Zedエディタがメジャーバージョン1.0.0に到達。Rust製の高速なコラボレーティブコードエディタとして安定版がリリースされ、長期にわたる開発の節目となる重要なマイルストーンを迎えた。
Zed, the high-performance collaborative code editor written in Rust, has reached its 1.0.0 milestone, marking a major stable release after years of development.
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、言語モデルのトークン分布に内在する非ランダム性を測定する「ランダム性の床」という概念を提案する。生成テキストの統計的特性を分析し、モデルが本質的に持つ偏りを定量化する手法を示す。
EN This paper proposes the concept of a 'randomness floor' to measure intrinsic non-randomness in language model token distributions, providing a method to quantify inherent biases in generated text through statistical analysis.
og AI要約 本論文ではコード品質の自動評価を行うマルチエージェントシステム「Code Broker」を提案する。複数の専門エージェントが協調してコードを解析し、品質指標を統合的に評価する仕組みを示し、従来手法より高精度な評価を実現する。
EN This paper introduces Code Broker, a multi-agent system for automated code quality assessment where specialized agents collaboratively analyze code and integrate quality metrics, achieving more accurate evaluations than prior approaches.
og AI要約 科学ワークフローのコード生成において、テストケースに依存せず教師モデルからの知識蒸留を用いる新手法を提案。実行検証が困難なドメイン固有タスクでも高品質なコード生成を実現し、従来手法を上回る性能を示した。
EN This paper proposes a distillation-driven approach for code generation in scientific workflows, eliminating the need for test cases. Knowledge distillation from teacher models enables high-quality code generation in domains where execution-based verification is impractical.
og AI要約 複数エージェントによる要件交渉での対立を解決するため、形式的議論理論を活用したArgREフレームワークを提案。エージェント間の主張や反論を構造化し、合意形成プロセスを自動化することで、ソフトウェア要件工学における意思決定を支援する。
EN This paper proposes ArgRE, a framework that applies formal argumentation theory to resolve conflicts in multi-agent requirements negotiation, structuring claims and counter-arguments to automate consensus-building in software requirements engineering.
og AI要約 任意のソフトウェアプロジェクトの実行環境を完全自動で構築するシステムRATを提案。依存関係解決やビルド設定を自動化し、開発者の手作業を削減する研究。
EN This paper introduces RAT (RunAnyThing), a system designed to fully automate environment configuration for arbitrary software projects, handling dependency resolution and build setup without manual intervention.
og AI要約 本稿はAI支援によるコードレビューを教育現場で活用した実践報告であり、学生のコード品質向上と自己調整学習の足場として機能する可能性を示す。授業設計と効果、課題を考察している。
EN An experience report on integrating AI-assisted code review in education, showing how it can scaffold both improved code quality and students' self-regulated learning, with reflections on design and challenges.
og AI要約 本論文はソフトウェア開発組織における知識喪失リスクを管理するための確率的フレームワークを提案する。チームメンバーの離脱や知識集中が及ぼす影響を定量化し、知識レバレッジの観点から緩和戦略を導く手法を示している。
EN This paper proposes a stochastic framework for managing knowledge loss risk in software engineering organizations, quantifying impacts of member departures and knowledge concentration to guide mitigation strategies through a knowledge-leverage perspective.
og AI要約 本論文はLLMを用いたシステム全体での不確実性の伝播を分析する研究である。複数のLLM呼び出しや下流処理を通じて、どのように予測の不確実性が蓄積・伝達されるかをモデル化し、信頼性向上に向けた手法を提案する。
EN This paper investigates how uncertainty propagates through LLM-based systems involving multiple model calls and downstream processing, proposing methods to model and quantify accumulated predictive uncertainty for improved reliability.
og AI要約 本論文はローカル環境で動作する複数のLLMをPythonコードのバグ検出タスクで実証的に評価する。検出精度や誤検出率を比較し、プライバシー重視のオフライン開発環境における実用性と限界を明らかにした。
EN This paper empirically evaluates several locally deployed LLMs on bug detection in Python code, comparing accuracy and false-positive rates to assess their practicality and limitations for privacy-sensitive offline development workflows.
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、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.
AI要約 本論文は、LoRAなどのパラメータ効率的微調整(PEFT)手法が必ずしもメモリ効率的でないことを指摘する。オンデバイス環境でのLLM適応において、メモリ使用量を主軸に据えた微調整手法の再評価と新たな設計指針を提案する。
EN This paper argues that parameter-efficient fine-tuning methods like LoRA are not necessarily memory-efficient. It rethinks fine-tuning approaches for on-device LLM adaptation by prioritizing memory consumption as the key constraint.
AI要約 本論文は、住宅の短期電力負荷予測のためのボトムアップ型フレームワークGCA-BULFを提案する。重要な家電をグループ化して個別にモデル化し集約することで、従来のトップダウン手法より高精度な予測を実現する。
EN This paper proposes GCA-BULF, a bottom-up framework for short-term residential load forecasting that groups critical appliances and models them individually before aggregation, achieving better accuracy than top-down approaches.
EN arXiv:2604.24767v1 Announce Type: new Abstract: Congenital heart disease (CHD) is the most common type of birth defect, impacting about 1% of live births worldwide. Echocardiography, the gold-standard
EN arXiv:2604.24768v1 Announce Type: new Abstract: In this chapter, we investigate the bending behavior of a perforated nanobeam subjected to sinusoidal loading using an efficient and computationally rob
EN arXiv:2604.24788v1 Announce Type: new Abstract: Natural gas is undoubtedly an essential component of the global energy system. Accurate short-term forecasting of natural gas price is challenging due t
EN arXiv:2604.24801v1 Announce Type: new Abstract: Autoregressive transformers make confident errors, but activation monitoring can catch them only if the model preserves an internal signal that output c
EN arXiv:2604.24803v1 Announce Type: new Abstract: In low-depth implementations of the Quantum Approximate Optimization Algorithm (QAOA), the dominant cost is often the number of objective evaluations ra
EN arXiv:2604.24804v1 Announce Type: new Abstract: Offline preference optimization methods, such as Direct Preference Optimization (DPO), offer significant advantages in aligning Large Language Models (L
EN arXiv:2604.24805v1 Announce Type: new Abstract: Modern machine learning optimizes for accuracy without explicitly accounting for internal computational cost, even though physical and biological system
EN arXiv:2604.24809v1 Announce Type: new Abstract: We present Nautile-370M, a 371-million-parameter small language model designed for efficient reasoning under strict parameter and inference budgets. Nau
EN arXiv:2604.24810v1 Announce Type: new Abstract: Edge computing environments impose strict constraints on energy consumption and latency, making the deployment of deep neural networks a significant cha
EN arXiv:2604.24811v1 Announce Type: new Abstract: Graph neural Ordinary Differential Equations (ODE) combine neural ODE with the message passing mechanism of Graph Neural Networks (GNN), providing a con
EN arXiv:2604.24818v1 Announce Type: new Abstract: Bayesian finite mixture models can identify discrete risk clusters (low-risk vs. high-risk equipment), but face three critical bottlenecks: (1) insuffic
EN arXiv:2604.24824v1 Announce Type: new Abstract: This article philosophically examines how shifts in assumptions regarding the existence and non-existence of the true target (TT) give rise to new persp
EN arXiv:2604.24827v1 Announce Type: new Abstract: Closed-source frontier labs do not disclose parameter counts, and the standard alternative -- inference economics -- carries $2\times$+ uncertainty from
EN arXiv:2604.24832v1 Announce Type: new Abstract: Masked diffusion language models (MDMs) have recently emerged as a promising alternative to standard autoregressive large language models (AR-LLMs), yet