視線が通っても点検できたとは限らない、撮影画像の不確かさで宇宙機の観測位置を選択
- 幾何的な可視性に代え、画像から学ぶ連続的な観測情報の指標を点検計画へ使う。
- 部品分類用VAEの潜在分散を利用し、暗さ、遮蔽、反射などで情報の乏しい画像を扱う。
- 物理シミュレーションで明るい観測が増えたが、損傷診断や実軌道上の成功率とは異なる。
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。
安全性テストと伝えるだけで拒否率が変化、インド系5言語でも評価時と通常時に差
- 同じ依頼の前に監視や安全性評価の説明を付け、4モデル・6言語で挙動を比較した。
- 明示的な評価の説明で、有害依頼の拒否はインド系言語の平均で14.4ポイント増えた。
- 無害な依頼の拒否も6.9％から11.3％へ増え、通常利用を模した評価の重要性を示す。
検索で得た事実の集合をそろえて比較、KnowGPOが有用な検索行動へ学習報酬を配分
- 答えに必要な情報を小さな知識条件へ分解し、満たした条件の集合で検索の進み具合を表す。
- 同じ知識状態の行動を比較し、新しく獲得した知識を過程報酬として使う。
- 三つの検索課題で結果のみ・過程監督の比較法を上回る成績を報告し、80億モデルを評価。
連続拡散の文章生成器を設計し直すLangDiT、同条件比較と長期学習の効果を区別
- 特徴と注意計算の正規化、ノイズ条件、語彙予測と自己条件付けを連続拡散言語モデル向けに変更。
- 同じ25万更新・128回評価のLangFlow比較で、生成困惑度は64.26から53.66へ低下。
- 長期学習ではさらに低い値を得たが、語の多様性や計算予算も合わせて見る必要がある。
時系列の実測値と変動の形を別々の画像で読む、二視点のVLMが推論を補助
- 折れ線図で絶対値を、正規化した遅延埋め込みで時間的な構造を保持する。
- 二つの専用視覚エンコーダと複数層での融合により、同じ言語モデルへ情報を渡す。
- Qwen3-VL-8Bを基盤にTSRBench正答率53.2％を報告し、単一視点との違いも調べた。
過去の意味と見た目を固定長の記憶へ、Mem4Actが見えなくなった情報でロボットを制御
- 長い観測履歴を時間の細かさを変えて集約し、512トークンの潜在記憶として行動方策へ渡す。
- 過去への質問応答と重要フレームの視覚特徴復元で、意味と細部を記憶に残す。
- 二つの模擬ベンチマークと実機4課題で評価し、実機の成功率81.5％を報告。
知識を答えられても追加学習に使えるとは限らない、LLM内部の線形構造が汎化と相関
- 既知の関係の答えを任意のラベルへ置換し、一部の対象だけ学習して残りへの汎化を測る。
- 11モデル・70関係で、学習前の線形な読み出しやすさと汎化の相関は0.87〜0.92。
- 元の知識の正答率などを統制しても関連が残るが、線形構造を変える介入の効果を示すものではない。
診断名だけでなく根拠と対応方針も採点、AI ConsiliumがLLMの多専門意見を比較
- 解決済み300症例を用い、専門役割別の独立意見と、その後の統合報告を別々に評価する。
- 医師の評点で調整したLLM判定器が、未使用190症例の最終報告3,040件を多面的に採点。
- 構造化形式は8系統中7系統で平均点を改善したが、モデル間の違いの方が大きかった。
変更例を見ながら複数箇所を穴埋めする拡散言語モデル、出力長の予測に課題
- 編集例と前後の文脈を同じ入力に置き、複数の欠けた領域を拡散言語モデルで埋める。
- 例を見せた場合と隠した場合の生成確率の比から、例に支持された候補を選びやすくする。
- 例示は有効だが追加誘導の効果は課題依存で、未知の出力長やコード実行の検証が残る。
虚偽へ誘導する揺さぶりにも正直な回答を学ぶCATCH、能力維持には学習例の選択が鍵
- 入力の内部表現を虚偽が出やすい方向へ動かし、それでも正直な回答を出すよう学習する。
- 約200件の自己報告例から学び、圧力下の回答、対戦ゲーム、隠された振る舞いの監査で転移を評価。
- 通常の指示応答能力の保持には、学習対象モデル自身が生成した一般応答データが有効だった。
正しくても不要な対比が半数、中国語LLMの文章を文脈への適切さで診断
- 中国語の『XではなくY』を、実質的・任意・欠陥の三つに分類する決定木を提案。
- 商用5モデルの使用密度は人の参照文の2.5〜9.2倍で、注釈307例の52.8％が正しいが不要だった。
- 評価器の好みと学習段階の傾向を調べたが、特定の訓練が頻度増加を起こす因果は未確定。
作業成功と好みの充足を分けるLIBERO-PeRM、ロボットは物を置けても置き方を守れない
- 動き、技能の使い方、利用者の選択傾向という三種の好みを、作業目標と独立に定義した。
- 312課題の模擬環境で、作業成功率と成功時の好みの充足を別に測る五つの評価群を構成。
- 既存VLAは追加学習なしでは好みへの追従が弱く、微調整で改善するが汎化や組合せに課題が残る。