Tag
7 件の関連記事
研究論文投稿サイトarXivのコンピュータサイエンス部門は2026年10月15日(現地時間)、LLM (大規模言語モデル) カスケードにおける情報およびリソースの完全性を監査するための対抗的実行監査フレームワーク「カスケードレジャー (CascadeLedger)」を発表した。このプロトコルはcall-before-readセマンティクスを強制し、成功した読み取りをサービスおよびキャッシュIDにバインドする。また、可用性とコンポーネントごとの予算遷移を記録し、ターゲットやタスクスコアラーが結合される前にイベントトレースを凍結する。
arXiv cs.CLは2026年10月8日(現地時間)、会話分析の大規模化を目的とした新しい原則と手法に関する研究論文「Clarify, Then Focus: Statement Normalization for Conversation Analytics at Scale」を公開した。独立研究者のミハイル・L・アルブゾフ (Mikhail L. Arbuzov) 氏ら8名が執筆した本論文は、エンタープライズ会話分析における対話の解釈と情報特定に伴うコスト削減を目指す「発話正規化 (Statement normalization)」を提案している。
arXivは10月7日(現地時間)、大規模言語モデル (LLM) が生成した誤った情報（幻覚）が後続の推論に与える影響を評価する新しいベンチマーク「PHRBench」の論文を公開した。この研究は、幻覚情報が多段階のLLMシステム内で伝播し、その後の推論の文脈の一部となった際に、モデルがどのようにこの誤りを解決するのかを、応答レベルで詳細かつ構造的に評価することを目指している。
Yen-Ju Lu (イェン・ジュ・ルー) らは2026年8月27日(現地時間)付けで、音声対話理解における既存評価手法の課題を指摘し、テキスト情報に誤って誘導されるクロスモーダル不一致 (cross-modal disagreement) を解決する新たな推論フレームワークとベンチマーク「ContraTalk (コントラトーク)」に関する論文をarXiv cs.CLに発表した。同論文は、モデルが音声信号を真に認識しているかを検証する評価の必要性を強調している。
arXiv cs.CLは2026年8月13日(現地時間)、ジャンガン・ハオ (Jiangang Hao) 氏による研究「Semantic Variability of Replies Across LLMs: Implications for Designing Conversation-Based Assessment」が、基盤となる大規模言語モデル (LLM) の変更が、生成される応答のセマンティックな整合性に影響を与える可能性を指摘したと発表した。同研究は実際の共同作業会話のメッセージを分析し、先行するチャット履歴の有無という条件下でLLM間の応答のセマンティックな類似性を比較。モデルの選択と会話のコンテキストが、応答の類似性および人間による返答との整合性に影響を及ぼすことを示した。
ニクラス・ミュンニグホフ氏 (Niklas Muennighoff) らの研究グループは8月26日(現地時間)、言語モデル (LM) のテスト時スケーリングを効率化する新手法「Prefix Sliding (プレフィックス・スライディング)」を提案したと、学術論文公開サイトarXiv cs.CLで発表していた。この手法は、言語モデルが長時間の推論を行う際に課題となっていたメモリ負荷を解消し、計算コストを大幅に削減しながら、より効率的な処理能力を提供することを目指している。
arXiv cs.CLは2026年5月(現地時間)、大規模言語モデル（LLM）における障害の表現に関する研究論文を発表したと報じた。Marco Bombieri氏、Simone Paolo Ponzetto氏、Marco Rospocher氏らの研究は、LLMが障害者の経験を理想化し、過度に肯定的なステレオタイプを生み出す傾向を指摘。さらに、障害の有無による投稿の比較分析から、キャリアやエンターテイメントといった特定のトピックが非障害者と不均衡に関連付けられる負のバイアスも明らかになった。