MinInterは、補間を最小限に抑えることで高品質な合成データを生成し、模倣学習の性能を向上させる手法です。MimicGenベンチマークの12の操作タスクにおいて、データ生成成功率と方策成功率を一貫して改善し、特に接触を伴う長期間のタスクで大きな効果を示しました。

SPACEフレームワークは、カルテシアン状態デルタを普遍的な動作表現として使用し、状態予測と適応型コマンド実行により、異なるロボット間での動作クローニングの問題を解決する。実験では、直接的なコマンド予測よりも優れた性能を示し、動的変化に対して頑健である。

TurboMPCは完全にGPU上で動作する微分可能なモデル予測制御ソルバーで、SQP、ADMM内部ソルバー、暗黙的微分を組み合わせ、シミュレーションで大幅な高速化を実現し、実車レースではベイズ最適化によるパラメータ調整と8000ノット超の計画ホライズンを可能にした。

本ノートでは、シミュレートから実世界への性能推定とベッティング（Chenら）、および安全ないつでも有効な推論（Ramdasら）を統合する方法を説明する。スケーリングされたシミュレータを用いて、平均推定のための効率的で信頼性の高い証明書を生成し、ロボット性能テストで特に価値がある。

本論文では、相互作用トポロジの重みをオンラインで更新し編隊の歪みを最小化するリアルタイムエッジレベル適応フレームワークTOLDを提案。従来のノードレベルロバスト制御器を凌ぐ性能を示し、Crazyflie 2.0クアッドローターでの実験ではOGFで62%超の歪み低減を達成。

強化学習は物理シミュレーションで両手の器用なロボットハンドに高精度でピアノを弾かせることができるが、高自由度の手ではタスク報酬や逆運動学のみに頼ると不自然な姿勢や関節の過伸展が生じる。本論文では、対抗的姿勢正則化（APR）を提案する。これは高価な曲合わせの専門家デモデータを必要とせず、少量の日常的な人間の演奏データを使用する。敵対的目標を通じてポリシーの姿勢分布を人間の事前分布に一致させることで、より人間らしい手の形状を促す。また、コンシューマ向けMeta Quest 3を用いて非構造化の手の動きデータを収集・公開し、Shadow Handに主要な動き情報をリターゲティングする。3つの人間らしさ指標（cPSI、BSE、FAC）と視覚品質で先行手法を大幅に上回る性能を達成した。

本稿は、2024年6月10日から14日に開催されたローレンツセンター・ワークショップ「Engineering Reliable Autonomous Systems (ERAS)」の議論をまとめたものです。自律システムの検証・妥当性確認、実世界での工学、安全なソフトウェアアーキテクチャに焦点を当て、課題のカタログと解決への道筋を示しています。一部の課題は、学術的に知られているが実践ではまだ普及していない技術で対処可能であり、その他の課題はさらなる研究を必要とします。

arXiv論文はFEARLフレームワークを提案する。これはロボットポリシーを大規模コントローラと小型安全モジュールに分解し、安全モジュールの形式検証を可能にしつつ基盤モデルの表現力を維持する。シミュレーションと実機で有効性を検証した。

本論文は、フォレンジック証拠の抽出、構造化推論、人間が解釈可能な説明を統合するフォレンジック知識グラフ（FKG）フレームワークを提案する。信頼性の高い画像認証を目指し、新規のフォレンジック認証ネットワークと、VLMに忠実で根拠のある説明を生成させる反復コンテキスト精緻化戦略を導入する。また、5万枚の現実的な偽造画像と正解FKGを含むデータセットFKG-50Kを公開する。実験により、FKGは検出、偽造識別と位置特定、フォレンジック正当化において、既存のフォレンジック検出器とVLMの両方を上回ることが示された。

本論文は、ドメイン微調整されたPromptSRC ViT-L/14教師とゼロショットEVA-CLIP-L/14教師をアンサンブルするマルチティーチャープロンプト蒸留手法TheProfessorを提案する。4つのデータセットでの実験により、信頼度重み付きアンサンブルが平均HMを1.77ポイント改善し、EuroSATで最大の向上（+5.78）を示した。

REALMは、物理世界の視覚言語モデルに対する初の統一レッドチーミングベンチマークであり、12の攻撃手法、3つの防御、13のモデルを統合し、脆弱性の公平な比較を可能にします。主な発見として、テキストおよびタイポグラフィ注入攻撃が最も効果的であり、モデル規模だけではロバスト性が向上しないことが示されました。

研究者らは、マルチモーダルLLMと視覚エンコーダの表現をアテンションヘッドレベルで整列させるHeRAを提案。最も整列していないヘッドを整列させることが最大の性能向上をもたらすことを18のベンチマークで示した。

研究者らはHANCLIPを提案した。双曲幾何と角度三重項目的を用いて埋め込み空間を再構築し、否定理解を大幅に向上させつつ標準タスクの性能を維持する視覚言語モデルファミリーであり、わずか2万の画像-テキスト四つ組で訓練される。

ABACUSは、物体カウント、群衆カウント、参照表現カウント、およびカウントに忠実な画像生成を、ベンチマーク固有の学習なしで処理する統一視覚言語モデルです。既存の3Bパラメータの統一ファウンデーションモデルを基に、3つの主要な革新を導入：物体マップを用いた密度認識適応ズームによる空間グラウンディング、GRPOによる境界認識カウントポリシーでクロップ境界エラーを除去、そしてサイクル一貫性GRPO戦略で理解ブランチが生成出力を自己批評し、外部アノテーションなしで理解と生成のギャップを閉じます。7つのベンチマークで最先端の結果を達成し、タスク固有の専門家モデルやより大きな汎用モデルを上回ります。

本論文は、空間領域からスペクトル領域への特徴処理のパラダイムシフトを提案し、プラグアンドプレイの周波数誘導モジュール（WDG、LGE、FDHead）を導入する。DERNetシリーズは複数のベンチマークで同規模のYOLOv11を1/6のパラメータで上回る。

本論文は、視覚言語モデルの一貫性評価にプロンプト側の意味論を用いるPV-TAMを提案する。デコーディングドリフトやモダリティ境界マーカーによるバイアスを回避し、複数のデータセットで定位指標を改善した。

現代のビデオ拡散モデルはスケーリングにより生成品質を向上させるが、推論コストが増大する。Solビデオ推論エンジンは、トレーニング不要のエージェント型高速化フレームワークであり、キャッシュ、スパースアテンション、トークンプルーニング、量子化、カーネル融合の5つの技術を組み合わせる。3つの異なる規模のビデオモデルで検証し、2倍以上のエンドツーエンド高速化を達成し、VBench品質をほぼ維持した。

研究者らは、単一の自転車搭載カメラから追い越しイベントを自動検出する幾何情報ベースのコンピュータビジョンパイプラインを開発し、97.8%の再現率と誤検出ゼロを達成、車両通過の平均2.44秒前に追い越し意図を識別した。

標準的なトークナイザ評価指標（肥沃度など）は膠着言語の形態的正しさを捉えられない。QuechuaTokベンチマークは、南部ケチュア語において4つのトークナイズ戦略を比較し、従来指標に加えて形態的境界精度（MorphAcc）を導入。BPEは最低肥沃度（1.636）だがMorphAccは6.67%に過ぎず、形態認識型PRPEは83.33%のMorphAccを達成。肥沃度だけでは膠着言語のトークナイザ評価に不十分であることを示した。

この研究は、検索品質の代理指標としての完全一致検索再現率の有効性に疑問を投げかけます。tau-benchでは、検索されたポリシークラスが金標準ポリシーとほぼ同等の下流分類性能を示し、完全一致再現率はわずか7%でした。結果は、再現率だけに依存すると検索ポリシーの実用的価値を過小評価する可能性があることを示唆しています。

本研究では、3つの評価構成における8つの自動スコアラーを監査し、全データセットで一貫して最高性能を維持するスコアラーは存在しないことを発見した。生成回答帰属構成では指標ランキングが逆転し、NLIスコアラーは長文タスクで性能が崩壊する。プロンプトベースのLLM判定者は崩壊を回避するが、コストが高く非決定的である。指標選択は対象データセットで検証すべきである。

6つの専用LLMを16のDSM-5精神疾患について評価した研究で、安全対策が確実に機能するのは自殺と自傷のみであり、摂食障害、物質使用障害、大うつ病性障害などでは失敗率が最大100%に達することが明らかになった。研究者らは疾患ごとの危害カテゴリと対策の導入を求めている。

本論文はIBAフレームワークを提案する。これはエンティティ識別とエビデンスランキングを分離し、MLLMに候補名から高信頼度のエンティティを選択させ、既存のテキストリランカーでエビデンス選択を行う。Encyclopedic-VQAとInfoSeekで微調整ベースラインを上回り、計算複雑性を削減する。

本論文は、大規模言語モデル（LLM）を用いて定性的な製品フィードバックから製品魅力を定量化するスケーラブルで解釈可能なフレームワークを提案。ZORQおよびCARMAデータセットにおいて、ゼロショット連続数値感情スコアは専門家ラベルと最大0.97のピアソン相関、分類精度94%を達成。GPT-4o-miniは大規模モデルに匹敵する性能を94%低コストで実現し、フレームワークは信頼度評価と説明可能AIを統合している。

arXiv論文は、自己生成テキスト認識（SGTR）ファインチューニングをキャラクター指向の介入として、GPT-4.1、Qwen2.5-32B-Instruct、Seed-OSS-36B-Instructの3モデルで検証し、創発的ミスアラインメント（EM）の予防と逆転の両方に有効であることを発見した。EMを一貫したミスアラインドなペルソナの採用ではなく、アラインドなキャラクターの不安定化として再解釈している。

本研究では、RAGシステムにおける文脈情報の利得を厳密に定量化する正規化文脈利用（NCU）指標を提案する。実験により、厳密な事実抽出タスクでは小規模言語モデル（SLM）が大規模モデルに匹敵または優れ、商用APIは半数近くの敵対的競合で外部証拠を無効にし、信頼度の崩壊を示した。

ModTGCNを提案。モジュラリティ認識GNNであり、クロスエントロピーとモジュラリティベースの補助目的を同時最適化し、クラス一貫性のある文書コミュニティを促進しつつ識別表現を維持。5つのベンチマークで一貫した改善、特に低ホモフィリーデータセットで大きな向上。

EXPO-SQLは、実行結果（エラーメッセージや句ごとの逐次実行）を分析することでSQLクエリの各句に細粒度の報酬を割り当てる、実行ベースの句レベルポリシー最適化手法を提案する。既存のRL手法における粗いクエリレベルの報酬がもたらす学習信号不足の問題を解決し、複数のText-to-SQLベンチマークで既存の教師ありファインチューニング、プロンプティング、RL手法を大幅に上回る性能を示した。

新論文は「退化蒸留器」と呼ぶ手法を提案する。フィッシャー情報行列の推定と平坦化により、パラメータの退化を自動的かつ記号的に検出・解決し、下流の神経事後推定に必要なシミュレーション数を最大10分の1に削減する。

本研究では、多変量時系列グラフニューラルネットワーク（MTGNN）を用いて、1940年までの月次GRACE陸水貯留異常（TWSA）を再構築する深層学習手法を提案。ハイブリッド隣接行列で空間依存性を符号化し、南米流域で平均相関係数0.94を達成。2015/16年のエルニーニョ、2020/21年のラニーニャ現象を再現。既存手法と比較して、予測変数が少なくても競争力のある性能を示す。