本論文は、フローマッチングベースの視覚-言語-行動（VLA）モデルに対し、ノイズ除去過程中に最小ノルム制約最適化問題を解くことで予測的な衝突回避を実現する神経記号的 safety guidance 機構を提案する。SafeLIBERO ベンチマークでは衝突回避率82.8%、タスク成功率81.6%を達成し、単一ステップ手法と比較してそれぞれ6.3%、19.8%改善、特に長期的タスクで最大の効果を示した。

本論文はROS 2ミドルウェア（DDSやZenohなど）のアーキテクチャ限界を空間・時間・状態の3次元で分析する枠組みを提案し、無線制約環境下で空間抽象がネットワーク変動を隠蔽し時間保証を弱める一方、状態継続性が計算・ネットワークオーバーヘッドを生み時間重視の通信と競合する構造的トレードオフを明らかにする。

本論文は、Vision-Language Model（VLM）を用いて陪伴位置の推論、社会的距離の維持、群集ダイナミクスの理解を行う社交ロボット向けの適応的群集同伴手法を提案し、Model Predictive Path Integral（MPPI）コントローラと組み合わせて安定性と安全性を確保する。

WaveLanderは、波浪で擾乱される海洋プラットフォームへのUAVの自律着陸のための階層型強化学習フレームワークである。垂直着陸の決定と低レベル飛行安定化を分離し、RLポリシーがスカラー垂直速度参照を出力、従来のコントローラが姿勢と横方向追従を維持する。シミュレーションで堅牢な着陸性能と未知の擾乱への汎化を示した。

研究チームは、仮想現実（VR）および拡張現実（AR）環境において、ユーザーが空中で自然に署名するだけで認証できる「Sign in the Air to Unlock」インターフェースを提案。ポイントボクセルクロスアテンションネットワーク（PV-Net）を採用し、従来のパスワードや専用センサーを必要とせず、没入感を保ちながら安全な認証を実現。DeepAirSigデータセットで2.5%の等誤り率、Meta Quest 2で収集したImmAirSigデータセットで76%の分類精度を達成した。

グラフベース概念ボトルネックモデルG-CBMを提案。教師なし概念発見とグラフ注意ネットワークにより内在的解釈可能性を実現し、複数のベンチマークでAUCを向上。

本研究では、YOLOv10コンピュータビジョンフレームワークを適用し、カメラトラップ映像からブラウンハウラーモンキー（Alouatta guariba）を自動検出することで、キャノピーブリッジの利用状況を監視し、保全担当者が偽陽性画像の確認に費やす時間を削減することを目指す。

博士論文は、目標識別、堅牢な適応、幾何学的推論を強化する一連の手法を提案し、機械視覚追跡と人間の視覚知覚の差を縮めることを目指す。

研究者らは、マルチ被写体のパーソナライズ画像生成における被写体の欠落や外観の不一致、インタラクションの誤りに対処するため、ベンチマーク（MIB）と評価器（MIE）からなる統合フレームワークMIBEを提案した。

MapDreamerは、1枚の航空画像から直接、明示的なトポロジーを持つ車線レベルのベクトル地図を合成する生成拡散モデルです。変分オートエンコーダで車線中心線とトポロジー関係のコンパクトな潜在表現を学習し、トランスフォーマーベースの潜在拡散モデルでグラフを予測します。各ノイズ除去ステップでクロスアテンションを介して航空特徴を条件付け、さらに車線数の変動に対処するための車線カーディナリティモジュールとゴースト潜在変数を導入。スライディングウィンドウによる大域グラフ集約戦略で局所タイルを都市規模の地図に結合します。Argoverse 2由来のUrbanLaneGraphでの実験では、非生成ベースラインを上回る幾何学的・トポロジー的忠実度を示しました。

本論文では、入力認識可能な拡張可能エキスパートモジュールを提案し、類似した外観の人物を識別するための細粒度特徴抽出を強化。入力認識エキスパート選択と時空間選択の2つのメカニズムにより、大規模データセットで優れた性能を示す。

KathaTraceは、ビジュアルナラティブにおけるセマンティック軌道崩壊（シーン間の意味的つながりの喪失）を診断するためのジェネレーター非依存のプロトコルです。研究者は、古典的なコレクションからの5000のナラティブを含むKathaBench-25Kデータセットを構築し、セマンティック軌道ギャップ（STG）指標を定義しました。実験では、最先端のジェネレーターでSTGが23.5±1.3と大きいことが示されました。また、Semantic Compassというポスト生成修復手法も提案されています。

CPG-PADは、視覚言語モデルのプロンプト学習にモデルレベルの概念ガイダンスを導入するフレームワークである。説明可能AIを用いて提示攻撃検出（PAD）に関連する視覚概念を自動発見し、概念対応ヒートマップを生成したうえで、視覚プロンプトデコーダと概念マッピング損失を通じて概念をプロンプト空間に注入する。9つのベンチマークデータセットにおいて、マルチソース、限定ソース、単一ソースの各設定で最先端のクロスドメイン性能を示し、IEEE TIFSに採録された。

AnchorSplatは、3D構造に直接作用する新しい3Dネイティブなリファインメントパラダイムであり、従来のパイプラインの高価な最適化オーバーヘッドを回避します。ポイントアンカー機構により幾何的一貫性を強制し、反復的な高密度化をシングルパス乗算に置き換え、元の多視点画像を必要としません。実験では、最適化手法よりも10^5倍高速なスループットと、ロバストなゼロショット汎化を示しています。

TurnNatは、因果的ターンテイキング予測モデルで将来の音声活動状態を推定し、その負の対数尤度を測ることで、二者間音声対話のターンテイキング自然性を自動評価する枠組みである。異なる種類のタイミング異常を識別できる。

RuleChefは、テキスト分類、固有表現抽出（NER）、関係抽出などのNLPタスク向けに、大規模言語モデル（LLM）を用いて実行可能なルールを生成するフレームワークです。タスク説明とラベル付き例からルールを生成し、追加例と人間のフィードバックに基づいて反復的に改善することで、高速で決定論的かつ検査可能なルールシステムを実現します。LLMは学習時のみ使用され、Apache 2.0の下でオープンソースとして公開されています。

研究者らは、Word、Excel、PowerPointのネイティブファイル形式に対するLLMの理解度を統合評価する初の公開ベンチマーク「Office Comprehension Bench（OCB）」を発表した。OCBはファイル忠実度Q&AとドメインQ&Aの2トラックで構成される。デフォルト推論モードで最強のフロンティアシステムでもドメインQ&Aの正答率は約59.3%にとどまり、思考深度を増やしても性能は大きく変わらず、上位製品ティアに移行しても限定的な改善しか得られないことが示された。

本論文はRAGPを提案し、プロンプト圧縮を多重グラフ上の冗長性認識グラフ枝刈りとして定式化し、Lévyウォークで密な局所部分グラフと疎な大域接続を効率的に探索する。LongBenchで4倍圧縮時に49.3を記録し、3倍圧縮のLongLLMLinguaの48.8を上回った。

この論文は、カウントベースのF1がプロンプトフレーミングによって人為的に膨らむ可能性があり、スパン位置特定が改善しないギャップをF1インフレーションと定義し、ErrorBenchプロトコルを導入します。実験では、アンカープロンプトが最大0.79のF1インフレーションを引き起こすことが示されました。評価では事前設定されたエラーカウントを避け、スパン認識指標を報告することを推奨しています。

新たなarXiv論文は、BPEトークン化が安全上重要な語をサブワード片に断片化し、そのような入力が調査した3つの公開アラインメントデータセットに存在しないと指摘する。断片化を狙う最適化は拒否済みHarmBenchプロンプトの80〜100%で最初のトークンの拒否トリガーを反転させ、その48%が実際に有害な出力を生んだ。68セル・55チェックポイントの検証では、ASRを安定的に閉じるDPO構成はなかった。

本論文では、SPARCLEという話者認識型の文字表現モデルを提案する。これは対照学習を用いて、文字を対応するWav2Vec2音響表現と話者IDを条件として整列させる。低リソース環境では、従来の文字ベースモデルと比較して単語誤り率を半減させる。

Karaはデコード時に直近のコンテキストのみを対象にKVキャッシュを圧縮するスライディングウィンドウ方式で、双方向アテンションでKVペアを評価・選択し、Token2Chunkモジュールで柔軟な意味チャンクを保持する。PagedAttentionに適応したvLLMベースのKvLLMフレームワークにより、KVキャッシュメモリを削減し出力スループットを向上させ、実験で一貫した性能改善を示す。

本論文は、LLMエージェントのツール呼び出しにおけるミスアライメントを検出するための、プロベナンスに基づく概念フレームワークを提案する。研究者らは、ツール実行前に3種類のミスアライメントを分析する多段階パイプラインProvenanceGuardを開発した。Agent-SafetyBenchとWorkBenchで10のバックボーンLLMを用いた評価では、エラー率をそれぞれ42.9%から1.8%、32.1%から17.3%に低減し、タスク成功軌跡への介入負担を30.5%から12.8%に削減した。

TokenScopeは、デコーダベースの大規模言語モデル向けの対話型解釈可能性ツールであり、コード生成中のトークン単位の指標、注意パターン、構造情報を可視化し、トークン置換、反事実分岐、抽象構文木に基づくコード認識集約を可能にする。

本研究は、鉄道踏切の画像から視覚的手がかりを活用し、公式事故報告書などの構造化データを導入することで、安全性を堅牢に推定できるかを探る。著者らは、ルーティングされた微調整済みのコンパクトなVLMパイプラインを用いた概念実証パイプラインを提案し、高リスクと低リスクの踏切をマクロF1スコア0.757で識別し、FRAベースの安全スコアをRMSE 0.078、相関0.492で推定した。定性的結果は領域専門家の評価と一致している。

新しい攻撃手法NightVisionは、APIが単一のlogitのみを返しlogitバイアスを許可しない制限下でも、大規模言語モデルの隠れ次元、深さ、パラメータ数を低い誤差率で推定できる。

Zhilin Zhao によるモノグラフ「近似から創発へ：深層学習の理論」は、近似・最適化・汎化の古典的基礎から、過剰パラメータ化、ロバスト性、生成モデリング、Transformer、文脈内学習、スケーリング則、解釈可能性、アラインメント、創発といった現代のメカニズムまでを統一的かつ証明指向で論じる。研究者、大学院生、数学的素養を持つ実務者に向けて、現在の深層学習理論の厳密な地図を提供することを目指す。

研究者らは、スパースランダムプロジェクションと多項ロジスティック回帰を組み合わせた機械学習手法を提案し、DNAメチル化データから中枢神経系腫瘍を分類する。基準コホートで96%の精度、独立臨床コホートで86%（91クラス）および93%（ファミリーレベル）を達成し、従来技術を4〜5パーセントポイント上回った。

IonSense-QKGは、公開リチウムイオンバッテリーデータセットに量子関連メタデータを付加し、量子レディネススコアを導入することで、ハイブリッド量子古典機械学習に適したデータセットの選択を支援します。フレームワークはクエリベースの発見を可能にし、データ中心の量子バッテリー分析の再現可能な基盤を提供します。

新しいarXiv論文が、マルチプローブグリッドアルゴリズムのデータセットサイズNと次元dに対するスケーリング特性を系統的に分析し、GloVe埋め込みにおいてこれまで報告されていなかった次元スケーリングのクロスオーバーを明らかにするとともに、効率的なTransformerアーキテクチャのコスト分析への示唆を議論している。