本論文は、AO-xメタアルゴリズムと元のARC法を組み合わせた任意時間型のマルチロボット運動計画（MRMP）手法AO-ARCを提案する。メイクスパンコストの下で有界なMRMP問題を繰り返し解くことで、初期解の時間は最先端の実現可能性ソルバと同等でありながら、ロボット数の増加に対して既存の任意時間型MRMPより速く安定して収束する。著者らは漸近最適性を理論的に証明し、協調の複雑さが異なる2次元シーンと3次元マニピュレータシーンで評価している。

SCORE はシミュレーション内の強化学習を事前学習済み生成ポリシーのサポートに制約し、8つの実世界巧緻操作タスクで平均成功率を37.8%から89.9%へ向上させた。実世界訓練や蒸留は不要である。

本論文は、学習可能な球面ボロノイ分割に基づく位置エンコーダTessellating the Earth（TTE）を提案する。表現容量を情報量の多い地域に集中させ、グローバル意味トークンと組み合わせることで、地理空間タスクとiNaturalist-2018の細粒度種分類で最先端の結果を達成した。

本研究では、LiDAR-慣性-視覚SLAMを活用した軽量なガウシアンスプラッティングフレームワーク「Structured-Li-GS」を提案する。高精度で密な色付き点群で学習し、少ないガウシアン原器で高品質な3D再構築を実現。ガウシアンの高密度化を必要とせず、複数の損失関数で学習を誘導する。ベンチマークおよび自社データセットでの実験により、最先端手法を凌駕する性能を示した。

TruEyeは、AI生成・AI改変された人物とシーンを細粒度で検出・位置特定する新しいモデルで、合成コンテンツを5つの構成分類に区別しつつ、LLMベースの検出器より100倍以上高速に動作する。

ReWorldは、自動運転向けワールドアクションモデルに特化した初の表現学習フレームワークです。中間表現を直接最適化し、生成モジュールへの未来予測監視、計画モジュールへのクロスモーダルアライメントとハードネガティブサンプリングの3次元で改善します。nuScenesとNAVSIMでの実験により、ビデオ生成品質と閉ループ計画性能が大幅に向上し、収束も高速化しました。

Aloe-Visionは、大規模な品質フィルタリング済みデータセットで訓練されたオープンソースの医療用視覚言語モデル群を導入し、バランスの取れた性能を達成するとともに、敵対的入力に対する脆弱性を明らかにします。

研究チームは、マルチモーダルエージェントの視覚記憶を評価する初のインタラクティブベンチマークDMV-Benchを発表し、二重符号化理論に基づくDualMem記憶アーキテクチャを提案した。DualMemは既存のキャプションベースラインや最近の記憶システムを上回る性能を示した。

SelectAnyTreeは、少数のクリックで3D森林LiDAR点群から個々の木をセグメント化するプロンプト可能なインスタンスセグメンテーションモデルです。クリックからクエリへのプロンプトエンコーダと、樹冠高モデル（CHM）による最初のプロンプトを導入し、状態空間クエリデコーダで長距離コンテキストを効率的に捉えます。7つの多様な森林地域と独立したテストデータセットで評価され、1回のクリックで78.2のIoUを達成し、ベースラインを24.8ポイント上回りました。

研究者らは、低ランク適応を用いて400件の臨床医評価済み家庭動画でGemini 2.5 Proを微調整し、評価者間信頼性と自閉症診断精度において有意な改善を達成、臨床医のパフォーマンスに匹敵または上回りました。このアプローチは、自閉症評価におけるスケーラブルな行動特徴抽出を可能にします。

SemCityLocは、基礎モデル由来の視覚事前情報と標準化されたLoD 3D都市モデル間の構造化表面レジストレーションとして空中姿勢推定を再定義する新しい位置推定手法である。セマンティック表面と単眼深度を軽量なセマンティック建築モデルに整列させることで、高精度なGNSS信号や放射量豊富な3D再構成に依存せず、反復的・遮蔽された都市環境での姿勢識別性を向上させる。さらに、センチメートル精度のUAV姿勢とLoD1-LoD3セマンティック都市モデルを組み合わせた実世界ベンチマークSemCityLockeDを導入。実験では、既存の地図ベース手法と比較してリコールを最大36%向上させ、平均位置誤差を9.89mから2.62mに低減した。コードとデータは公開されている。

変換認識デカップリング（TAD）と呼ばれる新しいフレームワークは、関係推論を視点依存と視点不変の成分に分解することで、3Dシーングラフ生成における視点ロバスト性を向上させる。

研究者らは、超細粒度エンティティタイピング（UFET）を文単位の文脈から自動生成された一貫性のある短いナラティブへと拡張した Narrative-UFET を提案し、文をまたぐ談話情報がロングテール型の識別に寄与するかを検証した。ナラティブ文脈はロングテール型で一貫した改善をもたらし、型が変化する変種がより強い信号を示し、合成ナラティブは自然な文脈を上回った。

Ko-WideSearchは、自動合成・検証パイプラインで構築された韓国語の広域検索ベンチマークです。190エンティティ、228テーブル、16カテゴリ、3段階の難易度で構成され、20のWebエージェントを評価した結果、エージェントは集合を復元できても行の完全性は低く（Item-F1 92.8、Row-F1 53.7）、難易度が上がると精度が低下し、自由記述セルが主な障害であることが明らかになりました。

EntMTPは、局所的な生成エントロピーに基づいてツリー型アテンショントポロジを動的に切り替える訓練不要のスケジューラです。低エントロピー領域では深い推測を行い、高エントロピー領域では保守的な推測を行うことで、生成品質を損なわずにスループットを最大化します。複数のベンチマークで、Hydraに対して1.15倍、Medusaに対して最大1.36倍の高速化を達成しました。

本論文は、D層のトランスフォーマーブロックに入る前に各トークンを事前にコンテキスト化するコンテキスト対応トランスフォーマーを提案する。修正ネットワークが前位置のブロック出力と現在のトークン埋め込みを組み合わせ、逐次推論時にはリカレントニューラルネットワークとして機能する。訓練では修正プロセスをK回展開し、各ステップで全位置を並列処理する。実験では、D=5モデルが12層トランスフォーマーを凌駕し、A100で1.7倍高速な生成を実現。単一層モデル（D=1）はK=10で6層トランスフォーマーを上回り、推論速度は2.6倍。このアーキテクチャは広い表現と長いコンテキストで最も効果を発揮し、ポインタチェイシングタスクではD=1が10段階すべてを解決する。

本論文は、LLMエージェントが古くなった事実を更新する能力の欠陥を実会話データ上で分離し、最先端モデルでも有界な記憶では精度が92%から77%に低下し、会話長とともにギャップが拡大することを示す。訓練可能な強化学習環境Supersedeを公開し、GRPO微調整で小規模モデルのsupersession精度がほぼ倍増することを実証した。

本研究では、発達的アプローチを用いてニューラル言語モデル（NLM）の統計的学習と心的表象を調査する。一連の生成型Transformerモデルを合成文法で訓練し、訓練の複数段階でモデルの状態を保存する。内部表現の変化を分析することで、NLMは学習の初期に最も抽象的な大域的統計知識を獲得し、その後比較的局所的な統計的依存関係を獲得することがわかった。この学習経路は初期に多くの過剰一般化を含み、後期に徐々に制約される。この観察に基づき、NLMの統計的学習と言語認知を説明する新しい枠組みを提案する。

本論文は、FinCausal 2026共有タスクへのHSA_CORALチームの提出内容を報告する。英語とスペイン語の金融ナラティブから因果関係を抽 出する抽出型QAに取り組み、3つのモデルファミリーを比較した結果、教師ありファインチューニングが最大の改善をもたらし、最良システムは英語で同率最高スコア、スペイン語で3位となった。

ACLのBEA 2026ワークショップに採択されたサーベイ論文。自動プレゼンテーションコーチングシステムを体系的にレビューし、5次元のタスク分類法を提案するとともに、データ不足、アクセントの公平性、低遅延診断などの主要な課題を指摘している。

ICML 2026の立場論文は、LLM研究において「機械的忘却」という用語が過剰に使用されていると指摘し、データセット定義の削除、すなわち指定された忘却セットの訓練影響を除去し、そのデータなしで再訓練したモデルとほぼ区別できない状態にする場合に限定すべきだと主張する。有害リクエストの拒否、知識削除、抑制などのタスクは異なる目的を持ち、異なる用語（アラインメント、抑制、編集、難読化）とベースラインが必要である。この混乱により、指標やベンチマークが範囲外で再利用され、再訓練等価性や派生能力を無視して表面的な非開示を奨励している。著者らは、明示的な保証と参照モデルに結びついた厳格な用語法と、主張された目的に合致する評価を求めている。

研究者らは、大規模言語モデル（LLM）の潜在思考表現を評価する公理的フレームワークを提案。因果性、最小性、分離可能性、安定性の4つの公理を定義し、それぞれに下流精度から独立した量的指標を導入した。23の推論タスクにおける調査では、すべての公理を同時に満たす表現はなく、同一タスク内の異なる質問を区別できず、入力埋め込み以上の情報を符号化していないことが判明。この欠陥は複数のモデルファミリーで一貫しており、構造的な問題であることを示している。

本論文は、プライバシーを保護しつつ米国LinkedInメンバーの人種/民族に関する公平性測定を可能にする、Privacy-Preserving Probabilistic Race/Ethnicity Estimation（PPRE）を提案する。ベイズ改善型姓ジオコーディング推定器と自己申告人口統計のスパースなゴールデンサーベイセットを組み合わせ、安全な二者間計算、差分プライバシー、加法準同型暗号を適用する。

この研究は、切り詰められた領域の境界処理が坑底圧力（BHP）とCO2プルーム予測に与える影響を評価し、コーナー空隙体積の保存が重要であり、漸進的修正子と伝導率補正の組み合わせが最も一貫した性能を示すことを明らかにした。

最新の研究により、機械的解釈可能性で一般的に使用されるアクティベーションパッチング手法が推定する自然間接効果（NIE）には、特定のコンポーネントの因果効果だけでなく、相互作用効果（INT）が含まれていることが明らかになった。INTはコンポーネントの因果効果が他のコンポーネントの状態にどの程度依存するかを測定し、因果的重要性の過大評価や過小評価、さらには重要なメカニズムの見逃しを引き起こす可能性がある。研究はGPT-2 IOI回路でこれらの失敗モードを実証し、INTは避けられないが診断ツールとして有用であることを示している。

本論文は、異なるアスペクト比を持つ2次元平坦トーラス上の3次非線形シュレディンガー方程式（NLS）に対して、幾何条件付きフーリエニューラル演算子（FNO）を提案する。解の実部・虚部とアスペクト比パラメータを入力とし、有理トーラスと無理トーラスで異なるSobolevノルムの成長挙動を再現することに成功した。また、幾何情報を明示的に与えることで長期予測精度が向上することを示した。

Prism Transformerは、浅い層では少数の広いヘッドを、深い層では多数の狭いヘッドを用いる漸進的ヘッドスケジュールを導入し、パラメータや計算量を増やさずに局所から大域への表現階層を実現する。

本論文は、状態が観測不可能で決定エポックが制約される可能性があるマルコフバンディットにおける後悔最小化を研究する。自己劣化マルコフバンディットを導入し、事前知識なしでは稀にしか腕を切り替えないアルゴリズムの後悔が超対数的であることを証明。UCB-NOMアルゴリズムはほぼ対数的な後悔を達成し、事前知識があればO(log T)の後悔を実現する。

研究者らはPairSAEを提案した。これはPairformer様アーキテクチャ向けのスパースオートエンコーダ変種であり、ペアワイズテンソルをNモードSVDでトークンごとの相互作用役割に要約し、共有トークンレベル特徴を学習する。Boltz-2のタンパク質-リガンド複合体活性化値において、UniProt注釈と一致し親和性値を予測する解釈可能な特徴を生成する。

Darts は2020年のリリース以来、広く使われるオープンソースの時系列分析ライブラリです。最近、複数の基盤モデルがゼロショット予測で精度向上を達成し、カスタムモデル学習から事前学習済み汎用予測器へのパラダイムシフトが期待されています。しかし、これらのモデルは孤立したパッケージとして公開され、インターフェースが断片化し、一般的なツールとの相互運用性が限られています。Darts は統一された FoundationModel クラスコレクション（Chronos-2、TimesFM 2.5、TiRex、PatchTST-FM をサポート）を開発し、最小限の外部依存で基盤モデルをエコシステムに統合する標準化されたフルサイクル予測インターフェースを提供します。既存の Darts パイプラインは名前を変更するだけで基盤モデルを使用可能にし、新しいパイプラインではゼロショット予測、ファインチューニング、不確実性推定、バックテストをデータ処理・評価ツールと組み合わせて統一フレームワーク内で実行できます。