本論文は低コストな人間とLLMの協働アノテーションフレームワークを提案し、欧州とラテンアメリカの複数のスペイン語圏を対象とするスペイン語ステレオタイプデータセットEspanStereoを構築した。評価ではスペイン語対応LLMのステレオタイプ挙動が国ごとに大きく異なることが示された。

本論文は、バレンホルツの自己生成言語理論がハリース統合主義を強化し、記号の将来的開放性、言語と非言語的記号活動の連続性、統合のアーカイブに関する構造的メカニズムを提供することを論じる。自然言語処理と大規模言語モデルの設計に洞察を与え、統計的構造の本質と限界を明らかにする。

DeepSearch-Worldは、決定論的で検証可能な検索環境であり、42万件のマルチホップQAタスクを含む。この環境上に構築された自己蒸留フレームワークDeepSearch-Evolveは、エージェントが自身の軌跡を反復的に生成・フィルタリング・微調整することで改善を続ける。より強力なモデルからの蒸留なしに、9BパラメータのDeepSearch-World-9BはBrowseCompで31.2%、GAIAで61.5%、HotpotQAで93.4%を達成し、検証可能な環境が長期的なウェブエージェントのスケーラブルな自己進化を可能にすることを示した。

本ポジションペーパーは、AI for Mathematics（AI4Math）分野の最近の進展、特に大規模言語モデル（LLM）駆動の定理証明器による形式証明生成の成功を概観する。しかし、既存システムは新定理の発見や未解決予想の解決など、未定義で抽象度の高い最前線の研究数学には根本的に対応できない。著者らは、AI4Mathシステムを所定の問題ソルバーから厳密な形式数学的推論が可能な研究エージェントへと転換する必要性を主張し、データセット、関係構造、数学的探索、ツールエコシステム、人間-AI協調における核心的限界を特定し、将来の戦略的ロードマップを示す。

本論文は、KaggleのTwitterデータセットを用いて、ロジスティック回帰、ランダムフォレスト、ナイーブベイズ、勾配ブースティング、LSTMを感情分類で比較した。LSTMモデルはテスト精度80%、マイクロ平均ROC-AUC 0.92を達成し、従来の機械学習手法を上回った。

本研究では、自動的に大域リプシッツ定数を調整することで、精度とロバスト性のバランスを保ちつつキャリブレーションされたニューラルネットワークを実現する新しい学習パラダイムLiSTを提案する。リプシッツ制約とTemperature Scalingの理論的関連を明らかにし、キャリブレーションを基準として最適動作点を選択する。CIFAR-10/100およびTiny-ImageNetでの実験により、キャリブレーションを維持しながら既存手法と同等の精度とロバスト性を示した。

本論文では、局所更新ルールを用いてニューラルネットワークの重みを自己組織化するMeta Neural Cellular Automata (MetaNCA) フレームワークを提案。逆伝播なしに多様なアーキテクチャの重みを生成し、未見のアーキテクチャにも汎化できる。

Jet-Longは、動的二焦点RoPEを使用して大規模言語モデルのコンテキストウィンドウを拡張する、チューニング不要のゼロショット手法を提案する。シーケンス長に応じてリスケーリング係数を適応させ、複数のベンチマークで高い効率と強力な性能を達成する。

SHIFTは、マスク付き自己注意機構と特徴利用可能性マスクを用いて、テスト時の補完なしに不完全なゲノム入力から直接予測する欠損認識生存モデルです。トレーニング中に可変レートの特徴マスキングを導入し、異質な欠損パターンに対するロバスト性を向上させます。膠芽腫と肺扁平上皮癌の複数コホートで評価した結果、SHIFTは強力な一般化を示し、標準的な生存ベースラインや補完ベースの手法を上回り、精密腫瘍学における多施設生存予測のための実用的な戦略として欠損認識モデリングを支持します。

長文脈言語モデルにおけるブロックスパース注意機構の固定 top-k 打ち切りは、スコアが拮抗したブロックを見落とす問題がある。本稿では、クエリごとの不確実性に基づき保持ブロック数を動的に増やすルーターを提案し、再現率を大幅に向上させる。

Omni-Sleepは、中枢神経系（CNS）と自律神経系（ANS）の生理学的区分を事前知識として利用し、トポロジー制約付きの表現学習を行う睡眠基盤モデルである。10万時間以上の多施設・マルチモーダルPSGデータで事前学習され、睡眠ステージ分類と多疾患分類において強力な基盤モデルベースラインを上回り、ラベル効率、データセット間汎化、欠損モダリティへの堅牢性を向上させている。

ReCoLoRAフレームワークは、低ランクアダプタを再帰的に統合することで、継続的ファインチューニングにおける破滅的忘却に対処する。6タスクのGLUEシーケンスにおいて、4つの7-8Bバックボーンのうち3つでLoRA、PiSSA、AdaLoRA、DoRAを上回り、パラメータ数も少ない。

線形グローバルアテンションと局所空間ミキシングを組み合わせた新しいニューラルオペレーターアーキテクチャであるLocal Linear Transformer（LLT）を紹介。標準的なアテンションのPDE応用における二次スケーリングと局所バイアスの欠如を解決。弾性、塑性、翼型流など複数のPDE問題で競争力のある誤差を達成し、Transolverと比較してトレーニング速度が1.8～2.5倍向上。

胸部X線（CXR）分類では、許容可能なランキング性能でも、特にサブグループ内で閾値以下の希少陽性患者が見逃される可能性がある。診断ラダー手法を用い、グループテール重み付けと閾値調整によりテール偽陰性率が0.665から0.269に低下したが、残存見逃し率は依然として高い。公平性は所見、サブグループ、動作閾値に共同で依存する。

本論文は、時間グラフネットワーク（TGN）の説明手法として、トポロジー帰属木と記憶バックトラッキング木を組み合わせたアプローチを提案する。従来見落とされていた記憶モジュールを帰属の対象に含め、LRPを用いてイベントの総寄与がモデルのロジットと一致することを保証し、9つの時間グラフデータセットで忠実な説明と既存手法を上回る性能を示した。

本論文では、保険引受プロセスにおけるAIアーキテクチャの評価を行い、単一LLM、ナイーブRAG、マルチエージェントのAgentic RAGの3つのパイプラインを比較。結果、マルチエージェントシステムが多段階推論や情報不足のシナリオで最も優れた性能を示した。

研究者らは前腕の筋活動パターンをグラフネットワークとして表現し、グラフニューラルネットワークによるリアルタイム手ジェスチャ認識手法を提案した。8電極のMyoBandを用いた8名の健康被験者のsEMG信号で評価し、平均分類精度99%を達成。M1 Pro CPU上でグラフ構築と予測の合計が平均48msであり、リアルタイム応用に適する。

VectorizationLLMは、GoogleのオープンウェイトLLMを基にした専門的な大規模言語モデルで、MATLABにおけるスマートベクトル化、時間/波形ベクトル解析、区分関数、フーリエ解析、微分方程式の学習を支援するために設計されました。ニューヨーク工科大学オールドウェストベリー校の電気・コンピュータ工学科のコースCTEC 247向けに適用され、RAG知識ベースとシステムプロンプトアーキテクチャを採用し、直接的な答えを提供せずにコード、テキスト、画像の例を含む詳細な説明を提供します。

Infinity-Parser2は、制御可能なデータ合成パイプラインとマルチタスク強化学習を組み合わせた大規模マルチモーダルモデルであり、文書解析におけるアノテーションデータ不足を解消します。500万サンプルのバイリンガルコーパスInfinity-Doc2-5Mをオープンソース化し、8つのタスクを統合する連合強化学習フレームワークを提案。Flash版は低レイテンシ、Pro版は複数のベンチマークでSOTAを達成しました。

新しい論文が「イディオバイオニクス」という学際的研究分野を提唱し、インテリジェント義肢におけるプライバシーリスクを体系的に調査する。センサーとAIの進歩によりバイオニックリムはより賢くなるが、新たな攻撃ベクトルも導入する。論文は分野を定義し、潜在的な敵対的攻撃を示し、未解決の研究課題を整理して、ウェアラブルロボティクスの発展に貢献する。

大規模言語モデルはメンタルヘルス支援において重要な役割を果たすが、注意力経済の影響により、効果的な心理的サポートよりもユーザーエンゲージメントを優先する傾向がある。本論文は、価値指定、訓練、監視の3レベルからなるアライメントフレームワークを提案し、「アライメント・プラウシビリティ」を生物学的プラウシビリティに類似した規制概念として導入し、AIシステムが安全で有益な健康結果と整合していることを実証する。

本サーベイは、医療推論のための大規模言語モデル（LLM）の最近の進歩を概観し、臨床実践（Millerのピラミッドに基づく5レベル能力スキーム）と計算論的推論パターン（演繹・帰納・アブダクション）を結びつける二重視点フレームワークを提案する。5レベルにわたるベンチマークデータセットを導入し、18モデルを評価した結果、医療特化モデルは診断タスクに優れ、汎用モデルは意思決定支援と対話でリードすることが示された。データ制限、幻覚、グラウンディングなどの課題が議論されている。

密集な対話的コミュニケーション環境において、公的な主張が証言、推論、制度的認定、暗黙の信頼によって支えられている状況での、情報の歪曲や捏造を分析する敵対的社会認識論（ASE）を提案。従来のエコーチェンバーや誤情報拡散の概念では不十分であるとし、信頼の悪用を監査・是正するメカニズムを概説。

研究者らは、GTAP経済モデルとAPSIM生物物理モデルを統合したAI駆動型ツールを開発し、サプライチェーンショックを分析することで、政策立案者や市場参加者が自然言語によるクエリと応答を通じて学際的な影響を評価できるようにした。

本論文は、コンテキストグラフとデルタ検出エンジン、プロアクティビティスコアラー、LLM搭載のサーフェシング層を提案し、企業エージェントを受動的から能動的へと転換する。3つのケーススタディでPrecision@5が0.83、誤検知率0.11、平均提示時間を47分から30秒未満に短縮した。

YAGNIは、AIエージェントチームを人間のように管理できるプラットフォームです。協調作業の効率を高めます。

Verlaは学生向けの無料AIツールで、ライティング、プレゼンテーション、コーディング、AI検出、ヒューマナイズを統合。ルーブリックや講義ノートなどをアップロードして高品質なドラフトを生成し、実際の引用と盗用チェックを提供します。

Instagramは新機能「Muse AI」で全公開アカウントの写真をAI画像生成に自動利用。オプトアウトは手動で行う必要あり。

TensorSharpは、GGUFモデル向けの.NET 10ベースのローカルLLM推論エンジンで、コマンドラインツール、ブラウザチャットサーバー、OllamaおよびOpenAI互換のAPIを提供します。プライバシー、トークン単位の料金なし、多様なハードウェアバックエンドを強調しています。クイックスタートガイドとllama.cppとのベンチマーク比較も含まれています。

Canvaは、生成AIを信頼性のある編集可能なワークフローに統合し、IP補償を提供することで、エンタープライズの懸念に対処。AffinityスイートでClaudeを活用し、手作業を自動化してデザイナーが戦略に集中できるようにする。