生成ビデオ推論における単一生成の限界を克服するため、研究者らは時間的バックトラッキング探索（TBS）を提案。時間軸に沿って生成・検証・再起動を反復することで、テスト時の計算拡張を実現する。実験では、アルゴリズム、ナビゲーション、ロボティクス領域でBest-of-Nサンプリングを凌駕し、分布外設定で成功率0.7%から22.7%へ向上させた。

本論文は、rPPG Transformerの説明可能性の不足に対処するため、定量的な評価フレームワークを導入する。著者らは4つの帰属手法をRhythmFormerの二層ルーティング注意に適用し、皮膚被覆率指標を提案し、SaCo忠実度係数をrPPG回帰に拡張した。スパースtop-kルーティング下でのマルチホップ漏洩効果を明らかにし、Beyond Intuitionがそれを軽減し、UBFC-rPPGで最高の皮膚被覆率（0.83）と忠実度（F=0.92）を達成した。この研究は、rPPG XAIを監査可能な数値証拠へと前進させる。

研究チームはi2L（image-to-LoRA）を提案した。1枚以上の参照画像からテキスト画像モデル用のLoRA重みを1回の順伝播で予測し、スタイルごとの最適化を不要にする。Z-Image、FLUX.2、Hidream-O1でスタイル忠実度、プロンプト整合性、知覚品質が向上した。

CineOrchestraは、被写体、イベント、カメラ、ショット遷移を同時に制御する統一動画拡散モデルで、エンティティ中心の条件付けプリミティブと2つのパラメータフリーの回転埋め込みを利用する。2つの新しいベンチマークで6つの専門モデルを上回る性能を示した。

本論文は、CNNにおいて従来のポイントワイズ活性化に代わり、学習可能なフィルタペア間接続を導入することで、層ごとに接続関数を適応させ、精度を向上させる手法を提案する。

IoUは候補領域と正解領域の空間的な一致度を評価する重要な指標だが、幾何学的な重なりが異なるサンプルに対して類似したスコアを生じる非感受性領域が存在する。本研究では、面積、形状、アスペクト比をカバーする形態的類似度指標を導入し、平均集約による補助マッチングスコアを生成することで、正サンプル割り当ての精度を向上させる。YOLOv9ベースの実験でNEUDETおよびGC10-DETデータセットにおいて一貫した性能向上を達成し、追加の推論オーバーヘッドはゼロである。

生成的ICDコーディングにおいて、プロンプティング、教師ありファインチューニング、強化学習を比較した制御された実証研究。プロンプティングのみの評価はLLMの可能性を過小評価しており、SFTが主要な能力向上をもたらし、GRPOがコードセット予測をさらに改善、PHIがマクロレベルで的を絞った利得を提供することを示した。

DLawBenchは、大規模言語モデルが模擬的な弁護士-依頼者相談において多ターンの対話能力を評価するための診断ベンチマークである。中国法と米国法の461件のケース、5,532の事実エントリ、3,411の質問ルーブリック、3,348の問題解決ルーブリックを含み、26の代表的なモデルをテストした。最高性能のGPT-5.5でもスコアは0.562にとどまり、法律相談における追従性と、依頼者が最も指導を必要とするときにモデルの性能が低下するというパラドックスが明らかになった。

本論文では、データレイク上の探索的質問応答（EQA）タスクの失敗要因を分解する診断的アブレーションフレームワークSANA（Search Agent Navigation Ablation framework）を提案する。EQAタスクを実行時プロファイル（ゴールドソース系列、サブクエリ、実行記録）に変換し、理想的な検索・計画・データ分析ツールを構築して各コンポーネントをアブレーションすることで、ポリシーの失敗を診断する。LakeQAおよびKramaBenchの実験では、データ分析が一貫したボトルネックであり、大規模データレイクでは検索が主要な制限要因であることが示された。

ニューラルトピックモデルはスケーラブルな意味発見を可能にするが、量子ハードウェアとの統合はほとんど未開拓である。本論文は、トピックモデリングのための概念実証として、パラメータ化量子回路をVAE推論ネットワークに埋め込み、古典的なトピック-単語デコーダを保持するハイブリッド古典量子変分オートエンコーダ（VAE）を提案する。量子ハードウェアのリソース制約に対処するため、潜在空間の次元と抽出するトピック数を切り離す修正ガウスソフトマックス事後分布を提案し、10量子ビットの量子デバイスでの動作を可能にする。AgNewsデータセットにおいて、ハイブリッドVAEは最先端のニューラルトピックモデルを上回り、C_v一貫性スコア0.71、NPMIスコア0.20を達成し、高いトピック多様性を維持する。比較として構築された完全古典変種もAgNewsでSOTAモデルを上回り、潜在空間で明確なクラス分離を示す。これらの結果は、NISQ時代のデバイスでもハイブリッドVAEが計算的に実行可能であり、量子強化トピックモデリングの有望な方向性を示している。

本研究は、大規模言語モデル（LLM）を利用した都市シミュレーターが生成する人間の移動パターンが、経験的に現実的であるか、または単にもっともらしいナラティブに過ぎないかを評価する検証フレームワークを提案する。パリ大都市圏と上海のデータセットを用いてAgentSocietyとCitySimをテストした結果、ナラティブの妥当性と経験的移動現実性の間に大きなギャップがあることが明らかになった。特に、移動距離分布、出発地・目的地フロー、滞在時間、遷移ダイナミクスなどの空間的・時間的制約を再現できない。また、移動多様性の現実性はデフォルトのプロンプト設定に不安定であり、明示的なプロファイル認識初期化が必要であると指摘。さらに、再現可能な評価を支援するため、スケーラブルでオープンなLLM駆動インフラを提供する。

新しい研究は、現代のLLMパイプラインに「文化データの漏斗」が存在すると主張する。明示的な文化信号は訓練後の段階で急激に減少し、文化知識の不均衡を引き起こす。研究チームは560万サンプルの文化タグ付きデータセットを公開し、改善を促す。

本論文は、OSACT7ワークショップの一環としてLREC 2026と併設されたQIAS 2026共有タスクの概要を述べる。このタスクは、大規模言語モデルがイスラム相続法の領域で複雑な推論を行う能力を評価するために設計された。MAWARITHベンチマーク（12,500のアラビア語相続事例、中間推論ステップと最終回答の注釈付き）に基づき、システムは相続人特定から各受益者への正確な取り分の割り当てまでの完全な相続計算プロセスを実行する必要がある。評価には多段階指標MIR-Eを使用し、16チームが参加してプロンプト手法、検索拡張生成、ファインチューニング戦略などを探求した。結果は、イスラム相続が現行の言語モデルにとって依然として非常に困難なベンチマークであることを示しており、特に正確な法的解釈と構造化された数値推論が求められる段階で課題が残る。

本論文は、2026年QIASアラビア・イスラム相続推論共有タスクへのPSLチームの参加を報告します。このタスクは、法的解釈、多段階推論、精密な数値計算を必要とする相続案件を解決する大規模言語モデルの能力を評価します。結果は、商用モデル（Gemini 2.5 Flashなど）が正しい相続人の識別、排除ルールの適用、推論の一貫性において優れている一方、オープンソースモデルは特に法的判断や分数の調整において不安定であることを示しました。

新たな研究で、Webエージェントの安全性をテストするために欺瞞的インターフェースを注入するフレームワークWebDeceptが紹介されました。評価の結果、現在のエージェントはターゲット広告やドメインリダイレクトなどの操作に非常に脆弱であり、プロンプトベースの防御は不十分であることが示されました。

LLMを評価者として用いる手法（LLM-as-a-Judge）の信頼性を調べた研究で、ペアワイズ選好の平均反転率が13.6%、28%の問題で20%超、最高56%に達することが判明。GPT-4o-miniは顕著な先頭位置バイアスを示し、評価者間一致率は76%にとどまった。著者らは複数回試行の集約、位置のランダム化、不確実性の明示的報告を推奨している。

脳皮質の神経活動の試行間変動（構造化ノイズ）が、人工ニューラルネットワークの敵対的攻撃や自然画像改変に対するロバスト性を有意に向上させることを示した研究。自然改変に対する効果が最も大きいが、種類間の転移は低く、敵対的ノイズ構造は他の攻撃に一般化できる。

本論文は、拡散ポリシーの強化学習後訓練における「二重ドリフト」現象を特定する。変分代理目的の最適化によりELBOが真の対数尤度から乖離し、代理ポリシー勾配が真の期待リターン勾配と不一致になる。著者らはDiPODフレームワークを提案し、自己蒸留とポリシー改善勾配更新を交互に行い、各更新にオン・ポリシーELBO正則化項を追加する。拡散言語モデル後訓練と連続制御タスクで訓練が大幅に安定し、高い報酬を達成する。

新しい論文は、既存のLoRA変種にスパース性を導入することで、Cheap LoRA (cLA)とチェーン循環変種c³LAを提案し、パラメータ効率の良い微調整を実現する。情報理論的汎化誤差限界を導出し、11の微調整手法、10の事前学習モデル、14のデータセットにわたる実験により、スパースな構造化列空間制限が競争力を維持しながら、トレーニング時間を最大10%、ピークGPUメモリを最大15%削減することを示した。

D2H-ADは、超次元計算（HDC）に基づく新しい異常検知フレームワークであり、距離ベースの類似性と密度を考慮したエンコーディングを統合している。5つのベンチマークデータセットで5つのベースラインを上回り、軽量で解釈可能、エッジAIやTinyMLに適している。

最新の研究では、学習中に重みノルムに直接介入することで、ニューラルネットワークの「グロッキング」（遅延汎化）において重みノルムが因果的決定要因であることを確認しました。自由訓練では、ネットワークは重みノルムが臨界値Wcに達したときにグロッキングし、Wcはシードや学習率による変動が小さく、モジュラーベースとともにべき乗則で増加します。ノルムをWcの倍数ρに固定すると、遅延はT_grok ∝ exp(αρ)（α≈7.5）に従います。LayerNormを追加するとこの依存性が解消されます。

arXiv論文は、微分可能な高忠実度ソルバーと残差改善を組み合わせた完全GPUベースのワークフローを提案し、極超音速流の神経エミュレータを訓練して物理的一貫性と訓練分布外への汎化を向上させる。

ファッションEコマースのセールキャンペーン向けに開発された新しいアルゴリズム価格設定ツールは、日次解像度の需要予測と多目的最適化を活用し、ZalandoでのA/Bテストで6%の利益向上を達成しました。

本論文は、スマートフォン上で拡散大規模言語モデル（dLLM）を高速化する初のNPU対応推論フレームワーク「llada.cpp」を提案。3つの技術でNPU活用の課題を解決し、LLaDA-8Bの生成遅延を17～42倍削減しつつ品質を維持する。

arXiv論文は、Gemma 4指示微調整モデルが長い列挙プロンプトで最大95%の確率で繰り返しループに陥ることを発見し、単一ニューロンの符号反転を含む静的重み編集でループを除去できることを示した。ただし、知識精度に起因する「doom loop」は完全には解決できないと論じている。

本論文は、低リソースの検証環境では各検証器が目標多様体の小さく断片的で偏った部分しか観測できないため、データ選択自体が偏りを帯びると指摘する。局所多様体に沿ったサンプルを優先的に残し、グローバルに関連する裾のモードを削除することで、選択はモデル崩壊への防護策から崩壊を促す仕組みへと転じる。著者らはサイロ化された選択が崩壊を加速し、べき乗則の多様性減衰を引き起こすことを理論的に証明し、初期の緩和策としてサイロ間のWasserstein代理参照を提案する。

TwinBIは、LLMベースのエージェントと実行可能なBIダッシュボード状態を結合したエージェント型デジタルツインフレームワークである。共有分析状態を通じて、ダッシュボード操作と自然言語クエリ間の一貫したコンテキストを実現する。A/Bベンチマークでは、完全一致精度が43.3%から63.3%に向上し、タイムアウト率が40%から10%に減少した。ユーザビリティ調査でも高いタスク精度と好意的な評価が得られた。

YeasierAgentは、共生エージェント、ナラティブワールド、シーン認識インタラクションに基づくアプリケーション構築パラダイムを提案する。プラットフォーム非依存のインタラクティブユニット（エージェント、シーン、対話）により、クロスプラットフォームでエージェントネイティブアプリを迅速に構築し、感情的な相棒性とツール実行を単一の体験型サンドボックスで統合する。

新しい論文は、安全性に微調整されたチャットモデルにおける拒否行動の制御について、Diff-in-Means（DiM）とIterative Nullspace Projection（INLP）を比較しています。研究では、INLPの反事実的フリッピングがDiMの方向的アブレーションと拒否抑制において競合する一方、ヌルスペース投影は一貫して弱いことがわかりました。INLPを主要方向に制限することで、抑制効果をほぼ維持し、ベースラインパープレキシティに近い状態で調整可能な能力が得られます。また、2つのINLP介入は活性化空間の質的に異なる領域に着地し、モデルが概念の「欠如」と「反対」を異なる方法で符号化していることを示唆しています。

2024年、WorkBenchで最良のエージェントGPT-4は43%のタスクを完了し、26%で有害行動。2026年、Claude Opus 4.8は89%完了、2.5%に減少。能力と安全性は共に向上、基本的なミスが残る、オープンウェイトモデルがコスト低下。更新版ベンチマーク公開。