本ノートでは、シミュレートから実世界への性能推定とベッティング（Chenら）、および安全ないつでも有効な推論（Ramdasら）を統合する方法を説明する。スケーリングされたシミュレータを用いて、平均推定のための効率的で信頼性の高い証明書を生成し、ロボット性能テストで特に価値がある。

本論文では、相互作用トポロジの重みをオンラインで更新し編隊の歪みを最小化するリアルタイムエッジレベル適応フレームワークTOLDを提案。従来のノードレベルロバスト制御器を凌ぐ性能を示し、Crazyflie 2.0クアッドローターでの実験ではOGFで62%超の歪み低減を達成。

強化学習は物理シミュレーションで両手の器用なロボットハンドに高精度でピアノを弾かせることができるが、高自由度の手ではタスク報酬や逆運動学のみに頼ると不自然な姿勢や関節の過伸展が生じる。本論文では、対抗的姿勢正則化（APR）を提案する。これは高価な曲合わせの専門家デモデータを必要とせず、少量の日常的な人間の演奏データを使用する。敵対的目標を通じてポリシーの姿勢分布を人間の事前分布に一致させることで、より人間らしい手の形状を促す。また、コンシューマ向けMeta Quest 3を用いて非構造化の手の動きデータを収集・公開し、Shadow Handに主要な動き情報をリターゲティングする。3つの人間らしさ指標（cPSI、BSE、FAC）と視覚品質で先行手法を大幅に上回る性能を達成した。

本稿は、2024年6月10日から14日に開催されたローレンツセンター・ワークショップ「Engineering Reliable Autonomous Systems (ERAS)」の議論をまとめたものです。自律システムの検証・妥当性確認、実世界での工学、安全なソフトウェアアーキテクチャに焦点を当て、課題のカタログと解決への道筋を示しています。一部の課題は、学術的に知られているが実践ではまだ普及していない技術で対処可能であり、その他の課題はさらなる研究を必要とします。

本論文では、ロボットポリシーを大規模コントローラと小型安全モジュールに分解するFEARLフレームワークを提案し、基盤モデルの表現力を維持しつつ安全クリティカルな特性の形式的検証を可能にする。シミュレーションと実機ロボットでの実験で有効性を示した。

生成AIの進歩により画像偽造が極めてリアルになり、信頼できる認証システムが求められている。既存のフォレンジック検出器は説明可能性に欠け、視覚言語モデル（VLM）は説明を提供できるが、フォレンジック痕跡を信頼性の高い検出に活用できない。本稿では、フォレンジック証拠抽出、構造化推論、人間が解釈可能な説明を統合する統一フレームワークであるフォレンジック知識グラフ（FKG）を提案する。FKG構造は、フォレンジック痕跡とその因果関係およびシーンコンテンツへのリンクをエンコードする。正確なFKGを生成するために、新しいフォレンジック認証ネットワークと、VLMを導いて忠実で根拠のある説明を生成する反復的コンテキスト精緻化戦略を導入する。また、50,000個のリアルな偽造画像と正解FKGを備えたデータセットFKG-50Kを公開する。実験により、FKGは検出、偽造識別と位置特定、フォレンジック正当化において、既存の検出器やVLMを上回ることが示された。

研究者らは、PromptKDのマルチ教師拡張であるTheProfessorを提案。ドメイン微調整教師とゼロショット教師のアンサンブルを用い、信頼度加重アンサンブルにより平均調和平均精度が87.52から89.28に向上。特にドメインシフトしたEuroSATで大きな改善。

REALMは、物理世界の視覚言語モデルに対する初の統一レッドチーミングベンチマークであり、12の攻撃手法、3つの防御、13のモデルを統合し、脆弱性の公平な比較を可能にします。主な発見として、テキストおよびタイポグラフィ注入攻撃が最も効果的であり、モデル規模だけではロバスト性が向上しないことが示されました。

HeRAと呼ばれる新しい手法は、個々の注意ヘッドレベルでマルチモーダル大規模言語モデルの表現を調整し、性能を向上させ、幻覚を減少させます。

視覚言語モデル（VLM）は否定表現に脆弱で、浅い共起や誤解を招くテキストに影響されやすい。HANCLIPは双曲幾何学と角度トリプレット目的関数を用いて埋め込み空間を再構築し、2万の画像-テキスト四つ組で学習することで否定ベンチマークを改善し、標準性能を維持する。

ABACUSは、物体カウント、群衆カウント、参照表現カウント、およびカウントに忠実な画像生成を、ベンチマーク固有の学習なしで処理する統一視覚言語モデルです。既存の3Bパラメータの統一ファウンデーションモデルを基に、3つの主要な革新を導入：物体マップを用いた密度認識適応ズームによる空間グラウンディング、GRPOによる境界認識カウントポリシーでクロップ境界エラーを除去、そしてサイクル一貫性GRPO戦略で理解ブランチが生成出力を自己批評し、外部アノテーションなしで理解と生成のギャップを閉じます。7つのベンチマークで最先端の結果を達成し、タスク固有の専門家モデルやより大きな汎用モデルを上回ります。

小物体検出において空間領域からスペクトル領域へのパラダイムシフトを提案。周波数誘導特徴表現フレームワーク（WDG、LGE、FDHeadの3つの軽量モジュール）により、YOLOv11の1/6のパラメータで優れた性能を達成。

最新の研究では、視覚言語モデル（VLM）の一貫性評価において、注意分布がデコーディングドリフトや構造トークンによるバイアスの影響を受けることが明らかになった。これに対処するため、プロンプト側の意味情報を活用し、注意のピーク分布を用いてアライメントを測定するPV-TAMが提案された。実験では、複数のデータセットで回答側ベースラインを上回る性能を示した。

現代のビデオ拡散モデルはスケーリングにより生成品質を向上させるが、推論コストが増大する。Solビデオ推論エンジンは、トレーニング不要のエージェント型高速化フレームワークであり、キャッシュ、スパースアテンション、トークンプルーニング、量子化、カーネル融合の5つの技術を組み合わせる。3つの異なる規模のビデオモデルで検証し、2倍以上のエンドツーエンド高速化を達成し、VBench品質をほぼ維持した。

本論文は、幾何情報を活用したコンピュータビジョンパイプラインを提案し、単一の自転車搭載カメラから追い越しイベントを自動検出する。315件の実世界イベントで検証し、再現率97.8%、誤検出0件を達成。システムは車両通過の平均2.44秒前に追い越し意図を識別し、84.1%が1.5秒の人間反応時間を超えた。横方向距離推定の誤差は13-14cmで、接近通過の識別に十分。

標準的なトークナイザ評価指標（肥沃度など）は膠着言語の形態的正しさを捉えられない。QuechuaTokベンチマークは、南部ケチュア語において4つのトークナイズ戦略を比較し、従来指標に加えて形態的境界精度（MorphAcc）を導入。BPEは最低肥沃度（1.636）だがMorphAccは6.67%に過ぎず、形態認識型PRPEは83.33%のMorphAccを達成。肥沃度だけでは膠着言語のトークナイザ評価に不十分であることを示した。

この研究は、検索品質の代理指標としての完全一致検索再現率の有効性に疑問を投げかけます。tau-benchでは、検索されたポリシークラスが金標準ポリシーとほぼ同等の下流分類性能を示し、完全一致再現率はわずか7%でした。結果は、再現率だけに依存すると検索ポリシーの実用的価値を過小評価する可能性があることを示唆しています。

本研究では、3つの評価構成における8つの自動スコアラーを監査し、全データセットで一貫して最高性能を維持するスコアラーは存在しないことを発見した。生成回答帰属構成では指標ランキングが逆転し、NLIスコアラーは長文タスクで性能が崩壊する。プロンプトベースのLLM判定者は崩壊を回避するが、コストが高く非決定的である。指標選択は対象データセットで検証すべきである。

新しい研究では、6つの専有大規模言語モデルが16のDSM-5条件においてどの程度安全かを評価。自殺と自傷以外では、摂食障害、物質使用障害、大うつ病性障害などで最大100%の保護失敗率が確認された。研究者は臨床条件ごとに明確な害のカテゴリと保護対策を求める。

本論文では、知識ベース視覚質問応答（KB-VQA）のための学習不要なフレームワークIBA（Identify-Before-Answer）を提案する。このフレームワークは、エンティティ識別と段落レベルの証拠ランキングを分離し、マルチモーダル大規模言語モデル（MLLM）に候補名から高信頼度のエンティティを選択させ、続いて既製のテキスト再ランカーで証拠を選択する。実験では、Encyclopedic-VQAおよびInfoSeekにおいて、微調整されたマルチモーダル再ランキングベースラインを一貫して上回り、トレーニングと推論の複雑さを低減した。

本論文は、大規模言語モデル（LLM）を用いて定性的な製品フィードバックから製品魅力を定量化するスケーラブルで解釈可能なフレームワークを提案。ZORQおよびCARMAデータセットにおいて、ゼロショット連続数値感情スコアは専門家ラベルと最大0.97のピアソン相関、分類精度94%を達成。GPT-4o-miniは大規模モデルに匹敵する性能を94%低コストで実現し、フレームワークは信頼度評価と説明可能AIを統合している。

新たな研究により、自己生成テキスト認識（SGTR）ファインチューニングが大規模言語モデルにおける創発的ミスアライメント（EM）の防止と逆転に効果的であり、良性ファインチューニングよりも優れていることが示された。EMは有害な内容の学習ではなく、モデルの整合したキャラクターの不安定化に起因し、SGTRはキャラクターの強化によって機能する。

本研究では、RAGシステムにおける文脈情報の利得を厳密に定量化する正規化文脈利用（NCU）指標を提案する。実験により、厳密な事実抽出タスクでは小規模言語モデル（SLM）が大規模モデルに匹敵または優れ、商用APIは半数近くの敵対的競合で外部証拠を無効にし、信頼度の崩壊を示した。

ModTGCNを提案。モジュラリティ認識GNNであり、クロスエントロピーとモジュラリティベースの補助目的を同時最適化し、クラス一貫性のある文書コミュニティを促進しつつ識別表現を維持。5つのベンチマークで一貫した改善、特に低ホモフィリーデータセットで大きな向上。

EXPO-SQLは、実行結果（エラーメッセージや句ごとの逐次実行）を分析することでSQLクエリの各句に細粒度の報酬を割り当てる、実行ベースの句レベルポリシー最適化手法を提案する。既存のRL手法における粗いクエリレベルの報酬がもたらす学習信号不足の問題を解決し、複数のText-to-SQLベンチマークで既存の教師ありファインチューニング、プロンプティング、RL手法を大幅に上回る性能を示した。

「退化蒸留器」と呼ばれる新しい手法は、フィッシャー情報行列の推定と平坦化を通じて、パラメータ-データ対から退化パラメータ組み合わせを自動的に検出・解決します。実際のデータ観測は不要です。この手法は、データに独立した影響を与えるパラメータ組み合わせを特定する記号的座標変換を発見し、フィッシャー情報をグローバルに平坦化することで、下流のニューラル事後推定に必要なシミュレーション予算を最大10倍削減します。

本研究では、多変量時系列グラフニューラルネットワーク（MTGNN）を用いて、1940年までの月次GRACE陸水貯留異常（TWSA）を再構築する深層学習手法を提案。ハイブリッド隣接行列で空間依存性を符号化し、南米流域で平均相関係数0.94を達成。2015/16年のエルニーニョ、2020/21年のラニーニャ現象を再現。既存手法と比較して、予測変数が少なくても競争力のある性能を示す。

分子表面は抗体-抗原認識を決定する幾何学的および物理化学的パターンをコードしており、エピトープ予測の中心である。しかし、既存の手法は配列や骨格構造に依存しており、不連続な表面駆動型エピトープを捉えるのに苦労している。本研究では、分子表面表現に直接作用する表面中心の学習フレームワークSurfBindを提案する。SurfBindは、Transformerベースのアーキテクチャにより、パッチレベルの表面モデリング、バインダー認識クロスアテンション、階層的な粗密予測パラダイムを通じて、幾何学的および物理化学的手がかりを統合する。SAbDabやDB5.5などの挑戦的なエピトープ同定ベンチマークでの実験により、SurfBindは最先端の性能を達成し、未知の抗体やコンフォメーション状態に対して強い一般化を示し、タンパク質間相互作用の重要なメカニズムを理解するための相互作用認識表面モデリングの価値を強調している。

チュービンゲン因果対データセットを用いて、複数の因果推論手法を統一基準で再評価した研究。パラメータフリーの圧縮ベースラインを導入し、74.7%の精度で最強手法と同等の性能を示し、公表精度が過大評価されるメカニズムを明らかにした。

本論文では、ドメイン間とクラス間の両方の暗黙的勾配マッチングを同時に考慮する新しいメタラーニング戦略MEDICを提案する。これにより、オープンセットドメイン汎化における一対多分類器の不均衡問題を解決し、より優れた決定境界を実現し、従来手法を上回る性能を示しながら、クローズドセット汎化能力も維持する。