本研究では、Depth Anything V2とフォトメトリックマスクを使用した信頼性考慮型単眼深度監視手法を提案。SplatfactoにおいてPSNRが14.903から15.932に向上、RMSEが0.542から0.100に低減し、信頼できる低誤差領域の選択が効果的であることを示した。

この研究では、解釈可能な機械学習を用いてQSMとfMRIの特徴からパーキンソン病の運動重症度を予測し、最良のモデルは分散の45.4%を説明し、75%の予測誤差が5点以内でした。

ビデオマルチモーダル大規模言語モデルは、グローバルな意味理解では進歩しているが、局所的な時空間知覚に欠ける。DELTAVIDは、クロスビデオの「違い探し」を訓練可能な知覚信号に変換し、DELTAVID-10KデータセットとDELTAVID-Benchベンチマークを導入する。実験では、複数のビデオ理解ベンチマークで性能向上を示し、モデルを粗い意味理解から細粒度の時空間エビデンス推論へと導く。

VulcanVoxelは、3D占有場に対するマスク付きオートエンコーダを用いて空間アフォーダンスを学習する手法であり、ロボットが散らかった布製ビン内でブレード挿入のための実行可能な領域を発見できるようにする。人間による注釈なしで10,000件の実際の倉庫収納エピソードで訓練され、最良の姿勢ベースベースラインの0.71に対してトップ5カバレッジ0.89を達成。蒸留された学生モデルにより、推論時間が1.4秒から30ミリ秒に短縮された。

クロスリンガル検索拡張生成（RAG）では、エビデンスが英語である場合に言語ドリフトや信頼性の低いエビデンス使用が問題となる。本論文では、報酬最適化と学生の訪問プレフィックスに対するオン方策蒸留を組み合わせた教師正則化RL手法TR-RAGを提案し、報酬分解を導入することで、複数のベンチマークで言語一貫性とエビデンスに基づく正確性を大幅に向上させる。

LLMはCBTの理論試験で高いスコア（最大96%）を達成できるが、実際の対話での適用は効果的でない。新しいメトリクス「プロトコルレバレッジフォース（F）」は、マルチチェーン・オブ・ソートプロンプティングを用いても、行動への影響はわずか（1.5%未満）であり、モデルは検証と反省に偏っていることを示している。

本論文では、長い履歴系列から経験記憶を構築するPraMem手法を提案し、大規模言語モデルにおける長期行動予測の課題を解決する。実験では従来手法を上回る性能を示した。

インド言語向けに、自動音声認識（ASR）と方言識別（DID）を同時に改善するマルチモーダルフレームワークを提案。8言語33方言でDID精度81.63%、WER17.73%を達成。

大規模言語モデルが半開放テキストゲーム環境の自律的な審判として導入されるにつれ、堅牢なルール順守が重要になる。しかし、これらのモデルは役立つように訓練されているため、レトリカルインジェクションと呼ばれる攻撃に対して脆弱である。攻撃者は、疑似論理的推論や権威的強制といったナラティブフレーミング技術を利用して審判ロジックを回避する。研究者らは、TRPGメカニクスに基づくマルチエージェント対抗ベンチマークCoC-Seduceを提案し、3つの最先端モデルで5376のサンプルを生成し、20のターゲット審判をテストした。その結果、モデル規模や明示的な推論メカニズムは審判の堅牢性を保証せず、疑似論理が主要な攻撃ベクトルであることが明らかになった。

Gemma 4 は、Gemma ファミリーの新世代のオープンウェイト、ネイティブマルチモーダル言語モデルであり、2.3B から 31B パラメータの高密度および混合専門家アーキテクチャを備えています。改良されたビジョンおよびオーディオエンコーダに加え、12B モデルには生のオーディオと画像パッチを直接処理する統一されたエンコーダフリーアーキテクチャを採用。また、応答前に推論トレースを生成するシンキングモードを統合し、推論速度、メモリ、計算効率、長コンテキスト能力を向上。STEM、マルチモーダル、長コンテキストベンチマークで飛躍的な性能向上を示し、より大規模な最先端オープンモデルに匹敵します。

テキスト音声合成（TTS）を利用して低リソース言語であるルクセンブルク語のための話し言葉質問応答（SQA）訓練データを生成する新しいアプローチ。既存のテキストQAペアを翻訳し、複数のTTSシステムで音声を合成し、パラメータ効率の良いモデル（凍結WhisperエンコーダとLoRAアダプタ）で訓練することで、単一ソースのTTSを上回る性能。マルチソースTTSデータと音声デザインが性能を向上させ、参照なしTTS品質スコアはQA精度を確実に予測しない。

研究者らは、音声言語モデルをコードスイッチング自動音声認識に適応させるための、検証可能な報酬を用いた強化学習（RLVR）手法を提案する。わずか10%のデータで、RLVRはQwen2-Audio上で10言語ペアにわたって全データセットの教師ありファインチューニングと同等の性能を達成し、その利得はゼロショットで人間録音のコードスイッチングコーパスに転移する。

本論文は、XLM-RoBERTa、CLIP、マルチヘッドアテンション機構、および皮肉や地理空間メタデータを統合した多言語マルチモーダルフレームワークを提案する。138,256のバングラ語と英語のサンプルからなるデータセットで98%のテスト精度を達成し、偽情報と暴力傾向の早期検出を実現する。

本論文では、頻度補正された生成器-検証器一貫性を用いた訓練手法FCPAを提案し、IFEvalおよびHumanEvalで最大+27ppのピアソン相関向上を達成した。

AIが低リスク状況で学習したリスク回避行動が、天文学的に高リスクな状況にも汎化するかを調査。RiskAverseOODベンチマークを導入し、Qwen3-8Bを用いた実験では、SFT、DPO、アクティベーションステアリングにより協力率がベースラインの2%から70%（SFT）、52%（DPO）、39%（アクティベーションステアリング）に向上。リスク回避は98桁の規模にわたって部分的に汎化するが、信頼できる安全機構としての一貫性は未達成。

高性能EVパワートレインの熱挙動予測は、内部温度の観測困難性とラボからトラックへのドメインシフトにより難しい。本論文では、共形予測と加重アンサンブルバッチ予測区間（EnbPI）を適用し、共変量シフト下でのカバレッジを改善する。この手法は実バッテリーデータでカバレッジを70.13%から72.42%に回復し、F1テレメトリで教師なし診断としてテストされた。

LiNOは第二世代ウェーブレットリフティングスキームに基づくマルチレゾリューション神経作用素であり、データからマルチスケール分解を学習し、粗いスケールと方向性詳細係数を別々に発展させることでスケール認識型物理モデリングを実現する。Darcy流れ、ポアソン方程式、Allen-Cahn方程式、圧縮性Navier-Stokes方程式、Gray-Scott反応拡散系などのベンチマークで最先端の神経作用素を上回る性能を示す。

本研究は、マルチスケール記述子をグローバル、リージョナル、チャンネルレベルに整理する粒度認識脳波（EEG）特徴パイプラインを開発し、Healthy Brain Network（HBN）コホートを用いて4つの精神病理学次元を予測した。ツリーベースモデルと粒度バランスの取れた特徴選択は、限定的な条件下で従来手法よりも改善を示したが、効果量は控えめであった。可視化により次元特異的な空間・スペクトルパターンが明らかになり、既存の神経生理学的知見とおおむね一致した。クロスデータセット検証では、手法の技術的実現可能性が示された。

固定プールから最も情報量の多い合成画像を選択する生成器非依存の新しい手法。クラスを同質（典型的）と異質（非冗長）に分割し、最大40%少ないサンプルで下流タスクの性能を向上させる。

本論文は、ドローン網における物体検出に連合学習（FL）を適用し、ドローンが生の航空画像を共有せずに共有モデルを協調訓練できるようにする。Sherpa.ai FLプラットフォームとKIIT-MiTAデータセットを用いて、FLを単一ドローン訓練および集中訓練と比較した。最軽量モデル（YOLO26 nano）は、単一ドローン訓練と比較して[email protected]で52.89%、[email protected]:0.95で67.80%の相対的改善を達成し、集中訓練に近い性能を示した。結果は、FLが分散ドローン群においてスケーラブルで高性能かつプライバシーを保護する物体検出を可能にすることを示している。

GRAFTは、テキストから音声へのニューラルコーデック言語モデルにおける単語ごとの発音調整機構です。短い音声サンプルから参照発音を抽出し、音声変換技術を用いてヒント話者とターゲット話者を分離することで、任意の声で発音ヒントを与えつつターゲット話者の音色を維持します。英語のブラインドリスニングテストで最高評価を獲得し、5言語の客観的ベンチマークではターゲット単語の音素誤り率を22～39%削減しました。

QuantFlowは、逆順埋め込み、双方向Mamba状態空間デコーダ、分位点回帰、およびフェデレーテッドラーニングを組み合わせた確率的予測フレームワークです。実験では、複数のデータセットで優れた性能を示し、非IIDなフェデレーテッド設定でも精度を維持できる一方、不規則な疫学シグナルや長期予測における限界も明らかになりました。

本研究は、電力価格予測における時系列基盤モデル（TSFM）を公平に評価するための二重データセットベンチマークフレームワークを提案する。TSFMは競争力があるが、共変量サポートに強く依存し、ドメイン固有手法を常に上回るわけではない。単純なアンサンブルは有望であり、補完的な情報を捉える。

本論文は、摂動ベースの構成概念妥当性監査自体が脆弱であり、その結論が読者には見えない実装の詳細によって静かに操作されうると主張する。著者らは5つのパイプラインフェイルモード（F1-F5）を命名し、安全ベンチマークとオープンウェイトの指示調整モデルを用いた自己監査でそれぞれを実証する。統一された6項目のデューディリジェンスゲートの下で、すべてのセルは非確認バケットに入り、確認に達するものはない。このゲートは、保証グレードの証拠のための留保・開示プロトコルとして位置づけられ、古典的な構成概念妥当性の証拠を補完するものであり、それに取って代わるものではない。

本論文では、複雑なキッティング制約を持つフレキシブル組立フローショップスケジューリング問題に対する、スライディングウィンドウベースの強化学習（SWRL）フレームワークを提案する。問題を異種グラフマルコフ決定過程として定式化し、スライディングウィンドウフィルタリング、時空間グラフ符号化、動的作用マッピングを統合する。家電メーカーの実データを用いた実験により、SWRLは従来のディスパッチルールや既存の深層強化学習手法と比較して一貫した遅延削減を達成し、様々なリソース構成に対してロバストな性能を示す。

VERITAS は CLI コーディングエージェントを基盤としたドメイン非依存の再現フレームワークです。論文から主張を抽出し、問題を解決しながら方法論を実行し、実験結果に基づいて各主張を評価します。コンピュータ科学、社会科学、医学、天体物理学を対象とした65本の論文で評価され、CORE-Bench および ReplicationBench の両ベンチマークで最先端の性能を達成しました。

大規模言語モデル（LLM）は安全性、有用性、信頼性を同時に確保するという課題に直面している。従来の拒否指向のアライメント戦略は有害コンテンツ生成を抑制するが、正当なユーザーニーズに応えられないことが多い。Oyster-IIは、強化学習（RL）に基づく建設的安全性アライメントフレームワークを提案し、Zero-RLパラダイムと多段階RL戦略を採用する。これにより、Oyster-Iの教師付きファインチューニング（SFT）方式の2つの限界——分布外シナリオへの安全性汎化不足と安全性思考連鎖（CoT）の過剰汎化——を克服する。広範なベンチマーク評価で、Oyster-IIはQwen3-14BおよびOyster-Iを安全面で包括的に上回り、Qwen3-MaxやQwen3.5-397Bと同等のクロススケール性能を達成した。

新しいベンチマークMedCalc-Proは、複数の計算機、入れ子スケール、あいまいなクエリを含む複雑な医学計算におけるLLMの性能を評価する。著者らはまた、3つのタスク設定すべてで既存モデルを上回る汎用的なエージェントフレームワークを提案している。

大規模言語モデル（LLM）エージェントは経験の蓄積により改善できますが、自由形式のテキストメモリは維持、検証、再利用が困難になります。本稿では、経験を実行可能なオブジェクト中心環境モデルに整理するオブジェクト中心環境モデリング（OCM）を提案します。OCMは2つのコードベース（環境エンティティをPythonクラスとして定義するオブジェクト知識と、再利用可能な相互作用パターンを記録する手続き知識）を維持します。実験では、OCMがベンチマーク全体で最高の平均順位を達成し、無効なアクションを削減することを示しています。

SwarmResearch は、グローバルコンテキストを用いて探索エージェントの集団を導くオーケストレータ・サブエージェントフレームワークであり、オープンエンドな最適化タスクで最先端手法と同等以上の成果を達成した。