SHIRITAS

/NEWS

AI研究ニュース

最新の論文を、AIが読み解いて記事にしています。

機械学習(基礎・手法) / 2026-11-17

ASRモデルの速度を生かした脳活動→テキスト復号「FETTUCCINE」、モバイル端末での動作も報告

脳活動からテキストを復号する枠組みFETTUCCINEを提案。公開データでWER最小4.39%を報告し、商用モバイル端末で最大370倍リアルタイムのスループットで動作したという。

機械学習(基礎・手法) / 2026-11-14

LLMアーキテクチャ研究の記録・レビュー・参照を支える公開基盤「ArchSpace」

LLMのアーキテクチャ提案を、実験と推論込みで記録し、コミュニティがレビューし後続研究が参照できる公開プラットフォーム「ArchSpace」を提案する。小規模実験からスケーリング則で大規模の損失を予測し、学術界と産業界の評価ギャップを埋める狙いがある。

機械学習(基礎・手法) / 2026-11-14

討論(Debate)を「学習問題」として捉え直す:オンライン学習としての定式化と判定誤りの影響

本稿は、AI同士の討論を人間が裁くDebateをゲーム解析だけでなく訓練に内在する学習問題として捉え、オンライン学習として定式化する第一歩を示す。判定者へのアクセスがある場合に最良策が敵対的Debateと異なる例、協調版プロトコルの学習可能性、判定誤りが学習へ与える影響を論じる。

機械学習(基礎・手法) / 2026-11-12

医用画像セグメンテーションで、基盤モデル適応とスクラッチ学習を外部データで比べる

自然画像で事前学習したDINOv2を医用画像へ適応する方法を幅広く比較し、外部施設データでは一貫して汎化が良いことを示す。分布内ではタスク特化モデルも競争力があり、適応に必要な規模やベンチマークの重複問題も指摘した。

機械学習(基礎・手法) / 2026-11-10

SciCheck:深層学習の学習過程を「再計算なし」前提で検証する枠組み

SciCheckは、深層学習の学習(training)を科学的ワークフロー内で検証するための枠組みを提案する。勾配統計の比較と、ランダム区間の再実行(spot-check)を組み合わせ、攻撃シナリオ下での検出性能やコストも報告している。

機械学習(基礎・手法) / 2026-11-09

大きな一定ステップサイズでの敵対的学習:GDの暗黙のバイアス・最適化・シャープネスを整理

敵対的学習(AT)における大きな一定ステップサイズの勾配降下法(GD)の挙動を調べ、標準学習(ST)と比べた違いを暗黙のバイアス、収束率、損失のシャープネスの観点からまとめた研究。

機械学習(基礎・手法) / 2026-11-08

ユーザ埋め込みを「行動モードの疎な重ね合わせ」として読む試み

推薦などで使われる不透明なユーザ埋め込みを、解釈可能な行動モードの疎な重ね合わせとして捉え直す枠組みを提案する。疎オートエンコーダなどでモードを回復し、自然言語で命名・検索できるとする。合成データと2つの実データで検証した。

機械学習(基礎・手法) / 2026-11-01

重み摂動なしでNeural Thicketsの利得は得られるのか:Logit PSVという見方

Neural Thicketsの性能向上を、重み空間の幾何学的説明に頼らず捉え直す研究。凍結モデルに対するlogitsへのランダムbiasと、選抜・集約からなるPSVを提示し、言語・視覚での有効性を論じる。

機械学習(基礎・手法) / 2026-10-29

Heads of Security:注意ヘッドのゲート学習でプロンプトインジェクション耐性を高める試み

Heads of Security(HoS)は、ヘッドごとの注意ゲートを学習して指示とデータを分離し、注入命令に従いにくくする防御手法だという。Llama-3.3-70B-InstructとGPT-OSS-20Bで評価され、攻撃耐性とユーティリティの両立を報告している。

機械学習(基礎・手法) / 2026-10-27

長方形の遮蔽だけで探す黒箱攻撃手法「STROKE」

STROKEは、向き付き長方形の遮蔽で摂動を作るスコアベース黒箱攻撃手法。軽量な貪欲最適化でクエリ効率を狙い、1–2%面積設定での成功率や所要時間削減、設計選択の影響を評価した。

機械学習(基礎・手法) / 2026-10-26

固定特徴と学習可能表現の「あいだ」を理論で捉える:部分的に学習可能なニューラルネットの相転移

固定ランダム特徴と完全学習の中間にある「部分的に学習可能なネットワーク」について、近似誤差境界と訓練誤差に現れる改善の段階変化を定量化した研究。学習可能割合Pとミスマッチ定数から定まるκ_Pにより、改善の速さと逓減の仕方を表現する。

機械学習(基礎・手法) / 2026-10-16

事前学習Transformerを「単一モデル」のまま計算予算に合わせて可変化する再学習不要の手法

固定サイズで提供されがちなTransformerを、再学習なしでスパース性に応じてオンザフライ適応させる手法を提案。MLPニューロンと注意ヘッドを共通尺度で共同ランキングし、多数の目標スパース性を同時に最適化する。

機械学習(基礎・手法) / 2026-10-14

RSI-Anything:世界モデルを使って「改善の改善」を回す枠組み

RSI-Anythingは、予測的な世界モデルで行動や学習データの選択を導き、フィードバックに応じて方策やモデルを更新するRSI枠組みだ。複数領域で性能向上が報告され、更新の保持は互換性チェックで管理される。

機械学習(基礎・手法) / 2026-10-14

モデル重みに暗号化ネットワークを埋め込み、誘発を困難にするバックドア攻撃の提案

能力評価が前提とする「隠れた能力は誘発できる」という仮定が、敵対的条件下では崩れうることを示す研究。暗号化ニューラルネットワークを重みに埋め込み、秘密トリガー時だけ実行する仕組みを構成し、誘発ベース監査の限界を論じる。

機械学習(基礎・手法) / 2026-10-10

安全と性能を同時に扱う「統一的なBellman演算子」を提案する安全強化学習

安全クリティカル領域の強化学習で、性能最大化と安全制約の厳守を両立させるための統一的なBellman演算子を提案。joint value functionとして目的を統合し、二重時間スケールのTD学習の収束も示す。

機械学習(基礎・手法) / 2026-10-09

忘却対象だけで「学習済みモデル」から削除する手法は、学習法と記憶量に制約がある

学習済みモデルと忘れたい例だけを入力として削除する「forget-only unlearning」を理論的に検討。再学習との一致精度には下界があり、任意の削除要求に備えるには訓練データの多くを記憶する必要がありうると示す。