文章から人物画像を探すDiCo：部位と服装の細部を段階的に照合
- DiCoは文章と人物画像を、全体・部位・部位内の概念という三段階で照合する。
- 学習には画像と説明文の組、人物IDを使い、身体部位の位置を示す明示的な注釈を必要としない設計である。
- 著者らは3つの公開データセットで評価したと述べるが、確認できた本文ではDiCo自身の結果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。
新約聖書で学習したダオ語翻訳を創世記へ適用する：検索例文の量と選び方を検証
- 新約聖書の対訳で追加学習した機械翻訳モデルは、創世記の評価で27.11 chrF++だった。
- 単語単位で検索した対訳例と辞書を使う最終構成は、創世記で35.21 chrF++、19.88 spBLEUを記録した。
- 著者らの比較では、検索方法の違いより参照する対訳例の量が後編集の性能に強く関係した。
急カーブの走行軌跡を生成中に修正するReflexDiffusion
- ReflexDiffusionは、軌跡生成の途中で信頼度が低いと判定した場合に、道路の曲がり具合と車速に関わる条件情報を強めて修正する。
- 著者らはnuPlan Test14-hardのRモードでdriving scoreが57.41から65.53に改善したと報告する。一方、Test14-randomのRモードでは82.88から71.57に下がった。
- 記載された構成には条件を一部隠す学習と推論時の修正が含まれる。修正の強さに関する本文と図の説明の整合性も確認が必要だ。
次の商品推薦モデルを端末向けに圧縮するOD-LLM
- OD-LLMは、次の商品を予測するLC-Rec由来の大規模言語モデルを端末向けに圧縮する。
- 入力の共分散正規化、特異値分解による低ランク化、圧縮後の層ごとの調整を組み合わせる。
- 著者らはモデルサイズ半減時に有効性の低下はないと述べるが、掲載表ではLC-Recより低い指標もある。
異なるロボットの手先へ実演を移すCEI：接触面の位置と向きを手掛かりに
- CEIは指腹の表面点と向きを使い、異なる手先で似た接触の仕方を探す。
- 移行先の関節軌道に加え、点群観測と動作目標を合成して学習用実演を作る。
- 著者らは実機６課題で平均成功率70％、移行元の成功率に対する比率82.4％を報告した。
LLMの記憶を内部知識・外部検索・エージェントの継続的な記憶で整理する
- LLMとマルチモーダルLLMの記憶研究を、内部知識、検索できる外部情報、エージェントが継続的に保持する情報の三類型で整理した調査論文。
- 画像・言語・音声・行動にまたがる記憶も対象とし、記憶容量、情報形式の対応付け、事実の一貫性などを未解決課題に挙げる。
- 確認できた本文の範囲に個別の性能数値や比較条件はなく、実務での有効性には対象業務のデータを使った検証が必要。
判決文の論理構造から著作権損害賠償の判断要素を抽出する
- 判決文を節と修辞構造の木に分け、LLMが判断要素のラベルと根拠箇所を抽出する。
- 35件のテストで、懲罰的要素の判定は正解率0.771、F1値0.765と著者らは報告した。
- 定量評価は一つの判定項目に限られ、実務では根拠箇所を原文で確認する必要がある。
問題文と表データから最適化モデルを組み立てる3段階のLLM連携
- 問題の種類を判定し、参照例から作成手順を組んだ後、数式と求解用コードを生成する。
- 著者らはLarge-Scale-ORの101問で、2種類の基盤モデルがともに全体正解率80％超と報告する。
- 導入時は生成された制約と元の業務規則を照合し、欠損値の補完も確認する。
検索文書の得点を回答生成の注意計算に組み込むOpenDecoder
- 検索文書ごとの品質得点をモデルの注意計算に組み込み、回答生成時の参照の重みを調整する。
- 著者らの5データセット平均F1は、Noisy条件でOpenDecoderが34.16、RbFTが32.14だった。
- 社内規程で試すには、正答付き質問、文書別の得点、関連性を確認する検証ラベルが必要になる。
AIへの質問をどう有害と判断するか――100人の意見の違いを調べるPluriHarms
- 150件の質問すべてを100人が0～100で評価し、計15,000件の有害度評点を収集した。
- 生成時の有害度と人の評点のスピアマン相関係数は0.59で、指定水準0.4～0.8の質問では判断のばらつきが大きかった。
- GPT-4.1の個人別評点予測では、本人の質問・評点例を与える方法のMAEが0.196、価値プロフィールを与える方法が0.233だった。
Javaコードの利用元をたどる検索手法DKB：構文木から作るグラフの効果と費用
- DKBはJavaの構文木から依存関係のグラフを作り、質問時に依存先と利用元の両方をたどる。
- 著者によるShopizerの15問の判定では、DKBが15問正答、LLM-KBが13問正答・2問部分正答、No-Graphが6問正答だった。
- ShopizerではLLM-KBの抽出結果から377ファイルが欠けた。回答の正誤と併せて、索引の取り込み範囲や遅延を確認する必要がある。
音声・歌詞など5種類の曲情報を統合し、次の曲を推薦するFusID
- FusIDはタグ、メタデータ、歌詞、音声、プレイリスト内の共起から得た特徴を統合し、各曲を5つの記号からなる意味IDに変える。
- 著者らの評価では、対象の537,042曲で識別子の衝突率は0％。次の曲の予測ではMRRが9.58で、比較対象のTalkPlayの9.02を上回った。
- 導入時は必要な特徴と履歴がそろう曲を確認し、既存方式と同じ条件で予測精度、識別子の衝突、曲の追加後の変化を測る。