タイムライン検索

2026年5月30日

ジョナサン・フェロ、リサ・アブラモウィッツ、アンマリー・ホルダーンがウォール街からワシントンをはじめ、各界のリーダーと意思決定者と毎日対話します。

Bloomberg

2026年6月1日

arXiv:2605.30486v1 センサーグラフ上の時空間予測は通常、すべてのノードに均一に適用される単一のバックボーン構造で対処されるが、グラフ領域は異なるダイナミクスを示す可能性がある。道路セグメントは機能的分類、構造、交通行動が異なることから、ノード単位の専門家の活用が推奨される。

arXiv cs.LG

2026年6月1日

arXiv:2605.30470v1 Graph Machine Learning as a Service（GMLaaS）プラットフォームは、規制上の透明性要件を満たすために説明可能性インターフェースを実装することが増えています。しかし、この透明性はモデル抽出攻撃の悪用可能な脆弱性を生み出します。本論は、特にサブグラフ説明を対象とした初のモデル抽出攻撃を提示しています。

arXiv cs.LG

2026年6月1日

arXiv:2605.30465v1。ラベル付き訓練データなしでの多ラベル・トピック分類は困難な課題であり、特に複雑な関係情報を含む文書の場合。記事ごとのナレッジグラフ拡張がどのように分類に影響するかを体系的に調査したゼロショット多ラベル・トピック分類フレームワークを提示。

arXiv cs.CL

2026年6月1日

災害は不可避であり、コストが増大しており、効果的な対応は構造化されたデータのクエリに依存しています。現在のテキスト・ツー・SQLメソッドは、自然言語処理を可能にしています。

arXiv cs.LG

2026年6月2日

ジョナサン・フェロ、リサ・アブラモウィッツ、アンマリー・ホーデルンがウォール街からワシントンを始め、各地の指導者と意思決定者に毎日直接取材する番組。他の番組にはない独特の視点を提供します。

Bloomberg

2026年6月12日

こちらは、ESO（ヨーロッパ南天天文台）の「VST（VLTサーベイ望遠鏡）」が観測した、とも座のHII（エイチツー）領域「Gum（ガム）10」と「Gum 11」です。 星雲が描き出した不思議な模様 赤やオレンジ色に輝く、…

sorae

2026年6月16日

株式会社ビズリーチは15日、入社した新メンバーの即戦力化を支援する「Onboard AI（オンボードAI）」において、中途採用者の即戦力化を阻む要因となる、メンバーとマネージャー間の認識のずれを定期的に可視化する新機能「オンボーディングサーベイ」を提供開始すると発表した。

クラウド Watch

2026年6月16日

自動運転システムは、安全かつ効率的な移動計画のために正確な軌跡予測に依存しています。グラフニューラルネットワーク（GNN）は、道路上のエージェント間の時空間的インタラクションをモデリングするための有望なアプローチとなっています。しかし、軌跡予測のためのGNNアーキテクチャの設計は標準化されておらず、どのグラフ層が空間的インタラクションと時間的ダイナミクスを効果的に捉えられるかについてのガイダンスはほとんどありません。本稿では、19種類のグラフ層について、軌跡予測に最も効果的なアーキテクチャを発見するために、それらの空間的および時間的処理能力に焦点を当てた詳細な比較研究を提供します。探索されたハイパーパラメータ設定内で、ARMA、Chebyshev、およびトポロジー認識層が他の層よりも一貫して優れたパフォーマンスを示し、5つの際立った層の組み合わせを強調します。

arXiv cs.LG

2026年6月16日

調査回答者は、FRBが今週の会合で、次の動きは利下げになる可能性を示唆する声明文の緩和バイアスを撤廃すると予想している。

CNBC World

2026年6月17日

ジョナサン・フェロ、リサ・エイブラモウィッツ、アンマリー・ホードンが、ウォール街からワシントン、さらにその先のリーダーや意思決定者と日々対談。他のどの番組も、投資家や経営幹部を取引日に向けてこれほど的確に準備させることはできません。（出典：Bloomberg）

Bloomberg

2026年6月17日

こちらは、ESO（ヨーロッパ南天天文台）の「VST（VLTサーベイ望遠鏡）」が観測した楕円銀河「NGC 5018」とその周辺の様子です。 銀河の相互作用が描いた「潮汐尾」 画像中央の左側で、乳白色のぼんやりとした輝きを放…

sorae

2026年6月23日

説明可能な人工知能（Explainable Artificial Intelligence）は、モデルの出力につながる要素を人間が理解できる方法で提示することにより、ブラックボックスモデルへの信頼性を高めることを目指しています。これには、（i）出力に対する真の因果的影響を持つコンポーネントと接続の特定、（ii）そのような構造の解釈可能な表現への変換の両方が含まれます。前者については、グラフニューラルネットワーク（GNN）を説明するための因果推論に基づいた新しい摂動ベースの方法であるCIExplainerを導入します。CIExplainerは、潜在的結果フレームワークを用いて、GNN予測に対する因果的影響が最も大きいサブグラフを特定します。CIExplainerをさまざまなGNNアーキテクチャ（GCN、GraphSAGE、GAT、GIN）とデータセットで評価・比較します。サブグラフの説明と人間の解釈可能性を橋渡しするために、さらに、特徴レベルと関係性の両方の情報を取り込んだ自然言語の説明に因果サブグラフを変換するG2TeXplainerという手法を提案します。

arXiv cs.LG

2026年6月24日

因果構造の発見と因果効果の推論を含む因果推論は、データ駆動型の意思決定の基本です。実際には、信頼性の高い因果分析のためのデータは、プライバシー規制や通信上の制約により、機関間で分散しており、一元化できないことがよくあります。連合学習（FL）は、生データの共有なしに共同分析を可能にすることでこれに対処し、連合因果発見（FCD）と推論（FCI）の急速に成長する分野を生み出しました。しかし、この分野の学際的な性質と包括的なサーベイの欠如は、研究者にとって参入障壁となっています。本稿では、多次元的な分類法を通じて体系的なレビューを提供することで、そのギャップを埋めます。あらゆるFCDソリューションの基盤となる3つのコア設計決定、すなわち構造がどのように学習されるか、データがどのように分割されるか、そして各パーティがどのような構造的知識を取得するか、に基づき、FCDを3つの軸、すなわち方法論的パラダイム、連合トポロジー、構造的スコープに沿って整理します。さらに、時間的ダイナミクス、データ異質性、欠損データ、非同一の変数セットを含む、主要な実践的次元を調査します。

arXiv cs.LG

2026年6月24日

グラフベースのテキスト分類モデルは、通常、局所的な近傍集約に依存し、意味的な文書グラフが強力なクラス一致クラスタリングを示すにもかかわらず、グローバルなコミュニティ構造を見落としています。これを無視すると、クラス境界が不明瞭になり、過度の平滑化につながる可能性があります。本稿では、クロスエントロピーとモジュラリティベースの補助目的を共同で最適化し、クラスに一致する文書コミュニティを促進すると同時に、識別表現を維持する、テキスト分類のためのモジュラリティを考慮したグラフニューラルネットワークであるModTGCNを提案します。モジュラリティ項は、トランスフォーマー埋め込み（事前学習済みまたはファインチューニング済み）から派生した文書間類似性グラフで計算されます。スケーラビリティを向上させるために、元の異種TextGCNグラフを文書-単語および単語-単語の個別のコンポーネントに分離し、トレーニング速度を2倍から10倍向上させました。さらに、モジュラリティ最適化のためのグラフ構築戦略、ラベルを意識したエッジ再重み付け、および監視の選択について研究します。

arXiv cs.CL

2026年6月25日

自動音声認識（ASR）システムは、全体的な単語誤り率は低いものの、固有表現、否定、感情表現などの意味的に重要なトークンに不均衡に影響を与える残存する語彙的誤りを生成します。これらの誤りは、ランダムなノイズではなく音韻的な類似性から生じる構造的なものであることが多く、単純なトークンレベルの訂正では不十分です。本稿では、音韻グラフモデリングと文脈言語理解を組み合わせた、G-SPINと呼ぶ構造化ASR訂正フレームワークを提案します。まず、グラフニューラルネットワーク（GNN）が、フラグ付けされたトークンに対して音響的に妥当な候補近傍を構築し、訂正検索空間を音韻的代替案に明示的に制限します。次に、マスク言語モデル（MLM）がローカルな文脈スコアリングを提供し、指示チューニングされた大規模言語モデル（LLM）が、このコンパクトな候補セットに対して最終的な文脈認識再ランキングを実行します。構造化された音韻的推論と文脈意味的選択を分離することにより、本手法は制約のない生成を回避しつつ、訂正精度を向上させます。このフレームワークは軽量でモジュール化されており、推論時に完全に動作します。

arXiv cs.CL

2026年6月25日

継続学習能力は産業用LLMにとって極めて重要です。なぜなら、展開されたモデルは、ゼロから繰り返し再トレーニングするのではなく、進化する要件や環境に対応するために継続的に更新する必要があるからです。しかし、既存の研究のほとんどは静的ベンチマークの改善に焦点を当てており、実際の産業ニーズを捉えきれていません。本サーベイでは、産業用継続学習（ICL）を、バージョン管理されたエコシステムにおけるクローズドループの更新・リリース問題として再構築します。そこでは、更新は産業用、アプリケーション固有のモデル、およびLLM搭載アプリケーションへと階層的に伝播し、バージョンやモデルファミリーを横断した能力継承と転送が行われます。このエコシステム視点から、3つのコアチャレンジを特定します：繰り返し適応によるモデル可塑性の低下、基盤モデルのアップグレードによる能力継承の破綻、および展開要件に制約される長期的な持続可能性です。

arXiv cs.LG

2026年6月25日

科学論文の投稿数の急増は、従来の査読システムを拡張性の限界に追いやり、インテリジェントな自動評価アシスタントとして大規模言語モデル（LLM）の活用が模索されています。最近の研究では、LLMが流暢な批評を生成し、査読者のスコアを近似できることが示されていますが、意思決定支援システムとしての信頼性、堅牢性、セキュリティは十分に理解されていません。このサーベイでは、LLMベースの科学論文査読について、批評生成とスコア予測という2つの中心的な評価機能に焦点を当て、システムレベルでの分析を提供します。プロンプトベース、教師あり学習、検索拡張、アライメント最適化アプローチを含むモデリング手法の構造化された分類法を提示し、既存のベンチマークを横断する経験的知見を統合します。現在の評価慣行を制限するデータセットの制約、評価の不備、ドメイン集中バイアスを分析します。パフォーマンス指標を超えて、プロンプトインジェクション、データポイズニング、検索の脆弱性、報酬ハッキングなどの新たな堅牢性リスクを特定し、自動レビューパイプラインを戦略的な操作に対して露呈させます。

arXiv cs.CL

2026年6月27日

ジョナサン・フェロ、リサ・エイブラモウィッツ、アンマリー・ホーダーンが、ウォール街からワシントン、そしてそれ以外の地域のリーダーや意思決定者たちと毎日対談。この番組以上に、投資家や経営幹部が取引日を乗り切るための最良の準備ができるものはない。（出典：Bloomberg）

Bloomberg

2026年7月3日

ジョナサン・フェロ、リサ・アブラモウィッツ、アンマリー・ホードンが、ウォール街からワシントン、そしてそれ以遠のリーダーや意思決定者と日々対談。他のどの番組よりも、投資家や経営幹部を取引日に向けてより良く位置づける。 (Source: Bloomberg)

Bloomberg

2026年7月3日

世界保健機関（WHO）は、ブンディブグヨウイルス（BDBV）に対応する初の分子診断薬を緊急使用リスト（EUL）に収載しました。この検査薬は血液サンプル中のウイルスの遺伝物質を特定することで感染を迅速かつ正確に確認するのに役立ちます。WHOのEULは、利用可能な証拠に基づき、必須保健製品の品質、安全性、性能を評価するとともに、最低限の国際基準を満たし、低・中所得国のニーズに対応します。この仕組みを通じて、WHOは早期の症例発見、タイムリーな臨床ケア、疾患サーベイランス、効果的なアウトブレイク対応のための信頼できる診断ツールへのアクセスを加速させることを目指しています。このリスト収載は、BDBVによるエボラ出血熱の記録上最大のアウトブレイクに対応している各国の状況において、極めて重要な時期に当たります。WHOおよびアフリカ疾病予防管理センター（Africa CDC）の支援により、検査能力は、1日あたり約200～400件の検査能力を持つ限られた拠点から、影響を受けている地域全体に広がる10の研究所からなるより広範なネットワークに拡大し、1日あたり2000件以上の検査能力が報告されています。

WHO

2026年7月3日

1. 本記事について データアナリティクスラボ株式会社 データソリューション事業部の中田です。 本記事は、社内活動の一環としてGNNについて学習したことをアウトプットしたものとなります。

Zenn

2026年7月4日

NOIRLab（アメリカ国立光学・赤外天文学研究所）は2026年6月30日付で、チリのセロ・パチョン山頂に建設されたベラ・ルービン天文台の観測プロジェクト「LSST（Legacy Survey of Space and …

sorae

2026年7月11日

! 本シリーズ 第1部（全3部）: AI エージェント文脈のグラフを Node / Edge の意味で 5 種類に分類します。特殊化は 第2部、レイヤー連携と本番構成は第3部（執筆予定）で扱います。

Zenn

2026年7月14日

グラフニューラルネットワーク（GNN）は、グラフ構造データのモデリング能力から、ナレッジグラフ（KG）において強力なパラダイムとして台頭しています。しかし、ナレッジグラフ技術パイプライン全体にわたるGNNベースの方法論に関する体系的なレビューが不足しています。このギャップに対処するため、まずGNNベースのナレッジグラフ技術の新しい2レベルの分類フレームワークを提案します。それはKG技術パイプラインとGNNベースの視点です。具体的には、ナレッジグラフ技術パイプラインは、ナレッジグラフ構築、ナレッジグラフ埋め込み、知識推論、ナレッジグラフ応用をカバーします。一方、GNNベースの視点は、GCN、GAT、HGNNなどのGNNモデルを用いて、ナレッジグラフ技術の新しい分類を提供します。次に、ナレッジグラフライフサイクルの異なるタスクの特性に基づき、GNN技術の利点を分析します。さらに、提案された分類に従って、ナレッジグラフ向けの様々なGNNベースモデルを詳細にレビューし、強みと限界をまとめます。最後に、未解決の課題について議論し、将来の研究のための有望な方向性を示します。

arXiv cs.LG

2026年7月15日

粒子状物質（PM10）の予測には、特に激しい砂嵐の際、局所的な精度と連続的な空間分布の両方が必要です。化学輸送モデル（CTM）はグリッド形式の予測を提供しますが、局所的な偏りが残ります。一方、グラフニューラルネットワーク（GNN）は短期間では観測地点をよく追跡しますが、グリッド形式の出力を生成しません。本研究では、この2種類の予測タイプを共有の空間表現内で統合する、畳み込み条件付きニューラルプロセス（ConvCNP）ベースの融合モデルであるOmniPM-Netを紹介します。地形を考慮したガウシアンセット畳み込みにより、不規則なGNN観測地点の予測を規則的なグリッド上に引き上げ、マルチスケール空間ソースアテンション（SSA）モジュールがこれをCopernicus Atmosphere Monitoring Service（CAMS）の予測とブレンドします。その後、共有の全方位クエリ読み出しがこの表現をデコードし、108時間の予測期間にわたって観測地点またはグリッドセルの一貫したPM10予測を生成します。

arXiv cs.LG