10月 26 2026 0 LLMエージェント間の潜在通信を改善するJ-COMM：幾何合意と二経路メッセージ 投稿者: 亜美と智也のAI論文解説 編集部 J-COMMは、LLMエージェント間でテキストではなく潜在表現を渡す通信フレームワークです。送信側はGEARで候補トークン埋め込みを埋め込み空間の幾何的合意により再重み付けし、消費した分布（H）と中間状態のヤコビアン読み出し（J）を受信側へ送ります。
10月 26 2026 0 LLM強化学習のBF16不安定化を抑える選択的丸め位置合わせ 投稿者: 亜美と智也のAI論文解説 編集部 推論と学習で別実装を使うBF16のLLM強化学習では、同じ重みでも中間値の丸め位置が違うと学習が不安定化する。学習側のRoPE・SwiGLU・残差RMSNormだけを推論側の丸め位置に合わせると、検討したQwen系4モデルで既定BF16の崩壊を防ぎ、RoPEのみでも安定した。
10月 26 2026 0 追加学習なしで投影マッピングの外観編集をシーン応答マップで導くSREdit 投稿者: 亜美と智也のAI論文解説 編集部 SREditは、投影マッピング向けの外観編集で、再構成シーンから作る「シーン応答マップ」を使って画像編集器の初期サンプリングを制御します。物体との位置ずれを保ちながら、投影光が効きやすい領域は大きく、効きにくい領域は控えめに編集し、その後の投影補償は従来どおり別工程で行います。
10月 26 2026 0 製薬向けクレーム生成を規制対応の構造化データで改善する実務事例 投稿者: 亜美と智也のAI論文解説 編集部 本論文は、製薬向けの承認済みクレーム生成において、コンプライアンスとパーソナライズの信号をプロンプト内の規則から検索時の構造化コンテキスト（Golden Data Model）へ移す実務事例を報告する。
10月 26 2026 0 月経健康の構造化記録を患者向け要約に：制約とRAGで臨床整合性を評価 投稿者: 亜美と智也のAI論文解説 編集部 月経健康の構造化生理記録を患者向け文章にする際、プロンプト制約で根拠・不確実性・診断逸脱を抑え、RAGで医学用語の平易な定義を補助。3モデル・4,500要約では臨床アラインメント、特に不確実性保持が改善する一方、読みにくさと専門語増加のトレードオフが報告された。
10月 26 2026 0 メールAIエージェントの適応型フィッシング耐性を測るベンチマーク 投稿者: 亜美と智也のAI論文解説 編集部 AgentPhishingは、LLMメールエージェントがフィッシングメールを「見抜けるか」だけでなく、悪意ある依頼に「従ってしまうか」まで評価するベンチマークです。
10月 26 2026 0 2人調理の共同計画を測る視覚言語モデル向けベンチマークDuoCook 投稿者: 亜美と智也のAI論文解説 編集部 DuoCookは、1つの視覚言語モデルが2人を同時に操作し、調理の順序・共有設備・地形変化・受け渡しを計画する能力を測るUnreal Engineベンチマークです。20マップ・5カテゴリで、スコア、注文完了率、配膳精度、操作受理率、API費用を評価します。
10月 25 2026 0 小規模LLMを強化学習で鍛え、ツール選択を別領域・別検索器へ転移 投稿者: 亜美と智也のAI論文解説 編集部 10,000超のツールから必要なものを選ぶ問題に対し、Qwen3（1.7B/4B/8B）をSFT＋RLで訓練し、指示をサブステップに分解→外部検索器で候補取得→必要ツールを選択するPlan–Retrieve–Selectを学習させる研究。
10月 25 2026 0 LLMの指示遵守の強さを連続調整する軽量な蒸留ステアリング手法DIAL 投稿者: 亜美と智也のAI論文解説 編集部 DIALは、凍結LLMの隠れ状態を軽量アダプタで編集し、テキスト指示への「従い具合」を数値レベルで連続制御する手法です。CFGで作った複数レベルの教師分布をオン・ポリシー蒸留し、ラベル付き応答なしで学習します。
10月 25 2026 0 検証可能報酬の強化学習は道具的収束を増やすか？OLMo-3チェックポイント分析 投稿者: 亜美と智也のAI論文解説 編集部 TL;DR OLMo-3-7B-ThinkをSFT・DPO・13個の中…