郭強氏がarXivで論文を発表し、Belief2-Attentionを提案。Vベクトルの垂直成分と投影成分の両方を利用し、追加の内積行列ZZ^Tを導入することで標準注意機構を強化し、画像分類とセグメンテーションで有効性を検証した。

研究者らは、デフォーカス粒子画像を自動検出し、その位置を推定するYOLOv9ベースの深層学習フレームワーク「DefocusTrackerAI」を発表した。合成データと実際の実験（蛍光・シャドウグラフ撮影を含む）でテストされ、Faster R-CNNや最先端アルゴリズムを不確実性と再現率で上回る。

研究者らは、11の現代的な大規模言語モデルを690の臨床シナリオで評価するマルチドメインレッドチーミングフレームワークを提案し、平均スコアが高くても安全上重要なシナリオで完全な失敗が生じること、人口統計学的変更により公平性関連のエラーが10～20%増幅することを明らかにした。

ベックの認知理論とTransformer埋め込みを組み合わせ、Reddit投稿からのうつ病検出性能を向上させた研究。ハイブリッドモデルはマクロF1 0.94を達成。

本論文は、カーネル実行中に累積注意力出力を追跡し、寄与が無視できるようになった時点で後続のKVブロックアクセスを終了する軽量ランタイム機構「Attention Run-time Termination（ART）」を提案する。大バッチサイズでスループットを20%向上させ、精度を維持する。

研究者らは、言語拡散モデル（LDM）に特化した初の信頼性ベンチマークTrustLDMを提案し、安全性、プライバシー、公平性を評価した。LDMはユーザープロンプトのみでは高い信頼性を示すが、悪意のあるポストコンテキストが付加されるとアライメント行動が著しく低下することを明らかにした。

本論文は、SemEval-2026 タスク1（MWAHAHA）におけるシステムを紹介する。多候補生成後に選好モデルで最良のものを選択する「生成多数→選択最良」戦略を採用し、2.5Kの人間によるペア比較判断を公開。英語と中国語のサブタスクで1位、スペイン語で2位となった。

ターゲットモデルの隠れ状態を用いた意味的検索とソフトゲート評価により、検索ベース投機的復号のロバスト性と効率を向上させるSENSEを提案。LLaMAおよびQwenファミリーで最大4.09の平均受理長と3.26倍の高速化を達成。

CSRPは、継続的事前学習、Chain-of-Thought SFT、効率認識報酬によるRLを用いた3段階フレームワークで、中国語文法誤り訂正における過剰訂正問題に対処。NACGECベンチマークでSOTA（F0.5=50.99、精度57.17）、CSCDスペル訂正でF1=59.61（GPT-4を5.20ポイント上回る）。

大規模言語モデルの流暢さが人間に近づくにつれ、従来の統計的特徴や確率に基づく検出手法ではAI生成テキストの検出が困難になっています。AEyeDEは、プロキシTransformerモデルの注意マトリクスを利用したアトリビューション駆動の手法を提案します。実験では、エンコーダ・デコーダ翻訳設定でテキストのみのベースラインを上回り、デコーダのみの設定でも高い性能とロバスト性を示しました。

本論文はDOPAフレームワークを提案する。分布外プロキシを用いてアクセス不能なターゲット領域を近似し、マハラノビス距離に基づく大域的多様性制約を導入することで検索を導き、OOD設定におけるLLMの堅牢性を向上させる。ACL 2026本会議に採択。

研究者らは、アメリカのテレビドラマに基づく多人数対話談話解析のための最初の公開英語マルチモーダルデータセットDraDDPを構築した。495の対話セグメント、6,374の発話、9.1時間のビデオを含む。実験により、マルチモーダル情報が対話構造と関係タイプの捕捉に有効であることが示された。データセット、ガイドライン、コードは公開予定。

本サーベイは、生成AIによって加速される敵対的合成コンテンツに対抗するための、プロアクティブなライフサイクルベースの検出フレームワークを提案する。C5インタラクションモデルを通じて機械学習と社会科学を統合し、協調的不実行動分析、疫学モデリング、ホークス過程など、新たな非真正ナラティブ検出技術をレビューする。高次元埋め込み空間における異常検出、多層グラフ上の教師なし協調検出、エージェンティックAIシステムについて議論する。最後に、急速に変化する脅威の追跡と多レベルの分布ドリフトの課題に取り組み、将来の研究課題を示す。

ICML 2026採択論文。LLMエージェントのツール呼び出しを、有効性と効率性の二軸で分析する。評価は乱数シード、システムプロンプト、マルチターンのテンプレート構築、履歴の引き継ぎ方といった未文書化の実装選択に強く依存し、標準化なきリーダーボードは信頼できないと指摘。効率面では標準的なRLにロールアウトと方策更新の二つの計算浪費があると特定し、性能を劣化させずに大幅な実時間短縮を実現する二つの手法を提案する。

本サーベイは、ワールドモデルに関する統一的な分類法を提示し、アーキテクチャ、方法論、推論、応用の4次元にわたって整理する。PlaNetからGenieに至るマイルストーンを追跡し、思考連鎖推論とワールドモデルの統合について議論し、主要な課題と今後の方向性を明らかにする。

本論文ではFoLoRAを提案。一般化レイリー商を用いてタスク効用と忘却ペナルティのトレードオフを動的に調整し、事前学習モデルからのサンプリングでプロキシデータを生成する。数学、コード、指示追従タスクで最良の保存適応バランスを達成。

arXivの新論文は、小さなコアテンソルの階層から大きな重みテンソルを生成する「自動微分可能非線形テンソルネットワーク（ADNTN）」を提案する。AlexNetとVGG-16の層で層あたり約2000倍から77000倍の圧縮率を報告し、精度は密なベースラインと同等か、一部のVGG-16では上回った。

新研究は、9つの文から大規模言語モデル（LLM）の1次元感情価方向（V軸）を構築し、感情ベンチマークへのゼロショット転移とヒトEEG活動との対応を示した。しかし25のアラインメント戦略はいずれも脳デコーディングを改善せず、この現象を「飽和規則性」と定式化。代わりに残差多様性アンサンブルによりFACEDでバランス精度10.5%向上を達成し、SEED-Vでも再現した。

Demo2Rewardは、少数の専門家デモンストレーション（3〜10軌道）を用いてVLMベースの報酬モデルの言語指示をテスト時に最適化し、偽陽性を抑制しつつ真陽性を保持する手法である。ポリシー学習中の追加訓練や計算資源を必要としない。

ホーフディング概念ボトルネックモデル（HCBM）は、勾配ブースティング木のホーフディング関数分解を利用して、概念スコアの非線形かつスパースな集約を実現し、説明可能性を向上させ、分類および物体検出タスクにおいて線形CBMを上回る性能を示す。

研究者らは、生のDAS信号をコンパクトな統計的特徴に置き換えるハイブリッドマルチブランチTransformerであるDAStatFormerを提案し、リアルタイム分散音響センシング監視において高い精度と大幅な計算コスト削減を実現した。

BitsMoEは、混合エキスパート（MoE）大規模言語モデルのための効率的な量子化フレームワークです。SVDを用いて各MoE層を共有基底とエキスパート固有のスペクトル因子に分解し、共有基底は量子化せずに保持することでクロスエキスパート構造を維持します。固定ビット予算下で再構成損失を最小化する整数線形計画問題を定式化します。実験では、Qwen3-30B-A3B-Baseの2ビット量子化において、GPTQと比較して量子化速度12.3倍、平均精度27.83ポイント向上、復号速度1.76倍の改善を達成しました。

本稿は、パスカルとフェルマーから現代のベイズ推論に至る確率論の進化を、理性そのものの変容として解釈し、確率の限界を超える模糊論理と深層学習の役割を検討する。

本論文は、多製品製造サイバーフィジカルシステムにおける異常検知を扱う。グローバルな製品非依存モデルは決定境界を広げ、セキュリティ上の盲点を生むことを示す。著者らは製品等級ごとの分布に学習を限定する製品認識型オートエンコーダを提案し、拡張テネシー・イーストマン・プロセスベンチマークで検証した。標準指標では同等の性能を保ちつつ、攻撃シナリオのストレステストでは100%の検出率を達成し、グローバルモデルが77.8%の偏差を見逃すことを明らかにした。

Grokersは、型付き知識グラフに対する持続的な構造的理解を、依存サブグラフのボトムアップ帰納的走査によって構築するアーキテクチャである。理解コストをクエリ時から書き込み時に移行し、3つの形式的性質を証明する。

arXiv論文は、マルチ量子ビット系の物理特性を帰納バイアスとして利用するユニバーサル量子トランスフォーマー（UQT）を提案。5量子ビット上でモジュラー算術と非可換代数を正確に学習し、決定論的一般化「結晶化」を実現。計算・メモリ面の優位性も示す。

In2AIは、マルチエージェント戦略的相互作用における信用割当問題に対し、適格性ゲーティング付き遅延ステップ別報酬帰属を提案。vLLMによる非同期ロールアウト生成やカリキュラムベースの対戦相手サンプリングと組み合わせ、80億パラメータのオープンソースモデルがGPT-5を含む大規模プロプライエタリシステムを上回り、NeurIPS 2025のMindGames ArenaベンチマークでOpenとEfficientの両トラック首位を獲得した。

研究者らは最適輸送理論を用いた置換不変ベイズ最適化手法PIBOを提案し、洋上風力発電所のレイアウト最適化において従来のベイズ最適化より優れたレイアウトを生成しつつ、計算時間を約半分に短縮できることを示した。

研究者らは、多目的分子最適化を樹状探索として定式化するATOMフレームワークを提案した。各ノードに特定の目的に特化したエージェントを配置し、全体合意ではなく経路に沿った協調により多様な分子進化軌跡を探索する。活性、合成可能性、ADMET特性を含むベンチマークで、パレート被覆率とハイパーボリュームの改善を達成した。

新しい論文が、知識アーティファクトのライフサイクル、評判加重熟議投票、段階的制裁を組み合わせたマルチエージェント知識ベースのガバナンスプロトコルを提案している。シミュレーションでは、このプロトコルが逆境下で多数決投票よりも高い回復力を示し、コミット・リビール投票隠蔽が最も影響力のある単一コンポーネントであることが判明した。