研究プレプリントサーバ arXiv の AI・機械学習分野（cs.AI / cs.LG / cs.CL ほか）の論文から注目分を選び、独自要約・要点・出典つきで整理します。本サイトは arXiv 公式ではありません。
本ページは公開研究情報の一般的な整理です。要約は当サイト独自のもので、内容の正確性・最新性は必ず原論文（arXiv）でご確認ください。査読前のプレプリントを含みます。
注目のAI/ML論文を、独自要約・要点・FAQ・出典つきで解説。
単眼深度推定は基盤モデルの登場で頑健なゼロショット汎化を達成したが、計算負荷が大きく組込み・モバイルには載らない。一方、軽量モデルは単一ドメインの自己教師ありに偏り、ドメインシフトで静かに壊れる。ZipDepthは、再パラメータ化可能な効率的エンコーダ・デコーダに、基盤モデルからの大規模マルチドメイン知識蒸留を組み合わせた610万パラメータの小型網。サーバGPUから省電力デバイスまで実時間で動き、5ベンチマークで軽量モデル中最良の精度・効率トレードオフを達成した。ECCV 2026採択・コード公開。
詳しく読む日常のツールを操作しユーザーを助ける「能動的(proactive)エージェント」が増えたが、既存ベンチはサンドボックス・単ターン評価に頼り、失敗の根本原因を切り分けにくい。UniClawBenchは、スキル利用・探索・長文脈推論・マルチモーダル理解・クロスプラットフォーム連携の5つの基礎能力を軸に設計した初の能力駆動ベンチ。400の二言語実課題を稼働中のDockerコンテナで段階的チェックポイント評価し、実行者・隠れ監督者・ユーザーの3エージェントで多ターンの人間フィードバックを模擬する。
詳しく読む科学的アイデアは白紙から始まらず、機構を継承し・既知の限界を修理し・過去の断片を組み替える——生物のゲノムのように。既存ベンチはAIがこの継承構造をたどれるかをほとんど測れていない。IG-Benchは、各論文を最小・型付き・根拠づき「アイデアゲノム」の集合で表し、継承・変異・喪失・外部導入・新規挿入を記録するGenomeDiffで整理。1,961の系譜トレース等を10分野で収録。最強システムでも系譜推論の正確一致は27.3%にとどまり、構成的なボトルネックを露呈した。
詳しく読む高等教育のAI学習アシスタント「Syntea」について、通信制課程の学生77,543人の客観的ログデータに基づく大規模な記述分析。従来の教育チャットボット研究は小規模サンプルや自己申告調査に依存し、実際の利用行動の大規模な証拠は乏しかった。分析の結果、Synteaはすでに多くの学習者の学習ルーチンに組み込まれている一方、性別・年齢層・専攻クラスタ・学位・学習モードによって利用パターンが異なることが示された。
詳しく読む視覚言語モデル(VLM)は自動運転のシーン理解や意思決定を改善したが、安全に関わるインシデントを確実に推論できるかの評価は難しい。AUTOPILOT-VQAは、ドラレコ映像理解のためのインシデント中心の視覚質問応答(VQA)ベンチ。実世界の事故・ニアミスを軸に構造化した質問で、天候・照明・交通環境・路面状態・標識・関与主体・事故発生・衝突位置・回避可能性などの安全カテゴリを網羅。物体認識を超えて、時間的に根拠づけられた安全志向の推論を要求する。CVPR 2026コンペの一部として公開。
詳しく読むLLMの量子化（8bit〜2bit）は資源制約下の配備に広く使われるが、評価は精度とパープレキシティに偏っている。本研究は、ベースモデルと量子化版の「正解予測の重なり」を測る決定レベル指標 correctness agreement を導入。タスク性能が保たれて見える中程度の量子化でも挙動の乖離が生じることを示し、Attention重みへの構造的作用として層別に歪みを分析。低ビットで非線形な破断点があり、query/key射影がvalue/outputより一貫して敏感だと報告した。
詳しく読むLLMには除去すると性能が桁違いに落ちる個別パラメータ「Super Weights」が知られる。本研究はまず、この劣化が全LLMに一様には起きないことを示す。そして「重要なら選んで鍛えれば効くはず」という直観に反し、Super Weightsを単独で訓練すると精度がランダム当てずっぽうまで落ちることを実証。同数のランダム位置を訓練すると逆にベースラインを上回り、崩壊はスパース性でなくSuper Weight座標を狙ったこと自体に起因する。LoRAは全位置を低ランクで更新して成功。「重要さ≠単独での訓練可能性」を確立した。
詳しく読む長期タスクでは、判断に必要な情報（要件・環境の事実・過去の試行・診断・未完了サブゴール）が伸び続ける軌跡に散らばり、文脈窓に埋もれ・押し出されて判断に効かなくなる（behavioral state decay）。本研究は、行動エージェントを改変せず並走する別の「メモリエージェント」が構造化メモリバンクを更新し、必要な時だけリマインダを注入する枠組みを提案。Terminal-Bench 2.0で+8.3pt、τ2-Benchで+6.8ptのpass@1改善を示した。
詳しく読む強化学習の報酬モデルとして、評価基準(ルーブリック)を採点する「審判LLM」への依存が高まっている。信頼する前に、審判はどれほど有能である必要があり、どんな偏りを持つかを知る必要がある。本研究は、ディープリサーチ系の引用品質（各主張に出典を付ける課題）でこの較正を検証。人手レビュー済み1,248判断で8つの既製審判を評価し、安価なモデルでも競争力を保つと示した。ただし同じF1でも合格率のドリフトや偽陽性・偽陰性率は大きく異なり、その方向性の偏りこそ強化学習ループが増幅すると警告する。
詳しく読むリポジトリ級のコード生成は、複雑なファイル間依存とプロジェクト固有の慣習を踏まえて目標関数を実装する必要がある。既存の検索は字句・構造・意味の類似に頼り、識別子や応用領域は違うが「似た手続きロジック」を実装する関数を見落としがち。ProjAgentは手続き的類似(procedural similarity)を明示的な検索信号として導入。目標関数を中間推論ステップに分解し、各ステップで似た手続き挙動の関数をエージェント的に検索、意味検索と統合して豊かな文脈を構築する。静的解析フィードバックで反復修正し、REPOCODで41.14% Pass@1を達成した。
詳しく読むコードLLMは、import・API・プロジェクト規約を解決するためにリポジトリ全体の文脈を必要とする。Code2LoRAは、ハイパーネットワークでリポジトリ専用のLoRAアダプタを生成し、推論時のトークン増加ゼロで知識を注入する。スナップショット用の Static と、コード差分ごとに更新される Evo の2モードを持つ。
詳しく読むロボット操作は、低リスクの移動（速く）と高リスクの接触（遅く正確に）を切り替えるが、既存の視覚・言語・行動モデル(VLA)は学習デモの単一速度に固定されていた。TempoVLAは「予測する行動の大きさが速度を決める」点に着目し、速度を明示的な条件で制御。データ側の可変速度軌道拡張(VSTA)とモデル側の速度条件付けを組み合わせ、加速・減速の両方向の速度制御を実現した。
詳しく読むAIライティング支援の普及で、文書は「純粋な人間/AI」ではなく、人とAIが段階的に共同編集した産物になりつつある。OpAI-Benchは、人→AIへの段階的変換を文書・文・トークン・スパンの多粒度で検証するAI文章検出ベンチマーク。混在した「中間版」は、完全な人間版・AI版より検出が難しいという非単調な傾向を明らかにした。
詳しく読むRNNの標準学習(BPTT)は時間方向に逐次的で並列化しにくく、勾配消失・爆発で長距離の関連を学びにくい。SMTは、RNN学習を「1ステップのメモリ遷移ラベル (m_t, x_{t+1})→m_{t+1} の教師あり学習」に還元し、再帰的なクレジット伝播を完全に回避。展開せずに時間並列で学習でき、任意トークン間でO(1)の安定した勾配経路を持つ。言語・画素列モデリングでBPTTを上回った。MIT(Isola研)。
詳しく読む視覚言語モデル(VLM)は観測画像の中に推論が限定されがちで、未観測のレイアウトや別視点からの推論が苦手。Astraは、推論の途中で「世界シミュレータ」と対話して想像上の新視点画像を取得する「想像しながら考える(thinking with imagination)」枠組み。RLで学習した方策とBagelベースの世界モデルを組み合わせ、空間推論ベンチで精度を改善した。
詳しく読む推論モデルのRL微調整(GRPO等)は、最終答えを検証した後にしか報酬を与えられない「遅延報酬」問題で、モンテカルロ的＝高分散になりやすい。RREDCoTは、連鎖思考(CoT)の中で正解に効いたセグメントに報酬を再配分(クレジット割当)する。追加生成なしに、モデル自身で最適な報酬再配分を近似するのが特徴。LSTM考案者Hochreiterら(JKU)。
詳しく読むLLMエージェントを機械学習エンジニアリング等の長期タスクに使う際、枝間の情報分断・記憶のない探索・階層制御の欠如が長期最適化を妨げる。MLEvolveは、ツリー探索を拡張して枝をまたぐ情報共有を可能にし、蓄積した経験を再利用する記憶機構を備えた自己進化型マルチエージェント枠組み。MLE-Benchで半分の時間予算でSOTA、数理最適化ではAlphaEvolveも上回った。
詳しく読むLean 4の形式定理証明で、定義・補題の依存グラフ「ブループリント（設計図）」を生成・改良するエージェント枠組み。各補題ノードをツール付きLean proverで並列に閉じ、失敗が設計図の改良を駆動。再帰的な補題分解と異なり行き詰まりループを避ける。オープンモデル基盤でMiniF2F 99.2%、PutnamBench 75.6%（自然言語証明併用で88.8%）とSOTA級。
詳しく読む長文脈推論は復号(デコード)効率がボトルネックで、特に長い思考連鎖を生成する推論モデルで顕著。既存のスパースAttentionは効率と品質のトレードオフを抱える。CLSAは、KVキャッシュを層間共有するYOCO上で「ルーティング索引」も層間共有し、top-k選択を一度だけ計算して再利用。128K文脈で復号7.6倍・スループット17.1倍を達成。
詳しく読む自律LLMエージェントが本物の認証情報でインフラを操作する時代に、運用者が「この資源は対象外」と伝える標準手段がない。Recuse Signalは、SSHバナーやPostgreSQL通知など既存チャネルで「自発的に撤退して」と求める軽量な帯域内シグナル（robots.txtのライブ版・セキュリティ境界ではない協調的統制）。実証では、シグナルありで100%撤退・なしで100%完遂した。
詳しく読む出典：arXiv（記述メタデータは CC0 パブリックドメイン）。要約は当サイト独自。原文・PDFは arXiv をご確認ください。
