画像のラベル誤りを学習中の予測の変化から探すSEI
- SEIは学習中の予測の迷いと付与ラベルとの一致を合算し、誤ラベル候補を順位付けする。
- CheXpertで著者らが報告した誤ラベル検出のF1値は83.59％だった。
- 低いSEIだけでラベルを削除せず、正しい難例との区別を人手で確認する用途が考えられる。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
質問ごとに知識グラフを選ぶRAG、MoGの検索手順
- MoGは共通知識のハブから手掛かりを得て、質問に関係する専門グラフだけを検索する。
- MuSiQueでの意味に基づく正答率は66.0で、比較手法の最高値51.4を上回った。
- 導入時は回答精度に加え、専門グラフの選択による根拠の取り逃しを測る必要がある。
逆コンパイル結果に潜む偽の指示をどう検出するか
- 実行ファイル内の偽の指示は、逆コンパイル結果を通じて解析エージェントの回答を誤らせ得る。
- 試験集合で分類器のF1値は0.909、正規表現は0.750だった。
- 文字列一覧と関数結果を調べても、検出を回避して攻撃に成功する例が報告された。
米国移民手続きの出典付きQAを作り、小型言語モデルに学習させる
- 11種類の情報源から、出典と権威区分を記録した質問・回答17,058件を作成した。
- 101件のモデル採点で、調整後の3Bモデルは平均1.08／3点、比較対象の未調整8Bモデルは0.85／3点だった。
- 回答時に最新文書を検索しないため、制度変更や個別事情に関する回答は別途確認が要る。
画像内の物体関係を学習時に教え、回答前の内部推論に生かすReGuLaR
- 学習時に物体の枠と関係ラベルを使い、回答前の潜在状態を画像内の物体関係に結び付ける。
- 著者らの報告では、V* Benchの正解率はReGuLaR-7Bが83.25％、LASERが80.10％だった。
- 回答時の入力は画像と質問だけだが、新しい分野への適応には関係を注釈した学習データが必要になる。
信号のない交差点で、判断の不確かさに応じて専門家に操作を尋ねる強化学習
- 著者らは、経験不足または選択予定の操作に伴う不確かさが高いとき、専門家に加減速操作を尋ねる方法を提案した。
- 助言を数ステップ続けてから問い合わせを休み、専門家と学習器の走行経験を共通の記録領域で学習に使う。
- 著者らはCARLAの信号のない交差点で、IQN単体に対する成功率の5〜7％改善と失敗の減少を要旨で報告した。
韓国語学習者の作文をどう訂正・評価するか：形態素注釈から語単位の編集記録へ
- NIKLの形態素単位の注釈から訂正後の文を再構成し、語単位のm2編集記録へ変換する。
- 韓国語向けのERRANT型分類で、文法を担う形態素、つづり、語の区切り、語順の誤りを区別する。
- 著者らは正解文と編集記録、同じKoBART設定での訂正の改善を報告し、KoLLAへの正解文追加で妥当な別表現への減点が小さくなったと述べる。
物理の問題文から力の向きを検証して図にするPhyDrawGen
- PhyDrawGenは問題文から場面グラフを作り、物理制約を計算して図の線を決める。
- 著者らの標準問題評価では、矢印のVCSRが94.7%、名称も問うLblCSRが77.9%だった。
- 平面上の古典物理を対象とし、教材利用の効果には教員による別途検証が要る。
似た通路や机が続く屋内で、物体の説明からロボットの現在地を絞る
- VLMが作る詳しい物体説明を既知の地図と照合し、有力な位置候補から推定を始める。
- 著者の試験で、初期位置の特定成功率は研究室74％、食料品店70％だった。
- 著者は、目立つ物体が少ない場所とクラウドVLMの遅延を制約に挙げる。
接触前後で動かせる状態が変わるロボット操作を、目標条件付き学習にどう反映するか
- 接触前に動かせない物体の位置が将来の到達費用に影響すると、全状態へのEikonal制約は実行可能な動きに基づく条件と矛盾しうる。
- 著者らは、観測された移動方向に制約を課すHJB-GCIVLと、操作可能な状態に下位学習を限定するPi-H-Flowを提案した。
- OGBenchの立方体配置課題で提案法の改善を報告しているが、確認できた本文の範囲では成功率の具体的な値は確認できない。
近隣との数値共有で電力の共通制約を調整する多主体強化学習
- 各主体は自分の状態と双対変数から行動を選び、運用時に近隣との通信で双対変数をそろえる。
- 著者らのスマートグリッド実験では、合意を外すと需要を無期限に先送りし、合意を使うと容量条件と需要充足をともに満たした。
- 適用には主体ごとの状態変化を分けて扱えることなどが必要で、対象の制約は長期平均の上限である。
SANA-Streaming：過去の映像を要約しながら長い動画を順次編集する手法
- 20層のうち15層でGDNが過去を要約し、5層で近くの区間などを細かく参照する。
- 長い編集前後ペアを使わず、編集結果から元区間を復元する逆方向の学習を加える。
- 著者らは1280×704画素で、RTX 5090を1台使った全工程24FPSを報告した。