11月 11 2026 0 メタ認知で科学研究の探索を制御するSage-Taiyi手法の提案 投稿者: 亜美と智也のAI論文解説 編集部 Sage-Taiyiは、科学研究を「対象レベルの探索」と「メタ認知による制御」に分け、認知状態・認知レパートリー・証拠状態を更新しながら次の調査対象や推論方法を選ぶアーキテクチャです。
11月 10 2026 0 LLMリーダーボード競争は同質化するのか：生産関数で読み解く 投稿者: 亜美と智也のAI論文解説 編集部 本論文は、LLMリーダーボード上の競争を「開発者が複数能力へ投資し、相対的な勝率を最大化するゲーム」として定式化する。理論的には、生産関数が似ていると能力プロファイルが同質化（モノカルチャー）しやすく、比較優位が異なれば専門化・分化が維持されうる。
11月 10 2026 0 コーディングエージェントのロボット制御を測る統一評価基盤「EFE」 投稿者: 亜美と智也のAI論文解説 編集部 EFEは、コーディングエージェントがシミュレータ上の多様なロボットを制御できるかを、直接制御・コード制御・ポリシー学習の選択込みで測る統一評価フレームワークです。
11月 10 2026 0 RL報酬ハックを抑える監視介入の設計指針を3環境で検証 投稿者: 亜美と智也のAI論文解説 編集部 RLの報酬ハック対策として監視スコアを罰則化するだけでは、モデルが監視を回避する挙動を学習しうる。原論文は、プロンプトや微調整なしで報酬ハックが自然発生する3つの環境を公開し、Qwen3-4Bで検証した。重要なのは監視の事前精度だけでなく、誤りの非相関・適応への頑健性・対象行動への特異性である。
11月 10 2026 0 創造的ツール利用を実世界マルチビューで捉えるTOOLDEXデータセット 投稿者: 亜美と智也のAI論文解説 編集部 TOOLDEXは、身近な物を道具として代用する創造的ツール利用を、ステレオ自我視点と8台の外部視点で同期収録した実世界データセットです。手・道具・対象物（変形物含む）の注釈を備え、ツール利用推論、3D/4D再構成、ロボット方策学習の3ベンチマークを提供します。RAG向けの論文ではありません。
11月 10 2026 0 TopoRetarget：接触を保つ手物体リターゲティングで器用操作のRL学習を改善 投稿者: 亜美と智也のAI論文解説 編集部 TopoRetargetは、人手と物体の局所的な接触構造を保ちながらロボットハンドの参照軌道を作るリターゲティング手法です。接触精度・整列・貫通抑制を改善し、Pen-SpinのRL追従成功率を87.5%に向上、Wuji Handへのゼロショット転移も報告しています。
11月 10 2026 0 RGB-D動画をBEV記憶に変える学習不要の3D空間推論手法 投稿者: 亜美と智也のAI論文解説 編集部 BEV3SRは、RGB-D動画とカメラ姿勢から物体単位のBEVメトリック記憶を作り、自然言語クエリを「幾何で解けるか／視覚証拠が必要か」に形式化して解く学習不要の枠組みです。
11月 10 2026 0 手を含む全身3D姿勢をSO(3)上で生成する軽量テキスト条件モデル 投稿者: 亜美と智也のAI論文解説 編集部 PoseRieFlowは、SMPL-Hの52関節回転をSO(3)の積多様体上のリーマン流マッチングで生成する軽量モデルです。8つの部位トークンで手を含む全身を扱い、21.6Mパラメータで、PoseScriptにおいて手指を含む手法中最小の全身運動学的誤差を報告しています。
11月 10 2026 0 ヒューマノイドサッカーで複数スキルを単一政策に統合するSkillX 投稿者: 亜美と智也のAI論文解説 編集部 SkillXは、ヒューマノイドサッカーのドリブル・トラップ・シュートなどを、単一のコマンド条件付き政策で学習・連続実行する強化学習フレームワークです。スキル別AMP、スキル別Critic、物体対応の時間エンコーダで、スキル間干渉・価値推定・部分観測に対処します。
11月 10 2026 0 自動運転向け実体LLMをRL中に剪定して省メモリ化するBPF 投稿者: 亜美と智也のAI論文解説 編集部 BPFは、自動運転向け実体LLMコントローラをSFT/RL適応中に剪定する手法です。RL中に反復剪定するBPF-RLと、SFTで部分剪定後にRLで残りを詰めるBPF-SFT/RLを提案しています。