Tag
34 件の関連記事
arXivは5月31日(現地時間)、大規模言語モデル（LLM）の出力が均質化する「Artificial Hivemind（人工集合知）」効果を軽減する研究論文を公開した。提案されたフレームワークは、「Meta-Persona Anchoring（メタ・ペルソナ・アンカリング）」と「Filtered Temperature Scaling（FTS）」を組み合わせ、LLMが独自のペルソナを選択し、探索する確率分布を拡張する。これにより応答の多様性が向上し、応答間の平均ペアワイズコサイン類似度が約0.85から約0.65に低減した。
Alibaba Qwenは8月3日(現地時間)、総パラメータ数2.4兆の混合専門家（MoE）モデル「Qwen3.8-Max」の一般提供を開始した。本モデルはテキスト、画像、動画を入力とし、テキストを出力するマルチモーダル機能を備える。API版は即座に展開可能で、OpenAIおよびDashScopeと互換性を持つ。より小規模な「Qwen3.8-27B」と併せて、次週にはオープンウェイト版の提供も予定されている。
Vercelは2026年8月1日(現地時間)、自社のAI Gatewayにおいて、Qwen 3.8 Maxの提供を開始したと発表した。Qwen 3.8 Maxはテキストとビジョン言語の両方に対応する単一モデルで、2.4兆のパラメーターと最大100万トークンのコンテキストウィンドウを備えている。ソフトウェアエンジニアリングやオフィス生産性、視覚的な作業に適している。
arXivが2026年7月30日(現地時間)付けで報じたところによると、AIアプリケーションに利用されるシステムプロンプトをユーザー視点で体系的に監査するフレームワーク「Artificial Intelligence System Prompt Assurance (AISPA)」（エイスパ）が発表された。本フレームワークは、AIシステムの広範な展開における信頼性と説明責任のギャップに対処することを目的としている。
デンジェ・ホウ (Dengzhe Hou) 氏らは2026年7月27日(現地時間)、学術誌arXiv cs.CLで論文「コグアリーナ (CogArena)」を発表した。この研究は、大規模言語モデル (LLM) の認知能力構造を多角的に評価するための新たなベンチマーク「CogArena」を導入。手続き的に生成された13のパラダイムと5つの理論に基づいたグループ分けを中心に、55のオープンウェイトモデルおよび6つのファミリーに属する12モデルを対象に評価を実施した結果、安定した5次元の認知プロファイルが確立されていない可能性が示された。
arXiv cs.CLは6月5日(現地時間)、大規模言語モデル (LLM) の行動一貫性を測定・改善する新たな手法「Cognitive Kernel Model (CKM)」に関する研究論文を公開した。CKMは、モデルが意思決定前に情報を「事実 (Fact)」「ヒューリスティック (Heuristic)」「感情 (Emotion)」の三つの認識役割に分離させ追跡するプロンプトレベルの状態強制レイヤー。この手法はモデルの重みを変更せず、繰り返し出力のばらつきを低減し、新しいモデルで意思決定の反転率を最大82%削減する効果が確認された。
銭 武 (Qian Wu) 氏を含む研究チームは2026年7月23日(現地時間)、arXiv cs.CLにて、大規模言語モデル (LLM) を活用した医療教育ゲームフレームワーク「MedGame (メドゲーム)」を発表した。MedGameは、静的な臨床症例を、意思決定中心の学習経路を持つ構造化された実行可能なストーリーテリングゲームに変換する。これは、既存の医療教育システムが質疑応答や単一のフィードバックといった局所的なインタラクションに焦点を当てている現状への対応策として導入された。
Qingjia Huang、Jingyu Zhangら研究者チームは2026年7月20日(現地時間)、大規模言語モデル (LLMs) へのジェイルブレイク攻撃を評価するための新たなフレームワーク「JailMeter」に関する論文をarXivに公開した。現在の評価手法が抱える、基準や方法の不整合による信頼性の低い成功率推定の課題に対し、JailMeterは攻撃の有効性をより忠実に測定することを目指している。
米Googleは2026年7月21日(現地時間)、大規模言語モデル「Gemini」の最新版として、「Gemini 3.6 Flash」と「Gemini 3.5 Flash-Lite」を発表しました。Gemini 3.6 Flashは、コーディング、知識集約型作業、マルチモーダル処理におけるトークン効率が大幅に向上し、出力トークン単価が前世代モデルから約16.7%削減されています。一方、Gemini 3.5 Flash-Liteは、特に高頻度で大量のデータ処理を必要とするタスク向けに設計されており、効率性と応答速度の最適化を目指しています。これらのモデルは、多様なアプリケーション開発を支援する目的で提供されます。
Googleは7月16日(現地時間)、年次開発者会議I/Oで6月提供開始を発表していた大規模言語モデル「Gemini 3.5 Pro」の公開期限を逸失したと報じられた。同社は声明で、現在「3.5 Pro、アップグレードされたFlashモデル、およびその他のモデル」をパートナーとテスト中だと述べている。Bloombergの報道によると、特にコーディング能力の改善に時間を要しているという。
arXivは7月16日(現地時間)、論文「Partition, Prompt, Aggregate: Statistical Self-Consistency in Language Models」を公開し、大規模言語モデル (LLM) の推定が基本的な確率論的整合性原則に広範に違反していると指摘した。この研究は、LLMがin-context学習において条件付き推論として解釈される場合に、統計的な自己整合性をどの程度遵守するかを調査。その過程で「マクロの誤謬」と名付けられたパターンも明らかにしている。
シンキング・マシーンズ・ラボ (Thinking Machines Lab) は2026年7月16日(現地時間)、初の本格的な大規模言語モデル (LLM) ファミリー「Inkling」をオープンウェイトで正式リリースした。Inklingは975B (総パラメータ数) / 41B (アクティブパラメータ数) のMixture-of-Experts (MoE) モデルで、Apache 2.0ライセンスの下で提供される。同時に、より軽量なInkling-Small (276B/12B) のプレビューも公開された。
xAI (エックスエーアイ) は7月8日(現地時間)、大規模言語モデル「Grok 4.5 (グロック4.5)」のAPI一般提供を開始したと発表した。このモデルは、コーディング、エージェントタスク、高度な知識作業に特化して設計されており、科学、工学、数学の最新データセットで訓練された。API利用料金は入力100万トークンあたり2.00ドル、出力100万トークンあたり6.00ドルに設定されている。
arXiv cs.CRは2026年7月1日(現地時間)、「Cognitive Firewall」と題する論文を発表した。大規模言語モデル (LLM) が有害なコンテンツを生成するのを防ぐための、プロアクティブなゼロトラスト型マルチゲートフレームワークを提示している。これは、会話全体で蓄積された意図や分解された有害な目的を検出することで、既存のランタイム保護機能の限界に対応することを目指す。
Apple ML Researchは2026年7月(現地時間)、大規模言語モデル（LLM）における複雑な推論パターンの学習を促す新たなフレームワーク「Ctrl-R」を発表した。標準的な強化学習（RL）が抱える、多様な推論行動の獲得が困難であるという課題に対し、本手法は構造化推論を通じて特定の推論パターンを系統的に発見・強化する。Ctrl-Rはロールアウトプロセスを能動的にガイドし、複雑な問題解決に不可欠な多様な推論パターンを効率的に探索することを奨励する。
arXivは2026年6月23日(現地時間)、大規模言語モデル (LLM) エージェントのメモリシステムに関する体系的な実験研究結果を発表した。既存の評価手法がエンドツーエンドのタスク成功指標 (F1, BLEU) に偏り、基盤となるシステムがブラックボックスとして扱われる現状に対し、本研究はデータ管理の視点から運用コスト、メモリモジュール間のアーキテクチャ上のトレードオフ、動的な知識更新下での堅牢性といったシステムレベルの課題を探求した。
ジョイ・ボーズ (Joy Bose) は6月16日(現地時間)、古典インド哲学の比較分析に特化した大規模な並列注釈コーパス「ダルシャナ・グラフ (Darshana Graph)」を発表した。同コーパスは、ヒンドゥー教、仏教、ジャイナ教の伝統に属する12万5,000件以上のテキスト記録で構成される。特に、8,500件のヒンドゥー教およびジャイナ教の記録は、18人の歴史的注釈者が同一の根本経典やスートラをどのように解釈したかを比較できるよう構造化されている。
DeepMindは2026年6月9日(現地時間)、テキスト拡散技術を応用した実験的オープンモデル「DiffusionGemma」を発表した。このモデルはApache 2.0ライセンスで提供され、従来の自動回帰型大規模言語モデル（LLM）の逐次処理と異なり、テキストブロック全体を同時に生成する。これにより、GPU環境下で最大4倍の高速なテキスト生成を実現し、速度が重視されるインタラクティブなローカルワークフローへの活用が期待される。
米学術機関リポジトリarXiv cs.CLは2026年6月7日(現地時間)、大規模言語モデル(LLM)が自身の知識の範囲外にある質問に対し、知らないことを認めずに誤った回答を生成する課題に対処する研究論文を公開した。Subramanyam Sahoo氏が導入した「Structured Ignorance Certificates (SICs、構造化無知証明書)」は、モデルに不足する知識領域を特定させ、関連概念を列挙し、直接回答ではなく有効な検索クエリを提案させるJSON形式の出力スキーマである。735の「Unknown-Unknown (UU、未知の未知)」質問による評価では、99.46%のJSON有効性率と0.967の平均Certificate Specificity Scoreを達成。ベースモデル比でROUGE-Lが3.6%改善された。
Chen Huang氏、Yuhao Wu氏、Wenxuan Zhang氏らは6月3日(現地時間)、大規模言語モデル（LLM）を基盤としたマルチエージェントシステム（MAS）において課題となっていたエージェント間通信の非効率性を解決する新たなプロトコル「PACT（Protocolized Action-state Communication and Transmission）」を開発・発表した。このプロトコルは、エージェントの出力情報をコンパクトな行動状態記録に変換することで、トークン使用量を大幅に削減。これにより、システム性能を維持しつつ推論コストを低減し、既存の課題となっていたトレードオフを改善する。
Xintao Wang氏らは6月5日(現地時間)、大規模言語モデル(LLM)が駆動するエージェントによる長期的な社会生活シミュレーション「Agentopia」に関する研究論文を学術論文公開サイトarXiv cs.CLで発表した。本研究は、従来のAIエージェント社会シミュレーションが抱える期間や相互作用の制約を克服し、LLM搭載エージェントによる現実的で複雑な社会的行動の創発と、人間の社会生活における学習プロセスの再現を目指している。
arXiv cs.AIは2026年6月2日(現地時間)、「Visual Graph Scaffolds for Structural Reasoning in Large Language Models」と題する論文を発表した。この研究は、大規模言語モデル (LLM) が複雑な構造化推論を行う際、グラフが単なる外部知識源としてだけでなく、推論プロセスを整理する内部的な足場 (スキャフォールド) としても機能する可能性を示唆している。人間がマインドマップを用いて思考を整理する仕組みから着想を得ており、LLMの推論能力向上に新たな視点を提供する。
arXiv cs.CLは2026年6月1日(現地時間)、大規模言語モデル (LLM) の環境に対する態度に関する研究論文が発表されたと伝えた。持続可能性関連の意思決定支援や情報発信にLLMの利用が広がる中、その出力が持つ環境態度に関する体系的な証拠の不足に対応するもの。31の商用およびオープンウェイトモデルを対象とした評価の結果、多くのLLMが平均的な人間よりも環境的に進歩的な態度を示す傾向が明らかになった。しかし、プロンプトによる操縦可能性という課題も浮き彫りとなった。
arXiv cs.CLは6月3日(現地時間)、論文を報じ、大規模言語モデル (LLM) が法務、医療、金融といった高重要度分野で利用される際、わずか1回の会話履歴でもユーザー間で異なる結果が生じうると指摘した。従来の分析では社会人口統計学的グループ間の格差と捉えられ、特定のグループが有利な結果を得ると示唆された。しかし本研究は、LLMが単一会話履歴からユーザーの社会人口統計学を推論するのは困難で、格差規模は最小限であると結論付けた。
arXiv cs.LGは2026年5月21日(現地時間)、大規模言語モデル (LLMs) における「壊滅的忘却 (catastrophic forgetting)」のメカニズムを解明する研究を発表した。この研究は、強化学習 (RL) が教師ありファインチューニング (SFT) よりも以前の能力を効果的に保持する理由として、内部計算回路の保存が主要な要因である可能性を示唆している。
arXiv cs.AIは2026年4月3日(現地時間)、研究論文で、大規模言語モデル（LLM）の自信と実際の正答率の間に乖離があることを明らかにした。この乖離はタスクの難易度によって変動し、LLMが平均的に自身を過信する傾向にある一方で、「hard-easy effect」と呼ばれる現象により、難しいタスクでは過信が強まり、簡単なタスクでは過小評価を示すと報告されている。モデルのキャリブレーション評価のため、新たなテスト「LifeEval」も開発された。
arXiv cs.AIは2026年4月20日(現地時間)、大規模言語モデル (LLM) の推論過程における冗長性に関する研究結果を発表した。Zhiyuan Zhai氏らによるこの研究は、LLMが複雑な問題解決で生成する長い「思考の連鎖」がレイテンシー、GPU時間、エネルギーに多大なコストをもたらす現状に着目。推論過程で実際にどれほどの熟慮が必要かを大規模に測定し、その根本原因を解明することを目的としている。
arXiv 2026年5月25日(現地時間) 研究論文投稿サイトarXivは、大規模言語モデル（LLM）の長文処理における計算コスト増大の課題を克服する新メカニズムを提案する論文『Language Models Need Sleep』を公開した。提案されたのは、人間の睡眠に類似した「統合メカニズム」で、モデルが周期的に過去のコンテキスト情報を永続的な重みに変換し、一時的なキャッシュをクリアする。これにより、LLMが長期間の複雑なタスクを効率的かつ高性能に処理する可能性が示されている。
ピルシェン・イポリット氏 (Pilchen Hippolyte) を含む研究チームは2026年5月21日(現地時間)、大規模言語モデル (LLMs) の事前学習におけるデータ時間性 (temporality) の影響に関する研究論文をarXiv cs.CL上で公開した。この研究は、LLMsが通常、時間情報がシャッフルされたコーパスで学習され、その知識が学習時に固定されることで、時間的な知識の関連付けが十分に理解されていない現状に一石を投じる。彼らの調査は、LLMsの知識鮮度と正確性を高める新たな道を示唆している。
arXiv cs.AIは2026年5月11日(現地時間)、大規模言語モデル (LLM) の性能におけるデータの役割を根本的に理解するため、新しい手法「データプローブ」の開発を提唱するポジションペーパーを発表した。この手法は、適切に定義されたランダムプロセスから合成シーケンスを生成し、LLMの振る舞いを体系的に観察することで、データ特性がモデル性能、汎化、堅牢性 (robustness) に与える影響を解明することを目指す。
Plawan Kumar Rath氏らは2026年5月2日(現地時間)、大規模言語モデル（LLM）の圧縮に用いられる量子化技術が、モデルの公平性を損ない、新たなバイアスを誘発する危険性があるとの研究論文をarXiv cs.LGで公開しました。この研究は、Qwen2.5-7B、Mistral-7B、Phi-3.5-miniの3モデルを対象に、BF16から3ビットまでの5段階の精度レベルで検証を実施。特に3ビット量子化では、これまでバイアスが確認されなかった項目で6～21％のステレオタイプな振る舞いが生じることが判明しました。
Yi Xie氏らの研究チームは2026年4月17日、複数のLLMを中央コントローラーなしで協調訓練する手法「Sequential Agent Tuning（SAT）」をarXiv cs.LGで発表した。SATはfactorized policyとblock-coordinate updatesを組み合わせ、単調な性能改善とプラグアンドプレイ不変性という二つの理論的保証を提供する。3つの4Bパラメータエージェントのチームがより大規模なQwen3-32Bを上回った実験結果も報告された。
arXiv cs.LGが2026年5月7日(現地時間)付けで報じたところによると、大規模言語モデル (LLMs) の学習において、事前学習 (pretraining) と同じオプティマイザ (optimizer) を用いたフルファインチューニング (full finetuning) が、より良好な学習と忘却のトレードオフ (learning-forgetting tradeoff) を達成することが明らかになった。これは、新しいタスクにおける同等またはそれ以上の性能を維持しつつ、忘却を低減させる効果があるという。研究者らはこの現象を「オプティマイザとモデルの一貫性 (optimizer-model consistency)」と命名した。
arXivは2026年5月7日(現地時間)、Xiangyuan Xue氏らの研究チームが、大規模言語モデル（LLM）をインタラクティブエージェントとして最適化する新フレームワーク「Strategic Trajectory Abstraction (StraTA)」を発表したと報じた。StraTAは、エージェント型強化学習に軌道レベルの戦略を導入することで、既存手法が抱える長期的意思決定における探索とクレジット割り当ての課題解決を目指す。ALFWorld、WebShop、SciWorldでの実験では、サンプル効率と最終性能の向上を示した。