ChartBmkAgent：図表の誤読タイプから、狙いを保った評価問題を生成
- 簡単な誤り分類の指定から、データ、図表、質問、正解を一式で作る。
- 中央の制御系が各段階の根拠を確認し、元の診断対象からのずれを防ぐ。
- 300問でモデル精度に差が現れ、別の評価器による監査では86.4%が指定対象を満たした。
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。
SAGE：医学用語の分類体系を足場に、小規模モデルでQA学習データを作る
- MeSHの概念を基準に、単一概念と概念間関係の二系統で質問と回答を生成する。
- 生成した質問を分類体系へ対応付け、次の生成で扱う概念の組合せを更新する。
- 五つの医療QA評価で平均正解率68.12%を報告するが、臨床の有効性を示す結果ではない。
DirectSpeech2LLM：文字起こしだけで学び、翻訳などの音声指示にも対応
- 音声特徴と固定LLMの単語ベクトルとの距離からCTCを計算する。
- CTCの予測ラベルで音声特徴の時間長を整え、連続ベクトルをLLMへ渡す。
- LibriSpeechの960時間だけで学習し、未学習の翻訳と感情認識への汎化を報告した。
音声生成モデルの内部で、音高やテンポはどこに表現されるか
- RAVEの三モデルと四種類の入力で、復号器の層と層をまたぐニューロン群を分析した。
- 自然音では非線形の読み出しが強く、複数ニューロンによる特徴表現は中間層で高かった。
- BPMの単独特徴では層をまたぐ群が有利だが、共同表現の読み出しには改善がなかった。
IndexAct：候補集合を保持し、必要な本文だけ読む検索エージェント
- 検索条件の変更と本文閲覧を分離し、候補数と再利用可能な参照を返す。
- BrowseComp-Plusで回答精度73.5%、根拠文書の被覆率60.7%を報告。
- 文脈を短くするだけでなく、探索を続けられる状態管理が重要と分析する。
CLARER：レビューの評価観点を学び、推薦スコアと理由を一緒に生成
- 評価履歴の特徴とレビューの観点別特徴を統合し、点数予測と説明生成に使う。
- 三つのレビュー領域で点数予測誤差が既存手法より小さかった。
- 説明文の自動指標には改善と例外があり、実際の根拠との一致は別途確認が必要。
HiPLEX：音声AIの発話タイミングと応答内容を分けて学習する
- 既存のテキスト出力分布を制御と内容の二段階に分解し、新たなパラメータを追加しない。
- 発話エピソードから選んだ判断に時間報酬を与え、内容の評価は内容側に割り当てる。
- Moshiではユーザーの間を奪う発話と割り込み後の応答遅延がGRPOより減った。
SNAP：新視点の再現器を制限して幾何情報を画像表現へ学習させる
- 視点合成の再現器が強すぎると、前段の画像表現に幾何情報が残りにくいことを分析する。
- 局所的な再現器とDINOv3の特徴予測を使い、画素そのものの再現に依存しない自己教師あり学習を行う。
- 凍結した画像表現で対応点、位置、姿勢、深度、ロボット操作の五課題を検証する。
MoSE3：単眼動画から画素ごとの3D移動・回転・剛体のまとまりを推定
- 単眼RGB動画から、世界座標における画素ごとの6自由度の剛体変換を予測する。
- 3D点の軌跡と剛性の表現を共同学習し、柔らかなグループごとに変換を当てはめる。
- 合成データArt-Kubricを構築し、剛体・関節物体の評価と実動画への一般化を検証する。
4DCodeBench：動画の動きを実行可能な描画コードへ再構成できるか測る
- 動画から動的な場面を実行可能なグラフィックスプログラムとして再現する評価課題を提案する。
- 実動画と、変形・流体・破壊などを含む合成場面を用意し、モデルを比較する。
- 静的な見た目を再現する能力が強くても、複雑な動きを安定して再現できるとは限らないと報告する。
世界モデルは何を忘れるべきか、不変知識と更新すべき事実を分けて評価
- 変化する環境を予測する世界モデルでは、過去に正しい知識を捨てることが必要な場合がある。
- 物理などの不変知識と、物体の位置など更新すべき個別事実を時間尺度で分ける。
- 不変知識の回帰試験と事実更新の遅延を集約せず併記するdifferential retentionを提案する。
EyeRobot 2.0：注視点を動かし手首カメラなしで両手操作を支援
- 左右の視点を動かして3Dの注視点を中心に置き、画像中心へ視覚処理を集中する。
- 注視を実行する政策と注視点を選ぶ政策を階層化し、把持の表現も注視点基準にする。
- 把持物で手首カメラが隠れる条件では、成功率48%対22%を報告する。