採点の境界にある解答例を選び直す自動採点手法GUIDE
- GUIDEは、意味が近く点数が一段違う答案の組を採点例として重視する。
- 例の選択と、隣接点数との差を説明する理由文の生成を反復する。
- 物理・化学・教員教育の課題で評価したが、確認できた本文の範囲では改善幅の数値を確認できない。
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。
歌詞や参照音声まで含めて生成音楽を評価するCMI-RewardBench
- 文章、歌詞、参照音声を組み合わせた生成音楽を評価するためのデータとベンチマークを提案した。
- 人手評価4027組と擬似ラベル11万組を使い、音楽性と指示への一致を採点するCMI-RMを学習した。
- CMI-Prefでの音楽性選好の正答率は一構成で78.20%。条件別の数値を見て導入判断する必要がある。
長い動画への質問応答で、Mambaの記憶状態を踏まえて視覚トークンを段階的に減らす
- Mambaを含む動画向け視覚言語モデルで、質問との関連度を使い、視覚トークンを後の層ほど強く削減する。
- 著者らは、Mambaの内部状態に以前の情報が残り得ることと、トークンの重要度順位が層ごとに変わることを分析した。
- 削減を伴う追加学習後、全注意層で視覚トークンを25.2％残す条件では、三つのベンチマークの平均スコアが61.97から63.27、TTFTが4.65秒から1.14秒になった。
人気商品は細かく、履歴の少ない商品は短く表す可変長の検索ID
- SA2CRQは経路の情報量に応じて意味IDの長さを変え、人気商品を細かく、履歴の少ない商品を短く表す。
- 人気商品から学んだ符号を固定し、追加の符号を更新して希少商品の表現に適応させる。
- 著者らの産業データ評価では、Recall@2kは設定τ＝2e−6のSA2CRQで0.7231、TIGERで0.6448だった。ただしDPRは0.7675だった。
論文ごとに距離を学び、引用経路から関連研究を探すGSS
- GSSは論文ごとに距離尺度を学び、引用グラフの経路を使って関連論文を探す。
- 著者らの引用予測実験では、Recall@20はGSSが0.518、SPECTER＋FAISSが0.421だった。
- 引用の少ない新しい論文や経路の乏しい検索では効果が限られ、探索時間も確認が必要である。
推薦の順位付けで重複する計算を減らすMaRI：ユーザー特徴の行列積を一度にまとめる
- MaRIは、推薦モデルの特徴統合で候補ごとに繰り返すユーザー側の行列積を一度にまとめる。
- GCAで置換候補を検出し、特徴と重みを再配置して推論時の行列積を組み替える。
- 著者らのオンラインA/B試験ではUOI比でモデル推論が平均1.32倍に高速化し、業務指標に統計的な有意差はなかった。
離れた段落と表を結び付けて答える文書解析システム「MoDora」
- MoDoraは、文字認識した見出し・本文・表・図を構成要素にまとめ、木構造で関係を保持する。
- 質問が場所を指定するか内容を尋ねるかに応じて根拠の探し方を変え、離れた段落と表の対応を扱う。
- 著者らは正答率の改善を報告するが、確認できた本文からは評価データセット別の成績を確認できない。
検索条件や季節の指示に応じて商品を推薦するSIGMA
- 商品情報と行動履歴の関係を一つの数値表現に結び付け、意味IDと商品固有IDを併用する。
- 指示文から意味ID候補を生成し、近傍検索と確率による順位付けで商品を推薦する。
- 著者らはAliExpressのオフライン評価と、通信量5％・2週間のオンラインA/Bテストの結果を報告した。
検索文書の再順位付けに使うLLMの層を選び、計算を早く終える
- 質問から候補文書への注意の重みを使い、LLMに順位を文章で生成させずに再順位付けする。
- TREC-DLで選んだ連続4層を集計し、選択区間より後の層の計算を省く。
- BEIRの9データセット平均では5モデル中4モデルでAll-ICRを上回り、Qwen3 0.6Bでは下回った。
声を出す・口だけ動かす・思い浮かべる：脳信号から探る発話の共通性
- 発声、声を出さない口の動き、発話の想像の脳信号で学んだ復元器は、別条件にも一定程度転用できた。
- 著者は１人の参加者による中国語100文の記録を使い、音の特徴の相関と文の候補順位を評価した。
- 非線形モデルは復元特徴の相関で優れる一方、指標間の関係や条件間転用も見て判断する必要がある。
写真と音声から話す人物動画を生成するFlowPortrait：人の評価に沿う追加学習
- FlowPortraitは、人物写真一枚と音声から話す人物動画を作り、生成結果への複合的な評価で追加学習する。
- 人の好みが一致した4,501組で、項目別に複数モデルが採点するMAS-MAの正解率は65.6％だった。
- 著者らの人手評価では、平均点が教師あり学習後の3.72から追加学習後の4.03になった。
画像生成の途中で分布が集中しすぎないようにするECFM
- ECFMは、参照速度場に近づける学習に、生成途中のエントロピー減少速度の制約を加える。
- 著者は条件付きの領域別確率質量の下限と、制約がない場合に途中で分布が集中する反例を理論的に主張する。
- 確認できた本文の範囲では画像データによる比較値がなく、画質、種類別の生成割合、学習負荷は実測が必要である。