研究者らは、スモールワールドネットワークと交通流理論を統合した統一フレームワークSWIFTを提案する。これは、スモールワールド相互作用ネットワークと交通流状態エンコーダを介して構造的帰納バイアスを導入し、nuScenes、MoCAD、NGSIMデータセットでベースラインを上回り、優れた一般化とロバスト性を示す。

再使用型ロケットのロバスト軌道最適化のための新しい微分可能物理フレームワークが提案され、アクチュエータ飽和制約を統合した微分可能粒子チューブ制御（DPTC）スキームが導入されました。モンテカルロシミュレーションにより、性能トレードオフを積極的に管理することで、従来手法よりもロバスト性が向上することが示されました。

DecisionPerceiverアーキテクチャを提案。動的エージェント特徴を固定サイズ潜在空間に投影し、潜在クエリ数で粒度を調整、スケーラビリティを向上。3つの運転シナリオで評価し、一貫した性能向上と汎化を実証。

本論文は、非構造環境で動作するロボットマニピュレータ向けに、リアルタイム環境認識、中央調整モジュール、適応的運動計画を組み合わせたフレームワークを提案し、Gazebo Classic上での評価で動的状況における堅牢性を示した。

EgoSteerは、一人称視点の人間動画から器用なVLAの事前学習を9.6K時間に拡大し、データ効率の高い実機後学習を可能にするフルスタックシステムである。EgoSmithデータパイプライン、統合ロボットスタック、世界モデル強化VLAを統合し、40以上のタスクで自由形式の指示を堅牢に実行し、2つの実施形態で75%以上の成功率で長期的タスクに少数ショット適応する。

本論文は拡散反転の品質とコストのトレードオフを研究し、要素ごとの圧縮非対称性と軌道・スコア結合の二つのメカニズムを明らかにする。訓練不要のNARCを提案し、単一のint8潜在アンカーを保存することで、PIE-Bench++上でPnP DirectInvよりPSNRを+3.24 dB改善し、ストレージを約400倍削減する。

ECCV 2026で採択された論文は、スマートフォンやスマートウォッチなどのコンシューマーデバイスの任意の組み合わせで全身動作を再構築する新しいウェアラブルモーションキャプチャ手法を提案し、WHIPモデルと50種類のアクティビティをカバーする大規模マルチモーダルデータセットを導入し、センサーの相補性を系統的に研究しています。

本論文は、SAR自動目標認識のための一般化深層非負値行列因子分解（G-DNMF）を提案する。既存のDNMFが採用する層ごとの分解戦略を放棄し、ラグランジュ乗数法で導出した更新規則により大域的最適性を目指すことで、誤差蓄積と局所最適を緩和する。MSTARおよびOpenSARshipデータセットでの実験により、G-DNMFは既存のDNMFアルゴリズムとその派生手法と比較して安定性と認識性能が向上し、多層特徴の解釈性も高まることが示された。

Time Imprint は時間をエンティティレベルのモダリティとして扱い、時間・テキスト・視覚表現を三視点の対照学習で整列させる。さらにタイムスタンプの部分集合選択とアテンションプーリングにより複数タイムスタンプの曖昧性を緩和し、3つのマルチモーダル知識グラフベンチマークでリンク予測の最先端性能を達成した。

本論文は、9コアRISC-VプロセッサGAP8とQVGA超低消費電力グレースケールイメージセンサを用いた、MCUベースのエッジデバイスによる自動ナンバープレート認識（ALPR）の初の実証を示す。SSDlite-MobilenetV2による検出とLPRNetによる文字認識を組み合わせ、公開データセットで38.9% mAPと99.13%超の認識率を達成。687 MMACの推論を1.09 FPS、117 mWで実行し、Raspberry Pi3ベースのモバイルALPRシステムに比べて73倍のエネルギー効率を実現。ハードワイヤードアクセラレータを使用せず、将来のアルゴリズム改善に対する柔軟性を保持する。

本論文では、エンジニアリング制約とユーザ意図をDFFDベースの変形オペレータの定量化可能なパラメータに変換する知識制約付き形状最適化フレームワークを提案し、異種空力データセット上での抗力予測と傾向一貫性を向上させる混合エキスパートニューラルオペレータ（MoE-NO）を開発した。MoE-NOエンコーダとマハラノビス距離に基づく不確実性推定戦略により、分布外形状を検出し、物理ソルバフィードバックを選択的にトリガーする。MPV、SUV、セダンの社内データセットでは、MoE-NOのテストセットMAPEは1.16%、傾向予測精度は94.34%であり、最良ベースラインを上回った。車両形状最適化実験では、CFD検証済みの抗力係数低減が約4%から10%得られた。

ReflectWorld-MMは、アシスタントがオープンエンドのビデオストリームを継続的に処理し記憶するための新しいAIシステムで、フレームではなく永続的なエンティティを中心にメモリを編成することで、6つのベンチマークで最先端の結果を達成しました。

RSLoRAは、トレーニングや勾配を必要としないランク割り当て手法を提案する。仮想的な表現プロービングと活性化空間の幾何学を用いて高感度モジュールを特定し、より高いランクを割り当てる。主流のベンチマークでAdaLoRAやGoRAなどの最先端手法を上回る性能を示す。

本論文は、広視野カルシウムイメージングのための初のマルチ被験者基盤モデルWiCATを提案する。WiCATはセッション固有の要素を含まないアトラスに基づくトークン化スキームを採用し、グローバルに共有された時空間表現を学習する。これにより、被験者、タスク、データセット間の転移が可能になり、未見の被験者に対するゼロショット連続行動デコーディングと左出脳領域再構成も実現する。

研究者らはDUNEを提案。これは、深層潜在変数の初期段階における急激な変動を検出・抑制することでアーティファクトと幻覚を低減し、U-NetおよびTransformerバックボーンの両方で忠実度を向上させる学習不要のフレームワークである。

新しい研究が、日本語で推論する言語モデルのトレーニングの実現可能性を調査した。研究者らはQwen-3-Swallow-8BをベースにGRPOを用いて日本語推論バリアントを開発し、コーディング、数学、科学のベンチマークで評価した。結果として、推論言語の制御は可能であるものの、性能は強力な英語推論ベースラインと同等かそれ以下であり、日本語文化ベンチマークではベースラインを下回ることが示された。これは、日本語での推論が文化関連タスクの性能を自動的に向上させるわけではないことを示唆している。

研究チームは、シンガポールのホームチーム向けにオープンソースの音声言語モデルを適応させた。LoRA微調整、代替テキストQAデータセット、マルチタスク目的を組み合わせ、50万件以上の多言語QAデータセットを構築。得られた5Bモデルは、ほとんどのタスクで最大7倍の規模のSLMに匹敵または上回り、元の音声QA能力の損失は2%未満に抑えられた。

研究者らはFindMyTextを発表しました。これは、与えられたテキストがコーパス内に部分的または完全に含まれているかを効率的に評価するオープンソースのPythonパッケージです。新しいフィンガープリントチェーン機構により、単なるテキスト類似性ではなく、ほぼ逐語的なコピーを確実に検出し、著作権素材の検証に特に適しています。分散ディスクベースのインデックスフレームワークを活用し、大規模なWebクロールデータセットにスケールし、ArXiv論文、Wikipedia、一般的なWebコンテンツの3つのデータセットで代替手法を上回る性能を示しました。

最新の研究により、タスク精度が維持されている場合でも、学習後量子化が大規模言語モデルの推論方法を静かに変化させることが明らかになりました。6カテゴリの故障分類法を用いて30,000件の思考連鎖出力を分析した結果、NF4量子化下で「ホローコンバージェンス」がモデルサイズに依存して変化し、「ショートカット崩壊」と「確信雪だるま式増加」が質的に転換することが判明しました。ホローコンバージェンスは表面テキスト特徴からは信頼性高く検出できず、F1スコアは0.53にとどまりました。

本論文は、短い入力・短い出力、バッチサイズ1の推論、低遅延、プライバシー制約という条件下で、台湾向けのオンデバイス英語→繁体字中国語字幕翻訳を検討する。LMT-60-0.6B を起点に、151k トークンの語彙を 64k トークンの字幕ドメイン向けトークナイザに置き換え、埋め込み空間を移行したうえで、埋め込みキャリブレーションと全パラメータの教師あり微調整により適応させる。OpenSubtitles2024 テストセットの固定 500 例サブセットにおいて、GPT-4o によるペアワイズ評価で LocalSubs は Google Translate に対して引き分け除外勝率 59.2% を達成した。また Apple M2 Metal 上での予備測定では、64k 語彙モデルが 151k 語彙のプロファイリングベースライン比で約 1.63 倍高速化したが、ベンチマーク設定が不完全なため遅延結果は予備的なものとされている。

大規模言語モデル（LLM）が生成する臨床試験要約の信頼性を評価する新しいベンチマークフレームワークが提案された。ClinicalTrials.govから抽出した200件の試験を用い、3つのステークホルダー向けに6次元の忠実度アノテーションスキーマで評価。'根拠のない主張'が主要な失敗モードであることが判明し、知識グラフ拡張検索システムにより忠実度スコアが統計的に有意に向上した。

本論文は、専門家が設計したコンテキストエンジニアリングと、過去の取引から得られた事後推論トレースによるファインチューニングを組み合わせた、合併アービトラージ予測のための言語モデルシステムを提案する。42カ国にわたる400件以上の大型取引のアウトオブサンプルセットで、クラスバランスBrierスコア0.151を達成し、市場が示唆する確率、XGBoost、最先端の言語モデルを上回る性能を示した。

Bilibili が Index-1.9B シリーズのオープン小型言語モデルを公開。ベースモデル、対照モデル、チャットモデル、ロールプレイモデルを含み、ベンチマークで優れた性能を示す。

CLIR-Benchは、不規則な臨床時系列上での質問応答におけるモデルの性能を評価するためのベンチマークです。匿名化されたICU記録から原則的な4段階パイプラインを通じて構築され、11の臨床変数をカバーする6,600のQAインスタンスからなり、4つの能力次元と11のタスクに編成されています。実験では、既存の汎用モデルが疎な臨床証拠の検索と推論に苦戦することが示され、不規則時系列推論手法の強化が求められています。

本論文は、同じ系統の初期チェックポイントを参照として用いることで、後続の学生モデルがどの教師モデルから蒸留されたかをほぼ完璧な精度で特定し、蒸留を検出する手法を提案する。o1/o3モデルに特有の字形レベルの信号を発見し、オープンワールド設定にも拡張している。

SWE-bench Verified 上で定位と編集を分離した事前登録研究は、コーディングエージェントが必要とするコンテキストが極めて最小限であることを示した。編集対象コードのソース表現が本質的で、自然言語要約はほとんど行動的問いに答えられず、周囲のファイルコンテキストの影響はごくわずか、圧縮コンテキストは3分の1のトークンで全ファイルと同等の性能を達成する。また温度0のAPI推論で約9%の結果反転ノイズフロアがあることも報告している。

本論文は、トンプソンサンプリングと並列自己回避歩行を組み合わせたハイブリッド探索フレームワークを提案し、低自己相関バイナリシーケンス（LABS）問題における計算資源を適応的に割り当てます。この手法はマルチアームバンディットとしてモデル化され、有望な探索空間パーティションを動的に優先し、35のシーケンス長で新たな最良結果を達成し、メリットファクターが8.0を超える最長シーケンスを報告しています。

MawForgeは、完全なMoEモデルをディスクに保存し、ルーティングされたエキスパートテンソルをオンデマンドで有限の実行キャッシュに実体化することで、ユニファイドメモリが制約されたマシン上でのローカルMoE推論を実現するシステム手法を提案する。研究では、MawForgeは有界実行メカニズムおよび測定基盤として有効であるが、キャッシュ最大化ポリシーではないと結論付けている。性能は、エキスパートの再利用、常駐フットプリント、KVキャッシュサイズ、量子化、ルート局所性、macOSのメモリプレッシャーのバランスに依存する。

新しい研究では、マクロ経済予測をストレステストとして使用し、23カ国の疎な年次データを用いて5つのモデルファミリー（ARIMA、LSTM、NODE、PINN、UDE）を評価しました。結果、一貫して優れた予測性能を達成したモデルはありませんでしたが、制約の少ないモデル（ARIMA、NODE）が、より制約の強いヒューリスティック事前知識モデル（PINN、UDE）を一貫して上回りました。研究は、構造的事前知識がデータ生成プロセスと一致しない場合に誤った正則化子として機能し得ることを指摘し、事前知識の不一致、体制シフト、構造変化、最適化の不安定性などの失敗モードを特定しています。

本研究は、統計的検証手法を用いてTurbo-QuantとSpectralQuantのKVキャッシュ圧縮を体系的に比較し、コーデックの系統的差異と実装分散を分離する。主な発見として、固有基底ベースの手法は重尾データでは共分散の不安定性により失敗するが、構造化された領域では優れた性能を示し、有効意味次元（d_eff）は真のデータランクではなくキャリブレーション予算に適応することが明らかになった。