構成拡散計画におけるモード平均化問題に対して、訓練不要のガイダンス手法RCDを提案。自己再構成誤差とオーバーラップ一貫性項を利用し、OGBenchタスクで優れた性能を示す。

自己適応ロボットは動的な環境で動作し、未対処の不確実性が安全違反や運用障害を引き起こす可能性がある。本論文では、大規模言語モデル（LLM）とヒューマン・イン・ザ・ループを組み合わせ、設計段階で不確実性を体系的に特定・分析する手法「RoboULM」を提案する。16名の実務者による4つの産業ユースケース評価で、その有用性と理解しやすさが確認された。

本論文は、医療画像分類における長期テール分布問題に対処するために、拡散モデルに基づくデータ拡張パイプラインを提案する。インペインティング拡散モデルとOOD後選択メカニズムを組み合わせ、多様で現実的かつ臨床的に意味のある合成サンプルを生成する。ISIC2019皮膚病変データセットでの評価により、テールクラスで28%以上の性能向上を達成。

Sentinel2Capは、Sentinel-1 SARおよびSentinel-2マルチスペクトル画像を含む人間が注釈したマルチモーダルキャプションデータセットです。Qwen3-VL-8B-Instructモデルを用いたゼロショット評価では、RGB画像が最高のパフォーマンスを示し、SAR画像が最も困難で、モダリティ固有のプロンプトがパフォーマンスを向上させることが示されました。データセットは公開されています。

CAFe-DINOはDINOv3バックボーンを活用し、リモートセンシングデータでの微調整なしで最先端のオープンボキャブラリセマンティックセグメンテーションを実現します。

本論文では、山火事拡散予測における不確実性定量化（UQ）を空間的に条件付ける手法として、火災中心評価領域（FCER）フレームワークを提案する。WildfireSpreadTSデータセットを用いてアンサンブルモデルと蒸留シングルパス学生モデルを比較し、学生モデルは境界関連領域で同等の較正能力と補完的な不確実性ランキングを示した。

計算病理学において核インスタンスセグメンテーションは基本的なタスクであるが、評価パイプラインはあまり注目されてこなかった。本研究では、あいまい領域、スコア正規化、重複インスタンス、境界不確実性という4つの重要な問題を特定し、それらを統合したフレームワークNucEvalを提案する。

提案手法はGPU最適化されたデータ拡張により、未見のCT・MRI領域で平均Diceが155%向上し、領域内精度は0.008%の低下にとどまり、訓練効率は約10%改善。オープンソースツールボックスも公開。

医療専門家は診断統計のために手動で画像セグメンテーションを行い、そのアノテーションを破棄することが多い。本論文では、保持された要約統計量（例：領域面積）と少数の弱教師ピクセルのみを用いてセグメンテーションモデルを訓練する。再構成品質、統計一致、弱信号オーバーラップを組み合わせた新しい損失関数を提案し、標準画像、超音波（乳がん）、CT（腎腫瘍）データで有効性を示した。

研究者らは、Segment Anything Modelとドメイン特化ツールを組み合わせた複合手法を開発し、オルガノイド画像セグメンテーションにおいて人間の観察者間変動に近い精度を達成しました。

本論文では、異常分類、空間グラウンディング、チェーン・オブ・ソート推論を単一のVLMに統合したVANGUARDフレームワークを提案。UCF-Crimeデータセットで94%のROC-AUC、84%のF1を達成し、解釈可能な推論と正確な位置特定を実現する。

研究により、Stable Diffusionの記憶化は主にCLIPテキストエンコーダのパディング埋め込み（v_pad）が原因であることが明らかになった。これらの埋め込みは偶然に終端トークン埋め込み（v_eot）を複製し、モデルがそれに過度に依存する原因となる。2つの簡単な推論時軽減戦略が提案されている。

S^2toryは、物語理論に基づき、キャラクターの発展軌跡を活用してプロット核を特定する映画脚本要約フレームワークです。MovieSumデータセットで約3.5倍の圧縮率で最先端の意味忠実度を達成し、BookSumでのゼロショット評価でも優れた汎化性能を示しました。

スパースメモリファインチューニング（SMF）は、キー・バリューメモリ層をモデルに追加し、各訓練ステップで現在のバッチが最も読み取るメモリ行のみを更新することで、破滅的忘却を回避します。Qwen-2.5-0.5B-Instructを用いたMedMCQA実験では、SMFは2.5パーセントポイントの性能向上を達成し、忘却プローブはベースモデルから約1ポイント以内に留まりました。一方、LoRAやフルファインチューニングはより大きな利得を得るものの、明確なドリフトが見られました。さらに、KLダイバージェンスとTF-IDFという2つの行選択ルールの比較も行っています。

この研究では、隠れ状態の回答可能参照セットからの偏差を測定することで、生成前にクエリが知識範囲外かどうかを予測できるかを調査する。3つの指示チューニングモデルと3つのプロンプト形式での実験から、幾何学は主にタスク形式を符号化することが判明した。数学プロンプトでは、回答不能な入力は回答可能な重心から一貫して乖離し（ROC-AUC 0.78-0.84）、単純な拒否ベースラインを上回り、モデルが明示的に拒否しないケースも捉える。事実プロンプトでは信頼できる幾何学信号は現れず、コードプロンプトでは大きな効果量と高い分散を示す。層別分析により、信号は初期層で生じ、出力に向かって減衰することが示された。

本論文では、非構造化された決算説明会の書き起こしから重要業績評価指標（KPI）を抽出する際の課題を探っています。著者らはSEC提出書類で訓練されたモデルを評価し、3つの新しいベンチマーク（SECB、ECB、ECB-A）を導入し、エンコーダベースのモデルがドメインシフトに苦戦することを発見しました。最終的に、人間による評価で79.7%の精度を達成するLLMベースのシステムを提案し、新興KPIの追跡のベースラインを提供しています。

未知のキーとOCRノイズ下での半構造化情報抽出を評価するベンチマークMedStruct-Sを提案。3,582ページの実際の臨床レポートを注釈付きで含む。実験では、エンコーダオンリーモデルが非null値のキー条件付きQAで最良の性能を示し、微調整済みデコーダオンリーモデルが全体的に最強であることが示された。

本研究は、StockEmotionsデータセットに意味構造化された意見グラフを追加することで、金融感情分析の粒度を高める。StockTwitsの10,000件のコメントから宣言型LLMパイプラインを用いて意見グラフを生成し、グラフニューラルネットワークを用いた分類実験で性能向上を実証する。

オープンソースおよび商用のASRシステムは、数字列、通貨額、住所、ブランド名、英語とインド言語のコードミックスといった特定分野でのインド言語音声認識において性能が低い。本研究では、TTS-STTフライホイールを提案し、約22,000の合成エンティティ密集発話を生成して、テルグ語テストセットでエンティティヒット率0.98を達成した（既存の最高オープンソースモデルは0.027、商用システムは0.16）。コード、データ、辞書はオープンソースで公開されている。

大規模言語モデル（LLM）は否定を含む質問に誤った回答をすることが多いが、内部には否定を正しく処理するコンポーネントが存在する。誤答の原因は後期注意層のショートカットであり、その除去により精度が向上する。モデルは抑制的メカニズムと構成的メカニズムの両方を用いるが、構成的メカニズムがより顕著である。

最新の研究によると、推論モデルは非推論モデルよりも誤った前提に異議を唱える能力がわずかに向上（精度2-11%向上）したものの、依然として26-42%の誤った前提を是正できず、前提の強さに影響を受けることが判明。

本研究では、同一モデル自己検証を選択的予測の信頼信号として評価し、タスクやモデルによって結果が大きく異なり、汎用的な不確実性推定器として使用できないことを明らかにした。

PRISM-CTGは、大規模な未ラベルの胎児心拍数モニタリング（CTG）記録を活用して転送可能なドメインレベルの表現を学習する、新しい自己教師あり基礎モデルです。マルチビュー自己教師ありフレームワークを用いて、ランダム投影ガイド付きマスク信号再構成、臨床変数予測、特徴分類の3つの補完的なプレテキスト目的を共同最適化します。このモデルは7つの下流CTGタスクでベースラインを上回り、外部データセットでの強力な汎化を示し、CTGにおける最初の大規模基礎モデルとなります。

本論文では、ASDAgentという戦略認識フレームワークを提案し、自閉症のAI支援早期集中行動介入におけるデータ不足と戦略一貫性の問題を解決する。医師エージェント（観察・思考・行動・修正ループ）と子供エージェント（確率的行動モデリング）から構成され、実験では生成された対話がセラピストの戦略分布と高い一致を示し（KLダイバージェンス0.083）、実際の介入では人間の専門家と80%近い戦略的一致を達成。また、合成データが小型言語モデルに臨床知識を効果的に蒸留することを示した。

完全に良性のデータでガードモデルを微調整すると、敵対的操作ではなく標準的なドメイン特化により、安全性の調整が完全に失われる可能性がある。この失敗は、LlamaGuard、WildGuard、Granite Guardianの3つの安全性分類器で実証され、潜在的な安全ジオメトリの破壊に起因する。Granite Guardianは完全に崩壊し、拒否率は85%から0%に低下、CKAはゼロになり、出力の100%があいまいになる。提案されたFisher重み付き安全部分空間正則化（FW-SSR）はこれを軽減し、Granite Guardianで拒否率の75%を回復し、WildGuardの攻撃成功率を3.6%に低減する。

強化学習は大規模言語モデルの推論能力を向上させる重要な事後学習ツールであるが、ロールアウト設計は過小報告されがちである。本サーベイは、ロールアウトパイプラインを4つのモジュール段階に分解するGenerate-Filter-Control-Replay（GFCR）ライフサイクル分類法を提案し、信頼性、カバレッジ、コスト感度の基準を補完する。数学、コード、マルチモーダル推論、エージェントスキルなどのケーススタディを通じてフレームワークを実証し、一般的なロールアウト病理の診断指標を提供する。

本論文は、将来の6Gモバイルネットワーク向けに、エキスパート混合（MoE）アーキテクチャと大規模言語モデル（LLM）を統合したエージェンティックAIベースのネットワーク最適化フレームワークを提案する。LLMはセマンティックゲートとして機能し、オペレーターの目的を推論して最適化エージェントを動的に構成する。統合通信・計算ネットワークへの適用により、フレームワークは準最適な性能を達成し、多様な目的において個別エキスパートを上回る。

本研究は、強化学習と検証可能な報酬（RLVR）における系統的検証エラーの影響を調査する。算術タスクの制御実験により、系統的偽陰性はランダムノイズと同様の効果を示す一方、系統的偽陽性は準最適な停滞や性能崩壊を引き起こす可能性があることが示された。この結果は、エラーは単に訓練を遅らせるだけとする従来の仮定に挑戦し、検証器の品質をサンプルレベルのエラー率を超えて理解する必要性を強調する。

本研究は「エネルギーフィールド」（行中心化されたアテンションロジット）を定義し、メカニズムレベルの不変性（行ごとのゼロ和制約、ヘッド次元によるランク境界、スペクトル特性）とモデルレベルの規則性（エネルギーフィールドの分散の非局在化、キーインコヒーレンス）を明らかにした。これらの不変性は、注意機構の理解を深め、低次元部分空間への制約やヘッドごとの訓練モニタリングなどの実用的な応用を持つ。

本論文では、ソフトウェア運用に特化した大規模言語モデルOpsLLMを提案します。知識ベースのQAと根本原因分析（RCA）をサポートし、Human-in-the-Loopによるデータキュレーション、教師ありファインチューニング、強化学習のためのドメインプロセス報酬モデルを導入します。実験では、QAタスクで0.2%～5.7%、RCAタスクで2.7%～70.3%の精度向上を示し、オープンソースおよびクローズドソースの既存モデルを凌駕しました。7B、14B、32Bパラメータの3バージョンと15Kのファインチューニングデータセットをオープンソース化します。