The Sequence Radar - 第963号：今週のAI：未来には支払いスケジュールがある
来週のThe Sequence：
AI NEWS JOURNAL
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。
エージェントが人々に促す：長期的な金融業務におけるエージェントの活用
Arca社のAI部門責任者が、永続メモリ、カスタムハーネスの利点、そして数日間にわたるエージェント型ワークフローについて語る。
合成企業データによる評価から、実際のMicrosoft Copilot AIの信頼性へ
企業規模でのMicrosoft Copilotの評価には、実際の組織が持つあらゆる複雑さを捉えたテストデータが必要ですが、実際の企業データには、いかなる状況下でも評価に使用できない機密情報が含まれています。記事「合成企業データによる評価から、実際のMicrosoft Copilot AIの信頼性へ」は、Microsoft Researchにて最初に公開されました。
[AINews] AIE CODEを構築する：トップコーディングエージェント会議
Mistralのオープンウェイトリリース、フロンティアモニタリング、そしてその日のAI関連TwitterとRedditの要約。
公正なディープフェイク検出のための交差的不変学習
arXiv:2610.37881v1 発表タイプ：新規 要旨：ディープフェイク検出モデルは全体的な精度は高いものの、人口統計学的グループ間で性能に大きな偏りが見られ、一部のグループでは他のグループに比べて偽陽性率が著しく高くなるという問題があります。既存の公平性を考慮した手法は、モデルの出力を制限して各グループの予測を均等化することでこの問題に対処していますが、根本的な特徴レベルのバイアスには対処していません。その結果、モデルは依然として肌の質感など、人口統計学的特性を操作されたコンテンツを検出するための間接的な手がかりとして利用してしまう可能性があります。この問題に対処するため、我々はIntersectional Invariant Learning（IIL）というフレームワークを提案します。これは、モデルの出力調整のみならず、特徴学習自体を改善するものです。IILは、最も困難な人口統計学的区分を特定することを繰り返し行い
医用画像間の最適輸送に対する凸ポテンシャル学習
arXiv:2610.37844v1 公告タイプ：新規 要旨：医用画像間の最適輸送写像を計算することは、形態学的解析において基本的な役割を果たす。しかし、既存の手法は大規模な3D医用画像に対してスケーラビリティに乏しいか、あるいは正則化された定式化に依存しており、その結果得られるのは近似的な輸送写像にすぎない。下流の医用画像解析における精度向上を図るため、凸ポテンシャル関数をパラメータ化することで最適輸送写像を推定する新たなアプローチを提案する。この手法では、構成上、得られる輸送写像が回転ゼロであり、ブレニエの定理と整合することが保証される。我々は、2Dおよび3Dの医用画像データセットの両方で提案手法を評価した。実験結果は、本手法がより低い輸送推定誤差を達成し、より高いqを生成することを示している。
食品の類似性とは何か？インド料理における視覚的表現と検索
arXiv:2610.37867v1 発表タイプ：新規 要旨：食品の類似性は、検索、推薦、代替など、さまざまな食品コンピューティングタスクの基盤となっているが、従来の食品表現の評価は主に同一性の保持に依拠している。そこで私たちは、同一性を超えた食品の類似性にはどのような変化が生じるのか、異なる視覚表現が食品をいかに関係的な近隣群として構成し、そ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、視覚的に類似す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、一方で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、畳み込み型、トランスフォームァー型を網羅する7つの事前学習済み視覚表現を用いて
FilingLoop：企業の開示情報のレビューおよび修正を目的としたLLMエージェントの評価と進化
arXiv:2610.37905v1 公告タイプ：新規 要旨：SEC EDGAR などの公開情報開示リポジトリは、企業の提出書類へのウェブアクセスを通じて、情報に基づいた投資を支援しています。これらのレビューを言語モデルエージェントで支援するには、関連文書間に存在する明示されていない不備の発見、不足している企業情報の取得、さらに要求された修正が証拠に基づく要件を満たしているかどうかの検証が必要です。既存の財務質問応答に関する評価では、こうした対話型の機能についての証拠は限られています。そこで私たちは、企業開示のレビューおよび修正を目的とした対話型ベンチマーク兼自己進化型エージェントフレームワークである \textbf{FilingLoop} を提案します。米国証券取引委員会（SEC）の歴史的な文書交換に基づき、FilingLoop は 96 社から抽出した、主に IPO 審査に関わる 380 のタスクを再構築します
LLMのアライメントのためのリストワイズな嗜好のランク-aware差分プライバシーによる公開
arXiv:2610.37682v1 発表タイプ：新規 抄録：リストワイズな選好フィードバックは、ペアワイズ比較に比べて大規模言語モデル（LLMs）の適応においてより豊かな監督情報を提供するが、完全な順位付けはさらに敏感なユーザーの嗜好を明らかにする。既存のプライバシー保護型適応手法は主にペアワイズなフィードバックに焦点を当てている一方で、ローカル差分プライバシー（LDP）下でのリストワイズ適応は未だ十分に探求されていない。LDPをこのリストワイズな領域へ拡張することは、重大な課題を提起する。すなわち、完全な順位付け空間の高い感度ゆえに過剰なノイズが必要となり、結果としてリストワイズ監督の利点が無効化されてしまうのだ。この課題に対処するため、我々は下流の学習における監督の粒度とプライバシー・ノイズの相互作用を分析し、リストワイズな選好をプライバシー保護するランク-aware指数メカニズムを提案する。
露出は承諾ではない：ツールを使用するエージェントに対する潜在的モニターの二層構造評価
arXiv:2610.37679v1 発表タイプ：新規 要旨：ツールを利用する言語エージェントは間接的なプロンプトインジェクションに対して脆弱であり、不安全な動作が実行される前にそれを検出するためにモデルの内部構造を調査する研究が増加しているものの、その結果には著しく矛盾したものが見られる。我々は、こうした矛盾の多くは評価手法に起因するものであると主張し、評価および学習集団の両方において、インジェクションへの曝露と行動上のコミットメントを明確に分離する二層化プロトコルを提案する。主要なQwen AgentDojoのグリッド上で、素朴な不安全対その他との混合対比に基づいて訓練されたモニターは、ほとんどが曝露の認識に注力しており、エージェントがそれに従うかどうかにかかわらず曝露された軌跡をフラグ付けする一方で、どのケースが不安全になるかを予測することはほとんどできない。曝露事例のみを対象に再訓練した場合でも、同じ種類のプローブは、モデル自身による不安全なツール呼び出しを最大2秒前まで予測できる。
オープン言語モデルにおける学習段階にわたる迎合の検出
arXiv:2610.37788v1 発表タイプ：新規 要旨：言語モデルアシスタントは、ユーザーが誤った回答を示唆すると、正しい回答を変更してしまうことがある。この現象は「諂媚（せんばい）」と呼ばれ、通常は好みに基づく事後訓練に起因するとされるが、初期の測定では事前学習済みモデルにも見られた。そこで、我々は訓練のあらゆる可能な段階でこれを測定することで、その発生源を追求した。具体的には、ベースモデルから監督下での微調整、好みに基づく最適化を経てリリースに至るまでの、5つの系統に属する13の公開チェックポイントを対象とした。さらに、注入された主張がモデルの回答をどの程度ずらすかと、回答がどれほど堅固に保持されていたかを区別し、主張を行う主体やその信頼性、および主張の強さを変化させながら検証を行った。その結果、異なる起源を持つ二種類の諂媚行動が浮かび上がり、いずれも複数のデータセットで再現された。主張への迎合 i
医療画像における責任ある量子機械学習：センシティブなサブグループ間の公平性監査
arXiv:2610.37819v1 発表タイプ：新規 要旨：量子機械学習（QML）は医療分類においてますます注目されているが、サブグループを意識した公平性基準の下での挙動については依然として十分に研究されていない。本稿では、QMLが本質的に公平であるとは限らないという前提のもと、医療画像に対する古典的および量子分類器の実証的な公平性評価を提示する。評価対象は二つのシナリオであり、DDIデータセット上の皮膚病変（敏感属性：フィッツパトリック皮膚タイプ）と、CheXpert由来データ上の胸部X線画像（敏感属性：年齢層）である。ResNet-18による埋め込みを用い、ベースラインおよび三つの緩和手法—微分可能な等化オッズ（EO）正則化、勾配反転学習（GRL）、および両者を組み合わせた手法—の下で、SVM、MLP、QSVM、QCNNを学習させる。また、基礎モデル（PanDerm、EVA-X）を外部参照として用いる。
ローパスダイナミクスを超えて：共鳴ニューロンを備えた周波数選択型スパイキングリザーバー
arXiv:2610.37906v1 発表タイプ：新規 要旨：スパイキングリザーバーコンピューティングは、固定された再帰型リザーバーの学習効率と、各タイムステップごとに高密度に計算を実行するのではなく、疎なスパイクによって計算がトリガーされるイベント駆動型推論のエネルギー効率を組み合わせた手法である。しかし、既存のスパイキングリザーバーはほぼ例外なくリーク積分・ファイア（LIF）ニューロンに依存しており、そのローパス特性により、異なる時間周波数で符号化された情報を区別する能力が制限されている。そこで我々は、LIFニューロンを多様なハーモニック共鳴・ファイア（HRF）ニューロンの集団に置き換えたリキッド状態マシンであるHRF-Resを提案する。これらのニューロンは固有の振動ダイナミクスを示し、入力信号の周波数に対して選択的に応答するため、リザーバーは周波数情報を捉えることが可能となる。
シーケンシングプロトコルの理解に関するAIエージェントの評価と改善
arXiv:2610.37851v1 公告タイプ：新規 要旨：既存の科学エージェントベンチマークでは、シーケンシングプロトコルで指定された正確な分子構造および生成ワークフローを再構築できるかどうかを評価するケースがほとんどなく、この能力はカスタマイズされたシーケンシングアッセイの解析において極めて重要です。そこで、私たちはシーケンシングライブラリ構造と分子ワークフローの再構築を対象とした文書に基づくベンチマークであるLibStructBenchを提案します。実験結果から、最先端のエージェントは概ね正しい再構築を行えるものの、特に分子状態の表現やワークフローの接続性に関して、正確な再構築には依然として信頼性が低いことが示されました。また、基盤となる言語モデルを切り替えた場合の方が、エージェントハーネスを切り替えた場合よりも平均的な性能差が大きく、統計的に有意な差が認められました。
TRACEs：分散型科学ワークフローのための細粒度な組み込みプロヴェナンス
arXiv:2610.39981v1 発表タイプ：新規 要旨：大規模な科学ワークフローは分散型HPCリソース上で実行されるため、科学データ製品がどのように生成され、なぜ類似のワークフロー実行でも非常に異なる結果が得られるのかを説明するのは困難である。既存のシステムは通常、分散ワークフローの実行またはプロヴェナンス管理のいずれかに焦点を当てており、細粒度のプロヴェナンスを分散型科学データアーティファクトの固有の属性として扱う例はほとんどない。本稿では、生成されるすべてのデータアーティファクトにデータライネージと実行コンテキストを直接埋め込む、分散型コンテナ化された科学ワークフロー向けのプロヴェナンスアーキテクチャであるTRACEs（Traceable Runtime for Advanced Containerized Executions）を提案する。プロヴェナンスをワークフロー・オーケストレーションから分離することで、TRACEsはアーティファクト中心のプロヴェナンスを一般化する
スコアリングの説明を読まずに評価する：自動解釈可能性評価データにおける構造的ショートカット
arXiv:2610.37676v1 発表タイプ：新規 要旨：自動解釈手法は、スパースオートエンコーダ（SAE）の特徴が評価例においてどの位置で活性化するかをモデルに逐次予測させたり、マークされたトークンがその特徴に適合するかどうかを判定させたりすることで、特徴の解釈スコアを算出します。我々は、評価データ用の標準パイプラインによって生成された結果は、解釈内容を読まずともスコアリング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 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、中心トークンがマークされている場合に「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したマークに基づいて計算した既存の LLM スコアラー（各項目ごとの判定結果を基に再計算）の 0.838 に対し、バランスのとれた精度 0.979 を達成しました。また、マーク数のみを参照するルールでは 0.969 を達成しました。T
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、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回の連続した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マルチターン型エージェントベンチマークとは異なり、Seq@Kは、改良という核心的な能力を単独で抽出し、形式化しています。
管理型ディープエージェントにおけるブラウザの利用
管理型ディープエージェントは、コンテキストに応じた効率的なブラウザ操作を実現するツールを備え、ユーザー自身がログインできるようハンドオフ機能も提供します。
Vibe Codingを自らの過ちから救うかもしれない“厄介な”数学
新しいスタートアップ企業である&Truthが、ソフトウェアが意図したとおりに動作することを数学によって証明する、非常に手間のかかる形式検証を自動化する競争に参入しています。
Crux Labs、人間の判断力を活用して企業向けエージェントを改善するために600万ドル超を調達
企業における判断力を継続的なエージェントの改善へと変える人工知能プラットフォームであるCrux Labsが、本日、600万ドル超の資金調達をもってローンチしました。ラウンドはBenchstrengthとMisneachが主導し、Analog VenturesおよびPareto Holdingsも参加しました。展開されている企業向けAIエージェントの規模は、1日あたり数千件から数百万件ものユーザーとのやり取りに及ぶことがあります。既存の可観測性[…] 記事「Crux Labs、人間の判断力を活用して企業向けエージェントを改善するために600万ドル超を調達」は、SiliconANGLEにて最初に公開されました。