検索語を決めずに過去の急上昇を探す、125カ国の検索アーカイブ
- 検索語を事前指定せず、125カ国で過去に急上昇した検索を地域と時期から探せる。
- 処理済みデータは7,639,695エピソード。収集対象1,358地点のうち、記録を含むのは1,339地点。
- 終了時刻を補ったエピソードは14.8％あり、継続時間の分析では実測値と区別する必要がある。
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。
推薦ツールの参照と順位付けを一緒に学ぶAgenticRec
- 行動履歴と事前に用意した候補集合を受け、推薦用ツールを参照して上位候補の順位付き一覧を出力する。
- 最終順位への報酬で推論とツール選択を学び、誤順位から選んだ候補との比較で好みを再調整する。
- 著者らの比較表ではCDsのH@1は0.2992。一方、OfficeのH@1ではReReを下回った。
位置のずれたHSIとMSIから、双方の撮影領域を復元する手法
- 位置が合わず一部だけ重なるHSIとMSIから、両方の撮影領域の高解像分光画像を推定する。
- 共有する物質の波長特性と存在比を連動して推定し、HSI側の細部には小領域の分布を使う。
- 半実・実データでの検証と条件付きの復元保証が報告されているが、確認できた本文に性能指標や比較結果の数値はない。
投稿の細かなタグを推薦に使うTagLLM：カテゴリ別の関心表から小型モデルの学習まで
- カテゴリ別の関心表に沿って投稿の文章・映像・音声からタグを作り、整理したタグで小型モデルを学習する。
- Dewuの18カテゴリで学習・評価し、著者らはオンラインA/Bテストで利用者当たり平均閲覧時間0.31%、平均反応数0.96%の増加を報告した。
- 公開後24時間以内の投稿では既存方式に対するページ閲覧基準のクリック率32.37%増を報告する一方、長い動画や情報不足・矛盾のある投稿に課題がある。
配管計装図を知識グラフに変え、設備のつながりを質問できるChatP&ID
- ChatP&IDはDEXPI形式の配管計装図を知識グラフに変え、質問に必要な設備と接続を検索して答える。
- 著者らは画像入力に対する精度18％の改善と、スマート図面の直接入力に対するトークン費用85％の削減を報告した。
- 実務では図面からグラフへの変換精度と、各回答が実際の接続経路に基づくかを先に検証したい。
移植患者向け手引きの記載漏れと施設間の違いをRAGで測る
- 102冊の移植患者向け手引きと1115件の質問を使い、施設別の回答を比較した。
- 両方に回答がある組の20.8%を意味のある相違と分類し、生殖に関する質問では95.1%の質問・手引き組が記載なしだった。
- 検索漏れ、表や図の未処理、判定モデルの偏りがあり、差の解釈には原文と専門家の確認が必要。
共同作業の成果を各AIにどう配るか――CCPOの反実仮想評価
- CCPOは共同の結果と一人を外した結果の差から、各AIの貢献を推定して学習に使う。
- 順番に考えて解く二者構成と、複数回答の投票構成に適用する。
- MATH500やLogiQAで改善例がある一方、モデルや課題によっては比較方式を下回った。
資金洗浄対策のアラートを、引用と条件変更で点検するLLM手法
- 方針・不正類型の指針、顧客情報、アラートの発生理由、取引関係を検索し、引用付きの一次判断を作る。
- 著者らは公開の合成AML環境でPR-AUC 0.75、Escalate F1 0.62、引用の妥当性0.98を報告した。
- 入力を少し変える反実仮想の検査で判断と説明の整合性を調べる。実取引への適用には自社データでの検証が必要である。
消費者の投稿群から集団の意図を読めるか――COIN-Benchの評価方法と限界
- COIN-Benchは、消費者の投稿群からモデルに質問票を作らせ、集団の意図を整理する力を評価する。
- 意図の五段階の深さと広さを木で測り、検索した元投稿で回答との整合性を確認する。
- 著者らの実験では深い層が難しく、意図の木を入力すると深さが上がる一方、正しさが下がる例があった。
圧縮した音声の感情を保つ感情別符号帳とEmo-Q
- 著者らは、強いRVQ圧縮で感情の手掛かりが損なわれ、その程度は感情や音声モデルによって異なると報告した。
- Emo-Qは感情別符号帳で復元した特徴量を元の特徴量と比べ、最も近い符号帳の感情を出力する。
- 四つの分布外テスト集合の平均で、8×32構成のEmo-Q（99％＋1％学習）は圧縮前の基準に対するMacro-F1差分が+1.57だったと著者らは報告した。
多言語の音声感情認識で、言語ごとの男女差を考慮して学習する手法
- 各言語の男女の平均損失差を測り、最大の差に罰則をかけて感情認識モデルを学習する。
- MELD-STの英語・日本語・ドイツ語を、音声のみと正解文字起こし付きの条件で評価した。
- 多言語の重み付きF1は追加学習なしの比較モデルの最高値を上回ったが、格差指標AVGは両条件とも最小ではない。
内視鏡画像の所見を順に記し、病変への依存を促すCogAlign
- 画像を入力し、撮像部位、病変の形態、表面・血管の所見を順に記してから診断するよう学習させる。
- 専門家が範囲を修正した病変をぼかした画像も使い、背景への依存を抑えるよう回答を調整する。
- ５データセットの計4,779件を評価に用いるが、確認できた本文ではCogAlignの正解率の数値を確認できない。