーダル大規模言語モデルの複雑な視覚推論における課題を扱い、視覚潜在空間で問いに条件付けられた複数の潜在視覚ブランチを生成する潜在視覚対照推論フレームワークを提案している。学習では、バウンディングボックスの証拠アノテーションから目標証拠表現を構築し、ソフト対照ブランチ-証拠整合目標を用いる。Qwen2.5-VLの3Bおよび7Bモデルで、知覚集約型の視覚推論ベンチマークにおいて、ベースモデルおよび単一経路の潜在推論ベースラインを総合的に上回ったと報告している。SetGRPO：採点器が引き起こす方策最適化の較正urn:diting-lab:ja:doc:2944542026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SetGRPO: Calibrating Grader-Induced Policy Optimization
arXiv · 2026年10月27日本論文は、ルーブリックに基づく強化学習において採点器のランダム性がGRPOの学習更新を変えてしまう問題を扱い、SetGRPOを提案している。手法は、学習係数の結合不確実性集合を構築する結合報酬集合較正、係数を局所更新幾何に写像して安全な回復比率を定める幾何誘導型安全回復、そして受理された更新の条件付き方向反転リスクを制御する選択的リスク門制御最適化の三つの要素からなる。著者らは、三領域にわたる10の自由記述ベンチマークで、Qwen3.5とLlama3.2の両モデル系列において比較した全学習手法の中で最高のマクロ平均を達成したと報告している。大規模言語モデルの知識を用いた分布外表形式データ予測の改善：交差検証による正則化手法urn:diting-lab:ja:doc:2944532026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00LLM knowledge for improved Out-of-Distribution Tabular Prediction - A Cross-Validated Regularisation Approach
arXiv · 2026年10月27日本論文は、学習集団と運用集団が異なる場合に予測モデルの性能が低下する問題を扱う。大規模言語モデル（LLM）から特徴量の係数事前分布を引き出し、正則化回帰の縮小先（ゼロの代わり）として用いて、五つの表形式データセットで分布外予測を検証した。事前分布は、ソース領域の交差検証のみでモデル提供者と事前分布の構造を選択している。結果として、四つのデータセットで分布外平均二乗誤差が最大7.9％改善したが、候補となる事前分布間の差は平均的な効果を上回った。また、一部のデータセットでは領域内精度も分布外と同程度に向上し、学習データが十分大きい場合にのみ、引き出された知識が転移を明確に改善した。人格潜在変数：本人の文章から凍結言語モデルを条件付ける手法urn:diting-lab:ja:doc:2944522026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Personality Latents: Conditioning Frozen Language Models on Individuals from Their Own Writing
arXiv · 2026年10月27日本論文は、各人の文章から潜在変数（Personality Latents）を学習し、人格ラベルや人手で書かれたプロファイルを使わずに、凍結した言語モデルへソフトプレフィックスとして注入する手法を提案している。エンコーダは新しい人物の潜在変数を一度の順伝播で予測でき、テスト時には任意で精緻化できる。留保した人物に対して、条件付けされたモデルの回答から人格を評価した結果、MBTIの各軸で人格埋め込みやプロンプトベースの基準より高いAUCを示し、三種類の埋め込み空間で評価しても順位は保たれた。Qwen2.5-3B-Instructで学習した潜在変数は、新しいアダプタのみでLlama-3.1-8B-Instructにも人格を転移できた。API-TAIL：温度整合型尤度テールによる LLM API のモデル差し替え検出urn:diting-lab:ja:doc:2944512026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00API-TAIL: Detecting Model Substitution in LLM APIs through Temperature-Aligned Likelihood Tails
arXiv · 2026年10月27日商用の言語モデル API はテキストのみを返すため、事業者が一部のリクエストを安価な代替モデルへ密かに振り分け、宣伝どおりのモデルとして課金する恐れがあります。本論文は、有効温度を揃えてバッチ全体の偏りを吸収し、残った異常な応答の数が閾値を超えたときに差し替えを検出する監査手法 API-TAIL を提案しています。実際の商用 API での評価では、誤検知を制御しつつ、少ない問い合わせで低頻度の部分的な差し替えを検出でき、既存の順位ベースや MMD ベースの手法より優れていると報告されています。言語モデルは放棄した構文解析を保持する：ガーデンパス文の後の残留と適応urn:diting-lab:ja:doc:2944502026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Language Models Keep Abandoned Analyses: Residue and Adaptation after Garden-Path Sentences
arXiv · 2026年10月27日本論文は、ガーデンパス文（途中で誤解を招き後に訂正が必要になる文）を読んだ後、言語モデルが放棄した構文解析を依然として保持しているかを検証しています。24の公開モデルを調べ、放棄された解析の残留が後続の目的語付加に影響すること、また正しい構造への適応が見られることを報告しています。残留は名詞句の状態に含まれる役割情報に由来し、その状態を置き換えると大部分が消えることが示されています。
★★★★ 注目：活性化パッチングで花園路径文の残留と適応を分離し、24のオープンモデルでその持続効果を調べ、覆された陳述と人間実験の枠組みへの転用も検討する。トランスフォーマーの代数体系urn:diting-lab:ja:doc:2944492026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00An Algebra of Transformers
arXiv · 2026年10月27日従来のトランスフォーマーの理論解析は、主に計算可能性に着目してきた。無制限精度トランスフォーマーのチューリング完全性や並列化の利点、有限精度トランスフォーマーの限界などである。本論文は、トランスフォーマーの関数分解の結果に基づき、推論のための代数体系を与える。この体系では関数分解を原子的動作とし、逐次合成と並列合成、フィードバックのための再帰、隠れ層のための抽象化を備える。著者らは、トランスフォーマーを論理的にモデル化する初の試みであり、トランスフォーマーを基盤とする応用の正しさの検証に用いられるとしている。Select-TTT：その場テスト時学習のためのクエリ条件付き選択的高速重み更新urn:diting-lab:ja:doc:2944482026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Select-TTT: Query-Conditioned Selective Fast Weight Updates for In-Place Test-Time Training
arXiv · 2026年10月27日本論文は、デプロイ済み言語モデルが入力文脈を少数の高速重みに取り込むテスト時学習を扱います。既存のIn-Place TTTは全チャンクを同じ強度で書き込むため、無関係な内容が重要な情報を薄めると指摘しています。提案手法Select-TTTは、冻結された出力ヘッドから得たクエリとの関連度で各チャンクの書き込み強度を調整し、教師信号や新たなパラメータは必要としません。二つのベンチマークと二つのバックボーンモデルで長文脈質問応答の性能を一貫して向上させたと報告しています。次トークン想像による視覚的自己回帰生成：学習データを超えて妥当な視覚表現を探索させる手法urn:diting-lab:ja:doc:2944472026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Visual Autoregressive Generation with Next Token Imagination
arXiv · 2026年10月27日視覚的自己回帰生成は通常、正解の次トークンのみを教師として学習するため、学習はデータ内に限られます。本論文は次トークン想像（NTI）を提案し、正解の次トークン以外の妥当な視覚表現をモデルが探索できるようにします。想像は視覚分布の範囲内に抑えるよう基準が設計されています。ImageNetでの実験では、NTIが生成画像の忠実度を大きく一貫して向上させ、より小さなモデルと低い学習コストで拡散モデルや自己回帰モデルの最先端水準に近づくことが示されています。OmniGlimpse：オンライン多視点追跡のための非対称な識別子メモリ手法urn:diting-lab:ja:doc:2944452026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00OmniGlimpse: Asymmetric Identity Memory for Online Multi-View Tracking
arXiv · 2026年10月27日本論文は、オフラインのシーン固有学習やカメラ校正を用いずに、異なる視点の観測を正しい対象に対応付けるオンライン多視点識別子維持（OMIM）の問題を扱う。著者らは、適応的な関連付けと安定した識別子の統合を分離する非対称の提案・検証フレームワーク「OmniGlimpse」を提案している。M3TrackとMvMHATにおいて、オンラインベースラインを上回る改善を示し、IDF1ではオフライン学習の参照手法も上回ったと報告している。CVBL-CCTV-Face データセット：監視映像における実環境顔強調・認識のためのデータurn:diting-lab:ja:doc:2944432026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00CVBL-CCTV-Face Dataset for Real-World Face Enhancement and Recognition in Surveillance
arXiv · 2026年10月27日本論文は、監視用CCTVで撮影された顔画像の低解像度、ぼけ、ノイズ、遮蔽といった劣化が顔認識の信頼性を損なう問題を扱います。超解像と個人識別を目的とした枠組みを提案し、その基盤として、8MP IPドーム型CCTVカメラで撮影された低品質画像と、統制された環境で撮影された高品質の参照画像を対にしないかたちで収めたCVBL-CCTV-Faceデータセットを構築しています。システムは顔検出、深層学習による超解像、埋め込みモデルから抽出したL2正規化埋め込みによる識別で構成され、3種類の設定で強調モデルを学習・評価し、実時間の非制約環境での本人確認に配備されています。LLMの事前学習は通常「安定性の縁」で行われるのか？urn:diting-lab:ja:doc:2944422026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Does LLM Pre-Training Typically Occur at the Edge of Stability?
arXiv · 2026年10月27日本論文は、ニューラルネットワーク学習の動態を近似する二次近似の妥当性を再検討し、特にLLM学習での失敗ケースに着目しています。学習率に依存しない持続的な負の曲率によって二次近似の動態が発散する「凸性の縁（EoC）」を提示し、確率的な適応的最適化手法向けに安定性の縁（EoS）の一般化された定義を提案しています。最大787Mパラメータまでの複数のLLM事前学習で、EoCは常に観測され、EoSは広く見られるものの普遍的ではなく、学習率が十分小さい場合やバッチサイズが臨界値を下回る場合には消失すると報告しています。
★★★★ 注目：学習率に依存しないEdge of Convexityを提案し、Edge of Stabilityを適応型最適化の確率的学習へ一般化したと述べ、最大787MパラメータのLLM事前学習で両者を調べたとしている。数学的議論の依存グラフ：表現、構造的測定、証明レビューurn:diting-lab:ja:doc:2944412026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Dependency Graphs of Mathematical Arguments: Representation, Structural Measurement, and Proof Review
arXiv · 2026年10月27日本論文は、大規模言語モデルの支援により数学的議論を表現し測定する枠組みを提案する。命題、式、仮定などとその依存関係を記録し、深さや依存辺の数といった構造指標を定義する。標準化された提示プロトコルを含むが、作者は評価設計を示すのみで実証的な結果は提示していない。提案された前提は数学的な検証が必要であり、これらの指標は数学そのものの難しさや重要性ではなく、指定された表現方法を記述するものである。反復最適化ループのバッチ化：並列提案でGEPAを高速かつ高精度にurn:diting-lab:ja:doc:2944402026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Batching the Reflective Optimization Loop: Parallel Proposals Make GEPA Faster and Better
arXiv · 2026年10月27日本論文はオープンソースの最適化器GEPAを拡張し、各最適化ステップで候補を一つずつではなく一括で提案・評価するようにした。二つのタスクでの実験では、ほとんどのバッチ設定で実時間が半分以下に短縮され、最速のものは約四分の一から三分の一となった。また、非公開テストでのスコアも向上した。有限のワーカープール下での高速化を説明する簡単な実行時モデルと、固定の最適化予算を並列の各軸にどう配分するかについての初期検討も示されている。LLMはオリンピック級の証明を確実に採点できるか：LLMによる数学的証明の検証研究urn:diting-lab:ja:doc:2944382026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Can LLMs Reliably Grade Olympiad Proofs? A Study of Mathematical Verification with LLMs
arXiv · 2026年10月27日本論文は、大規模言語モデル（LLM）が自然言語で書かれた数学的証明を検証する能力を体系的に調べたものです。USAMO 2025の候補解答を専門家が採点した人手作成のデータセットを構築し、TROJANという反復的な自己批判パイプラインで対抗的証明を大量に生成しています。さらに、採点を多腕バンディット問題として扱うMABGraderを提案し、二次重み付きカッパ係数で既存の最先端手法ProofGraderを26.4%上回り、採点誤差を14%減らしたと報告しています。評価に基づく示範改善による視覚・言語・行動方策：MetaFine オープンコンペティション優勝手法urn:diting-lab:ja:doc:2944372026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Evaluation-Guided Demonstration Refinement for Vision-Language-Action Policies: The Winning Entry in the MetaFine Open Competition
arXiv · 2026年10月27日本論文は MetaFine オープンコンペティションの優勝手法について述べたものです。5 つのタスクそれぞれに π0.5 方策を微調整し、把持、押し込み、挿入で繰り返し生じた失敗に対して、示範動作の修正と、方策が到達した状態からの専門家による継続示範の追加を行いました。各指示ごとにチェックポイントを比較し、最終提出の MAI が 96.66 点で総合 1 位となりました。「証拠一貫性の罠」を超えて：時間的に乱れた偽ニュース検出のためのエージェント駆動型証拠選択urn:diting-lab:ja:doc:2944362026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Beyond the Evidence Coherence Trap: Agent-Driven Evidence Selection for Temporally Disordered Fake News Detection
arXiv · 2026年10月27日本論文は、現実の出来事の時系列を偽って並べ替える偽ニュースに注目します。個々の出来事は事実でも、時間関係が誤って示される場合があり、類似の出来事の証拠が別の時期から検索されると誤判定が生じることを指摘し、これを「証拠一貫性の罠」と呼びます。著者らは30,706件の記事からなるChronoFakeベンチマークを構築し、証拠選択を反復的に改善するDelSAを提案しています。DelSAは記事の時系列と証拠の時系列を比較して時間的矛盾を明らかにし、ChronoFakeで既存手法を上回り、PolitiFactとGossipCopでも競争力のある結果を示しています。語彙はすでに存在する：事前学習済みの解釈可能な特徴を生成型推薦に適応させるurn:diting-lab:ja:doc:2944352026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00The Vocabulary Is Already Here: Adapting Pretrained Interpretable Features for Generative Recommendation
arXiv · 2026年10月27日本論文は、事前学習済みスパースオートエンコーダの特徴インデックスを、語義ID（SID）の再利用可能な語彙として使うAPIフレームワークを提案している。語彙を新たに学習せずに、特徴インデックスと相対的な活性化強度を保持するPIDsを用い、SPAが特徴インデックスと強度を同時に予測して利用者の嗜好を学習する。実験では、複数のバックボーンと復号方式で競争力のある性能を示し、説明可能な検索を可能にすることが報告されている。自動化実験室を監査可能にする：ハイブリッド動作・計測・安全実行の統一フレームワークurn:diting-lab:ja:doc:2944342026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Making Self-Driving Laboratories Auditable:A Unified Framework for Hybrid Actions,Measurements, and Safe Execution
arXiv · 2026年10月27日本論文は、自動化実験室（SDL）でロボット制御と計測機器のインターフェースを連携させる課題に取り組み、四つの構成要素からなる追跡可能なフレームワークを提案している。構成要素は、LAM（Lab Action Model）、OpenSDL、Safe-SDL実行時ゲート、L3-Benchである。これらを組み合わせて、ハイブリッド動作生成、監視付きの機器実行、計測フィードバック、実験評価を一貫して結び付ける設計を示している。GeoGSplat：幾何に基づく非ピクセル整列ガウススプラッティング手法urn:diting-lab:ja:doc:2944332026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00GeoGSplat: Geometry-Grounded Non-Pixel-Aligned Gaussian Splatting
arXiv · 2026年10月27日本論文は、フィードフォワード型の3Dガウススプラッティングモデル「GeoGSplat」を提案し、非ピクセル整列の枠組みに幾何学的事前情報を組み込んでいる。二分岐エンコーダで粗い3D構造と細かなシーン特徴をそれぞれ捉え、階層型デコーダが稠密な3D点とガウス基本要素を段階的に生成して、3D再構成と新視点合成を行う。DTUおよびNRGBDでの評価では既存のピクセル整列・非ピクセル整列の手法を上回り、入力カメラから目標視点が離れるほどその優位性が増すと報告されている。DocSkill：多言語マルチホップ文書質問応答のためのスキル統合型エージェント推論urn:diting-lab:ja:doc:2944322026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00DocSkill: Skill-Integrated Agentic Reasoning for Multilingual Multi-Hop Document Question Answering
arXiv · 2026年10月27日本論文は、多言語マルチホップ文書質問応答において、証拠の取得と推論を適応的に行うため、学習されたスキル編成方策を備えたエージェント型フレームワークDocSkillを提案している。スキルの軌道はモンテカルロ木探索でオフラインに生成され、教師ありファインチューニングと直接選好最適化に用いられる。また、10言語・8つの文書分野にわたる6万組の質問応答ペアからなるデータセットMMHop-DocBenchを公開している。Qwen3-VL-8Bを用いたDocSkillは、同データセットで正解率41.0、F1 49.2を達成し、MMLongBench-DocとDocBenchでも競争力のある性能を示した。拡散過程に対する周波数一様な対数リグレットの強化学習urn:diting-lab:ja:doc:2944312026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Frequency-Uniform Log-Regret Reinforcement Learning for Diffusions
arXiv · 2026年10月27日本論文は、制御された拡散過程をオイラー法で離散化した場合の強化学習を扱います。性能は、対応するオイラーモデルの最適方策に対する K エピソードの累積リグレットで測ります。価値関数の勾配などに関する条件のもとで、時間刻み δ によらない定数で O(log K) のリグレット上界を示します。ドリフトが未知パラメータについて線形で拡散共分散が未知定数の場合には、制約付きのモデルベース手法 CD-FQ を提案し、高確率の O(log K log log K) 上界を得ます。リモートセンシング画像・テキスト検索の効率化：相互作用なし再現と文章誘導型再ランキングurn:diting-lab:ja:doc:2944302026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Efficient Remote Sensing Image-Text Retrieval via Interaction-Free Recall and Text-Guided Reranking
arXiv · 2026年10月27日本論文は、リモートセンシング画像とテキストのクロスモーダル検索のための高速から精密へ（FTF）の検索フレームワークを提案している。相互作用を使わない多粒度の粗い再現と、平衡型テキスト誘導相互作用ブロック（BTIB）によるパラメータ不要の再ランキングを組み合わせる。さらに、多粒度表現のアラインメントを同時に最適化する模態間・模態内損失を設計した。公開ベンチマークで競争力のある検索精度と、検索効率の大幅な向上を示したとしている。内容不変勾配帰属による頑健な大規模言語モデルのデータ選択urn:diting-lab:ja:doc:2944292026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Robust LLM Data Selection via Content-Invariant Gradient Attribution
arXiv · 2026年10月27日既存の全体的な勾配帰属手法は表層形式による偏りを持ち、言い回しや書式の細かな変更だけで、内容が同じでも帰属スコアが大きく食い違うことを指摘している。著者らは、内容不変勾配帰属（CIGA）という指示データ選択の枠組みを提案し、帰属に影響力があり、意味を保つ表層的摂動に対しても勾配が安定している層を選び、その信号を入力の意味表現と動的に融合する。複数のベンチマークで、表層摂動下でもより安定したランキングが得られ、平均性能が向上し、帰属コストも削減されたと報告している。科学機械学習の時間補間のための生成的修正学習（2つの観測の間の中間場を再構成する手法の研究）urn:diting-lab:ja:doc:2944282026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Generative Refinement Learning for Temporal Interpolation in Scientific Machine Learning
arXiv · 2026年10月27日本論文は、2つの観測時刻の間にある中間の科学的場を再構成する手法iFLEXを提案している。まず両観測の加重平均で初期推定を行い、条件付き拡散モデルで真の中間場との残差を学習・生成し、それを平均に加えて再構成する。Navier-Stokes Kraichnan乱流、上海のレーダー降水、海表面温度のデータで評価し、比較したベースラインより再構成誤差が小さいと報告している。
★★★★ 注目：加重平均の上で条件付き拡散モデルにより残差を学習し、3つの科学データセットで光学フローや動画補間の拡散基線と比較したと著者らは報告している。MODIS分光・時系列アンミキシングのための多タスク分離融合Mamba-CNN（エンドメンバー変動モデリング付き）urn:diting-lab:ja:doc:2944272026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Multi-task Disentangling Fusion Mamba-CNN for MODIS Spectral-Temporal Unmixing with Endmember Variability Modeling
arXiv · 2026年10月27日本論文は、MODIS時系列データの分光・時間アンミキシングを行うMDF-Mambaを提案します。チャネルごとの分光エキスパートと双方向状態空間（Mamba）の時間分岐により分光情報と時間情報を分離し、mHCFusionで両者の出力を統合します。画素ごとに学習可能な変動重みでエンドメンバーの変動も扱います。アルバータとサスカチュワンの両州のデータで、14指標中12指標で最良の結果を示したと報告されています。神経集団ダイナミクス解析の基盤としての神経細胞アイデンティティurn:diting-lab:ja:doc:2944262026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Neuronal Identity as an Organizational Basis for Analyzing Neural Population Dynamics
arXiv · 2026年10月27日本論文は、神経細胞の分子・形態・電気生理学的な生物学的特徴に基づいて神経細胞を潜在グループに振り分け、グループレベルの表現を通じて神経集団のダイナミクスを解析する枠組みを提案している。割り当ては個体間で一貫した生物学的特性に基づくため、再学習や神経細胞間の対応付けなしに未見の個体へ転移できるとされる。ゼブラフィッシュの全脳カルシウムイメージングとマウス視覚野の大規模電気生理データで評価され、神経デコーディングと多様体解析の両方で優れた結果を示している。イベントストリーム候補選択における読み出し方式と動作点の感度分析urn:diting-lab:ja:doc:2944242026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Readout and Operating-Point Sensitivity in Event-Stream Candidate Selection
arXiv · 2026年10月27日本論文は、イベント駆動型録画における対象の捕捉と誤トリガーのトレードオフを検討し、47名の参加者と520件のDailyDVS-200クリップから得た実イベント累積データで、エンコーダ、累積時間、時間視点数の異なる条件下での候補選択性能を比較しています。読み出し方式や閾値の校正によって手法間の比較結果が大きく変わることを示しています。著者らは、結果はオフラインかつ動作に基づく候補選択に限られ、JEPA固有の優位性は確認されていないと述べています。CAMR：大規模言語モデルの継続学習のための互換性認識型メモリリプレイ手法urn:diting-lab:ja:doc:2944232026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00CAMR: Compatibility-Aware Memory Replay for Continual Learning in Large Language Models
arXiv · 2026年10月27日本論文は、大規模言語モデルが既存の知識を保持しながら新しい知識を獲得するための継続学習フレームワーク、CAMRを提案している。互換性チェックと学習型メモリゲートを組み合わせ、新しい事例ごとに三つの行動から選択するオンラインポリシーを用いる。Qwen3-8B-Baseを用いて、WikiBigEditおよびTRACEの複数タスクで評価し、比較手法を上回る結果を報告している。Hy-Nomas：自由形式のインタラクティブな世界生成に向けてurn:diting-lab:ja:doc:2944212026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Hy-Nomas: Towards Free-form Interactive World Generation
arXiv · 2026年10月27日本論文は、80億パラメータの拡散モデルを基盤とする動画世界モデル Hy-Nomas を提案している。複数回のやり取りにわたって自由形式のテキスト指示と連続的なカメラ制御に対応する。構造化された動画キャプションと動作を意識した因果注意を組み合わせ、視覚言語プロンプト拡張器と段階的な学習カリキュラムで学習する。人手による評価では既存の世界モデルより優れた結果が示され、モデル重み、コード、ベンチマークが公開されている。SAMを段階的に改良した植物プランクトンの高精度セグメンテーション（PhySeg）urn:diting-lab:ja:doc:2944192026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Progressively Refining SAM for Accurate Phytoplankton Segmentation
arXiv · 2026年10月27日本論文は、植物プランクトンの画像分割に取り組むため、SAMを基盤とし軽量な改良モジュールを加えたPhySegという枠組みを提案しています。多スケールの特徴融合によって細部を段階的に復元します。また既存データセットにインスタンス単位のマスクを手作業で付与し、分割用データセットを構築しています。実験により分割精度の向上が示されています。SAGE：汎用視覚認識のための顕著性アニーリング型ゲート付きエンコーダurn:diting-lab:ja:doc:2944182026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SAGE: Saliency-Annealed Gated Encoder for Universal Vision Recognition
arXiv · 2026年10月27日本論文は、自己教師あり学習で得られたVision Transformerを密な予測タスクに適応させるため、ViT-Adapterを強化したバックボーン「SAGE」を提案している。顕著性による誘導構造、アニーリングに基づく学習手法、Focal LossからVarifocal Lossへ滑らかに移行する2段階の品質考慮型学習機構を組み合わせている。著者らは、COCO、ADE20K、TinyImageNet、DIOR-Rなど複数のタスクで最先端または競争力のある結果を報告し、華為昇騰NPU上で多タスクの最先端結果を達成した初のフレームワークだと述べている。非線形直接フィードバック整列：スケーラブルな逆伝播なし学習法urn:diting-lab:ja:doc:2944172026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00Nonlinear Direct Feedback Alignment for Scalable Backpropagation-Free Training
arXiv · 2026年10月27日本論文は、逆伝播（BP）が生物学的に不自然で、層間の並列化を妨げる逆方向ロッキング問題を抱えている点に着目し、直接フィードバック整列（DFA）を改良しています。提案手法の非線形直接フィードバック整列（NDFA）は、軽量な非線形代理サブネットワークを用いて各隠れ層のフィードバックを構成し、そのサブネットワークを更新する学習戦略も導入しています。残差ネットワークとビジョン・トランスフォーマーを対象に、CIFAR-10、CIFAR-100、SVHN、ImageNetで実験を行い、既存のDFA手法より高い性能を示し、BPとの性能差を縮めたと報告しています。
★★★★ 注目：固定フィードバック行列の代わりに軽量な非線形代理サブネットワークを用いるDFA改良NDFAを提案。CIFAR-10/100、SVHN、ImageNetで残差網やViTを用い、既存DFAより高くBPとの差を縮めたと報告。異論を分離してエージェントの過度な防御的記述を減らすハーネスurn:diting-lab:ja:doc:2944162026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00A Harness Reducing over-Defensive Writing in Agents by Isolating Objections
arXiv · 2026年10月27日論文は、エージェントがレポートを拡張する際、元の記事より強い主張をいったん書き、それを打ち消してしまう「過度な防御的記述」を取り上げています。著者らは、審査者、フィルター、執筆者を分離し、執筆者はフィルターが選んだ問題だけを受け取るハーネスを提案しています。25件のビジネス案件草稿を正式なレポートに拡張した評価では、防御的な命題が59件から2件に減少し（96.61%減）、原文の主張の保持率は80.35%から93.12%に上がったと報告されています。SMEBENCH：合成MIDI編集によるニューラル音楽編集のベンチマークurn:diting-lab:ja:doc:2944152026-10-27T00:00:00+09:002026-10-28T10:59:08+09:00SMEBENCH: Benchmarking Neural Music Editing with Synthetized MIDI Edits
arXiv · 2026年10月27日本論文は大規模な音楽編集ベンチマークSMEBENCHを提案します。シンボリックMIDI演奏を修正し、対応する元音声と目標音声をレンダリングして作成されており、楽器編成、奏法、強弱、音高の12種類の操作を含みます。3,600例のバランスの取れたテストセットと、マルチトラック録音から作られた実音声の補助セットを備えています。対になった目標により、元の内容の保持、目標との一致、テキストとの整合性を独立に評価できます。著者らは六つの代表的な編集システムを評価し、使用する指標によってシステムの順位結論が大きく変わることを示しました。