本論文は、テキスト記述ではなく実際の実行観察に基づいて視覚スキルライブラリを整理するフレームワークおよびベンチマーク VisCurate を提案する。共有プローブ上でスキルペアに6種類の行動関係を割り当て、欠陥注入テストでは誤った統合を避けつつ真に統合可能なペアの半分以上を回復し、実際の未整理ライブラリにおける冗長性と未確認の等価主張を明らかにした。

本論文は、事前学習済みの動画拡散モデルを用い、粗いレイアウトから物体の配置と動きを制御する学習不要の手法を提案し、軌跡精度と視覚品質で従来手法を上回ることを示す。

本論文は FiLM-CAM を提案する。秘密鍵によって Feature-wise Linear Modulation（FiLM）機構を条件付けし、透かし信号の内部表現を埋め込み前に変換することで、ペイロードを画素ではなく特徴レベルで鍵に結び付ける条件付きアクセス型画像透かし手法である。正しい鍵がなければペイロードの復元や削除は失敗し、複数の透かしエンコーダ・デコーダ基盤で有効性が示された。NeurIPS 2026 に採択されている。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.30340v1 Announce Type: new Abstract: We introduce Foundation4D, a unified feed-forward model for geometry estimation, 3D detection, semantic occupancy, and Gaussian reconstruction from multi-camera driving video. A shared backbone uses factorized spatiotemporal attention to efficiently combine observations across cameras and time. Our video inference pipeline uses pose graph optimization to refine camera trajectories and assembles object tracks across input windows. We also develop a data annotation pipeline and release PAI-Foundation4D, a benchmark with dense depth and semantic occupancy labels for 1,253 driving clips. With benchmark-specific fine-tuning, Foundation4D achieves the lowest depth AbsRel on Waymo and nuScenes, the highest de…

arXivの新論文MoREは、1枚の画像から関節を持つ3D物体を生成するための運動正則化エンコーディングを提案する。関節を原点の任意性を除いた座標整列型の直線として符号化し、デコードした関節仮説で3Dアンカーを動かして注釈付き関節の運動と比較することで、属性再構成を誘起される運動に結びつける。PartNet-MobilityとACDでベースラインより部品ボックス一致度、関節状態の幾何、視覚類似度が向上し、関節の軸・原点・範囲誤差もArtiLatentより低減した。

本論文は、動的な4Dシーンにおいて自然言語表現が指す対象を特定する「Referring 4D Gaussian Splatting（R4DGS）」タスクを提案する。時間的に変化する表現、複数対象、推論を要する表現、対象が存在しない表現や妨害的表現まで対象とする。構造化されたクエリ注釈を備えたベンチマークR4D-Bench-QAを公開し、さらに4DGS上に構築した統合フレームワークReferGaussianを提示する。これはEntityBankとマルチモーダル大規模言語モデル（MLLM）を用い、シーン固有の意味最適化を必要とせずに訓練不要の参照推論を実現する。

Chao-Yeh Chen、Tiffany Chen、Umar Iqbal らが率いる研究チームが、一人称視点（エゴセントリック）動画向けの単眼3D手部再構成モデル EgoHand を公開した。合成データ、実環境動画、多カメラモーションキャプチャを組み合わせた1400万枚の画像コーパスで学習し、SOMA-Hand をパラメトリック表現として採用。Transformer エンコーダで2D手部クロップを処理し、カメラ手がかりと補助2D分岐で幾何整合性と画像位置合わせを改善する。HOT3D、ARCTIC、H2O でのゼロショット評価では、約9.69ミリ秒の推論遅延で関節位置・ルート並進・加速度の誤差がベースラインを下回り、ブラインドユーザー調査でも Apple EgoDex や Ropedia Xperience-10M より好まれた。モデルとソースコードは OpenMDW ライセンスで公開され、商用利用も無償で可能。

本論文は、弱いラベルのみを用いたマウンテンバイクのジャンプ動作に対する動作品質評価（AQA）を検討する。95本のフィールド撮影クリップ（良否の二値ラベルのみ）に対し、凍結したV-JEPA 2の映像特徴と2次元姿勢・運動計測を組み合わせ、小規模Transformerで二値スコアを予測し、参照クリップとの比較で修正の手がかりを提示する。5分割交差検証ではAUROC 0.768、平均適合率0.812を得たが、著者らは探索的な結果であり、ライダー非依存の評価や信頼できるフィードバックを確立するものではないと明言している。

本論文は、LLMを高コストな長期的プランナーとして使うのではなく、言語と記号的プランニングの間の制約付きブリッジとして位置づけるMemPlanを提案する。PDDLドメインを固定し、各ステップで解析済み観測・候補仮説・対話記憶からPDDL問題を再構築する。正のグラフ記憶は欠落した物体・場所・条件に関する仮説へ関連度に基づく行動コストを割り当て、負の記憶は反証された仮説を除外制約としてコンパイルする。TextWorld、ALFWorld、Robotouilleの実験でタスク完了率とステップ効率が向上し、ReActなどのLLMプランニング手法と比べてオンラインのトークンコストを大幅に削減した。

本論文は、シチリア語向けの小規模なニューラル機械翻訳システムのデータパイプラインを再構築し、バイリンガル誌『Arba Sicula』のPDFから対訳テキストを再抽出するとともに、トークン化と語尾変化を考慮したサブワード分割をPerl非依存の実装へ移植した。ゼロから学習した小型TransformerとLoRAで適応した事前学習済みNLLBを比較し、事前学習モデルが圧倒的に優れ、段階的学習はシチリア語への翻訳でより効果がある一方、多言語アダプタは未学習の方向を劣化させることを示した。

arXiv の新しい論文は、情報源の回復可能性について注釈を付けた 423 件の実世界の幻覚引用からなるベンチマーク CiteResolve と、情報源の種類ごとに検索とフィールド単位の検証を適応させる情報源認識型グラウンディング・フレームワーク CiteAnchor を提案する。CiteAnchor は引用の有効性と、一意な情報源を回復できるかどうかを別々に判定する。既存の検出ベンチマークでは GPT-5.6 Luna で F1 0.841、オープンウェイトのバックボーンで 0.784 を達成し、CiteResolve ではエンドツーエンドのタスク成功率 74.7% と 70.7% を記録した。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.30349v1 Announce Type: new Abstract: LLMs are increasingly consulted for moral judgment. We aim to improve performance on such tasks by rewarding good arguments, on the premise that arguing well increases the likelihood of judging well. We train a reinforcement learning policy initialized from a state-of-the-art language model in a self-judged tournament with masked thinking: the generated arguments are judged pairwise on argument quality by the policy itself. As an empirical basis, we extract authentic dilemmas from classic novels, using a logic solver to verify that each constitutes a conflict. We show that our judge rates argument quality like human annotators, and the policy then adopts the language register that it rewards. Testing o…

本論文は、品質重視のデータキュレーションと部分パラメータ継続事前学習（CPT）を組み合わせ、多言語LLMを現代標準アラビア語（MSA）へ低コストで適応させるフレームワーク AQL-Lite を提案する。1Bトークンの同一予算では、AQLで精選したデータによるCPTは4ベンチマーク平均を3.51ポイント改善した一方、生のウェブテキストによるCPTはベースモデルから向上しなかった。5Bトークンの統制比較では、AQL-Lite は全パラメータCPTの改善の94%（平均73.19対73.58）を実時間の52%で達成し、全ベンチマークでアダプタのみのベースラインを上回った。40B MSAトークンへ拡張し100万件で指示チューニングした12Bモデルは、OALL v2の7ベンチマークで75.3を記録した。

2020年から2025年にかけての査読付き論文1,158本を分析した研究によると、低資源言語に関する出版物は年間52本から415本へ増加したものの、その成長は既に十分に代表されている言語に集中している。著者らは研究の成長、代表性の拡大、代表性の継続性、分布の公平性という4つの次元で包摂性を測る「言語包摂フレームワーク（LIF）」を提案し、すべての次元で良好なスコアを示す地域は存在しないと結論づけた。

新たなarXiv論文が、大規模言語モデル向けのモデル融合手法を体系的に評価するベンチマーク「FusionEval」を提案した。Qwen3とLlamaのベースモデルから数学・コード・科学・指示追従・ツール利用の各分野で独立に訓練した専門家モデルの統制されたプールを構築し、8つの公開ベンチマークで能力の保持と計算コストの両方を測定。訓練不要の融合は推論能力を保つ一方でツール利用を大きく損なうことを示した。

本論文は、インドのリテールバンキング業務1,000件からなる行動指向ベンチマーク「TauIndianBankBench」を提案し、言語モデルベースのアシスタントが所定の手順をどれだけ遵守できるかを評価する。最終記録のみを確認する場合、各モデルで6.5〜12.0%のセッションが、必須ステップの省略や依頼されていない変更があったにもかかわらず成功と判定されることが分かった。

arXiv の論文「Lighthouse」は、サウスカロライナ州のデータを用いて米国公民権運動期を探索する、著者らによれば初のデジタルアシスタントを発表した。内容の信頼性と生成回答によるユーザーへの害の低減という二つの設計原則を柱とし、大規模言語モデルとルールベースの記号推論を組み合わせたニューロシンボリック手法で実装している。1万8千点超の一次資料を対象に、単一の正答がある事実問題と、専門家の回答を集約した「ゴールドスタンダード」で評価する主観的問題の両方で検証している。

arXiv の新しいプレプリントは、密なリカレント計算の予算をゲート変換から候補生成へ移すコンパクトなリカレントセル baseVultra を提案する。単一の H×H 候補生成行列に密な計算を集中させ、リカレントゲート行列を O(H) の対角相互作用に置き換える。TinyShakespeare の文字レベル言語モデリングでは検証損失 1.594 を達成し、同パラメータの LSTM（1.604）と GRU（1.616）を上回り、密なリカレント行列ベクトル計算は GRU の約 54% にとどまる。一方、約 45 倍大きい text8 では全ゲートセルと同等（1.854 bpc 対 GRU 1.849、LSTM 1.837）で、形式言語プローブでの利得は隠れ状態容量が制約された状況に限られ、隠れ次元の増加とともに消える。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.30231v1 Announce Type: new Abstract: Visual mathematical reasoning can fail before reasoning begins: when a vision-language model (VLM) misreads a diagram, subsequent reasoning proceeds from false premises. This perceptual bottleneck is especially pronounced in smaller models, while accurate textual descriptions can substantially narrow the gap to larger models. Because obtaining such descriptions at inference requires additional annotation or model calls, we propose minimal-edit corrective on-policy distillation. Using reference figure descriptions and verified reference solutions as training-only information, a teacher scores incorrect student rollouts under a minimal-edit objective, and only teacher-disfavored tokens contribute to the…

新しいarXiv論文は、医療AIモデルのプライバシーリスクが通常コホート平均で報告されるため、個々の患者の深刻な露出が隠れうる点を指摘する。著者らは4つのモダリティにわたる6つの臨床データセットで学習した7,789個のモデルについて患者ごとのメンバーシップ推論リスクを測定し、学習設定が変わっても高リスク患者はほぼ同じままだと分かった。そこで本番モデル学習前に脆弱な患者を特定する軽量な4モデル構成のスクリーニングツールを提案している。

本論文は、回転機械の予知保全に用いる畳み込みニューラルネットワークに対し、4 種類のモデル圧縮技術を比較し、9 種類の異種計算プラットフォームで評価した。知識蒸留が最も有効で、推論速度は 90% 以上向上し、平衡 F 値 91.22% を維持しつつ、モデルサイズを 98.9% 削減できた。

本論文は、わずか0.001Mパラメータの軽量なGroup Equivariance Attention NetworkであるGANetを提案する。38種類の植物病害を識別し、PlantVillageデータセットで99.99%の精度を達成、Raspberry Pi 4bで5 FPS、Jetson Nanoで11 FPSで動作し、低消費電力デバイスでのリアルタイム病害監視を目指す。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.30223v1 Announce Type: new Abstract: Large language models are increasingly used in competitive programming, and their outputs are sensitive to how a prompt is phrased. Prior work has compared prompt strategies for accuracy on competitive programming, but not for runtime speed, and has not situated the results against human performance. In an exploratory study of one prompt in each of nine styles on GPT-5.5 across three accuracy tasks from the International Olympiad in Informatics (IOI) and two NP-hard speed tasks, we found that no single prompt was best: the strongest prompt depended on the task type and on whether results were summarized by the mean or the median, suggesting that, at least for these tasks, prompt style should be matched…

新たなarXiv論文は、再構成や対照学習で訓練されたマルチモーダル健康記録の表現が、因果的識別に必要な情報の保持を保証しないと指摘。共変量のみの目的関数では十分性を証明できないことを示し、クロスフィッティング二重ロバスト推定量と表現不足の診断を組み合わせたワークフローを提案する。

研究者らは、専門モデルの表現を直接LLMの内部状態へ写像するコネクタを学習する「Latent Interconnect Protocol（LIP）」を提案した。テキストや画像を介するツール利用のボトルネックを回避する狙いで、3つのタンパク質専門モデルと3つの低分子専門モデルを凍結したGemma 3およびKimi K2.6に接続し、共同学習なしのクロスドメイン零ショット転移と組み合わせ性を実証した。ただし現在のLLMはこうした表現を原生入力として扱うよう学習されておらず、信頼性の高い解釈と推論が課題として残る。

AI サービスが一時的に利用できないため、復旧後に翻訳を補完します。ソース概要：arXiv:2610.30211v1 Announce Type: new Abstract: Knowledge tracing (KT) models can estimate item parameters through an item response decoder trained solely for next-response prediction, yet predictive accuracy does not guarantee parameter recovery. We study 2PL, GPCM, and NRM decoders paired with LSTM, Transformer, and DKVMN encoders. Response-model derivatives show why discrimination and option slope updates depend directly on the scale and spread of estimated ability. Affine logit identities show how item-dependent shifts and rescaling in estimated ability are absorbed into item parameters without changing response probabilities. In simulations, difficulty, mean threshold, and correct-option intercept recovery remain high under shuffled order acros…

本論文は、事前条件付けされた前向き作用素の特異値構造に基づくスペクトル枠組みを提案し、M/EEG音源イメージングにおける線形ガウスベイズ逆問題の事後共分散を、データ情報成分と不確定性認識成分へと正確に分解することを可能にする。これにより、より良い測定で低減できる不確実性と、センシング幾何に起因する本質的に不可約な不確実性を区別できる。

NeurIPS 2026に採択された本論文は、スパースなMixture-of-Experts（MoE）言語モデル専用に設計されたKVキャッシュ圧縮手法MoEZipを提案する。既存の圧縮手法は密なTransformerでは有効だが、MoE固有の問題を見落としている。すなわち、KVエントリの破棄が回答生成時に選択されるエキスパートを変化させ、生成品質を劣化させる点である。MoEZipは、ルーティング分布のフィッシャー情報行列に基づく新指標でエキスパートルーティングの摂動感度を推定し、注意重みと組み合わせてルーティングを考慮したスコアリングを行う。さらに密なアーキテクチャとスパースMoEアーキテクチャ向けの退避手法を組み合わせた補完的なスコアリング体系を構成する。KV保持率10%という積極的な圧縮下でも、LongBenchとRULERで最先端ベースラインを平均+24点、+20点上回り、それぞれ2.3倍、4.9倍のスコアに相当する。

arXiv の新論文は、ゲーム環境に的を絞った介入を行い、マルチエージェントモデルから協力・欺瞞・裏切りといった特定の社会的行動を積極的に引き出すエージェント型システム Fig（Finding Interactions in Games）を発表した。Fig が生成した有効なシナリオでは、モデルは平均 45.2% のエピソードで目標行動を試み、対応する対照ゲームと比べて介入により試行率が平均 10.9% 上昇した。

新論文は、制御された LLM 同士の議論フレームワークを導入し、長い会話の中でモデルが互いの意見をどう形成し、形成されるかを調べた。同一モデル同士のやり取りでは意見の隔たりが縮まる一方、異なるモデル間では広がること、また「説得せよ」という一律の指示が影響力を確実に高めるわけではないことが分かった。