タイムライン検索

2026年5月29日

これはペアリングなしパイロット監査を伴う計画方法に関する注記である。古典的なペアリング二項サンプルサイズ計算（Miettinen, 1968）を量子化ベンチマークに適応させ、ペアリングされた最小検出可能効果（MDE）の保守的な下限を提供している。

arXiv cs.LG

2026年6月1日

因子化タスクは、SAS+を限定的な選言的前提条件、条件付き効果、および天使的な非決定性で拡張した古典的計画表現。STRIPSやSAS+などの従来の形式よりもタスクのよりコンパクトな表現を可能にし、幅広い用途をサポート。

arXiv cs.AI

2026年6月1日

量子コンピューティングはノイズの影響を受けやすいNISQ（ノイズを伴う中規模量子）の時代に留まっており、パフォーマンスが大きく制限されている。この制限に対処するには、ゲートシーケンス回路の仕様を超えたハードウェア対応機能（中回路測定と古典的フィードバックを含む）が必要な場合がある。

arXiv cs.LG

2026年6月1日

arXiv:2605.30482v1 機械学習は数学的発見にますます利用されているが、数学では出力は予測そのものではなく、独立して検証可能な明示的な構築であることが求められる。本研究では組合せ論における古典的な全単射であるディック経路上のゼータ写像を通じてこの設定を研究する。

arXiv cs.LG

2026年6月2日

arXiv:2606.00045v1発表タイプ：新規 抄録：古典的な連続空間ニューラルネットワークは、モジュロ演算や非可換代数などの厳密な数学的対称性にロックインするのに本質的に苦労している。これらの離散的な論理規則を近似するために、しばしば膨大なパラメータスケーリングに頼り、その後でも確率的不安定性をもたらす。

arXiv cs.AI

2026年6月8日

本論文では、運転操作が拒否された後、その修復が安全規則、優先権、コスト配分、およびエゴフォールバックを尊重することを証明する必要があるという問題に対処する。CARVE（拒否操作の修復の認証付き低コスト包絡線）は、予測なしで対話型修復の証明書アーキテクチャを提供する。拒否操作が与えられた場合、CARVEは有限修復ラティスを構築し、バインディングルール、選択された共同修復、優先権スケーリング協力包絡線、責任加重コスト分割、およびエゴのみフォールバックを記録した構造化証明書を発行する。多所有者修復が積ラティスM = ∏_j |𝒜_j|を誘発することから、CARVE-Qは量子最小値探索を黒箱ラティスにのみ適用し、すべての安全権限は古典的なままとする検証者シールド量子AI探索層を導入する。古典的最小値探索がΘ(M)クエリを必要とするのに対し、Dürr-Hoyerおよびgrover最小値探索はO(√M)オラクルクエリを使用する。

arXiv cs.AI

2026年6月10日

arXiv:2606.10094v1 発表タイプ: new 要旨: 認知に関する古典的理論は、問題解決を構造化された問題空間における探索的探索として説明しており、反復的な相互作用が徐々に探索を圧縮して効率的な表象構造を形成する。 予測的AIシステムは、探索的多様化が展開する前に安定化が発生し、内部生成された探索の前に解や決定軌道を提供する、異なる体制を導入する。 本稿では、安定化ドリフト、内因性探索摂動、応答性ゲーテッド学習によって形成された戦略のランドスケープ上で注意が進化する幾何学的動力学フレームワークを開発する。 予測的支援は、外部探索的圧縮のプロセスとしてモデル化され、自己生成探索が戦略空間のアクセス可能な領域を広げる前に軌道を安定化させる。 このフレームワークは3つの主要な結果をもたらす。 第一に、持続的な予測的安定化は、探索的変動が存在する場合でも、内在的摂動の効果的な影響を減衰させることによって探索的応答性を低下させる。 第二に、曲率は非対称に蓄積および緩和され、支援撤回後の探索的移動性のヒステリシスと遅延回復をもたらす。

arXiv cs.AI

2026年6月16日

さまざまなドット絵風フォントを提供しているWebサイト「x0y0pxFreeFont」（ゼロピクセルフリーフォント）で6月13日、新作のピクセルフォント「x5y8pxNegaTape」（ネガテープ）と「x5y8pxNegaClip」（ネガクリップ）が公開された。

窓の杜

2026年6月16日

本研究では、ニューラル近似とテンソル分解を組み合わせた関数表現クラスである分離可能ニューラルアーキテクチャ（SNA）を紹介します。SNAは、局所的な座標関数（アトム）と、スパースで低ランクの相互作用オブジェクトによって管理されるグローバルな相互作用を分離します。このアーキテクチャは、偏微分方程式（PDE）の解法に適した、コンパクトで滑らかな誘導バイアスを備えています。変分SNA（VSNA）フレームワーク下でのギャーキン試行空間として見ると、この定式化はラックス・ミルグラムの古典的な変分保証（適切性、準最適性、収束性、安定性）を満たします。高次元の時空間・パラメトリックPDEにおいて、VSNAは指数関数的ではなく代数的にスケールすることで次元の呪いを軽減します。完全に因子化されたテンソルネイティブな交互最小二乗（ALS）最適化フレームワークを利用することで、このコストは次元に対して線形になります。VSNAは、楕円系、双曲線系、放物線系のシステム全体で検証され、予測された代数的およびスペクトル的スケーリング率との密接な一致を示しています。

arXiv cs.LG

2026年6月16日

さまざまなドット絵風フォントを提供しているWebサイト「x0y0pxFreeFont」（ゼロピクセルフリーフォント）で6月13日、新作のピクセルフォント「x5y8pxNegaTape」（ネガテープ）

Yahoo!ニュース IT

2026年6月17日

「やじうまの杜」では、ニュース・レビューにこだわらない幅広い話題をお伝えします。

窓の杜

2026年6月18日

モントリオール強制アライナー（MFA）は2016年にリリースされ、以来、研究および産業分野で最も広く使用されている強制アライメントツールとなっています。それから10年間で、MFAは、より大規模なオープンソースデータセット、統一されたIPA辞書、モデル適応、クロス言語フォネティック再マッピング、およびサポートユーティリティを使用した、より多くの言語と方言へのカバレッジ拡大を含む、大幅な開発を経てきました。本論文は、バージョン1.0以降のMFA 3.0の開発を記録し、古典的およびニューラル強制アライナーをベンチマークとして、英語、日本語、韓国語におけるMFAのパフォーマンスを評価します。MFA 3.0は、平均境界誤差15ミリ秒未満で、4つのベンチマークデータセットすべてにおいて最先端またはそれに近いパフォーマンスを達成しています。適応とクロス言語再マッピングは、MFAのトレーニング分布外の言語に効果的であり、発音確率モデリングと音韻規則は特定の条件下で改善をもたらします。

arXiv cs.CL

2026年6月19日

最近の論文では、対話型大規模言語モデル（LLM）エージェントには、古典的な偶然的/認識的（aleatoric/epistemic）不確実性フレームワークが不十分であり、プロアクティブな明確化要求や共有メンタルモデル構築といった新たなエージェント機能を引き出すための、仕様不備を認識し、分解可能で、伝達可能な不確実性表現が必要だと主張しています。実用的なデプロイメントの制約（ブラックボックスAPI、対話レイテンシ予算、ラベル付き軌跡の欠如）は、ログ確率ベース、マルチサンプリング、トレーニングベースの方法を排除し、デプロイメント時にこれらのシグナルを提示するための最も実行可能な手法としてプロンプトベースの推定を残します。我々は、タスク仕様が曖昧な場合にエージェントが明確化を求めることを可能にする、アクションの信頼度と要求の不確実性（u）を分離する、シンプルなプロンプトベースの分解でこの要求に応えます。

arXiv cs.AI

2026年6月19日

エージェントが数ラウンドにわたって回答を交換・修正するマルチエージェントLLM討議は、推論と精度を向上させるためにますます利用されていますが、その仕組みや理由についてはほとんどモデル化されていません。このような討議は、人間が意思決定に至るプロセスを反映しています。社会的な動物である私たちは、古典的な意見ダイナミクスモデル（DeGrootやFriedkin-Johnsenなどが捉える）が捉える集団、いわゆる herd effect にも、そしてそれらのモデルでは捉えきれない自身の内なる信念にも影響されます。私たちは、マルチエージェント討議を、各エージェントが隠れた内なる信念（アンカー）を持ち、それが近隣の意見に関わらず常に自身の意見を引き寄せるような、クローズドループの力学系としてモデル化します。このアンカーは討議からのみ回復可能であり、古典的な合意規則が禁じる振る舞い、すなわちエージェントの正解に対する信頼度が、いずれかのエージェントが開始した時点を超えて上昇し、初期の信念によって形成される空間（凸包）から脱出する現象を説明することを示します。

arXiv cs.AI

2026年6月21日

『Widow's Bay』は、コメディホラーというジャンルにおいて、従来の枠にとらわれない大胆かつ独創的な試みとして注目されています。この作品は、ホラー映画がこれまで築き上げてきた古典的な定型を尊重しつつも、それを予想外の方法で再構築している点が特徴です。 視聴者は、物語の展開を通じて、馴染みのあるホラー要素がどのように独創的なひねりを加えられているかを体験することができます。その結果、『Widow's Bay』は、観る者を飽きさせない一気見できるシリーズとして、その独自性を際立たせています。単なるホラーコメディに留まらず、ジャンルの可能性を広げる作品として評価されています。 引用元: Ars Technica AI

Ars Technica AI

2026年6月23日

現代AIの成功は、人間がどのように学習するかについて何を教えてくれるだろうか？ 本稿は、AIを人間学習のモデルとして真剣に捉えることが、穏当ながらも本物の連想主義（associationism）を支持すると論じている。中心的な発見は、評価的フィードバックによって駆動される学習である教師あり学習が、大規模言語モデルからゲームAIエージェントに至るまで、驚くほど広範な現代AIシステムに内在していることである。これらのシステムの違いは、関連するフィードバック信号を生成するために必要な作業量に主に起因する。これは、領域横断的に機能する均一で段階的、かつエラー駆動型の学習メカニズムという連想主義者の理想を vindicate し、連想主義的メカニズムは人間の認知能力を説明するには限界がありすぎるという、かつて影響力があった議論を鎮静化させる。同時に、ディープラーニングの成功は、古典的な連想主義者が想定していたものをはるかに超える計算アーキテクチャに依存しており、教師あり学習は、学習の完全な説明ではなく、その構成要素の一つとしてこれらのアーキテクチャ内で機能している。

arXiv cs.AI

2026年6月24日

若くして新居に引っ越してきたサラを主人公に据えたホラー映画『アメリカン・ドールハウス』が、現代社会の抱える不安と、往年のスラッシャー映画の要素を巧みに融合させて観客を恐怖のどん底に突き落とす。本作の最大の特徴は、その型破りな悪役にある。単なる狂気に駆られた人物ではなく、血に飢え、おせっかいとも取れる行動で主人公に迫る隣人の存在が、独特の不気味さを醸し出している。現代的なストレスや孤立感といったテーマが、古典的な恐怖演出と掛け合わされることで、観客は現実と虚構が入り混じったような感覚に陥るだろう。新居での生活を始めようとする主人公が、予期せぬ隣人との遭遇によって、想像を絶する恐怖に巻き込まれていく様を描く。 Variety

Variety

2026年6月24日

連鎖思考（CoT）推論を組み込んだ運転VLAモデルは、事前学習済みのVLM表現を活用し、中間的な決定を自然言語で提示するため魅力的ですが、現在の根拠は、計画された動作と因果的に関連付けられるステップバイステップの決定セマンティクスを欠いていることがよくあります。本稿では、古典的なルールベースプランナーから直接抽出されたルール根拠に基づく推論トレースで運転VLAを監視するニューロシンボリック運転フレームワーク「Neuro-Symbolic Drive」を提案します。我々の重要な発見は、ルールベースプランナーがすでに実行可能な推論エンジンとして機能するシンボリックAIシステムであるということです。それらはアクティブな安全制約について推論し、候補となる操作を探索し、最終的な軌道を選択します。我々は、シミュレーションでこれらのプランナーを計測し、実行された軌道と各ルール評価ステップでの内部決定トレースの両方をキャプチャします。各トレースは構造化されたルール根拠に基づく推論にシリアライズされ、軌道とペアになってQwen3.5-4Bを運転VLAとしてファインチューニングします。

arXiv cs.AI

2026年6月24日

人工知能（AI）時代において、アルゴリズムは科学研究の中心となっています。論文中のアルゴリズムの言及は、その人気や影響を示すためにしばしば用いられますが、既存の研究では個々のアルゴリズムを個別に評価することが多く、それらの相互接続によって形成される集合的な影響への注意は限定的でした。本研究では、学術論文の全文に基づいて大規模な自然言語処理（NLP）におけるアルゴリズム共起ネットワークを構築し、ネットワークの観点からアルゴリズムの影響を調査します。ディープラーニングモデルを用いてアルゴリズムエンティティを抽出し、全体、累積、年間の共起ネットワークを構築します。これらの構造的特性を分析し、複数の中心性指標を適用して、分野全体および経時的なアルゴリズムのグループ影響を評価します。結果として、アルゴリズムネットワークは複雑ネットワークの典型的な特徴を示し、約20年間にわたって接続密度が増加していることがわかりました。古典的で高性能なアルゴリズム、および異なる研究期間の交差点に位置するアルゴリズムは、高い人気、制御力、中心性、そしてバランスの取れた影響を持つ傾向があります。

arXiv cs.AI

2026年6月25日

視覚探索は、視覚的注意の研究において最も生産的なパラダイムの一つです。反応時間がアイテム数とともにどのようにスケールするかは、並列的な「ポップアウト」探索と、注意を要する逐次的な探索を区別します。本研究では、ビジョン・言語モデル（VLM）が同様の行動的特徴を示すかどうかを問います。4つの古典的なパラダイム（特徴探索対結合探索、空間配置（T対L）探索、列挙、傾斜/垂直探索の非対称性）を適応させ、現在の最先端および中堅モデルに提示します。単一のモデル呼び出しには反応時間がないため、モデルごとの試行あたりの推論（「思考」）トークン数を検索努力の類推として使用し、大規模な公開人間ベンチマーク（Wolfe et al., 2010）と比較します。モデルはいくつかの人間的特徴を再現します。特徴探索のコストは一定の努力を示し、結合探索の努力はセットサイズとともに増加します。最先端モデルは精度を維持しますが、中堅モデルは偶然レベルにまで低下します。また、解像度制御により、結合コストが小さな形状を解決する困難さではなく、真の探索であることが示されます。モデルは、情報提供となる方法で人間とも異なります。

arXiv cs.AI

2026年6月26日

解決策の検証は生成よりも容易であるという古典的な直観に反し、今日のコーディングエージェントでは、高度な推論能力を持つ基盤モデルと洗練されたエンジニアリングにより、複雑な候補解の生成は容易になったが、それらを確実に検証することが困難な問題となっている。構築できる検証器は人間本来の意図の代理に過ぎず、意図そのものではない。このため検証には二重の難しさがある。第一に、意図は本質的に曖昧で、満たされているかを忠実にチェックすることが困難である。第二に、モデル訓練中に、最適化が代理と意図の乖離を広げ、報酬ハッキングやシグナル飽和として現れる。これに対処するため、検証シグナルの質をスケーラビリティ、忠実性、堅牢性の3つの次元で特徴づけ、これらすべてを同時に達成することが中心的な課題であると論じる。さらに、一般的なコーディングタスクのためのテスト検証器、フロントエンドタスクのためのルーブリック検証器、現実世界のタスクのためのユーザー検証器、長期間タスクのための自動エージェント検証器という4つの報酬構築を研究する。

arXiv cs.AI

2026年6月30日

言語識別の古典的パラダイムでは、リミットモデルは、未知のターゲット言語から文字列を公開する敵対者と、その言語を特定する学習者とのゲームとして学習します。最近導入されたリミットでの言語生成のフレームワークは、現代の言語モデリングをよりよく反映するために目標をシフトさせ、学習者にはターゲット言語から有効で未見の文字列を生成することを要求しました。関連研究では、ターゲットの広範なカバレッジが有効性の犠牲になるという根本的な緊張が強調されてきました。我々は、精度という新しい概念を導入し、この問題を古典的なリコール-プレシジョン（再現率-適合率）のトレードオフとして再定式化します。我々は、大規模言語モデルが遭遇する設定に近いものを反映することを目的として、列挙、新規性、有効性に関する様々な制約下でのリミットでの生成を分析します。重要な貢献は、最終的に有効ではない学習者に関する我々の分析です。我々は、精度が1のままであれば、無限の誤りを許容します。この緩和が、敵対者がターゲット言語の大部分を永久に保留する場合に、リコールを厳密に増加させることができることを示します。

arXiv cs.CL

2026年6月30日

古典的な万能近似定理は、シグモイド多層パーセプトロンの表現力を確立しますが、初期重みがデータ分布の幾何学をどのようにエンコードすべきかは規定していません。本研究では、1隠れ層シグモイドMLPのためのスペクトル幾何学を考慮した初期化フレームワークであるS-GAIを提案します。シグモイドユニットが滑らかな半空間ゲートとして機能するという構築的なアイデアから出発し、手作業で指定された平面幾何学から画像データから推定されるクラスごとのスペクトル幾何学へと移行します。各クラスについて、SVD（特異値分解）は平均、主方向、スペクトルスケールを提供します。エネルギー閾値によって保持される方向が選択され、保持される各方向は2つのシグモイドゲートによって表現されます。これらのクラス固有のゲートが共有隠れ層を形成し、トレーニングセットから直接初期化されます。また、SVDベースのサブスペース分類器を、MLPに埋め込まれる前に推定されたスペクトルクラス幾何学がすでに識別可能であるかどうかをテストする、ニューラルではない幾何学的参照として定式化します。

arXiv cs.LG

2026年6月30日

本研究では、感情的価数が子供の認識記憶における順序依存構造にどのように影響するかを実証する。感情的価数を持つ玩具のシーケンスの正しい想起は、その玩具自体の価数だけでなく、その前後に示された玩具の価数にも依存した。標準的な心理学的モデルでは、イベント（シーケンスで提示された玩具セット）を横断して順序依存性が異なることは確認されているものの、精度は低く、感情的な対象の記憶がセット内の他の対象にどのように影響するかを反映していない。価数を考慮した古典的なテンソルネットワークモデルは、研究結果のモデリングにおいて77.98%の精度を達成できた。これは厳密には「量子認知」モデルではないものの、この大幅な精度の向上は、感情記憶のような順序依存現象のモデリングにおける量子着想手法の価値を示している。さらに、本研究で導入されたタスクプロトコルは、認知の古典的および量子様モデルを用いた分析のために、子供の感情的時系列記憶を探求するための新規かつ実用的なツールを提供する。ツールを提供する。

arXiv cs.LG

2026年7月1日

LLM陪審員、つまり合意スコアを報告するLLM評価者パネル（PoLL）は、単一審判員によるLLM評価の実用的な代替手段となっていますが、その統計的挙動は依然として十分に理解されていません。LLM陪審員をHuber汚染モデルの下で形式化し、PoLLは、単一審判員がバイアスのかかった（モード崩壊、シコファンシー、安全性拒否など、LLMに典型的な）方法で失敗した場合、陪審員のサイズに関係なく、あらゆる正の汚染下で無制限のバイアスを招くことを示します。陪審員の合意を古典的なロバスト平均推定として捉え、PoLLパネルを維持しつつ集計関数をロバスト平均推定器に置き換えたRoPoLL（Robust Panel of LLM-as-Judge）を提案します。これは幾何学的中央値（GM）でインスタンス化され、チューニング不要で、最適な有限サンプルブレークダウンポイントは1/2です。有限サンプル誤差界と一致する情報理論的ミニマックス下界は、パラメトリックレートσ*sqrt(d/N)で一致し、ブレークダウンフロアではsqrt(d)の係数で異なります。

arXiv cs.AI

2026年7月2日

野党が足並みをそろえて審議拒否を続ける背景には、衆院議員の定数削減法案を撤回に追い込みたい思惑がある。国会では古典的な戦術といえるが、与党が1日の法案採決を見送るなど一定の効果も挙げている。ただ、審議拒否が長引けば国民の目にはサボタージュと映る可能性もあり、野党にとってはもろ刃の剣となる。

産経新聞

2026年7月3日

深層学習は、単一の数学的説明を超えて発展しました。『近似から創発へ』は、現代の深層学習理論の統一的かつ証明指向の解説を展開し、近似、最適化、汎化といった古典的基礎から、過剰パラメータ化、頑健性、生成モデリング、トランスフォーマー、コンテキスト内学習、スケーリング則、解釈可能性、アライメント、創発といった現代的メカニズムへの道筋をたどります。本書は、個々の結果を羅列するのではなく、広範な文献を首尾一貫した研究物語に再編成します。各理論は、それが制御する対象、妥当性の前提、そして未解明の現象を通して検討されます。研究者、大学院生、数学的訓練を受けた実務家向けに書かれたこのモノグラフは、今日の深層学習理論の厳密な地図を提供します。それは強力でありながら不完全で、スケール、データ、アーキテクチャ、トレーニングから学習されたメカニズムがどのように生じるかという問いにますます中心化されています。

arXiv cs.LG

2026年7月7日

ガバナンスフレームワークは、AIプロバイダーと監査人に文書化された評価証拠を要求しており、摂動ベースの構成妥当性監査はその証拠の一般的な形態です。しかし、これらの監査自体が脆弱であり、その結論は、報告された数値では読者が見ることができない実装の詳細によって、静かに製造される可能性があると私たちは主張します。私たちは、パイプラインの失敗の5つのクラスを特定し、安全性ベンチマークとオープンウェイトの指示チューニングモデルに対する自己監査でそれぞれを実証します。統一された6点のデューデリジェンスゲートの下では、すべてのセルが非確認バケットに分類され、確認には到達しません。ここでの証拠は、単一の2モデル、5ベンチマークのケーススタディであり、F1-F5は網羅的な監査失敗の分割ではなく、説明的な、意図的に網羅的でない開始分類法です。私たちは、このゲートを、古典的な構成妥当性証拠を補完するもの（置き換えるものではない）として、保証グレードの証拠のための保留および開示プロトコルとして位置づけており、ベンチマーク妥当性評価への道ではありません。

arXiv cs.LG