公開
KVEraser：LLMのキャッシュ制御による局所的文脈削除の効率化
・長文生成時のLLM（大規模言語モデル）において、一度処理された情報の影響を後から削除する手法を提案。 ・KVキャッシュの局所編集が後続トークン全体に波及する課題を解決し、全トークン再計算を回避。 ・古い検索結果、不正確なツール出力、撤回された指示、有害なプロンプト注入など、後発的に検出される不要情報を効率的に除外。
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158件
7 / 7ページ
- Source
- 公開Source
軽量な役割演技モデル実現に向けた「ペルソナ剪定」手法
・言語モデルの役割演技性能を保ちながら、計算コストを削減するペルソナ剪定（Persona-Pruner）を提案 ・複数NPC が同時に相互作用するような実用的なシステムでの過大な計算負荷が課題 ・汎用モデルを単一のペルソナに専用化することの必要性に疑問を提示し、効率化の余地を検討
- 公開Source
綿花葉病の自動診断：説明可能性を備えた深層学習フレームワーク
・綿花の葉病を高精度で分類・検出するためのAIフレームワーク「CottonLeafVision」を開発・DenseNet201、InceptionV3、VGG19など複数の事前学習済みディープラーニングモデルを評価・説明可能性と堅牢性を備え、農業現場での実装を想定・綿花生産の経済的安定性向上に貢献する可能性
- 公開Source
複数目標を持つマルチエージェント強化学習における協調的嗜好学習
・複数の目標と異なる観測・役割を持つエージェント間の協調意思決定を扱うマルチエージェント強化学習の研究。 ・提案手法「PCMA」はエージェント固有の嗜好を学習し、複数目標間のトレードオフを補完的に調整。 ・衝突する目標とエージェント間の役割差を同時に最適化する理論的枠組みを提示。 ・ロボット制御や複数チーム運用など実務的応用の基礎となる可能性。
- 公開Source
医療AI の推論過程における幻覚診断ベンチマーク ClinHallu
・医療用マルチモーダル大規模言語モデル（MLLM）の信頼性向上を目的とした研究。 ・既存ベンチマークとは異なり、幻覚がどの推論段階で発生するかを特定する手法を提案。 ・視覚認識エラー、医学知識の不正確な想起、推論統合の欠陥など、複数の幻覚源を識別可能。 ・医療診断支援システムの安全性向上に向けた基礎研究。
- 公開Source
Agents-K1：エージェント向け知識統合の新アプローチ
・現在のLLMベース研究エージェントは、論文をアブストラクトや引用のみに削減し、科学的推論に必要な主要な概念や根拠を見落としている ・Agents-K1は、生ドキュメントをエージェント処理可能な形式に変換する知識統合パイプラインを提案 ・論文中の実体、主張、証拠、仕組み、手法の系統性を抽出し、より深い科学的推論を実現
- 公開Source
Mana：関節を持つ道具の器用な操作を実現するロボット学習フレームワーク
・ロボットが関節付きの道具（ドアハンドルやペンチなど）を器用に操作することは、複雑な接触と多自由度の調整が必要なため困難だった課題 ・既存研究は剛体物体に焦点を当てており、機能的な把握と操作政策の学習方法が未解決のまま ・Mana（Manipulation Animator）は、シミュレーション環境で学習した戦略を実機ロボットに転用する汎用フレームワークを提案
- 公開Source
3つの選択肢から学ぶ：人の好みを予測する心理測定の力
・MIT の研究は、1927年の心理学者サーストーン理論「比較判断の法則」を再検討し、複数選択肢から人が最適を選ぶプロセスを数値化する手法を提案。・心理測定学（psychometrics）の枠組みで、目に見えない心的プロセスを測定可能な形に変換できることを実証。・3つの選択肢という構造が、ユーザー嗜好予測の精度向上に有効であることを示唆。
- 公開Source
文書を「記憶の原子」に変換：LLMのコンテキスト圧縮と合成技術
・LLMの長い入力シーケンス処理では、注意機構の計算コストが二次関数的に増加し、推論の遅延とメモリ消費が課題。・文書ごとにLoRAアダプタを生成する「Doc-to-LoRA」等の手法に対し、単一の「モノリシック」アダプタの限界を指摘。・本論文は文書情報を複数の「メモリ原子」に分解・圧縮し、推論時に必要な原子を選択・合成する手法を提案。・多段階の推論タスクでコンテキスト圧縮の効率化と柔軟性の向上を実現する可能性。
- 公開Source
具体化プランナーにおけるテスト時計算の最適配置戦略
・ビジョン言語モデル（VLM）がロボットなどの具体化エージェントの高次プランナーとして使用される際、テスト時の計算量拡大が性能向上に必ずしも繋がらない課題を指摘。 ・計算量増加によって遅延・トークン使用量・FLOPsが増加する一方で、下流のタスク成功率向上は不均等で限定的であることを実証。 ・効率的な運用のため、計算リソースの配置タイミングと場所を選別する必要性を提案。
- 公開Source
低価格ロボットアームで力覚センサなしに外力推定を実現するNEXT手法
・低価格ロボットアームには高額な力覚センサが搭載されていないため、接触が必要な作業が困難であった ・Neural External Torque Estimation（NEXT）は10分間のフリーモーション データのみから1分で外力推定モデルを学習できる ・推定精度は専用力覚センサと同等であり、低価格アームでの力覚フィードバック遠隔操作を可能にする
- 公開Source
全二重音声対話モデルにおける複合的なインタラクティビティ調整
・全二重（同時発話対応）音声対話モデルは自然な会話を可能にするが、従来の教師あり学習では過度な沈黙や不適切なターンテイキングが発生する問題がある。 ・強化学習（RL）を導入してインタラクティビティ向上を試みているが、複数の対話特性（沈黙時間、応答タイミング、割り込みなど）を同時に最適化する必要がある。 ・トークンレベルの尤度最大化では対話レベルの振る舞いが直接最適化されないため、多面的な調整手法の開発が課題。
- 公開Source
AI評価結果の報告を統一する「評価カード」の提案
・AI評価結果が複数のプラットフォーム（リーダーボード、モデルカード、論文等）で異なる形式で報告され、結果の比較が困難になっている課題を指摘。 ・「評価カード」という統一的な報告フレームワークを提案し、評価ライフサイクル全体を可視化し、複数ソース間での比較可能性を向上させることを目指す。 ・既存の取り組みは評価プロセスの一部分のみをカバーしており、統合的な解釈支援層が欠落していることが問題。
- 公開Source
トルコ語の多語表現分類：教示学習と監督学習の比較
・トルコ語の軽動詞構文（LVC）は字面上は通常の動詞目的語結合と同じだが、慣用的な意味を持つため分類が困難 ・二値分類タスク（字義的 vs 慣用的）として、手動作成の対照的なテストセット（N=147）で評価 ・大言語モデルの文脈内学習における教示（デモ）ベースのアプローチと監督学習の有効性を比較 ・言語処理パイプラインにおける多語表現認識の精度向上に寄与