画像検索の再順位付けで、候補を見分ける視覚情報を残すRaDiCal
- 検索文との関連性と候補間の違いを使い、再順位付けに必要な視覚トークンを選ぶ。
- Flickr30Kの20％保持時、MRR@10は83.98％で、削減しないDenseは84.04％だった。
- Flickr30Kの20％保持時、著者らは二つの画像・言語モデルでDense比1.28倍と1.45倍の実測速度を報告した。
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。
SciTrue：同じ主張に対応する図表を対にして支持・反証を判定
- SciTrueは同じ主張文に対応する証拠を対にし、支持度が高い方を「支持」と判定する。
- Subtask 1の開発セットでは、三モデル統合の組正解率72.2％が、図表種別の切り替えと組分けを加えて93.5％になった。
- 非公開テストのSubtask 1 PNG区分は組正解率98.2％で首位と同率。相対比較の適用には、支持例と反証例が対になることの確認が要る。
質問と商品情報の両方から検索語を作るCoGR：候補検索での効果を検証
- CoGRは検索文と項目の双方から語句を生成し、転置索引で照合して候補を選ぶ。
- 著者らが報告したCoGR-4Bの候補集合全体のF1は、APP Marketplaceで0.3963、WANDSで0.6819だった。
- 社内文書への応用には検索文と関連文書のラベルが必要で、検索品質と索引更新の負担を検証する必要がある。
承認済み回答だけを返す相談窓口で、質問の言い換えをどう拾うか
- 回答は確認済みの登録文に限定し、曖昧な質問は確認・保留・引き継ぎへ振り分ける。
- 人が意味のスロットを設計して事前に言い換えを増やし、通話時は一回の検索で処理する。
- 著者らの未登録言い換え試験では、混合検索のR@1が家電0.881、自動車0.930だった。
古典語の語句を英語の意味項目へ結び付けるInspicio
- 対象言語の語義一覧なしで、文脈中の語に対応する英語WordNetの意味候補を検索する。
- 翻訳、定義の近さ、見出し語の一致を組み合わせ、候補と途中の判断材料を残す。
- 知覚動詞150例で最良のRecall@50は96％だが、別の動詞集合では81.65％だった。
行動データに基づく仮想ユーザーでA/Bテストの方向を予測する
- 匿名化した行動データから仮想ユーザー像を作り、画面変更の効果方向を予測する。
- 40件の過去のA/Bテストで、二案を並べて採点する形式は方向正解率0.75～0.80だった。
- ペルソナを935人分から500人分へ減らしても、この試験群では方向正解率がほぼ保たれた。
正解ラベルなしで、分析に残す項目を選ぶICLFS
- ラベルのない表で各列を学習対象とし、残す列に順位を付ける。
- 一部を隠した列の表現を比べて学習し、重複する候補を補正する。
- 著者の12データ集合の群分け評価では、10集合で最高の正解率だった。
複数のLLM間で会話の途中経過を引き継ぐCacheBridge
- 異なるLLMのKVキャッシュを変換し、文脈の再読み込みを省く方法。
- Qwen3の評価では変換器容量が4.296GBから0.538GBになった。
- 著者の三つの移行方向の評価では、Ministral 3の二方向で精度維持率が改善した。
一つの録音から心音と呼吸音を分けるXVAE-WMT：分離手順と評価範囲
- XVAE-WMTは混合心肺音をウェーブレット変換し、変分オートエンコーダとソフトマスクで心音・呼吸音に分ける。
- 学習時に対になった正解波形は不要だが、学習後に潜在要素を音源へ対応付ける際には音源ラベルを使う。
- 著者らはSDR 26.8 dB、SIR 32.8 dB、SAR 28.6 dBを報告する。確認できた範囲ではデータ群別の内訳と比較法との差は分からない。
単眼動画と静止メッシュから、頂点の対応を保つ3Dアニメーションを作るBLARM
- 単眼動画と静止3Dメッシュから、頂点対応を保ったアニメーションを予測する。
- 少数の剛体運動を頂点ごとに固定した混合比で合成し、骨格や部位ラベルの指定を要しない。
- 著者らは形状精度と時間方向の一貫性の改善を報告するが、確認できた本文には評価指標や数値結果がない。
推論途中の語彙計算を小さな射影器に置き換えるSoft Latent Thinking
- 推論中は語彙全体の出力層を小さな射影器に置き換え、最終回答は通常の文字列として生成する。
- 数学5集合の平均pass@32は、評価した二つのモデルでSofT-GRPOを上回った。
- 平均@1は両モデルでSofT-GRPOを下回り、数学向け射影器ではコード生成の性能低下が報告された。
三択の回答が一つに偏るLLMで、候補の点数から正答の手掛かりを回復する
- 正解ラベルなしの同形式データと想定する回答比率から、三択の候補点数に足す二つの補正値を決める。
- 著者らの統制した論理問題の語彙変更条件では、Qwen3.5-4Bの正答率が0.333から0.570、9Bが0.333から0.602になった。
- 効果はモデルや条件で異なる。導入前に、独立した正解付き事例で生の採点と補正後を比較する必要がある。