任天堂はSwitch 2向けの新作『Star Fox』を発表した。シリーズ最新作として、同社の人気宇宙シューティングシリーズが次世代機で復活することになる。詳細な発売日やゲームプレイ内容は今後明らかにされる見込み。
Nintendo has announced a new Star Fox title for the upcoming Switch 2 console, marking the return of the iconic space shooter franchise on the next-generation hardware. Further details on release date and gameplay are expected later.
AI要約 本論文はLLM向けの新しいコンテキスト管理手法「LCM(Lossless Context Management)」を提案する。長文コンテキストを情報損失なく効率的に扱うことを目指し、推論性能とメモリ効率の両立を図る。
EN This paper proposes LCM (Lossless Context Management), a new approach for handling long contexts in LLMs without information loss, aiming to balance inference performance and memory efficiency.
og AI要約 強化学習における方策オフ評価の安定化を目的に、エンファティックTD学習を中心化と正則化により改良した手法を提案。分散の低減と収束性の向上を理論的・実験的に示し、関数近似下での学習を安定化させる。
EN This paper proposes a regularized and centered variant of Emphatic Temporal Difference learning for off-policy evaluation in reinforcement learning, aiming to reduce variance and improve convergence with function approximation through theoretical and empirical analysis.
og AI要約 長期的な手順タスクにおいて、一人称視点のマルチモーダル知覚を用い、ステップを継続的に認識して能動的に支援するフレームワークPro²Assistを提案。ユーザの作業状況に応じた適時な助言を実現する。
EN Pro²Assist is a framework for continuous, step-aware proactive assistance in long-horizon procedural tasks, leveraging multimodal egocentric perception to deliver timely guidance based on the user's ongoing activity.
og AI要約 本論文は、ニューロシンボリックQAにおける誤りの主因が時間推論ではなく確率的不整合であると指摘。LLMの出力の整合性を評価する新たな枠組みを提案し、時間QAタスクで従来の前提を覆す実証結果を示す。
EN This paper argues that the main bottleneck in neuro-symbolic QA is not temporal reasoning but probabilistic inconsistency. It introduces a framework to evaluate LLM output consistency, challenging prior assumptions through experiments on temporal QA tasks.
og AI要約 投機的デコーディングにおいて、ドラフトトークンのプレフィックスを並列に検証する手法を提案。従来の逐次検証に比べ、検証ステップを高速化し、大規模言語モデルの推論レイテンシを削減することを目指す研究である。
EN This paper proposes a parallel prefix verification method for speculative decoding, accelerating the verification step of draft tokens to reduce inference latency in large language models compared to sequential verification.
og AI要約 マルチエージェントゲームを用いた、飽和や汚染に耐性を持つLLM評価ベンチマーク「Agent Island」を提案する研究。エージェント同士のゲーム形式により、従来の静的ベンチマークの限界を克服する新しい評価枠組みを示している。
EN This paper introduces Agent Island, a benchmark for evaluating LLMs through multiagent games, designed to resist saturation and data contamination issues that plague conventional static benchmarks.
og AI要約 本論文は、Transformerモデルが暗黙的な演繹推論をどの程度学習できるかを、モデルサイズや推論ステップ数などに対するスケーリング特性として分析した研究である。多段推論の能力がパラメータ数や深さとどう関係するかを実験的に検証している。
EN This paper investigates the scaling properties of implicit deductive reasoning in Transformer models, examining how multi-step reasoning capability relates to model size, depth, and inference complexity through systematic empirical analysis.
og AI要約 本研究はマルチエージェント設計探索における知識転移の効果を分析し、文脈情報の共有が必ずしも性能向上に寄与せず、逆に探索を阻害するクロスオーバー効果が生じることを示す。エージェント間の知識共有のタイミングと量が成果を左右する。
EN This paper investigates knowledge transfer in multi-agent design exploration, revealing a crossover effect where shared context can hinder rather than help performance. The timing and quantity of inter-agent knowledge sharing critically determine outcomes.
og AI要約 5つの最先端LLMにおいて、即答モードと思考モードでの道徳的判断の違いを統制比較した研究。思考モードを有効にすることで、モデルの倫理的推論や判断傾向がどのように変化するかを定量的に分析している。
EN A controlled study comparing instant-response and thinking modes across five frontier LLMs to evaluate how extended reasoning affects moral judgments, quantifying shifts in ethical reasoning patterns.
og AI要約 IMUセンサーによる人間活動認識の頑健性向上を目的に、複数のエージェントが協調して推論する新フレームワーク「SensingAgents」を提案。各エージェントが異なる視点で信号を解析し、議論を通じて最終判断を導くことで、ノイズや個人差に強い認識性能を実現する。
EN SensingAgents proposes a multi-agent collaborative framework for robust IMU-based human activity recognition, where multiple agents analyze signals from different perspectives and reach consensus through discussion to handle noise and individual variability.
og AI要約 エージェント修復タスクにおける評価器(Evaluator)チャネルのランキング不安定性を検証するため、ペアになった実行トレースのコーパスAuditRepairBenchを提案。評価チャネル間の順位ばらつきを定量化し、修復評価の信頼性を分析する。
EN AuditRepairBench introduces a paired-execution trace corpus designed to study evaluator-channel ranking instability in agent repair tasks, quantifying inconsistencies across evaluation channels to assess repair benchmark reliability.
AI要約 手術チームの相互作用を時間展開グラフとしてモデル化し、リアルタイムで実行可能な分析を可能にする手法を提案。チームメンバー間の動的な関係を捉え、手術中の協調行動の理解と支援に活用できる。
EN This paper proposes a real-time modeling approach for surgical team dynamics using time-expanded interaction graphs, capturing dynamic relationships between team members to enable actionable analysis during surgery.
og AI要約 本論文ではANDREという、アテンションベースのニューロシンボリック微分可能ルール抽出器を提案する。ニューラルネットワークの学習能力と記号的推論の解釈性を組み合わせ、データから人間に理解可能なルールを抽出する手法である。
EN This paper proposes ANDRE, an attention-based neuro-symbolic differentiable rule extractor that combines the learning power of neural networks with the interpretability of symbolic reasoning to extract human-understandable rules from data.
og AI要約 本論文は、モデル単体での評価だけでは実運用環境におけるAIアラインメントの安全性を十分に判断できないと主張する。展開文脈や運用条件を含めた評価体系の必要性を示し、現行の評価手法の限界を論じている。
EN This paper argues that model-level evaluations alone are insufficient to assess deployment-relevant alignment of AI systems, as safety depends on deployment context and operational conditions, calling for context-aware evaluation frameworks.
AI要約 本研究は、LLMのファインチューニング時に各学習サンプルが安全性をどの程度劣化させるかを定量化する手法を提案する。パラメータ更新の動態を解析しサンプル単位のリスクスコアを算出することで、有害な学習データを事前に特定可能にする。
EN This paper proposes a method to quantify how individual training samples degrade safety during LLM fine-tuning. By analyzing parameter update dynamics, it derives sample-level risk scores that help identify harmful training data in advance.
EN arXiv:2605.04054v1 Announce Type: new Abstract: Achieving endogenous regime switching is crucial for the emergence of autonomous intelligence, yet remains a central challenge for existing machine lear
EN arXiv:2605.04055v1 Announce Type: new Abstract: Adaptive optimizers like AdamW apply uniform hyperparameters across all parameter groups, ignoring heterogeneous optimization dynamics across layers and
EN arXiv:2605.04056v1 Announce Type: new Abstract: Representation learning seeks meaningful sensory representations without supervision and can model aspects of human development. Although many neural ne
EN arXiv:2605.04057v1 Announce Type: new Abstract: This paper focuses on a key challenge in Neural Architecture Search (NAS): integrating established architectural knowledge while exploring new designs u
EN arXiv:2605.04058v1 Announce Type: new Abstract: Parameter-efficient transfer learning (PETL) has emerged as a pivotal paradigm for adapting pre-trained foundation models to downstream tasks, significa
EN arXiv:2605.04059v1 Announce Type: new Abstract: Deep learning models continue to scale, with some requiring more storage than many large-scale datasets. Thus, we introduce a new paradigm: Continual Di
EN arXiv:2605.04060v1 Announce Type: new Abstract: Recently, a new paradigm named \emph{drifting model} has been proposed for mapping distributions, which achieves the SOTA image generation performance o
EN arXiv:2605.04062v1 Announce Type: new Abstract: Recent years have witnessed an increasing interest in deploying LLMs on resource-constrained devices, among which quantization has emerged as a promisin
EN arXiv:2605.04063v1 Announce Type: new Abstract: Alzheimer's Dementia (AD) is a progressive neurodegenerative disease marked by irreversible decline, making reliable modeling of its progression essenti
EN arXiv:2605.04064v1 Announce Type: new Abstract: Reasoning capabilities are crucial for reliable medical visual question answering (VQA); however, existing datasets rarely include reasoning explanation
EN arXiv:2605.04061v1 Announce Type: cross Abstract: Understanding how large language models encode task identity from few-shot demonstrations is a central open problem in mechanistic interpretability. P
EN arXiv:2605.04065v1 Announce Type: new Abstract: Unsupervised reinforcement learning (RL) has emerged as a promising paradigm for enabling self-improvement in large language models (LLMs). However, exi
EN arXiv:2605.04066v1 Announce Type: new Abstract: Reinforcement Learning with Verifiable Rewards (RLVR) is an essential paradigm that enhances the reasoning capabilities of Large Language Models (LLMs).
EN arXiv:2605.04080v1 Announce Type: new Abstract: This research investigated how online criminal activities can be better understood and connected using data-driven machine learning methods. Many illega
EN arXiv:2605.04157v1 Announce Type: new Abstract: SemEval-2026 Task 13 investigates machine-generated code detection across multiple programming languages and application scenarios, asking participating