arXiv雑要約
プログラム - 2026/08/04 公開
マスク予測の識別可能性：モード盲目性とマスクスケジュール [cs.RO, cs.LG, cs.IT, math.IT]目的：マスク予測における識別可能性の理論的解明
- 自己教師学習において，マスク予測は強力な表現学習手法として注目されている。
- データ内に複数のモードが存在する場合，マスク予測が真のデータ分布を識別できるか不明確である。
- マスクスケジュールがモード識別性に与える影響を分析し，識別可能性を評価する。
- マスクスケジュールが主に大域的な文脈に依存する場合，モードの重みへの感受性が失われ，モード盲目性を示す。
- データ分布のわずかな誤差と過剰リスクの関係を示す「ε-識別可能性モジュラス」を導入し，過剰リスクが小さい場合でも識別可能性が維持されることを証明した。
- 計算可能な分布での検証，勾配学習による再現，実データ分析により，理論的結果の妥当性を確認した。
ラン長圧縮文字列におけるMEM探索 [cs.DS]目的：文字列Tに対するパターンPの最大正確マッチ(MEM)の探索
- ゲノム解析等において，大規模文字列の効率的な検索が重要である
- 文字列のsuffix tree構築には時間と空間が必要となる
- ラン長圧縮を利用し，効率的なMEM探索を実現する
- テキストTをO(ρT + χ)の空間で格納可能である
- パターンPのMEM探索はO(ρP log m)時間で実行可能である
- ハプロタイプパネルに対する集合最大正確マッチ(SMEM)探索にも応用可能である
差分プライバシーとランダム三角形の架け橋 [cs.IT, math.IT]目的：ランダム三角形の幾何学的表現
- プライバシー保護技術は，データ利用と個人情報保護の両立に不可欠である。
- 差分プライバシーのプライバシー損失評価はスカラー変数に依存する。
- ランダム三角形の幾何学的構造を解析し，プライバシー損失評価を深める。
- ランダム三角形の辺の長さを正規化し，シンプレックスにマッピングする表現を開発した。
- シンプレックス座標から古典的なプライバシー損失変数を再構成できることを示した。
- 三角形のスペクトル形状を半球にマッピングする表現も開発し，同様の結果を得た。
付加ノイズを持つ粘着チャネルの容量 [cs.IT, math.IT]目的：付加ノイズ粘着チャネルの容量
- 同期エラーを持つチャネルは，情報伝送における重要な課題である。特に，遺伝子配列解析などに応用が期待される。
- 既存の粘着チャネルの容量は，数値計算に頼ることが多く，理論的な理解が不足している。
- 付加ノイズ粘着チャネルを研究することで，より一般的な粘着チャネルの容量特性を解明する。
- ベルヌーイ付加ノイズの場合，パラメータpが特定の範囲（1/φ^2≦p≦1/2）で容量が一定となることが明らかになった。
- pが0に近い場合と1に近い場合で容量の振る舞いが異なり，詳細な解析により正確な容量を決定した（p≦1/2の場合）。
- 平均とサポートが与えられた付加ノイズ粘着チャネルに対して容量の下限を導出し，無誤りラン長制約符号化の最適性に関する知見を得た。
大規模言語モデルによるCI設定生成に関するマルチサービス研究 [cs.ET, cs.DC, cs.IR, cs.SE]目的：CI設定生成の性能評価
- 継続的インテグレーションはソフトウェア開発において不可欠であり，その自動化は効率化に繋がる。
- CI設定ファイルの記述はエラーが起こりやすく，保守が困難であるという課題がある。
- 大規模言語モデルを用いたCI設定生成の限界と改善点を探求する。
- 大規模言語モデルによるCI設定生成の精度は，参照との完全一致で3.1%にとどまる。
- 生成されたYAMLの97%は構文解析可能だが，サービススキーマに適合するのは71%のみである。
- スキーマに基づいた修正手法により，スキーマ適合性は94%に向上する。
国際ソフトウェア工学教育におけるソフトスキルと関連する課題の実証的調査 [cs.SE]目的：国際ソフトウェア工学教育におけるチームワークに必要なソフトスキルとその課題
- グローバル化が進む現代において，国際的なソフトウェア開発プロジェクトは増加の一途を辿っている。
- 国際的なチームでの開発では，技術力に加え，文化や言語の壁を乗り越えるソフトスキルが重要となる。
- 本研究は，国際ソフトウェア工学教育における効果的なチームワーク教育の指針となることを目指す。
- フォーカスグループ調査の結果，チームワークに必要なソフトスキルが明確化された。
- 国際的な環境下では，コミュニケーションの困難さや文化的差異が課題として浮上した。
- 本研究の知見は，大学教員や教育専門家が学生のグループワークをより効果的に計画する上で役立つと考えられる。
平均報酬保証を持つ交代時間テンポラルロジック [cs.LO, cs.GT, cs.MA]目的：戦略的および定量的な推論を組み合わせる方法
- ゲーム理論と検証の分野において，戦略的行動と定量的な性能保証を統合的に扱う重要性が増している。
- 従来のATL*では，長期的な報酬の保証を組み込むことが難しく，表現力に限界があった。
- 長期的な平均報酬の閾値を保証する戦略の存在性を形式的に検証すること。
- 本研究で導入したATL*_mpは，ATL*の表現力を拡張し，平均報酬制約とテンポラル制約を同時に扱うことを可能にした。
- 1次元制約下では，モデル検査の複雑さはATL*と同程度の2EXPTIME-完全であることが示された。
- 記憶容量の要求量を，閾値の分母の関数として線形に評価できることを示した。
リポジトリレベルのコード質問応答のための深層エージェント探索：経験的研究 [cs.SE, cs.AI, cs.IR, cs.MA]目的：リポジトリレベルのコード質問応答における深層エージェント探索と意味検索の性能比較
- コードエージェントは，質問応答において適切なコードを迅速に見つけることが重要である。
- 深層エージェント探索はコンテキスト汚染を防ぐために導入されたが，その有効性は検証されていない。
- 本研究は，深層エージェント探索が必ずしも意味検索より優れていないことを示す。
- 意味検索はSWE-QAベンチマークにおいて，深層エージェント探索よりも高い正答率（65.2%対46.2%）を示した。
- 意味検索は，深層エージェント探索よりも低いコストで正答を導き出した。
- 深層エージェント探索の失敗の多くは，プランナーとサブエージェント間の連携に起因するものであった。
アルゴリズム駆動型開発：ソフトウェア品質向上と欠陥削減のための積極的アプローチ [cs.SE, cs.PL]目的：ソフトウェア品質の向上と欠陥の削減
- ソフトウェア開発における品質確保は常に重要であり，変化する要件への対応が求められる。
- 要件定義と信頼性の高い実装との間にギャップが生じやすく，テストや保守に課題が残る。
- 要件からテストを体系的に生成し，開発初期段階から品質を確保することを目指す。
- アルゴリズム駆動型開発（ADD）は，要件をアルゴリズムフローチャートに変換し，そこから受け入れテストを自動的に生成する。
- 4年間の産業プロジェクトでの評価により，95％以上のコードカバレッジと低い欠陥密度が確認された。
- ADDは，要件，テスト，実装間の連携を強化し，産業用ソフトウェア開発における可能性を示す。
Meganeura：VulkanとMetalによるポータブルなGPUトレーニングと推論 [cs.HC, cs.RO, cs.LG, cs.DC, cs.PL]目的：消費者向けGPUにおける両フェーズをサポートするコンパクトなネイティブコンパイラの実現
- GPUを用いた機械学習は，高性能な計算能力を必要とし，様々な分野で活用が進んでいる。
- 既存のフレームワークは，プラットフォーム依存性が高く，異なる環境への移植が困難な場合がある。
- GPU上でトレーニングから推論までを統一的に実行できる，ポータブルなコンパイラを開発し，その性能を検証する。
- Meganeuraは，VulkanとMetalを用いて，NVIDIA，AMD，Apple Silicon，IntelのGPUで動作することを確認した。
- 厳密なf32精度で，20のGPU参照最小遅延セル中12でMeganeuraが勝利し，平均的なトレーニングのギャップは1.8倍だった。
- コンパイル時間はtorch.compileと比較して大幅に短縮され，バイナリサイズもコンパクトに抑えられた。
DockerログAPIにおけるソース境界付き厳密復元 [cs.DC, cs.OS, cs.SE]目的：DockerログAPIを通じた厳密復元が達成可能な範囲の特定
- コンテナ技術の普及に伴い，ログデータの信頼性はシステム運用において重要性が増している。
- DockerログAPIを用いたログ収集において，コンテナのライフサイクル変化によるデータ損失が課題となっていた。
- 本研究は，DockerログAPIの制約下における厳密復元の条件を明確化し，信頼性の高いログ収集を実現することを目指す。
- DockerログAPIは，コンテナのライフサイクル変化によってログデータが失われる可能性があることが示された。
- LogDeckは修正により，60回の収集試行すべてで厳密な復元に成功したが，Grafana Alloy 1.18.0は20回しか成功しなかった。
- 厳密な復元は，永続的な読み取り位置だけでなく，コンテナのライフサイクル再取得に依存することが明らかになった。
3層ネットワークにおけるベクトル線形ネットワーク関数計算のための線形ネットワーク符号 [cs.CL, cs.IT, math.IT]目的：3層ネットワークにおけるベクトル線形関数計算の効率的な符号化手法
- ネットワークコーディングは，ネットワークの通信容量を向上させる基盤技術である。
- 線形ネットワークコーディングの設計は，ネットワーク構造や関数に依存して複雑になる。
- ネットワークの制約下で，線形関数計算の容量を最大化する符号化手法を確立すること。
- 本研究では，ネットワークのグローバルな行空間が実現可能であるための必要十分条件を導出した。
- 中間ノードにおける最小通信負荷を，ローカルな部分空間のランクを用いて決定した。
- MDSターゲットに対する容量を，疎な場合と密な場合の両方で評価し，既存の結果を改善した。
ソフトウェア工学分野におけるLLMによる分類体系の生成能力：多角的評価フレームワーク [cs.SE]目的：ソフトウェア工学研究における分類体系の生成と評価
- ソフトウェア工学研究において，観察された異質なデータを整理するための共通概念フレームワークとして分類体系は重要である。
- 分類体系の作成は手作業で行われることが多く，専門知識を持つアノテーターに多大な労力を要する。
- LLMを用いた自動化手法のソフトウェア工学分野への適用可能性を評価し，実用的な指針を提供する。
- 最新のLLMを用いた自動手法（TnT-LLM，CLIMB）の性能を，分類体系の質，専門家による分類体系との整合性，アノテーションの信頼性，効率性などの観点から評価した。
- TnT-LLMは人間の専門家が作成した分類体系と同等の質を持つ分類体系を生成するが，コストと実行時間が大幅に増加し，過度に複雑な分類体系になりやすいというトレードオフが明らかになった。
- CLIMBはTnT-LLMよりも15～40倍高速で，8～49倍安価であるが，表面的な類似度を超えた技術的な推論が必要な場合には品質が低下する傾向にある。
オフィス業務での追加学習がソフトウェアエンジニアリングを向上させる：ドメイン横断的転移の行動的説明 [cs.RO, cs.AI, cs.SE]目的：長期的なタスク遂行能力の向上
- 複雑なタスク遂行には，一貫した状態と目標の維持が不可欠である。
- 既存のモデルは，長期的なタスクにおける目標指向型の実行に課題を抱えている。
- オフィス業務での追加学習が，異なるドメインでの知識応用に変化をもたらすことを検証する。
- オフィス業務での追加学習により，ソフトウェアエンジニアリングのベンチマークテスト（SWE-Bench Pro）の正答率が5.8ポイント向上した。
- 軌道分析の結果，オフィス業務とソフトウェアリポジトリの両方で，目標選択，状態構築，目的維持，完了検証といった目標指向型実行の4つの行動が改善された。
- SWE-Bench Proの集計統計は，情報収集，実装，検証における関連する変化を示した。
ミニマックスと事後一致によるオンラインアルゴリズム [cs.LG, cs.DS]目的：オンラインアルゴリズムにおける競争率の解析手法
- オンラインアルゴリズムは，データが逐次的に与えられる状況での意思決定において重要である。
- 従来の競争率解析は問題に依存性が高く，汎用性に欠ける点が課題であった。
- ミニマックス原理と事後一致を用いることで，より普遍的な解析フレームワークを構築し，競争率を評価する。
- 事後一致の原理に基づき，複数のオンラインフラクショナル問題に対して最適またはほぼ最適の保証が得られることが示された。
- 集合被覆，負荷分散，マッチングなど，古典的な問題における既存の結果を改善または再現することに成功した。
- 本手法は，オンラインベイズ設計と最悪ケースの競争率保証を結びつける再利用可能な経路を提供する。
要件引き出しインタビューにおけるAI支援スクリプト管理 [cs.SE, cs.AI]目的：要件引き出しインタビューにおけるAI支援スクリプト管理の有効性
- 要件定義は，システム開発の成功に不可欠であり，その品質が最終成果物を左右する。
- インタビュー担当者は，話題の網羅性，傾聴，適応的な質問をリアルタイムで両立する必要がある。
- AI支援により，インタビューの質を向上させ，より詳細な要件を抽出することを目指す。
- AI支援スクリプトは，トレーニングのみのスクリプトよりも高い評価を得た(100点満点中92.8点 vs 74.8点)。
- AI支援インタビューでは，話題数は減少したが，スクリプト化された質問のカバー率と，話題あたりのフォローアップ質問数が増加した。
- AI支援は，より洗練された目標モデルの作成に貢献し，参加者は話題追跡機能に有用性を感じた。
テストスイート監査人としてのコーディングエージェント：公式スイートが見逃すものを発見し，捕捉できるものに近づく [cs.SE, cs.AI]目的：コード評価におけるテストスイートの弱点の発見と，その改善
- コード生成AIの性能評価には，オンラインジャッジのデータセットが広く利用されている
- 既存のテストスイートには，バグを含むコードを許容してしまう問題がある
- コーディングエージェントを用いて，既存スイートの不備を検出し，新たなテストスイートを構築する
- コーディングエージェントは，AtCoderの提出されたコード中から589件のバグを含むコードを特定した
- 複数のエージェントを用いることで，合計906件のバグを含むコードが確認された
- 既存のテストスイートの範囲内で，エージェントは公式スイートと同程度のバグ検出率を維持し，テストスイートが存在しない問題でも高い性能を示した
EntailLLM: 論理プログラミングによるドメイン知識を用いたLLM生成の脆弱性発見経路の検証 [cs.CR, cs.AI, cs.LO, cs.SE]目的：LLM生成の脆弱性発見経路の妥当性検証
- ソフトウェアの安全性確保は重要であり，医療機器など安全性が求められる分野では特に不可欠である。
- LLMは知識に反する推論を行う可能性があり，その信頼性が課題となっていた。
- LLMの推論経路をドメイン知識と照合し，その妥当性を検証することで信頼性を向上させる。
- EntailLLMは，LLMが提案する解析経路を，バイナリの関数呼び出しグラフとドメイン知識グラフを用いて検証する。
- 検証の結果，ドメイン知識を用いることで，検証成功率が78%から98%に向上した。
- 実医療機器バイナリにおいても98%の検証成功率を達成し，LLMの出力に対する論理的な検証が可能となった。
積量子状態間のトレース距離の近似 [cs.DS]目的：積量子状態間のトレース距離の近似手法
- 量子情報科学における状態間の距離評価は，量子アルゴリズムや量子通信の性能評価に不可欠である。
- 積量子状態のトレース距離の厳密計算は計算困難であり，大規模な量子状態に対しては現実的ではない。
- 本研究は，積量子状態間のトレース距離を多項式時間で近似するアルゴリズムを提案することで，計算の効率化を目指す。
- 本研究では，有理数入力に対して，普遍定数因子内の決定論的な近似アルゴリズムを開発した。
- このアルゴリズムの実行時間は，因子数，局所次元，および入力ビット長に対して多項式である。
- 証明では，局所的なUhlmann最適化された精製を用いて問題を，積忠実度欠損と構造化された一次演算子のトレースノルムの推定に帰着させている。
移動サブアレイ支援ハイブリッド近傍・遠方場チャネルにおけるISAC [cs.DB, cs.IR, cs.IT, eess.SP, math.IT]目的：統合センシング・通信システムにおける範囲，仰角，方位推定の精度向上
- 無線通信とセンシング技術の融合が重要視されており，高精度な位置情報取得が求められている。
- 近傍・遠方場両方の特性を示すチャネルモデルの構築が困難であり，推定精度が制限されている。
- 移動サブアレイを活用し，ハイブリッドチャネルモデルに基づく最適化により推定精度を向上させる。
- 提案手法では，ハイブリッドチャネルモデルが球面波モデルと一致することを確認した。
- 移動サブアレイを用いることで，クラメール・ラオ下限を大幅に低減できることが示された。
- 送信ビームフォーミング行列とサブアレイ位置の同時最適化により，通信品質を維持しつつセンシング性能を向上させた。
リポジトリレベルのコード生成のための部分依存グラフによる効果的かつ効率的なコンテキスト検索 [cs.SE, cs.AI]目的：リポジトリレベルのコード生成におけるコンテキスト検索の効率化
- 大規模言語モデル(LLM)によるコード生成の発展に伴い，リポジトリ内のコード依存関係の理解が重要となっている。
- 従来の類似度ベースの検索では，ターゲット関数に依存するコードを十分に取得できないという課題があった。
- 部分依存グラフを活用することで，柔軟かつ低コストで関連コードを効率的に検索することを目的とする。
- 提案手法DyRetrieverは，LLMを用いてエントリポイント関数を選択し，コード依存グラフ上で多段推論を行うことでコンテキストを検索する。
- DyRetrieverは，静的なグローバルグラフの構築を避け，必要な時に部分グラフを構築・破棄することで，構築・維持コストを削減する。
- 実験結果から，DyRetrieverを統合したDyCoderは，既存のRAGベースの手法と比較して，CoderEvalおよびDevEvalでそれぞれ25.63%と59.73%のPass@1の相対的な改善を達成した。
Isabelle/STARK: Isabelle/HOLにおけるzk-STARKの形式化 [cs.LO, cs.SE]目的：zk-STARK形式証明プロトコルの形式化
- 暗号通貨等の安全性確保に不可欠であり，その検証には厳密な数学的根拠が求められる。
- 従来の証明系では，安全性や完全性の検証に手間や専門知識が必要であった。
- 形式的な証明を通してzk-STARKの安全性を厳密に検証し，信頼性を高める。
- Isabelle/HOLを用いて，STARK形式の透明な証明プロトコルを形式化した。
- 検証者と証明者の実行可能なモデル，最小事前条件計算を備えた有限確率状態モナドを開発した。
- 零故障健全性定理と，明示的な確率境界を持つ段階的健全性定理を証明した。
TELLER：LLM推論の非侵襲的クロスレイヤー根本原因分析 [cs.HC, cs.SE, cs.CL, cs.LG, cs.PF]目的：LLM推論における根本原因分析の実現
- LLM推論は継続的に稼働するサービスとなり，その性能最適化が重要である。
- 既存のプロファイラでは，レイヤー間の実行セマンティクスやリクエスト構造が捉えにくい。
- TELLERは，LLM推論における根本原因分析を効率的に行うことを目指す。
- TELLERは，モデルバイナリを変更せずにトレースとログを収集し，リクエストごとのコールチェーンツリーを再構築する。
- 依存関係を考慮した因果コンテキストスライスと，Trace Pair Encoding (TPE)により，トレース長を大幅に圧縮しつつ，高い診断精度を維持する。
- 多ノードGPU推論ワークロードでの実験により，TELLERが実用的な根本原因分析基盤となりうることを示した。
P4パケットパーサーの実際的な同値性検証：Octopus [cs.RO, cs.SY, eess.SY, cs.LO, cs.PL]目的：P4パケットパーサーの同値性検証
- ネットワーク機器の進化により，プロトコル非依存のパケット処理が重要になっている。
- P4パーサーの検証は複雑であり，手動での検証は困難である。
- P4パーサーの同値性検証を効率的に行うことで，ネットワーク機器の信頼性を向上させる。
- Octopusは，P4パケットパーサーをオートマトンに変換し，その同値性を検証する。
- 同値性を示す双シミュレーション，または異なる振る舞いを示す反例ビットストリームを提供する。
- 従来のツールと比較して，Octopusはより複雑なパーサーを数分以内に検証可能である。
VulnGym：リポジトリレベル脆弱性検出のためのコーディングエージェントのベンチマーク [eess.SY, cs.SY, cs.SE]目的：リポジトリレベル脆弱性検出のためのコーディングエージェントの評価基準
- LLMを活用した脆弱性検出技術は進歩しているが，完全なリポジトリを対象とするコーディングエージェントの能力評価が不可欠である。
- 既存のベンチマークは，事前に選択されたコードスニペットに焦点を当てており，リポジトリレベルでの評価が難しい。
- 本研究は，リポジトリ全体における脆弱性検出能力を評価するための詳細なアノテーション付きベンチマークを提供することを目指す。
- VulnGymは，GitHubの脆弱性報告と対応するリポジトリを関連付けた，現実的なベンチマークである。
- 184件の脆弱性報告と408件の脆弱性エントリを含み，行レベルでのエントリポイント，重要操作，脆弱性の追跡情報が付与されている。
- 評価の結果，現在のコーディングエージェントは，リポジトリレベルでの脆弱性検出と正確な証拠構築において限界があることが示された。
トリガードフラグメント [cs.LO]目的：ガードされたフラグメントと二変数フラグメントを統合した新規フラグメントの定義と決定可能性の検証
- 計算論理における決定可能性と表現力の関係性の解明は，モデル検査や知識表現といった分野の進歩に不可欠である。
- 第一階述語論理の決定可能性を維持しつつ，表現力を高めるための制限方法が課題であった。
- ガードされたフラグメントと二変数フラグメントを包含し，決定性を保つフラグメントを定義し，その複雑性を評価すること。
- ガードされたフラグメントと二変数フラグメントを組み合わせたトリガードフラグメント (TGF) が定義され，その充足可能性問題が決定可能であることが示された。
- 等号の使用を制限した場合，TGFの充足可能性問題はN2ExpTime完全であり，述語の最大次数が固定された場合はNExpTime完全となる。
- データ複雑性に関してはNP完全であり，基本的な表現力豊かな記述論理の結果と一致する。TGFの拡張は多くの場合決定不能になる。
scikit-fingerprints：scikit-learn互換の分子フィンガープリントと化学情報学のためのPythonライブラリ [cs.LG, cs.SE]目的：分子機械学習のための分子フィンガープリントと化学情報学的機能群
- 化学情報学は創薬や材料科学において重要な役割を担う。分子構造と物性の関係性を明らかにする基盤技術である。
- 既存のオープンソースフレームワークはscikit-learnとの互換性が低く，機械学習ワークフローの統合が困難であった。
- scikit-learnとの互換性を実現し，分子情報学ワークフローの効率化と再現性を向上させることを目指す。
- 本ライブラリは，scikit-learnの規約に準拠した統一的なインターフェースを提供し，分子フィンガープリント，フィルタリング，類似度計算などの機能を実装している。
- これにより，SMILES文字列からデプロイ可能なモデルまで，分子情報学のワークフローを容易に構築し，既存の機械学習ツールを活用できる。
- RDKitを基盤とするため，拡張性も高く，カスタム用途にも対応可能である。
コールグラフを用いた事前学習：バイナリ解析タスクがコンテキストから利益を得る場合 [cs.SE, cs.CR, cs.LG]目的：バイナリ関数埋め込みモデルの性能向上
- バイナリコードの解析は，セキュリティやリバースエンジニアリングにおいて不可欠である。
- 既存の関数埋め込みモデルは，コンテキスト情報の活用が十分でなかった。
- コールグラフを利用することで，埋め込みの汎化性能とロバスト性を高める。
- コールグラフの統合は，バイナリコード類似度検出の改善に必ずしも繋がらないことが示された。
- 意味的な類似度タスクの最適化は，構文的なタスクの性能低下と相関関係にあることが確認された。
- コールグラフに基づく強化は，初期モデルが苦戦するシナリオにおいて，埋め込みのロバスト性を大幅に向上させる。
AArch64機械コードにおける脆弱性検出のためのデジタルツイン [cs.CR, cs.PL, cs.SE]目的：AArch64機械コードの脆弱性検出
- 近年のサイバー攻撃は機械コードレベルの脆弱性を悪用するものが多い。
- ソースコードがない環境での脆弱性検出は困難である。
- 実行時の状態を再現し，脆弱性を検出する手法を提案する。
- 本研究では，プログラムの具体的な実行を再現する説明可能なデジタルツインを提案した。
- 脆弱性はKleene代数を用いた規則として表現し，有限オートマトンでトレースを走査することで検出を実現した。
- 実験の結果，3種類のCWE（整数オーバーフロー，ヌルポインタ参照，ヒープバッファオーバーフロー）全てを検出できた。
最小から最大への変換探索は出力多項式ではない [cs.DS]目的：包含関係において最小のヒット集合の列挙
- 組合せ最適化問題において，効率的な列挙アルゴリズムの確立は重要である。
- 超越グラフの最小ヒット集合列挙問題に対し，出力多項式アルゴリズムの存在が未解決である。
- 既存のMMCSアルゴリズムの非効率性を示すことで，より良いアルゴリズム開発の必要性を示す。
- MMCSアルゴリズムが出力多項式ではないことを証明した。
- ヒューリスティック選択が実行時間に与える影響を詳細に分析した。
- 新たなヒューリスティックを提案し，実験的に実行時間の改善を実証した。
テンソル圧縮をプログラム合成として捉える [cs.SE, cs.AI, cs.PL]目的：テンソルデータの可逆圧縮プログラムの自動生成
- モデルの規模拡大に伴い，チェックポイントの保存・転送コストが増大しており，効率的な圧縮が不可欠である。
- 汎用圧縮は構造を無視し，既存のテンソル専用圧縮は特定の形式に依存するため，柔軟性に欠ける。
- テンソル構造に着目したDSLを用いたプログラム合成により，高効率かつ汎用的な圧縮手法を確立する。
- Brevisは，テンソルデータをビット毎に完全に再現するDSLプログラムを自動生成する。
- 10の公開されたチェックポイントデータで，33.93%のストレージ削減率を達成した。
- zstdやgzipなどの汎用圧縮アルゴリズム，ZipNNやDFloat11などのテンソル専用圧縮アルゴリズムと比較しても，より高い圧縮率を示した。
CARNet：ロバストな次世代通信のためのチャネル適応型受信ネットワーク [cs.IT, cs.LG, math.IT]目的：次世代通信におけるロバストな信号検出
- 次世代通信の性能向上には，高度な受信技術が不可欠である。
- 既存のニューラル受信機は，特定のチャネル条件に最適化され，汎化性能が課題である。
- 多様なチャネル条件に対応可能な，適応的なニューラル受信ネットワークの開発。
- 提案手法CARNetは，MoEフレームワークに基づき，様々なチャネル条件下で信号検出を実現する。
- 複数の専門家ネットワークと効率的なルーティング機構により，チャネル条件に応じた最適な信号検出が可能となる。
- シミュレーション結果から，CARNetは多様なチャネル条件下で優れた性能を示すことが確認された。
定数ラウンドでのほぼ最適なクエリ複雑性を持つ分割学習のためのランダム化アルゴリズム [cs.DS, cs.LG]目的：分割学習におけるラウンド複雑性の解析
- データ分割は，機械学習やデータマイニングにおいて基本的なタスクであり，効率的な学習アルゴリズムの確立が重要である。
- 分割学習において，クエリ回数とラウンド数のトレードオフは重要な課題であり，最適なアルゴリズム設計が求められている。
- ランダム化アルゴリズムを用いることで，ラウンド数を削減し，クエリ複雑性を改善することを目指す。
- 分割の数kが既知の場合，確率的アルゴリズムにより3ラウンドでO(nk log n)のクエリで学習可能であることを示した。
- 分割の数kが未知の場合，確率的アルゴリズムにより4ラウンドでO(n|P|log^2 n)のクエリで学習可能であることを示した。
- ラウンド数を削減することで，決定論的アルゴリズムとの間に大きな差が生まれることを示した。
パラメータ化マルコフモデルにおけるPAC近似とDIRECT最適化 [cs.AI, cs.FL, cs.LO]目的：パラメータ化マルコフ決定過程（pMDP）のパラメータ合成と最適化
- 不確実な環境下での意思決定を扱う上で重要であり，システム検証や制御への応用が期待される。
- パラメータ空間全体にわたる最適戦略の計算コストが高く，大規模なモデルへの適用が困難である。
- パラメータ空間のサンプリングと線形計画法により，効率的な近似解を求める手法を提案する。
- 提案手法は，指定された信頼度でパラメータ空間の大部分において，近似関数の誤差範囲を保証する。
- 統計モデルチェックとの組み合わせにより，ブラックボックス型パラメータ化モデルの解析が可能となる。
- DIRECTアルゴリズムを活用した最適化において，条件付き最適性ギャップの保証を提供する。
到達可能性制約下における時間ネットワークの再構成 [cs.DS]目的：時間ネットワークの再構成問題に関する理論的枠組み
- 交通網や制御システムなど，時間的制約のある動的システムのモデリングに不可欠である。
- 既存のネットワークを維持しながら，効率的に目的のネットワークに変換することが課題である。
- 時間的到達可能性を維持しつつ，ラベルの変更によるネットワーク再構成の複雑性を解明する。
- 時間的到達可能性制約下の再構成問題は，単一の始点においては多項式時間で解けることが示された。
- しかし，始点が二つになると，PSPACE困難となることが明らかになった。
- グラフが非巡回グラフまたはほぼトーナメントグラフの場合，すべての有効なラベル付けを互いに再構成できる。
離散ブロック長を用いたオープンループ伝送：AoI最適スケジュール特性評価 [cs.IT, math.IT]目的：ステータス更新システムのAoI最適スケジュールの特性
- 情報鮮度は，リアルタイム制御やセンサネットワークにおいて重要であり，迅速な意思決定を可能にする。
- フィードバックなしの伝送環境では，情報鮮度を最適化する効率的なスケジュール設計が課題となる。
- 異なるブロック長を持つ伝送オプションが存在する場合の，AoI最小化スケジュールを解析する。
- 平均AoIの改善は限定的だが，平均指数AoIに関しては有意な改善が認められる。
- ブロック長が2種類の場合，特定の条件下で単一ブロック長スケジュールが最適となる条件を導出した。
- 導出された条件はパラメータ空間の大部分をカバーし，短いブロック長の定数スケジュールが最適である可能性を示唆する。
大規模ランダムアクセスにおける情報鮮度の時空間モデル [cs.IT, cs.NI, math.IT]目的：大規模ランダムアクセスにおける情報鮮度の時空間的性質のモデル化
- 5Gの重要な構成要素である大規模接続は，次世代無線システムにおいて重要な役割を果たすことが期待されている。
- 従来の指標は時間軸のみに着目しており，空間的な相関を考慮した情報鮮度評価が課題となっていた。
- 多数のIoTデバイスからの情報鮮度を，確率と精度という簡潔なパラメータで表現し，受信側の不確実性を最小化する。
- 提案モデルは，空間分布するセンサー間の相関を考慮することで，受信側の情報鮮度を向上させることが示された。
- 受信側の不確実性を条件付きエントロピーで表現し，忘却的な受信機と履歴を考慮した受信機の性能を分析した。
- ノードの送信確率を最適化することで，期待される不確実性を最小化できることが確認された。
MechGeo：Lean 4におけるユークリッド幾何学の自動形式化と証明 [cs.AI, cs.LO]目的：ユークリッド幾何学の自動形式化と証明
- 数学の形式化は，厳密性と信頼性が求められる分野であり，自動化による効率化が重要である。
- 幾何学の形式化は複雑であり，形式化された問題を解決するための自動化されたツールが不足している。
- 大規模言語モデル（LLM）を活用し，幾何学問題の自動形式化と証明を可能にすることを目指す。
- MechGeoは，複数のLLMバックボーンにおいて，直接翻訳性能が低いモデルでも自動形式化において大幅な改善を示した。
- 国際数学オリンピック（IMO）の幾何学問題43問に対し，MechGeoは形式的な記述を生成し，GeoProverが29問を証明した。
- 残りの14問については反例を構築し，専門家による修正後の記述はすべて証明された。これにより，形式化されたIMO幾何学問題の最大規模のコレクションが得られた。
自己区分化される軌跡：エージェントが宣言する境界を訓練単位として [cs.AI, cs.LG, cs.SE]目的：エージェントが自身の軌跡を生成中に境界を宣言することで，学習のためのセマンティックな自己区分を収集すること。
- 長期的な行動計画を持つエージェントの学習には，適切な報酬の単位を見つけることが重要である。
- 既存手法では，単一のアクションの価値が安定せず，エピソード全体でのラベル付けが不適切である。
- エージェント自身が境界を宣言することで，より適切な学習対象を生成し，誤りの修正を促進することを目指す。
- エージェントが宣言した境界に基づき行動ブロックを割り当てるモデルは，ランダムな割り当てよりも有意に高い精度を示した。
- コードに精通していないアノテーターによる境界位置の推定が，ランダムな配置よりも大幅に高い一致率を示した。
- DPOによる学習では，境界を意識した学習が，既存手法と同等以上の性能を維持し，さらなる改善の余地があることを示した。
ノイズの多いk-means++はそれほどノイズの影響を受けない [cs.DS]目的：ノイズの多いk-means++アルゴリズムの近似率の解析
- クラスタリングは，データ分析における重要な基盤技術であり，様々な応用分野で利用されている。
- k-means++アルゴリズムは，ノイズの影響を受けやすく，性能が低下する可能性が指摘されていた。
- ノイズに対するk-means++アルゴリズムのロバスト性を評価し，性能劣化の程度を明らかにすること。
- 本研究により，ノイズの多いk-means++アルゴリズムの期待近似率が，古典的なk-means++アルゴリズムの近似率にほぼ等しいことが示された。
- ノイズの影響は線形であり，その影響を最小限に抑えるための条件が明らかになった。
- 丸め誤差などのノイズに強いアルゴリズム設計に貢献する知見が得られた。
ECLAIR：経験的ソフトウェア工学における科学的発見のための因果に基づいたAIフレームワーク [cs.SE]目的：経験的ソフトウェア工学における科学的発見を支援する因果に基づいたAIフレームワーク
- ソフトウェア工学では，実証研究を通じて知識を深めることが重要であり，信頼性の高いソフトウェア開発に不可欠である。
- 複雑なソフトウェアシステムは，体系的な科学的方法の適用を妨げ，研究の進展を遅らせている。
- 大規模言語モデルを科学プロセスに組み込み，因果推論に基づいたAIフレームワークを確立し，その問題を解決することを目指す。
- ECLAIRは，仮説生成から分析・解釈まで，科学プロセスの各段階で大規模言語モデルを活用する。
- ケーススタディの結果，プロンプト設計がコード生成の精度に負の影響を与えることが示された。
- この研究は，経験的ソフトウェア工学における科学的方法に大規模言語モデルを組み込むための，初の因果に基づいた体系的な手法を提示する。
AI生成コードの自動的・説明可能な来歴 [cs.RO, cs.SE]目的：AI生成コードの来歴に関する自動化と説明可能性の確立
- ソフトウェア開発においてAI利用が拡大する中，コードの信頼性と安全性確保が重要課題となっている。
- AI生成コードの生成過程が不透明であり，品質保証や法的責任の所在が不明確であるという問題がある。
- AI生成コードの来歴を追跡可能にすることで，開発者，組織，法務担当者の透明性確保を支援する。
- AI生成コードの生成根拠を，プロンプト，学習データ，モデル内部要素に遡って追跡する手法の必要性が示された。
- ソフトウェア開発者，モデル利用者，法務担当者への調査から，来歴情報の重要性が実証された。
- 来歴追跡の４つの側面を特定し，大規模実証研究と解釈性技術を組み合わせた研究プログラムの方向性が示された。
準線形時間での植えられた彩色復元 [cs.DS]目的：植えられたk彩色問題に対する準線形時間アルゴリズム
- グラフ構造の解析は，ネットワーク科学や機械学習など広範な分野で重要である。
- グラフの構造復元は計算困難であり，効率的なアルゴリズムが求められている。
- 敵対的植えられた彩色モデルにおける構造復元の効率化を目指す。
- 提案アルゴリズムは，前処理時間・空間が$\widetilde O\left(n^{1/2+O(1/\log(d/\lambda))}\right)$である。
- このアルゴリズムにより，彩色クエリが$\widetilde O\left(n^{1/2+O(1/\log(d/\lambda))}\right)$時間で回答可能となる。
- 復元された彩色ラベルは，植えられた彩色と$O(\sqrt{\lambda /d})$の割合で一致する。
オープンソースソフトウェア製品開発の収益性 [cs.SE, cs.CY, econ.GN, q-fin.EC]目的：オープンソースソフトウェア製品開発における収益性の要因
- 技術革新の加速と競争力強化において，オープンソース開発は重要な役割を担う。
- オープンソース開発の収益性に関する実証的な研究が不足していた。
- 外部貢献者の活用が企業の収益性に与える影響を定量的に明らかにすること。
- オープンソースの採用は，企業の売上総利益率を平均で4～5%向上させる。
- 収益向上は主に労働生産性の向上に起因し，外部貢献者の多様な知識が組織に統合されることによる。
- 外部貢献者の作業割合が約35%を超え，内部の研究開発との組み合わせが，収益性の高い構成要素となる。
二項Goppa符号の最小距離と，規定された交代自己同型群を持つ構成 [cs.IT, math.IT]目的：二項Goppa符号の最小距離の決定と，規定された自己同型群を持つGoppa符号の構成
- 暗号技術への応用が期待される線形符号であり，情報セキュリティの向上に貢献する。
- Goppa符号の最小距離の決定や，所望の自己同型群を持つ符号の構成は未解決課題が多い。
- 特定の条件を満たすGoppa符号の最小距離を決定し，新たな符号の構成法を提示すること。
- 二項分離Goppa符号の最小距離について，設計距離を達成するための条件を導出した。
- 自己同型群が$A_4$または$A_5$である二項Goppa符号とその関連符号の構成を提案した。
- 構成された$A_4$-不変Goppa符号の一部のパラメータを最小距離の決定基準を用いて特定した。
コード化された回折パターンに対するPhaseLift：最適なサンプリングレート [cs.IT, math.IT, math.PR]目的：コード化された回折パターンからの複素数値信号の回復
- 回折イメージング等に応用される位相復元問題であり，科学技術の進歩に不可欠である。
- 標準的なランダムマスクモデルにおいて，実現可能な最適なサンプリングレートが未解決であった。
- PhaseLiftの実現可能性プログラムにおける最適なサンプリングレートを確立することを目的とする。
- PhaseLiftは，$\mathcal{O}(\log n)$個のランダムマスクから未知の信号$\pmb{x}_0$を復元できることが示された。
- この結果は，特定の信号識別に必要なマスク数の下限と一致し，最適なマスク複雑度を達成する。
- PhaseLiftは，$m=\mathcal{O}( n\log n)$の総サンプリングレートで最適な性能を発揮することが示された。
無限トレース目的と有限トレース技法：LTLからLTLf+への変換 [cs.RO, cs.AI, cs.FL, cs.LO]目的：LTL仕様をLTLf+へ変換する手法
- AI分野における時間的拡張目標の記述言語としてLTLが広く利用されている。
- LTLの決定化は理論上・実際上，困難な問題である。
- LTLの利点を活かしつつ無限トレースに対応するLTLf+の適用範囲を広げる。
- 本研究では，LTLからLTLf+への初の変換手法を提示する。
- LTL公式をManna-Pnueli階層の反応性フラグメントに正規化し，LTLf+の形状を構築する。
- LTLからLTLf+への変換経路は依然として二重指数関数的なコストを伴う。
LLMエージェントの失敗のリアルタイム検出と修復 [cs.AI, cs.LG, cs.SE]目的：LLMエージェントの失敗検出と修復手法
- LLMエージェントの利用拡大に伴い，その信頼性確保が重要課題となっている。
- LLMエージェントは，誤った結果の生成や無限ループといった失敗を起こしうる。
- 従来の監視手法はコストが高いため，低コストでの高精度な失敗検出が求められている。
- エコー状態ネットワークとCUSUMアラームの組み合わせにより，71%の失敗を5%の誤検知率で検出可能。
- 決定論的検証層を追加することで，60%の失敗を誤検知なく捕捉可能。
- 失敗を検出後，ロールバックと再実行を行うことで，45%の失敗を回復し，タスク成功率を52%から73%に向上。
中間ヘッシアンによる時間$2^{0.6039n}$での最短ベクトル問題解決 [cs.IR, cs.DS, cs.CR]目的：最短ベクトル問題の解決
- 暗号理論の安全性において，格子問題の効率的な解決は重要な課題である。
- 既存手法では，高次元格子における最短ベクトル問題の計算量が大きすぎた。
- 周期ガウス関数のヘッシアンの性質を利用し，計算量を削減することを目指す。
- 本研究では，古典計算で時間$2^{0.6039n+o(n)}$，量子計算で$2^{0.5411n+o(n)}$で最短ベクトル問題を解くアルゴリズムを提案した。
- 特に，最短ベクトルの半分におけるヘッシアンの固有ベクトルが，元のベクトルに近いという性質を活用している。
- ランダムな部分格子やサンプリング技術の最適化により，計算量の削減を実現した。
SWE-Touch：コードに触れる際のコーディングエージェントのベンチマーク [cs.RO, cs.SE, cs.AI, cs.CL]目的：共有ワークスペースにおけるコーディングエージェントの挙動評価
- 現実のソフトウェア開発では，エージェントと人間が共同で作業することが一般的である。
- 既存のベンチマークは，エージェント単独での作業や，限定的なユーザー参加しか想定していない。
- 共有ワークスペースにおけるコード変更への理解と対応能力を評価し，改善点を探る。
- SWE-Touchフレームワークを用いて，エージェントに競合するコード修正を注入し，その対応を評価した。
- SWE-bench Verifiedにおいて，平均解決率が7.7%低下し，長期的タスクでも同様の傾向が確認された。
- 失敗の原因は，エージェントがワークスペースの変化を十分に認識できていないことにあると分析された。