JST
テキスト分析で自殺リスクを推定する、MIT開発ツール
・MIT のマッグリン脳研究所が言語処理ツールを開発。精神危機の相談時に利用者のテキストから自殺リスク信号を迅速に検出 ・カウンセラーが高リスク者を素早く特定でき、重点的なケアや介入の判断を支援 ・本文抜粋は限定的だが、研究は言語に含まれる心理的危機の指標をAIで自動認識する取り組み
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る180件
1 / 8ページ
- Source
- JSTSource
LLMはコード実行の動きを理由づけられるか：リポジトリレベルの動的ベンチマーク
・LLMがコード実行時の動作を推論する能力を測定する新しいベンチマーク「SWE-Flux」を提案。480個のインスタンスから構成。 ・既存ベンチマークはコードの静的理解に焦点が当たり、実行推論の評価が不十分だった課題に対応。 ・リポジトリレベル（複数ファイル・モジュール間の相互作用を含む）での動的実行推論能力を評価。
- JSTSource
Agensh：中央調整なしで1,024エージェントまで拡張可能なマルチエージェントシステム
・複雑なタスクを複数エージェントが並行実行することで遅延を削減するマルチエージェントシステムの研究。 ・既存フレームワークは中央オーケストレーターのボトルネックにより拡張性が制限される課題を指摘。 ・Agenshは中央調整者なしで自己組織化し、1,024エージェントまでスケーリング可能な新フレームワークを提案。 ・分散型アーキテクチャにより、タスク割り当てと並行実行の効率化を実現。
- JSTSource
多人数対話における話者中心の二重メモリ構造
・多人数対話での長期記憶管理には、単なる関連情報の検索を超えて誰が何を述べたかの識別が必須である。 ・既存の汎用LLMメモリシステムは人物・グループ関係の維持や統合に課題を抱えている。 ・本研究SpeakerMem-R1は話者中心の二重追跡メモリ構造を提案し、個人認識、相互関係、共有情報、状態変化の時系列追跡に対応。 ・多人数対話ベンチマークにおける既存手法の限界に対する改善を目指す。
- JSTSource
MCP エコシステムにおけるエージェント乗っ取り攻撃フレームワーク A2M の提案
・Model Context Protocol（MCP）を使用するAIエージェントが、セマンティックマッチング経由でツール選択する際のセマンティック供給チェーンリスクを指摘 ・攻撃フレームワーク「A2M」は2段階（Attraction/Manipulation）で機能し、攻撃者が制御するメタデータと出力を悪用 ・Attraction段階はツールメタデータを最適化して呼び出し確率を増加させ、Manipulation段階は実行トレースを活用...
- JSTSource
コーディング AI エージェントの設計要素の効果測定：実証研究
・コーディング AI エージェントの性能は、計画・実行方法・文脈管理といった設計要素に左右される。 ・従来研究では harness（システム構成）全体を単一の単位として評価していたため、個別要素の効果が不明確だった。 ・本研究は実行ループを固定し、三つの要素を独立に変更して、各要素が長期的なソフトウェア開発タスクに与える影響を測定する。 ・成果を詳細に検証できる軽量フレームワークを提供し、コーディング AI の設計改善に必要な知見をもた...
- JSTSource
対話環境でのAIエージェント強化：記憶と自己反省の認知拡張
・対話環境でのAIエージェントの脆弱性（長期的な状態追跡、行動実行、失敗からの回復）に対応する研究。 ・SwiftSageという二重処理エージェント（高速な行動提案と遅い計画立案の組み合わせ）を拡張。 ・適応型メモリモジュール（AMM）と自己反省モジュール（SRM）という2つの認知拡張を導入し、実行時の検証を実現。
- JSTSource
LLMが回答を控えるべき時とは：自己質問による選別的リスク管理
・大規模言語モデル（LLM）は不十分な根拠で流暢な回答を生成する問題に対処するため、Chain-of-Self-Questioning（CoSQ）という手法を提案。 ・CoSQは、回答に必要な情報を明示的に評価した上で、回答するかどうかを判断する条件付き回答フレームワーク。 ・TruthfulQA多肢選択検証セット（817項目）で、11種類のオープンウェイト・ホスト型モデルファミリーを対象に17条件で評価。
- JSTSource
多項概念の回復を測定するベンチマーク「MAxBench」
・言語モデルの解釈可能性研究で、二値的概念（拒否など）は単一の活性化方向で制御できるが、多項概念（動物や国など複数カテゴリ）の制御は表現空間の探索が大幅に複雑化する問題に対応 ・多項概念の幾何学的表現パターンを評価するためのベンチマーク「MAxBench」を提案 ・言語モデルの細粒度制御（ステアリング）の精度向上と検証方法の標準化を目指す
- JSTSource
全二重音声エージェントにおける重複発話への即時適応：継続・修正・譲歩の三択評価
・全二重通話型AI音声エージェントの評価で、従来は「話し続ける/止める」の二者択一に限定されていた。 ・人間は第三の対応「相手の発言を組み込みながら話し続ける」を日常的に使用している。 ・新評価指標「Duplex Cue」を提案し、リスナーの意図（補足・協調・割り込み）に応じた即時適応を測定。 ・実装により全二重エージェントの自然性と実用性が向上する可能性を示唆。
- JSTSource
大規模言語モデルの領域別ハルシネーション検出手法
・大規模言語モデル（LLM）が生成するテキストに含まれる不正確な主張（ハルシネーション）を検出するパイプラインを提案。 ・DeBERTa-v3の微調整分類、モンテカルロドロップアウト不確度定量化、温度スケーリング較正を組み合わせた多信号検出アプローチ。 ・HaluEvalベンチマークで一般領域タスクF1=0.915、AUROC=0.977を達成し、領域別タスクでも高精度を確保。 ・LLMの信頼性が求められる業務適用場面での品質管理に活用...
- JSTSource
AI電力化の課題は建築設計にある
・2026年7月、バージニア州Ashburnのデータセンター集約地で送電線故障により3GW以上が瞬時に遮断される事態が発生。 ・2年前には別の故障で1500MWが影響を受けており、単一障害が大規模均一負荷に同時影響する予測困難性が露呈。 ・AI時代のデータセンター電力インフラは従来の電力網設計では対応不可能な課題を抱えている。
- JSTSource
複数デバイス対応のGUIエージェント：動的タスク構成による統合制御の実現
・実務的なGUI操作は複数デバイス間でのワークフロー実行を要するが、既存の評価ベンチマークは単一デバイス・静的タスク中心である点を指摘 ・中間結果の転送、共有状態の維持、異種環境間の調整といった実装課題が未検証のままとなっている ・JarvisGUIは動的タスク構成により、複数デバイス・プラットフォーム間での統合的なGUI自動化を目指す研究
- JSTSource
創業者が低コスト・低排出の製鋼プロセスを開発
・19世紀以来変わらない高温炉での鉄鉱石精製プロセスに対し、新しい製鋼方法が登場 ・従来法は極度の高温で鉄鉱石を溶解し化学反応で酸素を除去、その後精製するプロセスを採用 ・新アプローチはコスト削減と環境負荷低減の両立を目指し、既存製鋼業界の変革の可能性を示唆
- JSTSource
匿名AIモデルの監査手法：ブラックボックス型身元確認の4段階プロトコル
・2025～2026年に無名のコード名で公開される「ステルスリリース」AI モデルが増加し、ユーザーがモデルの真の出所を特定できない問題が発生している ・データ取り扱い条件、サプライチェーンリスク、性能予測がモデルの身元に依存するため、信頼性ある検証方法が必要とされている ・既存の実践的なチェックリストに精度の根拠がなく、自己申告も信頼できないという課題を背景に、4段階フォレンジック監査プロトコルが提案されている ・このプロトコルはブラ...
- JSTSource
WhisperXの文脈認識インターリーブバッチング処理
・WhisperXは音声文字起こし速度を向上させるが、音声セグメントを分離するため句読点や用語の一貫性が失われる課題がある ・標準Whisperは文脈を保持するが推論が遅く、幻覚（誤出力）ループが発生しやすい ・提案手法はVAD（音声区間検出）由来のセグメント境界を利用し、両方式の長所を兼ね備えたアプローチを実現
- JSTSource
線形プローブによる機械生成テキストの頑健かつ効率的な検出
・機械生成テキスト（MGT）と人間が書いたテキスト（HWT）を識別する手法を研究。従来の教師あり検出器は学習域外データで性能低下が課題。 ・線形プローブを用いることで、複数の検出手法を上回る精度を実現し、必要な学習データ量も大幅に削減可能。 ・MGT と HWT の潜在表現の線形性と品質を分析し、シンプルなアプローチが有効であることを実証。
- JSTSource
金融分析におけるLLMの「読み込み」と「判断」のギャップ
・LLMベースの財務分析ツールは情報取得能力で評価されるが、取得した情報が実際の判断に反映されるかは検証されていない ・文脈トークン数を2,000から128,000に増やし、無関連情報を混在させると、LLMのリスク判断精度が低下することを実験で確認 ・金融ディスクロージャー解析で、検索と判断統合の間に認識されていないギャップが存在する課題を指摘 ・長文脈処理時の LLM の信頼性が、金融意思決定支援システムの実装において重要な検証対象と...
- JSTSource
長期タスク向けAIエージェントの記憶進化：経験と作業メモリの再帰的統合
・長期タスクで履歴が増えると状態把握と適切なスキル選択が困難になる課題に対し、Recurisという新しいメモリアーキテクチャを提案 ・作業メモリがタスク進捗を追跡し、経験メモリから必要なスキルを選別することで、過去全体ではなく現在のニーズに基づく判断を実現 ・再帰的自己改善プロセスを構造化し、長期的な複雑タスクの解決性能向上を目指す
- JSTSource
YouTubeで大学入試メンター、10百万フォロワーを獲得した起業家の事例
・初代大学生で地方出身のゴハル・カーン氏が、大学入試支援YouTube「Gohar's Guide」を開設し、1000万人超のフォロワーを獲得。 ・大学出願エッセイや試験対策など、入試関連の実践的アドバイスと生活のコツを配信。 ・コンサルティング企業「Next Admit」を立ち上げ、有料の出願支援サービスを展開。 ・個人の課題体験を基にしたコンテンツが、同じ立場の学生層に強く支持される構図を示唆。
- JSTSource
自己改善型エージェントの脆弱性：分散、タスク順序、未指定性の影響
・メモリベースの自己改善型エージェント（オンラインタスク学習とテキストメモリ管理で段階的に改善）は従来の研究で有望と評価されてきた。 ・本研究は複数実行による分散測定とタスク順序のランダムシャッフルを含めて、これら手法の信頼性を包括的に再評価した。 ・従来の単一実行や固定順序の評価では、メモリ型エージェントの実際の安定性と汎用性が過度に評価されている可能性を指摘。
- JSTSource
長時間のロボット操作：言語エージェントによる段階的タスク探索と状態遷移の記憶
・複数の接触操作スキルを組み合わせた長時間ロボットタスクで、VLAモデルの個別スキルは優秀だが段階間のエラー蓄積が課題 ・LLMエージェントがVLAを補完し、言語計画→自由空間での解析的移動→接触操作時のみVLA実行の役割分担を提案 ・各段階の状態遷移を記憶・学習し、段階間の暗黙的な制約を顕在化させる方法論
- JSTSource
スリランカの文化的価値観に対応した言語モデルの評価スイート開発
・大規模言語モデル（LLM）の価値観調整は西洋的規範に偏った設計になっており、スリランカなどの多言語社会の固有の文化的価値を適切に処理できていない。 ・既存ベンチマークはシンハラ語による文脈化された価値観の評価を欠いており、文化的に配慮した評価と微調整を実現できない状況が存在する。 ・本研究はスリランカの価値観を反映した最初の調査ベースの評価リソーススイート「LKValues」を提案し、地域固有の文化的感応性を向上させることを目指してい...
- JSTSource
PPL-Factory：言語モデルから推論まで対応するタスク・予算軸データ選別法
・大規模言語モデルの微調整時に、全サンプルが同等に寄与するわけではないため、情報量の高い訓練データを選別して計算コストを削減する研究。 ・従来のデータ品質・多様性・推論トレース長といった固定ヒューリスティクスは、タスクごとに有効性が異なり汎化困難という課題を指摘。 ・Perplexity（困惑度）ベースのデータ選別アプローチを提案し、タスク固有かつ予算制約下での効率的なサンプル選択を実現。