本系統的レビューは、2,501件の初期検索結果から選定した16研究を基に、遠隔操作型血管内ロボットシステムの技術的実現性、通信インフラ、臨床成績に関するエビデンスを評価した。遠隔操作のカテーテルとガイドワイヤーは最大7,000kmの距離で操作でき、通信遅延は30〜163ミリ秒と臨床上許容範囲内に収まったが、エビデンスの大半は動物モデルやファントムモデルに由来し、ヒト試験は小規模にとどまった。

研究チームは、ミリ波レーダーから得られるノイズの多い点群データを用いて3次元人体形状を復元し、人体計測値を抽出する最適化ベースのフレームワークを提案した。脱衣や姿勢保持が不要で、プライバシーを保護しながら高精度な計測を可能にする。

本論文はTIME（Temporally Informed Motion Embedding）を提案する。これは合成運動データのみで訓練された自己教師あり動画表現であり、マスク付きオートエンコーダで点軌跡を再構成することで、動画モデルの拡張コストと言語依存の制限に対処する。ゼロショットタスクにおいて、最大4桁少ない訓練データで最先端モデルと同等の性能を達成した。

CoMoGen は、1枚の入力画像とバイナリマスク系列からリアルなインタラクティブ動画を生成する制御可能な動画生成フレームワークです。軽量な MaskAdapter がマスクを潜在残差に符号化し、コサイン重み付きスケジュールで MMDiT に注入します。さらに注意空間上の「Motion Layers」を特定し、LoRA で選択的に微調整することで、アーキテクチャ変更なしに計算コストを抑え、運動忠実度と知覚リアリズムで最先端性能を達成しています。

幼児と養育者の相互作用のビデオ録画は、自然な行動中の注意ダイナミクスの研究を可能にするが、手動アノテーションには時間がかかる。GBATは深層学習ベースのツールキットであり、ビデオ同期、視線ターゲットアノテーション、姿勢/手の動作分類を自動化し、大規模な発達研究の効率を向上させる。

本技術報告は、MaCVi 2026 Vision-to-Chart データ対応付けチャレンジ向けに、DETR ベースの融合 Transformer ベースラインへ加えた軽量な改良を述べている。専用の MLP（QueryMLP）を追加学習し、海図の計測値と IMU 姿勢データからブイの喫水線接触点を画像上で明示的に予測することで、Transformer デコーダの幾何推論負荷を軽減する。ホールドアウトテストセットで Overall 0.7386、F1 0.8055、mIoU 0.6718 を記録し、全提出中 2 位となった。

VideoOdysseyは、「連続証明長」という指標を用いて超長尺動画における連続追跡・情報統合・記憶保持の認知負荷を測定する新しいベンチマークであり、視覚と音声視覚の2つのサブセットを持ち、平均動画長は109分である。

CVPR 2026 GRAIL-Vワークショップ採択論文が、視覚言語モデル（VLM）のベンチマーク高精度が視覚証拠への依存を真に反映しているかを体系的に調査。画像トークンを大幅に除去しても幻覚ベンチマークの性能低下はわずかであり、モデル予測は標準精度が示唆するほど細粒度の視覚証拠損失に敏感でないことを発見。現在のベンチマークは細粒度の視覚グラウンディング評価には不十分だと結論づけている。

GEM-4Dは、高密度な4D対応関係の監視を注入することでロボット操作を向上させる幾何学的に基づいたビデオワールドモデルです。事前学習済みの幾何学基盤モデルから蒸留されたこの監視により、追加の推論コストなしで外観と幾何学的構造を同時に捉えます。逆動力学モジュールにより、一貫性のあるビデオ展開を実行可能なロボット軌道に変換します。GEM-4Dはビデオ予測と幾何学的整合性で最先端の性能を達成し、実世界の操作成功率を61%から81%に向上させます。

20の大規模言語モデルを対象とした研究により、宗教的改宗に関する助言に体系的な非対称性があることが判明した。モデルはカトリック、バハイ教、シク教への改宗を支持する一方、無神論、不可知論、エホバの証人への改宗を微妙に抑制する。この偏りはモデルや質問表現を変えても頑健に持続する。

43ユーザーによる27,188件のSlackメッセージを分析し、7つの大規模言語モデル（Gemini、Claude、GPTファミリーを含む）が通信ログから個人のドメイン知識を推測する能力を評価した研究。27名の参加者の自己申告スキル評価とゼロショット推定値を比較した結果、Gemini 2.5 Flashが最低誤差（MAE 21.13%）を達成し、GPTモデルは有意に大きな乖離を示した。推定精度はメッセージ量に弱くしか依存せず、テキスト量の増加だけでは推論精度が保証されないことが示唆された。これらの知見は、自動専門性マッピングの実現可能性と現在の限界を示し、プライバシー保護型の導入と、より豊かで構造を考慮した人間知識の表現の必要性を強調している。

本論文は、グラフアラインメントトポロジーを帰納バイアスとして利用するグラウンディング検出法を提案する。参照情報とLLM出力の間のアラインメント二部グラフを構築し、メッセージパッシングを用いてグラフニューラルネットワークを訓練することで、4つの幻覚および質問応答データセットで最先端の結果を達成し、GPT-4oを含むすべての比較手法を上回った。

研究者らは、拡散言語モデル向けの教師ありファインチューニング後訓練アルゴリズムLIFTを提案した。拡散タイムステップに応じて、マスク率が高い初期段階では易しいトークンを、文脈が豊富な後期段階では難しいトークンを学習するよう訓練を調整する。LIFTは6つの推論ベンチマークで既存のSFTベースラインを上回り、AIME'24とAIME'25で最大3倍の相対ゲインを達成した。

30以上のオープンソース大規模言語モデルを対象としたレッドチーミング研究は、政治的表現に体系的な非対称性があることを明らかにした。モデルは左派寄りのコンテンツを生成する傾向があり、モデルサイズが大きくなるほど表現範囲は狭まり、ジェイルブレイクの有効性はモデルファミリーや地域によって大きく異なる。

本論文は、スキーマ意味論、略語、ビジネスロジック、クエリパターンを含むタスク固有の知識ベースを構築し、訓練と推論の両方に注入する知識認識型Text-to-SQLフレームワークを提案する。低リソースのドメイン固有設定における性能を大幅に向上させる。

本調査は、ハウサ語（約8000万〜1億人の話者）とフォン語（ベナンで約200万人が使用）の公開テキスト・音声リソースを体系的にカタログ化した。ハウサ語はニュース、百科事典、教育分野でより多様なテキストリソースを有する一方、フォン語はテキストリソースが限られるが、近年学術的な音声データ収集プロジェクトが進んでいる。両言語ともMasakhaneベンチマークに含まれる。論文はタスク別の推奨事項を提示し、フォン語の領域多様なテキストやハウサ語専用音声コーパスなどの優先ギャップを特定している。

Tensor Cacheは、スライディングウィンドウソフトマックスアテンション（L1）と、ウィンドウから排除されたKVペアで満たされる固定サイズの外積高速重みメモリ（L2）を組み合わせた2レベルキャッシュです。最小限のメモリオーバーヘッドでウィンドウ外の長いコンテキストへのアクセスを可能にし、メモリと品質のフロンティアを改善します。

既存の多目的組合せ最適化問題（MOCOP）向けニューラルソルバーは、重みの注入タイミングや訓練ペアのランダムサンプリングに課題がある。本研究では、エンコーダにゲート残差融合（GRF）、デコーダに残差融合（RF）を導入し、効率的な選好最適化（EPO）を提案する。実験では、最先端のPOCCO-Wと同等の超体積（HV）を達成しつつ、推論時間を40%削減した。

本論文は、LLMの推論がタスクの静的な特性ではなく、生成中に動的に現れるデコーディング状態であると主張する。初期のエントロピー動態を分析することで、著者らはEDRMというトレーニング不要のルーティングフレームワークを提案し、15のベンチマークと4つのLLMで41～55%のトークン削減と精度向上を実現した。

MedExpMemは、VLMベースの診断エージェントが自身の診断失敗から学習して鑑別診断の専門知識を蓄積できるようにする経験記憶フレームワークであり、放射線科のベンチマークで最大7.0%の精度向上を達成しました。

本論文は、消去サンプルを学習された多様体表現の重心から保持データ内の最近傍意味的隣人へと押しやることで、近似的機械忘却を実現するManiF-SMCを提案する。表現空間内でのみ動作し、ラベルやタスク勾配への依存を低減。自己モード接続モジュールが適応的にマージンを生成し、最先端の忘却効果を示す。

研究により、小規模言語モデルは算術推論において、思考連鎖（CoT）プロンプトの論理的なステップに従うのではなく、回答区切りの前の最後の数字をコピーすることで答えを導き出していることが明らかになった。この位置的なショートカットがモデルの精度の大部分を占め、実際の推論よりも優先される。この発見はCoTに基づく監視手法に課題を投げかける。

FuRAは、ブロックテンソルトレイン分解に基づく全ランクファインチューニングフレームワークである。事前学習済みSVD基底を固定し、コンパクトなコアと特異値のみを最適化することで、LoRAと同等の効率を保ちながら、フルファインチューニングを一貫して上回る性能を実現する。

FusionSenseは、3段階のトレーニング手順を通じてエッジでの実行時意思決定を可能にする融合認識型近センサーセンシングフレームワークを提案し、計算と通信を同時に削減して、デュアルモダリティのドローンデータセットで最大33倍のエネルギー削減を達成します。

層ごとのMLP更新から幾何学的特徴を抽出し、スパース線形プローブで学習することで、言語モデルの不確実性定量化を改善する新手法。選択的棄却においてMSPを最大21AURCポイント上回る。

研究者らは、LLMエージェントがテキストではなく圧縮されたKVキャッシュの要約を交換することで通信するLatent Cache Flow（LCF）を提案。LCFアダプタは従来手法の約4%のサイズで、コンテキストが異なる場合でもテキスト通信より23%高い精度と8.5倍の速度を実現する。

PathCalは、リフレクションマーカーの種類を区別し、局所的に不確実な状態でのみ介入する訓練不要のデコーディングコントローラであり、6つの推論ベンチマークで効率と性能のより良いトレードオフを実現します。

郭東欣の博士論文は、AIにおける不可能性結果を計算可能な設計ルールに変える方法論を提案する。主力成果は「決定論的ホライズン」で、トランスフォーマー建築の層数と埋め込み幅だけで決まる精度上限であり、12の建築で19から31の間と測定された。論文はまた、嗜好学習、多段階検索、オークション、ゼロ知識検証にわたる16の仕様をカタログ化している。

EVE-Agentは、自己進化検索エージェントに証拠検証可能性を導入する新しい手法です。提案者-解決者フレームワークを拡張し、証拠の限界精度向上に基づいて報酬を与える証拠検証器を追加することで、各学習インスタンスに信頼できる出典付きの証拠断片を含めることを保証します。人間によるアノテーションを必要とせず、証拠に基づく正答率を大幅に向上させます。

本論文は、仲介ファジィ論理の統一的な形式化を提示し、タイプ1のコアを区間タイプ2、粒状タイプ3、量子拡張へと拡張する。仲介演算子を躊躇と矛盾に制御された凸集約として特徴づけ、標準的なt-ノルムファジィ論理に対する健全性、超矛盾性、保守性を証明する。自動ブレーキのセンサフュージョン例が、矛盾する証拠の下での透明で安全優先の意思決定を支えることを示す。