日付だけで公開数値を答えるAIを、評価前に調べる
- NumLeakは、公開数値を日付と系列名だけで答えられるか調べ、関連系列や架空系列への応答も照合する。
- 著者らの40か月・3回の試行では、Mkt-RFの公表値との相関はOpus 4.7で0.99、Sonnet 4.6で0.97だった。
- 人工系列の追加学習は記憶が生じ得る経路を示したが、商用モデルの学習過程そのものは特定していない。
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。
10台の協調作業で、通信構造の変更はモデル拡大より高い改善を示した
- 著者らは、10台の実機による搬送・地図作成試験で、通信を全結合型からモジュール型の階層接続へ変えると正規化性能が47ポイント改善したと報告する。
- 隠れ層を２倍にした場合の改善は最大９ポイントで、試験した条件では通信構造の変更による改善の方が大きかった。
- 1024単位を超える隠れ層での性能の頭打ちは、実機での直接測定ではなく、シミュレーションを使った推定による。
動画の変化を学習し、単一画像からロボット操作向けの特徴を取り出すDynaFLIP
- 人とロボットのRGB動画から画像の変化、言語説明、3Dフローを作り、単一画像を処理する視覚エンコーダーを学習する。
- 三表現の対応を三角形の面積で測り、コサイン正則化と対照学習で面積最小化に伴う問題に対処する。
- 著者報告のLIBERO五群の平均成功率は、エンコーダー固定時41.5％、LoRA調整時81.0％で、各条件の比較対象中最高値を上回った。
動画生成モデルは因果を捉えるか：実写動画の逆再生で測るYoCausal
- YoCausalは実写動画の元映像と逆再生映像を対にし、動画拡散モデルのノイズ除去誤差から反応を測る。
- RSIは時間の向きへの反応、CCIは因果場面と非因果場面でのRSIの差を表し、併せて解釈する。
- 著者らは公開モデル13種を評価し、時間の向きへの反応が強くても因果場面への反応は強いとは限らないと報告した。
台本・音声・顔の動きをつなぎ、発話する人物動画を生成するArchon
- 人物の説明文、台本、音声、顔の動き、意味動画、画像、動画の7種類を扱い、同期したデータと72種類のタスクで学習する。
- 顔領域のラベルで表す意味動画を使い、著者らは動画のトークン数を4分の1に減らしたと報告する。
- CelebV-HQとHDTFの各200本を使った比較ではFID・FVDがHallo3より低い一方、同期や音声の評価では全項目が優位ではない。
都市の大量画像を分割処理し、つなぎ目のある3Dメッシュを一体化するCity-Mesh3R
- 重なりのある画像群から疎な地図を統合し、都市を区画ごとにメッシュ化して接合する。
- GauU-SceneのCUHK-LOWERではF1が0.1110で、表にあるCityGS-v2とCityGS-Xを上回った。
- CUHK-UPPERではCityGS-XのF1が高い。利用前には形状の正しさや区画の継ぎ目を用途に照らして検証する必要がある。
言及した物体を画像内で特定し、単眼画像から3Dの箱を推定するGR3D
- GR3Dは回答中の物体への言及を2D領域に結び付け、その領域の画像情報を後続の推論に使う。
- 特定した領域を手掛かりに、単眼画像からカメラ視点の3Dの箱を推定する。
- 著者らの報告では、Omni3DのSUN-RGBD領域でAP15が31.64、MM-GCoTの平均回答正解率が78.3％だった。
研究情報を段階的に示し、LLMの実験結果予測を測るProjectionBench
- テーマと研究上の問いから始め、帰無仮説と実験手順を順に加えて、LLMの結果予測を評価する。
- 材料科学論文45本での著者らの評価では、GPT-5.4のAUCは1.56で、GPT-5の1.44を上回った。
- 主張ごとの一致度をGPT-5で採点するため、著者らは評価モデルによる偏りの可能性を認めている。
長文翻訳で参照する履歴を選ぶLoong：要約・対訳例・用語記録を段階的に利用
- Loongは過去の要約、文単位の対訳例、固有名詞などの記録を検索し、現在の翻訳区間に使う項目を順に選ぶ。
- 著者らのNews Commentary V18.1評価では、Qwen3-8Bによる英語から中国語・ドイツ語・フランス語への集計sCOMETが87.3で、Sentenceの86.9とDelTAの86.7を上回った。
- 日本語を含む業務文書への適用は未確認であり、文対応を付けた対訳を用意し、訳語、文の欠落、修正件数を実地に比較する必要がある。
画像への回答を項目ごとに採点し、学習用の得点を作るRLR3
- RLR3は採点項目ごとに機械的な照合と文章による判定を使い分け、必須項目を優先して学習用の得点を作る。
- 著者らが報告した15ベンチマークのマクロ平均では、三つの学習データ群すべてでRLR3がRLVRを上回った。
- 点検写真への応用には、表示値の正解ラベルと説明条件を用意し、誤答への加点を別途検証する必要がある。
参照映像の口の動きを別人の顔に移す、追加学習不要の動画生成手法
- 口の動きの参照映像と対象人物の参照映像から、用途別の追加学習なしで会話する顔の動画を生成する。
- 顔の形と質感の組み替え、口の開閉に応じた特徴量調整、時間方向の平滑化を組み合わせる。
- 著者らのCREMA・HDTFでの比較表では、PCLDとFIDが掲載された比較手法の最良値を上回った。
ドイツ語の代名詞を別人の話題を挟んでも使い続けられるか――GRUFFによる評価
- GRUFFは、ドイツ語で先に指定した人物の代名詞を再使用できるかを、４種類の名詞体系と４組の代名詞で評価する。
- 著者らは、別人の文を挟むと成績が下がり、紹介文がある設定全体ではen系列の成績が他の３系列より有意に低いと報告した。
- 実務への適用には、本人の指定と代名詞の指し先をラベル付けした業務文を用意し、実際の文章生成でも確認する必要がある。