CVPR 2026で開催される第10回ABAWワークショップ＆コンペティションは、コンペティションと論文トラックの二本立てを維持し、連続的・離散的な感情推定に加え、感情模倣の強度推定、両価性・躊躇の認識、細粒度の暴力検出といった複雑な行動分析課題を扱う。論文トラックは姿勢・行動推定、マルチモーダル学習、ベンチマーク、公平性、ロバスト性、実運用まで幅広くカバーする。

EvoSpecは、投機的デコーディングにおいてドラフトモデルの語彙とパラメータを動的に適応させるフレームワークであり、専門分野で静的ベースラインFR-Specに対して1.13倍の高速化を実現し、メモリオーバーヘッドを27%削減します。

研究者らはCAREフレームワークを提案し、LLMがシミュレートした言説を、実際のニュースに対するコミュニティの真實の反応と比較評価した。その結果、明示的なコミュニティプロンプトではシミュレーションの忠実度が向上しない「リアリズムギャップ」が持続していることを発見。最先端モデル間で行動特性が異なり、現在のアラインメント戦略ではオンライングループの社会言語学的ダイナミクスを捉えきれないことを示唆している。

FLUIDフレームワークは、厳格な因果アラインメントとエントロピー駆動の弾力的地平線メカニズムにより、事前学習済み自己回帰LLMを拡散パラダイムへ効率的に適応させ、最先端性能を維持しつつ訓練コストを数桁削減する。ACL 2026採択。

本論文は、低リソース音声言語モデル（SLM）が合成データに依存することで生じる安定性と表現力のギャップを明らかにし、表現力を回復するための2つの自己アライメントフレームワーク（DGSAとTDSC）を提案する。ElevenLabsやGemini Proを上回る性能を達成し、ラオ語で初のゼロショット音声クローニングを実現した。

BioELXは、注釈付きトレーニングデータを必要としない、新しい言語横断的生医学エンティティリンキングフレームワークです。Wikidataの多言語エイリアスでSapBERTを強化し、事前学習済みLLMを使った文脈認識型曖昧性解消を行います。5つのベンチマークでの実験により、特にトルコ語、韓国語、タイ語などの低リソース言語で大きな改善が見られました。

RAG-Codingは、4つのLLMエージェントを調整し、公式のコーディング表やガイドラインなどの外部知識に基づいてICD-10-CM自動コーディングを行うエージェント手法である。MDACEデータセットにおいて、最良のLLMベースラインをmicro-F1で8-13%上回り、より細粒度の専門家再注釈を施したMDACE-2025も公開した。

本論文では、プロンプトベースのテキスト読み上げ（TTS）モデルにおいて、発話間スタイル補間と発話内スタイル遷移を可能にする新しい手法を提案。埋め込み空間での方向ベクトル補間と、KVキャッシュスワッピングおよびスライディングウィンドウアテンションマスキングを導入し、実験では性別変換成功率99-100%、発話内の滑らかなスタイル変化を達成した。

研究者らは、モデルの微調整なしにLLMエージェントの文脈内報酬ハッキング（ICRH）を軽減するLCOフレームワークを提案した。自己思考モジュールと進化的サンプリングモジュールを組み合わせ、GPT-4のツイートエンゲージメント最適化タスクで毒性増加率を39%削減し、ポリシー最適化ベンチマークでICRH発生率を15.23%低減した。

本論文はICGフレームワークを提案する。MLLMによるプロンプト生成と個別化選好アライメントを統合し、高品質で個別化されたカバー画像をエンドツーエンドで生成する。実験では画像品質、意味的忠実性、ユーザー訴求力の大幅な向上が示された。

HEALは、フェデレーテッドラーニング、ゴシップラーニング、エピデミックラーニングの長所を組み合わせた新しいクロスレイヤー分散学習フレームワークです。Elevatorアルゴリズムを活用して動的にノードをアグリゲータに昇格させ、クラッシュのない設定ではフェデレーテッドラーニングと同様の性能を達成し、クラッシュやチャーンが多い環境ではゴシップラーニングとエピデミックラーニングを上回ります。

本論文は、少数ショットのグラフ異常検出を、固定された検出器の学習からタスク条件付きの検出ワークフローの設計へと再定式化するフレームワーク SignGAD を提案し、限られた教師信号下での信頼性を高めるガード付き最終再フィット戦略を導入している。

本論文は、継続学習において事前学習モデルを選択するための軽量な指標であるアーキテクチャ駆動型シフト（ADS）を提案する。ADSはロジットシフトをアーキテクチャ依存とデータ依存に分解し、少数のデータサンプルでシフト傾向を捉える。175以上のアーキテクチャでの実験により、ADSとロジットシフト間に強い単調相関（スピアマンのrs ≥ 0.731）が示され、ADSは3データセット・6シナリオで信頼性の高いCLモデル選択のための軽量プロキシとして機能する。

本論文は、計量認識主成分分析（MAPCA）と幾何学的深層学習の間の6つの軸にわたる精密な対応関係を構築する。MAPCAの解が計量を保存する直交群の下で同変であることを示し、不変PCA（IPCA）が任意の対角スケーリングの下で同変であり不動点集合に射影する、MAPCA族の中で唯一の線形データ駆動計量であることを特徴付ける一意性定理を証明する。

本サーベイは、混合専門家（MoE）がマルチモーダル学習における効率性、表現、適応の課題をどのように解決するかを体系的にレビューし、解釈可能なルーティングや専門家間通信などの重要な研究ギャップを指摘する。論文はIJCAI 2026に採択された。

本論文は、エッジAIGCリソース管理のための実行可能で進化するエージェント $E^3$-Agent を提案する。高速パスルーターと低速パスのLLMメタコントローラーを分離し、オンライン学習で動的環境に適応する。シミュレーションでは、最良の静的ベースラインと比較して平均レイテンシを65%～73%削減し、オンライン完全情報Oracleとの差を7%～10%以内に抑えた。

対角SSM（S4D）と入力依存型Mambaアーキテクチャを時系列分類で系統的に比較した研究により、よりシンプルなS4Dが精度と効率の両方で一貫して優位に立つことが明らかになり、複雑さが高性能に必要という仮定に疑問を投げかけている。

本論文は、無線センサネットワークにおけるデータ拡張が単一生成器と経験的な量に依存している問題に対し、情報ギャップ誘導型の階層マルチ生成器協調と情報ギャップ-モデル性能の閉ループ評価を備えたIGADA-IoTフレームワークを提案する。複数の下流モデルで平均精度を7.27%向上させ、先進的なデータ拡張手法と比較して8.67%の改善を達成した。

本論文は、異種環境における連合強化学習（FedRL）の課題に対処するため、パーソナライズド観測正規化（PON）手法を提案する。各エージェントは、継続的に更新される実行平均と分散を用いてローカルに生の状態入力を正規化し、一貫したスケーリングを保証する。正規化パラメータの共有は非効率であることが示され、実験では異種MuJoCoタスクでトレーニングの高速化と優れた性能を達成。IJCNN 2025に採択。

あるarXiv論文は、人間の結果は動的な潜在状態への介入によって制御可能であると主張する。状態は、意思決定の瞬間における生物学的・生理学的・神経心理学的処理次元に対する時間インデックス付き重みベクトルとして定義される。著者らは6つの証拠の系統と20万人以上のユーザーからの24ヶ月間のプラットフォームデータを引用し、7つの検証可能な予測と6つの運用要件を導き出し、デジタルヘルス、教育、AIパーソナライゼーションへの影響を議論している。

Agynは、AIエージェントを本番環境で大規模に運用する際の課題を解決するために設計されたオープンソースプラットフォームです。Kubernetes上のシグナル駆動型ステートフルサーバーレスランタイム、Terraformプロバイダによるエージェントとハーネスのコード定義、ゼロトラストと最小権限の原則に基づくセキュリティモデルという3つの主要原則に基づいています。エージェント、モデル、クラウドに依存しません。

本論文は、リアルタイムデータストリーム上で自律的に洞察を発見するマルチエージェントアーキテクチャを提案する。Apache Kafka、Flink、大規模言語モデルを用いて、仮説の生成、検証、可視化を継続的に行い、受動的なクエリ駆動分析から能動的な発見駆動システムへの移行を実現する。

LaneRoPEは、シーケンス間アテンション機構と位置エンコーディング拡張により、複数のLLMシーケンスが生成中に協調できるようにし、数学的推論タスクにおける精度を向上させる。アーキテクチャへの変更は最小限で、推論時のオーバーヘッドは無視できる。

RULERは表現レベルの検証指標M2とM4を提案し、既存の近似アンラーニング手法が出力レベルの評価を通過しても中間表現に忘れられたデータの痕跡を残すことを明らかにした。特に顔認識では身份レベルの記憶が完全に消去できない。

新論文は、大規模言語モデルが因果発見に失敗するのは教師あり微調整、DPO、文脈内学習の学習パラダイムに固有の限界であることを証明し、凍結したLLMを介入オラクルとして使うAgentic Causal Bayesian Optimization（A-CBO）を提案。新ベンチマークで微調整や選好最適化を大幅に上回る性能を示した。

本論文では、DFJSPのための診断フレームワークDynaSchedBenchを提案する。逐次イベント空間キャリブレータ（SESC）とスケジュールストレス指標（SSI）を用いて難易度を層別化したインスタンスを生成する。LLMスケジューリングエージェントにおける「可観測性のパラドックス」を特定し、完全な構造情報を提供すると性能が低下することを発見した。ツール拡張や洗練戦略も信頼性のある改善をもたらさない。

生物進化における種の起源に着想を得て、合成情報の起源を探求する本論文は、ステガノグラフィを用いて情報の系統を追跡可能にするメカニズムを提案する。AI生成コンテンツの出所特定が困難になる中、真実と信頼を守るための重要な試みである。

研究者らは、Gemma 3をベースにタジク語に特化した対話型大規模言語モデルSoroを発表。継続事前学習と指示チューニングを行い、タジク語ベンチマークをオープンソース化。量子化によりエッジ展開を実現し、タジク斯坦の教育現場でのパイロットを支援する。

本論文は、テキスト中の人間的価値を検出しその強度を定量化するためのモジュール型LLMアーキテクチャを提案する。特定の価値理論や複雑なプロンプトエンジニアリングへの依存を回避し、ValueEvalデータセットでその汎用性を検証している。

生成AIが人間の正しいコードを書く能力という制約を溶解させることで、ソフトウェアワークは二本柱を中心に再編成されると論じる論文。第一の柱「ミキサーモード」は人間が音響エンジニアのように複数の判断軸を連続的に操作する役割、第二の柱「メタソフトウェア」は他のソフトウェアを監視・検証・文脈化・統治するソフトウェアを指す。この二本柱は不可分であり、手工業から統計的管理による大量生産への歴史的転換に類似する。