マルチサブジェクトのパーソナライズ画像生成では、指定された全ての参照アイデンティティとその相互作用を正確にレンダリングする必要がありますが、最先端モデルでも被写体の欠落、外観の歪み、相互作用の誤割り当てが頻繁に発生します。既存の評価指標は主に単一被写体の忠実性に設計されており、被写体数が増えるとランキング分離性と人間の好みとの整合性が著しく低下します。この問題に対処するため、本論文ではマルチサブジェクトインタラクションベンチマーク（MIB）と評価器（MIE）からなる統一フレームワークMIBEを提案します。MIBは分離されたデータ戦略により多様な関係タイプとシーン複雑度を体系的にカバーし、60KペアのVLMラベル付きシルバーセットと4Kペアの二重盲検人間評価ゴールドセットを含みます。MIEはシルバーセットでのみ学習された軽量の参照条件付き評価器で、デュアルヘッドのランキングと診断目的を持ち、ゴールドセットで0.922の全体適合率を達成し、CLIPやDINO変種などのベースラインを上回ります。

MapDreamerは、1枚の航空画像から直接、明示的なトポロジーを持つ車線レベルのベクトル地図を合成する生成拡散モデルです。変分オートエンコーダで車線中心線とトポロジー関係のコンパクトな潜在表現を学習し、トランスフォーマーベースの潜在拡散モデルでグラフを予測します。各ノイズ除去ステップでクロスアテンションを介して航空特徴を条件付け、さらに車線数の変動に対処するための車線カーディナリティモジュールとゴースト潜在変数を導入。スライディングウィンドウによる大域グラフ集約戦略で局所タイルを都市規模の地図に結合します。Argoverse 2由来のUrbanLaneGraphでの実験では、非生成ベースラインを上回る幾何学的・トポロジー的忠実度を示しました。

本論文では、入力認識可能な拡張可能エキスパートモジュールを提案し、類似した外観の人物を識別するための細粒度特徴抽出を強化。入力認識エキスパート選択と時空間選択の2つのメカニズムにより、大規模データセットで優れた性能を示す。

KathaTraceは、ビジュアルナラティブにおけるセマンティック軌道崩壊（シーン間の意味的つながりの喪失）を診断するためのジェネレーター非依存のプロトコルです。研究者は、古典的なコレクションからの5000のナラティブを含むKathaBench-25Kデータセットを構築し、セマンティック軌道ギャップ（STG）指標を定義しました。実験では、最先端のジェネレーターでSTGが23.5±1.3と大きいことが示されました。また、Semantic Compassというポスト生成修復手法も提案されています。

CPG-PADフレームワークは、モデルレベルの概念ガイダンスをプロンプト学習に導入し、プレゼンテーションアタック検出のクロスドメイン一般化を向上させる。説明可能AIを用いて攻撃関連の視覚概念を自動発見し、プロンプト空間に注入することで、9つのベンチマークデータセットで最先端の性能を達成。

AnchorSplatは、3D構造に直接作用する新しい3Dネイティブなリファインメントパラダイムであり、従来のパイプラインの高価な最適化オーバーヘッドを回避します。ポイントアンカー機構により幾何的一貫性を強制し、反復的な高密度化をシングルパス乗算に置き換え、元の多視点画像を必要としません。実験では、最適化手法よりも10^5倍高速なスループットと、ロバストなゼロショット汎化を示しています。

TurnNatは、二者間対話におけるターン交替の自然性を自動評価するための尤度ベースのフレームワークです。因果予測モデルを用いて将来の音声活動の負の対数尤度を計算し、タイミングの異例さを定量化し、摂動ベンチマークで有効性を実証しました。

RuleChefは、テキスト分類、固有表現抽出（NER）、関係抽出などのNLPタスク向けに、大規模言語モデル（LLM）を使用して実行可能なルールを生成するフレームワークです。タスク記述とラベル付き例に基づいてルールを生成し、追加の例や人間のフィードバックによって反復的に改善します。LLMは学習時にのみ使用され、高速で決定論的かつ検査可能なルールシステムを実現します。分類タスクとNERタスクでの予備評価が行われ、Apache 2.0ライセンスでオープンソース公開されています。

Office Comprehension Bench (OCB) は、Word、Excel、PowerPointのネイティブファイル形式におけるLLMの理解力を共同評価する初の公開ベンチマークです。ファイル忠実度QA（構造的・視覚的認識）とドメインQA（12プロフェッショナル領域における専門家レベルの推論）の2つのトラックで構成されます。最強のフロンティアシステムでもデフォルト推論モードで約59.3%の精度にとどまり、同一ティア内で思考深度を増しても性能は向上せず、上位製品ティアへの移行でわずかな改善が見られます。データセット、評価ツール、判定プロンプト、リーダーボードが公開されています。

研究者らはRAGPを提案。これはテキストを多重グラフとしてモデル化し、レヴィウォークを用いて効率的に剪定する新しいプロンプト圧縮手法。LongBenchで4倍圧縮時に平均スコア49.3を達成し、既存のLLMベース手法を上回る。

この論文は、カウントベースのF1がプロンプトフレーミングによって人為的に膨らむ可能性があり、スパン位置特定が改善しないギャップをF1インフレーションと定義し、ErrorBenchプロトコルを導入します。実験では、アンカープロンプトが最大0.79のF1インフレーションを引き起こすことが示されました。評価では事前設定されたエラーカウントを避け、スパン認識指標を報告することを推奨しています。

新しい研究により、BPEトークン化が安全性に関わる単語をサブワードに分割することで、LLMの安全性アライメントに悪用可能なギャップを生み出すことが明らかになった。この断片化を標的とした最適化により、HarmBenchプロンプトの80～100%で拒否トリガーが反転し、そのうち48%が実際に有害な出力を生成する。防御策としては、DPO設定ではASRの安定的な閉鎖が達成できず、SFTは全体的な拒否率上昇を伴う。論文ではConv-Benign診断法を導入している。

本論文では、SPARCLEという話者認識型の文字表現モデルを提案する。これは対照学習を用いて、文字を対応するWav2Vec2音響表現と話者IDを条件として整列させる。低リソース環境では、従来の文字ベースモデルと比較して単語誤り率を半減させる。

本論文では、最近生成されたコンテキストのみを対象にデコード時に圧縮を行うスライディングウィンドウKVキャッシュ圧縮手法Karaを提案する。双方向アテンションを用いて情報価値の高いKVペアをスコアリング・選択し、Token2Chunkモジュールで重要な意味情報を柔軟に保持する。実験により、KaraとvLLMベースの推論フレームワークKvLLMがKVキャッシュメモリを大幅に削減し、出力スループットを向上することを示す。

本論文は、LLMエージェントのツール呼び出しにおけるミスアライメントを検出するための、プロベナンスに基づく概念フレームワークを提案する。研究者らは、ツール実行前に3種類のミスアライメントを分析する多段階パイプラインProvenanceGuardを開発した。Agent-SafetyBenchとWorkBenchで10のバックボーンLLMを用いた評価では、エラー率をそれぞれ42.9%から1.8%、32.1%から17.3%に低減し、タスク成功軌跡への介入負担を30.5%から12.8%に削減した。

TokenScopeは、コード生成中のLLMのトークンレベルでの意思決定を可視化するインタラクティブなツールであり、トークンメトリクス、アテンションパターン、反実分岐を提供する。

画像と事故報告書などのマルチモーダルデータを用いて踏切の安全性を評価するAIシステムの概念実証を提案。視覚言語モデルによりリスク分類と安全スコアリングを実現し、専門家評価と整合する結果を得た。

新しい攻撃手法NightVisionは、APIが単一のlogitのみを返しlogitバイアスを許可しない制限下でも、大規模言語モデルの隠れ次元、深さ、パラメータ数を低い誤差率で推定できる。

Zhilin Zhaoの新しいモノグラフは、現代の深層学習理論の統一された証明指向の説明を提供し、古典的な近似、最適化、汎化と、過パラメータ化、トランスフォーマー、文脈内学習、スケーリング則、創発といった現代のトピックを結びつけます。

研究者らは、スパースランダムプロジェクションと多項ロジスティック回帰を組み合わせた機械学習手法を提案し、DNAメチル化データから中枢神経系腫瘍を分類する。基準コホートで96%の精度、独立臨床コホートで86%（91クラス）および93%（ファミリーレベル）を達成し、従来技術を4〜5パーセントポイント上回った。

IonSense-QKGは、公開リチウムイオンバッテリーデータセットに量子関連メタデータを付加し、量子レディネススコアを導入することで、ハイブリッド量子古典機械学習に適したデータセットの選択を支援します。フレームワークはクエリベースの発見を可能にし、データ中心の量子バッテリー分析の再現可能な基盤を提供します。

本研究は、マルチプローブグリッドアルゴリズムを体系的に評価し、GloVe埋め込みにおいて従来手法とは異なる次元スケーリングクロスオーバーを示すことを発見。一定の次元指数、ほぼ線形のクエリスケーリング、低インデックスコストを達成し、高次元設定での競争力を示すとともに、効率的なTransformerアーキテクチャのコスト分析に貢献する。

本論文では、PRQSTランドマークをドメイン知識として組み込み、二重ストリーム有向グラフを用いて心電周期内・周期間の空間的・時間的依存関係をモデル化するグラフ畳み込みネットワークを提案する。第一回中国心電図インテリジェントコンペティションデータセットにおいて、全体の平均F1スコア88.1%、稀なカテゴリでは76.3%を達成し、最先端モデルを上回った。

本論文は、プログラミング・バイ・エグザンプルシステムの敵対的ロバストネスを研究し、新たな攻撃モードとして、敵対者がシンセサイザを観察し、返されるプログラムに最も損害を与える事例を選択するものを導入する。著者らは、有限バージョン空間における最悪ケースの事例破損を形式化し、探索アルゴリズムを実装し、防御としてバージョン空間分割集約（VPA）を提案する。実験により、低マージンタスクにはランダムノイズ評価では見逃される敵対的ロバストネスの次元が存在し、VPAはクリーンセマンティクスが分割投票マージンを維持する場合にのみ有効であり、現実的なタスクではしばしば失敗することが示された。

本論文では、各周波数点で独立に空間共分散行列を構築しSPD接空間に写像し、周波数クラスタ集約とフレーム間注意機構を組み合わせることで、被験者間の脳波ストレス検出精度を向上させるI²RiMAネットワークを提案。3つのデータセットで82.78%のバランス精度を達成し、パラメータ数はわずか1.60M。

本研究では、認知診断モデルの構造的解釈可能性と深層学習ニューラルネットワークを統合した多層Q行列埋め込みニューラルネットワーク（M-QCDNet）を提案する。M-QCDNetはQ行列を構造的事前分布として使用し、項目とスキルの関係を整理することで、潜在的な習熟プロファイルを解釈可能かつ認知理論と整合させる。L2正則化を伴う損失関数により、予測性能と構造整合性のバランスを取る。また、予測されたスキル活性化が項目レベルのスキルとどの程度対応するかを定量化する解釈可能なアライメントベースの指標を開発した。M-QCDNetは教室実践において実用的な利点を提供し、学習困難の早期発見と習熟ベースの介入を支援する。診断的妥当性をモデル設計に埋め込むことで、M-QCDNetは心理測定の透明性とニューラルネットワークの柔軟性を橋渡しし、認知診断における解釈可能で公平かつ実用的なAIを前進させる。

提案手法Procedural Memory Distillation (PMD)は、強化学習のロールアウトからエピソード間の信号を捉え、三段階の抽象度の記憶に整理し、記憶条件付き自己教師によってポリシーに蒸留する。ベンチマークでSDPOを上回る性能を示す。

本研究はMedAgentBench v1/v2を監査し、41.7%のサイレントフィニッシュ上限を発見し、MAB-v3（508タスク、8.9%上限）を構築した。Qwen3-8Bのトレーニングにより、能力上限と形式知識障壁という2つの構造的障壁が明らかになった。純粋なRLは18.2%のpass@1を達成したのに対し、ルールベースのSFTは34.1%であり、その差は完全にこれらの障壁に起因する。意思決定/形式知識/ルックアップの分類法はRLの学習可能性を予測する。

本研究は、特定のエンタープライズSaaSワークフローにおいて、従来の次トークン予測の限界を克服するために、検証可能な報酬を用いた強化学習（RLVR）を小規模言語モデルに適用することを提案する。JiraおよびConfluence APIを模した5つの合成環境で実験した結果、RLで訓練されたモデルは4つの非退化シナリオで平均報酬を0.35-0.92から0.95-1.00に向上させ、特にConfluenceページ作成で0.35から1.00への大きな改善が見られた。しかし、手動での報酬設計は拡張性に欠け、報酬飽和の問題も存在する。

研究チームは、混合エキスパート拡散言語モデルDiffusionGemma-26Bを医用視覚質問応答に適応し、自己回帰モデルと比較。拡散モデルは全ての指標で自己回帰モデルに匹敵または上回り、復号速度は3.5～4.4倍高速で、任意順序のインフィル機能を提供。放射線科医がレポート断片を固定し、その間をモデルに埋めさせる対話的な作成が可能となる。