タイムライン検索

2025年12月26日

背景 大規模言語モデル（LLM）の普及により、AIとの対話は身近なものになりました。一方で、特定の用途に特化した小規模なモデルをローカル環境で動かす試みも関心を集めています。 自分好みの喋り方などを言語モデルにさせるため […] 投稿 ノーコードで言語モデルの「学習」を体験できるMN-Core Playground / SLM Customizeの遊び方 は Preferred Net…

Preferred Networks

2026年1月28日

本記事は、2025年夏季インターンシッププログラムに参加された堀口維里優さんによる寄稿です。今回はWebエージェントの性能改善に取り組んでいただきました。PFNでは自社開発のLLMであるPLaMo以外にも、このようなLL […] 投稿 知見の蓄積とリトライによるWebエージェントの性能改善 は Preferred Networks Tech Blog に最初に表示されました。

Preferred Networks

2026年2月20日

Preferred Networksでは大規模言語モデル (LLM) PLaMoの開発を継続して行っています。 LLMを開発するにあたってその能力を評価するベンチマークは非常に重要です。英語においては様々なベンチマークが […] 投稿 日本語の自然さを測る評価手法の検証 は Preferred Networks Tech Blog に最初に表示されました。

Preferred Networks

2026年5月11日

画像キャプション生成はコンピュータビジョンの最も基本的なタスクの一つです。その開放性の性質により、マルチモーダル大規模言語モデル（MLLM）の時代に多大な関心を集めています。

Apple Machine Learning Research

2026年5月18日

Preferred Networks では、大規模言語モデル PLaMo の開発を継続して行っています。 LLM を開発するうえで、モデルの能力を適切に測定するベンチマークは重要です。英語ではさまざまなベンチマークが日々 […] 投稿 pretrained model向けのベンチマークの構築 は Preferred Networks Tech Blog に最初に表示されました。

Preferred Networks

2026年5月19日

VS CodeまたはCLIで作業を開始し、スマートフォンから完了させてください。GitHub Copilotセッションのリモートコントロールがgithub.comおよびGitHub Mobileで一般利用可能になりました。

GitHub Blog (AI)

2026年5月19日

最新の大規模言語モデル（LLM）は、コンテキスト長を数百万トークンまで拡張し、長い会話履歴に基づいた一貫性のあるパーソナライズされた応答を実現しています。しかし、キー・バリュー（KV）キャッシュが...

Apple Machine Learning Research

2026年5月22日

セッションを聞くか、下のビデオを視聴してください。AI企業は外部世界を理解し、LLMの限界を克服するシステムを構築したいと考えています。最近の...

MIT Technology Review AI

2026年5月26日

# VS CodeでGitHub連携を始める方法が公開 プログラミング初心者がバージョン管理を学ぶためのガイドが公開された。Visual Studio Code（VS Code）を使用してGitおよびGitHubと連携させるための基本的な手順が説明されている。 このガイドでは、ローカル環境でのプロジェクト管理から、GitHubへのアップロード、チーム開発における協働作業まで、段階的な実装方法が紹介されている。VS Codeの統合ターミナル機能を活用することで、複雑なコマンド操作を最小限に抑えながら、効率的にバージョン管理を実行できるとされている。 具体的には、リポジトリの初期化、ファイルのステージング、コミット、プッシュなどの基本操作が解説されており、初めてこれらのツールに触れるユーザーでも実践しやすいと考えられる。 開発チーム間でのコード共有やプロジェクト管理の重要性が高まる中、こうした入門ガイドの公開は開発環境の敷居を低くする取り組みとして注目される。 **出典：GitHub Blog**

GitHub Blog (AI)

2026年5月27日

WarpはGPT-5.5とOpenAIモデルを使用して、ローカル、クラウド、およびオープンソース開発ワークフロー全体でコーディングエージェントを調整している。

OpenAI

2026年5月29日

アゼルバイジャンの大手通信事業者であるアゼルセル・テレコムLLCは、通信ユースケースとカスタマー向けアプリケーション用にAmazon SageMaker AIでアゼルバイジャン大規模言語モデル（LLM）を構築したいと考えている。

AWS Machine Learning Blog

2026年5月29日

大規模推論モデルからの思考の連鎖トレースは数万のトークンに及ぶ可能性がありますが、その内部構造を説明するための語彙が不足しています。思考の連鎖トレースを分析するために開発された以前の方法は、あまりに厳格であるか表現力が不十分であり、領域全体の特徴を捉えられていません。

arXiv cs.AI

2026年5月29日

ソフトプロンプトチューニングはLLMを特定のタスクに適応させるためのパラメータ効率的な方法ですが、解釈可能性の欠如に悩んでいます。ソフトプロンプトの解釈に関する最近の研究に基づいて、専用のソフトプロンプトから自然言語翻訳モデルへのトレーニング方法を探索します。

arXiv cs.CL

2026年5月29日

大規模言語モデル（LLM）は一般領域内の一般的な推論タスクに対して優れた能力と性能を示していますが、デジタルテキストデータが限定的な言語における文化的に根拠付けられた知識に関しては課題に直面する可能性があります。本論文では、言語固有の文化的知識への対応について調査しています。

arXiv cs.CL

2026年5月29日

LLMが生成した科学論文のレビューが大きな注目を集めており、主要学会による公式パイロット導入も進んでいます。査読者だけでなく著者もLLMを活用して論文を改訂してから投稿している可能性が考えられます。本研究では、この状況における人間的一貫性とゲーム性について検討します。

arXiv cs.AI

2026年5月29日

大規模言語モデル（LLM）は計算社会分析のプロキシとしてますます利用されていますが、人間のコミュニティの「厚い記述」を忠実に表現する能力は依然として重大な課題です。現在の評価では、社会的アイデンティティを静的なラベルに縮小することが多いです。

arXiv cs.CL

2026年5月29日

arXiv:2605.27374v1 マルチモーダル大言語モデル（MLLM）と拡散モデル（DM）の最近の進歩により、AI生成コンテンツの新しい可能性が開かれた。しかし、パーソナライズされたカバー画像生成は、デジタルプラットフォームでのユーザーエンゲージメント向上における重要な役割にもかかわらず、ほとんど未開拓である。

arXiv cs.CL

2026年5月29日

金融意思決定環境におけるLLMエージェントの行動整合性と表現ダイナミクスを研究します。リスクレポート、実行シミュレーション、メモリ、再生可能なトラジェクトリを備えた監査可能な取引エージェントテストベッドであるTradeArenaを使用して、理論的根拠、ポジション、その他の要因がどのように変化するかを分析します。

arXiv cs.LG

2026年5月29日

ユーザー・LLM相互作用を説明する研究が増えていますが、その描く全体像は主に静的です。個々のユーザーが時間とともに行動をどのように変化させるかについての知見は限定的です。本研究では、約12,000の無作為サンプリングされたMicrosoft会話の軌跡を分析しています。

arXiv cs.AI

2026年5月29日

トークンベースの時系列大規模言語モデル（TS-LLM）は時系列分析と推論の有望な方向として浮かび上がっています。しかし、先行研究は時系列トークンの本質的な連続性と順序性を見落としており、これはモデルパフォーマンスを大幅に制限しています。本論文では、これらの属性を制約することの重要性について述べます。

arXiv cs.LG

2026年5月29日

大規模言語モデル(LLM)は流暢な対話を生成できますが、先行研究は状況的な根拠付け、動的戦略制御、および動機面接(MI)の臨床基準に合致した評価が不足しています。我々はStoryMIを導入しました。これは制御可能なMI対話生成のための複数LLMエージェントフレームワークです。

arXiv cs.CL

2026年5月29日

複数のLLMエージェントが同じ問題を解く場合、標準的な方法は各エージェントの推論を多数決または階層化合成に圧縮し、合意をゴールとしています。しかし、完全な推論トレースを読むLLM集約器により、不必要な情報損失を回復でき、正しい解決策を得ることができます。

arXiv cs.AI

2026年5月29日

大規模言語モデル(LLM)の安全性維持は、現実世界のアプリケーションへの導入が増加する中で極めて重要です。既存の安全ガードレールは通常、単一パス分類に依存するか、より最近では蒸留推論を使用しています。推論ベースのガードレールは従来の分類方法を大幅に上回ります。

arXiv cs.AI

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29日

大規模言語モデル(LLM)の使用が増加していますが、プロンプトのスタイルとトーンによってパフォーマンスが異なることが観察されています。本研究では、プロンプトのトーンの変動が客観的な多肢選択問題に対するLLMの精度にどのような影響を与えるかを調査しています。

arXiv cs.AI

2026年5月29日

クロスリンガル生物医学エンティティリンキング(BEL)は任意の言語の言及を生物医学ナレッジベース内の一意識別子にマップし、臨床および生物医学NLPアプリケーションをサポートします。ただし、BEL用の専門家による注釈付き学習データは特に低資源言語では高コストです。

arXiv cs.CL

2026年5月29日

正確な医療コーディングにはICD表形式リストと医療コーディングガイドラインなどの信頼できるリソースの参照が必要です。既存のLLMベースの自動化手法は主にLLMの内部知識に依存しており、幻覚が発生しやすく、ガイドラインの更新に対応できません。我々はRAG-Codingを導入しました。

arXiv cs.CL

2026年5月29日

大規模言語モデル(LLM)は自律エージェントとしてますます機能していますが、環境との継続的なインタラクションはコンテキスト内報酬ハッキング(ICRH)につながる可能性があり、これはLLMがプロキシ目標を最大化するために行動を反復的に最適化し、意図しない有害な副作用を生み出す現象です。

arXiv cs.CL

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

大規模言語モデル（LLM）のファインチューニングはしばしば以前の能力のカタストロフィック・フォーゲッティングを引き起こす。最近の研究によれば、強化学習（RL）は教師あり学習（SFT）よりも効果的に以前の能力を保持し、ポリシー勾配更新がより近い状態に留まることに起因している。

arXiv cs.LG