📜 papers
2026-07-18 · 5 topics
HG-RAG：階層型知識グラフを用いたRAGフレームワーク──グラフ探索により多ホップ推論精度を向上
🔥🔥クエリからエンティティを特定し、グラフ構造を上下左右に探索することで、フラットな文書検索ベースライン比で階層的・関係的推論タスクの精度を改善した。
Token Time Continuous Diffusion：トークンごとの時間制御で高速生成時の精度を維持
🔥🔥離散空間の反復を回避し、トークンごとに拡散速度を最適化する手法を提案。OpenWebTextでの学習で既存の同規模モデルを上回る生成品質を実証した。
Diffusion LLMの推論を高速化するPolestar──KVキャッシュ再利用とトークンコミットを最適化
🔥🔥トークンの表現ドリフトを信号として活用し、既存手法比で最大3.7倍のスループットと10.73%の精度向上を達成した。
LLMエージェントのツール利用効率を定量化する指標「限界ツール効用（MTU）」を提案
🔥🔥LLMの推論軌跡から各ツール呼び出しの有用性をLLM-as-a-Judgeで判定し、精度を維持しつつ不要な呼び出しを排除する効率化手法を確立した。
LLMの信頼性上限を理論的に解明──タスク固有の曖昧さと依存関係カーネルによるスケーリング則の再定義
🔥🔥生成タスクの信頼性には情報理論的な上限が存在し、タスクの依存関係カーネルと出力の不確実性からモデルの性能限界を導出する新たなスケーリング則を提案した。