11月 11 2026 0 LLMマルチエージェントのワークフロー設計力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 WorkflowArenaは、LLMエージェントが自らマルチエージェントの作業分担・委譲・統合を設計する「ワークフロー編成」を、145の長期タスクで評価するベンチマークです。委譲の有無と方法をモデルに任せ、全委譲を記録し、編成にかかる時間も共有予算に含めます。
11月 11 2026 0 規制AI向けLLM推論検証を監査可能にするAIPerf活用パイプライン 投稿者: 亜美と智也のAI論文解説 編集部 Runwayは、NVIDIA AIPerfを変更せず測定に使い、その前の実験設計と後のSLA・コスト・監査判断を分離した規制AI向け検証パイプラインです。
11月 11 2026 0 動く狭い隙間を機上カメラで抜けるドローン制御を微分可能シミュレーションで学習 投稿者: 亜美と智也のAI論文解説 編集部 本論文は、機上カメラと慣性計測から集団推力・機体レート指令を出す方策を、微分可能シミュレーションで一端から学習する手法を示す。時変ギャップ平面への符号付き距離で centering・alignment・衝突コストを整形し、狭い通過を密な経路目的に変える。
11月 11 2026 0 Airbnbのカバー写真をコールドスタート下で最適化するOptiCover 投稿者: 亜美と智也のAI論文解説 編集部 Airbnbのカバー写真選びを、候補生成・凍結CLIP上の軽量ビジョンヘッド・VLMによる意味検証・複数サーフェスの探索ログで最適化するフレームワーク。90%超が未露出というコールドスタートに対応し、HomePageで1.5%のエンゲージメント向上、Searchで予約者0.35%増を報告。
11月 11 2026 0 エージェント実行コストを最大35%削減するハーネス基盤Agency 投稿者: 亜美と智也のAI論文解説 編集部 本論文は、エージェントのタスク精度はハーネス差の影響が小さい一方、コストはハーネス側のプロンプト・ツール・実行パターンで大きく変わる点に着目する。
11月 11 2026 0 マンモグラフィVLMの回答・自信・根拠の食い違いを検出する評価手法 投稿者: 亜美と智也のAI論文解説 編集部 本論文は、マンモグラフィVQAでVLMが同時に出す「回答」「自信」「説明」が互いに一致し、画像に支えられているかを、画像・質問・選択肢の摂動で調べる。精度だけでは見えない過信、説明と回答の矛盾、形式変更での回答揺れを示す。
11月 11 2026 0 多様なロボット操作タスクを自動生成しVLA事前学習を強化するRoboGene 投稿者: 亜美と智也のAI論文解説 編集部 RoboGeneは、VLAモデルの事前学習向けに、多様で実行可能なロボット操作タスクを自動生成するエージェント型フレームワークです。LFUによる多様性サンプリング、3種の自己反省評価、人による実行フィードバックの長期記憶を組み合わせ、人手設計の偏りを補います。
11月 11 2026 0 ローカルLLMと規則・臨床NERを重ねた臨床文書匿名化ツールの評価 投稿者: 亜美と智也のAI論文解説 編集部 院内で動くLLMに、パターン規則と臨床NERを並列で重ね、検出器が失敗したら出力しないfail-closed方式の匿名化ツールDeidSharpを評価した論文。
11月 11 2026 0 自動運転VLAの言語と軌道のズレを検証可能メタアクションで改善するDriveMA 投稿者: 亜美と智也のAI論文解説 編集部 DriveMAは、自動運転VLAの中間言語として「メタアクション」を置き、専門家軌道から自動注釈し、生成軌道と照合できる点を活用する。行動中心の事前学習とターン別クレジット割当RLで、言語判断と軌道計画のズレを詰める。
11月 11 2026 0 COBOL要約の信頼度を参照なしで推定するLLM合議と校正集約手法 投稿者: 亜美と智也のAI論文解説 編集部 人手の参照要約がないCOBOLコード要約でも、複数LLMの要約一致をLLM-as-judgeで構造化評価し、校正集約・トークン信頼度・コード網羅性を組み合わせて信頼度を推定する。2者の一致した矛盾だけを罰し、人手レビューに回す振り分けを狙う。