見出し・要約・本文から、情報のつながりを探します。
arXiv:2610.31726v1 発表タイプ：新規 要旨：効果的な人間と機械のチーム編成には、予測不可能な人間のパートナーと協調できるエージェントが必要である。実際の人間からのリアルタイムフィードバックや大規模な行動データセットを用いた強化学習はコストが高く、一方で純粋にシミュレーションによる訓練では、人工的な慣例に過剰適合してしまい、現実の人間とのゼロショット協調において失敗してしまう。そこで私たちは、認知的に制約されたパートナーに対してチームエージェントを学習させるためのフレームワークを提案する。このフレームワークでは、報酬設計や過去の学習チェックポイントに依存せず、人間の生理学的文献に基づく手続き的制約—特に反応遅延や知覚上の限界—から生じる多様性を持つシミュレートされたパートナーを用いる。改良版のLunar Lander環境において、これらのパートナーはより…のように振る舞うという予備的な証拠を報告する。
2026年10月26日にarXivに掲載された（番号2610.31820v1）AI研究論文は、価値ベースの強化学習（value-based RL）で訓練された大規模言語モデル（LLMs）について、既存のCriticモジュールが追加の学習やデータなしで、高精度かつ高信頼性の信頼度推定器として利用可能であることを示している。
注目する理由：本研究は、信頼度推定と強化学習におけるCriticの学習が、正しさの評価基準の下で数学的本質において等価であることを明らかにし、さらに十数の分野（数学、コード、ツール呼び出し、汎用推論）にわたる実証を通じて、Criticを再利用する手法の有効性と一般化能力を示した。この成果は、LLMの信頼性の高い導入・運用のハードルを低減するうえで、直接的な工学的価値を有している。
arXiv:2610.31966v1 発表タイプ：新規 要旨：文脈内学習におけるデモンストレーションは、多くの場合、意味的類似性によって取得されるが、これは構造化予測における関連性を示すには不十分な代理指標となり得る。本研究では、POSシグネチャー方針を用いてユニバーサル・ディペンデンシーズの構文解析におけるデモンストレーション選択を検討する。この方針は文を重み付けされた品詞統計で表現し、ラベル付き訓練分割から長さが一致するゴールド解析済みの例を3つ取得する。さらに、ファインチューニングを行わないオープンウェイト言語モデル2種をUD英語Web Treebankテストセットの全2,077文に対して評価し、ショット数およびフォーマットが一致する固定および意味的3ショットベースラインに加え、ゼロショット、チェーンオブソート、クリティックリファインメントシステムとも比較した。POSシグネチャーによる取得が最も高いラベル付きアタ
arXiv:2610.32122v1 発表タイプ：新規 要旨：我々は、現代のテキスト埋め込みモデルにおいて体系的な乖離が存在することを報告する。すなわち、それらの埋め込み表現からは感情がほぼ完全に復元できる一方で、そのメトリクスにはほとんど感情情報が反映されていないのである。2021年から2026年にかけて登場した11種類の固定済みエンコーダーについて検証した結果、2026年世代のモデルや4Bパラメータを持つ大規模言語モデルの埋め込みモデルであるQwen3-Embedding-4Bを含め、線形プローブを用いた実験では文の極性を最大91.3%の精度で復元できるのに対し、コサイン類似度による極性分類ではわずか0.003〜0.064の差しか得られないことが明らかになった。パネル内で最も高いプローブ精度を示したQwen3-Embedding-4Bでも、プローブ精度は91.3%に達するものの、リトレバールMAPは64.3にとどまる。リトレバール、クラスタリング、重複除去、およびリトレバール拡張型生成といった処理は、学習済みのプローブではなくメトリクスに基づいて行われるため、これらのシステムは事実上、情報に対して盲目的な状態にあると言える。
arXiv:2610.32237v1 発表タイプ：新規 要旨：現代の金融市場において、大口取引の4分の3以上は、従来の人間トレーダーに比べて高い精度と速度を実現するための高度な取引戦略に基づくアルゴリズム取引によって執行されている。価格ベースの指標に焦点を当てた従来の戦略では、社会的センチメントや政治的不安定性、あるいは急激な経済変動といった現実世界の事象から生じる市場のダイナミズムを捉えるには不十分である。ディープ強化学習（DRL）の台頭とデータの入手可能性に伴い、こうした外部要因を取引戦略に組み込める、より効率的なアルゴリズムが求められている。DRLは、DRLエージェントが自動的に…
arXiv:2610.31894v1 発表タイプ：新規 要旨：近年のスパースオートエンコーダー（SAE）は、大規模言語モデル（LLM）の表現を解釈可能な特徴量に分解し、符号化された知識の精密な読み出しと制御を可能にしています。しかし、既存のSAEは各特徴量を独立した単位として扱う一方で、現実世界の知識はしばしば階層的に分類されています。その結果、読み出しには分類上の整合性が保証されず、制御においても編集の適用範囲を細かく指定する粒度が欠けています。そこで私たちは、is-a（上位語―下位語）関係に基づいて分類情報を明示的にSAEの特徴空間に符号化するTaxoSAEを提案します。TaxoSAEは、分類体系を模倣して各階層に対応するSAEを積み重ねる構造を採用し、各概念が対象となる階層に存在する場合にのみ活性化されるよう学習させるための分類整列損失を導入しています。
arXiv:2610.32389v1 Announce Type: new Abstract: Trajectory transfer from rollout to training affects both learning quality and system efficiency in large language model reinforcement learning (RL). Enforcing batch-wide training requirements can delay the admission of completed trajectories, resulting in higher architectural staleness: the additional parameter-version gap from disaggregated pipelining relative to colocated execution. Beyond admission, misalignment between data access and training consumption causes redundant movement and unnecessary waiting when transferring large trajectory payloads. We present KnitTrans, a system that coordinates the rollout-to-training path through three designs. First, constraint-preserving mini-batch admission allows flexibility in early mini-batch com
翻訳待ち・原文を表示中 · enarXiv:2610.31846v1 発表タイプ：新規 要旨：知的エージェントは自らの過ちから学び、経験を通じて継続的な改善を図るべきである。しかし、今日のエージェントは過ちから回復してもその効果は一時的でしかない。文脈内での振り返りはセッション間で容易に忘れられ、限られたコンテキスト資源と競合する一方で、パラメータ全体を再調整する手法はコストが高く、既存の能力に干渉するおそれがある。そこで私たちは、一時的な文脈内リトライと方策更新の利点を組み合わせた、エージェントが過ちから学ぶための仕組み「Self-Direction」を提案する。エージェントがタスクに失敗した際、自身の行動経路を振り返って教訓を抽出し、それを即座に軽量な低ランクアダプターへと凝縮する。元の重みを固定しておくことで、Self-Directionはアダプターの学習による過剰な上書きを防ぐ。
arXiv:2610.32128v1 発表タイプ：新規 要旨：RAGおよび検索拡張型少人数ショットICLは、意思決定に重要な証拠が長くノイズの多い文脈の中に埋もれている場合、性能が低下することがあります。取得された文脈や実例には、冗長な情報や注意を逸らす情報が含まれる可能性があります。専門家によってラベル付けされた開発用の例は、各判断を支えるテキストを特定できるものの、これらのアノテーションは通常、ノイズの多い検索結果をフィルタリングするための教師信号としてではなく、回答側の根拠としてのみ利用されます。そこで私たちは、銀色証拠デモンストレーションを提案します。これは、ICLの例において、生の取得文脈を生成された目標条件に基づく証拠要約に置き換える手法です。各ラベル付きの開発用例について、LLMは専門家のラベルやゴールド証拠にアクセスせずに銀色証拠を生成し、その証拠を専門家のラベルと対にして用います。
arXiv:2610.31833v1 Announce Type: new Abstract: LawZero's Scientist AI trains a Predictor toward the Bayesian posterior, with an objective that penalizes inconsistent probabilities among latent explanations. We ask whether current frontier language models, with no such training, are already consistent in this sense zero-shot: do their probability judgments satisfy the law of total probability, $P(X)=\sum_z P(z)P(X|z)$, when the latent $z$ must be inferred from records in the context? In separate single-turn calls, models are asked for $P(X)$, for $P(z)$ over the latent's states, and for $P(X|z)$; a causal family applies the same test to $P(y|do(x))$ and the back-door adjustment. Every query has an exact ground-truth probability, and a subset of items is asked in three wordings to separate
翻訳待ち・原文を表示中 · enarXiv:2610.32241v1 発表タイプ：新規 要旨：従来のヒューリスティック手法は、空間利用率や3Dビンパッキングのレイアウトのコンパクトさといった核心的な目標において、人為的に設計されたルールベースの論理に依存することで成熟した経験を蓄積してきました。しかし、これらには一般化能力や動的シナリオへの適応性という面で顕著な限界が見られます。強化学習の空間探索能力と拡散学習のデータ分布モデリング能力を統合した拡散強化学習は、行動分布のモデリングや意思決定の遵守制約の面で一定の進展を遂げています。それでもなお、3Dビンパッキングにおける空間のトポロジカル構造に対する十分な認識の欠如や、レイアウト最適化能力の限定といった課題が残されています。
arXiv:2610.32583v1 発表タイプ：クロス 要旨：マルチエージェント確定的GLP（madGLP）は、非同期メッセージ送信のみで通信するエージェントとしてグラスルーツ・ロジック・プログラム（GLP）を実行し、公平な配信を前提としています。すなわち、送信されたすべてのメッセージは最終的に必ず配信されます。各エージェントは個人のスマートフォン上で動作し、その識別子は当該ユーザーの公開鍵によって指定されます。グラスルーツ型プラットフォームは、ネットワーク以外にグローバルなリソースを必要としないため、エージェント間の通信はBluetooth Low Energyやローカルネットワーク、さらにはNAT越しのインターネット経由で、誰でも運用可能なランデブーサーバーを通じて行われなければなりません。このようなネットワークに対してmadGLPが何を要求し、またネットワークがプラットフォームに対して何を要求するかについては、これまで明示されていませんでした。そこで、本研究ではmadGLPの下層に位置するネットワーキング層を明確に定義します。GLPで実現可能なことはすべてGLPで実現されるため、この層はあくまで…
arXiv:2610.31687v1 Announce Type: new Abstract: Large language models are increasingly used to simulate and probe human behavior, e.g., for surveys. For these applications, a key property is that outputs satisfy distributional alignment: to match its output distribution with some reference (in this case, human) distribution. An obstacle in achieving distributional alignment is generalizing from small training data. In this work, we study (1) how to distributionally align LLMs; and (2) how aligned LLMs might generalize to unseen samples and unrelated topics and tasks. Using two large-scale benchmarks, we find that LLMs can indeed achieve distributional alignment and generalize to unseen questions of the same domain. Cross-topic generalization depends on the relationship between topics (e.g.
翻訳待ち・原文を表示中 · enarXiv:2610.31810v1 発表タイプ：新規 要旨：入念に校正された論文であっても、証明や明示された仮定に小さな抜け穴が残ることがあります。私たちはPaperFormalizerを提案します。これはLeanベースのエージェント型パイプラインで、著者が自らの論文におけるこうした隙間を見つけ出し、埋めるのを支援し、各論文をLeanによって検証済みのバージョンへと変換します。LaTeXソースから出発し、PaperFormalizerは論文を命題の依存関係グラフに変換し、各命題について自然言語による忠実性・曖昧さ・正確性を審査した後、Mathlibや任意のドメインライブラリ、さらに著者の個人的なツールキットを参照して、命題を形式化し、Lean上で証明を行います。ある命題が何を意図しているのか、また結果における形式化上のギャップをどのように解消するのが最善かを知るのは、あくまで著者だけです。そのため、このパイプラインはそこで一時停止し、著者に問いかけます…
arXiv:2610.31911v1 発表タイプ：新規 要旨：大規模言語モデル（LLM）がますます長いシーケンスを処理するようになると、アテンションは主要な計算上のボトルネックとなります。スパースアテンションは主に推論段階を対象としていますが、多くの手法は依然として密に学習を行ったり、スパースな学習をサポートできなかったりします。さらに、それらの手法は追加の複雑さを伴うため、スパース性を実際の実行時間の短縮へと結びつけるのが難しく、結果として実用的には密なアテンションが広く用いられています。本論文では、アテンションの学習は後方パスに大きく依存しているという観察に基づき、前方は密に、後方はスパースに実装する新しいアテンション手法であるLazyFlashを提案します。LazyFlashは前方パスを完全に密に保つため、学習後のモデルは従来の密なモデルのままであり、vLLMなどの既存システムでも一切の変更なしにサービス可能です。一方、後方パスについては、LazyFlashは勾配を
arXiv:2610.32803v1 Announce Type: new Abstract: The consensus protocols of most high-performance blockchains use quorum certificates, which bundle the signatures of a quorum of validators. Signature schemes such as BLS can aggregate the signatures of a whole quorum into a single short signature, which keeps these certificates small. A large-scale quantum computer would break these schemes, and no post-quantum scheme with comparable aggregate size and aggregation time is known. Without aggregation, a certificate holds one large post-quantum signature per member of the quorum, so it becomes infeasible for each validator to broadcast certificates, as modern consensus protocols often require. We present Quantum Cadence, a post-quantum consensus protocol with multiple concurrent proposers that
翻訳待ち・原文を表示中 · enarXiv:2610.32034v1 発表タイプ：新規 要旨：軌道上デブリの増加に伴い、能動的なデブリ除去や軌道上サービスへの関心が高まっており、これらの分野においては、単腕システムに比べて二腕型宇宙用マニピュレーターの方が把持安定性と荷重分布の面で優れている。しかし、腕間の衝突回避、姿勢の整合、センサの不確実性といった条件下で二つのマニピュレーターを協調させるのは依然として困難である。本論文では、腕間の衝突回避制約を課した目標到達タスクにおいて、二腕型宇宙用マニピュレーターの協調運動計画を行うための協調強化学習フレームワークを提案する。集中型の状態表現は、関節空間情報、エンドエフェクター情報、および目標相対情報を統合し、多目的報酬関数は目標到達を促進する。
我々は、対象者の少量の入力画像と駆動用の表情信号から3Dヒューマンヘッドをリアルタイムでアニメーション化する手法であるGHARP（Real-time Gaussian Head Animation from Large-scale Reconstruction Prior）を提案する。本手法では、問題を二段階に分離し、オフラインで対象者の幾何学的形状と外観の表現を構築するアイデンティティ段階と、ランタイムにその上に表情依存の残差を予測するアニメーション段階に分割する。この分離により、忠実度、品質、実行時間の間で望ましいトレードオフが実現される：アイデンティティ段階は計算コストが高くなる一方で、アニメーション段階は…
スタンフォード大学とカリフォルニア大学バークレー校の研究者らは、既存の大規模言語モデル（LLM）に適用可能なプラグアンドプレイ型の学習ベースのトークン剪枝モジュール「TokenGate」を提案しました。この手法は、精度を損なうことなく、長文コンテキストに対する初期文字生成時間（TTFT）を1.4倍から11.3倍に加速し、ピークメモリ使用量を1.5倍から3.4倍削減します。関連コードおよびチェックポイントはオープンソースとして公開されています。
2024年にGoogleはAIオーバービューを導入し、2025年5月にはAIモードを開始したことで、複数の主要メディアにおけるGoogleからの検索トラフィックが顕著に減少した——『ニューヨーク・タイムズ』では、3年間で検索トラフィックの割合が44％から35.5％へ低下し、DCN加盟の19社のうち2025年5～6月には1％～25％のトラフィック減を経験した。DMG Mediaによれば、クリック率は最大で89％も低下したという。出版社らは複数の訴訟を提起したが、いずれも米国の裁判官によって却下された。その後、Googleは退会オプションの提供や情報源表示の強化に加え、400社のメディアを対象としたニュースAIパイロットおよびコンテンツ有料化のテストプログラムを開始した。
注目する理由：同報道は、GoogleのAI検索機能が出版エコシステムに与える構造的な衝撃を体系的に整理しており、タイムライン（2024年～2025年）、実証データ（第三者機関による統計）、多方面からの反応（出版社、規制当局、裁判所、非営利団体）および最新の対応策（撤退メカニズム、情報源の最適化、ライセンスおよび有料化のパイロットプロジェクト）を網羅しています。情報は密度が高く、時事性と政策的関連性も備えています。
