本論文は、オンライン方策蒸留（OPD）向けの能力認識型監督手法 SEAD を提案する。教師と生徒の結合エントロピーを用いて、トークン・訓練段階・プロンプトの3つの尺度で非効率な監督を検出し、トークン分割、KL アニーリング、難易度カリキュラムを適用する。OLMo-3 では、標準的な OPD と比べて平均精度が 4.8 ポイント向上した。

新しい研究は、21の言語モデルでフィボナッチスパースアテンションの4つの深さスケジュールを比較し、静的な層ごとのスタガーがパープレキシティを改善し、すべてのスパース変種が訓練長の4倍に外挿してもほとんど劣化しない一方、密なベースラインはパープレキシティが201%上昇して崩壊することを示した。

本論文は、人間またはアシスタントの単一ターン内の平均モデル活性化を再構成することで、固定数の特徴でターンを表現するターン平均スパースオートエンコーダ（SAE）を提案する。これにより、活性特徴数が文脈長に比例して増加する問題を解決し、アトリビューショングラフなどの下流応用を簡素化する。

本論文は、現代的なBERTモデルを法的領域に適応させる研究を紹介する。全米の裁判所意見書を用いてModernBERTをマスク言語モデリングで追加事前学習し、関連する全データセットで元のModernBERTを大幅に上回る性能を達成した。ゼロからの事前学習よりも既存チェックポイントからの追加事前学習が優れ、最大8,192トークンの処理が可能で、全モデルチェックポイントが公開されている。

この研究は、240件の学生-患者訓練インタラクションからなるフランス語OSCE対話データセットを導入し、それを基に制御可能なLLMベースのパイプラインを構築して合成OSCE対話を生成する。パイプラインは検索ベースのグラウンディングとリフレクションループを統合し、患者の忠実性、一貫性、リアリズムを確保する。また、LLM-as-a-Judgeアプローチを用いた多レベル評価フレームワークを提案する。実験では、制御可能性モジュールが患者の忠実性と学生評価の一貫性を改善することが示された。最後に、学生がVPで練習し自動フィードバックを受けられるインタラクティブプロトタイプを実装した。

Olmo2とPythiaの複数の訓練段階を追跡した発達的視点の研究は、誤信念課題の成績がモデル規模と十分な訓練量に依存し、事前訓練の後期に出現すること、また非叙実動詞によって心理化の成績が脆弱になることを明らかにした。

本論文では、アラビア語-英語Al-Mawrid辞書の機械可読版から語彙情報を自動抽出する手法を提案する。n-gram分析とKWIC（key-word-in-context）分析を用いて形態論的・統語論的・意味論的情報を示す語彙パターンを発見し、手作業で作成したルールベースの情報抽出によってその情報を抽出する。さらに、句読点とヒューリスティックスを用いて同義語を抽出する。実験の結果、すべての情報タイプで高い適合率が得られ、同義語については高い再現率が得られたが、その他の情報では再現率が低かった。また、Al-Mawrid辞書には派生語（形態論的情報）や同義語、分野ラベル、上位語/下位語関係（意味論的情報）が豊富に含まれていることが示された。

本論文は極限言語生成フレームワークを再検討し、精度の概念を導入して問題を再現率と精度のトレードオフとして再構成する。無限だが頻度がゼロに近づく誤りを許容することで、敵が目標言語の大部分を永久に保留する場合に再現率を厳密に向上できることを示す。

本研究は、感情価が子どもの認識記憶の順序依存構造にどのように影響するかを示しています。感情的に価値付けられたおもちゃの系列を正しく思い出すことは、個々のおもちゃの感情価だけでなく、その前後に提示されたおもちゃの感情価にも依存していました。標準的な心理モデルの精度は低いのに対し、感情価を考慮した古典的テンソルネットワークモデルは77.98%の精度を達成し、感情記憶のような順序依存現象をモデル化するための量子インスパイア手法の価値を示しています。また、子どもの感情的時間記憶を探るための新しいプロトコルを導入しています。

本論文は、深層時系列予測、変分異常検知、LLM推論を組み合わせ、オフィス7機器に対して優先順位付きの実行可能な保守推奨を生成するエンドツーエンドのエージェントパイプラインを提案する。16シナリオのベンチマークでは、最良のLLMバックエンドが90.4/100を記録し、ローカル7Bモデルが全シナリオを通過。動的検索は静的検索と同等の性能を保ちつつ、平均コンテキストソースを6から3〜6に削減した。

新しいarXiv論文は、多項式代数のツールを用いて、単項式活性化関数を持つ深い全結合ネットワークの臨界点を研究し、活性化次数が十分に大きい場合、臨界性が正確にサブネットワークで発生することを示し、単純な関数への暗黙のバイアスに対する数学的説明を提供する。

研究者らは、残差不変性を利用して新しい訓練サンプルを生成する反事実残差データ拡張（CRDA）技術を提案し、小規模でノイズの多い回帰問題に効果的に対処した。ベンチマークデータセットにおいて、CRDAは平均でMLP回帰器のMSEを22.9%、XGBoost回帰器のMSEを6.4%削減し、既存のデータ拡張手法を上回る性能を示した。この成果はICML 2026で採択された。

古典的な普遍近似定理はシグモイド多層パーセプトロンの表現力を保証するが、データ分布の幾何構造をエンコードする初期重みの指定方法は示さない。本論文では、単一隠れ層シグモイドMLPのためのスペクトル幾何認識初期化フレームワークS-GAIを提案する。SVDを用いて各クラスの平均、主方向、スペクトルスケールを推定し、エネルギースレッショルドで保持する方向を選択、各方向を2つのシグモイドゲートで表現する。これらのクラス固有ゲートが共有隠れ層を構成し、訓練セットから直接初期化される。MNIST、Fashion-MNIST、CIFAR-10の実験で、S-GAI初期化はXavier初期化よりも情報豊富な隠れ状態を提供し、完全訓練後に同等の最終精度に達する。隠れ層を凍結し出力層のみを訓練した場合も、ランダムゲート凍結より優れた性能を示し、S-GAIがクラス別スペクトル幾何を効果的にMLPに埋め込んだことを示す。

本論文はCA-NKCFを提案する。部分的な領域知識と深層ニューラルネットワークを組み合わせたオンライン分散センシングフレームワークであり、ノイズ統計を必要とせずに潜在状態推定を行う。事前推定、最適化されたコンセンサス重み、カルマン型再帰更新を統合して分散推論を実現する。線形、カオス、無線追跡環境の実験で、従来の分散カルマン/粒子フィルタや純粋なモデルフリー深層ネットワークを上回り、モデル誤指定下でも堅牢性を示す。

本論文は、強化学習研究におけるシミュレータの2つの使用法、すなわちシミュレータ自体を解くことと、実際の展開の代理として使用することの混同を指摘する。著者らは実験と例を通じて、これらの設定を区別しないことが誤解を招く結論につながることを示し、より明確な実証方法を求めている。

本論文は、共有クロックも再学習可能な重みも持たない自律エージェントのメッシュにおいて、各エージェントが適応的時間スケールを持つ連続時間液状ネットワークを用いることが、非同期な投影を最適に統合するために必須であることを証明する。固定ゲインフィルタや間隔非依存のネットワークは必要な最適性条件を満たさない。

既存の画像生成ベンチマークは科学図の実用性を評価できていない。SciDraw-Benchは8種類の図タイプと10分野にわたる32のタスクを導入し、4次元評価プロトコルを提案する。実験では、ドメイン固有システムSciDraw AIが汎用モデルを全次元で上回り、テキスト忠実度が最大の課題であることが示された。

本論文は、進化ゲーム理論を用いて、害を最小化するAIエージェントが競争市場において承認追求型（RLHF）エージェントをどのような条件下で置き換えることができるか、またその政策がコミュニティの害を防ぐのに十分であるかを分析する。採用は特定の事前分布の下で有利であり、臨界採用レベルが存在し、監査だけでは価値の整合性と適切な評価期間なしには害を防ぐには不十分であることを示す。

BV-Blendは、プロンプトローカルな統計とセマンティッククラスタ条件付き履歴モーメントを融合することでアドバンテージ推定を安定化するクリティックフリーRLフレームワークであり、GRPOがグループ内報酬分散ゼロで学習できない問題を解決する。

COMPASSは、共有エキスパートトークンτ_cを中心に構図知覚と構図誘導生成を統合する初の統一マルチモーダルフレームワークであり、大規模データセットComp-11を構築した。

研究者らは、強化学習により訓練されたAIエージェント「ATHENA-R1」を発表。212の生物医学ツールを駆使して治療推論を行い、ベンチマークでGPT-5を上回る性能を示し、専門家や医師から高い評価を得た。

VirtueMapフレームワークは、7つの倫理的ジレンマに対する5つの回答を人間とLLMに順位付けさせることで、アリストテレス的徳性倫理の観点から実践知、正義、真実性、勇気、節制の5次元で大規模言語モデルを評価する。9つのLLMファミリーの評価では平均順位一致率が90.3%に達し、勇気、節制、正義の次元で最も大きな差異が見られた。

本論文はDynaSteerを提案する。これは動的表現編集フレームワークで、初期の高エントロピー分岐点を特定し、パターンクラスタリングとFisher-LDAを用いて真実方向を純化し、LLMの推論軌跡を選択的に誘導する。MATHベンチマークとコーディングタスクで有効性を検証した。

研究チームは、実際の臨床画像と合成患者プロファイルを組み合わせた画像に基づく多ターン医療会話ベンチマーク「IMCBench」を発表した。安全性、正確性、不確実性の適切な使用の3次元でマルチモーダルLLMを評価し、Claude Opus 4.6が総合スコア3.61で最高となったが、悪性疾患や希少疾患では安全性が低下することが示された。

研究者らは協力ゲーム「Keep Talking and Nobody Explodes」を基にしたベンチマークGPTNTを提案。2つのエージェントが時間的プレッシャー、情報の非対称性、不完全なコミュニケーションの下でリアルタイムに協調して爆弾を解除する必要がある。テストした閉源・開源モデルはどれも1つの爆弾も解除できず、状態追跡、時間制約下での効率的行動、曖昧性処理、エラー回復に重大な弱点があることを明らかにした。

このarXiv論文は、評価とデータの橋渡しとして「ケイパビリティ・スライス」を提案し、評価分類法、データ分類法、マッピングルールによる閉ループを構築して、ベンチマークの失敗を的を絞ったデータ介入に変換する。2つのケーススタディで、閉ループがデータを除外する場合と特定する場合を示し、評価からデータへの推論が体系的かつ検証可能であることを実証している。

研究者らはRSEAを提案。これは、重み更新なしでコンパクトな自然言語状態を進化させることでLLMエージェントを改善する再帰的自己進化エージェントである。厳格なホールドアウト選択ゲートを使用することで、RSEAは一部のベンチマークでベースラインを上回り、性能崩壊を防ぐ。研究では、普遍的に最適なアーティファクトは存在せず、保護されないコンテキスト進化の危険性を警告している。

2025年から2026年にかけて、伝統的なソフトウェア開発は静かに終焉を迎えた。手書きコーディング、暗記、狭い専門性の価値はゼロになった。新たに希少となった能力は、広く考える力、方向性を定める力、未定義の問題を解決する力、そして知的エージェントとの流暢な協調である。履歴書やホワイトボード面接で人材を採用する組織は時代遅れだ。未来は判断力、ビジョン、拡張された協働能力を持つ「オペレーター」のもの。我々は実績に基づいてトップオペレーターと組織を結びつけるマーケットプレイスを構築している。

本サーベイ論文は、基盤モデルベースのエージェントにおける記憶の核心的な役割を考察し、形式、機能、ダイナミクスの3次元で分類する統一フレームワークを提案。現在の研究、ベンチマーク、オープンソースフレームワークをまとめ、将来の方向性を議論する。

Snap to AIは、macOS用の小型ユーティリティで、ショートカットキーで画面の一部をキャプチャし、即座にClaude、ChatGPT、GeminiなどのAIツールに送信します。ネイティブアプリやブラウザ、ターミナルモードにも対応し、プライバシー保護設計。7日間無料試用後、9ドルの買い切り。