幾何学的形態測定学の機械学習への応用におけるプロクラステス汚染について
幾何学的形態測定学（GMM）を機械学習に統合する際、データ分割前に全標本を一括で整列させる標準的な一般化プロクラステス解析（GPA）が、訓練データとテストデータの間に不適切な統計的依存関係を生じさせ、予測精度を不当に高く見積もる「プロクラステス汚染」を引き起こすことを数学的・実験的に解明しました。
Cog AI Archive
最新の記事
3DGesPolicy：アクション制御に基づく音素を考慮した包括的な発話随伴ジェスチャ生成
本研究は、ロボット工学の拡散ポリシー（Diffusion Policy）を応用し、全身の動きと顔の表情を統合的に生成する新しいフレームワーク「3DGesPolicy」を提案した。従来のフレーム単位の回帰や部位分解手法が抱えていた、空間的な不安定さや意味的な不整合という課題を解決するため、ジェスチャー生成を「連続的な軌道制御問題」として再定義し、フレーム間の変化を統一された「アクション」としてモデル化している。さらに、音素レベルの言語情報と音響特徴を高度に融合させるGAP（Gesture-Audio-Phoneme）モジュールを導入することで、発話内容と身体動作、唇の動きが精密に同期した、自然で表現力豊かなデジタルヒューマンの挙動を実現し、BEAT2データセットにおいて既存の最先端手法を上回る性能を実証した。
OffSeeker：ディープリサーチエージェントに必要なのはオンライン強化学習だけではない
現在の最先端なディープリサーチエージェントの開発において主流となっている、高額なAPI費用と学習の不安定さを伴うオンライン強化学習に依存せず、高品質なオフライン学習のみで高性能なモデルを構築できることを実証しました。
面白いか説得力があるか、しかし両方ではない：LLMにおけるきめ細かな多概念制御の評価
大規模言語モデルにおいて、ユーモアや説得力といった特定の文体概念を0から4までの5段階で詳細に制御する能力を測定するための、新しい評価フレームワークが提案されました。 単一の概念を制御する場合には一定の精度で強弱の調整が可能ですが、二つの概念を同時に制御しようとすると、たとえそれらが理論的に独立した概念であっても、モデルの制御性能が著しく低下することが明らかになりました。 この研究は、現在のモデルが複数の文体次元を組み合わせて調整する「合成性」に根本的な課題を抱えていることを示しており、今後の多次元的な制御手法を開発・評価するための標準的な基盤を提供しています。
大規模言語モデルの人口統計学的プロービングは構成概念妥当性を欠いている
大規模言語モデル（LLM）が特定の人口統計学的属性に応じて振る舞いを変えるかを調べる「人口統計学的プロビング」において、名前や方言といった異なる「手がかり」が同じ結果を導かないという、構成概念妥当性の欠如を明らかにした。
時系列予測のためのコンフォーマル予測アルゴリズム：手法とベンチマーク
現代の意思決定において将来の不確実性を定量化する予測区間の重要性が高まっていますが、従来のコンフォーマル予測はデータの順序を入れ替えても分布が変わらない「交換可能性」を前提としており、時間の依存関係を持つ時系列データへの適用には課題がありました。
ジャストインタイム強化学習：勾配更新なしのLLMエージェントにおける継続学習
大規模言語モデル（LLM）エージェントがデプロイ後に新しい環境へ適応できないという「重みの固定」問題を解決するため、勾配更新を一切行わずに推論時に方策を最適化する「Just-In-Time Reinforcement Learning（JitRL）」が提案されました。
大規模言語モデルを用いて仮想トップマネージャーを構築する：組織研究のための手法
本研究は、製薬およびバイオテクノロジー業界のCEO181名の公開データ（年次報告書、インタビュー、ニュース記事）と道徳基盤理論（MFT）を組み合わせ、大規模言語モデル（LLM）を用いて実在の経営者を模した仮想ペルソナを構築する手法を提案した。
社会福祉実習教育のための生成AI：リアルタイム・フィードバックを伴うクライエント・シミュレーション
本研究は、ソーシャルワーク教育における指導者不足と客観的評価の困難さを解決するため、対話型トレーニングチャットボット「SWITCH」を開発しました。 このシステムは、動機づけ面接（MI）の理論に基づき、実習生の発話を20種類の専門スキルにリアルタイムで分類し、クライエントの心理状態を動的に変化させることで、高度なシミュレーションを実現しています。 実習生は安全な環境で繰り返し練習を行い、客観的なデータに基づく即時フィードバックを受けることができ、指導者はより高度なメンターシップに専念することが可能になります。
都市規模におけるスケーラブルな公共交通遅延予測：多解像度特徴量エンジニアリングとディープラーニングを用いた体系的アプローチ
都市全体の広大なバスネットワークを対象とした、極めてスケーラブルな遅延予測パイプラインを構築し、1,683個に及ぶ多解像度の時空間特徴量を自動生成した上で、適応型主成分分析（Adaptive PCA）を活用して情報の95%を保持しつつ83成分まで劇的に圧縮することに成功した。