本文へ移動
AI NEWS.ccAI正在发生 未来正在更新
ニュースのブックマーク
THE JOURNAL
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI ニュースを検索

見出し・要約・本文から、情報のつながりを探します。

公開日時順

arXiv cs.CL

解説を読まずにスコアリングを行う：自動解釈可能性評価における構造的ショートカット

arXiv:2610.37676v1 公表タイプ：新規 要旨：自動解釈可能性は、スパースオートエンコーダー（SAE）の特徴について、評価例に対してその特徴がどの位置で活性化するかをトークンごとに予測させたり、マークされたトークンがその特徴に適合しているかどうかを判定させたりすることで、解説を評価します。我々は、評価データの標準的な処理パイプラインのみを用いても、解説を読まないままスコアリングが可能であることを示しました。Neuronpediaに保存されているGPT-2 smallモデルのランダムな500個の特徴に対するファジング実行において、活性化した例の91.3％が中心トークン上でピークを持つように切り取られており、さらに中心トークンがマークされていれば「はい」と判定するルールは、パイプラインのコードから再構築されたマークに基づいて計算した結果、保存済みのLLMスコアラーの0.838に対し、バランスのとれた精度0.979を達成しています。一方、マーク数のみを参照するルールでは0.969を記録しました。T

経緯と関連報道
arXiv cs.AI

Seq@K：逐次的フィードバック下での言語モデルの評価

arXiv:2610.37859v1 発表タイプ：新規 要旨：言語モデルエージェントは、文脈における自然言語から学習する能力において、従来の知能システムとは根本的に異なります。この能力により、エージェントはフィードバックに応じて自身の回答を反復的に改善することが可能となり、これは現代のエージェント型ワークフローにおいて広く見られる動作様式です。しかし、コミュニティでは主にPass@1やPass@Kといった指標でモデルを評価しており、それらの指標では、エージェントが過去の試行に対するフィードバックをどのように活用しているかを捉えることはできません。そこで私たちは、Seq@Kという自然な評価プロトコルを提案します。これは、各前の試行が失敗した後にフィードバックを受け取り、K回の逐次的な試行のうちに問題を解決できるかどうかを測定するものです。長期的な計画を検討する多段階のエージェントベンチマークとは異なり、Seq@Kは、フィードバックによる改善という核心的な能力を単独で抽出し、形式化しています。

経緯と関連報道
SiliconANGLE AI

Wabi、消費者向けAIアシスタントで5,500万ドルを調達

消費者向け人工知能アシスタントを開発するWabi Inc.は本日、シリーズAラウンドで5,500万ドルの資金調達を完了したと発表しました。このラウンドはIVPがリードし、Amazon Alexa Fund、Andreessen Horowitz、Forerunnerから出資を受けました。さらに、Salesforce Inc.のCEOであるマーク・ベニオフ氏やShopify Inc.のCEOであるトビ・リュトケ氏ら、複数のエンジェル投資家も参加しています。記事「Wabi、消費者向けAIアシスタントで5,500万ドルを調達」は、SiliconANGLEに最初に掲載されました。

経緯と関連報道
ザ・バージ・AI

今やGeminiのチャット内で、Googleドキュメントファイルを直接生成・編集できます

現在、PDF、Googleドキュメント、Googleスプレッドシート、スライドデッキ、Markdownファイル、TXTファイル、さらにはコードまで、Gemini内で直接生成・プレビュー・編集できるようになりました。新しいファイル編集機能は本日よりすべてのGeminiユーザーが利用可能で、PDFのプレビューおよび編集はウェブとモバイルの両方で対応していますが、その他のファイル形式は現時点ではウェブ版でのみ利用可能です。

STK255_Google_Gemini_B_474198
メディア
経緯と関連報道
SiliconANGLE AI

AIが新入社員をクライアント業務へと押しやるなか、Intuitは会計教育の再構築を進める

AIが日常的な財務業務を自動化するにつれ、かつて初任者向け会計職を特徴づけていた反復作業は姿を消し、企業が価値を創出する中心にはアドバイザリー業務が据えられるようになっている。この変化により、大学は教科書に描かれた仕事とは大きく異なる職種に卒業生を備えさせるべく急いで対応を進めている。教室と実務のギャップを埋めることが、今やIntuit Inc.にとって最優先課題となっている。記事「AIが新入社員をクライアント業務へと押しやるなか、Intuitは会計教育の再構築を進める」は、SiliconANGLEにて最初に公開されました。

経緯と関連報道

GitHub Copilotの変更履歴

Copilotで画像を直接生成・編集

GitHub Copilotでは、自然言語を使って画像の生成と編集が可能になりました。画像をリクエストすると、選択した推論モデルが、…によって動作する専用の画像生成ツールを呼び出し、その結果をインラインでプレビューし、プロジェクトに保存します。この投稿「Copilotで画像を直接生成・編集」は、The GitHub Blogに最初に掲載されました。

新闻源配图 · GitHub Copilot changelog
経緯と関連報道
セミエンジニアリング

Build-A-Chip-Benchの紹介：ワークロード仕様からGDSまで

オープンソースツールとオープンソースPDKを用いて、チップ設計ワークフローを完了する能力を評価するため、ワークロード仕様からGDSレイアウトに至るまでの段階でAIエージェントを評価します。記事「Build-A-Chip-Benchの紹介：ワークロード仕様からGDSまで」はSemiconductor Engineeringに最初に掲載されました。

経緯と関連報道
arXiv cs.CL

FinLLM-KG：アルゴリズム取引における金融センチメント分析のための知識グラフ強化型大規模言語モデル

arXiv:2610.36083v1 公告タイプ：新規 要旨：生成系AIの最近の進展により、事後学習済みの金融分野向け大規模言語モデル（LLMs）を用いた金融センチメント分析は大幅に向上しました。しかし、既存の手法は依然として各記事のセンチメントを個別に予測するにとどまり、ブラックボックス的な運用が続くため、文脈理解が制限され、リスクの高い金融意思決定への適用が妨げられています。これに対し、本研究ではFinLLM-KGを提案します。これは、因果関係に基づくLLMsと金融知識グラフを組み合わせたモデル非依存のフレームワークであり、モデルの重みを更新することなく、推論時にSEC 10-K提出書類から得られる時系列に根ざした企業レベルの知識を注入することが可能です。FinLLM-KGでは、コンテキストは自然言語による企業プロフィール、または少数の関連情報セットのいずれかで提供されます。

経緯と関連報道
arXiv cs.DC

適応型最適化における勾配補正：適応前の修正

arXiv:2502.02727v4 発表タイプ：置換・交差 要旨：クライアントドリフト補償手法は、フェデレーテッド学習（FL）におけるデータの非均一性の影響を軽減します。確率的勾配降下法（SGD）ベースのFLではドリフト補正が十分に研究されてきましたが、適応型クライアント最適化手法との相互作用についてはまだ十分に解明されていません。Adamなどの適応型最適化手法は、過去の勾配の移動平均を用いて各更新を行います。そのため、最終的な更新方向のみを補正しても、その移動平均とそこに含まれるドリフトは変更されません。私たちは、これらの移動平均に入る前に各勾配を補正する「フェデレーテッド適応型勾配補正（{\tt FA-GC}）」を提案し、最終的な方向に補正を加える「フェデレーテッド適応型素朴追跡（{\tt FA-NT}）」と比較しました。実験により、ある理想的な

経緯と関連報道
arXiv cs.CL

低ランク多線形分解によるLLMのハルシネーション検出

arXiv:2610.36191v1 公告タイプ：新規 要旨：大規模言語モデル（LLMs）は、流暢でありながら事実と一致しない応答を頻繁に生成し、その信頼性に対する懸念が高まっています。近年のハルシネーション検出手法は、内部表現を活用する傾向が強まっていますが、高次元の隠れ状態から有用な信号を抽出することは依然として困難です。既存のアプローチでは、選択された活性化値やプーリングベースの圧縮に依存することが多く、Transformer層、特徴モード、トークン全体に分散する識別力のある情報を見落としてしまう可能性があります。私たちは、LOTUS（Low-rank Order-statistic TUcker-based Subspace learning）を提案します。これは、ハルシネーション検出のための多線形低ランク分解フレームワークであり、LLMの隠れ状態からコンパクトな表現を抽出しつつ、ラベルへの依存度を低減します。

経緯と関連報道
arXiv cs.CL

トークナイザーなしでも依然として存在するギャップ：ホモグリフおよび非表示文字による透かしの言語間公平性

arXiv:2610.36432v1 公表タイプ：新規 要旨：ホモグリフおよび非表示文字による透かしは、編集ベースの透かしです。モデルがテキストを生成する方法を変更するのではなく、テキストが生成された後にその中に信号を隠す手法です。同形異義文字（見た目は同じか非常に似ているがUnicodeコードポイントが異なる文字）に置き換えたり、表示されない文字を挿入したりすることで、テキストを生成したモデルへのアクセスなしに実現します。生成時透かしは、トークナイザーがテキストを分割する方式のため、リソースが限られた言語では効果が低下します。これらの透かしは個々の文字単位で動作するため、トークナイザーには一切影響を与えません。そこで、こうした透かしがこのギャップを回避できるのかという疑問が生じます。24種類の文字体系に属する40の言語バリエーションを対象に、各文字が持つ隠蔽ビット数（容量）と、そのうちどれだけが

経緯と関連報道
arXiv cs.CL

OmniBrain-0：身体を備えた知能のための統一されたエージェントモデル

arXiv:2610.36013v1 発表タイプ：新規 要旨：汎用的な身体を備えた知能は、ロボットが長期間にわたり多様なスキルを連携させ、タスクの進行状況を追跡し、障害から回復できるよう求められる。専門的なポリシーだけではタスクレベルでの信頼性を確保できず、強力なマルチモーダルエージェントも、コンパクトなモデルでは再現が難しい高コストな推論や外部経験に依存している。そこで私たちは、共有の高レベルな意思決定モデルを通じて操作とナビゲーションを協調させ、タスク理解、計画、進行状況の追跡、フィードバックに基づく回復を統合する、軽量で統一された身体を備えたエージェントであるOmniBrain-0を提案する。当社の段階的学習フレームワークは、身体を備えた事前学習、ドメイン特化型エージェントの蒸留、およびマルチティーチャーによるオンポリシー蒸留（MOPD）を組み合わせている。これにより、強

経緯と関連報道
arXiv cs.CL

トランスフォーマーにおける証拠効果の因果的局所化

arXiv:2610.36524v1 公告タイプ：新規 要旨：制御された記号入力は、自然言語による証拠から言語モデルの意思決定に影響を与える注意ヘッドを明らかにすることができるのか？我々は、制御された証拠集約（CEA）を提案する。これは、他の部分が固定されたプロンプトにおいて、二つの記号の出現回数と順序を変化させ、凍結されたトランスフォーマーが二つの回答トークンの間で示す選好の変化を測定する手法である。選好は両者のロジット差によって測定され、プロンプト自体には正解が指定されていない。バランスド・ユーティリティ・カウサル・セレクション（BUC）は、各ヘッドの出力を除去した際にカウント効果がどの程度消失するか、またカウント条件間で平均出力を補間することで両方向に効果がどの程度回復するかを同時に評価することにより、コンパクトなヘッド集合を特定する。さらに、ヘッドの帰属と介入との間に結びつく条件付き上限を導出する。

経緯と関連報道
arXiv cs.LG

KORA：AIワークロード向けの決定論優先実行制御

arXiv:2610.35869v1 発表タイプ：新規 要旨：AIアプリケーションは、推論が必要かどうかを判断する前にしばしばモデルを呼び出します。このデフォルト設定は曖昧な生成タスクには有用ですが、構造化され、決定論的で、方針に基づき、照会中心、あるいは直接検証可能な作業には適していません。KORAは、決定論優先の実行制御を導入します。これは、リクエストをタスクパスとして表現し、まず決定論的または構造化された経路を試行し、その結果を検証し、テレメトリを記録した上で、決定論的な処理だけでは不十分な場合にのみモデル候補への経路へとエスカレートする、事前推論用の制御層です。本論文では、KORAを決定論優先の実行制御アーキテクチャとして提示し、再現可能なベンチマークおよび検証ワークロードによる限定的な実証結果を報告します。再

経緯と関連報道
arXiv cs.CL

トークン信頼度は単なるチェーン長にすぎないのか？推論トレースに対する信号処理的検証

arXiv:2610.36709v1 発表タイプ：新規 要旨：推論型言語モデルは、長い思考の連鎖を書き出すことで数学問題に解答し、問題ごとに多数の連鎖をサンプリングして多数決を取ることで、生成テキスト量が大幅に増えるというコストを伴いながら精度を向上させている。このコストを削減する一般的な手法として、モデルが各トークンを生成する際の信頼度に基づいて各連鎖をスコアリングする方法がある。ここでトークンとは、単語または単語の一部を指す。この手法では、2048トークンの移動平均を計算し、その平均値が最も低い連鎖を保持または停止する。私たちは、トークンごとに記録された信頼度を、音声やラジオにおける信号と同様の意味で捉え、スペクトル解析や急激な変化を検出する統計検定などの標準的な信号処理手法を用いてこの手法を評価した。私たちは、以下のデータセットから500問の各問題について16本の連鎖をサンプリングした。

経緯と関連報道