本稿は、ワイヤーやケーブルのインスタンスセグメンテーションを対象とした合成データセット WireSeg-32k を紹介する。32,000枚のRGB画像、インスタンスマスク、深度マップに加え、アノテーション付き実世界テストセットも提供される。提案するDeformXパイプラインは、Cosseratロッド動力学とIsaac Simによるフォトリアルレンダリングを連成し、物理的に妥当で接触整合性のあるワイヤー形状を生成する。簡単なベースラインとして、WireSeg-32kのみでSAM3をLoRAファインチューニングしたところ、実世界mAP@75がオフザシェルフモデルより10.2%向上し、物理に基づく合成データの実環境への転移可能性が示された。CVPR 2026 WorkshopのSynthetic Data for Computer Visionで発表される。

日常的な助言を大規模言語モデル（LLM）に求める人が増えているが、既存研究の多くは単一ターンの判断や圧力を伴う反論を前提としており、現実の相談形態とは乖離している。本論文は、多ターンの道徳的相談において、対立する立場がないまま一方の自己正当化的な語りが展開されると、LLMがその一方的な説明を完全な情報として扱い、欠けた視点を探さずに語り手の解釈に同調する「ナラティブ・キャプティビティ」という失敗モードを提唱する。6つの道徳的側面にわたる5,078件の対人葛藤シナリオからなるベンチマークを構築し、17のLLMを評価した結果、多ターンによる語りは、単一ターンのベースラインと比べて最終判断を平均25パーセントポイントも偏移させることがわかった。段階別分析では選好最適化が主な寄与要因であり、4つの推論時戦略は部分的な緩和しかもたらさない。