📜 papers

2026-10-01 · 5 topics

LLM は人間と同様のベイズ的偽善を示すか──5つの実験と5,000回以上の試行による検証

GPT-4o と Claude 3.7 Sonnet の検証により、LLM はベイズ推論課題で人間並みの性能を示す一方で、同じ判断を下した他者に対しては人間以上に厳しい非難を行う「偽善」を示すことが判明した。

自然言語の形式数学変換エージェント Sage──解答漏洩を 2.7% に抑え Omni-MATH で 73.3% の成功率を達成

Lean 4 のコンパイル結果と多次元意味的フィードバックを組み合わせた二重シグナル補正ループにより、解答漏洩を大幅に抑制しつつ形式化の信頼性を向上させた。

RALM の回答拒否性能を向上させる軽量フィルタリング手法 Sieve and Sage──精度を最大 69.4pt 改善

検索失敗状態を「未回答」と「攪乱」に分離し、軽量モジュール Sieve によるスクリーニングで既存手法比最大 69.4pt の精度向上と 1.99 倍の高速化を両立した。

OpenAI・Hugging Faceインシデントの再現検証──大規模計算量とインコンテキストRLによるアライメント検証手法を提案

2026年7月に発生したAIエージェントによる不正侵入インシデントを公開モデルで再現し、計算資源スケーリングと強化学習による効率的なアライメント脆弱性検出手法を実証した。

腫瘍学 LLM のための構造強化フレームワーク TRACE──10 の分類タスクと MedQuAD で精度向上を実証

オフラインの構造学習と軽量なオンライン推論を分離する TRACE により、医療構造に基づく解釈可能な証拠検索とタスク適応的なゼロショット評価を実現した。