見出し・要約・本文から、情報のつながりを探します。
arXiv:2610.37867v1 発表タイプ：新規 要旨：食品類似性は、検索、推薦、代替など、さまざまな食に関する計算タスクの基盤となっているが、従来の食品表現評価では主に同一性の保持に焦点が当てられてきた。そこで私たちは、同一性を超えた食品類似性について考察する。すなわち、異なる視覚的表現が食品をいかに関係的な近隣群として整理し、これらの近隣群がどのような料理上の関係を明らかにしたり隠蔽したりするのか、さらに、こうした構造が表現間でどの程度一貫して現れるのかを問う。インド料理は、視覚的に類似している食品であっても異なる料理上のアイデンティティを持つことがあり、また同じ料理ファミリーに属する食品でも外見が大きく異なる場合があるという、極めて挑戦的な状況を提供する。拡張されたKhanaデータセットと、畳み込みニューラルネットワークやトランスフォーマーを含む7種類の事前学習済み視覚表現を用いて
arXiv:2610.36582v1 公告タイプ：新規 要旨：ランドマークベースの経路案内を生成するためには、モデルは地図の幾何学的構造と人間のランドマークに対する好みの両方を理解する必要があります。大規模言語モデル（LLMs）は言語処理タスクにおいて優れた能力を示していますが、これらのモデル向けに地図データをどのように構造化すべきかについては、まだ確立されていません。本論文では、経路ナビゲーションにおけるランドマーク選択タスク向けの構造化テキスト表現を提案し、空間的特徴を符号化するためにSVG形式を活用します。この構造化テキストは、レンダリングされた地図画像との幾何学的なつながりを維持しており、言語モデルが空間情報および意味情報を直接参照できるようにします。人間による経路説明文とOpenStreetMapデータから作成した新しいデータセットを用いて、ターンごとのランドマーク選択および目的地周辺でのランドマーク選択という二つのタスクについてモデルの評価を行います。
CareemのAIエージェントは、人間がPRをレビューする前に、dbtモデルをエンドツーエンドで作成し、検証します。
データサイエンティストが、dbtプロジェクトだけでは保持できない組織のナレッジ向けのAIコンテキスト層をどのように構築したか。
2026年10月24日付でarXivに掲載されたAI研究論文は、現在主流のペアワイズ評価手法では、同一のプロンプトに対するすべての応答に共通するスコアリング成分が自動的に相殺されてしまうため、報酬モデルにおける重要な「プロンプトレベルのバイアス」が検証されていないと指摘している。著者らは人間による評価を基準として、既に公開されている18種類のスコアラーに対して監査を実施した結果、HelpSteer2データセットにおいて、6つのモデルではスコアの分散の34％～64％がプロンプトそのものに起因しており、一方で人間の評価ではこのような現象はほとんど見られなかったことを明らかにした。
注目する理由：本研究は、大規模言語モデルのアライメントプロセスにおいて長らく見過ごされてきた根本的な欠陥を指摘している――すなわち、報酬モデルによるスコアリングが応答の質そのものではなく、提示文に強く依存している点である。また、本研究の方法論（人間基準による審査、プロンプトの置換、分散分解）は再現性が確保されており、結論は実証的分析に基づいており、複数の主流なオープンソースの評価ツールを網羅しているため、嗜好最適化、RLHF、および安全評価の実践に対して直接的な警鐘を鳴らすものとなっている。
研究チームは2026年10月24日、arXivに論文（番号2610.30677v1）を公開し、全自動で構築された質問応答データセットWikiOriginQAを紹介しました。このデータセットは、各言語版ウィキペディアの作成日付を用いて知識の起源を客観的に表すもので、文化的バイアス評価の拡張性向上を目的としています。
注目する理由：本研究は、人手によるラベル付けを必要とせず、言語を跨いで文化知識の由来データを大規模に生成できる手法を提案し、実験により大規模言語モデルが英語圏の文化に関連する課題において体系的な性能優位性を示すことを確認した。これにより、文化的バイアスの定量的分析に新たなツールが提供された。
マイクロソフトとHugging Faceは共同でオープンソースフレームワーク「ThinkingBox」を発表しました。このフレームワークは、LLMエージェントが実行した後の実際のデータベースの最終状態と期待される状態を比較し、0/1の二値報酬を生成することで強化学習による微調整に用いられます。また、それに伴うベンチマーク「ThinkingBox-Bench」には507の実際のバックエンドタスクが含まれており、いずれのタスクも学習に使用されていません。Qwen3.8-27Bは50ステップのGRPOによる微調整を経た結果、ホールドアウトテストセットにおいてpass@1が9.08ポイント向上し、Observed 20/20は約3倍に増加しました。ただし、一部の領域ではpass@20が低下しており、これは広範さと安定性のトレードオフを反映しています。
当社のセキュリティチームが、継続的なストリーミングアーキテクチャを活用してアラートのトリアージ処理量を拡張した、自動化されたマルチエージェント調査パイプラインをどのように構築したかをご覧ください。
