VeriTrail: Closed-Domain Hallucination Detection with Traceability
本論文は、単一生成ステップおよび複数生成ステップのプロセスにおける閉ドメイン幻覚を検出するだけでなく、その発生箇所と出典への忠実性を追跡可能にする初の手法「VeriTrail」と、関連するデータセットを提案し、基線手法を上回る性能を実証したものである。
💬 Category
cs.CL
2026 件の論文
RedTeamCUA: Realistic Adversarial Testing of Computer-Use Agents in Hybrid Web-OS Environments
本論文は、Web と OS を横断する現実的な攻撃シナリオを評価するための新たなテストフレームワーク「RedTeamCUA」とベンチマーク「RTC-Bench」を提案し、最先端のコンピュータ使用エージェント（CUA）が間接的なプロンプト注入攻撃に対して深刻な脆弱性を有していることを実証しています。
CityLens: Evaluating Large Vision-Language Models for Urban Socioeconomic Sensing
本論文は、衛星画像やストリートビュー映像から都市の社会経済指標を予測する大規模視覚言語モデル（LVLM）の能力を評価するための包括的なベンチマーク「CityLens」を提案し、17 の都市にまたがる多様なタスクにおけるモデルの現状と課題を明らかにしています。
OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models
本論文は、認知心理学に基づき動的推論や視点取得など 4 つの主要カテゴリと 50 の細分化されたサブカテゴリを含む包括的な空間推論ベンチマーク「OmniSpatial」を提案し、現在の視覚言語モデルの限界を明らかにするとともに、空間推論能力の向上に向けた 2 つの戦略を提示するものである。
Meta-Adaptive Prompt Distillation for Few-Shot Visual Question Answering
本論文は、大規模マルチモーダルモデルにおける Few-Shot 視覚質問応答タスクにおいて、タスク関連の視覚特徴から蒸留されたソフトプロンプトをメタ学習で適応させることで、従来のインコンテキスト学習やパラメータ効率型微調整を上回る性能を達成する手法を提案しています。
VINCIE: Unlocking In-context Image Editing from Video
本論文は、動画データから直接学習可能なスケーラブルな手法を提案し、ブロック因果拡散トランスフォーマーを用いて文脈に応じた画像編集を実現する「VINCIE」を開発し、既存の手法を上回る性能と多様な応用能力を実証したものです。
Equitable Electronic Health Record Prediction with FAME: Fairness-Aware Multimodal Embedding
本論文は、電子健康記録（EHR）の多様なモダリティを統合するマルチモーダル AI の予測精度と公平性を同時に最適化するため、各モダリティの公平性貢献度に基づいて重み付けを行う「FAME」という新しいフレームワークを提案し、その有効性を検証したものである。
Language Agents for Hypothesis-driven Clinical Decision Making with Reinforcement Learning
本論文は、強化学習と教師あり学習のハイブリッド手法を用いて、仮説駆動かつ不確実性を考慮した言語エージェント「LA-CDM」を開発し、臨床検査の反復的な要求と解釈を通じて診断精度と効率を向上させることを提案しています。
AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents
AgentSynth は、情報非対称性を利用したスケーラブルかつ低コストなパイプラインにより、一般化されたコンピュータ操作エージェント向けの高品質なタスクと軌跡データを自動生成し、その複雑さを精密に制御しながら 6,000 以上の多様なタスクを構築する手法を提案しています。
GenRecal: Generation after Recalibration from Large to Small Vision-Language Models
本論文は、異なるアーキテクチャを持つ大規模から小規模なビジョン言語モデル間での知識蒸留を可能にする汎用フレームワーク「GenRecal」を提案し、その特徴表現を再較正する機構を通じて、既存のオープンソースおよびクローズドソースのモデルを上回る性能を実現することを示しています。
OJBench: A Competition Level Code Benchmark For Large Language Models
本論文は、NOI や ICPC からの 232 問の競技プログラミング問題を収録した新しいベンチマーク「OJBench」を提案し、最先端の推論モデルさえも高度な競技レベルのコード推論において大きな課題を抱えていることを示した。
When Does Divide and Conquer Work for Long Context LLM? A Noise Decomposition Framework
この論文は、長文処理における LLM の失敗要因を「タスクノイズ」「モデルノイズ」「アグリゲータノイズ」の 3 要素に分解する理論的枠組みを提案し、これに基づいてチャンク分割と集約によるマルチエージェント処理の有効条件を明らかにし、場合によっては単一ショットの高性能モデルよりも軽量モデルのチャンク処理が優位になる理由を解明しています。
LongWriter-Zero: Mastering Ultra-Long Text Generation via Reinforcement Learning
本論文は、合成データや教師あり微調整に依存せず、強化学習のみを用いて大規模言語モデルに超長文生成能力をゼロから習得させる「LongWriter-Zero」を提案し、その性能が既存の SFT 手法や 100B パラメータ以上の大規模モデルを凌駕することを示しています。
TTSDS2: Resources and Benchmark for Evaluating Human-Quality Text to Speech Systems
この論文では、主観的評価と高い相関を示す新しい指標「TTSDS2」を提案し、11,000 件以上の主観評価データ、データ漏洩を防ぐマルチリンガルテストデータセット生成パイプライン、および 14 言語に対応する継続更新ベンチマークを含む包括的な評価リソースを公開しています。
Breaking Barriers: Do Reinforcement Post Training Gains Transfer To Unseen Domains?
本論文は、強化学習による後学習（RPT）が学習データと類似したタスクでは大幅な性能向上をもたらすものの、推論パターンの異なる未見のドメインへの一般化は不安定であり、場合によっては効果が消失することを示している。
Cognitive models can reveal interpretable value trade-offs in language models
この論文は、認知科学における認知モデルを大規模言語モデルの価値トレードオフの解釈に適用し、プロンプト操作や推論コスト、さらにはポストトレーニングのダイナミクスを通じて、モデルの行動プロファイルや社会的振る舞いを体系的に評価・診断できることを示しています。
DAPFAM: A Domain-Aware Family-level Dataset to benchmark cross domain patent retrieval
本論文は、特許先行技術検索における分野間ギャップを明確に評価できるよう、IPC3 重なり方式に基づいてインドメインとアウトドメインを明示的に区分した新しいベンチマークデータセット「DAPFAM」を提案し、あらゆる検索設定においてアウトドメインの性能が大幅に劣るという課題を明らかにしたものである。
XISM: an eXploratory and Interactive Graph Tool to Visualize and Evaluate Semantic Map Models
この論文は、言語類型論における意味マップの構築において、データ駆動型の推論と専門家の知識を組み合わせ、可視化インターフェースを通じてスケーラビリティと解釈可能性の両立を実現するインタラクティブなシステム「XISM」を提案し、その有効性を示したものです。
FrugalRAG: Less is More in RL Finetuning for Multi-Hop Question Answering
本論文は、多段質問応答タスクにおいて、強化学習を用いて質問の難易度に応じて検索ステップを適応的に削減する「FrugalRAG」という 2 段階の微調整フレームワークを提案し、極めて少ないデータ量で高精度かつ検索コストを大幅に削減する効率性の高い RAG を実現することを示しています。
SASFT: Sparse Autoencoder-guided Supervised Finetuning to Mitigate Unexpected Code-Switching in LLMs
本論文は、スパースオートエンコーダを用いたメカニズム分析に基づき、LLM の予期せぬコードスイッチングを抑制しつつ多言語能力を維持する新しい微調整手法「SASFT」を提案し、その有効性を検証したものです。