なぜ疑問を抱え込むのか？マルチエージェント・バンディットシステムにおける視覚的不確実性の交換
視覚言語モデル（VLM）を用いたマルチエージェントシステムにおいて、情報の非対称性と調整コストの増大という経済的課題を解決するため、不確実性を「取引可能な資産」と定義する分散型市場フレームワーク「Agora」が提案されました。
Cog AI Archive
最新の記事
TSRBench: 汎用モデルのための包括的なマルチタスク・マルチモーダル時系列推論ベンチマーク
時系列データは現実世界の意思決定において不可欠ですが、従来の評価手法は単純な数値予測に偏り、文脈や因果関係を考慮した高度な推論能力を測定できていませんでした。本研究が提案する「TSRBench」は、14のドメインから収集された4125個の問題を含み、認識、推論、予測、意思決定の4つの次元と15のタスクを通じて、汎用モデルの時系列処理能力を多角的に評価する初の包括的なマルチモーダルベンチマークです。30以上の主要モデルを検証した結果、モデル規模の拡大は認識や論理推論には有効であるものの予測精度には必ずしも直結せず、また現在のマルチモーダルモデルはテキストと視覚情報の統合において相乗効果を生み出せていないという重要な課題が明らかになりました。
Pの捕捉：ブール検索の表現能力と効率的な評価について
現代の情報検索は、単純なキーワード検索から大規模言語モデル（LLM）や自律型エージェントが要求する複雑な記号論理的推論へと移行していますが、既存の検索エンジンは複雑な論理構造を効率的に処理できないという深刻な課題を抱えています。
$α^3$-SecBench：6GネットワークにおけるLLMベースのUAVエージェントのためのセキュリティ、レジリエンス、および信頼性に関する大規模評価スイート
次世代の6Gネットワーク環境において、大規模言語モデル（LLM）を搭載した自律型無人航空機（UAV）エージェントのセキュリティ、回復力、および信頼性を包括的に測定するための初の大規模評価スイート「$\alpha^3$-SecBench」が開発されました。
Dep-Search：永続メモリを用いた依存関係を考慮した推論トレースの学習
大規模言語モデルを用いた従来の検索型フレームワークは、自然言語による暗黙的な推論に依存しており、サブ質問間の依存関係の管理や過去に取得した知識の効率的な再利用が困難であるという課題を抱えていました。
表現準同型はTransformer言語モデルにおける構成的汎化を予測し改善する
ニューラルネットワークが既知の要素を未知の組み合わせで理解する「構成的汎化」は長年の難題であり、本研究ではモデルの内部表現が代数的な構成構造をどの程度保持しているかを定量化する新指標「準同型誤差（HE）」を提案した。 実験の結果、この準同型誤差はノイズ環境下での分布外（OOD）への汎化性能と強い相関（決定係数0.
PRECISE：予測に基づくランキング推定を用いたLLM評価のバイアス低減
検索システムの評価において、膨大な人的コストと大規模言語モデル（LLM）固有のバイアスが課題となる中、本研究では少数の人間による注釈と大量のLLM判定を統計的に融合させる新フレームワーク「PRECISE」を提案した。
POPE：特権的オンポリシー探索による困難な問題における推論の学習
大規模言語モデルの強化において、従来のオンポリシー強化学習は困難な問題で正解を一度も生成できず、学習信号が得られないという課題に直面していました。本研究が提案するPOPEは、人間やオラクルによる正解の「接頭辞（プリフィックス）」を特権的なガイドとして与えることで、モデルが自力では到達できない正解への探索をオンポリシーで実行可能にします。 この手法は、オラクルの解を直接の学習目標とするのではなく、指示に従う能力を活用して探索を導くため、従来の蒸留やオフポリシー学習で発生していた最適化の不安定さや性能の頭打ちを回避することに成功しました。検証の結果、AIME 2025などの難関ベンチマークにおいて、標準的な強化学習では到達できなかった高い正解率を達成し、困難な問題に対する推論能力を大幅に向上させることを示しました。
高速道路交通におけるトラックの効率的な戦術的意思決定のための多目的強化学習
高速道路を走行する大型トラックの自動運転において、安全性、時間効率、エネルギー効率という互いに相反する重要な目標を同時に最適化するため、多目的強化学習（MORL）を用いた新しい意思決定フレームワークを提案している。
LLMを活用したインタラクティブ・ストーリーテリングのための設計手法：Dramamancerシステムの事例研究
Dramamancerは、作者が定義した物語の構造である「ストーリー・スキーマ」を、大規模言語モデル（LLM）を用いて動的なプレイ体験へと変換する革新的なシステムであり、作者の創作意図を維持しながらプレイヤーに高い主体性を提供することを実現している。