MLinfo | 機械学習・AI論文まとめ

An Agency-Transferring Model-Free Policy Enhancement Technique

助け手モデルは、タスクの成果を最大化するために設計されていますが、実際には不適切または不完全な助け手モデルを使用している場合があります。この論文では、元の助け手モデルをRLのトレーニングプロセスに組み込むことで、トレーニ

自然言語処理埋め込み・検索強化学習

用途: 助け手モデル改良
難易度: Hard
コスト: High

iOSWorld: A Benchmark for Personally Intelligent Phone Agents

この研究では、モバイルエージェントの評価に不可欠なパーソナルな知能を実現するために、iOSを対象としたベンチマークを設計しました。

用途: モバイルエージェントの評価
難易度: Hard
コスト: Medium

Multi-Turn Evaluation of Deep Research Agents Under Process-Level Feedback

Existing benchmarks for deep research agents (DRAs) assess only single-shot outputs, ignoring a key question:

MLOpsモデルデプロイ

用途: 技術検証・論文読解補助
難易度: Easy
コスト: Medium

Learning to Attack and Defend: Adaptive Red Teaming of Language Models via GRPO

AIリードチームは、進化する攻撃者と防御者に対処するために、継続的対応が必要です。強化学習を使うと、新しい攻撃を探し出すことができ、同時に強化学習を使って防御を強化することもできます。新しいフレームワークAdvGRPOは

強化学習方策勾配 (PPO / A3C)テキスト

用途: 攻撃の応答
難易度: Hard
コスト: High

AutoMegaKernel: A Statically-Checked Agent Harness for Self-Retargeting Megakernel Synthesis

AutoMegaKernel（AMK）は、Hugging Face Llama-family モデルを単一のパフォーマンスを最適化した CUDA Kernalで動作する単一のPersistent Cooperative

自然言語処理大規模言語モデル生成

用途: モデルを効率化する
難易度: Hard
コスト: High

End-to-End Context Compression at Scale

Long-context language model inference is bottlenecked by memory, as the KV cache grows with context length. Re

品質予測/異常検知深層学習軽量化・量子化テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Code Is More Than Text: Uncertainty Estimation for Code Generation

コード生成を安全かつ信頼できる方法で行うことを目的とした研究。コード生成における不確実性を推定する方法を提案し、コードの解釈可能性と安全性を向上させる。

自然言語処理大規模言語モデル生成テキスト

用途: コード生成を安全かつ信頼できる方法で行う
難易度: Hard
コスト: High

PRISM: Recovering Instruction Sets from Language Model Activations

ラングラージュモデルを解釈するためのアクティベーション分析を提案。モデルを分析することで、モデルがどのようなコードを生成しているかを理解する。

用途: ラングラージュモデルを解釈するためのアクティベーション分析
難易度: Hard
コスト: High

LargeMonitor: Monitoring Online Task-Free Continual Learning via Large Pretrained Models

オンライン学習の継続学習では、モデルは非駅性データストリームから知識を継続的に蓄積する必要があります。モデルのパラメータはトレーニング中に効果的に調整される必要がありますが、パラメータ効率的なプロンプトチューニングや

深層学習軽量化・量子化検出テキストマルチモーダル

用途: オンライン学習の継続学習
難易度: Hard
コスト: High

品質予測/異常検知深層学習軽量化・量子化テキスト強化学習

PBSD: Privileged Bayesian Self-Distillation for Long-Horizon Credit Assignment

この研究では、長期的なタスクの再帰の信用割当問題に対処するために、長期的なタスクの再帰をサポートするPrivileged Bayesian Self-Distillation (PBSD) を提案します。

用途: 低レベルタスクの再帰
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル動画強化学習

Claw-R1: A Step-Level Data Middleware System for Agentic Reinforcement Learning

Agentic reinforcement learning (RL) has become an important post-training paradigm for turning LLMs from stati

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Multi-Armed Bandits with Arriving Arms: Sequential Screening, Dynamic Regret, and Sublinear Guarantees

分析モデルを新しいアームが現れる環境でアップデートすることで、最適なアームを選択できるようになります。

用途: 分析モデル更新の最適化
難易度: Hard
コスト: Medium

Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops

エージェントの安全性を向上するために、ハッカーのフェイクオートを作成して、リスクを評価するための新しいアプローチを提案します。

用途: エージェントの安全性向上
難易度: Hard
コスト: High

Oversight Has a Capacity: Calibrating Agent Guards to a Subjective, Fatiguing Human

As LLM agents begin to take real, irreversible actions (shell commands, file edits, deploys), the standard saf

自然言語処理大規模言語モデル分類

用途: エージェントの
難易度: Hard
コスト: High

自然言語処理大規模言語モデルテキストマルチモーダル

OmniGameArena: A Unified UE5 Benchmark for VLM Game Agents with Improvement Dynamics

この論文では、VLM ゲームエージェントの評価基準が提供され、さまざまなタイプのエージェント間の比較が可能になる。

用途: VLM ゲームエージェントの評価基準
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成

FASE: Fast Adaptive Semantic Entropy for Code Quality

この論文では、コードクオリティを評価し、エラーの発生率を減らすために、Fast Adaptive Semantic Entropy (FASE) を提出する。

用途: コードクオリティの評価
難易度: Hard
コスト: High

SIGA: Self-Evolving Coding-Agent Adapters for Scientific Simulation

この論文では、シミュレータの設定を改善するために、新しいフレームワークを提案する。これにより、シミュレーターをより効率的に設定できる。

用途: シミュレータの設定
難易度: Hard
コスト: Low

Collaborative Human-Agent Protocol (CHAP)

この論文では、人機協力における分散型コミュニティを考慮するために、新しいフレームワークを提案する。これにより、分散型人機協力がより効果的に設計できる。

強化学習マルチエージェント生成

用途: 分散型人機協力
難易度: Hard
コスト: Medium

SearchSwarm: Towards Delegation Intelligence in Agentic LLMs for Long-Horizon Deep Research

この論文では、エージェントの委譲能力を改善するために、新しいフレームワークを提案する。これにより、エージェントがより効率的にタスクを分割できる。

用途: エージェントの委譲
難易度: Hard
コスト: High

Observability for Delegated Execution in Agentic AI Systems

この論文では、分散型エクスキューションの観察性を考慮するために、新しいフレームワークを提案する。これにより、分散型エクスキューションの評価がより効果的に行える。

用途: 分散型エクスキューションの観察性
難易度: Hard
コスト: High

(Auto)formalization is supposed to be easy: Trellis process semantics for spelling out rigorous proofs

この論文では、自動化された形式化を提案する。これにより、形式化プロセスがより効率的に行える。

用途: 自動化された形式化
難易度: Hard
コスト: High

自然言語処理大規模言語モデル画像テキストマルチモーダル

SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks

Spatial reasoning is a foundational capability for multimodal large language models (MLLMs) to perceive and op

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

From 0-to-1 to 1-to-N: Reproducible Engineering Evidence for MetaAI Recursive Self-Design

Recursive self-design refers to AI-assisted modification of the mechanisms by which an AI system is built, eva

自然言語処理ファインチューニング

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

AGENTSERVESIM: A Hardware-aware Simulator for Multi-Turn LLM Agent Serving

LLM間でモデル呼び出しと外部ツールの呼び出しが交互になり、サーバのサーヒングがステートレスの要求処理からステートフルなプログラム実行に移行します。これらのワークロードの評価は、各設計点ごとに専門的なアクセラレータ時間を

用途: LLMのサーバー処理のためのシミュレータ
難易度: Hard
コスト: High

Shape Formation for the Cooperative Transportation of Arbitrary Objects Using Multi-Agent Reinforcement Learning

マルチロボットシステムを用いた物体の輸送は多くの分野、産業から家庭までで不可欠なタスクです。一度の輸送タスクをロボット数台の輸送タスクに分割しそこまでの各タスクを個別に解決します。物体は実際には形状や質量分布が非一様で、

強化学習方策勾配 (PPO / A3C)

用途: マルチロボットで物体の協力的な輸送
難易度: Hard
コスト: Medium

品質予測/異常検知深層学習Transformerテキスト

AI Scientists Are Only as Good as Their Evidence: A Stratified Ablation of Proprietary Data and Reasoning Skills in Drug-Asset Valuation

AI Scientist agents are often evaluated as if capability were mainly a function of model quality, prompting, o

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

SecureClaw: Clawing Back Control of LLM Agents

Tool-using large language model (LLM) agents face two distinct security failures: unauthorized external action

自然言語処理大規模言語モデル分類テキスト

用途: 分類
難易度: Hard
コスト: High

Memory Beyond Recall: A Dual-Process Cognitive Memory System for Self-Evolving LLM Agents

LLMエージェントの長期記憶の改善の為に、DCPMと呼ばれる新しい記憶システムが提案され、エージェントの能力が向上する。

用途: LLMエージェントの能力の向上
難易度: Hard
コスト: High

AliyunConsoleAgent: Training Web Agents in Real-World Cloud Environments via Distillation and Reinforcement Learning

Webエージェントを自動化するためのAliyunConsoleAgentが提案され、ドキュメントの検証とWebエージェントの開発を簡素化する。

深層学習軽量化・量子化テキスト強化学習

用途: Webエージェントの自動化
難易度: Hard
コスト: High

WeaveBench: A Long-Horizon, Real-World Benchmark for Computer-Use Agents with Hybrid Interfaces

マルチモーダルのエージェントの評価を目的としたWeaveBenchが提案され、ハイブリッドインターフェースの機能を評価する。

機械学習教師あり学習画像

用途: マルチモーダルのエージェントの評価
難易度: Hard
コスト: Medium

Harness Engineering for Physical AI: Robot Middleware Is the Harness Layer

ボディポーズ認識と行動解釈を目的としたReal-time body pose non-verbal communicationが提案され、人間の動作を認識して行動を解釈する。

コンピュータビジョンマルチモーダル

用途: ボディポーズ認識と行動解釈
難易度: Hard
コスト: High

RunAgent SuperBrowser: A Theory of Autonomous Web Navigation Grounded in Human Browsing Behaviour

We present SUPERBROWSER, an autonomous web-navigation agent designed against a single guiding hypothesis: a we

MLOpsパイプライン構築画像テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory

Medical agent systems are increasingly expected to support interactive clinical decision making rather than on

生成AIGANQAテキスト

用途: QA
難易度: Hard
コスト: Low

Anything2Skill: Compiling External Knowledge into Reusable Skills for Agents

代理機器が外部の知識を活用して、多くのタスクを効率的に解決できる「Anything2Skill」を提案している。

自然言語処理RAG生成テキスト

用途: 代理機器が外部の知識を活用して、効率的に問題解決ができる技術の開発
難易度: Hard
コスト: Low

Brain-Prompt Injection: A Route-Safety Audit for BCI-LLM Agents

脳-エージェント接続での脳サイン入力を安全に実行できるシステムを提案し、脳サイン入力攻撃を検知することができる。

深層学習Transformerテキスト

用途: BCI-LLMエージェントに脳サインを入力する際に安全さを確保するためのシステム
難易度: Hard
コスト: High

Self-Paced Curriculum Reinforcement Learning for Autonomous Superbike Racing in Simulation

自動走行に利用されるAIエージェントを、超バイクの自律走行の実現に使えるようにするフレームワークを提案し、超バイクの自律走行を実現している。

自然言語処理RAG強化学習

用途: 超バイクの自律走行を実現するためのフレームワークの提案
難易度: Hard
コスト: High

Trustworthy Smart Fabs via Professional Proxies: Scaling Safe and Sustainable by Design (SSbD) through Industrial Data Spaces

可勉行の安全性と持続可能性を確保するためのフレームワークであるTrustworthy Smart Fabs via Professional Proxiesを提案している。

品質予測/異常検知数学・理論最適化

用途: 可勉行の安全性と持続可能性を確保するためのフレームワークの提案
難易度: Hard
コスト: Medium

品質予測/異常検知深層学習Transformer生成テキスト

MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation

Social Scienceにおける、Memory-Augmented Social Simulationを利用した深層学習を利用して、新しい研究方法を提案し、Social Scienceの研究実現を実現した

用途: Social Scienceにおける、Memory-Augmented Social Simulationを利用した深層学習を利用した研究の実現
難易度: Hard
コスト: High

Autonomous Incident Resolution at Hyperscale: An Agentic AI Architecture for Network Operations

CloudNetwork Infrastructureの自動的なインシデント解決のため、新しいAgentic AI Architectureを提案。

用途: 自動的なインシデント解決
難易度: Hard
コスト: Medium

品質予測/異常検知自然言語処理大規模言語モデル異常検知テキスト

ComplexConstraints and Beyond: Expert Rubrics for RLVR

訓練データ以外の問題解決を検討したため、新しい評価方法であるexpert-curated rubric-based evaluationを提案。

用途: 訓練データ以外の問題解決
難易度: Hard
コスト: High

Context Rot in AI-Assisted Software Development: Repurposing Documentation Consistency for AI Configuration Artifacts

AIアシスタントを使用

用途: コンテキストの保持のための開発方法
難易度: Hard
コスト: High

Context-Fractured Decomposition Attacks on Tool-Using LLM Agents: Exploiting Artifact Provenance Gaps

Tool-using LLM agents interact with the world through actions that persist state in artifacts (e.g., workspace

MI向き自然言語処理大規模言語モデルテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

REFLECT: Intervention-Supported Error Attribution for Silent Failures in LLM Agent Traces

Large language model (LLM) agents now solve complex tasks through long plan-and-execution traces, yet the abil

自然言語処理大規模言語モデル分類検出テキスト

用途: 分類
難易度: Hard
コスト: High

Agent Economics: An Entropy-Controlled Pluralistic Alignment Framework for Preventing Artificial Hivemind in Autonomous Agents

This study proposes the Behavioral Protocol Framework (BPF), an entropy-controlled pluralistic alignment frame

生成AIGAN

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

MI向き深層学習軽量化・量子化テキストマルチモーダル強化学習

Personalization Meets Safety:Mechanisms,Risks,and Mitigations in Personalized LLMs

Large Language Models (LLMs) have enabled increasingly personalized interactions by adapting to users' prefere

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能自然言語処理大規模言語モデル生成異常検知テキスト

A Multi-Agent System for IPMSM Design Optimization via an FEA-AI Hybrid Approach

Interior permanent magnet synchronous motor (IPMSM) design requires balancing conflicting objectives and multi

用途: 生成
難易度: Hard
コスト: High

コンピュータビジョンセグメンテーション生成テキスト

The Token Not Taken: Sampling, State, and the Variability of AI Agent Outputs

Agentic AIシステムの不確実性が、同じ要求から異なる計画、ツールの呼び出しなどが生成されることを示唆している。このようにしてシステムの信頼性を確保するには、AIエージェントのパラメータを確立することが重要となる。

用途: AIエージェントのパラメータの確立に寄与する
難易度: Hard
コスト: High

SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning

Vision-and-Languageナビゲーションエージェントは、言語指示に従って環境を探索できる。Zero-shot Vision-and-Languageナビゲーションエージェントには、未知の環境における安全性と信

深層学習軽量化・量子化検出画像3D

用途: バイオインフォマティクスのための零-shot Vision-and-Languageナビゲーションエージェント
難易度: Hard
コスト: High

コンピュータビジョンマルチモーダルQA画像テキスト

Baichuan-M4: A Clinical-Grade Medical Agent System for Continuous Care

連続的な治療に適した臨床級LLM医系であるBaichuan-M4を導入。臨床的な医療エージェントシステムであるBaichuan-M4は、統合的な医療エージェントシステムをベースとし、医療エージェントと医療エージェントの連

用途: 統合医療医系のためのLLMベースの医療エージェント
難易度: Hard
コスト: High

AlloSpatial: Agentic Harness Framework for Spatial Reasoning in Foundation Models

Multimodal Foundation Models (MFMs) have made substantial progress, yet remain fragile in spatial reasoning ov

自然言語処理RAG画像マルチモーダル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト

PACT: Learning Diverse Diagnostic Strategies via Privileged Synthesis and Branch Consensus

Clinical diagnosis requires flexible use of multiple reasoning paradigms under incomplete patient information.

用途: 生成
難易度: Hard
コスト: High

From Statute to Control Flow: Span-Grounded Deontic Trees for Defeasible Scope Parsing

Rule-following agents tasked with executing policies and regulations often fail via Silent Scope Omission (SSO

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

A multi-agent system for spine MRI report generation from multi-sequence imaging

Spinal pathology is a leading cause of pain and disability worldwide. Spine MRI is central to clinical evaluat

説明可能自然言語処理埋め込み・検索分類検出生成

用途: 分類
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト

IS-CoT: Breaking the Long-form Generation Collapse via Interleaved Structural Thinking

この研究では、長文生成モデルの改良を実現するためのフレームワーク、IS-CoT を開発します。このフレームワークは、長文生成モデルの生成性とコントロール性を改善することができます。

用途: 長文生成モデルの改良
難易度: Hard
コスト: High

Civil Court Simulation with Large Language Models

Court simulation bridges legal education and judicial practice, yet human-based simulations are costly and dif

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Self-Harness: Harnesses That Improve Themselves

LLMベースのエージェントは、環境と連携するハーネスの設計により動作が形作られるが、これらのハーネスは現状ほぼ人間による設計のみである。この研究では、LLMベースのエージェントがハーネスを自ら改善できるメカニズムであるS

自然言語処理大規模言語モデル回帰

用途: LLMのハーネスの自動改善
難易度: Hard
コスト: High

自然言語処理大規模言語モデル生成テキストマルチモーダル

H2HMem: A Multimodal Memory Benchmark for Agents in Human-Human Interactions

大きな言語モデルには記憶や推論機能があるが、ユーザーとの対話におけるこれらの機能の効果はまだ理解されているわけではない。これを受け、この研究では、人間の相互作用、特に会話における記憶と推論能力を評価するためのマルチモーダ

用途: マルチモーダル記憶の評価
難易度: Hard
コスト: High

品質予測/異常検知コンピュータビジョンマルチモーダル分類画像テキスト

Guide Me Out: A Framework to Benchmark VLM Operators Communication in Crisis Scenarios

危機管理では、コミュニケーションと地理

用途: 危機管理におけるコミュニケーションを評価する
難易度: Hard
コスト: High

What Should a Skill Remember? Quality-Cost Trade-offs in Cost-Aware Skill Rewriting for Language Model Agents

Large language model agents increasingly rely on skills: reusable procedural documents encoding workflows, too

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

One Model, Multiple Goals: Adaptive Multi-Objective Learning for E-commerce Dialogue Systems

Dialogue systems in e-commerce scenarios often need to satisfy multiple objectives: accurately reasoning over

MLOpsモデルデプロイ生成強化学習

用途: 生成
難易度: Hard
コスト: Medium

Bridging the Agent-World Gap: Text World Models for LLM-based Agents

Large language model (LLM)-based agents are increasingly used in interactive textual environments, from web na

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Hard
コスト: High

iMaC: Translating Actions into Motion and Contact Images for Embodied World Models

Embodied world models have emerged as a pivotal paradigm for visual robotic decision-making and interactive en

自然言語処理埋め込み・検索画像

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

HDSL: A Hierarchical Domain-Specific Language for Structured 3D Indoor Scene Generation and Localized Editing with LLM Agents

Text-driven indoor scene generation and editing require an intermediate representation that language models ca

自然言語処理大規模言語モデル生成テキスト3D

用途: 生成
難易度: Hard
コスト: High

説明可能深層学習Transformerテキスト動画

MAVIS: Multi-Agent Video Retrieval via Structured Video Understanding

The dominant paradigm in video retrieval relies on embedding-based full-corpus scanning, which suffers from in

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

コンピュータビジョンセグメンテーション生成画像動画

Prisma-World: Camera-Controllable Multi-Agent Video World Model

Video world models have made rapid progress in generating controllable visual experiences, but most of them st

用途: 生成
難易度: Hard
コスト: High

Visual Para-Thinker++: A Single-Policy Multi-Agent Framework for Visual Reasoning

Visual reasoning requires integrating evidence distributed across regions, attributes, and relations, making s

深層学習軽量化・量子化画像テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能コンピュータビジョンマルチモーダル生成画像テキスト

MAGIS: Evidence-Based Multi-Agent Reasoning for Interpretable Strabismus Clinical Decision-Making

Strabismus is a common ocular disorder that requires fine-grained subtype diagnosis for individualized treatme

用途: 生成
難易度: Hard
コスト: High

Claude Code-Driving Scenario Mining for the Argoverse 2 Challenge

We present our submission to the CVPR 2026 Argoverse 2 Scenario Mining Challenge. Our system uses a four-stage

少数データ向き自然言語処理大規模言語モデル生成

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト

HDRAgent: An Agentic Framework for Multi-Exposure HDR Imaging

Most existing multi-exposure HDR methods follow a fixed feed-forward reconstruction paradigm, making them pron

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知コンピュータビジョンセグメンテーション

SynManDex: Synthesizing Human-like Dexterous Grasps from Synthetic Human Pre-Grasps

Human hand-object interactions encode functional intent, but direct transfer to robotic hands often fails unde

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Motion planning for hundreds of floating robots

Planning collision-free motion for large robot fleets is difficult because collision avoidance induces strong

MLOpsパイプライン構築

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

センサ/時系列深層学習軽量化・量子化生成画像テキスト

arxivGitHubあり2026-06-07

IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking

Simulation plays a key role in automated robotics research supported by large language models (LLMs). However,

用途: 生成
難易度: Hard
コスト: High

MI向き自然言語処理大規模言語モデル生成テキストマルチモーダル

arxivGitHubあり2026-06-07

Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery

Mathematical reasoning has long served as a stringent test of machine intelligence; over the past decade, it h

用途: 生成
難易度: Hard
コスト: High

表形式向き品質予測/異常検知深層学習軽量化・量子化生成テキスト表形式

Agentic Search for Counterfactual Recourse under Fixed LLM Budgets

Counterfactual recourse aims to provide actionable feature changes that would alter an unfavorable decision ma

用途: 生成
難易度: Hard
コスト: High

SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History

Agent skills extend language-model agents with task-specific procedures, scripts, and references, but the task

生成AIGAN

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

A Switching Beamformer for Highly Non-Stationary Environments

Adaptive beamforming is a cornerstone of array signal processing, yet its performance often collapses in the f

強化学習マルチエージェント検出

用途: 検出
難易度: Hard
コスト: Medium

Can the Environment Speak for Itself? $T^{2}$-GRPO: A Turn-Trajectory Group Relative Policy Optimization for Caregiver Agents

Optimizing large language models (LLMs) for long-horizon caregiver agents requires balancing delayed task obje

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

A Resilience-as-a-Service assessment framework for coordinated disruption response in interdependent urban transit systems

Urban public transport disruptions require rapid response strategies, yet existing studies rarely provide a de

深層学習Transformerマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Instrumental convergence and power-seeking

Recent years have seen increasing concern that artificial intelligence may soon pose an existential risk to hu

数学・理論最適化

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Evaluating AI Investment Strategies

We study the problem of auditing a black-box algorithmic decision-maker from observable inputs and outputs alo

自然言語処理大規模言語モデル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル音声

RAILS: Verification-Native Clearing For Agentic Commerce

Autonomous agents negotiate, purchase, deploy code, and move funds, but no neutral mechanism determines whethe

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Structuring agentic AI for HPC code modernization

Modernization of legacy scientific codes is often necessary to keep up with the ever-evolving changes in the c

深層学習Transformerテキスト3D

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Quantitative Promise Theory: Intentionality and Inference in Autonomous Agents

I discuss some quantitative representations of Promise Theory for processes involving autonomous agents. Agent

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

PerspectiveGap: A Benchmark for Multi-Agent Orchestration Prompting

Real-world LLM applications are moving beyond single-agent workflows toward orchestrated multi-agent systems,

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Building Customer Support AI Agents at 100M-User Scale: An Evaluation-Driven Framework

The rapid rise in LLM capabilities has made AI agents increasingly viable across a broad range of tasks. Among

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-06-07

PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf

Expert writing feedback from experienced researchers is critical for early-career scholars to improve their ma

品質予測/異常検知自然言語処理大規模言語モデル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Co-Evolving Skill Generation and Policy Optimization

Skill-augmented reinforcement learning improves language agents by storing reusable procedural knowledge acqui

深層学習軽量化・量子化生成テキスト強化学習

用途: 生成
難易度: Hard
コスト: High

From Player to Master: Enhancing Test-Time Learning of LLM Agents via Reinforcement Learning over Memory

Large language model (LLM) agents are increasingly deployed in long-running settings where improving through e

自然言語処理大規模言語モデルテキスト強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト強化学習

From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape

As Large Language Models (LLMs) advance toward open-ended autonomous agents, the mechanisms used to evaluate a

用途: 生成
難易度: Hard
コスト: High

Scaffold Effects on GAIA: A Controlled Comparison

Published agent capability scores conflate what a model can do with what its scaffold lets it do, and the magn

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

PhysAgent: Automating Physics-Based 4D Synthesis via Trajectory-Grounded Multi-Agent Feedback

Achieving fully automated, physically plausible 3D motion synthesis is a core objective in graphics and genera

MI向き深層学習軽量化・量子化生成テキスト3D

用途: 生成
難易度: Hard
コスト: High

When Video Misreads: Closed-Loop Distillation of Reading Heuristics for Exploratory Manipulation Trace QA

Exploratory manipulation often turns an apparent failed attempt into the key evidence for what to do next. For

深層学習軽量化・量子化分類動画マルチモーダル

用途: 分類
難易度: Hard
コスト: High

MI向き自然言語処理RAG生成セグメンテーション画像

SceneConductor: 3D Scene Generation from Single Image with Multi-Agent Orchestration

Generating complete 3D scenes from a single image requires inferring globally consistent geometry, object rela

用途: 生成
難易度: Hard
コスト: High

Systems-Level Planning and Coordination of Truck-Drone Collaborative Delivery Networks

Urban last-mile parcel delivery increasingly relies on heterogeneous fleets whose performance depends on timel

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

HARBOR: A Harness Framework for Agentic Robot Reinforcement Learning

Reinforcement learning (RL) has become a powerful paradigm for robot learning, particularly in sim-to-real set

機械学習特徴量エンジニアリング強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

LUNA-AD: Lightweight Uncertainty-Aware Language Model with Lifelong Learning for Autonomous Driving

While large language models (LLMs) offer promising reasoning capabilities, their integration into safety-criti

深層学習軽量化・量子化テキストマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

EFX for Additive Chores: Nonexistence, Pareto Incompatibility, and Bi-Valued Existence

We consider the fair division problem of indivisible chores and resolve the long-standing open problem for the

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Strategyproof Mechanisms for Euclidean Facility Location Problems under $L_p$-norm Social Cost

We study strategyproof mechanisms for eliciting agents' location preferences truthfully in the Euclidean plane

品質予測/異常検知自然言語処理RAG

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

arxivGitHubあり2026-06-06

Bayesian-Agent: Posterior-Guided Skill Evolution for LLM Agent Harnesses

LLM agents increasingly rely on external inference conditions: prompts, tools, memory, SOPs, skills, and harne

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

SSR: Can Simulated Patients Learn to Stigmatize Themselves? Modeling Self-Stigma through Internal Monologue

Simulating patients with large language models (LLMs) is a promising tool for mental health training, but exis

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Aligned but Not Partner-Specific: Distinguishing How Multimodal LLM Agents Succeed in Reference Games Without Human-Like Conventions

Repeated reference games test whether interlocutors replace their initially long descriptions with shorter, pa

深層学習軽量化・量子化テキストマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能品質予測/異常検知自然言語処理ファインチューニング生成要約画像

IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment

Current image editing software often hinges on fixed filters or expert tuning, leaving a gap between amateur u

用途: 生成
難易度: Hard
コスト: Medium

Customer-Agent: Overcoming Context Limitations in Ultra-Long Shopping Trajectories via Tool-Augmented Agents and RLVR

Understanding customer shopping trajectories is essential for enabling personalized shopping experiences. Howe

自然言語処理大規模言語モデルテキスト強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知深層学習Transformerテキスト

POISE: Position-Aware Undetectable Skill Injection on LLM Agents

Agent skills provide a lightweight mechanism for extending general-purpose agents, but their open format expos

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Decoupling Semantics and Logic: A Training-Free Coarse-to-Fine Pipeline for Video Retrieval-Augmented Generation

This paper presents our system description for the 2nd Workshop on Multimodal Augmented Generation via Multimo

深層学習軽量化・量子化生成検索画像

用途: 生成
難易度: Hard
コスト: High

MemToolAgent overview with a simple restaurant booking scenario where the agent retrieves similar memories, receives feedback on an invalid time format, and generates a reflection to update its memory

Modern large language model (LLM) agents can use external tools to help users solve complex tasks. However, fo

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

MI向き品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト

arxivGitHubあり2026-06-06

VideoWeaver: Evaluating and Evolving Skills for Agentic Long Video Generation

Recent agent frameworks such as Claude Code, Codex, and OpenClaw are strong at tool use and orchestration, but

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデルテキスト3D

Agentic Neuro-Symbolic Planning and Commissioning for Human-in-the-Loop Industrial Robotics with Digital Twins

Flexible robotic automation requires systems that interpret operator intent, verify physical feasibility, and

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Continual Quadruped Robots Coordination via Semantic Skill Discovery

Multi-quadruped coordination has attracted increasing attention due to its enhanced payload capacity, broader

自然言語処理RAGテキスト動画強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Cooperative Long Rope Skipping via Multi-Agent Reinforcement Learning

Humans exhibit remarkable motor agility, enabling a wide range of dynamic skills such as running and jumping,

深層学習軽量化・量子化強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

MuJoCo-Drones-Gym: A GPU-Accelerated Multi-Drone Simulator for Control and Reinforcement Learning

Robotic simulators are a cornerstone of modern research in aerial robotics, serving both as a vehicle for the

自然言語処理RAGセグメンテーション強化学習

用途: セグメンテーション
難易度: Hard
コスト: High

PRISM: PRior-guided Imagination Sampling in world Models

A learned world model provides a powerful physical intuition for evaluating future states. But its effectivene

深層学習軽量化・量子化画像

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Information-Theoretic Bounds for Sparse Covariance Estimation in the Vertical-Split Distributed Model

We study the minimax estimation error for distributed covariance matrix estimation in the vertical-split (feat

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Representational Similarity and Model Behavior in Multi-Agent Interaction

Researchers have shown that neural similarity among humans predicts social closeness and cooperative success,

深層学習Transformerテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

MI向き品質予測/異常検知自然言語処理RAG生成テキスト

Beyond Individual Personas: Aligning Synthetic Dialogue to Population-Level Behavior Distributions

Synthetic dialogue corpora are increasingly used as proxies for target dialogue data, yet persona-grounded gen

用途: 生成
難易度: Hard
コスト: Low

Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories

LLM-based coding agents sometimes acknowledge a problem in their own reasoning and then proceed anyway. We cal

説明可能深層学習Transformer検出

用途: 検出
難易度: Hard
コスト: High

arxivGitHubあり2026-06-05

The Cold-Start Safety Gap in LLM Agents

Are tool-calling LLM agents equally safe throughout a conversation? We discover they are not: agents are most

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Path Planning Using Deep Deterministic Policy Gradient: A Reinforcement Learning Approach

Path-planning for autonomous vehicles in threat-laden environments is a fundamental challenge because the prob

深層学習Transformer強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Re-imagining ISO 26262 in the Age of Autonomous Vehicles: Enhancing Controllability through Transferability and Predictability

The ISO 26262 standard defines functional safety for road vehicles through risk assessments based on Severity,

強化学習テキスト

用途: 自律走行車の安全性を向上させる
難易度: Hard
コスト: Medium

VoLo: A Physical Orchestrator for Open-Vocabulary Long-Horizon Manipulation

Open-vocabulary long-horizon manipulation requires robots to reason over flexible instructions and complex mul

コンピュータビジョンマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

CAPE: Contrastive Action-conditioned Parallel Encoding for Embodied Planning

この論文では、embodied agentsが未来の行動を予測するためのnew Contrastive Action-conditioned Parallel Encoding（CAPE）フレームワークを提案した。CAP

自然言語処理プロンプトエンジニアリング画像

用途: Embodied Planningの新しいフレームワーク
難易度: Hard
コスト: Low

Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation

この研究では、自然言語指示を実行するためにもっと実際的なエンベロイメントにおいて、視覚言語航行 (VLN) の問題に対処します。従来の 3 つのステージのアプローチは、目的地に到達するのを困難な場所や、計画と制御間の矛盾

コンピュータビジョンマルチモーダル生成

用途: 自動車のトラクタシー
難易度: Hard
コスト: High

Think Like a Pilot: Fine-Grained Long-Horizon UAV Navigation

VLNベンチマークでは、ディシクリットな操作や粗い操作が使われ、UAVのヴィジョンラングジュアクション（VLJ）タスクでは短い操作が中心で、長時間飛行に対応できるfineグラINEDUAVナビゲーション（FLIGHT）ベ

コンピュータビジョンマルチモーダルテキスト動画

用途: ドローンの長時間飛行
難易度: Hard
コスト: High

センサ/時系列自然言語処理プロンプトエンジニアリング分類強化学習

Learning All-Terrain Locomotion for a Planetary Rover with Actively Articulated Suspension

This paper presents ERNEST, a four-wheeled planetary rover concept equipped with a two-degree-of-freedom Activ

用途: 分類
難易度: Hard
コスト: Low

Modelling Opinion Dynamics at Scale with Deep MARL

Modelling opinion dynamics typically relies on hand-crafted local interaction rules to study emergent macrosco

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Improved Lower Bounds for Proportionally Fair Clustering

We study proportionally fair clustering, where a set of $k$ centers must be chosen from a metric space to repr

機械学習教師なし学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Menu Selection: A Computational Approach to Minimizing Food Waste

We introduce a novel collective decision making problem that captures the ubiquitous issue of ordering food to

MLOpsモデルデプロイ

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Learning to Strategically Acquire Resources in Competition

We consider multiple agents competing to acquire some costly divisible resource (e.g. shares of a financial as

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Conformal Risk Sharing: Certified Cost Allocation with Participation Guarantees

負のイベントのリスクを受け流すことで個人が極端な負担にならないように、各参加者に信用できる負担金の上限を提供する仕組みを作ります。

説明可能強化学習マルチエージェント

用途: 金融上のリスク共有
難易度: Hard
コスト: High

Emergent Language as an Approach to Conscious AI

The question of whether artificial systems can be conscious remains open, in part because existing approaches

強化学習マルチエージェント検出生成テキスト

用途: 検出
難易度: Hard
コスト: Medium

Hub-Aware Hybrid Search: Accelerating the Locally Aligned Ant Technique

この仕事では、LAAT（Locally Aligned Ant Technique）を拡張し、ノイジーで高次元のデータを扱うために設計されたフィルタリングアルゴリズムであるHub-Aware Hybrid Searchが

深層学習Transformer検出3D

用途: マノールドデータからのフィラメントや流れの検出を加速させる
難易度: Hard
コスト: High

SCOUT: Semantic scene COverage via Uncertainty-guided Traversal

Robots that operate over extended periods should not merely visit space; they should progressively understand

自然言語処理RAG3D

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

On the Hardness of Optimal Motion on Trees

This paper presents a simple framework that settles the complexity of Multi-Agent Path Finding (MAPF) on trees

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

MI向き品質予測/異常検知深層学習Transformer

ChronoForest: Closed-Loop Multi-Tree Diffusion Planning for Efficient Bridge Search and Route Composition

How can we plan long-horizon routes that reach designated goals, visit required waypoints, and remain short wh

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

HANDOFF: Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers

HANDOFFは、人間を模倣するロボットの制御を実現するために構築されたフレームワークです。ロボットはタスクを認識し、動作を生成します。HANDOFFは、タスクに合わせて動作を生成するアジエントを形成するために、教師と学

用途: 人間臭いアジентыのロボット制御を実現
難易度: Hard
コスト: Medium

Flow-based Policy Adaptation without Policy Updates

この研究では、マルチタスクエクソスポkeletonコントロールのセーフティー保証を改善するための新しい方法を提案します。 Simulation-Trained Variable Impedance Framework は

深層学習軽量化・量子化異常検知

用途: マルチタスクエクソスポkeletonコントロールのセーフティー保証
難易度: Hard
コスト: High

RiskFlow: Fast and Faithful Safety-Critical Traffic Scenario Generation

Safety-critical traffic scenario generation is essential for evaluating autonomous driving systems under rare

深層学習軽量化・量子化生成

用途: 生成
難易度: Hard
コスト: High

Merging model-based control with multi-agent reinforcement learning for multi-agent cooperative teaming strategies

この研究では、協力的なチーム内における安全な行動の実行を可能にするフレームワークを提案します。これは、行動が動的制約にも合わずに、安全かつ機能する結果を生み出すことを保証しています。

強化学習方策勾配 (PPO / A3C)

用途: 協力的なチーム内における安全な行動の実行
難易度: Hard
コスト: Medium

Learning of Robot Safety Policies via Adversarial Synthetic Scenarios

この研究では、シニティックなシナリオを用いたロボットの安全性ポリシーの学習を提案します。Red TeamとBlue Teamは、プログラミング言語のガミフィケーションフレームワークを用いて、シナリオ生成をアドバレッシアル

深層学習軽量化・量子化生成

用途: ラボットの安全性ポリシーの学習
難易度: Hard
コスト: Low

Learn to Match: Two-Sided Matching with Temporally Extended Feedback

Two-sided matching markets often involve information that unfolds over time through interviews, repeated inter

自然言語処理ファインチューニング生成

用途: 生成
難易度: Hard
コスト: Medium

DNQ: Deep Nash Q-Network for Partially Observable n-Player Games

DNQは、部分観測可能なnプレーヤーの競争ゲームを解決するためのフレームワークです。このフレームワークは、ゲームの最終結果を予測するために使用されます。

用途: 部分観測可能なnプレーヤーの競争ゲームを解決
難易度: Hard
コスト: High

Simultaneous EF1 and approximate MMS allocations for submodular valuations

この研究では、エネルギー効率の良い空間モデルを構築した。

用途: エネルギー効率の良い空間モデル
難易度: Hard
コスト: Medium

Learning to Contest: Decentralized Robust Fairness in Cooperative MARL via Cross-Attention

この研究では、人間とロボット間のコミュニケーションを効率化するためのアプローチを提案した。

品質予測/異常検知深層学習Attention機構

用途: 人間とロボット間のコミュニケーションを効率化
難易度: Hard
コスト: Low

A Unified Framework for Uniform-Price Resource Allocation Mechanisms

共同作業を効率化するための空

強化学習モデルフリー (DQN / SAC)

用途: 共同作業を効率化するための空間モデル
難易度: Hard
コスト: Medium

Regret Minimization in Single-Dimensional Contract-Design with Binary Actions

この研究では、協定設計のためのRegret Minimization方法を提案します。

センサ/時系列機械学習時系列

用途: 協定設計
難易度: Hard
コスト: Medium

Metric Facility Assignment with Partial Information

この研究では、部品割当における完全情報の限られた条件で最適割当を実現する方法を提案します。

用途: 設備の割当
難易度: Hard
コスト: Medium

Online Min-Cost Matching with General Arrivals

In the classic online min-cost matching problem, the goal is to match a sequence of requests that arrive dynam

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Dynamic Multi-Pair Trading Strategy in Cryptocurrency Markets with Deep Reinforcement Learning

この研究では、時系列データのペアトレーディング (Dynamic Multi-Pair Trading Strategy) を提案しており、時系列データを効率的にトレードする。

深層学習RNN / LSTM強化学習

用途: 時系列データのペアトレーディング
難易度: Hard
コスト: Low

Multi-Column RBF Neural Network Using Adaptive and Non-Adaptive Particle Swarm Optimization

ラジアル基底関数ニューラルネットをトレーニングするために、パートクレ-swarm最適化を使用する方法を提案する。

用途: RBFニューラルネットのトレーニング
難易度: Hard
コスト: High

Insurance of Agentic AI

Agentic artificial intelligence (AI) systems are transforming the risk landscape by extending beyond informati

自然言語処理RAG生成

用途: 生成
難易度: Hard
コスト: Low

Non-obvious Manipulability in the Additively Separable Group Activity Selection Problem

In this work, we study the additively separable Group Activity Selection Problem (AS-GASP) in an imperfect inf

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Extending the El Farol Bar Game with Partial Observability and Incentive Design

The El Farol Bar game is a classic model of coordination under uncertainty, traditionally treating the venue a

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Improved Approximation Guarantees for Groupwise Maximin Share Fairness

We study the problem of fairly allocating a set of indivisible goods to a set of $n$ agents with additive valu

コンピュータビジョンセグメンテーションテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Episodic Memory Temporal Consistency for Cooperative Multi-Agent Reinforcement Learning

Cooperative Multi-Agent Reinforcement Learning (MARL) frequently suffers from severe reward sparsity and explo

品質予測/異常検知自然言語処理RAG強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Learning to cooperate with emergent reputation via multi-agent reinforcement learning

Reputation, the aggregation of peer assessments diffused through social networks, is a pivotal mechanism for p

深層学習軽量化・量子化テキスト強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

CPUで試しやすい品質予測/異常検知深層学習Transformerテキスト

Spike-Aware C++ INT8 Inference for Sparse Spiking Language Models on Commodity CPUs

Spiking language models expose activation sparsity that dense Transformer runtimes do not directly exploit. Th

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

What Makes Majority Illusion Easy to Detect?

Majority illusion is an undesirable phenomenon in social networks in which agents incorrectly perceive a minor

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Causal Mirage Equilibrium in Agentic Machine Intelligence

Classical game-theoretic solution concepts assume that agents' internal representations remain causally linked

自然言語処理RAG生成

用途: 生成
難易度: Hard
コスト: Low

Competitive Information Design in Sequential Search

Advertisements often strategically disclose information to consumers who make decisions on further information

品質予測/異常検知強化学習マルチエージェント

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Do Matching Mechanisms Work with LLM Agents?

This study examines whether standard matching mechanisms function as intended in LLM-agent markets, where LLM

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Bayesian meta-learning for modeling Alzheimer's disease progression

Predicting whether an individual with Alzheimer's disease will experience mild or severe disease progression i

強化学習マルチエージェント回帰

用途: 回帰
難易度: Hard
コスト: High

State-Coupled Volatility in Latent Dynamical Systems: Recovery Under Partial Observation

Latent state-space models are widely used to study partially observed dynamical systems, yet most formulations

強化学習マルチエージェント検出

用途: 検出
難易度: Hard
コスト: Medium

ReSkill: Reconciling Skill Creation with Policy Optimization in Agentic RL

Agentic reinforcement learning (RL) enables LLM agents to improve continuously from environment rewards, yet t

自然言語処理大規模言語モデル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Self-Regulation through Communication in Evolved Neural Agents

Communication is typically understood as indication: signals that transfer information from sender to receiver

深層学習RNN / LSTM

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

A No-Regret Framework for Adaptive Incentive Design

Incentive design studies how a central authority can influence strategic agents through payments, subsidies, o

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Optimizing the Envy Cycle Elimination Algorithm

In the fair allocation of indivisible goods, a widely used notion of fairness is envy-freeness up to one good

品質予測/異常検知自然言語処理RAG

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Testing Decision Makers without Counterfactuals

A decision-maker (DM) repeatedly makes choices under uncertainty in a bandit environment, where only the reali

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Private Learning in Bilateral Trade

Bilateral trade models one of the most fundamental economic interactions: the intermediation between two strat

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

A Sheaf Framework for Strategic Multi-Agent Systems: From Consensus to Nash Equilibria

The coordination of heterogeneous autonomous agents in dynamic, adversarial environments requires simultaneous

コンピュータビジョン動画認識生成

用途: 生成
難易度: Hard
コスト: High

Computation-Aware Kalman Filtering with Model Selection for Neural Dynamics

Due to their explicit priors and ability to model uncertainty, Bayesian methods have played a major role in dy

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Truthful AI Advisors: A Pre-Specified Benchmark for Large Language Model Honesty Under Preference Misalignment

Large language models are increasingly deployed as advisors whose objective is not aligned with the user's: re

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Domination-Avoiding Learning Agents Cannot Collude

An influential paper of Calvano et al. empirically demonstrated that Q-learning agents spontaneously collude w

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

表形式向き説明可能CPUで試しやすい深層学習Transformer

Differing Roles of Leisure and Productivity in GDP - A Machine Learning based comparative analysis of Germany and USA

The GDP of a country is modelled as the relative interaction between two agents - working hours, reflecting th

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Repeated Descent: A Framework for Online Budget-Feasible Auctions

We study budget feasible procurement auctions, in which $n$ agents, each with a privately held service cost, o

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Hardness of Approximate Hylland-Zeckhauser Equilibria

In this paper, we investigate the computational hardness of finding fractional allocations to unit-demand play

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Developing a novel Comorbidities Index for predicting 10-year mortality in Prostate Cancer patients: A computational data-driven approach

The Charlson Comorbidities Index (CCI) is a weighted additive index widely used to estimate ten-year mortality

説明可能強化学習マルチエージェント回帰

用途: 回帰
難易度: Hard
コスト: Medium

Agnosiophobia in a virtual agent: behavioral and dynamical architecture in Lenia

All embodied agents are fundamentally patterns in physiological or other excitable media, blurring the distinc

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

From Talking Words to Sharing Thoughts: Scalable Multi-LLM Aggregation via Structured Message Passing

The emergence of specialized, domain-tuned Large Language Models (LLMs) has demonstrated that smaller models c

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Used Car Salesbots? Honesty and Credulity of LLMs as Bargaining Agents under Partial Information

In this work we study agents in simulated bargaining scenarios, where a buyer and a seller communicate through

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Social welfare optimisation under institutional reward and punishment

Institutional incentives are widely used to promote cooperation among autonomous, self-regarding agents, from

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Envy Cycle Elimination with Strategic Agents: Best Responses and Fairness Guarantees

With strong evidence in the literature showing that fairness and truthfulness are incompatible, there is a rec

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivGitHubあり2026-05-29

Welfare, Improvability, and Variance: A Principal-Agent Approach to Optimal Benchmark Item Aggregation

AI benchmarks have well-documented limitations, with prior work examining contamination, saturation, and const

自然言語処理RAGテキスト

用途: 技術検証・論文読解補助
難易度: Easy
コスト: Low

arxivPaper only2026-05-28

Evolving Features vs Evolving Entire Trees with GP for Interpretable Survival Analysis

可視化可能な生存分析を行うために、Survival Treesを提案する。

説明可能強化学習マルチエージェント

用途: 可視化可能な生存分析
難易度: Hard
コスト: Medium

arxivGitHubあり2026-05-28

PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers

ポーカーはIAの代表的な問題です。しかし、強いエキスパートレベルを達成するために、長時間にわたるトレーニングと解釈が必要とされてきました。LLMを使用すると、トレーニングやソルバーが不要となり、ポーカーをプレイすることが

説明可能自然言語処理大規模言語モデルテキスト

用途: ポーカーゲーム
難易度: Hard
コスト: High

arxivPaper only2026-05-28

Evolutionary Dynamics of Cooperation in Next-Generation LLM Agent Systems: A Cross-Provider Empirical Extension

次世代LLMモデルの協力性に影響を与える要因について調査した。ChatGPT-4oとClaude 3.5 Sonnetは共通の協力性を持っていたが、提供元は違いだった。

深層学習Transformer生成テキスト

用途: 次世代LLMモデルの協力性に影響を与える要因
難易度: Hard
コスト: High

arxivPaper only2026-05-28

Delayed Repression and Emergent Instability in Adaptive Multi-Agent Systems

Regulatory institutions (from content moderation platforms to financial supervisors) observe, deliberate, and

表形式向き深層学習Transformer表形式強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

arxivPaper only2026-05-27

Real-rootedness of the Poincaré polynomials of $\overline{\mathcal M}_{0,n}$: an AI-assisted proof

We prove real-rootedness for the Poincaré polynomial \[ P_n(t)=\sum_{i=0}^{n-3} \dim H^{2i}(\overline{\mathcal

深層学習Transformer生成

用途: 生成
難易度: Hard
コスト: Medium

arxivPaper only2026-05-26

Constitutional Arms Races in the Public Goods Game: Co-Evolving LLM Constitutions Under Cooperation-Defection Pressure

Frontier LLM agents engage in blackmail, sabotage, and document leaks under goal conflicts in agentic settings

説明可能自然言語処理大規模言語モデル生成回帰テキスト

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-26

Improved Hardness Results for Nash Social Welfare, Budgeted Allocation and GAP via the Unique Games Conjecture

We consider the problem of dividing a set of indivisible goods among agents with additive valuations. This pro

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-26

Credibility Trilemma in Polymatroidal Service Markets

Mechanism-mediated service markets with polymatroidal feasibility admit efficient, dominant-strategy incentive

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-25

Coalition Free Energy and Adaptive Precision in Multi-Agent Cooperation

Cooperative multi-agent systems require robust mechanisms for credit assignment under uncertainty. Here we int

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-25

AgentSociety: Incentivizing Agentic Social Intelligence

The success of deployed agents relies on their ability to handle open-ended user requests using their inherent

自然言語処理RAGテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-25

The Behavioral Credibility Trilemma: When Calibrated Autonomy Becomes Impossible

We prove that no reinforcement learning policy with confidence-gated autonomy can simultaneously achieve maxim

強化学習検出

用途: 検出
難易度: Hard
コスト: Medium

arxivPaper only2026-05-24

Cultivating Machine Intelligence: The OMEGA Shift from Top-Down Optimization to Autopoietic Cognitive Ecologies

The dominant artificial intelligence paradigm trains neural architectures via gradient descent against proxy o

自然言語処理RAG生成強化学習

用途: 生成
難易度: Hard
コスト: Low

arxivPaper only2026-05-23

Facility Location Mechanism Design: Breaking The Deterministic Barrier

We study the facility location mechanism design problem where $n$ agents report their locations in Euclidean s

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Analyzing the Effects of Two-Stage Peer Evaluation

Peer-evaluation and selection systems are used when sets of agents evaluate each other in order to select the

生成AIGAN

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

PeerBTS: Incentivizing Effort in Strategyproof Peer Selection

Peer selection, the evaluation and selection of agents by their peers, is an important problem in the field of

品質予測/異常検知自然言語処理RAGテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Routing Equilibrium in Mixed-Autonomy Traffic Networks with Altruistic Autonomous Agents

自動車の avanzing を進めることで交通システムへの影響を理解することが注目されているが、混雑しやすくオートナミティと非オートナミティの両方の車両が共存する交通環境を研究する必要がある。混合オートナミティの環境をモ

用途: 混合オートナミティ交通システムの経路設定問題
難易度: Hard
コスト: Low

Beyond the Half-Approximation: Fair and Efficient Online Class Matching

オンラインマッチング問題では、オブジェクトが事前に知られているが、アイテムが連続して到着し、不可逆的に割り当てられるときに、それらの要件と競合する値を分割するため、複雑性を理解することは重要です。複雑さの増大とともに、複

用途: オンラインマッチング問題において公平さを確保する
難易度: Hard
コスト: Medium

GENSTRAT: Toward a Science of Strategic Reasoning in Large Language Models

この論文では、大規模言語モデルに戦略的推論を評価する方法を提案します。

深層学習Transformerテキスト

用途: 大規模言語モデルに戦略的推論の評価
難易度: Hard
コスト: High

Deception and Counter Deception in Adversarial Graph Traversal Game

この研究では、拝視を行うために行動するエージェントを欺いたり、欺き返したりするゲームを研究します。このゲームでは、エージェントは目標に到達するために最小コストで移動したいと考えていますが、拝視者はエージェントの行動に影響

用途: 拝視を行うために行動するエージェントを欺いたり、欺き返したりするゲーム
難易度: Hard
コスト: Medium

arxivPaper only2026-05-21

Incentive-Aligned Vehicle-to-Vehicle Energy Trading via Nash-Integrated Multi-Agent Reinforcement Learning

Vehicle-to-vehicle (V2V) energy trading enables decentralized peer-to-peer energy exchange among electric vehi

深層学習軽量化・量子化強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-21

Joint Communication and Computation Scheduling for MEC-enabled AIGC Services: A Game-Theoretic Stochastic Learning Approach

Mobil Edge Computing (MEC)は、端末近くにゲストOSを設置し、AI生成コンテンツを高速化するものです。複数のゲストOS間の通信や計算スケジュールをオフラインで調整するゲーム理論的学習アプローチを提

深層学習軽量化・量子化生成

用途: AI生成コンテンツを高速化する
難易度: Hard
コスト: High

arxivPaper only2026-05-20

A Note on EFX Inapproximability for Chores

We study the approximability of EFX allocations for indivisible chores under complement-free cost functions. T

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

What Do Evolutionary Coding Agents Evolve?

コード生成を進化させるために、最近の研究では LLMs と進化する検索を組み合わせて、タスクに特化したフィードバックを使用してコードを生成、編集、そして選択することを実現している。タスクに特化した評価者でのベストスコアは

用途: コード生成を進化させる問題を解決する
難易度: Hard
コスト: High

arxivGitHubあり2026-05-19

optimize_anything: A Universal API for Optimizing any Text Parameter

LLM（大規模言語モデル）を利用してテキストパラメータを最適化するシステムを提案しました。このシステムは、単一のシステムでさまざまなタスク（単一タスク、複数タスク、未知の入力など）を実行可能でした。また、システムは、最適

用途: 任意のテキストパラメータを最適化することが可能
難易度: Hard
コスト: High

Multi-Dimensional Matching in Market Design

This paper proposes a computationally efficient mechanism for multi-dimensional matching markets where agents

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Equilibria in Multiplayer Graph Games: An Algorithmic Study

To verify the robustness of a program or protocol, it is common in the computer science community to rely on t

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Competitive Search with a Faulty Satnav (GPS): When Probability Matching is Rational

A divisible treasure is located at a node $H$ of a network. From a given start node a group of $n$ Searchers e

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

PrefBench: Evaluating Zero-Shot LLM Agents in Hidden-Preference Personalized Pricing Negotiations

Personalized pricing negotiations are a challenging testbed for LLM agents because successful interaction does

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

GAE Falls Short in Imperfect-Information Self-Play Reinforcement Learning

Competitive multi-agent reinforcement learning in imperfect-information games requires agents to act under par

自然言語処理RAG強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Nash Welfare in Additively Separable Hedonic Games

Additively separable hedonic games (ASHGs) are a prominent model of coalition formation where agents' preferen

品質予測/異常検知深層学習軽量化・量子化

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Mechanism Design for Connecting Regions Under Disruptions

Man-made and natural disruptions such as planned constructions on roads, suspensions of bridges, and blocked r

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

A Tractable Class of Cooperative Games Defined by Directed Networks: Unanimity Decomposition and Shapley Value

We introduce a class of cooperative games induced by weighted directed graphs. Specifically, the coalitional v

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Learning Empirical Evidence Equilibria under Weak Environmental Coupling

Strategic multi-agent systems are fundamentally characterized by decentralization, uncertainty, and ambiguity.

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-17

Convergence of Stochastic First-Order Algorithms in Bertrand Competition Under Incomplete Information

Autonomous pricing agents are widely deployed in online marketplaces, making algorithmic pricing a prominent a

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-16

A Truthful Multiunit Profit-Optimal Mechanism for Synthesizing Social Laws

This paper studies Social Law Synthesis (SLS) in strategic multi-agent environments as a new multi-unit mechan

コンピュータビジョン動画認識生成テキスト

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-16

Improved Parallel Algorithms for EF1 Allocations

Allocating $m$ indivisible goods among $n$ agents is a fundamental task in fair division. Recent work of Garg

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-15

An Axiomatic Theory of Tie-Breaking: Impossibility, Characterization, and Decomposition

We develop an abstract axiomatic theory of tie-breaking. A tie-breaking input consists of a finite set N of pl

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-15

Distributionally Robust Nash Equilibrium Seeking with Partial Observations and Distributed Communication

In this work, we study stochastic one-shot games where agents' utilities depend on the collective strategy pro

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Temporal Fair Division in Multi-Agent Systems: From Precise Alternation Metrics to Scalable Coordination Proxies

このリポジトリでは、タイムリーな公平分配に特化した新しいメトリック、Rotational Periodicity（RP）とAltファミリーのスライドウィンドウメトリックを提案します。このフレームワークは、リアルタイムの多

用途: マルチエージェント系のタイムリーな公平分配
難易度: Hard
コスト: Medium

When Individually Calibrated Models Become Collectively Miscalibrated

Probabilistic prediction systems often aggregate probability estimates from multiple models into a single deci

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Data-Augmented Game Starts for Accelerating Self-Play Exploration in Imperfect Information Games

大規模な不完全情報競争ゲーム（例:スターカフト、ドータ、カウンターストライク）における精査可能な均衡の取得は、sparse rewards と長時間探索のため計算上厄介になっています。この研究では、対手2人ゼロ和（2x0

自然言語処理RAG強化学習

用途: Imperfect Information Games でのSelf-Play探索を加速する
難易度: Hard
コスト: Low

Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games

ゲームにおけるAIツールの不正利用を検出、防止するための中間フォームゲームにおける水印技術の開発

用途: ゲームにおける不正行為への対処
難易度: Hard
コスト: High

Heuristic Pathologies and Further Variance Reduction via Uncertainty Propagation in the AIVAT Family of Techniques

不確実性を考慮したエージェントのパフォーマンス評価手法を提案し、多エージェント環境におけるエージェントのパフォーマンス評価を向上

用途: エージェントのパフォーマンス評価における不確実性の推進
難易度: Hard
コスト: Low

Embodied Neurocomputation: A Framework for Interfacing Biological Neural Cultures with Scaled Task-Driven Validation

バイオロジカルニューロン接続とシリコンコンピューティングを統合し、エンボディッドニューロコンピューティشنフレームワークを開発し、ニューラルネットワークとバイオロジカルニューロンを接続するための新しいシステムを提案した。

用途: バイオロジカルニューロン接続
難易度: Hard
コスト: Medium

The Co-evolution of Costly Signaling and Cooperation in Social Dilemmas

Costly cooperation and costly signaling are both difficult to reconcile with simple fitness maximization, yet

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Learning Equilibria in Coordination Games via Minorization-Maximization

This paper considers games where the utilities for agents are the sum of a term proportional to a social utili

数学・理論最適化

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

TERMS-Bench: Diagnosing LLM Negotiation Agents Beyond Deal Rate

Negotiation is a central mechanism of economic exchange, shaping markets, procurement, labor agreements, and r

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

The fitness landscape of social norms in social dilemmas

By specifying behaviour across multiple agents, social norms are a coordination approach to resolving social d

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

MI向き品質予測/異常検知深層学習軽量化・量子化生成テキスト

ToolMol: Evolutionary Agentic Framework for Multi-objective Drug Discovery

Advances in large language models (LLMs) have recently opened new and promising avenues for small-molecule dru

用途: 生成
難易度: Hard
コスト: High

Profit Maximization in Bilateral Trade against a Smooth Adversary

Bilateral trade models the task of intermediating between two strategic agents, a seller and a buyer, who wish

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Social Welfare under Heterogeneous Time Preferences

In several socioeconomic-critical decision-making settings, such as fair resource allocation, climate policy,

コンピュータビジョンセグメンテーション生成

用途: 生成
難易度: Hard
コスト: Medium

Position Auctions with a Capacity Constraint

Sponsored search auctions are commonly modeled as an assignment of a fixed set of slots (positions) to a set o

強化学習テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance

Generative Artificial Intelligence (AI) tools are rapidly adopted in the workplace and in education, yet the e

深層学習Transformer生成

用途: 生成
難易度: Hard
コスト: Medium

A Theory of Multilevel Interactive Equilibrium in NeuroAI

マルチエージェントシステムのゲーム理論的枠組みを構築し、エキサイタブルの理論的基盤を提供することを目指しています。

用途: マルチエージェントシステム
難易度: Hard
コスト: High

Causal Explanations from the Geometric Properties of ReLU Neural Networks

Neural networks have proved an effective means of learning control policies for autonomous systems, but these

説明可能数学・理論最適化強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Optimal Interventions on the Linear Threshold Model in Large-Scale Networks

We study an optimal intervention problem on the linear threshold model (LTM) in which a social planner aims to

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Strategic Coercion Within Alliances: The Greenland Sovereignty Game as an AI Stress Test

What happens when the strongest alliance member pressures a weaker member over territory and strategic control

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-09

Evolutionary Ensemble of Agents

We introduce Evolutionary Ensemble (EvE), a decentralized framework that organizes existing, highly capable co

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-09

AHD Agent: Agentic Reinforcement Learning for Automatic Heuristic Design

Automatic heuristic design (AHD) has emerged as a promising paradigm for solving NP-hard combinatorial optimiz

深層学習軽量化・量子化生成テキスト強化学習

用途: 生成
難易度: Hard
コスト: High

arxivGitHubあり2026-05-08

Discovering Ordinary Differential Equations with LLM-Based Qualitative and Quantitative Evaluation

インスタテストタスクの推論を高速化するために、スケーリングを適用して、推論時間を短縮することができる。

自然言語処理大規模言語モデル回帰

用途: インスタテストタスクの推論を高速化する
難易度: Hard
コスト: High

arxivPaper only2026-05-08

GEAR: Genetic AutoResearch for Agentic Code Evolution

Autonomous research agents can already run machine learning experiments without human supervision, but many re

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

arxivPaper only2026-05-07

The Causally Emergent Alignment Hypothesis: Causal Emergence Aligns with and Predicts Final Reward in Reinforcement Learning Agents

A hallmark of life on Earth is the ability of agents to exert causal power and be drivers of subsequent events

自然言語処理大規模言語モデル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High