本論文では、受動的オブジェクト状態世界モデルにおけるイベント条件付き潜在物理構造を研究するための制御診断プロトコルを紹介する。自由運動、衝突、遮蔽のイベントを含むバランスの取れたデータセットを使用し、リカレント、アテンションベース、潜在状態空間モデルを評価した。結果は、隠れ状態がイベント体制情報をエンコードし、イベントコンテキストが物理フィールドを再重み付けし、フィールド整列方向が予測に機能的影響を与えることを示している。

RoboGazeは、トレーニング不要のマルチエージェントVLMフレームワークであり、生成されたロボット操作ビデオに対して構造化され解釈可能な評価を提供します。3段階パイプラインを採用し、新しい分類法に基づいて時間的に局所化された異常レポートを出力し、ゼロショットベースラインを大幅に上回ります。

デジタルツイン技術は自律運転においてリスクフリーのシミュレーションを提供するが、冗長なデータによる高い計算・通信コストが課題である。本稿では、シミュレーション結果に基づいてデジタルツインが車両から必要な環境データを能動的に要求するクエリ駆動型アーキテクチャを提案する。また、クロス時間ステップ漸進的クエリ機構を設計し、通信効率を向上させる。シミュレーションの結果、従来手法と比較して計画位置誤差を24%削減し、通信オーバーヘッドを40%低減することを示した。

新しい研究では、LLM制御の社会ロボットが異なる文化でどのように道徳的トレードオフを行うかを評価する勾配ベースの監査フレームワークを導入。西洋言語の判断における品質調整が中国語や日本語の約2倍強いなど、文化的に非対称な勾配追跡の失敗が持続していることを発見。プロンプト効果は不均一で、対照的な例のみが一貫した改善をもたらす。

研究者らは、JIP-2フレームワークを提案する。これはGPU加速の物理エンジンと深層学習を用いて、崩落したブロック構造の元の配置を予測するもので、ジェンガゲームに着想を得ている。450のシミュレーションエピソードで訓練され、3D復元動画を生成し、ウシュマル遺跡などの考古学的アナスタイローシスに応用可能である。

本論文では、事前学習済みの胸部X線レポート生成器に対し、トレーニング不要で遷移を認識するベスト・オブ・Nサンプリング手法を提案する。レポートを文に分割してベクトル埋め込みし、集合間距離で変化を符号化し、コサイン距離で候補をスコアリングする。複数の生成器で評価した結果、無作為選択を上回り、特にImpressionセクションで最大の改善が見られた。

RADIANT-PETは、高感度ボクセルレベルのセグメンテーションモデルと病変レベルの大規模言語モデル（LLM）による判定を組み合わせた新しい推論拡張フレームワークです。候補領域を構造化テキストに変換し、放射線レポートを利用してLLMが真の病変と偽陽性を分類します。GRPOによる強化学習でLLMを最適化し、AutoPETとOSUデータセットで画像のみのベースラインを上回る性能を示しました。

本論文は、実環境でクラス数が少ないCNN分類器向けに、XAIメトリクスのバリエーション「少数クラスの忠実性」を提案する。分布内で不確実性を誘発する摂動を生成し、XAI手法の忠実性を正確に測定する。医用画像と自然画像に適用し、ドメイン、データキュレーション、XAI手法選択の複雑な相関を明らかにする。

本論文では、トポロジーエラーシミュレーションと空間表現学習を用いて地理空間ベクターデータの品質評価を自動化するTopo4Vecフレームワークを提案し、重複建物フットプリント検出で0.99、道路ネットワークエラー検出で0.60の最高精度を達成した。

本論文では、サッカー映像からプレイヤーのアクションをスポッティングするための2段階パイプラインを提案する。まず、時間トランスフォーマーを備えたトラック認識アクション検出器（TAAD）がプレイヤーごとのアクションロジットを生成し、次にノイズ除去系列変換（DST）トランスフォーマーがゲーム状態特徴とTAADロジットを構造化されたイベント系列に変換する。空間優先の注意順序付けによりMacro-F1が1.87%向上し、合意フィルタリングを用いた重み付きアンサンブルによりチャレンジのMacro-F1が48.6から58.94に向上した。

本研究は、画像自己回帰モデル（IAR）によって生成された画像に現れる特徴的なパターンを検出するポストホックフレームワークを提案する。生成プロセスや出力を変更することなく、生成画像をソースモデルに確実に追跡できる。既に公開されたウォーターマークなしのコンテンツやウォーターマーク統合がないモデルにも適用可能であり、偽情報拡散防止、詐欺検出、有害コンテンツの帰属に貢献する。様々なIARで有効性が確認され、ICLR 2026に採択された。

ラベルを一切使わずに運転シナリオの複雑さを検出する手法を提案。nuPlan miniデータセットの構造化エージェント状態データでジョイントエンベディング予測アーキテクチャ（JEPA）を訓練し、時間予測誤差を複雑度スコアとして利用。無保護左折、横断歩道インタラクション、歩行者接近などの複雑なシナリオを効果的に識別し、異常検出で平均適合率0.512を達成。

記憶拡張オートエンコーダーを用いた完全教師なし時空間特徴融合フレームワークを提案。DaLiAcおよびPAMAP2データセットでそれぞれ96.6%および98.4%の精度を達成し、教師ありベースラインや既存の教師なし手法を上回った。

GeoISFは、WordNetを用いて構築したインスタンスセマンティックフォレストを導入し、時間的意味表現と識別力を高めることで、点群と衛星画像間のモダリティギャップを埋める大規模LiDAR-to-画像地理位置推定パイプラインであり、KITTIデータセットでR@10指標が並行手法の13.22倍を達成した。

この研究では、アメリカ手話（ASL）で訓練された手話認識（SLR）モデルの音韻認識能力を評価。最小対を用いたプロービングと人間の行動データとの表現アライメントにより、モデルが創発的な音韻感度を示すが、アーキテクチャに依存するトレードオフがあることを発見。ポーズベースモデルは手形の対比に敏感で、ピクセルベースモデルは位置変化をより捉える。また、ポーズベースモデルの潜在表現は人間の類似性判断と相関する（r~0.49）。

大規模言語モデル（LLM）がテキストのコーディングで人間のアノテーターと一致しても、信頼性は構成概念的妥当性を保証しない。本論文は「粒度キャリブレーション」を提案する。これは構成概念を節レベルの要素に分解し、抽出可能な証拠で各要素をテストし、明示的な理論由来のルールで結果を組み合わせる。出力だけでなくプロセスの証拠を提供し、検証をアノテーターとのスコア比較から、モデルが理論指定の構成概念で動作することの証明へと移行させる。

arXivの新しい論文で提案されたSEADは、オン・ポリシー蒸留（OPD）において教師の監督品質が学生の能力に依存する問題に対処するため、エントロピーを統一的プローブとして使用し、トークン分割、KLダイバージェンスのアニーリング、カリキュラム学習の3つのスケールで改善を行う。OLMo-3で平均精度を4.8%向上。

スパース自己アテンションにおける深さ方向のα設定方法を比較。静的な層ごとのスタガーが固定および学習されたαを上回り、すべてのスパース変種が訓練長の4倍に外挿できる一方、密なベースラインは崩壊する。

本論文では、ターン平均型スパースオートエンコーダ（SAE）を提案する。これは、1ターン（人間またはアシスタントの発言）全体の平均活性化を再構成することで、ターンを固定数の特徴で表現する。標準SAEではコンテキスト長に比例して特徴数が増える問題を解決し、ターン平均特徴はターンの高レベル特性をより完全に記述し、帰属グラフなどの下流タスクを簡素化する。

研究者らはModernBERTを米国裁判所のすべての判決意見でさらに事前学習し、法律領域における性能を大幅に向上させた。ModernBERTは元のBERTの約500倍のデータで事前学習されているが、領域適応による改善が確認された。ゼロからの事前学習は既存のチェックポイントからの継続事前学習に劣る。モデルは最大8,192トークンを処理可能で、法律テキストの埋め込みや高速再ランキングに利用できる。すべてのチェックポイントは公開されている。ICAIL 2026で発表予定。

この研究は、240件の学生-患者訓練インタラクションからなるフランス語OSCE対話データセットを導入し、それを基に制御可能なLLMベースのパイプラインを構築して合成OSCE対話を生成する。パイプラインは検索ベースのグラウンディングとリフレクションループを統合し、患者の忠実性、一貫性、リアリズムを確保する。また、LLM-as-a-Judgeアプローチを用いた多レベル評価フレームワークを提案する。実験では、制御可能性モジュールが患者の忠実性と学生評価の一貫性を改善することが示された。最後に、学生がVPで練習し自動フィードバックを受けられるインタラクティブプロトタイプを実装した。

本研究は発達的視点から、Olmo2およびPythia言語モデルにおける訓練段階を通じた誤信念課題（FBT）のパフォーマンスを調査。重要な結果：チャンス以上のFBT性能はモデルサイズと訓練量に依存し、事前訓練後期に現れ、事後訓練介入で最大に向上。しかしFBT性能は脆弱で、非事実動詞が誤信念帰属を増加させる。状況モデリングの精度は一般にFBTに先行し優れるが、一貫性に欠ける。大規模モデルは部分的に一貫した状況モデルを構築するが、驚くべき脆弱性を示す。

本論文では、アラビア語-英語Al-Mawrid辞書の機械可読版から語彙情報を自動抽出する手法を提案する。n-gram分析とキーワード・イン・コンテキスト（KWIC）分析を用いて言語パターンを発見し、手作業で作成したルールベースの情報抽出により、すべての情報タイプで高い精度、同義語で高い再現率を達成した。Al-Mawrid辞書には、派生語、同義語、分野ラベル、上位語/下位語関係が豊富に含まれていることが示された。

従来の言語同定の限界パラダイムは、敵対者と学習者のゲームとして学習をモデル化する。新しい言語生成の限界フレームワークは、学習者が対象言語から有効で未知の文字列を生成することを要求する。本論文では、新しい精度の概念を導入し、問題を古典的な再現率-精度トレードオフとして再定義する。重要な貢献は、最終的に有効でない学習者の分析：誤りの頻度がゼロに近づき精度が1を保つ限り、無限の誤りを許容する。この緩和により、敵対者が対象言語の大部分を永久に隠蔽する場合、再現率が厳密に向上することを示す。また、出力の一定割合のみを新規とする連続的な新規性制約の緩和も研究する。結果は、偶発的な誤りや繰り返しが避けられないが、その率が制御されるより現実的な言語生成モデルに向けたもの。

本研究は、感情価が子どもの認識記憶の順序依存構造にどのように影響するかを示しています。感情的に価値付けられたおもちゃの系列を正しく思い出すことは、個々のおもちゃの感情価だけでなく、その前後に提示されたおもちゃの感情価にも依存していました。標準的な心理モデルの精度は低いのに対し、感情価を考慮した古典的テンソルネットワークモデルは77.98%の精度を達成し、感情記憶のような順序依存現象をモデル化するための量子インスパイア手法の価値を示しています。また、子どもの感情的時間記憶を探るための新しいプロトコルを導入しています。

本論文では、オフィスビルにおける家電レベルのエネルギー監視のために、深層時系列予測、変分異常検知、LLM推論を組み合わせたエンドツーエンドのエージェンティックパイプラインを提案する。システムはハイブリッドSSA-LSTM予測モデルと家電別LSTM VAEアテンションを用いて異常を検出し、3段階のLangChainパイプライン（コンテキスト、診断、レポートエージェント）で診断を生成する。16シナリオのベンチマーク評価では、最高バックエンドが90.4/100を獲得し、ローカル7Bモデルが全シナリオに合格した。

新しい論文が特異学習理論を深層単項式ネットワークに適用し、臨界点がサブネットワークに対応することを示し、ニューラルネットワークがより単純な関数に収束する暗黙のバイアスを数学的に説明する。

回帰タスクにおけるデータ不足とノイズ問題に対し、モデル非依存の反事実的残差データ拡張（CRDA）を提案。残差の不変性を利用して新しいサンプルを生成し、複数のベンチマークデータセットでMLP回帰器の平均二乗誤差を平均22.9%、XGBoost回帰器を6.4%削減し、既存手法を上回った。

古典的な普遍近似定理はシグモイド多層パーセプトロンの表現力を保証するが、データ分布の幾何構造をエンコードする初期重みの指定方法は示さない。本論文では、単一隠れ層シグモイドMLPのためのスペクトル幾何認識初期化フレームワークS-GAIを提案する。SVDを用いて各クラスの平均、主方向、スペクトルスケールを推定し、エネルギースレッショルドで保持する方向を選択、各方向を2つのシグモイドゲートで表現する。これらのクラス固有ゲートが共有隠れ層を構成し、訓練セットから直接初期化される。MNIST、Fashion-MNIST、CIFAR-10の実験で、S-GAI初期化はXavier初期化よりも情報豊富な隠れ状態を提供し、完全訓練後に同等の最終精度に達する。隠れ層を凍結し出力層のみを訓練した場合も、ランダムゲート凍結より優れた性能を示し、S-GAIがクラス別スペクトル幾何を効果的にMLPに埋め込んだことを示す。

部分的なドメイン知識と深層ニューラルネットワークを組み合わせた新しいオンライン分散センシングフレームワークを提案。ノイズ統計を必要とせず、CA-NKCFは線形、カオス、無線追跡環境で従来手法を上回る性能を示す。