arXiv雑要約

• Top
• AI
• プログラム
• 画像・音声
• セキュリティ
• 数値解析

AI - 2026/06/03 公開

• 大規模言語モデルのためのエージェントスキル：アーキテクチャ，獲得，セキュリティ，そして今後の展望 [cs.MA, cs.AI]目的：大規模言語モデルのエージェントスキルに関する現状と課題

  • 言語モデルの実用化において，手続き的知識をモデルに組み込むのではなく，スキルとして動的に拡張する手法が重要になっている。
  • コミュニティで共有されるスキルの約26.1%に脆弱性が存在し，セキュリティ上の懸念がある。
  • 信頼性と自己改善能力を備えたスキルエコシステムの実現に向けた研究課題を提示する。
  • 大規模言語モデルは，スキルを備えたエージェントへと移行しており，リトレーニングなしに機能を動的に拡張することが可能になっている。
  • スキル獲得には，強化学習や自律的なスキル発見，合成などが用いられ，OSWorldやSWE-benchといったベンチマークで進捗が見られている。
  • スキルプロビーナンスに基づいた段階的な展開能力をマッピングする，Skill TrustおよびLifecycle Governance Frameworkを提案している。

  Link: https://arxiv.org/abs/2602.12430

• 何を誰に尋ねるか：多段階LLM対話による適応的グループ質疑 [cs.LG, cs.AI, cs.CL, cs.SI]目的：潜在的なグループレベルの特性に関する不確実性を低減するための情報収集

  • 集団の特性把握は，社会調査や意思決定において不可欠であり，その精度向上は重要な課題である。
  • 既存手法は，回答者の選定や構造化データの活用が不十分であり，限られたリソース下での効率的な情報収集が困難である。
  • 本研究は，質問と回答者の選択を適応的に行うことで，限られた質疑予算内で集団全体の回答予測精度を高めることを目指す。
  • 提案手法は，LLMによる期待情報ゲインと異種グラフニューラルネットワークを用いた応答補完を組み合わせることで，効率的な質疑を実現する。
  • 3つの実世界データセットにおいて，本手法は既存手法と比較して，人口レベルの応答予測精度を改善する。
  • 特に，10%の回答者予算でCESが12%以上向上するなど，限られた予算下での有効性が確認された。

  Link: https://arxiv.org/abs/2602.14279

• AIエージェントの信頼性に関する科学へ [cs.AI, cs.CY, cs.LG]目的：AIエージェントの信頼性の評価指標

  • AIは重要タスクを担う機会が増加しており，その安全性が不可欠である。
  • 従来の評価指標では，エージェントの潜在的な脆弱性や不安定性が捉えられていない。
  • エージェントの信頼性を多角的に評価し，改善のための指針を示すこと。
  • 従来の性能向上は，信頼性の向上には繋がっていないことが示された。
  • 一貫性，堅牢性，予測可能性，安全性という4つの側面から信頼性を評価する12の指標が提案された。
  • 本研究で提案する指標は，エージェントの挙動，劣化，および失敗を理解するためのツールとなる。

  Link: https://arxiv.org/abs/2602.16666

• サインロックイン：ランダムに初期化された重みの符号が持続し，サブビットモデル圧縮のボトルネックとなる [cs.LG, cs.AI, cs.CL, cs.CV]目的：サブビットモデル圧縮における符号ビットの固定コストによるボトルネックの解消

  • 近年，モデルの軽量化が重要視されており，特に重みの量子化による圧縮技術が注目を集めている。
  • サブビット圧縮では，重みの絶対値を大幅に圧縮するため，符号ビットが性能低下のボトルネックとなりやすい。
  • 本研究では，初期化時の符号が学習を通じて保持される現象「サインロックイン」に着目し，圧縮性能の向上を目指す。
  • Transformer，CNN，MLPにおいて，学習された符号行列は低ランク近似に抵抗し，ランダムな符号パターンを示すことが確認された。
  • 符号の反転は稀であり，初期化時の符号が主に保持されるため，符号パターンのランダム性は初期化に由来すると考えられる。
  • サインロックイン理論に基づき，新たな符号テンプレート学習法を提案し，サブビット圧縮の性能向上に貢献する。

  Link: https://arxiv.org/abs/2602.17063

• TimeOmni-VL：時系列理解と生成を統合するモデル [cs.LG, cs.AI]目的：時系列データの理解と生成の統合

  • 時系列分析は，金融，医療，環境など，様々な分野で不可欠である。
  • 生成モデルは表層的なパターンに依存しやすく，理解モデルは高精度な数値出力が課題。
  • 時系列データの理解を生成の制御信号として活用し，精度向上を目指す。
  • TimeOmni-VLは，時系列と画像を忠実に相互変換するBi-TSIを導入した。
  • 時系列理解を明示的な制御信号として生成に活用する新しい手法を提案。
  • TSUMM-Suiteというデータセットを用いて，理解と生成の両方において優れた性能を示した。

  Link: https://arxiv.org/abs/2602.17149

• グラフフローマッチングにおける対称性と効率性のバランス [cs.LG]目的：グラフ生成モデルにおける対称性と計算効率のトレードオフ

  • グラフ構造を扱う上で，対称性は重要な性質であり，モデルの汎化性能に影響する。
  • 厳密な対称性を実現すると計算コストが増加し，学習が遅延する可能性がある。
  • 正弦波的位置エンコーディングとノード置換による対称性変調で過学習を抑制しつつ学習を加速する。
  • 対称性を意図的に崩すことで初期学習は加速するものの，過学習を引き起こしやすい。
  • 適切な対称性変調を行うことで，過学習を抑制しつつ収束を早めることができる。
  • ベースラインの学習エポック数の19%でより高い性能を達成できることが示された。

  Link: https://arxiv.org/abs/2602.18084

• 線形リザバー：対角化に基づく最適化 [cs.DC, cs.NE, math.CV, math.DS]目的：線形エコー状態ネットワークの最適化

  • 時系列データ処理において，リザバーコンピューティングは効率的な手法として注目されている。
  • 従来の線形エコー状態ネットワークでは，リザバー状態更新の計算量が大きいという課題がある。
  • リザバーの固有基底変換により，計算量を削減し，効率的な学習を実現することを目指す。
  • 提案手法は，リザバー状態更新の計算複雑度を2次から線形に削減することに成功した。
  • 固有基底変換，終端間固有基底学習，直接パラメータ生成の3つの手法を提案し，予測精度を維持しつつ計算速度を向上させた。
  • 固有値の直接選択により，線形エコー状態ネットワークのパラダイムシフトを促す可能性を示唆している。

  Link: https://arxiv.org/abs/2602.19802

• CodeHacker：競技プログラミング解答の脆弱性を検出する自動テストケース生成 [cs.SE, cs.AI, cs.CR]目的：競技プログラミング解答における脆弱性検出のための自動テストケース生成

  • コード生成におけるLLMの評価は，テストケースの質が重要であり，その信頼性が問われている。
  • 既存のベンチマークは微妙なコーナーケースの網羅性が低く，誤った解答が通過することがある。
  • 潜在的な脆弱性を露呈させる，標的を絞った敵対的テストケースを自動生成し，解答の精度向上を目指す。
  • CodeHackerは，既存のデータセットの真陰性率(TNR)を大幅に向上させ，以前は合格していた誤った解答を効果的に排除する。
  • 敵対的テストケースは，LiveCodeBenchのようなベンチマークにおいて，RLモデルの性能を向上させるための優れた訓練データとなる。
  • CodeHackerは，競技プログラミングにおけるハックメカニズムを模倣し，ストレステスト，アンチハッシュ攻撃，ロジック固有のターゲットなどの多戦略アプローチを用いる。

  Link: https://arxiv.org/abs/2602.20213

• KnapSpec：ナップサック問題としての適応レイヤー選択による自己推測デコーディング [cs.LG, cs.AI]目的：効率的なドラフトモデル構築のためのレイヤー選択最適化

  • 大規模言語モデルの高速化は，その実用性を高める上で不可欠である。
  • 既存の自己推測デコーディングは，文脈長に依存する注意機構の計算コストを無視している。
  • 文脈長に応じた最適なドラフトモデル構成を動的に特定し，推論速度を向上させる。
  • KnapSpecは，ドラフトモデル選択をナップサック問題として定式化し，トークンごとの処理時間を最大化した。
  • Attention層とMLP層の遅延を文脈長関数としてモデル化し，動的計画法で最適な構成を並列に探索した。
  • Qwen3とLlama3を用いた実験で，最先端のSSDベースラインを最大1.47倍上回る速度向上が確認された。

  Link: https://arxiv.org/abs/2602.20217

• VeRO：エージェントを最適化するためのハーネス [cs.AI, cs.CL, cs.LG]目的：エージェントハーネスの最適化に関する研究

  • AIエージェントの能力向上は，様々な分野での自動化を促進し，社会に大きな影響を与える。
  • エージェントハーネスの最適化手法は体系的に理解されておらず，効果的な改善方法が課題である。
  • エージェントハーネスの最適化を支援するツールとベンチマークの開発を目的とする。
  • VeROは，エージェントハーネスのバージョン管理，評価，実行トレースの構造化記録を提供する。
  • VeRO-Benchは，ターゲットエージェントとタスクのベンチマークスイートであり，評価手順も提供する。
  • 実験により，様々な最適化手法の性能を比較し，改善に繋がる修正を特定した。

  Link: https://arxiv.org/abs/2602.22480

• 因果ニューラル確率回路 [cs.LG, cs.AI]目的：概念ボトルネックモデルの解釈性と精度向上

  • 深層学習モデルのブラックボックス化が課題であり，解釈可能なAIの実現が求められている。
  • 従来の概念ボトルネックモデルは，概念間の因果関係を無視した介入しかできず，精度向上の限界がある。
  • 概念間の因果関係を考慮した介入により，モデルの予測精度と解釈性を高めることを目指す。
  • 提案手法である因果ニューラル確率回路(CNPC)は，因果グラフに基づき概念間の因果関係を考慮した介入を可能にする。
  • CNPCは，専門家による概念値の修正を通じて，より正確な分類を実現し，分布外データに対しても高い性能を示す。
  • 理論的分析により，CNPCの構成要素間の誤差伝播を評価し，真の介入分布との一致条件を明らかにした。

  Link: https://arxiv.org/abs/2603.01372

• 協調的注意によるコンテンツ再構成を用いた汎用マルチモーダル表現学習 [cs.IR, cs.LG]目的：マルチモーダル埋め込みの品質向上

  • マルチモーダルな情報処理は，画像とテキストなどの多様なデータを統合し，より高度なAIシステムを実現する上で重要である。
  • 既存のマルチモーダル埋め込みモデルは，大規模な対照学習に依存しており，モデルアーキテクチャの影響が十分に解明されていない。
  • 本研究は，コンテンツ再構成という新しい事前学習パラダイムを提案し，よりコンパクトで情報量の多いマルチモーダル表現を獲得することを目指す。
  • 提案手法CoCoAは，Qwen2-VLおよびQwen2.5-VLをベースに，マルチモーダル埋め込みの品質を大幅に向上させることを示した。
  • コンテンツ再構成は，既存のデータを最大限に活用し，より高い性能を発揮できる有効な戦略であることが確認された。
  • CoCoAは，入力情報をトークンに圧縮し，その後の対照学習の基礎を築く。

  Link: https://arxiv.org/abs/2603.01471

• オンライン強化学習における遅延観測のためのミニマックス最適戦略 [cs.PF, cs.LG, stat.ML]目的：遅延状態観測下での強化学習戦略

  • 強化学習は，自律的な意思決定を行うシステム構築に不可欠である。
  • 現実世界では，状態観測に遅延が生じることが多く，学習の困難度が増す。
  • 遅延観測下でも効率的に学習できる戦略を確立することが課題である。
  • 提案手法は，拡張法と上限信頼区間アプローチを組み合わせる。
  • tabular MDPにおいて，$\tilde{\mathcal{O}}(H \sqrt{D_{\max} SAK})$ の regret bound を達成した。
  • この regret bound は，理論的な最適性を示す下限との一致性も確認された。

  Link: https://arxiv.org/abs/2603.03480

• 線形RNNが並列化しやすいのはなぜか [cs.LG, cs.CC, cs.CL, cs.FL]目的：線形RNNと他のRNN，Transformerの並列化可能性の理論的根拠の解明

  • 自然言語処理において，Transformerに代わるモデルとしてRNNの利用が注目されている。
  • 非線形RNNは並列化が難しく，Transformerのような効率的な学習が困難である。
  • 線形RNNの並列化の容易さの理由を理論的に説明し，より効率的なLLM設計の基礎を提供する。
  • 線形RNNは，Transformerと同程度の深さの算術回路として表現できることが示された。
  • 非線形RNNは，並列化が困難な問題クラス（L-完全）を解くことが明らかになった。
  • 線形RNNの変種間の表現力の違いが，計算複雑性クラスによって明確化された。

  Link: https://arxiv.org/abs/2603.03612

• vLLM Semantic Router：混合モダリティモデルのためのシグナル駆動型決定ルーティング [cs.NI, cs.AI]目的：多様なモダリティ，能力，コストプロファイルを持つ大規模言語モデルにおける，インファレンス時の適切なモデル選択

  • 大規模言語モデルの多様化に伴い，適切なモデルを効率的に選択することがシステム上の重要な課題となっている。
  • 各クエリに対して最適なモデルをリアルタイムに選択する効率的なルーティング手法が不足している。
  • シグナル駆動型決定ルーティングフレームワークにより，多様なデプロイメントシナリオに対応する柔軟なルーティングを実現する。
  • vLLM Semantic Routerは，多様なシグナルを組み合わせ，Booleanルールに基づいてルーティングポリシーを構成する。
  • 本システムは，コスト，プライバシー，安全性を考慮した多様なデプロイメントシナリオに対応可能である。
  • OpenAI APIのサポートや多種多様なバックエンドとの連携機能により，実運用での活用が期待できる。

  Link: https://arxiv.org/abs/2603.04444

• WaterSIC：情報理論的に（ほぼ）最適な線形層量子化 [cs.LG, cs.IT, math.IT]目的：線形層の低精度化における圧縮率と出力誤差のトレードオフに関する研究

  • 大規模言語モデルの効率化は，計算資源の制約や実用化における重要な課題である。
  • 既存の量子化手法は，情報理論的な限界に大きく乖離している場合がある。
  • 情報理論的な限界に近づく量子化アルゴリズムを開発し，性能向上を目指す。
  • 提案手法WaterSICは，入力活性の共分散行列に関わらず，情報理論的限界とのレートギャップを0.255ビット以内に抑える。
  • WaterSICは，古典的な水張り（waterfilling）の考え方を重み行列の列（インフィーチャ）に適用することで，異なる量子化レートを割り当てる。
  • LlamaやQwenといったLLMへの適用により，1～4ビットの量子化レートで最先端の性能を達成した。

  Link: https://arxiv.org/abs/2603.04956

• X-RAY：形式化・較正されたプローブによるLLMの推論能力のマッピング [cs.IR, cs.CL, cs.AI]目的：LLMの推論能力の構造的特徴と限界

  • LLMの性能向上は著しいが，その推論メカニズムは未解明な点が多い。
  • 既存の評価方法はタスクの精度に偏っており，真の推論能力を測れていない。
  • LLMの推論能力を形式的に検証可能なプローブを用いて詳細に分析する。
  • LLMは制約条件の洗練には比較的ロバストだが，解空間の構造変化に著しく脆弱である。
  • 形式化されたプローブは，標準的なベンチマークでは区別できないモデルを識別できる。
  • 本フレームワークは，汚染がなく，推論モデルの学習・テストにも利用可能である。

  Link: https://arxiv.org/abs/2603.05290

• ランダム特徴リッジ回帰における弱から強への一般化によるスケーリング則の改善 [cs.LG, stat.ML]目的：弱から強への一般化におけるスケーリング則の改善

  • 機械学習において，学習済みモデルがデータラベリングに利用され，そのデータでより高性能なモデルを学習することが一般的になっている。
  • 教師モデルのラベルが不完全である場合でも，生徒モデルが教師モデルを上回る「弱から強への一般化」のメカニズムが十分に解明されていない。
  • ランダム特徴リッジ回帰を用いて，生徒モデルのスケーリング則が教師モデルを上回る条件を特定し，改善の可能性を明らかにする。
  • 生徒モデルは，教師モデルのラベルに基づいて学習することで，スケーリング則を改善できることが示された。
  • 改善は，バイアス優位な設定と分散優位な設定の両方で達成可能である。
  • 生徒モデルは，教師モデルのスケーリング則に関わらず，ミニマックス最適レートを達成できる場合がある。

  Link: https://arxiv.org/abs/2603.05691

• Ref-DGS：反射的双ガウススプラッティング [cs.CV, cs.AI, cs.GR]目的：反射表面の再構成と新規視点合成の精度向上

  • リアルな映像生成において，表面の反射表現は不可欠である。より写実的な表現が求められている。
  • 既存手法では，近場の強い反射光のモデリングが困難であり，計算コストが高い場合が多い。
  • 効率的なラスタライズベースのパイプラインで，反射光を正確に捉えることを目指す。
  • Ref-DGSは，ジオメトリガウスと局所反射ガウスの二重表現を用いることで，明示的なレイトレーシングなしに近場の反射光を捉える。
  • グローバルな環境反射場と，物理に基づいた軽量なスペキュラ適応混合シェーダにより，遠方および近方の反射光を融合する。
  • 反射シーンにおいて，既存のガウス法よりも優れた性能と高速な学習速度を実現した。

  Link: https://arxiv.org/abs/2603.07664

• VulnAgent-R2: リポジトリレベルの脆弱性検出のためのエビデンスに基づくマルチエージェント監査 [cs.SE, cs.AI]目的：リポジトリレベルでの脆弱性検出におけるマルチエージェント監査フレームワーク

  • ソフトウェアの脆弱性は，セキュリティリスクの根本原因であり，その早期発見が不可欠である。
  • 従来の脆弱性検出手法は，単一ファイルの分析に偏りがちで，複雑な依存関係を捉えきれない。
  • エビデンスに基づくマルチエージェント監査により，より高精度で信頼性の高い脆弱性検出を実現する。
  • VulnAgent-R2は，Devign, Big-Vul, DiverseVul, PrimeVulの各データセットで，それぞれ0.798/0.895, 0.739/0.871, 0.700/0.842, 0.385/0.781のF1/AUROCスコアを達成した。
  • JITVulデータセットにおいては，F1値0.606，Top-1精度0.529，Top-3精度0.742の局所化性能を示し，オンライントークン数を38.3%削減した。
  • PrimeVulデータセットにおけるVulnAgent-Xとの比較では，F1値が+0.038向上し，統計的に有意な差が認められた（p=0.009）。

  Link: https://arxiv.org/abs/2603.13384

• 推論モデルの弱から強への可読性測定 [cs.CL, cs.DC, cs.MA, cs.AI, cs.CL]目的：推論モデルの可読性評価基準

  • 複数エージェント環境における推論モデルの役割が重要視されている。
  • 既存の可読性指標は簡潔性を重視し，推論の網羅性を捉えられていない。
  • 能力の異なるエージェント間の協調を可能にする可読性の向上を目指す。
  • 強モデルが弱モデルに理解可能な推論過程を出力する必要性が示唆された。
  • 可読性は，特に安全性監視において，信頼性の高いモデルを構築するための重要な要素となる。
  • 効率性だけでなく，推論の網羅性を考慮した可読性指標が求められる。

  Link: https://arxiv.org/abs/2603.20508

• SleepVLM：視覚言語モデルによる説明可能かつルールに基づいた睡眠段階判定 [cs.DC, cs.DC, cs.CV, cs.AI, cs.CL]目的：睡眠段階の自動判定における説明可能性の向上

  • 睡眠段階の自動判定は，睡眠障害の診断や治療において不可欠な要素である。
  • 既存の自動判定システムは，その判断根拠が不明瞭であり，臨床現場での信頼性が課題となっている。
  • AASMの基準に基づいた説明可能な睡眠段階判定モデルを開発し，臨床での信頼性を高める。
  • SleepVLMは，多チャンネルポリソムノグラフィーの波形画像から睡眠段階を判定し，AASM基準に基づいた説明を生成する。
  • 検証データセット（MASS-SS1，ZUAMHCS）において，最先端の性能と同等のCohen's kappa値（0.767，0.743）を達成した。
  • 専門家による評価では，事実の正確性，証拠の網羅性，論理的な一貫性において高い評価（3.75-3.96点）を得た。

  Link: https://arxiv.org/abs/2603.26738

• Crystal：学術論文の相対的影響力の特性評価 [cs.DL, cs.AI, cs.CL, cs.CY]目的：学術論文の引用論文の影響力評価方法

  • 学術研究の進展において，論文の影響力評価は重要であり，研究の価値判断や研究費配分に影響を与える。
  • 従来の評価方法は，単一の論文における引用文脈のみを分析するため，論文間の相対的な影響力比較が困難であった。
  • 本研究は，大規模言語モデルを用いて引用論文を共同ランク付けすることで，より信頼性の高い影響力評価を目指す。
  • 提案手法Crystalは，既存の最先端手法と比較して，精度とF1スコアにおいてそれぞれ9.5%，8.3%の向上を達成した。
  • Crystalは，少ないLLM呼び出し回数で高い効率を実現し，オープンウェイトモデルでも優れた性能を発揮することで，スケーラブルかつ費用対効果の高い引用影響力分析を可能にした。
  • ACL Test-of-Time賞受賞論文の事例研究において，Crystalによる影響力評価は，長期的な科学的認知と高い一致性を示した。

  Link: https://arxiv.org/abs/2603.26791

• ArrowFlow：順列空間における階層的機械学習 [cs.LG]目的：順列空間上で動作する階層的機械学習アーキテクチャの提案

  • 従来の機械学習は浮動小数点演算に依存するが，整数演算のみで実現可能な手法は，ハードウェア資源の制約下で有効である。
  • 既存の機械学習モデルは，データの順序情報（序数構造）を十分に活用できていない場合がある。
  • 序数構造を重視した新しい計算パラダイムにより，競争力のある分類性能を実現することを目指す。
  • ArrowFlowは，順列行列の累積に基づく非勾配学習規則を用いており，浮動小数点パラメータを必要としない。
  • ArrowFlowは，UCIベンチマークデータセット，MNIST，TCGA遺伝子発現データ，および優先順位データにおいて，優れた性能を示した。
  • パラメータである多項式の次数を調整することで，ノイズ耐性，プライバシー保護，欠損特徴への耐性を制御できる。

  Link: https://arxiv.org/abs/2604.04087

• Atariゲームにおける人間の意思決定への中心，周辺，時間的視覚情報の貢献度推定 [cs.LG, cs.CV]目的：人間の意思決定における視覚情報の貢献度の定量化

  • ゲームAIの高度化には，人間の視覚的情報処理メカニズムの理解が不可欠である。
  • 既存研究では，周辺視や過去状態の情報の役割が十分に解明されていなかった。
  • 人間の意思決定に重要な視覚情報源を特定し，その貢献度を評価すること。
  • 周辺視情報の貢献度が最も高く，除去時の予測精度低下が35.27-43.90%と顕著であった。
  • 視線情報の貢献度は周辺視情報より小さく，予測精度低下は2.11-2.76%にとどまった。
  • 過去状態の情報はゲームによってばらつきがあり，周辺情報の漏洩により影響を受けた可能性がある。

  Link: https://arxiv.org/abs/2604.04439

• 偏微分方程式に対するフロー学習：科学計算のための物理から物理へのパラダイムへ [cs.CL, cs.LG]目的：偏微分方程式の求解における新しい学習パラダイムの提案

  • 科学技術の進歩には，偏微分方程式の効率的な求解が不可欠である。
  • 既存の学習モデルは，最適化の困難さ，予測精度の低下，状態回帰への依存などの課題がある。
  • 物理的に許容される将来の軌跡を輸送で表現するフロー学習によって，これらの課題を克服する。
  • フロー学習は，連続時間予測や固有の不確実性定量化を可能にする物理と物理の整合性に基づいている。
  • 輸送に基づく学習は，学習された偏微分方程式求解のためのより強力な原理を提供する。
  • 本研究は，このパラダイムシフトに沿った研究課題を提示する。

  Link: https://arxiv.org/abs/2604.07366

• MAVEN-T：リアルタイムマルチエージェント軌道予測のための強化異種蒸留 [cs.CL, cs.AI, cs.LG]目的：リアルタイムマルチエージェント軌道予測のための手法

  • 自動運転システムにおいて，衝突回避や行動計画に不可欠な要素であるため，軌道予測技術の重要性が高まっている。
  • 高密度な相互作用，多様な行動パターン，多岐にわたる未来予測，限られた計算資源といった課題が存在する。
  • 安全性と効率性を両立した，リアルタイム処理可能な軌道予測モデルの開発を目指す。
  • MAVEN-Tは，高精度な教師モデルと軽量な生徒モデルを用いて，特徴量，注意機構，意味レベルでの知識蒸留を実現した。
  • 生徒モデルは，Proximal Policy Optimizationによる報酬に基づいて，衝突回避，快適性，進行といった行動特性を向上させた。
  • 実験の結果，MAVEN-Tはパラメータ量を6.2倍削減し，推論速度を3.7倍向上させ，NVIDIA Jetson AGX Orin上で14.6msの低遅延を実現した。

  Link: https://arxiv.org/abs/2604.10169

• LLMにおけるRELを用いた関係推論の評価 [cs.AI]目的：LLMにおける関係推論能力の評価

  • 科学的推論の根幹をなす能力であり，AIの高度化には不可欠である。
  • 既存の評価は構造化された入力に依存し，関係性の複雑さを分離できていない。
  • 高次関係性の結合が推論困難である問題に焦点を当て，その限界を明らかにする。
  • LLMの性能は，関係性の複雑度(RC)の増加に伴い，一貫して低下することが確認された。
  • RCを一定に保ちつつエンティティ数のみを増加させても，同様の性能低下が見られた。
  • 推論ステップの増加やコンテキスト学習を用いてもこの傾向は変わらず，関係性の結合数に起因する限界が示唆された。

  Link: https://arxiv.org/abs/2604.12176

• イザベルに打ち込むだけ！AIエージェントによるヒントからの形式化，機械化，および一般化 [cs.LO, cs.AI, cs.PL]目的：ランク1多型ラムダ計算項に対する完全かつ最小な型アノテーションの生成

  • プログラムの正当性保証において，型情報は不可欠であり，信頼性の高いソフトウェア開発に貢献する。
  • 型アノテーションの手動作成は，時間と労力を要し，誤りが生じやすいという課題がある。
  • AIエージェントを用いて，ヒントに基づいた型アノテーションの自動生成と形式化を支援し，効率化を目指す。
  • 本研究では，型アノテーションの問題を形式的に記述し，イザベル/HOLで検証可能な形で実装した。
  • 人間とLLM搭載AIエージェントがそれぞれ独立に証明を生成し，AIエージェントがイザベルで自動形式化を行った。
  • 人間のヒントに基づいたAI介入により，形式化の洗練と一般化を実現した。

  Link: https://arxiv.org/abs/2604.15713

• 損失を早期に削減せよ！効率的な並列推論のための経路剪定学習 [cs.CL, cs.LG]目的：大規模推論モデルにおける無駄な経路の早期剪定

  • 大規模言語モデルの性能向上には推論能力が不可欠だが，計算コストが課題。
  • 早期の誤りにより無駄な探索が発生し，計算資源を浪費する問題がある。
  • 効率的な経路剪定により，計算コストを削減し，推論精度を向上させる。
  • 提案手法STOPは，既存手法と比較して，より高い有効性と効率性を実現した。
  • GPT-OSS-20Bにおいて，計算量を固定した状態でAIME25の精度を約84%から90%近くまで向上させた。
  • 実用的な導入を促進するため，経験的なガイドラインを定式化した。

  Link: https://arxiv.org/abs/2604.16029

• 認知的不均一性の力学：LLMベースのシミュレーションによる多段階サプライチェーンにおける行動バイアスの調査 [cs.MA, cs.AI]目的：多段階サプライチェーンにおける行動バイアス

  • サプライチェーンは経済活動の基盤であり，その効率化は経済成長に不可欠である。
  • 人間の認知バイアスがサプライチェーンの非効率性を引き起こすことが知られているが，その影響の定量化が困難である。
  • LLMを用いたシミュレーションにより，認知バイアスの影響を大規模かつ制御可能に分析し，改善策を探る。
  • シミュレーション結果から，エージェントは近視眼的かつ自己中心的行動を示し，システム全体の非効率性を悪化させることが示された。
  • 情報共有は，これらの悪影響を効果的に緩和することが確認された。
  • 本研究は，LLMベースのエージェントが複雑な運用環境における人間の意思決定の代理として持つ可能性と限界を示唆する。

  Link: https://arxiv.org/abs/2604.17220

• 自動最適化のための共進化型エージェントアーキテクチャと解釈可能な推論 [cs.AI]目的：自動最適化におけるエージェントアーキテクチャと推論の共進化

  • オペレーションズリサーチの自動化は，効率化や複雑な問題解決に不可欠である。
  • 従来のオペレーションズリサーチの自動化は，手作業による推論・実行フローに依存し，柔軟性に欠ける。
  • エージェントのアーキテクチャと推論経路を進化させることで，適応性と解釈可能性を高めることを目指す。
  • 提案手法EvoOR-Agentは，エージェントのワークフローを明示的に表現するAOEネットワークを用いる。
  • 実験結果から，EvoOR-Agentは既存手法と比較して，オペレーションズリサーチのベンチマークにおいて一貫して性能向上を示した。
  • アーキテクチャの進化とグラフによる推論経路探索が，性能向上と構造的な解釈可能性に貢献することが示唆された。

  Link: https://arxiv.org/abs/2604.17708

• プラトンの洞窟へ再び：大規模なクロスモーダル表現収束の検証 [cs.CV, cs.AI, cs.LG]目的：異なるモダリティ（テキスト，画像など）で訓練されたニューラルネットワークの表現の収束性

  • AIモデルのマルチモーダル化が進み，異なる情報源の統合が重要になっている。
  • モダリティ間の表現が収束するかどうかの明確な証拠が不足していた。
  • 大規模データセットでのクロスモーダル表現の収束性を検証し，その妥当性を評価する。
  • 既存の研究におけるクロスモーダル表現収束の証拠は，評価方法に大きく依存することが示された。
  • データセットの規模が大きくなるにつれて，表現のAlignmentは著しく低下する。
  • 残存するAlignmentは，詳細な構造よりも粗い意味的オーバーラップを反映している。

  Link: https://arxiv.org/abs/2604.18572

• R^2-dLLM：空間的・時間的冗長性削減による拡散大規模言語モデルの高速化 [cs.CL, cs.AI, cs.LG]目的：拡散大規模言語モデルのデコード効率向上

  • 大規模言語モデルは自然言語処理の基盤技術であり，様々な応用が期待されている。
  • 拡散大規模言語モデルは並列処理が可能だが，推論速度が遅く実用化の妨げになっている。
  • デコード過程における冗長性を削減し，推論速度を向上させることを目指す。
  • 提案手法R^2-dLLMは，既存のデコード戦略と比較してデコードステップ数を最大88%削減できる。
  • 生成品質を維持しつつ，推論効率を大幅に改善することが示された。
  • デコードにおける冗長性が拡散大規模言語モデルのボトルネックであることが確認された。

  Link: https://arxiv.org/abs/2604.18995

• R2IF：複合報酬によるLLMファンクションコールの推論と意思決定のアライメント [cs.CL, eess.SY, cs.OS, cs.RO, cs.SY, cs.CL, cs.LG]目的：LLMファンクションコールの解釈可能性向上のための推論と意思決定のアライメント

  • LLMと外部ツール連携の重要性が増しているが，推論と行動の一貫性が課題。
  • 既存の強化学習アプローチでは，推論プロセスとツールコール決定の不一致が生じやすい。
  • 推論を考慮した報酬関数により，LLMのファンクションコール精度と解釈可能性を向上させる。
  • R2IFは，BFCLおよびACEBenchにおいて，ベースラインを最大34.62%上回る性能を示した。
  • Llama3.2-3Bを用いた実験で，平均CoT有効性は0.05とプラスの値を示し，推論の有効性が確認された。
  • 本研究は，信頼性の高いツール拡張LLMの展開に貢献する。

  Link: https://arxiv.org/abs/2604.20316

• LLMジャッジにおける自己選好バイアスの定量化と軽減 [cs.LG, cs.AI, cs.CL]目的：LLMジャッジにおける自己選好バイアスの定量化と軽減

  • LLMの自動評価は，モデルの調整や品質管理に不可欠であり，その信頼性は重要である。
  • LLMは自身の生成物に対し系統的な評価の偏り(自己選好バイアス)を示す場合がある。
  • 大規模なシステムでのバイアスを統計的に分離し，実用的な軽減策を提案する。
  • 自己選好バイアスの定量化フレームワークを開発し，人間のアノテーションコストを削減した。
  • 20のLLM分析から，高度な能力と低い自己選好バイアスは相関がない，または負の相関があることが示された。
  • 認知負荷分解に基づく評価戦略により，自己選好バイアスを平均31.5％軽減することに成功した。

  Link: https://arxiv.org/abs/2604.22891

• ProEval：生成AI評価のためのプロアクティブな失敗検出と効率的な性能推定 [cs.LG, cs.AI, stat.ML]目的：生成AIモデル評価における失敗検出と性能推定の効率化

  • 生成AIの急速な発展に伴い，その評価の重要性が増している。
  • 従来の評価手法は，推論速度の遅さや評価コストの高さが課題である。
  • 本研究は，少ない評価サンプルで高精度な性能推定と失敗検出を実現する。
  • ProEvalは，事前学習済みのガウス過程を用いて性能スコア関数を近似する。
  • ベイズ積分と超水準集合サンプリングにより，情報量の多い入力の選択・生成を可能にする。
  • 実験の結果，ProEvalは既存手法と比較して，8〜65倍少ないサンプルで同等の精度を達成し，より多様な失敗ケースを発見した。

  Link: https://arxiv.org/abs/2604.23099

• フローマップによる報酬誘導：少数ステップでのアライメント手法 [cs.CL, cs.DB, cs.CL, cs.LG, cs.AI]目的：報酬最大化のための生成モデルにおける誘導手法

  • 生成モデルは，美的品質や人間選好に合致したサンプル生成が求められ，その誘導が重要である。
  • 既存の誘導手法は，計算コストが高いか，近似による問題点が残存する。
  • フローマップを用いて，高速かつ効率的な報酬誘導を実現し，既存手法の課題を解決する。
  • 提案手法FMRGは，従来のベースラインと同等またはそれ以上の性能を発揮する。
  • 特に，逆問題や報酬誘導生成において，NFEsが非常に少ない（3回程度）ことで，大幅な高速化を実現した。
  • フローマップが最適な解に自然に現れることを示し，誘導問題を確定的な最適制御問題として再構成した。

  Link: https://arxiv.org/abs/2604.27147

• 文脈からスキルへ：言語モデルは文脈から巧みに学習できるか？ [cs.CL, cs.AI]目的：文脈学習における言語モデルのスキル獲得能力の向上

  • 現実世界のタスクでは，言語モデルがパラメータ的知識を超える複雑な文脈を理解する必要がある。
  • 長文かつ技術的な文脈に対する手動によるスキル注釈のコストが高いこと，外部からのフィードバックがないことが課題。
  • 人間による監督や外部からのフィードバックなしに，文脈固有のスキルを自律的に発見・洗練・選択すること。
  • Ctx2Skillは，プロビングタスクと評価基準を生成するChallenger，スキルを用いて問題を解くReasoner，二値フィードバックを行うJudgeからなる自己進化型フレームワークである。
  • ChallengerとReasonerは，失敗事例の分析とスキル更新を行うProposerとGeneratorを通じて進化し，スキル発見と洗練を自動化する。
  • Cross-time Replayメカニズムにより，過度なタスク生成やスキルの特化を防ぎ，汎用性の高いスキル進化を促進する。

  Link: https://arxiv.org/abs/2604.27660

• CADFit：ハイブリッド最適化による高精度なメッシュ-CADプログラム生成 [cs.HC, cs.CV, cs.LG]目的：メッシュからパラメトリックCADの構築シーケンス復元

  • 設計や製造において，幾何学的入力からのCAD構築は不可欠である。高品質なCADモデルの自動生成が求められている。
  • 既存手法は編集困難な形式や単純なパイプラインに限定され，複雑なデータセットへの対応が難しいという課題がある。
  • CADFitは，複雑な形状のCADモデルを，幾何学的フィードバックに基づき，より正確に復元することを目的とする。
  • CADFitは，ボリューメトリックIoUとChamfer Distanceにおいて，最先端のメッシュ-CAD手法を上回る性能を示した。
  • 復元されたCADプログラムの無効比率を大幅に低減し，特に複雑な設計において効果を発揮することが確認された。
  • 画像からCADの構築シーケンスをエンドツーエンドで復元するマルチモーダルパイプラインも提示され，学習ベースのアプローチの進展に貢献する。

  Link: https://arxiv.org/abs/2605.01171

• CoAction：タスク間相関を考慮したパレート解集合学習 [cs.CL, cs.CL, cs.CL, cs.LG]目的：複数タスクにおけるパレート解集合の学習

  • 多目的最適化は，現実世界の複雑な問題を解決する上で重要な役割を果たす。
  • 既存手法は単一の多目的最適化問題に焦点を当てており，複数タスク時の計算コストが高い。
  • タスク間相関を活かすことで，効率的かつ高性能な多目的マルチタスク最適化を実現する。
  • 提案手法CoActionは，タスク固有の埋め込みベクトルとTransformerエンコーダを用いて，複数タスクを同時に処理する。
  • ベンチマーク問題と実世界アプリケーションにおける評価により，CoActionの有効性と競争力が確認された。
  • Hypervolume，Range，Sparsityの指標において，良好な性能が示された。

  Link: https://arxiv.org/abs/2605.01712

• 複合イベント認識のための効率的なTemporal Datalog 実体化 [cs.AI, cs.DB, cs.LO]目的：複合イベント認識における効率的なTemporal Datalog実体化手法

  • 安全や透明性に関わる状況を迅速に検知する重要性が高まっており，イベント処理技術が不可欠である。
  • イベント仕様言語が独立して研究されており，表現力や関連ストリーム推論器の範囲が不明確である。
  • 複数のイベント仕様言語を統一的に処理できる汎用的な複合イベント認識機構を確立する。
  • 主要なイベント仕様言語の断片をTemporal Datalog->-にマッピングすることで，言語間の比較を可能にした。
  • Streaming Trigger Graphsを提案し，Temporal Datalog->-上での効率的なストリーム推論を支援する。
  • 提案手法は，様々なイベント仕様言語に適用可能な複合イベント認識メカニズムの実現に貢献する。

  Link: https://arxiv.org/abs/2605.02488

• SkCC：クロスフレームワークLLMエージェントのためのポータブルかつ安全なスキルコンパイル [cs.CL, cs.CR, cs.AI]目的：LLMエージェントのスキルコンパイルにおける移植性とセキュリティの向上

  • LLMエージェントは複雑なタスク実行に再利用可能なスキルに依存しており，その重要性は増している。
  • エージェントフレームワークはプロンプト形式に敏感であり，同一スキルでも性能ばらつきが大きいという課題がある。
  • SkCCは，フレームワーク非依存なスキル開発を可能にし，セキュリティ上の脆弱性を低減することを目指す。
  • SkCCは，スキルセマンティクスとフレームワーク固有のフォーマットを分離する中間表現SkIRを導入することで，スキルの移植性を実現した。
  • 静的オプティマイザにより，セキュリティ制約を施行し，デプロイ前に脆弱性を阻止することが可能となった。
  • SkillsBench実験の結果，Claude CodeとKimi CLIにおいてそれぞれ21.1%から33.3%，35.1%から48.7%の合格率向上を示した。

  Link: https://arxiv.org/abs/2605.03353

• AdapShot：意味認識型KVキャッシュ再利用による適応多例示文脈学習 [cs.AI]目的：大規模言語モデルの文脈学習における最適な例示数と効率的な推論

  • 大規模言語モデルの推論能力を引き出す文脈学習は，その有効性が示されている。
  • 従来の文脈学習は固定された例示数に依存し，クエリの難易度に柔軟に対応できない。
  • AdapShotは，動的に例示数を最適化し，KVキャッシュ再利用により効率的な推論を実現する。
  • AdapShotは，最新のDBSAと比較して，平均で約10%の性能向上を達成した。
  • AdapShotは，DBSAと比較して，約4.64倍の高速化を実現した。
  • 意味認識型KVキャッシュ再利用戦略により，位置エンコーディングの不整合を解消している。

  Link: https://arxiv.org/abs/2605.03644

• 秘密の忠誠心がブラックボックス監査を回避する [cs.DB, cs.IR, cs.CR, cs.AI]目的：狭い範囲の秘密の忠誠心モデルの構築と評価

  • AIモデルの安全性確保は重要であり，悪意のある攻撃への対策が不可欠である。
  • 従来のバックドア攻撃とは異なり，秘密の忠誠心は検出が困難である。
  • 特定の政治家の利益を優先する秘密の忠誠心を持つモデルの脆弱性を明らかにする。
  • 大規模言語モデルを微調整することで，特定の条件下で有害な行動を促す秘密の忠誠心を付与できた。
  • ブラックボックス監査では，対象となる政治家が不明な場合，忠誠心を持つモデルの識別は困難であった。
  • データセットの監視により，毒性のある学習データを低割合でも特定可能であることが示された。

  Link: https://arxiv.org/abs/2605.06846

• メカニズム設計だけでは不十分：協調的AIのための利他的エージェント [cs.GT, cs.AI]目的：協調的AIにおける利他的エージェントの必要性

  • AIの安全性確保は重要な課題であり，特に他者との相互作用における安全性が求められる。
  • メカニズム設計だけでは，AIエージェントの社会福祉を最大化できない限界がある。
  • 不完全な契約下での社会福祉の損失を解消し，協調的な相互作用を実現すること。
  • メカニズム設計では，現実的な制約下で常に最適な結果が得られないことが理論的に示された。
  • 利他的エージェントは，他者の福祉を考慮することで，社会的に優れた結果と個人の利益を両立できる。
  • 大規模言語モデルを用いた実験により，利他的性は資源配分や社会的ジレンマにおいて有効であることが確認された。

  Link: https://arxiv.org/abs/2605.08426

• 完了したつもりでも不明確：具現化されたエージェントにおけるワールド完了と自己終了の分離 [cs.AI]目的：エージェントのタスク完了時の確約能力（終端コミットメント）の評価

  • 具現化されたエージェントの評価は，ロボット工学やAIにおける重要な研究課題である。
  • 従来の評価指標では，タスク完了の正確さと終端コミットメントを分離して評価できない。
  • 終端コミットメントを独立して測定可能な評価フレームワークを開発し，課題を明確化する。
  • 新しい評価フレームワークVIGILは，ワールドの状態完了度（W）とベンチマーク成功度（B）を分離して評価可能にする。
  • 20種類のモデルの実験結果から，Wが類似していても，Bに最大19.7%の差が生じることが示された。
  • 行動フィードバック介入実験により，実行能力の向上と終端コミットメントの改善が独立していることが確認された。

  Link: https://arxiv.org/abs/2605.08747

• ホロポケットから電子密度へ：密度を用いたGPT様式による創薬 [cs.AI]目的：電子密度に基づいた新規創薬手法の開発

  • 構造ベース創薬は，薬剤開発において重要な役割を担うが，計算コストが高い。
  • 既存手法はホロ複合体の空の結合ポケットに依存し，結合環境の情報を十分に活用できていない。
  • 電子密度を用いることで，より現実的な分子構造生成と，柔軟性の考慮を実現する。
  • EDMolGPTは，電子密度点群から分子を生成する自己回帰フレームワークであり，物理的に意味のある密度信号に基づいて生成を行う。
  • 従来の剛体的なポケット表現と比較して，実験的な電子密度は結合環境の柔軟性をより正確に捉える。
  • 101の生物学的ターゲットに対する評価により，EDMolGPTの有効性が検証された。

  Link: https://arxiv.org/abs/2605.08767

• PnP-Corrector：結合時空予測のための汎用修正フレームワーク [cs.AI, cs.LG]目的：結合時空予測における誤差の増幅抑制

  • 気候モデルなど，相互作用する複数の力学システムの将来予測は重要である。
  • 既存手法は，誤差の連鎖的増幅という深刻なボトルネックに制約されている。
  • 本研究は，結合システムのシミュレーションにおける系統的バイアスを修正する。
  • 提案手法PnP-Correctorは，物理シミュレーションと誤差修正を分離する。
  • これにより，長期間予測の安定性と精度を大幅に向上させる。
  • 300日間の海洋大気結合予測において，ベースラインモデルの誤差を28%削減した。

  Link: https://arxiv.org/abs/2605.08935

• 複雑な画像編集のためのロバストな逐次分解に向けて [cs.DC, cs.CV, cs.AI]目的：複雑な画像編集における逐次分解の堅牢性向上

  • 画像生成モデルの発展により指示に基づいた画像編集が可能になったが，複雑な指示への対応が課題である。
  • 単回編集では複雑な指示の正確な解釈が難しく，逐次編集では誤りの蓄積が画質低下を招く。
  • 逐次分解の利点を最大限に活かしつつ，誤り蓄積の問題を克服することを目指す。
  • 統一的な文脈内編集フレームワーク下で異なる編集パラダイムを分析し，逐次分解の有効性を検証した。
  • 多様な複雑さの編集タスクを構築する合成データパイプラインを開発し，高品質な分解シーケンスデータセットを作成した。
  • 合成データでのファインチューニングにより，適切なパラダイム設計による逐次分解の堅牢性が確認された。

  Link: https://arxiv.org/abs/2605.09233

• 1
• ...
• 10
• 11
• 12
• 13
• 14