MLinfo | 機械学習・AI論文まとめ

Rethinking the Divergence Regularization in LLM RL

この論文では、LLM RLの安定性を向上させるために、離散化と重み付けを用いた分散化されたPPOを提案します。また、安定性の向上によって、大規模言語モデルを用いたRLの適用が可能になります。

用途: LLM RLの安定性向上
難易度: Hard
コスト: High

What the Eyes See, the LLMs Miss: Exploiting Human Perception for Adversarial Text Attacks

大規模言語モデル（LLM）を運用するコンテンツモデレーションシステムは、有害なオンラインコンテンツを防止するために重要な役割を果たします。しかし、これらのシステムの主な目標は単にトークナイズされたテキストを操作することに

自然言語処理大規模言語モデル分類検出画像

用途: 文書の分類
難易度: Hard
コスト: High

AutoMegaKernel: A Statically-Checked Agent Harness for Self-Retargeting Megakernel Synthesis

AutoMegaKernel（AMK）は、Hugging Face Llama-family モデルを単一のパフォーマンスを最適化した CUDA Kernalで動作する単一のPersistent Cooperative

自然言語処理大規模言語モデル生成

用途: モデルを効率化する
難易度: Hard
コスト: High

Muon Learns More Robust and Transferable Features than Adam

Muon has recently emerged as a state-of-the-art optimizer for pretraining Large Language Models (LLMs) and vis

深層学習Transformer分類画像テキスト

用途: 分類
難易度: Hard
コスト: High

Code Is More Than Text: Uncertainty Estimation for Code Generation

コード生成を安全かつ信頼できる方法で行うことを目的とした研究。コード生成における不確実性を推定する方法を提案し、コードの解釈可能性と安全性を向上させる。

用途: コード生成を安全かつ信頼できる方法で行う
難易度: Hard
コスト: High

PRISM: Recovering Instruction Sets from Language Model Activations

ラングラージュモデルを解釈するためのアクティベーション分析を提案。モデルを分析することで、モデルがどのようなコードを生成しているかを理解する。

用途: ラングラージュモデルを解釈するためのアクティベーション分析
難易度: Hard
コスト: High

Streaming Interventions: Can Video Large Language Models Correct Mistakes as They Occur?

動画大規模言語モデルを使用した質問に対する回答を研究。モデルの能力と限界を調査し、質問に対する答えを生成するための方法を提案した。

深層学習軽量化・量子化テキスト動画マルチモーダル

用途: 動画大規模言語モデルを使用した質問に対する回答
難易度: Hard
コスト: High

BUDDY: BUdget-Driven DYnamic Depth Routing for Adaptive Large Language Model Inference

ラングラージュモデルを効率的に推論することを目的とした研究。モデルの推論を効率化するために、モデルの深さを自動的に調整する方法を提案した。

用途: ラングラージュモデルを効率的に推論する
難易度: Hard
コスト: High

Emergent alignment and the projectability of ethical personas

Work on `emergent misalignment' shows that finetuning LLMs on narrow tasks can induce broadly misaligned behav

用途: 画像生成を安全かつ安全性を確保する方法
難易度: Hard
コスト: High

Breaking the Tokenizer Barrier: On-Policy Distillation across Model Families

On-Policy Distillation (OPD) has become a core technique in the post-training of Large Language Models (LLMs)

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Now You (Still) See Me: Detecting Evasive Steganographic Payloads in LLMs

最近の研究では、線形プローブを使用して暗示された秘密を内部アクティブ化から回復し、ステラングラフィック侵入の検出を改善しました。しかし、ステラングラフィック侵入を検出し、内部アクティブ化を検知するには、ステラングラフィッ

自然言語処理大規模言語モデル検出テキスト

用途: ステルタグラフィックの侵入検出
難易度: Hard
コスト: High

Benchmarking Empirical Privacy Protection for Adaptations of Large Language Models

この研究では、機械学習モデルをプライバシー保護のための適応化する際、プライバシー保護の実験的な効果を分析することに関与します。

深層学習軽量化・量子化異常検知テキスト

用途: プライバシー保護のベンチマーク
難易度: Hard
コスト: High

Distilling Safe LLM Systems via Soft Prompts for On Device Settings

この研究では、強力な防御ガードモデルと低パラメータのLLMを組み合わせたデュアルモデルシステムを導入し、安全なLLMのデプロイに使用できます。

用途: セーフなLLMのディストリビュート
難易度: Hard
コスト: High

Internalizing Geometric Law: Learning from Solver Residuals for Precision-Critical Generation

自然言語から機械設計や技術図案などの正確な構成を作成することができるシステムを開発しました。このシステムは、Geometric Constraintsを満たす正確な構成を作成するために、Constraint DSL (D

用途: 機械設計や技術図案の生成
難易度: Hard
コスト: High

The Injection Paradox: Brand-Level Suppression in Safety-Trained LLM Recommendations via RAG Context Injection

この論文では、RAG によって安全に訓練されたLLMに攻撃を加えた結果、RAGによって安全に訓練されたLLMの推論が抑制されることを示しています。これは、RAGによって訓練されたLLMが、推論を抑制するために使われたコン

用途: LLM の安全な推論
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル動画強化学習

Claw-R1: A Step-Level Data Middleware System for Agentic Reinforcement Learning

Agentic reinforcement learning (RL) has become an important post-training paradigm for turning LLMs from stati

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Late-Layer Fusion is Enough: Dual-Path Vision Token Routing for Multimodal Large Language Models under Visual Saturation

Multimodal large language models (MLLMs) commonly inherit the deep, symmetric Transformer backbone designed fo

深層学習Transformer生成画像テキスト

用途: 生成
難易度: Hard
コスト: High

Stabilizing On-Policy Distillation for MLLM Reasoning with Global Normalization

オンポリシーディストリレーションは、近年、重要なポストトレーニングの研究分野となりました。強い教師モデルを使用して学習トレッジを密に細かく指示することで、トピック認識を実現します。しかしなだな的にトークンレベルにおいてデ

深層学習軽量化・量子化マルチモーダル強化学習

用途: オンポリシーディストリレーション問題
難易度: Hard
コスト: High

Beyond FLOPs: Benchmarking Real Inference Acceleration of LLM Pruning under a GEMM-Centric Taxonomy

分析研究は、LLM推論速度を速めるため、トークン、レイヤー、ヘッド、次元、注意パターンの削減技術である削減技術を適用し、広範なパラダイムとして成長しています。削減方法の実装によって、実現された加速の度合いは、ハードウェア

品質予測/異常検知深層学習軽量化・量子化テキスト

用途: LLM推論加速問題
難易度: Hard
コスト: High

FlashMemory-DeepSeek-V4: Lightning Index Ultra-Long Context via Lookahead Sparse Attention

LLM推論において、長いコンテキストを扱うことが多く、GPUメモリボトルネックの問題が起きます。この課題に対処するために、Neural Memory Indexerと呼ばれる Neural Memory Indexerを

用途: GPUメモリ確保問題
難易度: Hard
コスト: High

Decoy-Calibrated Failure Audits for Language Models

Useful audits reveal not only how often a model fails, but also where its failures concentrate. An auditor may

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能センサ/時系列品質予測/異常検知自然言語処理大規模言語モデルテキスト時系列

TRIAGE: Dialectical Reasoning for Explainable Risk Prediction on Irregularly Sampled Medical Time Series with LLMs

Clinical early warning systems built on electronic health records, in which clinical observations are recorded

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops

エージェントの安全性を向上するために、ハッカーのフェイクオートを作成して、リスクを評価するための新しいアプローチを提案します。

用途: エージェントの安全性向上
難易度: Hard
コスト: High

Oversight Has a Capacity: Calibrating Agent Guards to a Subjective, Fatiguing Human

As LLM agents begin to take real, irreversible actions (shell commands, file edits, deploys), the standard saf

自然言語処理大規模言語モデル分類

用途: エージェントの
難易度: Hard
コスト: High

Cheap Reward Hacking Detection

この論文では、Transformer を使用してタスク認識の弱さを検出し、検出精度を向上させる方法を提案する。

深層学習Transformer検出

用途: 弱いタスク認識の検出
難易度: Hard
コスト: High

Diffuse AI Control on Fuzzy Tasks

この論文では、AI 系統が安全性の検証を容易にするために、新しいフレームワークを提出する。これにより、AI 系統の安全性の評価がより効果的になる。

用途: AI 安全性の検証
難易度: Hard
コスト: High

自然言語処理大規模言語モデルテキストマルチモーダル

OmniGameArena: A Unified UE5 Benchmark for VLM Game Agents with Improvement Dynamics

この論文では、VLM ゲームエージェントの評価基準が提供され、さまざまなタイプのエージェント間の比較が可能になる。

用途: VLM ゲームエージェントの評価基準
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成

FASE: Fast Adaptive Semantic Entropy for Code Quality

この論文では、コードクオリティを評価し、エラーの発生率を減らすために、Fast Adaptive Semantic Entropy (FASE) を提出する。

用途: コードクオリティの評価
難易度: Hard
コスト: High

SearchSwarm: Towards Delegation Intelligence in Agentic LLMs for Long-Horizon Deep Research

この論文では、エージェントの委譲能力を改善するために、新しいフレームワークを提案する。これにより、エージェントがより効率的にタスクを分割できる。

用途: エージェントの委譲
難易度: Hard
コスト: High

Observability for Delegated Execution in Agentic AI Systems

この論文では、分散型エクスキューションの観察性を考慮するために、新しいフレームワークを提案する。これにより、分散型エクスキューションの評価がより効果的に行える。

用途: 分散型エクスキューションの観察性
難易度: Hard
コスト: High

(Auto)formalization is supposed to be easy: Trellis process semantics for spelling out rigorous proofs

この論文では、自動化された形式化を提案する。これにより、形式化プロセスがより効率的に行える。

用途: 自動化された形式化
難易度: Hard
コスト: High

自然言語処理大規模言語モデル画像テキストマルチモーダル

SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks

Spatial reasoning is a foundational capability for multimodal large language models (MLLMs) to perceive and op

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知コンピュータビジョン動画認識検出画像テキスト

ArtiFact: A Large-Scale Multi-Modal Cultural Heritage Dataset

LLMを用いた臨床研究論文の草案作成を支援するために、生成されたテキストを検証するためのアーキテクチャを設計。これにより、虚偽の citaion、数字の不正確な記録、およびガイドライン違反が防がれます。

用途: 医学論文執筆のサポート
難易度: Hard
コスト: High

AGENTSERVESIM: A Hardware-aware Simulator for Multi-Turn LLM Agent Serving

LLM間でモデル呼び出しと外部ツールの呼び出しが交互になり、サーバのサーヒングがステートレスの要求処理からステートフルなプログラム実行に移行します。これらのワークロードの評価は、各設計点ごとに専門的なアクセラレータ時間を

用途: LLMのサーバー処理のためのシミュレータ
難易度: Hard
コスト: High

Optical Reasoning: Rethinking Images as an Expressive Reasoning Medium Beyond Text

Chain-of-Thought (CoT) improves the performance of Large Language Models (LLMs) and has been extended to Multi

深層学習軽量化・量子化画像テキストマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

TABVERSE: Benchmarking Cross-Format Table Understanding in LLMs and VLMs

Large Language Models (LLMs) and Vision-Language Models (VLMs) are increasingly evaluated on table reasoning t

自然言語処理大規模言語モデルQA画像テキスト

用途: QA
難易度: Hard
コスト: High

AI Scientists Are Only as Good as Their Evidence: A Stratified Ablation of Proprietary Data and Reasoning Skills in Drug-Asset Valuation

AI Scientist agents are often evaluated as if capability were mainly a function of model quality, prompting, o

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

FuseFSS: Efficient Secure LLM Inference with Function Secret Sharing

Two-server secure inference allows a client to query a hosted large language model (LLM) without revealing pro

深層学習Transformer生成テキスト

用途: 生成
難易度: Hard
コスト: High

SecureClaw: Clawing Back Control of LLM Agents

Tool-using large language model (LLM) agents face two distinct security failures: unauthorized external action

自然言語処理大規模言語モデル分類テキスト

用途: 分類
難易度: Hard
コスト: High

Emergence of Context Characteristics Sensitivity in Large Language Models

During instruction fine-tuning (IFT), large language models (LLMs) learn to follow instructions by using the p

深層学習Transformerテキスト強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Closing the Prior-Posterior Loop: Self-Reflective Molecular Design with Analysis-Driven LLM Iteration

Can a general-purpose large language model design molecules with the precision of a seasoned chemist? Current

MI向き自然言語処理大規模言語モデル生成テキスト

用途: 生成
難易度: Hard
コスト: High

From Rigid to Dynamic: Entropy-Guided Adaptive Inference for Long-Context LLMs

Existing sparse attention and KV cache compression methods for long-context LLM inference typically apply fixe

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル検出生成テキスト

Deterministic Integrity Gates for LLM-Assisted Clinical Manuscript Preparation: An Auditable Biomedical Informatics Architecture

Objective. Large language models (LLMs) increasingly draft clinical research manuscripts, but their fluency ca

用途: 検出
難易度: Hard
コスト: High

LLM-Orchestrated Conformance Checking in Stroke Care Without Computer-Interpretable Guidelines

医療のガイドラインとの適用を自動的に評価することを目的とするコンフォーマンスチェックフレームワークが開発された。Large Language Models (LLMs) を用いて、コンフォーマンスチェックを実現する。

説明可能自然言語処理大規模言語モデルテキスト

用途: 医療におけるガイドラインの適用を支援する
難易度: Hard
コスト: High

Memory Beyond Recall: A Dual-Process Cognitive Memory System for Self-Evolving LLM Agents

LLMエージェントの長期記憶の改善の為に、DCPMと呼ばれる新しい記憶システムが提案され、エージェントの能力が向上する。

用途: LLMエージェントの能力の向上
難易度: Hard
コスト: High

A Finetuned SpeechLLM for Joint Multi-Granular L2 Assessment and Natural-Language Rationales

スピーチアセスメントを自動化するためのSpeechLLMが提案され、スピーチの質と能力を評価する。

説明可能自然言語処理大規模言語モデル音声

用途: L2スピーチアセスメントの実現
難易度: Hard
コスト: High

TheoremBench: Evaluating LLMs on Theorem Proving in Formal Mathematics

公共の証明と形式数学の論理的推論を実現するTheoremBenchが提案され、LLMsの能力を評価する。

深層学習軽量化・量子化

用途: 公共の証明と形式数学の論理的推論
難易度: Hard
コスト: High

AliyunConsoleAgent: Training Web Agents in Real-World Cloud Environments via Distillation and Reinforcement Learning

Webエージェントを自動化するためのAliyunConsoleAgentが提案され、ドキュメントの検証とWebエージェントの開発を簡素化する。

深層学習軽量化・量子化テキスト強化学習

用途: Webエージェントの自動化
難易度: Hard
コスト: High

品質予測/異常検知深層学習Attention機構生成テキスト

SIFT: Selective-Index For Fast Compute of RAG Prefill by Exploiting Attention Invariance

RAGプレフィルへの速力向上を目的としたSIFTが提案され、TTFTを短縮し、コストを削減する。

用途: RAGプレフィルへの速力向上
難易度: Hard
コスト: High

Bayesian Selective Latent Inference for Wastewater-First Influenza Monitoring

ウェットウェストワーテルマーケティングのインシデント検出を目的としたBayesian Selective Latent Inferenceが提案される。

自然言語処理大規模言語モデル予測

用途: ウェットウェストワーテルマーケティングのインシデント検出
難易度: Hard
コスト: High

AI Assurance in UK Defence: Challenges in Operationalising JSP 936

スキルアジュストの能力獲得を目的としたCapability-Aligned Hierarchical Learningが提案され、LLMsが外部ツールを操作してタスクを実行する能力を獲得する。

生成AIGANテキスト

用途: スキルアジュストの能力獲得
難易度: Hard
コスト: High

Capacity, Not Format: Rethinking Structured Reasoning Failures

科学的視覚推論を目的としたPhysSceneが提案され、物理実験における観測と推論を可能にする。

用途: 科学的視覚推論
難易度: Hard
コスト: High

Capability-Aligned Hierarchical Learning for Tool-Augmented LLMs

Tool learning enables LLMs to invoke external tools to accomplish tasks. Prior studies have demonstrated the e

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Brain-Prompt Injection: A Route-Safety Audit for BCI-LLM Agents

脳-エージェント接続での脳サイン入力を安全に実行できるシステムを提案し、脳サイン入力攻撃を検知することができる。

用途: BCI-LLMエージェントに脳サインを入力する際に安全さを確保するためのシステム
難易度: Hard
コスト: High

End-to-End Training for Discrete Token LLM based TTS System

エンドツーエンドトレーニングによるTTSシステムを提案し、エンドツーエンドトレーニングの利点を確認している。

自然言語処理大規模言語モデル分類生成テキスト

用途: エンドツーエンドトレーニングによるTTSシステムの提案
難易度: Hard
コスト: High

品質予測/異常検知深層学習Transformer生成テキスト

MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation

Social Scienceにおける、Memory-Augmented Social Simulationを利用した深層学習を利用して、新しい研究方法を提案し、Social Scienceの研究実現を実現した

用途: Social Scienceにおける、Memory-Augmented Social Simulationを利用した深層学習を利用した研究の実現
難易度: Hard
コスト: High

Culturally-Adapted Red-Teaming Across East and Southeast Asian Contexts: A Methodological and Comparative Analysis

Multilingual safety evaluation of large language models (LLMs) has predominantly relied on direct translation

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Reliable to Expressive: A Curriculum for Rubric-Following Safety Judges

Safety judges are increasingly deployed to evaluate model outputs against evolving criteria, yet recent meta-e

自然言語処理大規模言語モデル分類

用途: 分類
難易度: Hard
コスト: High

Unified Energy for Invariant and Independent Decoding in Diffusion Language Models

Diffusion Language Models (DLMs) enable parallel text generation by iteratively denoising a full sequence, off

用途: 生成
難易度: Hard
コスト: High

SEF-CLGC at SemEval-2026 Task 11: Logical Notation Impact on Language Model Performance

This paper revisits our pipeline called Syllogistic Evaluation Framework-Common Logic Grammar Construction (SE

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Steganography Without Modification: Hidden Communication via LLM Seeds

大規模言語モデル（LLM）の推論スタックには、モデルの重み、サンプリングコード、および出力分布を変更することなく、暗号化なしで秘密コミュニケーションを行うステゴグラフィチャンネルが存在する。送信者はシークレットデータを秘

用途: 暗号化なし: LLMのシードを使用した秘密のコミュニケーション
難易度: Hard
コスト: High

From USD Scenes to Knowledge Graphs: Zero-Shot Ontology Grounding with LLMs

3次元シミュレーションシーンから知識グラフを構築することが、ロボットのタスク推論に重要な役割を果たすが、シーンのオブジェクトを形式的な分類にマッピングするステップが、現実に現れていない。LLMを使用して、このマッピングの

自然言語処理大規模言語モデルテキスト3D

用途: 3次元シミュレーションシーンから知識グラフを構築する
難易度: Hard
コスト: High

Unveiling Privacy Risks in Multi-modal Large Language Models: Task-specific Vulnerabilities and Mitigation Challenges

大規模言語モデルのプライバシーリスクについては、既に研究が行われていたが、マルチモデル大規模言語モデル（MLLM）のプライバシーリスクについては、まだ十分に調査されていなかった。MLLMでは、テキストだけでなく画像データ

自然言語処理大規模言語モデル画像テキスト

用途: マルチモデル大規模言語モデルにおけるプライバシーリスク
難易度: Hard
コスト: High

A Regret Minimization Framework on Preference Learning in Large Language Models

強化学習（RL）では、与えられた問題に対して、正しいアクションを見つけることを目的としたことが多いが、人間のフィードバックから学習する場合、人間の意思決定の選択のための意思決定のフレームワークを構築する必要性から、可否決

用途: 可能な行動の選択のための意思決定フレームワーク
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル異常検知テキスト

ComplexConstraints and Beyond: Expert Rubrics for RLVR

訓練データ以外の問題解決を検討したため、新しい評価方法であるexpert-curated rubric-based evaluationを提案。

用途: 訓練データ以外の問題解決
難易度: Hard
コスト: High

Graph2Idea:Retrieval-Augmented Scientific Idea Generation with Graph-Structured Contexts

科学的アイデア生成には、現実に実現可能な高質のアイデアを必要とするが、この課題を解く方法は不足していたため、新しい方法であるGraph2Ideaを提案。

用途: 科学的アイデア生成
難易度: Hard
コスト: High

Context Rot in AI-Assisted Software Development: Repurposing Documentation Consistency for AI Configuration Artifacts

AIアシスタントを使用

用途: コンテキストの保持のための開発方法
難易度: Hard
コスト: High

Context-Fractured Decomposition Attacks on Tool-Using LLM Agents: Exploiting Artifact Provenance Gaps

Tool-using LLM agents interact with the world through actions that persist state in artifacts (e.g., workspace

MI向き自然言語処理大規模言語モデルテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

REFLECT: Intervention-Supported Error Attribution for Silent Failures in LLM Agent Traces

Large language model (LLM) agents now solve complex tasks through long plan-and-execution traces, yet the abil

自然言語処理大規模言語モデル分類検出テキスト

用途: 分類
難易度: Hard
コスト: High

See More, Think Deeper: Query-Expanded Visual Evidence and Answer-Clue Guided Reflection for Long Video Understanding

Recent advances in Video Large Language Models (Video-LLMs) have enabled performance on long-video understandi

自然言語処理大規模言語モデル生成画像テキスト

用途: 生成
難易度: Hard
コスト: High

MI向き深層学習軽量化・量子化テキストマルチモーダル強化学習

Personalization Meets Safety:Mechanisms,Risks,and Mitigations in Personalized LLMs

Large Language Models (LLMs) have enabled increasingly personalized interactions by adapting to users' prefere

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能自然言語処理大規模言語モデル生成異常検知テキスト

A Multi-Agent System for IPMSM Design Optimization via an FEA-AI Hybrid Approach

Interior permanent magnet synchronous motor (IPMSM) design requires balancing conflicting objectives and multi

用途: 生成
難易度: Hard
コスト: High

SafeRun: Enabling Determinism in LLM Planning for Running

LLMを利用したランニングの計画における決定論的安定性を確保するために、SafeRunというフレームワークを提案。LLMと決定論的ソルバーを分離して、安全ルールの厳格な実施を確保。

用途: ランナーの安全と安定度の向上
難易度: Hard
コスト: High

少数データ向き表形式向き自然言語処理大規模言語モデル分類生成回帰

LATTEArena: An Evaluation Framework for LLM-powered Tabular Feature Engineering (Extended Version)

LLMがTABULARデータ分析で機能を自動化できるようにした。しかし、標準化されたプラットフォームの欠如は、比較やコスト的評価を行うのを難しくしている。複雑なメソッドの設計により、各コンポーネントの具体的な貢献をはっき

用途: TABULARデータ分析のLLMパラダイムの比較評価
難易度: Hard
コスト: High

コンピュータビジョンマルチモーダルQA画像テキスト

Baichuan-M4: A Clinical-Grade Medical Agent System for Continuous Care

連続的な治療に適した臨床級LLM医系であるBaichuan-M4を導入。臨床的な医療エージェントシステムであるBaichuan-M4は、統合的な医療エージェントシステムをベースとし、医療エージェントと医療エージェントの連

用途: 統合医療医系のためのLLMベースの医療エージェント
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト自己教師

RTL-BenchLS: A Large-Scale Benchmark for RTL Reasoning and Generation with Large Language Models

LLMベースのRTL生成と推論は、ハードウェア設計自動化の新たな方向を示唆します。しかし、ベンチマークは、大規模化とタスクスコープの制約がある。現存するベンチマークでは、前向きモデルの実績

用途: RTLリージョニングと生成のための大規模ベンチマーク作成
難易度: Hard
コスト: High

Diverse Thinking Schemata Elicit Better Reasoning in Large Language Models

Large reasoning models (LRMs) have attracted increasing attention for their ability to solve complex mathemati

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

An Effective Router for Vision-Language Model Selection

Vision-language models (VLMs) with varying performance and resource requirements are widely deployed, making i

自然言語処理大規模言語モデル異常検知画像テキスト

用途: 異常検知
難易度: Hard
コスト: High

CARE: A Conformal Safety Layer for Medical Summarization

Large language models (LLMs) are increasingly used for medical summarization, but their outputs can omit medic

自然言語処理大規模言語モデル検出要約テキスト

用途: 検出
難易度: Hard
コスト: High

NutriMLLM: Multimodal Large Language Models for Dietary Micronutrient Analysis

Comprehensive estimation of dietary micronutrients from food images could improve clinical nutrition care, but

自然言語処理大規模言語モデル生成画像テキスト

用途: 生成
難易度: Hard
コスト: High

PACT: Learning Diverse Diagnostic Strategies via Privileged Synthesis and Branch Consensus

Clinical diagnosis requires flexible use of multiple reasoning paradigms under incomplete patient information.

用途: 生成
難易度: Hard
コスト: High

From Statute to Control Flow: Span-Grounded Deontic Trees for Defeasible Scope Parsing

Rule-following agents tasked with executing policies and regulations often fail via Silent Scope Omission (SSO

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Order Matters: Unveiling the Hidden Impact of Macro Placement Sequences via Proxy-Guided LLM Evolution

Macro placement is a fundamental step in modern chip physical design, playing a crucial role in determining th

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

The Neutral Mask: How RLHF Provides Shallow Alignment while Leaving Partisan Structure Intact in a Large Language Model

この研究では、大規模言語モデルの安全性を評価するためのフレームワーク、PsychoSafe を開発します。このフレームワークは、大規模言語モデルの安全性を評価し、潜在的なリスクを軽減することができます。

自然言語処理大規模言語モデル生成テキスト強化学習

用途: 大規模言語モデルの安全性評価
難易度: Hard
コスト: High

IS-CoT: Breaking the Long-form Generation Collapse via Interleaved Structural Thinking

この研究では、長文生成モデルの改良を実現するためのフレームワーク、IS-CoT を開発します。このフレームワークは、長文生成モデルの生成性とコントロール性を改善することができます。

用途: 長文生成モデルの改良
難易度: Hard
コスト: High

PsychoSafe: Eliciting Psychologically-Informed Refusals in Large Language Models

この研究では、マルチモーダル言語モデルの評価のためのフレームワークを開発します。このフレームワークは、マルチモーダル言語モデルの生成性とコントロール性を評価することができます。

品質予測/異常検知深層学習軽量化・量子化テキスト

用途: マルチモーダル言語モデルの評価
難易度: Hard
コスト: High

Where Does the Answer Come From? Benchmarking View-Level Visual Evidence Identification in Multi-View MLLMs for Autonomous Driving

Multimodal large language models (MLLMs) achieve strong results on visual reasoning benchmarks, but answer acc

自然言語処理大規模言語モデルQA画像テキスト

用途: QA
難易度: Hard
コスト: High

品質予測/異常検知深層学習軽量化・量子化検出生成テキスト

Gradient-Guided Reward Optimization for Inference-time Alignment

Ensuring the reliability of Large Language Models (LLMs) under distribution drift requires inference-time adap

用途: 検出
難易度: Hard
コスト: High

Civil Court Simulation with Large Language Models

Court simulation bridges legal education and judicial practice, yet human-based simulations are costly and dif

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Automated IEP Generation from Traditional Chinese Parent-Teacher Interviews via Corpus-Grounded Feature Diffusion

Writing Individualized Education Programs (IEPs) is a high-labor, knowledge-intensive document burden; English

深層学習Transformer生成テキスト

用途: 生成
難易度: Hard
コスト: High

UXBench: Benchmarking User Experience in AI Assistants

As AI assistants serve millions of users daily, evaluating user experience (UX) beyond general model capabilit

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト音声

OpenBibleTTS: Large-Scale Speech Resources and TTS Models for Low-Resource Languages

Recent advances in neural text-to-speech (TTS) and multilingual speech generation have substantially improved

用途: 生成
難易度: Hard
コスト: High

Self-Harness: Harnesses That Improve Themselves

LLMベースのエージェントは、環境と連携するハーネスの設計により動作が形作られるが、これらのハーネスは現状ほぼ人間による設計のみである。この研究では、LLMベースのエージェントがハーネスを自ら改善できるメカニズムであるS

自然言語処理大規模言語モデル回帰

用途: LLMのハーネスの自動改善
難易度: Hard
コスト: High

Detecting Differences Is Not Understanding Structure: Large Language Models Fail at Graph Isomorphism

この研究では、大きな言語モデルがグラフの同型性を推論できるかどうか調査し、小さなグラフでは同型性を認識できたものの、シードノードラベルを入れ替えてグラフ同型性を検証した結果、同型性が識別されなかった。

自然言語処理大規模言語モデル検出テキスト

用途: グラフの同型性を推論する
難易度: Hard
コスト: High

自然言語処理大規模言語モデル生成テキストマルチモーダル

H2HMem: A Multimodal Memory Benchmark for Agents in Human-Human Interactions

大きな言語モデルには記憶や推論機能があるが、ユーザーとの対話におけるこれらの機能の効果はまだ理解されているわけではない。これを受け、この研究では、人間の相互作用、特に会話における記憶と推論能力を評価するためのマルチモーダ

用途: マルチモーダル記憶の評価
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル分類セグメンテーションテキスト

MUDIDI: A Two-Stage Framework for Multilingual Dictionary Digitization with Language Models

この研究では、低リソース言語や絶滅言語の辞書のデジタル化が重要であるが、マルチモーダル辞書をデジタル化する方法は今まで難しかったが、この研究では、最近のビジョン言語モデルを用いて辞書のデジタル化が容易になり、辞書内の文字

用途: ムルティリンガル辞書のデジタル化
難易度: Hard
コスト: High

What Should a Skill Remember? Quality-Cost Trade-offs in Cost-Aware Skill Rewriting for Language Model Agents

Large language model agents increasingly rely on skills: reusable procedural documents encoding workflows, too

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

LexRubric: A Rubric-Guided Diagnostic Benchmark for Open-Ended Legal Tasks

As large language models (LLMs) are increasingly applied to real-world legal tasks, evaluating the reliability

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Precision Is Not Faithfulness: Coverage-Aware Evaluation of Grounded Generation with a Complete Oracle

Reference-free faithfulness metrics verify each atomic claim a model makes against ground truth, and are incre

自然言語処理大規模言語モデル生成

用途: 生成
難易度: Hard
コスト: High

センサ/時系列深層学習Transformer分類テキスト音声

Is Text All You Need? Text as a Universal Information Bottleneck for Speech LLMs

Large language models (LLMs) provide a powerful reasoning backbone for speech understanding, but integrating c

用途: 分類
難易度: Hard
コスト: High

CPUで試しやすい自然言語処理大規模言語モデルテキスト

In-Context Learning for the Imputation of Public Opinion Data with Large Language Models

Large language models have been widely evaluated as simulators of individual survey responses. In practice, ho

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Multi-Hop Knowledge Composition is Bound by Pretraining Exposure

Large Language Models fail at implicit multi-hop reasoning: a model answers "When was $X$ born?" and "Who is $

MI向き自然言語処理大規模言語モデルテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

少数データ向き品質予測/異常検知自然言語処理大規模言語モデルテキスト

How Far Can Prompting Go for Minimal-Edit Ukrainian Grammatical Error Correction?

Fine-tuned Large Language Models (LLMs) dominate in Ukrainian grammatical error correction (GEC), while API-ac

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル画像テキスト

TruthSplit: Operationalizing Conditional Validity in Arguments Through Multi-Perspective Reasoning

We present TruthSplit, an interactive system for multi-perspective argument analysis. Existing argumentation t

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Symbolic and Abstractive Reasoning with Complex Visual Queries

Understanding and reasoning over abstract visual content remains a challenge for current multi-modal large lan

自然言語処理大規模言語モデル画像テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

少数データ向き説明可能深層学習軽量化・量子化検出画像テキスト

MAAM: Anchor-Preserving Compression and Contextual Calibration for Chinese Discriminatory Language Detection

Chinese discriminatory-language detection is challenging because harmful intent is often implicit and context-

用途: 検出
難易度: Hard
コスト: High

CRANE: Knowledge Editing for Reasoning MLLMs

The emergence of reasoning multimodal large language models (MLLMs), which generate explicit chain-of-thought

自然言語処理大規模言語モデル異常検知画像テキスト

用途: 異常検知
難易度: Hard
コスト: High

Bridging the Agent-World Gap: Text World Models for LLM-based Agents

Large language model (LLM)-based agents are increasingly used in interactive textual environments, from web na

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Hard
コスト: High

Personal Salience: Highlighting Is Social, but Individuality Lives in Selection

Social highlighters let people mark passages that matter to them. We ask how much of an individual is recovera

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Beyond Averages: Evaluating LLMs on Human Survey Replication at the Distributional Level

LLMs are increasingly used to simulate human survey responses, but prior work has mainly evaluated replication

自然言語処理大規模言語モデルマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Document-Authored Control-Signal Impersonation: A Low-Cost Indirect Prompt Attack on RAG Safety Boundaries

Retrieval-augmented generation (RAG) systems often serialize user queries, retrieved documents, metadata, syst

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル要約テキスト

Language-Aware Token Boosting: LLM Language Confusion Reduction Without Tuning

Large language models (LLMs) sometimes exhibit language confusion when generating non-English text. Existing a

用途: 要約
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル要約テキスト強化学習

Multilingual Sentiment Aware Text Summarization A Reinforcement Learning Approach for Consistency Maintenance

Reinforcement Learning from Human Feedback (RLHF) has significantly improved the quality and fluency of large

用途: 要約
難易度: Hard
コスト: High

POTATR: A Lightweight Image-to-Graph Model for Page-Level Table Extraction

Large-scale document processing requires contextually aware table extraction (TE) that is both accurate and ef

深層学習Transformer検出画像テキスト

用途: 検出
難易度: Hard
コスト: High

HDSL: A Hierarchical Domain-Specific Language for Structured 3D Indoor Scene Generation and Localized Editing with LLM Agents

Text-driven indoor scene generation and editing require an intermediate representation that language models ca

自然言語処理大規模言語モデル生成テキスト3D

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル画像テキスト動画

CapRL++: Unified Reinforcement Learning with Verifiable Rewards for Dense Image and Video Captioning

Image and video captioning are fundamental tasks that bridge the visual and linguistic domains, playing a crit

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

深層学習正規化・最適化手法分類生成セグメンテーション

Reason Twice: Segmentation via Candidate Discovery and Comparative Reasoning

The rapid development of pretrained foundation models has enabled more general image segmentation. Multimodal

用途: 分類
難易度: Hard
コスト: High

Visual Para-Thinker++: A Single-Policy Multi-Agent Framework for Visual Reasoning

Visual reasoning requires integrating evidence distributed across regions, attributes, and relations, making s

深層学習軽量化・量子化画像テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知深層学習Transformer検出画像テキスト

Temporal-Aware Reasoning Optimization for Video Temporal Grounding

Multi-modal Large Language Models (MLLMs) have achieved remarkable progress in video temporal grounding with r

用途: 検出
難易度: Hard
コスト: High

Claude Code-Driving Scenario Mining for the Argoverse 2 Challenge

We present our submission to the CVPR 2026 Argoverse 2 Scenario Mining Challenge. Our system uses a four-stage

少数データ向き自然言語処理大規模言語モデル生成

用途: 生成
難易度: Hard
コスト: High

Vision-Language Guided Hyperspectral Object Tracking via Semantics Fusion and Contextual Template Updating

Hyperspectral object tracking (HOT) leverages the rich spectral information provided by hyperspectral videos (

深層学習軽量化・量子化画像テキスト動画

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト

HDRAgent: An Agentic Framework for Multi-Exposure HDR Imaging

Most existing multi-exposure HDR methods follow a fixed feed-forward reconstruction paradigm, making them pron

用途: 生成
難易度: Hard
コスト: High

Knowledge Graphs and Reasoning LLMs for Finding Simple Yet Effective Transcriptomic Perturbation Predictors

Predicting the effect of an unseen gene knockout perturbation on transcriptomic gene expression remains a high

自然言語処理大規模言語モデル異常検知強化学習

用途: 異常検知
難易度: Hard
コスト: High

Momentum for Reasoning: Dense Intrinsic Signals in Policy Optimization

Reinforcement learning with verifiable rewards (RLVR) has emerged as a powerful paradigm for eliciting long-ch

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Reformulate LLM Reinforcement Learning for Efficient Training under Black-box Discrepancy

Reinforcement Learning (RL) has emerged as a pivotal post-training paradigm, yet it frequently suffers from un

深層学習軽量化・量子化強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

センサ/時系列深層学習軽量化・量子化生成画像テキスト

IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking

Simulation plays a key role in automated robotics research supported by large language models (LLMs). However,

用途: 生成
難易度: Hard
コスト: High

MI向き自然言語処理大規模言語モデル生成テキストマルチモーダル

Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery

Mathematical reasoning has long served as a stringent test of machine intelligence; over the past decade, it h

用途: 生成
難易度: Hard
コスト: High

表形式向き品質予測/異常検知深層学習軽量化・量子化生成テキスト表形式

Agentic Search for Counterfactual Recourse under Fixed LLM Budgets

Counterfactual recourse aims to provide actionable feature changes that would alter an unfavorable decision ma

用途: 生成
難易度: Hard
コスト: High

Activation Steering Induces Emergent Misalignment: A More Comprehensive Evaluation

Activation steering has emerged as a popular inference-time technique for modulating the behavior of large lan

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知深層学習軽量化・量子化生成テキスト

SpectrumKV: Per-Token Mixed-Precision KV Cache Transfer for Prefill-Decode Disaggregated LLM Serving

Prefill-decode (PD) disaggregation decouples prompt processing from token generation, but it also turns the ke

用途: 生成
難易度: Hard
コスト: High

深層学習Transformer予測テキスト強化学習

Towards Long-Horizon Vessel Trajectory and Destination Forecasting with Reasoning Large Language Models

Long-horizon maritime trajectory prediction is important for shipping management, logistics planning, and mari

用途: 予測
難易度: Hard
コスト: High

センサ/時系列自然言語処理大規模言語モデルテキスト時系列

Lost in the Non-convex Loss Landscape: How to Fine-tune the Large Time Series Model?

Recently, large time series models (LTSMs) have gained increasing attention due to their similarities to large

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

センサ/時系列自然言語処理大規模言語モデル分類テキスト音声

Titans-as-a-Layer: Test-Time Memory for Conversational Speech Emotion Recognition

Speech emotion recognition (SER) is commonly formulated as utterance-level classification, although conversati

用途: 分類
難易度: Hard
コスト: High

Calibration of Structured Ignorance Certificates for Diagnosing Unknown Unknowns in Reasoning Models

Large language models frequently fail in a characteristic way: rather than acknowledging ignorance, they produ

用途: 生成
難易度: Hard
コスト: High

EinSort: Sorting is All We Need for Tensorizing LLM

Tensor networks provide efficient representations for compressing large neural networks. By carefully designin

品質予測/異常検知深層学習軽量化・量子化

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Can the Environment Speak for Itself? $T^{2}$-GRPO: A Turn-Trajectory Group Relative Policy Optimization for Caregiver Agents

Optimizing large language models (LLMs) for long-horizon caregiver agents requires balancing delayed task obje

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Hybrid E-Assessment in Higher Education: Semi-Automated Grading of Paper-Based Written Examinations

This paper examines the limitations of fully digital and partially digital e-assessment approaches in summativ

自然言語処理大規模言語モデル分類テキスト

用途: 分類
難易度: Hard
コスト: High

少数データ向き深層学習Transformer生成画像テキスト

ZIPP:Zero-shot Image Personalization from Personas

Text-to-image diffusion models are increasingly deployed in open-ended creative contexts, yet their outputs re

用途: 生成
難易度: Hard
コスト: High

Beyond Pass Rate: A Multilingual, Execution-Grounded Evaluation of Open Code LLMs

Code generation models are typically compared using compact execution benchmarks and aggregate pass rates, but

用途: 生成
難易度: Hard
コスト: High

Inference-Time Conformal Reasoning with Valid Factuality Control for Large Language Models

Large language models (LLMs) increasingly perform multi-step reasoning, where intermediate claims form implici

用途: 生成
難易度: Hard
コスト: High

Governance Controls for AI-Generated Test Artifacts in Autonomous Software Testing

Artificial Intelligence (AI) and Large Language Models (LLMs) are increasingly used in autonomous software tes

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

表形式向き説明可能自然言語処理大規模言語モデル分類検出生成

Bridging Expert Knowledge and Automated Feature Engineering via Self-Evolution

In high-stakes settings such as brand compliance, clinical care, and content moderation, machine learning cann

用途: 分類
難易度: Hard
コスト: High

Evaluating AI Investment Strategies

We study the problem of auditing a black-box algorithmic decision-maker from observable inputs and outputs alo

自然言語処理大規模言語モデル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル音声

RAILS: Verification-Native Clearing For Agentic Commerce

Autonomous agents negotiate, purchase, deploy code, and move funds, but no neutral mechanism determines whethe

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能深層学習Transformer生成テキスト

RadOT-Eval: Auditable Structured-Evidence Transport for Radiology Report Evaluation

Automatic evaluation is critical for high-stakes text generation, where errors often involve omitted findings,

用途: 生成
難易度: Hard
コスト: High

APEX4: Efficient Pure W4A4 LLM Inference via Intra-SM Compute Rebalancing

W4A4 quantization promises full utilization of INT4 Tensor Cores, yet group dequantization overhead on CUDA Co

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Structuring agentic AI for HPC code modernization

Modernization of legacy scientific codes is often necessary to keep up with the ever-evolving changes in the c

深層学習Transformerテキスト3D

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

PerspectiveGap: A Benchmark for Multi-Agent Orchestration Prompting

Real-world LLM applications are moving beyond single-agent workflows toward orchestrated multi-agent systems,

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Building Customer Support AI Agents at 100M-User Scale: An Evaluation-Driven Framework

The rapid rise in LLM capabilities has made AI agents increasingly viable across a broad range of tasks. Among

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf

Expert writing feedback from experienced researchers is critical for early-career scholars to improve their ma

品質予測/異常検知自然言語処理大規模言語モデル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

The Amplifying Mirror: Locating and Steering the Partisan Direction inside a Large Language Model

Large language models are rapicly replacing search engines as the primary interface between people and informa

説明可能自然言語処理大規模言語モデル生成テキスト

用途: 生成
難易度: Hard
コスト: High

Co-Evolving Skill Generation and Policy Optimization

Skill-augmented reinforcement learning improves language agents by storing reusable procedural knowledge acqui

深層学習軽量化・量子化生成テキスト強化学習

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知深層学習Transformer分類生成テキスト

Can LLMs understand LilyPond? A benchmark for symbolic music generation and understanding

Symbolic music evaluation for large language models remains fragmented across representations, datasets, and m

用途: 分類
難易度: Hard
コスト: High

Operationalizing Linguistic Methods through Prompt-Engineering Skills: An Automatic Chinese Web Neologism Detection Pipeline

We present a method for automatic Chinese web neologism detection that operationalizes traditional linguistic

自然言語処理大規模言語モデル分類検出生成

用途: 分類
難易度: Hard
コスト: High

Analyzing the Correlation Between Hallucinations and Knowledge Conflicts in Large Language Models

Hallucinations -- factually incorrect or unverifiable outputs -- remain one of the most challenging limitation

説明可能自然言語処理大規模言語モデル検出テキスト

用途: 検出
難易度: Hard
コスト: High

Lost in the Flow with Code Talkers: Unveiling the Instruction-Tuning Tax of Large Language Models in Code Tasks

AI coding assistants have significantly improved developer productivity by automatically suggesting code that

深層学習Transformer分類生成テキスト

用途: 分類
難易度: Hard
コスト: High

From Player to Master: Enhancing Test-Time Learning of LLM Agents via Reinforcement Learning over Memory

Large language model (LLM) agents are increasingly deployed in long-running settings where improving through e

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

A retrieval conditioned rebinding circuit for dynamic entity tracking in large language models

To interpret context correctly and retrieve relevant information, large language models must bind entities to

説明可能自然言語処理大規模言語モデルテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト強化学習

From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape

As Large Language Models (LLMs) advance toward open-ended autonomous agents, the mechanisms used to evaluate a

用途: 生成
難易度: Hard
コスト: High

Multilingual Fact-Checking at Scale: Fine-Tuned Compact Models vs LLMs

We present a multilingual fact-checking system deployed at Factiverse, designed for high-throughput and low-la

深層学習Transformer分類検出

用途: 分類
難易度: Hard
コスト: High

Detection and Interpretability Analysis of Quotation Errors by Large Language Models

Purpose - Quotation error refers to the inconsistency between cited information and its original source. This

説明可能深層学習軽量化・量子化検出テキスト

用途: 検出
難易度: Hard
コスト: High

Inside the LLM Word Factory

Transformer language models process input provided as subword fragments, but natural language semantics usuall

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Ishigaki-IDS: An Open-Weight Verifier-Aware Model for Information Delivery Specification Drafting in Building Information Modeling

Building Information Modeling (BIM) projects require information requirements to be described as machine-check

自然言語処理大規模言語モデル生成強化学習

用途: 生成
難易度: Hard
コスト: High

Scaffold Effects on GAIA: A Controlled Comparison

Published agent capability scores conflate what a model can do with what its scaffold lets it do, and the magn

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Friend or Foe? Language as an ideological switch in open-weight LLMs under Russian disinformation stress

As Russia's war against Ukraine extends into generative AI, large language models (LLMs) adapted for local pos

MI向き自然言語処理大規模言語モデル生成テキスト

用途: 生成
難易度: Hard
コスト: High

Back on Track: Aligning Rewards and States for Reasoning in Diffusion Large Language Models

Reinforcement learning (RL) holds immense promise for enhancing the reasoning capabilities of diffusion large

自然言語処理大規模言語モデル生成テキスト強化学習

用途: 生成
難易度: Hard
コスト: High

SAEExplainer: Interpreting SAE Features with Activation-Guided Preference Optimization

Although Sparse Autoencoders (SAEs) have mitigated the opacity of large language models (LLMs) by decomposing

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

センサ/時系列深層学習Transformer分類検出生成

TRADE: Transducer-Augmented Decoder for Speech LLM

Speech Large Language Models (Speech LLMs) lack a principled mechanism for streaming inference: their label-sy

用途: 分類
難易度: Hard
コスト: High

Beyond Linear Activation Steering: Invertible Latent Transformations for Controlling LLM Behavior

Activation steering provides a lightweight inference-time mechanism for controlling large language models (LLM

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Hard
コスト: High

Sycophancy as a Multilingual Alignment Failure: How Safety Degrades Across Languages, Topics, and Models

Safety-aligned large language models often exhibit sycophancy, which is the tendency to affirm users' opinions

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成テキスト音声

Hacking Generative Perplexity: Why Unconditional Text Evaluation Needs Distributional Metrics

Diffusion and continuous flow-based language models have emerged as the leading non-autoregressive alternative

用途: 生成
難易度: Hard
コスト: High

Impacts of Histories and Models on LLM Grading: A Study in Advanced Software Engineering Courses

Graduate-level research reading report assessment creates a substantial labor burden for educators. While larg

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

TrustMargin: Training-Free Arbitration between Parametric Memory and Retrieved Evidence in Large Language Models

Large language models answer knowledge-intensive questions using both parametric memory and retrieved evidence

用途: 生成
難易度: Hard
コスト: High

Auditing Proprietary Alignment in Large Language Models: A Comparative Framework Without a Ground-Truth Standard

Large language models (LLMs) are increasingly released and deployed through opaque development and deployment

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

PhysAgent: Automating Physics-Based 4D Synthesis via Trajectory-Grounded Multi-Agent Feedback

Achieving fully automated, physically plausible 3D motion synthesis is a core objective in graphics and genera

MI向き深層学習軽量化・量子化生成テキスト3D

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル画像テキスト音声

OmniCap-IF: Benchmarking and Improving Instruction Following Abilities for Omni-Video Captioning

While Omni-modal Large Language Models (OLLMs) have demonstrated impressive capabilities in jointly processing

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

When Video Misreads: Closed-Loop Distillation of Reading Heuristics for Exploratory Manipulation Trace QA

Exploratory manipulation often turns an apparent failed attempt into the key evidence for what to do next. For

深層学習軽量化・量子化分類動画マルチモーダル

用途: 分類
難易度: Hard
コスト: High

少数データ向き深層学習Transformer画像テキストマルチモーダル

Look Less, Reason More: Block-wise Attention Skipping for Efficient Multimodal LLMs

Multimodal Large Language Models (MLLMs) face a significant inference bottleneck due to the quadratic computat

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Seeing is Believing: Aligning Prompt Rewriting with Visual Anchors for Text-to-Image Generation

Despite the impressive capabilities of text-to-image (T2I) models, an intent-generation gap often persists due

深層学習Transformer生成画像テキスト

用途: 生成
難易度: Hard
コスト: High

自然言語処理大規模言語モデル画像テキストマルチモーダル

TVI-CoT: Text-Visual Interleaved Chain-of-Thought Reasoning for Multimodal Understanding

Chain-of-thought (CoT) reasoning has proven effective for enhancing problem-solving in large language models.

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

X-Palm: Paired Multispectral-to-Smartphone Dataset for Cross-Domain Palmprint Authentication

Palmprint modality offers a privacy-preserving biometric solution, yet its deployment is hindered by the domai

自然言語処理大規模言語モデル画像

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

表形式向き品質予測/異常検知自然言語処理大規模言語モデルテキスト動画

CoVEBench: Can Video Editing Models Handle Complex Instructions?

While recent text-guided video editing models excel at elementary tasks (e.g., style transfer, object insertio

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

LUNA-AD: Lightweight Uncertainty-Aware Language Model with Lifelong Learning for Autonomous Driving

While large language models (LLMs) offer promising reasoning capabilities, their integration into safety-criti

深層学習軽量化・量子化テキストマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Personalized and Robust Proactive Robot Assistance with Uncertainty-Guided LLM Reasoning

Proactive robot assistance in household environments requires accurate prediction of human activities and obje

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Bayesian-Agent: Posterior-Guided Skill Evolution for LLM Agent Harnesses

LLM agents increasingly rely on external inference conditions: prompts, tools, memory, SOPs, skills, and harne

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Tensorizing Engram: Sharing Latents Across N-Gram Embeddings is Beneficial in LLMs

Modern language models represent text using discrete token-level embeddings, which forces recurring multi-toke

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

CATPO: Critique-Augmented Tree Policy Optimization

Reinforcement learning with verifiable rewards (RLVR) has become a dominant paradigm for improving the reasoni

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Understanding the Sociocultural Dimensions of Mental Health Discourse in Arabic-Language X Communities

Computational mental health research has predominantly centered on English-speaking populations, leaving Arabi

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

TLRD: Teaching LLMs to Reason over Tabular Data with Tri-Level Rationale Distillation

Tabular data is a primary medium for storing real-world information, driving many industrial applications of m

表形式向き深層学習軽量化・量子化テキスト表形式

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

SSR: Can Simulated Patients Learn to Stigmatize Themselves? Modeling Self-Stigma through Internal Monologue

Simulating patients with large language models (LLMs) is a promising tool for mental health training, but exis

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

少数データ向き品質予測/異常検知深層学習軽量化・量子化生成テキスト

ZAS-SQL: Distilling Rules from Failures for Zero-Shot Text-to-SQL

Text-to-SQL translates natural language into executable SQL queries. Few-shot in-context learning methods buil

用途: 生成
難易度: Hard
コスト: High

When No Answer Is Correct: Diagnosing Absent Answer Detection for MLLMs in Video Understanding

Multimodal large language models (MLLMs) have made substantial advancements in video understanding, yet the re

自然言語処理大規模言語モデル検出生成テキスト

用途: 検出
難易度: Hard
コスト: High

説明可能自然言語処理大規模言語モデルテキスト教師なし

Shared Semantics, Divergent Mechanisms: Unsupervised Feature Discovery by Aligning Semantics and Mechanisms

As large language models are increasingly deployed in high-stakes settings, there is a growing need for tools

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知画像検査深層学習軽量化・量子化テキスト

AlignFed: Alignment-Aware Asynchronous Federated Fine-Tuning for Large Language Models in Heterogeneous Edge Environments

Large Language Models (LLMs) have significantly propelled the advancement of edge intelligence and have been w

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

センサ/時系列自然言語処理大規模言語モデルテキスト音声

GlobeAudio: A Multilingual Multicultural Benchmark for Naturalistic Evaluation of Large Audio-Language Models

Large Audio-Language Models (LALMs) integrate audio perception and language understanding within a unified fra

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Constrained Paraphrase Consistency for LLM Hallucination Detection

Large language models (LLMs) can generate factually inconsistent claims, motivating accurate and scalable hall

深層学習Transformer検出生成テキスト

用途: 検出
難易度: Hard
コスト: High

Cross Paraphrastic Invariance Learning for Hallucination Detection

Large language models (LLMs) frequently generate hallucinations, which are unsupported by a source document. T

深層学習軽量化・量子化分類検出テキスト

用途: 分類
難易度: Hard
コスト: High

When Languages Disagree: Self-Evolving Multilingual LLM Judges

Multilingual LLM-as-a-judge is widely used to evaluate model outputs across languages, but suffers from cross-

品質予測/異常検知自然言語処理大規模言語モデル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

ConSteer-RL: Steering Reasoning Capabilities in Large Language Models via Confidence-Aware Reinforcement Learning

Reinforcement Learning from Verifiable Rewards (RLVR) has recently become a key paradigm for improving the rea

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Aligned but Not Partner-Specific: Distinguishing How Multimodal LLM Agents Succeed in Reference Games Without Human-Like Conventions

Repeated reference games test whether interlocutors replace their initially long descriptions with shorter, pa

深層学習軽量化・量子化テキストマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Support Vector Rubrics: Closing the Gap Between Self-Generated and Human Rubrics

Rubric-based evaluation is a promising paradigm for judging large language model (LLM) outputs, yet self-gener

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

"I understand your perspective": LLM Persuasion and Sycophancy through the Lens of Communicative Action Theory

Large Language Models (LLMs) can generate high-quality arguments, yet their ability to engage in nuanced and p

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

SurgiQ: A Large-Scale Multi-Domain Benchmark for Evaluating Surgical Understanding in Large Language Models

Reliable evaluation of large language models in surgery remains underdeveloped. Broad medical benchmarks test

用途: 生成
難易度: Hard
コスト: High

説明可能品質予測/異常検知自然言語処理大規模言語モデル画像テキストマルチモーダル

Robust-U1: Can MLLMs Self-Recover Corrupted Visual Content for Robust Understanding?

Multimodal Large Language Models (MLLMs) have demonstrated remarkable success in visual understanding, yet the

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

When Behavioral Safety Evaluation Fails: A Representation-Level Perspective

Large Language Model (LLM) safety has often been evaluated at the behavior level, which provides limited evide

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

GIScholarBench: Benchmarking LLM Overconfidence in GIS Research

Large language models (LLMs) are increasingly used in academic research workflows, but scholarly tasks require

用途: 生成
難易度: Hard
コスト: High

Arabic Sentence Segmentation Across Genres and Punctuation Conditions

Sentence segmentation in Arabic is challenging due to ambiguous and inconsistent punctuation, with many texts

深層学習軽量化・量子化セグメンテーションテキスト

用途: セグメンテーション
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル翻訳テキスト強化学習

Rewrite to Translate, Translate to Reward: Reinforcement Learning for Source Rewriting in Machine Translation

Although directly prompting off-the-shelf Large Language Models (LLMs) to generate meaning-preserving source r

用途: 翻訳
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成要約テキスト

Summarization is Not Dead Yet

The progress of large language models (LLMs) has fueled claims that model-generated summaries rival or even su

用途: 生成
難易度: Hard
コスト: High

MC-PDD: Masked Corpus-Level Pretraining Data Detection for Black-Box Large Language Models

Pretraining is fundamental to the development of Large Language Models (LLMs), yet the opacity of pretraining

自然言語処理大規模言語モデル検出テキスト

用途: 検出
難易度: Hard
コスト: High

Customer-Agent: Overcoming Context Limitations in Ultra-Long Shopping Trajectories via Tool-Augmented Agents and RLVR

Understanding customer shopping trajectories is essential for enabling personalized shopping experiences. Howe

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

MechLens: Late Crystallization of Factual Knowledge Explains Intervention Effectiveness in Language Models

Understanding where LLMs store factual knowledge is critical for hallucination mitigation. We systematically q

自然言語処理大規模言語モデル分類テキスト

用途: 分類
難易度: Hard
コスト: High

Defending Against Malicious Finetuning by Scaling Train-time Adversarial Attacks

Current open-weight large language models (LLMs) are prone to malicious finetuning attacks, which could compro

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Neutrality Bites: Gender Representation in AI-Generated Animal Stories

Gender bias in AI-generated stories is a well-documented problem. While much attention has been paid to reduci

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

What Does Debiasing Really Remove? A Geometric Study of PCA-Based Gender Debiasing in Word Embeddings

Debiasing methods based on principal component analysis (PCA) are broadly used to reduce gender bias in word e

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Shared Latent Structures Enable Unified Backdoor Detection and Mitigation in LLMs

Backdoor attacks in large language models (LLMs) are often treated as isolated trigger-response failures, moti

深層学習軽量化・量子化分類検出テキスト

用途: 分類
難易度: Hard
コスト: High

From `May' to `Is': Certainty Distortion in Language Model Rewriting

Humans increasingly turn to Language Models (LMs) in ways that shape beliefs and drive decisions, including di

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

POISE: Position-Aware Undetectable Skill Injection on LLM Agents

Agent skills provide a lightweight mechanism for extending general-purpose agents, but their open format expos

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Illusions of the Gold Standard: A Large-scale Analysis of Human Evaluation Protocols for Long-form Text Generation

Human evaluation plays a critical role in assessing the quality of generated text. However, the reliability an

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル要約テキスト

ROSUM-MCTS: Monte Carlo Tree Search-Inspired HDL Code Summarization with Structural Rewards

Large language models (LLMs) have shown promise in code summarization, yet their effectiveness for Hardware De

用途: 要約
難易度: Hard
コスト: High

Decoupling Semantics and Logic: A Training-Free Coarse-to-Fine Pipeline for Video Retrieval-Augmented Generation

This paper presents our system description for the 2nd Workshop on Multimodal Augmented Generation via Multimo

深層学習軽量化・量子化生成検索画像

用途: 生成
難易度: Hard
コスト: High

MemToolAgent overview with a simple restaurant booking scenario where the agent retrieves similar memories, receives feedback on an invalid time format, and generates a reflection to update its memory

Modern large language model (LLM) agents can use external tools to help users solve complex tasks. However, fo

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

MI向き品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト

VideoWeaver: Evaluating and Evolving Skills for Agentic Long Video Generation

Recent agent frameworks such as Claude Code, Codex, and OpenClaw are strong at tool use and orchestration, but

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデルテキスト3D

Agentic Neuro-Symbolic Planning and Commissioning for Human-in-the-Loop Industrial Robotics with Digital Twins

Flexible robotic automation requires systems that interpret operator intent, verify physical feasibility, and

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

vla.cpp: A Unified Inference Runtime for Vision-Language-Action Models

Vision-Language-Action (VLA) policies are typically shipped as Python/PyTorch stacks that assume a workstation

自然言語処理大規模言語モデル動画マルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Online Pandora's Box for Contextual LLM Cascading

この論文では、LLM APIを連携するための選択ツールであるPandora's Boxモデルを提案しています。Pandora's Boxモデルは、複数のLLM APIから生成した出力を評価するためのツールとなります。出力

用途: LLM APIを連携するための決定ツール
難易度: Hard
コスト: High

説明可能自然言語処理大規模言語モデル分類画像テキスト

arxivGitHubあり2026-06-05

LLM-Guided Evolution for Medical Decision Pipelines

Adapting large language models (LLMs) to clinical workflows often requires costly fine-tuning or manual prompt

用途: 分類
難易度: Hard
コスト: High

Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories

LLM-based coding agents sometimes acknowledge a problem in their own reasoning and then proceed anyway. We cal

説明可能深層学習Transformer検出

用途: 検出
難易度: Hard
コスト: High

Whose Norms? Disentangling Cultural and Personal Alignment in Large Language Models

Large language models are increasingly used for social decision-making situations that require balancing cultu

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-06-05

The Cold-Start Safety Gap in LLM Agents

Are tool-calling LLM agents equally safe throughout a conversation? We discover they are not: agents are most

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Evidence Markets

Modern prediction markets face two limitations that restrict their applicability in a range of settings:~(i)~t

品質予測/異常検知自然言語処理大規模言語モデル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-06-04

Symmetric Divergence and Normalized Similarity: A Unified Topological Framework for Representation Analysis

ペアのトポロジー的な距離に関する制約を満たすための統一的なトポロジーコーラムを開発しました。これにより、トポロジー的な距離の精度を向上でき、信頼できる結果として得られることができました。

深層学習CNN検出

用途: 頂点間のトポロジー的な距離
難易度: Hard
コスト: High

arxivPaper only2026-06-04

Adaptive state-action abstractions via rate-distortion

この論文では、強化学習において抽象化をどのように行うかについて研究した。提案された手法は、問題解決の粒度をダイナミックに調節し、学習がスムーズになり、精度が向上することを示した。

表形式向き自然言語処理大規模言語モデル表形式強化学習

用途: 強化学習における抽象化
難易度: Hard
コスト: High

arxivPaper only2026-06-04

MotionDisco: Motion Discovery for Extreme Humanoid Loco-Manipulation

この研究では、ヒューマノイドロボットのロコマニパションのための MotionDisco を提案し、ロボットは接触を検出して自律的に行動することができるようになります。

深層学習軽量化・量子化テキスト動画強化学習

用途: ヒューマノイドロボットのロコマニパション
難易度: Hard
コスト: High

arxivGitHubあり2026-06-04

A Conversational Framework for Human-Robot Collaborative Manipulation with Distributed Generative AI models

この研究では、人間-ロボット協力のためのDistributed Conversational Frameworkを提案します。

自然言語処理大規模言語モデル生成画像テキスト

用途: 人間-ロボット協力
難易度: Hard
コスト: High

arxivPaper only2026-06-03

Bayesian learning for the stochastic shortest path problem

この研究では、マルコフ決定過程の最適な意思決定 (Markov Decision Process) を提案しており、最適な意思決定を動的で適応的に生成する。

表形式向き深層学習軽量化・量子化表形式

用途: マルコフ決定過程の最適な意思決定
難易度: Hard
コスト: High

arxivPaper only2026-06-03

REGAIN: REconciliation GAIN-driven Auxiliary Direction Learning

LLMが人の信頼性を判断することを研究し、大量のテキストから特徴を抽出した特定の構造を提案する

センサ/時系列機械学習時系列予測

用途: 対話の信頼性の判断
難易度: Hard
コスト: High

arxivGitHubあり2026-06-03

Mutation Without Variation: Convergence Dynamics in LLM-Driven Program Evolution

LLMがプログラムを変換する際の動態学を調査し、変換は収束し、制限された吸引領域に収束することが多いことを示す。

用途: LLMドライブのプログラム変換の動態学
難易度: Hard
コスト: High

arxivPaper only2026-06-02

Conformal Language Modeling via Posterior Sampling

Large Language Models remain plagued by hallucinations. Recent work has sought to tame their prevalence using

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-06-02

An Asymptotic Theory of Chain-of-Thought in In-Context Learning

この研究は、医療従事者が病気の症状を検出し、診断するのを支援するように設計されています。研究者らは、AIのアルゴリズムを開発し、そのアルゴリズムを臨床試験で検証したところ、AIが医療関係者とほぼ同じレベルの精度で病気の症

自然言語処理大規模言語モデル回帰テキスト

用途: 症状の検出と疾患の診断
難易度: Hard
コスト: High

arxivPaper only2026-06-02

Do Matching Mechanisms Work with LLM Agents?

This study examines whether standard matching mechanisms function as intended in LLM-agent markets, where LLM

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-06-01

ReSkill: Reconciling Skill Creation with Policy Optimization in Agentic RL

Agentic reinforcement learning (RL) enables LLM agents to improve continuously from environment rewards, yet t

自然言語処理大規模言語モデル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-06-01

Pluralistic Leaderboards

Recent leaderboard-based evaluations of large language models aggregate user feedback by fitting a Bradley--Te

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-31

Target Updates May Stabilize Linear Q-Learning: Periodic and Soft Dynamics

Periodic target updates in Q-learning and soft target updates in actor-critic methods are empirically well est

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-31

Truthful AI Advisors: A Pre-Specified Benchmark for Large Language Model Honesty Under Preference Misalignment

Large language models are increasingly deployed as advisors whose objective is not aligned with the user's: re

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-31

Domination-Avoiding Learning Agents Cannot Collude

An influential paper of Calvano et al. empirically demonstrated that Q-learning agents spontaneously collude w

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-30

Position: Prioritize Identifying Structure, Not Complex Models, for Scientific Discovery

Modern Machine Learning (ML) and Artificial Intelligence (AI) models, especially large language models (LLMs),

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成回帰

arxivGitHubあり2026-05-30

Cross-Generational Transfer of Adversarial Attacks Reveals Non-Monotonic Safety Alignment in LLMs

Safety alignment in LLMs does not improve monotonically across model generations. Studying four generations of

用途: 生成
難易度: Hard
コスト: High

説明可能品質予測/異常検知自然言語処理大規模言語モデル

arxivGitHubあり2026-05-30

Quality-Diversity Evolution for Discovering Diverse Vulnerabilities in LLM Safety

Current approaches to LLM adversarial testing suffer from coverage gaps: manual red-teaming does not scale, LL

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-29

From Talking Words to Sharing Thoughts: Scalable Multi-LLM Aggregation via Structured Message Passing

The emergence of specialized, domain-tuned Large Language Models (LLMs) has demonstrated that smaller models c

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-29

Used Car Salesbots? Honesty and Credulity of LLMs as Bargaining Agents under Partial Information

In this work we study agents in simulated bargaining scenarios, where a buyer and a seller communicate through

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-05-28

EvoGM: Learning to Merge LLMs via Evolutionary Generative Optimization

LoMoは、画像とテキストの両方から情報を取り入れるモデルを作成するために、画像変換後のテキストをモデル内で使用できるようにすることで、ビジョンや言語の間の境界を越える能力を強化します。

MI向き深層学習軽量化・量子化生成

用途: 数値推論能力の向上
難易度: Hard
コスト: High

arxivPaper only2026-05-28

Compute Allocation in Evolutionary Search: From Depth-Breadth to Multi-Armed Bandits

LLM-guided evolutionary search (Evolve systems) has reached state-of-the-art results on mathematical and combi

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-05-28

PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers

ポーカーはIAの代表的な問題です。しかし、強いエキスパートレベルを達成するために、長時間にわたるトレーニングと解釈が必要とされてきました。LLMを使用すると、トレーニングやソルバーが不要となり、ポーカーをプレイすることが

説明可能自然言語処理大規模言語モデルテキスト

用途: ポーカーゲーム
難易度: Hard
コスト: High

arxivPaper only2026-05-28

Evolutionary Dynamics of Cooperation in Next-Generation LLM Agent Systems: A Cross-Provider Empirical Extension

次世代LLMモデルの協力性に影響を与える要因について調査した。ChatGPT-4oとClaude 3.5 Sonnetは共通の協力性を持っていたが、提供元は違いだった。

深層学習Transformer生成テキスト

用途: 次世代LLMモデルの協力性に影響を与える要因
難易度: Hard
コスト: High

arxivPaper only2026-05-26

Why Prompt Optimization Works, and Why It Sometimes Doesn't: A Causal-Inspired Edit-Level Analysis

強化学習を利用し、LLMを最適化するには、適切なパラメータを選択することが重要です。この研究では、強化学習のパラメータがLLMの性能にどのような影響を与えるかを調査し、パラメータを最適化する方法を提案することを目指す。

用途: 強化学習
難易度: Hard
コスト: High

arxivPaper only2026-05-26

Constitutional Arms Races in the Public Goods Game: Co-Evolving LLM Constitutions Under Cooperation-Defection Pressure

Frontier LLM agents engage in blackmail, sabotage, and document leaks under goal conflicts in agentic settings

説明可能自然言語処理大規模言語モデル生成回帰テキスト

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-22

GENSTRAT: Toward a Science of Strategic Reasoning in Large Language Models

この論文では、大規模言語モデルに戦略的推論を評価する方法を提案します。

用途: 大規模言語モデルに戦略的推論の評価
難易度: Hard
コスト: High

arxivPaper only2026-05-21

Vector Policy Optimization: Training for Diversity Improves Test-Time Search

language modelは、現在、novelな環境に一般化することが求められ、推論尺度を伸ばす検索手法であるAlphaEvolveと組み合わせることが求められます。しかし、標準的なparadigmではLLMは、pre

用途: language modelの検索タスクに対応するために多様性を強化する
難易度: Hard
コスト: High

arxivPaper only2026-05-21

Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament

LLMに先行する存在としての人間の優位性を研究し、コロニエル・ブロットー・ゲームの一種であるColonel Blotto Tournamentで、人間がLLMに勝ったことが知られている。

用途: LLMの行動予測における人間の優位性
難易度: Hard
コスト: High

arxivPaper only2026-05-19

What Do Evolutionary Coding Agents Evolve?

コード生成を進化させるために、最近の研究では LLMs と進化する検索を組み合わせて、タスクに特化したフィードバックを使用してコードを生成、編集、そして選択することを実現している。タスクに特化した評価者でのベストスコアは

用途: コード生成を進化させる問題を解決する
難易度: Hard
コスト: High

arxivGitHubあり2026-05-19

optimize_anything: A Universal API for Optimizing any Text Parameter

LLM（大規模言語モデル）を利用してテキストパラメータを最適化するシステムを提案しました。このシステムは、単一のシステムでさまざまなタスク（単一タスク、複数タスク、未知の入力など）を実行可能でした。また、システムは、最適

用途: 任意のテキストパラメータを最適化することが可能
難易度: Hard
コスト: High

arxivPaper only2026-05-19

A Nash Equilibrium Framework For Training-Free Multimodal Step Verification

Multimodal large language models often generate reasoning chains containing subtle errors that lead to incorre

自然言語処理大規模言語モデルテキストマルチモーダル

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-19

PrefBench: Evaluating Zero-Shot LLM Agents in Hidden-Preference Personalized Pricing Negotiations

Personalized pricing negotiations are a challenging testbed for LLM agents because successful interaction does

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-15

MO-CAPO: Multi-Objective Cost-Aware Prompt Optimization

Large language models (LLMs) achieve strong performance across a wide range of tasks but are highly sensitive

品質予測/異常検知深層学習軽量化・量子化テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-15

General-Purpose Co-Evolutionary Construction of Parallel Algorithm Portfolios for Multi-Objective Binary Optimization

Despite recent progress in constructing generalizable parallel algorithm portfolios (PAPs), no general-purpose

自然言語処理大規模言語モデル生成

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-14

Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games

ゲームにおけるAIツールの不正利用を検出、防止するための中間フォームゲームにおける水印技術の開発

用途: ゲームにおける不正行為への対処
難易度: Hard
コスト: High

arxivPaper only2026-05-13

The Geno-Synthetic Algorithm: Type-Factored Coevolutionary Optimization for Heterogeneous Genotypes and Assembled Phenotypes

多分類パラメーターを扱うためのタイプ-実現した共進化の方法を提案し、この方法が実

用途: 多分類パラメーターを扱うためのタイプ-実現した共進化の方法を提案する
難易度: Hard
コスト: High

arxivPaper only2026-05-13

TERMS-Bench: Diagnosing LLM Negotiation Agents Beyond Deal Rate

Negotiation is a central mechanism of economic exchange, shaping markets, procurement, labor agreements, and r

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-12

ToolMol: Evolutionary Agentic Framework for Multi-objective Drug Discovery

Advances in large language models (LLMs) have recently opened new and promising avenues for small-molecule dru

MI向き品質予測/異常検知深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-12

Black-Box Optimization of Mixed Binary-Continuous Variables: Challenges and Opportunities in Evolutionary Model Merging

Model merging has emerged as a cost-effective alternative to training large language models (LLMs) from scratc

条件最適化自然言語処理大規模言語モデルテキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-12

Graph-Grounded Optimization: Rao-Family Metaheuristics, Classical OR, and SLM-Driven Formulation over Knowledge Graphs

We propose graph-grounded optimization: a paradigm in which the decision variables, constraints, and objective

表形式向き品質予測/異常検知深層学習軽量化・量子化テキスト表形式

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

A Theory of Multilevel Interactive Equilibrium in NeuroAI

マルチエージェントシステムのゲーム理論的枠組みを構築し、エキサイタブルの理論的基盤を提供することを目指しています。

用途: マルチエージェントシステム
難易度: Hard
コスト: High

Prospective Compression in Human Abstraction Learning

人間的抽象化を推定するための新たなアプローチを提案し、未知のタスクを効率的に学習することができます。

深層学習Transformer生成画像テキスト

用途: 人間的抽象化
難易度: Hard
コスト: High

When to Ask a Question: Understanding Communication Strategies in Generative AI Tools

Generative AI models differ from traditional machine learning tools in that they allow users to provide as muc

用途: 生成
難易度: Hard
コスト: High

Strategic Coercion Within Alliances: The Greenland Sovereignty Game as an AI Stress Test

What happens when the strongest alliance member pressures a weaker member over territory and strategic control

深層学習Transformer

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-10

Parameter-Efficient Neuroevolution for Diverse LLM Generation: Quality-Diversity Optimization via Prompt Embedding Evolution

Large Language Models exhibit mode collapse, producing homogeneous outputs that fail to explore valid solution

品質予測/異常検知深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-10

EvoPref: Multi-Objective Evolutionary Optimization Discovers Diverse LLM Alignments Beyond Gradient Descent

Gradient-based preference optimization methods for large language model (LLM) alignment suffer from preference

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-05-10

LEVI: Stronger Search Architectures Can Substitute for Larger LLMs in Evolutionary Search

LLM-guided evolutionary methods such as AlphaEvolve have proven effective in domains like math, systems resear

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-09

Evolutionary Ensemble of Agents

We introduce Evolutionary Ensemble (EvE), a decentralized framework that organizes existing, highly capable co

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-05-09

ARES-LSHADE: Autoresearch-Enhanced LSHADE with Memetic Polish for the GNBG Benchmark

We present ARES-LSHADE, a memetic differential-evolution variant submitted to the GECCO 2026 competition on LL

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivPaper only2026-05-09

AHD Agent: Agentic Reinforcement Learning for Automatic Heuristic Design

Automatic heuristic design (AHD) has emerged as a promising paradigm for solving NP-hard combinatorial optimiz

深層学習軽量化・量子化生成テキスト強化学習

用途: 生成
難易度: Hard
コスト: High

arxivGitHubあり2026-05-08

Discovering Ordinary Differential Equations with LLM-Based Qualitative and Quantitative Evaluation

インスタテストタスクの推論を高速化するために、スケーリングを適用して、推論時間を短縮することができる。

自然言語処理大規模言語モデル回帰

用途: インスタテストタスクの推論を高速化する
難易度: Hard
コスト: High

arxivPaper only2026-05-08

Kernel Foundry: A Diagnosis-driven Evolutionary Kernel Optimizer with Multi-Experts

Generating high-performance GPU kernels remains challenging due to the need for both correctness and hardware-

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Hard
コスト: High

arxivPaper only2026-05-07

The Causally Emergent Alignment Hypothesis: Causal Emergence Aligns with and Predicts Final Reward in Reinforcement Learning Agents

A hallmark of life on Earth is the ability of agents to exert causal power and be drivers of subsequent events

自然言語処理大規模言語モデル強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

arxivGitHubあり2026-05-07

CoupleEvo: Evolving Heuristics for Coupled Optimization Problems Using Large Language Models

CoupleEvoは、大規模言語モデルを活用したカップルの最適化問題の自動ヒューリスティクーデザインアプローチを提案します。3つの進化的調整戦略が提示されます。

用途: カップルの最適化問題を解決する
難易度: Hard
コスト: High