arXiv雑要約
プログラム - 2026/05/05 公開
AirFM-DDA：AIネイティブ6Gのための遅延ドップラー角領域における無線基盤モデル [cs.LG, cs.AI, cs.IT, eess.SP, math.IT]目的：物理層設計のための無線基盤モデルの構築
- 6GではAIを積極的に活用し，無線通信の性能向上を目指すことが重要である。
- 既存モデルはSTF領域でCSIを扱うため，多重経路成分の分離が困難である。
- DDA領域でCSIを扱うことで，多重経路成分を明示的に分離し，効率的な学習を実現する。
- AirFM-DDAは，未知のシナリオやデータセットにおいて，既存モデルを上回るゼロショット汎化性能を発揮する。
- ウィンドウベースのAttention機構により，計算コストを大幅に削減し，学習・推論の効率を向上させる。
- 高い移動速度，大きな遅延拡散，ノイズ，エイリアシングといった過酷な条件下でも，堅牢性を維持する。
記号実行とマルチLLMオーケストレーション：不完全なRust CVEスニペットにおけるメモリ脆弱性の検出 [cs.CR, cs.PL, cs.SE]目的：Rustのunsafeコードにおけるメモリ脆弱性の検出
- ソフトウェアの安全性確保は重要であり，メモリ脆弱性は重大なセキュリティリスクとなる。
- 既存の形式検証ツールは，構造定義やインポートがない不完全なコードスニペットに対応できない。
- 不完全なCVEスニペットから検証可能なハーネスを生成し，メモリ脆弱性を検出すること。
- 本システムは，KLEEと4エージェントのマルチLLMアーキテクチャを組み合わせることで，90.3%のラッパーコンパイル成功率を達成した。
- 31のRust CVEに対して，1,206件の重大なエラーを検出し，検出率は83.9%であった。これはClippyやMiriと比較して大幅に高い。
- 4エージェントの役割分担と構造化されたコンテキスト伝達が，単一の汎用モデルよりも優れた結果をもたらすことが確認された。
遅延ドップラー領域チャネル推定：スパース性が未知の場合 [cs.IT, math.IT]目的：遅延ドップラー領域におけるチャネル推定手法
- 無線通信において，チャネル推定は信号の信頼性ある受信に不可欠であり，その効率化が重要である。
- 従来のチャネル推定手法は，遅延ドップラー領域のスパース性の事前知識に依存しており，柔軟性に欠ける。
- 未知または時間変動するスパース性下でも，高精度なチャネル推定を実現する手法を確立すること。
- 提案手法は，遅延ドップラー構造のCartesian積構造を利用し，ベイズ情報量規準に基づいて直接サポートを決定する。
- シミュレーション結果から，提案手法は正確なサポートを高い確率で復元し，固定予算ベースラインやスパースベイズ学習を上回る性能を示す。
- 提案手法は，波形に依存せず，未知または時間変動するスパース性下でのDD領域チャネル推定に適用可能な実用的な適応的解を提供する。
zkSBOM：ゼロ知識集合を用いたプライバシー保護SBOM共有 [cs.CR, cs.SE]目的：ソフトウェア部品表（SBOM）のプライバシー保護共有メカニズム
- ソフトウェアサプライチェーンのセキュリティ確保が重要視されており，SBOMはその透明性向上に不可欠である。
- 既存のSBOM共有方法では，完全な開示か完全な秘匿かの二者択一であり，情報漏洩や改ざんのリスクがある。
- SBOMを共有しながら，サプライヤーとコンシューマー双方のプライバシーを保護し，セキュリティリスクを軽減すること。
- zkSBOMは，ゼロ知識集合を用いてSBOM内のコンポーネントに暗号的にコミットすることで，プライバシーを保護する。
- コンシューマーは，既知の脆弱性についてクエリを実行し，SBOMが影響を受けているかどうかの暗号的証明を受け取ることができる。
- セキュリティ分析の結果，zkSBOMは堅牢で安全かつプライバシー保護的なSBOM共有メカニズムであることが示された。
エージェント型セキュリティシステムのためのアライメント契約 [cs.CR, cs.LO]目的：エージェント型セキュリティシステムの行動制約の仕様と強制に関する枠組み
- LLMと脆弱性発見ツールを組み合わせたセキュリティシステムの重要性が増している。
- 認可された範囲内と範囲外で，システムの能力制御に非対称性が存在する。
- 観察可能な効果に対する正式な契約として境界を定義し，制御問題を解決する。
- アライメント契約という枠組みを提案し，観察可能な効果トレースに対する行動制約を定義・強制する。
- この枠組みは，スコープ，許可/禁止される効果，リソース予算，開示ポリシーを定義する。
- 効果の観察可能性の仮定の下で，仲介された効果に対する健全性定理が保証される。
DEPTEX：組織優先，オープンソース依存性リスク監視 [cs.SE]目的：オープンソース依存性リスクの管理
- ソフトウェアサプライチェーンの安全性が重要視される中，OSS依存性は潜在的なリスク要因となる。
- 従来のSCAツールは誤検知が多く，運用負荷が高いという課題がある。
- 組織の状況に応じた柔軟なリスク管理体制の構築を目指す。
- Deptexは，実行パス支配 (EPD) とLLMによるセマンティック検証を融合し，脆弱性の影響範囲を正確に算出する。
- 組織独自のコンプライアンス要件に対応するため，ガバナンスをコードとして定義可能なエンジンを提供する。
- これにより，効率的かつ組織に合わせたサプライチェーンリスク管理を実現する。
ソフトウェアリーダーを特徴づけるもの：実務家によるソーシャルメディアからのリーダーシップ実践の特定 [cs.NI, cs.SE]目的：ソフトウェア開発の実務家が認識・報告するリーダーシップ実践の特定と分類
- リーダーシップはマネジメントやアジャイル開発で重要視される。現場のリーダーシップに関する知見は限られている。
- 従来のリーダーシップ研究は，形式的な役割やモデルに焦点を当て，実務家の日常的なリーダーシップ経験が十分に解明されていない。
- ソフトウェア開発におけるリーダーシップの実践を，実務家の視点から明らかにすることを目的とする。
- ソフトウェアプロジェクトリーダーに関連する103の実践が特定され，推奨されるものと推奨されないものに区別された。
- これらの実践は，「人材育成」「プロセス実行」「成長」「コミュニケーション」「戦略的ビジョン」の5つのカテゴリに整理された。
- リーダーシップは技術的専門性よりも，マネジメントスキルや対人スキルに大きく依存することが示された。
トポロジーマイナーフリーグラフクラスにおけるCMSOの低単調次元フラグメントに対するモデル検査 [cs.LO, math.CO]目的：トポロジーマイナーフリーグラフクラスにおけるCMSOの低単調次元フラグメントに対するモデル検査の実現可能性
- 計算問題の扱いやすさを論理的表現力とグラフ構造の性質を結び付けて説明するアルゴリズム的メタ定理の重要性
- 固定されたトポロジーマイナーを除外するグラフクラスにおいてはFO+dpなどの拡張一階述語論理における効率的なモデル検査が可能であるが，より豊富なCMSOフラグメントについては同様の結果が不明であった。
- 低単調次元を持つ集合への限定された集合量化を通じてCMSOをフラグメント化するアプローチを用いて，モデル検査の計算複雑性を削減し，実現可能性を示す。
- トポロジーマイナーフリーグラフクラスにおいて，低単調次元フラグメントとパス非交差述語を持つCMSOに対するモデル検査が固定パラメータ時間で可能であることを示した。
- この結果は，既存のアルゴリズム的メタ定理を，一階述語論理を超えてトポロジーマイナーフリー設定に拡張する。
- 本研究は，この論理におけるサブグラフ閉包クラス上での扱いやすさの限界を示す。
サイズ感受型独立性オラクルにおけるマトロイドアルゴリズム [cs.CL, cs.DS, cs.LG]目的：サイズ感受型独立性オラクルモデルにおけるマトロイドアルゴリズムの計算コスト
- マトロイド最適化は，組合せ最適化における重要な分野であり，多様な応用が存在する。
- 従来のオラクルモデルは，クエリサイズの非現実的な仮定に基づき，実用的なアルゴリズム設計を阻害する。
- サイズ感受型モデルを導入し，より現実的なコストモデルに基づいたアルゴリズム設計を目指す。
- サイズ感受型独立性オラクル下で，基底探索，ランク近似，分割サイズ近似の計算コストに関するタイトな上限と下限を確立した。
- 最適なクエリコストは，マトロイドのサイズに対して（対数因子を除き）2次であることが示された。
- 最大回路サイズが $c$ のマトロイドに対し，最大重み基底の計算コストが $\mathcal{O}(n^{2-1/c} \log n)$ となるアルゴリズムを提示した。
近似がアルゴリズムの進歩に与える影響 [cs.DS]目的：アルゴリズム問題における近似の利点とトレードオフの定量化
- 科学計算は計算資源に制約を受けるため，効率的なアルゴリズム開発が重要である。
- 多くのアルゴリズムは理論的な限界に達しており，並列化も困難な場合がある。
- 近似アルゴリズムは，計算速度を向上させつつ，精度の低下を許容する解決策を提供する。
- 調査の結果，118の重要なアルゴリズム問題のうち，約20%が近似によって恩恵を受けていることが分かった。
- 良い近似アルゴリズムが存在する場合，計算時間が大幅に短縮され，精度の損失は小さい。
- 特に，計算困難な問題の約25%に対して，多項式時間で解ける近似アルゴリズムが存在する。
逐次自己同型アンサンブル復号と早期停止 [cs.IT, math.IT]目的：自己同型アンサンブル復号における低複雑度化手法
- 通信システムにおいて，誤り訂正符号は信頼性の高いデータ伝送に不可欠である。
- 従来の復号方式は計算量が多く，特に複雑な符号化方式では問題となる。
- 復号の複雑さを削減しつつ，高い性能を維持することが課題である。
- 提案手法では，逐次キャンセル復号器をサブ復号器として活用し，早期停止によって計算量を削減する。
- 復号の早期停止閾値を最適化するアルゴリズムを提案し，ブロック誤り率を一定に保ちながら，平均復号複雑さを大幅に低減する。
- シミュレーション結果から，平均復号複雑さを最大で22倍削減可能であり，性能劣化は無視できる程度であることが確認された。
セマンティクスを意識した安全なリモート再構成における同時精度と機密性 [cs.IT, cs.SY, eess.SY, math.IT]目的：無線ネットワークにおけるリモート再構成時の，正当な受信者における精度と盗聴に対する機密性の両立
- 情報伝送の安全性を高める研究は，プライバシー保護の観点から重要である。
- 精度と機密性は別々に扱われることが多く，同時達成に向けた考察が不足している。
- 同時精度と機密性を評価する指標を提示し，最適な伝送確率を導くことを目指す。
- 本研究で導入された機密再構成精度(CRA)は，精度と機密性を同時に捉える新たな指標となる。
- 従来の周辺分析では最適なポリシーを見誤る可能性があり，同時精度・機密性性能を過大評価する可能性がある。
- 送信頻度や正当なチャネルの改善が必ずしも同時再構成の性能向上に繋がらないことが示された。
時間経過に伴うネットワーク変化を伴う最大流の特殊事例 [cs.DS]目的：時間経過に伴う最大流の値を求めること
- ネットワーク最適化は，通信，物流，交通など様々な分野で重要な役割を担う
- 時間とともに変化するネットワークにおける最大流問題は，効率的な解法が求められている
- 時間変化の影響を考慮した最大流問題を効率的に解く手法を開発すること
- 本研究では，時間展開ネットワークの凝縮版（cTEN）を構築することで，元のネットワークにおける時間経過に伴う最大流問題を解く手法を提案した。
- 提案手法により，n個のノード，m個のエッジ，μ個の重要時刻を持つグラフに対し，O(n^2μ)個のノードとO(μmn)個のエッジを持つcTENを構築できる。
- これにより，Orlinのアルゴリズムを用いてO(μ^2n^3m)時間，またはChenらのアルゴリズムを用いてO(μ^{(1+o(1))}(nm)^{1+o(1)}\log (UT))時間で問題を解くことができる。
プライバシー保護のための適合性検証手法 [cs.HC, cs.CR, cs.SE]目的：適合性検証におけるプライバシー保護
- 業務プロセスの改善には，プロセスモデルと実行ログの比較が不可欠である。
- モデルやログに機密情報が含まれる場合，分析者が直接アクセスできないという課題がある。
- 機密情報を保護しつつ，適合性検証を可能にする技術開発が求められている。
- 提案手法は，文字列処理アルゴリズムと準同型暗号化を用いて，モデルとログの所有者間で情報を秘匿する。
- アラインメントという既存の適合性検証形式を基盤としている。
- 合成データと実データを用いた評価により，高いメモリと処理要件を伴うものの，安全な適合性検証が可能であることが示された。
多型性とDHOL [cs.CL, cs.LO]目的：多型性DHOLの構文と意味論の開発
- 高階論理に依存型を加えることで，様々な分野を簡潔に表現できるため重要である。
- DHOLには多型性が欠如しており，表現力と再利用性が制限されていた。
- 多型性をDHOLに導入することで，論理式の記述と検証の効率化を目指す。
- 多型性DHOLの構文と意味論を確立し，HOLへの翻訳を拡張した。
- 実装した翻訳をTPTPの問題群で評価し，その有効性を確認した。
- 既存のHOL定理証明器と組み合わせることで，PDHOL定理証明器を容易に構築できる。
移動アンテナを用いた物理層サービス統合のための人工ノイズ支援設計 [cs.IT, eess.SP, math.IT]目的：移動アンテナと人工ノイズを活用した物理層サービス統合の設計
- 無線通信における情報セキュリティと信頼性の両立が重要視されている。
- マルチキャストと秘匿通信を同時に行う際，セキュリティと通信品質のバランスが課題となる。
- 移動アンテナと人工ノイズを最適化することで，秘匿性と信頼性の向上を目指す。
- 提案手法は，移動アンテナの空間再構成能力と人工ノイズの干渉整形能力を同時に活用する。
- 人工ノイズの方向性と送信変数を同時に設計する複雑な問題を，効率的なアルゴリズムで解決する。
- シミュレーション結果から，提案手法が秘匿性能を向上させ，計算負荷を抑制できることが示された。
制約ガイド表現合成によるエージェントスキル監査：Semia [cs.CR, cs.AI, cs.PL]目的：エージェントスキルの監査
- LLMを活用したエージェントが普及する中，そのセキュリティ確保は重要課題となっている。
- 従来の静的解析では，エージェントの振る舞いを記述する自然言語部分を解析できない。
- 自然言語による記述を形式化し，セキュリティ脆弱性を効率的に検出することを可能にする。
- Semiaは，エージェントスキルをSDLという形式言語に変換する監査ツールである。
- 13,728の実際のスキルを分析した結果，過半数に重大なリスクが存在することが判明した。
- 専門家がラベル付けした541のスキルにおいて，再現率97.7%，F1スコア90.6%を達成した。
アジャイルワークフローへのログベースセキュリティ分析の統合：実務経験報告 [cs.SE, cs.CR]目的：アジャイルワークフローにおけるログベースセキュリティ分析統合の実現可能性
- 現代組織は製品を保護するため，ログデータと監視シグナルに依存している。
- アジャイルワークフローへのセキュリティ分析の統合は依然として困難である。
- アジャイル開発プロセスへのセキュリティ分析の組み込み方法を提示する。
- 開発者のログベース不正検出システムへの受け入れ意欲，課題，開発活動とセキュリティ認識への影響を調査した。
- セキュリティ分析をアジャイルワークフローに組み込むための重要な教訓，緩和策，ベストプラクティスを特定した。
- スピードと回復力を維持しながら，最新の開発プロセスにセキュリティプラクティスを組み込むための洞察を提供する。
超正則行列によるMDS配列符号のエラー訂正アルゴリズムの復号 [cs.IT, math.IT]目的：MDS配列符号の復号
- 分散ストレージシステムにおいて，データ信頼性を高めるために不可欠な技術である。
- 既存の復号アルゴリズムはパラメータ設定に制限があり，柔軟性に欠ける場合がある。
- 一般的な構成で，エラー位置を事前に知らずに記号エラーを訂正するアルゴリズムを開発する。
- 提案手法は，超正則行列を用いて[n,k,d] MDS配列符号の復号を可能にする。
- 特に，m≥2 で1記号エラー，m≥4 で2記号エラーを訂正できる。
- 超正則ファンデルモンド行列を用いることで，2エラーの場合の計算量を削減できる。
LLM生成コードにおける社会的バイアス：ベンチマークと軽減策 [cs.SE, cs.AI, cs.SI]目的：LLM生成コードにおける社会的バイアスの評価と軽減
- 人間中心のアプリケーションでは，公平性が重要であり，LLMの利用が増加している。
- 既存の研究は機能の正確性に偏っており，LLM生成コードの社会的バイアスは未解明である。
- LLM生成コードにおけるバイアスを定量的に評価し，軽減策を提案すること。
- 大規模なベンチマークSocialBias-Benchを用いて，主要なLLMに深刻なバイアスが存在することを確認した。
- Chain-of-Thoughtや公平性ペルソナといった既存の介入策は，バイアスを悪化させる可能性が示唆された。
- Fairness Monitor Agent (FMA)が，バイアスを大幅に軽減し，機能の正確性も向上させることを実証した。
ClozeMaster: LLMを活用したマスクされた実プログラムによるRustコンパイラのファジング [cs.SE]目的：Rustコンパイラのバグ検出
- Rustは安全性に重点を置くため，重要システム開発での利用が増加している。
- Rustの複雑な構文と厳格な要件から，有効なテストプログラム生成が困難である。
- 過去のバグ事例に着目し，LLMによるテストケース生成の効率を高める。
- CLOZEMASTERはrustcおよびmrustcに対して27件のバグを発見し，そのうち10件が修正された。
- CLOZEMASTERは既存のファザーと比較して，コードカバレッジと有効性の面で優れている。
- ブラケットベースのマスキングと穴埋め戦略(clozeMask)により，コンパイラの挙動を網羅的にテストできる。
SPARQL，関係代数，Datalog における多重集合の意味論 [cs.RO, cs.DB, cs.LO]目的：SPARQLパターン，関係代数，Datalogの意味論的同等性
- セマンティック・ウェブ技術の基盤であり，データ統合や知識表現に不可欠である。
- 異なるクエリ言語間の意味論的なギャップが，相互運用性を阻害する要因となる。
- SPARQLの意味論を明確化し，他のクエリ言語との整合性を示すことで，相互運用性を向上させる。
- SPARQL，Datalog，関係代数の3つの形式主義が，多重集合の意味論の下で表現力が等価であることが証明された。
- 安全否定を含む非再帰的Datalogを多重集合に対応するように拡張したバージョンが定義された。
- 投影，選択，自然結合，和集合，差集合を含む多重集合関係代数が導入された。
技能を検証可能な成果物として：ヒューマン・イン・ザ・ループ・エージェント実行環境のための信頼スキーマと双条件の正当性基準 [cs.CR, cs.AI, cs.MA, cs.SE]目的：エージェント技能の信頼性確保のためのスキーマと検証基準
- 大規模言語モデルの能力拡張に技能が不可欠となり，その信頼性確保が重要課題となっている。
- 技能の信頼性を担保する仕組みが不足しており，人間の介入なしには運用が困難な状況にある。
- 技能の検証プロセスを確立し，人間の介入頻度を減らすことで，持続可能なシステムを目指す。
- 技能は検証されるまで信頼できないコードとして扱うべきであり，実行環境がその原則を適用する必要がある。
- 技能の検証レベルを明示する信頼スキーマと，検証レベルに応じた人間介入ポリシーを定義するゲートを提案する。
- 双条件の正当性基準を満たす検証手順を提示し，オープンソースの実装ガイドラインを提供する。
要件を意識したカリキュラム強化学習によるLLMコード生成の改善 [cs.SE, cs.AI]目的：LLMコード生成の性能向上
- ソフトウェア開発効率の向上に貢献する技術であり，その重要性は高い。
- 複雑な要件に対応する際，既存のLLMは性能面で限界を示す。
- 要件の難易度を考慮し，学習データの活用効率を高めることで性能向上を目指す。
- 提案手法RECRLは，既存の最先端の基盤モデルにおいてPass@1の平均的な改善率を1.23%-5.62%達成した。
- RECRLは，モデル固有の要件難易度を自動的に認識し，最適化を行う。
- 適応的なカリキュラムサンプリング戦略により，難易度が緩やかに変化する学習バッチを構築する。
もっと深く考え，選択肢を見逃さないでください：LLM支援検索によるIssue-Commitリンクの再検討 [cs.SE]目的：IssueとCommit間のリンクの有効性を評価し，最も効果的かつ効率的な手法を特定すること
- ソフトウェアのトレーサビリティ，保守，進化において，IssueとCommit間のリンクは不可欠である。
- 既存の手法では，IssueとCommit間のリンクの精度が十分ではなく，開発者の理解を妨げている。
- 既存の手法を再評価し，より効率的なリンク回復手法を確立すること。
- 密な検索手法は，疎な検索手法よりも関連するCommitの特定において優れた性能を発揮する。
- 密な検索と疎な検索を組み合わせることで，再現率を向上させることができる。
- 従来の機械学習ベースのリランキング手法は，LLMベースの手法よりも高い性能を達成する。
MIMO検出のためのソフトグラフ拡散トランスフォーマー [cs.IT, cs.LG, eess.SP, math.IT]目的：MIMO検出におけるシンボル推定の漸進的な洗練
- 無線通信において，MIMO技術は通信容量を飛躍的に向上させる重要な技術である。
- 従来の学習ベースMIMO検出器は，固定深さのアーキテクチャに依存し，シンボル推定の段階的な洗練を明示的にモデル化していない。
- 本研究は，チャネル観測に基づいたシンボル事後分布へのガウス初期化の漸進的な変換を可能にする検出手法を提案する。
- 提案手法SGDiTは，様々なMIMOシステム構成において，代表的なベースラインと比較して競争力のあるビット誤り率(BER)性能を達成した。
- SGDiTは，異なるチャネル条件下で優れた汎化能力を示すことが実験的に確認された。
- 本研究は，ニューラルMIMO検出のための効果的かつ実用的なアプローチを提供する。
クエリに基づくAPI推薦のための評価データセットQ-ARE [cs.CL, cs.RO, cs.SE]目的：クエリに基づくAPI推薦手法のセマンティックな理解度評価
- ソフトウェア規模の拡大に伴い，適切なAPI選択が開発者の課題となっている。
- 既存手法は，複雑なメソッド呼び出し構造を持つAPIの推薦に苦戦している。
- API呼び出しの深さと密度を考慮した評価指標とデータセットの提供。
- Q-AREデータセットは，GitHub上のJavaオープンソースプロジェクトを基に構築された。
- API呼び出しの深さが増加すると，既存手法の性能は大幅に低下する。
- API呼び出し密度の低下も，既存手法の性能に悪影響を及ぼすことが示された。
零知識モデル検査 [cs.CR, cs.LO]目的：ソフトウェアシステムの機能的正確性の時間的仕様への適合性の形式検証
- 安全性とセキュリティが重要視されるシステムにおいて，その正しさを保証する技術の必要性
- システムの詳細を公開せずに検証を行うことが困難であり，機密情報漏洩のリスクがある
- システムの秘密性を保持しつつ，その正確性を形式的に検証する技術を開発すること
- 本研究では，形式的検証証明書と零知識証明を組み合わせることで，秘密のシステムが公開された仕様に準拠することを検証する技術を提示した。
- 遷移グラフや線形ガード命令を用いて，明示的および記号的なモデル検査スキームを提案し，その有効性をプロトタイプで実証した。
- この技術は，安全性と機密性の両方が重要となる分野での形式検証を可能にする。
設計時におけるソースコードのエネルギー推定：EnCoDe [cs.SE]目的：ソースコードの設計段階におけるエネルギー消費量の推定
- ソフトウェアの品質において，エネルギー効率は環境負荷低減と運用コスト削減に不可欠である。
- 既存のプロファイリングツールは実行時にしか動作せず，粒度が粗いため，コードブロックレベルでのエネルギー消費量の把握が困難である。
- 設計段階でプログラミング構造のエネルギー効率を比較検討するための手段を提供すること。
- 提案手法EnCoDeは，サブミリ秒単位での高精度なエネルギー計測を実現するPowerLensを導入した。
- 18,000以上のPythonプログラムから抽出されたコードブロックに関する実証研究により，コード特徴量とエネルギー消費量との関係性を明らかにした。
- 機械学習モデルを用いて設計時にブロックレベルのエネルギー消費量を高精度に推定・分類することが可能であり，R^2=0.75，正解率80.6%を達成した。
研究から実践へ：産業界における自動運転システム試験のインタラクティブ迅速レビュー [cs.SE]目的：自動運転システム試験における産業界の課題と研究の関連性
- 自動運転技術は社会実装が進むが，安全性確保が重要であり，その根幹となる試験技術が求められる。
- 学術研究の進展と，産業界での実用化・応用との間に乖離が存在する。
- 産業界のニーズに基づき，研究の有効性を評価し，実用化に向けた課題を明確化すること。
- 実務家21名とのレビューで，自動運転システム試験における12の主要な課題が特定された。
- 特に，エンドツーエンド方式の自動運転システムの試験アプローチと網羅性が最重要課題として認識された。
- 関連研究17件の分析から，実用面での課題や，産業界に即したソリューションの必要性が示された。
多層ハッシュによる集合パラメータマッチング [cs.DS]目的：集合パラメータマッチング問題の効率的な解決
- 文字列処理の基礎であり，様々な応用分野で重要視されている。
- 従来のパラメータマッチングでは集合の要素を扱えず，表現力に限界があった。
- 集合を含む文字列の効率的なパラメータマッチング手法を確立すること。
- 提案手法は，テキストサイズNとパターンサイズMに対し，高確率でO(N+M)の時間複雑度を達成した。
- ３層のハッシュスキームを用いることで，問題の表現サイズの増大，集合間のマッチング，動的な文字列符号化に対応した。
- カルプ・ラビンフィンガープリントに基づき，効率的な文字列マッチングを実現した。
高速かつ正確：漸近的に線形なKL最適頻度正規化 [cs.IT, math.IT]目的：KLダイバージェンスの最小化
- データ圧縮において，効率的な符号化は重要な課題である。
- 既存の頻度正規化手法は，最適性や計算効率に課題があった。
- KLダイバージェンスを厳密に最小化する高速な正規化手法を開発する。
- 提案手法は，既存の手法と比較して計算量が漸近的に線形である。
- 3つのKL最適アルゴリズム（ボトムアップ，双方向交換補正，トップダウンウィンドウ）を提案した。
- これらのアルゴリズムは，符号化長の冗長性を最小限に抑えることができる。
有界スパンを持つ上方平面グラフの描画 [cs.CG, cs.DS]目的：上方平面グラフのスパン決定問題に関する研究
- グラフ描画は，可視化や理解を助けるため，計算機科学の重要な分野である。
- 上方平面グラフのスパン決定問題は，効率的な描画アルゴリズム設計上の課題となっている。
- 本研究は，様々なグラフクラスにおける上方平面グラフのスパンの上界・下界を確立し，計算困難性を明らかにする。
- 有向木に対するスパンの上界・下界が導出された。
- 上方平面グラフのスパン決定問題は，有向木や単連結ソースグラフに対してNP完全であることが示された。
- 頂点被覆数やツリー深さ＋スパンをパラメータとした固定パラメータ時間アルゴリズムが提案された。
オフライン確率的多腕バンディットにおけるアンラーニング [cs.LG, cs.DS]目的：オフライン確率的多腕バンディットにおけるデータ削除とプライバシー保護
- 機械学習の普及に伴い，データプライバシー保護の重要性が高まっている。
- データ削除要求への対応やプライバシーリスク軽減が，既存手法では困難である。
- 学習済みモデルからのデータ削除を実現し，プライバシー保護と実用性の両立を目指す。
- 本研究では，オフライン確率的多腕バンディットにおけるアンラーニングの定式化とアルゴリズム設計を行った。
- ガウスメカニズムとロールバックという基本的なアルゴリズムに基づき，適応的なアンラーニング手法を提案した。
- 提案手法は，データ生成モデルやプライバシー制約に応じて性能が変化することを示し，理論的保証と実験結果によって有効性を検証した。
消去を伴う型理論 [cs.PL, cs.LO]目的：型理論における実行時に関連性と非関連性の区別
- 型理論はプログラムの正当性を保証する基盤であり，信頼性の高いソフトウェア開発に不可欠である。
- 実行時に不要な情報はコンパイル時に除去したいが，安全性と正当性を保つことが課題である。
- 型理論に消去の概念を導入し，実行時とコンパイル時の情報の区別を形式的に定義する。
- 本研究では，消去を伴う型理論を第二階の一般化代数理論（SOGAT）として定式化し，圏のファミリーに基づいたモデルを構築した。
- SOGATのモデル理論を通じて，集合のファミリーにおける消去を伴う型理論のセマンティクスを研究し，マルティン・レーフ型理論（MLTT）に対する保存性を確立した。
- コード抽出のために，プレシェーフモデルを構築し，その正当性を検証することで，ラムダ計算プログラムの生成が可能であることを示した。
SENECA：自己整合的な欠損質量による小サンプル離散エントロピー推定 [cs.IT, math.IT, stat.CO]目的：小サンプルにおける離散エントロピー推定手法
- 情報理論の基礎課題であり，データ分析や機械学習において重要である。
- サンプルに含まれない事象の確率質量（欠損質量）の考慮不足が課題。
- 欠損質量を自己整合的に推定し，小サンプルでの推定精度向上を目指す。
- SENECAは，既存手法と比較して小サンプル環境で優れた性能を示す。
- 生物多様性の推定や大規模言語モデルの誤り検出といった応用例で良好な結果が得られた。
- 小サンプルエントロピー推定の代替手法として，幅広い分野での活用が期待される。
効率的なクロスインスタンス知識再利用による増分#SAT [cs.IR, cs.SI, cs.LO]目的：増分モデルカウントにおける効率化
- 確率的推論の中核を担う問題であり，AIや統計的モデリングへの応用が期待される。
- 構造的に類似した数式系列のカウント処理には，計算コストが高いという課題がある。
- 構造を意識した知識再利用により，動的な環境下での性能向上を目指す。
- 提案手法は，ソルバー呼び出し間でコンポーネントデータを保持する持続的なキャッシュメカニズムにより計算を償却する。
- 議論やソフトコア問題といった，増分モデルカウントに適した問題に対し有効性が確認された。
- 実験結果から，既存のモデルカウンターと比較して性能が向上することが示された。
ブリッジを持たない立方グラフにおける，広範囲にわたる完全マッチングを見つけるためのほぼ線形時間アルゴリズム [cs.DS, cs.DM, math.CO]目的：ブリッジを持たない立方グラフにおける，全ての3-エッジカットと正確に1つのエッジで交差する完全マッチングの発見
- グラフ理論は，ネットワーク構造の解析や最適化において不可欠であり，様々な分野に応用されている。
- 立方グラフにおける完全マッチング問題は，計算複雑性が高く，効率的なアルゴリズムの開発が課題であった。
- 本研究は，より高速なアルゴリズムを開発することで，大規模グラフにおける完全マッチングの発見を可能にすることを目指す。
- 本研究では，ブリッジを持たない立方グラフに対し，ほぼ線形時間で完全マッチングを見つけるアルゴリズムを提案した。
- 提案アルゴリズムは，Boydらによる立方アルゴリズムや，以前の3-エッジ連結グラフ限定のアルゴリズムよりも性能が向上する。
- 2-エッジカットのサボテン表現と，2-カット削減における効率的な更新手順が，本アルゴリズムの主要な要素である。
最遠点ボロノイ図を用いた最小外接円クエリ [cs.CG, cs.DS]目的：軸方向に整列した矩形領域内にある点の最小外接円の効率的な計算
- 幾何学的な探索問題において，効率的なデータ構造は重要な課題である。
- 従来のデータ構造では，クエリ時間が大きすぎるという問題があった。
- 最遠点ボロノイ図を用いることで，クエリ時間の短縮を目指す。
- 本研究では，従来の複雑な手法と比較して，より単純な2次元幾何構造に基づくアプローチを提案した。
- その結果，決定的なクエリ時間はO(log⁴ n)を，確率的なクエリ時間はO(log^(5/2) n log log n)を達成した。
- 前処理時間と空間は，既存の手法と同等のO(n log² n)を維持している。
ハイパー証明書：ハイパーLTL仕様に対する離散時間動的システムの検証 [eess.SY, cs.LO, cs.SY]目的：離散時間動的システムに対するハイパーLTL仕様の検証
- 動的システムは現実世界の様々なシステムをモデル化でき，安全性や信頼性の保証が重要である。
- 従来のLTLではシステムの個々の軌跡のみを考慮し，軌跡間の関係性を記述できない。
- ハイパーLTLを用いて記述される，秘匿性やロバスト性などのハイパープロパティを検証すること。
- ハイパー証明書という関数ペアを導入し，動的システムのハイパープロパティを検証するフレームワークを構築した。
- このフレームワークは，既存のSOS最適化やSMTソルバーといった技術による自動化が可能である。
- ケーススタディを通じて，提案手法の有効性を実証した。
Themis: 柔軟な多基準スコアリングのためのロバストな多言語コード報酬モデルの学習 [cs.SE, cs.LG]目的：多言語，多基準コード報酬モデルの学習と評価
- 言語モデルの性能向上には，事後学習が不可欠であり，報酬モデルはその重要な要素である。
- コード生成における報酬モデルの研究は限られており，主に実行可能性のフィードバックに焦点を当てている。
- 機能的な正しさだけでなく，多様な基準に基づくコード報酬モデリングを可能にすること。
- Themis-CodeRewardBenchは，5つの基準と8つのプログラミング言語に対応したコード報酬モデルの評価ベンチマークである。
- Themis-CodePreferenceは，35万件以上のペアからなる，現時点で最大のオープンソースのコード選好データセットである。
- Themis-RMは，6億から320億パラメータの多言語コード報酬モデル群であり，良好なスケーリング傾向とクロスリンガル転移性を示す。
高度に変動するチャネルにおけるデコーダ提供パイロットの利点 [cs.IT, eess.SP, math.IT]目的：高度に変動するチャネルにおける性能向上
- 無線通信において，チャネル状態の正確な把握は，信頼性の高いデータ伝送に不可欠である。
- チャネル推定の精度とデータ伝送レートの間にはトレードオフが存在する。頻繁なパイロット信号送信は精度を向上させるが，データレートを低下させる。
- デコーダが生成した符号語をパイロット信号として活用し，低遅延かつ汎用的なチャネル推定を実現すること。
- デコーダ提供パイロットは，符号化された情報からチャネル状態を推定することで，チャネル追跡性能を大幅に向上させる。
- 周波数方向の符号化とソフト出力の組み合わせにより，さらなる性能向上が期待できる。
- 高速フェージングチャネルにおいては，レートは同じでも短い符号長の方が長い符号長よりも優れている場合がある。
GeoContra：流暢なGISコードから検証可能な空間分析へ - 地理に基づいた修正を伴って [cs.SE, cs.AI]目的：LLM駆動のPython GISワークフローの検証と修正
- GIScienceにおける信頼性のある空間分析は，地理空間データの正確性が不可欠である。
- 既存のLLMベースGISシステムはコードの流暢さは保証するが，地理的規則の規模拡大が課題。
- 地理学的整合性に欠ける結果を回避し，検証可能な空間分析を実現すること。
- GeoContraは，実行可能な地理空間契約としてタスクを表現し，静的検査，実行時検証，意味検証を行う。
- 7,079件の実際のタスクを対象とした評価により，DeepSeek-V4の空間的正確性を47.6%から77.5%に，Kimi-K2.5を57.7%から81.5%に向上。
- 11のオープンモデル全体で平均的な正確性は26.6%向上し，地理的に無効な結果を捕捉することに貢献。
完全動的 максимального соответствия に対するより高速な決定性アルゴリズム [cs.DS]目的：完全動的 максимального соответствия の維持
- グラフの動的な変化に対応する効率的なアルゴリズムの需要が高まっている。
- 適応的 adversary に対する非自明な更新時間を持つアルゴリズム設計が課題であった。
- 適応的 adversary に対しても効率的なアルゴリズムを提供すること。
- 本研究では，完全動的 максимального соответствия に対する決定性アルゴリズムを開発し，amortized 更新時間が $n^{1/2+o(1)}$ であることを示した。
- 既存研究の EDCS データ構造とは異なり，maximality の検証と維持に特化した subgraph system という新しいフレームワークを導入した。
- この subgraph system により，再帰的な改良が可能となり，より強力なパラメータとより高速なアルゴリズムを実現した。
計算材料科学における知的なコーディングエージェントは結果を再現できるか [cs.SE, cs.AI, cs.CL]目的：計算材料科学の論文からの主張の再現能力の評価
- 材料科学研究の進展には，計算シミュレーションの再現性が不可欠である。
- 論文に記載された計算手順が不十分であったり，再現が困難な場合がある。
- LLMベースのエージェントの科学的ワークフローにおける再現性の限界を特定する。
- AutoMatベンチマークを用いてLLMベースのエージェントの性能を評価した結果，成功率は54.1%に留まった。
- 特に，論文テキストのみからワークフローを再構築する際に困難が生じ，不完全な手順や方法論の逸脱が主な原因であった。
- AutoMatは計算科学における再現性の評価基準として機能し，AIを活用した科学研究におけるエージェントシステムの課題を明確にする。
関数外延性なしの一価性 [cs.LO, math.LO]目的：関数外延性の有無に関する一価性公理の弱化された変形の研究
- ホモトピー型理論は，型理論とホモトピー論を統合し，数学の基礎付けに新たな視点を提供している
- 関数外延性は型理論の重要な性質であるが，必ずしも公理として採用されるわけではない
- 一価性の弱化された変形であるカテゴリカル一価性が関数外延性を必ずしも意味しないことを示す
- カテゴリカル一価性は，関数外延性よりも弱い公理であり，モデルによっては両立しないことが示された
- Von Glehnの多項式モデル構成を用いることで，関数外延性を否定する型理論モデルが存在することが確認された
- ベースモデルが一価性を持つ宇宙を持つ場合，その多項式モデルはカテゴリカル一価性を持つが，関数外延性を持たない
ラストマイル物流におけるエントロピー [math.OC, cs.IT, math.IT]目的：ラストマイル物流の複雑性計測
- 物流効率化は経済活動の根幹であり，都市部の人口増加に伴い重要性が増している。
- ラストマイル物流は細分化されており，その複雑さを定量的に評価する手段が不足している。
- ラストマイル物流の複雑性をエントロピーとして捉え，その構造的な特徴を明らかにすること。
- ラストマイル物流の複雑さを，ボルツマンの統計力学に基づいた構造エントロピーを用いて定量化するフレームワークを提示した。
- 実データ分析の結果，現在のラストマイル物流は高いエントロピー値を示し，最大限の細分化状態にあることが示された。
- 空間的な統合は，事業者側のエントロピーを削減する一方で，顧客の移動を増加させ，システム全体のエンロピーを増加させる可能性があることが判明した。
テンソルネットワークから実行可能な回路へ，そして再び [quant-ph, cs.DS, cs.LO]目的：テンソルネットワークと回路の間の同値性の確立
- 偽ブール関数を表現するデータ構造として，テンソルネットワークと回路が広く利用されている。
- テンソルネットワークと回路は，それぞれ異なる研究コミュニティで主に研究されてきた。
- 実用的なテンソルネットワーククラスと知識コンパイルにおける実行可能な回路クラスとの対応付けを目指す。
- 行列積状態（テンソルトレイン）が非決定的エッジ値決定図と一致することが証明された。
- 木状テンソルネットワークが構造分解可能な回路と正確に対応することが示された。
- 回路における正準性と実行可能性の保証が，対応するテンソルネットワークにも適用される。
変動するチャネルを通じた量子もつれによるデータ伝送 [quant-ph, cs.IT, math.IT]目的：変動するチャネルにおけるデータ伝送の安定化
- 通信の安全性確保は重要であり，特に妨害に対する耐性が求められる。
- 従来の通信システムでは，変化する妨害への対応が困難であった。
- 量子もつれを利用し，妨害下の安全な鍵配送を可能にすること。
- 送信者と受信者は，二モード絞り込み状態を利用することで，エネルギー制限のある妨害攻撃に対抗できることが示された。
- 本研究では，標準的な光通信モデルに基づき，鍵配送段階における量子もつれの使用方法を提示した。
- バイナリ位相シフト鍵化方式と二モード真空状態を用いることで，安定した通信が可能となる。
直観主義的共通認識 [math.LO, cs.LO]目的：直観主義的共通認識論理の公理化と解析
- 知識と認識の形式的なモデル化は，人工知能や多エージェントシステム等の分野で重要である。
- 直観主義論理における共通認識の扱いは，古典論理と比較して未解明な点が多い。
- 直観主義的共通認識論理の体系化と，その計算可能性を明らかにすること。
- 直観主義的共通認識論理（ICK）に対する公理系と解析的循環逐次計算が提示された。
- 提示された論理体系の健全性と完全性が証明され，有限モデル性および決定可能性が確立された。
- S5モデルにおけるCKからICKへの翻訳が可能であり，全ての論理の証明探索と妥当性問題は指数時間で解ける。
- 1
- 2