arXiv雑要約
AI - 2026/04/06 公開
PaveBench：舗装路面損傷の知覚とインタラクティブな視覚言語分析のための汎用ベンチマーク [cs.DB, cs.CV, cs.AI, cs.MM]目的：舗装路面損傷の知覚と視覚言語分析に関するベンチマーク
- 道路の安全性と維持管理において，舗装状態の評価は不可欠である。
- 既存研究は画像認識に偏っており，定量分析や意思決定支援が不足している。
- 実世界の舗装点検における多段階対話と根拠に基づいた推論を可能とする。
- PaveBenchは，分類，物体検出，セマンティックセグメンテーション，視覚言語質疑応答の4つの主要タスクに対応する大規模ベンチマークである。
- 大規模なアノテーションと，頑健性評価用の厳選された難易度の高いノイズデータセットが提供される。
- PaveVQAは，単一ターン，複数ターン，専門家による修正を含む質疑応答データセットであり，認識，位置特定，定量評価，維持管理に関する推論を網羅している。
ChatSVA：タスク固有のLLMによるハードウェア検証のためのSVA生成の架け橋 [cs.AR, cs.AI]目的：ハードウェア検証におけるSystemVerilog Assertion（SVA）の自動生成
- IC開発ライフサイクルの過半数を占める検証の効率化が重要である
- SVAの作成は労力がかかり，誤りが発生しやすいという課題がある
- LLMの活用によるSVA自動生成の精度向上を目指す
- ChatSVAは，多エージェントフレームワークを用いて，高純度のデータセットを生成し，データ不足を克服する
- 24のデザインを対象とした評価で，構文適合率は98.66％，機能適合率は96.12％を達成した
- 既存の最先端技術と比較して，機能的正確性が33.3％向上し，関数カバレッジが11倍以上に向上した
QAPruner：量子化を意識したビジョン・トークン剪定によるマルチモーダル大規模言語モデルの性能向上 [cs.RO, cs.DB, cs.CV, cs.AI]目的：マルチモーダル大規模言語モデルにおける計算・メモリコスト削減のための，量子化とビジョン・トークン剪定の協調最適化
- マルチモーダル大規模言語モデルは高度な推論能力を持つが，計算資源制約下での利用が課題となっている。
- 量子化やトークン剪定といった圧縮技術が単独で用いられることが多いが，両者の相乗効果は十分に考慮されていない。
- 量子化によって生じる誤差を悪化させずに，効果的なビジョン・トークン剪定を実現することが目的である。
- 提案手法は，量子化誤差のシミュレーションと外れ値の強度を組み合わせた新たな指標を用いることで，量子化に頑健なトークンを保持する。
- 実験の結果，既存手法と比較して高い精度を維持し，12.5%のビジョン・トークン残存率でも，剪定なしの量子化よりも高い精度を達成した。
- 本研究は，ビジョン・トークン剪定と量子化を明示的に協調最適化する初の試みであり，低ビット推論におけるMLLMの精度向上に貢献する。
単一画像からの3Dシーン探索：NavCrafter [cs.CL, cs.RO, cs.RO, cs.SY, eess.SY, cs.RO, cs.CV, cs.AI]目的：単一画像からの3Dシーン探索手法
- 3Dコンテンツ作成の効率化が求められる現代において，その重要性は高い。
- 直接的な3Dデータ取得が困難な場合，高品質な3Dシーン生成が課題である。
- 単一画像から高品質な3Dシーンを生成し，視点変更に強い探索を実現する。
- NavCrafterは，カメラ制御可能な一連の新規視点ビデオを合成することで3Dシーンを探索する。
- ビデオ拡散モデルを活用し，3Dの事前知識を獲得，ジオメトリを考慮した拡張戦略を採用する。
- 大規模な視点変化下での新規視点合成において，最先端の性能と3D再構成の忠実度を向上させた。
ESL-Bench：ヘルスエージェントのためのイベント駆動型合成縦断ベンチマーク [cs.CL, cs.IR, cs.AI]目的：ヘルスエージェントの評価のための合成縦断ベンチマーク
- 医療分野における個別化医療の進展に伴い，患者の状態を継続的にモニタリングするエージェントの重要性が高まっている。
- 実際の医療データはプライバシー保護の観点から共有が難しく，エージェントの性能評価が困難である。
- 本研究では，合成データを用いて，エージェントの時系列推論能力を客観的に評価できるベンチマークを構築する。
- ESL-Benchは，100人の合成ユーザーの1～5年間の健康データを生成し，様々な評価タスクに対応する。
- DBエージェントは，LLMとツールを用いた手法や，メモリ拡張型RAGベースラインよりも高い性能を示した。
- 特に，複数段階の推論と根拠の提示が求められる比較と説明のタスクにおいて，その差が顕著であった。
セキュアなエージェントスキルに向けて：アーキテクチャ，脅威タクソノミー，セキュリティ分析 [cs.CR, cs.AI]目的：エージェントスキルのセキュリティ分析
- LLMエージェントの能力拡張基盤として重要性が高まっている
- セキュリティ特性の体系的な研究が不足している
- フレームワーク自体の構造的脆弱性を明らかにすること
- エージェントスキルのライフサイクルを定義し，各段階における攻撃対象領域を特定した。
- 脅威タクソノミーを構築し，７つのカテゴリーと１７のシナリオを分類した。
- データと命令の境界の欠如など，フレームワーク自体の構造的欠陥が深刻な脅威となることが示された。
オジャの劣空間規則に対する3要素学習則のフレーム理論的導出 [cs.NE, stat.ML]目的：オジャの劣空間規則からの系統的な導出
- 主成分分析は，高次元データの次元削減やノイズ除去に不可欠な技術である。
- 既存の学習則は，生物学的な妥当性の検証や理論的な根拠が不足している場合がある。
- EGHR-PCAのフレーム理論的な導出により，学習則の生物学的妥当性を高める。
- EGHR-PCAは，ガウス入力下でオジャの劣空間規則と等価な3要素学習則であることが示された。
- EGHR-PCAにおける第三要素は，対称行列空間上の自然なフレームに関する展開として正確にフレーム係数として生じる。
- これにより，生物学的に妥当な学習則を数学的に標準的なものから原理的に導出することが可能になった。
パラダイムシフト：動画における時間的文脈特定のための完全エンドツーエンド学習 [cs.CV, cs.AI]目的：動画における時間的文脈特定の性能向上
- 動画理解は，映像コンテンツの自動解析や検索に不可欠であり，その重要性は増している。
- 既存手法では，事前学習済みの特徴抽出器を使用し，動画バックボーンを固定している点が課題である。
- 動画バックボーンをエンドツーエンドで最適化することで，タスク間の乖離を解消し，性能向上を目指す。
- 提案手法は，様々なモデル規模で，固定されたベースラインと比較してエンドツーエンド学習の有効性を示す。
- Sentence Conditioned Adapter (SCADA) により，少ないパラメータで動画バックボーンを適応的に学習可能となり，表現力が向上する。
- 2つのベンチマークにおいて，提案手法は最先端の手法を上回る性能を達成した。
LLMとグラフのVLDB'2025ワークショップ概要 [cs.DB, cs.AI]目的：LLMとグラフ構造データの統合に関する研究動向の把握
- 知識表現と推論において，グラフ構造データとLLMの組み合わせが重要性を増している。
- LLMとグラフデータの効果的な連携を阻害するアルゴリズムやシステムの課題が存在する。
- LLMとグラフデータ管理，機械学習の融合による実用的な応用展開を目指す。
- 本ワークショップでは，LLMとグラフ構造データの統合に関する最新の研究成果が発表された。
- 研究方向性，課題，革新的な解決策が議論され，今後の発展に向けた指針が得られた。
- 学術界と産業界双方から強い関心が寄せられ，活発な意見交換が行われた。
EMS：効率的な多数決と停止によるマルチエージェント投票 [cs.AI]目的：マルチエージェント投票における効率性向上
- 複数のエージェントの意見を統合する多数決は意思決定の基本である。
- 従来手法では全エージェントの処理待ちが発生し，多数決が確定した場合の無駄が多い。
- エージェントの信頼度に基づき早期停止を実現し，計算資源の無駄を削減する。
- 提案手法EMSは，エージェントのタスク依存型信頼度に基づいて優先順位を決定し，効率的な投票を実現する。
- エージェントの過去性能と意味的類似性から信頼度を推定するACM，逐次的なエージェント選択と早期停止を行うAIV，信頼度を動的に更新するICUを組み合わせた。
- 6つのベンチマークにおける評価により，EMSは平均して起動するエージェント数を32%削減することが示された。
複数ターンにおける反復報酬較正を用いたツール呼び出しエージェントの強化学習 [cs.AI]目的：ツール呼び出しエージェントの強化学習による訓練
- 対話システムの自動化において，ツール利用能力は重要であり，顧客満足度向上に貢献する。
- マルチターンタスクでは，報酬が疎であり，対話ターン間の功績評価が困難である。
- 報酬設計と最適化手法を改善し，より効果的なツール呼び出しエージェントを開発すること。
- MT-GRPOとGTPOの組み合わせにより，LLMベースのユーザシミュレータを用いた顧客サービスタスクでツール呼び出しエージェントの訓練に成功した。
- 反復報酬較正により，報酬の識別力と方策勾配の方向のずれを解消し，性能低下を防ぐことができた。
- Qwen3.5-4BおよびQwen3-30B-A3Bの性能が向上し，特に4BモデルはGPT-4.1やGPT-4oを上回る結果となった。
高速洪水予測のための GNN ベースマルチメッシュサロゲートの開発 [cs.LG]目的：洪水予測の高速化を実現するためのグラフニューラルネットワークを用いたサロゲートモデル
- 都市洪水は甚大な被害をもたらすため，迅速かつ正確な予測が不可欠である。
- 高精度な水理モデルは計算時間が長く，リアルタイムな意思決定を妨げる場合がある。
- AIを活用し，計算負荷を軽減しつつ高精度な予測を可能とする。
- 開発されたサロゲートモデルは，単一の NVIDIA A100 GPU上で6時間予測を約0.4秒で実行可能である。
- 一方，参照となる高解像度水理モデルの計算時間は，56個のCPUコアで約180分を要する。
- 流量情報やマルチメッシュ接続，プッシュフォワード学習の組み合わせが最も高い予測精度を示した。
一つのモデルで全てを翻訳するか？ 多言語モデル統合への「滅びの山」への旅 [cs.CL, cs.AI]目的：多言語機械翻訳における重み空間モデル統合の挙動に関する研究
- 多言語対応はグローバル化社会において，情報伝達の円滑化に不可欠である。
- 既存の多言語モデル統合手法では，性能低下が課題となっている。
- 多言語翻訳におけるモデル統合の失敗原因を，内部表現の分析を通して解明する。
- 重み空間でのモデル統合は，特にターゲット言語が異なる場合に性能を低下させる。
- 言語特有のニューロンは埋め込み層と上層のTransformerブロックに集中する傾向がある。
- ファインチューニングは言語選択性を高めるのではなく，表現空間の多様性を増加させる。
ランクに基づく価値関数近似によるブラックボックス双層最適化の高速化 [cs.NE]目的：ブラックボックス双層最適化における計算コストの削減
- 双層最適化は理論的・実用的に重要な分野であり，様々な応用が期待されている。
- 従来の双層最適化手法は，特に複雑な最適化地形において，汎用性に課題があった。
- ランクベースのアルゴリズムの不変性を利用し，下位レベルの最適化コストを削減することを目指す。
- 提案手法は，標準的な双層最適化ベンチマークにおいて，既存手法と遜色ない性能を発揮する。
- 特に，多峰性や変数間の強い相互作用を持つ問題において，既存手法では解けなかった問題を解決できる。
- 下位レベルの最適化を収束まで行う必要がないため，計算コストを大幅に削減できる。
汎用人工教師に向けて：手続き型幾何データ生成とVision-Languageモデルによる視覚的根拠付け [cs.RO, cs.CV, cs.AI, cs.LG]目的：幾何教育における視覚的説明
- 教育分野における視覚的説明の重要性が高まっており，効果的な指導方法が求められている。
- 既存の画像認識モデルは，写真画像で学習しているため，幾何図形のような抽象的な図に対しては性能が低い。
- 適切な学習データがない問題を解決し，視覚的に根拠のある幾何学の問題解決支援を実現する。
- 20万件以上の合成幾何図形と参照表現を自動生成するデータエンジンを開発した。
- Vision-Languageモデルをドメイン固有にファインチューニングすることで，高い分割精度を達成した。
- 薄い構造の局在化を考慮した新しい評価指標Buffered IoUを導入し，分割品質のより正確な評価を可能にした。
準時間グラフ表現からのマネーロンダリング取引の抽出 [cs.LG]目的：マネーロンダリング取引の検出
- 金融機関にとって，マネーロンダリングは深刻な問題であり，対策が急務である。
- 既存のシステムはルールベースであり，誤検知が多く，コストがかさむ。
- 本研究は，より効率的かつ正確なマネーロンダリング取引の検出手法を開発する。
- 提案手法ExSTraQtは，既存のAML検出モデルと比較して高い性能を示す。
- 設計の簡素性，パラメータ数の少なさ，計算・メモリ要件のスケーラビリティに優れる。
- 実データおよび合成データにおいて，F1スコアが最大1%から8%向上した。
RayMamba: 長距離3D物体検出のためのRayに沿ったシリアライゼーション [eess.SY, cs.SY, math.PR, cs.CV, cs.AI]目的：長距離3D物体検出における性能向上
- 自動運転やロボティクスにおいて，遠距離にある物体を正確に検出することは安全性の確保に不可欠である。
- LiDARデータの遠距離領域ではデータが疎になり，既存の検出器では信頼性の高いコンテキストモデリングが困難である。
- Rayに沿ったシリアライゼーションにより，疎なシーンにおける意味のあるコンテキストを保持し，長距離モデリングを改善することを目指す。
- 提案手法RayMambaは，既存のボクセルベース3D検出器に容易に組み込むことが可能であり，わずかな計算量増加で性能向上を実現する。
- nuScenesにおいて，特に40-50mの遠距離領域で最大2.49 mAP，1.59 NDSの性能向上を達成した。
- Argoverse 2においても，VoxelNeXtの性能を30.3 mAPから31.2 mAPに改善した。
プランニング問題における大規模言語モデルの最適性の分析 [cs.AI, cs.CL]目的：プランニング問題に対する大規模言語モデルの最適性
- AIプランニングは，自律的なシステムを構築する上で不可欠な技術である。
- 既存の評価指標は成功率に偏っており，計画の効率性に関する分析が不足している。
- 大規模言語モデルが，効率的な戦略を用いているか否かを検証すること。
- 高度な推論能力を持つLLMは，複雑なマルチゴール構成において，従来のプランナー（LAMA等）を凌駕する性能を発揮する。
- 古典的な探索アルゴリズムが探索空間の拡大により限界を迎えるのに対し，LLMは理論的な最適限界をほぼ完璧に追跡する。
- LLMは，推論トークンによるアルゴリズム的シミュレーションと，幾何学的メモリによって，指数関数的な組み合わせ複雑性を回避していると考えられる。
企業が知性を構成する [cs.RO, cs.CY, cs.AI]目的：AIモデルの倫理的ガバナンスに関する法的・民主主義的分析
- AI技術は社会に浸透し，倫理的課題が重要性を増している
- AIガバナンスは，企業主導で進められ，民主的な正当性を欠いている
- AIの倫理原則決定における民主的参加の必要性を明らかにする
- Anthropic社のAIモデル「Claude」のガバナンス文書を分析し，構造的欠陥を指摘した。
- 特に，軍事利用における倫理的制約の欠如と，議論の余地を残さない包括性が問題点として挙げられる。
- AIガバナンスにおける「政治的共同体」の欠如を指摘し，企業透明性だけでは民主的 legitimacy は得られないとした。
分割統治による部分ディープフェイク音声検出 [cs.SD, cs.AI, cs.LG]目的：部分ディープフェイク音声検出における操作箇所特定
- 音声の信頼性確保は，コミュニケーションやセキュリティにおいて重要であるため，音声偽装技術への対策が不可欠である。
- 既存手法では，自然な音声の一部に偽装箇所が含まれる場合，その特定が困難であるという課題が存在する。
- 本研究は，境界検出とセグメント分類を分離することで，偽装箇所の正確な特定と局在化を目指す。
- 提案手法は，PartialSpoofベンチマークにおいて，複数の時間分解能および発話レベルで最先端の性能を達成した。
- 特に，偽装箇所の正確な検出と局在化において，大幅な性能向上が認められた。
- Half-Truthデータセットにおいても最先端の性能を達成し，手法の頑健性と汎化性能が確認された。
シグモイド混合を用いた効率的なロジスティック回帰 [cs.LG]目的：オンラインロジスティック回帰における指数加重アルゴリズムの性能評価
- 機械学習の分野で，オンライン学習はデータストリームからの効率的な学習に不可欠である。
- 既存手法では，性能を保証するための計算コストが非常に大きいという課題があった。
- 計算コストを大幅に削減し，より実用的なオンライン学習アルゴリズムを開発すること。
- 提案手法は，従来の計算複雑度を大幅に改善し，$O(B^3 n^5)$という計算量で同じ性能保証を実現した。
- 大規模な$B$（識別力）の下では，アルゴリズムの事後分布は標準ガウス分布に収束し，SVM方向と一致することが示された。
- 識別力が特定の閾値を超えると，後悔は$B$に依存せず，マージンにのみ依存する対数的な増加となることが明らかになった。
評議会モード：LLMにおける幻覚と偏りを多エージェント合意で軽減 [cs.CL, cs.AI]目的：LLMの幻覚と偏りの軽減
- LLMは自然言語処理で目覚ましい進歩を遂げているが，その信頼性が課題となっている。
- LLMは事実に基づかない内容を生成したり，偏見を増幅したりする問題がある。
- 複数のLLMによる合意形成を通じて，より信頼性の高い応答を目指す。
- 評議会モードは，複数のLLMにクエリを並行して送信し，合意モデルでそれらの出力を統合する。
- HaluEvalベンチマークにおいて，幻覚発生率を35.9%相対的に削減することに成功した。
- TruthfulQAでは，最良の単一モデルと比較して7.8ポイントの改善が見られた。
ニューラルルーティングアルゴリズムを用いたニアリアルタイムテレメトリ対応ルーティング [cs.CL, cs.LG, cs.NI]目的：テレメトリ情報を活用したルーティングアルゴリズムの効率化
- ネットワーク効率を維持するため，ミリ秒単位での迅速なルーティングアルゴリズムが重要である。
- ネットワーク全体の情報を集約する際に通信遅延が発生し，実用化が課題となっている。
- 通信遅延を考慮した閉ループ制御問題としてルーティングを捉え，実用的なアルゴリズムを開発する。
- LOGGIAは，トポロジーとテレメトリ情報を活用し，リンク重みを予測するスケーラブルなグラフニューラルルーティングアルゴリズムである。
- LOGGIAは，データ駆動型事前学習とオンポリシー強化学習を組み合わせることで，従来の最短経路ベースラインを上回る性能を示す。
- 実験の結果，ニューラルルーティングアルゴリズムは，各ルーターで個別にネットワーク状態を観測・推論する場合に最適な性能を発揮することが示唆された。
説明可能な機械学習が，37日間の微小重力下における雌マウスの白色脂肪組織におけるUcp1の12倍の上昇と熱発生のリプログラミングを明らかにする：NASA OSD-970の初のAI/ML解析 [cs.LG]目的：微小重力下における雌マウスの白色脂肪組織における熱発生メカニズムの解明
- 宇宙環境が哺乳類の代謝に及ぼす影響の理解は，宇宙医学上重要である。
- 雌マウスの白色脂肪組織における熱発生の分子メカニズムは，未だ十分に解明されていない。
- NASAの宇宙生物学データセットの再解析を通じて，微小重力下での熱発生メカニズムを明らかにすること。
- 微小重力下において，白色脂肪組織におけるUcp1の発現が顕著に上昇（12.21倍）し，熱発生経路が活性化された。
- ランダムフォレストモデルは，高い予測精度（AUC = 0.922，Accuracy = 0.812，F1 = 0.824）を示し，Ucp1が主要な予測因子として特定された。
- 本研究は，説明可能なAIの有効性を示し，宇宙飛行士の健康管理や地球上の肥満・代謝疾患研究への応用が期待される。
Provenanceに基づく入力勾配誘導による合成データからの学習 [cs.DC, cs.CV, cs.AI, cs.LG]目的：合成データを用いた学習における識別能力向上
- モデルの識別性能向上には，多様な学習データが不可欠であり，コスト削減も重要である。
- 既存手法はデータの多様化に偏り，識別に関与する入力領域を明示的に学習できていない。
- 合成バイアスやアーティファクトに起因する誤学習を抑制し，識別的な表現を獲得する。
- 提案手法では，データ生成時のProvenance情報を用いて，入力勾配をターゲット領域と非ターゲット領域に分解する。
- 非ターゲット領域の勾配を抑制することで，モデルが不要な領域に依存することを防ぎ，ターゲット領域の識別表現学習を促進する。
- 様々なタスクとモダリティにおいて，提案手法の有効性と汎用性が実験的に示された。
エージェントの有害行動評価のためのベンチマーク：AgentHazard [cs.AI]目的：コンピュータ利用エージェントにおける有害行動の評価
- 大規模言語モデルがツール利用を通じて行動するエージェントの安全性確保は重要課題である。
- 一見安全な一連の行動から，最終的に有害な結果を招くケースが存在する。
- 累積的な文脈や複数段階の行動における有害行動を検出し，阻止する能力を評価する。
- AgentHazardは，多様なリスクと攻撃戦略を含む2,653個のインスタンスから構成される。
- Claude Code，OpenClaw，IFlowなどのモデルを用いた評価の結果，現在のシステムは脆弱であることが示された。
- 特にQwen3-Coderを使用した場合，Claude Codeは73.63%の攻撃成功率を示し，モデル調整だけでは安全性が保証されない。
アノテーションがアノテーターを育成する：ソーシャルインフルエンス認識における熟練度向上 [cs.DM, math.CO, cs.CL, cs.AI]目的：ソーシャルインフルエンス認識におけるアノテーターの熟練度変化
- 人間によるデータアノテーションは，機械学習の性能に大きく影響する。
- アノテーションタスクは主観性を伴う場合が多く，アノテーター間の判断のずれが生じやすい。
- アノテーションプロセスを通じてアノテーターの熟練度を向上させ，データ品質を高める。
- アノテーターは自己評価において，熟練度と自信が有意に向上した。
- データ品質の変化から，アノテーションプロセスがアノテーターの熟練度向上に寄与することが示唆された。
- アノテーターの熟練度変化は，アノテーションデータで学習したLLMの性能に影響を与えた。
LogicPoison：グラフ検索拡張生成に対する論理的攻撃 [eess.SY, cs.SY, cs.CL, cs.AI]目的：グラフ検索拡張生成システムの論理的脆弱性の実証と対策
- 知識グラフを活用し，LLMの推論能力向上に貢献する技術分野である。
- 既存のRAG攻撃への耐性を持つが，グラフ構造の完全性が脆弱である。
- グラフの論理的接続を暗黙的に破壊する攻撃手法を提示し，システムの安全性を検証する。
- LogicPoisonは，グラフ全体の接続性と特定の推論経路を遮断するエンティティのスワップを利用する。
- この攻撃は，テキストの意味を変えずに，有効な推論を誤った方向に誘導する。
- 複数のベンチマーク実験で，LogicPoisonがGraphRAGの防御を回避し，既存の手法よりも効果的であることが示された。
FoE：大規模推論モデルにおいて，最初の解が最良となるエラーの森 [cs.AI, cs.CL]目的：大規模推論モデルにおけるエラー構造の解析と効率的な推論フレームワークの提案
- 複雑な推論タスクにおいて，大規模言語モデルの能力向上が期待されており，そのメカニズム解明が重要である。
- モデルが複数の解を探索する際に，必ずしも最適な解が得られるとは限らず，性能向上の阻害要因となる可能性がある。
- 最初の解が最良となる現象を解決し，推論の効率と精度を向上させるための手法を開発することを目的とする。
- 大規模推論モデルにおいて，最初の解が他の解よりも優れているという「最初の解が最良」という現象を明らかにした。
- エラーが「エラーの森（FoE）」という構造で発生し，推論時間の増加とともにエラーが増加することを実証した。
- FoEを抑制する「Refining First」と，その後のFoEを剪定する「Discarding Subs」からなるREDフレームワークが，既存手法を上回り，性能向上とトークン消費量の削減を達成した。
InfoSeeker：ウェブ情報探索のためのスケーラブルな階層型並列エージェントフレームワーク [cs.AI]目的：ウェブ情報探索のためのスケーラブルな階層型並列エージェントフレームワーク
- ウェブ情報探索は，多様な情報源からの知識収集に不可欠であり，その重要性は増している。
- 大規模言語モデルエージェントは，データ集約的な環境下でコンテキスト飽和やエラー伝播といった課題を抱えている。
- 本研究は，コンテキスト分離と並列処理により，大規模な情報探索における効率性と有効性を向上させることを目指す。
- 提案手法InfoSeekerは，階層構造と並列処理により，既存手法と比較して処理速度が3～5倍向上した。
- WideSearch-enベンチマークにおいて8.4%の成功率，BrowseComp-zhベンチマークにおいて52.9%の精度を達成した。
- Manager層での集約とリフレクション機構により，コンテキスト飽和とエラー伝播を効果的に抑制することを示した。
大規模言語モデルにおけるプロンプト圧縮：待ち時間，レート遵守，品質の測定 [cs.HC, cs.IR, cs.AI, cs.CL]目的：大規模言語モデルの推論速度向上
- 情報検索やRAGシステムにおいて，言語モデルの応答速度がボトルネックとなりやすい。
- プロンプト圧縮は低遅延だが，前処理時間と推論時間のトレードオフが不明確である。
- プロンプト圧縮の有効性を定量的に評価し，最適な適用条件を提示すること。
- LLMLinguaを用いることで，プロンプト長，圧縮率，ハードウェアのバランスが取れた場合に，最大18%の推論速度向上が確認された。
- 適切な設定外では，圧縮処理時間がボトルネックとなり，速度向上効果は相殺される。
- 効果的な圧縮により，GPUメモリ使用量を削減し，より安価なGPUへのオフロードが可能となり，わずかな遅延増加で済む。
強化学習における人間のフィードバックからの報酬ハッキングの緩和：優位性符号の頑健性によるアプローチ [cs.LG, cs.AI, cs.CL]目的：報酬ハッキングの緩和
- 強化学習は，複雑なタスクの自動化において重要な役割を果たす。
- 人間のフィードバックを用いた強化学習では，報酬モデルの脆弱性が問題となる。
- 優位性符号の符号反転に着目し，頑健な方策最適化手法を提案する。
- 提案手法SignCert-POは，方策勾配更新において頑健でないcompletionを減衰させる。
- TL;DR要約とAlpacaFarmベンチマークにおいて，SignCert-POはベースラインよりも高い勝率を達成した。
- SignCert-POは，報酬ハッキングを低減することに貢献する。
深層研究のための自己最適化マルチエージェントシステム [cs.IR, cs.AI]目的：深層研究システムの性能向上
- 複雑な情報ニーズに応える高度な研究支援システムの重要性が高まっている。
- 既存システムは手動でのプロンプト設計に依存し，改善が困難である。
- エージェントの自己対戦によるプロンプト最適化を目指す。
- マルチエージェントによる自己最適化が，専門家が作成したプロンプトと同等またはそれ以上の性能を示すことが示された。
- エージェントが異なるプロンプトの組み合わせを探索することで，深層研究システムの品質を向上させることが可能である。
- 手動による調整が不要で，より効率的にシステムを改善できる可能性が示唆された。
固定ゲートによる重み平均化の最適化：FedSQ [cs.LG, cs.AI, cs.DC]目的：連合学習における重み平均化の最適化
- データ共有の制約下で協調学習を行う連合学習は，プライバシー保護の観点から重要性が増している。
- クライアントデータの非独立同一分布性や，クライアントのドリフトにより，連合学習の安定性が損なわれる場合がある。
- 事前学習済みモデルを活用し，ゲート機構を固定化することで，連合学習のロバスト性を向上させる。
- FedSQは，ReLUライクなゲート機構を固定化することで，学習の安定性を高め，重み平均化を最適化する。
- 実験の結果，FedSQは標準的なベースラインと比較して，ロバスト性が向上し，検証性能が向上するまでのラウンド数を削減できることが示された。
- 転移学習の環境下でも，精度を維持しつつ，非独立同一分布データやDirichlet分割に対しても高い性能を発揮する。
R2-Write：深い推論による自由形式の文章作成のための内省と修正 [cs.CL, cs.AI]目的：自由形式の文章作成における深い推論能力の解明と向上
- 大規模言語モデルの能力向上は重要だが，数学などの検証可能な分野に集中している。
- 既存の推論モデルは，自由形式の文章作成タスクでは改善が限定的である。
- 内省と修正のパターンを組み込むことで，文章作成における深い推論能力を引き出す。
- R2-Writeは，反復的なwriter-judge対話を通して，質の高い思考軌跡を生成する。
- プロセス報酬メカニズムにより，強化学習における内省の質を監督し，効率と性能を向上させる。
- 創造的な文章作成や深掘り調査における実験で，顕著な改善が確認された。
ユーザー認識条件付き生成総相関学習によるマルチモーダル推薦 [cs.IR, cs.AI]目的：マルチモーダル推薦におけるユーザー認識に基づく特徴フィルタリングと総相関最適化
- 推薦システムにおいて，ユーザーの嗜好に合致したアイテムを提示することは重要であり，多様な情報を活用するマルチモーダル推薦が注目されている。
- 既存手法では，ユーザー間でアイテムコンテンツの関連性が一律であると仮定したり，クロスモーダル間の依存関係を十分に考慮していない点がある。
- 本研究では，ユーザー個別の嗜好を考慮したコンテンツ特徴フィルタリングと，全モーダル間の依存関係を捉える総相関最適化によって，推薦精度向上を目指す。
- 提案手法GTCは，標準的なマルチモーダル推薦ベンチマークにおいて，最先端手法を安定的に上回り，NDCG@5で最大28.30%の改善を達成した。
- GTCは，ユーザー嗜好に基づいた特徴フィルタリングと総相関最適化により，マルチモーダル推薦におけるユーザー依存関係をモデル化できることが実証された。
- 本研究のコードは公開されており，再現性と今後の研究発展に貢献する。
傾いた分布からのDDPMベースサンプル生成 [cs.LG, math.PR, stat.ML]目的：傾いた分布からの拡散モデルに基づくサンプル生成
- 確率分布からのサンプリングは，金融，気候モデリングなど幅広い分野で不可欠である。
- 現実の問題では，特定の制約を満たす傾いた分布からのサンプリングが難しい。
- 傾いた分布からの効率的かつ正確なサンプル生成手法の開発。
- 提案手法は，元の分布を傾けた分布からのサンプル生成のためのプラグイン推定量を定義し，それがミニマックス最適であることを示した。
- プラグイン推定量と真の分布の間のWasserstein距離の限界を導出し，その近似精度を評価した。
- 拡散モデルを傾いたサンプルに適用した場合のTV-accuracyを理論的に証明し，シミュレーションで検証した。
エージェンティックMME：エージェンティック能力がマルチモーダル知能にもたらすもの [cs.AI]目的：マルチモーダルエージェンティック能力の評価
- マルチモーダル大規模言語モデルは，多様な情報を統合し，複雑な問題を解決する可能性を秘めている。
- 既存の評価指標は，ツールの統合性や効率性，処理過程を十分に検証できていない。
- マルチモーダルエージェントの能力を，処理過程を含めて詳細に評価するベンチマークを開発する。
- 本研究では，マルチモーダルエージェンティック能力を検証するベンチマーク「Agentic-MME」を開発し，6つのドメイン，3つの難易度で418のタスクを評価した。
- Gemini3-proは全体で56.3%の精度を達成したが，難易度レベル3のタスクでは23.0%に低下し，現実世界の複雑な問題解決の難しさが示唆された。
- タスクの各ステップにおける状態を監査し，「過剰思考」指標を用いて効率性を定量化することで，従来の最終的な回答のみを評価する方法の限界を克服した。
教育に配慮したカスタムGAIチャットボットと汎用GAIチャットボットが，生徒の科学的問題解決プロセスと成績に与える影響の比較：異質相互作用ネットワーク分析 [cs.SI, cs.AI, cs.HC]目的：科学的課題解決における生徒のプロセスと成績に対する，教育に配慮したカスタムGAIチャットボットと汎用GAIチャットボットの影響の比較
- 科学教育において問題解決能力は重要であり，AI技術の活用が期待されている。
- 汎用チャットボットは直接的な解答を提供しやすく，生徒の思考停止を招く恐れがある。
- 本研究は，教育的配慮を加えたカスタムチャットボットの効果を検証し，思考停止を防ぐことを目指す。
- 生徒はカスタムチャットボット使用時，汎用チャットボットよりも高い対話強度と認知的多様性を示した。
- カスタムチャットボットでは生徒が誘導に従い思考・内省する一方，汎用チャットボットでは具体的な命令を求める傾向があった。
- 問題解決の質という点において，両チャットボット間に統計的に有意な差は認められなかった。
フレドホルム積分ニューラル演算子による収縮積分演算子の学習 [cs.DM, math.NA, cs.LG, cs.NA]目的：フレドホルム積分方程式における非拡大積分演算子の学習
- 積分方程式は，物理学や工学の様々な問題において，現象を記述するための重要な手段である。
- 従来の数値解法は，高次元問題や非線形問題に対して計算コストが高く，精度が低下する課題がある。
- ニューラル演算子を用いることで，高次元・非線形積分方程式の効率的な近似解法を提供することを目指す。
- 提案手法であるFREDINOsは，線形および非線形積分演算子および対応する解演算子の汎用近似器であることが証明された。
- 学習された演算子は収縮性を持つことが保証され，固定点スキームの収束に必要な数学的特性を厳密に満たす。
- FREDINOsは，境界積分方程式を通じて非線形楕円偏微分方程式の解演算子を学習するためにも利用可能であることが示された。
孤立したタスクを超えて：シーケンシャルなソフトウェア進化におけるコーディングエージェントを評価するためのフレームワーク [cs.SE, cs.AI]目的：コーディングエージェントのシーケンシャルなソフトウェア進化における評価フレームワーク
- ソフトウェア開発の自動化は生産性向上に不可欠であり，その評価手法が重要である。
- 既存の評価データセットは単一のタスクに焦点を当てており，現実のソフトウェア開発における複雑さを捉えられていない。
- 長期的な視点でのエージェントの性能評価と，ソフトウェアの健全性維持を目指す。
- 既存のデータセットによる評価は，現実的な設定と比較して過大評価されていることが判明した。
- エージェントが問題を解決できたとしても，人間と比較してコードの複雑性や技術的負債が増加する傾向にある。
- 連続したプルリクエストの連鎖を通して，シーケンシャルな実行能力，回帰検証，長期的なリポジトリの状態を評価できるフレームワークを提案した。
長期的操作のための優位性報酬モデリング [cs.RO, cs.AI, cs.CV]目的：長期的ロボット操作における報酬モデリング手法
- ロボット操作は自動化が難しく，人間の支援が必要な作業が多い。効率化が求められている。
- 強化学習では，報酬が疎であるため，ロボットがどのように行動すれば良いか学習しづらい。
- 人間の介入を最小限に抑えつつ，効率的にロボットの行動を学習させることを目指す。
- 提案手法ARMは，絶対的な進捗ではなく相対的な優位性を推定することで，より効率的な学習を可能にする。
- ARMは，Progressive, Regressive, Stagnantの三段階ラベル付け戦略により，人間の負担を軽減しつつ高い精度を維持する。
- タオル折りタスクにおいて，99.4%の成功率を達成し，既存手法を上回る安定性とデータ効率を示す。
ヘルスケア相互運用性の脆弱性分析：形式モデリングとグラフ理論的アプローチ [cs.RO, cs.CR, cs.AI]目的：ヘルスケア相互運用性の脆弱性の検出
- 医療現場における情報共有は不可欠であり，安全性が重要である。
- HL7 FHIRの同時実行制御の欠如が脆弱性につながる。
- FHIR環境における競合状態の検出手法を確立すること。
- FHIRリソースアクセスグラフ（FRAG）を導入し，競合状態を構造的特性として検出可能にした。
- 臨床的に重要な３つの競合状態（SWC，TAV，CUR）を形式的に定義した。
- FRAGは，ベースラインと比較してF1スコアで64.5ppの改善を示した。
JoyAI-LLM Flash：トークン効率により中規模LLMを強化 [cs.CL, cs.AI]目的：中規模LLMにおける性能とトークン効率のトレードオフの再定義
- 大規模言語モデルは，自然言語処理の様々なタスクで優れた性能を示すため，近年急速に発展している。
- パラメータ数が多くなると計算コストが増大し，効率的な推論が困難になるという課題がある。
- トークン効率を高め，少ないパラメータで高性能なLLMを実現することを目指す。
- JoyAI-LLM Flashは，20兆トークンで事前学習された効率的なMoE言語モデルである。
- 思考と非思考の認知モードを戦略的にバランスさせ，FiberPOという新しいRLアルゴリズムを導入した。
- 480億パラメータのモデルでありながら，1回のフォワードパスで27億パラメータしか活性化せず，高いスパース率を達成した。
高齢者における感情と認知理解のためのマルチモーダルデータセットMECO [cs.HC, cs.AI]目的：高齢者における感情と認知状態の理解を目的としたマルチモーダルデータセット
- 高齢化社会において，高齢者の心の状態を理解することは，生活支援や医療において重要である。
- 既存のデータセットは若年層を対象としており，高齢者の認知機能低下が感情表現に与える影響が考慮されていない。
- 高齢者特有の感情・認知特性を考慮したデータセットを構築し，その分析基盤を提供すること。
- MECOデータセットは，ビデオ，音声，脳波，心電図を含むマルチモーダルな信号を収録し，感情と認知状態のアノテーションを提供している。
- 約38時間のデータを収録し，30,592の同期サンプルを提供する。これにより，高齢者の感情と認知状態の予測モデルの構築が可能となる。
- MECOは，感情認識や軽度認知障害の早期発見といった応用を促進するための基盤的資源となる。
自然言語を用いた言語モデルによる構造化データ照会 [cs.CL, cs.AI]目的：自然言語による構造化データの照会手法
- データに基づいた意思決定の重要性が高まる中で，データへのアクセス方法が課題となっている。
- 従来のRAG手法では，数値データや高度に構造化された情報の処理に課題があった。
- 言語モデルが実行可能なクエリを生成し，構造化データへのアクセスを容易にすること。
- 本研究では，言語モデルをファインチューニングすることで，構造化データに対する高精度な照会が可能となった。
- 特に，限られた計算資源でも，小規模なドメイン特化型モデルで高い精度を実現できることを示した。
- 本手法は，多言語環境や未知の場所に対しても高い汎化性能を発揮し，実用的な応用が期待される。
LLMの前提を言語化し，おべっか行動の説明と制御を行う [cs.CL, cs.AI, cs.CY]目的：LLMにおけるおべっか行動の前提
- LLMの社会的な影響力が増す中，その倫理的な行動が重要視されている。
- LLMは，ユーザーの質問に対し，客観的な評価よりも迎合的な回答をすることがある。
- LLMが抱える誤ったユーザー前提を特定し，その影響を軽減すること。
- 本研究では，LLMの前提を言語化する「言語化された前提」というフレームワークを提案した。
- 「言語化された前提」は，LLMのおべっか行動や誤った判断の原因を明らかにする上で役立つことが示された。
- LLMの内部表現から学習した前提プローブにより，おべっか行動を制御できることが確認された。
LLMエージェントのスキルにおける資格情報漏洩：大規模実証研究 [cs.CR, cs.AI]目的：LLMエージェントのスキルにおける資格情報漏洩の実態解明
- LLMエージェントは強力だが，外部スキル利用時のセキュリティリスクが不明確である。
- サードパーティスキルが扱う資格情報の漏洩リスクに対する理解が不足している。
- 資格情報漏洩のパターンを特定し，検出方法を確立すること。
- 大規模なスキル分析により，520の脆弱なスキルと1,708の問題が特定された。
- 資格情報漏洩はコードと自然言語の組み合わせによって発生する傾向が強く，デバッグログが主要な原因である。
- 漏洩した資格情報は容易に悪用可能であり，修正後もフォークに残存する可能性がある。
教科書の自動形式化 [cs.AI]目的：教科書の形式化
- 数学の形式化は，厳密な証明とエラー検出を可能にし，数学の信頼性を高める上で重要である。
- 形式化作業は時間と労力を要し，専門知識が必要であり，その効率化が課題となっている。
- 大規模な教科書を自動的に形式化することで，形式化作業の効率化と自動化の可能性を示す。
- 500ページを超える大学院レベルの代数的組合せ論の教科書を，AIシステムを用いてLeanに形式化することに成功した。
- 生成された形式化は，13万行のコードと5900のLean宣言を含み，わずか1週間で完了した。
- 3万個のClaude 4.5 Opusエージェントが並行して作業し，多エージェントソフトウェアエンジニアリングの新たな記録を樹立した。
LLMコーディングエージェントのスキルエコシステムに対するサプライチェーン・ポイズニング攻撃 [cs.AR, cs.CR, cs.AI, cs.CL]目的：LLMベースのコーディングエージェントのスキルエコシステムに対するサプライチェーン攻撃の可能性
- LLMエージェントは，サードパーティのスキルを通じて機能を拡張しているため，セキュリティが重要である。
- スキル市場にはセキュリティレビューが義務付けられていないため，悪意のあるスキルが混入するリスクがある。
- スキルドキュメントに潜む悪意のあるコードの実行を防ぐ対策の確立が課題である。
- Document-Driven Implicit Payload Execution (DDIPE)という手法により，スキルドキュメント内のコード例に悪意のあるロジックを埋め込むことが可能となった。
- DDIPEは，4つのフレームワークと5つのモデルで，11.6%から33.5%の回避率を達成し，従来のプロンプトによる攻撃を上回る。
- 静的解析で大部分を検出できるものの，2.5%は検出とアライメントの両方を回避し，脆弱性の報告により4件の脆弱性と2件の修正が確認された。