本論文では、ニューラルアーキテクチャエンジニアリングにより連続プロンプトを最適化し、低ランク適応でモデル重みを調整するパラメータ効率的マルチタスク学習法PEMLを提案。GLUE、SuperGLUE、MMLU、常識推論ベンチマークで平均精度が最大6.67%向上し、個別タスクでは最大10.75%の改善を達成。

研究者らは、検索拡張生成（RAG）フレームワークの生成ステップに適用する、論理導出に着想を得た新しいプロンプティング手法「導出プロンプティング」を提案する。この手法は、事前定義されたルールを体系的に適用して初期仮説から結論を導き、解釈可能な導出木を構築することで、知識集約型タスクにおける幻覚や誤った推論を低減する。ケーススタディでは、従来のRAGや長コンテキストウィンドウ手法と比較して、許容できない回答が大幅に減少した。

本研究は、マルチモーダル物理評価パイプラインをエンドツーエンドで監査し、トレイン・評価汚染、翻訳ドリフト、多肢選択問題（MCQ）飽和という3つの構築バイアスを明らかにしました。研究チームは4つの新しいデータセットと、Qwen3-VL-8B-Thinkingをベースとした参照モデルPhysics-R1を公開し、複数のベンチマークで顕著な改善を示しました。

研究者らは、投機的デコーディングのドラフターとターゲットモデルの近似誤差を利用した新たな攻撃手法Mistletoeを提案。劣化目的と意味保存目的を最適化し、ヌル空間投影機構を用いて受け入れ長を大幅に削減、加速効果を崩壊させつつ出力品質を維持する。

研究者らは、VectraYX-Nanoを提案する。これは、サイバーセキュリティ向けにスペイン語でゼロから学習された4200万パラメータのデコーダ専用言語モデルであり、Model Context Protocol（MCP）を介したネイティブツール呼び出しを特徴とする。このモデルは1億7000万トークンのコーパスとリプレイバッファ付きカリキュラム学習を使用し、単調な損失減少と0.78の会話ゲートを達成している。エンドツーエンドのMCP統合を備えた初のスペイン語ネイティブサイバーセキュリティLLMであり、市販ハードウェアでサブ秒で動作する。

本論文では、多言語知識編集（MKE）における6つのベクトルマージ手法を体系的に評価。共有共分散を用いたベクトル和が最も信頼性の高い戦略であり、単純な和は性能が低い。TSVMは一部の設定で改善を示すが、多言語干渉の軽減能力は限定的。性能は重みスケーリング因子とランク圧縮比に敏感で、デフォルトより大きいスケーリングと低ランクが良い結果をもたらす傾向がある。

Collider-Benchは、大規模言語モデル（LLM）エージェントが公開論文とオープンソースソフトウェアのみを用いて大型ハドロン衝突型加速器（LHC）の実験解析を再現できるかを評価する新しいベンチマークです。エージェントはシミュレーション・選択パイプラインを構築し、指定されたシグナル領域での衝突事象の収量を予測します。評価にはヒストグラム指標とLLM判定器が用いられ、失敗モードを検出します。初期結果では、いずれのエージェントも人間の物理学者による解法を確実に上回ることはできませんでした。

本研究は、加重InfoNCE目標を距離幾何問題として解釈し、加重コントラスト学習の統一幾何学的フレームワークを提供する。教師あり分類では、SupConとSoft SupConは各クラス内のサンプルを単一のプロトタイプに収縮させるが、クラス不均衡はSupConの対称性を破り、Soft SupConは正則単体幾何を維持する。連続ラベル設定では、ラベルが超球面上にない限り、y-Aware CLは一般にエントロピー最適に達することができず、ユークリッドラベル重みと球面潜在類似性の不一致が明らかになる。幾何学的に整合した選択（ユークリッド-ユークリッド重み付けやX-CLRなど）は一意な最適埋め込みを保証する。

EMAは、学習ベースシステムが動的な環境に最小限のオーバーヘッドで適応するための初のモデル適応システムです。状態変換器による環境間の状態整合と、高ユーティリティデータへのラベリング優先化により、8つの代表的なシステムで適応コストを14.9％～42.4％削減し、システム性能を6.9％～31.3％向上させました。

EvolveMemは、自己進化型メモリアーキテクチャであり、AutoResearchプロセスを介して検索設定を自動最適化し、複数のベンチマークで大幅な性能向上を達成しました。

拡散言語モデル（DLM）は自己回帰モデルの有望な代替手段だが、既存の後訓練手法は報酬最大化目的を採用し、軌道ロッキング（trajectory locking）という問題を引き起こす。これは報酬駆動の更新が確率質量を少数のノイズ除去経路に過度に集中させ、代替の正解へのカバレッジを低下させる現象である。本論文ではTraFL（軌道フローバランス）を提案。これは報酬で傾斜したターゲット分布に向けてポリシーを訓練する軌道バランス目的を使用し、凍結された参照モデルにアンカーされる。拡散互換のシーケンスレベルのサロゲートと学習されたプロンプト依存正規化を備え、数学推論とコード生成ベンチマークにおいて、あらゆる設定でベースモデルを上回り、サンプリング予算が増加しても改善が持続する唯一の手法である。

本研究では、アーキテクチャアニーリングにより手動キャパシティチューニングを不要にする教師なしフレームワークを提案。dMRI構造コネクトームにおいて、取得関連効果と生物学的変動を適応的に分離するハイブリッド離散-連続潜在モデルを実現。7,416個のコネクトーム（年齢2-102歳、13研究、25の取得パラメータ組み合わせ）で評価した結果、アーキテクチャアニーリングはベースラインモデルより高いサイト学習性能（ARI=0.53、p<0.05）を示した。

研究者らは、極端な分布外条件下での分子特性予測を評価する新しいベンチマークSCOPE-BENCHと、強化学習を用いて最適なソーススキャフォールドを選択するドメイン適応フレームワークPOMAを提案した。評価の結果、既存モデルの誤差は新しいベンチマークで最大8倍に増加し、POMAは誤差を最大11.2%削減することが示された。

本研究は、TopKスパースオートエンコーダ（SAE）を3つの異なるアーキテクチャの脳波トランスフォーマー（SleepFM、REVE、LaBraM）に適用し、スパース特徴辞書を抽出する。臨床的分類法（異常、年齢、性別、薬物）を用いて、単意味性と絡まりをベンチマークする。概念ステアリングと「ターゲット対オフターゲット」プローブ領域メトリックにより、3つの動作モード（選択的ステアリング可能、符号化済みだが絡まり、非符号化）を特定し、「wrecking-ball」介入や年齢-病理交絡などの重大な表現失敗を明らかにする。スペクトルデコーダは介入を生理学的に解釈可能な周波数特性にマッピングする。

本論文は、部分観測下での視覚観測に基づく過去時間信号時相論理(ptSTL)の認証済み実行時監視を研究する。監視器は画像から安全関連量を推定し、有限標本保証を提供するとともに、再利用可能性（一度の学習と較正で対象断片内の任意の式を認証）を要求する。有限時相原子辞書から導出される断片に対し、意味的基底（原子ロバストネススコアのベクトル）が単調1-リプシッツ再利用可能インタフェースクラス内の最小予測ターゲットであることを証明。また、現在の述語値のみを予測しオンラインで時相履歴を再構成するローリング予測監視器も導入。歩行者交差点ベンチマークでは、ローリングが短い地平線でより厳しい認証境界を提供し、意味的基底監視器は長い地平線で最大4倍厳しい。実世界のWaymo運転データで検証し、両監視器が経験的に共形被覆保証を満たすことを確認。

現在の大規模言語モデル（LLM）は流暢なテキストを生成できますが、その内容の信頼性を保証する原理的な基盤が欠けています。従来の常識では、原理的な推論を追加すると計算コストが法外になるとされていました。本論文では、データをオブジェクト間の関係を明示的に表現する「Unary Relational Integracode」に再エンコードし、続いて標準的だが簡略化された機械学習プロセスを用いる効率的な推論手法を提案します。この手法により、関係ルールの学習が多項式時間で可能になり、既存のソフトウェアとハードウェアの多くを保持できます。このアプローチは、自然言語を超えて視覚や行動にも適用可能な世界モデルを実現すると見なせます。

本論文では、GraphRAGを用いて原則を価値ベースの指示に変換し、会話コンテキストに応じて適切な指示を取得することでエージェントの振る舞いを制御する新しい価値ベースのフレームワークを提案する。マズローの欲求階層説とプルチックの感情の輪から期待される行動を定義し、DAILYDILEMMASベンチマークでの実験により、ECoT、Plan-and-Solve、メタ認知プロンプティングなどのベースラインと比較して有意な性能向上を示し、AIシステムにおける自己感情の出現の基盤を提供する。

本論文は、AIエージェントにおける科学的理論シフトを検出するための有限層論的フレームワークを提案する。コンテキストを局所から大域への構造に整理し、フィッティング、制限、グルーイングテストを通じて障害を測定する。トランジションカードベンチマークで評価した結果、直接障害ランキングが変形と拡張を区別できることが示された。

本論文では、単一のフォワードパスで次のトークン確率と各トークン選択に条件付けられた属性値を同時に推定する条件付き属性トランスフォーマー（CAT）を提案する。これにより、トークン単位の信用割り当て、反事実分析、誘導可能な生成が可能となり、スパース報酬タスクで最先端の性能を達成する。

本論文では、大規模推論モデルがエージェントフレームワーク内でロングテールな政治的事実を発見・統合する能力を評価する多言語ベンチマークPolitNuggetsを提案する。400人の世界のエリートの政治的伝記を構築し、10,000以上の事実をカバーする。評価にはFactNetプロトコルを導入し、発見、細粒度の正確性、効率をスコア化する。実験の結果、現在のシステムは細かい詳細に苦戦し、効率に大きなばらつきがあることが判明した。診断分析により、短コンテキスト抽出、多言語ロバスト性、信頼性の高いツール使用の重要性が示された。

エージェントが新しい環境に導入される際、タスク固有の経験がないためにコールドスタート問題が生じる。本論文では、PREPINGフレームワークを提案し、提案者による合成タスク生成と選択的な記憶更新により、タスクなしで手続き的記憶を構築する。実験では、複数のベンチマークでプレイブックベースの手法と同等の性能を達成し、展開コストを大幅に削減した。

事前登録された実験により、マルチエージェントLLMシステムにおいて、目に見えないオーケストレーターが集団的解離を引き起こし、オーケストレーター自身が最大の解離を示し、行動出力評価では内部状態の歪みを検出できないことが明らかになった。

本論文は、LLMベースのエージェントアーキテクチャを体系的に記述するため、認知機能（7カテゴリ）と実行トポロジー（6つの構造原型）を組み合わせた2次元分類を提案する。7×6マトリックスにより27の命名パターン（うち13はオリジナル）を特定し、金融融資、デューデリジェンス、ネットワーク運用、医療トリアージの4領域で検証。5つのパターン選択経験則を導出した。

個人化食事最適化のための混合整数目標計画法（MIGP）を提案。整数変数で実用的なサービング数を扱い、目標計画法の偏差変数でソフトな栄養素制約を実現。逆目標正規化で多栄養素最適化をバランス。810インスタンスの評価で、MIGPは事後丸め付き目標計画法より66%のケースで優れた解を発見し、100%の実行可能性を維持。求解時間は100ミリ秒未満。オープンソースのPythonモジュールとして実装され、対話型食事計画アプリに統合。

GraphBitは、有向非巡回グラフ（DAG）としてワークフローを明示的に定義するエンジン主導型フレームワークです。プロンプト主導型オーケストレーションにおける幻覚ルーティング、無限ループ、再現不能な実行を解決します。Rustベースのエンジンがルーティング、状態遷移、ツール呼び出しを管理し、並列分岐実行、条件付き制御フロー、構成可能なエラー回復をサポートします。3層メモリアーキテクチャによりコンテキストの肥大化を防止。GAIAベンチマークでは、67.6%の精度、フレームワーク起因の幻覚ゼロ、11.9msのレイテンシオーバーヘッド、最高スループットを達成し、既存の6つのフレームワークを上回りました。

本論文では、言語生成と閉ループ制御の間の予測的関節意図インターフェースを学習する階層的フレームワークDAJI（ダイナミクスに合わせた関節意図）を提案する。DAJI-Actは、将来を認識する教師を学生駆動のロールアウトによって展開可能な拡散行動ポリシーに蒸留し、DAJI-Flowは言語と意図の履歴から将来の意図チャンクを自己回帰的に生成する。実験では、DAJIはHumanML3Dスタイルの生成で94.42％のロールアウト成功率、BABELで0.152のサブシーケンスFIDを達成し、有望な結果を示した。

四脚ロボットは通常、制御を簡略化するために硬い足部を採用するが、エネルギー消費が大きくなる。本研究では、足部の柔軟性を強化学習（RL）運動コントローラに統合し、8種類のばね剛性値を用いて方策を訓練。実際のロボット実験では、中間の剛性を持つ足部が非常に硬いまたは柔らかい足部と比較して約17%のエネルギー消費削減を達成し、運動の安定性も維持した。

Distillと呼ばれる新しい手法は、タスク仕様を簡略化・一般化することで、ロボットが人間の意図をより正確に理解できるようにする。クラウドソーシング研究で有効性が確認された。

本論文では、部分的な環境情報しか持たない移動ロボットのためのリアクティブ計画に基づく制御戦略（RPCS）を提案する。これは、障害物回避のために参照軌道を局所的に修正するリアクティブ計画戦略（RPS）と、離散化技法を用いて修正された軌道を追跡する適応追跡制御戦略（ATCS）を組み合わせたものである。数値例によりその有効性が示されている。

MAPLEは、視覚言語行動（VLA）モデルの潜在空間でリアクティブなマルチエージェントロールアウトを行うことで、エンドツーエンド自動運転における閉ループ評価の脆弱性に対処する新しいフレームワークです。2段階のトレーニング（教師ありファインチューニングと強化学習）を採用し、多様性報酬により新しい計画行動を促進します。外部シミュレータを必要とせず、Bench2Driveで最先端の性能を達成しました。