ai Trend Report

The latest research from Google

1対1を超えて：動的な人間-AIグループ会話の作成、シミュレーション、テスト

人間とAIの1対1の対話を超え、動的なグループ会話の作成、シミュレーション、テストに焦点を当てる。 HCIおよび可視化の観点から、人間とAIが混在する複雑な対話システムの研究開発を論じる。これにより、より現実的で多様なインタラクションシナリオの設計と評価が可能になる。

Action: 人間とAIのグループ会話をシミュレーション・可視化するためのインタラクションデザイン原則と、利用可能なフレームワーク（例：マルチエージェントシミュレーションツール、対話フロー可視化ライブラリ）について調査する。

Original: Beyond one-on-one: Authoring, simulating, and testing dynamic human-AI group conversations domain ★★★

MIT News - Artificial intelligence

AIアルゴリズムにより、重要な白質経路の追跡が可能に

新しいAIツールが脳幹の解析に新たな視点を提供します。ライブ拡散MRIスキャンで神経束を精密に分離・追跡します。これにより、損傷や疾患の兆候を明らかにできます。

Action: AIを活用した医療画像解析（特に拡散MRI）における最新の研究動向を調査し、関連するオープンソースライブラリやツールがないか探る。

Original: AI algorithm enables tracking of vital white matter pathways domain ★

MIT News - Artificial intelligence

3つの質問：AIを活用してオリンピックのスケーターがクインテ（5回転ジャンプ）を着地するのを支援する

MIT Sports Labは、AI技術をフィギュアスケート選手のパフォーマンス向上に応用しています。研究者たちは、5回転ジャンプのような高度な技術が人間にとって可能かどうかを検討しています。 AIは、スポーツ選手が複雑な動作を習得するための新しいアプローチを提供します。

Action: スポーツバイオメカニクスやパフォーマンス分析にAI/MLを応用する方法を調査する。

Original: 3 Questions: Using AI to help Olympic skaters land a quint domain ★

cs.LG updates on arXiv.org

ワールドモデルを用いたニューラル・セイバメトリクス：大規模言語モデルによるプレーごとの予測モデリング

大規模言語モデル（LLM）を用いて、野球のプレーごとの展開を予測する「ワールドモデル」を構築しました。従来のセイバメトリクスと異なり、投球や打者のスイング決定などのゲーム進化を単一のフレームワークで予測します。膨大なMLBデータで事前学習されたモデルは、高い予測精度を示し、スポーツにおけるLLMの有効性を示唆しています。

Action: LLMをスポーツ分析やその他のシーケンス予測タスクに適用するためのアーキテクチャとデータ前処理方法を調査・実装する。

Original: Neural Sabermetrics with World Model: Play-by-play Predictive Modeling with Large Language Model domain ★★

cs.LG updates on arXiv.org

不飽和土の圧密解析のためのラグ付き後方互換性物理情報ニューラルネットワーク

1. 不飽和土の圧密解析に、ラグ付き後方互換性物理情報ニューラルネットワーク（LBC-PINN）を開発。 2. 対数時間分割、ラグ付き適合性損失、セグメントごとの転移学習を統合し、空気・水圧の散逸をモデル化。 3. FEM結果で検証済み（MAE < 1e-2、最大1e10秒）、効率化とロバスト性も確認。

Action: 不飽和土の圧密解析におけるLBC-PINNの実装を検討し、既存のシミュレーションツールとの連携を模索する。

Original: Lagged backward-compatible physics-informed neural networks for unsaturated soil consolidation analysis domain ★★

cs.LG updates on arXiv.org

TransConv-DDPM: ヘルスケアにおける時系列データ生成のための強化拡散モデル

医療分野のAIモデル訓練におけるデータ不足を解消するため、時系列データ生成に特化した生成AI手法「TransConv-DDPM」を提案。 U-Net、マルチスケール畳み込み、Transformerを組み合わせ、生体・生理学的時系列データの複雑な時間依存性を捉える。 SmartFallMMやEEGデータセットでの評価により、既存手法より優れ、合成データの追加が予測モデルの性能を顕著に向上させる（F1スコア13.64%増、精度14.93%増）ことを実証。

Action: TransConv-DDPMのアーキテクチャ（U-Net, Transformer, Multi-scale Conv）と、ヘルスケア分野での合成データ生成への応用方法について調査し、本プロジェクトのデータ拡張戦略への適用可能性を検討する。

Original: TransConv-DDPM: Enhanced Diffusion Model for Generating Time-Series Data in Healthcare domain ★★★

cs.LG updates on arXiv.org

AVERE: 嗜好最適化による視聴覚感情推論の改善

社会的AIエージェントには感情理解が不可欠だが、MLLMは不適切な視聴覚キューとの関連付けや、テキスト先行による幻覚（ハルシネーション）に課題がある。これらの課題を評価するため、新しいベンチマーク「EmoReAlM」と、視聴覚入力と感情中心のクエリにモデル応答を適合させる「AVEm-DPO」最適化手法を提案。テキスト先行への依存を罰する正則化項も含む。実験結果は、AVEm-DPOがゼロショット設定でMLLMの性能を大幅に向上させ、感情理解のための原則的な評価と改善を可能にすることを示す。

Action: EmoReAlMベンチマークとAVEm-DPO手法を調査し、MLLMの感情推論能力向上への応用を検討する。

Original: AVERE: Improving Audiovisual Emotion Reasoning with Preference Optimization domain ★★

cs.LG updates on arXiv.org

効率的なTransformerアーキテクチャのためのハイブリッドデュアルパス線形変換

Transformerの線形変換を「局所処理用スパースブロック対角成分」と「全体コンテキスト正規化用低ランクVAEボトルネック」の2経路に分解するHDPL演算子を提案。特定層の線形層をHDPLに置き換えることで、効率と表現力を両立させ、Llamaベースラインを上回る性能（検証損失低下、パラメータ数6.8%削減）をFineWeb-Eduデータセットで達成。 Transformer内に確率的潜在空間を導入することで、制御、継続的適応、解釈可能性、クロスモーダル同期などの新たな可能性を開く。

Action: Transformerアーキテクチャの効率化を目指す研究者・開発者は、HDPL演算子の実装コードを確認し、既存モデルへの適用を検討する。

Original: Hybrid Dual-Path Linear Transformations for Efficient Transformer Architectures domain ★★★

cs.LG updates on arXiv.org

最適なトークンベースライン：長期間LLM-RLのための分散低減

長期間タスクにおけるLLM-RLは、勾配分散の爆発による学習不安定性が課題。従来のベースライン手法は非効率的。本研究では、勾配更新を累積勾配ノルムに反比例させる「最適なトークンベースライン（OTB）」を導出。効率化のため「Logit-Gradient Proxy」を提案。提案手法は学習安定性を高め、小規模グループで大規模グループ同等の性能を達成し、トークン消費を65%以上削減。

Action: LLM-RLにおける長期間タスクの学習安定性向上とトークン効率化のため、提案されたOptimal Token Baseline (OTB) とLogit-Gradient Proxyの実装を検討する。

Original: The Optimal Token Baseline: Variance Reduction for Long-Horizon LLM-RL domain ★★★

cs.LG updates on arXiv.org

学習とニューラルネットワークのための再現カーネルバナッハ空間

カーネル法は学習の基礎だが、通常ヒルベルト空間を用いる。本研究は、特徴付き再現カーネルバナッハ空間を導入し、バナッハ空間へのカーネル学習を拡張する。このフレームワークはカーネル法とニューラルネットワークを統一し、固定アーキテクチャのニューラルネットワークがそのような空間をどのように誘導するかを示す。

Action: この理論的枠組みが実際の機械学習モデル開発にどのように応用できるか調査する。

Original: Featured Reproducing Kernel Banach Spaces for Learning and Neural Networks domain ★★

cs.LG updates on arXiv.org

潜在ターゲットスコアマッチングとシミュレーションベース推論への応用

Denoising score matching (DSM) は低ノイズレベルで高分散を生じる問題がある。潜在変数のためクリーンなスコアが利用できない場合でも、Latent Target Score Matching (LTSM) はジョイントスコアを活用して低分散な推論を実現する。 LTSM と DSM の組み合わせは、シミュレーションベース推論タスクにおいて分散、スコア精度、サンプル品質を向上させる。

Action: Latent Target Score Matching (LTSM) の理論と、シミュレーションベース推論への応用について、実装または実験による検証を検討する。

Original: Latent Target Score Matching, with an application to Simulation-Based Inference domain ★★★

cs.LG updates on arXiv.org

適応型検索はLLMの推論を助ける――ただし、ほとんど使わない場合に限る

LLMの複雑な推論能力向上のため、適応型検索を導入したが、検索を使用しない場合に性能が向上するという意外な結果が得られた。外部知識ベースへのアクセス頻度は問題の難易度と相関し、モデルの自己評価能力（メタ認知）のシグナルとなることが示唆された。この研究は、LLMが自身の知識の限界を理解し、必要に応じて外部情報を選択的に活用する能力の重要性を強調している。

Action: LLMアプリケーションにおいて、外部知識ベースへのアクセス頻度と、それに伴う性能変化を計測・分析する仕組みを導入し、モデルの推論プロセスを改善する。

Original: Adaptive Retrieval helps Reasoning in LLMs -- but mostly if it's not used domain ★★★

cs.LG updates on arXiv.org

ニューラルTSP表現の探求：処方的意思決定支援への応用

ニューラル組合せ最適化(NCO)におけるTSPソルバーの内部表現が、他の最適化タスクに転移可能かを調査。 TSPソルバーの学習済み表現を、ノード削除やエッジ制約といった意思決定支援タスクに適用し、ベースラインを上回る精度を達成。ソルバーの性能向上とモデル規模の拡大が、転移学習の精度向上に寄与することを確認。

Action: 公開されているコード (github.com/ReubenNarad/tsp_prescriptive_probe) を参照し、TSPソルバーを処方的意思決定支援タスクのエンコーダーとして利用する可能性を検討する。

Original: Probing Neural TSP Representations for Prescriptive Decision Support domain ★★★

cs.LG updates on arXiv.org

サンプル効率的なモデル性能推定器のための耐故障性評価

サービスとしてのモデル（Model-as-a-Service）時代において、サードパーティ製AIモデルの検証は、動的なアプリケーション、新データセット、モデル性能の向上により困難になっています。アノテーションコストを削減するため、サンプリング効率の良い性能推定器が求められていますが、既存手法は低分散設定で課題があります。本研究では、${\varepsilon}$（許容誤差レベル）を導入した耐故障性評価フレームワークを提案し、信頼性の高いモデル性能評価を実現します。

Action: AIモデルサービスにおける性能推定器の評価に、提案された${\varepsilon}$を導入した耐故障性評価フレームワークの適用を検討する。

Original: Fault-Tolerant Evaluation for Sample-Efficient Model Performance Estimators domain ★★

cs.LG updates on arXiv.org

小脳に着想を得た残差制御による障害復旧：推論時適応から構造的統合まで

ロボットの運用中に発生する学習後障害に対処するため、凍結された強化学習ポリシーにオンライン修正動作を追加する、推論時に動作する小脳着想の残差制御フレームワークを提案。高次元パターン分離、並列マイクロゾーン様残差経路、局所的な誤差駆動可塑性といった小脳の原則を実装し、グローバルなポリシー更新を不安定化させずに、障害発生時に迅速かつ局所的な修正を可能にする。 MuJoCoベンチマークでの実験により、様々な摂動下での性能向上を示し、残差補正の永続的な統合による堅牢性向上も確認された。

Action: ロボティクス分野における強化学習ポリシーの障害復旧能力向上のため、小脳のメカニズムを模倣した推論時残差制御フレームワークの実装可能性を調査する。

Original: Cerebellar-Inspired Residual Control for Fault Recovery: From Inference-Time Adaptation to Structural Consolidation domain ★★★

cs.LG updates on arXiv.org

ArcMark: 最適輸送によるマルチビットLLMウォーターマーク

言語モデル（LM）の責任ある利用を促進するために、ウォーターマーキングは重要です。既存のマルチビットウォーターマークの理論的情報容量は不明でしたが、本研究で初めて導出されました。提案されたArcMarkは、コーディング理論に基づき、この容量を達成し、競合技術よりも優れた性能を示します。

Action: ArcMarkの論文を読み、LLMの出力にウォーターマークを適用する実装の可能性を調査する。

Original: ArcMark: Multi-bit LLM Watermark via Optimal Transport domain ★★★

cs.LG updates on arXiv.org

XShare: より高速なMoE推論のための協調的インバッチエキスパート共有

本論文は、プロダクション推論におけるリクエストバッチ処理や予測デコーディングがMixture-of-Experts (MoE)モデルのエキスパート活性化を増幅させ、効率を損なう問題を解決します。提案手法XShareは、バッチ対応エキスパート選択をモジュラー最適化問題としてモデル化し、再学習不要で各バッチに動的に適応します。 XShareはエキスパート活性化を最大30%削減し、エキスパート並列デプロイメントでピークGPU負荷を最大3倍低減、予測デコーディングで最大14%のスループット向上を達成します。

Action: 既存のMoEモデルの推論パイプラインにXShareを適用し、パフォーマンスへの影響を評価する。

Original: XShare: Collaborative in-Batch Expert Sharing for Faster MoE Inference domain ★★★

cs.LG updates on arXiv.org

耐性のあるニューラルネットワーク：大規模内部摂動への汎化能力を持つモデルの学習

本論文は、低消費電力ハードウェアプラットフォームにとって重要な、重み内部の摂動に対して頑健なニューラルネットワークの学習を探求する。 Sharpness-Aware Minimization (SAM) と Random-Weight Perturbation (RWP) を調査し、過剰正則化された RWP がノイズ耐性汎化に最適であり、SAM は大ノイズで性能が低いことを発見。不均一な損失ランドスケープによる勾配消失効果が両手法に影響することを指摘し、摂動強度を動的に調整することが最適化を改善することを示す。

Action: 動的な摂動強度調整による、特にエッジデバイス向けの堅牢なニューラルネットワーク学習の実装可能性を調査する。

Original: Incorruptible Neural Networks: Training Models that can Generalize to Large Internal Perturbations domain ★★

cs.LG updates on arXiv.org

選択的ジオメトリ制御によるLLM安全性アライメントの堅牢性再検討

LLMの安全性アライメントにおける、ドメインシフトやノイズに起因する脆弱性を指摘。最適化による脆弱性を克服するため、形状（ジオメトリ）を意識した「ShaPO」フレームワークを提案。 ShaPOは、アライメントに重要なパラメータ空間を選択的に制御し、過剰な正則化を避けつつ、安全性の堅牢性を向上させる。

Action: ShaPOフレームワークを調査し、LLMの安全性アライメントにおける堅牢性向上への適用可能性を検討する。

Original: Revisiting Robustness for LLM Safety Alignment via Selective Geometry Control domain ★★★

cs.LG updates on arXiv.org

大規模言語モデルにおけるニューロンレベル編集を用いた制御可能な価値整合性

LLMの価値整合性が重要視される中、既存手法には「価値漏洩」の問題がある。 NeVAは、ニューロンレベルの編集により、パラメータ更新なしでLLMの価値整合性を制御可能にするフレームワーク。 NeVAは、目標価値との整合性を高め、性能低下を抑え、価値漏洩を大幅に削減する。

Action: NeVAフレームワークを調査し、既存LLMへの適用可能性や、価値漏洩の診断・緩和策を実験的に検証する。

Original: Controllable Value Alignment in Large Language Models through Neuron-Level Editing domain ★★★

cs.LG updates on arXiv.org

UTOPIA: 分離されたショートカット埋め込みによる学習不可能な表形式データ

金融や医療分野の機密性の高い表形式データに対し、不正なモデル学習を防ぐための「学習不可能化（Unlearnable Examples: UE）」手法「UTOPIA」を提案。 UTOPIAは、高顕著性特徴量で意味論的難読化を行い、低顕著性冗長特徴量でハイパー相関ショートカットを埋め込むことで、制約に沿った主要なショートカットを生成し、表形式データの妥当性を維持する。実験により、UTOPIAが不正学習の性能をランダムに近いレベルまで低下させ、既存のUE手法を上回る効果を示し、多様なアーキテクチャに汎用できることを実証。

Action: 機密性の高い表形式データセットへのUTOPIAの適用可能性を調査し、金融・医療分野におけるデータプライバシー保護への貢献を評価する。

Original: UTOPIA: Unlearnable Tabular Data via Decoupled Shortcut Embedding domain ★★★

cs.LG updates on arXiv.org

FEMに基づいたハイパーグラフニューラルネットワークを用いた効率的な弾塑性解析

計算力学分野において、GNNとFEMを組み合わせた物理情報学習のためのFHGNN（FEM-Informed Hypergraph Neural Networks）を提案。教師なし学習で効率的な学習が可能であり、弾塑性問題において既存のPINN系手法を大幅に上回る精度と効率を実現。 GPU並列処理を活用し、大規模な弾塑性問題へのスケーラビリティが高く、従来のFEM実装と比較しても競争力のある速度と精度を発揮。

Action: この研究で提案されているFHGNNの実装方法を調査し、小規模な弾塑性問題で再現性を確認する。

Original: FEM-Informed Hypergraph Neural Networks for Efficient Elastoplasticity domain ★★★

cs.LG updates on arXiv.org

特徴学習と特徴消去の二律背反：確率的勾配降下法を用いたニューラルネットワークの高速・低速解析

ニューラルネットワークにおける「特徴消去」のメカニズムを、無限幅の2層ネットワークと確率的勾配降下法（SGD）を用いて解析。高速な第一層の重み更新と、低速な第二層の重み更新という「高速・低速ダイナミクス」が特徴消去の発生条件を決定することを明らかにした。データ中の非線形項の強さや初期の第二層の重みのスケールが、特徴消去に影響を与えることを理論的・数値的に検証した。

Action: この研究で提案されている「高速・低速ダイナミクス」の概念を、より複雑なニューラルネットワークアーキテクチャ（例：Transformer、CNN）に適用し、特徴消去の挙動をシミュレーション・分析するための実験コードを実装する。

Original: Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent domain ★★★

cs.LG updates on arXiv.org

LLM推論を効率化するSketch-and-Walk Sparse Attention

長文LLMの推論におけるSelf-Attentionの計算コストとメモリ使用量を削減する。 Hadamardスケッチとウォーク機構を用いた、軽量かつ訓練不要なSketch&Walk Attentionを提案。近 lossless な精度を保ちつつ、最大6倍の推論高速化を実現。

Action: LLM推論の効率化のため、Sketch&Walk Attentionのアルゴリズムを調査し、実装または既存ライブラリでの利用を検討する。

Original: Scout Before You Attend: Sketch-and-Walk Sparse Attention for Efficient LLM Inference domain ★★★

cs.LG updates on arXiv.org

BitLogic: グラディエントベースのFPGAネイティブニューラルネットワーク用トレーニングフレームワーク

FPGAハードウェアに特化した、勾配ベースのEND-TO-END学習可能なニューラルネットワークフレームワーク「BitLogic」を提案。 LUT計算を基盤とし、FPGAネイティブのバイナリ計算、疎結合、効率的なハードウェア実装を実現。 PyTorchモデルからRTLエクスポートまでを自動化し、標準的なベンチマークで高いFPGA効率と精度を実証。

Action: PyTorchモデルをFPGA-Native NNに変換するためのBitLogicフレームワークのRTLエクスポートパイプラインを調査し、カスタムハードウェアアクセラレーションの可能性を探る。

Original: BitLogic: Training Framework for Gradient-Based FPGA-Native Neural Networks domain ★★★

cs.LG updates on arXiv.org

イスラエルの地下水塩分化におけるAI駆動型予測モデリング

地下水塩分化の原因究明と予測モデル構築（RF, XGBoost, NN, LSTM, CNN, LR）を目的とした研究。気象、地質、人為的要因（降水量、気温、河川・塩分水体からの距離、農業面積、処理水）が塩分化の主要因であることを特定。特に、処理水（TWW）が脆弱な環境下で重要な人為的ドライバーであることをXAIで解明し、国規模での塩分化対策戦略の必要性を示唆。

Action: 地下水塩分化予測に用いられた多様な機械学習モデル（XGBoost, LSTM, CNN等）と、ドライバー分析手法（SHAP, GSA等）について調査し、他の環境予測タスクへの応用可能性を検討する。

Original: AI-Driven Predictive Modelling for Groundwater Salinization in Israel domain ★★★

cs.LG updates on arXiv.org

自然言語の統計からニューラルスケーリング則を導出する

データ制限型のスケーリング則について、現代のLLMと自然言語データセットに対するニューラルスケーリング則を定量的に予測する理論を初めて提供します。言語の2つの主要な統計的特性（トークン相関の減衰、コンテキスト長に伴う条件付きエントロピーの減衰）を特定し、それらからスケーリング則の指数を予測する簡単な数式を導出します。この理論は、GPT-2やLLaMAモデルの実験結果と良好に一致することが示されています。

Action: LLMのスケーリング則を理論的に予測する手法について、自身のモデル開発や実験計画にどのように応用できるか調査する。

Original: Deriving Neural Scaling Laws from the statistics of natural language domain ★★★

cs.LG updates on arXiv.org

非再帰的マルチパスニューラルネットワークのためのハイパーパラメータ転移則

深層ニューラルネットワークの学習コストが高いため、ハイパーパラメータの転移が望ましい。マルチパスネットワーク（CNN, ResNet, Transformerなど）に「実効深度」を導入し、最適学習率が-3/2べき乗則に従うことを示す。実験により予測が確認され、深さと幅を超えた学習率のゼロショット転移が可能になり、深さスケーリングが予測可能な問題となる。

Action: 提案された実効深度の概念と学習率の-3/2べき乗則を、実際の深層学習モデル（例: Transformer, ResNet）で検証し、ゼロショット転移の有効性を評価する。

Original: Hyperparameter Transfer Laws for Non-Recurrent Multi-Path Neural Networks domain ★★★

cs.LG updates on arXiv.org

モバイルMOBAゲームにおける軽量AIエージェント蒸留のためのパレート最適化ガイド付きパイプライン

複雑なモバイルMOBAゲームAIを、モバイルデバイスの制約（サイズ、エネルギー、遅延）内で軽量化して展開する課題。パレート最適化ガイド付きパイプラインと高効率な学生アーキテクチャ探索空間を提案し、性能と効率のトレードオフを体系的に探求。蒸留モデルは、元のモデルに対して40.32%の勝率を維持しつつ、推論速度12.4倍、エネルギー効率15.6倍の顕著な改善を達成。

Action: パレート最適化ガイド付きパイプラインと学生アーキテクチャ探索空間を、他のドメインにおける機械学習モデルのモバイル展開最適化に適用可能か調査する。

Original: Pareto-guided Pipeline for Distilling Featherweight AI Agents in Mobile MOBA Games domain ★★★

cs.LG updates on arXiv.org

MedVerse: DAG構造化並列実行による効率的かつ信頼性の高い医療推論

LLMの医療推論能力は高いが、逐次処理が複雑な臨床推論の並列化を妨げ、効率と信頼性を制限している。 MedVerseは、Petriネット理論に基づき、医療推論を並列化可能なDAG（有向非巡回グラフ）プロセスとして再構築するフレームワークである。 MedVerseは、データ合成、トポロジー認識アテンション、並列実行エンジンにより、LLMの推論効率を大幅に向上させ、遅延を削減しスループットを増加させる。

Action: 複雑な推論タスクやワークフローに、DAGベースの並列実行やPetriネット理論を応用する可能性を検討する。

Original: MedVerse: Efficient and Reliable Medical Reasoning via DAG-Structured Parallel Execution domain ★★★

cs.LG updates on arXiv.org

ガウシアンマッチ＆コピー：Transformer誘導を研究するためのミニマリストベンチマーク

大規模言語モデル（LLM）における「マッチ＆コピー」という中心的な検索メカニズムと、自然データでのその出現の理解の難しさ。長距離検索を分離するために、高次の相関信号のみを使用するミニマリストベンチマーク「Gaussian Match-and-Copy (GMC)」を導入。 GMCがTransformerの挙動を再現し、アーキテクチャを分離すること、また勾配降下法が最大マージン分離器に沿ってパラメータを収束させるメカニズムを分析。

Action: Transformerの誘導メカニズムとLLMの検索能力を理解するために、Gaussian Match-and-Copy (GMC) ベンチマークの実装や応用を検討する。

Original: Gaussian Match-and-Copy: A Minimalist Benchmark for Studying Transformer Induction domain ★★★

cs.LG updates on arXiv.org

多様性駆動型ニューラルネットワークアンサンブルによる時系列分類の強化

時系列分類（TSC）における既存のニューラルネットワーク（NN）アンサンブル手法は、モデル間の多様性が不足しがちで、その効果を限定しています。本研究では、特徴の直交性損失を用いたデコレーテッド学習戦略により、NNアンサンブルメンバー間の特徴多様性を意図的に促進するフレームワークを提案します。この手法は、より少ないモデル数でSOTA（State-Of-The-Art）性能を達成し、効率的かつスケーラブルであることを示しました。

Action: 時系列分類タスクにおいて、特徴の直交性損失を用いた多様性駆動型アンサンブル学習フレームワークの実装を検討し、モデルの効率と精度向上に繋がるか検証する。

Original: Enhancing Time Series Classification with Diversity-Driven Neural Network Ensembles domain ★★★

cs.LG updates on arXiv.org

Astro: 活性化誘導型構造化正則化による外れ値ロバストLLM事後学習量子化

LLMの事後学習量子化（PTQ）では、重みと活性化の外れ値により精度が低下する問題がある。提案手法「Astro」は、活性化誘導型構造化正則化により、外れ値の影響を効率的かつハードウェアフレンドリーに抑制し、モデル精度を維持する。 Astroは推論遅延ゼロで既存手法とも互換性があり、LLaMA-2-7Bで優れた性能を示す。

Action: LLMのデプロイ効率化のため、Astro手法を調査し、既存のGPTQなどの量子化手法との比較実験を計画する。

Original: Astro: Activation-guided Structured Regularization for Outlier-Robust LLM Post-Training Quantization domain ★★★

cs.LG updates on arXiv.org

逆伝播なしでのスペクトルバイアスの回避：Extreme Learning Machinesを用いた高速なImplicit Neural Representations

Implicit Neural Representations (INRs) におけるスペクトルバイアスと逆伝播への依存という課題に対し、ELM-INRは逆伝播不要なアプローチを提案。Extreme Learning Machine (ELM) を用いて局所問題を線形最小二乗法で高速に解く。 BEAM戦略により、スペクトル複雑性に応じてメッシュを適応的に細分化し、容量制限下での再構成品質を向上させる。

Action: ELM-INRやBEAM戦略を理解し、既存のINRライブラリでの実装可能性や性能評価を検討する。

Original: Escaping Spectral Bias without Backpropagation: Fast Implicit Neural Representations with Extreme Learning Machines domain ★★★

cs.LG updates on arXiv.org

密なニューラルネットワークは万能近似器ではない

1. 密なニューラルネットワーク（Dense Neural Networks）の万能近似能力に関する研究結果。 2. 自然な制約下では、密なニューラルネットワークは任意の連続関数を近似できるわけではないことを証明。 3. この限界は、真の万能性を実現するためには疎結合（sparse connectivity）が不可欠であることを示唆。

Action: ニューラルネットワークの設計において、万能近似能力を最大限に引き出すために、密結合の制約を理解し、疎結合（sparse connectivity）を導入するアプローチを検討する。

Original: Dense Neural Networks are not Universal Approximators domain ★★

cs.LG updates on arXiv.org

グラフニューラルネットワークにおける説明品質の定量化：分布外汎化を用いて

・GNNの説明品質評価は難しく、既存指標は真の因果変数を捉えきれていないという課題を指摘。・分布外（OOD）汎化を因果妥当性の代理指標として利用し、説明の因果関連性を定量化する「説明-汎化スコア（EGS）」を提案。・大規模検証により、EGSが説明手法の因果構造捕捉能力を評価するベンチマークとして有効であることを実証。

Action: GNNプロジェクトにおいて、提案されたExplanation-Generalization Score (EGS) を用いて、説明手法の因果的妥当性を評価するフレームワークの導入を検討する。

Original: Quantifying Explanation Quality in Graph Neural Networks using Out-of-Distribution Generalization domain ★★★

cs.LG updates on arXiv.org

拡散モデルにおけるゼロショット事後サンプリングの解析とガイド

信号復元におけるゼロショット拡散モデルの逆問題解決手法を、ガウス性仮定下で厳密に解析。理想的な事後サンプラーと拡散ベース再構築アルゴリズムを閉形式で表現し、スペクトル領域での比較を可能に。理論に基づいたパラメータ設計フレームワークを提案し、従来の手法に代わる、より洗練されたパラメータ選択を実現。

Action: 提案されたパラメータ設計フレームワークを、既存の拡散モデル実装に統合し、その効果を評価する。

Original: Analyzing and Guiding Zero-Shot Posterior Sampling in Diffusion Models domain ★★★

cs.LG updates on arXiv.org

強化学習におけるモデル内省を通じた効率的な計画

強化学習と古典的計画は異なる問題と見なされるが、人間は内省により効率的に問題解決に必要な情報を合成できる。本研究では、この内省をプログラム解析と捉え、強化学習モデルへの応用を提案する。関係強化学習モデルにおける目標指向計画のためのアルゴリズムを提示し、強化学習と計画の新たな関連性を示す。

Action: 強化学習エージェント開発において、モデル内省（プログラム解析）による情報合成と効率的な計画立案の可能性を探求する。

Original: Efficient Planning in Reinforcement Learning via Model Introspection domain ★★★

cs.LG updates on arXiv.org

学習可能なチェルノフ・ベースライン：推論時アラインメントのために

生成モデルの推論時アラインメントを効率化する「学習可能なチェルノフ・ベースライン（LCBs）」を提案。 LCBsは、適応的な確率選択による拒絶サンプリング手法を用い、推論計算コストのスケーリングを精密に制御。拡散モデルにおいて、少ないモデルクエリ数で理想的なアラインメントに匹敵する性能を達成。

Action: 生成モデルの推論時アラインメントにLCBsを適用し、計算コストと精度のトレードオフを評価する。

Original: Learnable Chernoff Baselines for Inference-Time Alignment domain ★★

cs.LG updates on arXiv.org

MaD-Mix: Vision-Languageモデル学習のための潜在空間結合によるマルチモーダルデータ混合

「MaD-Mix」は、Vision-Languageモデル(VLM)の学習効率を向上させるための、計算効率の良いデータ混合フレームワークです。潜在空間のカップリングを利用してモダリティ間のドメインアラインメントを最大化し、手動チューニングのコストを削減します。画像-テキストや動画-画像-テキストなどの多モーダルシナリオで学習を加速し、精度を向上させる効果が示されています。

Action: VLM学習におけるデータ混合戦略としてMaD-Mixの導入を検討し、その効果を検証する。

Original: MaD-Mix: Multi-Modal Data Mixtures via Latent Space Coupling for Vision-Language Model Training domain ★★★

cs.LG updates on arXiv.org

Deep Neural Networks and Transformersによる行列関数の近似

Transformerが自然言語処理で注目される中、数値計算への応用が研究されています。 ReLUネットワークの近似精度に関する理論的限界が示され、Transformerが特定の行列関数を約5%の相対誤差で近似できることが実験的に確認されました。実験結果から、数値エンコーディングスキームがTransformerの行列関数近似性能に大きく影響することが示唆されています。

Action: Transformerの数値計算への応用可能性を探る。特に、行列関数近似におけるエンコーディングスキームの影響を調査し、自社プロダクトへの活用を検討する。

Original: Approximating Matrix Functions with Deep Neural Networks and Transformers domain ★★

cs.LG updates on arXiv.org

rePIRL: LLM推論のための逆強化学習によるPRM学習

LLM推論におけるプロセス報酬モデル（PRM）学習のため、専門家ポリシーへの最小限の仮定で機能するrePIRLフレームワークを提案。ポリシーとPRMを交互に更新するデュアル学習プロセスを採用し、LLMへの逆強化学習のスケーリング課題に対応。標準的な数学およびコーディング推論データセットでの評価により、既存手法を上回る有効性を示し、テスト時学習などへの応用も実証。

Action: LLM推論の効率化のために、rePIRLフレームワークの学習プロセスと実装を調査・評価する。

Original: rePIRL: Learn PRM with Inverse RL for LLM Reasoning domain ★★★

cs.LG updates on arXiv.org

MARTI-MARS$^2$: 強化学習によるマルチエージェント自己探索のスケーリングによるコード生成

LLMのコード生成における単一エージェントの限界を打破するため、強化学習とマルチエージェントツリー探索を統合した「MARTI-MARS2」フレームワークを提案。このフレームワークは、異種マルチエージェント学習へと進化し、テスト時推論戦略「MARTI-MARS2-T+」も導入。実験により、マルチエージェント化が性能天井を向上させ、ポリシー多様性が知能スケーリングの鍵であることを発見。

Action: 「MARTI-MARS2」のようなマルチエージェントLLMフレームワークのコード生成能力を調査し、自社開発におけるAI活用戦略の参考とする。

Original: MARTI-MARS$^2$: Scaling Multi-Agent Self-Search via Reinforcement Learning for Code Generation domain ★★★

cs.LG updates on arXiv.org

データセンター向け動的負荷モデル：パターン整合キャリブレーションによる

データセンターの急増に伴い、電力システム解析における大規模電子負荷(LEL)モデリングの重要性が増しています。既存モデルの限界を克服するため、物理ベース構造とデータ駆動型適応性を組み合わせ、TCLを用いたパターン整合キャリブレーションを提案します。これにより、データプライバシーを保護しつつ、施設レベルでのグリッド計画を可能にします。

Action: データセンター以外の複雑なシステムにおけるパターン整合キャリブレーションのためのTemporal Contrastive Learning (TCL)の適用可能性を調査する。

Original: Dynamic Load Model for Data Centers with Pattern-Consistent Calibration domain ★★

cs.LG updates on arXiv.org

Harpoon: 条件付き表形式拡散のための一般化された多様体誘導

条件付き表形式データ生成は重要だが、既存手法は推論時の制約に一般化できず、連続ドメインに限定される。多様体理論は生成を導くが、特定の目的や連続ドメインに限定される。 HARPOONは、多様体理論を表形式データに拡張し、推論時の多様な条件（補完、不等式制約など）を満たすための新しい拡散モデル手法を提案する。

Action: HARPOONのGitHubリポジトリ（adis98/Harpoon）を確認し、条件付き表形式データ生成における多様体誘導の応用について調査する。

Original: Harpoon: Generalised Manifold Guidance for Conditional Tabular Diffusion domain ★★

cs.LG updates on arXiv.org

検証可能な報酬からの合成的推論はいつ学習可能か？

大規模言語モデルにおける合成的推論の学習可能性について、検証可能な報酬を用いた強化学習（RLVR）の観点から理論的に研究。「タスク・アドバンテージ・レシオ」という指標が、RLVRで学習可能な合成的問題を特徴づけることを特定。中間ステップの優位性が学習効率に影響し、その優位性がない場合は最適でない結果に収束する可能性を示唆。

Action: 自動回帰モデルの学習にRLVRを適用する際の、『タスク・アドバンテージ・レシオ』を考慮して学習可能性を評価する。

Original: When Is Compositional Reasoning Learnable from Verifiable Rewards? domain ★★★

cs.LG updates on arXiv.org

常に最高のパフォーマンスを発揮するモデルを選ぶ必要はない：LLMアンサンブル選択の情報理論的見解

LLMアンサンブルではモデル間の相関が問題となるため、適切なモデル選択が重要です。本研究では、相互情報量を最大化する予算付きアンサンブル選択を提案し、情報理論的誤差上限を導出します。提案手法（貪欲法による相互情報量選択アルゴリズム）は、QA・感情分析データセットで既存手法を上回る性能を示しました。

Action: 提案されている相互情報量に基づくモデル選択アルゴリズムを、自身のLLMアンサンブル構築に適用し、その有効性を検証する。

Original: Don't Always Pick the Highest-Performing Model: An Information Theoretic View of LLM Ensemble Selection domain ★★★

cs.LG updates on arXiv.org

Horizon Imagination: Diffusion World Models における効率的な On-Policy 学習

Diffusion World Modelsは高い生成能力を持つが、制御タスクでの効率が課題。 Horizon Imagination (HI) は、並列処理と新しいサンプリングスケジュールにより、計算コストを削減しつつ制御性能と生成品質を維持する。低いデノイジング予算でも実用的な性能を発揮し、コードも公開されている。

Action: Horizon Imagination (HI) の GitHub リポジトリ (https://github.com/leor-c/horizon-imagination) を調査し、Diffusion World Models における on-policy 学習の効率化手法を理解する。

Original: Horizon Imagination: Efficient On-Policy Training in Diffusion World Models domain ★★★

cs.LG updates on arXiv.org

コンパイラ支援による spéculative sampling を用いた、異種エッジデバイス上でのLLM推論高速化

エッジデバイスでのLLM推論は、リソース制約とレイテンシの課題に直面しています。 Speculative Decoding (SD) は有望ですが、コンパイラ連携と異種ハードウェア活用が課題です。本研究は、分析的コストモデルを用いて異種ハードウェア構成を探索し、LLMサブグラフのパーティショニングを行うことで、最大1.68倍の高速化を実現しました。

Action: 異種エッジデバイス上でのLLM推論を高速化するため、分析的コストモデルを用いたLLMサブグラフのパーティショニング戦略を調査・実装する。

Original: Compiler-Assisted Speculative Sampling for Accelerated LLM Inference on Heterogeneous Edge Devices domain ★★★

cs.LG updates on arXiv.org

ブートストラップ集約による悪意のあるLLMプロンプトの効率的かつ適応性の高い検知

LLMは悪意のあるプロンプトに脆弱であり、既存の防御策は透明性、計算コスト、適応性の面で課題がある。 BAGEL (Bootstrap AGgregated Ensemble Layer) は、軽量で段階的に更新可能な、ファインチューニングされたモデルのアンサンブルを用いた新しい検出フレームワークである。 BAGELは、少ないパラメータ数で高いF1スコアを達成し、既存の大規模モデルやAPIよりも優れた適応性と効率性を提供する。

Action: 開発者は、BAGELのような軽量かつ段階的に更新可能なLLMプロンプト検出フレームワークの採用や、そのアーキテクチャの調査を検討すべきです。

Original: Efficient and Adaptable Detection of Malicious LLM Prompts via Bootstrap Aggregation domain ★★★

cs.LG updates on arXiv.org

確率ハッキングとC-UASにおける信号処理のための信頼できるMLの設計：シナリオベースの手法

AI/MLを搭載した対無人航空機システム（C-UAS）の信号処理能力向上に関する論文。確率ハッキングを課題として定義し、その防止策として法規制メカニズムへの要件を提案。 C-UASの信頼性を高め、人間と自律システムの協調（Human-Autonomy Teaming）を促進することを目指す。

Action: C-UASにおけるMLモデルの信頼性向上手法や、確率ハッキング対策として提案されている法規制メカニズムについて調査し、既存のAI/MLシステムへの適用可能性を検討する。

Original: Probability Hacking and the Design of Trustworthy ML for Signal Processing in C-UAS: A Scenario Based Method domain ★★★

cs.LG updates on arXiv.org

継続的ドメイン進化のためのオンライン・ドメイン認識型LLMデコーディング

LLMは静的ドメインを前提にファインチューニングされるが、現実世界ではドメイン知識が継続的に進化するため、精度が低下する（コンセプトドリフト）。高コストな再学習は非現実的。この課題に対し、オンライン・ドメイン認識型デコーディングフレームワーク（ODD）を提案。ODDは、ベースLLMとプレフィックスツリーの確率レベルでの融合を行い、適応的な信頼度変調でドリフトに対応する。多様なドリフトシナリオでの評価により、ODDはLLM-GreedyやLLM-Temp Scaledを継続的に上回り、語彙的・文脈的パターンの進化に対して堅牢であることを実証した。

Action: 動的なLLMアプリケーションにおいて、継続的に変化するドメインに対応するためにODDフレームワークの導入を検討する。

Original: Online Domain-aware LLM Decoding for Continual Domain Evolution domain ★★★

cs.LG updates on arXiv.org

Nansde-net: メモリを持つ時系列生成のためのニューラルSDEフレームワーク

長期・短期記憶特性を持つ時系列モデリングの課題に対し、新しいイᴛo過程ベースのノイズ（NA-noise）を提案。 NA-noiseはニューラルネットワークでカーネル関数をパラメータ化し、長期・短期記憶両方を捉え、マルコフ特性を維持。 NANSDE-Netフレームワークを開発し、既存モデルを上回る性能と計算効率を示した。

Action: NANSDE-Netフレームワークの時系列データ分析への適用可能性を調査・実装する。

Original: Nansde-net: A neural sde framework for generating time series with memory domain ★★★

cs.LG updates on arXiv.org

DrugR: LLMベースの明示的推論による分子薬の最適化

LLMは分子構造と薬理作用の複雑な関係性やラベル付きデータ不足に課題がある。 DrugRは、LLMに段階的な薬理推論を組み込み、ADMET特性を向上させつつ有効性を維持する。明示的な推論プロセスは解釈可能な設計洞察を提供し、科学的発見の自動化を推進する。

Action: DrugRのGitHubリポジトリを確認し、LLMを活用した分子設計の最新手法やコード実装を調査する。

Original: DrugR: Optimizing Molecular Drugs through LLM-based Explicit Reasoning domain ★★

cs.LG updates on arXiv.org

スパース性を考慮した進化的モデルマージフレームワーク

モデルマージのためのスパースネスを考慮した進化的フレームワークを提案。反復的なプルーニング・マージサイクルとスパース性制約をスコアリングに組み込む。 LLMベンチマークでモデルマージの信頼性向上と容易な統合を確認。

Action: 提案されたSAEフレームワークを既存のLLMファインチューニングやモデルマージパイプラインへの統合を検討する。

Original: Sparsity-Aware Evolution for Model Merging domain ★★★

cs.LG updates on arXiv.org

パレート優先の後悔最適化による制約認識型自動入札

自動入札システムは、目標CPAなどの効率制約を満たしながらマーケティング価値を最大化することを目指しますが、既存手法では制約下での正確なリソース管理や最適化が困難です。本論文では、制約を分解しパレート最適曲線に焦点を当てるCDPRと、グローバルな結果予測器を用いたCROを組み合わせたPRO-Bidフレームワークを提案します。 PRO-Bidは、歴史的な平均行動から離れ、最適制約境界に近づくことで、優れた制約充足と価値獲得を実現します。

Action: この研究で提案されているPRO-Bidフレームワーク（CDPRとCROの組み合わせ）のアルゴリズムを調査し、既存の自動入札システムへの応用可能性を検討する。

Original: Constraint-Aware Generative Auto-bidding via Pareto-Prioritized Regret Optimization domain ★★★

cs.LG updates on arXiv.org

拡散サンプリングによるデータ変換の反転

Lie群上のデータ変換反転問題に取り組み、未知の変換要素を回復する手法を提案。「Transformation-Inverting Energy Diffusion (TIED)」という新しい拡散プロセスを導入し、効率的なサンプリングを実現。画像ホモグラフィやPDE対称性などの応用で、テスト時間でのニューラルネットワークの頑健性向上を示唆。

Action: TIEDのコードをGitHub (https://github.com/jw9730/tied) から入手し、ニューラルネットワークのテスト時等価性向上への応用を検討する。

Original: Inverting Data Transformations via Diffusion Sampling domain ★★★

cs.LG updates on arXiv.org

マルチエージェントシステムはいつ優位に立つのか？エージェントシステムの学習効率の分析

マルチエージェント強化学習（MARL）が大規模言語モデル（LLM）の学習効率に与える影響をPACフレームワークを用いて分析。タスクが独立したサブタスクに分解される場合にMARLがサンプル効率を向上させる一方、依存性の高いサブタスクではその優位性が低下することを理論的に示唆。タスクアラインメントの概念を導入・分析し、LLMシナリオにおけるMARL戦略の効果的な展開のための実用的な基準を提供。

Action: LLMのファインチューニングにMARLを適用し、タスク分解が学習効率に与える影響を実証実験で評価する。

Original: When Do Multi-Agent Systems Outperform? Analysing the Learning Efficiency of Agentic Systems domain ★★★

cs.LG updates on arXiv.org

Transformerモデルのノイズ安定性

Transformerモデルにおける「平均感度」の限界を指摘し、相関ノイズに対する頑健性を持つ「ノイズ安定性」をより包括的なシンプルさの指標として提案。単層アテンションおよびReLU MLPの理論解析と、共分散区間伝播による多層伝播問題へのアプローチを提示。実用的なノイズ安定性正則化手法を開発し、実験でGrokkingを触媒し、学習を約35-75%加速させることを実証。

Action: 開発中のTransformerモデルにノイズ安定性正則化を導入し、Grokkingの促進と学習速度の向上を検証する。

Original: Noise Stability of Transformer Models domain ★★★

cs.LG updates on arXiv.org

TextResNet: 深層残差調整による複合AIシステムにおける最適化信号の分離とルーティング

TextResNetは、複合AIシステムにおけるTextGradの「意味論的絡み合い」問題を解決する新しいフレームワークです。 4つの革新（加法意味デルタ、意味勾配分解、因果ルーティング、密度認識最適化スケジューリング）により、信号の正確なルーティングを実現します。実験により、TextResNetはTextGradを上回り、エージェントタスクにおいて高い安定性を示すことが証明されました。

Action: TextResNetのGitHubリポジトリ (https://github.com/JeanDiable/TextResNet) を調査し、その実装とエージェントタスクでの応用可能性を評価する。

Original: TextResNet: Decoupling and Routing Optimization Signals in Compound AI Systems via Deep Residual Tuning domain ★★★

cs.LG updates on arXiv.org

効率的な大規模言語推論モデルに向けた極端比率連鎖思考圧縮

1. CoT推論はLLMの能力を高めるが、推論コストが高い。既存の圧縮手法は高圧縮率で精度が低下する問題がある。 2. 提案手法「Extra-CoT」は、トークン予算を大幅に削減しつつ、精度の高い高速推論を実現する新しい圧縮フレームワークである。 3. MATH-500ベンチマークでは、73%以上のトークン削減と精度の向上を達成し、最先端手法を大幅に上回る結果を示した。

Action: Extra-CoTフレームワークを調査し、LLM推論の最適化への適用可能性を検討する。

Original: Towards Efficient Large Language Reasoning Models via Extreme-Ratio Chain-of-Thought Compression domain ★★★

cs.LG updates on arXiv.org

長文脈推論のための事前ホック疎性によるニアオラクルKV選択

大規模言語モデル(LLM)推論のボトルネックであるKVキャッシュのコストを削減するため、注意スコアリング前にKVエントリを選択する「Pre-hoc Sparsity (PrHS)」手法を提案。 PrHSは、破棄する質量(delta)を制御することで、相互情報量損失を事前に保証し、後付けヒューリスティックの課題を克服。 LLaMA/Mistralモデルでの実験では、PrHSは検索オーバーヘッドを90%以上削減し、精度を維持しつつ、大幅なレイテンシ短縮とスループット向上を達成。

Action: 長文脈LLM推論のKVキャッシュボトルネック解消のため、「Pre-hoc Sparsity (PrHS)」技術の導入・評価を検討し、推論パフォーマンスの最適化を図る。

Original: Near-Oracle KV Selection via Pre-hoc Sparsity for Long-Context Inference domain ★★★

cs.LG updates on arXiv.org

体制変更仮説：ニューラルネットワーク学習における分離されたダイナミクスの基礎

DNNの学習ダイナミクスを、初期の活性化パターン変化と後期の重み更新安定化という二重時間スケールで分析。パラメータ摂動が活性化パターンを保持する局所安定性を理論的に証明。実験で、活性化パターンの安定化が重み更新よりも早く起こることを確認し、離散最適化戦略を支持。

Action: 本研究で提案されている、学習ダイナミクスを監視するためのアーキテクチャ非依存の計器を、実際のモデル学習に適用して、離散最適化戦略の効果を検証する。

Original: Regime Change Hypothesis: Foundations for Decoupled Dynamics in Neural Network Training domain ★★★

cs.LG updates on arXiv.org

LLMのデータとモデル構成の共同最適化におけるチキンとエッグのジレンマ

LLMの学習におけるデータとモデル構成の共同最適化は、一方が他方に依存するため「チキンとエッグ」のジレンマに陥る。既存手法はデータかモデルのいずれか一方のみを最適化するが、本研究ではJoBSというアプローチを提案。 JoBSは、スケーリング則に着想を得た性能予測器とベイズ最適化(BO)を組み合わせ、LLMの学習データとモデル構成を効率的に共同最適化し、多様なタスクで既存手法を上回る性能を示した。

Action: JoBSアプローチや性能予測器、ベイズ最適化を用いたLLMのデータとモデル構成の共同最適化手法について調査し、自身のプロジェクトへの適用可能性を検討する。

Original: The Chicken and Egg Dilemma: Co-optimizing Data and Model Configurations for LLMs domain ★★★

cs.LG updates on arXiv.org

Modalities, 大規模LLMトレーニングと研究のためのPyTorchネイティブフレームワーク

LLMの事前学習や研究ワークフローでは、大規模なアブレーションスタディに多くの計算リソースが費やされるが、既存フレームワークではツールが限定的。 Modalitiesは、PyTorchネイティブのエンドツーエンドフレームワークであり、大規模LLMの学習とデータ駆動型研究を統合する。最先端の並列化戦略とモジュラー設計により、トリリオン・トークン、数十億パラメータ規模での効率的な事前学習、再現性・拡張性の高いアブレーションスタディを可能にする。

Action: LLMの学習や研究において、大規模なアブレーションスタディを効率化し、再現性と拡張性を高めるModalitiesフレームワークの導入を検討する。

Original: Modalities, a PyTorch-native Framework For Large-scale LLM Training and Research domain ★★★

cs.LG updates on arXiv.org

Radial M\"untz-Sz\'asz Networks: Neural Architectures with Learnable Power Bases for Multidimensional Singularities

Original: Radial M\"untz-Sz\'asz Networks: Neural Architectures with Learnable Power Bases for Multidimensional Singularities domain ★

cs.LG updates on arXiv.org

Krigingと大規模ニューラルネットワークの関連性

AIが空間統計学に大きな影響を与える中、Krigingとニューラルネットワーク（NN）の関連性を探求します。 Kriging（およびガウス過程回帰）と多くのMLモデルは一見無関係に見えますが、強い関係性があります。この関係性の理解と組み合わせは、ML技術の解釈性、信頼性、空間認識能力の向上に繋がります。

Action: Krigingまたはガウス過程回帰とニューラルネットワークの関連性を調査し、MLモデルの解釈性、信頼性、空間認識能力向上への応用可能性を検討する。

Original: The Connection between Kriging and Large Neural Networks domain ★★

cs.LG updates on arXiv.org

RIFLE: リソース制約のあるIoTネットワークへの深層モデル展開のための堅牢な蒸留ベースFL

リソース制約のあるIoT環境における深層学習の課題に対し、勾配共有の代わりに知識蒸留を行う『RIFLE』フレームワークを提案。 KLダイバージェンスベースの検証メカニズムにより、生データを公開せずにクライアントの信頼性を定量化し、プライバシーと堅牢性を同時に実現。 VGG-19などの深層モデルをIoTデバイスで実用化し、学習時間を大幅に短縮（600日超→1.39時間）、精度向上と攻撃耐性を強化。

Action: RIFLEフレームワークのGitHubリポジトリを確認し、IoTデバイスでの深層学習実装におけるPoC（概念実証）の可能性を調査する。

Original: RIFLE: Robust Distillation-based FL for Deep Model Deployment on Resource-Constrained IoT Networks domain ★★★

cs.LG updates on arXiv.org

多変量時系列異常検知・局在化のための低ランクTransformer

多変量時系列（MTS）の異常検知・局在化は、複雑なシステムにおいて不可欠ですが、特に局在化に関する理論的洞察は限られています。低ランク正則化を自己注意機構に適用したAttention Low-Rank Transformer（ALoRa-T）と、時系列間の相互関係を定量化するALoRa-Locを提案。実験により、提案手法が既存の最先端手法を検出・局在化の両タスクで大幅に上回ることが示されています。

Action: 提案されたALoRa-TおよびALoRa-Loc手法を調査し、多変量時系列異常検知・局在化タスクへの適用可能性を評価する。

Original: Low Rank Transformer for Multivariate Time Series Anomaly Detection and Localization domain ★★★

cs.LG updates on arXiv.org

正しさのその先へ：転移による頑健な推論の学習

RLVRはLLM推論を強化するが、推論プロセスの頑健性は保証しない。新手法RLTRは、部分的な推論を別のモデルで再現できるかテストすることで頑健性を評価する。 MATH500データセットで、RLTRはRLVRより高い精度と効率を達成した。

Action: RLTRの概念を調査し、LLMの推論能力の頑健性と効率性を向上させるために、自身のプロジェクトへの適用可能性を検討する。

Original: Beyond Correctness: Learning Robust Reasoning via Transfer domain ★★★

cs.LG updates on arXiv.org

M-Loss: 限定的なラベルなしデータを用いたモデルマージ互換性の定量化

大規模モデルの学習は計算コストが高く、ラベル付きデータが不足しがちですが、モデルマージは追加データなしでモデルを統合する魅力的な代替手段です。従来のパラメータ平均化は、モデル間の重み差が大きい場合に非汎化特徴を意図せず結合する問題がありますが、モデルアンサンブルはより安定した性能を提供しますが、推論コストとストレージが増加します。本研究では、少量のラベルなしデータを用いてソースモデルのマージ互換性を定量化する新しい評価指標「M-Loss」（Merging-ensembling loss）を導入し、より効果的なマージ戦略を促進します。

Action: 「M-Loss」についてさらに調査し、既存のモデルマージ手法との比較や、具体的な実装方法について研究する。

Original: M-Loss: Quantifying Model Merging Compatibility with Limited Unlabeled Data domain ★★

cs.LG updates on arXiv.org

ディフュージョンモデルにおけるスコア近似誤差のフォワードSPDEによるモデリング

• スコアベース生成モデル（SGM）の研究において、スコア推定誤差を確率的駆動力としてFokker-Planck方程式を解析しました。 • 確率密度場の進化をモデル化するためにSPDEフレームワークを採用。 • 初期サンプリングデータのみで有効な、計算効率の可能性を示唆する評価指標を提案しました。

Action: 提案された評価指標が計算効率に寄与するか、実装して検証する。

Original: Modeling Score Approximation Errors in Diffusion Models via Forward SPDEs domain ★★

cs.LG updates on arXiv.org

CauScale: 大規模ニューラル因果発見

CauScaleは、科学AIやデータ分析分野で不可欠な因果発見を、大規模グラフ（最大1000ノード）にまで効率的にスケーリングする新しいニューラルアーキテクチャです。既存手法のボトルネックを解消するため、データ埋め込みを圧縮する削減ユニットと、アテンション重みを共有する工夫により、時間・空間効率を大幅に向上させています。インテリジェントな2ストリーム設計により、高い精度（mAP 99.6%）を維持しつつ、既存手法と比較して4～13,000倍の推論速度向上を実現します。

Action: CauScaleプロジェクトページ (https://github.com/OpenCausaLab/CauScale) を確認し、提案されているニューラル因果発見手法をローカル環境で試すことを検討する。

Original: CauScale: Neural Causal Discovery at Scale domain ★★★

cs.LG updates on arXiv.org

1ステップ生成モデルにおける効率的な報酬誘導更新のための射影勾配上昇法

射影勾配上昇法を用いた制約付き潜在最適化により、報酬誘導型生成を効率化。ホワイトガウシアンノイズ制約を課すことで、品質低下や非現実的なアーティファクトを防ぎ、高速化を実現。最先端手法と比較して同等の品質を維持しつつ、処理時間を大幅に短縮。

Action: 提案されている射影勾配上昇法に基づく制約付き潜在最適化手法を、既存の生成モデルパイプラインに適用し、その効率性と生成品質の向上を検証する。

Original: Projected Gradient Ascent for Efficient Reward-Guided Updates with One-Step Generative Models domain ★★

cs.LG updates on arXiv.org

均等な生成的扱い：生成モデルにおける公平性のためのfダイバージェンスの一致

生成モデルにおける新しい公平性の定義「均等な生成的扱い（EGT）」を提案。既存の公平性指標の限界（生成品質のばらつきを隠蔽する可能性）を指摘し、fダイバージェンスを用いた品質比較によるEGTを導入。min-maxファインチューニング手法がEGT達成に有効であることを画像・テキスト生成タスクで実証。

Action: 生成モデルの公平性向上のため、提案されているmin-maxファインチューニング手法の理論的背景と実装方法を調査・検討する。

Original: Equalized Generative Treatment: Matching f-divergences for Fairness in Generative Models domain ★★★

cs.LG updates on arXiv.org

LLaDA2.1: トークン編集によるテキスト拡散の高速化

LLaDA2.1は、テキスト拡散モデルにおけるデコーディング速度と生成品質のトレードオフを解決する新モデルです。トークン間編集(T2T)とマスク間編集(M2T)を組み合わせた共同設定閾値デコーディング方式（高速モード/品質モード）を導入し、大規模RLフレームワークにより推論精度と指示追従性を向上させました。 LLaDA2.1-Mini(16B)とLLaDA2.1-Flash(100B)がリリースされ、特にコーディングタスクで高いTPS性能を発揮します。

Action: LLaDA2.1モデル（特にFlash版）のコーディングタスクにおけるTPS性能を調査し、自社開発への適用可能性を評価する。

Original: LLaDA2.1: Speeding Up Text Diffusion via Token Editing domain ★★★

cs.LG updates on arXiv.org

MAP推論の理論と実践：非凸制約下で

多くの安全性クリティカルな設定では、確率的MLシステムは代数制約（例：障害物を横断しない最も可能性の高い軌道の予測）の下で予測を行う必要がありますが、これらの制約は非凸であることが多く、効率的かつ確実に制約付きMAP予測を計算することは困難です。本稿では、連続変数に対する制約付きMAP推論を正確かつ効率的に実行できる条件を調査し、その実行可能な断片に対するスケーラブルなメッセージパッシングアルゴリズムを考案します。さらに、ドメインを凸の実行可能領域に分割することと数値的制約付き最適化を交互に行う一般化された制約付きMAP戦略を開発し、合成および実世界のベンチマークで評価した結果、提案手法が制約にとらわれないベースラインを上回り、SoTAの正確なソルバーにとっても扱いにくい複雑な密度にまでスケールすることを示しました。

Action: 安全性クリティカルな設定における制約付きMAP推論の信頼性とスケーラビリティを向上させるために、提案されたアルゴリズムを評価・適用する。

Original: The Theory and Practice of MAP Inference over Non-Convex Constraints domain ★★

cs.LG updates on arXiv.org

逆強化学習を用いた拡散モデルからのサンプリング学習

拡散モデルのサンプリング戦略を、デノイザーを再学習せずに逆強化学習（IRL）フレームワークで学習する手法を提案。サンプリングプロセスをマルコフ決定過程（MDP）として定式化し、報酬関数を明示せずにポリシー勾配法で最適化。事前学習済み拡散モデルのサンプル品質向上、およびサンプリングハイパーパラメータの自動調整に有効であることを実験で確認。

Action: 提案された逆強化学習フレームワークを、既存の画像生成ライブラリ（例：Hugging Face Diffusers）に統合する方法を調査・実装する。

Original: Learning To Sample From Diffusion Models Via Inverse Reinforcement Learning domain ★★

cs.LG updates on arXiv.org

推論は言語モデルを人間の認知に適合させる

研究では、不確実性下での人間とLLMの意思決定を比較するため、新しい能動的確率推論タスクを導入しました。拡張された推論、特にチェーン・オブ・ソートはLLMのパフォーマンスの鍵であり、その信念軌跡を人間らしくしますが、情報獲得には依然としてギャップがあります。メカニズムモデルは人間とLLMを共有の低次元認知空間に配置し、CoTがLLMを人間らしい証拠蓄積と意思決定の領域にどのようにシフトさせるかを示しています。

Action: LLMアプリケーションにおいて、チェーン・オブ・ソート（CoT）推論を統合し、推論能力を向上させる可能性を探る。

Original: Reasoning aligns language models to human cognition domain ★★★

cs.LG updates on arXiv.org

QUOKA: LLMプリフィルのためのクエリ指向KV選択

「QUOKA」は、LLM推論を高速化する新しいスパースアテンションアルゴリズムです。低コサイン類似度を持つクエリがより多くのキーと相互作用するという観察に基づき、低類似度クエリを優先します。これにより、精度を維持しつつ、LLMのプリフィル段階での応答速度（First Token Time）を大幅に向上させます。

Action: LLM推論のプリフィル高速化手法としてQUOKAのアルゴリズムを調査し、既存システムへの適用可能性を評価する。

Original: QUOKA: Query-Oriented KV Selection For Efficient LLM Prefill domain ★★

cs.LG updates on arXiv.org

常微分方程式のための基盤推論モデル

現在の常微分方程式(ODE)のベクトル場推論は、複雑な学習パイプラインや専門知識を要し、システム固有の事前知識に依存しがちである。提案手法FIM-ODEは、ノイズのある軌道データからベクトル場を直接予測する、事前学習済みの基盤推論モデルであり、低次元ODE推論を迅速化する。 FIM-ODEは強力なゼロショット性能を示し、最近のベースラインを上回り、ファインチューニングにより高速かつ安定した適応も可能にする。

Action: FIM-ODEモデルのゼロショット性能とファインチューニングによる高速・安定適応能力を調査し、科学モデリングにおけるODE推論への応用可能性を検討する。

Original: Foundation Inference Models for Ordinary Differential Equations domain ★★★

cs.LG updates on arXiv.org

Central Dogma Transformer II: 細胞調節メカニズムを理解するためのAI顕微鏡

CDT-II（Central Dogma Transformer II）は、AIの内部表現を生物学的な関係として解釈可能にする「AI顕微鏡」です。中央ドグマを模倣したアーキテクチャを持ち、DNA自己注意、RNA自己注意、DNA-RNAクロス注意がそれぞれゲノム関係、遺伝子共調節、転写制御に対応します。実験生物学者が自身のデータで調節ネットワークを観察できるようになり、摂動効果を予測し、メカニズム指向AIの重要性を示しています。

Action: CDT-IIのようなメカニズム指向AIアーキテクチャの解釈可能性技術を、他の科学分野（例：材料科学、気候モデリング）のAIモデルに適用するための概念実証（PoC）を検討する。

Original: Central Dogma Transformer II: An AI Microscope for Understanding Cellular Regulatory Mechanisms domain ★★

cs.LG updates on arXiv.org

疎グラフにおけるグラフニューラルネットワークのグラフ演算解析：汎化と普遍近似

本研究では、疎グラフと密グラフの両方を含む、あらゆるサイズのグラフのコンパクトな計量空間を定義することで、メッセージパッシングMPNNの汎化と近似の分析を統一する。これにより、従来の作業よりも強力な普遍近似定理と汎化限界が得られる。この理論は、グラフ限界理論における最近の進歩であるグラフ演算解析に基づき、それを拡張するものである。

Action: グラフニューラルネットワーク（GNN）の理論的基盤、特に疎グラフにおける汎化能力と普遍近似定理について調査し、実装への応用可能性を検討する。

Original: A Graphop Analysis of Graph Neural Networks on Sparse Graphs: Generalization and Universal Approximation domain ★★★

cs.LG updates on arXiv.org

バイオメトリクスのための効率的な深層学習：概要、課題、そしてFrugal AI時代のトレンド

深層学習の進歩はバイオメトリクス分野に貢献する一方、計算需要の増大がエネルギー消費と炭素排出を増加させる課題がある。本稿では、バイオメトリクスにおける効率的な深層学習手法を概観し、学習・展開時の課題と効率的深層学習の分類を提供する。メモリ、計算量、レイテンシなどの効率性指標を議論し、再現可能な比較のため普遍的な指標を提唱するとともに、将来の研究方向を示す。

Action: バイオメトリクス分野における深層学習モデルの計算効率を評価・改善し、リソース制約のあるデバイスでのリアルタイム利用や、環境負荷低減を考慮した実装方法を調査する。

Original: Efficient Deep Learning for Biometrics: Overview, Challenges and Trends in Ear of Frugal AI domain ★★★

cs.LG updates on arXiv.org

AIサプライチェーンにおける寛容ライセンスの「パーミッシブ・ウォッシング」：ライセンス完全性の大規模監査

オープンソースAIにおいて、MITやApache-2.0などの寛容ライセンスが利用されるも、ライセンス条文や著作権表示といった必須要件が省略される「パーミッシブ・ウォッシング」が横行しており、利用者は法的リスクに晒されている。大規模監査では、AIサプライチェーンの95%以上のデータセットとモデルで必須のライセンス条文が欠落しており、著作権表示の伝播もほとんど見られなかった。開発者はメタデータのみに依存せず、ライセンスファイルと通知が法的真実であると認識すべきであり、監査データとパイプラインが公開されている。

Action: 利用するAIアーティファクト（データセット、モデル、コード）のライセンス完全性を、メタデータだけでなく、実際のライセンスファイルと著作権表示を確認して検証すること。自身が開発するAIプロジェクトにおいても、依存するアップストリームのライセンス情報を正確に含め、著作権表示を適切に伝播させること。

Original: Permissive-Washing in the Open AI Supply Chain: A Large-Scale Audit of License Integrity domain ★★★

cs.LG updates on arXiv.org

Dr. MAS: マルチエージェントLLMシステムのための安定した強化学習

マルチエージェントLLMシステムにおける強化学習（RL）の安定性問題を理論的に特定。グローバル正規化ベースラインが、エージェントごとの報酬分布から逸脱し、勾配ノルムの不安定性を引き起こすことを発見。エージェントごとの報酬統計に基づく正規化を行う「Dr. MAS」を提案。これにより学習が劇的に安定し、エンドツーエンドのトレーニングフレームワークも提供。

Action: Dr. MASフレームワークを調査し、マルチエージェントLLMシステムでの強化学習に適用する可能性を検討する。

Original: Dr. MAS: Stable Reinforcement Learning for Multi-Agent LLM Systems domain ★★★

cs.LG updates on arXiv.org

償却ニューラル記号回帰の簡略化ボトルネックを解消する

償却記号回帰（SR）の効率化において、式の簡略化処理がボトルネックとなっている。 SymPyに比べて100倍高速な、新しいルールベースの簡略化エンジン「SimpliPy」を提案。これにより、大規模データセットへのスケーラビリティ、効率的なトークン利用、より簡潔な式の生成が可能となり、Flash-ANSRフレームワークの精度が向上。

Action: 記号回帰タスクにおけるパフォーマンス向上のため、SimpliPyエンジンの調査・統合を検討する。

Original: Breaking the Simplification Bottleneck in Amortized Neural Symbolic Regression domain ★★★

cs.LG updates on arXiv.org

拡散モデルに着想を得たTransformerの再構成による不確実性キャリブレーション

Transformerモデルの不確実性キャリブレーションは、リスクの高い応用において重要だが、既存モデルには原理的な不確実性伝播メカニズムが欠けている。本研究では、各特徴変換ブロックを確率的マッピングと見なす拡散モデルに着想を得たTransformerの再構成を提案する。これにより、予測性能を維持しつつ、表現の不確実性を原理的に伝播させることが可能になり、様々なベンチマークで優れたキャリブレーションと予測精度を達成する。

Action: 提案された拡散モデルに着想を得たTransformerの再構成手法を、特定のビジョンまたは言語タスクにおける事前学習済みモデルに適用し、不確実性キャリブレーションの改善を検証する。

Original: Diffusion-Inspired Reconfiguration of Transformers for Uncertainty Calibration domain ★★★

cs.LG updates on arXiv.org

StealthRL: AIテキスト検出器のマルチ検出器回避のための強化学習パラフレーズ攻撃

AIテキスト検出器の堅牢性に課題がある中、意味を保ちつつ検出を回避する敵対的パラフレーズ攻撃手法「StealthRL」を提案。強化学習フレームワークが、検出器回避と意味保持を両立させ、既存検出器に対してほぼゼロの検出率と高い攻撃成功率を達成。攻撃は未学習の検出器にも転移し、AIテキスト検出における重大な脆弱性を示唆。コードと評価パイプラインは公開済み。

Action: StealthRLの公開コードを調査し、既存のAIテキスト検出器に対する同様の脆弱性を評価・検証する。また、強化学習を用いた敵対的攻撃手法の原理を理解し、AIモデルの堅牢性向上策の検討に役立てる。

Original: StealthRL: Reinforcement Learning Paraphrase Attacks for Multi-Detector Evasion of AI-Text Detectors domain ★★★

cs.LG updates on arXiv.org

言語モデルエージェントにおける目標指向性の行動的および表現的評価

エージェントの目標指向性を評価するため、行動分析と内部表現分析を組み合わせたフレームワークを提案。 2DグリッドワールドでのLLMエージェントのケーススタディでは、パフォーマンスが難易度に応じてスケールし、変換に対して頑健であることを確認。行動評価に加え、エージェントが目的をどのように表現し追求するかを理解するには内省的な検討が不可欠。

Action: LLMエージェントの行動と内部表現を評価するためのフレームワークを調査し、自身のプロジェクトへの適用可能性を検討する。

Original: A Behavioural and Representational Evaluation of Goal-Directedness in Language Model Agents domain ★★★

cs.LG updates on arXiv.org

生成的曖昧性モデリングによる分布ロバスト最適化

本論文は、統計学習と最適化の頑健性・汎化性能を向上させるための分布ロバスト最適化（DRO）を提案します。生成モデルを用いた曖昧集合（GAS-DRO）を提案し、敵対的分布を扱いやすく、かつ生成可能なDROアルゴリズムを開発しました。拡散モデルで実装されたGAS-DROは、機械学習タスクにおいて優れた分布外（OOD）汎化性能を示しました。

Action: 機械学習プロジェクトで分布外（OOD）汎化性能向上のため、拡散モデルを用いたGAS-DROの実装を検討する。

Original: Distributionally Robust Optimization via Generative Ambiguity Modeling domain ★★★

cs.LG updates on arXiv.org

ANCRe: 効率的な深さスケーリングのための適応的ニューラル接続再割り当て

深層ニューラルネットワークでは、深い層がしばしば十分に活用されていません。本研究では、残差接続のレイアウトが収束挙動を形成し、収束率に指数関数的なギャップを生じさせることを分析し、ANCRe（適応的ニューラル接続再割り当て）を提案します。ANCReは、計算・メモリオーバーヘッドをほぼ無視しながら、データから残差接続を学習し、大規模言語モデル、拡散モデル、深層ResNetで収束の加速、性能向上、深さ効率の向上を一貫して実証しました。

Action: ANCReの概念を理解し、大規模言語モデルや深層学習モデルのトレーニングにおける残差接続の最適化への応用可能性を検討する。

Original: ANCRe: Adaptive Neural Connection Reassignment for Efficient Depth Scaling domain ★★★

cs.LG updates on arXiv.org

次世代CAPTCHA：スケーラブルで多様なGUIエージェント防御のための認知ギャップの活用

従来のCAPTCHAは、Gemini3-Pro-HighやGPT-5.2-Xhighのような高度なAIエージェントによって容易に突破されるため、陳腐化しています。本稿では、『認知ギャップ』を活用し、スケーラブルで多様な防御を提供する『次世代CAPTCHA』フレームワークを提案します。このフレームワークは、直感的な動的タスクを通じて人間とエージェントを区別し、エージェント時代におけるウェブのセキュリティを強化します。

Action: AIエージェントによるウェブアプリケーションへの不正アクセスを防ぐため、次世代CAPTCHA技術の導入や研究を検討する。

Original: Next-Gen CAPTCHAs: Leveraging the Cognitive Gap for Scalable and Diverse GUI-Agent Defense domain ★★★

cs.LG updates on arXiv.org

OpenAIのWhisper表現と注意機構を用いた音声感情認識

音声感情認識（SER）研究におけるデータセット不足の課題に対し、Whisperモデルの表現と注意機構ベースのプーリング（Multi-head Attentive Average Pooling, QKV Pooling）を組み合わせ、次元削減と感情特徴の保持を試みた。英語・ペルシャ語データセットで実験した結果、マルチヘッドQKVアーキテクチャがShEMOデータセットでSOTAを達成し、ペルシャ語SERではWhisperの中間層が有効である可能性を示した。本研究は、WhisperをSERのための表現抽出器として活用し、軽量かつ効率的なSER手法の実現可能性を示唆する。

Action: Whisperモデルの中間層表現と注意機構プーリング手法を、他の音声認識タスクや多言語SERへの応用を調査・実装する。

Original: Speech Emotion Recognition Leveraging OpenAI's Whisper Representations and Attentive Pooling Methods domain ★★

cs.LG updates on arXiv.org

知識の空白を埋める：コーディングタスクにおける未知のプログラミング言語の推論時習得

LLMが推論時に限られた外部リソース（ドキュメント、実行環境）を用いて未知のプログラミング言語を動的に習得する「ILA-agent」フレームワークを提案。新規静的型付け言語Cangjieをベースとした評価ベンチマーク「Cangjie-bench」を構築。ILA-agentは、取得拡張ベースラインを大幅に上回る性能を示し、エージェントの創発的な行動パターンを特徴づけている。

Action: この研究を踏まえ、開発者は自身のLLMベースのコーディングツールやアシスタントに、類似の「推論時言語習得」技術を統合し、新しい、またはニッチなプログラミング言語への対応能力を向上させる方法を検討できます。

Original: Bridging the Knowledge Void: Inference-time Acquisition of Unfamiliar Programming Languages for Coding Tasks domain ★★★

cs.LG updates on arXiv.org

パーソナライズされた感情認識のための適応的時系列ダイナミクス：リキッドニューラルネットワークアプローチ

生理信号（EEG）を用いた感情認識の課題（非定常性、ノイズ、個人差）に対し、リキッドニューラルネットワーク（LNN）を初めて包括的に応用。畳み込み特徴抽出、学習可能な時間定数を持つLNN、注意機構付き融合を組み合わせ、EEGおよび補助的特徴から時系列ダイナミクスをモデル化。 PhyMERデータセットで95.45%の精度を達成し、時系列注意分析による解釈可能性やクラス分離性の向上を示した。

Action: リキッドニューラルネットワーク（LNN）の技術を、感情認識以外の時系列データ（例：行動データ、センサーデータ）への応用可能性を調査する。

Original: Adaptive Temporal Dynamics for Personalized Emotion Recognition: A Liquid Neural Network Approach domain ★★★

cs.LG updates on arXiv.org

環境規制における持続可能なデータ保護と公正なアルゴリズム管理のためのAI

AIは環境規制におけるデータ管理を強化し、データ保護とアルゴリズムの公平性向上に貢献する。 AIによる動的鍵管理や適応型暗号化、HE/MPCの効率最適化が、環境データのセキュリティを大幅に向上させる。 AI、サイバー法、環境規制の交差点におけるアルゴリズムバイアス、透明性、説明責任への対応が喫緊の課題であり、より厳格なサイバー法と規制開発が求められる。

Action: AIによるホモモルフィック暗号化(HE)とマルチパーティ計算(MPC)の技術進展を調査し、環境データ保護への応用可能性を探る。

Original: AI for Sustainable Data Protection and Fair Algorithmic Management in Environmental Regulation domain ★★

cs.LG updates on arXiv.org

拡散損失を用いた自己回帰画像生成における条件誤差の洗練

・自己回帰モデルと拡散モデルを組み合わせ、拡散損失を用いた画像生成の最適化手法を理論的に解析。・パッチデノイジング最適化が条件誤差を軽減し、条件分布を安定化させることを実証。・最適輸送理論に基づいた条件生成の洗練により、条件不整合問題を解決し、生成モデルの性能を向上させる新規アプローチを提案。

Action: 画像生成における条件誤差と条件不整合の問題に対し、最適輸送理論を応用した条件生成の洗練手法を調査し、既存の画像生成モデルへの統合可能性を評価する。

Original: Condition Errors Refinement in Autoregressive Image Generation with Diffusion Loss domain ★★★

cs.LG updates on arXiv.org

DLLM-Searcher: 検索エージェント向け拡散大規模言語モデルの適応

拡散大規模言語モデル(dLLM)は、並列デコードと柔軟な生成により効率的だが、既存のdLLMは推論とツール呼び出し能力が弱いという課題を抱えています。 DLLM-Searcherフレームワークは、Agentic SFTとAgentic VRPOで推論能力を向上させ、P-ReActパラダイムで並列処理により検索エージェントのレイテンシ課題を解決します。実験結果では、DLLM-Searcherは既存のLLMベース検索エージェントと同等の性能を達成し、P-ReActは約15%の推論高速化を実現しました。

Action: DLLM-SearcherフレームワークとP-ReActパラダイムについて調査し、検索エージェントのパフォーマンス向上への適用可能性を検討する。

Original: DLLM-Searcher: Adapting Diffusion Large Language Model for Search Agents domain ★★★

cs.LG updates on arXiv.org

OMNI-Dent: アクセシブルで説明可能なAIフレームワークによる自動歯科診断に向けて

歯科診断へのアクセス改善と説明可能性向上を目指したAIフレームワーク「OMNI-Dent」を提案。スマートフォン写真と臨床的推論を統合し、専門家による微調整なしでVLMを活用。専門医が不足する状況下での初期診断支援ツールとして、異常の特定と専門医受診の必要性判断をサポート。

Action: OMNI-Dentフレームワークのアーキテクチャ（VLMと臨床的推論の統合方法）を調査し、開発への応用可能性を検討する。

Original: OMNI-Dent: Towards an Accessible and Explainable AI Framework for Automated Dental Diagnosis domain ★★★

cs.LG updates on arXiv.org

ニューラルセンチネル：人間参加型継続学習によるライセンスプレート認識のための統合型ビジョン言語モデル（VLM）

従来のALPRシステムの複雑さとエラー率を、単一パスで動作する統合VLM「Neural Sentinel」により解消。 LoRAでファインチューニングされたPaliGemma 3Bモデルが92.3%の高精度でライセンスプレート認識、状態分類、属性抽出を同時に実行。 HITL継続学習フレームワーク、低遅延（152ms）、ゼロショット汎化能力により、ALPR分野にパラダイムシフトをもたらす。

Action: PaliGemma 3BモデルとLoRAを用いたVLMによる多目的認識タスク（画像認識、状態分類、属性抽出）の統合アプローチを、他の領域（例：商品認識、医療画像解析）への応用可能性を調査し、PoCを検討する。

Original: Neural Sentinel: Unified Vision Language Model (VLM) for License Plate Recognition with Human-in-the-Loop Continual Learning domain ★★★

cs.LG updates on arXiv.org

Pro-ZD: ゼロデイ脅威をプロアクティブに緩和するための転移可能なグラフニューラルネットワークアプローチ

ネットワークセキュリティの課題として、動的に生成されるファイアウォールルールやアクセスポリシーにおけるクリティカルアセットの露出リスクを、GNNを活用して検出・軽減するPro-ZDフレームワークを提案。 Pro-ZDは、グラフニューラルネットワークを用いてネットワーク内の高リスク接続パスを特定し、ファイアウォールルールやアクセスポリシーを自動調整することで、ゼロデイ攻撃の潜在的脅威に対応。実験結果によると、Pro-ZDは高リスク接続の検出において平均95%以上の精度を示し、その堅牢性と転移可能性が確認された。

Action: ネットワークセキュリティにおけるグラフニューラルネットワーク（GNN）の応用可能性について調査し、自社のネットワーク構成における潜在的なリスクパス検出への適用を検討する。

Original: Pro-ZD: A Transferable Graph Neural Network Approach for Proactive Zero-Day Threats Mitigation domain ★★★

cs.LG updates on arXiv.org

LatentChem: テキストCoTから化学推論における潜在思考へ

化学LLMは自然言語のCoTに依存しているが、化学推論は連続的・構造的であり、表現に根本的な不一致がある。 LatentChemは、計算を言語生成から分離し、連続的な潜在空間での推論を可能にし、最終出力のみ言語化する。このアプローチにより、推論速度が大幅に向上し、化学推論が連続的な潜在ダイナミクスとしてより効果的に実現される。

Action: 化学推論におけるLatentChemのような、計算を言語生成から分離し連続的な潜在空間で推論を行うアプローチを、他のドメイン（例: 物理シミュレーション、分子動力学）のLLM応用へ展開できるか調査・検討する。

Original: LatentChem: From Textual CoT to Latent Thinking in Chemical Reasoning domain ★★★

cs.LG updates on arXiv.org

BayesFlow 2.0: Pythonにおけるマルチバックエンド償却ベイズ推論

ベイズ推論は計算コストが高いが、償却ベイズ推論 (ABI) はニューラルネットワークを用いて高速化する。 BayesFlow 2.0 は ABI のための Python ライブラリであり、複数バックエンド、豊富なネットワーク、高度なカスタマイズをサポートする。動的システムパラメータ推定の事例研究は、その使いやすいワークフローが広範な採用を促進する可能性を示している。

Action: ABI の活用を検討している開発者は、Python ライブラリ BayesFlow 2.0 を調査し、その機能とパフォーマンスを評価する。

Original: BayesFlow 2.0: Multi-Backend Amortized Bayesian Inference in Python domain ★★

cs.LG updates on arXiv.org

Amortized Variational Inferenceによる高速かつ堅牢な尤度誘導拡散後方サンプリング

ゼロショット拡散後方サンプリングは柔軟だが計算コストが高い。過去のアモルタイズド拡散アプローチは高速だがロバスト性に欠ける。提案手法は、明示的な尤度誘導とアモルタイゼーションを組み合わせ、拡散ベースの逆問題における効率と柔軟性のトレードオフを改善する。

Action: この手法を画像再構成や信号処理などの逆問題に適用する可能性を探る、または関連する数学的基盤を調査する。

Original: Fast and Robust Likelihood-Guided Diffusion Posterior Sampling with Amortized Variational Inference domain ★★★

cs.LG updates on arXiv.org

マルチモーダル検索のための推論拡張表現

マルチモーダル検索における推論と圧縮を分離するため、検索前に推論を外部化するデータ中心フレームワークを提案。 Vision-Language Model を使用し、詳細なキャプション付けやクエリ書き換えによって暗黙的な意味を明確化。これらの意味的に密な表現を用いた学習により、M-BEIR で一貫した改善を達成。コーパス拡張は知識集約型クエリに、クエリ拡張は構成的リクエストに貢献。

Action: GitHubリポジトリ `https://github.com/AugmentedRetrieval/ReasoningAugmentedRetrieval` を調査し、マルチモーダル検索における推論拡張手法の実装を確認する。

Original: Reasoning-Augmented Representations for Multimodal Retrieval domain ★★

cs.LG updates on arXiv.org

高忠実度3Dマルチスラブ拡散MRI：プロファイルエンコーディングネットワーク（SHARPEN）を用いた調和型3D取得・再構成のためのスラブシフト

3Dマルチスラブ拡散MRIにおけるスラブ境界アーチファクトを、スキャン時間を延長せずに低減するSHARPEN手法を提案。 SHARPENは、スラブプロファイル推定と補正のために、ボリューム間FOVシフトと自己教師ありニューラルネットワークを活用。 0.7mm等方性分解能での高品質dMRIを可能にし、神経科学研究への貢献が期待される。

Action: SHARPEN手法のAIを用いた再構成メカニズムを詳細に調査し、その応用可能性を検討する。

Original: High-fidelity 3D multi-slab diffusion MRI using Slab-shifting for Harmonized 3D Acquisition and Reconstruction with Profile Encoding Networks (SHARPEN) domain ★★★

cs.LG updates on arXiv.org

分散の価値：不確実性駆動型ポリシー最適化によるマルチエージェントシステムにおけるディベート崩壊の緩和

マルチエージェントディベート(MAD)システムにおける「ディベート崩壊」問題、すなわち最終的なエージェントの決定が誤った推論によって損なわれる問題を指摘。エージェント内部、エージェント間、システムレベルの不確実性を定量化する階層的指標を提案し、これがシステム障害を確実に示すことを実証。自己矛盾や低確信度出力を罰する不確実性駆動型ポリシー最適化戦略を導入し、決定精度向上とシステム不一致の削減を実現。

Action: 提案されている不確実性定量化指標と不確実性駆動型ポリシー最適化を、マルチエージェントシステムにおける堅牢性と決定精度を向上させるために、自身のシステムへ実装または評価することを検討してください。

Original: The Value of Variance: Mitigating Debate Collapse in Multi-Agent Systems via Uncertainty-Driven Policy Optimization domain ★★★

cs.LG updates on arXiv.org

大規模言語モデル開発における「秘伝のタレ」は存在するのか？

・LLM開発において、「秘伝のタレ」か計算能力のスケールアップかが性能を決定するかを調査。・最先端では、性能差の80-90%は学習計算量で説明され、スケールが決定要因。・フロンティアから離れると、独自技術やアルゴリズム進歩が計算量を削減し、企業内でも効率に大きなばらつきがある。

Action: LLMのモデル効率に関する最新の研究論文を調査し、独自技術やアルゴリズム進歩が計算量に与える影響を理解する。

Original: Is there "Secret Sauce'' in Large Language Model Development? domain ★★★

cs.LG updates on arXiv.org

BRIDGE: モデルパフォーマンスから人間のタスク完了時間を予測する

AIモデルのパフォーマンスから人間のタスク完了時間を予測する新フレームワーク「BRIDGE」を提案。 Item Response Theoryを用い、潜在的なタスク難易度を推定し、人間の完了時間と結びつける。これにより、モデルパフォーマンスのみで新規ベンチマークの完了時間を予測し、将来のモデル能力を予測可能にする。

Action: BRIDGEフレームワークの概念を調査し、既存のAIモデルのパフォーマンスデータを用いてタスク完了時間の予測精度を検証する実験を計画する。

Original: BRIDGE: Predicting Human Task Completion Time From Model Performance domain ★★

cs.LG updates on arXiv.org

並列トラックTransformer：同期削減による高速GPU推論の実現

大規模言語モデル（LLM）のGPU推論における遅延とスループットの課題に対し、マルチGPU並列化の重要性が指摘されている。提案手法「Parallel Track (PT) Transformer」は、GPU間の同期処理を大幅に削減し、スケーラビリティを向上させる。 Tensor-RT-LLMやvLLMへの統合により、推論効率（初回トークン時間、トークンあたり時間、スループット）の大幅な改善が確認された。

Action: 「Parallel Track Transformer」アーキテクチャを調査し、LLM推論のパフォーマンス改善への応用可能性を検討する。

Original: Parallel Track Transformers: Enabling Fast GPU Inference with Reduced Synchronization domain ★★★

cs.LG updates on arXiv.org

RAPiD: 拡散モデルの行動事前知識を活用したリアルタイム決定論的軌道計画による安全・効率的な自動運転

「RAPiD」は、自動運転におけるリアルタイムな軌道計画のためのフレームワークを発表。拡散モデルベースのプランナーを効率的なポリシーに蒸留し、リアルタイム性と安全性への課題を解決。スコア正則化ポリシー最適化と、予測ドライバーコントローラーを模倣したクリティックにより、安全性と快適性を両立し、高速化と高い汎化性能を実現。

Action: 「RAPiD」プロジェクトのGitHubリポジトリ（https://github.com/ruturajreddy/RAPiD）を確認し、拡散モデルを用いた自動運転の軌道計画技術について調査する。

Original: RAPiD: Real-time Deterministic Trajectory Planning via Diffusion Behavior Priors for Safe and Efficient Autonomous Driving domain ★★★

cs.LG updates on arXiv.org

Coxモデルにおける変数選択後の統計的推論：シミュレーション研究

生物医学分野における時間イベントデータ解析では、変数選択後の統計的推論が誤解を招く可能性があり、特に右側打ち切りがあると問題が複雑化します。本研究は、CoxモデルでLassoなどの変数選択手法適用後に、サンプル分割やDebiased Lassoなどの推論手法の有効性を評価します。シミュレーション研究と実際の生存データセットへの適用を通じて、これらの手法の性能を検証します。

Action: 統計解析ツールや医療データプラットフォーム開発者は、これらの堅牢な推論手法の実装を調査し、モデルの信頼性向上に活用できます。

Original: Statistical inference after variable selection in Cox models: A simulation study domain ★★

cs.LG updates on arXiv.org

GraphAgents: 知識グラフ誘導型エージェントAIによるドメイン横断型材料設計

LLMの進化は科学的発見を加速するが、ドメイン横断的な情報接続が課題。本研究では、知識グラフで誘導されるマルチエージェントフレームワーク「GraphAgents」を提案。エージェントが問題分解、証拠検索、設計パラメータ抽出、グラフ探索などを分担し、単一プロンプトを上回る性能と関係性推論能力を示す。規制対象のPFAS代替物質探索に応用し、バイオメディカルチューブ用の持続可能で多機能なPFASフリー代替材料の設計候補を生成。

Action: 知識グラフとマルチエージェントシステムを組み合わせた、特定のドメイン（例：創薬、化学反応予測）における問題解決フレームワークのプロトタイプ開発を検討する。

Original: GraphAgents: Knowledge Graph-Guided Agentic AI for Cross-Domain Materials Design domain ★★★

cs.LG updates on arXiv.org

LLMガイドによる診断的証拠アラインメント：限定的なペアリング下での医療画像・言語事前学習

医療分野における画像・言語事前学習では、ペアリングデータ不足と非診断情報への影響が課題でした。本研究では、LLMを用いて診断的証拠を抽出し、証拠レベルでのクロスモーダルアラインメントを行う「LGDEA」手法を提案します。これにより、ペアリングデータへの依存を大幅に軽減し、画像・テキスト検索やゼロショット分類タスクで顕著な改善を達成します。

Action: 医療AI分野でLLMを用いた診断的証拠抽出とクロスモーダルアラインメント手法（LGDEA）の実装を検討する。

Original: LLM-Guided Diagnostic Evidence Alignment for Medical Vision-Language Pretraining under Limited Pairing domain ★★★

cs.LG updates on arXiv.org

拡散言語モデルにおける可変長生成の改善：長さ正規化によるアプローチ

拡散言語モデル（DLLM）は固定長の生成キャンバスを持つため、未知の長さのテキスト生成（補完、インフィル）が苦手で、過小生成や冗長な継続が発生しやすい。本研究では、生成長を明示的な変数として扱い、長さによるバイアスを補正する「LR-DLLM」フレームワークを提案し、推論時に信頼性の高い長さ決定を可能にする。この手法は、基盤となるDLLMを変更することなく、動的な生成範囲の拡張・縮小を可能にし、HumanEvalInfillingやMcEvalなどのベンチマークで大幅な性能向上を示した。

Action: 提案されているLR-DLLMフレームワークの長さを正規化するアプローチを調査し、既存のDLLMへの応用可能性を検討する。

Original: Improving Variable-Length Generation in Diffusion Language Models via Length Regularization domain ★★★

cs.LG updates on arXiv.org

脳エンコーディングにおける言語的特性とモデルスケール：小規模から圧縮言語モデルまで

LLMの規模拡大は脳活動との一致度を高めるが、その要因は不明。 3B SLMは大規模LLMと同等の脳予測能力を示し、圧縮にも強いが、1Bモデルは性能が低下。圧縮された小規模言語モデル（SLM）でも脳活動との高い一致度が得られる可能性があり、リソース効率の良いAIモデル開発の方向性として有望。

Action: 圧縮された小規模言語モデル（SLM）でも脳活動との高い一致度が得られることを示唆しており、リソース効率の良いAIモデル開発の方向性として検討に値する。特に、1Bモデルの性能低下に注意し、3B SLMや圧縮手法の有効性を評価することが推奨される。

Original: Linguistic properties and model scale in brain encoding: from small to compressed language models domain ★★★

cs.LG updates on arXiv.org

2D XYモデルのトポロジカル相転移と熱力学を、多様体認識型スコアベース生成モデルを用いて捉える

物理学における高次元状態空間解析のため、生成モデルの応用が進むが、連続スピン系には多様体への適応が課題。提案手法「多様体認識型スコアベース生成モデリング」により、BKT相転移の捕捉や熱容量などの熱力学量を高精度に再現。ドメイン固有の feature engineering を回避し、未知の格子サイズへのゼロショット汎化も達成。他の連続スピン系にも応用可能。

Action: 連続スピン系のような非ユークリッドデータに対し、多様体認識型スコアベース生成モデルの応用を検討する。

Original: Capturing the Topological Phase Transition and Thermodynamics of the 2D XY Model via Manifold-Aware Score-Based Generative Modeling domain ★★

cs.LG updates on arXiv.org

パラメトリックモデリングで生成した合成データで学習させた教師あり学習モデルによる、自動岩盤節理トレースマッピング

・機械学習（教師あり学習）を用いて、画像から岩盤の節理トレースを自動でマッピングする手法を提案。・限られた実データとクラス不均衡の問題に対し、パラメトリックモデリングによる合成データ生成と、実データでのファインチューニングを組み合わせる。・合成データは実データが少ない場合に有効であり、特にノイズの多いラベルを持つデータセットではファインチューニングが頑健性を示し、定性的な分析ではより地質学的に意味のある結果が得られた。

Action: 機械学習モデルの訓練において、実データが不足している場合に、パラメトリックモデリングによる合成データ生成とファインチューニングを組み合わせたアプローチを評価・検討する。

Original: Automated rock joint trace mapping using a supervised learning model trained on synthetic data generated by parametric modelling domain ★★

cs.LG updates on arXiv.org

SleepMaMi: マクロ構造とマイクロ構造を統合するためのユニバーサル睡眠財団モデル

睡眠医療ではタスク固有のモデルが主流だが、PSGの全体像を捉えきれていない。 SleepMaMiは、時間的依存性と信号特性の両方を捉える階層的デュアルエンコーダーを持つ睡眠財団モデル。大規模データで事前学習され、多様な下流タスクで既存モデルを上回る汎化性能を示す。

Action: SleepMaMiのアーキテクチャ（階層的デュアルエンコーダー、対照学習）と、既存の睡眠分析タスクにおける性能向上について調査し、類似の財団モデル開発への応用可能性を検討する。

Original: SleepMaMi: A Universal Sleep Foundation Model for Integrating Macro- and Micro-structures domain ★★

cs.LG updates on arXiv.org

前処理付き双対勾配法によるスケーラブルな平均場変分推論

大規模平均場変分推論（MFVI）問題に対し、ミニバッチ双対勾配法に基づく新しいアルゴリズム「PD-VI」を提案。パラメータブロックごとの損失形状に適応する「P$^2$D-VI」を導入し、数値的安定性と効率を向上。合成データと実データでの実験により、既存手法を上回る収束速度と解の質を実証。

Action: PD-VIおよびP^2D-VIアルゴリズムの実装を調査し、機械学習プロジェクトへの統合または比較分析の可能性を探る。

Original: Scalable Mean-Field Variational Inference via Preconditioned Primal-Dual Optimization domain ★★★

cs.LG updates on arXiv.org

TodoEvolve：エージェント計画システムのアーキテクチャ学習

既存のエージェント計画システムは固定構造で柔軟性に欠け、多様な問題に対応できない。 TodoEvolveは、タスク固有の計画アーキテクチャを自律的に合成・修正するメタ計画パラダイムを提案。 PlanFactoryとIGPOで学習したTodo-14Bモデルは、性能、安定性、効率性で既存手法を上回る。

Action: エージェント開発において、TodoEvolveのメタ計画パラダイムやPlanFactoryのようなモジュラー設計空間の概念を、タスク固有の計画アーキテクチャの動的な合成・修正にどのように応用できるか調査する。

Original: TodoEvolve: Learning to Architect Agent Planning Systems domain ★★★

cs.LG updates on arXiv.org

ソフトマックスゲート付き多項ロジスティック混合エキスパートモデルのための高速モデル選択と安定化最適化

ソフトマックスゲート付き多項ロジスティックMoEモデルに対し、収束を保証し、閉形式更新を用いる新しいバッチMMアルゴリズムを提案。結合指標のデンドログラムを用いた、多項ロジスティックMoEモデルにおける専門家数の原則的なモデル選択手法を開発。タンパク質間相互作用予測の実験で、既存手法を上回る精度と確率キャリブレーションを実証。

Action: 提案されたソフトマックスゲート付きMoEモデルおよびその最適化/選択アルゴリズムを、関連する分類タスクに適用するための実装を検討する。

Original: Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models domain ★★★

cs.LG updates on arXiv.org

GAAVI: 条件付き平均関数のためのグローバル漸近的いつでも有効な推論

CMF推論は、適応的実験や公平性監査に不可欠です。本研究は、実験中にいつでも高確信度の意思決定を可能にする、新しい漸近的いつでも有効なCMFテストを提案します。このテストは、漸近的タイプIエラー保証、パワー1、最適サンプル複雑性を達成し、実験データで有効性が実証されています。

Action: 提案されたGAAVI手法を、継続的モニタリングが必要なA/Bテストやオンライン学習アルゴリズムに適用する可能性を調査する。

Original: GAAVI: Global Asymptotic Anytime Valid Inference for the Conditional Mean Function domain ★★

cs.LG updates on arXiv.org

マルチエージェント強化学習システムにおける解釈可能な失敗分析

マルチエージェント強化学習(MARL)における解釈可能な失敗検出・起因分析手法を提案。 Taylor展開や勾配解析を用いた2段階フレームワークにより、初期失敗源(Patient-0)の特定、ドミノ効果の検証、失敗伝播の追跡を可能にする。 500エピソードの実験で99.4%のPatient-0検出精度を達成し、安全性が求められるMARLシステム診断に貢献。

Action: MARLシステムにおける失敗の連鎖を診断・デバッグするために、提案された解釈可能な勾配ベースのフレームワークを実装・評価する。

Original: Interpretable Failure Analysis in Multi-Agent Reinforcement Learning Systems domain ★★★

cs.LG updates on arXiv.org

行動予測のための身体化された推論：自己教師ありブートストラップ

現在の身体化されたCoT推論における固定テンプレートは、VLAモデルの関連情報処理を妨げ、ポリシー開発を阻害します。 R&B-EnCoReは、人間によるアノテーションや外部報酬なしに、インターネットスケールの知識から身体化された推論を自己教師ありで洗練させることを可能にします。この手法は、物理的実行を伴う成功する制御を予測する推論を蒸留することで、様々な身体（操作、ナビゲーション、運転）において顕著な性能向上を達成します。

Action: 身体化されたAIシステムやロボティクスにおいて、手動アノテーションを大量に行うことなく、ポリシー開発と推論の質を向上させるために、R&B-EnCoReまたは類似の自己教師ありブートストラップ手法の実装を検討する。

Original: Self-Supervised Bootstrapping of Action-Predictive Embodied Reasoning domain ★★★

cs.LG updates on arXiv.org

InfiCoEvalChain: ブロックチェーンベースの分散型フレームワークによる協調LLM評価

現在のLLM評価は不透明性、過学習、ハードウェア依存のばらつきに悩まされており、ランキングの統計的信頼性が低い。ブロックチェーンとインセンティブシステムを活用し、グローバルな貢献者による分散型評価フレームワークを提案。多様な計算ノードと推論環境を利用する。実験により、従来手法より標準偏差を大幅に削減（0.28）し、モデルランキングの統計的信頼性を向上。プラットフォームは実装済みで、近日公開予定。

Action: LLM評価の信頼性向上は重要課題。InfiCoEvalChainプラットフォームのコミュニティリリースを注視し、その実装や貢献方法を検討する。

Original: InfiCoEvalChain: A Blockchain-Based Decentralized Framework for Collaborative LLM Evaluation domain ★★★

cs.LG updates on arXiv.org

バイアスのあるAIフィードバックによるアライメントのための統計的フレームワーク

AIモデルの評価にLLM-as-Judgeが使われる際、AIフィードバックの系統的なバイアスに対処するための統計的フレームワークを提案。 Debiased Direct Preference Optimization (DDPO)とDebiased Identity Preference Optimization (DIPO)という2つの新しいアライメント手法を開発。これらの手法により、アライメント効率が大幅に向上し、人間のフィードバックのみで学習した場合に近い性能を回復できることを実証。

Action: 提案されたDDPOやDIPO手法を、自身のAIプロジェクトにおけるアライメント戦略の改善に適用可能か検討し、実装の可能性を探る。

Original: A Statistical Framework for Alignment with Biased AI Feedback domain ★★★

cs.LG updates on arXiv.org

MemAdapter: Generative Subgraph Retrievalによるエージェントメモリパラダイム間の高速アラインメント

LLMエージェントのコアコンポーネントであるメモリ機構を、異種メモリパラダイム間で統一・融合するためのフレームワーク「MemAdapter」を提案。生成サブグラフリトリーバーと軽量アラインメントモジュールを使い、低コストで高速なクロスパラダイムアラインメントを実現。既存システムを上回り、ゼロショットでのメモリパラダイム融合も可能にする。

Action: MemAdapterのプラグアンドプレイソリューションとしての可能性を探り、既存のエージェントメモリシステムへの統合や、ゼロショットフュージョン能力の実験を検討する。

Original: MemAdapter: Fast Alignment across Agent Memory Paradigms via Generative Subgraph Retrieval domain ★★★

cs.LG updates on arXiv.org

検証可能な論理に基づいた生成プランナーの基盤構築：信頼できる身体性AIのためのハイブリッドアーキテクチャ

LLMプランナーの信頼性と安全性の課題に対し、論理チューターとLLMプランナーが協働するハイブリッドアーキテクチャ「VIRF」を提案。決定論的な論理チューターがLLMプランナーに因果的・教育的なフィードバックを提供し、単なる回避ではなく知的な計画修正を実現。家事安全タスクで危険行動率0%、目標達成率77.3%を達成し、検証可能で信頼性の高い身体性AI構築への道筋を示す。

Action: AIの安全性と信頼性を向上させるため、論理ベースの検証機構とLLMプランナーを組み合わせたハイブリッドアーキテクチャ（VIRFのような）の概念を、自律システムやロボット工学への応用を視野に入れて調査・検討する。

Original: Grounding Generative Planners in Verifiable Logic: A Hybrid Architecture for Trustworthy Embodied AI domain ★★★

cs.LG updates on arXiv.org

物理情報ニューラルネットワーク（PINN）はディープである必要があるか？ Levenberg-Marquardtアルゴリズムを用いたシャローPINN

本研究では、非線形偏微分方程式（PDE）の解法として、シャローな物理情報ニューラルネットワーク（PINN）を調査し、Levenberg-Marquardt（LM）アルゴリズムを用いた効率的な最適化手法を提案しています。 LMアルゴリズムはBFGSを大幅に上回り、隠れ層が少ないネットワークアーキテクチャでも、効率的な二階微分法を用いることで、順問題・逆問題ともに高精度かつ計算効率良く解けることを示しています。 Burgers、Schr"odingerなどのベンチマーク問題で検証され、計算効率と精度の高さを実証しました。

Action: 開発者は、自身のPDE関連プロジェクトにおいて、シャローPINNとLevenberg-Marquardtアルゴリズムの組み合わせを試用し、その有効性を評価することを検討してください。

Original: Do physics-informed neural networks (PINNs) need to be deep? Shallow PINNs using the Levenberg-Marquardt algorithm domain ★★★

cs.LG updates on arXiv.org

強化学習推論：不確実性を活用した自己修正言語モデル推論

LLMの推論時に不確実性を利用して自己修正を行う「Reinforcement Inference」を提案。追加学習なしでモデルの真の能力を引き出す。 MMLU-Proデータセットで、精度を60.72%から84.03%に大幅向上させつつ、推論コール数を61.06%増に抑えることに成功。モデルの不確実性（エントロピー）を制御信号として活用し、モデル能力の測定・拡張、および正しさ・信頼度の整合性を図る新しいパラダイムを示唆。

Action: LLMモデルの推論時に、不確実性に基づいて再推論を呼び出す「Reinforcement Inference」戦略の実装を検討する。これにより、モデルの精度向上と計算リソースの最適化を目指す。

Original: Reinforcement Inference: Leveraging Uncertainty for Self-Correcting Language Model Reasoning domain ★★★

cs.LG updates on arXiv.org

GOT-Edit: オンラインモデル編集によるジオメトリ認識型汎用オブジェクトトラッキング

多くの汎用オブジェクトトラッキング（GOT）手法は2D特徴に依存し3D幾何学的手がかりを軽視するため、オクルージョンや外観・幾何学的変化に弱い。 GOT-Editは、事前学習済みVisual Geometry Grounded Transformerの機能を利用し、幾何学的手がかりを推論するオンラインクロスモダリティモデル編集アプローチ。多様なシナリオにおけるロバスト性と精度が向上し、特にオクルージョンやクラッター下で優れた性能を発揮する。

Action: 2Dセマンティクスと3D幾何学的推論を統合した、新しい汎用オブジェクトトラッキング手法であるGOT-Editの論文を調査し、その実装可能性を検討する。

Original: GOT-Edit: Geometry-Aware Generic Object Tracking via Online Model Editing domain ★★★

cs.LG updates on arXiv.org

DNS: 複雑なモデルフリープロセス向けのデータ駆動型非線形スムーザー

複雑なモデルフリー動的プロセスからの隠れ状態系列推定のための、データ駆動型非線形スムーザー（DNS）を提案。再帰的アーキテクチャを採用し、測定系列から隠れ状態系列の閉形式事後分布を学習（教師なし）。 Lorenzシステムなどのシミュレーションで、DKSやiDANSEよりも優れた性能を示した。

Action: DNSのアーキテクチャと学習方法を調査し、自身のプロジェクトにおける状態推定タスクへの応用可能性を検討する。

Original: DNS: Data-driven Nonlinear Smoother for Complex Model-free Process domain ★★★

cs.LG updates on arXiv.org

グラフニューラルネットワークによる遺伝的アルゴリズムの強化：タイムテーブル作成のケーススタディ

本論文は、遺伝的アルゴリズムとグラフニューラルネットワーク（GNN）を組み合わせたタイムテーブル最適化手法を提案する。 GNNはスケジュール品質向上にドメイン知識を、GAは探索空間の広範な探索に寄与し、モデルを最適化演算子として利用する。スタッフ配置問題での実験により、提案手法が単独手法と比較して時間効率と解の質の両面で有意な改善を示した。

Action: GNNと遺伝的アルゴリズムを組み合わせたタイムテーブル最適化手法のコード実装や、自身の担当する最適化問題への適用可能性を調査する。

Original: Enhancing Genetic Algorithms with Graph Neural Networks: A Timetabling Case Study domain ★★

cs.LG updates on arXiv.org

ハイブリッドRAGにおけるRetrieval Pivot Attacks：ベクトルシードからグラフ拡張への増幅された漏洩の測定と緩和

ハイブリッドRAGは、ベクトル検索と知識グラフを組み合わせることで、ベクトル検索で取得したデータがグラフ内の機密情報にアクセスし、テナント間データ漏洩を引き起こす新たなセキュリティ脆弱性（Retrieval Pivot Risk）を生み出す。本研究では、Leakage、Amplification Factor、Pivot Depthといった指標を用いてこのリスクを定量化し、既存のハイブリッドパイプラインが防御策なしでは高度に脆弱であることを示す。グラフ拡張の境界での認可 enforcement が漏洩を効果的に排除し、オーバーヘッドも最小限であることを示しており、境界 enforcement が主要な緩和策であることを強調している。

Action: ハイブリッドRAGシステムにおいて、グラフ拡張の境界に認可チェックを実装または検証し、データ漏洩のリスクを低減する。

Original: Retrieval Pivot Attacks in Hybrid RAG: Measuring and Mitigating Amplified Leakage from Vector Seeds to Graph Expansion domain ★★★

cs.LG updates on arXiv.org

ニューラルネットワークにおける均等償却推論とメタ学習事前分布

既存のベイズ深層学習では、事前知識がない場合の信念（モデルパラメータの事前分布）をどう表現するかが課題である。本研究では、複数のデータセットから重みの事前分布を学習する手法として、データセットごとの均等償却変分推論を導入する。提案モデルは、BNNの重みを潜在変数とするニューラルプロセスであり、データ不足下でのメタ学習や生成モデルとしての応用を可能にする。

Action: この論文で提案されている、データセットコレクションから重みの事前分布を学習する手法（均等償却変分推論）を実装し、ベイズ深層学習モデルへの適用を検討する。

Original: Amortising Inference and Meta-Learning Priors in Neural Networks domain ★★★

cs.LG updates on arXiv.org

AMEM4Rec: エージェント型LLMレコメンダーにおけるクロスユーザー類似性を活用したメモリ進化

Agentic LLMレコメンダーの課題（チューニング効率、コンテキスト長、幻覚リスク）を解決。既存システムが軽視していた協調フィルタリング（CF）信号を、クロスユーザーメモリ進化によりエンドツーエンドで学習。 Amazon/MINDデータセットでSOTAを上回る性能を示し、メモリ主導のCFの有効性を証明。

Action: AMEM4Recのクロスユーザーメモリ進化による協調フィルタリング信号の学習メカニズムを調査し、既存のLLMレコメンダーシステムへの適用可能性を検討する。

Original: AMEM4Rec: Leveraging Cross-User Similarity for Memory Evolution in Agentic LLM Recommenders domain ★★★

cs.LG updates on arXiv.org

β-ダイバージェンスを用いた回帰ニューラルネットワークの証明可能なロバスト学習

回帰ニューラルネットワークの学習で一般的に用いられるMSE最小化は外れ値に弱い。本論文では、β-ダイバージェンスに基づく新しいロバスト学習フレームワーク`rRNet`を提案。 `rRNet`は理論的なロバストネス保証（影響関数、ブレークダウンポイント）を持ち、既存手法より実用的。

Action: rRNetフレームワークの実装や、既存の回帰NN学習手法との比較実験を検討する。

Original: Provably robust learning of regression neural networks using $\beta$-divergences domain ★★★

cs.LG updates on arXiv.org

マルチエージェント強化学習における量子もつれを用いた協調学習

通信なしでのマルチエージェント強化学習における協調の難しさに焦点を当てています。量子もつれを協調リソースとして活用する初のフレームワークを提案しています。これにより、共有乱数のみの場合よりも広範な相関ポリシーを実現し、量子優位性（quantum advantage）を達成します。

Action: 量子コンピューティングと強化学習の連携について調査し、関連ライブラリやシミュレーション技術を検討する。

Original: Learning to Coordinate via Quantum Entanglement in Multi-Agent Reinforcement Learning domain ★★

cs.LG updates on arXiv.org

ニューラル常微分方程式は複雑なネットワークでいつ汎化するのか？

ニューラルODE（常微分方程式）は時系列データから動的システムを学習するのに有効ですが、グラフ構造データでの挙動、特に学習時と異なるグラフサイズ・構造への汎化能力は不明瞭でした。著者らは、Barabási-Barzel形式のベクトル場を持つニューラルODEをグラフデータで学習させ、グラフサイズや特性を超えた汎化性能は、次数不均一性と動的システムのタイプが主要因であることを発見しました。この研究は、ニューラルODEが複雑なシステム理解に強力なアプローチであることを示唆する一方、現実的なグラフにおける次数不均一性とクラスタリングに起因する課題も浮き彫りにしました。

Action: グラフ構造データに対するニューラルODEの汎化能力に、次数不均一性やクラスタリングがどのように影響するかを検証するための実験コードを実装する。

Original: When do neural ordinary differential equations generalize on complex networks? domain ★★

cs.LG updates on arXiv.org

Shallow Diffuse: Diffusionモデルにおける低次元部分空間を通じたロバストで不可視な電子透かし

本論文では、拡散モデルによって生成されたAIコンテンツの誤情報や著作権侵害に対処するため、ロバストかつ不可視な電子透かし技術「Shallow Diffuse」を提案します。この技術は、低次元部分空間を利用して電子透かし処理を拡散プロセスから分離することで、生成の一貫性と検出可能性を向上させます。広範な実験により、Shallow Diffuseが既存手法と比較してロバスト性と一貫性において優れていることが検証されました。

Action: 「Shallow Diffuse」のGitHubリポジトリを確認し、拡散モデルにおける電子透かし技術の実装を調査・評価する。

Original: Shallow Diffuse: Robust and Invisible Watermarking through Low-Dimensional Subspaces in Diffusion Models domain ★★★

cs.LG updates on arXiv.org

長期時系列予測のための分離型パラメータ効率的線形モデル

長期時系列予測（LTSF）における、Transformerなどの深層モデルの過学習問題と、既存線形モデルのパラメータ冗長性・混同を解決。静的周波数アテンション、静的時間アテンション、独立周波数マッピングといったパラメータ効率的なモジュールに分解した新モデル「DiPE-Linear」を提案。パラメータ数と計算量を大幅に削減し、実データセットで最先端の性能を達成。コードも公開。

Action: DiPE-LinearモデルのGitHubリポジトリ（https://github.com/wintertee/DiPE-Linear/）を確認し、長期時系列予測タスクへの適用可能性を調査する。

Original: Disentangled Parameter-Efficient Linear Model for Long-Term Time Series Forecasting domain ★★★

cs.LG updates on arXiv.org

SoK: ブロックチェーン基盤の分散型AI (DeAI)

AIの集中化は効率的だが、単一障害点、バイアス、プライバシー、スケーラビリティの問題を抱える。ブロックチェーン基盤の分散型AI（DeAI）は、分散化と透明性によりAIシステムの信頼性向上を目指す。本研究はDeAI初のSoK（知識体系化）として、定義、分類、ブロックチェーンの役割、セキュリティリスク、今後の研究課題を包括的に分析する。

Action: DeAIのライフサイクルにおけるセキュリティリスクと軽減策について、代表的な技術を調査する。

Original: SoK: Blockchain-Based Decentralized AI (DeAI) domain ★★★

cs.LG updates on arXiv.org

モデル重みを模倣することによる効率的なデータ選択のためのサンプルユーティリティの評価

大規模データセットにおけるノイズやバイアスの問題を解決するため、モデル重みを活用した新しいデータ品質指標「Mimic Score」とフレームワーク「Grad-Mimic」を提案。これにより、計算オーバーヘッドを最小限に抑えつつ、データ効率の向上、収束の高速化、学習ステップ数/サンプル数の削減を実現。画像データセットやCLIPモデルにおいて、顕著な性能改善と効率化が実証された。

Action: 「Mimic Score」および「Grad-Mimic」フレームワークの論文を調査し、自身の機械学習プロジェクトにおけるデータ選択パイプラインへの応用可能性を検討する。

Original: Evaluating Sample Utility for Efficient Data Selection by Mimicking Model Weights domain ★★★

cs.LG updates on arXiv.org

マルチエージェント強化学習における深層メタ協調グラフ

本論文では、マルチエージェント強化学習（MARL）における協調的方策学習のために、深層メタ協調グラフ（DMCG）を提案しています。 DMCGは、メタ協調グラフを動的に構成し、グラフ畳み込みネットワーク（GCN）を用いてエージェント間の相互作用を表現し、エージェント情報を統合することで、効果的な協調を導きます。提案手法は、困難な協調タスクにおいて最先端の性能とサンプル効率を達成し、GitHubでコードも公開されています。

Action: 提案手法のGitHubリポジトリ (`https://github.com/Nikunj-Gupta/dmcg-marl`) を調査し、実装や結果の再現性を確認する。

Original: Deep Meta Coordination Graphs for Multi-agent Reinforcement Learning domain ★★★

cs.LG updates on arXiv.org

光学系物理情報ニューラルネットワーク（PINN）における、バックプロパゲーションフリーでスケーラブルな学習手法

現在の物理情報ニューラルネットワーク（PINN）の学習は時間がかかりすぎ、リアルタイム応用への展開が困難です。本論文では、シリコンフォトニックプラットフォーム上でPINNを学習するための、バックプロパゲーションフリー（BPフリー）かつスケーラブルなフレームワークを提案します。提案手法は、BP回避のための微分推定器、テンソルトレイン分解を用いた最適化、およびオンチップ学習アクセラレータ設計を特徴とし、リアルタイム学習とチップ面積削減の可能性を示しています。

Action: バックプロパゲーションフリー（BPフリー）でスケーラブルなPINN学習フレームワークの概念を理解し、フォトニックコンピューティングによるAI高速化の可能性について調査する。

Original: Scalable Back-Propagation-Free Training of Optical Physics-Informed Neural Networks domain ★★★

cs.LG updates on arXiv.org

推論時スケーリングによる離散拡散モデルのリマスキング

離散拡散モデルにおける推論時のトークン更新不可の課題を、リマスキング手法（ReMDM）で解決。 ReMDMは推論時計算スケーリングを可能にし、自然言語生成や画像生成の品質を向上させる。分子設計などの科学分野でも、拡散誘導と制御可能性を向上させ、パレートフロンティアを押し上げる。

Action: 提供されているコードとブログ記事を確認し、ReMDMの実装と応用を理解する。

Original: Remasking Discrete Diffusion Models with Inference-Time Scaling domain ★★★

cs.LG updates on arXiv.org

容量認識型推論：エキスパート混合（MoE）におけるスト वेगラー効果の緩和

大規模言語モデル（LLM）のスケーリングに有効なMoEアーキテクチャは、エキスパート並列処理においてトークン割り当ての不均衡による「スト वेगラー効果」に悩まされる。提案手法「Capacity-Aware Token Drop」は過負荷エキスパートからトークンを削減し、「Capacity-Aware Expanded Drop」は低負荷エキスパートの利用率を向上させる。実験により、これらの手法はエキスパート利用率、モデル性能、推論効率を大幅に向上させ、Mixtral-8x7B-Instructでは1.85倍の推論速度向上を達成した。

Action: 提供されたGitHubリポジトリ (https://github.com/CASE-Lab-UMD/Capacity-Aware-MoE) をクローンし、提案手法のコードをローカル環境で実行・評価して、その効果を検証する。

Original: Capacity-Aware Inference: Mitigating the Straggler Effect in Mixture of Experts domain ★★★

cs.LG updates on arXiv.org

LogicXGNN: グラフニューラルネットワークを説明するためのグラウンデッド論理ルール

既存のGNN説明手法は、最終的なサブグラフ説明におけるグラウンデッド品質を考慮せず、実用的には信頼性が低い場合がある。 LogicXGNNは、信頼できる述語上の論理ルールを構築し、効果的なグラウンディングを保証するポストホックフレームワークである。新しい評価指標Fid_Dを導入し、最先端手法と比較してFid_Dを平均20%以上向上させ、速度も10-100倍高速化を達成した。

Action: LogicXGNNのコード(https://github.com/allengeng123/LogicXGNN/)をチェックし、GNNの説明生成について実験する。

Original: LogicXGNN: Grounded Logical Rules for Explaining Graph Neural Networks domain ★★★

cs.LG updates on arXiv.org

埋め込み空間における幾何学的推論

グラフニューラルネットワーク（GNN）とTransformerが、制約に基づいて2Dグリッド内の点の位置を予測する幾何学的推論を学習できることを実証。両モデルは推論中に埋め込み空間で隠された図形を形成し、GNNはグリッド構造を回復して2D部分空間に埋め込みを組織化。設計されたGNNは、このタスクにおいてTransformerよりも大幅に優れた性能を発揮し、スケーリングも容易であることが示された。

Action: この論文で提案されているGNNアーキテクチャを調査し、類似の幾何学的推論タスクへの応用可能性を検討する。

Original: Geometric Reasoning in the Embedding Space domain ★★★

cs.LG updates on arXiv.org

マルチエージェントタスク割り当てのための時空間注意機構拡張逆強化学習

マルチエージェントタスク割り当て（MATA）における敵対的逆強化学習（IRL）は、非定常な相互作用と高次元の協調性により課題を抱えています。提案手法は、時空間表現学習により報酬推論を制約する、注意機構構造化敵対的IRLフレームワークであり、MHSAとGATを用いてエージェントとタスク間の関係性を学習します。実験により、本手法が収束速度、累積報酬、空間効率において既存のMARLベースラインを上回り、注意機構による報酬推論が複雑なマルチエージェントシステムでの安定化に効果的であることを示しました。

Action: マルチエージェントタスク割り当て（MATA）における時空間注意機構とGATを組み合わせた逆強化学習フレームワークの実装可能性を調査する。

Original: Spatiotemporal Attention-Augmented Inverse Reinforcement Learning for Multi-Agent Task Allocation domain ★★★

cs.LG updates on arXiv.org

Think2SQL: Text2SQLのためのLLM推論能力の強化

LLMのText-to-SQLにおけるマルチテーブル環境での推論能力向上のため、RLVR（検証可能な報酬付き強化学習）を導入。新しい実行ガイド付き密報酬関数、モデル容量に応じた報酬スケーリング戦略、蒸留学習の影響などを分析。計算資源制約下での効率的な学習のためのパレートフロンティアを提示し、state-of-the-artに匹敵する「Think2SQL」モデルファミリーを開発。

Action: Text-to-SQLタスクにおけるLLMの推論能力を強化するために、Think2SQLプロジェクトのモデル、データセット、コードを調査し、自身のプロジェクトへの応用を検討する。

Original: Think2SQL: Reinforce LLM Reasoning Capabilities for Text2SQL domain ★★★

cs.LG updates on arXiv.org

大規模言語モデルエージェントによる効率的な探索に向けて

LLMエージェントの強化学習（RL）におけるデータ効率的な探索の課題を指摘し、既存のRLアルゴリズム実装の難しさを示す。ファインチューニングではなく、LLMを用いて「Posterior Sampling for RL」のような確立されたRLアルゴリズムを明示的に実装するアプローチを提案する。このLLMベースの実装が、慎重な探索を必要とする自然言語タスクにおいて、より効果的であることを実証する。

Action: LLMエージェントを用いて、確立されたRLアルゴリズム（例: Posterior Sampling for RL）を明示的に実装し、自然言語タスクでの探索性能を評価する。

Original: Toward Efficient Exploration by Large Language Model Agents domain ★★★

cs.LG updates on arXiv.org

FlashKAT: Kolmogorov-Arnold Transformerにおけるパフォーマンスボトルネックの理解と対処

Kolmogorov-Arnold Network (KAN) は、その表現力と解釈性の高さから注目されていますが、学習の不安定さと計算コストによる速度低下が課題です。 Kolmogorov-Arnold Transformer (KAT) は Group-KAN を用いて計算量を抑えましたが、依然として学習速度が著しく遅いという問題がありました。本論文では、この遅延の原因がメモリのボトルネック（特に逆伝播時の勾配累積の非効率性）にあることを特定し、FlashKAT を提案して86.5倍の学習速度向上を達成しました。

Action: FlashKATの実装を調査し、既存のTransformerモデルとの比較評価を行い、モデルの学習速度とメモリ効率の改善可能性を検証する。

Original: FlashKAT: Understanding and Addressing Performance Bottlenecks in the Kolmogorov-Arnold Transformer domain ★★★

cs.LG updates on arXiv.org

影から：ニューラルネットワーク検証のための潜在空間の探索

ニューラルネットワークは入力変化に敏感であり、安全性が求められる応用では形式検証が必要だが、既存手法は保守的で結論が出ないことが多い。本研究では、潜在空間を利用した仕様駆動型の入力リファインメント手法を提案し、unsafeな出力の逆像を反復的に囲むことで入力集合を削減する。この手法は行列演算のみで実現可能でGPUによる高速化が可能であり、トップクラスの検証ツールと競合する性能を示す。

Action: ニューラルネットワーク検証のための効率的なツール（潜在空間を利用した入力リファインメント手法）について調査し、利用可能性を検討する。

Original: Out of the Shadows: Exploring a Latent Space for Neural Network Verification domain ★★★

cs.LG updates on arXiv.org

ハイブリッドニューラルODEの自動かつ構造認識型スパシフィケーション

ハイブリッドニューラルODEは、機械学習モデルと微分方程式を組み合わせ、特に医療分野で有効だが、過剰な状態や相互作用による訓練効率の低下や過学習が課題。本研究では、ドメイン知識に基づくグラフ修正とデータ駆動型正則化を組み合わせた自動状態選択・構造最適化手法を提案し、モデルのスパシフィケーション（疎化）を目指す。合成データおよび実世界の医療データでの実験により、予測性能と頑健性の向上、および望ましいスパシフィケーションが達成され、ハイブリッドモデル削減の効果が示された。

Action: ハイブリッドニューラルODEにおける自動状態選択・構造最適化手法を、特定のアプリケーション（例：医療データ分析）に適用するための実装方法や、その効果を検証する実験計画を検討する。

Original: Automatic and Structure-Aware Sparsification of Hybrid Neural ODEs domain ★★

cs.LG updates on arXiv.org

確率流距離による拡散蒸留における汎化の理解

拡散蒸留モデルの汎化性能を測るための、理論的根拠があり効率的な新しい指標「確率流距離（PFD）」を提案。 PFDを用いることで、モデルの汎化挙動（スケーリング、二重下降、バイアス・バリアンス分解）を定量的に分析。この研究は、拡散蒸留における汎化性能の研究基盤を築き、拡散モデルの学習理論と結びつける。

Action: 拡散モデル開発において、提案された確率流距離（PFD）メトリクスを導入し、モデルの汎化性能を評価・改善する。

Original: Understanding Generalization in Diffusion Distillation via Probability Flow Distance domain ★★

cs.LG updates on arXiv.org

現代AIシステムにおけるアカウンタビリティの帰属：誰が功績または過失を負うのか？

現代AIシステムは多段階開発（事前学習、ファインチューニング等）を経ており、成功・失敗時の責任の所在が不明確である。各開発ステージの効果を定量化するため、モデルを再学習せずにカウンターファクチュアルな問いに答えるフレームワークを提案。この手法は、学習率スケジュールやモーメンタムなどの最適化ダイナミクスも考慮し、画像分類やテキスト毒性検出タスクにおける誤った相関の特定・除去に成功した。

Action: AI開発の各ステージにおける責任帰属フレームワークを調査・実装し、モデルの挙動を分析する。

Original: Who Gets Credit or Blame? Attributing Accountability in Modern AI Systems domain ★★★

cs.LG updates on arXiv.org

ニューラルMJD：時系列予測のためのニューラル非定常マートンジャンプ拡散

深層学習モデルは、非定常データや急激な変化への対応が難しく、時系列予測の汎化性能に限界がある。本研究では、確率微分方程式（SDE）シミュレーションとして予測を定式化し、Itō拡散とポアソン過程を組み合わせたニューラルMJDを提案する。提案手法は、合成データおよび実世界のデータセットで、既存の深層学習・統計的手法を上回る性能を示した。

Action: 時系列予測における非定常性や急激な変化をモデル化する「Neural MJD」について調査し、そのSDEベースのアプローチと深層学習モデルとの比較、および実務への応用可能性を検討する。

Original: Neural MJD: Neural Non-Stationary Merton Jump Diffusion for Time Series Prediction domain ★★

cs.LG updates on arXiv.org

SIMSHIFT: 分布シフトへのニューラルサロゲート適応のためのベンチマーク

ニューラルサロゲートは、PDE（偏微分方程式）のシミュレーションにおいて、訓練分布外の構成（初期条件や構造次元など）で性能が低下する問題がある。本研究では、4つの産業シミュレーションタスクからなるSIMSHIFTベンチマークデータセットを提案し、UDA（教師なしドメイン適応）手法をニューラルサロゲートに拡張・評価する。実験により、分布シフト下でのニューラルサロゲートモデリングの課題、UDAの可能性、および産業応用におけるロバストなニューラルサロゲート構築の未解決問題が明らかになった。

Action: GitHubリポジトリ（https://github.com/psetinek/simshift）を確認し、SIMSHIFTベンチマークデータセットと、ニューラルサロゲートへのUDA手法の適用について調査する。

Original: SIMSHIFT: A Benchmark for Adapting Neural Surrogates to Distribution Shifts domain ★★★

cs.LG updates on arXiv.org

mTSBench: 大規模多変量時系列異常検知とモデル選択のベンチマーク

「mTSBench」は、多変量時系列異常検知とモデル選択のための、これまでで最大のベンチマークデータセット（344ラベル付き時系列）を公開。 24種類の異常検知器と3種類のモデル選択手法を評価し、単一の検出器が全てを網羅しないこと、既存のモデル選択手法は最適ではないことを確認。堅牢で汎用性の高い選択戦略の必要性を強調し、研究促進のためベンチマークをオープンソース化。

Action: 開発者は、公開されたmTSBenchデータセットを調査し、多変量時系列異常検知モデルの選択戦略の改善に貢献することを検討できます。

Original: mTSBench: Benchmarking Multivariate Time Series Anomaly Detection and Model Selection at Scale domain ★★★

cs.LG updates on arXiv.org

大規模言語モデルのソルバー・検証者ギャップを通じた自己改善トレーニングダイナミクスの理論的モデリング

LLMの自己改善トレーニングダイナミクスを「ソルバー・検証者ギャップ」の概念を用いて理論的にモデル化する。このフレームワークは、自己改善の能力限界を定量化し、トレーニング軌跡全体をモデル化する。限られた外部データ下では、外部データはどの段階でも最終性能に影響を与えずに利用できることが示唆されている。

Action: LLMの自己改善におけるソルバー・検証者ギャップの理論的知見を、実際のLLMトレーニングやファインチューニングプロセスに適用する方法を調査する。

Original: Theoretical Modeling of Large Language Model Self-Improvement Training Dynamics Through Solver-Verifier Gap domain ★★★

cs.LG updates on arXiv.org

Optimas: グローバルに整合されたローカル報酬による複合AIシステムの最適化

複合AIシステム（LLM、ツール、MLモデルの統合）の最適化は、非微分構造や多様な設定タイプのため困難である。「Optimas」は、各コンポーネントに「ローカル報酬関数（LRF）」を導入し、グローバルシステム性能との相関を維持することで、複合AIシステムの最適化を支援する統一フレームワークである。 LRFを効率的に適応させ、ローカル改善がグローバル性能向上に繋がることを保証し、5つの実世界システムでの評価で、既存手法を平均11.92%上回る性能を示した。

Action: Optimasフレームワークを調査し、小規模な複合AIシステムでの有効性を検証する。

Original: Optimas: Optimizing Compound AI Systems with Globally Aligned Local Rewards domain ★★★

cs.LG updates on arXiv.org

アインシュタイン・フィールド：計算一般相対性理論におけるニューラルネットワークからのアプローチ

Einstein Fieldsは、計算負荷の高い相対論シミュレーションを圧縮するためのニューラル表現を導入します。自動微分による物理量導出、優れたストレージ効率（最大4,000倍削減）、高精度な微分計算能力を持ちます。 JAXベースのオープンソースライブラリが公開され、数値相対論における機械学習の可能性を探求する一歩となります。

Action: JAXベースのオープンソースライブラリ「EinFields」を調査し、ニューラルネットワークを用いた一般相対性理論の計算への応用可能性を検討する。

Original: Einstein Fields: A Neural Perspective To Computational General Relativity domain ★★

cs.LG updates on arXiv.org

SGD から Spectra へ: ニューラルネットワークの重みダイナミクスの理論

SGD の微視的ダイナミクスと重み行列の特異値スペクトル進化を繋ぐ SDE フレームワークを開発。二乗特異値がダイソンブラウン運動に従うことを示し、バルク+テール構造を理論的に説明。TransformerやMLPでの実験で予測を検証し、ディープラーニングの動作原理の基礎を確立。

Action: この SDE フレームワークと実験結果を調査し、ディープラーニングモデルの挙動理解や最適化に応用する可能性を探る。

Original: From SGD to Spectra: A Theory of Neural Network Weight Dynamics domain ★★

cs.LG updates on arXiv.org

エネルギー効率の良いニューラルネットワークのトレーニングと推論のための並列化代替手法

大規模ニューラルネットワークのトレーニングと推論におけるエネルギー効率の課題に対処するため、新しい「ファントム並列化」手法を提案。従来のテンソル並列化と比較して、帯域幅とFLOP数を削減し、FFNのエネルギー消費を約50%削減する効果を示した。より少ないGPUで同等のモデル損失を達成する可能性を示唆し、将来的なエネルギー消費削減の道を開く。

Action: ファントム並列化手法を調査し、既存のニューラルネットワークトレーニングパイプラインへの適用可能性を検討する。

Original: A Parallel Alternative for Energy-Efficient Neural Network Training and Inferencing domain ★★★

cs.LG updates on arXiv.org

DyMixOp: 複雑な力学系の観点から設計され、偏微分方程式(PDE)を解くための局所-大域混合(Local-Global Mixing)を備えたニューラルオペレーター

DyMixOpは、偏微分方程式(PDE)を解くための新しいニューラルオペレーターフレームワークを提案します。複雑な力学系の理論を取り入れ、局所-大域混合(LGM)変換により、PDEダイナミクスを有限次元潜在空間に射影します。 7つのベンチマークPDEシステムで最先端の性能を示し、予測誤差を大幅に削減します。

Action: DyMixOpのアーキテクチャと実装の詳細を調査し、既存のPDEソルバーや機械学習パイプラインへの統合可能性を検討する。

Original: DyMixOp: A Neural Operator Designed from a Complex Dynamics Perspective with Local-Global Mixing for Solving PDEs domain ★★★

cs.LG updates on arXiv.org

多者動的ゲームにおける局所的ナッシュ均衡相互作用のデモンストレーションからの制約学習

多者動的ゲームにおいて、局所的ナッシュ均衡相互作用のデモンストレーションからパラメータ制約を学習するアルゴリズムを提案。混合整数線形計画法(MILP)を用いてKKT条件をエンコードし、ナッシュ定常性に整合する制約を復元。安全/危険集合の内部近似を学習する理論的保証を提供し、安全でロバストな動作計画を設計可能。

Action: 多者協調ロボットシステムにおいて、エージェント間の相互作用データから制約を推定し、安全な動作計画を生成するアルゴリズムの概念実証を実装し、シミュレーションで評価する。

Original: Constraint Learning in Multi-Agent Dynamic Games from Demonstrations of Local Nash Interactions domain ★★

cs.LG updates on arXiv.org

A-FloPS: 適応型フローパスサンプラーによる拡散モデルの高速化

拡散モデルは計算コストが高いが、A-FloPSは学習不要なフレームワークで、サンプリング軌道を再パラメータ化し、適応的な速度分解により効率と品質を向上させる。 A-FloPSは、既存の拡散モデルのサンプリング軌道をフローマッチング形式に再パラメータ化し、適応的な速度分解で精度を維持しつつ、少ない関数評価回数で高品質な生成を可能にする。実験により、A-FloPSは最先端のトレーニングフリーサンプラーを凌駕し、特に低NFE（関数評価回数）でも優れたFIDスコアと鮮明で一貫性のある画像生成を実現した。

Action: A-FloPSの原理と実装を調査し、既存の拡散モデルパイプラインへの統合可能性を検討する。

Original: A-FloPS: Accelerating Diffusion Models via Adaptive Flow Path Sampler domain ★★★

cs.LG updates on arXiv.org

d2: 推論拡散言語モデルのトレーニングのための改良技術

「d2」という、マスクされた拡散言語モデル (DLM) 向けの新しい推論フレームワークを導入。サンプリング軌跡尤度の正確な推定に依存する新しい方策勾配アルゴリズム (`d2-AnyOrder`, `d2-StepMerge`) を提案し、'any-order decoding' のサポートに対応。論理推論タスク (Countdown, Sudoku) および数学的推論ベンチマーク (GSM8K, MATH500) で、既存のRLベースラインを大幅に上回り、新たなSOTAを達成。

Action: 「d2」フレームワークのコードとブログ記事を確認し、推論拡散言語モデルのトレーニング手法について理解を深める。

Original: d2: Improved Techniques for Training Reasoning Diffusion Language Models domain ★★★

cs.LG updates on arXiv.org

大規模における進化戦略：強化学習を超えたLLMファインチューニング

進化戦略（ES）がLLMのフルパラメータファインチューニングに大規模適用可能であることを実証し、従来のスケーラビリティの懸念を覆しました。 ESは、強化学習（RL）と比較して、報酬への耐性、堅牢性、報酬ハッキングの低減、訓練安定性など、複数の指標で優位性を示しました。 ESは、バックプロパゲーション不要な代替手段として、RLベースのアプローチを超えたLLMファインチューニングの新しい方向性を示唆しています。

Action: 提供されているGitHubリポジトリ (https://github.com/VsonicV/es-fine-tuning-paper) を調査し、LLMファインチューニングにおける進化戦略の適用方法と性能について理解を深める。

Original: Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning domain ★★★

cs.LG updates on arXiv.org

VAO: 検証アライメント最適化によるクロスタスク生成自動入札

生成型自動入札はデータ不足に悩むが、既存のタスク間データ共有手法は分布シフトによる勾配バイアスを引き起こす。本論文では、検証パフォーマンスに基づいてデータ貢献度を適応的に再重み付けするVAO（Validation-Aligned Optimization）を提案し、ターゲットタスクへの汎化性能を向上させる。 VAOを基盤とした統一フレームワークは、単一モデルで複数タスクの自動入札を効率化し、実験で有効性が示された。

Action: VAO（Validation-Aligned Optimization）の概念を理解し、自社の広告配信システムやMLモデルにおけるデータ共有手法への応用可能性を検討する。

Original: VAO: Validation-Aligned Optimization for Cross-Task Generative Auto-Bidding domain ★★★

cs.LG updates on arXiv.org

Transformerベースの学習最適化アプローチによるスケーラブルかつ汎用的なビームフォーミング

大規模MU-MISOチャネルにおけるダウンリンクビームフォーミングのための教師なし深層学習フレームワークを開発。マルチレイヤTransformerが残差接続を介してチャネルとビームフォーマーの特徴を反復的に洗練させるL2Oパラダイムを採用。カリキュラム学習、半償却学習、スライディングウィンドウ訓練などの手法により、高速な推論と優れた性能を実現。

Action: TransformerベースのL2Oアプローチを、信号処理や通信システムにおける最適化問題への応用を検討する。

Original: Transformer-based Learning-to-Optimize Approach for Scalable and Generalizable Beamforming domain ★★

cs.LG updates on arXiv.org

ActivationReasoning: 論理的推論を潜在的活性化空間に埋め込む

LLMの内部的な推論プロセスは不透明で制御が難しいため、ActivationReasoning (AR) フレームワークを提案。 ARは、潜在的特徴を抽出し論理的命題にマッピングし、論理規則を適用することで、LLMの制御と信頼性を向上させる。多段階推論や安全性タスクでARの有効性が実証され、より信頼性が高く監査可能なAIへの道を示す。

Action: LLMの潜在空間に論理的推論を埋め込むActivationReasoning (AR) フレームワークを調査し、既存のLLMモデルへの適用可能性を検討する。

Original: ActivationReasoning: Logical Reasoning in Latent Activation Spaces domain ★★★

cs.LG updates on arXiv.org

一般化フローマップによるリーマン多様体上の少数ステップ生成モデリング

幾何学的データと生成モデルは重要だが、推論コストが高い。リーマン多様体上での生成モデリングを効率化する一般化フローマップ (GFM) を提案。 GFMは、様々な幾何学的データセットで最先端のサンプル品質と対数尤度を達成。

Action: リーマン多様体上での少数ステップ生成モデリングに、提案されたGFM (Generalised Flow Maps) の実装や応用を検討する。

Original: Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds domain ★★

cs.LG updates on arXiv.org

効率的な拡散モデルのためのテスト時間反復誤差補正

リソース制約のあるデバイスでの高画質画像生成のため、拡散モデルの効率化に伴う近似誤差が問題となっている。提案手法「IEC (Iterative Error Correction)」は、再学習不要で推論時の誤差を反復的に改善し、誤差の指数関数的増大を線形に抑制する。様々なモデルやデータセットで生成品質の向上が確認されており、既存モデルに容易に統合可能である。

Action: 拡散モデルの品質向上に貢献するIEC (Iterative Error Correction) のGitHubリポジトリを調査し、その実装と性能を評価する。

Original: Test-Time Iterative Error Correction for Efficient Diffusion Models domain ★★★

cs.LG updates on arXiv.org

知っていることを知っているだけでは不十分：大規模言語モデルの確信度はその行動と一致しない

LLMの確信度推定は静的なベンチマークでは評価されるが、エージェント的な対話設定での行動とは乖離があり、「行動-信念のギャップ」が存在する。 LLMは自身の高い確信度と矛盾する行動をとり、静的なキャリブレーションは動的な設定での一貫性を予測するには不十分である。モデルが知識を行動に移す際の合理性を保証しないため、エージェントとしてのLLMの信頼性には更なる評価手法が必要である。

Action: LLMをエージェントとしてデプロイする際は、静的なベンチマークだけでなく、対話的・動的な設定でのモデルの行動と確信度の一貫性を評価する手法を検討する必要がある。

Original: Knowing What You Know Is Not Enough: Large Language Model Confidences Don't Align With Their Actions domain ★★★

cs.LG updates on arXiv.org

LogSyn: 非構造化一般航空整備ログからの構造化インサイト抽出のための少ショットLLMフレームワーク

LogSynは、非構造化された航空機整備ログから構造化データを抽出するためのLLMを活用したフレームワークを紹介します。少ショット学習とControlled Abstraction Generation (CAG) を使用し、詳細なオントロジーに基づいてイベントを分類し、ナラティブを要約します。このアプローチにより、スケーラブルなインサイト抽出が可能になり、航空業界の保守ワークフローと予測分析の強化を目指します。

Action: 非構造化データ（例：ログ、レポート）から構造化されたインサイトを抽出するために、少ショットLLMフレームワーク（LogSynのような）の利用を検討し、概念実証を構築する。

Original: LogSyn: A Few-Shot LLM Framework for Structured Insight Extraction from Unstructured General Aviation Maintenance Logs domain ★★★

cs.LG updates on arXiv.org

LLMを判定者として使用する評価の正しい報告方法

LLMはモデル応答の評価者として広く利用されるが、感度・特異性の限界から評価スコアにバイアスが生じる。提案するプラグインフレームワークは、このバイアスを補正し、統計的に妥当な不確実性定量化を可能にする。このフレームワークは、テストデータセットとキャリブレーションデータセットを考慮した信頼区間を構築し、特定の条件下では人間のみの評価よりも信頼性の高い結果を提供する。

Action: LLM評価におけるバイアス補正と不確実性定量化のためのフレームワーク実装を検討する。

Original: How to Correctly Report LLM-as-a-Judge Evaluations domain ★★★

cs.LG updates on arXiv.org

RNNはニューラル表現を動的に歪めることでタスク計算を実行する

RNNがタスク計算をどのように実行するかを、ニューラル表現の幾何学的特性から解明します。動的システム計算と表現幾何学の関係性を、リーマン幾何学フレームワークを用いて分析します。 RNNは、タスク変数の表現を動的に歪めることで計算を実行していることを実証します。

Action: この論文で提案されているリーマン幾何学フレームワークや、RNNの動的な表現歪曲（dynamic warping）の概念を、カスタムRNNモデルの実装や既存ライブラリの調査に活かすことを検討する。

Original: RNNs perform task computations by dynamically warping neural representations domain ★★★

cs.LG updates on arXiv.org

残差補正拡散モデルに基づく中国地域3kmダウンサイジング

数値気象予報における高解像度予測の課題に対し、拡散モデルベースのフレームワーク(CorrDiff)を用いた統計的ダウンサイジングにより、中国地域で3km解像度を実現。対象領域を約40倍に拡大し、高層変数も考慮に入れ、グローバル残差接続を追加することで精度を向上。 CMA-MESOと比較してMAEで優位性を示し、レーダー合成反射率においては、決定論的回帰モデルよりもリアルな微細なディテールを生成。

Action: CorrDiffモデルのアーキテクチャを調査し、他の分野（例: 地理空間データ解析）への応用可能性を検討する。

Original: China Regional 3km Downscaling Based on Residual Corrective Diffusion Model domain ★★★

cs.LG updates on arXiv.org

Koopmanスペクトル解析による生成モデリング：演算子論的視点

Koopmanスペクトル最適化手法(KSWGD)を提案し、Koopman理論とWasserstein勾配降下法を統合。軌道データからKoopman演算子経由で分布のスペクトル構造を直接推定し、潜在ポテンシャルの明示的知識不要。線形収束を保証し、勾配消失問題を克服。多様なシステムで収束速度とサンプル品質において既存手法を上回る。

Action: KSWGD手法の概念を理解し、小規模なデータセットで実装を試す。

Original: Generative Modeling through Koopman Spectral Analysis: An Operator-Theoretic Perspective domain ★★

cs.LG updates on arXiv.org

スパイキングニューラルネットワークの敵対的ロバストネスに対する信頼性の高い評価に向けて

SNNの二値・不連続なスパイク活性化は勾配消失を引き起こし、敵対的ロバストネス評価を不確かなものにする。勾配消失を緩和し精度を高めるAdaptive Sharpness Surrogate Gradient (ASSG)と、攻撃手法Stable Adaptive Projected Gradient Descent (SA-PGD)を提案する。実験により、現在のSNNのロバストネス評価が過大であり、より信頼性の高い敵対的学習手法が必要であることが示唆される。

Action: SNNの敵対的ロバストネス評価におけるASSGおよびSA-PGD手法を調査し、公開されているGitHubリポジトリで実装とテストを試みる。

Original: Towards Reliable Evaluation of Adversarial Robustness for Spiking Neural Networks domain ★★

cs.LG updates on arXiv.org

カテゴリカル再パラメータ化とノイズ除去拡散モデル

新しい拡散ベースのソフト再パラメータ化手法「ReDGE」を提案し、カテゴリカル分布における勾配推定を効率化します。離散サンプリングの非微分可能性による最適化の課題に対処し、既存手法と同等以上の性能を示します。コードはGitHubで公開予定であり、潜在変数モデルや離散拡散モデルへの応用が期待されます。

Action: ReDGE」の実装を確認するため、GitHubリポジトリ (https://github.com/samsongourevitch/redge) を調査し、コードをローカルで試す。

Original: Categorical Reparameterization with Denoising Diffusion models domain ★★★

cs.LG updates on arXiv.org

スケーラブルなロボット制御のためのオンライン拡散ポリシーRLアルゴリズムのレビュー

拡散ポリシーはロボット制御に強力ですが、オンライン強化学習との統合は困難です。本稿では、既存のオンラインDPRLアルゴリズムをレビュー・分類し、多様なロボットタスクにおけるトレードオフを分析します。スケーラブルなロボット学習のボトルネックを特定し、将来の研究方向性を示します。

Action: オンラインDPRLにおける計算上およびアルゴリズム上のボトルネックを調査し、ロボット制御システムのスケーラビリティ向上のための潜在的な解決策を探求する。

Original: A Review of Online Diffusion Policy RL Algorithms for Scalable Robotic Control domain ★★★

cs.LG updates on arXiv.org

BalDRO：大規模言語モデルのアンラーニングのための分布的頑健最適化ベースのフレームワーク

LLMのアンラーニング（知識削除）は、ウェブガバナナンスにおいて重要性を増しています。既存手法では、サンプルごとのアンラーニング難易度の不均衡が課題となっていました。新フレームワーク「BalDRO」は、この課題に対処し、アンラーニングの質とモデルの有用性を向上させます。

Action: BalDROフレームワークのコード（arXiv:2601.09172v2で公開）を確認し、LLMアンラーニングの実験を再現・評価する。

Original: BalDRO: A Distributionally Robust Optimization based Framework for Large Language Model Unlearning domain ★★★

cs.LG updates on arXiv.org

電子設計自動化のためのAIに関するNSFワークショップ報告書

この報告書は、AIを電子設計自動化（EDA）の様々な段階（合成、最適化、検証）に応用することに焦点を当てたNSFワークショップの議論をまとめたものです。 LLM、GNN、RLなどのAI技術がEDAプロセスを加速し、設計時間を短縮する方法を検討しました。 NSFへの推奨事項として、AI/EDAの連携促進、EDA分野における基盤AIへの投資、データ・計算インフラの整備、人材育成などが挙げられています。

Action: EDA分野における最新のAI技術（LLM、GNN、RLなど）とその応用について調査し、電子設計プロジェクトへの活用可能性を検討する。

Original: Report for NSF Workshop on AI for Electronic Design Automation domain ★★

cs.LG updates on arXiv.org

Fast KVzip: Gated KV Eviction による効率的かつ正確な LLM 推論

LLM推論におけるKVキャッシュ管理の課題に対し、計算コストをほぼゼロにした軽量なゲートモジュールによるエビクション手法「Fast KVzip」を提案。この手法は、重要KVペアを特定・保持することで、最大70%のKVキャッシュを圧縮しつつ、パフォーマンス低下を最小限に抑える。 Qwen2.5-1M, Qwen3, Gemma3ファミリーでの実験により、長文理解、コード、数学推論など多岐にわたるタスクで、ほぼ無損失の性能維持が確認された。

Action: Fast KVzipのようなゲート付きKVキャッシュエビクション手法の導入を検討し、LLM推論のパフォーマンス最適化とメモリフットプリント削減を図る。

Original: Fast KVzip: Efficient and Accurate LLM Inference with Gated KV Eviction domain ★★★

cs.LG updates on arXiv.org

曖昧から正確へ：有理算術による無限深度推論のためのHaloアーキテクチャ

LLMの推論能力はIEEE 754浮動小数点演算の誤差蓄積に起因する限界に直面しており、これは論理的誤謬や不整合を引き起こす。 Haloアーキテクチャは、近似実数から厳密な有理数への計算基盤の移行により、この問題を解決し、無限深度の推論を可能にする。提案されたEIU（Exact Inference Unit）は、大規模かつ高精度な計算を可能にし、AGIの実現に不可欠な正確な算術処理を提供する。

Action: Haloアーキテクチャの概念とEIU（Exact Inference Unit）の設計思想を調査し、既存のLLMやAIハードウェアとの比較検討を行う。

Original: From Fuzzy to Exact: The Halo Architecture for Infinite-Depth Reasoning via Rational Arithmetic domain ★★★

cs.LG updates on arXiv.org

ファインチューニングされた拡散言語モデルに対するメンバーシップ推論攻撃

拡散言語モデル（DLM）のプライバシー漏洩リスク（メンバーシップ推論攻撃：MIA）は未解明な部分が多い。 DLMは複数のマスク構成により、従来のモデルよりも攻撃機会が増加し、検出率が向上する。本論文では、SAMA（Subset-Aggregated Membership Attack）を提案し、既存手法より大幅に性能を向上させ、DLMの未知の脆弱性を明らかにした。

Action: AI/MLエンジニアは、本研究で示されたDLMのプライバシー脆弱性について調査し、SAMAのような攻撃手法や、それに対する防御策（例：差分プライバシー、データ蒸留）の実装・評価を検討する。

Original: Membership Inference Attacks Against Fine-tuned Diffusion Language Models domain ★★★

cs.LG updates on arXiv.org

SAGE: 生成的推薦のためのシーケンスレベル適応勾配進化

LLMを推薦システムに活用する際、従来のモデル（OneRec）は独立した語彙が必要で、保守コストが高くスケーラビリティに劣る。 OneRecのGBPO最適化戦略は、コールドスタートアイテムへの更新を抑制し、高ノイズ環境で多様性を損なう「対称保守性」問題を抱える。提案手法SAGEは、シーケンスレベル信号分離と非対称適応ダイナミクスにより、コールドスタートアイテムへの超線形更新と多様性維持を両立し、数値的安定性も保つ。

Action: SAGEの提案する最適化フレームワーク（Sequence-level Adaptive Gradient Evolution）の論文を読み、既存の推薦システムへの適用可能性や実装の詳細を調査する。

Original: SAGE: Sequence-level Adaptive Gradient Evolution for Generative Recommendation domain ★★★

cs.LG updates on arXiv.org

HER: LLMロールプレイングのための人間らしい推論と強化学習

LLMのロールプレイング能力向上のため、内面思考のシミュレーションに焦点を当てたHERフレームワークを提案。推論強化データと人間的嗜好に沿った報酬モデルを構築し、Qwen3-32Bモデルで学習。 CoSERおよびMinimax Role-Play Benchで大幅な性能向上を確認。

Action: HERフレームワークや公開されるデータセットを活用し、LLMの対話エージェントやキャラクターAIの認知レベルシミュレーション能力向上を検討する。

Original: HER: Human-like Reasoning and Reinforcement Learning for LLM Role-playing domain ★★★

cs.LG updates on arXiv.org

弾力的スペクトル状態空間モデルによる予算制約付き推論

提案手法ES-SSMは、一度のフルキャパシティ訓練で、再訓練なしに任意のスケールに切り詰め可能であり、リソース制約下での推論に利用できます。 ES-SSMはHankelスペクトルフィルタリングと入力適応ゲートを活用し、予測能力を低インデックス成分に集中させます。多様な長系列ベンチマークにおいてTransformerやSSMに対抗できる性能を示し、幅広い切り詰めレベルで滑らかな予算-性能曲線を示します。

Action: ES-SSMの概念を理解し、既存のモデルアーキテクチャへの適用可能性を検討する。特に、リソース制約のある環境での推論効率改善の観点から、その切り詰め（truncation）メカニズムを調査する。

Original: Elastic Spectral State Space Models for Budgeted Inference domain ★★★

cs.LG updates on arXiv.org

災害OODAループのためのRAPTOR-AI：経験駆動型エージェント意思決定を備えた階層的マルチモーダルRAG

人道支援・災害救援（HADR）における迅速な情報統合と不確実性下での意思決定を支援するため、RAPTOR-AIというエージェント型マルチモーダルRAGフレームワークを提案。主な革新として、多様なソースからの階層的マルチモーダル知識構築、状況に応じた最適な検索戦略を選択するエントロピー認識型エージェント制御、LoRA適応による経験的知識統合を導入。実験により、既存手法と比較して検索精度23%、状況把握31%、タスク分解精度27%の有意な改善を実証し、大規模ドキュメントチャンクへの効率的なスケーリングを示した。

Action: 災害対応におけるマルチモーダルRAGとエージェントベースの意思決定システム（RAPTOR-AI）のアーキテクチャを調査し、類似技術の応用可能性を検討する。

Original: RAPTOR-AI for Disaster OODA Loop: Hierarchical Multimodal RAG with Experience-Driven Agentic Decision-Making domain ★★★

cs.LG updates on arXiv.org

報酬なきMDPにおける証明可能な協調的マルチエージェント探索

本論文は、報酬なき探索設定における協調的マルチエージェント強化学習を研究する。表形式の有限ホライズンMDPを対象とし、段階的学習フレームワークを採用する。ホライズンHに依存するシャープな遷移を発見し、H回の学習フェーズで多項式的なエージェント数で$\epsilon$近似を達成する効率的なアルゴリズムと、それより少ないフェーズでの下限を示す。

Action: 研究されている協調的マルチエージェント強化学習のアルゴリズム（特に報酬なき探索設定）について、その理論的根拠と計算効率を理解し、既存の強化学習ライブラリでの実装可能性を調査する。

Original: Provable Cooperative Multi-Agent Exploration for Reward-Free MDPs domain ★★

cs.LG updates on arXiv.org

Fat-Cat: 複雑な推論のためのドキュメント駆動型メタ認知マルチエージェントシステム

LLMエージェントの性能は、コンテキスト情報の利用効率に制約がある。 Fat-Catは、JSONではなくMarkdownドキュメントを状態表現に用いることで、この制約を克服する。このドキュメント駆動型アプローチは、メタ認知と推論能力を向上させ、GPT-4oを凌駕する結果を示す。

Action: Fat-CatのGitHubリポジトリで、ドキュメント駆動型エージェントアーキテクチャとその複雑な推論への応用を調査する。

Original: Fat-Cat: Document-Driven Metacognitive Multi-Agent System for Complex Reasoning domain ★★★

cs.LG updates on arXiv.org

好奇心を持ちながら学習する：大規模推論モデルのための適応的自己蒸留によるエントロピー保存型教師ありファインチューニング

標準的なSFT-then-RL手法は、モデルの過信を招き生成多様性を低下させる問題があった。新提案のCurioSFTは、自己生成教師モデルへの蒸留と適応的温度選択により、エントロピーを維持しつつ探求能力を向上させる。数学的推論タスクでの実験では、SFT段階で既存手法を上回り、RL段階でも顕著な改善が見られた。

Action: 大規模推論モデルのファインチューニングにおいて、CurioSFT手法の実装や実験を検討し、探求能力と性能の向上を図る。

Original: Learning While Staying Curious: Entropy-Preserving Supervised Fine-Tuning via Adaptive Self-Distillation for Large Reasoning Models domain ★★★

cs.LG updates on arXiv.org

ニューラルネットワークにおける一般化能力とメンバーシッププライバシーリスクの分離

深層学習モデルは、有用性とプライバシーのトレードオフに直面しており、このリスクの分離の可能性が示唆されている。本研究は、ニューラルネットワークアーキテクチャ内で一般化能力とプライバシーリスクが異なる領域に存在することを特定し、Privacy-Preserving Training Principle (PPTP)を提案する。 PPTPは、プライバシー保護を強化しつつ、モデルの一般化性能の損失を最小限に抑え、評価でその有効性が確認された。

Action: AIモデルのプライバシー強化のため、提案されているPrivacy-Preserving Training Principle (PPTP)の実装または評価を検討する。

Original: Decoupling Generalizability and Membership Privacy Risks in Neural Networks domain ★★★

cs.LG updates on arXiv.org

自己回帰型および拡散言語モデルにおけるステップごとの拒否ダイナミクス

自己回帰型(AR)および拡散言語モデル(DLM)における拒否ダイナミクスの分析フレームワークを提案。サンプリング戦略が、モデルの安全性やジェイルブレイク耐性に、学習済み表現とは独立して大きな影響を与えることを発見。解釈可能性と安全性の向上を目的とした新しい信号「SRI (Step-Wise Refusal Internal Dynamics)」を導入し、効率的な推論時検出器を実現。

Action: LLMのより堅牢で効率的な安全性検出器の開発のために、ステップごとの拒否内部ダイナミクス（SRI）信号の実装とパフォーマンスを調査する。

Original: Step-Wise Refusal Dynamics in Autoregressive and Diffusion Language Models domain ★★★

cs.LG updates on arXiv.org

低リソースドメイン学習のためのセマンティクス認識型生成的潜在データ拡張

深層学習はデータ不足の環境で性能が低下しがちですが、GeLDAは条件付き拡散モデルを用いて、FM（基盤モデル）が誘導する低次元の潜在空間で高品質なデータ拡張を実現します。 GeLDAはクラス間やサブドメイン間の意味論的関係を捉える補助特徴ベクトルを条件として生成を行うため、低リソースドメインでの効率的なデータ生成が可能です。ゼロショット言語別音声感情認識でWhisper-largeベースラインのUARを6.13%向上させ、ImageNet-LTではテールクラス精度74.7%を達成し、新たなSOTA（State-of-the-Art）を記録しました。

Action: GeLDAフレームワークの論文を精読し、低リソースドメインでのデータ拡張におけるその効果と実装方法を調査する。

Original: Semantics-Aware Generative Latent Data Augmentation for Learning in Low-Resource Domains domain ★★★

cs.LG updates on arXiv.org

言語モデルにおける暗黙的推論の因果監査：根拠の迂回

Chain-of-thought (CoT) プロンプトは推論支援や透明性確保に用いられるが、モデルは排出された推論テキストに必ずしも因果的に依存せず、潜在的な経路を経由する可能性がある。新しい評価指標（CMI）により、CoTの因果的影響を測定した結果、モデルによってCoTの忠実度にばらつきがあり、一部のモデルでは表層的な「バイパス・レジーム」が見られた。推論に特化したモデルはより構造化された因果的影響を示す一方、MoEモデルは分散した影響を示した。CoTを透明性シグナルとして使用するには、因果監査が不可欠である。

Action: Chain-of-Thoughtプロンプトを使用する際、単に振る舞いの改善に依存せず、言語モデルの実際の推論プロセスを検証するために、因果監査（CMIのような手法）の実装を検討してください。

Original: Bypassing the Rationale: Causal Auditing of Implicit Reasoning in Language Models domain ★★★

cs.LG updates on arXiv.org

f-GRPO以降：汎用LLMアライメントのための発散ベース強化学習アルゴリズム

Preference Alignment (PA) の目的関数は、アライメントされた（選択された）応答分布とアライメントされていない（拒否された）応答分布との間の発散推定値として機能することが最近の研究で示されています。本研究では、この発散ベースの視点を、検証可能な報酬を持つ強化学習（RLVR）など、環境報酬のみが利用可能な一般的なアライメント設定に拡張し、f-GRPO（on-policy）とf-HAL（on/off-policy）という新しいクラスの目的関数を提案します。理論的保証によりアライメント後の平均報酬の改善を示し、RLVR（数学的推論）とPA（安全性アライメント）の両タスクで現在の手法よりも優れた性能と柔軟性を実証しました。

Action: LLMアライメントタスクにおけるf-GRPOおよびf-HALの実装・評価を検討する。

Original: f-GRPO and Beyond: Divergence-Based Reinforcement Learning Algorithms for General LLM Alignment domain ★★

cs.LG updates on arXiv.org

ESMFoldにおけるAIによるタンパク質フォールディングのメカニズム

ESMFoldがβヘアピンをどのように折りたたむかを分析。シーケンス表現から対表現への特徴（生化学的信号、空間情報）の伝達という2つの計算段階を特定。モデルの決定は局所化、解釈可能、操作可能であることを実証。

Action: ESMFoldのようなAIモデルの内部メカニズムを理解し、解釈可能性や操作可能性を探求する。

Original: Mechanisms of AI Protein Folding in ESMFold domain ★

cs.LG updates on arXiv.org

非負値行列分解アルゴリズムは一般的にトピックモデルの適合度を向上させる

・非負値行列分解 (NMF) とトピックモデルの関連性を再検討。・NMF最適化手法を用いることで、トピックモデルをより効率的かつ高精度に適合させられることを実証。・Rパッケージ `fastTopics` にて実装されており、既存手法より高速で高品質な結果が得られる。

Action: Rパッケージ `fastTopics` を調査し、トピックモデリングへの応用可能性を検討する。

Original: Non-negative matrix factorization algorithms generally improve topic model fits domain ★★

cs.LG updates on arXiv.org

ReLU活性化関数を持つガウスニューラルネットワークの大きな偏差

ReLU活性化関数を持つ深層ニューラルネットワークにおける大きな偏差原理を証明。従来は有界・連続な活性化関数のみを扱っていた研究を一般化。 ReLUの場合について、レート関数の表現を簡略化し、べき級数展開を提供。

Action: ReLU活性化関数を持つニューラルネットワークの振る舞いを理解するため、提案された理論的アプローチ（大きな偏差原理）の実装や、その実用的な影響についての調査を検討する。

Original: Large Deviations of Gaussian Neural Networks with ReLU activation domain ★★

cs.LG updates on arXiv.org

言語モデルエージェントのためのツリー探索

言語モデル（LM）エージェントがインタラクティブなWeb環境で多段階推論と計画を行うための、推論時ツリー探索アルゴリズムを提案。 VisualWebArenaやWebArenaといったベンチマークで、既存エージェントと比較して成功率の大幅な向上（例: GPT-4oベースで相対39.7%増）を実証。コードとモデルが公開されており、エージェント開発における探索の有効性と、計算リソースとのスケーリング関係を示唆。

Action: 公開されたツリー探索アルゴリズムを検討し、自社開発のLMエージェントへの適用可能性を評価する。

Original: Tree Search for Language Model Agents domain ★★★

cs.LG updates on arXiv.org

有限モデル不確実性下でのQ学習

有限の遷移カーネルの曖昧集合を持つMDPにおけるロバストQ学習アルゴリズムを提案。学習Q関数がロバスト最適解に収束することを示し、近似誤差と遷移カーネル推定誤差を分離する非漸近誤差界を導出。 Wassersteinボールやパラメトリック曖昧集合が有限曖昧集合で近似可能であることを示し、アルゴリズムの汎用性を示す。

Action: 提案されているロバストQ学習アルゴリズムの理論的背景を調査し、関連するAI機能（例：推薦システム、自動化ツール）への応用可能性を検討する。

Original: Q-Learning under Finite Model Uncertainty domain ★★

cs.LG updates on arXiv.org

ノイズ集約埋め込みによる拡散モデルの差分的プライベート適応

拡散モデルの個人化は、特に少量の機密データセットではプライバシーリスクを伴いますが、DP-SGDによるファインチューニングは有用性の低下に悩まされます。本研究では、Textual Inversion (TI) を利用し、画像ごとの埋め込みの集約にノイズを加えることで差分プライバシー(DP)を保証するDPAgg-TIを提案します。 DPAgg-TIは、DP-SGDよりも高い精度と頑健性を達成し、非プライベートベースラインに匹敵する結果を示します。

Action: 差分プライバシーを考慮した拡散モデルの適応手法（DPAgg-TI）について調査し、自身のプロジェクトでの応用可能性を検討する。

Original: Differentially Private Adaptation of Diffusion Models via Noisy Aggregated Embeddings domain ★★★

cs.LG updates on arXiv.org

潜在的確率微分方程式による神経ダイナミクスの生成モデリング

生物学的ニューラルシステムを、SDEと変分推論を用いて離散的に観測される連続時間確率的力学系としてモデル化。既存モデルとニューラルネットワークを統合し、振動子とNNを組み合わせたハイブリッドモデルで集団ダイナミクスを捉える。少ないパラメータで神経科学データセットにおいて予測性能、不確実性推定、解釈可能性で競争力のある結果を達成。

Action: この研究で提案されている、SDEと変分推論を用いた生物学的ニューラルシステムのモデリングフレームワークを、関連するライブラリ（例: JAX, PyTorch）で実装・評価することを検討する。

Original: Generative Modeling of Neural Dynamics via Latent Stochastic Differential Equations domain ★★

cs.LG updates on arXiv.org

AIによる頭蓋内出血検出：不確実性に基づくファジィ積分演算子と特徴量スクリーニングを備えたコスケール畳み込みアテンションモデル

頭蓋内出血（ICH）は、早期診断・治療が不可欠な重篤な状態です。本研究では、コスケール畳み込みアテンション（CCA）分類器に特徴量選択と不確実性に基づくファジィ積分演算子を導入し、ICH検出と硬膜下出血（SDH）のタイプ分類精度を向上させます。特に、ブートストラップフォレストによる特徴量評価とファジィ積分演算子によるスライス間依存性の考慮が、説明可能なAIと検出精度向上に貢献します。

Action: 説明可能なAI（XAI）技術を導入し、データ分析レポートにおける特徴量の重要度や判断根拠を可視化する手法を調査・検討する。

Original: AI-Powered Intracranial Hemorrhage Detection: A Co-Scale Convolutional Attention Model with Uncertainty-Based Fuzzy Integral Operator and Feature Screening domain ★★

cs.LG updates on arXiv.org

L-Lipschitzニューラルネットワークの学習における適応的勾配降下法：段階的解説

学習率の減衰を導入することで、L-Lipschitzニューラルネットワークの学習において高いLipschitz正則性を確保できることを実証。この減衰は、Huber損失での収束率を妨げず、過剰適合に依存しない汎化誤差限界を導出。実験により、定常ステップサイズの勾配降下法でも同様の学習・正則化特性を示す可能性があり、過剰適合に影響されない可能性を示唆。

Action: 定常ステップサイズの勾配降下法が、減衰学習率を用いた場合と同様の正則化特性を示すという発見に基づき、実際のモデルで定常ステップサイズによる学習と減衰学習率による学習の効果を比較実験する。

Original: Step by Step: Adaptive Gradient Descent for Training L-Lipschitz Neural Networks domain ★★

cs.LG updates on arXiv.org

LLMベースのレッドチーミングにおける能力ベースのスケーリング傾向

LLMの安全なデプロイにはレッドチーミングが不可欠だが、モデルがレッドチーマーを超える「弱者対強者」問題により、従来のプロンプトエンジニアリングは効果を失う。より高能力なモデルが優れた攻撃者となり、標的の能力が攻撃者を超えると成功率が急落する傾向が示された。固定能力の攻撃者は将来的にモデルに対して無力になる可能性、オープンソースモデルのリスク増大、およびモデル提供者が説得・操作能力を制御する必要性を示唆している。

Action: 進化するモデルの能力に適応できる自動化されたレッドチーミング戦略を実装するか、モデルの「説得力および操作能力」を定量化・制御する手法を調査する。

Original: Capability-Based Scaling Trends for LLM-Based Red-Teaming domain ★★★

cs.LG updates on arXiv.org

拡散モデルにおけるアルゴリズム・データ依存の汎化誤差界

本論文は、拡散モデル（スコアベース生成モデル、SGMs）に対する、アルゴリズムおよびデータ依存の汎化誤差解析を初めて提供します。既存のSGMsの汎化誤差界は過度に悲観的で、経験的成功や最適化アルゴリズムの役割を説明できていませんでした。新しい誤差界は最適化ダイナミクスを明示的に考慮し、汎化挙動に関する新たな洞察を提供し、実験結果によって裏付けられています。

Action: 拡散モデルのアルゴリズム・データ依存の汎化誤差界に関する論文の知見を確認し、学習戦略の最適化や汎化挙動の理解に役立てる。

Original: Algorithm- and Data-Dependent Generalization Bounds for Diffusion Models domain ★★

cs.LG updates on arXiv.org

Transformerベースモデルにおける敵対的ウォーターマーキングの探求：医療画像に対する防御機構に対する転移性および頑健性

本論文では、医療画像分析におけるVision Transformer (ViT)への敵対的ウォーターマーキング攻撃を調査し、その脆弱性を指摘しています。 PGD（Projected Gradient Descent）を用いて敵対的ウォーターマークを生成し、CNNへの転移性と、防御機構である敵対的トレーニングの効果を分析しました。結果として、ViTは攻撃に対して27.6%まで精度が低下する脆弱性を示しますが、敵対的トレーニングにより90.0%まで性能が向上することが確認されました。

Action: 自身が開発するAIモデル（特に画像認識系）において、敵対的トレーニングを導入し、その防御効果と計算コストを評価する。

Original: Exploring Adversarial Watermarking in Transformer-Based Models: Transferability and Robustness Against Defense Mechanism for Medical Images domain ★★★

cs.LG updates on arXiv.org

ニューラル強化ケルビンレットによるリアルタイム軟部組織変形モデリング

リアルタイム手術シミュレーションのために、物理学の知識を組み込んだニューラルネットワークで軟部組織の変形を高速に予測するフレームワークを提案。 Kelvinletベースの解析的先験知識とFEMデータを統合し、線形・非線形の両方の組織応答を捉え、物理的に妥当な予測を保証。腹腔鏡手術ツールを用いた複雑な操作タスクで検証し、既存手法よりも変形忠実度と時間安定性を大幅に向上させることを実証。

Action: 医療AI分野におけるリアルタイム物理ベースシミュレーションのために、Kelvinletベースの先験知識とニューラルネットワークを統合するアプローチを検討する。

Original: Neural-Augmented Kelvinlet for Real-Time Soft Tissue Deformation Modeling domain ★★★

cs.LG updates on arXiv.org

ニューロンユニットにおける情報エンコーディングのスケール不変プロキシとしての条件数

・本論文では、ニューラルネットワークの重みテンソルの条件数と、ニューロンユニットにおける情報エンコーディングの関係を探求し、線形ユニットに対してこれを形式化しています。・高い条件数は、情報の選択的増幅・圧縮を示唆する可能性があり、特異値の集中は効率的なエンコーディングのための全体的な情報伝達の低下に対応します。・提案手法KappaTuneは、この原理を用いてLLMの選択的ファインチューニングをガイドし、事前学習統計なしで破滅的忘却を軽減することを示しました。

Action: LLMにおける破滅的忘却を軽減するために、提案手法KappaTuneを用いた選択的ファインチューニングの実装を検討する。

Original: The Condition Number as a Scale-Invariant Proxy for Information Encoding in Neural Units domain ★★★

cs.LG updates on arXiv.org

クロスバリデーションにおけるモデル比較の相対的不安定性

クロスバリデーション（CV）はモデル改善のための統計的推論に広く使われるが、モデル比較が「相対的に不安定」な場合にはその信頼性が損なわれる可能性がある。本研究では、Lassoやソフト閾値処理などの単純なモデルでさえ、個々のモデルが安定していても、それらの比較が不安定になり、CV推論が無効になることを理論的に証明した。モデル比較にCVを適用する前に、相対的な安定性を検証することの重要性を強調している。

Action: 機械学習モデルの比較にクロスバリデーションを使用する際は、モデルの相対的な安定性を事前に評価する手法を調査・導入することを検討する。

Original: The Relative Instability of Model Comparison with Cross-validation domain ★★★

cs.LG updates on arXiv.org

LLM強化学習におけるゼロバリアンスプロンプトの活用：エントロピー誘導型アドバンテージシェーピングによる

LLMの推論能力向上に用いられるRLVRフレームワークにおいて、従来無視されがちだった「ゼロバリアンスプロンプト」（全応答が同じ報酬を得るプロンプト）から学習信号を抽出する新手法RL-ZVPを提案。 RL-ZVPは、応答の対比がない場合でも、トークンレベルの特徴を調整することで、正確性に基づくフィードバックを直接的に提供し、示唆に富む信号を維持する。 6つの数学推論ベンチマークにおいて、RL-ZVPはGRPO比で最大8.61ポイントの精度向上を達成し、ゼロバリアンスプロンプトをフィルタリングする他のベースラインを上回る性能を示した。

Action: RL-ZVPアルゴリズムの詳細を調査し、既存のLLM推論改善パイプラインへの適用可能性を検討する。プロジェクトページ（https://bltnynk.github.io/publications/rl-zvp/）を確認する。

Original: No Prompt Left Behind: Exploiting Zero-Variance Prompts in LLM Reinforcement Learning via Entropy-Guided Advantage Shaping domain ★★★

cs.LG updates on arXiv.org

CHAI: 具現化されたAIに対するコマンドハイジャック

「CHAI」は、具現化されたAI（ロボットビークルシステムなど）を標的とした、物理環境における間接的なプロンプトインジェクション攻撃手法です。視覚情報に欺瞞的な自然言語指示を埋め込み、トークンスペースを探索して「ビジュアルアタックプロンプト」を生成します。ドローン、自動運転、ロボット車両などで実験され、既存の攻撃を凌駕する効果を示しており、新たな防御策の必要性が指摘されています。

Action: 具現化されたAIシステム（ロボット、自動運転車など）におけるCHAIのようなプロンプトインジェクション攻撃に対する防御策の研究・実装を検討する。

Original: CHAI: Command Hijacking against embodied AI domain ★★★

cs.LG updates on arXiv.org

自転車シェアリングシステムにおける量子生成モデルとその応用

自転車シェアリングシステムでは、需要の偏りによる自転車不足が課題となっている。本研究では、時系列データを解析する量子機械学習モデルを用いて、ポート間の相関関係や自転車数のトレンドを把握する。このモデルを用いたシミュレーションにより、需要予測に基づく自転車補充の効果を検証し、広範な産業応用が期待される。

Action: 量子機械学習による時系列データ解析手法を調査し、Webサービス利用者の動向分析やリソース最適化への応用可能性を検討する。

Original: Quantum generative model on bicycle-sharing system and an application domain ★

cs.LG updates on arXiv.org

データとプロンプトの共進化：LLMの挙動を改善するためのテストセットの成長

LLMのプロンプトエンジニアリングにおいて、テストデータとプロンプト指示を分離せず、共に進化させる「データとプロンプトの共進化」ワークフローを提案。このワークフローを実現するインタラクティブシステムは、開発者がエッジケースを発見し、意図したポリシーに沿ってプロンプトを体系的に洗練させることを支援する。人間参加型開発（Human-in-the-loop）による、より堅牢で責任あるLLMアプリケーションの構築を目指す。

Action: LLMアプリケーション開発において、プロンプトとテストデータを同期させながら進化させる「データとプロンプトの共進化」アプローチを検討し、関連するインタラクティブツールの導入または開発を試みる。

Original: Data-Prompt Co-Evolution: Growing Test Sets to Refine LLM Behavior domain ★★★

cs.LG updates on arXiv.org

Paper Copilot: AIカンファレンスにおける査読の進化を追跡する

AIカンファレンスの急増により、査読システムは過負荷となり、レビュー担当者の負担増、専門知識の不一致、評価基準のばらつき、期限内の表面的なレビューなどの問題が発生しています。会議主催者は新しいポリシーを導入していますが、これらの場当たり的な変更は混乱を招き、レビュープロセスの進化は不透明なままです。 Paper Copilotは、査読の耐久性のあるデジタルアーカイブを作成し、大規模な経験的分析を可能にするシステムであり、より堅牢で透明性のある査読システムに向けた証拠に基づいた改善を支援します。

Action: AIカンファレンスの査読プロセスの進化を追跡するためのデジタルアーカイブシステム（Paper Copilot）の構築と、それを現行のデータ収集・分析パイプライン（web-file-bin）への統合可能性を調査する。

Original: Paper Copilot: Tracking the Evolution of Peer Review in AI Conferences domain ★★

cs.LG updates on arXiv.org

勝者の呪いを推論認識型ポリシー最適化で克服する

「Winner's Curse」問題により、ポリシー最適化で予測された性能向上が実際の改善につながらない課題がある。この課題に対処するため、下流の評価を考慮した「推論認識型ポリシー最適化」を提案。最適化アルゴリズムにより、意思決定者が望ましいトレードオフを持つポリシーを選択し、評価することが可能になる。

Action: 提案されている「推論認識型ポリシー最適化」手法を、機械学習モデルの評価パイプラインに組み込み、その効果を検証する。

Original: Beating the Winner's Curse via Inference-Aware Policy Optimization domain ★★★

cs.LG updates on arXiv.org

低線量CT画像からの心血管リスク評価のための説明可能なクロス疾患推論

低線量CT画像から心血管リスクを評価するための、肺と心臓の構造を統合的に解析するフレームワークを提案。臨床診断プロセスを模倣したエージェント推論により、肺の異常から心血管への影響を解釈可能に推論。 CVDスクリーニングおよび死亡率予測において最先端の性能を示し、人間が検証可能な臨床的根拠を提供する。

Action: この研究で提案されている、画像診断における説明可能なAIフレームワーク（特にエージェント推論を用いるアプローチ）を、他の医療分野や複雑なデータ解析タスクに応用するための調査・実装を検討する。

Original: Explainable Cross-Disease Reasoning for Cardiovascular Risk Assessment from Low-Dose Computed Tomography domain ★★★

cs.LG updates on arXiv.org

6Gおよびそれ以降のネットワークにおけるUAV支援レジリエンスと省エネルギー：マルチエージェントDRLアプローチ

6Gネットワークにおける省エネルギーと災害・障害時の通信レジリエンス確保のため、UAV（無人航空機）を活用するアプローチを提案。マルチエージェントDRL（MADDPG）フレームワークを用い、UAVの軌道、送信電力、ユーザーとの連携を最適化し、サービスカバレッジ最大化とUAVのエネルギー消費最小化を目指す。シミュレーション結果は、提案手法が従来構成比で約24%のエネルギー削減を達成しつつ、同等のサービス品質を維持できることを示し、持続可能でレジリエントなネットワーク構築に有効であることを確認。

Action: 6Gネットワークの省エネルギーとレジリエンス向上のため、MADDPGを用いたUAV支援通信システムのシミュレーションまたは実装を検討する。

Original: UAV-Assisted Resilience in 6G and Beyond Network Energy Saving: A Multi-Agent DRL Approach domain ★★★

cs.LG updates on arXiv.org

ニューラルフィードバックからの強化学習に向けて：fNIRS信号からエージェントパフォーマンスへのマッピング

「人間からの強化学習（RLHF）」の代わりに、ニューラル信号（fNIRS）を用いてエージェントのトレーニングをガイドするフレームワークを提案。ロボット操作、月面着陸、Flappy BirdゲームにおけるfNIRS信号からエージェントのパフォーマンスを予測する新しいデータセットと分類器を開発し、有望な結果を得た。この研究は、「ニューラルフィードバックからの強化学習（RLNF）」システムの基盤を築き、その実現可能性と改善の可能性を示唆している。

Action: fNIRS信号とエージェントパフォーマンスのマッピングに関する研究成果と、ロボット、月面着陸、Flappy Birdゲームのデータセットは、AI/MLエンジニアにとって、ニューラルフィードバックを用いた強化学習（RLNF）システムの開発や、新しいデータセットを活用した実験に役立つ可能性があります。特に、クロスドメインでの汎化性能の向上に興味がある場合、このデータセットと手法の調査を推奨します。

Original: Towards Reinforcement Learning from Neural Feedback: Mapping fNIRS Signals to Agent Performance domain ★★★

cs.LG updates on arXiv.org

CostNav: 物理AIエージェントの現実世界における経済コスト評価のためのナビゲーションベンチマーク

現在のナビゲーションベンチマークはタスク成功率のみを重視し、商業化に必要な経済的制約を無視している。 CostNavは、現実世界のビジネス運用に合わせた包括的な経済コスト収益分析を通じて物理AIエージェントを評価する経済ナビゲーションベンチマークである。既存のアプローチは経済的に実行不可能であり、コミュニティに対しCostNavで経済的実行可能性を達成するナビゲーションポリシーの開発を求めている。

Action: CostNavベンチマークを調査し、経済的実行可能性を最大化するナビゲーションポリシーの実装を検討する。

Original: CostNav: A Navigation Benchmark for Real-World Economic-Cost Evaluation of Physical AI Agents domain ★★★

cs.LG updates on arXiv.org

星と共に推論する：太陽地球物理学データセットとエージェント指向科学的推論のためのベンチマーク

太陽地球物理学における科学的推論の課題（物理的仮定、単位の一貫性、科学的フォーマットの統合）に対応するため、「Reasoning With a Star」データセットが提供されます。このデータセットは、NASA/UCARのサマースクール問題から作成され、質問・回答形式で、推論ステップ、期待される回答形式、正解、メタデータを含み、プログラムによる採点（単位認識、記号的等価性、スキーマ検証）が可能です。単発プロンプトとマルチエージェントパターンのベンチマークでは、システム工学原則によるワークフロー分解が、演繹的推論を必要とする問題で直接的なプロンプトよりも優れていることが示されました。

Action: 「Reasoning With a Star」データセットとベンチマークアプローチを確認し、開発中のAIエージェントの科学的推論能力向上に活用できないか検討する。

Original: Reasoning With a Star: A Heliophysics Dataset and Benchmark for Agentic Scientific Reasoning domain ★★

cs.LG updates on arXiv.org

GRAND: マルチエージェント経路探索のためのネットワークディスパッチにおけるガイダンス、再配分、割り当て

大規模倉庫のロボットフリートにおける、マルチエージェントピックアップ＆デリバリー(MAPD)タスクスケジューリングのための新手法「GRAND」を提案。強化学習で訓練されたグラフニューラルネットワーク(GNN)によるグローバルガイダンスと、最小費用フロー、局所的割り当て問題を組み合わせ、1秒以内の低遅延で高スループットを実現。 500エージェント規模のベンチマークで、既存手法に対しスループットを10%向上させ、大規模フリート管理のスケーラブルな青写真を示す。

Action: ロボティクスや物流におけるリアルタイム・大規模タスクスケジューリング問題に対し、グラフニューラルネットワークと最適化ソルバーの組み合わせを検討する。

Original: GRAND: Guidance, Rebalancing, and Assignment for Networked Dispatch in Multi-Agent Path Finding domain ★★★

cs.LG updates on arXiv.org

データチェーン・バックドア：生成データ供給元として拡散モデルを信頼できますか？

公開されている拡散モデルが、データチェーン・バックドア（DCB）として知られる隠しバックドアを埋め込む可能性があります。これらのモデルはバックドアトリガーを記憶・再現し、生成された合成データに継承されるため、下流モデルに深刻なセキュリティリスクをもたらします。クリーンラベル攻撃やファインチューニングにおいても、バックドアは効果的に伝播し、合成データの有用性を維持したままセキュリティ上の脅威となります。

Action: 生成モデルのセキュリティリスク（バックドア）について調査し、自社のデータパイプラインで使用する事前学習済みモデルの信頼性を評価・検証する。

Original: Data-Chain Backdoor: Do You Trust Diffusion Models as Generative Data Supplier? domain ★★★

cs.LG updates on arXiv.org

脳腫瘍評価における双方向的な人間-AI協力は、専門家である人間とAIエージェント双方のパフォーマンスを向上させる

医療分野における人間とAIの協力関係を脳腫瘍評価で検証し、人間がAIを支援する場合とAIが人間を支援する場合の両方で、精度とメタ認知能力が向上することを発見。最大の患者利益は、人間が支援するAIエージェントによってもたらされ、AIは人間またはモデルベースの臨床エージェントをより有能、自信があり、一貫性のあるものにできることを示唆。 AIの最大価値は人間の知能を置き換えるのではなく、それを増幅することから生まれる可能性が高い。

Action: AIエージェントが人間エージェントの能力を増幅し、双方向の学習と改善を促進するような、共同作業型AIシステムの設計原則を調査・実装する。

Original: Bidirectional human-AI collaboration in brain tumour assessments improves both expert human and AI agent performance domain ★★★

cs.LG updates on arXiv.org

InSPO：LLMの選好最適化のための本質的な自己反省の解放

1. DPOはLLMの選好最適化に標準的だが、モデリング選択への依存と、比較情報活用の不足という根本的な限界がある。 2. InSPOは、コンテキストと代替応答を条件とする最適ポリシーを導出し、DPO/RLHFより優れ、任意のスカラー化や参照選択に影響されない。 3. 実験により、自己反省能力の解放がより堅牢で人間らしいLLMをもたらすことが実証された。

Action: InSPOのGitHubリポジトリを確認し、実装の詳細や実験結果を調査する。

Original: InSPO: Unlocking Intrinsic Self-Reflection for LLM Preference Optimization domain ★★★

cs.LG updates on arXiv.org

畳み込みのみのニューラルネットワークを用いた位相場シミュレーションの時空間外挿に向けて

位相場シミュレーション（特に液体金属脱合金化 LMD）は計算コストが高いが、本研究では畳み込みのみのU-Netベースのサロゲートモデルを提案し、時空間的な外挿を可能にする。自己注意機構、物理情報を持つパディング、条件付き拡散モデルによる初期条件生成などの技術を統合し、大規模・長期間のシミュレーションを精度（外挿時誤差15%未満）を保ちつつ、最大36,000倍の速度で実行できる。これは、LMDの位相場シミュレーションにおける高忠実度な時空間外挿に向けた第一歩となる。

Action: 本研究で提案されている畳み込みニューラルネットワークを用いたシミュレーション外挿手法を、他の計算物理学分野（例：流体解析、材料強度解析）のシミュレーションコスト削減に応用できるか検討する。

Original: Towards Spatio-Temporal Extrapolation of Phase-Field Simulations with Convolution-Only Neural Networks domain ★★★

cs.LG updates on arXiv.org

大規模言語モデル推論ハードウェアの課題と研究の方向性

LLM推論は、学習とは異なり、メモリ容量と相互接続性が主な課題であり、計算能力よりも重要である。解決策として、HBM並みの帯域幅を持つHigh Bandwidth Flash、Processing-Near-Memory、3Dメモリ・ロジックスタッキング、低遅延インターコネクトといったアーキテクチャ研究機会が挙げられる。これらの研究は、データセンターAIだけでなく、モバイルデバイスへの応用も期待される。

Action: LLM推論のメモリ帯域幅とインターコネクトの課題について、最新のハードウェアソリューション（例: High Bandwidth Flash、Processing-Near-Memory）の動向を調査し、自身の開発環境への適用可能性を検討する。

Original: Challenges and Research Directions for Large Language Model Inference Hardware domain ★★★

cs.LG updates on arXiv.org

FusionRoute によるトークンレベル LLM コラボレーション

FusionRouteは、各デコーディングステップで最適なエキスパートを選択し、補完的なロジットを加えることでエキスパートの出力を洗練させる、トークンレベルのマルチLLMコラボレーションフレームワークです。理論的分析により、エキスパート選択のみに依存するルーティングは限定的であり、補完的ジェネレーターの追加が最適化に不可欠であることが示されています。実験では、Llama-3やGemma-2ファミリーでFusionRouteが多様なベンチマークにおいて、既存手法を上回り、ドメインエキスパートに匹敵する性能を示しました。

Action: FusionRouteフレームワークを実験的に導入し、LLMのタスクパフォーマンス向上を評価する。

Original: Token-Level LLM Collaboration via FusionRoute domain ★★★

cs.LG updates on arXiv.org

生成拡散モデルにおけるスケジューリングの初等的アプローチ

生成拡散モデルにおけるノイズスケジューリングと時間離散化の影響を特徴づけるための初等的なアプローチを開発。ガウス設定を性能限界として特定し、閉形式の逆サンプリング軌跡とKLダイバージェンスを導出。最適化されたノイズスケジュールは、特に計算資源が限られた場合に、ベースラインを上回る性能を示す。

Action: 生成拡散モデルの実装において、提案されたノイズスケジューリング戦略や時間離散化手法を評価・適用し、特に計算リソースが限られた環境での性能向上を検証する。

Original: An Elementary Approach to Scheduling in Generative Diffusion Models domain ★★★

cs.LG updates on arXiv.org

NRR-Phi：LLM推論における曖昧性維持のためのテキスト-状態マッピング

LLMは曖昧な入力を早期に単一解釈に固定する傾向がある。本研究は、複数の解釈を共存させる「テキスト-状態マッピング」フレームワークを提案し、LLM推論における曖昧性維持を可能にする。このフレームワークは、ルールベースとLLMを組み合わせたハイブリッド手法で曖昧性を抽出し、より高精度な状態空間を構築することで、解釈の多様性を保持する。

Action: LLMの推論パイプラインに、曖昧な入力を早期に固定せず、複数の解釈を保持する「テキスト-状態マッピング」モジュールを実装し、より堅牢な応答生成を目指す。

Original: NRR-Phi: Text-to-State Mapping for Ambiguity Preservation in LLM Inference domain ★★★

cs.LG updates on arXiv.org

迎合的なアンカー：推論モデルにおけるユーザー同意の特定と定量化

推論モデルが誤ったユーザーの提案に同意する「迎合性」の問題を調査。「迎合的なアンカー」という概念を導入し、推論トレース中の同意の発生源と強度を特定・定量化。モデルの非整合性を文単位で検出し、定量化する手法を提案。

Action: 開発中の推論モデルにおける迎合性の検出と定量化のために、本研究の「迎合的なアンカー」特定手法の適用を検討する。

Original: Sycophantic Anchors: Localizing and Quantifying User Agreement in Reasoning Models domain ★★★

cs.LG updates on arXiv.org

MACD: 反事実データを用いたモデルアウェア対照的デコーディング

Video-LLMの幻覚（ハルシネーション）問題を解決するための新しい推論戦略「MACD」を提案。モデル自身のフィードバックを利用し、物体レベルでターゲットを絞った反事実データを生成してデコーディングに活用。実験により、多様なVideo-LLMsで幻覚を低減し、タスク精度を維持・向上させる効果を確認。

Action: Video-LLMの幻覚抑制に関心がある開発者は、公開されるコードとデータを用いてMACD手法の実装や評価を検討する。

Original: MACD: Model-Aware Contrastive Decoding via Counterfactual Data domain ★★

cs.LG updates on arXiv.org

DiGAN：拡散誘導アテンションネットワークによる早期アルツハイマー病検出

早期アルツハイマー病（AD）の診断は、脳構造の変化の進行が微妙で不規則なため困難です。 DiGAN（Diffusion-Guided Attention Network）は、拡散モデルで経時的データを合成し、アテンション機構で判別パターンを捉え、限られたデータでのAD検出精度を向上させます。 ADNIデータセットでの実験で、DiGANは既存手法を凌駕し、早期AD検出に有効であることが示されました。

Action: DiGANのような、拡散モデルとアテンション機構を組み合わせた手法が、他の分野の時系列データ解析や異常検知にどのように応用可能か調査する。

Original: DiGAN: Diffusion-Guided Attention Network for Early Alzheimer's Disease Detection domain ★

cs.LG updates on arXiv.org

LLMにおける実行駆動型推論拡張を通じた数学的問題解決の強化

LLMの数学的問題解決能力を向上させるため、既存手法の課題（修正困難な推論プロセス、エラー検出の失敗）を克服する。 IIPC（Iteratively Improved Program Construction）を導入し、実行フィードバックとChain-of-thoughtを組み合わせることで、推論チェーンの反復的な洗練と文脈的焦点の維持を実現。 IIPCは複数のLLMおよび推論ベンチマークで競合手法を凌駕し、コードはオープンソースとして公開。

Action: LLMの数学的問題解決能力向上のため、論文で提案されているIIPC（Iteratively Improved Program Construction）の実装や評価を調査する。

Original: Enhancing Mathematical Problem Solving in LLMs through Execution-Driven Reasoning Augmentation domain ★★

cs.LG updates on arXiv.org

物理学誘導型生成エージェントベースモデリング

LLMベースのマルチエージェントシステムと古典的ABMの課題（コスト、キャリブレーション、信号統合の不足）を解決する新手法「PhysicsAgentABM」を提案。状態特化型シンボリックエージェントとニューラル遷移モデル、不確実性認識型フュージョンを組み合わせ、LLM呼び出しを大幅削減するクラスタリング戦略「ANCHOR」を導入。公衆衛生、金融、社会科学分野で、イベント時間精度とキャリブレーションにおいて既存手法を上回る結果を示し、LLMを用いたスケーラブルで高精度なシミュレーションの新パラダイムを確立。

Action: エージェントベースシミュレーションにおけるLLM呼び出しを最適化するため、ANCHORクラスタリング戦略の実装または実験を検討する。

Original: PhysicsAgentABM: Physics-Guided Generative Agent-Based Modeling domain ★★★

stat.ML updates on arXiv.org

償却変分推論による高速・堅牢な尤度誘導拡散後方サンプリング

ゼロショット拡散後方サンプリングは柔軟だが計算コストが高い。既存の償却法は高速だが、未知の劣化に対する堅牢性に欠ける。本研究では、明示的な尤度誘導を維持しつつ償却を導入することで、効率と柔軟性のトレードオフを改善する手法を提案する。

Action: 拡散後方サンプリングにおける内部最適化問題の償却の実装詳細を調査し、特定のAIタスクにおける推論速度と堅牢性への影響を評価する。

Original: Fast and Robust Likelihood-Guided Diffusion Posterior Sampling with Amortized Variational Inference domain ★★★

stat.ML updates on arXiv.org

事前条件付けされた双対最適化によるスケーラブルな平均場変分推論

本研究は、大規模平均場変分推論（MFVI）のための新しいミニバッチ双対最適化アルゴリズム「PD-VI」を提案する。パラメータブロックの幾何学的特性に適応する「P^2D-VI」を導入し、数値的堅牢性と効率を向上させた。実験では、PD-VIおよびP^2D-VIが既存手法よりも高速かつ高品質な収束を示すことを確認した（特に大規模空間トランスクリプトミクスデータで）。

Action: 提案されたPD-VI/P^2D-VIアルゴリズムを、大規模データセットや高精度が求められる機械学習タスクに適用し、その収束速度と解の品質を評価する。

Original: Scalable Mean-Field Variational Inference via Preconditioned Primal-Dual Optimization domain ★★★

stat.ML updates on arXiv.org

ソフトマックスゲート付き多項ロジスティック混合エキスパートモデルのための高速モデル選択と安定最適化

ソフトマックスゲート付き多項ロジスティック混合エキスパート（MoE）モデルにおける、安定した最大尤度学習とモデル選択の保証が限定的である課題に対処します。バッチ学習シナリオにおいて、閉形式更新を持つMMアルゴリズムによる安定した最適化と、混合測度のデンドログラムを用いた効率的なモデル選択手法を提案します。タンパク質間相互作用予測タスクでの実験により、既存手法よりも優れた精度とキャリブレーションされた確率を示しました。

Action: 提案されたMMアルゴリズムとデンドログラムベースのモデル選択手法を、既存の分類タスクに適用可能か調査し、実装の可能性を検討する。

Original: Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models domain ★★★

stat.ML updates on arXiv.org

バイアスのあるAIフィードバックとのアライメントのための統計的フレームワーク

LLM-as-Judgeによるアライメント手法は、AIラベルのシステム的バイアスに課題がある。 DDPO（Debiased Direct Preference Optimization）とDIPO（Debiased Identity Preference Optimization）という2つのバイアス除去手法を提案。これらの手法は、アライメント効率と性能を向上させ、人間によるフィードバックに近い結果を達成する。

Action: 提案されているDDPOおよびDIPO手法を調査し、既存のAIアライメントパイプラインへの適用可能性を検討する。

Original: A Statistical Framework for Alignment with Biased AI Feedback domain ★★★

stat.ML updates on arXiv.org

ニューラルネットワークにおける推論とメタ学習事前分布の償却

ベイジアン深層学習における事前信念の欠如という課題に対し、データセットから重みの事前分布を学習する手法を提案。データセットごとの償却変分推論を実行するニューラルプロセスモデルを開発し、BNNの潜在変数として重みを持つ。これにより、データ不足下でのメタ学習や、BNNを柔軟な生成モデルとして利用する道を開く。

Action: 提案されたモデルアーキテクチャと学習手法について、既存のライブラリでの実装可能性を調査し、小規模なデータセットで実験する。

Original: Amortising Inference and Meta-Learning Priors in Neural Networks domain ★★★

stat.ML updates on arXiv.org

β-ダイバージェンスを用いた回帰ニューラルネットワークの証明可能なロバスト学習

従来の回帰NNの学習法（MSE最小化）は外れ値に弱い。本研究では、β-ダイバージェンスに基づく新しいロバスト学習フレームワーク「rRNet」を提案。rRNetは、パラメータ推定値と予測器の両方に対して理論的なロバスト性を保証し、50%の漸近的ブレークダウンポイントを達成。交替最適化スキームで実装され、収束保証があり、シミュレーションと実データ分析で既存手法に対する優位性を示す。

Action: rRNetフレームワークの論文を読み、その理論的基盤と実装方法を理解し、小規模なデータセットで実験的に試す。

Original: Provably robust learning of regression neural networks using $\beta$-divergences domain ★★★

stat.ML updates on arXiv.org

BayesFlow 2.0: Pythonにおけるマルチバックエンド対応アモルタイズドベイズ推論

BayesFlow 2.0 は、アモルタイズドベイズ推論（ABI）のためのPythonライブラリであり、複雑なモデルや大規模データセットに対する推論の計算課題を解決します。 ABIはニューラルネットワークを用いて、高速な推論を可能にし、事後分布や尤度などのモデルから推論される任意の量を迅速に推定します。本バージョンは、複数の深層学習バックエンド、豊富な生成ネットワーク、高度なカスタマイズオプション、およびハイパーパラメータ最適化や階層モデリングの新機能を提供します。

Action: BayesFlow 2.0 ライブラリを調査し、機械学習プロジェクトでの適用可能性を検討する。

Original: BayesFlow 2.0: Multi-Backend Amortized Bayesian Inference in Python domain ★★★

stat.ML updates on arXiv.org

特徴学習と特徴除去の二律背反：確率的勾配降下法を用いたニューラルネットワークの高高速・低速解析

ニューラルネットワークにおける特徴除去（unlearning）のメカニズムと条件を、無限幅の2層ネットワークにおける高速・低速ダイナミクス解析を通じて解明。第1層の重みは急速に、第2層の重みは低速で発展し、低速ダイナミクスが特徴除去の発生を決定することを示す。データの非線形項の強さが特徴除去を誘発し、第2層の初期スケールがそれを緩和するという知見を得て、Tensor Programと特異摂動理論で解析。

Action: 本研究で示された高速・低速ダイナミクス解析の知見を、モデルの堅牢性や解釈可能性の向上にどのように応用できるか、あるいは特定のMLフレームワーク（TensorFlow/PyTorch）で同様の解析手法を実装する可能性を探る。

Original: Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent domain ★★

stat.ML updates on arXiv.org

Coxモデルにおける変数選択後の統計的推論：シミュレーション研究

変数選択後の推論におけるバイアスと誤解を招く可能性について、特に右側打ち切りを伴う生存時間データで問題が複雑化すること。 LassoおよびAdaptive Lassoを用いたCoxモデルにおける係数推定について、サンプル分割、厳密な事後選択推論、Debiased Lassoなどの推論手法の性能を検証。生物医学分野で一般的に見られる共変量構造と打ち切り率を反映したシミュレーション研究と、公開されている生存データセットを用いた実用例での分析。

Action: 変数選択を伴うCoxモデルにおける高度な統計的推論のためのライブラリを調査し、データ分析モジュールへの実装を検討する。

Original: Statistical inference after variable selection in Cox models: A simulation study domain ★

stat.ML updates on arXiv.org

自然言語の統計からニューラルスケーリング則を導出する

本論文は、現代のLLMが任意の自然言語データセットで学習する際のニューラルスケーリング指数を定量的に予測する初の理論を、データ制限スケーリング則に焦点を当てて提示します。言語の2つの主要な統計的特性（トークン間相関の減衰と次トークン条件付きエントロピーの減衰）を特定しました。これらの統計から、自由パラメータなしで、GPT-2やLLaMAのようなモデルのベンチマーク（TinyStories、WikiText）におけるスケーリング指数を予測する単純な公式を導出しました。

Action: 提案された理論をモデル開発や学習戦略の最適化に活用できないか検討する。

Original: Deriving Neural Scaling Laws from the statistics of natural language domain ★★★

stat.ML updates on arXiv.org

ガウシアンマッチアンドコピー：Transformer誘導を研究するためのミニマリストベンチマーク

大規模言語モデル（LLM）の推論におけるコア検索プリミティブである「マッチアンドコピー」の理解を深めるため、第二世代相関信号のみで長距離検索を分離する「ガウシアンマッチアンドコピー（GMC）」ベンチマークを提案。 GMCは、Transformerが実際にマッチアンドコピー回路を発達させる過程の質的側面を保持し、アーキテクチャを検索能力で分類できることを数値実験で示す。勾配降下がパラメータを拡散させつつ最大マージン分離器に整列させることで、ハードマッチ選択を生み出す暗黙的バイアスについても分析。

Action: Transformerモデルの長距離検索能力を評価するために、ガウシアンマッチアンドコピー（GMC）ベンチマークの実装と評価を検討する。

Original: Gaussian Match-and-Copy: A Minimalist Benchmark for Studying Transformer Induction domain ★★★

stat.ML updates on arXiv.org

密なニューラルネットワークは万能近似器ではない

密なニューラルネットワークは、現実的な制約下では、サイズが大きくても全ての連続関数を万能に近似できるわけではないことが示されました。モデル圧縮とネットワークをGNNとして解釈する手法により、Lipschitz連続関数の一部が近似できないことが実証され、この限界が浮き彫りになりました。真の普遍性を達成するには、スパースな接続性が不可欠であることが示唆されています。

Action: 密なニューラルネットワークの普遍性に関する限界を理解し、スパース接続を持つモデルアーキテクチャの採用や、その応用可能性について調査する。

Original: Dense Neural Networks are not Universal Approximators domain ★★★

stat.ML updates on arXiv.org

AIエージェント型ソーシャルネットワークにおける高速応答か沈黙か：会話の永続性

AIエージェント間の持続的な調整を研究するため、Moltbookのデータを用いて「インタラクション半減期」を定義・分析しました。 Moltbookでの議論は一次反応が支配的で、返信は数秒以内に来ますが、持続時間は数分程度に留まり、Redditより浅いスレッドと短い永続性を示しました。 AIエージェントは「高速応答か沈黙か」のレジームにあり、持続的な協調には明示的記憶、スレッド再浮上、再エントリ構造が不可欠である可能性が示唆されました。

Action: AIエージェント間の持続的な協調が必要なシステムを設計する際は、明示的な記憶メカニズム、スレッドの再浮上機能、および再エントリを促進する構造を実装することを検討する。

Original: Fast Response or Silence: Conversation Persistence in an AI-Agent Social Network domain ★★★

stat.ML updates on arXiv.org

検証可能な報酬からの構成的推論はいつ学習可能か？

本研究は、検証可能な報酬からの強化学習（RLVR）で学習するLLMにおける構成的推論の学習可能性を理論的に考察する。「タスク優位性比率」という指標を導入し、中間ステップの優位性が学習を促進する条件や、ベースモデルの品質が最適でない収束に影響する可能性を分析する。 RLVRが成功する条件（中間ステップでの明確な優位性）と失敗する条件（最適でない構成への収束）を特定し、理論的理解を提供する。

Action: RLVRにおける「タスク優位性比率」の概念を、現在開発中のLLMタスクに適用可能か調査し、中間ステップの優位性を最大化するための手法を検討する。

Original: When Is Compositional Reasoning Learnable from Verifiable Rewards? domain ★★

stat.ML updates on arXiv.org

常に最もパフォーマンスの高いモデルを選ぶな：LLMアンサンブル選択の情報理論的視点

LLMアンサンブルのモデル選択において、単純なパフォーマンスだけでなく、相互情報量最大化の観点から最適なモデル群を特定する手法を提案。モデル間の相関誤差をガウスコプラでモデル化し、情報理論的なエラーフロアを導出することで、アンサンブル性能の飽和現象を説明。提案手法である単純な貪欲法による相互情報量選択アルゴリズムは、2つのQAデータセットと1つの感情分類データセットで、同等のクエリ予算を持つベースラインを上回る結果を示した。

Action: 提案されている貪欲法による相互情報量選択アルゴリズムを調査し、自社LLMモデルのアンサンブル学習への適用可能性を評価する。

Original: Don't Always Pick the Highest-Performing Model: An Information Theoretic View of LLM Ensemble Selection domain ★★★

stat.ML updates on arXiv.org

GAAVI: 条件付き平均関数のグローバル漸近いつでも有効な推論

CMF（条件付き平均関数）の推論は、適応的実験などにおいて中心的なタスクです。 GAAVIは、実験中にいつでも（最小サンプルサイズを超えれば）信頼性の高い決定を可能にする、新しい漸近いつでも有効なテストを提供します。この手法は、漸近型Iエラー保証、パワー1、および最適なサンプル複雑性を実現し、CMFの関数値漸近信頼系列を構築できます。

Action: GAAVI手法を実装し、既存の実験データセットでの性能を評価する

Original: GAAVI: Global Asymptotic Anytime Valid Inference for the Conditional Mean Function domain ★★

stat.ML updates on arXiv.org

Transformerモデルのノイズ安定性

深層学習モデルにおける平均感度の限界を指摘し、相関ノイズに対する頑健性を持つ「ノイズ安定性」を新しい包括的な評価指標として提案。 Transformerモデルの単層AttentionおよびReLU MLP層におけるノイズ安定性の理論的解析を行い、実用的な正則化手法を開発。提案手法は、アルゴリズムタスクや次トークン予測タスクにおいて、学習を約35-75%加速させ、グロッキングを促進する効果を確認。

Action: Transformerモデルの学習とグロッキングを改善するために、ノイズ安定性正則化手法の適用可能性を調査する。

Original: Noise Stability of Transformer Models domain ★★★

stat.ML updates on arXiv.org

多変量時系列異常検知と局在化のための低ランクTransformer

多変量時系列（MTS）の異常診断は、複雑なシステムにおいて安全性と信頼性のために不可欠です。低ランク正則化を自己注意機構に適用したAttention Low-Rank Transformer (ALoRa-T) と、異常局在化のためのALoRa-Locを提案し、検知と局在化の両タスクで最先端手法を大幅に上回る性能を示します。

Action: 提案されたALoRa-TモデルとALoRa-Loc手法を、既存の時系列データ分析パイプラインに統合し、異常検知・局在化の精度を評価する。

Original: Low Rank Transformer for Multivariate Time Series Anomaly Detection and Localization domain ★★★

stat.ML updates on arXiv.org

CauScale: 大規模ニューラル因果探索

CauScaleは、大規模グラフにおける効率的な因果発見のためのニューラルアーキテクチャです。既存のアプローチの時間・空間的ボトルネックを解決し、最大1000ノードのグラフに対応します。 99.6%のmAP精度と、既存手法比で最大13,000倍の推論速度向上を達成しました。

Action: CauScaleプロジェクトページ（https://github.com/OpenCausaLab/CauScale）を確認し、その実装と成果を調査する。

Original: CauScale: Neural Causal Discovery at Scale domain ★★★

stat.ML updates on arXiv.org

MAP推論の理論と実践：非凸制約下での適用

安全性クリティカルなMLシステムでは、非凸制約下でのMAP推論が困難である。本研究では、連続変数に対する制約付きMAP推論の厳密解法とスケーラブルなメッセージパッシングアルゴリズムを提案。さらに、凸領域への分割と数値最適化を組み合わせた汎用的な戦略を開発。提案手法は、合成データおよび実世界のベンチマークにおいて、既存手法を上回り、複雑な密度に対してもスケーラブルであることを実証。

Action: 安全性クリティカルなMLシステムにおける非凸制約下でのMAP推論手法を調査・実装し、既存のベースラインとの比較評価を行う。

Original: The Theory and Practice of MAP Inference over Non-Convex Constraints domain ★★

stat.ML updates on arXiv.org

ニューラル常微分方程式は複雑なネットワークでいつ汎化するのか？

ニューラルODE（$\mathtt{nODE}$）はグラフ構造データでの汎化能力が不明瞭だが、Barab\'asi-Barzel形式のベクトル場を持つモデルを研究。グラフの次数分布の不均一性と動的システムのタイプが、グラフサイズや特性を超えた汎化能力の主要因であることを発見。 $\mathtt{nODE}$は複雑なシステム理解に強力だが、次数不均一性やクラスタリングが課題となる。

Action: グラフ構造データにおけるニューラルODEの汎化性能に影響を与える要因（次数分布、クラスタリング）を理解し、モデル設計やデータ収集戦略に活かす。特に、訓練データと異なるグラフ構造への適用を考慮する。

Original: When do neural ordinary differential equations generalize on complex networks? domain ★★

stat.ML updates on arXiv.org

非負値行列因子分解アルゴリズムは一般的にトピックモデルの適合度を向上させる

非負値行列因子分解(NMF)の最適化手法をトピックモデルに適用し、効率と適合度を向上させる新しい手法を提案。 NMFとトピックモデルにおける最尤推定との関連性を形式的に証明し、既存アルゴリズムよりも高速かつ高精度な結果を実現。 Rパッケージ`fastTopics`として実装されており、大規模データセットへの応用が期待される。

Action: Rパッケージ`fastTopics`を調査し、NMFを用いたトピックモデリングの効率と精度向上について理解を深める。

Original: Non-negative matrix factorization algorithms generally improve topic model fits domain ★★

stat.ML updates on arXiv.org

ReLU活性化関数を持つガウスニューラルネットワークにおける大規模偏差

ReLU活性化関数を持つガウスニューラルネットワークにおける大規模偏差原理を証明しました。これは、有界・連続活性化関数を扱った以前の研究を一般化するものです。 ReLUの場合のレート関数の式を簡略化し、べき級数展開を提供しました。

Action: ReLU活性化関数を用いたニューラルネットワークの挙動を理解するため、本論文で示された大規模偏差原理とそのレート関数の簡略化・べき級数展開について調査する。

Original: Large Deviations of Gaussian Neural Networks with ReLU activation domain ★★

stat.ML updates on arXiv.org

ステップバイステップ：L-リプシッツニューラルネットワークの学習のための適応的勾配降下法

学習率の減衰を導入することで、L-リプシッツニューラルネットワークの学習における高いリプシッツ正則性を保証できる。この減衰は、収束速度を損なわずに経験的リスクを最小化し、汎化誤差の理論的限界を導出する。実験では、定常ステップサイズの勾配降下法でも同様の学習・正則化特性が見られ、標準的な勾配降下法が既に高い正則化能力を持つ可能性が示唆された。

Action: 自身のニューラルネットワーク学習において、学習率の減衰戦略や定常ステップサイズの勾配降下法の効果を検証し、理論的知見と実際の学習挙動を比較する。

Original: Step by Step: Adaptive Gradient Descent for Training L-Lipschitz Neural Networks domain ★★★

stat.ML updates on arXiv.org

アルゴリズムとデータに依存する拡散モデルの一般化バウンド

・本論文は、拡散モデル（スコアベース生成モデル、SGM）に対する、アルゴリズムとデータに依存した初の一般化解析を提供する。・既存の解析は過度に悲観的で、経験的な成功や最適化アルゴリズムの役割を十分に説明できていない。・新たなバウンドは最適化ダイナミクスを明示的に考慮し、一般化挙動への洞察を提供し、実験結果によって裏付けられている。

Action: 拡散モデルの学習における最適化ハイパーパラメータの重要性を認識し、実験やチューニングでその影響を考慮する。

Original: Algorithm- and Data-Dependent Generalization Bounds for Diffusion Models domain ★★★

stat.ML updates on arXiv.org

ニューラルユニットにおける情報エンコーディングのためのスケール不変プロキシとしての条件数

ニューラルネットワークの重みテンソルの条件数が、ユニットがエンコードする情報とどう関連するかを調査し、スケール不変プロキシとして提案。高い条件数は、情報選択的増幅・圧縮を示唆し、特殊で効率的なエンコーディング戦略に繋がる。提案手法KappaTuneは、この原理でLLMを選択的ファインチューニングし、事前学習統計なしで破滅的忘却を軽減。

Action: LLMの破滅的忘却を軽減するため、条件数に基づくKappaTune手法を導入し、選択的ファインチューニングの効果を検証する。

Original: The Condition Number as a Scale-Invariant Proxy for Information Encoding in Neural Units domain ★★★

stat.ML updates on arXiv.org

クロスバリデーションにおけるモデル比較の相対的不安定性

クロスバリデーション（CV）はモデル改善のテストと信頼区間を提供するが、モデル比較が相対的に不安定な場合はその妥当性に疑問が生じる。 Lassoやソフト・ソーシャルディングは、学習設定が有利な場合でも、相対的に不安定な比較と無効なCV推論を生成することを示す。 CVをモデル比較に適用する前に、相対的安定性を検証することの重要性を強調している。

Action: 機械学習モデルの評価パイプラインに、クロスバリデーション（CV）の推論結果の相対的安定性を検証するステップを導入することを検討してください。

Original: The Relative Instability of Model Comparison with Cross-validation domain ★★★

stat.ML updates on arXiv.org

推論認識型ポリシー最適化による勝者の呪いの克服

・ポリシー最適化における「勝者の呪い」問題（予測性能向上と実際の評価との乖離）を解決するための新しい戦略を提案。・「推論認識型ポリシー最適化」を導入し、下流のポリシー評価の有意性を考慮した最適化を行う。・機械学習モデルでパレートフロンティアを推定し、意思決定者が望ましいトレードオフを持つポリシーを選択できるようにする。

Action: 強化学習や強化学習の評価手法に関心のある開発者は、提案された「推論認識型ポリシー最適化」のアルゴリズムを実装し、シミュレーションや実際のデータセットでその有効性を検証することを推奨する。

Original: Beating the Winner's Curse via Inference-Aware Policy Optimization domain ★★

stat.ML updates on arXiv.org

推論時スケーリングによる離散拡散モデルの再マスキング

離散拡散モデルにおけるトークン生成後の更新不可という課題に対し、推論時に計算量をスケーリングできる「ReMDM」サンプラーを提案。 ReMDMは、サンプリングステップ数を増やすことで自然言語生成の質を向上させ、計算予算が限られる場合でも品質を維持する。画像生成、分子設計などの科学分野においても品質向上と制御性改善に貢献。

Action: ReMDMサンプラーのコードとブログ記事（https://guanghanwang.com/remdm）を確認し、離散拡散モデルの適用可能性と性能について調査する。

Original: Remasking Discrete Diffusion Models with Inference-Time Scaling domain ★★★

stat.ML updates on arXiv.org

ハイブリッドニューラルODEの自動的かつ構造を意識した疎化

ハイブリッドニューラルODEは、メカニズムモデルとニューラルODEを統合し、データが少ない医療分野で有効です。過剰な状態は非効率性や過学習を引き起こすため、本論文では自動的な状態選択と構造最適化を提案します。実験により、予測性能とロバスト性が向上し、医療分野でのハイブリッドモデル削減に効果的であることが示されました。

Action: 提案されているハイブリッドニューラルODEの自動状態選択と構造最適化手法を、関連する医療データセットで実装・評価する。

Original: Automatic and Structure-Aware Sparsification of Hybrid Neural ODEs domain ★★

stat.ML updates on arXiv.org

モデルの誤指定下でのM推定量の適応的オフポリシー推論

適応的に収集されたデータ（バンディットアルゴリズムなど）において、特にモデルが誤指定されている場合に、古典的な統計的アプローチ（OLS、$M$-推定）が有効な推論を保証できないという課題に対処します。本手法は、非定常な報酬分布上で定義される射影解を用いて、適応設定下でのオフポリシー推論を可能にします。これにより、誤指定されたワーキングモデルを持つ適応的に収集されたバンディットデータに対する$M$-推定量の有効な推論を提供します。柔軟な分散安定化アプローチと、不安定な治療方針下でも有効な信頼集合を構築できる新規性が特徴です。実験結果は、既存手法がカバーできないケースでも、本手法がType Iエラー制御を維持することを示しています。

Action: バンディットアルゴリズムやモデルの誤指定がある状況では、有効な統計的推論を保証するために、適応的オフポリシー推論手法の導入を検討してください。

Original: Adaptive Off-Policy Inference for M-Estimators Under Model Misspecification domain ★★

stat.ML updates on arXiv.org

LLMを審査員として利用した評価を正しく報告する方法

LLMを評価者として使用する際のバイアスを補正し、不確実性を定量化するプラグインフレームワークを提案。テストデータセットと人間によるキャリブレーションデータセットの両方からの不確実性を考慮した信頼区間を構築。 LLMベースの評価が人間のみの評価よりも信頼性の高いパラメータ領域を特定し、分布シフト下でもバイアスなく機能することを示す。

Action: AIモデル開発ワークフローにおいて、LLMベースの評価におけるバイアス補正と不確実性定量化の実装を検討する。

Original: How to Correctly Report LLM-as-a-Judge Evaluations domain ★★★

stat.ML updates on arXiv.org

デノイジング拡散モデルを用いたカテゴリカル再パラメータ化

カテゴリカル変数を扱うモデルの最適化における、離散サンプリングの非微分可能性に起因する課題に対処します。新たな拡散ベースのソフト再パラメータ化手法「ReDGE」を提案し、既存手法を上回る性能を示します。コードはGitHubで公開予定であり、離散拡散モデルなどへの応用が期待されます。

Action: GitHubで公開されるReDGEリポジトリを確認し、提案手法のコードを調査する。

Original: Categorical Reparameterization with Denoising Diffusion models domain ★★

stat.ML updates on arXiv.org

f-GRPOとその先へ：汎用LLMアライメントのための発散ベース強化学習アルゴリズム

先行研究であるPreference Alignment (PA) を汎用的なアライメント設定（RLVRなど）へ拡張するため、f-GRPO（on-policy RL）およびf-HAL（ハイブリッド on/off policy）という新しい発散ベース強化学習アルゴリズムを提案。これらの手法は、f-divergenceの変分表現を用い、アライメント後の平均報酬の改善に対する理論的保証を提供する。数学的推論（RLVR）および安全性アライメント（PA）タスクで実証的に検証され、既存手法を上回る性能と柔軟性を示した。

Action: 提案されたf-GRPOおよびf-HALの理論的根拠と実証結果を調査し、LLMアライメント戦略への応用可能性を検討する。

Original: f-GRPO and Beyond: Divergence-Based Reinforcement Learning Algorithms for General LLM Alignment domain ★★★

Takara TLDR - Daily AI Papers

マルチエージェント強化学習における量子もつれを通じた協調学習

MARLにおける協調問題に対し、共有乱数に代わる新たなリソースとして量子もつれ（Quantum Entanglement）を活用するフレームワークを提案。量子もつれにより、通信なしでも共有乱数のみの場合よりも優れた戦略（量子優位性）を達成可能であることを示唆。提案手法は、微分可能なポリシーパラメータ化と量子測定の最適化、および量子コーディネーターとローカルアクターに分解されたポリシーアーキテクチャに基づき、単回ゲームおよびDec-POMDPで量子優位性を学習することを実証。

Action: MARLにおける量子もつれ利用の概念を調査し、関連する論文や既存のフレームワーク（もしあれば）を調べる。特に、微分可能なポリシーパラメータ化と量子測定の最適化手法について理解を深める。

Original: Learning to Coordinate via Quantum Entanglement in Multi-Agent Reinforcement Learning domain ★★★

Takara TLDR - Daily AI Papers

ハイブリッドRAGにおけるRetrieval Pivot攻撃：ベクトルシードからグラフ拡張への増幅された漏洩の測定と緩和

ハイブリッドRAGは、ベクトル検索と知識グラフを組み合わせることで、データ漏洩のリスク（Retrieval Pivot Risk: RPR）を生じさせます。このリスクは、敵対的な注入なしに、共有エンティティを通じて意図せず発生する可能性があり、特にグラフ拡張の境界で顕著です。グラフ拡張の境界で認可を強制することで、このデータ漏洩を効果的に排除でき、最小限のオーバーヘッドで安全性を確保できます。

Action: 開発者は、ハイブリッドRAGシステムにおいて、ベクトル検索から知識グラフへの遷移箇所で認可チェックを実装し、クロスドメインのデータ漏洩を防ぐ必要があります。

Original: Retrieval Pivot Attacks in Hybrid RAG: Measuring and Mitigating Amplified Leakage from Vector Seeds to Graph Expansion domain ★★★

Takara TLDR - Daily AI Papers

次世代CAPTCHA：スケーラブルで多様なGUIエージェント防御のための認知ギャップ活用

従来のCAPTCHAは高度なGUIエージェント（Gemini3-Pro-High, GPT-5.2-Xhigh）により陳腐化しており、90%の高い突破率を示しています。「Next-Gen CAPTCHAs」は、人間とエージェントの「認知ギャップ」（知覚、記憶、意思決定、行動）を利用し、動的で直感的タスクを通じて再区別を確立する防御フレームワークです。大規模かつスケーラブルなデータ生成パイプラインにより、無限に生成可能なCAPTCHAインスタンスを提供し、エージェント時代における堅牢な防御メカニズムを提供します。

Action: 「Next-Gen CAPTCHAs」の「Cognitive Gap」を利用した防御フレームワークについて、そのデータ生成パイプラインと動的タスク生成の具体的な実装方法を調査し、自社サービスへの応用可能性を検討する。

Original: Next-Gen CAPTCHAs: Leveraging the Cognitive Gap for Scalable and Diverse GUI-Agent Defense domain ★★★

Takara TLDR - Daily AI Papers

ハイパーグラフニューラルネットワークを用いた法律文書の知識拡張エンティティ・関係抽出

法律文書のエンティティ・関係抽出において、ドメイン知識とハイパーグラフニューラルネットワークを活用する新手法「Legal-KAHRE」を提案。候補エンティティ抽出、法律ドメイン知識を統合したエンコーディング、ドメイン特有のケースを考慮したハイパーグラフ構造設計が特徴。 CAIL2022データセットでの実験により、既存手法を大幅に上回る性能を示した。

Action: 「Legal-KAHRE」のような知識拡張手法を他の専門分野（例：医療、金融）の文書抽出に適用する可能性を調査し、ハイパーグラフニューラルネットワークのアーキテクチャを理解する。

Original: Knowledge Augmented Entity and Relation Extraction for Legal Documents with Hypergraph Neural Network domain ★★★

Takara TLDR - Daily AI Papers

複雑な推論の特性評価、評価、および最適化

複雑な推論の品質を、効率性と有効性の観点からME^2原則を用いて特徴づける方法を提案。推論トレースを有向非巡回グラフ(DAG)としてモデル化し、DAGベースのペアワイズ評価手法を開発。 TRM-Preferenceデータセットと思考報酬モデル(TRM)を構築し、評価と最適化に活用。実験により、思考報酬が成果とパフォーマンス向上に寄与することを確認。

Action: LRMの推論トレースをDAGとして可視化・評価する手法を調査し、自身のプロジェクトにおける推論品質向上に応用する可能性を検討する。

Original: Characterizing, Evaluating, and Optimizing Complex Reasoning domain ★★★

Takara TLDR - Daily AI Papers

Modalities、大規模LLMトレーニングと研究のためのPyTorchネイティブフレームワーク

LLMの事前学習や研究では、計算コストの高い大規模なアブレーションスタディが一般的だが、既存フレームワークのツールは限定的。提案された「Modalities」は、PyTorchネイティブなエンドツーエンドフレームワークであり、最先端の並列化戦略とモジュラー設計により、大規模（兆トークン、数十億パラメータ）な事前学習と再現性・拡張性の高い実験を可能にする。これにより、研究者はカスタムスクリプト作成の手間を省き、効率的かつ網羅的なLLMの研究開発を進めることができる。

Action: LLMのトレーニングや研究プロジェクトにおいて、Modalitiesフレームワークの導入を検討し、その効率性と再現性の向上効果を検証する。

Original: Modalities, a PyTorch-native Framework For Large-scale LLM Training and Research domain ★★★

Takara TLDR - Daily AI Papers

PRISM: ゲイン分解を介したマルチエージェント推論のための原則的フレームワーク

既存のマルチエージェント協調手法は経験則的であり、性能向上の原理的な指針を欠いている。論文では、ゲインを探索（Exploration）、情報（Information）、集約（Aggregation）に分解する統一理論フレームワークを提案し、これらの次元を共同で最大化するPRISM（Propose-Review-Integrate Synthesis）を提唱している。 PRISMは、数学的推論、コード生成、関数呼び出しなどのベンチマークで最先端の性能を、計算効率良く達成し、将来のマルチエージェント推論システムに実用的な設計原則を提供している。

Action: PRISMフレームワークの原理を理解し、自身のLLMマルチエージェントシステム設計に活かす。

Original: PRISM: A Principled Framework for Multi-Agent Reasoning via Gain Decomposition domain ★★★

Takara TLDR - Daily AI Papers

推論モデルは、いつ思考を止めるべきかを暗黙的に知っているか？

大型推論モデル（LRM）のCoT（思考連鎖）は、冗長性による非効率性やリアルタイムアプリケーションでの遅延を引き起こす。 LRMは、現在のサンプリング手法によって隠蔽されている、思考を停止する適切なタイミングを暗黙的に知る能力を持つ。 SAGE（自己認識型ガイド付き効率的推論）とSAGE-RL（強化学習との統合）は、LRMの効率性と精度を数学的ベンチマークで向上させる新しいパラダイムである。

Action: LRMの効率的推論能力を解き放つSAGEやSAGE-RLといった新しいサンプリングパラダイムの適用可能性を調査し、効率的なAIモデル開発に活かす。

Original: Does Your Reasoning Model Implicitly Know When to Stop Thinking? domain ★★★

Takara TLDR - Daily AI Papers

強化学習的推論：不確実性を活用した自己修正型言語モデル推論

LLMの推論能力を向上させる「強化学習的推論」を提案。モデル自身の不確実性を検知し、必要に応じて再推論を行うことで、再学習なしに精度を大幅に向上させる。この手法は、モデルの潜在的な推論能力を測定・拡張する新たなパラダイムを示唆する。

Action: LLMの推論精度向上のため、不確実性を活用した推論戦略（強化学習的推論など）の実験的導入を検討する。

Original: Reinforcement Inference: Leveraging Uncertainty for Self-Correcting Language Model Reasoning domain ★★★

Takara TLDR - Daily AI Papers

PTS-SNN：効率的な音声感情認識のためのプロンプトチューニングされた時間シフトスパイクニューラルネットワーク

従来の音声感情認識（SER）モデルは計算コストが高いですが、SNNはエネルギー効率が良いものの、SSLとの分布不一致が課題でした。 PTS-SNNフレームワークは、時間シフトスパイクエンコーダーとコンテキスト認識膜電位キャリブレーションを用いて、SSLとスパイクダイナミクスを整合させ、ドメインギャップを埋めます。 PTS-SNNは、少ない訓練可能パラメータと推論エネルギーで、従来のANNに匹敵する精度を達成し、エッジデバイスでのSERに適しています。

Action: PTS-SNNのアーキテクチャを調査し、リソース制約のある環境での音声感情認識への応用可能性を検討する。

Original: PTS-SNN: A Prompt-Tuned Temporal Shift Spiking Neural Networks for Efficient Speech Emotion Recognition domain ★★★

Takara TLDR - Daily AI Papers

クリーギングと大規模ニューラルネットワークの関連性

本稿では、空間統計学（クリーギング、ガウシアンプロセス回帰）とAI/機械学習モデル（ニューラルネットワーク）の関係性を探求します。確率論的アプローチとブラックボックスモデルという一見異なるアプローチですが、両者には強い関連性があります。これらの関係性を理解することで、機械学習モデルの解釈性、信頼性、空間認識能力の向上が期待できます。

Action: AIプロジェクトにおける空間データ分析にガウシアンプロセス回帰の適用を検討する。

Original: The Connection between Kriging and Large Neural Networks domain ★★★

ITmedia NEWS 最新記事一覧

日本発のAI VTuber「しずく」開発元、米VC大手a16zから資金調達

日本発のキャラクターAIスタートアップ「Shizuku AI」が、米VC大手a16zから資金調達を発表しました。これはa16zにとって日本関連の初投資です。 AI VTuber「しずく」の開発元である同社への注目が集まっています。

Action: AI VTuber技術の動向を調査し、関連する開発リソースを収集する。

Original: 日本発のAI VTuber「しずく」開発元、米VC大手a16zから資金調達 domain ★★

Zennの「大規模言語モデル」のフィード

LLM の出力は信用するな — Claude API で PDF→Anki 自動生成 CLI を作って学んだ 6 つの防御策

Claude API を用いて PDF から Anki カードを自動生成する CLI ツール `pdf2anki` を開発する過程で、LLM の出力に対する 6 つの防御策を学んだ経験を共有。 TDD や ECC 環境を活用しつつ、アプリ本体よりもコンテンツの問題が重要であったことを強調。生成された LLM 出力を鵜呑みにせず、信頼性を確保するための実践的な教訓を提供。

Action: LLM の出力を鵜呑みにせず、Claude API を利用した PDF→Anki 自動生成 CLI 開発で学んだ 6 つの防御策を参考に、API 連携時の入力・出力検証やエラーハンドリングを実装する。

Original: LLM の出力は信用するな — Claude API で PDF→Anki 自動生成 CLI を作って学んだ 6 つの防御策 domain ★★★

Zennの「大規模言語モデル」のフィード

Claude Code のコンテキストウィンドウの内訳と効率的な使い方

Claude Codeでのセッション後半の指示忘れやパフォーマンス低下は、コンテキストウィンドウの枯渇が原因の可能性が高い。開発者は`CLAUDE.md`などに指示を追記しがちだが、コンテキストの使われ方を理解せずにいると非効率になる。この記事では、コンテキストウィンドウの内訳を調査し、効率的な使用方法を解説する。

Action: Claude Codeのコンテキストウィンドウを効率的に活用するための調査と実践。

Original: Claude Code のコンテキストウィンドウの内訳と効率的な使い方 domain ★★★

Zennの「大規模言語モデル」のフィード

MulmoCast 新機能 - Markdownから動画へ、AIクエリ＆要約

MulmoCast-Slidesとmulmocast-preprocessorに、2026年2月4日から10日にかけて新機能が追加されました。主な機能として、Markdownから動画への変換、AIによるクエリ機能、および要約機能が導入されました。これらの新機能は、コンテンツ作成や情報処理の効率化に貢献することが期待されます。

Action: MulmoCastの新機能（Markdownから動画、AIクエリ、要約）について調査し、自身の開発ワークフローへの統合可能性を評価する。

Original: MulmoCast New Features - Markdown to Video, AI Queries & Summaries domain ★★

Zennの「大規模言語モデル」のフィード

MulmoCast 2月の新機能 - Markdownから動画生成、AIで対話・要約

MulmoCast-Slidesおよびmulmocast-preprocessorに、2月初旬（2/4-2/10）に大規模な機能追加が実施されました。主なテーマは、MulmoScriptへのメタデータ・バリアント・出力プロファイル追加（ExtendedScript）、Markdownからの動画生成パイプライン、AIによる対話・要約機能の強化です。これらの機能追加は、その必要性と具体的な使用方法とともに紹介されています。

Action: MulmoCastの新機能（Markdown→動画生成、AI対話・要約）を調査し、trendプロジェクトにおけるレポート生成やコンテンツ配信への応用可能性を検討する。

Original: MulmoCast 2月の新機能 - Markdownから動画生成、AIで対話・要約 domain ★★

Zennの「大規模言語モデル」のフィード

信じない。徹底検証。品質絶対のAI開発技術

AIコーディング技術は進歩したが、生成されるコードはバグが多く、存在しないAPIを呼び出すなど品質に問題がある。「寝ている間に高品質なプロダクトが完成する」という理想とは裏腹に、現実は修正が必要なコードが多い。 AI開発においては、徹底的な検証と品質への絶対的なこだわりが不可欠である。

Action: AIが生成したコードは、そのまま利用せず、必ず徹底的なテストとレビューを実施し、品質を保証するプロセスを導入する。

Original: 信じない。徹底検証。品質絶対のAI開発技術 domain ★★★

Zennの「大規模言語モデル」のフィード

RAGの本質は評価にある — “動くRAG”から“運用できるRAG”へ

RAG（Retrieval-Augmented Generation）は普及しているが、PoC後の「本番運用」で品質測定や失敗定義の困難さに直面するチームが多い。改善が個人の勘に依存し、ログを意思決定に活かせないといった属人化の問題が発生している。 RAGの本質は検索精度だけでなく、運用可能な状態にするための「評価」にある。

Action: RAGシステムの品質を定量的に評価するためのフレームワークを構築し、運用を標準化する。

Original: RAGの本質は評価にある — “動くRAG”から“運用できるRAG”へ domain ★★★

Zennの「大規模言語モデル」のフィード

LLM開発で消耗してる人へ：DSLで開発速度10倍にした話

LLMの確率的生成は、再現性やデバッグの困難さから業務開発に適さない。 DSLとスキーマ検証を導入することで、LLMの出力を決定論的に制御し、開発速度を10-15倍、エラー率を90-95%削減できる。本記事では、Workflow DSLの設計パターンに焦点を当て、LLM開発の課題解決策を提示する。

Action: LLM開発における再現性とデバッグの課題に対処するため、DSL（ドメイン固有言語）の導入を検討し、Workflow DSLの設計パターンについて学習する。

Original: LLM開発で消耗してる人へ：DSLで開発速度10倍にした話 domain ★★★

Zennの「大規模言語モデル」のフィード

LLM マルチモーダルモデルプロンプトエンジニアリング攻略ガイド 2026年Q1 — 曖昧な指示から卒業し強固なプロンプト手法でぶん殴る

プロンプトエンジニアリングは、AIへの指示の伝え方を工夫することで、コード不要で出力品質を向上させる技術です。本記事では、実務で活用できる15種類のプロンプト手法を、具体的な業務シナリオと共に解説しています。 Few-shot、Structured Outputs、Delimiters、Chain of Thoughtなどの手法で、出力フォーマットの安定化や複雑な推論の精度向上を目指します。

Action: LLMのプロンプトエンジニアリング手法（Few-shot, Chain of Thoughtなど）を学習し、実際の開発業務での出力品質向上に活用する。

Original: LLM マルチモーダルモデルプロンプトエンジニアリング攻略ガイド 2026年Q1 — 曖昧な指示から卒業し強固なプロンプト手法でぶん殴る domain ★★★

Zennの「大規模言語モデル」のフィード

Claude Codeがベクトル検索を採用しなくなった理由

Claude Codeが初期バージョンのRAGとローカルベクトルDBから、agentic search(Agentic RAG)へ移行した理由を解説。 agentic searchは、シンプルさ、セキュリティ、プライバシー、情報の鮮度、信頼性において優れていると判断された。この移行は、より効果的で堅牢な検索メカニズムの追求を示唆している。

Action: agentic search (Agentic RAG) の仕組みと、ベクトル検索と比較した場合の利点について調査し、自身のプロジェクトへの応用可能性を検討する。

Original: Claude Codeがベクトル検索を採用しなくなった理由 domain ★★

Zennの「機械学習」のフィード

OpenAI Whisper モデルを NxD Inference で動かす

OpenAI WhisperモデルをNxD Inferenceで動作させる方法について解説。 AWS Trainium/Inferentiaでの音声認識(STT)サービングを対象読者とし、AWS NeuronやTransformersの知識が前提。 Hugging Faceの無料コース「Audio Course - Chapter 5: Automatic Speech Recognition」を音声認識技術（Whisper含む）の学習に推奨。

Action: AWS NeuronとTransformersの基礎知識を習得し、Hugging FaceのAudio CourseでWhisperモデルのサービング方法を実践的に学ぶ。

Original: OpenAI Whisper モデルを NxD Inference で動かす domain ★★★

Zennのトレンド

Claude Codeがベクトル検索を採用しなくなった理由

Claude Codeの初期バージョンはRAGとローカルベクトルDBを使用していた。 Agentic search（Agentic RAG）の方が概ね優れていることが判明した。 Agentic searchはシンプルで、セキュリティ、プライバシー、情報の鮮度、信頼性に優れる。

Action: Agentic search（Agentic RAG）の仕組みと利点を調査し、自身のプロジェクトへの応用可能性を検討する。

Original: Claude Codeがベクトル検索を採用しなくなった理由 domain ★★

Zennのトレンド

Claude Code Agent Teams を使ってわかったチーム設計の勘所と自動化の限界

Claude Codeに、複数のエージェントをチームとして同時に動かす実験的機能「Agent Teams」が登場。この機能により、開発・テスト・レビューを並列で実行可能。 Agent Teamsを本格的に活用するには、チーム編成の設計が重要であり、これがボトルネックになる可能性がある。

Action: Agent Teamsを有効化した後、Claudeにチーム作成を指示し、タスクとチーム構造を自然言語で説明してください。

Original: Claude Code Agent Teams を使ってわかったチーム設計の勘所と自動化の限界 domain ★★★

Zennのトレンド

効果的なCLAUDE.mdの書き方

CLAUDE.md は Claude Code の性能を最大化するための重要な設定ファイルです。プロジェクトルートに配置され、セッション開始時に自動的に読み込まれます。 LLM のセッション間記憶がないため、コーディング規約やビルドコマンドなどを記述してコンテキストを維持するために使用されます。

Action: Claude Code を使用する開発者は、本記事を参考に CLAUDE.md ファイルを作成または更新し、コーディング規約やビルドコマンドを記述して、セッション間のコンテキストを最適化してください。

Original: 効果的なCLAUDE.mdの書き方 domain ★★

Zennのトレンド

Gemini × NotebookLM 連携で「自分専用エージェント」を量産する：蓄積した履歴を血肉化する究極の活用術

GeminiとNotebookLMを連携させ、チャット履歴を基に「自分専用エージェント」を効率的に作成する方法を解説。蓄積された履歴を「血肉化」し、単なる検索から文脈を理解した対話へと進化させる活用術を紹介。専門家（エージェント）として日々の業務に活用できるレベルまで効率化することを目指す。

Action: Geminiのチャット履歴をNotebookLMにインポートし、自身で「自分専用エージェント」を作成して、その対話能力を試してみる。

Original: Gemini × NotebookLM 連携で「自分専用エージェント」を量産する：蓄積した履歴を血肉化する究極の活用術 domain ★★★

Zennのトレンド

Claude16台で10万行のCコンパイラを作った論文を読んで、「いや答えあるじゃん」と思った話

AnthropicのエンジニアがClaude 16台を2週間並列稼働させ、2万ドルで10万行のRust製Cコンパイラを開発しました。このコンパイラはLinux 6.9のブート、GCCテストスイートの99%パス、DoomやFFmpegなどのコンパイルに成功しました。筆者は、AI開発の進捗を見て「既に答えがある」と感じたと述べています。

Action: AnthropicがAIを用いてCコンパイラを開発した手法を調査し、自身の開発プロセスへの応用可能性を検討する。

Original: Claude16台で10万行のCコンパイラを作った論文を読んで、「いや答えあるじゃん」と思った話 domain ★★★

機械学習タグが付けられた新着記事 - Qiita

AI for Science #26：Claude Code × RDKit × scikit-learn で分子毒性予測パイプラインを構築してみた

Claude Code、RDKit、scikit-learn を用いた分子毒性予測パイプライン構築について解説。創薬プロセスにおける候補化合物の毒性評価の重要性と、計算化学的アプローチによる効率化の可能性。動物実験などに先立つ事前スクリーニングで、コストと時間を削減するアプローチ。

Action: 分子毒性予測パイプラインの構築方法を調査し、自身のプロジェクトへの応用可能性を検討する。

Original: AI for Science #26：Claude Code × RDKit × scikit-learn で分子毒性予測パイプラインを構築してみた domain ★★

機械学習タグが付けられた新着記事 - Qiita

AI for Science #24：Claude Code × scikit-learn でがん遺伝子発現データの分類と生存解析を実行してみた

がん遺伝子発現データに対し、AI（Claude Code）と機械学習（scikit-learn）を用いた分類・生存解析の実行について解説。 EDA、特徴量選択、次元削減、分類、生存解析といった多段階パイプライン構築のプロセスに触れている。バイオインフォマティクス初学者がこれらのパイプラインを構築する際の課題に言及。

Action: Claude Codeとscikit-learnを用いて、がん遺伝子発現データで分類と生存解析を試す。

Original: AI for Science #24：Claude Code × scikit-learn でがん遺伝子発現データの分類と生存解析を実行してみた domain ★★

LLMタグが付けられた新着記事 - Qiita

【衝撃】16体のClaudeが$20,000でLinuxコンパイラを自作！Agent Teamsの全貌を完全解説

Anthropicの研究者 Nicholas Carlini 氏が、16体のClaude Opus 4.6エージェントが自律的にLinuxコンパイラを2週間で構築した衝撃的な実験結果を発表しました。この「Agent Teams」という概念は、AIが人間なしで複雑なタスクを協力して達成できる可能性を示唆しています。実験には2万ドルのコストがかかりましたが、AIの自律的な開発能力の進展を示す重要なマイルストーンです。

Action: AIエージェントの自律的な協調開発の可能性について調査し、自身の開発ワークフローへの応用を検討する。

Original: 【衝撃】16体のClaudeが$20,000でLinuxコンパイラを自作！Agent Teamsの全貌を完全解説 domain ★★★

LLMタグが付けられた新着記事 - Qiita

Claudeの CLAUDE.md / Skills / Slash Commands / Plugins 整理

Claudeにおける類似概念（.mdファイル、スキル、コマンド）の役割、保存場所、フォルダ構造、スコープの違いを明確にする。単なる概念の違いだけでなく、具体的な整理方法まで解説し、混乱を解消する。エンジニアがClaude関連リソースを体系的に管理するための実践的な指針を提供する。

Action: Claudeのファイル管理に関する整理方法を学習し、自身の開発環境やプロジェクトにおける .md ファイル、スキル、コマンドの配置と管理に適用する。

Original: Claudeの CLAUDE.md / Skills / Slash Commands / Plugins 整理 domain ★★

LLMタグが付けられた新着記事 - Qiita

LLM の出力は信用するな — Claude API で PDF→Anki 自動生成 CLI を作って学んだ 6 つの防御策

LLM の出力を鵜呑みにせず、Claude API を用いて PDF から Anki カードを自動生成する CLI ツールを開発する過程で学んだ6つの防御策について解説。開発初心者でも PDCA を回しながら実用的なツールを構築する経験談。 LLM を活用した開発における注意点と実践的な対策。

Action: Claude API を用いた PDF→Anki 自動生成 CLI の開発プロセスと、LLM 出力に対する防御策について調査・実装する。

Original: LLM の出力は信用するな — Claude API で PDF→Anki 自動生成 CLI を作って学んだ 6 つの防御策 domain ★★★

LLMタグが付けられた新着記事 - Qiita

Amazon Bedrock × Next.jsでAIチャットアプリを作ってみた【サーバーレス構成】

Amazon BedrockとNext.jsを活用し、AIチャットアプリを開発。サーバーレス構成により、チャット機能の仕組みを理解。 AWSサービスを組み合わせて実践的なアプリケーションを構築。

Action: Amazon BedrockとNext.jsを用いたサーバーレスAIチャットアプリの構築手順を調査し、自身のプロジェクトに適用する。

Original: Amazon Bedrock × Next.jsでAIチャットアプリを作ってみた【サーバーレス構成】 domain ★★★

Qiita - 人気の記事

実機不要！「Gemini Robotics」で学ぶフィジカルAI入門①〜物体の座標を特定〜

Google DeepMind が公開したフィジカルAIモデル「Gemini Robotics-ER 1.5」のハンズオン手順を紹介。実機が不要で、フィジカルAIの概念と物体の座標特定方法を学べる入門記事。 Physical AI の重要性と具体的な活用方法についての解説。

Action: Gemini Robotics-ER 1.5 のハンズオン手順を試して、物体の座標特定を体験してみる。

Original: 実機不要！「Gemini Robotics」で学ぶフィジカルAI入門①〜物体の座標を特定〜 domain ★★★

Qiita - 人気の記事

【Generative UI】StrandsAgents + CopilotKit 構成のAIエージェントにMCP Appsを組み込んでみる

MCPの拡張機能「MCP Apps」が2026年1月27日頃にリリースされ、AIエージェントとの対話中に動的なUI表示が可能になりました。これにより、テキストベースだけでなく「Generative UI」が実現され、チャットアプリでの体験が向上します。本記事では、StrandsAgents + CopilotKit構成のAIエージェントにMCP Appsを組み込む方法を探ります。

Action: 「MCP Apps」をStrandsAgents + CopilotKit構成のAIエージェントに組み込み、Generative UIの可能性を検証してみる。

Original: 【Generative UI】StrandsAgents + CopilotKit 構成のAIエージェントにMCP Appsを組み込んでみる domain ★★

Qiita - 人気の記事

【個人開発】暗記学習を「言葉探しゲーム」に変えるWebゲーム風アプリを開発しました（Rails）

未経験Webエンジニアを目指すMO氏が、RUNTEQ卒業制作としてRailsで「NeuroWord」というWebアプリを開発。暗記学習を「言葉探しゲーム」風に楽しく学べるように工夫されている。個人開発で実践的なWebアプリケーション開発スキルを習得する事例。

Action: Railsで開発された、暗記学習をゲーム化するWebアプリ「NeuroWord」の個人開発プロジェクトを調査し、学習のヒントを得る。

Original: 【個人開発】暗記学習を「言葉探しゲーム」に変えるWebゲーム風アプリを開発しました（Rails） domain ★★

Qiita - 人気の記事

【Rails】モデルの上にDBの設計情報が出てくる？ annotateが便利なんだ

annotateとは、Railsモデルの上にDBの設計情報を自動で追記してくれるGemです。実行すると、モデルクラス定義の前に`# == Schema Information`としてテーブル名やカラム情報などが挿入されます。開発者がDB設計情報を手動で管理する手間を省き、コードの可読性を高めるのに役立ちます。

Action: Railsプロジェクトに`annotate` Gemを導入し、モデルファイルにDBスキーマ情報を自動生成させる。

Original: 【Rails】モデルの上にDBの設計情報が出てくる？ annotateが便利なんだ domain ★★

Qiita - 人気の記事

Slack から Claude Code に直接コード修正を依頼してみた

Claude CodeはSlack連携機能を備えており、Slack経由で操作可能です。本記事では、コード修正やPull Request作成といった開発タスクをSlackから指示した場合の挙動を検証します。 AIエージェントとの連携による開発ワークフローの効率化の可能性を探ります。

Action: Slack連携を介してAIエージェントにコード修正やPull Request作成を指示するワークフローを試してみる。

Original: Slack から Claude Code に直接コード修正を依頼してみた domain ★★★

Qiita - 人気の記事

10分で作る生成AIアプリケーション入門（GAS＆Vertex AI）

Google Apps Script (GAS) と Vertex AI を使用して、生成AIアプリケーションを簡単に構築する方法を解説します。プログラミング初心者でも10分程度で実装できるハンズオン形式の記事です。英語のテックニュースレター「TLDR」を例に、具体的なアプリケーションの実装例を示します。

Action: GASとVertex AIを使って、TLDRニュースレターを処理する生成AIアプリを実際に作ってみる。

Original: 10分で作る生成AIアプリケーション入門（GAS＆Vertex AI） domain ★★

Qiita - 人気の記事