出典・テーマ・日時から、気になるニュースを見つけられます。
arXiv:2610.32720v1 発表タイプ：新規 要旨：低軌道（LEO）衛星によるメガコンステレーションは、遅延が極めて重要な地球中心型アプリケーション向けに軌道上エッジコンピューティングを実現しますが、衛星の運動により視線通信の窓はわずか数分にまで圧縮されます。論理的な地理的近接性を維持するため、仮想静止状態（VS）と呼ばれるパラダイムでは、アプリケーションはコンステレーション内を通過する各衛星間で継続的に移動しなければなりません。従来のライブマイグレーション手法は、個別に開始される移動や複製を最適化するものですが、軌道運動によって必要となる連続的なホスト間の引き継ぎには対応していません。そこで私たちは、ライブマイグレーションを定常状態の実行モデルとして再定式化し、新たな仮想静止状態ランタイムパラダイムを提案します。さらに、連続的な移行の実現可能性を形式的に定式化し…
arXiv:2610.32027v1 Announce Type: new Abstract: HPC clusters are shared among many projects, each holding an allocation of node-hours, and ensuring fairness is becoming harder. Foundation models workflows and automated pipelines have made job submissions bursty and concentrated among a few heavy users, so occasional users absorb queueing delays created by frequent ones, with no indication of how long their jobs will wait. Existing schedulers either forget past usage, protect only the job at the head of the queue, or assume that running jobs can be preempted. We propose HyDRA, a Hybrid Deadline and Ranking-Aware scheduler that enforces fairness among users while bounding the queue wait of every job. HyDRA assigns each job a deadline on arrival based on its size, the priorities of its projec
翻訳待ち・原文を表示中 · enarXiv:2610.32022v1 Announce Type: new Abstract: Intent recognition in human-robot interaction requires agents to resolve ambiguous natural language instructions by inferring the speaker's underlying goals. Research has increasingly focused on two notable paradigms for addressing this task: structured symbolic reasoning and multimodal input enrichment. However, it remains unclear whether enrichment-based methods provide benefit in settings where the ambiguity concerns unstated human intent rather than missing observable scene information. In this paper, we present a comparative and diagnostic study benchmarking FISER - a framework utilizing structured social and embodied reasoning - against CEMIR (Context-Enriched Multimodal Intent Recognition), a method that performs multimodal enrichment
翻訳待ち・原文を表示中 · enarXiv:2610.31701v1 Announce Type: new Abstract: Enterprise customer journeys are shaped not only by product experiences and marketing, but also by recurring resource-allocation decisions. In B2B go-to-market (GTM) organizations, territory carving determines which accounts receive seller coverage, which seller-account relationships are preserved, and how limited field capacity is distributed. Yet the process often remains manual, making it difficult to compare opportunities, value continuity, and evaluate tradeoffs among growth, balance, capacity, and feasibility. We present a production decision system for tradeoff-aware customer-to-seller allocation in enterprise GTM planning. It integrates three components: a multidimensional account-value layer that combines predictive signals to score
翻訳待ち・原文を表示中 · enarXiv:2610.31702v1 Announce Type: new Abstract: Indoor radio map estimation (RME) is essential for wireless applications such as coverage planning, localization, and network deployment. However, most existing methods follow a supervised learning paradigm that requires costly labeled data and task-specific model training. Moreover, indoor environments involve privacy-sensitive information, such as building layouts and structures, that often cannot be centralized. To address these challenges, we make the first attempt to formulate indoor RME as a collaborative in-context learning (ICL) problem. We propose Poly-Ripple, a framework in which multiple clients perform ICL using large autoregressive vision models (LAVMs) without model updates. Each client is prompted by its private demonstrations
翻訳待ち・原文を表示中 · enarXiv:2610.31808v1 Announce Type: new Abstract: Patronizing and condescending language (PCL) is a form of harmful language that belittles and assumes pity for vulnerable groups, reinforcing negative societal stereotypes. However, unlike overt hate speech, it is often difficult to detect, even for human judges. This paper proposes a system for the automated detection of PCL. Our first approach uses static word embeddings and a convolutional neural network for classification, while our second approach uses pre-trained BERT embeddings fine-tuned for the PCL task. Our second approach was considerably more successful, and achieved an F1 score of 0.528 over the development set.
翻訳待ち・原文を表示中 · en2026年10月26日付でarXivに掲載された論文（ID 2610.31681v1）は、従来の構造化生成では入力から出力への変換を決定的な単射と捉えているが、これは自然言語に固有の多義的意味の妥当性と矛盾していると指摘している。著者らはこれを「曖昧な知覚に基づく推論問題」として再構築し、グラフ表現による候補構造空間を構築してグラフベースの推論を実施することで、意味の曖昧さを保持しつつ出力の安定性とロバスト性を向上させることを提案している。
注目する理由：本研究は、構造化生成において長らく見過ごされてきた曖昧さのモデリング上の欠陥に正面から取り組み、検証可能な技術的アプローチ（多有効学習＋グラフ構造による候補空間＋意味的整合性と関係の一貫性推論）を提案するとともに、標準的なベンチマークにおいて精度・安定性・ロバスト性の体系的な向上を示し、方法論における革新性と実践的な指針としての価値を備えています。
arXiv:2610.31716v1 Announce Type: new Abstract: We examine how closely pretrained LeWorldModel (LeWM) reproduces the effects of small action changes. Using matched simulator and model responses, we measure action sensitivity with Gram matrices at three perturbation scales. Across nearly a thousand states from Reacher and OGBench Cube, the most sensitive action directions differ by median angles of about $36^\circ$ and $42^\circ$, respectively, at the smallest scale. Increasing the perturbation tenfold reduces median normalized Gram discrepancy by roughly 70\% on Reacher and 47\% on Cube. Geometry measured in pixels and embeddings varies more across scales than the chosen physical-state geometry. On held-out directions, environment Grams achieve median embedding response errors of 17\% and
翻訳待ち・原文を表示中 · enarXiv:2610.31704v1 Announce Type: new Abstract: Non-Destructive Inspection (NDI) is a cornerstone of modern quality assurance, critical for ensuring the safety and reliability of infrastructure and manufactured components without causing damage. This paper presents a comprehensive review of the current NDI landscape, analyzing the field through four distinct lenses, namely, computational algorithms, physical techniques, industrial applications, and research objectives. We synthesize a broad range of academic literature to illustrate the rapid evolution from manual, analog interpretation to a digitized, data-centric paradigm known as NDE 4.0. Our analysis highlights the dominance of ultrasound and visual inspection as primary physical techniques, while revealing a significant shift toward d
翻訳待ち・原文を表示中 · enarXiv:2610.31718v1 発表タイプ：新規 要旨：金融取引ネットワークは自然に多重グラフとして表現され、同一の口座ペア間の繰り返し取引は異なる辺としてモデル化される。近年提案された多重グラフニューラルネットワークのアーキテクチャは、この構造を明示的に活用することで、アンチマネーロンダリング（AML）タスクにおいて高い性能を実現している。しかし、検出を回避するために取引構造を操作する敵対者に対するそのロバスト性については、依然としてほとんど研究されていない。本稿では、ノード・エッジ接続行列を用いた多重グラフニューラルネットワークに対する構造的攻撃および敵対的学習のための、初めてのスケーラブルなフレームワークを提示する。さらに、このような多重グラフ上で構造的摂動を最適化するため、射影勾配降下法および射影ランダム化ブロック座標降下法を適用している。
arXiv:2610.31722v1 Announce Type: new Abstract: Microservice systems have become a dominant architecture for large-scale cloud applications, enabling rapid deployment and elastic scaling. However, ensuring the reliability and availability of microservice systems critically relies on effective anomaly detection, as failures and performance anomalies can quickly propagate across services and severely impact end-to-end system behavior. Existing multimodal anomaly detection approaches for microservice systems often struggle with two fundamental limitations: (i) the neglect of modality-specific characteristics in favor of cross-modality fusion, and (ii) the "identity-shortcut" problem that affects the feature reconstruction process. To address these issues, we propose LLMMAD, an autoregressive
翻訳待ち・原文を表示中 · enarXiv:2610.31797v1 発表タイプ：新規 要旨：3D-2D対応点からカメラの姿勢を推定するPerspective-n-Point問題は、コンピュータビジョンにおける最も基本的な課題の一つである。既存の手法は、最小問題を解くか、あるいは目的関数をより容易な形に置き換えるものに限られている。驚くべきことに、実際の最尤推定（MLE）に対してスケーラブルかつ証明可能な解法は存在しない。我々は、効率的な計算を保証し、証明可能な全局最適解を返す初の実用的な解法であるPnP*を提案する。さらに、我々は、中程度のノイズ条件下で基盤となる凸緩和が厳密であることを証明しており、これはPnPのMLEに対するいかなる緩和手法に対しても、現時点で知られる最初の安定性保証である。加えて、弦状疎結合構造と商環による還元を活用することで、緩和の次数を低減している。
arXiv:2610.30947v1 発表タイプ：新規 要旨：眼科における臨床意思決定支援には、高速で正確かつプライバシーを保護する推論が求められるが、自己回帰型の大規模言語モデル（LLM）は、事前に定義されたアクション間の意思決定において大きな遅延と計算負荷を伴う。そこで私たちは、生成型推論に代わる意思決定指向の手法を検討する。具体的にはまず、RetiJev-Dataを提案する。これは、PubMed Central の論文から抽出した78,158件の臨床意思決定および診断に関する質問と、531種類の眼疾患を網羅するMeSH用語集、さらに11種類の評価体系にまたがる50,074件のガイドライン評価に関する質問から構成される、ソースに基づく眼科コーパスであり、併せて24,662件の評価用ベンチマークも提供する。これを基に、RetiJevという、0.8B～9B規模の意思決定モデル群を開発し、直
