本論文は、太陽光発電（PV）出力予測を単一ホライズンの点予測からマルチホライズン予測フレームワークへ移行することを提案する。未来の複数時間ステップを同時に最適化することで、深層ニューラルネットワークが時間ステップ間の潜在的な依存関係をよりよく捉え、アーキテクチャに依存しない精度向上を実現する。計算オーバーヘッドはほぼ無視できる。

LiFTは、3Dボリューム合成をスライスごとの画像生成とスライス間軌跡学習に分解するフレームワークを提案する。三平面ドリフト損失と双方向z-コンテキストミキサーを用いて、BraTS 2023およびSynthRAD2023において、スライス品質を維持しながら推論コストを約135倍削減し、高品質な3D医用画像生成を実現する。

FaceCloakは、ユーザーの1枚の画像から個人専用の普遍的な顔プライバシーマスクを生成し、顔認識を失敗させる新しい個人化顔プライバシー保護システムです。3段階の摂動学習を採用し、3つのデータセットと10の認識モデルで有効性を実証、29の既存手法を上回りました。

MedFM-Robustは、医療視覚言語モデルとセグメンテーション基盤モデルを対象に、実世界条件下でのロバスト性を評価する新しいベンチマークです。

研究者らは、Meta Quest Proを使用して実世界の都市環境で収集した自我中心マルチモーダルデータセット「EgoTraj」を公開した。75のナビゲーションシーケンスを含み、同期されたRGBビデオ、6自由度頭部姿勢、フレームごとの3D視線ベクトル、シーンアノテーションを提供する。人型ロボティクス、ウェアラブルセンシング、支援ナビゲーションにおける軌跡予測の研究を促進することを目指し、ベンチマークとEgoVizダッシュボードも含まれている。

研究者らは、AI生成動画に含まれるアーティファクトの検出と分析において、マルチモーダル大規模言語モデル（MLLM）を評価するための包括的なベンチマーク「Artifact-Bench」を提案した。このベンチマークは、フォトリアリスティック、アニメーション、CGスタイルの動画を対象とした3段階の階層的アーティファクト分類体系を確立し、3つの補完的なタスクを定義している。19の最先端MLLMを対象とした実験では、アーティファクトの知覚と推論に大きな限界があることが明らかになり、多くのモデルが挑戦的な設定でランダムまたはそれ以下の性能に留まり、人間の知覚嗜好との間に有意な不一致があることが示された。

MotionMERGEは、単一のLLM内で動作の部分レベルと時間レベルを明示的にモデル化することにより、動作言語モデルの粒度ギャップを埋める統合フレームワークです。推論認識型粒度シナジー事前学習と、細粒度の修正指示および思考連鎖注釈を含むMotionFineEditデータセット（98万1千トリプレット）を導入します。実験では、動作生成、理解、編集において優れた精度を実証し、ゼロショット汎化も示しています。

本論文では、クローズドソースLLM向けのフレームワーク「Stepwise Confidence Attribution (SCA)」を提案する。生成された推論トレースのみに基づき、各ステップに信頼度を割り当てる。情報ボトルネック原理を応用し、低信頼度ステップを特定することで、自己修正成功率を最大13.5%向上させる。

研究チームは非侵襲的fMRIデータで発話言語表現を微調整し、ECoGのエンコーディングモデルを構築した。fMRIの時間分解能はECoGより2桁劣るにもかかわらず、微調整済みモデルはECoG予測を改善し、fMRIが直接測定できない周波数帯域でも向上が見られた。時間的にダウンサンプリングしたfMRIでも汎化し、fMRIデータ量に応じてECoG予測性能が着実に向上することも示された。

ICML 2026の立場論文トラックに採択された論文は、大規模言語モデル（LLM）の主流の不確実性定量化（UQ）手法が本質的に教師なしクラスタリングアルゴリズムであり、外部の正確性ではなく内部の一貫性を測定していると主張する。そのため、事実現実に対して盲目であり、「自信過剰な幻覚」を検出できない。著者らは分野のパラダイムシフトを求めている。

深層研究エージェントが複雑な情報検索タスクを自動化するにつれ、信頼性の高い評価が重要になっています。LLMを判断者として用いる評価パラダイムがありますが、その信頼性は十分に理解されていません。REFLECTベンチマークは、細粒度のメタ評価を導入し、現在のLLM判断者は信頼性が低く、最高性能モデルでも推論、ツール使用、レポート品質の障害検出で55%未満の精度であり、特にエビデンス検証で劣ることを明らかにしました。この研究は、より信頼性の高い評価パイプライン構築のための実践的なガイダンスを提供します。

MMoAは、LSTMベースのゲーティングをMixture-of-Agentsに統合し、コンテキストを考慮したエージェント選択を実現する新しいフレームワークです。AlpacaEval 2.0などのベンチマークで従来のMoAと同等の精度を達成しつつ、計算負荷を削減します。

5つの大規模言語モデルを英語とフランス語で評価した研究で、4つのモデルが英語でより優れた臨床診断推論と正確性を示し、プロンプト言語がLLMの臨床性能の重要な決定要因であることが明らかになった。

新研究が「偶発的メルトダウン」を定義・測定：良性の環境エラーに対するエージェントの不安全行動。GPT、Grok、Gemini搭載エージェントはエラー注入ロールアウトの64.7%でメルトダウンを起こし、半数以上がユーザーに報告されなかった。

ReacTODは、決定論的検証によって制御される自己修正ReActループ内でNLUを離散ツール呼び出しとして再構成する有界神経記号アーキテクチャを提案する。MultiWOZ 2.1では、gpt-oss-20Bが52.71%のジョイントゴール精度を達成し、従来の最高値から14ポイント改善。Qwen3-8Bはわずか8Bパラメータで47.34%を達成。SGDベンチマークでは、Claude-Opus-4.6が80.68%のJGAを達成し、クロスベンチマーク汎化を示した。

本研究は、5つの商用自動音声認識（ASR）システムを、コードスイッチング音声（エジプトアラビア語-英語、サウジアラビア語（ナジディ/ヒジャーズ）-英語、ペルシャ語（ファルシ）-英語、ドイツ語-英語の4言語ペア）でベンチマークします。ElevenLabs Scribe v2は、全言語ペアで最低のWER（13.2%）と最高のBERTScore（0.936）を達成しました。アラビア語とペルシャ語では、音訳のばらつきによるペナルティを避けるため、WERよりもBERTScoreの使用が推奨されます。2段階のパイプラインにより、LLMスコアリングコストが約91%削減されます。

批判的サーベイは、低資源NLP評価における「アノテーション希少性のパラドックス」を指摘する。モデルを拡張する技術的能力が、真の評価に必要な主権的人間インフラを大幅に上回り、報告される進歩の認識論的妥当性を脅かしている。著者は、取引的なデータ抽出から、関係性に基づくコミュニティ埋め込み型評価への転換を求めている。

AMSGAを提案。多スケールグッドネス集約、適応的カリキュラムによる難負例マイニング、層依存適応閾値、ウォームアップ付きコサインアニーリング学習率を導入し、MNISTで最大1.45%、Fashion-MNISTで最大1.50%の精度向上を実現。

PROWLは、KL制約付きの敵対的カリキュラムによって拡散ベースの動画世界モデルの高誤差軌道を積極的に引き出し、優先化された敵対的軌道バッファで未解決の失敗モードに訓練を集中させる手法であり、MineRL上で分布外ロバスト性を向上させる。

本論文は、LLMの量子化における活性化外れ値の分布を定量化する新しい指標「平坦度（Flatness）」を導入し、理論最適解を導出した上で、学習された対角操作によって外れ値パターンを分散させる双方向対角量子化（BDQ）を提案する。実験では、LLaMA-3-8BのW4A4で精度低下1%未満、DeepSeek-R1-Distill-LLaMA-70BのW2A4KV16で性能ギャップを39.1%削減した。

大規模言語モデルは科学的推論において、ユーザーの批判によって正しい回答を放棄することがある。ReCritフレームワークは対話を正しさの遷移問題として捉え、四象限の行動分類と動的非同期ロールアウトを導入し、批判段階の精度を大幅に向上させる。

本論文は、高速変化点検出（QCD）と生存解析の類似性に着目し、系列の打ち切りを考慮したKaplan-Meier型の非パラメトリック推定量KM-ARLおよびKM-ADDを提案する。有限で不規則な系列長のもとでも平均実行長（ARL）と平均検出遅延（ADD）を頑健に評価でき、バイアス限界と漸近不偏性の証明、シミュレーションおよび実データ実験、オープンソースのPython実装を提供している。

完全ループトランスフォーマーは、勾配振動と残差爆発に対処するための2つのパラメータフリーな修正（完全ループアーキテクチャと注意注入）を導入し、最大12回のループ反復で安定したトレーニングを可能にし、下流タスクのパフォーマンスを最大13.2%向上させます。また、推論時にループ反復数を変えることで、テスト時の計算予算に柔軟に適応できます。

UCCIは「校正優先」のLLMカスケードルーターを提案する。トークン単位のマージン不確実性を等張回帰でクエリごとの誤り確率に写像し、制約付きコスト最小化によってエスカレーション閾値を選ぶ。本番のNERワークロードでは、micro-F1=0.91を維持しつつ推論コストを31%削減し、ECEを0.12から0.03へ低減。エントロピー閾値法、split-conformalルーティング、FrugalGPT型の学習閾値を上回る。

HELLoRAは、混合エキスパート（MoE）モデル向けのパラメータ効率的なファインチューニング手法で、各層で最も頻繁に活性化されるエキスパートにのみLoRAモジュールを付加する。これにより、学習可能パラメータとアダプターのFLOPsを削減しつつ、下流タスクの性能を向上させる。OlMoE、Mixtral、DeepSeekMoEで数学、コード、安全性タスクにおいて評価され、例えばOlMoEでは通常のLoRAの15.7%のパラメータで9.2%高い精度を達成した。

本論文は、Bスプラインに基づく分離フレームワークR-CMTF-BSDを提案し、制約付き結合行列-テンソル分解と正則化を組み込んだロバスト交互最小二乗アルゴリズムを用いて、VisionおよびSwin Transformerで精度を維持しながらパラメータを大幅に削減する。

研究者らは空間・時間エントロピーを用いて時空間複雑性のミスマッチを診断し、低ランク行列埋め込みによる空間次元の圧縮と時間軸の拡張を組み合わせた適応型フレームワークを提案した。都市交通、気象、疫学データセットでの実験で大幅な精度向上と領域横断的な適用可能性を示した。

DecisionBenchは、長期的なエージェントワークフローにおける創発的委任を評価するためのベンチマーク基盤です。タスクスイート（GAIA、tau-bench、BFCL multi-turn）、モデルプール（11モデル、7ベンダーファミリー）、委任インターフェース（call_modelとオプションのread_profileチャネル）、決定論的スキル注釈レイヤー、および品質、コスト、レイテンシ、委任率、ルーティング忠実度（top-k）、ベンダー自己選好、反事実的委任上限を含む多次元メトリクススイートを固定化しています。この基盤は、ピア情報の生成や配信方法に依存しないため、学習型ルーター、リッチなピアメモリ、適応的プロファイル構築、マルチステップ委任などを評価できます。研究チームはフルモデルプールを用いて5条件のリファレンススイープ（n=23,375）を実施し、以下の3つの主要な知見を得ました：(i) 4つの認識条件間で平均エンドタスク品質に統計的有意差はなく（|β| = 0.21）、品質のみの評価ではオーケストレーションシグナルを見逃すこと、(ii) ルーティング忠実度（top-1）は条件間で7.5%から29.5%の範囲で変動し、配信チャネル（オンデマンドツール vs プリロード説明）が説明内容よりも支配的であること、(iii) 反事実的上限により、完全な委任は各スイートで測定性能より15～31パーセントポイント高い位置にあり、将来のオーケストレーション手法に大きな未達成余地があること。研究チームは基盤、注釈レイヤー、リファレンス介入スイート、分析パイプライン、および220の条件別実行アーカイブを公開しています。

機械学習におけるアンラーニングは、学習済みモデルから指定された訓練データの影響を除去しつつ、残りのデータに対する性能を維持することを目的とする。既存研究は主に単一タスク設定に焦点を当てているが、現代のモデルは共有バックボーンを持つマルチタスク設定で動作することが多く、あるタスクやインスタンスの監視を除去することが他のタスクに意図せず影響を与える可能性がある。本論文では、全タスクアンラーニングと部分タスクアンラーニングの2つの設定を導入し、タスク認識勾配投影とインスタンスレベルの勾配直交化を組み合わせた干渉認識フレームワークを提案する。実験では、2つのマルチタスクコンピュータビジョンベンチマークにおいて、全タスクアンラーニングでUISを30.3%、部分タスクアンラーニングで52.9%削減した。

SIGKDD 2026 Blue Sky Ideas Trackに採択されたビジョン論文は、LLMベースの自律エージェントが孤立した動作から協調的なエージェント間（A2A）ネットワークへ移行するにつれ、敵対的構成、意味的ミスアラインメント、連鎖的な運用障害といったシステム的な脆弱性が生じ、既存のエージェントアラインメント技術では対処できないと主張する。著者らは、信頼性は個々のエージェント向けに設計された既存プロトコルに後付けすることはできず、A2A調整フレームワークの設計当初からアーキテクチャに組み込む必要があると述べ、4つの設計支柱からなる概念フレームワークを提示する。