arXiv雑要約
プログラム - 2026/05/15 公開
線形感度不整合下における戦略的ガウス信号 [cs.GT, cs.IT, cs.SY, eess.SY, math.IT]目的：線形感度不整合下におけるStackelbergガウス信号ゲームの均衡構造
- 情報伝達において，送信者と受信者の間には必ず何らかの認識のずれが存在する。
- 従来のモデルでは，認識のずれは単純なバイアスとして扱われてきたが，より複雑な線形変換として捉える必要がある。
- 線形感度不整合が情報伝達に与える影響を明らかにし，有効な信号伝達の条件を導出する。
- ノイズのない場合，均衡はスペクトル特性を持つ。送信者は，不整合行列の負の固有値に対応する固有空間に沿ってのみ情報を伝達する。
- ノイズのある場合，有益な信号伝達のための解析的な閾値が得られた。感度不整合や伝送コストがチャネル依存の閾値を超えると，通信は破綻する。
Vibe Code Bench：エンドツーエンドのWebアプリケーション開発におけるAIモデルの評価 [cs.SE, cs.AI, cs.CL]目的：エンドツーエンドのWebアプリケーション開発におけるAIモデルの性能評価
- AI技術の応用範囲拡大に伴い，コード生成の重要性が高まっている。
- 既存の評価指標は，部分的なタスクに焦点を当てており，実用的なアプリケーション開発能力を測れていない。
- ゼロからWebアプリケーションを構築する一連のプロセスを評価するベンチマークの提供。
- Vibe Code Benchは，100件のWebアプリケーション仕様と964のブラウザベースのワークフローで構成される。
- 最先端のモデルでも，テストデータに対する正答率は61.8%に留まり，安定したアプリケーション開発は依然として課題である。
- 生成時の自己テストが性能の重要な予測因子であり，評価者の選択が結果に大きく影響することが示された。
バッファと無制限乗り換えに対応する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経路探索
- 経路探索は，効率的な移動や都市計画において重要な役割を担う。
- 従来のダイクストラ法は，時刻表ベースのアルゴリズムに取って代わられ，比較が不十分だった。
- バッファ時間の影響を考慮した，より正確で効率的な経路探索アルゴリズムの開発。
- 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実証された。
- バッファ時間を正しく扱えるTransfer Aware Dijkstra (TAD)を提案し，MRに対し2倍以上の高速化を実現した。
- ロンドンおよびスイスのネットワークにおいて，バッファ時間有無にかかわらず最適解を得られた。
キャパシティ達成型BBT極符号とインターリーバ支援BP復号 [cs.IT, math.IT]目的：BBT極符号の容量達成性とその復号手法
- 情報伝送において，信頼性と効率的な符号化は重要である。特に極符号は，高速復号が可能な高性能符号として注目されている。
- 従来の極符号は，ブロック長に制限があり，柔軟性に欠ける。また，復号遅延も課題となっている。
- 任意のブロック長に対応可能なBBT極符号を提案し，その性能と低遅延化復号手法を明らかにすること。
- 提案手法であるBBT極符号は，二値入力対称メモリ無しチャネルにおいて容量を達成することが数学的に証明された。
- インターリーバを用いたBBT極符号とBP復号アルゴリズムにより，復号収束性が向上し，低遅延化が実現された。
- 階層的な木構造を利用した効率的なウェイトスペクトル推定法と，フレームエラー率の上界・下界の解析的導出が可能となった。
LLM駆動アルゴリズムデバッグによる手続き的洗練：ARC-AGI-2への応用 [cs.SE, cs.AI]目的：抽象的推論における潜在的な規則の導出と未見インスタンスへの適用
- 複雑な抽象的推論は，汎用人工知能(AGI)実現の鍵であり，その能力向上が求められている。
- LLMによる規則表現はプログラムとして可能だが，従来の洗練方法は結果レベルに留まり，根拠の再検証が困難である。
- LLMとPrologメタインタプリタを組み合わせ，モデルの仮説規則を意味論的に再検証する手法を確立する。
- 提案手法(ABPR)は，ARC-AGI-2においてGemini-3-Flashで56.67%，GPT-5.5 xHighで98.33%のPass@2を達成した。
- ABPRは，ARC-AGI-2特有のタスクだけでなく，I-RAVEN-XやA-I-RAVENといったRAVEN形式の推論にも適用可能であることが示された。
- トレース誘導探索は，探索幅と洗練の深さが深まるにつれて，確率的変動を抑制する効果が確認された。
StreamSampling.jl：Juliaにおけるデータストリームからの効率的なサンプリング [cs.SE, stat.CO]目的：データストリームからの効率的なサンプリング手法
- ビッグデータ解析において，ストリームデータの効率的な処理が不可欠である。
- ストリームデータのサイズが不明確な場合，全データをメモリに格納することが困難である。
- メモリ使用量を抑えつつ，ストリームデータから効率的にサンプルを抽出すること。
- StreamSampling.jlは，ストリームデータから単一パスで効率的にサンプリングを行うJuliaライブラリである。
- 従来のサンプリング手法と比較して，低メモリフットプリントとストリームの完全なマテリアライズ化の回避が可能な点が優れている。
- 実験的ベンチマークにより，オンラインサンプリング手法の性能とメモリ効率の向上が実証された。
開発者とLLMにおけるコード評価のバイアスの比較 [cs.SE, cs.CL]目的：コード評価における開発者とLLMのバイアス
- LLMがコードの自動評価に利用される場面が増加しており，その信頼性確保が重要である。
- LLMの判断基準と人間の判断基準にずれが生じる可能性があり，評価の公平性に課題がある。
- LLMの判断バイアスを可視化し，人間の評価との整合性を高めることを目指す。
- TRACEフレームワークを用いて，13種類のLLMのコード評価能力を測定した結果，人間の評価者と比較して12～23%劣ることがわかった。
- TRACEは，LLMと人間の評価における35の重要なずれを特定し，その多くは既存のソフトウェア品質基準に対応していた。
- 例えば，チャットベースのコーディングでは，LLMは長いコードの説明を好む一方，人間は短いものを好む傾向がみられた。
構造を保存するスパース化による確率的勾配符号化 [cs.IT, math.IT]目的：遅延ノードへの耐性と応答ノードの計算負荷バランスの両立を目指す分散コンピューティング技術における勾配符号化手法
- 分散コンピューティングにおいて，処理速度の遅いノード（straggler）の存在は全体のパフォーマンス低下の主要因となる。
- 既存の勾配符号化手法では，パラメータ範囲に制限があり，様々なシステム構成に対応できない場合がある。
- 本研究は，パラメータ制限を克服し，より広範なシステム構成に対応可能な新しい勾配符号化手法を提案する。
- 提案手法であるSparse Gaussian (SG) 勾配符号化とExpansion-Preserving (EP) 勾配符号化は，BIBD勾配符号化と同等の最悪ケース性能を達成する。
- これらの手法は，BIBDやsoft BIBD勾配符号化では実現不可能だったシステムパラメータ範囲を大幅に拡張する。
- これにより，大規模分散コンピューティングタスクに対する実用的かつ理論的に裏付けられた解決策を提供する。
緊急物資輸送UAVのための異種デュアルネットワークフレームワーク：通信確保と経路計画の協調 [cs.RO, cs.MA, cs.IT, math.IT]目的：緊急時の物資輸送におけるUAVの通信確保と経路計画の最適化
- 災害時における地上インフラの破壊により，UAVを用いた緊急物資輸送の重要性が高まっている。
- 災害環境下では通信リンクの不安定性が課題であり，制御喪失や救助の遅延を引き起こす可能性がある。
- HDNFは，通信途絶を回避し，安全かつ信頼性の高い物資輸送を実現することを目的とする。
- HDNFは，ホバリングUAV基地局による緊急通信支援ネットワークと，高速移動する輸送UAVによる配送経路ネットワークを連携させる。
- 提案手法は，タスク割り当て，基地局配置，経路計画を同時に最適化することで，通信信頼性を最大化し，消費エネルギーと基地局コストを最小化する。
- シミュレーションの結果，HDNFは通信信頼性を大幅に向上させ，重要な局面での通信途絶を解消し，高いタスク成功率を維持しながらハードウェアコストを削減することが示された。
EFX 分配の存在しない反例：n≧3エージェント，m≧n+5アイテム，部分加法的な評価関数 [cs.GT, cs.DS]目的：EFX分配の非存在性
- 公正な資源配分は，社会科学，経済学，計算機科学において重要な課題である。
- EFX分配の存在性は長年の未解決問題であり，特定の条件下での存在が保証されていなかった。
- 本研究は，EFX分配が存在しない具体的な事例を示すことで，この問題に答える。
- エージェント数が3人以上，アイテム数がエージェント数＋5個以上の場合，EFX分配が存在しない反例が発見された。
- エージェント数が3人でアイテム数が7個の場合には，EFX分配が常に存在することが証明された。
- エージェント数が3人の場合，EFX分配が存在しないとしても，tEFX，EF1，EEFXのいずれかの緩和された分配が存在することが示された。
方向性の誤認が，人間と機械の視覚におけるレート歪み幾何学を通して異なる誘導的バイアスを明らかにする [cs.CV, cs.IT, math.IT, q-bio.NC]目的：人間と機械の視覚における誘導的バイアスの違いの定量化
- 視覚は知覚において重要であり，人間と機械の視覚システムの理解を深めることが求められている。
- 既存の評価指標では，人間と機械の視覚システムの内部的なバイアスの違いを捉えきれない場合がある。
- 誤認の方向性に着目することで，従来の評価指標では見過ごされていた誘導的バイアスを明らかにすること。
- 人間は多くのクラスペアで弱い非対称性を示すが，深層視覚モデルは少数の支配的なカテゴリに強く崩壊する。
- ロバストネス学習は全体の非対称性を軽減するものの，人間のような分散構造を再現できない。
- 誤認の方向性の構造は，精度ベースの評価では捉えられない誘導的バイアスの繊細で解釈可能なシグナルである。
実現可能な一般メトリック損失に対するベイズ整合性 [cs.LG, cs.IT, math.IT, math.ST, stat.TH]目的：一般メトリック損失における実現可能な設定での強普遍ベイズ整合性
- 機械学習の理論的基盤を確立するため，損失関数の一般化された条件が必要である。
- 既存の研究では，損失関数が$0$-$1$分類や実数値回帰に限定されており，より広範な損失関数への対応が課題である。
- あらゆる実現可能なデータ生成分布において，最適なリスクに収束する分布フリー学習ルールの存在条件を特定する。
- この研究では，組合せ的な障害を用いて，仮説クラスに対する必要十分条件を明確に示した。
- 無限の非減少$(\gamma_k)$-リトルストーン木を導入することで，メトリック損失設定へのリトルストーン木の構造を拡張した。
- これにより，最適なリスク（ゼロ）にほぼ確実に収束する分布フリー学習ルールの存在が保証された。
ランダム化学習拡張型オンライン入札のパレート最適解 [cs.DS]目的：ランダム化学習拡張型オンライン入札における最適整合性
- オンライン入札は，資源配分や階層的クラスタリングなどに応用される重要なオンライン意思決定問題である。
- 既存研究では，最適整合性とロバスト性の関係にギャップが存在し，理論的な限界が明確でなかった。
- 本研究は，このギャップを埋め，ランダム化入札戦略の設計と分析のための統一的な枠組みを提供する。
- 最適整合性の解析的上限と下限を導出し，ロバスト性が2.885以上の場合に一致することを示した。
- 入札関数という新しい抽象化を導入し，ランダム化入札戦略の設計・分析を簡素化した。
- 提案手法をインクリメンタル中央値問題に適用し，クラスタリングにおける実用性を示した。
相互情報セキュリティ基準に基づく可変長ソース暗号化のフレームワーク：普遍符号化と強い逆定理 [cs.CL, cs.IT, math.IT]目的：離散無記憶ソースに対する可変長無損失ソース符号化の新たな暗号化フレームワーク
- 情報セキュリティは，現代社会におけるデータ保護において極めて重要である。
- 従来の暗号化手法では，情報漏洩の定量的な評価が困難であった。
- 相互情報セキュリティ基準に基づき，安全な通信のための必要十分条件を確立すること。
- 提案するフレームワークでは，相互情報を情報漏洩の尺度として用いる。
- 情報漏洩が一定値以下であるという条件下で，安全通信の必要十分条件を導出した。
- 得られた条件は定数δに依存せず，強い逆定理が成立することを示した。
MASPrism：マルチエージェントシステムにおける事前段階の信号を用いた軽量な障害原因特定 [eess.SY, cs.SY, cs.SE]目的：LLMベースのマルチエージェントシステムにおける障害原因の特定
- マルチエージェントシステムは複雑であり，障害発生時の原因特定が困難である。
- 既存手法は，コストが高い，実行の再現が必要，合成データに依存するなどの課題がある。
- 事前段階の信号を利用して，効率的かつ正確な障害原因特定を可能にすること。
- MASPrismは，小規模言語モデル(SLM)の事前段階の信号を用いて障害原因を特定する軽量なフレームワークである。
- Who&WhenおよびTRAILの評価において，既存手法を大幅に上回り，特にWho&When-HCではTop-1精度を33.41%向上させた。
- TRAILにおいては，Gemini-2.5-Proを含む強力な商用LLMを最大89.50%上回り，処理速度も6.69倍向上した。
決定論的完全静的二進数変換：ヒューリスティクスなし [cs.CR, cs.PL]目的：x86-64実行ファイルをAArch64へ静的に変換する手法
- ソフトウェアの移植やセキュリティ強化において，異なるアーキテクチャへの効率的な変換は重要である。
- 従来の二進数変換は，ヒューリスティクスに依存し，誤った解釈によるエラーが起こりやすい。
- すべてのバイトの解釈を考慮し，実行前に変換を完了させることで，信頼性の高い変換を実現する。
- Elevatorは，ヒューリスティクスやランタイムのフォールバックを使用せずに，x86-64をAArch64へ静的に変換する。
- この手法は，コードサイズが拡大するというトレードオフはあるが，テストや検証，暗号署名が可能となる。
- 実世界のバイナリを用いた評価により，静的二進数変換が信頼性と実用性を兼ね備えていることが示された。
RubricRefine：事前実行の改良によるツール利用エージェントの信頼性向上 [cs.LG, cs.SE]目的：ツール利用エージェントの信頼性向上
- 複雑なタスクを自動化する上で，ツール利用エージェントは不可欠であり，その信頼性が重要である。
- 既存手法では，実行時のフィードバックだけではツール間の契約違反を十分に検知できず，信頼性が限定的である。
- 事前実行段階で契約チェックを行い，反復的に修正することで，ツール利用エージェントの信頼性を高めることを目指す。
- RubricRefineは，学習なしでタスクとレジストリ固有の評価基準を生成し，候補コードを契約チェックと比較する。
- 実行前に反復的に修正を行うことで，M3ToolEvalにおいて平均0.86という高い精度を達成した。
- 既存の推論時ベースラインや非反復的な代替手法と比較して，大幅な性能向上と低遅延を実現した。
極性複雑性：情報源および結合情報源-チャネル符号化への応用に関する新しい記述複雑性 [cs.IT, math.IT]目的：有限長二値系列の記述複雑性評価手法
- 情報圧縮や符号化において，効率的な記述は重要な課題である。データ量を削減し，信頼性の高い伝送を実現する。
- 既存の記述複雑性指標では，極性符号などの最新の圧縮技術に対応できない場合がある。
- 極性圧縮に基づく新しい記述複雑性指標を定義し，効率的な情報源符号化方式を提案する。
- 極性複雑性として，系列の正確な再構成に必要な最小極性圧縮長を定義し，効率的な計算アルゴリズムを開発した。
- 提案する極性ベースの二段階情報源符号化方式は，無損失かつプレフィックスフリーであり，特定の条件下でソースエントロピに漸近的に近づく。
- 極性情報源符号化と極性チャネル符号化を統合した適応型ダブルポーラ結合情報源-チャネル符号化方式が，既存方式よりも優れた性能を発揮する。
量的な線形論理 [cs.LO, math.LO]目的：確率的・量的なシステムに対する検証手法の開発
- 機械学習モデルなど，確率や量を扱うシステムの検証において，論理的制約を組み込む必要性が高まっている。
- 線形論理やファジィ論理における加法結合子（「soft」な意味論の付与が困難）が，従来の論理学における課題となっていた。
- 実数の性質に基づき，新たな逐次推論規則を導入することで，微分可能な加法結合子を持つ論理システムを構築する。
- 実数値の逐次推論規則を導入した「量的な逐次推論規則」を提案し，ファジィ論理や深部推論を一般化した。
- 提案された体系pQLLは， hardness degree $p$ によって指数付けられ，カット除去定理が成立し，enriched residuated ‘soft’ latticesに対して完備であることが示された。
- $p$ を無限大に近づけると，pQLLはMALLに還元され，pQLLにおける演繹可能性はMALLにおける演繹可能性に収束する。
大規模言語モデルは高レベルメッセージシーケンスチャートをどのように理解しているか [cs.SE, cs.AI, cs.LO]目的：高レベルメッセージシーケンスチャートのセマンティクス理解度
- ソフトウェア開発ライフサイクル自動化において，LLMの活用が進んでいる。
- LLMが扱うアーティファクトのセマンティクスと整合性が取れているか不明である。
- 高レベルメッセージシーケンスチャートに対するLLMの理解度を評価し，課題を特定する。
- LLMはHMSCのセマンティクスを限定的にしか理解していないことが示された（全体精度約52%）。
- 基本的なセマンティクス概念（イベントと順序）は高い精度（約88%）を示す一方，抽象化と合成，トレースおよびLTSの処理では精度が低い（それぞれ約36%，42%）。
- 特に，LLMは共領域や明示的な因果関係の概念に苦戦し，セマンティクスを保持した変換に活用できなかった。
ニューロシンボリック学習と検証のための定量線形論理 [cs.LO]目的：ニューロシンボリック学習と検証のための新たな論理的枠組み
- ニューラルネットワークの学習に論理的制約を組み込むことで，より堅牢で解釈可能なAIの実現が期待される。
- 既存の微分可能論理は，論理的性質と解析的な要件のトレードオフに悩んでおり，十分な基盤が確立されていない。
- 機械学習で用いられる演算（和とlog-sum-exp）に基づいた論理のセマンティクスを定義し，その有効性を検証する。
- 定量線形論理（QLL）は，標準的な線形論理の法則を多く満たすことが示された。
- QLLは，テスト時の性能が論理的制約の検証結果とよく相関しており，既存手法を上回る有効性を示す。
- QLLは，論理的妥当性と実証的な有効性の両立を目指した新しいアプローチである。
Legendre変換による測度の変化 [stat.ML, cs.IT, cs.LG, math.IT, math.PR, math.ST, stat.TH]目的：PAC-Bayes汎化限界の導出
- 機械学習の理論的基盤を強化し，過学習を防ぐために，汎化性能の厳密な評価が不可欠である。
- 従来のPAC-Bayes boundは，経験リスクに関する強い仮定を必要とし，適用範囲が限定されるという課題があった。
- f-divergenceに基づく測度の変化を利用し，より緩やかな仮定の下でのPAC-Bayes boundを確立することを目指す。
- Legendre変換とFenchel-Youngの不等式を組み合わせることで，f-divergenceに基づく測度の変化に関する不等式を導出した。
- この不等式を用いることで，経験リスクに関する仮定を緩和したPAC-Bayes汎化限界が得られることが示された。
- 本研究は，PAC-Bayesian保証が適用できる条件の範囲を拡大し，理論的な機械学習の進展に貢献する。
低次多項式による推定における鋭い相転移 [math.ST, cs.CC, cs.DS, math.PR, stat.TH]目的：高次元植栽問題における推定の限界
- ランダムグラフなど高次元データにおける隠れた構造の発見は重要である。
- 統計的には可能でも，計算的には困難なケースが存在し，そのメカニズムが不明である。
- 低次多項式アルゴリズムの有効性下限を証明し，推定タスクにおける鋭い相転移を捉える。
- 本研究では，植栽された部分行列，密な部分グラフ，スパイクされたウィグナーモデル，確率的ブロックモデルにおいて新たな結果を得た。
- 既存研究で未達だった鋭い閾値を達成し，多項式の次数に関する制限を定めた。
- Hopkins & Steurer (2017)やSchramm & Wein (2022)が提起した問題を解決し，Abbe & Sandon (2018)らの仮説を支持する。
量子エントロピー推定のための量子ニューラルネットワーク性能保証 [quant-ph, cs.IT, cs.LG, math.IT]目的：量子エントロピーおよびダイバージェンスの推定における量子ニューラル推定器(QNE)の性能保証
- 量子物理学，情報理論，機械学習において，量子エントロピーの正確な推定は不可欠である。
- 従来のQNEの性能は，ハイパーパラメータの調整に大きく依存し，その最適化が困難であった。
- QNEの誤差リスクの上限を導出し，ハイパーパラメータ調整の指針を提供することを目指す。
- 提案手法により，次元$d$，精度$\epsilon$に対するQNEのコピー複雑度が$O(|\Theta(\mathcal{U})|d/\epsilon^2)$であることが示された。
- 密度演算子が置換不変である場合，次元依存性を$O(|\Theta(\mathcal{U})|\mathrm{polylog}(d)/\epsilon^2)$まで改善できる。
- 本研究は，QNEの実用的な実装を促進し，ハイパーパラメータチューニングを効率化する。
PesTwin：精密農業を可能にする生物学的情報に基づいたデジタルツイン [q-bio.QM, cs.SE, q-bio.PE]目的：害虫侵入のデジタルツイン
- 食糧安全保障の重要性が増す中，農業生産性の向上が不可欠である。
- 侵入性害虫による被害が深刻化しており，効果的な対策が求められている。
- 精密農業とIPMに基づき，害虫の侵入を予測し被害を軽減することを目指す。
- 本研究では，エージェントベースモデリングを用いて，害虫と作物，環境との相互作用をシミュレーションするフレームワークを開発した。
- 実験室での害虫データ，気象データ，GISデータなど，多様なデータソースを統合し，現実的なシナリオにおける害虫の発生を予測することを可能にした。
- 具体的には，ソフトフルーツの害虫であるアカイエカ（Drosophila suzukii）への応用を示し，その有効性を検証した。
可解性複雑度指標の基礎的分析：ヴァイラッハ-SCI 中間階層 [math.LO, cs.LO, math.SP]目的：可解性複雑度指標による計算可能性の階層構造
- 計算可能性理論は，アルゴリズムの限界や効率を理解する上で不可欠である。
- 既存の計算モデルでは，ある種の関数の複雑さを捉えきれない場合がある。
- 有限サンプルからの関数復元における複雑度指標の役割を明確化すること。
- 可解性複雑度指標(SCI)分離公理は，関数の完全評価表を通じた因数分解と同値であることが示された。
- 可解性複雑度指標を拡張し，Weihrauch還元可能性との関連付けを行うことで，新たな計算モデルを提案した。
- 制限付きのSCI階層を導入し，その階層構造と論理的制約を明らかにした。
高速な間隔付きk-mer反復 [q-bio.GN, cs.DS]目的：間隔付きk-merの高速抽出アルゴリズム
- バイオインフォマティクスの基本的な計算要素であり，ゲノム解析等に不可欠である。
- 従来のk-mer処理速度では，間隔付きk-merの利用が制限されていた。
- CPUレベルのビット操作による高速化で，その制約を克服することを目指す。
- CPUレベルのビット操作に基づいた効率的なアルゴリズムを開発し，既存手法より最大10倍高速化を実現した。
- k-mer処理における一般的な落とし穴を評価し，効率低下の原因を明らかにした。
- コア当たり最大750MB/秒のシーケンスデータ処理能力で，実用的な高速処理を可能にした。