Tag
35 件の関連記事
学術論文リポジトリ arXiv cs.CRは9月11日(現地時間)、論文「Canaries in the Bank: Auditing User-Level Privacy in Private Evolution」を公開しました。この研究は、フェデレーテッド環境で合成データを生成する「Private Evolution (PE)」におけるユーザーレベルのプライバシーについて、プロトコル認識型経験的監査の評価結果を示しています。理論上の最悪ケースプライバシーと、実際のプロトコル操作で発生しうる情報漏洩のギャップを定量的に示しました。
Mahmoud Y. M. Yassin氏らの研究チームは9月12日(現地時間)、Torus Fully Homomorphic Encryption (TFHE) 環境下における暗号化推論を効率化する「EI-DDLGN」を発表した。この手法はDeep Differentiable Logic Gate Networks (DDLGNs) を用いることで、機密データを保護しつつ、推論のレイテンシを大幅に改善するとしている。
モハマド・フィラス・サダ氏らは2026年7月31日(現地時間)、学術論文投稿サイトarXivに研究論文を提出し、大規模言語モデル（LLMs）と古典的機械学習手法であるNaive Bayes（ナイーブ・ベイズ、NB）のテキスト分類性能を比較した。同研究は、ラベル付きデータが存在するリソース制約のある環境において、NBがLLMsと同等またはそれ以上の性能を発揮し、高いスループットと低いエネルギー消費を実現することを明らかにしている。
ユスフ・アブドゥルカディル氏は8月31日(現地時間)、arXivに公開された論文を通じ、データ不足に直面するハンセン病病変の合成画像生成において、慢性創傷の大規模データセットからの転移学習が有効であると発表した。同氏は、顧みられない熱帯病に対する機械学習が抱えるデータ不足の課題克服を目指し、生成モデル構築の新たな道筋を示した。
arXivは2026年9月10日(現地時間)、ギターオーディオからフィンガリングと表現技法のアノテーションを含むタブ譜を直接生成する初のフレームワーク「TART」に関する研究論文が発表されたと報じた。TARTは、既存の自動音楽採譜（AMT）システムが抱える、表現技法の認識不足、不正確な弦-フレット割り当て、ノイズの多い音源への汎化能力不足といった課題に対処するために開発された。
Athina Georgara (アティナ・ゲオルガラ)氏らは2026年9月1日(現地時間)、機械学習分類器の意思決定プロセスをより迅速かつ解釈しやすくする新しいフレームワーク「ProToMEx (プロトメックス)」を発表した。Probabilistic Topic Models (確率的トピックモデル、PTM) を活用し、モデルが分類に至る高レベルな「トピック」を学習することで、従来の課題を克服する。ProToMExは、SHAP (シャプ)やLIME (ライム)といった既存手法に匹敵する説明精度を保ちつつ、ローカルな説明生成の償却計算コストを大幅に削減し、標準的な表形式データセットで約30〜40倍の高速化を実現するとされる。
イーサン・マ氏らは2026年9月4日(現地時間)付でarXivに公開した論文で、カテゴリカルグラフ生成のための新たな生成モデル「Embedded Graph Flows (EGF)」を提案した。このモデルは、ノードおよび順序付けされていないエッジのカテゴリについて連続的な埋め込みを学習し、その学習された終点へとガウスノイズを変換する。これにより、分子ベンチマークにおいて競争力のある性能を示した。
arXiv cs.LGが2026年9月3日(現地時間)付けで報じたところによると、Rémi Bourgerie氏らが機械学習における協調学習に関する包括的な調査論文を発表した。従来の機械学習アプローチがスケーラビリティとプライバシーの面で限界に直面する中、連合学習や分散学習を含む協調学習手法が注目されている。しかし、これらの研究の多くはユーグリッドデータに焦点が当てられていたという。
Qisong Guo氏ら研究チームは2026年6月4日(現地時間)、自律走行における安全なオフライン強化学習（RL）のためのリスク認識型階層的拡散フレームワーク「DiDrive」を発表した。この新手法は、拡散モデルが多峰性の行動事前分布を捉える一方で、オフラインRLポリシーが抱える分布シフトや、データ範囲外の行動生成（OOD行動生成）といった課題に対処することを目指す。
スーリヤ・サカ氏 (Surya Saka)は8月23日(現地時間)、論文公開サイトarXiv cs.LGにて、法務ドメイン検索に特化した埋め込みモデル「グリーンリーフ・ロー・エンベッド・タイニー (GreenLeaf Law Embed Tiny)」に関する研究論文を公開した。パラメータ数0.6Bの同モデルは、マッシブ・リーガル・エンベッド・ベンチマーク (Massive Legal Embedding Benchmark)で75.11%、MTEB(Law, v1)で64.38%の性能を達成し、10億パラメータ未満のモデル群の中で高い競争力を示している。
Apple ML Researchは2026年8月(現地時間)、ツール呼び出し機能を持つモデルの蒸留プロセスを最適化する新手法「プルーフジェン (PROOF-Gen)」を発表した。同手法は、教師モデルが生成した失敗事例から「ゴールデントラジェクトリー」と呼ばれる成功経路を回復させることで、トレーニングデータの質を向上させる。これにより、モデルの展開時における性能向上に貢献する。
Fanfei Liらの研究チームは8月13日(現地時間)、知識曝露を教育的に制御する言語モデル「リトルラーナー (LittleLearner)」に関する研究論文をarXiv cs.CLに発表した。現代のLLMが抱える知識習得過程の不明瞭さという課題に対し、米国小学校カリキュラムに沿って構築された880億トークンの事前学習コーパス「リトルカリキュラム (LITTLECURRICULUM)」を開発。このコーパスで訓練された50億パラメータのLLMがリトルラーナーであり、その知識と能力の境界を明確にすることを目指す。
arXiv cs.LGは8月5日(現地時間)、異種性および時系列順の特性を持つ電子医療記録（EHRs）から学習する新しい表現学習手法「MiGHT-EHR（マイト・イーエイチアール）」に関する研究論文を発表しました。この手法は、EHRsの複数の特性を統一的にモデル化する多目的グラフ変換器であり、臨床予測の精度向上を目指します。既存の最先端手法を平均的に上回る性能を示し、特に死亡率予測や再入院予測で顕著な改善が見られました。
arXiv cs.AIは2026年7月31日(現地時間)、論文「AgentHPOBench: A Benchmark For Evaluating LLM Agents as Sequential Hyperparameter Optimizers」を公開した。この論文は、大規模言語モデル (LLM) エージェントがシーケンシャルなハイパーパラメータ最適化器として実験を実行する能力を評価するための新たなベンチマーク AgentHPOBench (エージェントエイチピーオーベンチ) を導入している。既存のベンチマークがLLMエージェントの実験的証拠の解釈能力を直接評価していない課題に対応するため開発された。
Appleは7月30日(現地時間)、機械学習研究部門を通じて、次元削減手法であるユーマップ (UMAP) が内部で構築するk-nearest-neighbor (kNN) グラフの新たな活用法に関する研究論文を発表しました。kNNグラフとは、各データ点とその最も近い「k」個の隣接点との関係を示すネットワーク構造であり、UMAPの低次元埋め込みでは失われがちな高次元データの詳細な関係性を保持しています。本研究は、この内部のkNNグラフに標準的なグラフアルゴリズムを適用することで、高次元データからの意味抽出を大幅に強化し、データサイエンティストや機械学習実務者がデータセットの深い構造を理解するための強力な手段を提供することを示唆しています。
arXivが2026年7月23日(現地時間)付けで公開した論文によると、現代のAIエージェントが使用する複雑な推論ハーネスを、オープンなインフラストラクチャ上でエンドツーエンドで訓練することを可能にするオープンソースフレームワーク「OpenForgeRL」が発表された。OpenForgeRLは、軽量なプロキシとKubernetesオーケストレーターを活用することで、訓練と推論を分離し、多様な環境下でのスケーラブルなエージェント訓練を実現する。
Apple ML Researchが2026年7月13日(現地時間)付けで報じたところによると、Apple Musicは多言語セマンティック検索システムを導入した。このシステムは、世界中の150以上のストアフロントと数十言語の利用者を対象としており、誤字、音訳、言語をまたぐクエリに対する検索精度を向上させる。特に、ユニーククエリの大部分を占めるテールクエリのセッション品質向上に寄与する。
Appleは2026年7月(現地時間)、自律交渉エージェントにおける行動プライバシー漏洩を形式化し、推論攻撃を緩和する研究論文を発表した。この研究は、保険や調達などの高リスク環境で利用されるエージェントが直面する、交渉動態から私的制約が推論される脅威に対応。差分プライバシー、合意達成、高交渉ユーティリティを同時に保証する適応型確率的交渉ポリシーを設計した内容だ。
Apple ML Researchは7月9日(現地時間)、言語モデルの長文コンテキスト処理における課題解決を目指す新フレームワーク「Self-Reflective Program Search for Long Context (SRLM)」を発表した。このフレームワークは、不確実性認識型の自己内省をプログラミングベースのコンテキストインタラクションに統合することで、長文コンテキストにおけるモデル性能向上を図る。
Appleは7月7日(現地時間)、ビジョン言語モデル (VLM) 向けの推論フレームワーク「LensVLM」を発表した。本フレームワークは、レンダリングされたテキストの視覚表現を圧縮しながらも、関連するコンテキストを選択的に拡張することで、テキスト認識の精度を維持する。これにより、高い圧縮率を維持しつつ、VLMの効率的な運用を可能にする新たなアプローチが提示された。
Apple ML Researchは2026年7月5日(現地時間)、予測モデルにトポロジー構造を導入する新しいフレームワーク「TopoPrimer」を発表した。TopoPrimerは多様なドメインでの予測精度を向上させ、季節的な需要スパイク下での予測を安定化させ、コールドスタート問題に対処する。
arXivは7月1日(現地時間)、機械学習モデルの予測に対する反実仮想的説明を生成する新しいニューロシンボリックフレームワーク「PACE」に関する論文を発表した。Pavel Iakovets氏らが執筆したこの論文は、従来の反実仮想的説明が提示する非現実的または実行不可能な推奨の問題を解決することを目指す。本フレームワークは、ドメイン知識と介入制約を明示的に組み込むことで、より現実的かつ実行可能な説明を提供する点を特徴としている。
Appleは2026年7月(現地時間)、機械学習の重要なサブルーチンである最大内積探索（Maximum inner product search, MIPS）を効率化する「amortized MIPS」手法を発表した。この回帰ベースのアプローチは、ニューラルネットワークの訓練を通じてMIPSの解を直接予測することで、既知の分布から引き出されるクエリに対するMIPSの繰り返し実行コストを償却することを目指す。
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。
Chih-Han Yangらは7月1日(現地時間)、arXivに論文「Language-Critique Imitation Learning from Suboptimal Demonstrations」を発表した。同論文は、最適ではないデモンストレーションから効率的に模倣学習 (Imitation Learning) を行うための新しい言語批評フレームワークを提案。従来の模倣学習が抱える、限定的なスカラー信号によるフィードバックの限界克服を目指す。
Microsoft Researchは6月30日(現地時間)、AIエージェントのスキルを訓練可能なパラメータとして最適化する新たな手法「スキルオプト (SkillOpt)」を発表しました。SkillOptは、エージェントの指示やスキルを手動調整の限界を超えて扱い、基盤モデルの重みを変更することなく、エージェントの動作をより信頼性が高く、効果的なものにすることを目指します。これにより、AIエージェント開発における新たなアプローチを提示します。
Together AIは2026年6月29日(現地時間)、国際機械学習会議ICML 2026において、同社と協力者の9本の研究論文が採択されたと発表した。これらの研究は、AIスタック全体のフロンティア領域にわたるもので、エージェントからGPUカーネルまでの多層的なアプローチをカバーしている。
トルオン・スアン・カン（Truong Xuan Khanh）氏らの研究チームは2026年6月10日(現地時間)、ニューラルネットワーク（Neural Network）におけるグロッキング（Grokking）現象の遅延発現が、重みノルム（Weight Norm）によって決定されるとする研究論文をarXivに発表した。同研究は、訓練中に重みノルムを直接操作することで、これまで議論の的となっていた重みノルムとグロッキング遅延との因果関係を実験的に解明したと述べている。
Epoch AIは2026年6月16日(現地時間)、同社の機械学習 (ML) モデルデータベースを更新した。このデータベースは3500を超えるMLモデルの主要な要素を追跡しており、訓練Compute (FLOP)、パラメータ数、データセットサイズ、訓練コスト、電力消費、訓練時間 (日数) といった情報を網羅している。
arXiv cs.LGは2026年5月28日(現地時間)、ダニエル・クズネツォフ氏とジキ・ワン氏が、連邦学習における公平性と安定性を大幅に向上させることを目指し、新たな貢献度評価手法「Trajectory Shapley Value (TSV)」と、それを活用した適応型集約手法「FedTSV」を提案する論文を公開したと報じた。この画期的な研究は、Heterogeneousかつプライバシーに配慮したデータ環境下で運用される分散型パラダイムである連邦学習が長年抱えてきた、従来の貢献度評価の課題に原理的に対処するものだ。
ガイア（Gaia）は2026年5月20日(現地時間)、不妊治療に特化したサービス拡充のため、ヴィオラ・クレジット（Viola Credit）から1億ドルの債務枠を確保したことをCrunchbase Newsに独占的に明かした。同社は人工知能（AI）と機械学習（machine learning）を活用し、数百万件の匿名化された過去データと治療結果に基づき、不妊治療におけるリスクと成功確率を分析。患者は個別化された「成果保護」型資金調達プランとケアの恩恵を受ける。
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。
研究論文投稿サイトarXiv cs.CVは2026年5月14日(現地時間)付で、条件付きビデオデコーディング手法「RefDecoder (リフデコーダー)」に関する論文を公開した。本手法は、参照条件付きビデオVAEデコーダを活用することで、既存のビデオ生成モデルが抱える詳細の損失や入力画像との不整合といった課題の解決を図る。高忠実度の参照画像信号をデコードプロセスに直接注入し、生成品質の向上を通じて、よりリアルで一貫性のある視覚コンテンツの生成に寄与すると報告されている。
Yaxin Du氏らの研究チームは5月11日(現地時間)、機械学習システムにおけるデータエンジニアリングを自律化する新フレームワーク「DataMaster（データマスター）」に関する論文をarXiv cs.LGで公開した。このDataMasterは、学習アルゴリズムに変更を加えることなくデータ側の最適化のみで性能向上を目指す自律エージェント手法を提案。ツリー構造探索、共有データプール、累積メモリの三要素を統合し、データ工学の課題に対応する。評価実験では、MLE-Bench Liteでメダル率32.27%の改善を報告した。
Appleは2026年5月(現地時間)、セマンティックに豊かな視覚表現を学習する新手法「Text-Conditional JEPA (TC-JEPA)」を発表した。この手法は、画像キャプションを用いて、既存のImage-based Joint-Embedding Predictive Architecture (I-JEPA) が持つマスク領域予測における視覚的不確実性を低減する。具体的には、細粒度テキストコンディショナーが入力トークンに対しスパースなクロスアテンションを計算し、予測パッチ特徴をテキストの関数として変調、予測可能にする。