特徴空間内における類似検索を用いた異常検知の決定境界の精緻化
本研究では、スパース制約、アテンション機構、敵対的学習を統合した深層学習モデル「SDA²E」を開発し、サイバーセキュリティ等の極めて不均衡なデータから異常を識別する頑健な潜在表現の獲得に成功した。
Cog AI Archive
最新の記事
公平なアクセスと不平等な対話：LLMの公平性に関する反事実的監査
本研究は、大規模言語モデル（LLM）の公平性評価において、従来の「回答を拒否するかどうか」というアクセス段階の指標だけでは不十分であり、回答が提供された後の「対話の質」に潜む格差を検証する必要性を提唱している。 GPT-4とLLaMA3.
統一的ヒューマノイド全身制御のための身体性を考慮したジェネラリスト・スペシャリスト蒸留
本研究は、構造の異なる複数のヒューマノイドを単一のポリシーで制御する学習フレームワーク「EAGLE」を開発し、歩行だけでなく、しゃがむ、傾くといった多様な全身動作を、ロボットごとの報酬調整なしで実現した。
規範と参照が衝突する場所：規範的推論におけるLLMの評価
ロボットなどのエージェントが人間と円滑に意思疎通を図るためには、物理的および社会的な文脈に基づいた「社会規範」を理解し、曖昧な指示から意図された対象物を特定する能力（NBRR）が不可欠であるが、現在のLLMがこの能力をどの程度備えているかは不明であった。
マルコフ決定過程における幾何学的整合性を用いた価値表現の構造化
強化学習における時間差分（TD）学習は、関数近似や分布の変動によって学習が不安定になり、発散や振動を引き起こすという課題を抱えていますが、本研究は順序論の視点から価値関数を半順序集合（poset）として再構成するGCR-RLを提案し、幾何学的な整合性を強制することで学習の安定化と高速化を実現しました。
LLMの因果推論におけるバイアスと人間との比較分析
20種類以上の大規模言語モデル（LLM）を対象に、衝突構造（C1→E←C2）を用いた11の因果推論タスクで人間と比較した結果、LLMは人間よりも提示されたルールに極めて厳格に従う傾向があることが判明しました。
NLI: 非一様線形補間による非線形演算の近似を用いた効率的なLLM推論
大規模言語モデル（LLM）の推論において、SiLUやSoftmaxなどの非線形演算は計算負荷が高く、従来の近似手法では広範な入力値に対応できず精度が崩壊する課題があったが、本研究は動的計画法を用いて最適な区切り点を選択する「非一様線形補間（NLI）」を提案した。
大規模言語モデルは推論時の計画において誤った第一歩を踏み出す可能性がある
大規模言語モデル（LLM）は学習を通じて高度なシーケンスレベルの計画能力を獲得しているが、推論時には人間が作成したプロンプトとモデル内部の言語表現の乖離により、一時的に短期的で不整合な計画行動を示す。
Agent Alpha: コンピュータ操作エージェントのための生成・探索・評価を統合する木探索
Agent Alphaは、マルチモーダル大規模言語モデル（MLLM）の生成、探索、評価の能力をステップレベルのモンテカルロ木探索（MCTS）によって統合した、コンピュータ操作エージェント（CUA）のための革新的なフレームワークである。
確率的符号およびスペクトル降下法のための非ユークリッド勾配ノイズスケールを用いた適応的バッチサイズ
従来の適応的バッチサイズ制御はSGDのユークリッド幾何学を前提としていたが、本研究ではsignSGDやspecSGD（Muon）といった非ユークリッド幾何学を用いる最適化手法に対応した新しい勾配ノイズスケール（GNS）を導出した。