OpenAIはMicrosoftとの独占的なクラウドパートナーシップを終了し、他のクラウドプロバイダーとも提携できるようになった。Microsoftはこの変更に同意し、AI業界の競争環境に大きな影響を与える可能性がある。
OpenAI has ended its exclusive cloud partnership with Microsoft, gaining the freedom to work with other cloud providers. Microsoft agreed to the change, marking a significant shift in the AI industry's competitive landscape.
AI要約 ChatGPTのDeveloper Mode向けRemote MCPサーバーをGoogle OAuth認証付きで構築した実装例を紹介。認可フローの設定方法やChatGPTから接続する手順を解説し、実際の動作を検証している。
EN A hands-on report on building a Remote MCP server for ChatGPT's Developer Mode with Google OAuth authentication, walking through the authorization flow setup and connection steps from ChatGPT.
og AI要約 本論文は、エージェント間のコミュニケーションを通じて数学的推論が創発するかを評価する新しいテストを提案する。単独での問題解決ではなく、二者の協調による数学的概念の伝達能力に焦点を当てている。
EN This paper proposes a new test for evaluating emergent mathematical reasoning in agent-to-agent communication, focusing on cooperative transmission of mathematical concepts between two parties rather than solo problem-solving.
og AI要約 マルチモーダル基盤モデルの推論・学習を加速するハードウェアおよびソフトウェア技術に関するフォーカスセッション論文。複数モダリティを扱うモデル特有の計算課題に対応する最適化手法を議論する。
EN A focus session paper discussing hardware and software techniques to accelerate multimodal foundation models, addressing computational challenges unique to handling multiple modalities in inference and training.
og AI要約 複数の関連タスクをネットワーク構造として捉え、その上で協調的に最適化を行うマルチタスク学習手法を提案する論文。タスク間の関係性を活用することで効率的な学習と性能向上を目指す。
EN This paper proposes a multi-task optimization framework where related tasks are organized as a network, leveraging inter-task relationships to enable collaborative optimization and improved learning efficiency.
og AI要約 本論文は、グラフ基盤モデルにおける事前学習と推論のミスマッチを解消する手法Mochiを提案する。メタ学習を用いて両段階を整合させることで、効率的かつ高精度なグラフ表現学習を実現する。
EN This paper proposes Mochi, a meta-learning approach that aligns pre-training and inference stages for graph foundation models, enabling more efficient and accurate graph representation learning.
og AI要約 精神科領域でLLMが生成する入院リスクスコアの信頼性を監査する研究。下流タスクにおけるLLM出力の妥当性・一貫性を評価し、臨床応用におけるリスク評価の有用性と限界を検証する枠組みを提示する。
EN This paper proposes a reliability auditing framework for downstream LLM tasks in psychiatry, specifically evaluating LLM-generated hospitalization risk scores to assess validity, consistency, and clinical applicability.
og AI要約 医用画像処理ワークフローを適応的かつ再現可能にするため、アーティファクトベースのエージェントフレームワークを提案する論文。エージェントが処理過程の成果物を介して連携し、柔軟なパイプライン構築と再現性確保を両立する仕組みを示す。
EN This paper proposes an artifact-based agent framework for medical image processing, where agents coordinate through shared artifacts to enable adaptive workflow construction while ensuring reproducibility of the processing pipelines.
og AI要約 本論文は、実世界の検索タスクにおけるAIエージェントの性能を評価するための新しいベンチマーク「AgentSearchBench」を提案する。多様な検索シナリオを通じて、エージェントの情報収集能力や推論能力を測定する。
EN This paper introduces AgentSearchBench, a new benchmark designed to evaluate AI agents' performance on real-world search tasks, measuring their information gathering and reasoning capabilities across diverse scenarios.
og AI要約 異種のAIエージェントを現実の企業組織のように配置・連携させる手法を提案。スキルベースの割り当てから才能(タレント)としての役割分担へと拡張し、複雑タスクで高いパフォーマンスを示した。
EN This paper proposes organising heterogeneous AI agents like a real-world company, moving beyond skill-based assignments to talent-based role allocation, demonstrating improved performance on complex collaborative tasks.
og AI要約 本論文はAgent-Based Process Management System (ABPMS) におけるプロセスフレームのハイブリッド性を考察し、自動プロセス発見への影響を分析する。構造化要素と非構造化要素の両立が発見手法の精度や適用性に課題をもたらすことを示す。
EN This paper examines the hybrid nature of process frames in Agent-Based Process Management Systems (ABPMS) and discusses how the coexistence of structured and unstructured elements affects the accuracy and applicability of automated process discovery techniques.
og AI要約 本論文は大規模言語モデルに内在するランダム性を定量化する新指標「背景温度」を導入する。温度0設定でも残る出力ばらつきを測定し、モデル固有の確率的性質を特徴づける枠組みを提案する。
EN This paper introduces 'background temperature' as a metric to characterise the hidden randomness inherent in large language models, quantifying output variability that persists even at temperature zero settings.
og AI要約 エージェント社会の集合知を能動的に評価する新手法「Superminds Test」を提案。プロービングエージェントを社会に投入し、集団としての知性を測定する枠組みを構築した研究。
EN This paper proposes the Superminds Test, a framework to actively evaluate the collective intelligence of agent societies by injecting probing agents that measure the group's emergent intelligence.
og AI要約 LLMの応答ばらつきを、モデル内部の共有された語彙タスク表現の観点から分析した研究。タスクごとに形成される潜在表現が、出力の多様性や一貫性のパターンを説明できることを示している。
EN This research investigates how shared lexical task representations within LLMs account for behavioral variability, demonstrating that latent task encodings explain patterns of output diversity and consistency across prompts.
og AI要約 本研究は、軽量な検索拡張生成(RAG)と大規模言語モデルを組み合わせ、患者と臨床試験を効率的にマッチングする手法を提案。計算資源を抑えつつ高精度なマッチングを実現し、臨床試験の被験者選定の自動化と拡張性向上に貢献する。
EN This paper proposes a scalable patient-trial matching framework combining lightweight retrieval-augmented generation (RAG) with large language models, enabling efficient and accurate matching of patients to clinical trials while reducing computational overhead.
og AI要約 会話型精神科問診において、大規模質問バンクから臨床フィールド回復のための最適な質問を選択する手法を提案。患者から効率的に必要情報を引き出すため、質問の有用性を評価し選定するアプローチを示す。
EN This paper proposes a method for selecting optimal questions from a large question bank to recover clinical fields in conversational psychiatric intake, aiming to efficiently elicit necessary patient information.
og AI要約 本論文はUniversal Transformersの適応的再帰推論能力を理論・実験の両面から分析し、深さを増やすだけでは不十分で、状態(メモリ)の保持が不可欠であることを示す。深さと状態次元の間に明確なトレードオフが存在することを明らかにした。
EN This paper analyzes Universal Transformers in adaptive recursive reasoning, showing that increasing depth alone is insufficient and persistent memory state is essential. The authors demonstrate a clear depth-state trade-off both theoretically and empirically.
og AI要約 本研究はLLMが文化固有の健康誤情報を検出する能力を評価し、英語中心の一般的な誤情報には強いが、牛尿療法など非西洋文化圏特有の誤情報の判定では精度が大きく低下することを示した。多文化対応の評価基準の必要性を指摘している。
EN This paper evaluates LLMs' ability to detect culture-specific health misinformation, finding that while models handle mainstream English misinformation well, they perform significantly worse on non-Western cultural claims such as cow urine remedies, highlighting the need for culturally inclusive benchmarks.
og AI要約 視覚言語モデルが情報の出所(画像かテキストか)をどの程度区別できるかを検証した研究。モデル内部表現を解析し、モダリティ起源の追跡能力やその限界を明らかにし、幻覚や誤帰属の抑制に向けた示唆を提示する。
EN This paper investigates whether vision-language models can monitor the source modality (image vs. text) of information they process, analyzing internal representations to reveal the models' ability and limits in tracking modality provenance, with implications for hallucination mitigation.
og AI要約 本論文は、強化学習を用いて視覚言語モデル(VLM)にニューロシンボリックな言語ベース推論を促す手法を提案。記号的構造を活用した中間推論を生成させることで、複雑な視覚推論タスクの精度向上を図る。
EN This paper proposes a reinforcement learning approach to incentivize neuro-symbolic language-based reasoning in vision-language models (VLMs), guiding them to generate symbolic intermediate reasoning steps for improved performance on complex visual reasoning tasks.
og AI要約 本論文は、結果ベースの報酬による強化学習が、必ずしも検証可能で因果的に重要な推論過程を導かないことを示す。最終回答が正しくても、推論ステップは結論に因果的に寄与していない場合があり、報酬設計の限界を指摘する。
EN This paper shows that outcome-based rewards in RL training do not guarantee that model reasoning steps are verifiable or causally important to the final answer, revealing limitations of outcome-only reward design for reasoning models.
og AI要約 ローカル環境で動作するウクライナ語向けのエンドツーエンドRAGシステムを提案。最適化されたハイブリッド検索と軽量な生成モデルを組み合わせ、低リソース環境でも実用的な質問応答を実現する。
EN This paper presents an end-to-end Ukrainian RAG system designed for local deployment, combining optimized hybrid search with a lightweight generation model to enable practical QA in low-resource settings.
AI要約 本論文は、時間とともに変化する情報に言語モデルを適応させるため、知識ベースを活用したデータ拡張と検索手法を提案する。時間的知識を統合することで、モデルの時間推論能力と最新情報への対応力を向上させることを目指す。
EN This paper proposes a knowledge-driven augmentation and retrieval approach for temporal adaptation of language models, integrating knowledge bases to improve handling of time-evolving information and temporal reasoning capabilities.
AI要約 ハイブリッド言語モデル(Transformer+状態空間モデル等)において、LoRAをどのコンポーネント種別に配置すべきかを検証した研究。コンポーネントごとの配置がファインチューニング性能に与える影響を分析し、最適な配置戦略を提示している。
EN This paper investigates optimal LoRA placement across different component types in hybrid language models combining Transformers with alternative architectures, analyzing how component-type selection affects fine-tuning performance and proposing effective placement strategies.
AI要約 括弧列タスクで訓練したTransformerを用い、内部表現から情報がデコードできることと、その情報がモデルの予測に因果的に利用されていることが必ずしも一致しないことを示した研究。解釈可能性研究におけるプロービング手法の限界を指摘する。
EN This study uses bracket-sequence Transformers to demonstrate that information decodable from internal representations is not necessarily causally used by the model for predictions, highlighting limitations of probing-based interpretability methods.
AI要約 教育向けLLMにおいて、安全性・有用性・教育的妥当性の3要素を同時に最適化するフレームワークSHAPEを提案。これら3軸を統一的に評価・学習し、従来のトレードオフを解消することを目指す研究。
EN This paper proposes SHAPE, a unified framework for educational LLMs that jointly optimizes safety, helpfulness, and pedagogical soundness, aiming to overcome trade-offs among these three objectives in tutoring applications.
AI要約 本論文はTransformer学習中の重み行列のスペクトル動態を分析し、過渡的な圧縮波と持続的なスペクトル勾配の存在を示す。さらにQ/KとVの間に明確な非対称性があることを明らかにし、注意機構の役割分担を解釈する手がかりを提供する。
EN This paper analyzes the spectral dynamics of weight matrices during Transformer training, identifying transient compression waves and persistent spectral gradients, and reveals a clear Q/K vs. V asymmetry that sheds light on functional roles within attention.
og AI要約 本論文は、LLMの幻覚を抑制するため、モデルの知識境界を認識した強化学習手法KARLを提案する。モデルが知っている事項のみを答え、未知の事項は拒否するよう学習させ、事実性タスクで幻覚率を低減する。
EN This paper introduces KARL, a knowledge-boundary-aware reinforcement learning method that mitigates hallucinations in LLMs by training models to answer only what they know and refuse otherwise, improving factual reliability.
og AI要約 本論文は、コンピュータネットワークのアラート予測に向けた時系列グラフネットワーク(TGN)フレームワークを提案する。双方向GRUとTransformerを組み合わせた集約器BiTAを導入し、時系列依存関係を捉えることで予測精度を向上させる。
EN This paper proposes BiTA, a Bidirectional GRU-Transformer Aggregator within a Temporal Graph Network framework, designed for alert prediction in computer networks by capturing temporal dependencies to improve predictive accuracy.
og AI要約 Transformerの推論コスト削減のため、層間でKVキャッシュを共有する新手法を提案。確率的ルーティングにより、各トークンが動的に異なる層のキャッシュを参照可能にし、適応的な深さ方向の共有を実現する。
EN Proposes Stochastic KV Routing, a method enabling adaptive depth-wise KV cache sharing across Transformer layers. Tokens probabilistically route to different layers' caches, reducing inference costs while maintaining model quality.
EN arXiv:2604.22783v1 Announce Type: new Abstract: Parameter-Efficient Fine-Tuning (PEFT) has become the standard for adapting large language models (LLMs). In this work we challenge the wide-spread assu