本論文では、ロボットの手内回転操作の頑健性を向上させるために、2つの相補的な物理事前知識を提案する。古典的把握解析に基づくグローバルな把握品質事前知識と、指先曲率に基づく局所接触幾何事前知識である。実験により、回転効率、把握安定性、外乱耐性が大幅に向上し、シミュレーションから実世界への転送が促進されることが示された。

本論文は、昼間の植物列RGB画像を近赤外夜間画像に変換する教師なし画像変換フレームワークを提案する。これにより、昼間のセマンティックラベルを夜間知覚モデルの訓練に再利用できる。さらに、夜間農業視覚ナビゲーションの最初のベンチマークとしてAgriNightデータセットを導入し、実機ロボットによる夜間のリアルタイム自律ナビゲーションを実証した。

EFLUXは、幾何学に基づくLLMエージェントフレームワークであり、マルチロボット編隊の自動的かつ弾力的なナビゲーションを実現します。LLMを用いて編隊の変形と再構成の行動を統合的に推論し、閉ループの生成・検証・修正パイプラインを通じて各ロボットの実行可能なウェイポイントに変換します。シミュレーションとハードウェア実験により、制約環境下でのデッドロックとナビゲーション失敗の減少が示されています。

新しい研究では、学習不要の参照ベース合成画像帰属における表現空間と参照選択の相互作用を調査しています。CLIPとDINOv2の異なる層からの表現と3つの参照選択方法を用いて、帰属精度は中間層でピークに達し、意味的に制約された参照がクエリと参照のミスマッチを減らし、特に限られた参照予算下で性能を向上させることを示しています。

本研究は、異種の医療VQAタスクにおける継続学習手法を系統的に評価し、既存手法がタスクを交互に学習する際に安定性と可塑性のバランスを維持することが困難であることを明らかにした。

arXiv論文は、記号概念学習を通じて累積的な進化を実現するエージェント型オムニモデルSymbOmniを提案する。中核となる記号概念ボックスは低レベル操作を再利用可能な記号ワークフロー命令に抽象化し、帰納-転導サイクルと言語化された逆伝播で訓練され、勾配ベースの微調整を必要としない。実験では、画像品質とタスク成功率で既存のエージェントシステムやNano Banana、GPT-Image-1などのクローズドソースモデルを上回り、トークン消費を40%以上削減し、オンライン学習ベンチマークで累積的な利得を達成して新たな最先端を確立した。

MetaViewは、暗黙的幾何学モデリングとメトリック深度を組み合わせることで、大きな視点変化の下でも幾何学的一貫性と正確なカメラ制御を実現する拡散モデルベースの単眼新規視点合成フレームワークであり、ECCV 2026に採択されました。

肝内胆管癌の神経周囲浸潤（PNI）をT2強調MRIから予測するための教師・生徒フレームワークを提案。訓練時に教師ネットワークが腫瘍・肝臓マスクを用いて高密度トークンルーティングを学習し、生徒ネットワークが固定予算下で情報的トークンを保持・集約するよう蒸留する。推論時にはマスク不要。155例の患者でAUROC 0.750を達成し、計算量は1.43 GFLOPs、1症例あたり8.02ミリ秒。

SpikeDSは、活性化スパース性と空間スパース性を組み合わせた新しいスパイキングニューラルネットワークアーキテクチャであり、139人の患者コホートにおいてAUC 0.753、エネルギー消費14.4 mJで胆管癌の神経周囲浸潤を効率的に予測する。

自己教師あり学習はラベル付きデータが少ない医用画像に有望である。COJEPAは、ジョイントエンベッディング予測アーキテクチャと対比損失を組み合わせ、体積脳MRI向けに開発された。2286例のT1強調画像で訓練し、双生児検索、年齢回帰、腫瘍セグメンテーションで最先端の結果を達成した。

本論文では、視覚言語モデル（VLM）を用いてフレームごとの視覚記述を生成し、動画間の記述比較と動画内の自己類似性に基づいて異常フレームを検出することで、専門家特有の行動と文脈的意思決定シーンを自動抽出する手法を提案する。27のタスクシナリオを含む模擬配電盤保守実験において、行動候補の抽出率65%、意思決定シーン候補の抽出率61%を達成し、従来手法（59%と33%）を上回った。

GenDiffは、低線量CT再構成のための一般化可能な拡散フレームワークであり、連続的な放射線量と解剖学的情報を同時にモデル化し、複数の解剖部位と線量レベルで最先端のCNNおよび拡散手法を上回る。

TSCA-Netは3つの補完的モジュール（時空間クリーク注意、歩行者間クリークポテンシャル、適応KANグリッド精緻化）により混雑環境での歩行者軌道予測精度を大幅に向上させ、ETH/UCYおよびSDDベンチマークで最先端性能を達成した。

2つのハイブリッド継続学習手法（RA-EWCとCGKD）を提案し、絶滅危惧種のオーストラリア先住民言語の識別において、限られたデータで効果を発揮。Warlpiri、Dalabon、Dharawalで微調整や既存のCLベースラインを上回る性能を示した。

本論文は、言語モデルがキャラクターの信念と現実を区別する計算メカニズムを明らかにする。汎用的な価値スロットが帰属値を束縛し、クエリ位置のルーターが信念か現実かのフレームを選択する。スロットを満たす経路は直接主張と可視性ゲート付き推論の2つだが、分離は解離したルーティング部分空間のペアに依存する。

本論文は、反復的なプロンプト最適化の各コンポーネントがどう相互作用するかを調べるための制御された分析フレームワーク MAGE を提示し、「プロンプト最適化カップリング効果（POCE）」を明らかにする。閉ループ内で複数の確率的シグナルが作用すると、性能向上と分散増幅が同時に起こる。また、失敗に基づくリフレクションが不可欠であり、低データ領域では慎重に設計された固定プロンプトがすべてのリフレクティブ最適化器を上回ることを示す。

LLaMA 3（8B）をRAGパイプライン向けの代替リランカーとして微調整し、ドメイン固有のQAベンチマークでクロスエンコーダを上回りつつ、4ビット量子化で推論負荷を削減した研究。

研究者らは、影響関数と訓練軌跡を活用してサンプルをスコアリングし、離散最適輸送でプロトタイプを選択するテキストデータセット蒸留フレームワークTAKEを提案。0.1%（クラスあたり20サンプル）という極端な圧縮率でも、テキスト分類と自然言語推論タスクの下流精度を維持できることを示した。ECML-PKDD 2026に採択され、コードも公開されている。

UNLP 2026に採択されたarXiv論文は、弱教師あり学習と伝播グラフ分析を組み合わせたグラフベースのフレームワークを提案し、Telegramエコシステム内で意味的に関連する偽情報ナラティブを特定し、相互接続されたチャンネル間での拡散をモデル化する。この手法は、投稿レベルの分析では捉えにくい協調的なナラティブ増幅を検出でき、大規模メッセージング環境における偽情報検出のスケーラブルな方法を提供する。

韓国語と点字の双方向翻訳を対象とした研究は、最先端の多言語・指示チューニング済みLLMが、構造的制約が強くアクセシビリティ上重要な点字において一貫して低品質かつ不安定な出力を示すことを明らかにした。一方、同じデータで小規模モデルT5-smallを教師あり微調整すると、標準指標で大幅かつ安定した改善が得られた。

本研究では、原子力発電所におけるヒューマンファクター事象診断のためのCNNP九段階ガイドラインを多段階診断パイプラインとして実装したG-SHAREを提案する。証拠抽出、段階的推論、一貫性修復で構成され、実データで評価した結果、ワンショットプロンプトや従来の機械学習を大幅に上回る性能を示した。

研究チームは、医療診断や金融アドバイスといった専門領域で大規模言語モデルが正確で文脈に即し、ユーザーの意図に沿った回答を提供できるかを評価する専門家作成のデータセットCANDI-QAを公開し、神経検索とルールベース推論を組み合わせた軽量なニューロシンボリック基盤MTSS-Netとともに、ニッチ領域における文脈アライメントの難しさを示した。

研究者らは最大40億パラメータのデコーダのみのモデルを1兆個の時系列フィルタ済みトークンで訓練し、2013年から2024年までの月次チェックポイントを構築。ポイントインタイムモデルと無制約モデルの性能差を大幅に縮小し、完全なパイプラインを公開した。

本論文は、成分リスクの線形結合により不偏リスク推定量を構成する汎用的な分布非依存の半教師あり学習フレームワークを提案し、PNU学習を包含しつつ多クラス分類へ拡張する。達成可能な最小分散を導出し、分散削減と汎化性能を結びつける汎化界を示したうえで、実用的なSSL手法を二つ提案している。

本論文は、PyBaMMのDFN/P2D電気化学モデルで生成したサイクル単位のリチウムイオン電池劣化データをVAEで2次元潜在空間に符号化し、サイクル数とCレートを入力とするスパース多タスクガウス過程で未見の充電レートにおける劣化軌跡を事後不確実性付きで補間するBattVAE-GPフレームワークを提案する。

6つのKVキャッシュ圧縮手法に対するマッチドバジェット監査により、クエリ可視性がパフォーマンスランキングを大きく変えることが判明。クエリ非依存プロトコル（圧縮後に再利用）では、KeyDiffのみが単純ベースラインを一貫して上回り、SnapKVなどの一般的な手法は「先頭と最近のウィンドウを保持」という単純な戦略に劣る。

CARE-LoRAは、LoRAの低ランク投影構造を利用して完全な入力アクティベーションを低ランク圧縮アクティベーションに置き換え、順伝播中に軽量な再構築行列を計算して逆伝播時に勾配信号を再構築するデータ認識型の圧縮アクティベーション再構築フレームワークである。LoRA行列を完全に学習可能に保ちながらメモリフットプリントを大幅に削減し、標準LoRAや代表的な変種と同等以上の性能を達成する。

Afonso S. Bandeira、Amit Singer、Thomas Strohmerによる新刊『データサイエンスの数学的基礎』は、高次元の呪いと祝福、特異値分解、線形回帰、グラフ理論、クラスタリング、非線形次元削減、ランダム射影、最適化、分類、深層学習、グラフラプラシアン、集中不等式、圧縮センシングなど、データサイエンスの数学的基盤を16章にわたって解説している。

本論文は、有限の反射予算下で検証済み継続の多様性と確率を測定する実行可能パスエントロピー（VPE）を提案し、GSM8K上のQwen2.5モデル実験でその有効性を示した。ミラーホライズンはパラメータ数ではなく、到達可能な検証済み継続能力であることを明らかにした。

本論文は、対数エンコーディングと改良型Dürr-Høyer探索を組み合わせることで、超次元計算（HDC）の分解に必要な量子ビット数をO(D)からO(log D)に削減しつつ、O(√(N^F))の探索複雑度を維持する量子効率的なフレームワークを提案する。実験では、明示的なD量子ビット表現のベースラインと比較して最大2,000倍の量子ビット削減を達成した。