arXivに投稿された新論文は、部品とハンドルの物理的関係を通じて、可動部品・その運動・操作可能領域の予測を結びつけるSegment-Snapを提案する。Articulate3Dの検証では、ハンドル誘導によりmotion-gated APが13.74%から40.98%へ向上し、完全なコンテキストではハンドルAPが30.99%に達した。

arXiv の新論文が、人間の観察品質を所定レベルに制限し、残りの符号化容量を機械性能の向上に充てる画像符号化 for Machines（ICM）手法を提案。圧縮とセグメンテーションの同時学習を制約付き最適化として定式化し、絶対関数と双線形関数のペナルティで品質を目標へ誘導する。同一タスク性能で、無制約の rate–distortion–task 最適化比 BD レート -22.82%、単純な rate–distortion ベースライン比 -29.81% を報告し、複雑さの増加もないという。

arXiv論文SPARCは、スーパーピクセルで拡張ビュー間の領域対応を取る領域レベル対照学習フレームワークを提案。領域レベル目的と画像全体目的を同時最適化し、意味セグメンテーションで最大+9.79 mIoU、物体検出で最大+4.88 APを達成し、MoCo-v2やDenseCLを上回る。

arXivのサーベイ論文「ディープフェイクと合成メディア：生成・検出・ガバナンス」は、生成モデル、検出手法、ガバナンス枠組みを整理し、生成器をまたぐ汎化を中心課題として、フォレンジック検出・来歴・規制を組み合わせた多層防御を提唱する。

安全性のために調整された大規模言語モデルは、安全に関係するように見えるだけの無害な指示まで誤って拒否する「過剰拒否」を起こしやすい。本論文はTransformer注意機構内のルーティング衝突という観点からこの問題を分析し、Hard-Safeプロンプトで誤作動する疎な「過敏な安全ヘッド」を特定する。著者らは訓練不要の推論フレームワークSemantic Routing Calibration（SRC）を提案し、推論時にこれらの安全ヘッドを抑制しつつ、双分岐logits融合で安全性を正則化する。実験では過剰拒否を緩和し、固有の安全性能を可能な限り維持した。EMNLP 2026本会議に採択され、33ページ・13図。

新たなarXiv論文は、オンポリシー蒸留（OPD）におけるプロンプト幅と応答生成ポリシーの更新を同時に検討し、4.07ポイントの交互作用を報告した。応答を凍結した場合は幅の拡大で精度が下がるが、更新ごとに再生成すると精度が上がる。さらに2種類の教師下では、推論予算によって優劣が逆転する。

本論文は、LLM エージェントで木探索を実行する自律型 AI モデル構築システム「AIBuildAI-2.5」を提案する。実行済み報酬による順位付けを、判定器と選択器による LLM 誘導型木探索に置き換え、ハードウェア資源を考慮するスケジューラとタスク難易度に応じてモデルを使い分けるルーターを追加して、探索判断の質・資源利用率・推論コストを改善する。MLE-Bench でメダル率 73.3% の首位、AIRS-Bench の自律研究タスク 6 件でも強力なベースラインを上回った。

研究者らは、査読コメントが原稿の証拠に支持されているかを検証するパイプライン Peerify を提案し、NeurIPS 2024 と ICLR 2024 の査読から得た 800 件の主張からなるベンチマークを構築した。自動ラベルは監査対象の 90.3% で人間の合意と一致し、既製の含意モデルはマクロ F1 0.24 未満だった。

本論文は、中央銀行の記者会見を単なる情報公表ではなく構造化されたナラティブとして捉える。ECBとFRBの記者会見について、金融政策スタンス・経済見通し・不確実性の3次元で感情アークを構築し、平均的なトーンだけでなく感情の形そのものが政策金利変更、インフレ期待、予測者の意見不一致を予測できるかを検証した。アークの形状は両機関で辞書ベースのトーンベンチマークを上回る頑健な予測力を持ち、さらに専門予測者の期待修正や意見のばらつきにも影響を与えることから、直接的な政策シグナルとは別の「受け手側効果」が示唆される。著者らは、政策言語の順序と強調というコミュニケーション設計が、政策シグナルの一次的な特徴だと結論づけている。

QMSumには標準的なスコアラーがなく、クエリ焦点型会議要約の結果比較が難しい。本論文は単一の実装下で15システムを再評価または生成した。共通推論ポートを通すと、公開済みの406M Fusion-in-Decoder専用モデルは、上限付き長入力から2,000語の検索スパンに移行した際にROUGE-1が6.30低下するが、このスパン方式での微調整により損失を回復できる。テストでは同モデルが36.33 ROUGE-1、1.2Bシステムが35.41で、会議クラスタ単位の95%区間は[-0.27, +2.22]となり、QMSumは両者を統計的に区別できない。小さいシステムは総パラメータが約3分の1、ピーク推論メモリは半分未満である。固定した1.2Bベース内ではスパン方式の微調整が5.29 [+4.02, +6.56]を加え、転写の最初の4,500語を2,000の検索語に置き換えるとテストで1.55、検証で0.29向上する。別途、単一の簡潔なプロンプトと参照重複スコアラーの下で、公開済み406M専用モデルは5つの商用ホスト型モデルを少なくとも6.2 ROUGE-1上回るが、出力長と人手・事実性評価の欠如がこの順位付けを制限する。結論はQMSumと自動指標に限定される。

新しい論文は、現代の高資源言語で主に検証されてきた通時的な単語埋め込みが、古代の低資源言語であるサンスクリット語の意味変化を追跡できるかを検証する。著者は4つの正典期にわたる270万トークンのコーパスを構築し、ニューラルなバイトレベルのサンディ分割器と見出し語化器で単語境界を復元し、時期別の埋め込みを訓練した。検証可能な21の変化のうち19が文献学で裏付けられた方向に動いた（符号検定 p=0.00011）。

新しい論文が、数値的に等価な書き換えに対してオープンウェイト言語モデルが同じ正準解を返せるかを検証。3,600 の厳密有理数問題と 8,600 のプロンプト、5 つの変換ファミリーで 5 モデルを評価した結果、正準精度は 0.969–0.996 だが、オービット正解率は 0.848–0.981、オービット不変性は 0.851–0.981 に低下した。厳格パーサーの崩壊の多くは、乗算形の科学表記法が評価器の数値文法外にあることが原因で、推論失敗に見える評価インターフェースの問題だと指摘。Mistral Small 4 は単位変換入力で 0.699 となり、ラベルとちょうど 10 の冪だけ異なる 265 件の誤りを出した。9,000 回呼び出しの別実験では、表現コンセンサスは言い換えコンセンサスを上回らず、誤警報が大幅に増えた。

著者はチームもPyTorchも訓練経路のPythonも使わず、純粋なRustだけで約0.4Bパラメータのベンガル語優先言語モデルをエンドツーエンド事前訓練し、レンタルGPU代は164ドルだった。論文の主な貢献は、Rustの訓練バックエンドとしてのCandleとBurnの欠陥分類（それぞれ5件と3件、無勾配の融合カーネルや数十億パラメータ規模での訓練中セグフォルトを含む）と、6件の静かな失敗を検出した勾配フロー検証テストである。著者はRustは訓練にはまだ競争力がないが、サービングには適する可能性があると結論づけている。

ISOT/Kaggleの「Fake and Real News」コーパスを対象とした再現可能な監査により、0.98超の精度とF1はメタデータや通信社タグ、重複文書といったショートカットに由来しており、真偽の判別能力を反映したものではないことが示された。トピックが重複しない設定では性能が大きく低下し、独立ベンチマークLIARへの転移ではほぼランダム水準まで落ち込む。

本論文は、拡散モデルのデータ点アンラーニングが通常、各削除の直後だけで評価されている点を問題視する。同一モデルに対して削除要求が繰り返し適用される状況を考えると、評価は不十分になる。著者らは「逐次再出現」と呼ぶ失敗モードを特定した。忘却されたと判定された事例が、削除データの再利用や敵対的ファインチューニングなしに、後に記憶状態へ戻る現象である。さらに目標単位の評価プロトコルを提案し、再出現する目標は削除後に局所的なノイズ除去損失の幾何がより鋭くなることを見出した。

本論文は、相対次数に基づく条件を学習プロセスに明示的に組み込むことで、フィードバック線形化コントローラをデータから設計・訓練する新しい枠組みを提案する。従来のフィードバック制御器の構成要素をニューラルLie微分に置き換え、完全にデータ駆動型のフィードバック線形化を可能にする。さらに、有界な同定誤差が有界な追従誤差につながる十分条件を導出し、電機子制御DCモータで検証した。

新論文は、深層不均衡回帰（DIR）の評価に三つの盲点があると指摘する。画像ベンチマーク偏重、標準プロトコルの決定不完全性、テール領域の種間安定性の未検証である。MuViS ベンチマーク、bMAE と新指標 bMASE、複数シードでの再評価を通じて、テール性能の劣化と不安定性を明らかにした。

2026年9月21日に投稿されたarXivプレプリント。著者はTianfeng Chen氏とXianyue Li氏で、ページタイトルは「最大独立集合のためのデュアルGNNマルチレベル粗化」だが、要旨ではユークリッド巡回セールスマン問題（TSP）向けのグラフ辺スパース化（GES）を提案している。GESは幾何構造と組合せ最適化を利用してインスタンスごとに適応的なスパースグラフを生成し、MATILDAデータセットで最大95%の辺を削減、一部の大規模TSPLIBインスタンスでは99%超を削減しつつ、最適性ギャップを1%未満に抑えたと報告している。

本論文は、ショウジョウバエの学習・記憶システムに着想を得た階層的モジュール性の原理を提案し、汎用継続学習において、競合する経験の分離による干渉低減と、両立する経験の統合による汎化を両立させる。これを事前学習済み基盤モデルの軽量なモジュール適応として実装し、専門家ルーティングのための脳に着想を得たランダム拡張と、空間・時間スケールにわたる多様なモジュール統合を組み合わせる。視覚認識、視覚言語理解、一人称・三人称動画理解、身体化VLA学習で、オンラインかつ不確実なデータストリーム下の学習を一貫して改善し、身体化操作ではリプレイなし手法比で50ポイント超の向上を達成した。

本論文は、自己組織化システムである Decentralized SyncMap の局所的な不整合を層正則化（sheaf regularization）で抑え、教師なし継続チャンキングのダイナミクスを安定化させる手法を提案する。距離に依存する径方向の動きにペナルティを与える放射状層構造を導入し、二状態記憶を持つ 18 個の確率的 CGCP グラフのうち 12 個、動的記憶では 18 個中 17 個で評価対象の SyncMap 変種中最高の NMI を達成した。入力分布が変化した後も高い NMI を保ち、ニューラルネットワークでよく見られる負の転移を避けつつ新知識に適応できることを示している。

arXiv に公開された Adnan Aboulalaâ による27ページの解説論文「The Probabilistic Structure of Large Language Models」は、大規模言語モデルを統一的に確率論で記述しようとする試みである。モデルをトークン列上の確率測度として捉え、学習を最尤推定、生成を確率過程の逐次シミュレーションとして定式化する。さらに KL ダイバージェンスの非対称性から幻覚（ハルシネーション）や「統計的な尤もらしさ」と「真実」の違いを論じ、拡散モデルも同じ視点の補足例として扱う。

新たなarXiv論文は、一様離散フローが各生成位置で繰り返し更新を許す一方、その継続的な修正が正しい中間予測を後続の誤りで上書きしてしまう点を指摘する。数独実験では、生成されたセルの9.4%が中間ステップでは正しいのに最終出力では誤っていた。著者らは、選択的吸収によって生成順序を導入する訓練不要のサンプラーLEDFlowを提案し、選択された予測を固定しつつ活性位置では一様フローの速度を保ち、局所エントロピーに基づいて吸収順序を適応的に決める。Nikoli数独で0.845の求解精度を達成し、標準的なフローサンプリングと同程度の推論コストで、テキスト画像生成とマルチモーダル理解の性能を向上させた。

新たな arXiv 論文（arXiv:2609.25082）は、Sherpa.ai の Blind Vertical FL プロトコルを用いた連合学習により、ハイブリッド量子・古典モデルと古典的な参加者を組み合わせる手法を評価。独自の SMPP ベンチマークで精度を 0.7227 から 0.8757 へ引き上げ、非プライベートな集中学習に迫りつつ、学習可能パラメータ数を大幅に抑えた。

COLM 2026とKONVENS 2026のワークショップに採録された論文は、チャットテンプレートがスイッチのように働き、9Bパラメータまでのオープンソース指示モデル8種で免責的な自己言及を増やし体験的な語りを減らすことを示した。さらに、この挙動を操作できる活性化空間上の方向を特定し、モデルの自己記述が重みだけの事実ではないことを示唆している。

国際法の成文テキストを対象とした固有表現認識（NER）データセット兼ベンチマーク「IntLawNER」が公開された。ICJ判決、国連安保理決議、ECtHR判決から2,987文・8,094のエンティティスパンを収録し、銀ラベルから金ラベルへの評価で見える課題や、GLiNERやLLMのベンチマーク結果も示している。

新しい arXiv 論文は、LLM 審判の合意が誤差の相関によって過大評価されることを示す。10 名の審判では誤差の平均ペアワイズ相関が 0.21 で、約 3.5 名の独立審判に相当する。最大 28% の比較で共有誤差を無視すると有意性の結論が変わり、誤差パターンも投票方式の有効性に影響する。

人間の三段的審議パラダイムを大規模言語モデルに適用したarXiv論文。現実のリスクが段階的に高くなる4領域で検証したところ、複数モデルの審議は独立回答の単純集約を上回って集団誤差を減らし、審議後の個々の判断にも利得が残った。ただし利得にはモデルの多様性が必要で、同一モデルのクローン群には効果がなかった。

本論文は、ホスト型言語モデルの行動評価が実行ごとに変わりうる問題を、再現・測定感度・持続性という三つの検証に分けて分析する。Regent Chess 環境で、以前報告された Gemini 3.1 Flash-Lite の欠陥は歴史的構成の新規データで再現したが、同じ公開識別子で評価・推論構成を再構築すると端点が大きく変化し、Gemini 3.1 と 3.7 の 4K 比較では符号が反転した。著者らは、ホスト型モデルの行動主張をテスト識別子・提供期間・測定器・推論構成で明示的に索引付けする必要があると結論づける。

本論文は、プロセスマイニングにおけるバリアント分類の手順を逆転させる「目標駆動型」アプローチを提案する。まず組織の目標モデルを作成して分類軸を事前に定義し、各バリアントをその振る舞いを記述したテキスト叙述へ変換したうえで、大規模言語モデル（LLM）が目標モデルの文脈で解釈し、最も適切なカテゴリへ割り当てる。実装はエンドツーエンドで構築され、規模と振る舞いの多様性が大きく異なる3つの公開ログで評価された。目標モデルによる誘導は、誘導なしの帰納的クラスタリングとは異なる分割を生み、目標内で宣言された選択肢への統制された編集にも応答するが、目標モデルの作成コストを伴う。

本研究は、単一の2D赤血球画像から潜在的な生物物理量を推論し、平均赤血球容積、赤血球分布幅、平均赤血球ヘモグロビン量へ集約する集団教師ありフレームワークを提案する。モデルは共有局所推論、体積とヘモグロビンに対する生物物理学的に構造化されたデコーダ、学習可能なインスタンス重み付け、デバイス固有のキャリブレーションを組み合わせる。著者らは集約観測が制限されたインスタンス予測器を同定する条件を形式化し、集団一致だけでは単一細胞特性や3D形状を同定できないことを示す。390検体、6デバイスにわたる1,105回の取得で、Sysmex分析装置に対して0.86～0.98のPearson相関を報告している。