HEARSAYBENCHは、戦争・無国籍・移住制限などで選択肢が狭められた人向けのAI助言を測る、人執筆の400シナリオ（80以上の地域）です。15モデルを評価した結果、どのモデルも状況理解より実行可能な助言で低く、平均24%の差があり、助言の安全性は3.1/5を超えませんでした。

対話型LLMでは、ユーザーが応答を見て次の依頼や難易度を変えるため、モデル自身が評価用プロンプト分布を変えます。固定プロンプトのオフライン評価は「共通分布効果」、ユーザーをランダム割付するA/Bテストは「誘導分布効果」を推定し、大標本でも一致せず順位が反転し得ます。

Al-Ghasaliは、閉じたフィクフ章のHorn節ルールを決定性FSAに畳み込み、オフライン前計算後にO(1)で判定する。FSAがLLMを制御し、文法拘束デコード等で判断・事実・意味反転の幻覚を防ぐ設計を数学的に示す。実装評価や数値結果は提示本文からは確認できない。

BrainWorldは、sMRIを被験者ごとの解剖学的文脈として条件付け、VAEで圧縮した全脳4D fMRIの潜在系列を条件付きDiTで生成する枠組みです。22データセットで最大400フレームの生成、生成例による下流タスク拡張、表現転移を評価しています。

検証器が「失敗」は高信頼に判定できる一方「成功」は未確認になり得る片側検証可能性（OSV）では、成功例を正解として強化学習すると抜け道を報酬化し得る。NOPOは信頼できる負例だけを抑制し、同じrollout群の非偽陽性候補の割合で更新量を調整する。

PixVidは、事前学習済みの潜在動画拡散モデルのDiTを保ったまま、VAEデコーダを畳み込みのDetailerヘッドに置き換え、各フレームを画素空間で直接生成する。x予測と大きめのノイズシフトが品質の鍵。