本論文では、標準のViTエンコーダを小型VLM（視覚言語モデル）に置き換えることで、視覚特徴を対象大規模言語モデルのテキスト空間に深く整合させる新しいアーキテクチャ「Deep Pre-Alignment (DPA)」を提案する。4Bパラメータ規模では、8つのマルチモーダルベンチマークでベースラインを1.9ポイント上回り、32B規模では3.0ポイントに拡大する。また、DPAは言語能力の忘却を32.9%削減し、Qwen3やLLaMA 3.2などの異なるLLMファミリーで一貫した性能向上を示す。

ReactiveGWMは、プレイヤーとNPCの動的な相互作用を合成する新しいリアクティブなゲーム世界モデルです。プレイヤーの制御とNPCの行動を明示的に分離し、拡散バックボーンへの軽量な加算バイアスを介してプレイヤーのアクションを注入し、クロスアテンションモジュールを介して高レベルのNPC応答（攻撃、制御、防御など）をグラウンディングします。これらのモジュールはゲームに依存しないインタラクティブロジックの表現を学習し、ゼロショット戦略転送を可能にします。つまり、学習済みモジュールを異なるゲームの既製の未注釈世界モデルに直接プラグインでき、ドメイン固有の再トレーニングなしで即座に操縦可能なNPC相互作用を実現します。2つの『ストリートファイター』ゲームでの評価では、ReactiveGWMはきめ細かいプレイヤーの制御性を維持しつつ、堅牢でプロンプトに沿ったNPC戦略遵守を達成しました。

驚き理論（surprisal theory）は単語の処理困難度を文脈における予測可能性と結びつけるが、言語モデル（LM）の驚きはガーデンパス文などの構文曖昧性において人間の困難さを系統的に過小評価する。本研究では「解析多重性不一致仮説」を検証する。この仮説は、LMは人間よりも同時により多くの異なる文解釈を考慮できると示唆する。リカレントニューラルネットワーク文法（RNNG）とワード同期ビームサーチを用い、単語の驚きの計算に使用する同時解析数を系統的に変化させた。その結果、同時解析数を減らすと予測されるガーデンパス効果の大きさは増加するが、人間の効果の全規模を捉えるにはほど遠いことがわかった。これは、LMと人間が利用できる同時解析数の違いだけではLMベースの驚きと人間の文処理を調和できないことを示唆している。

本研究では、6つの大規模言語モデルアーキテクチャにおける12種類の認知タスクに対するニューラル活性化パターンを分析し、数学的推論がすべてのアーキテクチャで最も高い注意エントロピーを生成し、デコーダーモデルがエンコーダーモデルよりも有意に高いスパース性を示すことを明らかにした。この結果は、ビッグデータアプリケーションにおけるモデル選択と最適化に重要な洞察を提供する。

大規模言語モデルのパーソナライゼーションは通常、ユーザーの好みやスタイルに出力を適応させるが、専門分野におけるユーザーの評価能力の違いを考慮していない。この制限は、ユーザーが信頼性をもって評価できない領域でAI生成の推論に依存する「専門領域ドリフト」を促進する可能性がある。本論文では、専門知識を強、混合、弱の3つの領域に分割し、構造化された能力プロファイルに基づいて介入行動を条件付ける「能力条件付きスキャフォールディング」を提案する。複数のMMLUサブセットと4つのLLM基盤でのパイロット評価により、プロファイルの交換によるカテゴリの反転や混合領域リスクゾーンでの選択的活性化など、一貫したプロファイル条件付き介入行動が示された。これらの発見は、能力を考慮したスキャフォールディングが、スタイル的なパーソナライゼーションを超えて、より信頼性の高い専門的な人間-AI協働を支援できることを示唆している。

本研究では、ガーナの法学部学生を支援するために開発された生成AIアシスタント「Eskwai for Students」を紹介する。これは検索拡張生成（RAG）システムであり、12,000件以上の判例法と1,400件の立法からなる厳選されたデータベースに基づいて回答を提供する。30か月にわたる縦断研究で3,100人の学生が32,000件のクエリを送信し、有用性が評価された。また、学生のクエリの種類を分析し、倫理的懸念を提起している。

サハラ以南アフリカでは、生徒と教師の比率が高く、質の高い教師が不足している。この課題に対処するため、研究チームはWhatsAppベースのAI教育アシスタントAdesuaを開発した。教科書と33年分の国家試験問題を統合し、生成AIを活用して質問応答や自動評価を提供する。ガーナでの6ヶ月の実証実験では、56人のアクティブユーザーがAI回答に93.75%の有用性評価を与え、限られたリソースの中での個別学習支援の可能性を示した。

本研究では、限られた語彙（最小250語の高頻度語）での言語生成における人間の振る舞いを調査し、大規模言語モデルを用いた逐次モンテカルロ推論による貪欲サンプリングと全局的最適サンプリングアルゴリズムと比較した。人間は全般的に貪欲サンプリングに類似するが、熟練者は非貪欲なバックトラックと修正を行う。高制約環境では意味的に軽い語に依存するパターンが観察され、これは両アルゴリズムでも見られる。結果はリソース合理的認知、心理言語学、第二言語コミュニケーション、言語障害に示唆を与える。

研究者らは1億700万件のウクライナ裁判例から5億200万の引用リンクを抽出し、初の大規模法的引用グラフを構築した。このグラフは、司法引用構造が教師なしで法的領域境界を符号化し、将来の立法的重要性をほぼ完璧な精度で予測することを明らかにした。主な発見：次数分布はべき乗則に従う；共引用投影上のコミュニティ検出が自動的に民法、刑法、行政法、商法等の法的領域境界を復元；引用特徴量はAUC=0.9984でトップ1000論文を予測。この引用由来オントロジはLLM支援法的分析ワークフローメモリシステムに活用されている。

談話関係（原因や譲歩など）は計算言語学と語用論で重要な研究対象ですが、言語横断的な比較は困難です。DiscoExplorer はローカルで動作するオープンソースのウェブインターフェースで、DISRPT 共有タスクの16言語にわたる談話関係データセットを公開し、クエリ言語、検索、可視化機能を提供します。

106の小説から得られた130,486の翻訳パラグラフを分析した新たな研究により、人間翻訳とGoogle翻訳の両方で流暢さと忠実さの間に一貫した負の相関が確認され、文学翻訳におけるトレードオフが示唆された。

OP-Mixは、言語モデルのトレーニングライフサイクル全体で機能する統一データ混合アルゴリズムで、少量の計算でほぼ最適な混合を実現します。低ランクアダプタを使用して候補混合をシミュレートし、別のプロキシモデルを不要にします。

研究者らは、DeepSeekのマルチヘッド潜在注意（MLA）を改良したグループクエリ潜在注意（GQLA）を提案。再学習なしで2つのハードウェア適応型復号パスを提供し、H100およびH20 GPU上で効率的な推論を可能にする。また、事前学習済みGQAモデルを変換するTransGQLAも含む。

本研究では、生成型軌跡モデルのプライバシー評価を調査する。GAN、VAE、拡散モデルなどの生成モデルは、その生成特性からプライバシーを保護すると想定されることが多いが、この仮定は成り立たない。著者らは適用可能な実証方法を特定し、現在のプライバシー評価にギャップがあることを示し、メンバーシップ推論攻撃を実装してプライバシーリスクを明らかにする。

本論文は、トランスクリプトームベースの薬剤設計（TBDD）を生成逆問題として定式化し、CUREという多解像度トランスクリプトーム誘導拡散フレームワークを提案する。ドメインギャップや信号スパース性などの課題に対処し、標準ベンチマークやゼロショット遺伝子阻害剤設計で優れた性能を示す。

本論文は、Logic-GNNというニューラルシンボリックフレームワークを提案する。これは、臨床記録を潜在的な論理ゲームによって支配される構造化された「私的言語」として扱う。時間グラフニューラルネットワークとグラフ・コルモゴロフ複雑性を統合し、医療相互作用の基盤となる論理を表す記号文法を誘導し、異常を臨床グラフの最小記述長を拡大する「文法的違反」と定義する。Sina Systemデータセット（200万件以上）で評価したところ、Logic-GNNはF1スコア0.94を達成し、生命を脅かす医学的外れ値とデータ破損の区別において最先端のベースラインを12%上回った。このアプローチは、リアルタイムのデータ整合性を維持するために論理的な修正を提案する自己修復メカニズムを導入する。

MuteBenchは、2つの一般的なセンサー障害モード（モダリティ欠落とモダリティ内欠落）に対するマルチモーダル融合アーキテクチャのロバスト性を評価する新しいベンチマークであり、7つの臨床領域からの9つのデータセット、6つの融合アーキテクチャ、125,000サンプルをカバーしています。主な発見：アーキテクチャファミリーがロバスト性の最強の予測因子であり、チャネル独立モデルはモダリティ欠落に強いがモダリティ内欠落に敏感であり、カリキュラムモダリティドロップアウトはトレーニングで使用された最大ドロップアウト率までしか保護しない。

本論文では、階層的グラフU-Netアーキテクチャのエッジ固有層の制限に対処するMask-Morph Graph U-Net (MMGUNet) を提案する。特徴に合わせた重心パラメータ化により粗グラフ階層を各入力メッシュに変形し、教師付き事前学習中にノードマスキングを適用する。評価結果は、固定粗グラフベースラインと比較してテスト精度が向上し、外部ベースラインよりも低い予測誤差を示す。

研究により、大規模言語モデルを低精度（例：3ビット）に量子化すると、以前はバイアスがなかった項目の6～21%に新たなステレオタイプ行動が現れ、モデルが「不明」と答える傾向が17.4%減少することが明らかになった。パープレキシティなどの標準指標はほとんど変化せず、集計指標が公平性に関わる劣化を見逃していることを示している。

本論文では、マルチエージェントLLMシステムの逐次ファインチューニングにおける構造的失敗モード——エージェント更新によるコンテキスト分布のシフトと、古いロールアウト評価による誤差の増幅——を解決する信頼領域フレームワークTeamTRを提案する。TeamTRは各更新後に軌跡を再サンプリングし、エージェントごとに発散制御を課すことで、改善の下限を保証し、平均7.1%の性能向上を達成する。

現代のクラウドおよびエンタープライズシステムはアイデンティティ中心の認可に依存していますが、自律型AIエージェントは構文的に有効だが意味的に安全でないアクションを生成する可能性があります。本論文では、静的権限を証明派生権限に置き換える分散信頼フレームワーク（DTF）を紹介し、エージェント実行のガバナンス、監査可能性、境界設定を実現します。DTFは、正当性証明、コンセンサスモデル、一時的な実行ID、追記専用の証拠チェーンを備え、OpenKedgeベースの基板上でクラウドネイティブ環境向けに実装されています。

自走式ラボラトリー（SDL）は科学発見を加速するが、SDLソフトウェアの開発は技術的に困難である。既存のオーケストレーションフレームワークは人間の操作を主眼としており、AIエージェントに適した標準化されたインターフェースを欠いている。本研究では、モデルコンテキストプロトコル（MCP）に基づくSDLソフトウェアアーキテクチャを提案し、すべてのSDL機能をMCPサーバーとして公開する。NIMOコントローラは、MCPツール発見により自動生成されるビジュアルプログラミングインターフェースを提供し、人間のユーザーがコードを書かずに実験ワークフローを設計できると同時に、AIエージェントも同じMCPバックエンドにアクセス可能とする。カラーマッチングSDLのケーススタディにより、アーキテクチャの有用性を検証した。

arXiv論文に基づき、NOVAフレームワークはAIの反復的自己改善ループを知識空間上の適応サンプリングプロセスとしてモデル化し、汚染トラップなどの失敗モードを特定し、発見コストと発見数の間のスケーリング法則を証明する。

CAX-Agentは、MAPDL有限要素シミュレーションの自動化に特化した軽量エージェントハーネスであり、3層アーキテクチャとリカバリラダーを採用して信頼性を向上させる。3つのリカバリ戦略の実験評価では、モデル駆動型リカバリ（model_only）が完了率、タスクスコア、無介入率でルールベースおよびリカバリなしの戦略を大幅に上回った。

指示調整言語モデルは高リスク決定において行動的に公正であるが、内部表現にバイアスを保持している。住宅ローン引受の事例を通じて、モデルは出力レベルではバイアスを示さないが、層を超えて人口統計的表現を保持・増幅する。活性化ステアリングと層間介入により、抑制された情報が重要な層で再注入されると、ほぼ完全な決定の逆転を引き起こすことが示された。この潜在的バイアスは非対称であり、敵対的プロンプトや微調整に対して脆弱である。出力のみの行動監査は不十分であり、高リスクAIガバナンスには出力評価と表現分析を組み合わせた二層テストフレームワークが必要。

SkillSmithは、スキルから細粒度の操作境界を抽出し、オフラインで最小の実行可能インターフェースにコンパイルする境界優先のコンパイラ・ランタイムフレームワークです。LLMベースのエージェントシステムにおける不要なコンテキスト注入や冗長な推論を削減します。SkillsBenchベンチマークでは、トークン使用量57.44%削減、思考反復42.99%削減、解決時間50.57%短縮（2.02倍高速化）、コスト57.44%削減を達成。さらに、強力なモデルが生成したコンパイル成果物を、より小さなモデルが再利用でき、精度が向上する場合もあります。

大規模言語モデル（LLM）の心の理論（ToM）評価は、静的な物語読解や三人称の選択問題に依存しがちで、人間とAIの相互作用における一人称・動的・開かれた性質を無視しています。本研究はインタラクティブなToM評価パラダイムを提案し、4つのToM強化技術を様々なタスクで体系的に評価した結果、静的ベンチマークの改善が動的相互作用でのパフォーマンス向上に必ずしも繋がらないことを明らかにし、相互作用に基づく評価の必要性を強調しています。

SDOFフレームワークを提案。マルチエージェント実行を制約付き状態機械としてモデル化し、オンラインRLHF意図ルーターと状態認識ディスパッチャーにより業務プロセスのステージ制約を強制する。採用システムでのテストでは、7Bモデルが敵対的ルーティングベンチマークでGPT-4oを上回る80.9%の精度（GPT-4oは48.9%）、エンドツーエンドのタスク完了率86.5%を達成し、すべての注入攻撃と不正操作をブロックした。

DeepSlide は、要件抽出からナラティブ計画、スライド・スクリプト生成、リハーサル支援まで、プレゼンテーションの全プロセスを最適化する人間参加型マルチエージェントシステムです。静的アーティファクト品質と動的配信品質を分離するデュアルスコアボードベンチマークを導入し、20のドメインでナラティブフロー、ペーシング、スライドとスクリプトの連携において向上を達成しました。

Polarityは、プロダクション環境でのエージェントの意思決定を監視し、ユーザーが遭遇する前に障害パターンを表面化し、軌跡を評価に変換してエージェントの信頼性を高めます。