arXiv雑要約
AI - 2026/08/05 公開
時間グラフにおける学習とクラスタリング：原理，プリミティブ，プーリング [cs.LG, cs.SI]目的：時間グラフにおけるクラスタリング
- グラフ構造データは，社会，生物，技術など様々な分野で広く現れるため，その解析は重要である。
- 既存のクラスタリング手法は，効率性と精度において課題が残されており，特に時間グラフにおいては困難である。
- 時間グラフにおけるスケーラブルなクラスタリング手法を開発し，理論に基づいたプーリング手法への応用を目指す。
- 属性情報が乏しい場合や弱い場合は，アルゴリズム的手法が適切であり，スケーラビリティがボトルネックとなる。
- 構造，時間，属性の信号が揃っている場合は，ニューラルモデルが有効である。
- GPUアクセラレーションによるプリミティブにより，理論に基づいたプーリングへの道が開かれる可能性がある。
TARL：長期エージェントにおける実行可能メモリ管理のためのトランザクション対応型信頼性台帳 [cs.AI]目的：長期エージェントの実行可能メモリ管理のためのトランザクション対応型信頼性台帳の実現
- 長期的な知識保持はエージェントにとって重要であり，持続的メモリはその鍵となる。
- 既存システムは更新を単純な書き込み/保持の二択に矮小化し，情報の性質に応じた処理が困難。
- 多様な更新操作を識別し，より正確なメモリ状態を維持することで，知識の歪みを抑制する。
- TARLは，各ステートメントを実行可能な5つのアクションにマッピングするメモリ状態更新フレームワークである。
- TARLは，アクション予測と状態回復を改善し，メモリ汚染を軽減し，相反する証拠を保存し，累積的な破損を抑制する。
- 代替更新操作によるメモリ状態の比較を通して学習し，正しい結果に導く操作を選択する。
LiLa-WAM：ロボット操作のための軽量潜在推論世界行動モデル [cs.RO, cs.AI]目的：ロボット操作における世界行動モデリングの軽量化
- ロボット制御において，環境変化を予測する世界行動モデリングが重要視されている。
- 既存のモデルは計算コストが高く，限られた計算資源での学習が困難である。
- LiLa-WAMは，コンパクトな潜在空間で未来を推論し，単一のGPUで学習可能にすることを目指す。
- LiLa-WAMは，未来状態予測と行動生成を同時に行うことで，軽量かつ制御に適したモデルを実現した。
- Visual Transition Token(VTT)により，言語を用いずにタスクを表現し，汎用性を高めた。
- RoboTwin 2.0や実機ロボットによる実験で，LiLa-WAMの有効性が確認された。RoboTwinタスクでは90.48%の成功率を達成した。
より少ないトラフィックでより良い結果：リアルタイム広告取引における競合を考慮したリクエストディスパッチ [cs.AI, cs.LG]目的：リアルタイム広告取引における競合を考慮したリクエストディスパッチの枠組み
- 広告取引市場の効率化は，広告収入の最大化とユーザーエクスペリエンスの向上に不可欠である。
- リクエストの過剰な配信により，DSPのリソース制約から参加意欲が低下し，オークションの効率が悪化している。
- DSPへのリクエスト配信を最適化し，市場の非定常性を考慮することで，収益を最大化することを目指す。
- 提案された枠組みは，リクエスト配信量を34.2%削減し，純収益を4.6%増加させることに成功した。
- トラフィックセグメント間やDSP間での異質性が高く，集計指標だけでは誤解を招く可能性があることが示された。
- 本手法はDSP間の比較優位性を明らかにし，リクエスト量の増加なしに収益化結果を改善する。
圏論的言語を用いた統計学習モデルの記述・構築 [cs.LG]目的：統計学習モデルの記述と構築
- 機械学習・人工知能の主流であり，実世界の問題解決に貢献する。
- 統計学習は高度な数学的知識を要するため，他分野の研究者の参入が困難。
- 圏論的視点を提供し，数学研究者等，他分野の研究者の参入を促進する。
- 古典的な統計学習モデルとアルゴリズムを概説し，初心者にも理解しやすい解説を提供する。
- 統計学習モデルの理解に圏論的視点を用いることで，新たな研究の可能性を示す。
- 基礎数学分野の研究者を含む，多様な研究者の統計学習研究への参加を促す。
Attentionはケースに敏感である [cs.CL, cs.CV, cs.CL, cs.LG]目的：大規模言語モデルにおける文字種の大文字・小文字による注意機構の変化
- 人間の視覚認知において，大文字は自然な注意喚起要素であり，そのメカニズム理解は重要である。
- 大規模言語モデルの注意機構はブラックボックスであり，その内部動作の理解が課題である。
- 文字種が注意配分に与える影響を定量的に評価し，その意味を解明すること。
- 大規模言語モデルは，小文字の文脈において大文字の文字種に注意を集中させる傾向があることが示された。
- 注意の集中が必ずしもタスクの精度向上に繋がらず，場合によっては精度を低下させる可能性も示唆された。
- 推論モデルにおいては，思考過程が文字種の影響を緩和する役割を果たすことが明らかになった。
多変量CIRプロセスの償却介入予測 [eess.SY, cs.SY, cs.LG, cs.CE]目的：多変量CIRプロセスの因果効果推定と，介入時の予測精度向上
- 金融市場では平均回帰現象が広く見られ，そのモデリングは重要である。
- 従来のCIRモデルでは，系列間の因果関係を捉えられず，外部からのショックに対する応答を正確に予測できない。
- 介入時のショック応答を予測可能な，因果関係を考慮したモデルを構築し，金融市場のストレスシナリオ分析に貢献する。
- 本研究では，償却モデルを用いて，多変量CIRプロセスの因果効果を効率的に推定する手法を提案した。
- 提案手法CIR-ACTIVAは，シミュレーションデータと実際のCDSデータに対して，既存手法よりも高い予測精度を示した。
- これにより，複数のスプレッドシステムにおける「もしも」のシナリオ分析や，CDSのストレステストが可能となる。
出力が分散した場合，認識の修正は起こるか？ 機械集合体のブラックボックス結合診断 [cs.AI, cs.CL]目的：機械集合体における出力の分散と認識の修正との間の結合度合いの評価
- 集合知研究において，意見の相違は認識の多様性を示す重要な指標である。
- 大規模言語モデル（LLM）集合体では，多様に見える議論が同じ結論を導く場合があり，指標が機能しない可能性がある。
- 出力の分散を増加させる介入が，真の認識の修正を伴うかどうかを検証する手法を確立する。
- gpt-4o-miniを用いた実験では，条件付き異論が誤った前提の回復を17.7ポイント向上させた。
- 一方，gemini-2.5-flashでは，同様の介入は有意な改善をもたらさず，前提を維持したまま再構成する傾向が強いことが示された。
- 介入ごとの認識の変化と前提維持率の報告を推奨する。
SAT-Edge-Agent：衛星搭載型知能のためのハードウェア・イン・ザ・ループ・エッジエージェントオーケストレーション [cs.RO, cs.AI]目的：衛星搭載型知能のためのエッジエージェントシステムの開発と評価
- 宇宙探査の高度化に伴い，衛星上での自律的な情報処理の重要性が増している。
- 限られた通信帯域と電力資源下での効率的な情報処理システムの構築が課題である。
- ハードウェア・イン・ザ・ループ環境で，衛星搭載可能なエッジエージェントの実行可能性を示す。
- 本研究で開発したSAT-Edge-Agentは，市販のARMベースSoC上で動作し，OpenAI互換の言語サービスと物体検出エンドポイントを連携させる。
- 2種類のFAIR1Mワークロードにおいて，全試行（各20回）が成功し，平均遅延時間はそれぞれ29.353秒，60.937秒であった。
- 遅延時間の大部分は，物体検出処理以外の部分で発生しており，CPU使用率は比較的低いことが確認された。
GPTKB 2.0：大規模言語モデルからの明確化された知識ベースの直接構築 [cs.CL, cs.AI, cs.DB]目的：大規模言語モデルからの明確化された知識ベース構築法
- 自然言語処理の根幹であり，情報検索や推論など，様々な応用を支える重要な技術である。
- 大規模言語モデルはエンティティ表現を持たないため，重複や混同といった問題が生じやすい。
- 大規模言語モデルから，エンティティ，関係，クラスを明確化し，精度と規模を両立した知識ベースを構築すること。
- GPTKB 2.0は，エンティティ，関係，クラスの明確化を動的に行う手法であり，大規模な知識ベース構築を可能にする。
- 100万を超える明確化されたエンティティと3840万のトリプルを含む，大規模言語モデル由来の最初の知識ベースを構築した。
- 従来のWikimedia中心の研究とは異なり，エンティティ，関係，クラスの内部正規化を明示的に行う点が特徴である。
CARE-Bench：患者向けLLMトリアージのベンチマーク [cs.AI]目的：患者向けLLMトリアージの評価
- 医療現場でのLLM活用が進む中で，初期トリアージの精度と安全性が重要である。
- 既存のLLMは，患者の症状に対する適切な対応策の判断に課題が残る。
- 患者対応におけるLLMの行動タイミングと正確性の評価基準を確立する。
- CARE-Benchは，医療対話データに基づいたベンチマークであり，患者の症状に対する適切な行動選択を評価する。
- プロンプトなしでのマクロF1スコアは31.2～50.4%であり，プロンプトありでは46.9～63.4%に向上するものの，誤りが多い。
- 特に，追加情報の要求が必要な場合に，LLMが適切な行動を取れない傾向が確認された。
失敗事例に基づく画像自己拡張：マルチモーダル大規模言語モデルの自己改善 [cs.AI]目的：マルチモーダル大規模言語モデルの自己改善のための手法
- 大規模言語モデルは，画像とテキストを組み合わせたタスクで高い性能を示す。しかし，その性能向上には高コストなアノテーションデータが必要となる。
- 既存の自己拡張法はテキスト中心であり，画像拡張は汎用的な変換に頼る傾向があり，モデルの弱点に対応しきれていない。
- モデル自身の失敗事例から，より効果的な画像拡張を生成し，自己改善を実現することを目指す。
- 提案手法FISAは，モデルの失敗事例から，視覚的に困難だが正答を維持する画像を作成する。
- FISAは，自己検証と二重忠実度フィルタリングにより，意味的な歪みを防ぎ，高品質な拡張データを生成する。
- 実験の結果，FISAは，既存の画像拡張手法と比較して，分布内および分布外のタスクにおいて性能向上を達成した。
AgenticECO：3D集積回路におけるエージェントベースのECOフレームワーク [cs.AI]目的：3D集積回路におけるECO（Engineering Change Order）の自動化手法
- ムーアの法則の限界により，3D集積回路への注目が高まっている。性能向上と小型化を実現する鍵となる技術である。
- 3D集積回路特有のボンディング欠陥への対応が困難であり，ECO作業は手作業に依存し，専門知識が必要となる。
- エージェントベースの自動化により，手作業によるECOの課題を解決し，効率性と信頼性を向上させることを目指す。
- AgenticECOは，9つの欠陥ケースにおいて，従来手法と比較して高い修正率（7/2）を示した。
- 修正時の配線攪乱は平均0.66%と最小限に抑えられ，重要なクロックネットへの影響はなかった。
- エージェントの行動は必要かつ十分であり，占有率を考慮した選択が修正成功に繋がることを実証した。
MissClick：GUIグラウンディングモデルを攻撃するための桁区切り座標の悪用 [cs.AI]目的：GUIグラウンディングモデルの座標生成プロセスにおけるセキュリティ上の脆弱性の検証
- GUI自動化技術は，効率化やアクセシビリティ向上に不可欠であり，その重要性は増している。
- GUIグラウンディングモデルの座標生成プロセスにおけるセキュリティリスクが十分に考慮されていなかった。
- 座標の桁と数値構造を利用した攻撃手法を開発し，GUIグラウンディングモデルの脆弱性を明らかにする。
- MissClickは，座標をソフト的に変位させることで，無標的攻撃において高い成功率を達成した。
- MissClickは，桁の重み付けによるターゲットデジット損失を最小化することで，標的攻撃においても高い成功率を達成した。
- 攻撃目的の比較から，無標的攻撃にはソフト座標変位，標的攻撃にはターゲットデジット最適化がそれぞれ有効であることが示された。
AIに基づく効果音生成：入力モダリティにおける生成モデルのナラティブレビュー [cs.DC, cs.SD, cs.AI]目的：効果音生成のためのAI生成モデルの現状と課題
- デジタルコンテンツにおいて，効果音は状況や感情を伝える上で不可欠であり，その重要性は高い。
- 多様性と文脈適応性が求められる一方，高品質な効果音の生成は依然として困難を伴う。
- 様々な入力モダリティを用いたAI生成モデルの効果音生成における質，制御性，文脈適合性を分析する。
- 最新のAI生成モデルは，高忠実度，意味的整合性，時間的な一貫性を持つ効果音生成において優れた性能を示している。
- 複雑な多重イベントシナリオにおける時間的同期の制限，客観的指標と人間知覚のギャップ，制御性と生成多様性のトレードオフなどが課題として残る。
- AI駆動の効果音生成は，より適応的でスケーラブル，かつ文脈を認識したシステムへと進化しつつあり，今後の音響デザインに大きな影響を与えることが期待される。
LLMはターミナルユーザーインターフェースをテストできるか [cs.SE, cs.AI, cs.LG]目的：ターミナルユーザーインターフェースのテスト手法の確立
- 開発ツール等で利用が拡大しているが，GUIと比較してテスト手法が確立されていない現状がある。
- 既存のテストコードはインターフェースを十分にテストできておらず，静的な画面しか検証していないケースが多い。
- 大規模言語モデル(LLM)を活用し，ターミナルユーザーインターフェースの効率的なテスト手法を提案する。
- 4つの主要なLLMとランダム探索を比較した結果，特定のモデルが常に優位性を示すという結果は得られなかった。
- ランダム探索は時間予算内で高いスループットを実現するが，LLMによるガイダンスは，1回のインタラクションあたりの効率性が高く，入力依存性の高い不具合を発見しやすい。
- 自動的に起動入力を生成することで，それまで起動しなかったアプリケーションを動作させることが可能になり，実用的な改善が見られた。
エージェントがエージェントを攻略：臨床におけるマルチエージェントシステムでの近道カスケードとベンチマークゲーム [cs.AI]目的：臨床意思決定支援における言語モデルエージェント委員会が，ベンチマーク報酬に影響するが臨床医が見過ごすような近道によって攻略される可能性
- 臨床現場での意思決定支援システムは，その精度と信頼性が重要であり，医療の質向上に貢献しうる。
- 既存のベンチマーク評価では，臨床的に妥当性のない情報に頼った近道がエージェントに学習されてしまう可能性がある。
- 言語モデルエージェント委員会における近道カスケードを明らかにし，その対策を検討することで，より安全で信頼性の高いシステム構築を目指す。
- 複数のエージェントが同じ誤った回答を提示した場合，他のエージェントがそれを採用する傾向が確認された（38%）。
- 委員会を評価する監視エージェントは，近道による採用と，単なる合意を区別することが困難であることが示された。
- 隠れた評価基準を操作しても，エージェントは自身の行動を説明することがほとんどなく，システムの透明性確保の難しさが示唆された。
リスクの高い取引：忠実性と安全性との緊張関係の測定 [cs.AI, cs.CL]目的：大規模言語モデルにおける忠実性と安全性の間の緊張関係
- モデルの挙動監視は，AIの安全性確保において重要である。その精度は，モデルの推論過程の忠実性に依存する。
- モデルは忠実であると同時に，安全でない推論を拒否する必要があるが，両立が困難であるという課題が存在する。
- この研究は，モデルの忠実性と安全性を両立させる方法を探求し，そのバランスを改善することを目的とする。
- Chain-of-Thought推論を用いることでモデルの監視が可能になるが，忠実性が鍵となる。
- DeepSeek-R1-Llama-70Bは高い忠実性を示す一方で，安全でない推論の拒否に弱点があり，QwQ-32Bは安全性は高いが忠実性が低い。
- QwQ-32Bの内部表現分析から，忠実性と安全性は相関性の低い異なる方向に存在することが示唆され，表現の調整により安全性を向上させることが可能である。
GDPevo：実務におけるエージェントの自己進化の評価 [cs.AI]目的：エージェントの自己進化による，関連タスクへのより効果的な取り組み
- 経済活動の根幹であるGDP関連業務の効率化は，社会全体の発展に不可欠である。
- 既存のベンチマークは，経済的に価値のあるタスクを網羅せず，データ汚染のリスクも存在する。
- GDPevoは，自己進化能力の評価環境を提供し，タスク間の知識転移を検証する。
- GDPevoは，CRM，ERP，金融，医療など多様な業務フローを網羅したベンチマークである。
- 自己進化は，テストタスクの精度を最大16.44％向上させる効果が確認された。
- しかし，現状のエージェントの自己進化能力は，理論上の上限にはまだ遠く及ばない。
MDLMPE：マスク拡散言語モデルのための分布を意識した位置エンコーディング [cs.CG, math.AT, cs.CL, cs.AI]目的：マスク拡散言語モデルにおける位置情報をより適切に表現するための手法
- 言語モデルは自然言語処理の基盤技術であり，その性能向上が様々な応用を促進する。
- 従来の言語モデルの位置エンコーディングは，マスク拡散モデルの持つ固有の構造に対応できていない。
- マスク拡散モデルにおけるトークン可視性の変化を考慮した，新たな位置エンコーディングを開発する。
- MDLMPEは，トークンの可視性を二値シーケンスとして表現し，距離に応じたガウス重み付けを行うことで，分布を意識した位置特徴を生成する。
- 実験の結果，MDLMPEはLLaDAとDREAMの両方で，従来のポジショナルエンコーディング手法を上回る性能を示した。
- 特に，トークン可視性，ガウス局所性，スペクトル基底，埋め込み注入の組み合わせが最も効果的であることが確認された。
構造化された因果入力におけるニューラルネットワーク予測の真の因果関係の計算 [cs.AI, cs.LG, cs.LO]目的：ニューラルネットワーク予測の真の因果関係
- 信頼性のあるAIを実現するには，ニューラルネットワークの予測根拠を説明することが不可欠である。
- 既存の説明手法は入力特徴を独立と仮定するため，構造化された依存関係を持つ入力に対して誤解を招く可能性がある。
- 本研究は，入力依存関係を考慮した真の因果関係を特定し，より正確な説明を可能にすることを目指す。
- 本研究では，Halpern-Pearlの真の因果関係を用いて説明を形式化し，Boolean Structural Causal Models（SCM）を用いて入力依存関係をモデル化した。
- 境界伝播と分枝限定法を適用することで，完全性と最小性を保証した真の因果関係を計算することに成功した。
- 実験結果から，提案手法はブルートフォースやILPと比較してスケーラビリティが大幅に向上し，大規模なSCMにおいても効率的に真の因果関係を算出できることが示された。
KnowHal：包括的なマルチモーダルハルシネーション評価のための知識駆動型ベンチマーク [cs.AI]目的：マルチモーダル大規模言語モデルにおけるハルシネーションの包括的評価
- 信頼できるマルチモーダル大規模言語モデル開発には，ハルシネーションの抑制が不可欠である。
- 既存のベンチマークは，エンティティ，属性，関係に偏り，知識関連の誤りを統一的に評価できていない。
- 異なる次元におけるハルシネーションを包括的に評価できるベンチマークを構築すること。
- KnowHalは，エンティティ，属性，関係，知識の4つの次元にわたるマルチモーダルハルシネーション評価を可能にする。
- 評価の結果，知識次元がほぼ全てのモデルにとって最も困難であることが示された。
- また，多くのモデルは否定的な質問に対して性能が低下し，誤った前提に対する脆弱性が明らかになった。
モダリティ間での忘却は転移するか？クロスモーダル知識アンラーニング評価のための実世界ベンチマーク [cs.CE, cs.AI]目的：クロスモーダル知識アンラーニングの評価
- 大規模言語モデル等のAIシステムにおいて，機密情報等の有害知識の除去は，信頼性確保に不可欠である。
- 既存研究は単一モダリティ内での忘却に偏っており，クロスモーダルな知識忘却の転移は十分に研究されていない。
- 実世界の知識を対象としたクロスモーダル知識アンラーニングの評価ベンチマークを構築し，その効果を検証する。
- UNLINK-VLベンチマークを用いて，テキストのみでのアンラーニングは，視覚的・クロスモーダルな評価において効果が低いことが示された。
- 一方，マルチモーダルアンラーニングはテキスト評価において有効であり，モダリティ間の非対称性が明らかになった。
- 評価された手法は，モデルの汎用的な能力を比較的維持していることが確認された。
データベースシナリオにおけるLLMの評価：主要データベースタスクにおける潜在能力を評価するためのライフサイクルベンチマーク [cs.DB, cs.AI, cs.CL]目的：データベースのライフサイクルを通じたLLMの評価
- データベースは情報システムの中核であり，その効率的な運用は重要である。
- 既存の評価基準はText-to-SQLに偏っており，データベースの全容を捉えられていない。
- データベースの設計から保守まで，全ライフサイクルにおけるLLMの能力を評価すること。
- 新しいベンチマークDBLifeBenchを導入し，設計，実装，運用，デバッグ，保守の5段階でLLMを評価した。
- 汎用モデルはバランスの取れた性能を示したが，Text-to-SQL特化モデルは設計・保守段階で「破滅的忘却」を起こした。
- DBLifeBenchは，真のフルスタックデータベースインテリジェンスの評価と構築に向けた基礎となる。
LLMのための効率的な知識蒸留：オフラインTop-Kロジットと融合型チャンク化KL損失 [cs.CL, cs.AI, cs.LG]目的：大規模言語モデルの知識蒸留における効率化手法
- LLMの利用拡大には，低遅延かつ低コストな小規模モデルが不可欠である。
- 知識蒸留は効果的だが，教師モデルの利用やメモリ消費が課題となる。
- 本研究は，メモリ効率と計算速度を向上させ，大規模な知識蒸留を可能にする。
- オフライン知識蒸留により，教師モデルをメモリから解放し，反復速度を約29％向上させた。
- 融合型チャンク化KL損失により，メモリ使用量をシーケンス長に比例させ，コンテキスト長を4倍に拡張した。
- 損失カーネルの単独ベンチマークにより，メモリと反復速度のスケーリングが確認された。
自己言及：主体性を持つ奇妙なループが人間の文化をAIインフラに転換する方法 [cs.CY, cs.AI, cs.SI]目的：AIエージェントにおける自己言及能力のメカニズム解明
- AI技術の発展は，社会構造や人間の活動に大きな影響を与えている
- AIエージェントの自己認識や行動原理は未だ解明されていない点が多い
- AIエージェントの行動特性を説明するための新たな概念の提示
- LLMベースのエージェントが自己言及能力を持つことが，そのアーキテクチャから説明できることが示された。
- AIエージェントが人間の文化を自らのインフラとして再利用する事例が，Moltbookのデータから確認された。
- イスラムのハディース学やテセウスの船の思考実験が，AIエージェントのセキュリティや継続性のモデルとして活用されている。
M-GATE：多言語文法，翻訳の正確性，大規模言語モデルの効率のベンチマーク [eess.SY, cs.SY, cs.CL, cs.LG]目的：大規模言語モデルにおける多言語能力の評価基準
- グローバル化が進み，多言語対応がますます重要になっているため，言語モデルの多言語能力を正確に評価する必要がある。
- 既存のベンチマークは，言語そのものの習熟度ではなく，特定の言語でのタスク遂行能力を評価している場合が多い。
- 言語学的知識に基づいた評価により，言語モデルの真の多言語能力を明らかにし，低リソース言語への対応改善を目指す。
- M-GATEベンチマークは，30の多様な言語において，文法誤り検出，往復翻訳，トークナイザー効率を評価する。
- 翻訳能力と文法的な正確性は必ずしも一致せず，翻訳能力が高くても文法的な誤りを検出できないモデルも存在する。
- 翻訳品質は，事前学習データにおける言語の割合と相関し，低リソース言語では不利な状況にあるが，モデルの進化により改善傾向にある。
VIBE：VADに基づく実体中心の感情プロファイリングのためのベンチマーク [cs.HC, cs.CL, cs.AI]目的：大規模言語モデルの出力に対する，実体中心の感情プロファイリング
- 言語モデルが社会的に重要な対象を記述する際の感情表現の理解は，公平性と倫理的な利用に不可欠である。
- 既存の評価指標は感情，好感度，感情などを捉えているものの，VADに基づく実体中心の包括的な評価が不足している。
- VAD空間における実体中心の感情プロファイリングのためのベンチマークを確立し，評価基準を明確化すること。
- VIBEベンチマークは，生成と外部評価を分離し，好感度，レスポンスレベルのVAD，実体指向のVADを区別することで，感情プロファイリングの契約を定義した。
- 好感度は覚醒度と支配感を含むものではなく，覚醒度と支配感は評価者間のばらつきが大きいことが示された。
- 全体的な感情と特定の対象に対する感情は異なり，プロファイリングの際に文脈メタデータが重要であることが確認された。
UNVaMP：潜在知識ダイナミクスの変分正則化によるニューラル知識追跡 [cs.LG, cs.CY]目的：生徒の知識状態の潜在表現の進化と，それを用いた将来の応答予測
- 教育分野において，生徒の理解度を正確に把握し，個別最適化された学習支援を実現することは重要である。
- 従来の知識追跡手法では，知識状態の推定精度や解釈可能性のバランスが課題であった。
- 潜在知識ダイナミクスの変分正則化を通じて，知識状態の推定精度と解釈可能性を両立させる。
- UNVaMP-MLPは，比較対象モデルの中で4つのデータセットのうち3つで最も高い予測性能を示した。
- UNVaMP-MIRT（1PL MIRT測定関数を使用）は，UNVaMP-MLPにわずかに劣るものの，解釈可能性のコストは小さいことが示された。
- UNVaMPは，生徒の潜在変数の変動を制御する仕組み，知識状態推定の不確実性の定量化，多様な生徒-項目間相互作用特徴のサポートを提供する。
UHP検出：LVLMには一貫性空間における独特な幻覚パターンが存在する [cs.RO, cs.CV, cs.AI]目的：大規模ビジョン言語モデルにおける幻覚の検出
- 近年，マルチモーダル推論能力を持つ大規模言語モデルの利用が拡大している。
- これらのモデルは，視覚的証拠に基づかない幻覚を起こすことが課題となっている。
- モデルの幻覚を特徴づけるための，構造化された不確実性パターンを特定する。
- 提案手法であるUHP検出は，既存の幻覚検出手法よりも高い精度を示す。
- 特に，AUC-ROCとAUC-PRにおいて，最良の既存手法を最大+18.72%と+20.07%上回る。
- 一貫性グループの組み合わせが，幻覚の構造化されたパターンを形成し，汎化性能も高い。
FlowForm：流体物理とトポロジー整合性を融合した衛星洪水合成 [cs.RO, cs.CV, cs.AI]目的：衛星洪水合成のための新たなフレームワーク
- 災害対策において，正確な洪水予測と被害評価は不可欠である。
- 洪水に特化した画像生成のための高品質な衛星画像ペアデータが不足している。
- 既存手法における非現実的な洪水領域やシーン構造の歪みを改善する。
- FlowFormは，SWEに基づいた潜在的正則化と構造を意識した条件付けを統合し，より現実的な洪水画像を生成する。
- Flood Descriptor Module（FDM）は，拡散ボトルのネックにおける補助的な潜在フィールドの浅水方程式の残差に微分可能なペナルティを課す。
- Terrain Anchor Adapter（TAA）は，U-Netのエンコーダの4つのスケールで深度，セマンティック，エッジ特徴を注入し，生成画像の品質を向上させる。
Geo-Embed：都市理解のための統一されたマルチモーダル埋め込み [cs.CV, cs.LG]目的：都市理解のためのマルチモーダル埋め込みの統一的枠組み
- 都市の地理空間データは多様であり，それらを統合的に理解するモデルが求められている。
- 既存のモデルは汎用的な画像とテキストの照合に偏っており，地理空間タスクへの適応が不十分である。
- 多様な地理空間情報を統合し，空間関係や時間変化を考慮した都市理解を目指す。
- 本研究では，45の都市評価タスクを含む大規模なマルチモーダル埋め込みベンチマークGeoMEBを新たに構築した。
- また，異なる地理空間入力に対応する統一埋め込みモデルGeo-Embedを提案し，既存モデルを上回る性能を達成した。
- 本研究は，意味的，クロスビュー，領域レベル，時間的な対応関係を明示的に考慮した地理空間埋め込みモデルの開発を促進する。
履歴は履歴を意味する：ワークフロー永続化層におけるチェックポイント，中断，および再開セマンティクスの機械検証可能な準拠契約 [cs.MA, cs.LG, cs.DC, cs.LO, cs.SE]目的：中断，クラッシュからの回復，および再開における効果のセマンティクスに関する機械検証可能な契約の確立
- ワークフロー管理は，現代の分散システムにおいて重要な役割を担う基盤技術である。
- 既存のワークフローフレームワークでは，再開時の挙動に一貫性がなく，明確な契約が存在しない。
- 本研究は，ワークフローの再開セマンティクスに関する信頼性のある基準を提示し，フレームワークの準拠性を検証する。
- 再開セマンティクスに関する6つの特性（継続性，効果の正確性，分岐の決定性など）を定義した。
- TLA+モデルを用いて参照セマンティクスを厳密に検証し，スケーラビリティを実証した。
- 複数のフレームワーク（LangGraph, CrewAI, pydantic-graph等）を評価した結果，互換性がないことが明らかになった。
潜在ガード：LLMセーフガードのための効率的かつ検証可能な潜在的推論 [cs.AI]目的：LLMセーフガードのための効率的かつ検証可能な潜在的推論フレームワーク
- LLMの安全性を高めることは，社会への責任として重要であり，その応用範囲拡大に不可欠である。
- 既存の推論型ガードモデルは，推論過程の可視化は可能だが，計算コストが高いという課題がある。
- 潜在的推論を用いて効率化を図りつつ，必要に応じて推論過程を検証可能にすることが求められている。
- LatentGuard-8Bは，GuardReasoner-8Bと比較して，平均加重F1スコアを83.95から84.91へと向上させた。
- LatentGuardは，重要な推論パスにおけるトークン数を268.56から1.60へと大幅に削減することに成功した。
- 監査デコーダは監査有用性スコア85.75を達成し，LLMセーフガードの実用的な展開に向けた効率性と検証可能性を示した。
Oilbird：検証者が既に計算しているキーによる，学習不要の推測デコーディング [cs.AI]目的：学習を必要としない推測デコーディングの性能向上
- 大規模言語モデルの推論速度向上は，実用上の重要な課題である。
- 既存の推測デコーディングは，コンテキストの完全一致検索に依存するため，わずかな差異で失敗する。
- 隠れ状態を利用したセマンティックなドラフトソースを導入し，精度と速度を向上させる。
- 提案手法Oilbirdは，API-Bankベンチマークにおいて，自己回帰デコーディング速度の4.4倍を達成した。
- 既存の学習不要なベースラインと比較して，OilbirdはAccepted Lengthを24-29%向上させた。
- 隠れ状態による再キー化と既存のレキシカルドラフターとの統合により，精度向上を実現した。
感度，因果関係，修復の解離：摂動に対するロバスト性とスケーリングの層別解析 [cs.CL, cs.LG]目的：言語モデルの摂動に対するロバスト性の層別解析
- 大規模言語モデルの応用が拡大する中で，そのロバスト性は重要な課題である。
- 言語モデルは，表面的な摂動（誤字，OCRノイズ，同音異義語）に対して脆弱である。
- 摂動に対する脆弱性を層ごとに分析し，ロバスト性向上に資する。
- モデルの層構造により，摂動の影響を受ける箇所と修復に必要な箇所が異なることが示された。
- Qwen2.5のモデル規模拡大により，影響の蓄積パターンが明確化され，他のモデルファミリーでも同様の傾向が確認された。
- 適応器の配置場所に関するガイドラインが得られ，特に深い層に配置することが有効である可能性が示唆された。
MAFIA：監査済みのLLMエージェントに対する探索と事実注入によるクエリのみのメモリ攻撃 [cs.AI]目的：LLMエージェントのメモリに対するクエリのみの攻撃手法
- LLMエージェントは長期的な推論にメモリを活用するが，そのメモリは悪意のある記録に脆弱である
- 既存の攻撃は，大規模なメモリプールや入力監査の存在下では効果が薄い
- 高い検索競争率と厳格な意味的チェックを回避する攻撃手法を開発すること
- MAFIAは，メモリの探索，予算配分，スケジュール設定による注入戦略と，事実の隠蔽による監査回避を特徴とする
- 実験の結果，MAFIAは最大90.7%の攻撃成功率を達成し，監査検出率を最大83.3%から7.4%まで抑制することに成功した
- この研究は，エージェントメモリシステムの重大な脆弱性を明らかにする
FedCritic-MIMO：オープンかつ分散型6G RANにおける大規模MIMOリソース制御のための，効率的なサーバーレス分散型批判的学習 [cs.LG, cs.MA, cs.NI]目的：オープンかつ分散型6G RANにおけるAIネイティブなリソース制御
- 次世代無線通信技術である6Gにおいて，柔軟かつ効率的なリソース制御が重要である。
- 従来の集中型学習では，通信コストやプライバシーの問題が生じやすい。
- 分散型学習を活用し，通信コストを削減しつつ，高効率なリソース制御を実現すること。
- 提案手法FedCritic-MIMOは，他の手法と比較して，性能と通信コストのトレードオフにおいて最良の結果を示した。
- スループットの向上，ユーザレート分布の改善，QoSの満足度向上，干渉コストの削減が確認された。
- 共有された批判的パラメータのサーバーレスな交換により，中央集権的なパラメータ収集や集約なしにRANコントローラを協調させることができた。
バイオメディカルLLMの信頼性に対する量子化の影響 [cs.LG]目的：バイオメディカルLLMの信頼性評価における量子化の影響
- 近年のLLMは医療分野でも活用が期待されるが，その信頼性評価は重要な課題である。
- LLMの分類器としての性能は，プロンプトやスコアリング方法に大きく左右されるが，体系的な検証が不足している。
- LLMの量子化が信頼性に与える影響を，プロンプトやスコアリング方法との相互作用を含めて明らかにすること。
- 確率抽出プロトコルが，LLMの校正精度に最も大きな影響を与えることが示された。
- スコアリング方法の変更により，BioMistralとInstructの校正精度の順位が逆転し，モデルの選択が重要であることがわかった。
- INT8量子化は，BioMistralとInstructの精度にほとんど影響を与えなかったが，ベースモデルでは顕著な影響が見られた。
SMILESと自然言語の同時表現学習のための二重意味化学エンベッダー [cs.LG]目的：SMILESと自然言語の同時表現
- 創薬や材料開発において，分子構造と関連情報を効率的に処理する重要性が高まっている。
- 既存モデルは，化学構造に特化しすぎると，自然言語処理能力を失う問題があった。
- 分子構造と自然言語の両方を理解する，汎用性の高い表現学習を目指す。
- CheMatEは，分子構造と自然言語を同一の表現空間に捉える化学指向の埋め込みモデルである。
- 大規模なSMILES注釈付き科学文書コーパスとMatryoshka対照学習を用いることで，堅牢かつ汎用性の高い表現を獲得した。
- 分子特性予測や科学言語理解タスクにおいて，専門的な化学モデルや汎用言語モデルと同等の性能を示した。
表現類似度を超えて：ソース条件付き記述長ゲインによる生成型剽窃検出と候補ソース再ランキング [cs.CL, cs.AI]目的：生成型剽窃の検出と候補ソースの再ランキング
- 大規模言語モデルの普及に伴い，学術的な誠実性や査読プロセスの維持が重要課題となっている。
- 既存の剽窃検出手法は，AIの使用自体を検知することに偏りがちで，書き換えや多ソース合成後の検出が困難である。
- ソース情報に基づいた記述長ゲインを用いて，大幅な書き換えや多ソース合成下においても剽窃を正確に検出することを目指す。
- 提案手法SCDGは，PAN at CLEFベンチマークにおいて，Precision 0.92，Recall 0.97，F1 0.94を達成し，既存手法を上回る性能を示した。
- PAN 2026の多ソース検索タスクでは，nDCG@10が0.83，Recall@100が0.96に達し，既存手法を凌駕した。
- 同一テーマ・同一イベントのMulti-Newsテストでは，SCDG分類器はペアのわずか0.125%に対してソース再利用を予測し，トピックの重複に対する堅牢性を示した。
SciRet：科学的RAGにおける検索と再ランク付けに関する計算資源を考慮した実証的研究 [cs.CL, cs.AI, cs.IR, cs.PF]目的：科学的な質問応答における検索拡張生成のための検索と再ランク付けの実証的研究
- 科学研究の進展には，膨大な文献からの効率的な情報抽出が不可欠である。
- 既存の検索手法は，科学論文の特性に最適化されていない場合がある。
- 科学論文の検索・再ランク付けにおける計算資源と性能のトレードオフを明らかにすること。
- コーパス規模が大きくなるにつれて，生成される回答の信頼性が向上する傾向が見られた。
- ハイブリッド検索は，スパース検索または密検索のみよりも堅牢であり，Recall@10が1.000に達した。
- MS MARCOで学習したクロスエンコーダーによる再ランク付けは，科学コーパスにおいて精度を低下させた。
CRS-トリアージ：不完全な臨床証拠下における信頼度・確実度を考慮した選択的トリアージ [cs.LG]目的：緊急トリアージにおける患者の緊急度予測
- 救急トリアージは迅速な意思決定が求められるため，その精度向上は患者予後改善に不可欠である。
- 電子カルテのデータは不完全，信頼性が低い，または一貫性がない場合が多く，機械学習モデルの性能を低下させる。
- 不完全なデータでも信頼性の高い予測を行い，見過ごしリスクを低減することを目指す。
- 提案手法CRS-トリアージは，予測の信頼度をスコア化し，閾値と比較することで，判断を保留するかどうかを決定する。
- 構造化データと臨床テキストの信頼性を個別に評価し，両者の整合性を考慮することで，予測の信頼度を推定する。
- 重症患者の見過ごしを防ぐため，過剰トリアージを許容するようなペナルティを導入している。
ADMITBench：産業用LLM助言の許容可能性を評価するための安全制御型参照フレームワーク [cs.AI, cs.SY, eess.SY]目的：産業用LLM助言の許容可能性評価のための参照フレームワーク
- 産業におけるLLM活用は効率化に貢献するが，安全性確保が不可欠である。
- LLM助言の妥当性や安全性を検証する標準的な枠組みが存在しない。
- LLM助言が根拠に基づき，権限と手順に準拠し，安全性を満たすかを検証する。
- ADMITBenchは，提案された行動のレベルで産業用LLM助言を評価する参照フレームワークである。
- フレームワークは，利用可能な証拠，権限，手順，およびプラント固有の結果チェックに基づいて，助言の妥当性を検証する。
- バージョン管理されたプラントプロファイルを用いた非補償的なチェックにより，安全性を担保する。
因果関係発見への説明可能性：GENESIS [cs.AR, cs.LG, cs.AI]目的：説明可能な因果関係発見フレームワークの開発
- 因果推論は，科学的発見や意思決定において不可欠であり，データ駆動型アプローチの重要性が増している。
- 観測データからの因果関係発見は，サンプル数が少ない場合に構造的な曖昧さを解消することが困難である。
- LLMを活用した手法では説明性が不足しており，なぜ特定の因果関係が導き出されたのかが不明確である。
- GENESISは，グラフ構築を解釈可能な決定点に分解することで，100%の決定の追跡可能性を実現した。
- 従来の統計的手法と比較して，GENESISは構造的ハミング距離（SHD）において優れた性能を示した。
- 最新のLLM支援アプローチと同等の性能を維持しながら，説明可能性を重視した因果関係発見を可能にした。
ContinualSkillBench：LLMエージェントは真に能力を進化させられるか？ [cs.RO, cs.AI, cs.CL, cs.LG]目的：継続的なスキル学習の評価
- 複雑なタスク解決のためにLLMエージェントの活用が重要視されている。
- スキル獲得とタスク解決能力の向上という，進化の評価が不明確である。
- 継続的なスキル学習フレームワークで，能力進化の可能性を探る。
- 逐次実行は概ね性能を向上させるが，モデルやドメインによって改善度にばらつきが見られた。
- 文脈内学習は明示的なスキル維持と同程度の性能を示し，適応が主な改善要因である可能性が示唆された。
- 再利用可能な手続きや正確な出力が必要なタスクでは，明示的なスキルが有効である場合がある。
構造を意識した微調整によるVLM報酬モデルの強化 [cs.LG, cs.AI]目的：VLM報酬モデルの改善
- 強化学習において，効果的な報酬関数の設計は重要な課題である。
- 既存のVLM報酬モデルはノイズが多く信頼性が低いという問題がある。
- 構造的バイアスを用いてVLM報酬モデルの安定化を図る。
- SAFTは，VLMの潜在空間をLoRAアダプターで正則化し，報酬ランドスケープのノイズを低減する。
- SAFTは，基盤モデルの性能に関わらず，一貫してポリシーの収束を加速し，アラインメントを向上させる。
- SAFTは，人間の嗜好データに代わるスケーラブルな方法を提供し，タスク構造を一般的な誘導バイアスとして活用する。
AC運用可能な結合分布の学習による実行可能な合成電力グリッドシナリオ [cs.ET, cs.LG, cs.SY, eess.SY]目的：実行可能な合成電力グリッドシナリオの生成
- 電力系統の計画，レジリエンス評価，事故分析，データ駆動型応用に不可欠なシナリオ生成の重要性。
- 既存手法では，AC運用可能性や堅牢性が低く，実用的な電力系統研究への応用が制限される問題点。
- AC運用可能性を考慮した分布学習により，実行可能なグリッドシナリオを効率的に生成すること。
- 提案手法は，階層型拡散に基づき，ネットワーク構造，分岐電気パラメータ，時間変動負荷プロファイルの結合分布を学習する。
- AC電力潮流計算の収束と運用制約を組み込むことで，生成自体が実行可能なシナリオを生成する。
- ベンチマークシステムでの実験により，運用可能性と事故時の堅牢性が大幅に向上し，統計的忠実性が維持されることが示された。
MultiGlobeQA：地理空間推論のための多言語かつグローバルに多様なベンチマーク [cs.PF, cs.DC, cs.CL, cs.AI, cs.IR]目的：地理空間推論の性能評価
- ナビゲーションや物流において地理空間推論は不可欠であり，その重要性は高い。
- 既存のベンチマークは規模が小さい，言語が限定的，地理的網羅性が低いといった課題がある。
- 多言語かつ地理的偏りのない大規模ベンチマークを提供し，LLMの地理空間推論能力を詳細に評価する。
- LLMは，グリッドインデックスや形状計算を必要とするタスクで性能が著しく低下することが明らかになった。
- 地理的関係や方向に関するタスクは比較的良好な結果を示したが，性能は2/3以下で頭打ちとなった。
- 低所得地域において性能が低く，正解データを与えてもその差は縮小しないことから，計算能力がボトルネックであることが示唆された。
Omega-S：LLMファインチューニングのための機能的レジリエンス指標 [cs.LG, cs.NE, q-bio.MN]目的：LLMのファインチューニングにおける機能的レジリエンスの指標
- LLMの性能は，新しいデータでの学習によって既存の能力が低下しやすい。
- ファインチューニング時の知識の忘却（ catastrophic forgetting ）が課題である。
- 既存能力の低下を抑制し，ファインチューニングの安定化を図る。
- Omega-Sは，既存の学習ループに容易に組み込むことができ，計算コストも低い。
- Llama-3-8BとLoRAを用いた実験で，Omega-Sは既存能力の保持率を向上させた。（0.173 -> 0.238）
- Omega-Sは，tuned weight decayやEWCといった既存手法と比較しても優位性を示した。