本研究は従来の多クラス分類としての発話先検出を再検討し、発話先を連続現象として分析する。複数アノテーターによるコーパスから連続レベルを推定し、ターンテイキング、視線、バックチャネルとの関連を示す。連続モデルが離散ラベルより優れた予測を達成し、発話先の段階的構造が示唆される。

arXiv論文は、プロセスフィードバックを用いてマルチターンエージェントRLの探索を導く品質認識型ツリーロールアウト枠組みPATRを提案。同一訓練予算でSWE-Benchを最大5.0ポイント、FrozenLakeを9.3ポイント改善した。

SkillCorpusは、約82万1千のクロールされたスキルから9万6千以上のオープンソースLLMエージェントスキルをフィルタリングし、16クラスの分類法と3つの品質側面で整理します。検索・選択スタックと組み合わせることで、複数のベンチマークで一貫した改善を達成し、SkillsBenchで最大+7.5パーセンテージポイントの向上を示しました。

arXivの新論文がEpiNarrateを提案。構造化された数値推論と言語生成を分離するエージェント型フレームワークにより、大規模な疫学アンサンブル予測から事実に基づき広範な coverage を持つ公衆衛生ナラティブを生成し、COVID-19 Scenario Modeling Hubのデータで有効性を検証した。

新研究はヤコビアンレンズを用いて、大規模言語モデル内に意識的アクセスの機能的特性を模倣する「J空間」を特定し、アライメント監査で隠れた戦略的熟考を明らかにできると示した。

新しい研究は、電子健康記録のすべてのモダリティの患者データを単一の自然言語シーケンスに変換し、事前学習済み言語モデルをエンドツーエンドで微調整することを提案する。院内死亡率、移植片不全予測、救急トリアージの3つの臨床タスクで、この統一手法はタスク固有のマルチモーダルベースラインと同等以上であり、移植片不全予測では臨床現場で使用されている勾配ブースティングモデルを上回った。

LLM4EHRは、ドメイン適応された大規模言語モデルとTransformer時系列エンコーダを組み合わせ、正則化された対照学習目的によりEHRイベントと時系列を整列させる新しい臨床基盤モデルであり、ICU予測タスクで優れた性能を示し、kショット適応による新規コホートへの転移も可能。

2019年と2021年のMEPSデータを用いたarXivプレプリント。調査加重のサブグループ分析、解釈可能なロジスティック回帰、ランダムフォレストと勾配ブースティングを組み合わせ、パンデミック前後の米国の医療費に関する経済的脆弱性を検討した。貧困状況、保険加入、処方薬支出が主な予測因子で、時間が経っても概ね安定していたことが示された。

本論文は、既知の有向グラフ上で未知の定常的なエッジ成功確率を持つエピソディック学習問題である確率的リセット経路探索（SRP）を導入する。エージェントは各エピソードでソースからゴールへの経路を選択し、実行中にエッジが失敗するとソースにリセットされる。SRPは量子中継ネットワークのエンタングルメント配布、ライトニングネットワークの支払いルーティング、信頼性の低いメッシュネットワークでの配送などをモデル化する。著者らは、グローバルリセット構造により最適方策が開ループになることを示し、SRPを組合せカスケーディングバンディット（CCB）フレームワークに位置づける。Log-Dijkstraメタアルゴリズムを提案し、UCBに基づくPathUCBとトンプソンサンプリングに基づくPathTSの具体化を行う。主要な理論的結果は、PathUCBの経路レベル後悔バウンドであり、各エッジのプレフィックスとサフィックスの信頼性を組み合わせた経路複雑度C(π)を介して後悔を劣最適経路に分解する。実験は量子ネットワーク、層状DAG、グリッドワールド、エルデシュ・レーニイ領域で理論を支持し、PathTSが一般的に最良の実証的性能を示すことを明らかにする。ただし、PathTSが収束しない敵対的インスタンスが存在し、これは乗算的報酬問題における組合せトンプソンサンプリングの既知の指数障害と一致する。実用的なデフォルトとしてPathTSを推奨するが、敵対的インスタンスが存在することに注意を促す。

本論文は、標準的な線形二値分類モデルと単一量子ビット混合状態モデルの内在的解釈性を比較し、後者が本質的に「楕円体版」の線形分類であり、超平面ではなく超楕円体を学習することを示すとともに、両モデルの幾何学的帰納バイアスと特徴重要度の帰納バイアスの違いを論じている。

本論文は、コンパクトな医用画像分類器の効率性と解釈可能性を両立するqZACH-ViTを提案する。ゼロトークン（CLSトークンフリー）、ポジションフリーのZACH-ViTバックボーンを量子化認識に拡張し、再帰的内在パッチレベルクラス証拠を導入。さらに、分類とアトリビューションの勾配をノルム一致させ、競合成分を除去する再帰的アトリビューション安定化最適化（RASO）を開発。7つのMedMNISTデータセットで評価し、混合精度INT8 qZACH-ViTはFP32ベースラインを上回り、モデルサイズ70%削減、CPU速度1.41～2.39倍高速化、予測一致率99.975%を達成。RASOは十分性誤差を低減し、ノイズ安定性を向上。

ジョージア工科大学の修士研究論文が、GPT-4 Turbo、Claude 3 Opus、Gemini 1.5 Pro、Llama 3 70B、金融特化型のFinGPTを、ローソク足パターン認識、売買シグナル生成、模擬バックテスト、決算報告書理解の4タスクで比較評価した。模擬バックテストではGPT-4 Turboが汎用モデル中で年率リターンとシャープレシオが最高、FinGPTはドメイン特化の微調整によりリスク調整後で競争力を持つ。両モデルはテスト条件下でS&P 500のパッシブ基準を上回ったが、全モデルに数値ハルシネーション、コンテキストウィンドウの制約、横ばい相場での不安定さという共通の失敗モードが確認された。

本論文は、確率的マルチグラディエント降下法におけるコンフリクト回避（CA）方向がヤコビ行列に対して1/2-Hölder連続に過ぎず、収束速度を制限することを示す。正則性条件下でLipschitz連続性を活用するMoRe法を提案し、非凸設定での収束率をÕ(T^{-1/4})からÕ(T^{-1/2})へ改善しつつ、逐次的なコンフリクト回避保証を確立する。

研究者らは、ベルヌーイ単純ベイズとカイ二乗ガイド付き二値化を用いた解釈可能な分類フレームワークを提案し、3つの医療データセットで競争力のあるAUCを達成するとともに、ソフトウェアなしで手動再現可能な推論例を示した。

本論文は、確率的スケーリングパラダイムを汎用量子回路合成に適用することは方向性の誤りであると主張する。量子回路は数学的制約に厳密に従う必要があり、構文と意味の間に大きなギャップが存在する。有効な回路設計の部分集合は量子ビット数に応じて指数関数的に減少するため、事後フィルタリングは数学的に困難である。著者らは、人間中心のコパイロットから検証器中心のエージェントへの転換を提案し、階層的制約、トポロジカルマスク、記号的プロキシを生成に直接組み込む。

本論文は、循環畳み込みにおいてDFTの代わりにHadamard変換を使用した場合に生じる代数誤差を特徴づける。特定の位置での正確な誤差相殺、対数次数の零空間を持つほぼフルランクの誤差作用素、そして出力エネルギーを漸近的に倍増させる単一のアラインメントスカラーによって支配される期待誤差を明らかにした。

本論文は、OECDのデータセットを用いて、信頼できるAI（TAI）を実現するためのツールと信頼マークフレームワークを批判的に分析し、倫理的焦点、ライフサイクルカバレッジ、ステークホルダー参加における非対称性を明らかにし、原則と実践の溝を埋めるための提言を行う。

本論文は、学習済みの深層強化学習方策を、人間が読め、論理エンジンが実行でき、最適化器が編集できるPrologプログラムへ書き換える3段階の事後変換を提案する。返り値損失の界限を含む4つの保証、連続観測における変換可能性と指数下界の解析、離散・連続制御タスクでの実験的検証を示している。

インターネットミームは視覚的要素、テキスト、文化的文脈が絡み合い、ユーモア、皮肉、悪意が共存する場合に解釈が困難です。既存のマルチモーダル分類器はこれらの相互依存性を見落とすか、解釈可能性が限られています。本論文では、視覚言語モデル（VLM）を活用し、12の構造化された視点からミームを解釈するMAR-12フレームワークを提案します。役割認識ソフトゲートアテンション機構とプロトタイプベース分類器を用い、PrideMMおよびMemotionデータセットでユーモア検出80.3%、ヘイト検出75.9%の精度を達成し、既存手法を上回ります。また、生成される説明は一貫性があり説得力があると評価されました。

arXivの研究は、4つのネストされたCodexベースのエージェントを用いて、実行可能な世界モデル、計画的な簡略化、正確なリプレイ検証がARC-AGI-3で果たす役割を帰属分析した。より強力なモデルと高い推論努力が最も頑健な改善要因であり、コンポーネントの効果は設定によって異なる。完全な検証処理は全設定で1位だがリソース消費が大きく、gpt-5.6-solを用いた追試では公開ゲームを飽和させた。

DrawingVQAは、実際の建設図面におけるマルチモーダル大規模言語モデル（MLLM）を評価する初のベンチマークです。33枚の「発行済み施工図面」と92の専門家作成の質問応答ペアを含み、知覚理解、文脈解釈、専門家推論の3つの推論深度をカバーします。二重分類フレームワークにより、工学的ワークフローをAI能力にマッピングし、最先端MLLMと専門家の間には、特に高推論深度で大きな性能差があることを明らかにしました。

4,181問のOmni-MATH問題での研究により、プランナー・エグゼキュータ・レビュアー（PER）パイプラインのレビュアーはより正確（0.861対0.644）であるにもかかわらず、有用な批評が次の候補を変える可能性が低く、最終精度が放送型ピア討論より低いことが示された。

AnovaXは、ユーザーのコンピュータ上で完全にローカルに動作するデスクトップ音声アシスタントです。単一のPythonプロセスが、ウェイクワードゲート、音声処理、GeminiベースのLLMプランナー（JSON計画を出力）、セキュリティレイヤー、マルチエージェントオーケストレーター（計画を型付き子エージェントに変換）、適応型リカバリループを統合します。各ツールは専用のエージェントクラスに対応し、タイムアウト、再試行ポリシー、リソースロックを持ちます。FlaskサーバーによりローカルWiFi経由でスマートフォンからのリモート操作が可能で、エージェントイベントのリアルタイムミラーリングと画面ストリーミングを提供します。プロジェクトの目的は、数千行の軽量アシスタントが複雑なデスクトップタスクを実行できることを示すことです。

actAVA AIは、人間のゲート付き自己進化ループで訓練されたヘルスケア特化LLM「Cura 1T」を発表した。患者相談、臨床推論、対話型診断、EHRツール利用を一体的に扱い、ヘルスケア評価スイートで最先端ベースラインと同等以上の上位に位置する。

本論文は、文脈なしの介入型質問応答における因果推論を、明示的な因果グラフ上の構造化推論として定式化するCausal-Auditを提案する。ターゲット認識型のグラフ構築と経路レベルの因果証拠集約により、頑健性と監査可能性を高め、3つのベンチマークで既存のLLM手法を上回った。ACL 2026に採択済み。

GraphDxは医学診断知識グラフを構築し、3つのエージェントを連携させることで、逐次診断の成功率を向上させつつ検査コストを削減する。

2022年のメールで、Sam AltmanがOpenAIの取締役会に対し、消費者向けハードウェアで動作するGPT-3レベルのオープンソース言語モデルを早期に公開し、競合他社の同様のモデル公開を妨げ、新たな取り組みへの資金調達を困難にする計画を明らかにした。このメールは2026年のMusk対Altman訴訟で公開された。

NoteBrain は、Obsidian のノート vault を完全オフラインの知識バックエンドに変える Go 製 CLI ツールです。ローカルの ChromaDB ベクトルデータベースにマークダウンノートをインデックスし、セマンティック検索、ウィキリンクグラフ探索、隠れた関係の発見を構造化出力で提供します。自律エージェントやシェルパイプライン、LLMツール利用ワークフローに直接組み込めるよう設計されています。

Googleは、Gmailの受信トレイを管理するためのベータ版機能「AIインボックス」を導入。優先度の高いメールを表示し、重要なトピックを要約します。米国限定で、特定のGoogle AIまたはWorkspaceプランが必要です。

Hugging Faceは、自律型AIエージェントシステムによって完全に駆動された侵入を開示しました。自律型AI侵入、防御の非対称性、IOC（侵害指標）の欠如が浮き彫りになりました。攻撃者は悪意のあるデータセットとコード実行経路を利用して足場を築き、横方向に移動して認証情報を収集し、数万回の自動化操作を実行しました。防御側は、フォレンジック分析を妨げる安全ガードレールに備え、ローカルに展開可能なフォールバックモデルを準備する必要があります。