MR-SLAMは、Meta Quest 3ヘッドセットを装着したオペレータがパススルービューを通じて3台のシミュレーションTurtleBot3ロボットを遠隔操作し、各SLAMの占有グリッドをリアルタイムで統合する複合現実システムである。5回の9分間評価で、スキャン频率8.83 Hz、統合占有面積17.9 m²、インスタンス間一貫性94.7%を達成した。

SCARは、視覚的遷移から身体性を超えた統一的な潜在行動表現を学習する逆・順動力学の合同フレームワークを提案し、ProcgenとRobotwinでクロス身体性の低データ適応とクロスタスク転移の改善を示した。

VHYDROは、学習された提案と実現可能な遷移則を混合することで、接触の多いロボットダイナミクスにおけるブランチ損失を防ぎ、連続状態と離散接触モードを同時に推論し、スパースポート・ハミルトニアン則を適合させる変分ハイブリッドダイナミクス学習器です。

OrbiSimは、世界モデルを具現化知能向けの完全微分可能な物理エンジンとして再定義する新しいロボットシミュレーション手法を提案する。構造化されたシーン資産、ニューラルダイナミクス、強化学習を結び、予測忠実度と制御性能で最先端の世界モデルを上回る。

本論文は、有限メモリ離散化下での分数階粘弾性モデルの触覚レンダリングにおいて、受動性を保証する閉形式条件を導出し、有効剛性と減衰の記号式を提供するとともに、整数階モデルの結果を統一し、実験と被験者評価で理論を検証した。

本論文は、Swin Transformer にフォーカル集合推論と微分可能なファジィ論理を組み込んだ統合的なニューロシンボリック・認識論的モデリング枠組みを提案し、精度を維持しつつ過信を抑え、階層間の論理的一貫性を高める。

本論文は、ストリーミング動画理解において「いつ応答するか」を自ら決定する能動性の課題に対し、ベンチマークStreamPro-Benchと学習フレームワークStreamProを提案する。ベンチマークは知覚理解・時間推論・能動的エージェンシーの3軸で評価し、学習はCB-Stream損失で教師信号の不均衡を緩和した後、GRPOと多粒度報酬で応答の正確性とタイミングを同時最適化する。StreamPro-Benchで41.5を記録し従来最高10.4を大幅に上回り、StreamingBench-RTVUでも78.9を達成した。

SwordBenchは視覚モデルにおける画像表現ステアリングの初のベンチマークであり、概念間ロバスト性と副次的損傷という新しい指標を提案する。線形SVMは分離性と直交性に優れるが副次的損傷がゼロにならず、スパースオートエンコーダに劣ることが多い。

研究者らは、高品質な幾何推論データを自動生成する神経記号フレームワークGeoSym Engineを提案。生成されたGeoSym127Kデータセットにより、図に依存するタスクにおけるLMMの性能が20%以上向上しました。

Fre-Resは、疎で高忠実度の空間アンカーとコンパクトな時間的残差周波数トークンを組み合わせた、予算適応型の二トラック動画トークン圧縮フレームワークである。視覚トークン長を大幅に削減しながら、全トークンと同等かそれに近い精度を実現する。

本論文はF^3Aを提案する。これは言語モデルが画像トークンを消費する前に動作する訓練不要の視覚トークンルーターであり、タスク条件付き証拠探索を通じて固定の視覚トークン予算を割り当て、追加の訓練やLLMフォワードパスを必要としない。

本研究は、動的に変化するタスクのストリームから学習する必要があるストリーミング継続的視覚命令チューニング（StrCVIT）設定において、正則化された2段階エキスパートルーティングフレームワークStrLoRAを提案する。タスク認識エキスパート選択とトークンレベルの重み付けにより、既存手法を大幅に上回る性能を示した。

研究者らは、光子統計に基づく事象カメラの確率モデルを提案し、静的シーンのノイズ事象とステップ応答曲線を統一的に記述することに成功した。このモデルに基づくNoise2Paramsは、静的で均一なシーンの記録のみからカメラ固有のパラメータを決定でき、合成ノイズデータで訓練したCNNが実験データのみの場合より優れたシーン再構成性能を示すことを実証した。

本論文は、2B未満の軽量大規模言語モデル（LLM）が刑事裁判所視点生成（CVG）タスクでどの程度の能力を発揮し、罪名予測にどのような影響を与えるかを体系的に調査した。研究は、モデルアーキテクチャの影響、モデルサイズの寄与、深層ニューラルネットワーク（DNN）との比較、裁判所視点を先に生成してから罪名を予測する方法と直接予測する方法の差異という4つの主要な問いに取り組んでいる。また、3つの公開データセットを含む評価フレームワークCVGEvalKitを開発した。

本論文はマルチラベル法的アノテーションを検索問題として捉え直す。文書とラベル記述を凍結した検索モデルで埋め込み、埋め込み空間上のk近傍法でラベルを予測するため、ラベル集合の変更時も再埋め込みと再インデックスのみで対応でき、再学習は不要となる。3つの法的データセットで競争力のある精度と高いデータ効率を示し、生成推論で生じる分類体系外ラベルのハルシネーションを設計上排除している。

CHI-Benchは、プロバイダ事前承認、保険者利用管理、ケアマネジメントの3領域にわたる現実的な医療オペレーションのエンドツーエンド自動化を評価する初のベンチマークである。タスクでは、エージェントは87のMCPツールを介して20の医療アプリの高忠実度シミュレータを操作し、1,290以上の文書からなるマネージドケア運用手順書スキルに導かれる必要がある。30のエージェント設定のうち、最高のエージェントでもタスクの28.0%しか解決できず、厳密なpass^3基準では20%を超えるエージェントはなく、単一セッションで実行するとパフォーマンスは3.8%に急落する。

arXivの新論文は、大規模言語モデルを用いて文レベルのアノテーションを生成し、RoBERTaベースの分類器を訓練することで、文脈中の様態動詞と結果動詞を識別する計算手法を提案。平均精度は最大89.6%に達し、発達言語研究のためのスケーラブルな測定ツールを提供する。

研究者らは、感情の識別から感情強度の評価へと焦点を移す新しいアプローチを提案した。感情強度スコアのデータセットを構築し、オープンウェイトの生成言語モデルを微調整して0から100の連続値を出力させる。この手法は分類ベースラインを上回り、感情や覚醒度などの関連構築概念への汎化・転移効果を示す。感情の程度が解釈や意思決定の中心となる金融などの領域に、強度評価がより適合すると主張している。

arXivはHTML Papersプロジェクトの進捗を報告。コミュニティ主導の改善、コーパス規模の変換、MathML 4アクセシビリティ注釈、LaTeXMLのRust移植を含む。

PQRは、クエリとプロンプトの反復的な改善を通じて、現実的なユーザー意図を持つクエリを自動生成し、LLMエージェントの失敗を明らかにするフレームワークです。ECサイトのQAエージェントで評価した結果、以前の手法より23%〜78%多くの役に立たない応答を発見しました。

研究により、LLMエージェントシステムのスキルライブラリのスケーリング則が明らかになった。ルーティング精度はライブラリサイズとともに対数的に低下し、正しい実行は下流の意思決定を約4倍改善する。最適化により、ルーティング精度が71.3%から91.7%に向上し、ハイジャック率が22.4%から4.1%に減少した。

AdaGraphは、構造中心機械学習（SC-ML）パラダイムに基づくグラフネイティブなクラスタリングアルゴリズムです。ユークリッド距離に代わりkNNグラフトポロジーを利用することで、次元の呪いを根本的に解消します。クラスタ数kの事前指定は不要で、ノイズをネイティブに処理し、SLCDフレームワークによりスケーラビリティを実現します。10個の合成ベンチマーク（次元10～5000）において、Graph-SCOPEは平均ARI=0.900を達成し、従来の指標を上回りました。肝細胞癌の遺伝子共発現、テキストクラスタリング、材料科学の3つの科学領域で有効性が検証されています。

本研究は、混合効果統計参照とトランスフォーマー残差学習を組み合わせた残差ギャップ認識トランスフォーマーモデルを提案し、ADNIデータを用いて24ヶ月のCDR-SB変化を予測する。モデルはベースラインを上回り、MSEを13.1%削減し、予測-観測相関を26.4%向上させた。

本論文は、強化学習（RL）でリカレントニューラルネットワーク（RNN）を使用する際に、行動情報を状態更新関数にどのように組み込むかを体系的に調査したものである。著者らは複数の行動符号化の選択肢について議論し、いくつかの例示的な領域で実証評価を行い、今後の研究やRL特有の課題についても述べている。

新しい論文は、自己対戦強化学習エージェントが非対称なルール摂動下で崩壊するかどうかが、意思決定容量の閾値に依存することを示した。正の到達可能性を持つ条件付き意思決定をすべて除去すると、エージェントは最大損失に近い決定論的搾取アトラクタへ急速に収束するが、そのような決定点を1つでも保持すれば崩壊は防げる。このメカニズムは摂動自体ではなく制約下の共適応によるもので、現象はタイミング不変で可逆的、関数近似下で激化する。

自己対戦強化学習において、攻撃者が被害者の行動セットから合法な行動を選択的に除去する敵対的行動マスキングを研究。ポーカーおよび非ポーカードメインでの実験により、学習されたマスキングはランダムマスキングや摂動ベースラインよりもはるかに大きな損害を与え、複数のRLアルゴリズムで持続し、エージェント間で転移し、自己対戦で増幅され、長期マスキング訓練でも回復しないことが示された。

SignMuonは、signSGDの多数決符号集約とMuonの極座標ステップを組み合わせた1ビットの行列認識オプティマイザであり、分散トレーニングにおける通信帯域を大幅に削減しつつ、モデル精度を維持または向上させます。

本論文は、大規模言語モデル（LLM）による多段階推論における強化学習のための、反実比較に基づくクレジット割り当てフレームワークを提案する。同一入力下で複数の推論軌跡をサンプリングし、それらの差異を暗黙的な代替決定として扱うことで、過程レベルのアドバンテージ推定器を構築する。これにより、疎な終端報酬をステップ感度のある学習信号に変換する。提案手法である暗黙的行動ポリシー最適化（IBPO）は、数学・コード推論ベンチマークにおいて訓練安定性と性能上限を大幅に向上させる。

本論文は、不等式型の関数制約を持つ制約付き変分不等式問題に対し、反復時点での関数制約の値に応じて生産的ステップと非生産的ステップを切り替えるミラー降下型アルゴリズムを提案する。有界かつ単調な作用素とLipschitz凸関数制約の下で最適な収束率を証明し、制約が多い場合に実行時間を削減できる改良版や、δ-単調作用素への拡張も示している。

本研究は、Apple M3 Ultra（60コアGPU、512 GBユニファイドメモリ）を対象に10フェーズの包括的な最適化実験を実施し、リアルタイムカメラimg2img変換を目指しました。蒸留特化モデルSDXS-512のCoreML変換と3スレッドカメラパイプラインを組み合わせることで、512x512解像度で22.7 FPSを達成しました。CUDAの最適化知見がApple Siliconのユニファイドメモリアーキテクチャには有効でないこと、量子化による高速化がないこと、並列推論が非効率であること、ニューラルエンジンが大規模モデルに不適切であることを明らかにし、Apple Silicon向けの拡散モデル推論の実践的ガイドラインを提供します。