arXiv雑要約
プログラム - 2026/03/13 公開
推測デコーディングのスケーリング則：シンプルなスループット最適化 [cs.CL, cs.IT, cs.LG, math.IT]目的：推測デコーディングにおけるスループット最適化
- 大規模言語モデルの推論速度向上は，実用化において重要な課題である。
- 推測デコーディングの効率的な運用には，パラメータ調整が不可欠だが，その最適化は実験的でコストがかかる。
- 事前学習済みのLLMのハイパーパラメータとスループット効率の関係を理論的に解明し，最適なパラメータを予測すること。
- 本研究では，事前学習済みのLLMの主要なハイパーパラメータと，推測デコーディングに基づく推論システムの効率との間に，解析的な関係が存在することを理論的に示した。
- この理論により，推論システムの各コンポーネントの最適なハイパーパラメータを，事前学習前に予測することが可能となる。
- 実験的アプローチに頼らず，コストを削減しつつ，スループットを最適化する道筋を示した。
コード記述前のコンテキスト：実践におけるバイブコーディングの経験報告 [cs.SE]目的：生産環境下における会話型「バイブコーディング」の実践経験
- ソフトウェア開発において，コード生成ツールの利用が拡大しており，その効果の検証が重要である。
- 生産環境下でのバイブコーディングに関する経験報告が不足しており，実用的な課題が不明確である。
- 明示的なアーキテクチャ制約とコンテキストプロンプティングを適用することで，実用的なシステム開発を加速すること。
- バイブコーディングは，スキャフォールディングや統合を加速したが，明示的に定義されていない分離規則やインフラストラクチャ制約が不十分なコードを生成する傾向があった。
- マルチテナンシー，アクセス制御，メモリポリシー，非同期処理など，アーキテクチャ設計と検証に意図的な努力が必要となった。
- ボイラープレートの実装から，制約の指定と監査へのエンジニアリング努力のシフトが見られた。また，会話型コード生成が信頼性の高い生産環境に適さない「非委譲ゾーン」が特定された。
多様性の拡大：汎用的なツール利用のためのエージェント的タスク合成 [cs.AI, cs.SE]目的：エージェント的タスク合成における多様性の拡大
- 大規模言語モデルのツール利用能力向上は，実世界問題への応用を広げる上で重要である。
- タスクやツールセットの変化に対する汎化性能が不十分であり，実用上の課題となっている。
- 多様なツール，組み合わせ，利用パターンを網羅し，汎化性能を高めることを目指す。
- DIVEは，ツール実行からタスクを逆導出する手法であり，実行可能性と検証可能性を確保しつつ多様性を拡大する。
- DIVEによる学習データでQwen3-8Bを訓練した結果，9つのOODベンチマークで平均22ポイント，最良の8Bベースラインを68ポイント上回った。
- 多様性の拡大が，データ量よりも汎化性能向上に有効であることが示された。
CR-Bench：AIコードレビューエージェントの実用性評価 [cs.RO, cs.SY, eess.SY, cs.SE, cs.AI, cs.CL]目的：AIコードレビューエージェントの有用性評価
- ソフトウェア開発の品質向上は，信頼性と保守性の確保に不可欠である。
- 既存の評価指標では，誤検出が多い場合にエージェントの真価を判断しにくい。
- AIコードレビューエージェントの性能を詳細に評価するための基盤を提供する。
- CR-BenchとCR-Evaluatorは，コードレビューエージェント研究のための標準化された評価環境を提供する。
- AIコードレビューエージェントは，潜在的な問題を全て検出しようとすると，ノイズが多くなりやすい。
- 問題解決率だけでなく，誤検出の少なさが，エージェントの有効性を左右するトレードオフが明らかになった。
LLM支援ソフトウェア設計のための品質重視エージェント推論：時間系列自己QAチェーンとしてのQuestions-of-Thoughts (QoT) [cs.RO, cs.SE, cs.AI]目的：LLM支援ソフトウェア設計における品質向上
- AI技術の発展によりソフトウェア開発の効率化が期待される。
- LLM生成コードは，実装の不完全性，モジュール化の弱さ，セキュリティの問題を抱える。
- QoTにより，制約検証と省略エラーの削減を目指し，設計の安定化を図る。
- QoTは，API設計，データ通信，ファイルシステムといったバックエンドエンジニアリング領域で有効性を示した。
- 大規模モデルや複雑なドメインにおいて，QoTは一貫して品質を向上させる。
- 小規模モデルでは，コンテキストや計画の制約により，トレードオフが生じる場合がある。
時間論理とオートマトン理論における確率的析取標準形 [cs.LO, cs.FL, math.PR]目的：不確実性を含む論理システムの表現と推論のための枠組み
- 論理システムは，知識表現や意思決定の基盤であり，その応用範囲は広い。
- 従来の論理形式では，不確実性の表現が困難であり，現実世界の複雑な状況に対応できない。
- 確率的な情報を論理システムに組み込み，不確実性下での推論を可能にすること。
- 確率的析取標準形(PDNF)は，確率情報を変数に割り当てることで不確実性を表現する。
- PDNFのベクトル空間構造を利用することで，代数的な証拠の組み合わせが可能となる。
- 指数関数的パラメータ化の下で，PDNFの加算はベイジアン証拠融合と整合性を示す。
再構成による理解：LLM事前学習のためのソフトウェア開発プロセスの逆転 [cs.SE]目的：大規模言語モデルの事前学習における，ソフトウェア開発プロセスの逆転を通じた理解の促進
- 大規模言語モデルはコード生成で成功を収めているが，複雑なソフトウェアエンジニアリングには限界がある。
- 既存の事前学習データは最終的な状態のみであり，計画やデバッグといった開発プロセスが欠如している。
- 静的リポジトリの背後にある潜在的なエージェントの軌跡を再構築し，より豊かな教師信号を提供する。
- 提案手法により合成された軌跡を用いた継続的な事前学習は，Llama-3-8Bの性能を大幅に向上させる。
- 特に，長文脈理解，コーディング能力，エージェントとしての機能において顕著な改善が見られた。
- このアプローチは，構造的な現実と論理的な厳密さを考慮することで，データ品質を保証している。
パラメータ化されたストリームの型安全な監視 [cs.SE, cs.FL, cs.PL]目的：複雑なサイバー・フィジカルシステムにおけるリアルタイムの安全保証
- 無人航空機等の安全性を高めるため，リアルタイムでの状態監視が不可欠である。
- 監視システムの動的データ構造の扱いは，実行時エラーのリスクを高める。
- 無限のデータ領域を扱う際の型安全性を確保し，実行時エラーを防止すること。
- パラメータ化されたストリームをRTLola監視フレームワークに型安全に統合した。
- リファインメント型システムにより，メモリ参照の安全性を保証し，実行時エラーの発生を効果的に抑制した。
- 自律航空機の監視仕様を含むベンチマークで，型分析の性能を評価した。
生成ネットワーク層プロトコルの初期化とレート・品質関数 [cs.NI, cs.IT, math.IT]目的：生成AIを活用したネットワークにおけるレート・品質関数の学習プロトコル
- 通信ネットワークの容量拡張に生成AIが活用できる可能性があり，重要性が高まっている。
- 生成AIによる近似データの品質評価が，送信レートや学習オーバーヘッドを考慮して困難である。
- 生成AI支援ネットワークにおけるレート・品質関数の学習を効率化し，実用的な圧縮基盤を確立すること。
- 提案手法は，送信元，ノード，宛先の3つの向きの初期化プロトコルを提供し，少ないデータでレート・品質推定を可能にした。
- 学習後わずか1～18回の伝送でJPEGよりも優位性を示し，圧縮方式に依存しない実用的な基盤を確立した。
- 統計的なデータ量決定により，必要な学習データの量を把握できることを示した。
セキュアなコード化キャッシュの体系的レビュー [cs.CR, cs.IT, math.IT]目的：セキュアなコード化キャッシュのセキュリティおよびプライバシー要件の分析
- CDNは情報伝達やエンタメ配信に不可欠であり，効率的なコンテンツ配信が求められている。
- 既存研究では，効率を優先した上でセキュリティを付加する傾向があり，セキュリティの比較・統合が困難である。
- セキュアなコード化キャッシュにおける未解決のセキュリティ・プライバシー課題を特定し，優先順位をつける。
- 本レビューでは，既存のセキュアなコード化キャッシュ方式をセキュリティレベルとコストの観点から評価した。
- セキュアなコード化キャッシュの技術的限界を分析し，他のセキュアコンテンツ配信技術との関連性を考察した。
- 今後の研究におけるセキュリティとプライバシーに関する課題を明確にし，その優先順位を提示した。
プログラマーの記述スタイルと行動バイオメトリクスの統合：プログラマー帰属に関する調査 [cs.SE]目的：プログラマー帰属研究の体系的マッピング
- ソフトウェア開発における知的財産保護やセキュリティ確保において，コードの著者を特定することは重要である。
- プログラマー帰属研究は多様な手法が存在するが，研究成果の体系的な整理と傾向の把握が困難である。
- 既存研究を統合し，今後の研究課題を明確にすることで，プログラマー帰属研究の発展に貢献することを目指す。
- 2012年から2025年の47の研究を分析し，著者の特定タスク，特徴カテゴリ，機械学習手法などを分類した。
- 記述スタイルに基づいた閉鎖環境での帰属が主流であり，行動特性や検証，再現性に関する研究は少ないことが示された。
- 本研究は，既存研究を統一的なフレームワークにまとめ，今後の研究の方向性を示す基盤を提供する。
ノイズと分散データにおけるミスマッチ曖昧性下の頻度モーメント [cs.DS, cs.DB]目的：ノイズを含むデータセットにおける統計的推定の新しい枠組み
- ビッグデータ解析において，データストリームや分散データでの効率的な統計推定は不可欠である。
- ノイズを含むデータに対する正確な頻度モーメントの推定は，計算コストが高く困難である。
- データ依存的な「ミスマッチ曖昧性」を用いて，効率的な頻度モーメント近似を可能にすること。
- 提案手法は，データストリームモデルおよびコーディネーターモデルにおいて，サブ線形空間とサブ線形通信を用いて頻度モーメントを近似できる。
- データストリームモデルにおいて，ノイズ環境下での頻度モーメント推定は，ノイズがない場合に比べて本質的に困難である。
- コーディネーターモデルでは，ノイズ下で入力サイズに対する対数通信を実現することは一般的に不可能だが，ミスマッチ曖昧性が一定の閾値を下回る場合は可能となる。
ExecVerify：コード実行推論のための検証可能な段階的報酬によるホワイトボックス強化学習 [cs.SE]目的：コード実行推論における強化学習による性能向上
- コード生成AIの性能向上は，ソフトウェア開発の効率化に不可欠である。
- 既存手法では，中間ステップの検証が難しく，教師データとの一致に偏りがちである。
- 実行トレースに基づいた検証可能な報酬を用いることで，正確なコード推論を実現する。
- ExecVerifyは，実行トレースから得られる検証可能な報酬（次の文の予測，変数値/型の予測）を組み込む。
- 制約ベースのプログラム合成により複数難易度のデータセットを構築し，強化学習を適用することで，各ステップでの意味的な正しさを重視した学習を行う。
- 7Bモデルが，コード推論ベンチマークで32Bモデルと同等の性能を達成し，コード生成タスクでpass@1を最大5.9%改善した。
パッチ過学習検出手法の実用的な課題の解明 [cs.SE]目的：パッチ過学習検出手法の実用的な有効性の評価
- 自動プログラム修理は開発者のデバッグ時間を削減し，ソフトウェア開発の効率化に貢献する重要な分野である。
- 既存の過学習検出手法は，現実的なデータセットでの評価が不足しており，実際のAPRツールで生成されたパッチへの有効性が不明である。
- 現実的な条件下で生成されたパッチを用いて，過学習検出手法の実用的な有効性を包括的に評価し，改善の方向性を示す。
- 既存の過学習検出手法は，多くのケースで単純なランダム選択よりも性能が劣るという結果が得られた。
- この結果は，現在の過学習検出手法の実用的なメリットが限定的であることを示唆している。
- 現実的なデータを用いたベンチマークと，ランダムサンプリングとの比較が，過学習検出手法の有効性評価に不可欠である。
巡回セールスマン問題に対するk-Opt局所探索のPLS完全性について [cs.DS, math.CO]目的：巡回セールスマン問題におけるk-Opt局所探索のPLS完全性
- 巡回セールスマン問題は組み合わせ最適化の古典であり，現実世界の様々な問題に応用される。
- k-Opt法は局所探索アルゴリズムであり，大規模問題に対する効率的な解法が求められている。
- k-Opt法がPLS完全であることの厳密な証明と，適用可能なkの値の低減を目指す。
- 本研究により，k-Opt法がPLS完全であることの最初の厳密な証明が得られた。
- 証明に必要なkの値が大幅に削減され，k≧15でPLS完全性が成り立つことが示された。
- この結果は，一般およびメトリック巡回セールスマン問題の両方に適用される。
RTL生成のためのLLMのループ内評価：品質，信頼性，および失敗モード [cs.CL, cs.AR, cs.SE]目的：RTL生成におけるLLMの品質，信頼性，および失敗モードの評価
- RTL生成は，ハードウェア開発において重要な役割を担うため，その自動化には高いニーズがある。
- 既存の評価手法では，機能的な正確性のみに焦点を当てており，合成可能性や実装品質が未測定のままである。
- LLMによるRTL生成の品質を定量的に評価し，改善点を示すことで，実用化への道筋を明確にする。
- 32のLLMを202のVerilogタスクで評価した結果，Gemini-3-Proが85.1のHQIスコアで最高性能を示した。
- LLMは，性能によって3つの階層に分類され，トップモデルはHQI71以上，ミドルモデルは53-68，ローモデルは53未満であった。
- 複数回の試行を行うことで性能が向上することから，多サンプル戦略の有効性が示唆された。また，プロプライエタリモデルとオープンウェイトモデルで失敗モードに違いが見られた。
iSWEエージェントによるJavaコードリポジトリの問題解決 [cs.SE, cs.AI, cs.MA]目的：Javaコードリポジトリにおける問題解決
- ソフトウェア開発において，コードリポジトリの問題解決は不可欠である。
- 既存の自動問題解決システムはPythonに偏っており，Java等の他の言語への対応が不十分である。
- Java言語に特化した自動問題解決システムの構築と性能向上を目指す。
- iSWEエージェントは，ローカライズと編集を行う2つのサブエージェントで構成されている。
- Javaの静的解析と変換に基づく独自のツールを活用し，Multi-SWE-benchとSWE-PolyBenchのJavaデータセットで最先端の性能を達成した。
- ルールベースとモデルベースの手法を組み合わせることで，エンタープライズソフトウェア開発の改善に貢献する。
幾何学的データ構造を用いた高速な関係代数アルゴリズム [cs.DB, cs.DS]目的：関係データに対する高速化手法
- 関係データ上の最適化は重要であり，特にクラスタリング等の処理時間が課題となる。
- 結合処理のコストが大きく，データセット全体へのアクセスがボトルネックとなる場合がある。
- 結合結果を具象化せずに，幾何学的クエリ処理をシミュレートすることで高速化を目指す。
- 提案手法RBBD木は，関係データベースにおける結合処理の結果を効率的に扱うための幾何学的データ構造である。
- 効率的なサンプリングとカウント技術を用いることで，必要な部分のみを動的に拡張し，結合結果の具象化を回避する。
- 関係k-center/means/medianクラスタリングにおいて，既存手法と比較して実行時間がk倍改善される。
AutoVeriFix+: トレース認識因果修正と意味的冗長性削減による高精度RTL生成 [cs.PL, cs.AR]目的：高精度なRTL生成手法
- ハードウェア設計の自動化は，設計期間の短縮とコスト削減に不可欠である。
- LLMによるVerilog生成は，学習データ不足により機能エラーが発生しやすい。
- 本研究は，LLMの機能的正確性を向上させ，設計効率を高めることを目指す。
- AutoVeriFix+は，Pythonによるリファレンスモデル生成，Verilog候補生成・修正，およびConcolicテストの3段階フレームワークである。
- 厳格なベンチマークにおいて80%以上の機能的正確性を達成し，VerilogEval-machineデータセットで90.2%のpass@10スコアを獲得した。
- また，トレース認識による最適化により，ベンチマーク間で平均25%の冗長ロジックを削減することに成功した。
局所プライバシー下における頻度推定の厳密な最適性 [cs.IT, cs.CR, math.IT]目的：頻度推定における厳密な最適性
- プライバシー保護技術は，個人情報保護の観点から重要性が増している
- 局所プライバシーは，データ収集側の情報漏洩リスクがある
- 頻度推定の精度向上とプライバシー保護のバランスを取る
- 本研究では，頻度推定において，対称かつ極値設定を持つ推定器が最大精度を達成するのに十分であることを証明した。
- 最適な推定器の通信コストが，辞書サイズdに対してlog₂((d(d-1)/2)+1)程度まで低下することを示し，その推定器を生成するアルゴリズムを提案した。
- 提案手法である修正Count-Mean Sketchは，十分大きな辞書サイズにおいて理論的な最適性に近似することを示した。
BFSを超えて：GPUにおける根付き木探索アルゴリズムの比較研究 [cs.DC, cs.DS]目的：GPU環境における根付き木探索戦略の比較
- グラフ解析は，ネットワーク分析やデータマイニングなど，幅広い分野で重要性が増している。
- 従来のGPU実装ではBFSが主流だが，直径の大きいグラフでは並列性が制限される。
- 直径の大きいグラフにおいて，BFSの制約を克服する新たな根付き木探索手法を検討する。
- 提案するGConnベースのアプローチは，高直径グラフにおいて最適化されたBFSを最大300倍上回る高速化を実現した。
- 接続性に基づく手法のO(log n)ステップ複雑さが，構造的オーバーヘッドを上回り，GPUグラフ解析における根付き木探索の再考を促す。
- Path Reversal RST (PR-RST)アルゴリズムのGPU適応版を導入し，ポインタジャンプとブロードキャスト操作を最適化した。
流体再構成可能インテリジェントサーフェスによるインデックス変調 [cs.IT, math.IT]目的：流体再構成可能インテリジェントサーフェスを用いたインデックス変調フレームワーク
- 無線通信におけるスペクトル資源の有効活用が重要であり，インテリジェントサーフェス技術はその有力な手段の一つである。
- 従来のRISでは，位相制御のみに留まり，空間的自由度の活用が限定的であった。
- 流体アンテナとRISを組み合わせ，位置再構成による空間的自由度を付加し，通信性能向上を目指す。
- 提案するフレームワークは，連続的および有限ビット位相制御の両方をサポートし，FRIS側の空間相関を考慮する。
- 受信アンテナインデックス選択による情報ビット伝送を実現するFRIS-RSMおよびFRIS-RSSKの2つの伝送方式を開発した。
- シミュレーション結果は，従来のRIS支援方式と比較してBERの大きな改善を示し，分析の正確性を検証した。
回転アンテナによる隠蔽通信 [eess.SY, cs.IT, cs.SY, math.IT]目的：回転アンテナを用いた隠蔽通信システムの最適化
- 無線通信において，空間的多自由度利用が性能向上に不可欠である。
- 既存の固定アンテナでは，空間的多自由度を十分に活用できない課題がある。
- 回転アンテナを利用し，隠蔽性と通信レートを両立するシステムの実現を目指す。
- 提案手法では，送信ビームフォーミングと回転角度を最適化することで，隠蔽通信レートを最大化する。
- 非凸問題に対して，効率的な交互最適化アルゴリズムを適用し，解を導出した。
- シミュレーション結果から，提案手法が既存手法と比較して優れた隠蔽性能を示すことが確認された。
バッファと無制限乗り換えのためのダイクストラ法の適応 [cs.DS, cs.AI, cs.RO]目的：公共交通機関における，無制限乗り換えを伴う経路探索
- 経路探索は，都市生活や交通システムの効率化に不可欠であり，その重要性は高い。
- 従来のダイクストラ法は，時刻表ベースの手法に取って代わられ，体系的な比較が不足していた。
- バッファ時間を考慮したダイクストラ法の改良により，より正確かつ効率的な経路探索を実現する。
- 時間依存ダイクストラ法（TD-Dijkstra）がMRよりも優れた性能を示すことが示された。
- バッファ時間を持つ停留所において，従来の接続フィルタリングが不適切であることが判明した。
- Transfer Aware Dijkstra（TAD）により，バッファ時間を正確に扱いながら，MRよりも2倍以上の高速化を達成した。
有向グラフにおける全域木を最適時間で列挙 [cs.DS]目的：有向グラフにおける，特定の根を持つ全域木の列挙
- グラフ理論はネットワーク分析や情報処理の基礎であり，効率的なアルゴリズム開発が不可欠である。
- 有向グラフ全域木列挙問題は，無向グラフに比べて計算量が大きく，効率的なアルゴリズムが課題であった。
- 本研究は，有向グラフ全域木の列挙において，無向グラフと同等の最適時間であるO(n+m+N)を達成することを目指す。
- 本研究により，有向グラフ全域木をO(n+m+N)時間，O(n+m)空間で列挙するアルゴリズムが開発された。
- この改善は，極めて少ない有向全域木を持つグラフの純粋なグラフ理論的特徴付けに基づいている。
- これにより，無向グラフと同等の時間制約で有向グラフ全域木の列挙が可能となった。
要件トレーサビリティリンク回復の強化：T-SimCSEによる新しいアプローチ [cs.SE]目的：要件トレーサビリティリンクの回復
- ソフトウェア品質確保と変更対応において，要件トレーサビリティは不可欠である。
- 既存手法は精度が十分でなく，大規模なラベル付きデータセットを必要とする場合が多い。
- ラベル付きデータが少ない状況下でも，高精度な要件トレーサビリティリンクを回復すること。
- 提案手法T-SimCSEは，SimCSEモデルを用いて要件と対象成果物間の類似度を計算する。
- 新たな指標（特異性）を用いて対象成果物を再順位付けし，上位K個との間にトレーサビリティリンクを作成する。
- 10の公開データセットを用いた評価により，T-SimCSEが再現率と平均適合率において優れた性能を示すことが確認された。
線形代数幾何符号の双対性と復号 [cs.DB, cs.HC, cs.IT, math.AG, math.IT]目的：線形代数幾何符号の復号アルゴリズム
- 通信や情報理論において，誤り訂正符号はデータの信頼性確保に不可欠である。
- 既存の符号では，計算量や性能に限界があり，より効率的な符号が求められている。
- 関数体上の除算代数における線形代数幾何符号の復号問題を解決すること。
- 未分岐評価点を持つ線形代数幾何符号に対して，多項式時間で動作する復号アルゴリズムを設計した。
- 線形代数幾何符号の双対符号（線形微分符号）が，随伴代数上での線形代数幾何符号と一致することを示した。
- セールの双対性とリーマン・ロッホの定理を確立することで，復号アルゴリズムの正当性を証明した。
自動攻撃スクリプト生成：MDAアプローチ [cs.CR, cs.SE]目的：サイバーセキュリティ教育における実習のための攻撃スクリプトおよび攻撃環境の自動生成
- サイバーセキュリティ人材育成において，実践的な演習は不可欠である。
- 演習環境の構築には，費用，時間，技術力が必要であり，人的エラーも発生しやすい。
- 非定型な攻撃シナリオ記述から，自動的にスクリプトと攻撃環境を生成し，上記課題を解決する。
- 本研究では，MDA開発手法に沿って，攻撃シナリオを記述するための形式言語を提案した。
- TOSCA標準を用いてプラットフォーム非依存モデルを記述し，複数のプラットフォーム依存モデルを生成可能とした。
- これにより，サイバーセキュリティ訓練用攻撃実装の改善と，プラットフォーム間での再利用に貢献する。
AIエージェントにおける社会的，法的，倫理的，共感的，文化的規範の運用化 [cs.AI, cs.SE]目的：AIエージェントの規範要件の特定，検証，実装，および検証のための体系的なSLEEC規範運用化プロセス
- 医療や法執行など，AI利用が拡大する中で，人間の規範との整合性が不可欠となっている。
- 国際的な枠組みはあるものの，抽象的な原則を具体的な要件に変換する手法が不足している。
- AIエージェントを人間規範と価値観に合致させ，機能性と倫理性を両立させるための枠組みを確立する。
- 本研究では，SLEEC規範の運用化プロセスを提案し，そのための方法とツールを調査した。
- このプロセスにより，AIエージェントの行動を人間規範に沿って検証可能にすることが可能となる。
- また，今後の研究課題と政策課題を明確にし，AI開発の方向性を示すことを目的とする。
要件工学における品質属性のバランスを取るためのマルチエージェント交渉：QUARE [cs.SE]目的：要件工学における品質属性間のバランスの実現
- ソフトウェアの成功には要件工学が不可欠であり，その自動化は重要な課題である。
- 既存手法では，複数の品質属性間の対立を明確に表面化し，解決することが難しい。
- 品質属性間の対立を明示的に扱い，解決する交渉プロトコルを提示すること。
- QUAREは，5つの品質属性に特化したエージェントによる交渉を通じて，要件分析を構造的に行う。
- 既存手法と比較して，98.2%の適合性カバレッジ，94.9%の意味的保存率，4.96/5.0の高検証可能性を実現した。
- 要件自動化は，モデルの規模よりも，アーキテクチャの分解，明示的な対話プロトコル，自動検証に依存すると示唆された。
ソフトウェアアーキテクチャコース設計における知識獲得と意思決定のための協調的・パターンに基づくトレーニング手法：ケーススタディ [cs.SE]目的：ソフトウェアアーキテクチャコース設計における知識獲得と意思決定のトレーニング手法
- ソフトウェアアーキテクチャは，ソフトウェア開発の根幹であり，システムの品質や保守性に大きく影響する。
- ソフトウェアアーキテクチャ教育は抽象度が高く，実践的な環境の再現やチームコラボレーションが課題である。
- 本研究は，実践的で構造化されたトレーニングプログラムを提供することで，ソフトウェアアーキテクチャ設計スキルを育成する。
- コロンビアとアルゼンチンの大学間で協調学習を実施し，トレーニングパターンの有効性を評価した。
- トレーニングパターンは，教授者と学生の能力向上に貢献し，技術受容モデルに基づいた有用性と使いやすさが確認された。
- トレーニングパターンのカタログを提案し，業界のような環境をシミュレーションし，段階的な学習を促進することが示された。
格子上の不動点ゲームに対する証明者 [cs.LO]目的：不動点ゲームにおける戦略導出および，ある関数 Least Fixpoint が与えられた境界より上か下かを示す証明
- プログラム検証やシステム設計において，システムの振る舞いを形式的に記述し検証する技術は重要である。
- 既存手法では，複雑なシステムの振る舞いに対する証明が困難であり，効率的な検証方法が求められている。
- 格子理論に基づくアプローチにより，証明の自動化および効率化を目指す。
- 本研究では，不動点ゲームにおける戦略を導出するための証明者構造を構築した。
- 証明者は，Least Fixpoint がある境界に対して上か下かを判定するのに役立つ。
- 本理論を bisimilarity や確率システムの振る舞いメトリクス，マルコフ連鎖の終止確率下限の証明に応用した。
t-部分集合とt-多重集合に対する普遍的サイクルを，有界重みド・ブリュイン数列の復号によって解読する [cs.MA, cs.DL, cs.DM, cs.IT, math.CO, math.IT]目的：t-部分集合とt-多重集合に対する普遍的サイクルの復号
- 組合せ論的対象の列挙は，情報理論や暗号理論などに応用される重要な研究分野である。
- 普遍的サイクルの効率的な復号アルゴリズムが，これまで十分に開発されていなかった。
- 有界重みド・ブリュイン数列の復号アルゴリズムを開発し，それを用いてt-部分集合とt-多重集合の普遍的サイクルを復号する。
- 文字列の長さn，アルファベットサイズkに対する有界重みド・ブリュイン数列の，初めての多項式時間/空間の復号アルゴリズムが開発された。
- この結果は，t-部分集合とt-多重集合に対する普遍的サイクルの復号に応用される。
- 効率的な復号アルゴリズムの提供により，組合せ論的対象の取り扱いの効率化が期待される。
k-部分集合およびk-多重集合の普遍的サイクル構成 [cs.DM, cs.IT, math.CO, math.IT]目的：k-部分集合とk-多重集合に対する効率的な普遍的サイクル構成
- 組み合わせ対象の配列順序決定問題において，全ての要素を一度ずつ含む閉路を見つけることが重要である。
- 単純な文字列表現では，k-部分集合やk-多重集合の普遍的サイクルは必ずしも存在しないという問題がある。
- 新しい表現を用いることで，k-部分集合とk-多重集合に対する効率的な普遍的サイクル構成を可能にすることを目指す。
- k-部分集合とk-多重集合に対して，全てのn, k >=2において効率的な普遍的サイクル構成を初めて実現した。
- 提案手法は，O(n)時間，O(n)空間で記号あたりにサイクルを構成可能である。
- ネックレス連結アルゴリズムを用いることで，記号あたりにO(1)の償却時間で同じ系列を生成できる。
マトロイドとナップサック制約下における非単調サブモダラー最大化のための決定性アルゴリズム [cs.DS, cs.CC, math.OC]目的：非単調サブモダラー関数の最大化
- 組合せ最適化の重要な研究分野であり，幅広い応用を持つ。
- 高精度な近似アルゴリズムの多くは確率的である。
- マトロイドとナップサック制約下での決定性近似アルゴリズムを開発する。
- マトロイド制約下では，近似率$(0.385 - \epsilon)$を達成する決定性アルゴリズムを提案する。
- ナップサック制約下では，近似率$(0.367 -\epsilon)$を達成する決定性アルゴリズムを提案する。
- 提案アルゴリズムは，既存の決定性近似アルゴリズムを改善する。
良好なクラスタが存在する場合のピボットに基づく相関クラスタリング [cs.DC, cs.CL, cs.DS]目的：良好なクラスタの存在下における相関クラスタリング手法
- クラスタリングは，データ分析において重要な役割を担う基本的な手法の一つであります。
- 従来のピボットに基づくクラスタリングアルゴリズムは，近似率の改善が課題であります。
- 良好なクラスタを事前に除去することで，近似率の向上を目指すものであります。
- 良好なクラスタを除去する手法により，近似率が2.9991に改善されることが示されました。
- 合成データセットを用いた実験では，提案手法が従来のアルゴリズムよりも優れた性能を示すことが確認されました。
- 良好なクラスタの検出アルゴリズムに対しても，改善が見られることが示唆されました。
差分プライバシーにおける情報漏洩リスクの理解：ノイズ較正と監査への応用（拡張版） [cs.ET, cs.CR, cs.IT, math.IT]目的：差分プライバシーにおける情報漏洩リスクの定量化と評価
- データ共有の安全性確保は重要であり，差分プライバシーはそのための有力な手段である。
- 既存のリスク評価指標は，脅威を網羅せず，誤ったリスク推定をもたらす可能性がある。
- 再構成優位性という指標を用いて，より正確かつ包括的なリスク評価を実現する。
- 再構成優位性は，メンバーシップ推論，属性推論，データ再構成といった様々な攻撃を統一的に捉える。
- 差分プライバシーのノイズと攻撃者の優位性の関係に関する厳密な境界を導出。
- 再構成優位性に基づいたノイズ較正とDP監査の体系的な枠組みを提供し，利便性とプライバシーのトレードオフを改善。
高性能強化学習環境の自動生成 [cs.LG, cs.AI, cs.SE]目的：高性能強化学習環境の自動生成手法
- 強化学習の発展には，効率的な環境構築が不可欠である。学習速度や性能に大きく影響する。
- 従来の環境実装には専門的な知識と時間がかかり，開発のボトルネックとなっていた。
- 少ない計算コストで，高性能な強化学習環境を自動的に生成することを目指す。
- 提案手法により，わずか10ドル以下の計算コストで，意味的に等価な高性能環境を生成できることを示した。
- EmuRustやPokeJAXといった環境において，既存実装と比較して大幅な高速化を実現した。
- 生成された環境は，シミュレーションとシミュレーション間のギャップがゼロであり，再現性も確認された。
時間，メッセージ，メモリ効率に優れた分散最小全域木と部分集約 [cs.DS]目的：分散最小全域木問題および部分集約問題における時間，メッセージ，メモリ効率の向上
- 分散アルゴリズムは大規模ネットワークにおいて必要不可欠だが，メモリ消費量が実用上の大きな制約となる場合がある。
- 既存の分散最小全域木アルゴリズムは，時間効率，メッセージ効率，メモリ効率のいずれかのみに優れる傾向がある。
- 時間，メッセージ，メモリ効率を同時に達成することで，実用的な分散アルゴリズムの実現を目指す。
- 本研究では，時間，メッセージ，メモリ効率に優れた決定論的アルゴリズムを提案した。
- 提案アルゴリズムは，最小全域木問題に加えて，より一般的な部分集約問題にも適用可能である。
- 本研究で得られた技術は，他の分散問題におけるメモリ効率改善に貢献する可能性がある。
モーダル定義可能性と保存定理は有限構造へどのように移行するか [cs.LO]目的：有限構造におけるモーダル定義可能性と保存定理の移行
- 論理学の基礎であり，知識表現やAIへの応用が期待される。
- 無限構造で成り立つ定理が，有限構造では必ずしも成立しない。
- 有限構造におけるモーダル論理の限界と可能性を明らかにする。
- いくつかのモーダル公式クラスに対する意味論的特徴付けは，有限構造においても成立する。
- 基本的なフレーム演算に対する一次保存定理の多くは，有限構造では成り立たない。
- 双シミュレーション安全性定理は，有限構造へ移行可能である。
共代数的パス制約 [eess.SY, cs.SY, cs.LO]目的：共代数の余多様体の公理化
- 代数の多様体の公理化と異なり，共代数の余多様体の公理化は直感的ではないため，新しい手法が求められている。
- 既存の手法は，共代数的様相論理，パターン回避仕様，隠れた代数に依存しており，扱いが難しい。
- 代数的な風味を持つ，終結共代数を定義するパス制約を導入し，共代数の余多様性を記述する。
- 等価な値をパスに割り当てることで，パス制約が余多様体を定義することを示した。
- パスから計算された値がモナド内で表現される場合，パス制約と共方程式との関係を明らかにした。
- 共方程式を表現するのに必要な色の数の上限を計算し，初期/終結列との関連性を示した。
バッチ挿入に対するB木における断片化の抑制 [cs.DS, cs.DB]目的：B木における断片化の抑制策
- データベース設計において，データ構造の内部断片化は重要な課題である。
- 従来のB木は，ランダムな挿入には有効だが，バッチ挿入に対する性能劣化が懸念される。
- バッチ挿入においても良好な空間利用率を維持する手法を確立すること。
- バッチ挿入に対するYaoの分析を拡張し，より広範なワークロードに対して均等分割戦略の有効性を示した。
- 残りのワークロードに対しては，良好な空間利用率を保証する代替戦略を提案した。
- 提案手法は，バッチ挿入環境下でのB木の空間利用率を改善する。
学習された衝突を用いたニューラルネットワークの漸進的検証 [cs.LO, cs.AI]目的：ニューラルネットワーク検証における効率向上
- ニューラルネットワークの安全性や信頼性評価において，検証は重要な役割を果たす。
- 既存手法では，検証クエリごとに独立して探索を行うため，計算資源の浪費が生じる。
- 学習された衝突を再利用することで，不要な探索を削減し，検証を高速化する。
- 提案手法は，既存の分岐限定法ベースの検証器に追加可能である。
- 検証時に得られた衝突（活性化相の組み合わせ）を保持し，関連クエリ間で再利用する。
- 実験結果から，本手法は最大で1.9倍の高速化を実現し，検証コストを削減できることが示された。
テキストプライバシーのための選択的タスク認識メカニズム：STAMP [cs.LG, cs.CR, cs.IT, math.IT]目的：タスクを意識したテキストのプライバシー保護
- 個人情報保護は，AI技術の発展と普及において不可欠な課題である。
- 既存手法では，プライバシー保護とタスク性能のバランスが難しい場合がある。
- トークンごとにプライバシー予算を最適化し，プライバシーと実用性の両立を目指す。
- STAMPは，トークンの重要度とプライバシー感受性を考慮し，プライバシー予算を適切に配分する。
- 新たな極メカニズムを導入し，埋め込み表現の方向のみを摂動することで，意味的な近傍関係を維持する。
- SQuAD，Yelp，AG Newsデータセットでの実験により，STAMPが優れたプライバシー・ユーティリティのトレードオフを実現することが示された。
誘導部分グラフと粗い木分解 [math.CO, cs.DM, cs.DS]目的：グラフの木分解における距離独立数の上限
- グラフ理論は，ネットワーク構造の解析に不可欠であり，計算機科学や応用数学の基盤である。
- 大規模グラフの木分解は計算コストが高く，実用的なアルゴリズムの開発が課題である。
- 木分解の各袋の距離独立数を抑えることで，効率的な木分解の構築を目指す。
- グラフが$K_{t,t}$と$\boxplus_t$を誘導部分グラフとして含まない場合，木分解の各袋の距離$16(\log n + 1)$-独立数は上限を持つ。
- 距離$8$-独立数の上限に関して，より緩やかな結果も得られた。
- これらの結果は，グラフの構造と木分解の複雑さの関係を明らかにする上で重要である。
部分的な情報下におけるグラフ生成手法 [q-fin.ST, cs.CL, stat.ME, cs.DS]目的：特定の次数列を持つグラフの生成
- ネットワーク科学において，グラフ構造は様々なシステムのモデリングに不可欠である。
- 与えられた次数列を持つグラフの生成は，計算量が多く，大規模なグラフでは困難である。
- 大規模なグラフに対しても効率的にグラフを生成する手法の開発を目指す。
- 二部グラフ生成のための逐次的な手法を提案し，実行可能性を保証する条件を確立した。
- この結果に基づき，異なる規模の問題に対応できる二部グラフの列挙とサンプリングアルゴリズムを開発した。
- 提案手法を指向グラフと無向グラフに拡張し，大規模インスタンスにおける性能を実証した。
可換群と状態非依存コンテクストゥアリティー [quant-ph, cs.LO]目的：状態非依存コンテクストゥアリティー議論の研究のための代数構造
- 量子力学の非古典性を特徴づける重要な概念であり，量子情報科学の基盤となる。
- 既存の研究では，コンテクストゥアリティーの一般的な性質解明が難しく，量子優位性の源泉としての利用が限定的である。
- 可換群を用いたコンテクストゥアリティーの表現と解析により，その性質を明らかにし，量子優位性への応用を促進する。
- 状態非依存コンテクストゥアリティー議論を研究するための代数構造である「可換群」を導入し，生成子と関係式によって表現した。
- コンテクストゥアリティーの証拠となる一般的な形式「コンテクスチュアルワード」を定義し，それが可換群内でどのように現れるかを特徴づけた。
- 可換群のユニタリー表現を，一般化されたパウリn群の部分群として構築した。
Σ₀² における位置性と完全性に関する結果 [cs.LO]目的：無限期間ゲームにおける先手プレイヤーの位置戦略の存在
- ゲーム理論は，人工知能や経済学など，様々な分野で意思決定のモデル化に不可欠である。
- 位置戦略の判定問題は，複雑であり，特定の条件下でのみ効率的な解法が知られている。
- より広範なゲームにおいて位置戦略が存在する条件を特定し，その判定を可能にすること。
- Σ₀² における位置性で，中立文字を持つ目的関数は，可算順序数上の履歴決定的単調co-Büchiオートマトンで認識されることが示された。
- 平均報酬目的関数が任意のゲームグラフ上で位置性を持つことが証明された。
- 有限グラフ上で位置性を持つ目的関数 W は，W と同値で任意のグラフ上で位置性を持つ W' に拡張可能である。
有限時間帯域積下におけるナイキストレートを超える信号伝送 [cs.IT, math.IT]目的：有限時間帯域積下におけるナイキストレートを超える信号伝送の性能評価
- 無線通信において，限られた周波数資源を効率的に利用することは重要な課題である。
- 従来のナイキストレート伝送では，短パケット通信においてレート低下が避けられない。
- 本研究は，ナイキストレートを超える信号伝送により，このレート低下を抑制することを目的とする。
- ナイキストレートを超える信号伝送は，有限時間帯域積下において，非同期的な場合よりも大きなレート向上を実現しうる。
- 適切に設計されたナイキストレートを超える信号伝送システムは，プロレートスフェロイド波関数伝送の理論的限界に近づくことが示された。
- 最適な時間加速係数，パルス形状，およびターボイコライザーベースの符号化方式に関する実用的な設計基準を提示する。
わずかに非線形な高階木変換器 [cs.FL, cs.LO]目的：高階木変換器の計算能力
- 木構造の変換は，プログラミング言語の解析やデータ変換など，様々な分野で重要な役割を果たす。
- 従来の木変換器では，複雑な木構造の変換や，メモリ管理が課題となっていた。
- アフィンラムダ項を用いた木変換器の表現力を解析し，その限界を明らかにすること。
- アフィンラムダ変換器を木探索変換器に変換できることを示した。アフィンメモリを用いる場合は可逆的な木探索変換器となる。
- アフィンラムダ計算における「暗黙的オートマトン」に関するNguy\^enとPradicの予想を証明した。
- MSOリレーベリングと限定的な非線形性を加えたより強力な変換器は，invisible pebble tree transducersと同等の表現力を持つ。
- 1
- 2