TALA：過去の経験を案件に合わせ直し、複数役割の長期推論を調整する
- モデルの重みを更新せず、過去案件の経験を検索・適応・統合して使う。
- 役割ごとの行動と手続き要件に照らし、後続段階へ進む前に検証・修正する。
- J1-EVALとLegalWorldで五つの基盤モデルを評価し、記憶と協調の補完効果を報告した。
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。
AI画像の来歴を制作工程で考える：生成画像とコード描画の透かしを整理
- 画像モデルによる生成とコードの描画では、透かしを入れる場所と検証できる情報が異なる。
- 推定、埋め込みメッセージの回復、認証された来歴を別の検証課題として整理する。
- 実験や新定理を報告する論文ではなく、十の研究課題を示す概念的な枠組みである。
INTEGER：履歴に基づく推薦を保ち、会話で候補を修正できるモデルへ
- 推薦する時点を専用トークンで選び、商品生成の直前に行動履歴を再挿入する。
- 行動学習と指示データを再学習し、会話への適応による忘却を抑える。
- Amazon BeautyのHit@10を13.3%改善する一方、拒否理由に沿う置換は課題として残る。
VLA-ACL：動作の一致を手掛かりに画像トークンを削り、ロボット推論を高速化
- 基盤VLAを固定し、全画像での動作と一致する小さな画像選別器だけを学ぶ。
- 各カメラで上位K個の画像トークンを残し、言語モデルへ入る前に削減する。
- 最大87.5%の画像トークン削減、最大75%の計算削減、1.5倍の推論高速化を報告。
Mu-DisCoCat：物と関係を分けて学び、未知の画像と言葉の組合せを量子回路で照合
- 単体の画像と言葉で物体表現を学び、固定した後に複数物体の関係だけを学習する。
- 古典シミュレーションでは、評価したCLIPより関係の分布外精度が高かった。
- 小さな回路と測定手順で実機へ移し、理想計算との正の相関を確認した。
斜め撮影の商品棚を補正し、既存の物体検出器で見つけやすくする
- 棚の直線から撮影方向を判断し、代表画像から求めた固定変換で正面に近づける。
- 検出器へ学習モジュールを加えず、前処理として補正の効果を比較する。
- Grocer-Helpの1,946画像で検証し、角度と商品密度による改善の限界を分析した。
DyaFDB：音声対話AIを二者で会話させ、相手による振る舞いの変化も評価
- 二つの全二重音声モデルが役割と目標を持って直接対話し、双方を後から採点する。
- 四つの課題、140の場面、六つの組合せで7,560会話を記録した。
- 同じモデルでも相手によって結果が変わり、行動した割合と行動時の質を分ける必要がある。
自動運転の経路を直接回帰せず、実行できる候補のコストを学ぶ
- 到達可能な自車軌道を候補にし、周囲の整合的な将来場面ごとにコストを予測する。
- 意図の同じ候補群内で低コストの軌道を混ぜ、最終計画を選ぶ。
- nuScenesと実走行ログで衝突指標の改善を報告したが、閉ループの安全保証ではない。
iGPC：人の動作事前学習を、物に触れる人型ロボット制御へつなぐ
- GPCの人動作事前知識に、物体形状、接触、安定性の情報を加えて専門方策を作る。
- 深度、LiDAR、自己状態から動く学生へ技能を移し、同じ動作事前知識を保持する。
- 物体への到達で専門方策99.32%、センサー型学生95.95%の接触成功を報告した。
AutodidactWAM：生成動画から手の軌道を取り出し、ロボット動作を学び直す
- 動画は自然でも動作が外れる世界行動モデルを、動画由来の教師信号で修正する。
- 手姿勢推定と逆運動学で軌道を復元し、動作に関係する層だけを更新する。
- 選好学習だけは実機成功率0%で、教師あり学習と軌道の拘束を加えた構成が最良だった。
心臓MRI再構成に視覚基盤モデルを転用：少ない学習データでの効果を比較
- 共通の再構成器にCLIP、BiomedCLIP、DINOv2を組み込み、事前学習の効果を調べる。
- 極少量データでは固定特徴が有効で、データが増えるとLoRA適応の追加効果が見られた。
- 二つのCMRxRecon評価集合で、DINOv2が比較した基盤の中で総合的に最も強かった。
音声匿名化の評価は言語で変わる：音響と内容の両面から話者再識別を調査
- 英独仏西に日本語と中国語を加え、二種の匿名化と二種の話者照合器を調べた。
- 音響中心の照合器が全体に強いが、言語情報が保たれると内容中心との差が縮まる。
- 七つの声変換方式で作った多言語データによる適応は、言語間の差を部分的に減らした。