タイムライン検索

2026年5月7日

画像ベースの Joint-Embedding Predictive Architecture（I-JEPA）は、マスク付き特徴予測を通じた視覚的自己教師あり学習への有望なアプローチを提供している。しかし、固有の視覚的不確実性を伴っている。

Apple Machine Learning Research

2026年5月28日

特集上映「BLシネマフェス2026 in 池袋」が6月19日から7月9日にかけて東京・池袋HUMAXシネマズで開催。5月29日0時にチケットの販売がスタートする。

映画ナタリー

2026年5月29日

セマンティック報酬関数インターフェースを持つスパース構造化強化学習タスクの場合、LLM生成報酬形成は一度限りの生成ではなくデバッグとしてより適切に枠付けされている。MiniGridを中核評価として、MuJoCoを境界ストレステストとして使用するPPO訓練エージェントを研究する。本監査では2つの支配的な知見を発見する。

arXiv cs.LG

2026年5月29日

MathCheck（ICLR 2025）のパラフレーズ品質監査により、129グループ中4つのセマンティック的に不正確なパラフレーズ（3.1%）が検出されました。これらを削除するとGPT-4oはランク2からランク4に低下し、Claude HaikuとDeepSeek V3がそれを上回ります。これらのランク変動は単一モデル評価では見えません。

arXiv cs.LG

2026年5月29日

ワールドモデルは言語教師なしの物理的探索から何を学ぶのか？その答えは単一の原則によって整理されると主張します：物理世界の幾何学的構造です。ランダムな具体化探索でVAEベースのワールドモデルを訓練すると、その潜在空間は特定のセマンティック構造を発展させることがわかります。

arXiv cs.LG

2026年5月29日

ハルシネーションは本番LLMシステムにおける主要な信頼性の障壁であり、特にマルチエージェントパイプラインでは根拠のない主張が段階を通じて伝播する可能性があります。本論文は、HOPE着想のネストされた学習アーキテクチャとコンティニュアムメモリシステム(CMS)を応用しています。

arXiv cs.AI

2026年5月30日

センサーデータの解析に新たな手法が登場した。学習論文プラットフォームのarXivで公開された研究によると、Transformerアーキテクチャを活用した「CHARM」というモデルが開発され、多変量時系列データの処理において高い性能を示している。 このモデルの特徴は、センサーなどから得られる複雑なデータに対して、テキスト情報を組み合わせるマルチモーダル学習を採用している点である。具体的には、各センサーチャネルに対して自然言語による説明を付与することで、データの意味をより深く理解できる仕組みになっている。 実験結果では、異常検知・データ分類・将来値予測といった複数のタスクで優れた成果を上げたという。特筆すべきは、ノイズの多い実環境のセンサーデータに対しても堅牢性を保ち、同時にモデルの判断根拠が解釈しやすいという利点を兼ね備えている点である。さらに簡潔な学習手法でも強い性能を発揮でき、実用性が高いことが示唆されている。 この技術は、製造業や医療分野などセンサーデータが重要な産業への応用が期待される。

arXiv cs.LG

2026年6月1日

arXiv:2605.30608v1 発表タイプ：新規。音声テキストとジェスチャー間の共有表現の学習は共話ジェスチャーの検索、合成、および理解の中核である一方、動きだけでは捉えられないコミュニケーション意図を持つ意味的に意味のあるジェスチャーにおいて課題が残っている。

arXiv cs.CL

2026年6月2日

環境の構造と動力学を学習する内部シミュレーターであるワールドモデルは、人工汎知能の追求における中心的なパラダイムとして出現し、学習された表現内でエージェントが予測、計画、推論を行うことを可能にしています。強化学習全体で急速な進展が見られています。

arXiv cs.LG

2026年6月2日

推測的デコーディング（SD）は軽量なドラフトモデルを使用して候補トークンを提案し、ターゲットモデルによって並列で検証することで、大規模言語モデル（LLM）の推論を加速化します。生成品質を損なわないまま実現されます。検索ベースの推測的デコーディング（RSD）はその利点から好まれています。

arXiv cs.CL

2026年6月2日

ベクトル記号代数（VSA）は記号情報を高次元分散表現にエンコードすることによってロバストなニューロシンボリック推論を可能にします。連続領域の場合、空間セマンティックポインタ（SSP）は変数を連続トーラス多様体にマッピングすることでこのフレームワークを拡張します。しかし、安定性の問題があります。

arXiv cs.AI

2026年6月3日

言いすぎました. TypeScript においてセマンティックな type 宣言には意味がないです[1]. interface 宣言には意味がある interface 宣言と type 宣言には明確な違いがあります. interface 宣言は Declaration Merging があります…

Zenn

2026年6月6日

大規模言語モデルのテキスト埋め込み性能向上に向けた新しい研究成果が報告された。従来、これらのモデルはベンチマークテストで期待ほどの成果を上げていなかったが、その原因が明らかになった。 研究チームの分析によると、問題は埋め込み処理が高頻度で出現するトークンに過度に依存することにある。このため、テキストに含まれる微妙な意味的ニュアンスが十分に反映されていなかった。 これを改善するため、研究者らは「EmbedFilter」という線形変換手法を開発した。この手法は、言語モデルが内部に保有する非埋め込み行列内の隠れた特徴空間に着目。そこで高頻出トークンの過度な影響をフィルタリングすることで、より精密なセマンティック表現の抽出を実現する仕組みだ。 この研究は、埋め込みテクノロジーの根本的な改善にアプローチした点で注目される。今後、テキスト埋め込みを活用する様々なNLP応用への実装が期待される。 （arXiv cs.CL）

arXiv cs.CL

2026年6月6日

長尺動画の理解において、現在のVision-Languageモデルが直面する課題を解決するため、新しいフレームワーク「MemDreamer」が開発されました。この技術は、動画の知覚と推論を分離するという独自のアプローチを採用しています。 MemDreamerは、動画を段階的にストリーミングしながら階層的なグラフメモリを構築し、セマンティックな情報を抽象化します。これにより、膨大な量の動画データの中から重要な要素を効率的に捉えることが可能になります。 推論の段階では、エージェントツールを用いた検索メカニズムが導入されており、構築された階層グラフ内を自在にナビゲートします。このメカニズムにより、関連性の高い情報が迅速に特定され、正確な推論が導き出されます。 MemDreamerは、このアプローチを通じて、人間エキスパートの性能との差をわずか3.7ポイントにまで縮める、最先端の結果を達成しました。この成果は、長尺動画理解におけるAIの能力を大きく前進させるものとして注目されています。 引用元: arXiv cs.AI

arXiv cs.AI

2026年6月10日

arXiv:2606.09859v1 新規発表 要約：MLLMは、視覚的入力と一致しないオブジェクトを頻繁に幻視します。この問題は通常、言語プリアイアンスへの過度の依存に起因しますが、これは視覚的コンテキストを上書きする可能性があります。最近のトレーニングフリーのデコーディング戦略は、言語プリアイアンスを罰することでこれに対処します。しかし、これらの方法は、視覚的証拠との整合性に応じて、言語プリアイアンスが有益であると同時に有害であるという二重の性質を見落としています。特に、言語プリアイアンスを盲目的に抑制すると、モデルのセマンティック多様体が破壊され、パフォーマンスが低下する現象が発生します。これを「多様体逸脱」と呼びます。この問題に対処するために、Manifold-Guided Adaptive Projection (MGAP) を提案します。これは、幻視を緩和しつつ、表現構造を維持する、ジオメトリを認識したトレーニングフリーのデコーディング手法です。MGAPはまず、SVDを介して盲目の隠れ状態から言語プリアイアンスサブスペースを構築します。

arXiv cs.LG

2026年6月10日

arXiv:2606.10044v1 新規発表 概要：企業は生産性向上、コスト削減、製品・サービスの強化のため、AI搭載ツールの導入を拡大しています。しかし、AIの変革の可能性は、事前に定義されたタスクの自動化を超え、知能システムが高レベルの戦略的目標からビジネスイニシアチブを計画、最適化、実行できるようにすることにあります。本稿では、ビジネスおよび組織環境に特化したワールドモデルであるビジネスワールドモデル（BWM）の概念とアーキテクチャを紹介します。AI、認知科学、制御理論におけるワールドモデルに着想を得たBWMは、ビジネスの状態、ダイナミクス、制約、目標、および実行可能なアクション空間をエンコードし、自律的な意思決定をサポートします。ビジネスの状態、ダイナミクス、アクションが主要なビジネスエンティティにリンクされた、ビジネスセマンティクス中心の定式化を提案します。このフレームワーク内で、エージェントは代替アクションシーケンスをシミュレートし、将来のビジネス成果への影響を推定し、不確実性下でのトレードオフを評価できます。

arXiv cs.AI

2026年6月10日

Decartが、自動運転車のテスト用にフォトリアルな運転環境を生成するリアルタイムワールドモデル「Oasis 3」をローンチ。開発者が活用できるようAPI経由で提供開始。

TechCrunch AI

2026年6月11日

arXiv:2606.11207v1 新規発表。SemantiCleanは、Eコマースセッションデータから構造化されたセマンティック信号を抽出し、共有要素ライブラリを通じて購入意図、顧客セグメンテーション、商品親和性などのプラグ可能な推論ターゲットを駆動するモジュラーフレームワークです。従来の精度のみを最適化するエンドツーエンド予測子とは異なり、SemantiCleanは監査可能性、構造的ガバナンス、sigma=0再現性を優先し、要素レベルの透明性と正当な決定トレイルのためにわずかな予測ゲインを明示的にトレードオフします。Online Shoppers Purchasing Intention (OSPI) データセットに基づき、このフレームワークは24の行動要素を4層アーキテクチャ（機能、インタラクション、システム、コンテキスト）に整理し、3つのアンチインフレーションメカニズム（RedundancyGroup貢献キャップ、TieredPenaltyCalculatorバイアスペナルティ、AdaptiveConstraintModeコールドスタート保護）を通じて信号品質を強制します。

arXiv cs.AI

2026年6月17日

大規模言語モデル（LLM）は、受動的な会話アシスタントから、目標を理解し、行動を計画し、ツールを呼び出し、多段階のタスクを実行できる自律エージェントへの移行を加速させています。しかし、単一エージェントの能力は、ローカルデータ、ツール権限、実行環境、およびガバナンスの境界によって依然として制限されています。本稿では、分散型汎用エージェントネットワークについて考察します。これは、個人のデバイス、エッジノード、または自律コンピューティング環境に展開された異種エージェントがお互いを発見し、信頼を確立し、協力ルールを交渉し、オープンエンドなタスクを実行できる、オープンなピアツーピアネットワークです。このようなネットワークは、既存のピアツーピアオーバーレイと従来のマルチエージェントシステムを単純に組み合わせるだけでは得られないと論じます。従来のP2Pネットワークとは異なり、エージェントネットワークは、意図、能力、状態、および協力制約に関するセマンティック宣言を伝播する必要があります。

arXiv cs.AI

2026年6月18日

AIの次のフロンティアとなるワールドモデル分野で、「Odyssey」が今回の資金調達ラウンドを経て、注目すべきスタートアップとしての地位を確立しました。

TechCrunch AI

2026年6月19日

General Intuitionは、月間アクティブユーザー1000万人から年間20億本の動画を生成するMedalのデータセットを使用し、具現化されたAIとワールドモデルをトレーニングしている。

TechCrunch

2026年6月19日

大規模言語モデル（LLM）推論のプレフィルステージは、クラウドスケールでのエネルギーコストの増大に寄与しています。多くの顧客サポートや対話型プロンプトには、人間同士のコミュニケーションには重要ですが、機械による推論には情報量が少ない「ソーシャル・スキャフォールディング」（丁寧な表現、謝罪的な前置き、繰り返し、関係構築のための言葉など）が含まれています。この乖離を「ソーシャル・セマンティック・ギャップ」と呼びます。我々は、クラウドにデプロイされたLLMへの送信前に、4ビット量子化された小型言語モデル（SLM）を使用してユーザープロンプトを圧縮するエッジベースのパイプライン、SPSD（Sentiment Preserving Semantic Distillation）を提案します。

arXiv cs.LG

2026年6月19日

学部コンピュータサイエンスは、10年ごとに改訂される国際的なカリキュラムガイドラインによって統制されていますが、プログラムは、現在のガイドラインをどれだけ網羅しているか、またガイドラインが再構築された際にその網羅性がどのように変化するかを測定する信頼性のある再現可能な方法を欠いています。私たちは、外部の知識体系に対するプログラムの網羅性を測定する、人間参加型のパイプラインでこの問題に対処します。これは、コンピュータサイエンスカリキュラム2013（CS2013）および2023（CS2023）に対して、認定された1つのBScコンピュータサイエンスに縦断的に適用されます。このパイプラインは、プログラムと各ガイドラインを構造化されたコーパスとして表現し、セマンティック検索によって候補となるコースと知識単位のマッチを生成し、明示的な網羅性定義の下で人間の判断によってそれらを確認します。

arXiv cs.AI

2026年6月20日

コンテキスト内学習（ICL）は自己回帰（AR）LLMで広く研究されているが、拡散大規模言語モデル（dLLM）におけるそのメカニズムはほとんど未解明のままである。ARモデルは単方向の因果マスキングに制約されるのに対し、dLLMは本質的に双方向アテンションを利用し、クエリ配置に広範な空間的柔軟性を提供する。しかし、現在の実践ではARスタイルの後続クエリテンプレートが慣習的に継承されており、構造的なパラダイムシフトが見過ごされがちである。本稿では、クエリ位置がdLLMにおいて実際に一次変数であることを明らかにする包括的な分析を提示する。経験的な分離を通じて、位置の変動が例のセマンティック品質と同等に生成品質に影響を与えることを実証する。内部的には、この位置的感度は、アテンションフローにおける空間的な「新近性効果」と、デコーディング軌跡におけるタスク依存的なシフトに起因する。正解ラベルなしでこの不安定性を緩和するために、従来の単一ステップ信頼度（C_decoded）がdLLMでは失敗することを明らかにする。

arXiv cs.CL

2026年6月23日

エージェント駆動の質問応答（QA）アプリケーションでは、大規模言語モデル（LLM）の応答精度を向上させるために、追加のコンテキストを提供する検索拡張生成（RAG）が一般的に導入されます。検索結果の固有のノイズと、ドキュメントレベルの検索の粗い粒度のために、検索されたコンテキストにはしばしばかなりの冗長な情報が含まれます。この設定では、ユーザーのクエリと関連する検索されたコンテキストで構成されるエージェントプロンプトは、LLM推論中に不要な計算オーバーヘッドをもたらします。既存のプロンプト圧縮方法は、通常、コンテキストの重要性を推定するために補助的な小型言語モデル（SLM）に依存しています。しかし、そのようなアプローチは、リソースが制約されたエッジデバイスへの展開を制限する、かなりのメモリと計算オーバーヘッドを導入します。本稿では、SLMの必要性を排除する2段階の文レベルプロンプト圧縮方法であるCOREを提案します。最初の段階では、COREは固有表現認識（NER）を通じて回答セットを構築し、セマンティックマッチングを通じて手がかりセットを構築します。

arXiv cs.CL

2026年6月23日

ワールドモデルを用いた計画は、予測誤差の累積と最適化可能な目標の定義の困難さによってボトルネックとなっています。視覚的ターゲットは正確な局所勾配を提供しますが、遠方への誘導は貧弱です。一方、言語は柔軟ですが、ノイズの多いクロスモーダルアラインメントによる制約や、モデルベース計画のサンプリング負荷の高い性質に適さない大規模生成モデルへの依存といった限界があります。これらの課題に対処するため、我々はLAGO（Latent Goal Prediction from Language）というフレームワークを提案します。これは、言語指示とアクション条件付きロールアウトの両方から中間目標状態のシーケンスを、すべて同じ潜在空間内で予測します。単一のグローバル目標への最適化ではなく、LAGOは指示を明示的に予測され、局所的に処理可能な潜在的サブゴールへと動的に分解します。これらのサブゴールをオンラインで更新し、計画中にソフトミニマム軌道コストを使用することにより、LAGOはエージェントが長期間にわたって一貫した潜在的軌道をたどることを可能にします。

arXiv cs.AI

2026年6月24日

レコメンデーションシステムは、しばしば即時的なユーザーエンゲージメントを単調に最適化することで、フィルターバブルやセマンティックな均質化を引き起こします。従来のDeep Q-Networksを含む標準的な単一目的モデルは、プラットフォーム維持と、情報多様性やプロバイダーの公平性といった重要な社会的価値とのトレードオフを処理するのに不十分です。これらの限界に対処するため、我々は推薦をセマンティックなマルチオブジェクティブ・マルコフ決定プロセスとして形式化する、マルチオブジェクティブ強化学習フレームワークを導入します。高忠実度のセマンティック埋め込みとパレートDQNエージェントを統合することにより、我々のアーキテクチャは、エンゲージメント、多様性、公平性を、静的な報酬スカラー化の落とし穴を回避しながら、区別可能で集約不可能な報酬信号として扱います。MovieLens smallデータセットでの経験的評価は、我々のハイパーボリュームベースのアクション選択が、セマンティック崩壊の原因となるフィードバックループを破壊することを示しています。

arXiv cs.AI

2026年6月25日

この記事では、SnowflakeのセマンティックビューとAmazon QuickSightの間のエンドツーエンドの統合を構築する方法を説明します。サンプルデータはメディア企業のユーザーレビューデータです。

AWS Machine Learning Blog

2026年6月25日

マルチステップでオープンエンドな環境における基盤モデルエージェントは、初期の誤りが長期間の軌跡を汚染する複合的エラーに頻繁に悩まされます。マルチエージェントディベート（MAD）は決定論的なドメインで成功を収めていますが、説得のような主観的なタスクでは、エージェントは深刻な問題のドリフトと迎合的な同調に苦しんでいます。標準的なRetrieval-Augmented Generation（RAG）におけるセマンティックリークがこれらの失敗の再現可能なトリガーであることを特定しました。これは、標準RAGが論理的必然性よりも語彙の重複を優先するためです。このリークを排除するために、Taxonomic Strategy RAG（TS-RAG）を導入しました。これは、議論の構造とトピックの内容を分離するために、戦略を離散的なカテゴリのボトルネックにルーティングするシステム介入です。ゼロショット・クロスドメイン評価により、TS-RAGは標準的なセマンティック検索が崩壊する抽象論理の転移を大幅に改善することが示されました。

arXiv cs.AI

2026年6月26日

最近の研究では、大規模言語モデル（LLM）がプログラムと証明の進化的発見におけるセマンティックミューテーションオペレーターとして機能することが示されています。現在のほとんどのアプリケーションは静的なコーディングベンチマークに焦点を当てていますが、本研究ではこのパラダイムをアルゴリズム取引に拡張します。このドメインは、ノイズが多く、非定常で、非常に不連続であるため、固有の課題があります。我々は、実行可能な取引戦略を生成、評価、および反復的に改善するLLM主導の進化的フレームワーク「AlgoEvolve」を提案します。これらの戦略はPythonコードで表現され、厳格なテストプロトコルを通じて評価されます。複数の実験を通じて、システムは取引ルールの自律的なシフトを含む、出現的なレジーム適応型戦略ロジックを示します。さらに、内部ループのプログラム合成をガイドするプロンプトを進化させるメタ進化的外側ループを導入します。この外側ループは、改善された探索ヒューリスティックを発見します。これらのヒューリスティックは、探索と活用のバランスを取りながら、ゼロトレードの失敗を減らします。

arXiv cs.AI