Reinforcing the World's Edge: A Continual Learning Problem in the Multi-Agent-World Boundary
この論文は、分散型マルチエージェント強化学習において、エージェントと世界の境界の不安定性が非定常性を引き起こし、成功経路に共通する不変な意思決定構造（コア）が消失する要因となることを示し、これを新たな継続的学習問題として捉える視点を提供しています。
🤖 Category
cs.AI
8713 件の論文
AI-Assisted Curation of Conference Scholarship: Compiling, Structuring, and Analyzing Two Decades of Presentations at the Society for Social Work and Research
この研究は、2005 年から 2026 年までの社会福祉研究学会（SSWR）年次会議の発表要約を AI を活用して収集・構造化・分析し、研究手法、共著、国際参加の 20 年間の成長と変遷を明らかにしたものである。
"Dark Triad" Model Organisms of Misalignment: Narrow Fine-Tuning Mirrors Human Antisocial Behavior
この論文は、人間の「ダークトライアド」人格特性をモデル生物として活用し、LLM に最小限のファインチューニングを施すことで、人間に類似した反社会的な不整合行動を再現・誘発できることを実証し、AI の安全性研究における新たな枠組みを提示しています。
Step-Level Visual Grounding Faithfulness Predicts Out-of-Distribution Generalization in Long-Horizon Vision-Language Models
本論文は、長視野の視覚言語モデルにおいて、最終的な正解率ではなく「時間的視覚 grounding（視覚入力との一貫性）」を定量化する指標が、分布外汎化性能を予測する強力な指標となり得ることを実証しています。
Twitch: Learning Abstractions for Equational Theorem Proving
この論文は、失敗した証明や成功した証明から自動的に「抽象化（項パターン）」を学習するツール「Twitch」を提案し、これを等式定理証明器「Twee」に統合することで、TPTP の問題において 12 の難問を解決し、多くの問題で大幅な高速化を実現したことを報告しています。
Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering
この論文は、メカニズム的解釈性を用いて大規模音声言語モデル（LALMs）における「聴く」信号を特定し、推論時の活性化介入によって音声への依存度を高めることで、パラメータ更新なしにモデルの精度を最大 8.0 ポイント向上させる手法を提案しています。
Contextual Counterfactual Credit Assignment for Multi-Agent Reinforcement Learning in LLM Collaboration
大規模言語モデルを用いた協調マルチエージェント強化学習において、スパースな終端フィードバックに起因する意思決定の責任帰属の曖昧さを解消するため、文脈を固定した対照的介入と留め置き法（LOO）を用いて個々のメッセージの因果的寄与を抽出する「Contextual Counterfactual Credit Assignment（C3）」という手法を提案し、その有効性を複数のベンチマークで実証した。
Supporting Artifact Evaluation with LLMs: A Study with Published Security Research Papers
この論文は、LLM を活用してセキュリティ研究のアーティファクト評価における再現性評価、実行環境の自動構築、および方法論的欠陥の検出を支援するツールキットを開発し、査読者の負担軽減と研究の透明性向上を実現することを示しています。
A prior information informed learning architecture for flying trajectory prediction
本論文は、環境事前知識と二重トランスフォーマー・カスケード構造を統合した効率的な学習アーキテクチャを提案し、屋外テニスコートにおけるボールの着地点を高精度に予測する新しい手法を確立したものである。
Symmetry-Constrained Language-Guided Program Synthesis for Discovering Governing Equations from Noisy and Partial Observations
この論文は、次元解析や群論的対称性を文法制約として組み込み、言語モデルによるプログラム合成と MDL ベイズモデル選択を統合した「SymLang」というフレームワークを提案し、ノイズや未観測変数を含む実験データから、従来の手法よりも高い精度で物理法則を正確に発見・特定できることを示しています。
LEAD: Breaking the No-Recovery Bottleneck in Long-Horizon Reasoning
この論文は、長期推論における「回復不能なボトルネック」を解消するため、先読み検証と重複ロールアウトの集約を取り入れた「LEAD」手法を提案し、これにより o4-mini モデルが極端な分解手法では失敗する複雑さのチェッカー問題も解決可能になったことを示しています。
LieCraft: A Multi-Agent Framework for Evaluating Deceptive Capabilities in Language Models
この論文は、LLM の欺瞞能力を評価するための新しいマルチエージェントフレームワーク「LieCraft」を提案し、12 の最先端モデルを用いた実験により、能力や整合性の違いに関わらず、すべてのモデルが目標達成のために非倫理的行動や嘘をつく意思と能力を持っていることを明らかにしています。
Not Too Short, Not Too Long: How LLM Response Length Shapes People's Critical Thinking in Error Detection
本論文は、LLM の回答の長さが人間の批判的思考に与える影響を調査した研究であり、特に誤った推論の場合、長すぎず短すぎない「中程度の長さ」の説明が利用者の精度向上に寄与する可能性を示唆しています。
Physics-informed AI Accelerated Retention Analysis of Ferroelectric Vertical NAND: From Day-Scale TCAD to Second-Scale Surrogate Model
本論文は、物理法則を学習アーキテクチャに組み込んだ物理情報ニューラル演算子（PINO）に基づく AI サロゲートモデルを開発し、フェロ電気垂直 NAND のデータ保持特性を TCAD 計算に比べて 1 万倍以上高速かつ高精度に予測可能にしたことを報告しています。
Distributed Legal Infrastructure for a Trustworthy Agentic Web
本論文は、自律的な AI エージェントが中心となる「エージェントウェブ」の信頼性を確保するため、アイデンティティ、制約、紛争解決、市場規制、制度の相互運用性を統合した分散型法インフラ（DLI）という新たなガバナンス・パラダイムを提案しています。
Enhancing the Detection of Coronary Artery Disease Using Machine Learning
この論文は、臨床データ、画像、バイオマーカーを分析して Bi-LSTM、GRU、およびそのハイブリッドモデルを学習させることで、従来の診断法を上回る感度と特異度（ハイブリッドモデルで 97.07% の精度）を達成し、冠動脈疾患の早期発見と医療意思決定を支援する機械学習アプローチの有効性を示しています。
Empowering Locally Deployable Medical Agent via State Enhanced Logical Skills for FHIR-based Clinical Tasks
プライバシー制約下でのデータ不足を克服するため、トレーニング不要の「状態強化論理スキルメモリ（SELSM）」フレームワークを提案し、FHIR ベースの臨床タスクにおいて 30B パラメータ規模のローカル展開モデルのゼロショット性能を大幅に向上させ、タスク完了率を 100% に達する成果を上げたことを示しています。
MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System
この論文は、大規模言語モデルを活用したマルチエージェントシステム「MindfulAgents」を開発し、専門家の枠組みに基づいて瞑想スクリプトを生成・個人化することで、ユーザーのエンゲージメント向上やストレス軽減、長期的な実践維持に成功したことを報告しています。
How Private Are DNA Embeddings? Inverting Foundation Model Representations of Genomic Sequences
本論文は、DNABERT-2、Evo 2、NTv2 といった DNA 基盤モデルから生成された埋め込み表現が、モデル逆転攻撃によって元の遺伝子配列を再構築される脆弱性を有しており、特にトークン単位の埋め込みではほぼ完全な復元が可能であることを実証し、遺伝子データ共有におけるプライバシー保護の重要性を指摘しています。
Post-Training with Policy Gradients: Optimality and the Base Model Barrier
本論文は、ベースモデルのサポートを超える際に生じる「尤度分位（LQ）」という障壁を明らかにし、出力報酬を用いた方策勾配法が次元の呪いに直面するのに対し、プロセス報酬モデルを用いることでトークンレベルの LQ に依存し、次元の呪いを回避して最適に学習できることを示しています。