📜 papers
2026-08-20 · 5 topics
予測された情報ニーズに基づき文書を動的に分割する Intent-Driven Dynamic Chunking を提案──検索精度を最大 67% 向上
🔥🔥LLM と動的計画法を活用しユーザーの意図に沿った文書分割を行うことで、トップ 1 検索精度を 5% から 67% 向上させつつチャンク数を 40〜60% 削減した。
治験プログラミングの構造的一致率を 100% に高めるマルチエージェント手法 GxP-Agent
🔥🔥規制業務プロセスを DAG トポロジとして符号化することで、単一エージェントで 0% だった CDISCPilot01 の構造的一致率を 100% に改善した。
LLM の金融アドバイスにおける宗教的バイアスを実証──非バイアス回答はわずか 12-18%
🔥🔥ChatGPT, Gemini, Grok を用いた 432 件のシミュレーションから、パーソナライゼーションと中立性のジレンマや構造的バイアスを解明。
LLM 事後学習向け階層型データ選択手法 MASS──埋め込み空間の幾何学的歪みを解消し全データ学習を凌駕
🔥🔥密なオートエンコーダーと TopK 疎なオートエンコーダーを組み合わせた二段階の階層型データ選択により、大幅なデータ削減と高精度化を両立する。
Dynamic MoE サービングの定数競合アルゴリズムを証明──ランダム化主問題で競合比 \Theta(1) を達成
🔥🔥Dynamic Mixture-of-Experts サービングにおいて、任意の専門家数に対してランダム化主問題の競合比が \Theta(1) となる定数競合アルゴリズムを証明し、Lean 4 による機械検証を完了した。