ForensicNetは、MobileNetV2とCBAM注意機構を組み合わせた法医学的顔認識のための軽量深層学習フレームワークです。LFWとSCFaceデータセットで92.4%の精度を達成し、1推論あたりわずか2.1 GFLOPsで、リアルタイムの法医学監視用途に適しています。

本研究は、科学的推論の妥当性に統計的保証を提供するグラフ構造のコンフォーマル予測フレームワーク「Scientific Feasibility Control (SFC)」を提案する。SFCは科学的推論を原子的な事実単位に分解し、科学的違反が検出された際に動的分岐を用いて修正する。PhyXベンチマークで50.1%の精度を達成し、DeepSeek-R1やGPT-4を上回り、科学法則違反を73%削減、α=0.10で91.7%の妥当性保証を提供する。

本研究では、Llama-3モデルにおける記号計算、自然言語文章題、Pythonコードの3形式での算術計算をメカニズム解釈可能性手法で分析。3形式に共通するコンパクトなニューロンセットを発見し、形式間の失敗は異なる回路ではなく活性化状態に起因することを示し、ニューロンレベルでの形式不変性を実証した。

本論文は、状態を持つ線形注意モデルのための投機的デコードランタイムSpecLAを提案する。トポロジ認識カーネルを用いたチェーンとツリーの検証、検証中に生成されたコンパクト因子を保存して受理状態を復元、信頼度枝刈りとターゲット調整済みEAGLEスタイルのドラフターを使用する。NVIDIA H100上の公開GDN-1.3Bターゲットで、自己回帰デコードと比較して最大1.70倍のエンドツーエンド高速化を達成。

OpenLanguageModel (OLM) は、小規模言語モデルの構築と事前学習を可能にするオープンソースのPyTorchライブラリであり、その内部機構を可視化します。モデルコードはアーキテクチャを直接反映し、Block、Residual、Repeat、Parallelなどのコンポーネントが配線を記述します。OLMは、トークナイザ、データセット、最適化、混合精度、コールバック、チェックポイント、ハードウェア対応実行を統合し、教育用ノートブックから本格的な事前学習へのシームレスな移行を実現します。ライブラリは9つのモデルファミリーにわたる27のプリセットを備え、LM基礎からアーキテクチャ研究までカバーするドキュメントが付属します。検証では、独立したリファレンス実装との高い一致、348Mパラメータモデルにおける4GPUでの90.6%の弱スケーリング効率、そして良好なユーザビリティ結果が示されています。OLMはMITライセンスで提供され、PyPI、GitHub、およびドキュメントサイトから利用可能です。

既存の長期LLMエージェントのメモリシステムは、過去のトレースを受動的なコンテキストとして取得するだけで、実行可能な能力に変換していません。本論文では、トレーニング不要のメモリ・スキル共進化フレームワークMSCEを提案し、エージェントの経験をグラウンディングされたステップトレース、再利用可能な手続きポリシー、宣言的環境認知に整理します。MSCEは証拠に基づくL2ポリシーを呼び出し可能なスキルに結晶化し、反射加重値バックフィリングを導入します。実験では、MSCEが最先端の手法を大幅に上回ります。

NOWJチームは、COLIEE 2026の全5タスクに対して、法的ケース検索、ケース含意、成文法検索と含意、法的テキスト含意、法的判決予測を含む適応パイプラインを提案した。

新たなarXiv論文は、脳波（EEG）から得られる事象関連電位（ERP）を用いて、言語モデルの次単語予測が人間の読解認知を反映しているかを検討した。その結果、言語処理に関連するERPと関連する可能性があるのはsurprisal（驚き度）のみであり、特に意味内容の豊富な開クラス語でその傾向が見られた。モデルの大規模化が人間らしい言語処理への収束をもたらすという仮定に疑問を投げかけている。

新しい研究は、簡単な洗車の質問を用いて、言語モデルが推論の前に答えを先に決め、論理的に正しい結論を導けないことを明らかにした。Qwen3-8B実験では、システム的な誤り（「運転」が唯一の正解なのに「歩く」を推奨）が観察された。活性化レベル分析では、出力前に隠れ状態が誤った答えに傾いており、最終的に正答する場合も同様である。この発見はLLMにおける推論前の決定バイアスを示している。

本論文は、小規模言語モデル（SLM）による検索拡張生成（RAG）向けの3段階選好最適化フレームワークRIMSを提案する。硬的な単一ペア選択を微分可能なソフト集約に置き換え、対象モデル自身で合成Chain-of-Thought選好データを生成することで、ノイズの多い検索条件下の4つのマルチホップQAベンチマークでExact MatchとF1の一貫した改善を達成した。

本論文はMCF-MOEフレームワークを提案し、層間の意味的集約と局所的なトークンレベルの相互作用を統合してコンテキスト認識表現を構築することで、Mixture-of-Expertsモデルにおけるルーティングの不整合を解決し、言語モデリングと理解のベンチマークでルーティングの一貫性と下流性能を向上させる。

HantaWatchは、生データを共有せずに研究所や監視サイトが配列ベースのモデルを共同トレーニングできる連合学習フレームワークです。k-mer特徴抽出、ソース認識型クライアント構築、適応型DU-FedProx最適化、監視特化型モデル選択、予測のみのトリアージを統合し、モデル出力をリスクスコア、信頼度推定、不確実性フラグ、専門家レビューの優先順位に変換します。

本論文は、トークンレベルのクロスモーダルTransformerと対照マルチタスク学習を提案し、乳がんサブタイプ分類と生存予測を同時に最適化することで、細粒度のクロスモーダル相互作用と統合正則化の課題を解決する。

研究者らは「weights to words」と呼ぶ手法を提案した。選択データから領域に関連する選好次元を自動的に発見し、それぞれを自然言語で記述するとともにモデル表現空間のベクトルと対応付ける。これにより、ユーザーはモデルの選好推論をリアルタイムで検査・編集できる。人間参加者実験では予測精度の向上とユーザーの選好が示された。

新しい研究では、重み勾配の動径成分を取り除く幾何学的介入手法OrthoGradが紹介されています。ノイズラベル画像分類実験では、OrthoGradは小データ領域でテスト精度を向上させるものの、最終的なノイズラベルの記憶を防ぐことはできません。この手法は学習ダイナミクスを研究するための有用な診断ツールとして機能します。

本論文は、チェックアウト前に送料を見積もるための多段階フレームワーク RouteCost を提案する。時間を考慮した需要予測、料金表に基づくベースライン価格、残差補正、箱詰め統合の推論に問題を分解し、ルート単位の推定をルート加重期待値で商品単位の予測に集約する。25万件以上の注文、260商品、18か月分の履歴で予測品質と集計キャリブレーションを改善しつつ、ルート単位の解釈性を保つ。

本論文では、累積されたクラウドGPU実行データを活用し、テンソルカーネルの正確性テストのための絶対許容差を自動的に決定するオペレータ認識型混合精度許容差キャリブレーション手法を提案する。手動で選ばれた許容差よりもはるかに厳しく、バグ検出の再現率を大幅に向上させる。

本サーベイは、セキュリティ、ロバスト性、検証可能な忘却という観点からLLMアンラーニングを検討し、現在この分野を支配する勾配ベース手法に焦点を当て、それらが知識を真に削除するのか、通常のプロンプト下での表出を抑えるだけなのかを問う。

本論文は、STM32N6マイクロコントローラと統合NPUを活用してオンデバイス機械学習を実現するスマートアイウェアプラットフォームARGOを提案する。最適化されたYOLOv11モデルを搭載し、都市障害物のリアルタイム認識を低遅延・高プライバシーで実行する。

研究者らは、人手による注釈なしでOCRツールを自動評価・選択するフレームワークDocOCR-Evalを提案した。3段階の補正とランキング戦略により、正解ラベルなしで注釈ベースのツール順位を近似する。複数のマルチモーダル大規模言語モデルを集約することで、注釈ベースのランキングとの一致度が段階的に向上することを実験で示した。

本論文はRL-NSGA-II-GRCを提案し、強化学習エージェントと灰色関係係数に基づく選択をNSGA-IIに統合することで、ベンチマークでの収束性を改善し、ナスダックポートフォリオ最適化において最大年率シャープレシオ1.92の滑らかな効率的フロンティアを生成する。

本論文はW2SPOを提案する。弱い補助モデルから約8トークンの短いセグメントを目標モデルの軌跡に注入することで、検証可能報酬RLのサポート制限ボトルネックを克服し、4B規模の数学推論でGRPOを上回り、訓練速度を3.55倍向上させる。

本論文はテキストベース世界モデリングを操作可能な遷移力学問題として定式化し、マスク拡散言語モデル（MDLM）が自己回帰モデルよりも一貫性、接地性、ロールアウト多様性で優れていることを示す。9つの環境と12のモデルファミリーからなる239,403の接地軌跡を用い、3つのOOD環境でのゼロショット転移で最大47%の絶対的改善を達成した。

本論文は、文書コーパスからエンティティ、次元、プロパティ、関係、制約を含む生成ブループリントを誘導し、型付きグラフとしてエクスポートするドメイン非依存フレームワーク「Generative Ontology Induction（GOI）」を提案する。新たなNode Coverage Scoreで構造カバレッジを評価し、4つの対照的なオントロジーでの実験により、GOIプロンプト生成が構造骨格の95～100%をカバーし、汎用テンプレートを大幅に上回ることを示した。

研究者らは、MITMプロキシを用いてAIエージェントの実行を記録し、隔離環境で決定論的にリプレイするCLIフレームワークagreplを提案した。5つのワークロード、250回のリプレイで忠実度F=1.0、ステップあたりの中央値レイテンシを98.3%削減した。

新しい研究論文が、マルチエージェントLLMシステムの計画フェーズを標的とした4種類のプロンプトインジェクション攻撃フレームワーク「PlanFlip」を紹介。GPT-5のような強力なモデルほど脆弱であり、同質のバックボーンは相関エージェントの盲点を生み出す一方、DeepSeek-R1のような推論強化モデルは攻撃に耐性を示す。提案された2つの防御手法は最大1.00の検出率を達成。

本論文は、グラフニューラルネットワーク（GNN）に基づくリンク予測を新たなGNN視点から包括的にレビューし、GCN、GAE、GAT、GFormerのアーキテクチャをカバーする分類法を提案。知識グラフや推薦システムでの応用を強調し、現在の課題と将来の方向性を議論する。

本研究は、文脈上のリスク信念とカテゴリカルな意思決定を切り離す横断的フレームワークを提案し、空間ナビゲーション、臨床トリアージ、金融配分の課題で6つの代表的なLLMと100人の人間参加者を比較した。多くのLLMは課題内で安定した信念から決定への写像を示し、領域をまたいで相対的なリスク姿勢の順位を保ち、人間の基準より狭いリスク態度分布に収束した。

研究チームは、柔らかいインタラクティブ・コンパニオンでの情動的タッチ認識に向けたオープンソースのMATLABフレームワークを発表した。25名の参加者から収集した1326のラベル付きジェスチャー系列を含むFAIR準拠データセットを公開し、13.2kパラメータのコンパクトな拡張1D CNNがテスト精度75%、被験者交差検証平均精度85%を達成することを示した。量子化展開ではウィンドウあたり3.2 MMACで、対象マイクロコントローラ上での20 Hzリアルタイム動作が可能であり、ヒューリスティックフィルタリングとCNN分類を組み合わせたハイブリッドパイプラインを提案している。

本論文は、RLHFの選好ラベルが評価者の感情状態を構造的交絡因子として符号化する可能性を指摘する。このバイアスはランダムノイズとは異なり、報酬モデリングやポリシー最適化を通じて伝播しうる。著者らは主要概念を定義し、5つの反証可能な予測と効果量の閾値を導出し、監査プロトコルとパイロット研究計画を提示する。