本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明造影前フレーム差分を用いた自己学習による、X線冠動脈造影のセンター横断血管セグメンテーション
要約本論文は、冠動脈X線造影画像の血管セグメンテーションモデルが、学習時に含まれなかった施設のデータで性能が低下する問題を扱っています。nnU-Netの予測と造影前フレームの差分から得た造影マップを組み合わせて擬似ラベルを作成し、追加の手動アノテーションなしで自己学習を行いました。外部データセットでは性能が改善しましたが、その効果は初期擬似ラベルを生成したモデルの感度に大きく左右されることが示されています。
説明MAServeBench：階層的協調ワークロードによるマルチエージェントLLMサービングシステムのベンチマーク
要約本論文は、マルチエージェント型大規模言語モデルのサービングシステムを評価するためのベンチマーク「MAServeBench」を提案している。エージェント間の協調方式を設定可能なワークロードの次元として扱い、構成可能な段階によってエージェントがどのように調整し文脈をやり取りするかを再現する。また、実行された操作と依存関係を保持して再現可能な比較を可能にし、サービング効率が必ずしもタスクの適時完了につながらない理由を、GPU/NPUの挙動と関連づけて示す。
説明DolphinRouting：分離型LLM推論サービング向けのクラスタ単位二値ルーティング
要約本論文は、prefillとdecodeを分離した大規模言語モデル推論サービングにおいて、リクエストの経路を選ぶDolphinRoutingを提案する。プロンプト長、両ワーカープールでのキャッシュ調整後の入力長、出力長でリクエストをクラスタリングし、各クラスタに対してローカルかリモートでprefillを行うかの二値行動をオフラインの方策探索で学習する。実クラスタでの評価では、混合負荷と実データにおいて、k-meansを用いた場合、Dynamoと比べてP90 TTFTが5.7〜7.9%、P90 TPOTが2.6〜10.1%低下したと報告している。
説明取り外し可能な品目を持つオンラインナップサック問題における再挿入と上限サイズの活用
要約本論文は、品目が順に到着し即座に受理か拒否を決めて、容量に制限のあるナップサックに入れた品目の総サイズを最大化するオンライン無重みナップサック問題を扱う。既に受理した品目の取り外しを認めたうえで、品目サイズの上限を既知とする場合と、以前に拒否した品目を再挿入できる場合を併せて検討している。これらの条件下での競合比について上界と下界を示し、さらに上限を事前に知らなくても比較可能な性能保証を得られる適応的オンラインアルゴリズムを提案している。
説明受理されたトークンのみが数えられる：レイテンシ目標下での投機的デコーディングのエネルギー会計
要約本論文は、大規模言語モデルの推論における投機的デコーディング（speculative decoding）のエネルギー消費を検証している。ドラフトモデルが複数の後続トークンを予測し、対象モデルが一度の順伝播で検証するため、省エネ効果は受理されるトークン数に依存する。H100およびH200 GPU上で、SGLang環境により最大バッチサイズ64、5つのコーパスを用いて測定した結果、バッチが大きくなるほど効果が縮小し、高バッチでは逆に消費電力が増えることが示された。
説明LoRe-MIM：全身PET/CTのための自己教師あり表現学習手法（マスク画像再構成によるマルチモーダル特徴の学習）
要約全身PET/CTの深層学習では注釈の不足が課題となっており、本論文は6,531件の全身スキャンを含む多トレーサー・多施設データセットを構築し、自己教師あり学習の枠組みLoRe-MIMを提案している。この手法は、画像領域をゼロで置き換える（Lost）か、対応する別の撮像モダリティで置換する（Replaced）マスク戦略により、マルチモーダル表現をマスク画像再構成で学習する。学習済み表現を、マルチモーダル再構成、がんと非がんのパッチ分類、全身病変のセグメンテーション、少ラベル学習、頑健性評価などの下流タスクで評価し、対応する最先端のベースラインを上回る結果を示している。
説明ポテンシャル誘導型サブ軌道バランスによる潜在経路探索
要約本論文は、言語モデルの連続潜在推論において、相対的回答ポテンシャルとサブ軌道バランス（Subtrajectory Balance）を組み合わせて確率的な潜在探索を学習するSubLATを提案しています。モデルは回答監督、CoT監督、表現蒸留を併用して訓練されます。算術および演繹推論の実験では、サンプリング予算の増加に伴い解の網羅率が向上し、一部の構造的分布外ベンチマークでも改善が見られたと報告されています。
説明潜在予測により感覚誘発fMRIで被験者間に整列可能な表現を得る
要約本論文は、結合埋め込み予測アーキテクチャ（JEPA）を脳データのみで学習する自己教師あり手法に改良し、被験者ごとのエンコーダを訓練する。エンコーダは刺激画像を一切見ない。Natural Scenes Dataset（NSD）で、脳キャプション生成と画像再構成において、画像と言語データを用いる教師あり手法に匹敵する性能を示した。さらに、画像や共有刺激を使わずに被験者間のエンコーダを完全に教師なしで整列でき、整列後の解読ヘッドは微調整なしで別の被験者に適用しても被験者内性能の大部分を保つことを報告している。
説明近傍エリート：質問応答における不確実性定量化のための品質多様性探索
要約大規模言語モデルが誤った回答を正答と区別しにくく出力する問題に対し、本論文は品質多様性探索を用いて入力摂動の近傍を構成する手法「近傍エリート（NE）」を提案する。編集の種類と文脈が答えを支持する明示性という二つの軸に沿って、答えを変えない言い換えを生成する。五つの抽出型質問応答データセットと五つの指示チューニング済みLLMで評価したところ、NEは多くの組み合わせで他の近傍構成法より失敗検出に優れ、デコーダサンプルに基づく意味エントロピーをも上回った。
説明TaskFrame：タスクレベルの計画とフレームレベルの制御を結ぶゲームエージェント向けフレームワーク
要約本論文は、ゲームエージェントのための階層型プランナー・コントローラ枠組みTaskFrameを提案しています。視覚言語タスクプランナーが高レベルの目標を順序立った原子命令に分解し、コントローラーは現在の目標と直近の観測から、毎ステップのキーボード・マウス操作とカメラ移動を予測します。Minecraftでの実験では、命令分解で汎用視覚言語モデルと競合し、閉ループ評価では評価されたベースラインより高い戦闘成功率を示しました。
説明MS/MSの証拠から適応的分光キャラクタリングへ：候補分子構造に導かれた強化学習
要約本論文は、既存のタンデム質量分析（MS/MS）の証拠を用いて、追加の測定が必要かどうか、どの測定を要求するか、いつ停止するかを決定する構造情報付き深層Qネットワーク（SI-DQN）を提案している。モデルはMS/MS、赤外（IR）、核磁気共鳴（NMR）のシミュレーションスペクトルを含む多モーダル分光データセットで評価され、少ない追加測定回数でTop-1精度と複合損失の改善が示された。
説明対話的な高速道路交通における自動運転トラックの短期予測制御のための学習型終端コスト
要約本論文は、大型自動運転トラックの高速道路走行を対象に、モデル予測制御（MPC）と強化学習（RL）を組み合わせたハイブリッド枠組みを提案している。有限時間幅のMPCを動的計画法で解き、終端コストの推定には事前学習したRLモデルを用いる。反応的な周辺交通を含むシミュレーション環境で、終端コストをゼロとする純粋なMPC、基本方策による終端コスト推定を用いたロールアウト、純粋なRLと比較評価している。結果として、ハイブリッド手法は衝突ゼロを達成し、全構成の中で最も低いコストを示した。
説明要件が相互に影響するとき：相互依存する仕様による長期的なコーディングのスケーリング
要約本論文は、リアルな開発者の事例を種として、相互依存する豊富な仕様を持つタスクを合成するフレームワークCodeSpecWeaveを提案しています。合成エージェントと審査エージェントがテストの信頼性を確保しながらタスクを生成し、2,865のリポジトリにまたがる4,670の学習タスクを構築しました。これらのタスクで強化学習を行うと、DeepSWE-v1.1においてベースモデルを大きく上回る性能向上が示されています。また、100タスク・1,044仕様からなるベンチマークCodeSpecWeave-Benchも公開されています。
説明検証付き合成データの統計解析：線形回帰の枠組み
要約本論文は線形回帰の枠組みで、事前学習済み推定器が生成したノイズ付き合成データを検証器が閾値で選別し、採用されたサンプルで全パラメータまたは一部のパラメータを微調整する検証付き自己学習を研究しています。検証閾値、生成ノイズ、事前学習誤差の相対的な大きさに応じた四つの場合について有限標本のリスク上界を導き、予測リスクへの影響を分析しています。
説明ドップラースペクトルから対地速度を推定し信頼度も出す手法（再構成ベース表現学習）
要約本論文は、鉄道などの移動体プラットフォーム向けに、地上向きドップラースペクトルから対地速度と各フレームの信頼度を推定する手法を提案している。自己符号化器の再構成タスクの考え方を応用し、その潜在特徴の上に速度推定ヘッドを追加する。推論時は再構成デコーダを省き、軽量な信頼度ヘッドを加え、ノイズ付加学習も用いる。実験では、従来の基準手法より速度推定精度が向上し、厳しい信号条件下でも個々の予測の信頼性を示す信頼度が得られたとされている。
説明ランダム化された専門家レビューを用いたコンフォーマル注釈：オンライン細胞型ラベリングへの応用
要約本論文は、AI支援による細胞型注釈のためのCAREDフレームワークを提案する。データ分布が変化する状況で、各バッチから一部の症例をランダムに抽出して専門家がレビューし、その結果を後続の判断の校正に用いる。定常性や交換可能性の仮定なしに長期的な累積誤差の制御を示し、膵臓、肺、卵巣の注釈ストリームでの実験では、細胞の最大70%が専門家レビューを経ずに処理された。
説明マルチモーダルRLVRのための分布的報酬校正と予算中立のクレジット割り当て
要約本論文は、GRPOにおける優位性推定を、サンプル単位のベースライン化とトークン単位のクレジット割り当ての二段階に分けて扱うTACE手法を提案します。第一段階では一次元の最適輸送写像で報酬を標準正規分布に変換し、タスク間で共通の分布を用いて外れ値を抑えます。第二段階ではトークン重みを順位で校正し平均1に再正規化することで、クレジットの総量と符号を保ちます。多数のベンチマークで最良の結果を示しましたが、すべての設定で優れているわけではありません。
説明反応先例により逆合成予測を訓練範囲の外へ広げる
要約本論文は、逆合成予測において検索される反応先例が、タスク固有の訓練範囲の不足をどこまで補えるかを検討している。271万件の反応データを用い、転換の種類または時期で訓練と検索の範囲を制限したうえで、モデルのパラメータは固定したまま検索用コーパスのみを拡張した。その結果、訓練から除外された転換では正答率が大きく向上し、先例を用いた場合は14の汎用モデルすべてが改善し、最も良い結果は8つの専用モデルを上回った。
説明大規模言語モデルで誘導される四足ロボットの平面ロコマニピュレーション
要約障害物が動かせる雑然とした環境では、目標に到達するために物理的な相互作用が必要になる場合があるという問題を扱います。論文は、言語で条件付けされたタスクプランナーが、パラメータ化された行動の系列を生成し、それを低レベルの強化学習ポリシーが実行する手法を提案しています。プランナーは合成データでLoRA微調整され、古典的プランナーやプロンプト型のフロンティアモデルより優れた結果を示しました。低レベルでは、全身の平面プッシングをエンドツーエンドで学習するポリシーを提案し、シミュレーションでの成功率は93.3%で、階層型ベースラインの83.5%を上回りました。
説明EnvOS：環境が変化する状況でコンピュータ操作エージェントを監査するフレームワーク
要約本論文はEnvOSを提案し、タスク実行中に変化する環境を構築・認証する手法を示す。実行前に変化が正しく発生するか、タスクが解けるか、採点が正誤を区別できるかを確認し、実行後は保存された証拠から判定を再検証する。古い情報を扱う場面で、診療予約と保険金請求の2種類のタスクで複数の大規模言語モデルを評価し、変化に気づけるかはモデルとインターフェースによって異なることを示している。
説明『同一バッチでの判定：文脈内バッチ処理によりLLMの判定が他の項目に依存する』
要約コスト削減のため、独立した複数項目を一つのプロンプトで同時に採点させる手法が、判定の結果に影響するかを検証した論文です。三つの判定タスクと4〜9Bパラメータの公開モデル5種で、同じ2,000項目を異なるランダムバッチに分けると、有害性と採点の判定の11〜22%が変化しました。主な原因は隣接項目の順序と位置にあり、順列ごとの多数決でも完全には消えません。論文は曖昧な項目は1件ずつ採点することや、バッチ処理時に単一項目採点との一致を報告することを推奨しています。
注目点一括評価により判定が同じバッチの他項目に依存することを示し、三タスク九モデルで翻転率を測定して成分に分解した。
説明ScienceJudge：文単位の科学的主張検証のためのパターン摂動データ拡張
要約本論文は、AIが生成した科学的段落の各文が、与えられたマルチモーダルな証拠に裏付けられているかを判定する課題を扱います。著者らはパターン摂動データ拡張（PPA）を提案し、報告の誤りを忠実性を損なう変換としてモデル化して困難な負例を作成します。これをもとに構築したScienceJudgeは、視覚言語予測器とLLM予測器を統合し、ローカル開発セットで平均スコアを0.8124から0.8692に向上させました。NLPCC 2026 Task 10 Track 1の公式順位表では、最終スコア0.6890で首位となりました。
説明アーカイブの活用：極めて低資源の言語のための文書からの大規模対訳抽出
要約本論文は、ウェブ上にほとんど存在しない言語について、言語学者が長年作成してきた文法書や辞書などのアーカイブ資料から翻訳例を抽出する手法を提案しています。OCRモデルと視覚言語モデル（VLM）を組み合わせたパイプラインで、認識された内容を視覚的レイアウト情報と対応させます。抽出した対訳データを20言語の翻訳システムの構築に用い、機械翻訳モデルの学習と大規模言語モデルのインコンテキスト学習の両方で有用性を示し、ゼロショット翻訳と比べて低資源・高資源言語へのchrF2++がそれぞれ15.78、6.94向上したと報告しています。
説明EpiAgent：LLMエージェントのための認識的セルフプレイ手法
要約本論文は、LLMベースのエージェントに学習可能な認識層を組み込むフレームワーク「EpiAgent」を提案している。この層は他者の私的情報に関する信念を保持し、それを既存の情報と組み合わせて行動選択用の認識状態を形成する。方法は方策を認識更新と行動計画の二段階に分け、双層最適化問題として定式化した認識的セルフプレイで交互に最適化し、推論された信念が後続の観測をどれだけ予測できるかを内発的予測報酬で評価する。混合・競争的な場面での実験において、プロンプトベースおよび強化学習ベースのベースラインを上回ったと報告されている。