arXiv雑要約
プログラム - 2026/04/30 公開
低高度ネットワークにおけるタイムリーな状態更新のためのモデル予測通信 [eess.SY, cs.IT, cs.SY, eess.SP, math.IT]目的：低高度ネットワークにおけるタイムリーな情報伝達の最適化
- UAVナビゲーション等，時間的制約が厳しい用途において，低高度ネットワークでの情報伝達は不可欠である。
- データ鮮度，UAVのエネルギー消費，地上サービスへの干渉のバランスが課題である。
- エネルギー消費と地上チャネル占有のトレードオフを考慮し，厳密なタイムリー性を実現すること。
- 提案手法は，既存手法と比較して地上チャネル占有を最大6倍削減し，6dBのエネルギー節約を達成した。
- 本フレームワークは，高度なチャネルセンシング技術を活用し，UAVが経験するチャネル状態の予測可能性に基づいている。
- 問題は二層構造に分解され，外層で最適な通信タイミングを，内層で最適な電力とチャネル割り当てを決定する。
短ブロック符号における意味的誤り訂正と復号 [cs.IT, cs.AI, math.IT]目的：ノイズのある無線チャネルを介した自然言語文の伝送
- 無線通信において，信頼性の高い情報伝送は不可欠であり，誤り訂正符号が重要な役割を果たす。
- 短ブロック符号は低遅延だが，誤り耐性が低いという課題がある。
- 自然言語の文脈情報を活用し，短ブロック符号の誤り耐性を向上させる。
- 提案手法は，従来の短符号や長符号と比較して，大幅に性能が向上することがシミュレーションによって示された。
- 意味的誤り訂正（SEC）は，単純な短符号伝送に対して約0.4dBのBLER利得を提供し，意味的リスト復号（SLD）はこれを0.8dBに拡張する。
- 意味的確信度に基づくHARQ（SHARQ）は，従来のHARQに対してさらに1.5dBの利得をもたらす。
AIエージェントはどのように資金を使うか？ エージェント型コーディングタスクにおけるトークン消費の分析と予測 [cs.CL, cs.AI, cs.CY, cs.HC, cs.SE]目的：エージェント型コーディングタスクにおけるトークン消費パターン
- AIエージェントの普及により，LLMトークン消費が急増しており，コスト管理が重要になっている。
- タスクによってはトークン消費量が大きく，その内訳や予測が困難である。
- エージェント型コーディングタスクにおけるトークン消費パターンを明らかにし，トークン効率の改善に貢献する。
- エージェント型タスクは，従来のコード推論やチャットと比較してトークン消費量が1000倍も多いことが判明した。
- トークン消費量はタスクごとに大きく変動し，消費量と精度には必ずしも相関関係がないことが示された。
- モデルによってトークン効率に大きな差があり，GPT-5と比較してKimi-K2やClaude-Sonnet-4.5の消費量が大幅に多いことが明らかになった。
DiRe-RAPIDS：大規模なトポロジー忠実な次元削減 [cs.LG, cs.AI, cs.SE, cs.SI]目的：高次元データの次元削減手法
- データの可視化には不可欠であり，複雑なデータ構造の理解を助ける。
- 既存手法はノイズを記憶し，データの全体的なトポロジーを歪める問題がある。
- トポロジー構造を忠実に再現し，より正確な次元削減を実現する。
- DiReは，トポロジー忠実性ベンチマークにおいて，UMAPと同等以上の分類性能を示す。
- ストレステストでは，正確な第1ベッチ数を回復することに成功した。
- 723K件のarXiv論文埋め込みにおいて，UMAPと比較して3～4倍多くのトポロジー構造を保持する。
エージェントハーネス工学：コーディングエージェントハーネスの観察可能性に基づいた自動進化 [cs.IR, cs.CL, cs.SE]目的：コーディングエージェントハーネスの自動進化
- コーディングエージェントの性能は，ハーネスに大きく依存しており，その自動化が重要である。
- ハーネス工学の自動化は，多様な行動空間，希薄でノイズの多い評価シグナルなどが課題となっている。
- 観察可能性を高めることで，ハーネスの進化を自律的に進め，試行錯誤を減らすことを目指す。
- AHEの10回の反復により，Terminal-Bench 2におけるpass@1が69.7%から77.0%に向上し，人間の設計したCodex-CLI（71.9%）や，自己進化型ベースラインACE，TF-GRPOを上回った。
- 進化後のハーネスは再進化なしに転移可能であり，SWE-bench-verifiedでは，初期ハーネスより12%少ないトークンで集計成功率が向上した。
- Terminal-Bench 2では，3つの代替モデルファミリー間で+5.1～+10.1ppのクロスファミリーの改善が見られ，獲得したコンポーネントはベンチマーク固有の調整ではなく，一般的なエンジニアリング経験をエンコードしていることを示唆する。
ロバスト統計を用いた無知識プロダクト混合状態層描法 [quant-ph, cs.DS]目的：プロダクト混合状態の近似層描法
- 量子情報科学の発展には，量子状態の精密な推定が不可欠である。
- 混合状態に対する効率的な層描法アルゴリズムは未だ確立されていない。
- プロダクト混合状態に対する効率的な近似アルゴリズムを開発する。
- 本研究では，プロダクト混合状態層描法に対し，単一量子ビット測定のみを用いて，サンプル数と計算量において多項式時間で誤差$O(\mathrm{opt}\log(1/\mathrm{opt}))$を達成する半無知識アルゴリズムを提案した。
- これは，混合状態アプローチに対する初の効率的な非自明な無知識保証である。
- また，二項式プロダクト分布のロバスト学習アルゴリズムも提案し，効率的な学習可能性をほぼ解決した。
オラクル計算としての層 [econ.GN, cs.CY, q-fin.EC, math.LO, cs.LO]目的：オラクル計算の特性付けと層との関係
- 型理論は計算の基礎を形式的に記述する上で重要であり，プログラミング言語の理論的基盤となる。
- オラクル計算の形式化は難しく，既存の理論ではその本質を捉えきれていない場合がある。
- オラクル計算を層として捉え，その代数的な構造を明らかにすることで，計算の本質に迫る。
- オラクル演算子を，与えられた述語を強制する最小のものとして特徴付けた。
- モダリティと命題コンテナ間の随伴退屈を確立し，全てのモダリティがオラクルモダリティであること示した。
- 層化を計算木の商剰型として記述し，層を対応するモナドの代数として表現した。
容量制約付き車両経路問題に対する色付き置換を用いた最適かつ量子ビット効率の良い量子車両経路法 [quant-ph, cs.CC, cs.DM, cs.IT, math-ph, math.IT, math.MP]目的：容量制約付き車両経路問題の解法
- 配送効率化は経済活動において不可欠であり，最適化手法の需要は高い。
- 既存の量子アルゴリズムは，量子ビット数の増加を招く容量制約表現が必要だった。
- 量子ビット効率の良い表現により，実用的な規模の車両経路問題への適用を目指す。
- 色付き置換エンコーディングにより，既存手法よりも少ない量子ビットで問題を表現可能となった。
- 制約付きQAOAフレームワークとの組み合わせにより，高い最適化性能を実現した。
- 標準ベンチマークにおいて，独立検証済みの最適解を再現できた。
エントロピーの下限と積和現象 [math.OC, cs.SY, eess.SY, q-fin.TR, cs.CE, math.CO, cs.IT, math.IT]目的：和，積，およびそれらの組み合わせのエントロピーに関する様々な下限
- 情報理論は，情報伝達や暗号化など，広範な分野で不可欠な役割を果たす。
- 和や積といった演算におけるエントロピーの振る舞いは未だ十分に解明されていない。
- 和と積のエントロピーの関係性を明らかにし，情報量の評価に資する。
- 和と積のエントロピーの最大値は，元の変数のエントロピーと最小エントロピーの線形結合で下回ることが示された。
- 実数体上では，より強い不等式が導出された。
- 加法的な倍加現象がO(1)であれば，乗法的な倍加現象はエントロピーに比例することが示された。